CN108830783A - 一种图像处理方法、装置和计算机存储介质 - Google Patents

一种图像处理方法、装置和计算机存储介质 Download PDF

Info

Publication number
CN108830783A
CN108830783A CN201810553047.9A CN201810553047A CN108830783A CN 108830783 A CN108830783 A CN 108830783A CN 201810553047 A CN201810553047 A CN 201810553047A CN 108830783 A CN108830783 A CN 108830783A
Authority
CN
China
Prior art keywords
leg
point information
image
contour
limb
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.)
Granted
Application number
CN201810553047.9A
Other languages
English (en)
Other versions
CN108830783B (zh
Inventor
刘文韬
钱晨
许亲亲
陈晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to CN201810553047.9A priority Critical patent/CN108830783B/zh
Publication of CN108830783A publication Critical patent/CN108830783A/zh
Priority to SG11202004872WA priority patent/SG11202004872WA/en
Priority to KR1020207010429A priority patent/KR20200053550A/ko
Priority to JP2020516530A priority patent/JP2020534611A/ja
Priority to PCT/CN2018/124359 priority patent/WO2019227917A1/zh
Priority to US16/828,286 priority patent/US11288796B2/en
Application granted granted Critical
Publication of CN108830783B publication Critical patent/CN108830783B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • 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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/20—Contour coding, e.g. using detection of edges
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20116—Active contour; Active surface; Snakes
    • 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
    • G06T2207/30004—Biomedical image processing
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明实施例公开了一种图像处理方法、装置和计算机存储介质。所述方法包括：获得第一图像，识别所述第一图像中的目标对象，获得所述目标对象的肢体检测信息；获得所述肢体检测信息中与所述目标对象的腿部区域相关的第一检测信息；对所述第一检测信息对应的腿部区域进行图像变形处理，生成第二图像。

Description

一种图像处理方法、装置和计算机存储介质
技术领域
本发明涉及图像处理技术，具体涉及一种图像处理方法、装置和计算机存储介质。
背景技术
随着互联网技术的飞速发展，出现了各种图像处理工具，能够对图像中的人物进行处理，例如对图像中的目标人物进行“瘦腿”、“拉长腿”等让人物的身材更完美的处理。然而，这种图像处理操作需要操作者手动操作，并且需要多次的调整操作才能达到较佳的调整效果。
发明内容
为解决现有存在的技术问题，本发明实施例提供一种图像处理方法、装置和计算机存储介质。
为达到上述目的，本发明实施例的技术方案是这样实现的：
本发明实施例提供了一种图像处理方法，所述方法包括：
获得第一图像，识别所述第一图像中的目标对象，获得所述目标对象的肢体检测信息；
获得所述肢体检测信息中与所述目标对象的腿部区域相关的第一检测信息；
对所述第一检测信息对应的腿部区域进行图像变形处理，生成第二图像。
上述方案中，所述肢体检测信息包括肢体轮廓点信息和/或肢体关键点信息；
所述肢体轮廓点信息包括肢体轮廓点的坐标信息；
所述肢体关键点信息包括肢体关键点的坐标信息。
上述方案中，所述获得所述肢体检测信息中与所述目标对象的腿部区域相关的第一检测信息，包括：
获得所述肢体轮廓点信息和/或肢体关键点信息中对应于所述目标对象的腿部区域的腿部轮廓点信息和/或腿部关键点信息。
上述方案中，所述对所述第一检测信息对应的腿部区域进行图像变形处理，包括：
对所述腿部轮廓点信息和/或腿部关键点信息对应的腿部区域进行拉伸和/或压缩处理。
上述方案中，所述腿部轮廓点信息包括第一腿部轮廓点信息和第二腿部轮廓点信息；所述第一腿部轮廓点信息对应于腿部外轮廓；所述第二腿部轮廓点信息对应于腿部内轮廓；
所述对所述第一检测信息对应的腿部区域进行图像进行变形处理，包括：
针对所述腿部轮廓点信息和/或腿部关键点信息对应的腿部区域按照所述腿部外轮廓朝向所述腿部内轮廓的方向对所述腿部外轮廓进行压缩处理，以及按照所述腿部内轮廓朝向所述腿部外轮廓的方向对所述腿部内轮廓进行压缩处理；或者，按照所述腿部内轮廓朝向所述腿部外轮廓的方向对所述腿部外轮廓进行拉伸处理，以及按照所述腿部外轮廓朝向所述腿部内轮廓的方向对所述腿部内轮廓进行拉伸处理。
上述方案中，所述腿部轮廓点信息包括对应于小腿轮廓的第三腿部轮廓点信息；所述腿部关键点信息包括对应于小腿区域的第一腿部关键点信息；
所述对所述第一检测信息对应的腿部区域进行图像变形处理，包括：
对所述第三腿部轮廓点信息和/或所述第一腿部关键点信息对应的小腿区域按照第一方向进行拉伸处理，或者，按照与所述第一方向相反的第二方向进行压缩处理。
上述方案中，所述获得所述肢体检测信息中与所述目标对象的腿部区域相关的第一检测信息，包括：
获得所述肢体轮廓点信息中的腰部轮廓点信息，从所述腰部轮廓点信息中获得与所述目标对象的腿部区域相关的第一腰部轮廓点子信息；
所述对所述第一检测信息进行对应的腿部区域进行图像变形处理，包括：对所述第一腰部轮廓点子信息对应的部分腰部区域按照第三方向进行压缩处理，以提升所述第一腰部轮廓点子信息对应的部分腰部轮廓；或者，对所述第一腰部轮廓点子信息对应的部分腰部区域按照与所述第三方向相反的第四方向进行拉伸处理，以降低所述第一腰部轮廓点子信息对应的部分腰部轮廓。
上述方案中，所述对所述第一检测信息对应的腿部区域进行图像变形处理，包括：
基于所述腿部区域中的每个点对应的第一类变形参数对所述第一检测信息对应的腿部区域进行图像变形处理；
其中，所述第一类变形参数伴随对应的点到所述肢体轮廓点信息形成的轮廓边缘之间的距离的变化而变化。
上述方案中，所述对所述第一检测信息对应的腿部区域进行图像变形处理，生成第二图像，包括：对所述第一检测信息对应的腿部区域进行图像变形处理，获得第一处理结果；对所述第一图像中、除所述目标对象所在区域以外的至少部分背景区域进行图像变形处理，获得第二处理结果；
基于所述第一处理结果和所述第二处理结果生成第二图像。
上述方案中，所述对所述第一图像中、除所述目标对象所在区域以外的至少部分背景区域进行处理，包括：
基于所述至少部分背景区域中的每个点对应的第二类变形参数对所述至少部分背景区域进行图像变形处理；
其中，所述第二类变形参数伴随对应的点到所述目标对象的轮廓边缘之间的距离的变化而呈指数倍的变化。
本发明实施例还提供了一种图像处理装置，所述装置包括获取单元和图像处理单元；其中，
所述获取单元，用于获得第一图像，识别所述第一图像中的目标对象，获得所述目标对象的肢体检测信息；获得所述肢体检测信息中与所述目标对象的腿部区域相关的第一检测信息；
所述图像处理单元，用于对所述获取单元获得的所述第一检测信息对应的腿部区域进行图像变形处理，生成第二图像。
上述方案中，所述肢体检测信息包括肢体轮廓点信息和/或肢体关键点信息；
所述肢体轮廓点信息包括肢体轮廓点的坐标信息；
所述肢体关键点信息包括肢体关键点的坐标信息。
上述方案中，所述获取单元，用于获得所述肢体轮廓点信息和/或肢体关键点信息中对应于所述目标对象的腿部区域的腿部轮廓点信息和/或腿部关键点信息。
上述方案中，所述图像处理单元，用于对所述腿部轮廓点信息和/或腿部关键点信息对应的腿部区域进行拉伸和/或压缩处理。
上述方案中，所述腿部轮廓点信息包括第一腿部轮廓点信息和第二腿部轮廓点信息；所述第一腿部轮廓点信息对应于腿部外轮廓；所述第二腿部轮廓点信息对应于腿部内轮廓；
所述图像处理单元，用于针对所述腿部轮廓点信息和/或腿部关键点信息对应的腿部区域按照所述腿部外轮廓朝向所述腿部内轮廓的方向对所述腿部外轮廓进行压缩处理，以及按照所述腿部内轮廓朝向所述腿部外轮廓的方向对所述腿部内轮廓进行压缩处理；或者，按照所述腿部内轮廓朝向所述腿部外轮廓的方向对所述腿部外轮廓进行拉伸处理，以及按照所述腿部外轮廓朝向所述腿部内轮廓的方向对所述腿部内轮廓进行拉伸处理。
上述方案中，所述腿部轮廓点信息包括对应于小腿轮廓的第三腿部轮廓点信息；所述腿部关键点信息包括对应于小腿区域的第一腿部关键点信息；
所述图像处理单元，用于对所述第三腿部轮廓点信息和/或所述第一腿部关键点信息对应的小腿区域按照第一方向进行拉伸处理，或者，按照与所述第一方向相反的第二方向进行压缩处理。
上述方案中，所述获取单元，用于获得所述肢体轮廓点信息中的腰部轮廓点信息，从所述腰部轮廓点信息中获得与所述目标对象的腿部区域相关的第一腰部轮廓点子信息；
所述图像处理单元，用于对所述第一腰部轮廓点子信息对应的部分腰部区域按照第三方向进行压缩处理，以提升所述第一腰部轮廓点子信息对应的部分腰部轮廓；或者，对所述第一腰部轮廓点子信息对应的部分腰部区域按照与所述第三方向相反的第四方向进行拉伸处理，以降低所述第一腰部轮廓点子信息对应的部分腰部轮廓。
上述方案中，所述图像处理单元，用于基于所述腿部区域中的每个点对应的第一类变形参数对所述第一检测信息对应的腿部区域进行图像变形处理；其中，所述第一类变形参数伴随对应的点到所述肢体轮廓点信息形成的轮廓边缘之间的距离的变化而变化。
上述方案中，所述图像处理单元，用于对所述第一检测信息对应的腿部区域进行图像变形处理，获得第一处理结果；对所述第一图像中、除所述目标对象所在区域以外的至少部分背景区域进行图像变形处理，获得第二处理结果；基于所述第一处理结果和所述第二处理结果生成第二图像。
上述方案中，所述图像处理单元，用于基于所述至少部分背景区域中的每个点对应的第二类变形参数对所述至少部分背景区域进行图像变形处理；其中，所述第二类变形参数伴随对应的点到所述目标对象的轮廓边缘之间的距离的变化而呈指数倍的变化。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现本发明实施例所述图像处理方法的步骤。
本发明实施例还提供了一种图像处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明实施例所述图像处理方法的步骤。
本发明实施例还提供了一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，该计算机可执行指令被执行后，能够实现本发明实施例所述的图像处理方法步骤。
本发明实施例提供的图像处理方法、装置和计算机存储介质，所述方法包括：获得第一图像，识别所述第一图像中的目标对象，获得所述目标对象的肢体检测信息；获得所述肢体检测信息中与所述目标对象的腿部区域相关的第一检测信息；对所述第一检测信息对应的腿部区域进行图像变形处理，生成第二图像。采用本发明实施例的技术方案，基于对图像中的目标对象的肢体检测信息的获得，基于肢体检测信息对腿部区域进行图像变形处理，实现了对目标对象的腿部区域的自动调整，无需用户多次手动操作，大大提升了用户的操作体验。
附图说明
图1为本发明实施例的图像处理方法的流程示意图；
图2为本发明实施例的图像处理装置的组成结构示意图；
图3为本发明实施例的图像处理装置的硬件组成结构示意图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细的说明。
本发明实施例提供了一种图像处理方法。图1为本发明实施例的图像处理方法的流程示意图；如图1所示，所述方法包括：
步骤101：获得第一图像，识别所述第一图像中的目标对象，获得所述目标对象的肢体检测信息。
步骤102：获得所述肢体检测信息中与所述目标对象的腿部区域相关的第一检测信息。
步骤103：对所述第一检测信息对应的腿部区域进行图像变形处理，生成第二图像。
本实施例中，图像处理方法应用于图像处理装置中，图像处理装置可位于手机、平板电脑、笔记本电脑等移动终端中，也可位于台式电脑、一体机电脑等终端中。
本实施例的图像处理方法对第一图像进行图像处理，首先识别出所述第一图像中的目标对象；其中，所述目标对象作为待处理对象，可以是真人，可以理解为图像中的真实人物；在其他实施方式中，目标对象也可以是虚拟人物。
本实施例中，所述肢体检测信息包括肢体轮廓点信息和/或肢体关键点信息；所述肢体轮廓点信息包括肢体轮廓点的坐标信息；所述肢体关键点信息包括肢体关键点的坐标信息。其中，所述肢体轮廓点表征目标对象的肢体轮廓，即通过所述肢体轮廓点的坐标信息能够形成目标对象的肢体轮廓边缘。所述肢体关键点表征目标对象的骨骼的关键点，即通过所述肢体关键点的坐标信息、连接肢体关键点能够形成目标对象的主要骨骼。其中，肢体轮廓点包括腿部轮廓点；所述肢体轮廓点信息包括腿部轮廓点信息；所述腿部轮廓点信息包括腿部轮廓点的坐标信息。
本实施例中，所述对所述第一检测信息对应的腿部区域进行图像变形处理，包括：对所述腿部轮廓点信息和/或腿部关键点信息对应的腿部区域进行拉伸和/或压缩处理。即本实施例中主要对目标对象的腿部区域进行变形处理，其处理方式主要包括腿部区域的压缩处理(如“变瘦”)或拉伸处理(如“变胖”)，以及“加长”或“缩短”处理。
对于腿部区域的“变瘦”处理，在一实施例中，所述获得所述肢体检测信息中与所述目标对象的腿部区域相关的第一检测信息，包括：获得所述肢体轮廓点信息和/或肢体关键点信息中对应于所述目标对象的腿部区域的腿部轮廓点信息和/或腿部关键点信息。即所述第一检测信息包括对应于所述目标对象的腿部区域的腿部轮廓点信息和/或腿部关键点信息。
这里，所述腿部轮廓点信息包括第一腿部轮廓点信息和第二腿部轮廓点信息；所述第一腿部轮廓点信息对应于腿部外轮廓；所述第二腿部轮廓点信息对应于腿部内轮廓；
所述对所述第一检测信息对应的腿部区域进行图像变形处理，包括：针对所述腿部轮廓点信息和/或腿部关键点信息对应的腿部区域按照所述腿部外轮廓朝向所述腿部内轮廓的方向对所述腿部外轮廓进行压缩处理，以及按照所述腿部内轮廓朝向所述腿部外轮廓的方向对所述腿部内轮廓进行压缩处理；或者，按照所述腿部内轮廓朝向所述腿部外轮廓的方向对所述腿部外轮廓进行拉伸处理，以及按照所述腿部外轮廓朝向所述腿部内轮廓的方向对所述腿部内轮廓进行拉伸处理。
具体的，本实施例采用图像变形算法对腿部区域进行压缩或拉伸处理，具体是对第一图像中腿部区域沿着腿部宽度方向进行压缩或拉伸处理。以对腿部区域进行压缩处理为例，具体是压缩腿部区域的宽度，从而达到瘦腿的效果。实际应用中，腿部轮廓包括腿部外轮廓和腿部内轮廓；腿部外轮廓对应于腿部外侧，腿部内轮廓对应于腿部内侧。对于腿部区域的压缩处理，针对腿部外轮廓朝向腿部内轮廓的方向进行压缩处理，对于腿部内轮廓朝向腿部外轮廓的方向进行压缩处理，从而缩短腿部区域的宽度，也即缩短腿部区域的两侧边缘之间的距离，该距离是腿部外轮廓上任一点到腿部内轮廓上的距离。对腿部区域进行拉伸处理与压缩处理相反，这里不再赘述。
在另一实施方式中，所述对所述第一检测信息对应的腿部区域进行图像变形处理，还可以包括：基于所述第一腿部轮廓点信息和所述第二腿部轮廓点信息确定所述腿部区域的中线；对所述腿部轮廓点信息对应的腿部区域分别按照所述腿部外轮廓和所述腿部内轮廓朝向所述中线的方向进行压缩处理，从而缩短腿部区域的宽度，也即缩短腿部区域的两侧边缘之间的距离，该距离是腿部外轮廓上任一点到腿部内轮廓上的距离；或者，对所述腿部轮廓点信息对应的腿部区域分别按照所述中线朝向所述腿部外轮廓和所述腿部内轮廓的方向进行拉伸处理。
本实施例中，对于腿部区域的“加长”或“缩短”处理，一方面是针对小腿区域进行“拉长”或“缩短”处理，另一方面是通过提升或降低“腰线”从而增加或减少腿部的占比；其中，“腰线”作为身材比的分割线，是计算上半身和下半身比例的参考线，实际应用中，腰部两侧轮廓点之间的最短距离可称为“腰线”。
在一实施例中，所述腿部轮廓点信息包括对应于小腿轮廓的第三腿部轮廓点信息；所述腿部关键点信息包括对应于小腿区域的第一腿部关键点信息；所述对所述第一检测信息对应的腿部区域进行图像变形处理，包括：对所述第三腿部轮廓点信息和/或所述第一腿部关键点信息对应的小腿区域按照第一方向进行拉伸处理，或者，按照与所述第一方向相反的第二方向进行压缩处理。
具体的，小腿区域为膝盖到脚踝之间的区域；第三腿部轮廓点信息对应于小腿区域的外轮廓和内轮廓。本实施例中，采用图像变形算法对小腿区域按照腿部方向进行拉伸或压缩处理。这里，腿部方向包括第一方向和第二方向，第一方向为膝盖指向脚部的方向；第二方向为脚部指向膝盖的方向。则采用图像变形算法对所述小腿区域按照所述第一方向进行拉伸处理，或者按照第二方向进行压缩处理，从而拉长或缩短小腿的长度。
在另一实施例中，所述获得所述肢体检测信息中与所述目标对象的腿部区域相关的第一检测信息，包括：获得所述肢体轮廓点信息中的腰部轮廓点信息，从所述腰部轮廓点信息中获得与所述目标对象的腿部区域相关的第一腰部轮廓点子信息；所述对所述第一检测信息对应的腿部区域进行图像变形处理，包括：对所述第一腰部轮廓点子信息对应的部分腰部区域按照第三方向进行压缩处理，以提升所述第一腰部轮廓点子信息对应的部分腰部轮廓；或者，对所述第一腰部轮廓点子信息对应的部分腰部区域按照与所述第三方向相反的第四方向进行拉伸处理，以降低所述第一腰部轮廓点子信息对应的部分腰部轮廓。
具体的，作为与腿部区域相关的第一腰部轮廓点子信息，在一种实施例中，可以是以“腰线”(“腰线”即为腰部的最小宽度对应的参考线)作为分界线将腰部区域划分为上下两部分、其中的下半部分对应的腰部轮廓点信息，即第一腰部轮廓点子信息为下半部分的腰部轮廓点信息。本实施例中，为提升或降低腿部的占比，可通过改变“腰线”的方式改变上下半身的占比，如提升“腰线”的方式降低上半身的占比，提升下半身的占比，从而在视觉上拉长腿部的比例。
实际应用中，所述对所述第一腰部轮廓点子信息对应的部分腰部区域进行压缩处理，具体是采用图像变形算法对所述第一腰部轮廓点子信息对应的部分腰部区域朝向第三方向进行压缩处理；其中，所述第三方向可以为朝向头部的方向，或者朝向与头部的方向具有特定锐角的方向，可以理解为，在头部的方向朝向上方时，所述第三方向可以是斜上方，从而达到提升“腰线”的效果。相应的，对所述第一腰部轮廓点子信息对应的部分腰部区域进行拉伸处理，具体是采用图像变形算法对所述第一腰部轮廓点子信息对应的部分腰部区域朝向第四方向进行拉伸处理；其中，所述第四方向可以为被向头部的方向，或者被向与头部的方向具有特定锐角的方向，可以理解为，在头部的方向朝向上方时，所述第四方向可以是斜下方，从而达到降低“腰线”的效果。
本发明实施例中，所述对所述第一检测信息对应的腿部区域进行图像变形处理，包括：基于所述腿部区域中的每个点对应的第一类变形参数对所述第一检测信息对应的腿部区域进行图像变形处理；其中，所述第一类变形参数伴随对应的点到所述肢体轮廓点信息形成的轮廓边缘之间的距离的变化而变化。
本实施例中，所述对所述第一检测信息对应的腿部区域进行图像变形处理，生成第二图像，包括：对所述第一检测信息对应的腿部区域进行图像变形处理，获得第一处理结果；对所述第一图像中、除所述目标对象所在区域以外的至少部分背景区域进行图像变形处理，获得第二处理结果；基于所述第一处理结果和所述第二处理结果生成第二图像。
其中，所述采用所述图像变形算法对所述第一图像中、除所述目标对象所在区域以外的至少部分背景区域进行图像变形处理，包括：基于所述至少部分背景区域中的每个点对应的第二类变形参数对所述至少部分背景区域进行图像变形处理；其中，所述第二类变形参数伴随对应的点到所述目标对象的轮廓边缘之间的距离的变化而呈指数倍的变化。
具体的，本实施例中的图像变形算法是以目标对象的肢体轮廓点信息形成的轮廓边缘作为基准、按照每个点到轮廓边缘之间的距离对应的变形参数进行变形处理；其中，对于在目标对象内的点，可以理解为人物身上的点，对应的变形参数为第一类变形参数；而对于目标对象外的点，也即至少部分背景区域中的点，对应的变形参数为第二类变形参数。
对于第一类变形参数，伴随对应的点到轮廓边缘之间的距离的变化而变化；而对于第二类变形参数，伴随对应的点到轮廓边缘之间的距离的变化而呈指数倍的变化。可以理解为，第二类变形参数，相比于第一类变形参数，若对应的点到轮廓边缘之间的距离变化相同，则第二类变形参数的变化量更大，从而减小对背景区域的影响，使得图像处理效果更为自然，尤其是针对轮廓边缘附近的处理更为平滑自然。
本发明实施例的图像变形算法中还配置有标准参数；作为一种实施方式，所述标准参数表明处理后的目标对象的腿部区域满足的参数，也即当采用图像变形算法对腿部区域进行处理后使得腿部区域满足所述标准参数后即终止对腿部区域进行处理；作为另一种实施方式，所述标准参数表明目标对象的腿部区域的调整比例，也即当采用图像变形算法对腿部区域进行处理后使得腿部区域的调整变化量满足所述调整比例。
下面结合一具体实施例对本发明实施例的图像处理方法进行说明。
若用户期望对第一图像中的人物的腿部区域进行调整，则可通过基于终端的一次操作，例如针对一特定功能按键的输入操作，实现针对腿部区域的调整。具体的调整过程可包括：获得与人物的腿部区域相关的轮廓点信息和/或关键点信息，具体可包括腿部轮廓点信息、腿部关键点信息、腰部轮廓点信息、腰部关键点信息等。采用图像变形算法对第一图像进行图像变形处理，具体可基于图像变形算法中配置的标准参数，对第一图像中的目标对象的腿部区域和/或部分腰部区域进行压缩和/或拉伸处理，使处理后的腿部区域和部分腰部区域满足该标准参数；例如，目标对象的大腿区域的宽度相较于标准参数中对应于大腿区域的参数较大，则可针对大腿区域进行压缩处理；又例如，目标对象的腿部长度相较于标准参数中对应于腿部长度的参数较小，则可针对小腿区域进行“拉长”处理，和/或，针对部分腰部区域进行压缩处理等。进一步基于图像变形处理的处理结果生成第二图像。
采用本发明实施例的技术方案，基于对图像中的目标对象的肢体检测信息的获得，基于肢体检测信息采用图像变形算法对腿部区域进行图像变形处理，实现了对目标对象的腿部区域的自动调整，无需用户多次手动操作，大大提升了用户的操作体验。
基于前述实施方式，在一实施例中，所述方法还包括：获得所述肢体检测信息中与所述目标对象的待处理区域对应的第一检测信息，对所述第一检测信息对应的区域进行图像变形处理，生成第三图像。
本实施例中，所述获得所述肢体检测信息中与所述目标对象的待处理区域对应的第一检测信息，包括：获得所述肢体轮廓点信息中对应于所述目标对象的待处理区域相关的轮廓点信息；和/或，获得所述肢体关键点信息中对应于所述目标对象的待处理区域相关的关键点信息。
本实施例中主要对目标对象的胸部或者肌肉相关区域进行处理，则所述目标对象待处理区域相关的轮廓点信息包括以下至少之一：胸部轮廓点信息、腹部轮廓点信息、手臂轮廓点信息、腿部轮廓点信息、背部轮廓点信息；所述目标对象待处理区域相关的关键点信息包括以下至少之一：关键轮廓点信息、腹部关键点信息、手臂关键点信息、腿部关键点信息、背部关键点信息等等。
对于胸部区域的处理方式，在一实施例中，所述轮廓点信息包括胸部轮廓点信息；所述待处理区域为胸部区域；所述对所述第一检测信息进行处理，包括：针对胸部轮廓点信息和/或胸部关键点信息对应的所述胸部区域进行拉伸或压缩变形处理。
具体的，基于所述胸部轮廓点信息识别出胸部两侧的轮廓点，基于胸部两侧的轮廓点确定出胸部的中心点；以胸部的中心点为圆心、中心点到胸部两侧的轮廓点为半径选取圆形区域；以该中心点为中心，该圆形区域的半径向外进行拉伸变形处理；或者，该圆形区域的半径向内进行压缩变形处理。本实施例的图像处理方式尤其适用于目标对象为女性人物，可针对女性人物的胸部实现“丰胸”效果的图像处理。
在一实施例中，所述针对胸部轮廓点信息和/或胸部关键点信息对应的所述胸部区域进行拉伸或压缩变形处理，包括：基于所述胸部区域中的每个点对应的第一类变形参数对所述胸部区域进行拉伸或压缩变形处理；其中，所述第一类变形参数伴随对应的点到所述目标对象的轮廓边缘之间的距离的变化而变化。
对于肌肉相关区域的处理方式，在一实施例中，所述对所述第一检测信息进行图像变形处理，包括：识别所述肢体轮廓点信息和/或肢体关键点信息对应的待处理区域的类型，基于所述待处理区域的类型在所述待处理区域中添加对象信息；或者，识别所述肢体轮廓点信息对应的待处理区域中的对象信息，调整所述对象信息对应的显示属性参数。
具体的，本发明实施例对肌肉相关区域的处理可包括“增加肌肉”以及“增大肌肉”的两种方式，所谓“增加肌肉”指的是在没有肌肉的区域增加肌肉；所谓“增大肌肉”指的是在有肌肉的区域将原本的肌肉具有变大的效果。
基于此，作为一种实施方式，识别所述轮廓点信息对应的待处理区域的类型，基于所述待处理区域的类型在所述待处理区域中添加对象信息。其中，所述待处理区域的类型表征对应的轮廓点信息对应的目标对象的部位；可以理解，胸部、腹部、手臂、腿部、背部等部位对应不同的类型。进一步地，部分若具有至少两个子部位，则至少两个子部位对应不同的类型；例如，腿部包括大腿和小腿两个子部位，则这两个子部位对应不同的类型。
进一步地，针对待处理区域的类型，将与该类型对应的对象信息添加至待处理区域中；其中，所述对象信息为表征肌肉区域的阴影数据，也即将对应的阴影数据添加至待处理区域中。例如，当待处理区域为腹部区域时，则对象信息为腹部肌肉对应的阴影数据，将该阴影数据添加至腹部区域的相应位置。
作为另一种实施方式，识别所述轮廓点信息和/或关键点信息对应的待处理区域中的对象信息，调整所述对象信息对应的显示属性参数。
与前述实施方式相似，本实施方式中，所述对象信息表征肌肉区域的阴影数据，即识别出所述轮廓点信息对应的待处理区域中的肌肉区域；例如，当所述待处理区域为腹部区域时，识别出腹部区域中的肌肉区域。进一步地，调整对象信息对应的显示属性参数，所述显示属性参数具体可以为对比度参数，即调整所述对象信息的对比度；具体是增大所述对象信息的对比度，从而具有增大肌肉区域的立体度、也即增大肌肉的效果。
基于前述实施方式，在一实施例中，所述肢体轮廓点信息包括手臂轮廓点信息；所述手臂轮廓点信息包括第一手臂轮廓点信息和第二手臂轮廓点信息；所述第一手臂轮廓点信息对应于手臂外轮廓；所述第二手臂轮廓点信息对应于手臂内轮廓；所述对所述第一检测信息对应的区域进行图像变形处理，包括：获得所述肢体轮廓点信息中对应于所述目标对象的手臂区域的手臂轮廓点信息和/或手臂关键点信息；针对所述手臂轮廓点信息和/或手臂关键点信息对应的手臂区域按照所述手臂外轮廓朝向所述手臂内轮廓的方向对所述手臂外轮廓进行压缩处理，以及按照所述手臂内轮廓朝向所述手臂外轮廓的方向对所述手臂内轮廓进行压缩处理；或者，按照所述手臂内轮廓朝向所述手臂外轮廓的方向对所述手臂外轮廓进行拉伸处理，以及按照所述手臂外轮廓朝向所述手臂内轮廓的方向对所述手臂内轮廓进行拉伸处理。
在一实施例中，所述肢体轮廓点信息包括腰部轮廓点信息；所述肢体关键点信息还包括腰部关键点信息；所述对所述第一检测信息对应的区域进行图像变形处理，包括：基于所述腰部轮廓点信息确定腰部区域的中线，对所述腰部轮廓点信息和/或腰部关键点信息对应的腰部区域按照两侧腰部轮廓朝向所述中线的方向进行压缩处理；或者，对所述腰部轮廓点信息和/或腰部关键点信息对应的腰部区域按照所述中线朝向两侧腰部轮廓的方向进行拉伸处理。
其中，所述基于所述腰部轮廓点信息确定腰部区域的中线，包括：基于所述腰部轮廓点信息表征的腰部区域的两侧边缘确定腰部区域的中线；按照两侧边缘朝向中线的方向进行压缩处理，从而缩短腰部区域的宽度，也即缩短腰部区域的两侧边缘之间的距离，该距离是腰部一侧边缘轮廓上任一点到腰部另一侧边缘轮廓上的最短距离。
在一实施例中，本发明实施例的图像变形算法针对肢体区域的不同部位进行图像变形处理过程中，采用不同的变形参数；例如，针对腿部区域的图像变形处理对应第一变形参数，针对手臂区域的压缩处理对应第二变形参数，针对腰部区域的图像变形处理对应第三变形参数。其中，第一变形参数、第二变形参数和第三变形参数可相同也可各不相同。如在一实施例中，所述第三变形参数大于所述第一变形参数。
本发明实施例还提供了一种图像处理装置。图2为本发明实施例的图像处理装置的组成结构示意图；如图2所示，所述装置包括获取单元21和图像处理单元22；其中，
所述获取单元21，用于获得第一图像，识别所述第一图像中的目标对象，获得所述目标对象的肢体检测信息；获得所述肢体检测信息中与所述目标对象的腿部区域相关的第一检测信息；
所述图像处理单元22，用于采用图像变形算法对所述获取单元21获得的所述第一检测信息对应的腿部区域进行图像变形处理，生成第二图像。
本实施例中，所述肢体检测信息包括肢体轮廓点信息和/或肢体关键点信息；所述肢体轮廓点信息包括肢体轮廓点的坐标信息；所述肢体关键点信息包括肢体关键点的坐标信息。
在一实施例中，所述获取单元21，用于获得所述肢体轮廓点信息和/或肢体关键点信息中对应于所述目标对象的腿部区域的腿部轮廓点信息和/或腿部关键点信息。
在一实施例中，所述图像处理单元22，用于对所述腿部轮廓点信息和/或腿部关键点信息对应的腿部区域进行拉伸和/或压缩处理。
在一实施例中，所述腿部轮廓点信息包括第一腿部轮廓点信息和第二腿部轮廓点信息；所述第一腿部轮廓点信息对应于腿部外轮廓；所述第二腿部轮廓点信息对应于腿部内轮廓；
所述图像处理单元22，用于针对所述腿部轮廓点信息和/或腿部关键点信息对应的腿部区域按照所述腿部外轮廓朝向所述腿部内轮廓的方向对所述腿部外轮廓进行压缩处理，以及按照所述腿部内轮廓朝向所述腿部外轮廓的方向对所述腿部内轮廓进行压缩处理；或者，按照所述腿部内轮廓朝向所述腿部外轮廓的方向对所述腿部外轮廓进行拉伸处理，以及按照所述腿部外轮廓朝向所述腿部内轮廓的方向对所述腿部内轮廓进行拉伸处理。
在一实施例中，所述腿部轮廓点信息包括对应于小腿轮廓的第三腿部轮廓点信息；所述腿部关键点信息包括对应于小腿区域的第一腿部关键点信息；
所述图像处理单元22，用于对所述第三腿部轮廓点信息和/或所述第一腿部关键点信息对应的小腿区域按照第一方向进行拉伸处理，或者，按照与所述第一方向相反的第二方向进行压缩处理。
在一实施例中，所述获取单元21，用于获得所述肢体轮廓点信息中的腰部轮廓点信息，从所述腰部轮廓点信息中获得与所述目标对象的腿部区域相关的第一腰部轮廓点子信息；
所述图像处理单元22，用于对所述第一腰部轮廓点子信息对应的部分腰部区域按照第三方向进行压缩处理，以提升所述第一腰部轮廓点子信息对应的部分腰部轮廓；或者，对所述第一腰部轮廓点子信息对应的部分腰部区域按照与所述第三方向相反的第四方向进行拉伸处理，以降低所述第一腰部轮廓点子信息对应的部分腰部轮廓。
在一实施例中，所述图像处理单元22，用于基于所述腿部区域中的每个点对应的第一类变形参数对所述第一检测信息对应的腿部区域进行图像变形处理；其中，所述第一类变形参数伴随对应的点到所述肢体轮廓点信息形成的轮廓边缘之间的距离的变化而变化。
在一实施例中，所述图像处理单元22，用于对所述第一检测信息对应的腿部区域进行图像变形处理，获得第一处理结果；对所述第一图像中、除所述目标对象所在区域以外的至少部分背景区域进行图像变形处理，获得第二处理结果；基于所述第一处理结果和所述第二处理结果生成第二图像。
在一实施例中，所述图像处理单元22，用于基于所述至少部分背景区域中的每个点对应的第二类变形参数对所述至少部分背景区域进行图像变形处理；其中，所述第二类变形参数伴随对应的点到所述目标对象的轮廓边缘之间的距离的变化而呈指数倍的变化。
在一实施例中，所述获取单元21，用于获得所述肢体轮廓点信息中对应于所述目标对象的待处理区域相关的轮廓点信息。
在一实施例中，所述轮廓点信息包括胸部轮廓点信息；所述待处理区域为胸部区域；所述图像处理算法为图像变形算法；
所述图像处理单元22，用于针对胸部轮廓点信息对应的所述胸部区域进行拉伸变形或压缩处理。
在一实施例中，所述图像处理单元22，用于识别所述肢体轮廓点信息对应的待处理区域的类型，基于所述待处理区域的类型在所述待处理区域中添加对象信息；或者，采用图像处理算法识别所述肢体轮廓点信息对应的待处理区域中的对象信息，调整所述对象信息对应的显示属性参数。
在一实施例中，所述肢体轮廓点信息包括手臂轮廓点信息；所述手臂轮廓点信息包括第一手臂轮廓点信息和第二手臂轮廓点信息；所述第一手臂轮廓点信息对应于手臂外轮廓；所述第二手臂轮廓点信息对应于胳膊内轮廓；
所述获取单元21，还用于获得所述肢体轮廓点信息中对应于所述目标对象的手臂区域的手臂轮廓点信息；还用于获得所述肢体关键点信息中对应于所述目标对象的手臂区域的手臂关键点信息；
所述图像处理单元22，用于针对所述手臂轮廓点信息和/或所述手臂关键点信息对应的手臂区域按照所述手臂外轮廓朝向所述手臂内轮廓的方向对所述手臂外轮廓进行压缩处理，以及按照所述手臂内轮廓朝向所述手臂外轮廓的方向对所述手臂内轮廓进行压缩处理；或者，按照所述手臂内轮廓朝向所述手臂外轮廓的方向对所述手臂外轮廓进行拉伸处理，以及按照所述手臂外轮廓朝向所述手臂内轮廓的方向对所述手臂内轮廓进行拉伸处理。
在一实施例中，所述肢体轮廓点信息包括腰部轮廓点信息；所述图像处理单元22，用于基于所述腰部轮廓点信息确定腰部区域的中线，对所述腰部轮廓点信息对应的腰部区域按照两侧腰部轮廓朝向所述中线的方向进行压缩处理；或者，对所述腰部轮廓点信息对应的腰部区域按照所述中线朝向两侧腰部轮廓的方向进行拉伸处理。
本发明实施例中，所述图像处理装置中的获取单元21和图像处理单元22，在实际应用中均可由所述终端中的中央处理器(CPU，Central Processing Unit)、数字信号处理器(DSP，Digital Signal Processor)、微控制单元(MCU，Microcontroller Unit)或可编程门阵列(FPGA，Field－Programmable Gate Array)实现。
本发明实施例还提供了一种图像处理装置，图3为本发明实施例的图像处理装置的硬件组成结构示意图，如图3所示，图像处理装置包括存储器32、处理器31及存储在存储器32上并可在处理器31上运行的计算机程序，所述处理器31执行所述程序时实现本发明实施例前述任一项所述图像处理方法。
可以理解，图像处理装置中的各个组件通过总线系统33耦合在一起。可理解，总线系统33用于实现这些组件之间的连接通信。总线系统33除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图3中将各种总线都标为总线系统33。
可以理解，存储器32可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器32旨在包括但不限于这些和任意其它适合类型的存储器。
上述本发明实施例揭示的方法可以应用于处理器31中，或者由处理器31实现。处理器31可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器31中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器31可以是通用处理器、DSP，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器31可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器32，处理器31读取存储器32中的信息，结合其硬件完成前述方法的步骤。
需要说明的是：上述实施例提供的图像处理装置在进行图像处理时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的图像处理装置与图像处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
在示例性实施例中，本发明实施例还提供了一种计算机可读存储介质，例如包括计算机程序的存储器32，上述计算机程序可由图像处理装置的处理器31执行，以完成前述方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备，如移动电话、计算机、平板设备、个人数字助理等。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现本发明实施例前述任一项所述图像处理方法。
本发明实施例还提供了一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，该计算机可执行指令被执行后，能够实现本发明实施例前述任一项所述的图像处理方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种图像处理方法，其特征在于，所述方法包括：
获得第一图像，识别所述第一图像中的目标对象，获得所述目标对象的肢体检测信息；
获得所述肢体检测信息中与所述目标对象的腿部区域相关的第一检测信息；
对所述第一检测信息对应的腿部区域进行图像变形处理，生成第二图像。
2.根据权利要求1所述的方法，其特征在于，所述肢体检测信息包括肢体轮廓点信息和/或肢体关键点信息；
所述肢体轮廓点信息包括肢体轮廓点的坐标信息；
所述肢体关键点信息包括肢体关键点的坐标信息。
3.根据权利要求2所述的方法，其特征在于，所述获得所述肢体检测信息中与所述目标对象的腿部区域相关的第一检测信息，包括：
获得所述肢体轮廓点信息和/或肢体关键点信息中对应于所述目标对象的腿部区域的腿部轮廓点信息和/或腿部关键点信息。
4.根据权利要求3所述的方法，其特征在于，所述对所述第一检测信息对应的腿部区域进行图像变形处理，包括：
对所述腿部轮廓点信息和/或腿部关键点信息对应的腿部区域进行拉伸和/或压缩处理。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述腿部轮廓点信息包括对应于小腿轮廓的第三腿部轮廓点信息；所述腿部关键点信息包括对应于小腿区域的第一腿部关键点信息；
所述对所述第一检测信息对应的腿部区域进行图像变形处理，包括：
对所述第三腿部轮廓点信息和/或所述第一腿部关键点信息对应的小腿区域按照第一方向进行拉伸处理，或者，按照与所述第一方向相反的第二方向进行压缩处理。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述对所述第一检测信息对应的腿部区域进行图像变形处理，生成第二图像，包括：对所述第一检测信息对应的腿部区域进行图像变形处理，获得第一处理结果；
对所述第一图像中、除所述目标对象所在区域以外的至少部分背景区域进行图像变形处理，获得第二处理结果；
基于所述第一处理结果和所述第二处理结果生成第二图像。
7.一种图像处理装置，其特征在于，所述装置包括获取单元和图像处理单元；其中，
所述获取单元，用于获得第一图像，识别所述第一图像中的目标对象，获得所述目标对象的肢体检测信息；获得所述肢体检测信息中与所述目标对象的腿部区域相关的第一检测信息；
所述图像处理单元，用于对所述获取单元获得的所述第一检测信息对应的腿部区域进行图像变形处理，生成第二图像。
8.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1至6任一项所述图像处理方法的步骤。
9.一种图像处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至6任一项所述图像处理方法的步骤。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机可执行指令，该计算机可执行指令被执行后，能够实现权利要求1至6任一项所述的图像处理方法步骤。
CN201810553047.9A 2018-05-31 2018-05-31 一种图像处理方法、装置和计算机存储介质 Active CN108830783B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201810553047.9A CN108830783B (zh) 2018-05-31 2018-05-31 一种图像处理方法、装置和计算机存储介质
SG11202004872WA SG11202004872WA (en) 2018-05-31 2018-12-27 Image processing method and device, and computer storage medium
KR1020207010429A KR20200053550A (ko) 2018-05-31 2018-12-27 이미지 처리 방법, 장치 및 컴퓨터 저장 매체
JP2020516530A JP2020534611A (ja) 2018-05-31 2018-12-27 画像処理方法、装置及びコンピュータ記憶媒体
PCT/CN2018/124359 WO2019227917A1 (zh) 2018-05-31 2018-12-27 一种图像处理方法、装置和计算机存储介质
US16/828,286 US11288796B2 (en) 2018-05-31 2020-03-24 Image processing method, terminal device, and computer storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810553047.9A CN108830783B (zh) 2018-05-31 2018-05-31 一种图像处理方法、装置和计算机存储介质

Publications (2)

Publication Number Publication Date
CN108830783A true CN108830783A (zh) 2018-11-16
CN108830783B CN108830783B (zh) 2021-07-02

Family

ID=64147205

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810553047.9A Active CN108830783B (zh) 2018-05-31 2018-05-31 一种图像处理方法、装置和计算机存储介质

Country Status (6)

Country Link
US (1) US11288796B2 (zh)
JP (1) JP2020534611A (zh)
KR (1) KR20200053550A (zh)
CN (1) CN108830783B (zh)
SG (1) SG11202004872WA (zh)
WO (1) WO2019227917A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934766A (zh) * 2019-03-06 2019-06-25 北京市商汤科技开发有限公司 一种图像处理方法及装置
CN110136051A (zh) * 2019-04-30 2019-08-16 北京市商汤科技开发有限公司 一种图像处理方法、装置和计算机存储介质
CN110264430A (zh) * 2019-06-29 2019-09-20 北京字节跳动网络技术有限公司 视频美化方法、装置及电子设备
CN110288554A (zh) * 2019-06-29 2019-09-27 北京字节跳动网络技术有限公司 视频美化方法、装置及电子设备
CN110288551A (zh) * 2019-06-29 2019-09-27 北京字节跳动网络技术有限公司 视频美化方法、装置及电子设备
CN110288553A (zh) * 2019-06-29 2019-09-27 北京字节跳动网络技术有限公司 图像美化方法、装置及电子设备
WO2019227917A1 (zh) * 2018-05-31 2019-12-05 北京市商汤科技开发有限公司 一种图像处理方法、装置和计算机存储介质
CN111460871A (zh) * 2019-01-18 2020-07-28 北京市商汤科技开发有限公司 图像处理方法及装置、存储介质
CN112380990A (zh) * 2020-11-13 2021-02-19 咪咕文化科技有限公司 图片调节方法、电子设备和可读存储介质
CN113642471A (zh) * 2021-08-16 2021-11-12 百度在线网络技术（北京）有限公司 一种图像识别方法、装置、电子设备和存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110059522B (zh) * 2018-01-19 2021-06-25 北京市商汤科技开发有限公司 人体轮廓关键点检测方法、图像处理方法、装置及设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100030578A1 (en) * 2008-03-21 2010-02-04 Siddique M A Sami System and method for collaborative shopping, business and entertainment
US20100177933A1 (en) * 2005-08-19 2010-07-15 Koninklijke Philips Electronics N.V. System and method of analyzing the movement of a user
JP2014000244A (ja) * 2012-06-19 2014-01-09 Daito Giken:Kk 遊技台
US20140081365A1 (en) * 2011-06-21 2014-03-20 Greatbatch Ltd. Multi-durometer reinforced suture sleeve
CN104408702A (zh) * 2014-12-03 2015-03-11 浩云星空信息技术（北京）有限公司 一种图像处理方法及装置
CN104537608A (zh) * 2014-12-31 2015-04-22 深圳市中兴移动通信有限公司 一种图像处理的方法及其装置
CN106558039A (zh) * 2015-09-23 2017-04-05 腾讯科技（深圳）有限公司 一种人像处理方法及装置
CN106920146A (zh) * 2017-02-20 2017-07-04 宁波大学 基于体感特征参数提取的立体试衣方法
CN107808137A (zh) * 2017-10-31 2018-03-16 广东欧珀移动通信有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN107967677A (zh) * 2017-12-15 2018-04-27 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和计算机设备
CN107977927A (zh) * 2017-12-14 2018-05-01 北京奇虎科技有限公司 基于图像数据的身材调整方法及装置、计算设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7876368B2 (en) * 2006-10-17 2011-01-25 Hewlett-Packard Development Company, L.P. Slimming effect for digital photographs
JP5874421B2 (ja) * 2012-02-08 2016-03-02 辰巳電子工業株式会社 遊戯用撮影装置、遊戯用撮影方法およびプログラム
JP5582171B2 (ja) * 2012-06-15 2014-09-03 フリュー株式会社 画像処理装置および方法、並びにプログラム
CN107343151B (zh) * 2017-07-31 2019-07-19 Oppo广东移动通信有限公司 图像处理方法、装置和终端
CN107705248A (zh) * 2017-10-31 2018-02-16 广东欧珀移动通信有限公司 图像处理方法、装置、电子设备和计算机可读存储介质
CN107730445B (zh) * 2017-10-31 2022-02-18 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质和电子设备
CN108830783B (zh) * 2018-05-31 2021-07-02 北京市商汤科技开发有限公司 一种图像处理方法、装置和计算机存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100177933A1 (en) * 2005-08-19 2010-07-15 Koninklijke Philips Electronics N.V. System and method of analyzing the movement of a user
US20100030578A1 (en) * 2008-03-21 2010-02-04 Siddique M A Sami System and method for collaborative shopping, business and entertainment
US20140081365A1 (en) * 2011-06-21 2014-03-20 Greatbatch Ltd. Multi-durometer reinforced suture sleeve
JP2014000244A (ja) * 2012-06-19 2014-01-09 Daito Giken:Kk 遊技台
CN104408702A (zh) * 2014-12-03 2015-03-11 浩云星空信息技术（北京）有限公司 一种图像处理方法及装置
CN104537608A (zh) * 2014-12-31 2015-04-22 深圳市中兴移动通信有限公司 一种图像处理的方法及其装置
CN106558039A (zh) * 2015-09-23 2017-04-05 腾讯科技（深圳）有限公司 一种人像处理方法及装置
CN106920146A (zh) * 2017-02-20 2017-07-04 宁波大学 基于体感特征参数提取的立体试衣方法
CN107808137A (zh) * 2017-10-31 2018-03-16 广东欧珀移动通信有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN107977927A (zh) * 2017-12-14 2018-05-01 北京奇虎科技有限公司 基于图像数据的身材调整方法及装置、计算设备
CN107967677A (zh) * 2017-12-15 2018-04-27 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和计算机设备

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11288796B2 (en) 2018-05-31 2022-03-29 Beijing Sensetime Technology Development Co., Ltd. Image processing method, terminal device, and computer storage medium
WO2019227917A1 (zh) * 2018-05-31 2019-12-05 北京市商汤科技开发有限公司 一种图像处理方法、装置和计算机存储介质
CN111460871B (zh) * 2019-01-18 2023-12-22 北京市商汤科技开发有限公司 图像处理方法及装置、存储介质
CN111460871A (zh) * 2019-01-18 2020-07-28 北京市商汤科技开发有限公司 图像处理方法及装置、存储介质
CN109934766A (zh) * 2019-03-06 2019-06-25 北京市商汤科技开发有限公司 一种图像处理方法及装置
US11244449B2 (en) 2019-03-06 2022-02-08 Beijing Sensetime Technology Development Co., Ltd. Image processing methods and apparatuses
JP2021524953A (ja) * 2019-04-30 2021-09-16 ベイジン センスタイム テクノロジー デベロップメント カンパニー， リミテッド 画像処理方法、装置及びコンピュータ記憶媒体
CN110136051A (zh) * 2019-04-30 2019-08-16 北京市商汤科技开发有限公司 一种图像处理方法、装置和计算机存储介质
US11501407B2 (en) 2019-04-30 2022-11-15 Beijing Sensetime Technology Development Co., Ltd. Method and apparatus for image processing, and computer storage medium
WO2020220679A1 (zh) * 2019-04-30 2020-11-05 北京市商汤科技开发有限公司 一种图像处理方法、装置和计算机存储介质
CN110288551A (zh) * 2019-06-29 2019-09-27 北京字节跳动网络技术有限公司 视频美化方法、装置及电子设备
CN110288551B (zh) * 2019-06-29 2021-11-09 北京字节跳动网络技术有限公司 视频美化方法、装置及电子设备
CN110288553A (zh) * 2019-06-29 2019-09-27 北京字节跳动网络技术有限公司 图像美化方法、装置及电子设备
CN110264430B (zh) * 2019-06-29 2022-04-15 北京字节跳动网络技术有限公司 视频美化方法、装置及电子设备
CN110288554A (zh) * 2019-06-29 2019-09-27 北京字节跳动网络技术有限公司 视频美化方法、装置及电子设备
CN110264430A (zh) * 2019-06-29 2019-09-20 北京字节跳动网络技术有限公司 视频美化方法、装置及电子设备
CN112380990A (zh) * 2020-11-13 2021-02-19 咪咕文化科技有限公司 图片调节方法、电子设备和可读存储介质
CN113642471A (zh) * 2021-08-16 2021-11-12 百度在线网络技术（北京）有限公司 一种图像识别方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
KR20200053550A (ko) 2020-05-18
CN108830783B (zh) 2021-07-02
WO2019227917A1 (zh) 2019-12-05
JP2020534611A (ja) 2020-11-26
SG11202004872WA (en) 2020-06-29
US20200226754A1 (en) 2020-07-16
US11288796B2 (en) 2022-03-29

Similar Documents

Publication Publication Date Title
CN108830783B (zh) 一种图像处理方法、装置和计算机存储介质
CN108830200A (zh) 一种图像处理方法、装置和计算机存储介质
CN108830784A (zh) 一种图像处理方法、装置和计算机存储介质
CN108765274A (zh) 一种图像处理方法、装置和计算机存储介质
WO2020220679A1 (zh) 一种图像处理方法、装置和计算机存储介质
WO2020177394A1 (zh) 一种图像处理方法及装置
CN107146199B (zh) 一种人脸图像的融合方法、装置及计算设备
US20210097268A1 (en) Image processing method and apparatus, and computer storage medium
CN109325907B (zh) 图像美化处理方法、装置及系统
CN110349081A (zh) 图像的生成方法、装置、存储介质和电子设备
JP7090169B2 (ja) 画像処理方法、装置及びコンピュータ記憶媒体
CN110910512B (zh) 虚拟物体自适应调整方法、装置、计算机设备和存储介质
CN105096353B (zh) 一种图像处理方法及装置
CN111096835A (zh) 一种矫形器设计方法和系统
CN112307876A (zh) 关节点检测方法及装置
CN115942899A (zh) 使用触觉的人体医学检查
CN111105348A (zh) 图像处理方法及装置、图像处理设备及存储介质
CN107945102A (zh) 一种图片合成的方法及装置
CN110852933A (zh) 图像处理方法及装置、图像处理设备及存储介质
CN110111240A (zh) 一种基于强结构的图像处理方法、装置和存储介质
Zhong et al. Morphological analysis of tumor regression and its impact on deformable image registration for adaptive radiotherapy of lung cancer patients
CN111968050A (zh) 人体图像处理方法及相关产品
CN110766603A (zh) 一种图像处理方法、装置和计算机存储介质
CN115578513B (zh) 三维人体重建方法、装置、电子设备及存储介质
WO2024148607A1 (zh) 训练神经网络的方法、医学图像处理方法、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: Room 1101-1117, 11 / F, No. 58, Beisihuan West Road, Haidian District, Beijing 100080

Patentee after: BEIJING SENSETIME TECHNOLOGY DEVELOPMENT Co.,Ltd.

Address before: Room 710-712, 7th floor, No. 1 Courtyard, Zhongguancun East Road, Haidian District, Beijing

Patentee before: BEIJING SENSETIME TECHNOLOGY DEVELOPMENT Co.,Ltd.