CN110390637B - 一种马赛克图像生成方法、装置、设备及存储介质 - Google Patents
一种马赛克图像生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110390637B CN110390637B CN201910650812.3A CN201910650812A CN110390637B CN 110390637 B CN110390637 B CN 110390637B CN 201910650812 A CN201910650812 A CN 201910650812A CN 110390637 B CN110390637 B CN 110390637B
- Authority
- CN
- China
- Prior art keywords
- mosaic
- face image
- gray
- pixel
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013507 mapping Methods 0.000 claims description 10
- 230000001815 facial effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 210000000697 sensory organ Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000008187 granular material Substances 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- 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
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种马赛克图像生成方法、装置、设备及存储介质。该马赛克人脸图像生成方法包括：对图像采集器采集的初始人脸图像进行划分，确定初始人脸图像中的关键区域，和与关键区域相邻的相邻区域；从至少两种灰度值中选择差异度最大的第一种灰度值和第二种灰度值；将第一种灰度值分配给关键区域，将第二种灰度值分配给相邻区域，根据分配的灰度值，将初始人脸图像转换为灰阶像素人脸图像；控制机器人根据灰阶像素人脸图像中像素块的灰度值，从至少两种马赛克像素方片分拣区中获取马赛克像素方片，并采用获取的至少两种马赛克像素方片拼图得到马赛克人脸图像。本方面实施例解决了马赛克人脸图像重点区域突出不明显的问题。
Description
技术领域
本发明实施例涉及图像处理技术，尤其涉及一种马赛克图像生成方法、装置、设备及存储介质。
背景技术
一幅马赛克图像是由多个非重叠的图像镶嵌排列组成的。一幅马赛克图像是由很多其他图片组成，当仔细看的时候会发现每一像素都是一幅照片。这种形式已经被应用于许多现代媒体和数码图像搜索中。马赛克图像应用与现今的房屋装饰中，如马赛克瓷砖，马赛克墙壁等。中国作为全球马赛克图像潜在市场最大的国家，对马赛克图像的需求随着人们文化需求的增加将成爆发式增长。
目前常见的马赛克颗粒铺贴方法是采用单色马赛克颗粒按照预定的排列进行整行和整列的铺贴，或者采用矩阵马赛克仓，在控制装置的控制下，多个呈柱状垂直布置的马赛克颗粒出料管被释放在平移模板上。
然而，通过单色的马赛克颗粒无法对马赛克人脸图像上重点区域和相邻区域进行重点区分显示，观赏者很难从图像上识别到图像想要表达的信息，马赛克图像单调；而采用移动矩阵马赛克仓和模板平移装置方法会造成角度的偏差会带来图案差异性大的问题。
发明内容
本发明实施例提供一种马赛克图像生成方法、装置、设备及存储介质，实现了根据人脸图像的划分区域完成马赛克人脸图像的生成。
第一方面，本发明实施例提供了一种马赛克图像生成方法，包括：
对图像采集器采集的初始人脸图像进行划分，确定所述初始人脸图像中的关键区域，和与所述关键区域相邻的相邻区域；
从至少两种灰度值中选择差异度最大的第一种灰度值和第二种灰度值；
将所述第一种灰度值分配给所述关键区域，将所述第二种灰度值分配给所述相邻区域，根据分配的灰度值，将所述初始人脸图像转换为灰阶像素人脸图像；
控制机器人根据所述灰阶像素人脸图像中像素块的灰度值，从至少两种马赛克像素方片分拣区中获取马赛克像素方片，并采用获取的至少两种马赛克像素方片拼图得到马赛克人脸图像。
可选的，控制机器人根据所述灰阶像素人脸图像中像素块的灰度值，从至少两种马赛克像素方片分拣区中获取马赛克像素方片之前，还包括：
根据所述初始人脸图像的其他区域中任一像素点的所属像素区间，以及灰度值与像素区间之间的映射关系，从所述至少两种灰度值中为该像素点选择灰度值。
可选的，所述关键区域包括五官区域和/或头发区域。
可选的，所述每种马赛克像素方片分拣区用于存储与一种灰度值关联的马赛克像素方片。
可选的，对图像采集器采集的初始人脸图像进行划分之前，还包括：
若检测到图像采集器采集到人脸图像，则根据人脸图像的位置和姿态，对所述人脸图像进行旋转和/或平移处理，使所述人脸图像居中。
第二方面，本发明实施例还提供了一种马赛克图像生成装置，包括：
人脸图像区域划分模块，用于对图像采集器采集的初始人脸图像进行划分，确定所述初始人脸图像中的关键区域，和与所述关键区域相邻的相邻区域；
灰度值选取模块，用于从至少两种灰度值中选择差异度最大的第一种灰度值和第二种灰度值；
灰阶像素人脸图像转换模块，用于将所述第一种灰度值分配给所述关键区域，将所述第二种灰度值分配给所述相邻区域，根据分配的灰度值，将所述初始人脸图像转换为灰阶像素人脸图像；
马赛克人脸图像获取模块，用于控制机器人根据所述灰阶像素人脸图像中像素块的灰度值，从至少两种马赛克像素方片分拣区中获取马赛克像素方片，并采用获取的至少两种马赛克像素方片拼图得到马赛克人脸图像。
可选的，马赛克人脸图像获取模块之前，还包括：
其他区域灰度值确认模块，根据所述初始人脸图像的其他区域中任一像素点的所属像素区间，以及灰度值与像素区间之间的映射关系，从所述至少两种灰度值中为该像素点选择灰度值。
可选的，所述关键区域包括五官区域和/或头发区域。
第三方面，本发明实施例提供了一种计算机设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例提供的马赛克图像生成方法。
第四方面，本发明实施例提供了一种存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本发明任意实施例提供的马赛克图像生成方法。
本发明实施例通过对人脸图像进行关键区域和相邻区域的划分，并且为划分区域分配差异度大的灰度值，实现对马赛克人脸图像中重点区域的突出显示，保证了马赛克人脸图像的信息表达的丰富性，并且通过机器人完成对生成的马赛克人脸图像的拼图，提高了马赛克人脸图像的拼图效率和准确性。
附图说明
图1是本发明实施例一中的一种马赛克图像生成方法的流程图；
图2(a)是本发明实施例二中的一种马赛克图像生成方法的流程图；
图2(b)是本发明实施例二中的一种马赛克图像生成结构的主视图；
图2(c)是本发明实施例二中的一种马赛克图像生成结构的俯视图；
图3是本发明实施例三中的一种马赛克图像生成装置的结构示意图；
图4是本发明实施例四中的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种马赛克图像生成方法的流程图，本实施例提供的技术方案适用于对一幅初始人脸图像生成的马赛克人脸图像进行拼图的情况，该方法可以由马赛克图像生成装置来执行，该装置可以由硬件和/或软件实现，该方法具体包括：
步骤110、对图像采集器采集的初始人脸图像进行划分，确定所述初始人脸图像中的关键区域，和与所述关键区域相邻的相邻区域。
其中，图像采集器包括可以对需要拼图的人脸图像进行获取的全部设备，可以是采集人脸图像的摄像头。初始人脸图像是指对于图像采集器获取到的原始图像，即未作处理的图像。初始人脸图像中的关键区域包括观赏者可以分辨出人脸图像中代表人脸信息的某些区域；相邻区域是指与划分的关键区域相邻的特定区域。
示例性的，关键区域可以是人脸图像中有明显特点的区域，如眼睛、嘴巴等。
图像采集器采集到一幅人脸图像后，将原始图像作为初始人脸图像，对原始图像中的具有明显特点的区域作为关键区域进行划分，并将图像中与关键区域相邻的区域确定为相邻区域。
步骤120、从至少两种灰度值中选择差异度最大的第一种灰度值和第二种灰度值。
其中，至少两种灰度值包含预先设置为马赛克图像分配的灰度值。差异度最大的第一种灰度值和第二种灰度值是指在至少两种灰度值中将差值最大的两种灰度值中最小的灰度值作为第一种灰度值，将最大的灰度值作为第二种灰度值。
可选的，当至少两种灰度值中包含两种灰度值差异明显的两种灰度值大小时，也可将其作为第一种灰度值和第二种灰度值，不局限于至少两种灰度值中的最大和最小灰度值，也可以是第二大灰度值和最小灰度值或者最大灰度值和第二小灰度值。
步骤130、将所述第一种灰度值分配给所述关键区域，将所述第二种灰度值分配给所述相邻区域，根据分配的灰度值，将所述初始人脸图像转换为灰阶像素人脸图像。
其中，将步骤120中第一种灰度值分配给关键区域，即具有显著特点的区域的灰度值大小为至少两种灰度值中最小的灰度值；将步骤120中第二种灰度值分配给相邻区域，即与关键区域相邻的区域的灰度值大小为最大的灰度值，保证了关键区域和相邻区域之间的灰度值差异，便于突出人脸图像中的关键区域，易于观察。
灰阶像素人脸图像是指按照为关键区域和相邻区域分配的灰度值处理初始人脸图像得到的处理后图像，此时灰阶像素人脸图像中只存在步骤120中的至少两种灰度值。
可选的，在将所述初始人脸图像转换为灰阶像素人脸图像前，可以先将初始人脸图像转换为灰度图像，再将灰度图像按照预先分配的区域灰度值转换为灰阶像素人脸图像。预先将初始人脸图像转换为灰度图像，即将图像处理器采集得到的彩色人脸图像转换成灰度值在0到255的灰度图像，便于根据灰度值的不同为图像划分不同的区域。
步骤140、控制机器人根据所述灰阶像素人脸图像中像素块的灰度值，从至少两种马赛克像素方片分拣区中获取马赛克像素方片，并采用获取的至少两种马赛克像素方片拼图得到马赛克人脸图像。
其中，机器人包括可以对马赛克像素方片进行抓取并进行拼图的设备，机器人可以从服务器端获取到步骤130中处理后的灰阶像素人脸图像，其中图像中包含像素块的灰度值信息以及位置信息；至少两种马赛克像素方片分拣区存放与步骤120对应的至少两种灰度值的像素方片，像素方片的灰度值为预先设置的，并且马赛克像素方片分拣区内存放的像素方片的灰度值信息以及位置信息发送机器人；马赛克人脸图像是指根据步骤130中处理得到的灰阶像素人脸图像利用马赛克像素方片分拣区中的马赛克像素方片进行拼图得到的与灰阶像素人脸图像相对应的马赛克图像。
示例性的，机器人可以是两个机械臂，存在四个马赛克像素方片分拣区，根据得到的灰阶像素人脸图像中像素块的排布顺序以及灰度值大小，从马赛克像素方片分拣区中抓取相对应灰度值的马赛克像素方片放在对应的位置，抓取完毕后即可得到与灰阶像素人脸图像相对应的马赛克人脸图像。
本实施例的技术方案，通过对初始人脸图像中关键区域的划分，为关键区域与其相邻的区域分配差异性最大的灰度值，突出显示关键区域，便于观赏者通过突出显示的关键区域识别出最终的马赛克人脸图像所表达的内容，使得马赛克人脸图像的内容更加贴近原始图像，提高马赛克人脸图像生成的准确性。
实施例二
图2(a)为本发明实施例二提供的一种马赛克图像生成方法的流程图，本实施例在上述技术方案的基础上进一步细化，其中，未在本实施例中详尽描述的内容详见实施例一。如图2(a)所示，该方法具体包括：
步骤210、对图像采集器采集的初始人脸图像进行划分，确定所述初始人脸图像中的关键区域，和与所述关键区域相邻的相邻区域。
可选的，所述关键区域包括五官区域和/或头发区域。观赏者通过人脸中携带个人信息较多的五官区域和头发区域对马赛克人脸图像进行鉴别。
步骤220、从至少两种灰度值中选择差异度最大的第一种灰度值和第二种灰度值。
步骤230、将所述第一种灰度值分配给所述关键区域，将所述第二种灰度值分配给所述相邻区域，根据分配的灰度值，将所述初始人脸图像转换为灰阶像素人脸图像。
可选的，当至少两种灰度值中所包含的灰度值数量增加时，可增加第一种灰度值和第二种灰度值中灰度值的数量，例如第一种灰度值中包含两种灰度值大小，为关键区域分配两种灰度值，丰富关键区域的灰度值，便于观赏者观察。
步骤240、根据所述初始人脸图像的其他区域中任一像素点的所属像素区间，以及灰度值与像素区间之间的映射关系，从所述至少两种灰度值中为该像素点选择灰度值。
其中，其他区域包括人脸图像中除去关键区域和相邻区域的剩余所有区域，所属像素区域是指预先设置的为人脸图像中的灰度值大小划分的区间范围，所划分的区间个数与步骤220中的至少两种灰度值相对应，映射关系是指在预先设置的至少两种灰度值与预先划分的区间范围之间建立的一一对应关系。
示例性的，当步骤220中的至少两种灰度值为四种时，则将初始人脸图像中除去划分出的关键区域和相邻区域的剩余区域作为其他区域，将其他区域按照初始人脸图像对应的灰度图像中所对应的灰度值大小划分为四个灰度值阶段，每一个灰度值阶段对应一种灰度值，例如，灰度图像中其他区域的灰度值总区间为0到255，则划分四个灰度值阶段：0到50、51到100、101到200和201到255，分别将这四个灰度值阶段与预先设置的四种灰度值建立一一映射关系，一个灰度值阶段只对应一种灰度值，当识别出其他区域中任一像素点的灰度值时，判断灰度值的所属区间范围，根据区间范围找到与之映射的灰度值大小，则将其他区域中的这一像素点的灰度值转换为与之映射的灰度值。
步骤250、控制机器人根据所述灰阶像素人脸图像中像素块的灰度值，从至少两种马赛克像素方片分拣区中获取马赛克像素方片，并采用获取的至少两种马赛克像素方片拼图得到马赛克人脸图像。
可选的，所述每种马赛克像素方片分拣区用于存储与一种灰度值关联的马赛克像素方片。
可选的，对图像采集器采集的初始人脸图像进行划分之前，还包括：
若检测到图像采集器采集到人脸图像，则根据人脸图像的位置和姿态，对所述人脸图像进行旋转和/或平移处理，使所述人脸图像居中。
其中，人脸图像的位置是指图像中的人脸位于图像中的具体位置，如图像正中、图像上面、图像下面、图像左面或图像右面；人脸图像的姿态是指图像中人脸摆放是否垂直；人脸图像居中是指经过旋转和/或平移处理后的人脸图像中的人脸位置要位于图像的正中间且人脸垂直摆放。
示例性的，可以根据人脸图像中的眼睛和鼻子的角度对人脸图像进行判断人脸图像的位置和姿态。
为了便于对上述实施例进行理解，一种马赛克图像生成结构参考图2(b)和图2(c)，图2(b)为马赛克图像生成结构的主视图，图2(c)为马赛克图像生成结构的俯视图。该结构包括马赛克人脸图像展示箱体21、触摸一体机22、两个机械臂23、定位摄像头24、马赛克像素方片分拣区25以及马赛克拼图区26。
其中，触摸一体机22位于马赛克人脸图像展示箱体21的正前方，触摸一体机22中包含采集人脸图像的摄像头和可触摸的显示屏，以及用于发送指挥机械臂23操作的指令以及其他指令操作，显示屏上可显示采集得到的初始人脸图像以及处理得到的灰阶像素人脸图像。
两个机械臂23位于马赛克人脸图像展示箱体21中间区域的上方，与马赛克人脸图像展示箱体21垂直连接，并且与马赛克像素方片分拣区25和马赛克拼图区26位置相邻，便于机械臂从马赛克像素方片分拣区抓取马赛克像素方片至马赛克拼图区，两个机械臂抓取部位为吸盘，如果吸取的物品比较重，可以采用空压机、真空发生器的方案；如果吸取的物品较轻，可以采用真空泵、继电器、压力开关的方案，并且通过压力检测判断是否成功抓取物品。
定位摄像头24位于马赛克拼图区26的上方区域，便于采集整个马赛克拼图区26的整体位置，为机械臂23提供定位信息，便于机械臂将抓取到的马赛克像素方片准确放在马赛克拼图区的正确位置。
马赛克像素方片分拣区25位于马赛克人脸图像展示箱体21上方的左右两个区域，分为左马赛克像素方片分拣区和右马赛克像素方片分拣区，分别存放预先设置的灰度值的马赛克像素方片，并将其存放内容和对应位置发送机械臂，便于机械臂准确抓取正确的马赛克像素方片。
马赛克拼图区26位于马赛克人脸图像展示箱体21上方的中间区域，用于摆放马赛克人脸图像的拼图结果，机械臂23将抓取到的马赛克像素方片放在马赛克拼图区，完后马赛克人脸图像的拼图。
本实施例的技术方案，通过为人脸图像中其他区域的灰度值与预先设置的灰度值建立映射关系，根据映射关系为人脸图像的其他区域分配灰度值大小，实现对马赛克人脸图像的生成，使得马赛克人脸图像更加准确生动。
实施例三
图3为本发明实施例三提供的一种马赛克图像生成装置的结构示意图，如图3所示，该马赛克图像生成装置包括：
人脸图像区域划分模块310，用于对图像采集器采集的初始人脸图像进行划分，确定所述初始人脸图像中的关键区域，和与所述关键区域相邻的相邻区域。
灰度值选取模块320，用于从至少两种灰度值中选择差异度最大的第一种灰度值和第二种灰度值。
灰阶像素人脸图像转换模块330，用于将所述第一种灰度值分配给所述关键区域，将所述第二种灰度值分配给所述相邻区域，根据分配的灰度值，将所述初始人脸图像转换为灰阶像素人脸图像。
马赛克人脸图像获取模块340，用于控制机器人根据所述灰阶像素人脸图像中像素块的灰度值，从至少两种马赛克像素方片分拣区中获取马赛克像素方片，并采用获取的至少两种马赛克像素方片拼图得到马赛克人脸图像。
可选的，马赛克人脸图像获取模块340之前，还包括：
根据所述初始人脸图像的其他区域中任一像素点的所属像素区间，以及灰度值与像素区间之间的映射关系，从所述至少两种灰度值中为该像素点选择灰度值。
可选的，所述关键区域包括五官区域和/或头发区域。
可选的，所述每种马赛克像素方片分拣区用于存储与一种灰度值关联的马赛克像素方片。
可选的，对图像采集器采集的初始人脸图像进行划分之前，还包括：
若检测到图像采集器采集到人脸图像，则根据人脸图像的位置和姿态，对所述人脸图像进行旋转和/或平移处理，使所述人脸图像居中。
本发明实施例提供了一种马赛克图像生成装置，与上述实施例提出的一种马赛克图像生成方法属于同一方面构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。
实施例四
图4为本发明实施例四提供的一种设备的结构示意图，如图4所示，该设备包括处理器40、存储器41、输入装置42和输出装置43；设备4中处理器40的数量可以是一个或多个，图4中以一个处理器40为例；设备4中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的工件检测方法对应的程序指令/模块(例如，人脸图像区域划分模块310、灰度值选取模块320、灰阶像素人脸图像转换模块330和马赛克人脸图像获取模块340)。处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的马赛克图像生成方法。
存储器41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置42可用于接收输入的数字或字符信息，以及产生与服务器的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种马赛克图像生成方法，该方法包括：
对图像采集器采集的初始人脸图像进行划分，确定所述初始人脸图像中的关键区域，和与所述关键区域相邻的相邻区域；
从至少两种灰度值中选择差异度最大的第一种灰度值和第二种灰度值；
将所述第一种灰度值分配给所述关键区域，将所述第二种灰度值分配给所述相邻区域，根据分配的灰度值，将所述初始人脸图像转换为灰阶像素人脸图像；
控制机器人根据所述灰阶像素人脸图像中像素块的灰度值，从至少两种马赛克像素方片分拣区中获取马赛克像素方片，并采用获取的至少两种马赛克像素方片拼图得到马赛克人脸图像。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的马赛克图像生成方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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的方法。
值得注意的是，上述马赛克图像生成装置的实施例中，所包括的各个模块和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种马赛克图像生成方法，其特征在于，包括：
对图像采集器采集的初始人脸图像进行划分，确定所述初始人脸图像中的关键区域，和与所述关键区域相邻的相邻区域；
从至少两种灰度值中选择差异度最大的第一种灰度值和第二种灰度值；
将所述第一种灰度值分配给所述关键区域，将所述第二种灰度值分配给所述相邻区域，根据分配的灰度值，将所述初始人脸图像转换为灰阶像素人脸图像；
控制机器人根据所述灰阶像素人脸图像中像素块的灰度值，从至少两种马赛克像素方片分拣区中获取马赛克像素方片，并采用获取的至少两种马赛克像素方片拼图得到马赛克人脸图像。
2.根据权利要求1所述的方法，其特征在于，控制机器人根据所述灰阶像素人脸图像中像素块的灰度值，从至少两种马赛克像素方片分拣区中获取马赛克像素方片之前，还包括：
根据所述初始人脸图像的其他区域中任一像素点的所属像素区间，以及灰度值与像素区间之间的映射关系，从所述至少两种灰度值中为该像素点选择灰度值。
3.根据权利要求1所述的方法，其特征在于，所述关键区域包括五官区域和/或头发区域。
4.根据权利要求1所述的方法，其特征在于，每种马赛克像素方片分拣区用于存储与一种灰度值关联的马赛克像素方片。
5.根据权利要求1所述的方法，其特征在于，对图像采集器采集的初始人脸图像进行划分之前，还包括：
若检测到图像采集器采集到人脸图像，则根据人脸图像的位置和姿态，对所述人脸图像进行旋转和/或平移处理，使所述人脸图像居中。
6.一种马赛克图像生成装置，其特征在于，包括：
人脸图像区域划分模块，用于对图像采集器采集的初始人脸图像进行划分，确定所述初始人脸图像中的关键区域，和与所述关键区域相邻的相邻区域；
灰度值选取模块，用于从至少两种灰度值中选择差异度最大的第一种灰度值和第二种灰度值；
灰阶像素人脸图像转换模块，用于将所述第一种灰度值分配给所述关键区域，将所述第二种灰度值分配给所述相邻区域，根据分配的灰度值，将所述初始人脸图像转换为灰阶像素人脸图像；
马赛克人脸图像获取模块，用于控制机器人根据所述灰阶像素人脸图像中像素块的灰度值，从至少两种马赛克像素方片分拣区中获取马赛克像素方片，并采用获取的至少两种马赛克像素方片拼图得到马赛克人脸图像。
7.根据权利要求6所述的装置，其特征在于，马赛克人脸图像获取模块之前，还包括：
其他区域灰度值确认模块，根据所述初始人脸图像的其他区域中任一像素点的所属像素区间，以及灰度值与像素区间之间的映射关系，从所述至少两种灰度值中为该像素点选择灰度值。
8.根据权利要求6所述的装置，其特征在于，所述关键区域包括五官区域和/或头发区域。
9.一种计算机设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的马赛克图像生成方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-5中任一所述的马赛克图像生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910650812.3A CN110390637B (zh) | 2019-07-18 | 2019-07-18 | 一种马赛克图像生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910650812.3A CN110390637B (zh) | 2019-07-18 | 2019-07-18 | 一种马赛克图像生成方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110390637A CN110390637A (zh) | 2019-10-29 |
| CN110390637B true CN110390637B (zh) | 2022-12-13 |
Family
ID=68286733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910650812.3A Active CN110390637B (zh) | 2019-07-18 | 2019-07-18 | 一种马赛克图像生成方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110390637B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113554548A (zh) * | 2021-07-06 | 2021-10-26 | 北京哈工灵动智能科技有限公司 | 马赛克拼图结构及拼图方法 |
| CN114998841B (zh) * | 2022-08-01 | 2022-11-01 | 易凯医疗建筑设计(深圳)有限公司 | 核酸采样的样本识别方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08221591A (ja) * | 1995-02-09 | 1996-08-30 | Nippon Telegr & Teleph Corp <Ntt> | モンタージュ写真合成装置 |
| US6927874B1 (en) * | 1999-04-02 | 2005-08-09 | Canon Kabushiki Kaisha | Image processing method, apparatus and storage medium therefor |
| US7242799B1 (en) * | 2001-06-21 | 2007-07-10 | Bremsteller Barry D | Method of generating painted or tile mosaic reproduction of a photograph or graphic image |
| CN104715449A (zh) * | 2015-03-31 | 2015-06-17 | 百度在线网络技术（北京）有限公司 | 生成马赛克图像的方法和装置 |
| CN108038835A (zh) * | 2017-11-27 | 2018-05-15 | 杭州电子科技大学 | 显著性驱动的图像重要区域马赛克自动生成方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2442603C (en) * | 2003-10-01 | 2016-11-22 | Aryan Saed | Digital composition of a mosaic image |
| ATE527036T1 (de) * | 2009-01-06 | 2011-10-15 | Tenyo Co Ltd | Personalisierter mosaik-puzzlesatz |
-
2019
- 2019-07-18 CN CN201910650812.3A patent/CN110390637B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08221591A (ja) * | 1995-02-09 | 1996-08-30 | Nippon Telegr & Teleph Corp <Ntt> | モンタージュ写真合成装置 |
| US6927874B1 (en) * | 1999-04-02 | 2005-08-09 | Canon Kabushiki Kaisha | Image processing method, apparatus and storage medium therefor |
| US7242799B1 (en) * | 2001-06-21 | 2007-07-10 | Bremsteller Barry D | Method of generating painted or tile mosaic reproduction of a photograph or graphic image |
| CN104715449A (zh) * | 2015-03-31 | 2015-06-17 | 百度在线网络技术（北京）有限公司 | 生成马赛克图像的方法和装置 |
| CN108038835A (zh) * | 2017-11-27 | 2018-05-15 | 杭州电子科技大学 | 显著性驱动的图像重要区域马赛克自动生成方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110390637A (zh) | 2019-10-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111151463B (zh) | 一种基于3d视觉的机械臂分拣抓取系统及方法 | |
| CN104842361B (zh) | 具有3d箱体定位功能的机器人系统 | |
| CN110390637B (zh) | 一种马赛克图像生成方法、装置、设备及存储介质 | |
| WO2019119567A1 (en) | Systems and methods for block based edgel detection with false edge elimination | |
| CN113963044B (zh) | 一种基于rgbd相机的货物箱智能装载方法及系统 | |
| KR102503116B1 (ko) | 인공지능 머신러닝 학습을 위한 데이터셋 자동 생성 장치와 그의 제어 방법 | |
| JP2016207147A (ja) | テンプレート作成装置及びテンプレート作成方法 | |
| JP2020135679A (ja) | データセット作成方法、データセット作成装置、及びデータセット作成プログラム | |
| CN107958481A (zh) | 一种三维重建方法及装置 | |
| WO2021098147A1 (zh) | Vr体感数据检测方法、装置、计算机设备及存储介质 | |
| CN112348958A (zh) | 关键帧图像的采集方法、装置、系统和三维重建方法 | |
| CN112149573A (zh) | 一种基于深度学习的垃圾分类与拾取机器人 | |
| CN114766042A (zh) | 目标检测方法、装置、终端设备及介质 | |
| CN107958253A (zh) | 一种图像识别的方法和装置 | |
| WO2019216474A1 (ko) | 빈 피킹을 위한 빈 모델링 방법 및 그 장치 | |
| CN111399634B (zh) | 一种手势引导物体识别的方法及装置 | |
| KR20200052420A (ko) | 딥러닝 기반 3차원 원형 예측 장치 | |
| JP2018010599A (ja) | 情報処理装置、パノラマ画像表示方法、パノラマ画像表示プログラム | |
| CN111080685A (zh) | 一种基于多视角立体视觉的飞机钣金零件三维重建方法及系统 | |
| CN116228854B (zh) | 一种基于深度学习的包裹自动分拣方法 | |
| CN111222514A (zh) | 一种基于视觉定位的局部地图优化方法 | |
| JP6041710B2 (ja) | 画像認識方法 | |
| CN113971746B (zh) | 基于单次人手示教的垃圾分类方法、装置及分拣智能系统 | |
| JP2020126414A (ja) | 機械学習用教師データ作成支援方法、及び機械学習用教師データ作成支援プログラム | |
| CN110111416B (zh) | 基于HoloLens眼镜的矿井内部模型采集建立方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |