CN110084763B - 图像修复方法、装置、计算机设备和存储介质 - Google Patents
图像修复方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110084763B CN110084763B CN201910354268.8A CN201910354268A CN110084763B CN 110084763 B CN110084763 B CN 110084763B CN 201910354268 A CN201910354268 A CN 201910354268A CN 110084763 B CN110084763 B CN 110084763B
- Authority
- CN
- China
- Prior art keywords
- image
- area
- distance
- determining
- magnification
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000011521 glass Substances 0.000 claims abstract description 63
- 208000001491 myopia Diseases 0.000 claims abstract description 50
- 230000004379 myopia Effects 0.000 claims abstract description 40
- 230000001815 facial effect Effects 0.000 claims description 54
- 210000001508 eye Anatomy 0.000 claims description 23
- 230000003321 amplification Effects 0.000 claims description 21
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 21
- 238000007499 fusion processing Methods 0.000 claims description 16
- 230000005484 gravity Effects 0.000 claims description 6
- 210000001747 pupil Anatomy 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 210000005252 bulbus oculi Anatomy 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 238000005192 partition Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 210000000744 eyelid Anatomy 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
Abstract
本公开是关于一种图像修复方法、装置、计算机设备和存储介质，涉及图像处理技术领域。所述方法包括：获取目标图像中眼镜镜片对应的区域图像；基于区域图像，确定区域图像对应的面部区域与眼镜镜片之间的距离；基于距离和眼镜镜片对应的近视度数，确定区域图像对应的放大倍数；基于放大倍数，对区域图像进行修复处理，得到修复图像，将目标图像中的区域图像替换为修复图像。采用本公开，在拍摄佩戴了近视镜的人脸之后，可以基于区域图像对应的放大倍数，对得到的眼镜镜片对应的区域图像进行修复处理，以去除原始的区域图像中的背景信息。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及一种图像修复方法、装置、计算机设备和存储介质。
背景技术
一般的近视镜的镜片是凹透镜，在拍摄人脸时，对于佩戴了近视镜的用户，光线无法穿过凹透镜沿直线传播，实际会在穿过凹透镜时发生折射。由于光线发生了折射，拍摄的人脸图像的镜片图像区域中的图像会缩小，一些不需要的背景信息也会包括在其中。
相关技术中，为了去除镜片图像区域中的背景信息，可以通过修图软件(如Photoshop软件)，手动将背景信息替换为人脸的皮肤图像，以达到去除背景信息的目的。
通过上述方式去除背景信息，不仅耗时耗力，而且简单地将背景信息替换为人脸的皮肤图像也会使得替换后的人脸图像显得不合理。
发明内容
本公开提供一种图像修复方法和装置，能够去除镜片图像区域中的背景信息。
根据本公开实施例的第一方面，提供一种图像修复方法，包括：
获取目标图像中眼镜镜片对应的区域图像；
基于所述区域图像，确定所述区域图像对应的面部区域与眼镜镜片之间的距离；
基于所述距离和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数；
基于所述放大倍数，对所述区域图像进行修复处理，得到修复图像，将所述目标图像中的所述区域图像替换为所述修复图像。
可选地，所述基于所述区域图像，确定所述区域图像对应的面部区域与眼镜镜片之间的距离，包括：
基于所述区域图像，确定所述区域图像对应的各面部点与眼镜镜片之间的距离，其中，所述面部点与眼镜镜片之间的距离是所述面部点与眼镜镜片对应的参考平面之间的距离，所述参考平面是经过眼镜镜片的重心且与瞳孔中轴线垂直的平面。
可选地，所述基于所述距离和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数，包括：
确定所述区域图像对应的每个面部点与眼镜镜片之间的距离的平均值，基于所述平均值和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数。
可选地，所述基于所述放大倍数，对所述区域图像进行修复处理，得到修复图像，包括：
基于所述放大倍数，对所述区域图像进行放大处理，得到放大后的区域图像；
将所述放大后的区域图像中超出放大前的区域图像的范围的图像部分删除，得到修复图像。
可选地，所述基于所述平均值和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数，包括：
基于公式
确定所述区域图像对应的放大倍数，其中，λ为所述区域图像对应的放大倍数，x为所述平均值，D为所述眼镜镜片对应的近视度数。
可选地，所述基于所述距离和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数，包括：
在所述区域图像中确定多个划分区域；
对于每个划分区域，确定所述划分区域对应的每个面部点与眼镜镜片之间的距离的平均值，基于所述平均值和所述眼镜镜片对应的近视度数，确定所述划分区域对应的放大倍数。
可选地，所述基于所述放大倍数，对所述区域图像进行修复处理，得到修复图像，包括：
基于各划分区域对应的放大倍数，分别对每个划分区域进行放大，基于每个划分区域放大后的图像，确定修复图像。
可选地，所述基于各划分区域对应的放大倍数，分别对每个划分区域进行放大，基于每个划分区域放大后的图像，确定修复图像，包括：
基于所述各划分区域对应的放大倍数，在保持划分区域中心位置不变的状态下，分别对每个划分区域进行放大，得到各划分区域放大后的图像；
对各划分区域放大后的图像中的重叠部分进行融合处理，得到各划分区域放大后的图像的组合图像；
将所述组合图像中超出放大前的区域图像的范围的图像部分删除，得到修复图像。
可选地，所述基于所述平均值和所述眼镜镜片对应的近视度数，确定所述划分区域对应的放大倍数，包括：
基于公式
确定所述划分区域对应的放大倍数，其中，λ为所述划分区域对应的放大倍数，x为所述平均值，D为所述眼镜镜片对应的近视度数。
可选地，所述基于所述区域图像，确定所述区域图像对应的各面部点与眼镜镜片之间的距离，包括：
在所述区域图像中，确定预设的多种面部特征点对应的像素点，作为参考像素点，其中，所述多种面部特征点包括内眼角点、外眼角点和眼球中心点；
基于所述区域图像中每两个相邻的参考像素点之间连线上的像素点数目，以及预存的每种面部特征点与眼镜镜片之间的距离，确定每两个相邻的参考像素点之间连线上的每个像素点对应的面部点与眼镜镜片之间的距离；
根据每种面部特征点与眼镜镜片之间的距离，以及所述每两个相邻的参考像素点之间连线上的每个像素点对应的面部点与眼镜镜片之间的距离，确定所述区域图像中其他像素点对应的面部点与眼镜镜片之间的距离。
可选地，所述将所述目标图像中的所述区域图像替换为所述修复图像之前，还包括：
获取所述修复图像中与所述修复图像的图像边界之间的距离在预设距离阈值之内的像素点组成的第一边界图像；
获取所述区域图像中与所述区域图像的图像边界之间的距离在所述预设距离阈值之内的像素点组成的第二边界图像；
将所述第一边界图像和所述第二边界图像进行融合处理，得到第三边界图像；
将所述修复图像中的所述第一边界图像替换为所述第三边界图像，得到边界图像替换处理后的修复图像；
所述将所述目标图像中的所述区域图像替换为所述修复图像，包括：
将所述目标图像中的所述区域图像替换为所述边界图像替换处理后的修复图像。
根据本公开实施例的第二方面，提供一种图像修复装置，包括：
获取模块，被配置为获取目标图像中眼镜镜片对应的区域图像；
确定模块，被配置为基于所述区域图像，确定所述区域图像对应的面部区域与眼镜镜片之间的距离；基于所述距离和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数；
修复模块，被配置为基于所述放大倍数，对所述区域图像进行修复处理，得到修复图像，将所述目标图像中的所述区域图像替换为所述修复图像。
可选地，所述确定模块，被配置为：
基于所述区域图像，确定所述区域图像对应的各面部点与眼镜镜片之间的距离，其中，所述面部点与眼镜镜片之间的距离是所述面部点与眼镜镜片对应的参考平面之间的距离，所述参考平面是经过眼镜镜片的重心且与瞳孔中轴线垂直的平面。
可选地，所述确定模块，被配置为：
确定所述区域图像对应的每个面部点与眼镜镜片之间的距离的平均值，基于所述平均值和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数。
可选地，所述修复模块，被配置为：
基于所述放大倍数，对所述区域图像进行放大处理，得到放大后的区域图像；
将所述放大后的区域图像中超出放大前的区域图像的范围的图像部分删除，得到修复图像。
可选地，所述确定模块，被配置为：
基于公式
确定所述区域图像对应的放大倍数，其中，λ为所述区域图像对应的放大倍数，x为所述平均值，D为所述眼镜镜片对应的近视度数。
可选地，所述确定模块，被配置为：
在所述区域图像中确定多个划分区域；
对于每个划分区域，确定所述划分区域对应的每个面部点与眼镜镜片之间的距离的平均值，基于所述平均值和所述眼镜镜片对应的近视度数，确定所述划分区域对应的放大倍数。
可选地，所述修复模块，被配置为：
基于各划分区域对应的放大倍数，分别对每个划分区域进行放大，基于每个划分区域放大后的图像，确定修复图像。
可选地，所述修复模块，被配置为：
基于所述各划分区域对应的放大倍数，在保持划分区域中心位置不变的状态下，分别对每个划分区域进行放大，得到各划分区域放大后的图像；
对各划分区域放大后的图像中的重叠部分进行融合处理，得到各划分区域放大后的图像的组合图像；
将所述组合图像中超出放大前的区域图像的范围的图像部分删除，得到修复图像。
可选地，所述确定模块，被配置为：
基于公式
确定所述划分区域对应的放大倍数，其中，λ为所述划分区域对应的放大倍数，x为所述平均值，D为所述眼镜镜片对应的近视度数。
可选地，所述确定模块，被配置为：
在所述区域图像中，确定预设的多种面部特征点对应的像素点，作为参考像素点，其中，所述多种面部特征点包括内眼角点、外眼角点和眼球中心点；
基于所述区域图像中每两个相邻的参考像素点之间连线上的像素点数目，以及预存的每种面部特征点与眼镜镜片之间的距离，确定每两个相邻的参考像素点之间连线上的每个像素点对应的面部点与眼镜镜片之间的距离；
根据每种面部特征点与眼镜镜片之间的距离，以及所述每两个相邻的参考像素点之间连线上的每个像素点对应的面部点与眼镜镜片之间的距离，确定所述区域图像中其他像素点对应的面部点与眼镜镜片之间的距离。
可选地，所述修复模块，被配置为：
获取所述修复图像中与所述修复图像的图像边界之间的距离在预设距离阈值之内的像素点组成的第一边界图像；
获取所述区域图像中与所述区域图像的图像边界之间的距离在所述预设距离阈值之内的像素点组成的第二边界图像；
将所述第一边界图像和所述第二边界图像进行融合处理，得到第三边界图像；
将所述修复图像中的所述第一边界图像替换为所述第三边界图像，得到边界图像替换处理后的修复图像；
将所述目标图像中的所述区域图像替换为所述边界图像替换处理后的修复图像。
根据本公开实施例的第三方面，提供一种计算机设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行本公开实施例第一方面提供的图像修复方法。
根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由计算机设备的处理器执行时，使得所述计算机设备能够执行本公开实施例第一方面提供的图像修复方法。
根据本公开实施例的第五方面，提供一种应用程序，包括：
获取目标图像中眼镜镜片对应的区域图像；
基于所述区域图像，确定所述区域图像对应的面部区域与眼镜镜片之间的距离；
基于所述距离和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数；
基于所述放大倍数，对所述区域图像进行修复处理，得到修复图像，将所述目标图像中的所述区域图像替换为所述修复图像。
本公开的实施例提供的技术方案可以包括以下有益效果：
通过本公开实施例提供的方法，可以获取目标图像中眼镜镜片对应的区域图像；基于区域图像，确定区域图像对应的面部区域与眼镜镜片之间的距离；基于距离和眼镜镜片对应的近视度数，确定区域图像对应的放大倍数；基于放大倍数，对区域图像进行修复处理，得到修复图像，将目标图像中的区域图像替换为修复图像。在拍摄佩戴了近视镜的人脸之后，可以基于区域图像对应的放大倍数，对得到的眼镜镜片对应的区域图像进行修复处理，以去除原始的区域图像中的背景信息。通过这样的方式，无需手动将背景信息替换为人脸的皮肤图像，提高了操作效率，同时根据凹透镜成像原理，具体确定区域图像对应的放大倍数，基于区域图像对应的放大倍数，对区域图像进行修复处理，使得修复后的图像在视觉效果上显得更加合理。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种图像修复方法的流程图；
图2是根据一示例性实施例示出的一种眼镜镜片对应的区域图像的示意图；
图3是根据一示例性实施例示出的一种眼镜镜片对应的区域图像的示意图；
图4是根据一示例性实施例示出的一种区域图像的深度图；
图5是根据一示例性实施例示出的一种凹透镜成像原理示意图；
图6是根据一示例性实施例示出的图像修复示意图；
图7是根据一示例性实施例示出的一种图像修复装置框图；
图8是根据一示例性实施例示出的一种计算机设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种图像修复方法的流程图，如图1所示，图像修复方法用于计算机设备中，包括以下步骤。
在步骤S110中，获取目标图像中眼镜镜片对应的区域图像。
在实施中，一般的近视镜的镜片是凹透镜，在拍摄人脸时，对于佩戴了近视镜的用户，光线无法穿过凹透镜沿直线传播，实际会在穿过凹透镜时发生折射。由于光线发生了折射，拍摄的人脸图像的镜片图像区域中的图像会包括背景信息，然而背景信息不是所需的信息，需要将其去除。如图2所示，图2中眼镜镜片对应的区域图像发生变形，区域图像为正常图像的缩小图像，缩小图像将不需要的背景信息也都缩入进行显示。
在去除背景信息的过程中，首先可以获取输入的目标图像，在目标图像中可以包括佩戴了近视镜的用户的图像。接着可以识别目标图像中眼镜镜片对应的区域图像。眼镜镜片对应的区域图像可以包括两部分，即左镜片对应的区域图像和右镜片对应的区域图像。在一种可能的实现方式中，例如对图2中眼镜镜片对应的区域图像进行识别，得到图3的识别结果。其中，阴影部分为眼镜镜片外部对应的区域图像，空白部分为眼镜镜片对应的区域图像。
可以基于图像颜色空间算法，对目标图像中眼镜镜片对应的区域图像进行识别。具体可以根据目标图像的灰度信息或者色彩信息，确定眼镜框对应的位置信息，同时还可以基于眼镜镜片通用形状，对眼镜框对应的区域图像进行拟合，最终确定眼镜镜片对应的区域图像。除了上述方法之外，还可以对大量的包括眼镜的训练图像进行眼镜镜片的标注，再基于标注后的训练图像对神经网络进行训练，得到训练好的神经网络，该训练好的神经网络可以用于识别任一给定的图像中眼镜镜片对应的区域图像。
在步骤S120中，基于区域图像，确定区域图像对应的面部区域与眼镜镜片之间的距离。
在实施中，由于区域图像为正常图像的缩小图像，因此后续可以对区域图像进行插值，以将区域图像放大得到正常图像。根据凹透镜成像的原理，在凹透镜对应的区域图像中，离镜面远的实物点组成的图像被缩小的更为严重，相应地在对这部分图像进行放大时采用的放大倍数较大，离镜面较近的实物点组成的图像被缩小的较小，相应地在对这部分图像进行放大时采用的放大倍数较小。
据上所述，对区域图像的各部分进行放大的放大倍数是由面部区域中的各面部点和眼镜镜片之间的距离确定的。因此，在确定对区域图像的各部分进行放大的放大倍数之前，可以先确定面部区域中的各面部点和眼镜镜片之间的距离。具体可以通过对区域图像进行相关处理，确定面部区域中的各面部点和眼镜镜片之间的距离。
在实际应用中，可以对大量的眼镜镜片对应的区域图像中各像素点的深度进行标注，再基于标注后的区域图像对神经网络进行训练，得到训练好的神经网络，该训练好的神经网络可以用于识别任一给定的区域图像中各像素点的深度。因此，可以将区域图像输入到训练好的神经网络中，训练好的神经网络输出该区域图像中各像素点的深度。如图4所示，将图2的图像输入到训练好的神经网络中，训练好的神经网络可以输出该图像对应的深度图。接着可以基于区域图像中各像素点的深度和相机的标定参数，确定面部区域中的各面部点和眼镜镜片之间的距离。
除了上述方法之外，还可以在区域图像中，确定预设的多种面部特征点对应的像素点，作为参考像素点，其中，多种面部特征点包括内眼角点、外眼角点、眼球中心点；基于区域图像中每两个相邻的参考像素点之间连线上的像素点数目，以及预存的每种面部特征点与眼镜镜片之间的距离，确定每两个相邻的参考像素点之间连线上的每个像素点对应的面部点与眼镜镜片之间的距离；根据每种面部特征点与眼镜镜片之间的距离，以及每两个相邻的参考像素点之间连线上的每个像素点对应的面部点与眼镜镜片之间的距离，确定区域图像中其他像素点对应的面部点与眼镜镜片之间的距离。
在实施中，外眼角点和眼球中心点为相邻的面部特征点，眼球中心点和内眼角点为相邻的面部特征点。相邻的面部特征点对应的参考像素点为相邻的参考像素点。在实际应用中，还可以根据具体需要，选择其他具有特征的面部特征点进行标注，不限制于前面提供的三种面部特征点。
可以标注内眼角点、外眼角点、眼球中心点这些面部特征点和眼镜镜片之间的距离，例如眼球中心点和眼镜镜片之间的距离为3cm，外眼角点和眼镜镜片之间的距离为1cm等，标注的距离可以是经验值。
可以在区域图像中识别这些面部特征点对应的参考像素点，接着可以检测每两个相邻的参考像素点之间的距离，例如可以检测眼球中心点和外眼角点对应的参考像素点之间线段的距离，该距离可以表示为线段上的像素点数目。假如外眼角点和眼镜镜片之间的距离为3cm，眼球中心点和眼镜镜片之间的距离为1cm，眼球中心点和外眼角点对应的参考像素点之间连线上的像素点数目为9，眼球中心点和眼镜镜片距离较近，外眼角点和眼镜镜片距离较远，但是眼球中心点和外眼角点之间的面部区域是一个弧面，即从眼球中心点至外眼角点之间的面部点和眼镜镜片之间的距离逐渐增加。这样，设眼球中心点为第1点，设外眼角点为第11点，它们之间存在9个面部点。可以将第2点至第10点和眼镜镜片之间的距离依次确定为1.2cm、1.4cm、1.6cm、1.8cm、2.0cm、2.2cm、2.4cm、2.6cm、2.8cm。可以基于上述方法，确定每两个相邻的参考像素点之间连线上的每个像素点对应的面部点与眼镜镜片之间的距离。
最后，对于每两个相邻的参考像素点之间连线上的全部像素点和全部参考像素点中的每个像素点，可以将区域图像中经过像素点的纵向直线上其它像素点对应的面部点与眼镜镜片之间的距离，确定为像素点对应的面部点与眼镜镜片之间的距离。在确定出各参考像素点以及每两个相邻的参考像素点之间连线上的全部像素点对应的面部点和眼镜镜片之间的距离之后，可以近似认为和上述像素点处于同一纵向直线上的各其他像素点和上述像素点对应的面部点和眼镜镜片之间的距离相等。这样可以将区域图像中经过像素点的纵向直线上其它像素点对应的面部点与眼镜镜片之间的距离，确定为像素点对应的面部点与眼镜镜片之间的距离。例如，和外眼角点对应的像素点处于同一纵向直线上的各其他像素点对应的面部点与眼镜镜片之间的距离也可以设置为3cm。最终可以获得面部区域中所有面部点与眼镜镜片之间的距离。
再或者，还可以将和像素点A处于同一纵向直线上的且和像素点A之间的距离在预设距离阈值之内的像素点对应的面部点和眼镜镜片之间的距离，确定为像素点A对应的面部点和眼镜镜片之间的距离。例如，像素点A对应的面部点为眼球中心点，可以认为和像素点A处于同一纵向直线上的且和像素点A之间的距离在预设距离阈值之内的像素点对应的面部点和眼镜镜片之间的距离，等于像素点A对应的面部点和眼镜镜片之间的距离。即可以认为和眼球中心点处于同一纵向直线上的眼球中的每个点和眼镜镜片之间的距离，等于眼球中心点和眼镜镜片之间的距离。和眼球中心点处于同一纵向直线上的眼球之外的点如眼皮上的点和眼镜镜片之间的距离，小于眼球中心点和眼镜镜片之间的距离，其差值可以通过查表确定。例如，查表确定各参考像素点以及每两个相邻的参考像素点之间连线上的任一像素点A对应的差值，接着，可以将眼球中心点和眼镜镜片之间的距离减去上述差值所得的结果，确定为眼皮上的点和眼镜镜片之间的距离。
在步骤S130中，基于距离和眼镜镜片对应的近视度数，确定区域图像对应的放大倍数。
在实施中，计算机设备可以基于区域图像，确定区域图像对应的各面部点与眼镜镜片之间的距离。其中，面部点与眼镜镜片之间的距离是面部点与眼镜镜片对应的参考平面之间的距离，参考平面是经过眼镜镜片的重心且与瞳孔中轴线垂直的平面。
计算机设备可以确定区域图像对应的所有面部点和眼镜镜片之间的距离的平均值，基于该平均值，确定放大倍数，并进行修复。具体可以确定区域图像对应的每个面部点与眼镜镜片之间的距离的平均值，基于平均值和眼镜镜片对应的近视度数，确定区域图像对应的放大倍数。基于放大倍数，对区域图像进行放大处理，得到放大后的区域图像，将放大后的区域图像中超出放大前的区域图像的范围的图像部分删除，得到修复图像。
基于平均值和眼镜镜片对应的近视度数，确定区域图像对应的放大倍数的步骤可以包括：基于公式
确定区域图像对应的放大倍数，其中，λ为区域图像对应的放大倍数，x为平均值，D为眼镜镜片对应的近视度数。
由于面部区域包括的面部点的数量较为庞大，因此可以对面部点进行分区，确定每个分区对应的距离，基于每个分区对应的距离，确定每个分区对应的放大倍数，这样计算量可以被大大降低，同时修复的效果佳。具体可以在区域图像中确定多个划分区域，对于每个划分区域，确定划分区域对应的每个面部点与眼镜镜片之间的距离的平均值，基于平均值和眼镜镜片对应的近视度数，确定划分区域对应的放大倍数。
可以将连续的和眼镜镜片之间的距离相近的多个面部点划分到同一划分区域中。对于同一划分区域，可以将划分区域中包括的各面部点和眼镜镜片之间的距离进行加和，取加和所得结果的平均值，将平均值作为该划分区域与眼镜镜片之间的距离。最后，计算机设备可以基于各划分区域对应的放大倍数，分别对每个划分区域进行放大，基于每个划分区域放大后的图像，确定修复图像。
可选地，步骤S130可以包括：基于公式
确定划分区域对应的放大倍数。其中，λ为划分区域对应的放大倍数，x为平均值，D为眼镜镜片对应的近视度数。
在实施中，如图5所示，中间的眼镜镜片为凹透镜，h为正常图像，h’为凹透镜成像，f为凹透镜的焦距，x为正常图像对应的面部点与眼镜镜片之间的距离，x’为凹透镜成像对应的面部点与眼镜镜片之间的距离。对于眼镜镜片来说，眼镜镜片对应的近视度数D和眼镜镜片的焦距f之间的对应关系可以表示为
如果D＝50度，则f＝2m。如果D＝1000度，则f＝0.1m。眼镜镜片的焦点和眼镜镜片之间的距离要远大于面部点到眼镜镜片之间的距离。根据图5，可以利用几何关系求得正常图像h的表达式：
本公开实施例中所述的放大倍数可以通过
求得。因此，可以根据凹透镜成像对应的面部点与眼镜镜片之间的距离、以及眼镜镜片对应的近视度数，求解放大倍数。
在步骤S140中，基于放大倍数，对区域图像进行修复处理，得到修复图像，将目标图像中的区域图像替换为修复图像。
在实施中，可以基于放大倍数，对缩小的区域图像进行插值放大，以去除区域图像的背景信息。如果区域图像中包括多个划分区域，可以基于每个划分区域对应的放大倍数，分别对各划分区域进行修复处理，得到修复图像，将目标图像中的区域图像替换为修复图像。例如，存在3个划分区域，第1个划分区域对应的放大倍数为1.01，第2个划分区域对应的放大倍数为1.04，第3个划分区域对应的放大倍数为1.03，可以分别将这些划分区域按照对应的放大倍数进行插值放大。在进行插值放大的过程中，可以将划分区域的中心点固定不动，向划分区域的外围进行扩展。
可选地，基于各划分区域对应的放大倍数，分别对每个划分区域进行放大，基于每个划分区域放大后的图像，确定修复图像的步骤可以包括：基于各划分区域对应的放大倍数，在保持划分区域中心位置不变的状态下，分别对每个划分区域进行放大，得到各划分区域放大后的图像；对各划分区域放大后的图像中的重叠部分进行融合处理，得到各划分区域放大后的图像的组合图像；将组合图像中超出放大前的区域图像的范围的图像部分删除，得到修复图像。
在实施中，由于不同划分区域之间的边界是同一条直线，在对其中一个划分区域进行插值放大时，插值放大后的划分区域的边界会进入到其他划分区域内部，此时可以确定插值放大后的划分区域和其他划分区域之间的重叠部分，对重叠部分进行融合处理。首先，可以保持划分区域中心位置不变，接着，可以在保持划分区域中心位置不变的状态下，基于各划分区域对应的放大倍数，分别对每个划分区域进行放大，得到各划分区域放大后的图像。随后，可以对各划分区域放大后的图像中的重叠部分进行融合处理，例如，将重叠部分的像素值相加再除以2得到新的像素值，将新的像素值作为对应融合后的像素点的像素值。最后，将各划分区域放大后的图像的组合图像中超出放大前的区域图像的范围的图像部分删除，得到修复图像。
除了上述方式之外，还可以选定划分区域中放大倍数最小的划分区域A，先对划分区域A进行放大，在对划分区域A进行放大时，可以将与其相邻的划分区域向外移动，以为划分区域A放大后多出来的部分留存空间。接着，可以参照上述方式对放大倍数比划分区域A大的划分区域B进行放大，可以将划分区域B按照其对应的放大倍数进行放大，继而可以确定划分区域B的放大系数和划分区域A的放大系数之间的差值，将放大后的划分区域B中超过上述差值倍数的划分区域B的部分进行删除。这样放大后的划分区域A和放大后的划分区域B之间相邻的边界依然可以对齐。如果还存在其他划分区域，可以继续参照对划分区域B的处理方式，对其他划分区域进行处理，直到处理完所有的划分区域。
在对区域图像进行放大处理时，可以将区域图像的中心点固定不动，向区域图像的外围进行扩展。在对区域图像进行放大处理之后，其边界会延伸到眼镜镜片外部，可以将延伸到外部的图像部分删除，只保留在眼镜镜片内部的放大后的区域图像。对图2进行去变形处理后，可以得到如图6所示的修复图像。
可选地，将目标图像中的区域图像替换为图像修复步骤可以包括：获取修复图像中与图像边界之间的距离在预设距离阈值之内的像素点组成的第一边界图像；获取放大前的区域图像中与图像边界之间的距离在预设距离阈值之内的像素点组成的第二边界图像；将第一边界图像和第二边界图像进行融合处理，得到第三边界图像；将修复图像中的第一边界图像替换为第三边界图像，得到边界图像替换处理后的修复图像；将目标图像中的区域图像替换为边界图像替换处理后的修复图像。
在实施中，在使用修复图像替换未进行修复处理的区域图像之后，为了使得眼镜框附近的边缘图像过渡更加自然，可以对边缘图像进行融合处理。具体可以获取修复图像中与修复图像的图像边界之间的距离在预设距离阈值之内的像素点组成的第一边界图像，同时还可以获取区域图像中与区域图像的图像边界之间的距离在预设距离阈值之内的像素点组成的第二边界图像。通过上述步骤，可以获取到图像修复边缘图像和未进行修复处理的区域图像的边缘图像。接着可以对第一边界图像和第二边界图像进行融合处理，具体可以将对应位置上的像素点的像素值相加再除以2，将得到的结果作为第三边界图像对应位置上的像素点的像素值。最后可以将修复图像中的第一边界图像替换为第三边界图像，得到边界图像替换处理后的修复图像，将目标图像中的区域图像替换为边界图像替换处理后的修复图像。
通过本公开实施例提供的方法，可以获取目标图像中眼镜镜片对应的区域图像；基于区域图像，确定区域图像对应的面部区域与眼镜镜片之间的距离；基于距离和眼镜镜片对应的近视度数，确定区域图像对应的放大倍数；基于放大倍数，对区域图像进行修复处理，得到修复图像，将目标图像中的区域图像替换为修复图像。在拍摄佩戴了近视镜的人脸之后，可以基于区域图像对应的放大倍数，对得到的眼镜镜片对应的区域图像进行修复处理，以去除原始的区域图像中的背景信息。通过这样的方式，无需手动将背景信息替换为人脸的皮肤图像，提高了操作效率，同时根据凹透镜成像原理，具体确定区域图像对应的放大倍数，基于区域图像对应的放大倍数，对区域图像进行修复处理，使得修复后的图像在视觉效果上显得更加合理。
图7是根据一示例性实施例示出的一种图像修复装置框图。参照图7，该装置包括获取模块710，确定模块720和修复模块730。
获取模块710，被配置为获取目标图像中眼镜镜片对应的区域图像；
确定模块720，被配置为基于所述区域图像，确定所述区域图像对应的面部区域与眼镜镜片之间的距离；基于所述距离和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数；
修复模块730，被配置为基于所述放大倍数，对所述区域图像进行修复处理，得到修复图像，将所述目标图像中的所述区域图像替换为所述修复图像。
可选地，所述确定模块720，被配置为：
基于所述区域图像，确定所述区域图像对应的各面部点与眼镜镜片之间的距离，其中，所述面部点与眼镜镜片之间的距离是所述面部点与眼镜镜片对应的参考平面之间的距离，所述参考平面是经过眼镜镜片的重心且与瞳孔中轴线垂直的平面。
可选地，所述确定模块720，被配置为：
确定所述区域图像对应的每个面部点与眼镜镜片之间的距离的平均值，基于所述平均值和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数。
可选地，所述修复模块730，被配置为：
基于所述放大倍数，对所述区域图像进行放大处理，得到放大后的区域图像；
将所述放大后的区域图像中超出放大前的区域图像的范围的图像部分删除，得到修复图像。
可选地，所述确定模块720，被配置为：
基于公式
确定所述区域图像对应的放大倍数，其中，λ为所述区域图像对应的放大倍数，x为所述平均值，D为所述眼镜镜片对应的近视度数。
可选地，所述确定模块720，被配置为：
在所述区域图像中确定多个划分区域；
对于每个划分区域，确定所述划分区域对应的每个面部点与眼镜镜片之间的距离的平均值，基于所述平均值和所述眼镜镜片对应的近视度数，确定所述划分区域对应的放大倍数。
可选地，所述修复模块730，被配置为：
基于各划分区域对应的放大倍数，分别对每个划分区域进行放大，基于每个划分区域放大后的图像，确定修复图像。
可选地，所述修复模块730，被配置为：
基于所述各划分区域对应的放大倍数，在保持划分区域中心位置不变的状态下，分别对每个划分区域进行放大，得到各划分区域放大后的图像；
对各划分区域放大后的图像中的重叠部分进行融合处理，得到各划分区域放大后的图像的组合图像；
将所述组合图像中超出放大前的区域图像的范围的图像部分删除，得到修复图像。
可选地，所述确定模块720，被配置为：
基于公式
确定所述划分区域对应的放大倍数，其中，λ为所述划分区域对应的放大倍数，x为所述平均值，D为所述眼镜镜片对应的近视度数。
可选地，所述确定模块720，被配置为：
在所述区域图像中，确定预设的多种面部特征点对应的像素点，作为参考像素点，其中，所述多种面部特征点包括内眼角点、外眼角点和眼球中心点；
基于所述区域图像中每两个相邻的参考像素点之间连线上的像素点数目，以及预存的每种面部特征点与眼镜镜片之间的距离，确定每两个相邻的参考像素点之间连线上的每个像素点对应的面部点与眼镜镜片之间的距离；
根据每种面部特征点与眼镜镜片之间的距离，以及所述每两个相邻的参考像素点之间连线上的每个像素点对应的面部点与眼镜镜片之间的距离，确定所述区域图像中其他像素点对应的面部点与眼镜镜片之间的距离。
可选地，所述修复模块730，被配置为：
获取所述修复图像中与所述修复图像的图像边界之间的距离在预设距离阈值之内的像素点组成的第一边界图像；
获取所述区域图像中与所述区域图像的图像边界之间的距离在所述预设距离阈值之内的像素点组成的第二边界图像；
将所述第一边界图像和所述第二边界图像进行融合处理，得到第三边界图像；
将所述修复图像中的所述第一边界图像替换为所述第三边界图像，得到边界图像替换处理后的修复图像；
将所述目标图像中的所述区域图像替换为所述边界图像替换处理后的修复图像。
通过本公开实施例提供的装置，可以获取目标图像中眼镜镜片对应的区域图像；基于区域图像，确定区域图像对应的面部区域与眼镜镜片之间的距离；基于距离和眼镜镜片对应的近视度数，确定区域图像对应的放大倍数；基于放大倍数，对区域图像进行修复处理，得到修复图像，将目标图像中的区域图像替换为修复图像。在拍摄佩戴了近视镜的人脸之后，可以基于区域图像对应的放大倍数，对得到的眼镜镜片对应的区域图像进行修复处理，以去除原始的区域图像中的背景信息。通过这样的方式，无需手动将背景信息替换为人脸的皮肤图像，提高了操作效率，同时根据凹透镜成像原理，具体确定区域图像对应的放大倍数，基于区域图像对应的放大倍数，对区域图像进行修复处理，使得修复后的图像在视觉效果上显得更加合理。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图8示出了本公开一个示例性实施例提供的计算机设备1900的结构示意图。该计算机设备1900可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)1910和一个或一个以上的存储器1920。其中，所述存储器1920中存储有至少一条指令，所述至少一条指令由所述处理器1910加载并执行以实现上述实施例所述的图像修复方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1920，上述指令可由计算机设备1900的处理器1910执行以完成上述图像修复方法，该方法包括：获取目标图像中眼镜镜片对应的区域图像；基于区域图像，确定区域图像对应的面部区域与眼镜镜片之间的距离；基于距离和眼镜镜片对应的近视度数，确定区域图像对应的放大倍数；基于放大倍数，对区域图像进行修复处理，得到修复图像，将目标图像中的区域图像替换为修复图像。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种应用程序，包括一条或多条指令，该一条或多条指令可以由计算机设备1900的处理器1910执行，以完成上述图像修复方法，该方法包括：获取目标图像中眼镜镜片对应的区域图像；基于区域图像，确定区域图像对应的面部区域与眼镜镜片之间的距离；基于距离和眼镜镜片对应的近视度数，确定区域图像对应的放大倍数；基于放大倍数，对区域图像进行修复处理，得到修复图像，将目标图像中的区域图像替换为修复图像。可选地，上述指令还可以由计算机设备1900的处理器1910执行以完成上述示例性实施例中所涉及的其他步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (24)
1.一种图像修复方法，其特征在于，包括：
获取目标图像中眼镜镜片对应的区域图像；
基于所述区域图像，确定所述区域图像对应的面部区域与眼镜镜片之间的距离；
基于所述距离和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数；
基于所述放大倍数，对所述区域图像进行修复处理，得到修复图像，将所述目标图像中的所述区域图像替换为所述修复图像。
2.根据权利要求1所述的图像修复方法，其特征在于，所述基于所述区域图像，确定所述区域图像对应的面部区域与眼镜镜片之间的距离，包括：
基于所述区域图像，确定所述区域图像对应的各面部点与眼镜镜片之间的距离，其中，所述面部点与眼镜镜片之间的距离是所述面部点与眼镜镜片对应的参考平面之间的距离，所述参考平面是经过眼镜镜片的重心且与瞳孔中轴线垂直的平面。
3.根据权利要求2所述的图像修复方法，其特征在于，所述基于所述距离和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数，包括：
确定所述区域图像对应的每个面部点与眼镜镜片之间的距离的平均值，基于所述平均值和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数。
4.根据权利要求3所述的图像修复方法，其特征在于，所述基于所述放大倍数，对所述区域图像进行修复处理，得到修复图像，包括：
基于所述放大倍数，对所述区域图像进行放大处理，得到放大后的区域图像；
将所述放大后的区域图像中超出放大前的区域图像的范围的图像部分删除，得到修复图像。
5.根据权利要求3所述的图像修复方法，其特征在于，所述基于所述平均值和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数，包括：
基于公式
确定所述区域图像对应的放大倍数，其中，λ为所述区域图像对应的放大倍数，x为所述平均值，D为所述眼镜镜片对应的近视度数。
6.根据权利要求2所述的图像修复方法，其特征在于，所述基于所述距离和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数，包括：
在所述区域图像中确定多个划分区域；
对于每个划分区域，确定所述划分区域对应的每个面部点与眼镜镜片之间的距离的平均值，基于所述平均值和所述眼镜镜片对应的近视度数，确定所述划分区域对应的放大倍数。
7.根据权利要求6所述的图像修复方法，其特征在于，所述基于所述放大倍数，对所述区域图像进行修复处理，得到修复图像，包括：
基于各划分区域对应的放大倍数，分别对每个划分区域进行放大，基于每个划分区域放大后的图像，确定修复图像。
8.根据权利要求7所述的图像修复方法，其特征在于，所述基于各划分区域对应的放大倍数，分别对每个划分区域进行放大，基于每个划分区域放大后的图像，确定修复图像，包括：
基于所述各划分区域对应的放大倍数，在保持划分区域中心位置不变的状态下，分别对每个划分区域进行放大，得到各划分区域放大后的图像；
对各划分区域放大后的图像中的重叠部分进行融合处理，得到各划分区域放大后的图像的组合图像；
将所述组合图像中超出放大前的区域图像的范围的图像部分删除，得到修复图像。
9.根据权利要求6所述的图像修复方法，其特征在于，所述基于所述平均值和所述眼镜镜片对应的近视度数，确定所述划分区域对应的放大倍数，包括：
基于公式
确定所述划分区域对应的放大倍数，其中，λ为所述划分区域对应的放大倍数，x为所述平均值，D为所述眼镜镜片对应的近视度数。
10.根据权利要求2所述的图像修复方法，其特征在于，所述基于所述区域图像，确定所述区域图像对应的各面部点与眼镜镜片之间的距离，包括：
在所述区域图像中，确定预设的多种面部特征点对应的像素点，作为参考像素点，其中，所述多种面部特征点包括内眼角点、外眼角点和眼球中心点；
基于所述区域图像中每两个相邻的参考像素点之间连线上的像素点数目，以及预存的每种面部特征点与眼镜镜片之间的距离，确定每两个相邻的参考像素点之间连线上的每个像素点对应的面部点与眼镜镜片之间的距离；
根据每种面部特征点与眼镜镜片之间的距离，以及所述每两个相邻的参考像素点之间连线上的每个像素点对应的面部点与眼镜镜片之间的距离，确定所述区域图像中其他像素点对应的面部点与眼镜镜片之间的距离。
11.根据权利要求1所述的图像修复方法，其特征在于，所述将所述目标图像中的所述区域图像替换为所述修复图像之前，还包括：
获取所述修复图像中与所述修复图像的图像边界之间的距离在预设距离阈值之内的像素点组成的第一边界图像；
获取所述区域图像中与所述区域图像的图像边界之间的距离在所述预设距离阈值之内的像素点组成的第二边界图像；
将所述第一边界图像和所述第二边界图像进行融合处理，得到第三边界图像；
将所述修复图像中的所述第一边界图像替换为所述第三边界图像，得到边界图像替换处理后的修复图像；
所述将所述目标图像中的所述区域图像替换为所述修复图像，包括：
将所述目标图像中的所述区域图像替换为所述边界图像替换处理后的修复图像。
12.一种图像修复装置，其特征在于，包括：
获取模块，被配置为获取目标图像中眼镜镜片对应的区域图像；
确定模块，被配置为基于所述区域图像，确定所述区域图像对应的面部区域与眼镜镜片之间的距离；基于所述距离和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数；
修复模块，被配置为基于所述放大倍数，对所述区域图像进行修复处理，得到修复图像，将所述目标图像中的所述区域图像替换为所述修复图像。
13.根据权利要求12所述的图像修复装置，其特征在于，所述确定模块，被配置为：
基于所述区域图像，确定所述区域图像对应的各面部点与眼镜镜片之间的距离，其中，所述面部点与眼镜镜片之间的距离是所述面部点与眼镜镜片对应的参考平面之间的距离，所述参考平面是经过眼镜镜片的重心且与瞳孔中轴线垂直的平面。
14.根据权利要求13所述的图像修复装置，其特征在于，所述确定模块，被配置为：
确定所述区域图像对应的每个面部点与眼镜镜片之间的距离的平均值，基于所述平均值和所述眼镜镜片对应的近视度数，确定所述区域图像对应的放大倍数。
15.根据权利要求14所述的图像修复装置，其特征在于，所述修复模块，被配置为：
基于所述放大倍数，对所述区域图像进行放大处理，得到放大后的区域图像；
将所述放大后的区域图像中超出放大前的区域图像的范围的图像部分删除，得到修复图像。
16.根据权利要求14所述的图像修复装置，其特征在于，所述确定模块，被配置为：
基于公式
确定所述区域图像对应的放大倍数，其中，λ为所述区域图像对应的放大倍数，x为所述平均值，D为所述眼镜镜片对应的近视度数。
17.根据权利要求13所述的图像修复装置，其特征在于，所述确定模块，被配置为：
在所述区域图像中确定多个划分区域；
对于每个划分区域，确定所述划分区域对应的每个面部点与眼镜镜片之间的距离的平均值，基于所述平均值和所述眼镜镜片对应的近视度数，确定所述划分区域对应的放大倍数。
18.根据权利要求17所述的图像修复装置，其特征在于，所述修复模块，被配置为：
基于各划分区域对应的放大倍数，分别对每个划分区域进行放大，基于每个划分区域放大后的图像，确定修复图像。
19.根据权利要求18所述的图像修复装置，其特征在于，所述修复模块，被配置为：
基于所述各划分区域对应的放大倍数，在保持划分区域中心位置不变的状态下，分别对每个划分区域进行放大，得到各划分区域放大后的图像；
对各划分区域放大后的图像中的重叠部分进行融合处理，得到各划分区域放大后的图像的组合图像；
将所述组合图像中超出放大前的区域图像的范围的图像部分删除，得到修复图像。
20.根据权利要求17所述的图像修复装置，其特征在于，所述确定模块，被配置为：
基于公式
确定所述划分区域对应的放大倍数，其中，λ为所述划分区域对应的放大倍数，x为所述平均值，D为所述眼镜镜片对应的近视度数。
21.根据权利要求13所述的图像修复装置，其特征在于，所述确定模块，被配置为：
在所述区域图像中，确定预设的多种面部特征点对应的像素点，作为参考像素点，其中，所述多种面部特征点包括内眼角点、外眼角点和眼球中心点；
基于所述区域图像中每两个相邻的参考像素点之间连线上的像素点数目，以及预存的每种面部特征点与眼镜镜片之间的距离，确定每两个相邻的参考像素点之间连线上的每个像素点对应的面部点与眼镜镜片之间的距离；
根据每种面部特征点与眼镜镜片之间的距离，以及所述每两个相邻的参考像素点之间连线上的每个像素点对应的面部点与眼镜镜片之间的距离，确定所述区域图像中其他像素点对应的面部点与眼镜镜片之间的距离。
22.根据权利要求12所述的图像修复装置，其特征在于，所述修复模块，被配置为：
获取所述修复图像中与所述修复图像的图像边界之间的距离在预设距离阈值之内的像素点组成的第一边界图像；
获取所述区域图像中与所述区域图像的图像边界之间的距离在所述预设距离阈值之内的像素点组成的第二边界图像；
将所述第一边界图像和所述第二边界图像进行融合处理，得到第三边界图像；
将所述修复图像中的所述第一边界图像替换为所述第三边界图像，得到边界图像替换处理后的修复图像；
将所述目标图像中的所述区域图像替换为所述边界图像替换处理后的修复图像。
23.一种计算机设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1-11任一项所述的图像修复方法。
24.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由计算机设备的处理器执行时，使得所述计算机设备能够执行权利要求1-11任一项所述的图像修复方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910354268.8A CN110084763B (zh) | 2019-04-29 | 2019-04-29 | 图像修复方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910354268.8A CN110084763B (zh) | 2019-04-29 | 2019-04-29 | 图像修复方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110084763A CN110084763A (zh) | 2019-08-02 |
| CN110084763B true CN110084763B (zh) | 2020-12-25 |
Family
ID=67417715
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910354268.8A Active CN110084763B (zh) | 2019-04-29 | 2019-04-29 | 图像修复方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110084763B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110470147A (zh) * | 2019-08-16 | 2019-11-19 | 广州东兆信息科技有限公司 | 用于陶瓷窑炉的工业物联网云平台交互系统及方法 |
| CN113486714B (zh) * | 2021-06-03 | 2022-09-02 | 荣耀终端有限公司 | 一种图像的处理方法及电子设备 |
| CN113808054B (zh) * | 2021-11-19 | 2022-05-06 | 北京鹰瞳科技发展股份有限公司 | 用于对眼底图像的视盘区域进行修复的方法和相关产品 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107644228B (zh) * | 2017-09-21 | 2020-05-26 | 联想(北京)有限公司 | 图像处理方法 |
| CN107833193A (zh) * | 2017-11-20 | 2018-03-23 | 长沙全度影像科技有限公司 | 一种基于refinement‑network深度学习模型的单透镜全局图像复原方法 |
| CN108230241B (zh) * | 2018-01-09 | 2021-03-16 | 济南中维世纪科技有限公司 | 一种设备带角度侧装的鱼眼图像校正方法 |
| CN108335323B (zh) * | 2018-03-20 | 2020-12-29 | 厦门美图之家科技有限公司 | 一种图像背景的虚化方法及移动终端 |
| CN109035170B (zh) * | 2018-07-26 | 2022-07-01 | 电子科技大学 | 基于单网格图分段映射的自适应广角图像校正方法及装置 |
| CN109657607B (zh) * | 2018-12-17 | 2020-07-07 | 中新智擎科技有限公司 | 一种基于人脸识别的人脸目标测距方法、装置及存储介质 |
-
2019
- 2019-04-29 CN CN201910354268.8A patent/CN110084763B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110084763A (zh) | 2019-08-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110084763B (zh) | 图像修复方法、装置、计算机设备和存储介质 | |
| AU2014221656B2 (en) | Spectacle lens design system, supply system, design method, and production method | |
| EP3496383A1 (en) | Image processing method, apparatus and device | |
| CN113678055B (zh) | 眼镜镜片的至少一个光学参数的确定 | |
| EP0684585B1 (en) | Image forming method and apparatus | |
| CN108513668B (zh) | 图片处理方法和装置 | |
| CN107358593B (zh) | 成像方法和装置 | |
| EP3013042A1 (en) | Image display device and image display method | |
| CN106843474B (zh) | 一种移动终端显示处理方法及系统 | |
| CN111582005B (zh) | 图像处理方法、装置、计算机可读介质及电子设备 | |
| CN107194869B (zh) | 一种图像处理方法及终端、计算机存储介质、计算机设备 | |
| JP2009254525A (ja) | 瞳孔検知方法及び装置 | |
| CN107222683A (zh) | 双目全景相机生产镜头清晰度一致性方法及系统 | |
| CN112532891A (zh) | 拍照方法及装置 | |
| US11783454B2 (en) | Saliency map generation method and image processing system using the same | |
| US20060269128A1 (en) | Image correction method and apparatus | |
| CN107316281B (zh) | 图像处理方法、装置和终端设备 | |
| CN111105370A (zh) | 图像处理方法、图像处理装置、电子设备和可读存储介质 | |
| JP4878273B2 (ja) | 眼鏡検出装置、画像処理装置、眼鏡検出方法、及び、コンピュータプログラム | |
| WO2022142146A1 (zh) | 画质调整方法、装置、投影仪及计算机可读存储介质 | |
| CN113965664B (zh) | 一种图像虚化方法、存储介质以及终端设备 | |
| CN112837307A (zh) | 焊道轮廓的确定方法、装置、处理器与系统 | |
| JP2015118617A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
| CN113938578A (zh) | 一种图像虚化方法、存储介质及终端设备 | |
| Favaro | Depth from focus/defocus |
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 |