CN109325907A - 图像美化处理方法、装置及系统 - Google Patents
图像美化处理方法、装置及系统 Download PDFInfo
- Publication number
- CN109325907A CN109325907A CN201811092473.3A CN201811092473A CN109325907A CN 109325907 A CN109325907 A CN 109325907A CN 201811092473 A CN201811092473 A CN 201811092473A CN 109325907 A CN109325907 A CN 109325907A
- Authority
- CN
- China
- Prior art keywords
- image data
- key point
- human body
- point
- image
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 230000004048 modification Effects 0.000 claims abstract description 26
- 238000012986 modification Methods 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004091 panning Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 9
- 230000008439 repair process Effects 0.000 abstract description 7
- 210000003127 knee Anatomy 0.000 description 8
- 210000000689 upper leg Anatomy 0.000 description 8
- 210000003423 ankle Anatomy 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 210000001624 hip Anatomy 0.000 description 4
- 210000002832 shoulder Anatomy 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 210000001513 elbow Anatomy 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 210000000746 body region Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 210000002414 leg Anatomy 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem 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
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种图像美化处理方法、装置及系统,涉及图像处理的技术领域,该方法包括:获取包含人体部位的图像数据;检测图像数据中包含的人体部位的关键点;根据关键点将包含人体部位的图像区域划分成多个子区域;按照预先存储的修改策略调整至少一个子区域的顶点位置,以对人体部位进行美化处理。本发明提供的图像美化处理方法、装置及系统,在图像处理过程中,无需用户做出图像处理策略,与用户自行修图相比,不仅有效缩短了修图时间,也有助于用户获得到相对满意的图像,提高了用户的体验度。
Description
技术领域
本发明涉及图像处理的技术领域,尤其是涉及一种图像美化处理方法、装置及系统。
背景技术
美体是相对于美颜提出的一种图像处理过程。现在市面上有很多终端的美颜功能,可以将图片或视频中的人脸图像变得更好看。同样的,美体是指将图片或视频中的身体部分图像变得更加好看,一般是变高变瘦的方法。
现在常见的美体软件,通常都是先要求用户设定一些部位的位置,然后自行拖拽到用户想要的结果。这种处理方法往往导致用户修图耗时较长,并且,很多软件往往只能做一些全局的调整,不能调整的很精细。在修图过程中,很多用户对美学没有研究,大多不知如何调整,难以达到预期效果,降低了用户的体验度。
发明内容
有鉴于此,本发明的目的在于提供一种图像美化处理方法、装置及系统,以缓解上述美体处理方法导致的用户体验度较低的技术问题。
第一方面,本发明实施例提供了一种图像美化处理方法,该方法包括:获取包含人体部位的图像数据;检测图像数据中包含的所述人体部位的关键点,其中,关键点包括人体关节部位的关键点;根据关键点将图像数据中包含人体部位的图像区域划分成多个子区域;按照预先存储的修改策略调整至少一个所述子区域的顶点位置,以对人体部位进行美化处理。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,上述按照预先存储的修改策略调整至少一个子区域的顶点位置的步骤包括:在预先存储的图像数据库中查找图像数据的相似图片;获取相似图片对应的修改参数;根据修改参数对至少一个子区域的顶点位置进行调整。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第二种可能的实施方式,其中,上述在预先存储的图像数据库中查找图像数据的相似图片的步骤包括:计算预先存储的图像数据库中包含的每个图片与图像数据的距离参数;选择最小的距离参数对应的图片,如果最小的距离参数小于预先设置的距离阈值,则将图片标记为图像数据的相似图片。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,其中,上述计算预先存储的图像数据库中包含的每个图片与图像数据的距离参数的步骤包括:将图像数据与图像数据库中包含的每个图片进行匹配;计算匹配后的每个图片与图像数据的距离参数,其中,匹配的过程至少包括对图像数据中包含的人体部位的关键点进行旋转、缩放和平移的过程。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,上述根据关键点将图像数据中包含人体部位的图像区域划分成多个子区域的步骤包括:获取关键点的坐标;按照预先设定的组合方式选取与关键点关联的多个控制点;根据关键点和控制点对图像数据中包含人体部位的图像区域进行三角划分,生成多个三角区域。
结合第一方面的第四种可能的实施方式,本发明实施例提供了第一方面的第五种可能的实施方式,其中,上述按照预先设定的组合方式选取与关键点关联的多个控制点的步骤包括:将关键点进行分组;按照预先设置的线性组合方式,以及线性组合方式的组合系数生成每组关键点关联的多个控制点;其中,每组关键点为位置相邻的关键点,在每组关键点的上、下、左、右,以及位置相邻的关键点之间分别生成至少一个控制点,控制点与控制点之间,以及控制点与关键点之间的距离根据线性组合方式的组合系数进行确定。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,上述检测图像数据中包含的人体部位的关键点的步骤包括:将包含人体部位的图像数据输入至预先训练好的关键点检测模型,通过关键点检测模型检测图像数据中包含的人体部位的关键点;其中,关键点检测模型为经过带有关键点标注数据的图像样本进行训练得到的神经网络模型。
第二方面,本发明实施例还提供一种图像美化处理装置,该装置包括:获取模块,用于获取包含人体部位的图像数据;检测模块,用于检测图像数据中包含的人体部位的关键点,其中,关键点包括人体关节部位的关键点;划分模块,用于根据关键点将图像数据中包含人体部位的图像区域划分成多个子区域;调整模块,用于按照预先存储的修改策略调整至少一个子区域的顶点位置,以对人体部位进行美化处理。
第三方面,本发明实施例还提供一种图像美化处理系统,包括存储器以及处理器,所述存储器用于存储支持所述处理器执行上述第一方面所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
第四方面,本发明实施例还提供一种计算机存储介质,用于存储计算机程序指令,当计算机执行所述计算机程序指令时,执行上述第一方面所述方法。
本发明实施例带来了以下有益效果:
本发明实施例提供的一种图像美化处理方法、装置及系统,能够在获取到包含人体部位的图像数据后,检测人体部位的关键点,并根据关键点将图像数据中包含人体部位的图像区域划分成多个子区域,以便于按照预先存储的修改策略调整至少一个子区域的顶点位置,实现对人体部位的自动化美化处理,在美化处理过程中,无需用户做出图像处理策略,与用户自行修图相比,不仅有效缩短了修图时间,也有助于用户获得到相对满意的图像,提高了用户的体验度。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域技术人员来讲,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为本发明实施例提供的一种图像美化处理方法的流程图;
图2为本发明实施例提供的一种人体部位的关键点位置示意图;
图3为本发明实施例提供的一种控制点的位置示意图;
图4为本发明实施例提供的一种图像美化处理装置的结构示意图;
图5为本发明实施例提供的一种图像美化处理系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
目前,用户在对图像进行美颜时,大多都是自己手动进行处理,在原有图像的基础上进行拖拽等操作,往往导致用户的修图耗时较长,也难以达到预期效果,导致用户的体验度较低。基于此,本发明实施例提供的一种图像美化处理方法、装置及系统,可以有效缓解上述技术问题。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种图像美化处理方法进行详细介绍。
在一种实施方式中,本发明实施例提供的一种图像美化处理方法,该方法可以应用于手机、数码相机、摄像机等能够采集图像或者视频的智能终端,如图1所示的一种图像处理方法的流程图,该方法包括以下步骤:
步骤S102,获取包含人体部位的图像数据;
具体地,该图像数据为包含相机或者摄像头等输入模块输入的图片数据,该图像数据中包括的人体部位可以是人物的半身像、全身像等。
通常,上述包含人体部位的图像数据是单张图像,当有多个图像数据时,可以依次获取,进行逐一处理,对于采集的视频数据,输入模块可以将视频数据以多张图像的形式依次传出,以进行处理。
步骤S104,检测图像数据中包含的人体部位的关键点;
其中,上述关键点包括人体关节部位的关键点;
具体实现时,可以将包含人体部位的图像数据输入至预先训练好的关键点检测模型,通过该关键点检测模型检测图像数据中包含的人体部位的关键点;其中,该关键点检测模型为经过带有关键点标注数据的图像样本进行训练得到的神经网络模型。
以上述包含人体部位的图像数据为人物的全身像为例,可以预先获取大量带关键点标注数据的图像样本,然后使用这些带关键点标注数据的图像样本对神经网络模型进行训练,得到的关键点检测模型,可以用于检测人体部位的关键点,如头顶、肩膀、手肘、膝盖、脚踝等等。进一步,上述包含人体部位的图像数据还可以是半身像等,具体可以根据实际情况进行设置,本发明实施例对此不进行限制。
步骤S106,根据关键点将图像数据中包含人体部位的图像区域划分成多个子区域;
步骤S108,按照预先存储的修改策略调整至少一个子区域的顶点位置,以对人体部位进行美化处理。
具体实现时,每个子区域的顶点坐标都可以通过关键点坐标线性组合出来,通过调整至少一个子区域的顶点坐标就可以实现对人体部位进行处理,例如,长腿,瘦身等美体的操作。并且,上述关键点检测,子区域的划分,以及调整每个子区域的顶点位置的过程,都可以自动执行,实现自动化处理。
本发明实施例提供的一种图像美化处理方法,能够在获取到包含人体部位的图像数据后,检测人体部位的关键点,并根据关键点将图像数据中包含人体部位的图像区域划分成多个子区域,以便于按照预先存储的修改策略调整至少一个子区域的顶点位置,实现对人体部位的自动化美化处理,在美化处理过程中,无需用户做出图像处理策略,与用户自行修图相比,不仅有效缩短了修图时间,也有助于用户获得到相对满意的图像,提高了用户的体验度。
在实际使用时,上述预先存储的修改策略通常是基于美体数据库生成的策略,该美体数据库中包括大量参考数据,以在调整子区域的顶点位置时提供调整策略,具体地,上述按照预先存储的修改策略调整至少一个子区域的顶点位置,以对人体部位进行美化处理的步骤可以包括以下过程:
(1)在预先存储的图像数据库中查找上述图片的相似图片;
通常,在上述预先存储的图像数据库中可以收集大量的包含各种人体部位的图片,每个图片对应的图像数据都标注有人体部位的关键点,这些关键点可以包括多个,如头顶、肩膀、腰部、手肘、手腕、大腿、膝盖和脚踝等等。
上述相似图片可以通过距离函数计算距离参数的方式获得,包括计算预先存储的图像数据库中包含的每个图片与上述图像数据的距离参数;选择最小的距离参数对应的图片,如果该最小的距离参数小于预先设置的距离阈值时,则将该图片标记为图像数据的相似图片。
具体地,上述计算距离参数的过程,可以包括将图像数据与图像数据库中包含的每个图片进行匹配;计算匹配后的每个图片与图像数据的距离参数,其中,该匹配的过程至少包括对图像数据中包含的人体部位的关键点进行旋转、缩放和平移的过程。
(2)获取上述相似图片对应的修改参数;
(3)根据上述修改参数对至少一个子区域的顶点位置进行调整。
在实际使用时,上述相似图片对应的修改参数,可以由专业修图的设计师对图像数据库中的图像数据进行调整后获得的修参数,通常,图像数据库中标注有人体部位的关键点的图像数据可以作为样品数据,同样先进行子区域的划分,然后由专业修图的设计师通过移动至少一个子区域顶点位置的方式进行修改,包括不同部位的拉伸或者收缩等等,并把这些修改痕迹对应的修改参数记入到上述图像数据库,与对应的图像数据关联存储。当处理新的图像数据时,可以在图像数据库中选取姿态比例都和该图像数据比较接近的像是图片,并根据该像是图片对应的修改参数对至少一个子区域的顶点位置进行调整。
考虑到获取的包含人体部位的图像数据与图像数据库中预存的图像数据会有一定的维度干扰,因此,需要通过上述匹配的过程进行匹配,然后计算匹配后的距离参数。
通常,可以通过对图像数据中包含的人体部位的关键点进行旋转、缩放和平移的方式来减少上述维度干扰,例如,假设获取的包含人体部位的图像数据顺时针旋转了a,缩放比例是s,位移是dx,dy,可以使用最小二乘法或其他方法找到一组(a,s,dx,dy)满足距离函数的图片,具体地,上述距离函数可以表示为Dis=sigma((pi–f(qi,a,s,dx,dy))^2),在实际使用时,为了选取距离参数低于预先设置的距离阈值时的图片,通常使用最小的距离值(Dis值),且该最小的距离值小于预先设置的距离阈值的图片作为相似图片。
其中,上述公式中pi表示图像数据库中图像的人体关键点。qi表示当前获取的包含人体部位的图像数据的关键点。f(qi,a,s,dx,dy)表示点qi经过a的旋转,s的缩放,dx、dy的偏移的函数关系,将上述关键点经过旋转、缩放、平移,可以让当前获取的包含人体部位的图像数据与图像数据库中的图像基本重合,然后在基本重合的情况下去计算距离参数。
当计算出相似图片之后,可以获取该相似图片对应的修改参数,以对至少一个子区域的顶点位置进行调整,具体地,可以通过上述a,s,dx,dy将至少一个子区域的顶点位置的偏移量根据比例反算到当前获取的包含人体部位的图像数据上。
通常,上述划分的子区域的数量越多,对包含人体部位的图像数据的自动化处理过程越精细,比如,可以让小腿变得更瘦等等,因此,上述子区域的数量可以根据需要由用户进行选取,本发明实施例对此不进行限制。
在实际使用时,上述子区域可以根据关键点,按照一定的组合方式进行划分,具体的划分过程可以包含以下几个步骤:
(1)获取上述关键点的坐标;其中,该关键点的坐标可以通过前述关键点检测模型获得,在进行关键点检测时,可以预先确定包含人体部位的图像数据所在平面的坐标原点,当上述关键点检测模型检测到上述关键点时,可以自动生成每个关键点的坐标。
为了便于理解,以上述包含人体部位的图像数据为人物的全身像为例,图2示出了一种人体部位的关键点位置示意图,这些关键点的位置都可以通过上述关键点检测模型检测出,包括诸如头顶、肩膀、腰部、手肘、手腕、大腿、膝盖和脚踝等等,具体地,在实际使用过程中,上述关键点是否选取,还可以由用户进行设置,例如,用户可以仅仅选取腰部、大腿和肩膀等位置的关键点,还可以仅选择大腿、膝盖和脚踝位置的关键点,具体的关键点的选取过程可以根据实际使用情况进行设置,本发明实施例对此不进行限制。
(2)按照预先设定的组合方式选取与关键点关联的多个控制点;
具体地,将上述关键点进行分组;按照预先设置的线性组合方式,以及线性组合方式的组合系数生成每组关键点关联的多个控制点;其中,每组关键点为位置相邻的关键点,在每组关键点的上、下、左、右,以及位置相邻的关键点之间分别生成至少一个控制点,控制点与控制点之间,以及控制点与关键点之间的距离可以根据线性组合方式的组合系数进行确定。
在实际使用时,为了便于计算,上述线性组合方式的组合系数,可以参考关键点之间的距离进行设置,例如,可以获取位置相邻的关键点,计算该位置相邻的关键点的距离;其中,位置相邻的关键点包括横向组合的关键点,以及纵向组合的关键点;分别在位置相邻的关键点的两侧,且,沿相邻的关键点所在直线的方向上,按照组合系数选取指定数量的控制点。
为了便于理解,以上述关键点包含大腿、膝盖和脚踝位置为例进行说明,图3示出了一种控制点的位置示意图,其中,大腿位置的两个关键点可以看成是横向组合的关键点,膝盖位置和大腿位置的关键点可以看成是纵向组合的关键点,膝盖位置和脚踝位置的关键点也可以看成是纵向组合的关键点,为了便于说明,将大腿位置的关键点标记为A1和A2,将膝盖位置的关键点标记为B1和B2,将脚踝位置的关键点标记为C1和C2。
在图3所示的控制点的位置示意图中,C1和C2两个相邻的关键点所在直线的方向上,按照指定的间隔距离依次选取了多个控制点,具体地,在C1左侧选取两个控制点,在C1右侧选取一个控制点,C1左侧第一个控制点距离C1的距离可以选取为C1与C2之间距离的三分之一,C1左侧第二个控制点与C1左侧第一个控制点的距离也可以设置为C1与C2之间距离的三分之一,C1右侧的一个控制点与C1的距离也可以设置为C1与C2之间距离的三分之一,其中,上述C1与C2之间距离的三分之一为上述线性组合方式的组合系数,即,控制点与控制点之间,以及控制点与关键点之间的距离根据线性组合方式的组合系数进行确定。同理,可以在C2的左侧选取一个控制点,在C2的右侧选取两个控制点,其距离关系与C1侧的距离关系一致,也可以参考其他组合系数进行确定。
其中,上述C1和C2为两个横向组合的相邻关键点,进一步,还可以选取C1和B1,以及选取C2和B2两个纵向组合的相邻关键点按照预先设置的线性组合方式,以及线性组合方式的组合系数生成C1和B1,以及C2和B2的多个控制点,进一步,在B1和B2两侧,A1和A2两侧,以及A1、B1之间,A2、B2之间,和A1、A2与腰部关键点之间的控制点的选取方式,都可以参考按照预先设置的线性组合方式,以及线性组合方式的组合系数进行选取,具体以实际使用为准,本发明实施例对此不进行限制。
(3)根据上述关键点和控制点对图像数据中包含人体部位的图像区域进行三角划分,生成多个三角区域。
具体地,可以绘制关键点与该关键点关联的多个控制点的连线,以便于生成多个封闭区域,考虑到三角形的稳定性,通常对上述包含人体部位的图像区域进行三角划分,生成多个三角区域,且,在三角区域的内部均不包含控制点或者关键点。
通过上述关键点,以及控制点,上述包含人体部位的图像区域可以被分成多个三角区域,其中每个三角区域的顶点的坐标都可以通过关键点坐标线性组合出来,同时具有一定的鲁棒性。后续按照预先存储的修改策略调整每个子区域的顶点位置时,可以通过调整这些三角区域的顶点坐标就可以实现图像的处理过程,例如长腿,瘦身等美体的操作。
对应于上述实施方式提供的图像美化处理方法,本发明实施例还提供了一种图像美化处理装置,如图4所示的一种图像美化处理装置的结构示意图,该装置包括以下结构:
获取模块40,用于获取包含人体部位的图像数据;
检测模块42,用于检测图像数据中包含的人体部位的关键点,其中,关键点包括人体关节部位的关键点;
划分模块44,用于根据关键点将图像数据中包含人体部位的图像区域划分成多个子区域;
调整模块46,用于按照预先存储的修改策略调整至少一个子区域的顶点位置,以对人体部位进行美化处理。
本发明实施例提供的图像美化处理装置,与上述实施例提供的图像美化处理方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本发明实施例还提供了一种图像美化处理系统,该系统包括存储器以及处理器,存储器用于存储支持所述处理器执行上述图1所示的图像美化处理方法的程序,处理器被配置为用于执行所述存储器中存储的程序。
本发明实施例还提供了一种计算机存储介质,用于存储计算机程序指令,当计算机执行所述计算机程序指令时,执行上述图1所示的图像美化处理方法。
参见图5,本发明实施例还提供了一种图像美化处理系统的结构示意图,包括:处理器500,存储器501,总线502和通信接口503,处理器500、通信接口503和存储器501通过总线502连接;处理器500用于执行存储器501中存储的可执行模块,例如计算机程序。其中,存储器501可能包含高速随机存取存储器(RAM,RandomAccess Memory),也可能还包括非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。通过至少一个通信接口503(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线502可以是ISA总线、PCI总线或EISA总线等。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5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。其中,存储器501用于存储程序,处理器500在接收到执行指令后,执行程序,前述本发明实施例任一实施例揭示的图像美化处理装置所执行的方法可以应用于处理器500中,或者由处理器500实现。处理器500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500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500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 Processing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(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。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该处理器也可以是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。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器501,处理器500读取存储器501中的信息,结合其硬件完成上述方法的步骤。
本发明实施例所提供的图像美化处理方法、装置及系统的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域技术人员应当理解: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,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,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权利要求的保护范围为准。
Claims (10)
1.一种图像美化处理方法,其特征在于,所述方法包括:
获取包含人体部位的图像数据;
检测所述图像数据中包含的所述人体部位的关键点,其中,所述关键点包括人体关节部位的关键点;
根据所述关键点将所述图像数据中包含所述人体部位的图像区域划分成多个子区域;
按照预先存储的修改策略调整至少一个所述子区域的顶点位置,以对所述人体部位进行美化处理。
2.根据权利要求1所述的方法,其特征在于,所述按照预先存储的修改策略调整至少一个所述子区域的顶点位置的步骤包括:
在预先存储的图像数据库中查找所述图像数据的相似图片;
获取所述相似图片对应的修改参数;
根据所述修改参数对至少一个所述子区域的顶点位置进行调整。
3.根据权利要求2所述的方法,其特征在于,所述在预先存储的图像数据库中查找所述图像数据的相似图片的步骤包括:
计算所述预先存储的图像数据库中包含的每个图片与所述图像数据的距离参数;
选择最小的距离参数对应的图片,如果所述最小的距离参数小于预先设置的距离阈值,则将所述图片标记为所述图像数据的相似图片。
4.根据权利要求3所述的方法,其特征在于,所述计算所述预先存储的图像数据库中包含的每个图片与所述图像数据的距离参数的步骤包括:
将所述图像数据与所述图像数据库中包含的每个图片进行匹配;
计算匹配后的每个图片与所述图像数据的距离参数,其中,所述匹配的过程至少包括对所述图像数据中包含的所述人体部位的关键点进行旋转、缩放和平移的过程。
5.根据权利要求1所述的方法,其特征在于,所述根据所述关键点将所述图像数据中包含所述人体部位的图像区域划分成多个子区域的步骤包括:
获取所述关键点的坐标;
按照预先设定的组合方式选取与所述关键点关联的多个控制点;
根据所述关键点和所述控制点对所述图像数据中包含所述人体部位的图像区域进行三角划分,生成多个三角区域。
6.根据权利要求5所述的方法,其特征在于,所述按照预先设定的组合方式选取与所述关键点关联的多个控制点的步骤包括:
将所述关键点进行分组;
按照预先设置的线性组合方式,以及所述线性组合方式的组合系数生成每组所述关键点关联的多个控制点;
其中,每组所述关键点为位置相邻的关键点,在每组所述关键点的上、下、左、右,以及位置相邻的所述关键点之间分别生成至少一个所述控制点,所述控制点与所述控制点之间,以及所述控制点与所述关键点之间的距离根据所述线性组合方式的组合系数进行确定。
7.根据权利要求1所述的方法,其特征在于,所述检测所述图像数据中包含的所述人体部位的关键点的步骤包括:
将包含人体部位的所述图像数据输入至预先训练好的关键点检测模型,通过所述关键点检测模型检测所述图像数据中包含的所述人体部位的关键点;
其中,所述关键点检测模型为经过带有关键点标注数据的图像样本进行训练得到的神经网络模型。
8.一种图像美化处理装置,其特征在于,所述装置包括:
获取模块,用于获取包含人体部位的图像数据;
检测模块,用于检测所述图像数据中包含的所述人体部位的关键点,其中,所述关键点包括人体关节部位的关键点;
划分模块,用于根据所述关键点将所述图像数据中包含所述人体部位的图像区域划分成多个子区域;
调整模块,用于按照预先存储的修改策略调整至少一个所述子区域的顶点位置,以对所述人体部位进行美化处理。
9.一种图像美化处理系统,其特征在于,包括存储器以及处理器,所述存储器用于存储支持所述处理器执行权利要求1~7任一项所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
10.一种计算机存储介质,其特征在于,用于存储计算机程序指令,当计算机执行所述计算机程序指令时,执行如权利要求1~7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811092473.3A CN109325907B (zh) | 2018-09-18 | 2018-09-18 | 图像美化处理方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811092473.3A CN109325907B (zh) | 2018-09-18 | 2018-09-18 | 图像美化处理方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109325907A true CN109325907A (zh) | 2019-02-12 |
CN109325907B CN109325907B (zh) | 2023-07-04 |
Family
ID=65266192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811092473.3A Active CN109325907B (zh) | 2018-09-18 | 2018-09-18 | 图像美化处理方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109325907B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110365903A (zh) * | 2019-07-25 | 2019-10-22 | 腾讯科技(深圳)有限公司 | 基于视频的对象处理方法、装置、设备及可读存储介质 |
CN110706192A (zh) * | 2019-10-15 | 2020-01-17 | 北京明略软件系统有限公司 | 图像数据中标识的处理方法及装置、存储介质和电子装置 |
CN110888960A (zh) * | 2019-11-29 | 2020-03-17 | 深圳市银星智能科技股份有限公司 | 一种室内空间分区方法、装置及移动机器人 |
CN111797754A (zh) * | 2020-06-30 | 2020-10-20 | 上海掌门科技有限公司 | 图像检测的方法、装置、电子设备及介质 |
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 |
CN114913549A (zh) * | 2022-05-25 | 2022-08-16 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备及介质 |
CN115359194A (zh) * | 2022-10-20 | 2022-11-18 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN115423827A (zh) * | 2022-11-03 | 2022-12-02 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913389A (zh) * | 2016-04-07 | 2016-08-31 | 广东欧珀移动通信有限公司 | 皮肤异常时的图片处理方法和装置 |
WO2016149944A1 (zh) * | 2015-03-26 | 2016-09-29 | 北京旷视科技有限公司 | 用于识别人脸的方法、系统和计算机程序产品 |
CN106713700A (zh) * | 2016-12-08 | 2017-05-24 | 宇龙计算机通信科技(深圳)有限公司 | 图像处理方法、装置和终端 |
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 |
CN108133220A (zh) * | 2016-11-30 | 2018-06-08 | 北京市商汤科技开发有限公司 | 模型训练、关键点定位及图像处理方法、系统及电子设备 |
CN108447017A (zh) * | 2018-05-31 | 2018-08-24 | Oppo广东移动通信有限公司 | 人脸虚拟整容方法和装置 |
-
2018
- 2018-09-18 CN CN201811092473.3A patent/CN109325907B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016149944A1 (zh) * | 2015-03-26 | 2016-09-29 | 北京旷视科技有限公司 | 用于识别人脸的方法、系统和计算机程序产品 |
CN105913389A (zh) * | 2016-04-07 | 2016-08-31 | 广东欧珀移动通信有限公司 | 皮肤异常时的图片处理方法和装置 |
CN108133220A (zh) * | 2016-11-30 | 2018-06-08 | 北京市商汤科技开发有限公司 | 模型训练、关键点定位及图像处理方法、系统及电子设备 |
CN106713700A (zh) * | 2016-12-08 | 2017-05-24 | 宇龙计算机通信科技(深圳)有限公司 | 图像处理方法、装置和终端 |
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 |
CN108447017A (zh) * | 2018-05-31 | 2018-08-24 | Oppo广东移动通信有限公司 | 人脸虚拟整容方法和装置 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110365903A (zh) * | 2019-07-25 | 2019-10-22 | 腾讯科技(深圳)有限公司 | 基于视频的对象处理方法、装置、设备及可读存储介质 |
CN110365903B (zh) * | 2019-07-25 | 2022-11-29 | 腾讯科技(深圳)有限公司 | 基于视频的对象处理方法、装置、设备及可读存储介质 |
CN110706192A (zh) * | 2019-10-15 | 2020-01-17 | 北京明略软件系统有限公司 | 图像数据中标识的处理方法及装置、存储介质和电子装置 |
CN110888960A (zh) * | 2019-11-29 | 2020-03-17 | 深圳市银星智能科技股份有限公司 | 一种室内空间分区方法、装置及移动机器人 |
CN110888960B (zh) * | 2019-11-29 | 2021-06-08 | 深圳市银星智能科技股份有限公司 | 一种室内空间分区方法、装置及移动机器人 |
CN111797754A (zh) * | 2020-06-30 | 2020-10-20 | 上海掌门科技有限公司 | 图像检测的方法、装置、电子设备及介质 |
CN114913549A (zh) * | 2022-05-25 | 2022-08-16 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备及介质 |
CN115359194A (zh) * | 2022-10-20 | 2022-11-18 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN115359194B (zh) * | 2022-10-20 | 2023-03-14 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN115423827A (zh) * | 2022-11-03 | 2022-12-02 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN115423827B (zh) * | 2022-11-03 | 2023-03-24 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109325907B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325907A (zh) | 图像美化处理方法、装置及系统 | |
CN107609519B (zh) | 一种人脸特征点的定位方法及装置 | |
CN105740856B (zh) | 一种基于机器视觉的指针式仪表示数读取方法 | |
CN109448090A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN102662476A (zh) | 一种视线估计方法 | |
CN107154030A (zh) | 图像处理方法及装置、电子设备及存储介质 | |
CN109992693A (zh) | 户型匹配方法及装置 | |
CN103679639B (zh) | 基于非局部均值的图像去噪方法和装置 | |
CN110956071B (zh) | 眼部关键点的标注及其检测模型的训练方法和装置 | |
EP3876110A1 (en) | Method, device and apparatus for recognizing, categorizing and searching for garment, and storage medium | |
CN109308459A (zh) | 基于手指注意力模型和关键点拓扑模型的手势估计方法 | |
CN109002763B (zh) | 基于同源连续性的模拟人脸老化的方法及装置 | |
CN108960192A (zh) | 动作识别方法及其神经网络生成方法、装置和电子设备 | |
CN108733780A (zh) | 一种图片搜索方法及装置 | |
CN107507188B (zh) | 一种基于机器学习提取图像信息的方法及装置 | |
CN108346130A (zh) | 图像处理方法、装置及电子设备 | |
CN105117685B (zh) | 基于图像模板匹配的手指手腕关节自动定位方法 | |
CN114494347A (zh) | 一种单摄像头多模式视线追踪方法和装置、电子设备 | |
CN108364254A (zh) | 图像处理方法、装置及电子设备 | |
CN108447023A (zh) | 图像处理方法、装置及电子设备 | |
CN110378227A (zh) | 修正样本标注数据的方法、装置、设备及存储介质 | |
CN105894450A (zh) | 一种图像处理方法及装置 | |
CN109523593A (zh) | 用于服装图像的数据处理方法及装置 | |
CN114067088A (zh) | 虚拟穿戴方法、装置、设备、存储介质及程序产品 | |
CN109242868A (zh) | 图像处理方法、装置、电子设备及储存介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230506 Address after: No. 1268, 1f, building 12, neijian Middle Road, Xisanqi building materials City, Haidian District, Beijing 100096 Applicant after: BEIJING KUANGSHI TECHNOLOGY Co.,Ltd. Applicant after: Hangzhou kuangyun Jinzhi Technology Co.,Ltd. Address before: 313, block a, No.2, south academy of Sciences Road, Haidian District, Beijing Applicant before: BEIJING KUANGSHI TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |