CN109325929A - 图像处理方法和电子设备 - Google Patents

图像处理方法和电子设备 Download PDF

Info

Publication number
CN109325929A
CN109325929A CN201811213532.8A CN201811213532A CN109325929A CN 109325929 A CN109325929 A CN 109325929A CN 201811213532 A CN201811213532 A CN 201811213532A CN 109325929 A CN109325929 A CN 109325929A
Authority
CN
China
Prior art keywords
face
image
parameter item
parameter value
parameter
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
Application number
CN201811213532.8A
Other languages
English (en)
Inventor
孙斐
贾冲
李强
张磊
张兴
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.)
Lenovo Beijing Ltd
Original Assignee
Lenovo Beijing 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 Lenovo Beijing Ltd filed Critical Lenovo Beijing Ltd
Priority to CN201811213532.8A priority Critical patent/CN109325929A/zh
Publication of CN109325929A publication Critical patent/CN109325929A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/77
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions

Abstract

本公开提供了一种图像处理方法,包括获得第一图像,所述第一图像中包括第一人脸,所述第一图像是通过移动终端的摄像头针对第一用户所采集的图像,所述第一人脸对应于所述第一用户,分析以及处理所述第一图像,生成包括第二人脸的第二图像,所述第二人脸对应于所述第一用户,其中,所述第二人脸的比例关系相对于所述第一人脸的比例关系更接近于标准比例关系。本公开还提供了一种电子设备。

Description

图像处理方法和电子设备
技术领域
本公开涉及一种图像处理方法和电子设备。
背景技术
随着智能终端发展,以智能手机为例,智能手机的功能越来越多,在诸多功能中,拍照功能被广泛地应用。如今,用户在使用移动终端中的摄像头进行拍照时,为了拍出满意的照片,通常使用移动终端的美颜功能。
然而,现有的移动终端的美颜功能不够优化,例如有些用户对美颜效果满意,有些用户对美颜效果不满意。
发明内容
本公开的个方面提供了一种图像处理方法,包括获得第一图像,所述第一图像中包括第一人脸,所述第一图像是通过移动终端的摄像头针对第一用户所采集的图像,所述第一人脸对应于所述第一用户,分析以及处理所述第一图像,生成包括第二人脸的第二图像,所述第二人脸对应于所述第一用户,其中,所述第二人脸的比例关系相对于所述第一人脸的比例关系更接近于标准比例关系。
可选地,所述分析以及处理所述第一图像,包括识别所述第一图像的第一人脸,确定从所述第一图像中所能够提取的针对所述第一人脸的参数项,如果所述第一人脸的参数项满足预定条件,则基于所述第一人脸的参数项分析所述第一人脸,如果所述第一人脸的参数项不满足所述预定条件,则基于所述第一人脸的参数项处理所述第一人脸以使得处理后的第一人脸的参数项满足所述预定条件。
可选地,基于所述第一人脸的参数项分析所述第一人脸,包括基于第一类参数项的参数值以及比例标准模型确定符合所述第一人脸的标准比例标记点,其中,所述第一类参数项的参数值表征所述第一人脸的脸长和/或脸宽。
可选地,所述分析以及处理所述第一图像还包括,基于第二类参数项的参数值以及所述标准比例标记点自动调整所述第二类参数项中至少一个第二类参数项的参数值,以使得所述调整后的第二类参数项的参数值接近于所述标准比例的标记点,其中,所述第二类参数项的参数值表征第一人脸的面部对象的尺寸和/或位置。
可选地,所述生成包括第二人脸的第二图像,包括将调整了所述第二类参数项的参数值的第一图像作为所述第二图像。
可选地,所述分析以及处理所述第一图像还包括,基于第三类参数项的参数值获得与所述第三类参数项的参数值对应的美颜模板,其中,所述第三类参数项的参数值表征所述第一人脸的脸形。
可选地,分析以及处理所述第一图像还包括,基于美颜模板中所包括的面部对象的标准参数值以及所述第一图像用于表征面部对象的第四类参数项的当前参数值,调整所述第四类参数项的参数值,以使得所述调整后的第四类参数项的参数值接近于所述标准参数值,其中,所述第四类参数项的参数值表征所述第一人脸的面部对象的样式。
可选地,所述生成包括第二人脸的第二图像包括,将调整了所述第四类参数项的参数值的第一图像作为所述第二图像。
可选地,所述美颜模板为多个,所述美颜模板为通过自学习多张包括不同脸型的人脸的图像智能计算得出的模板,所述方法还包括,连接云端服务器,用于获得所述美颜模板,所述云端服务器包括人工智能引擎,所述人工智能引擎用于实时读取包含有人脸的图像进行智能学习从而不断更新所述美颜模板,或者,所述方法还包括连接云端服务器,用于自动获得包含有人脸的图像,通过人工智能引擎对所述自动获得包含有人脸的图像进行智能学习从而不断更新所述美颜模板。
本公开的另一个方面提供了一种电子设备,包括图像采集装置,处理器,存储器,所述存储器上存储有计算机可读指令,所述指令被处理器执行时,使得所述处理器,获得第一图像,所述第一图像中包括第一人脸,所述第一图像是通过移动终端的摄像头针对第一用户所采集的图像,所述第一人脸对应于所述第一用户,分析以及处理所述第一图像,生成包括第二人脸的第二图像,所述第二人脸对应于所述第一用户,其中,所述第二人脸的比例关系相对于所述第一人脸的比例关系更接近于标准比例关系。
可选地,所述处理器分析以及处理所述第一图像,包括识别所述第一图像的第一人脸,确定从所述第一图像中所能够提取的针对所述第一人脸的参数项,如果所述第一人脸的参数项满足预定条件,则基于所述第一人脸的参数项分析所述第一人脸,如果所述第一人脸的参数项不满足所述预定条件,则基于所述第一人脸的参数项处理所述第一人脸以使得处理后的第一人脸的参数项满足所述预定条件。
可选地,所述处理器基于所述第一人脸的参数项分析所述第一人脸,包括基于第一类参数项的参数值以及比例标准模型确定符合所述第一人脸的标准比例标记点,其中,所述第一类参数项的参数值表征所述第一人脸的脸长和/或脸宽。
可选地,所述处理器所述分析以及处理所述第一图像还包括,基于第二类参数项的参数值以及所述标准比例标记点自动调整所述第二类参数项中至少一个第二类参数项的参数值,以使得所述调整后的第二类参数项的参数值接近于所述标准比例的标记点,其中,所述第二类参数项的参数值表征第一人脸的面部对象的尺寸和/或位置。
可选地,所述处理器生成包括第二人脸的第二图像包括,将调整了所述第二类参数项的参数值的第一图像作为所述第二图像。
可选地,所述处理器分析以及处理所述第一图像还包括,基于第三类参数项的参数值获得与所述第三类参数项的参数值对应的美颜模板,其中,所述第三类参数项的参数值表征所述第一人脸的脸形。
可选地,所述处理器分析以及处理所述第一图像还包括,基于美颜模板中所包括的面部对象的标准参数值以及所述第一图像用于表征面部对象的第四类参数项的当前参数值,调整所述第四类参数项的参数值,以使得所述调整后的第四类参数项的参数值接近于所述标准参数值,其中,所述第四类参数项的参数值表征所述第一人脸的面部对象的样式。
可选地,所述处理器生成包括第二人脸的第二图像包括,将调整了所述第四类参数项的参数值的第一图像作为所述第二图像。
可选地,所述美颜模板为多个,所述美颜模板为通过自学习多张包括不同脸型的人脸的图像智能计算得出的模板,所述处理器还执行连接云端服务器,用于获得所述美颜模板,所述云端服务器包括人工智能引擎,所述人工智能引擎用于实时读取包含有人脸的图像进行智能学习从而不断更新所述美颜模板,或者,所述处理器还执行连接云端服务器,用于自动获得包含有人脸的图像,通过人工智能引擎对所述自动获得包含有人脸的图像进行智能学习从而不断更新所述美颜模板。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
附图说明
为了更完整地理解本公开及其优势,现在将参考结合附图的以下描述,其中:
图1A和图1B示意性示出了根据本公开的实施例的图像处理方法的应用场景;
图2示意性示出了根据本公开实施例的图像处理方法的流程图;
图3A示意性示出了根据本公开的实施例的分析以及处理所述第一图像方法的流程图;
图3B示意性示出了根据本公开实施例的确定出的符合第一人脸的标准比例标记点的示意图;
图4A示意性示出了根据本公开另一实施例的分析以及处理所述第一图像方法的流程图;
图4B和图4C示意性示出了根据本公开实施例的自动调整面部对象后的示意图;
图5示意性示出了根据本公开另一实施例的分析以及处理所述第一图像方法的流程图;
图6A示意性示出了根据本公开实施例的第一图像的示意图;
图6B示意性示出了根据本公开实施例的分析处理第一图像的示意图;
图6C示意性示出了根据本公开实施例的第二图像的示意图;
图7示意性示出了根据本公开的实施例的图像处理系统的框图;
图8示意性示出了根据本公开的实施例的处理模块的框图;
图9示意性示出了根据本公开另一实施例的处理模块的框图;
图10示意性示出了根据本公开另一实施例的处理模块的框图;
图11示意性示出了根据本公开另一实施例的处理模块的框图;以及
图12示意性示出了根据本公开实施例的电子设备的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
附图中示出了一些方框图和/或流程图。应理解,方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外,本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式,该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。
本公开的实施例提供了一种图像处理方法,包括获得第一图像,所述第一图像中包括第一人脸,所述第一图像是通过移动终端的摄像头针对第一用户所采集的图像,所述第一人脸对应于所述第一用户,分析以及处理所述第一图像,生成包括第二人脸的第二图像,所述第二人脸对应于所述第一用户,其中,所述第二人脸的比例关系相对于所述第一人脸的比例关系更接近于标准比例关系。
图1A和图1B示意性示出了根据本公开的实施例的图像处理方法的应用场景。需要注意的是,图1A和图1B所示仅为可以应用本公开实施例的场景的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1A所示,在该应用场景中包括电子设备100,电子设备100可以包括摄像头。
如图1A所示,电子设备100的摄像头对第一用户拍照,获得了第一图像110,第一图像110中包括第一用户的人脸。当然,该第一图像也可以从本地存储器或者从云端服务器上获得的已经有的图像。如图1A所示,第一图像110中的人脸不符合人脸的标准比例关系,导致第一图像110中的人脸不够美观。其中,标准比例关系例如可以是“三庭五眼”,即从前额发际线至眉骨,从眉骨至鼻底,从鼻底至下颌,各占脸长的1/3,以眼形长度为单位,把脸的宽度分成五等分,从左侧发际至右侧发际为五只眼形。
为了使用户获得更加美观的图像,提高用户体验,本公开提供的图像处理方法通过对第一图像110进行处理,使得第一图像110中的人脸更加符合人脸的标准比例关系。图1B示意性示出了通过本公开实施例处理第一图像110得到的第二图像120,如图1B所示,第二图像120中人脸的比例关系相对于第一图像110中人脸的比例关系更接近于标准比例关系。
本公开的实施例在于针对人脸微整形,即,在针对摄像头拍照获得的照片进行人脸的识别,基于该识别出的人脸的尺寸(例如,脸长和/或脸宽)来调整五官识别出的人脸上所占的比例以使得调整后的图像更接近于符合标准比例。
图2示意性示出了根据本公开实施例的图像处理方法的流程图。
如图2所示,该方法包括步骤S210~S230。
在步骤S210,获得第一图像,所述第一图像中包括第一人脸,所述第一图像是通过移动终端的摄像头针对第一用户所采集的图像,所述第一人脸对应于所述第一用户。
在步骤S220,分析以及处理所述第一图像,生成包括第二人脸的第二图像,所述第二人脸对应于所述第一用户,其中,所述第二人脸的比例关系相对于所述第一人脸的比例关系更接近于标准比例关系。
该方法通过分析处理第一图像,生成更接近于标准比例关系的第二人脸,使得第二人脸更加符合大众审美,提高了用户体验。
根据本公开的实施例,在步骤S210,移动终端例如可以是手机,平板电脑等。例如通过手机上的摄像头对第一用户拍照,采集包括第一用户的人脸的第一图像。第一图像例如可以是图1A所示的第一图像110。
根据本公开的实施例,在步骤S220,标准比例关系例如可以是黄金分割比例关系,或者“三庭五眼”等比例关系。例如可以是将第一人脸按照“三庭五眼”的标准比例关系进行划分,确定第一人脸与符合“三庭五眼”的标准比例关系的人脸的差异,并根据差异处理第一图像,以生成包括第二人脸的第二图像。其中,第二人脸的比例关系相对于第一人脸的比例关系更接近于标准比例关系。例如可以是将分析处理后的图像作为第二图像,又例如可以是对分析处理后的图像进行上妆,将上妆后的图像作为第二图像。例如,在图1A和图1B所示的情景中,第二图像120的比例关系比第一图像110更接近于“三庭五眼”的标准比例关系。
图3A示意性示出了根据本公开的实施例的分析以及处理所述第一图像方法的流程图。
如图3A所示,该方法包括步骤S221~S223。
在步骤S221,识别所述第一图像的第一人脸。
在步骤S222,确定从所述第一图像中所能够提取的针对所述第一人脸的参数项。
在步骤S223,如果所述第一人脸的参数项满足预定条件,则基于所述第一人脸的参数项分析所述第一人脸,如果所述第一人脸的参数项不满足所述预定条件,则基于所述第一人脸的参数项处理所述第一人脸以使得处理后的第一人脸的参数项满足所述预定条件。
该方法能够将不满足预定条件的第一图像转换成符合预定条件的第一图像,使得该方法具有普适性,降低对电子设备的要求。例如,手机上的摄像头通常获得的是二维图像,通过该方法将二维图像转换成三维图像,以根据三维图像分析和处理第一人脸。换言之,即,第一图像是否包括深度信息。例如,通过两个以上的摄像头所采集的图像其本身就包括深度信息。如果是单摄像头所采集的图像就不包括深度信息,那么就需要通过算法基于平面图像填补深度信息(即,转换为三维图像)。在本公开的实施例中,通过图像中的深度信息能够精确识别出人脸的宽度或/和人脸的长度。例如,人眼到耳朵的距离,如果没有深度信息,只能从平面上获得两者之间的直线距离无法精确反应所对应的用户人脸的尺寸。而加入了深度信息后就能够计算出人眼到耳朵之间的实际距离。又例如,鼻高,如果没有深度信息就无法获得鼻高的参数。
举例来讲,在步骤S221,例如可以识别采集第一图像的中是否包括人脸。在步骤S222,例如识别出第一图像中第一人脸进一步确定是否包括深度信息。又例如,如果第一图像为三维图像(包括深度信息),则确定从第一图像中能够提取第一人脸的深度信息。在步骤S223,预定条件,例如可以是第一人脸的参数项包括深度信息。在该实施例中,例如在步骤S222确定的参数项不包括深度信息,则可以根据确定的第一图像的光线信息处理第一人脸,使第一人脸由平面图像转换成包含深度信息的三维图像该平面图像具有深度信息。或者,通过算法基于平面图像填补深度信息。以使得处理后的图像满足所述预定条件,即,图像中具有深度信息。又例如,在步骤S222确定的参数项包括深度信息,在步骤S223确定满足预定条件,则基于第一人脸的参数项分析第一人脸。
根据本公开的实施例,基于所述第一人脸的参数项分析所述第一人脸包括,基于第一类参数项的参数值以及比例标准模型确定符合所述第一人脸的标准比例标记点,其中,所述第一类参数项的参数值表征所述第一人脸的脸长和/或脸宽。
图3B示意性示出了根据本公开实施例的确定出的符合第一人脸的标准比例标记点的示意图。
如图3B所示,比例标准模型例如可以是“三庭五眼”模型,根据图1A所示的第一人脸的脸长和脸宽以及比例标准模型,确定符合第一人脸的标准比例标记点包括人眼标记点310和320以及嘴巴标记点330,即符合第一人脸的标准比例的人眼应该在人眼标记点310和320所在的位置,以及符合第一人脸的标准比例的嘴巴的标记点在330的位置。
图4A示意性示出了根据本公开另一实施例的分析以及处理所述第一图像方法的流程图。
如图4A所示,该方法在前述实施例的基础上还包括步骤S224。
在步骤S224,基于第二类参数项的参数值以及所述标准比例标记点自动调整所述第二类参数项中至少一个第二类参数项的参数值,以使得所述调整后的第二类参数项的参数值接近于所述标准比例的标记点,其中,所述第二类参数项的参数值表征第一人脸的面部对象的尺寸和/或位置。
根据本公开的实施例,在步骤S224,例如可以是自动调整第二类参数项的参数值表征的面部对象的尺寸和/或位置与标准比例标记点不相符的面部对象。面部对象为五官,当然也可以是面部的其他对象,额头,下巴;本公开的实施例面部对象例如可以包括眼睛、鼻子、嘴部、额头、下巴等中的至少一种。
例如,在图3B所示的情景中,第二类参数项的参数值表征眼睛和嘴巴的位置与标准比例标记点不相符,则自动调整眼睛和嘴巴的参数值,使得眼睛和嘴巴调整到人眼标记点310和320以及嘴巴标记点330所在的位置。
又例如在另一实施例中,采集的第一人脸的第二类参数项的参数值表征所有的面部对象均与标准比例标记点不相符,则调整每个第二参数项的参数值。
根据本公开的实施例,自动调整第二类参数项的参数值表征的面部对象的尺寸和/或位置与标准比例标记点不相符的面部对象包括,将与标准比例标记点不相符的面部对象调整到标准比例标记点的位置。例如,在图3B所示的情景中,可以是将第一人脸中的眼睛调整到人眼标记点310和320的位置,嘴巴调整到嘴巴标记点330的位置。在该实施例中,调整后的眼睛和嘴巴的位置例如可以是如图4B所示。又例如,在将眼睛和嘴巴的位置进行调整后,发现眼睛过长,超过了眼睛的位置范围,可以调整眼睛的长度,将眼睛调整在该位置范围中。
根据本公开的实施例,优选地,自动调整第二类参数项的参数值表征的面部对象的尺寸和/或位置与标准比例标记点不相符的面部对象包括,将与标准比例标记点不相符的面部对象与标准比例标记点相结合,重新确定第二类参数项的参数值。例如,在图3B所示的情景中,可以是根据人眼标记点310和320以及第一人脸中的眼睛的实际位置,自动调整所述第二类参数项中至少一个第二类参数项的参数值,使得重新确定的眼睛的位置接近于所述标准比例的标记点的位置,重新确定的右眼的位置例如可以是人眼标记点310和第一人脸中的眼睛的实际位置340中间的位置。在该实施例中,调整后的眼睛和嘴巴的位置例如可以是如图4C所示的位置。
根据本公开的实施例,在图4A所示的实施例中,其中,生成包括第二人脸的第二图像包括将调整了所述第二类参数项的参数值的第一图像作为所述第二图像。例如,将图4C所示的第一图像作为第二图像,并将第二图像展示在电子设备上。通过上述实施的针对具有深度信息的人脸的图像自动处理方法使得调整后的图像上的人脸更接近于三庭五眼的标准,实现针对移动终端例如手机的摄像头所获得的照片中的人脸部分的3D美型。
图5示意性示出了根据本公开另一实施例的分析以及处理所述第一图像方法的流程图。
如图5所示,该方法在前述实施例的基础上还包括步骤S510,。
在步骤S510,基于第三类参数项的参数值,获得与所述第三类参数项的参数值对应的美颜模板,其中,所述第三类参数项的参数值表征所述第一人脸的脸形。
该方法根据第一人脸的脸形,确定与第一人脸的脸形对应的美颜模板,从而根据美颜模板对第一人脸进行进一步的美化,进一步提高了用户体验。
根据本公开的实施例,在步骤S510,美颜模板可以是多个,美颜模板例如可以是通过自学习多张包括不同脸型的人脸的图像智能计算得出的模板。第三类参数项的参数值例如可以表征第一人脸的脸型为方形脸,获得与方形脸对应的美颜模板。
根据本公开的实施例,图像处理方法还包括,连接云端服务器用于获得所述美颜模板,云端服务器包括人工智能引擎,人工智能引擎用于实时读取包含有人脸的图像进行智能学习从而不断更新所述美颜模板。或者图像处理方法还包括,连接云端服务器用于自动获得包含有人脸的图像,通过人工智能引擎对所述自动获得包含有人脸的图像进行智能学习从而不断更新所述美颜模板。该美颜模板有多个;不同的脸型对应不同的美颜模板。
根据本公开的实施例,分析以及处理所述第一图像还包括,基于美颜模板中所包括的面部对象的标准参数值以及所述第一图像用于表征面部对象的第四类参数项的当前参数值,调整所述第四类参数项的参数值,以使得所述调整后的第四类参数项的参数值接近于所述标准参数值。其中,所述第四类参数项的参数值表征所述第一人脸的面部对象的样式。
根据本公开的实施例,面部对象的标准参数值例如可以是美颜模板中鼻子的宽窄、高度、嘴巴的上扬角度、眉毛的弧度等。
根据本公开的实施例,第四类参数项的当前参数值,例如可以是经过自动调整第二类参数项中至少一个第二类参数项的参数值之后,确定的面部对象的样式。
根据本公开的实施例,例如美颜模板中的鼻子为高鼻梁,图4C中的鼻子为塌鼻梁,可以根据美颜模板中的鼻子的参数值,调整图4C中的第一图像的鼻子的参数值,使得图4C中的鼻梁提高。
需要理解的是,本领域技术人员可以根据需要确定第四类参数项的参数值接近于所述标准参数值的接近程度,以避免第二图像失真,或者本领域技术人员设置与用户交互的接口,使用户通过该接口能够自主调节与美颜模板中的面部对象的接近程度。
根据本公开的实施例,生成包括第二人脸的第二图像包括,将调整了所述第四类参数项的参数值的第一图像作为所述第二图像。
下面结合图6A~6C说明本公开的另一实施例。
图6A示意性示出了根据本公开实施例的第一图像的示意图。
图6B示意性示出了根据本公开实施例的分析处理第一图像的示意图。
图6C示意性示出了根据本公开实施例的第二图像的示意图。
图6A例如可以是利用手机上的摄像头采集获得的图像,根据本公开的实施例,在实际应用中,移动设备可以将图6A的图像作为预览图像向用户展示,也可以不像用户展示图6A的图像,而直接向用户展示图6B的图像。
根据本公开的实施例,在手机上的摄像头获得了图6A所示的图像后,可以将图6A中的人脸转换成三维图像,以获得人脸的参数项,该参数项例如包括可以表征人脸的脸长和/或脸宽的第一类参数项、表征第一人脸的面部对象的尺寸和/或位置的第二类参数项、表征所述第一人脸的脸形的第三类参数项以及表征所述第一人脸的面部对象的样式的第四类参数项。
如图6B所示,根据第一类参数项以及“三庭五眼”比例标准模型,例如确定出眉骨的位置偏下,鼻底的位置偏下,以及左右眼的间距偏大,则自动调整眉骨和/或鼻底的位置,使人脸更符合标准比例关系。
如图6B所示,第一图像中的人脸在调整了第二类参数项的参数值后,根据第三类参数项的参数值确定美颜模板。例如根据美颜模板调整了鼻子的样式。将基于美颜模板调整后的图像作为第二图像。
如图6C所示,第二图像中的人脸比第一图像中的人脸更加接近标准比例关系,并且第二图像中的人脸的面部对象也更美。
本公开的实施例针对第一图像(移动终端的摄像头所采集的图像,例如,自拍图像)的人脸美颜自动调整功能在于调整人脸的比例,即,调整五官在人脸上所占的比例关系。更进一步基于人工智能引擎通过大数据(即明星脸)训练/自学习确定美颜模板来调整比例后的人脸上进行五官的美化以及脸型的美化。最后在再进行补妆和/或补光等美颜的手段。
图7示意性示出了根据本公开的实施例的图像处理系统700的框图。
如图7所示,图像处理系统700包括获得模块710和处理模块720。
获得模块710,例如执行上文参考图2描述的步骤S210,用于获得第一图像,所述第一图像中包括第一人脸,所述第一图像是通过移动终端的摄像头针对第一用户所采集的图像,所述第一人脸对应于所述第一用户。
处理模块720,例如执行上文参考图2描述的步骤S220,用于分析以及处理所述第一图像,生成包括第二人脸的第二图像,所述第二人脸对应于所述第一用户,其中,所述第二人脸的比例关系相对于所述第一人脸的比例关系更接近于标准比例关系。
图8示意性示出了根据本公开的实施例的处理模块720的框图。
如图8所示,处理模块720包括识别子模块721、确定子模块722以及处理子模块723。
识别子模块721,例如执行上文参考图3A描述的步骤S221,识别所述第一图像的第一人脸。
确定子模块722,例如执行上文参考图3A描述的步骤S222,确定从所述第一图像中所能够提取的针对所述第一人脸的参数项。
处理子模块723,例如执行上文参考图3A描述的步骤S223,如果所述第一人脸的参数项满足预定条件,则基于所述第一人脸的参数项分析所述第一人脸,如果所述第一人脸的参数项不满足所述预定条件,则基于所述第一人脸的参数项处理所述第一人脸以使得处理后的第一人脸的参数项满足所述预定条件。
根据本公开的实施例,基于所述第一人脸的参数项分析所述第一人脸包括,基于第一类参数项的参数值以及比例标准模型确定符合所述第一人脸的标准比例标记点,其中,所述第一类参数项的参数值表征所述第一人脸的脸长和/或脸宽。
图9示意性示出了根据本公开另一实施例的处理模块720的框图。
如图9所示,处理模块720在前述实施例的基础上还包括第一调整子模块724。
第一调整子模块724,例如执行上文参考图4A描述的步骤S224,用于基于第二类参数项的参数值以及所述标准比例标记点自动调整所述第二类参数项中至少一个第二类参数项的参数值,以使得所述调整后的第二类参数项的参数值接近于所述标准比例的标记点,其中,所述第二类参数项的参数值表征第一人脸的面部对象的尺寸和/或位置。
根据本公开的实施例,生成包括第二人脸的第二图像包括将调整了所述第二类参数项的参数值的第一图像作为所述第二图像。
图10示意性示出了根据本公开另一实施例的处理模块720的框图。
如图10所示,处理模块720在前述实施例的基础上还包括获得子模块725。
获得子模块725,例如执行上文参考图4A描述的步骤S510,
基于第三类参数项的参数值获得与所述第三类参数项的参数值对应的美颜模板,其中,所述第三类参数项的参数值表征所述第一人脸的脸形。
图11示意性示出了根据本公开另一实施例的处理模块720的框图。
如图11所示,处理模块720在前述实施例的基础上还包括第二调整子模块726。
第二调整子模块726,基于美颜模板中所包括的面部对象的标准参数值以及所述第一图像用于表征面部对象的第四类参数项的当前参数值,调整所述第四类参数项的参数值,以使得所述调整后的第四类参数项的参数值接近于所述标准参数值,其中,所述第四类参数项的参数值表征所述第一人脸的面部对象的样式。
根据本公开的实施例,生成包括第二人脸的第二图像包括,将调整了所述第四类参数项的参数值的第一图像作为所述第二图像。
根据本公开的实施例,美颜模板为多个,所述美颜模板为通过自学习多张包括不同脸型的人脸的图像智能计算得出的模板,所述图像处理系统还包括,第一通信模块,用于连接云端服务器,以获得所述美颜模板,所述云端服务器包括人工智能引擎,所述人工智能引擎用于实时读取包含有人脸的图像进行智能学习从而不断更新所述美颜模板,或者,第二通信模块,用于连接云端服务器,以自动获得包含有人脸的图像,通过人工智能引擎对所述自动获得包含有人脸的图像进行智能学习从而不断更新所述美颜模板。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,获得模块710、处理模块720以及第一通信模块中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获得模块710、处理模块720以及第一通信模块中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获得模块710、处理模块720以及第一通信模块中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图12示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的方框图。图12示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图12所示,电子设备1200包括处理器1210、计算机可读存储介质1220、图像处理装置1230。该电子设备1200可以执行根据本公开实施例的方法。
具体地,处理器1210例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器1210还可以包括用于缓存用途的板载存储器。处理器1210可以是用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
计算机可读存储介质1220,例如可以是非易失性的计算机可读存储介质,具体示例包括但不限于:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;等等。
计算机可读存储介质1220可以包括计算机程序1221,该计算机程序1221可以包括代码/计算机可执行指令,其在由处理器1210执行时使得处理器1210执行根据本公开实施例的方法或其任何变形。
计算机程序1221可被配置为具有例如包括计算机程序模块的计算机程序代码。例如,在示例实施例中,计算机程序1221中的代码可以包括一个或多个程序模块,例如包括1221A、模块1221B、……。应当注意,模块的划分方式和个数并不是固定的,本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合,当这些程序模块组合被处理器1210执行时,使得处理器1210可以执行根据本公开实施例的方法或其任何变形。
根据本公开的实施例,处理器1210可以与图像处理装置1230进行交互,来执行根据本公开实施例的方法或其任何变形。
根据本发明的实施例,获得模块710、处理模块720以及第一通信模块、第二通信模块中的至少一个可以实现为参考图12描述的计算机程序模块,其在被处理器1210执行时,可以实现上面描述的相应操作。
本公开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可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
尽管已经参照本公开的特定示例性实施例示出并描述了本公开,但是本领域技术人员应该理解,在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下,可以对本公开进行形式和细节上的多种改变。因此,本公开的范围不应该限于上述实施例,而是应该不仅由所附权利要求来进行确定,还由所附权利要求的等同物来进行限定。

Claims (10)

1.一种图像处理方法,包括:
获得第一图像,所述第一图像中包括第一人脸,所述第一图像是通过移动终端的摄像头针对第一用户所采集的图像,所述第一人脸对应于所述第一用户;
分析以及处理所述第一图像,生成包括第二人脸的第二图像,所述第二人脸对应于所述第一用户,
其中,所述第二人脸的比例关系相对于所述第一人脸的比例关系更接近于标准比例关系。
2.根据权利要求1所述的方法,其中,所述分析以及处理所述第一图像包括:
识别所述第一图像的第一人脸;
确定从所述第一图像中所能够提取的针对所述第一人脸的参数项;
如果所述第一人脸的参数项满足预定条件,则基于所述第一人脸的参数项分析所述第一人脸,
如果所述第一人脸的参数项不满足所述预定条件,则基于所述第一人脸的参数项处理所述第一人脸以使得处理后的第一人脸的参数项满足所述预定条件。
3.根据权利要求1所述的方法,其中,所述基于所述第一人脸的参数项分析所述第一人脸包括:
基于第一类参数项的参数值以及比例标准模型确定符合所述第一人脸的标准比例标记点,其中,所述第一类参数项的参数值表征所述第一人脸的脸长和/或脸宽。
4.根据权利要求3所述的方法,其中,所述分析以及处理所述第一图像还包括:
基于第二类参数项的参数值以及所述标准比例标记点自动调整所述第二类参数项中至少一个第二类参数项的参数值,以使得所述调整后的第二类参数项的参数值接近于所述标准比例的标记点,其中,所述第二类参数项的参数值表征第一人脸的面部对象的尺寸和/或位置。
5.根据权利要求4所述的方法,其中,所述生成包括第二人脸的第二图像包括:
将调整了所述第二类参数项的参数值的第一图像作为所述第二图像。
6.根据权利要求2或4所述的方法,其中,所述分析以及处理所述第一图像还包括:
基于第三类参数项的参数值获得与所述第三类参数项的参数值对应的美颜模板,其中,所述第三类参数项的参数值表征所述第一人脸的脸形。
7.根据权利要求6所述的方法,所述分析以及处理所述第一图像还包括:
基于美颜模板中所包括的面部对象的标准参数值以及所述第一图像用于表征面部对象的第四类参数项的当前参数值,调整所述第四类参数项的参数值,以使得所述调整后的第四类参数项的参数值接近于所述标准参数值,
其中,所述第四类参数项的参数值表征所述第一人脸的面部对象的样式。
8.根据权利要求7所述的方法,其中,所述生成包括第二人脸的第二图像包括:
将调整了所述第四类参数项的参数值的第一图像作为所述第二图像。
9.根据权利要求6所述的方法,所述美颜模板为多个,所述美颜模板为通过自学习多张包括不同脸型的人脸的图像智能计算得出的模板,
所述方法还包括:
连接云端服务器,用于获得所述美颜模板,所述云端服务器包括人工智能引擎,所述人工智能引擎用于实时读取包含有人脸的图像进行智能学习从而不断更新所述美颜模板,
或者,
所述方法还包括:
连接云端服务器,用于自动获得包含有人脸的图像,
通过人工智能引擎对所述自动获得包含有人脸的图像进行智能学习从而不断更新所述美颜模板。
10.一种电子设备,包括:
图像采集装置;
处理器;
存储器,其上存储有计算机可读指令,所述指令被处理器执行时,使得所述处理器:
获得第一图像,所述第一图像中包括第一人脸,所述第一图像是通过移动终端的摄像头针对第一用户所采集的图像,所述第一人脸对应于所述第一用户;
分析以及处理所述第一图像,生成包括第二人脸的第二图像,所述第二人脸对应于所述第一用户,
其中,所述第二人脸的比例关系相对于所述第一人脸的比例关系更接近于标准比例关系。
CN201811213532.8A 2018-10-17 2018-10-17 图像处理方法和电子设备 Pending CN109325929A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811213532.8A CN109325929A (zh) 2018-10-17 2018-10-17 图像处理方法和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811213532.8A CN109325929A (zh) 2018-10-17 2018-10-17 图像处理方法和电子设备

Publications (1)

Publication Number Publication Date
CN109325929A true CN109325929A (zh) 2019-02-12

Family

ID=65262788

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811213532.8A Pending CN109325929A (zh) 2018-10-17 2018-10-17 图像处理方法和电子设备

Country Status (1)

Country Link
CN (1) CN109325929A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110956595A (zh) * 2019-11-29 2020-04-03 广州酷狗计算机科技有限公司 一种人脸美型处理的方法、装置、系统及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103605975A (zh) * 2013-11-28 2014-02-26 小米科技有限责任公司 一种图像处理的方法、装置及终端设备
CN103632165A (zh) * 2013-11-28 2014-03-12 小米科技有限责任公司 一种图像处理的方法、装置及终端设备
US20140369554A1 (en) * 2013-06-18 2014-12-18 Nvidia Corporation Face beautification system and method of use thereof
CN107832784A (zh) * 2017-10-27 2018-03-23 维沃移动通信有限公司 一种图像美化的方法和一种移动终端
CN108550185A (zh) * 2018-05-31 2018-09-18 Oppo广东移动通信有限公司 人脸美化处理方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140369554A1 (en) * 2013-06-18 2014-12-18 Nvidia Corporation Face beautification system and method of use thereof
CN103605975A (zh) * 2013-11-28 2014-02-26 小米科技有限责任公司 一种图像处理的方法、装置及终端设备
CN103632165A (zh) * 2013-11-28 2014-03-12 小米科技有限责任公司 一种图像处理的方法、装置及终端设备
CN107832784A (zh) * 2017-10-27 2018-03-23 维沃移动通信有限公司 一种图像美化的方法和一种移动终端
CN108550185A (zh) * 2018-05-31 2018-09-18 Oppo广东移动通信有限公司 人脸美化处理方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
任嬿如 等: "《影视艺术基础知识概览》", 28 February 2017 *
洪玲 等: "《职业形象塑造》", 31 January 2016 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110956595A (zh) * 2019-11-29 2020-04-03 广州酷狗计算机科技有限公司 一种人脸美型处理的方法、装置、系统及存储介质
CN110956595B (zh) * 2019-11-29 2023-11-24 广州酷狗计算机科技有限公司 一种人脸美型处理的方法、装置、系统及存储介质

Similar Documents

Publication Publication Date Title
US10479109B2 (en) Automatic facial makeup method
CN109583285B (zh) 对象识别方法
CN105184249B (zh) 用于人脸图像处理的方法和装置
CN108305312B (zh) 3d虚拟形象的生成方法和装置
CN101779218B (zh) 化妆模拟系统及其化妆模拟方法
US10559062B2 (en) Method for automatic facial impression transformation, recording medium and device for performing the method
CN109690617A (zh) 用于数字化妆镜的系统和方法
CN106327482B (zh) 一种基于大数据的面部表情的重建方法及装置
US10789748B2 (en) Image processing device, image processing method, and non-transitory computer-readable recording medium storing image processing program
US8976182B2 (en) Facial sketch creation device, configuration information generation device, configuration information generation method, and storage medium
KR102193638B1 (ko) 헤어 스타일 시뮬레이션 서비스를 제공하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
CN108765268A (zh) 一种辅助化妆方法、装置及智能镜
KR20090098798A (ko) 비디오 이미지들의 시퀀스의 가상 시뮬레이션을 위한 방법 및 디바이스
CN109086798A (zh) 一种数据标注方法和标注装置
EP3992919B1 (en) Three-dimensional facial model generation method and apparatus, device, and medium
JP2001109913A (ja) 画像処理装置および画像処理方法ならびに画像処理プログラムを記録した記録媒体
CN110956071B (zh) 眼部关键点的标注及其检测模型的训练方法和装置
CN108463823A (zh) 一种用户头发模型的重建方法、装置及终端
CN108093174A (zh) 拍照设备的构图方法、装置和拍照设备
US11562536B2 (en) Methods and systems for personalized 3D head model deformation
KR20230110787A (ko) 개인화된 3d 머리 및 얼굴 모델들을 형성하기 위한 방법들 및 시스템들
CN116648733A (zh) 用于从面部图像提取颜色的方法和系统
US20200126314A1 (en) Method and system of automated facial morphing for eyebrow hair and face color detection
CN109325929A (zh) 图像处理方法和电子设备
CN108833772A (zh) 基于深度相机的拍照引导系统及方法

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