CN108537722A - 图像处理方法、装置、电子设备及介质 - Google Patents
图像处理方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN108537722A CN108537722A CN201810276381.4A CN201810276381A CN108537722A CN 108537722 A CN108537722 A CN 108537722A CN 201810276381 A CN201810276381 A CN 201810276381A CN 108537722 A CN108537722 A CN 108537722A
- Authority
- CN
- China
- Prior art keywords
- lip
- makeup
- region
- image
- uproar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 41
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 34
- 238000003062 neural network model Methods 0.000 claims description 27
- 238000004891 communication Methods 0.000 claims description 17
- 230000007704 transition Effects 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 25
- 239000007787 solid Substances 0.000 abstract description 3
- 239000002932 luster Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种图像处理方法、装置、电子设备及介质，其中，图像处理方法包括：接收第一上妆指令，所述第一上妆指令为对待上妆图像中的唇部区域添加非纯色均匀唇彩的指令；确定所述唇部区域在所述待上妆图像中的位置信息；基于所述位置信息，建立与所述唇部区域形状相同的加噪图层；将所述加噪图层叠加至所述唇部区域，得到唇部虚拟上妆图像。通过本方案可以提升唇部虚拟上妆效果。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像处理方法、装置、电子设备及介质。
背景技术
目前，市面上的口红等彩妆产品种类繁多，由于消费者的肤质、肤色等存在差异，在购买前，一般需要进行试用才能确定出适合自己的产品，但由于试用需要耗费大量时间，且当消费者通过电子商务进行线上选购时无法进行试用，因此，会给消费者带来体验断节的难题和困扰。
随着虚拟上妆技术的出现，上述难题得到了极大缓解。虚拟上妆技术可以根据用户对口红等彩妆产品的选择，为用户提供快速的化妆效果，从而帮助用户确定出适合自己的产品。在现阶段的唇部虚拟上妆技术中，如果需要对唇部上非纯色唇彩，从原始人脸图片中识别唇部区域，根据识别的唇部区域的形状，对预先设置的具有指定像素值的图层进行图像扭曲处理，得到与上述唇部区域的形状相同的变形后图层，通过将该变形后图层叠加至上述唇部区域，实现非纯色唇彩的上妆。
采用上述方法进行唇部虚拟上妆，如果原始图片中的唇部区域形状与预设的具有指定像素值的图层的形状差异较大，对预设图层进行图像扭曲处理时，由于变形程度较大，将会引起像素挤压的问题，进而导致唇部区域上妆效果不理想。
发明内容
本发明实施例的目的在于提供一种图像处理方法、装置、电子设备及介质，用于提升唇部虚拟上妆效果。具体技术方案如下：
第一方面，本发明实施例提供了一种图像处理方法，所述方法包括：
接收第一上妆指令，所述第一上妆指令为对待上妆图像中的唇部区域添加非纯色均匀唇彩的指令；
确定所述唇部区域在所述待上妆图像中的位置信息；
基于所述位置信息，建立与所述唇部区域形状相同的加噪图层；
将所述加噪图层叠加至所述唇部区域，得到唇部虚拟上妆图像。
进一步的，所述确定所述唇部区域在所述待上妆图像中的位置信息，包括：
通过预先训练得到的神经网络模型，对所述待上妆图像进行图像语义切割，得到第一待上妆唇部区域(多值图)，所述预先训练得到的神经网络模型基于唇部特征样本预先训练得到；
根据所述第一待上妆唇部区域在所述待上妆图像中的位置信息，确定所述唇部区域在所述待上妆图像中的位置信息。
进一步的，在所述通过预先训练得到的神经网络模型，对所述待上妆图像进行图像语义切割，得到第一待上妆唇部区域之前，所述方法还包括：
采用人脸侦测技术，提取所述待上妆图像中的人脸影像；
所述通过预先训练得到的神经网络模型，对所述待上妆图像进行图像语义切割，得到第一待上妆唇部区域，包括：
通过预先训练得到的神经网络模型，对所述人脸影像进行图像语义切割，得到所述第一待上妆唇部区域。
进一步的，所述方法还包括：
对所述第一待上妆唇部区域进行边缘模糊化处理，得到第二待上妆唇部区域；
接收第二上妆指令，所述第二上妆指令为对所述唇部区域添加单色均匀唇彩的指令；
基于所述第二待上妆唇部区域，将所述单色均匀唇彩对应的像素值叠加至所述唇部区域，得到唇部虚拟上妆图像。
进一步的，所述方法还包括：
对所述第一待上妆唇部区域进行边缘模糊化处理，得到第二待上妆唇部区域；
接收第三上妆指令，所述第三上妆指令为对所述唇部区域添加双色均匀唇彩的指令；
基于所述第二待上妆唇部区域，将第一预设唇色对应的像素值叠加至所述唇部区域，得到过渡唇色图层；
对所述第二待上妆唇部区域进行侵蚀处理，得到第三待上妆唇部区域；
将第二预设唇色对应的像素值叠加至所述过渡纯色图层中与所述第三待上妆唇部区域对应的唇部区域，得到唇部虚拟上妆图像。
进一步的，所述将所述加噪图层叠加至所述唇部区域，得到唇部虚拟上妆图像，包括：
采用像素叠加公式，将所述加噪图层中各像素点的像素值与所述唇部区域中对应像素点的像素值进行叠加，得到唇部虚拟上妆图像，所述像素叠加公式为：
M＝min(Mn+Mo，255)
其中，M为所述唇部虚拟上妆图像中像素点的像素值；Mn为所述加噪图层中像素点的像素值；Mo为所述唇部区域中与所述加噪图层中像素点对应的像素点的像素值。
第二方面，本发明实施例提供了一种图像处理装置，所述装置包括：
第一指令接收模块，用于接收第一上妆指令，所述第一上妆指令为对待上妆图像中的唇部区域添加非纯色均匀唇彩的指令；
位置信息确定模块，用于确定所述唇部区域在所述待上妆图像中的位置信息；
加噪图层建立模块，用于基于所述位置信息，建立与所述唇部区域形状相同的加噪图层；
上妆图像获取模块，用于将所述加噪图层叠加至所述唇部区域，得到唇部虚拟上妆图像。
进一步的，所述位置信息确定模块，具体用于：
通过预先训练得到的神经网络模型，对所述待上妆图像进行图像语义切割，得到第一待上妆唇部区域，所述预先训练得到的神经网络模型基于唇部特征样本预先训练得到；
根据所述第一待上妆唇部区域在所述待上妆图像中的位置信息，确定所述唇部区域在所述待上妆图像中的位置信息。
进一步的，所述装置还包括：
人脸影像获取模块，用于采用人脸侦测技术，提取所述待上妆图像中的人脸影像；
所述位置信息确定模块，具体用于：
通过预先训练得到的神经网络模型，对所述人脸影像进行图像语义切割，得到所述第一待上妆唇部区域。
进一步的，所述装置还包括：
第二待上妆唇部区域获取模块，用于对所述第一待上妆唇部区域进行边缘模糊化处理，得到第二待上妆唇部区域；
第二指令接收模块，用于接收第二上妆指令，所述第二上妆指令为对所述唇部区域添加单色均匀唇彩的指令；
第二上妆图像获取模块，用于基于所述第二待上妆唇部区域，将所述单色均匀唇彩对应的像素值叠加至所述唇部区域，得到唇部虚拟上妆图像。
所述装置还包括：
第三指令接收模块，用于接收第三上妆指令，所述第三上妆指令为对所述唇部区域添加双色均匀唇彩的指令；
过渡图层获取模块，用于基于所述第二待上妆唇部区域，将第一预设唇色对应的像素值叠加至所述唇部区域，得到过渡唇色图层；
第三待上妆唇部区域获取模块，用于对所述第二待上妆唇部区域进行侵蚀处理，得到第三待上妆唇部区域；
第三上妆图像获取模块，用于将第二预设唇色对应的像素值叠加至所述过渡纯色图层中与所述第三待上妆唇部区域对应的唇部区域，得到唇部虚拟上妆图像。
进一步的，所述上妆图像获取模块，具体用于：
采用像素叠加公式，将所述加噪图层中各像素点的像素值与所述唇部区域中对应像素点的像素值进行叠加，得到唇部虚拟上妆图像，所述像素叠加公式为：
M＝min(Mn+Mo，255)
其中，M为所述唇部虚拟上妆图像中像素点的像素值；Mn为所述加噪图层中像素点的像素值；Mo为所述唇部区域中与所述加噪图层中像素点对应的像素点的像素值。
第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一图像处理方法的步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行上述任一图像处理方法。
第五方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的图像处理方法。
本发明实施例提供的一种图像处理方法、装置及电子设备，接收对待上妆图像中的唇部区域添加非纯色均匀唇彩的第一上妆指令；确定唇部区域在待上妆图像中的位置信息；基于位置信息，建立与唇部区域形状相同的加噪图层；将加噪图层叠加至唇部区域，得到唇部虚拟上妆图像。由于是在明确了唇部区域在待上妆图像中的位置信息后，建立与唇部区域形状相同的加噪图层，并将上述加噪图层叠加至唇部区域，保证了加噪图层的形状与待上妆图像中唇部区域的形状相同，因此，在将加噪图层叠加至唇部区域时，无需对加噪图层进行图像扭曲处理，避免了当变形程度较大时出现的像素挤压严重，图层不自然的问题，提升了唇部虚拟上妆效果。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一个实施例提供的图像处理方法的流程示意图；
图2为本发明一个实施例提供的第一待上妆唇部区域示意图；
图3为本发明另一个实施例提供的图像处理方法的流程示意图；
图4为本发明一个实施例提供的提供的第二待上妆唇部区域示意图；
图5为本发明又一个实施例提供的图像处理方法的流程示意图；
图6为本发明一个实施例提供的图像处理装置的结构示意图；
图7为本发明一个实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了提升唇部虚拟上妆效果，本发明实施例提供了一种图像处理方法、装置及电子设备。
如图1所示，本发明实施例所提供的一种图像处理方法，具体可以包括如下步骤：
步骤101，接收第一上妆指令。
其中，第一上妆指令为对待上妆图像中的唇部区域添加非纯色均匀唇彩的指令，非纯色均匀唇彩可以是具有某种金属色泽的唇彩，该唇彩上具有均匀分布的亮点。本步骤中，可以先确定需要添加的非纯色均匀唇彩的颜色，然后确定待上妆的图像；也可以先确定好待上妆的图像，然后根据上述确定好的待上妆图像的特征，选择适合的非纯色均匀唇彩，此处，待上妆图像可以是从预先选择并存储的图像库中选择的图片，也可以是由使用者提供的使用者自身的包含唇部区域的图像，在此不作限制。
步骤102，确定唇部区域在待上妆图像中的位置信息；
本步骤中的位置信息中可以包括唇部区域的形状以及唇部区域在整个待上妆图像中的位置。
进一步的，步骤102具体可以为：
通过预先训练得到的神经网络模型，对待上妆图像进行图像语义切割，得到第一待上妆唇部区域，其中，预先训练得到的神经网络模型基于唇部特征样本预先训练得到；如图2所述，其中，左侧图像为待上妆图像，右侧图像即为进行图像语义切割后得到的第一待上妆唇部区域。
根据第一待上妆唇部区域在待上妆图像中的位置信息，确定唇部区域在待上妆图像中的位置信息。
对待上妆图像进行图像语义切割之后，得到的结果即为Segmentation Mask，也就是待上妆唇部区域，由于后续还要对该待上妆唇部区域进行其他处理，因此，此处将语义切割得到的待上妆唇部区域命名为第一待上妆唇部区域。
在通过上述步骤得到的待上妆图像的第一待上妆唇部区域中，唇部区域的像素值与非唇部区域的像素值有所不同，例如，唇部区域的像素值可以为(255，255，255)，而非唇部区域的像素值可以为(0，0，0)等，对于各区域像素值可以预先设定，在此不作限定。
神经网络模型用于对待上妆图像中的唇部区域特征进行提取，并在提取到唇部特征之后，通过类型标注的方式将其与待上妆图像中的其他非唇部区域进行区分，得到第一待上妆唇部区域，由于唇部区域与非唇部区域的像素值不同，因此，可以根据唇部区域对应的像素值确定出唇部区域在待上妆图像中的位置信息。
进一步的，在执行步骤102之前，还可以执行：
采用人脸侦测技术，提取待上妆图像中的人脸影像。
由于待上妆图像中可能包含有其他的非脸部特征信息，如街景、建筑物等背景图像，从而导致整个图像中人物脸部区域所占面积较小，此时，如果直接对待上妆图像进行图像语义切割，信息量较大，处理速度慢，因此，可以先采用人脸侦测技术，提取到上述待上妆图像中的人脸影像，然后再对提取到的人脸影像进行图像语义切割，确定唇部区域在待上妆图像中的位置信息，以提高图像处理的速度。
对应的，步骤102具体可以为：
通过预先训练得到的神经网络模型，对人脸影像进行图像语义切割，得到第一待上妆唇部区域。
使用的神经网络可以是高效神经网络ENet，也可以为全卷积神经网络CNN等，此处，具有图像语义分割功能的神经网络均属于本实施例保护范围。
步骤103，基于位置信息，建立与唇部区域形状相同的加噪图层。
根据步骤102中确定出的唇部区域在待上妆图像中的位置信息，可以建立一个与上述唇部区域形状相同的空白图层(其中，各个像素点的像素值均为255)，在上述空白图层上添加噪声信号，从而得到加噪图层，本步骤中，添加的噪声信号可以是椒盐噪声，也可以是高斯噪声，对此不作限制。
步骤104，将加噪图层叠加至唇部区域，得到唇部虚拟上妆图像。
进一步的，可以采用如下方法，将加噪图层叠加至唇部区域，得到唇部虚拟上妆图像：
采用像素叠加公式，将加噪图层中各像素点的像素值与唇部区域中对应像素点的像素值进行叠加，得到唇部虚拟上妆图像，其中，像素叠加公式可以为：
M＝min(Mn+Mo，255)
M为唇部虚拟上妆图像中像素点的像素值；Mn为加噪图层中像素点的像素值；Mo为唇部区域中与加噪图层中像素点对应的像素点的像素值。
步骤103中建立的加噪图层，其具有与非纯色均匀唇彩(例如，金属色泽唇彩)相类似的视觉效果，且其形状与唇部区域形状相同，因此，当将上述加噪图层叠加到唇部区域时，可以得到与添加非纯色均匀唇彩的第一上妆指令对应的唇部虚拟上妆图像。
本发明实施例提供的图1所示的图像处理方法中，接收对待上妆图像中的唇部区域添加非纯色均匀唇彩的第一上妆指令；确定唇部区域在待上妆图像中的位置信息；然后，基于位置信息，建立与唇部区域形状相同的加噪图层；将加噪图层叠加至唇部区域，得到唇部虚拟上妆图像。由于是在明确了唇部区域在待上妆图像中的位置信息后，建立与唇部区域形状相同的加噪图层，并将上述加噪图层叠加至唇部区域，保证了加噪图层的形状与待上妆图像中唇部区域的形状相同，因此，在将加噪图层叠加至唇部区域时，无需对加噪图层进行图像扭曲处理，避免了当变形程度较大时出现的像素挤压严重，图层不自然的问题，提升了唇部虚拟上妆效果。
图3为本发明实施例所提供的另一种图像处理方法，具体可以包括如下步骤：
步骤201，接收第一上妆指令。
本步骤与上一实施例中的步骤101相同，在此，不再赘述。
步骤202，通过预先训练得到的神经网络模型，对待上妆图像进行图像语义切割，得到第一待上妆唇部区域。
其中，预先训练得到的神经网络模型基于唇部特征样本预先训练得到。
本步骤中使用的神经网络可以是高效神经网络ENet，也可以为全卷积神经网络CNN等，此处，具有图像语义分割功能的神经网络均属于本实施例保护范围。
下面，以ENet为例，对图像语义分割进行介绍。可以将原始的待上妆图像直接输入到已经经过训练后的ENet模型中，通过ENet模型的运算之后，获取第一待上妆唇部区域，在该第一待上妆唇部区域中，唇部区域的像素值与非唇部区域的像素值有所不同，对于各区域像素值可以预先设定，在此不作限定。
ENet模型架构为编码-解码架构，编码部分可以通过下采样方式实现对待上妆图像中唇部区域特征的提取，但由于在特征提取的过程中，图像尺寸会缩小，因此，需要通过解码部分将特征提取结果反向传播给原始的待上妆图像，并对提取到的唇部特征所处的区域进行类型标注，进而得到第一待上妆唇部区域，也就是说将编码部分得到的结果还原至原始待上妆图像的大小，并完成类型标注。由于ENet模型的编码部分及解码部分均由bottleneck(瓶颈)网络层构成，因此，模型运算速度较快、图像语义分割效率高。
进一步的，在执行步骤202之前，还可以执行：
采用人脸侦测技术，提取待上妆图像中的人脸影像；
相应的，步骤202具体可以为：
通过预先训练得到的神经网络模型，对人脸影像进行图像语义切割，得到第一待上妆唇部区域。
步骤203，根据第一待上妆唇部区域在待上妆图像中的位置信息，确定唇部区域在待上妆图像中的位置信息。
在通过上述步骤202得到的待上妆图像的第一待上妆唇部区域中，唇部区域的像素值与非唇部区域的像素值有所不同，对于各区域像素值可以预先设定，在此不作限定。
神经网络模型用于对待上妆图像中的唇部区域特征进行提取，并在提取到唇部特征之后，通过类型标注的方式将其与待上妆图像中的其他非唇部区域进行区分，得到第一待上妆唇部区域，由于唇部区域与非唇部区域的像素值不同，因此，可以根据唇部区域对应的像素值确定出唇部区域在待上妆图像中的位置信息。
步骤204，基于位置信息，建立与唇部区域形状相同的加噪图层。
步骤204与上一实施例中的步骤103、步骤103相同，在此，不再赘述。
步骤205，对第一待上妆唇部区域进行边缘模糊化处理，得到第二待上妆唇部区域。
步骤205可以在步骤202之后，与步骤203并列进行。由于在步骤202得到的第一待上妆唇部区域中，唇部区域的像素值与非唇部区域的像素值不同，因此，在唇部区域与非唇部区域的过渡区域，两种不同像素值形成的色彩差异会较为明显，为了使过渡区域上妆效果更加自然，可以在得到第一待上妆唇部区域后，对其进行边缘化处理，得到第二待上妆唇部区域，在第二待上妆唇部区域中，嘴唇形状边缘区域的像素值介于0和255之间，如图4所示，其中，左侧图像为第一待上妆唇部区域，右侧图像为边缘化处理后的第二待上妆唇部区域。
步骤206，接收第二上妆指令。
其中，第二上妆指令为对唇部区域添加单色均匀唇彩的指令。
在虚拟上妆过程中，除了仅对唇部区域进行非纯色均匀唇彩(金属光泽唇彩)上妆之外，用户可能还想尝试在唇部区域中同时加入某种单色均匀唇彩和非纯色均匀唇彩(金属光泽唇彩)，此时，可以在进行步骤203和步骤204的同时，接收对唇部区域添加单色均匀唇彩的第二上妆指令。
步骤207，基于第二待上妆唇部区域，将单色均匀唇彩对应的像素值叠加至唇部区域，得到单色唇部虚拟上妆图像。
进一步的，可以采用如下方法将单色均匀唇彩对应的像素值叠加至唇部区域，得到唇部虚拟上妆图像：
分别将单色均匀唇彩对应的RGB色彩空间(通过对红、绿、蓝三个颜色通道的变化以及其相互之间的叠加来表示颜色的色彩空间)下的像素值及第二掩膜中各像素点的RGB色彩模型下的像素值转换为LAB色彩空间(以一个亮度分量L及两个颜色分量A和B来表示颜色的色彩空间)下的像素值；
针对第二待上妆唇部区域中的各像素点，采用如下公式对第二待上妆唇部区域中各像素点的像素值(LAB色彩空间下)进行正规化：
其中，M为正规化后像素点的像素值；Morig为像素点的原始像素值；max(Morig)为第二待上妆唇部区域中各像素点的像素值中的最大值；min(Morig)为第二待上妆唇部区域中各像素点的像素值中的最小值。
计算唇部区域中各像素点像素值的平均值；
采用如下公式将单色均匀唇彩对应的像素值叠加至唇部区域：
NLAB＝LipLAB+M×(CLAB-uLip)
其中，NLAB为叠加后唇部区域像素点的像素值；LipLAB为第二待上妆唇部区域中对应像素点的像素值；M为第二待上妆唇部区域中正规化后对应像素点的像素值；CLAB为单色均匀唇彩对应的像素值；uLip为唇部区域中像素点像素值的平均值。
将叠加后的唇部区域各像素点的像素值转换至RGB色彩空间，并进行显示，即可得到单色唇部虚拟上妆图像。
步骤208，将加噪图层叠加至单色唇部虚拟上妆图像，得到唇部虚拟上妆图像。
将步骤204中建立的加噪图层叠加至步骤207中得到的单色唇部虚拟上妆图像，即可得到最终的唇部虚拟上妆图像，该最终的唇部虚拟上妆图像既具有单色均匀唇彩的上妆效果，还具有非纯色均匀唇彩(金属光泽唇彩)的上妆效果。
发明实施例提供的图3所示的图像处理方法中，接收对待上妆图像中的唇部区域添加非纯色均匀唇彩的第一上妆指令，通过预先训练得到的神经网络模型，对待上妆图像进行图像语义切割，得到第一待上妆唇部区域，然后根据第一待上妆唇部区域在待上妆图像中的位置信息，确定唇部区域在待上妆图像中的位置信息；基于位置信息，建立与唇部区域形状相同的加噪图层；同时，对上述第一待上妆唇部区域进行边缘模糊化处理，得到第二待上妆唇部区域；接受对唇部区域添加单色均匀唇彩的第二上妆指令，将单色均匀唇彩对应的像素值叠加至唇部区域，得到单色唇部虚拟上妆图像；再将加噪图层叠加至单色唇部虚拟上妆图像，得到唇部虚拟上妆图像。本发明实施例中，针对于第一上妆指令，由于是在明确了唇部区域在待上妆图像中的位置信息后，仅建立与唇部区域形状相同的加噪图层，并将上述加噪图层叠加至唇部区域，保证了加噪图层的形状与待上妆图像中唇部区域的形状相同，因此，在将加噪图层叠加至唇部区域时，无需对加噪图层进行图像扭曲处理，避免了当变形程度较大时出现的像素挤压严重，图层不自然的问题，提升了唇部虚拟上妆效果。
基于与上述发明实施例相类似的发明构思，在本发明的其他实施例中，当需要在唇部区域中加入某种单色均匀唇彩和非纯色均匀唇彩(金属光泽唇彩)时，可以先接收对待上妆图像中的唇部区域添加单色均匀唇彩的第二上妆指令，在得到单色唇部虚拟上妆图像之后，再接收针对该单色唇部虚拟上妆图像中的唇部区域添加非纯色均匀唇彩的第一上妆指令，得到最终的具有单色均匀唇彩上妆效果及非纯色均匀唇彩(金属光泽唇彩)上妆效果的唇部虚拟上妆图像；也可以先接收对待上妆图像中的唇部区域添加非纯色均匀唇彩的第一上妆指令，建立与唇部区域形状相同的加噪图层，然后将该加噪图层叠加至待上妆图像中的唇部区域，得到非纯色均匀唇彩唇部虚拟上妆图像，再接收针对该非纯色均匀唇彩唇部虚拟上妆图像中的唇部区域添加单色均匀唇彩的第二上妆指令，得到最终的具有单色均匀唇彩上妆效果及非纯色均匀唇彩(金属光泽唇彩)上妆效果的唇部虚拟上妆图像。
图5为本发明实施例所提供的又一种图像处理方法，具体可以包括如下步骤：
步骤301，接收第一上妆指令。
步骤302，通过预先训练得到的神经网络模型，对待上妆图像进行图像语义切割，得到第一待上妆唇部区域。
步骤303，根据第一待上妆唇部区域在待上妆图像中的位置信息，确定唇部区域在待上妆图像中的位置信息。
步骤304，基于位置信息，建立与唇部区域形状相同的加噪图层。
步骤305，对第一待上妆唇部区域进行边缘模糊化处理，得到第二待上妆唇部区域。
本实施例中的步骤301-305分别与上一实施例中的步骤201-205相同，在此，不再赘述。
步骤306，接收第三上妆指令。
其中，第三上妆指令为对唇部区域添加双色均匀唇彩的指令。
与步骤206类似，在虚拟上妆过程中，除了仅对唇部区域进行非纯色均匀唇彩(金属光泽唇彩)上妆之外，用户可能还想尝试在唇部区域中同时加入双色均匀唇彩和非纯色均匀唇彩(金属光泽唇彩)，此时，可以在进行步骤303和步骤304的同时，接收对唇部区域添加双色均匀唇彩的第三上妆指令。
步骤307，基于第二待上妆唇部区域，将第一预设唇色对应的像素值叠加至唇部区域，得到过渡唇色图层。
本步骤中，将第一预设唇色对应的像素值叠加至唇部区域，得到过渡唇色图层的方法可以与步骤207中将单色均匀唇彩对应的像素值叠加至唇部区域的方法相同，这里不再赘述。
步骤308，对第二待上妆唇部区域进行侵蚀处理，得到第三待上妆唇部区域。
在真实的唇部上妆中，上妆者对唇部区域添加双色均匀唇彩时，通常先将第一预设唇彩均匀涂抹于整个唇部区域，而在添加第二预设均匀唇彩时，则会将该第二预设唇彩涂抹于唇部子区域中，该子区域可以是对整个唇部区域按照一定比例进行缩放后得到的唇部区域。因此，在对唇部区域添加双色均匀唇彩的虚拟上妆中，与上述真实唇部上妆过程类似，可以对第二待上妆唇部区域进行侵蚀后得到第三待上妆唇部区域，该过程可以是对第二待上妆唇部区域的等比例缩放处理。
步骤309，将第二预设唇色对应的像素值叠加至过渡纯色图层中与第三待上妆唇部区域对应的唇部区域，得到双色唇部虚拟上妆图像。
本步骤中，将第二预设唇色对应的像素值叠加至过渡纯色图层中与第三待上妆唇部区域对应的唇部区域的方法可以与步骤207中将单色均匀唇彩对应的像素值叠加至唇部区域的方法相同，其中，本步骤中的第二预设纯色相当于步骤207中的单色均匀唇彩，本步骤中的过渡纯色图层相当于步骤207中的唇部区域。
步骤310，将加噪图层叠加至双色唇部虚拟上妆图像，得到唇部虚拟上妆图像。
将步骤304中建立的加噪图层叠加至步骤309中得到的双色唇部虚拟上妆图像，即可得到最终的唇部虚拟上妆图像，该最终的唇部虚拟上妆图像既具有双色均匀唇彩的上妆效果，还具有非纯色均匀唇彩(金属光泽唇彩)的上妆效果。
本发明实施例提供的图5所示的图像处理方法中，接收对待上妆图像中的唇部区域添加非纯色均匀唇彩的第一上妆指令，通过预先训练得到的神经网络模型，对待上妆图像进行图像语义切割，得到第一待上妆唇部区域，然后根据第一待上妆唇部区域在待上妆图像中的位置信息，确定唇部区域在待上妆图像中的位置信息；基于位置信息，建立与唇部区域形状相同的加噪图层；同时，对上述第一待上妆唇部区域进行边缘模糊化处理，得到第二待上妆唇部区域；接收对唇部区域添加双色均匀唇彩的第三上妆指令，将第一预设唇色对应的像素值叠加至唇部区域，得到过渡唇色图层，对第二待上妆唇部区域进行侵蚀处理，得到第三待上妆唇部区域；将第二预设唇色对应的像素值叠加至过渡纯色图层中与第三待上妆唇部区域对应的唇部区域，得到双色唇部虚拟上妆图像，再将加噪图层叠加至双色唇部虚拟上妆图像，得到唇部虚拟上妆图像。本发明实施例中，针对于第一上妆指令，由于是在明确了唇部区域在待上妆图像中的位置信息后，仅建立与唇部区域形状相同的加噪图层，并将上述加噪图层叠加至唇部区域，保证了加噪图层的形状与待上妆图像中唇部区域的形状相同，因此，在将加噪图层叠加至唇部区域时，无需对加噪图层进行图像扭曲处理，避免了当变形程度较大时出现的像素挤压严重，图层不自然的问题，提升了唇部虚拟上妆效果。
基于与上述发明实施例相类似的发明构思，在本发明的其他实施例中，当需要在唇部区域中加入双色均匀唇彩和非纯色均匀唇彩(金属光泽唇彩)时，可以先接收对待上妆图像中的唇部区域添加双色均匀唇彩的第三上妆指令，在得到双色唇部虚拟上妆图像之后，再接收针对该双色唇部虚拟上妆图像中的唇部区域添加非纯色均匀唇彩的第一上妆指令，得到最终的具有双色均匀唇彩上妆效果及非纯色均匀唇彩(金属光泽唇彩)上妆效果的唇部虚拟上妆图像；也可以先接收对待上妆图像中的唇部区域添加非纯色均匀唇彩的第一上妆指令，建立与唇部区域形状相同的加噪图层，然后将该加噪图层叠加至待上妆图像中的唇部区域，得到非纯色均匀唇彩唇部虚拟上妆图像，再接收针对该非纯色均匀唇彩唇部虚拟上妆图像中的唇部区域添加双色均匀唇彩的第三上妆指令，得到最终的具有双色均匀唇彩上妆效果及非纯色均匀唇彩(金属光泽唇彩)上妆效果的唇部虚拟上妆图像。
基于同一发明构思，根据本发明上述实施例提供的一种图像处理方法，相应地，本发明实施例提供了一种图像处理装置，其结构示意图如图6所示，包括：
第一指令接收模块401，用于接收第一上妆指令，第一上妆指令为对待上妆图像中的唇部区域添加非纯色均匀唇彩的指令；
位置信息确定模块402，用于确定唇部区域在待上妆图像中的位置信息；
加噪图层建立模块403，用于基于位置信息，建立与唇部区域形状相同的加噪图层；
上妆图像获取模块404，用于将加噪图层叠加至唇部区域，得到唇部虚拟上妆图像。
进一步的，位置信息确定模块402，具体用于通过预先训练得到的神经网络模型，对待上妆图像进行图像语义切割，得到第一待上妆唇部区域，预先训练得到的神经网络模型基于唇部特征样本预先训练得到；根据第一待上妆唇部区域在待上妆图像中的位置信息，确定唇部区域在待上妆图像中的位置信息。
进一步的，装置还包括：
人脸影像获取模块，用于采用人脸侦测技术，提取待上妆图像中的人脸影像；
位置信息确定模块具体用于通过预先训练得到的神经网络模型，对人脸影像进行图像语义切割，得到第一待上妆唇部区域。
进一步的，装置还包括：
第二掩膜获取模块，用于对第一待上妆唇部区域进行边缘模糊化处理，得到第二待上妆唇部区域；
第二指令接收模块，用于接收第二上妆指令，第二上妆指令为对唇部区域添加单色均匀唇彩的指令；
第二上妆图像获取模块，用于基于第二待上妆唇部区域，将单色均匀唇彩对应的像素值叠加至唇部区域，得到唇部虚拟上妆图像。
进一步的，装置还包括：
第三指令接收模块，用于接收第三上妆指令，第三上妆指令为对唇部区域添加双色均匀唇彩的指令；
过渡图层获取模块，用于基于第二待上妆唇部区域，将第一预设唇色对应的像素值叠加至唇部区域，得到过渡唇色图层；
第三掩膜获取模块，用于对第二待上妆唇部区域进行侵蚀处理，得到第三待上妆唇部区域；
第三上妆图像获取模块，用于将第二预设唇色对应的像素值叠加至过渡纯色图层中与第三掩膜对应的唇部区域，得到唇部虚拟上妆图像。
进一步的，上妆图像获取模块，具体用于：采用像素叠加公式，将加噪图层中各像素点的像素值与唇部区域中对应像素点的像素值进行叠加，得到唇部虚拟上妆图像，像素叠加公式为：
M＝min(Mn+Mo，255)
其中，M为唇部虚拟上妆图像中像素点的像素值；Mn为加噪图层中像素点的像素值；Mo为唇部区域中与加噪图层中像素点对应的像素点的像素值。
本发明实施例提供的图像处理装置中，第一指令接收模块401接收对待上妆图像中的唇部区域添加非纯色均匀唇彩的第一上妆指令；位置信息确定模块402确定唇部区域在待上妆图像中的位置信息；加噪图层建立模块403基于位置信息，建立与唇部区域形状相同的加噪图层；上妆图像获取模块404将加噪图层叠加至唇部区域，得到唇部虚拟上妆图像。本申请中由于是在明确了唇部区域在待上妆图像中的位置信息后，仅建立与唇部区域形状相同的加噪图层，并将上述加噪图层叠加至唇部区域，保证了加噪图层的形状与待上妆图像中唇部区域的形状相同，因此，在将加噪图层叠加至唇部区域时，无需对加噪图层进行图像扭曲处理，避免了当变形程度较大时出现的像素挤压严重，图层不自然的问题，提升了唇部虚拟上妆效果。
基于同一发明构思，根据本发明上述实施例提供的图像处理方法，相应地，本发明实施例还提供了一种电子设备，如图7所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，
存储器503，用于存放计算机程序；
处理器501，用于执行存储器503上所存放的程序时，至少实现如下步骤：
接收第一上妆指令，第一上妆指令为对待上妆图像中的唇部区域添加非纯色均匀唇彩的指令；
确定唇部区域在待上妆图像中的位置信息；
基于位置信息，建立与唇部区域形状相同的加噪图层；
将加噪图层叠加至唇部区域，得到唇部虚拟上妆图像。
进一步的，还可以包括本发明实施例提供的上述图像处理方法中的其他处理流程，在此不再进行详细描述。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(Non-Volatile Memory，简称NVM)，例如至少一个磁盘存储器。进一步的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例提供的电子设备中，其采用的方法为：接收对待上妆图像中的唇部区域添加非纯色均匀唇彩的第一上妆指令；确定唇部区域在待上妆图像中的位置信息；基于位置信息，建立与唇部区域形状相同的加噪图层；将加噪图层叠加至唇部区域，得到唇部虚拟上妆图像。本申请中由于是在明确了唇部区域在待上妆图像中的位置信息后，仅建立与唇部区域形状相同的加噪图层，并将上述加噪图层叠加至唇部区域，保证了加噪图层的形状与待上妆图像中唇部区域的形状相同，因此，在将加噪图层叠加至唇部区域时，无需对加噪图层进行图像扭曲处理，避免了当变形程度较大时出现的像素挤压严重，图层不自然的问题，提升了唇部虚拟上妆效果。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一上述的图像处理方法。
本发明实施例提供的计算机可读存储介质中，其采用的方法为：接收对待上妆图像中的唇部区域添加非纯色均匀唇彩的第一上妆指令；确定唇部区域在待上妆图像中的位置信息；基于位置信息，建立与唇部区域形状相同的加噪图层；将加噪图层叠加至唇部区域，得到唇部虚拟上妆图像。本申请中由于是在明确了唇部区域在待上妆图像中的位置信息后，仅建立与唇部区域形状相同的加噪图层，并将上述加噪图层叠加至唇部区域，保证了加噪图层的形状与待上妆图像中唇部区域的形状相同，因此，在将加噪图层叠加至唇部区域时，无需对加噪图层进行图像扭曲处理，避免了当变形程度较大时出现的像素挤压严重，图层不自然的问题，提升了唇部虚拟上妆效果。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一上述的图像处理方法。
本发明实施例提供的包含指令的计算机程序产品中，其采用的方法为：接收对待上妆图像中的唇部区域添加非纯色均匀唇彩的第一上妆指令；确定唇部区域在待上妆图像中的位置信息；基于位置信息，建立与唇部区域形状相同的加噪图层；将加噪图层叠加至唇部区域，得到唇部虚拟上妆图像。本申请中由于是在明确了唇部区域在待上妆图像中的位置信息后，仅建立与唇部区域形状相同的加噪图层，并将上述加噪图层叠加至唇部区域，保证了加噪图层的形状与待上妆图像中唇部区域的形状相同，因此，在将加噪图层叠加至唇部区域时，无需对加噪图层进行图像扭曲处理，避免了当变形程度较大时出现的像素挤压严重，图层不自然的问题，提升了唇部虚拟上妆效果。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行上述计算机程序指令时，全部或部分地产生按照本发明实施例上述的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(英文：Digital Subscriber Line，简称：DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，数字视频光盘(英文：Digital Video Disc，简称：DVD))、或者半导体介质(例如固态硬盘(英文：SolidState Disk，简称：SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备以及存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (10)
1.一种图像处理方法，其特征在于，包括：
接收第一上妆指令，所述第一上妆指令为对待上妆图像中的唇部区域添加非纯色均匀唇彩的指令；
确定所述唇部区域在所述待上妆图像中的位置信息；
基于所述位置信息，建立与所述唇部区域形状相同的加噪图层；
将所述加噪图层叠加至所述唇部区域，得到唇部虚拟上妆图像。
2.根据权利要求1所述的方法，其特征在于，所述确定所述唇部区域在所述待上妆图像中的位置信息，包括：
通过预先训练得到的神经网络模型，对所述待上妆图像进行图像语义切割，得到第一待上妆唇部区域，所述预先训练得到的神经网络模型基于唇部特征样本预先训练得到；
根据所述第一待上妆唇部区域在所述待上妆图像中的位置信息，确定所述唇部区域在所述待上妆图像中的位置信息。
3.根据权利要求2所述的方法，其特征在于，在所述通过预先训练得到的神经网络模型，对所述待上妆图像进行图像语义切割，得到第一待上妆唇部区域之前，所述方法还包括：
采用人脸侦测技术，提取所述待上妆图像中的人脸影像；
所述通过预先训练得到的神经网络模型，对所述待上妆图像进行图像语义切割，得到第一待上妆唇部区域，包括：
通过预先训练得到的神经网络模型，对所述人脸影像进行图像语义切割，得到所述第一待上妆唇部区域。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
对所述第一待上妆唇部区域进行边缘模糊化处理，得到第二待上妆唇部区域；
接收第二上妆指令，所述第二上妆指令为对所述唇部区域添加单色均匀唇彩的指令；
基于所述第二待上妆唇部区域，将所述单色均匀唇彩对应的像素值叠加至所述唇部区域，得到唇部虚拟上妆图像。
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
对所述第一待上妆唇部区域进行边缘模糊化处理，得到第二待上妆唇部区域；
接收第三上妆指令，所述第三上妆指令为对所述唇部区域添加双色均匀唇彩的指令；
基于所述第二待上妆唇部区域，将第一预设唇色对应的像素值叠加至所述唇部区域，得到过渡唇色图层；
对所述第二待上妆唇部区域进行侵蚀处理，得到第三待上妆唇部区域；
将第二预设唇色对应的像素值叠加至所述过渡纯色图层中与所述第三待上妆唇部区域对应的唇部区域，得到唇部虚拟上妆图像。
6.根据权利要求1所述的方法，其特征在于，所述将所述加噪图层叠加至所述唇部区域，得到唇部虚拟上妆图像，包括：
采用像素叠加公式，将所述加噪图层中各像素点的像素值与所述唇部区域中对应像素点的像素值进行叠加，得到唇部虚拟上妆图像，所述像素叠加公式为：
M＝min(Mn+Mo，255)
其中，M为所述唇部虚拟上妆图像中像素点的像素值；Mn为所述加噪图层中像素点的像素值；Mo为所述唇部区域中与所述加噪图层中像素点对应的像素点的像素值。
7.一种图像处理装置，其特征在于，包括：
第一指令接收模块，用于接收第一上妆指令，所述第一上妆指令为对待上妆图像中的唇部区域添加非纯色均匀唇彩的指令；
位置信息确定模块，用于确定所述唇部区域在所述待上妆图像中的位置信息；
加噪图层建立模块，用于基于所述位置信息，建立与所述唇部区域形状相同的加噪图层；
上妆图像获取模块，用于将所述加噪图层叠加至所述唇部区域，得到唇部虚拟上妆图像。
8.根据权利要求7所述的装置，其特征在于，所述位置信息确定模块，具体用于：
通过预先训练得到的神经网络模型，对所述待上妆图像进行图像语义切割，得到第一待上妆唇部区域，所述预先训练得到的神经网络模型基于唇部特征样本预先训练得到；
根据所述第一待上妆唇部区域在所述待上妆图像中的位置信息，确定所述唇部区域在所述待上妆图像中的位置信息。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一所述的方法步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810276381.4A CN108537722A (zh) | 2018-03-30 | 2018-03-30 | 图像处理方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810276381.4A CN108537722A (zh) | 2018-03-30 | 2018-03-30 | 图像处理方法、装置、电子设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108537722A true CN108537722A (zh) | 2018-09-14 |
Family
ID=63482045
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810276381.4A Pending CN108537722A (zh) | 2018-03-30 | 2018-03-30 | 图像处理方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108537722A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110321877A (zh) * | 2019-06-04 | 2019-10-11 | 中北大学 | 一种三目后视镜和三目视觉安全驾驶方法和系统 |
| CN111524178A (zh) * | 2020-04-17 | 2020-08-11 | 广东溢达纺织有限公司 | 虚拟成衣的洗水效果添加方法、装置和计算机设备 |
| CN111540025A (zh) * | 2019-01-30 | 2020-08-14 | 西门子医疗有限公司 | 预测用于图像处理的图像 |
| CN112529914A (zh) * | 2020-12-18 | 2021-03-19 | 北京中科深智科技有限公司 | 一种实时头发分割方法和系统 |
| EP4239573A4 (en) * | 2020-10-29 | 2024-08-21 | Botica Comercial Farm Ltda | METHOD FOR DETECTION AND SEGMENTATION OF THE LABIAL REGION |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105373777A (zh) * | 2015-10-30 | 2016-03-02 | 中国科学院自动化研究所 | 一种用于人脸识别的方法及装置 |
| US20160239187A1 (en) * | 2013-10-13 | 2016-08-18 | Inuitive Ltd. | Hands on computerized emulation of make up |
| CN106447638A (zh) * | 2016-09-30 | 2017-02-22 | 北京奇虎科技有限公司 | 一种美颜处理方法及装置 |
| CN107220960A (zh) * | 2017-05-27 | 2017-09-29 | 无限极（中国）有限公司 | 一种试妆方法、系统及设备 |
-
2018
- 2018-03-30 CN CN201810276381.4A patent/CN108537722A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160239187A1 (en) * | 2013-10-13 | 2016-08-18 | Inuitive Ltd. | Hands on computerized emulation of make up |
| CN105373777A (zh) * | 2015-10-30 | 2016-03-02 | 中国科学院自动化研究所 | 一种用于人脸识别的方法及装置 |
| CN106447638A (zh) * | 2016-09-30 | 2017-02-22 | 北京奇虎科技有限公司 | 一种美颜处理方法及装置 |
| CN107220960A (zh) * | 2017-05-27 | 2017-09-29 | 无限极（中国）有限公司 | 一种试妆方法、系统及设备 |
Non-Patent Citations (2)
| Title |
|---|
| CSDN 博客: "如何妙笔勾檀妆：像素级语义理解", 《HTTPS://BLOG.CSDN.NET/XWUKEFR2TNH4/ARTICLE/DETAILS/79395277》 * |
| 陈鸿翔: "基于卷积神经网络的图像语义分割", 《中国优秀硕士学位论文全文数据库信息科技辑（月刊 ）》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111540025A (zh) * | 2019-01-30 | 2020-08-14 | 西门子医疗有限公司 | 预测用于图像处理的图像 |
| CN111540025B (zh) * | 2019-01-30 | 2023-12-15 | 西门子医疗有限公司 | 预测用于图像处理的图像 |
| CN110321877A (zh) * | 2019-06-04 | 2019-10-11 | 中北大学 | 一种三目后视镜和三目视觉安全驾驶方法和系统 |
| CN110321877B (zh) * | 2019-06-04 | 2022-09-16 | 中北大学 | 一种三目后视镜和三目视觉安全驾驶方法和系统 |
| CN111524178A (zh) * | 2020-04-17 | 2020-08-11 | 广东溢达纺织有限公司 | 虚拟成衣的洗水效果添加方法、装置和计算机设备 |
| CN111524178B (zh) * | 2020-04-17 | 2023-04-11 | 广东溢达纺织有限公司 | 虚拟成衣的洗水效果添加方法、装置和计算机设备 |
| EP4239573A4 (en) * | 2020-10-29 | 2024-08-21 | Botica Comercial Farm Ltda | METHOD FOR DETECTION AND SEGMENTATION OF THE LABIAL REGION |
| CN112529914A (zh) * | 2020-12-18 | 2021-03-19 | 北京中科深智科技有限公司 | 一种实时头发分割方法和系统 |
| CN112529914B (zh) * | 2020-12-18 | 2021-08-13 | 北京中科深智科技有限公司 | 一种实时头发分割方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108537722A (zh) | 图像处理方法、装置、电子设备及介质 | |
| JP7413400B2 (ja) | 肌質測定方法、肌質等級分類方法、肌質測定装置、電子機器及び記憶媒体 | |
| CN104067311B (zh) | 数字化妆 | |
| CN107204034B (zh) | 一种图像处理方法及终端 | |
| CN111815534B (zh) | 实时皮肤妆容迁移方法、装置、电子设备和可读存储介质 | |
| CN109635745A (zh) | 一种基于生成对抗网络模型生成多角度人脸图像的方法 | |
| CN108564526A (zh) | 一种图像处理方法、装置、电子设备及介质 | |
| CN104866755B (zh) | 应用程序解锁界面背景图片的设置方法、装置及电子设备 | |
| CN111583154A (zh) | 图像处理方法、肤质美化模型训练方法及相关装置 | |
| CN107749062B (zh) | 图像处理方法、及装置 | |
| CN110047122A (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
| CN110400254A (zh) | 一种口红试妆方法及装置 | |
| US11670031B2 (en) | System and method for automatically generating an avatar with pronounced features | |
| WO2023207408A1 (zh) | 一种数据处理方法、装置、设备以及可读存储介质 | |
| WO2023143229A1 (zh) | 图像处理方法、装置、设备及存储介质 | |
| WO2023202447A1 (zh) | 画质提升模型的训练方法和视频会议系统画质的提升方法 | |
| CN113610720A (zh) | 视频去噪方法及装置、计算机可读介质和电子设备 | |
| CN109646950B (zh) | 一种应用于游戏场景中图像处理方法、装置及终端 | |
| CN113222844B (zh) | 一种图像美化方法、装置、电子设备及介质 | |
| CN114581979A (zh) | 图像处理方法和装置 | |
| CN114862729A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| CN110084118A (zh) | 行人检测训练数据库的建立方法、行人检测方法及装置 | |
| WO2023273515A1 (zh) | 目标检测方法、装置、电子设备和存储介质 | |
| CN106485206A (zh) | 基于化妆的视频图片结合的教学方法及装置 | |
| CN108597000A (zh) | 图像绘制的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201202 Address after: Room 115, area C, 1 / F, building 8, yard 1, yaojiayuan South Road, Chaoyang District, Beijing 100123 Applicant after: Beijing LEMI Technology Co.,Ltd. Address before: 100123 Building 8, Huitong Times Square, 1 South Road, Chaoyang District, Beijing. Applicant before: BEIJING KINGSOFT INTERNET SECURITY SOFTWARE Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180914 |