CN110443752B - 一种图像处理方法和移动终端 - Google Patents

一种图像处理方法和移动终端 Download PDF

Info

Publication number
CN110443752B
CN110443752B CN201910675242.3A CN201910675242A CN110443752B CN 110443752 B CN110443752 B CN 110443752B CN 201910675242 A CN201910675242 A CN 201910675242A CN 110443752 B CN110443752 B CN 110443752B
Authority
CN
China
Prior art keywords
image
target
face
network model
depth network
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
Application number
CN201910675242.3A
Other languages
English (en)
Other versions
CN110443752A (zh
Inventor
邢健飞
张玮玮
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.)
Vivo Mobile Communication Co Ltd
Original Assignee
Vivo Mobile Communication 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 Vivo Mobile Communication Co Ltd filed Critical Vivo Mobile Communication Co Ltd
Priority to CN201910675242.3A priority Critical patent/CN110443752B/zh
Publication of CN110443752A publication Critical patent/CN110443752A/zh
Application granted granted Critical
Publication of CN110443752B publication Critical patent/CN110443752B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • G06T7/50—Depth or shape recovery
    • 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
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种图像处理方法和移动终端，该方法包括：获取原始图像；根据所述原始图像中人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型；将所述原始图像输入所述目标深度网络模型，生成第一图像。在本发明实施例中，获取原始图像中的人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型，通过所述目标深度网络模型输入原始图像生成第一图像，可以根据人脸的不同姿态获取不同的深度网络模型，提高分辨率，保证镜面效果。

Description

一种图像处理方法和移动终端
技术领域
本发明涉及通信技术领域，尤其涉及一种图像处理方法和移动终端。
背景技术
目前，手机相机主要为用户提供拍照(包括自拍)功能。某些情况下，用户自拍不仅为了拍出令自己满意的照片，也想通过相机检查自己的妆容等是否合理，这种情况下，传统相机很难满足用户需求，主要原因为相机分辨率限制，绝大部分相机在皮肤靠近情况下分辨率较低，呈现出相对于镜面而言较为模糊的自拍照片。
发明内容
本发明提供了一种图像处理方法和移动终端，以解决现有技术中对于特殊环境、受体的图像无法进行特殊处理，导致镜面相机效果受限无法达到镜面效果的问题。
为了解决上述技术问题，本发明是这样实现的：
第一方面，本发明实施例提供了一种图像处理方法，应用于移动终端，包括：
获取原始图像；
根据所述原始图像中人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型；
将所述原始图像输入所述目标深度网络模型，生成第一图像。
第二方面，本发明实施例还提供了一种移动终端，包括：
第一获取模块，用于获取原始图像；
确定模块，用于根据所述原始图像中人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型；
生成模块，用于将所述原始图像输入所述目标深度网络模型，生成第一图像。
第三方面，本发明实施例还提供了一种移动终端，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的图像处理方法的步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的图像处理方法的步骤。
在本发明实施例中，通过获取原始图像中的人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型，通过所述目标深度网络模型输入原始图像生成第一图像，可以根据人脸的不同姿态获取不同的深度网络模型，提高分辨率，保证镜面效果。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1表示本发明实施例的图像处理方法流程图；
图2表示本发明实施例的移动终端的结构框图；
图3表示本发明实施例的移动终端的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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，本领域普通技术人员在没有作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，传统基于超分辨率的图像清晰化方法主要分为传统图像处理方法和深度学习方法。传统图像处理方法对一般图片皆为适用，不足之处为效果一般，无法对于特殊环境、受体的照片进行特殊处理。深度学习方法需要的图片量较大，同时与传统方法一样，对于不同的场景算法需做部分调整，不可所有环境皆用一套模型。本发明实施例提供了一种图像处理方法和移动终端，可以无需人工干预，利用深度学习方法，通过拍摄一张人脸图片，可呈现出逼真的超分辨人脸图片，对人脸细节进行放大，满足用户的自拍需求。
具体的，如图1所示，本发明实施例提供了一种图像处理方法，应用于移动终端，包括：
步骤11，获取原始图像。
其中，所述原始图像可以为用户进行自拍的图像，也可以为用户使用摄像头拍照前的图像。
步骤12，根据所述原始图像中人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型。
步骤13，将所述原始图像输入所述目标深度网络模型，生成第一图像。
在本发明实施例中，通过获取原始图像中的人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型，通过所述目标深度网络模型输入原始图像生成第一图像，可以根据人脸的不同姿态获取不同的深度网络模型，提高分辨率，保证镜面效果。
可选的，在步骤12之前，所述方法还可以包括：
获取样本图像，所述样本图像中的人脸处于所述第一姿态；
对所述样本图像进行模糊化处理，得到模糊图像；
将所述模糊图像作为输入图像，将所述样本图像作为真实图像，对所述样本图像和所述模糊图像进行对抗网络训练，得到所述目标深度网络模型。
其中，所述模糊化处理的方法可以为将样本图像缩小成预设尺度的图像，所述预设尺度可以根据实际需求进行设定。模糊图像的分辨率小于所述样本图像的分辨率。所述目标深度网络模型可以为全卷积网络模型，将样本图像模糊化处理后的模糊图像输入到所述目标深度网络模型，可以训练所述目标深度网络模型具有从模糊到清晰处理能力的过程，即训练所述目标深度网络模型从模糊图像的较低分辨率到样本图像的较高分辨率的处理能力的过程。在获取到分辨率较低的原始图像时，可以根据所述目标深度网络模型生成与样本图像中的分辨率相同分辨率的第一图像，可以在原始图像的分辨率较低时提高图像分辨率，保证镜面效果。
所述步骤12具体可以包括：
获取所述原始图像中人脸的距离信息和人脸特征点的位置信息；
根据所述距离信息和所述位置信息，确定所述目标深度网络模型。
其中，首先检测所述原始图像中人脸是否包括人脸上的全部特征部件(鼻子、嘴巴、眼睛、眉毛等)，在原始图像中包括人脸上的全部特征部件，则根据人脸的大小尺度和/或人脸与相机长宽的比较输出当前人脸的距离信息，所述距离信息可以设定为距离等级(如距离等级由远到近可以设定为：远、较远、中、较近、近等)；并且，还可以根据人脸上的特征部件上的特征点进行定位获取位置信息，通过位置信息判断人脸为：抬头、低头、正脸、微侧脸、大侧脸等。再根据所述距离信息和所述位置信息，确定对应的目标深度网络模型。例如：在所述第一姿态为抬头、中等距离时，与所述第一姿态对应的深度网络模型为采用大量抬头、中等距离的样本图像进行训练的模型。所述距离等级的设定和数量并不限定。
在原始图像中包括人脸上的部分特征部件时，则根据特征部件的大小尺度与相机长宽的比较输出当前人脸的特征部件的距离信息，所述距离信息可以设定为距离等级(如距离等级由远到近可以设定为：远、较远、中、较近、近等)；并且，还可以根据特征部件上的特征点进行定位获取位置信息。再根据所述距离信息和所述位置信息，确定对应的目标深度网络模型。例如：在所述第一姿态为鼻子、中等距离时，与所述第一姿态对应的深度网络模型为采用大量鼻子、中等距离的样本图像进行训练的模型。所述距离等级的设定和数量并不限定。
在所述原始图像中不包括人脸上的部分特征部件时，则结束图像处理流程。
可选的，所述步骤13具体可以包括：
根据所述模糊图像，获取人脸边缘图像和人脸肤色区域图像；
将所述人脸边缘图像和所述人脸肤色区域图像输入目标深度网络模型；
获取所述目标深度网络模型中的损失函数；
根据所述损失函数，生成所述第一图像。
其中，所述目标深度网络模型的输入可以为模糊图像(3通道)、经过边缘检测算法得到的人脸边缘图像(1通道)、利用肤色检测得到的人脸肤色区域图像(1通道)共5通道图像，其中，所述人脸边缘图像和所述人脸肤色区域图像为加强所述目标深度网络模型对于人脸的重建能力。
所述损失函数可以包括判别器损失函数和生成器损失函数；
所述判别器损失函数为：
Figure BDA0002143046300000051
所述生成器损失函数为：
Figure BDA0002143046300000052
其中，LD为判别器损失函数；
Figure BDA0002143046300000053
为多样本原始图像的平均值；
xr为原始图像中的人脸样本；
D(xr)为判别器判定原始图像中人脸为真的概率；
Figure BDA0002143046300000054
为多样本第一图像的平均值；
xf为第一图像中的人脸样本；
D(xf)为判别器判定第一图像中人脸为真的概率；
LG为生成器损失函数；
Lpixel为第一图像的像素级误差；
λ为
Figure BDA0002143046300000055
的权重值。
可选的，所述第一图像的像素级误差Lpixel为：
Figure BDA0002143046300000056
其中，N为图像像素总数；
M为人脸模板mask；
Igen为第一图像；
Igt为原始图像；
α为‖(1-M)⊙(Igen-Igt)‖1的权重值。
其中，可以利用人脸mask将人脸和非人脸区域的损失函数区别对待，增加了目标深度网络模型对于人脸的重建能力。
可选的，所述步骤13之后，所述方法还可以包括：
检测所述第一图像上的目标特征，并根据所述目标特征在所述原始图像中的位置，确定所述目标特征的置信度。
其中，根据所述目标特征在所述原始图像中的位置，可以获取所述目标特征周围像素的方向梯度直方图特征；再根据所述方向梯度直方图特征和预设置信度模型，获取所述目标特征的置信度。所述目标特征可以为瑕疵(斑痘等)，当检测出第一图像中具有瑕疵时，获取原始图像中瑕疵的原始位置，获取瑕疵周围像素的方向梯度直方图特征，将所述方向梯度直方图特征输入预设置信度模型中获取瑕疵的置信度。预设置信度模型为基于方向梯度直方图特征训练得到置信度的模型。
在所述置信度小于或等于预设置信度时，对所述第一图像中的所述目标特征进行预设处理，得到目标图像。
在所述目标特征的置信度大于所述预设置信度时，则判定原始图像中所述目标特征是存在的，即需要保留所述目标特征，输出包括目标特征的目标图像，以保证所述目标图像的真实性。
其中，首先检测瑕疵，在检测到所述第一图像上具有瑕疵时，可以将瑕疵在原始图像中的原始位置标定出来。所述预设处理可以为消除目标特征的处理方式，在所述置信度小于或等于预设置信度时，则判定目标特征不属于原始图像上的特征，需要将所述目标特征进行过滤，消除不符合实际的瑕疵，然后输出目标图像，得到不包含目标特征的目标图像，以保证目标图像的真实性。其中，所述目标图像即为用户可以看到的图像，用户可以将移动终端当做镜子使用，目标图像为用户可以观看到的真实的图像。
在本发明上述实施例中，通过获取原始图像中的人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型，通过所述目标深度网络模型输入原始图像生成第一图像，可以根据人脸的不同姿态获取不同的深度网络模型，提高分辨率，保证镜面效果；还可以对第一图像上的目标特征进行过滤，去掉不符合实际的瑕疵，提高目标图像的真实性。
如图2所示，本发明实施例还提供了一种移动终端200，包括：
第一获取模块210，用于获取原始图像；
确定模块220，用于根据所述原始图像中人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型；
生成模块230，用于将所述原始图像输入所述目标深度网络模型，生成第一图像。
可选的，所述移动终端200还包括：
第二获取模块，用于获取样本图像，所述样本图像中的人脸处于所述第一姿态；
第一处理模块，用于对所述样本图像进行模糊化处理，得到模糊图像；
第二处理模块，用于将所述模糊图像作为输入图像，将所述样本图像作为真实图像，对所述样本图像和所述模糊图像进行对抗网络训练，得到所述目标深度网络模型。
可选的，所述移动终端200还包括：
检测模块，用于检测所述第一图像上的目标特征，并根据所述目标特征在所述原始图像中的位置，确定所述目标特征的置信度；
第三处理模块，用于在所述置信度小于或等于预设置信度时，对所述第一图像中的所述目标特征进行预设处理，得到目标图像。
可选的，所述确定模块220，包括：
获取单元，用于获取所述原始图像中人脸的距离信息和人脸特征点的位置信息；
确定单元，用于根据所述距离信息和所述位置信息，确定所述目标深度网络模型。
在本发明上述实施例中，通过获取原始图像中的人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型，通过所述目标深度网络模型输入原始图像生成第一图像，可以根据人脸的不同姿态获取不同的深度网络模型，提高分辨率，保证镜面效果；还可以对第一图像上的目标特征进行过滤，去掉不符合实际的瑕疵，提高目标图像的真实性。
图3为实现本发明各个实施例的一种移动终端的硬件结构示意图。
该移动终端300包括但不限于：射频单元301、网络模块302、音频输出单元303、输入单元304、传感器305、显示单元306、用户输入单元307、接口单元308、存储器309、处理器310、以及电源311等部件。本领域技术人员可以理解，图3中示出的移动终端结构并不构成对移动终端的限定，移动终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。在本发明实施例中，移动终端包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。
其中，处理器310，用于
获取原始图像；
根据所述原始图像中人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型；
将所述原始图像输入所述目标深度网络模型，生成第一图像。
可选的，所述处理器310还用于：
获取样本图像，所述样本图像中的人脸处于所述第一姿态；
对所述样本图像进行模糊化处理，得到模糊图像；
将所述模糊图像作为输入图像，将所述样本图像作为真实图像，对所述样本图像和所述模糊图像进行对抗网络训练，得到所述目标深度网络模型。
可选的，所述处理器310还用于：
检测所述第一图像上的目标特征，并根据所述目标特征在所述原始图像中的位置，确定所述目标特征的置信度；
在所述置信度小于或等于预设置信度时，对所述第一图像中的所述目标特征进行预设处理，得到目标图像。
可选的，所述处理器310具体用于：
获取所述原始图像中人脸的距离信息和人脸特征点的位置信息；
根据所述距离信息和所述位置信息，确定所述目标深度网络模型。
在本发明上述实施例中，通过获取原始图像中的人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型，通过所述目标深度网络模型输入原始图像生成第一图像，可以根据人脸的不同姿态获取不同的深度网络模型，提高分辨率，保证镜面效果；还可以对第一图像上的目标特征进行过滤，去掉不符合实际的瑕疵，提高目标图像的真实性。
应理解的是，本发明实施例中，射频单元301可用于收发信息或通话过程中，信号的接收和发送，具体的，将来自基站的下行数据接收后，给处理器310处理；另外，将上行的数据发送给基站。通常，射频单元301包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元301还可以通过无线通信系统与网络和其他设备通信。
移动终端通过网络模块302为用户提供了无线的宽带互联网访问，如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
音频输出单元303可以将射频单元301或网络模块302接收的或者在存储器309中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元303还可以提供与移动终端300执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元303包括扬声器、蜂鸣器以及受话器等。
输入单元304用于接收音频或视频信号。输入单元304可以包括图形处理器(Graphics Processing Unit，GPU)3041和麦克风3042，图形处理器3041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元306上。经图形处理器3041处理后的图像帧可以存储在存储器309(或其它存储介质)中或者经由射频单元301或网络模块302进行发送。麦克风3042可以接收声音，并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元301发送到移动通信基站的格式输出。
移动终端300还包括至少一种传感器305，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板3061的亮度，接近传感器可在移动终端300移动到耳边时，关闭显示面板3061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；传感器305还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等，在此不再赘述。
显示单元306用于显示由用户输入的信息或提供给用户的信息。显示单元306可包括显示面板3061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板3061。
用户输入单元307可用于接收输入的数字或字符信息，以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元307包括触控面板3071以及其他输入设备3072。触控面板3071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板3071上或在触控面板3071附近的操作)。触控面板3071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器310，接收处理器310发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板3071。除了触控面板3071，用户输入单元307还可以包括其他输入设备3072。具体地，其他输入设备3072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
进一步的，触控面板3071可覆盖在显示面板3061上，当触控面板3071检测到在其上或附近的触摸操作后，传送给处理器310以确定触摸事件的类型，随后处理器310根据触摸事件的类型在显示面板3061上提供相应的视觉输出。虽然在图3中，触控面板3071与显示面板3061是作为两个独立的部件来实现移动终端的输入和输出功能，但是在某些实施例中，可以将触控面板3071与显示面板3061集成而实现移动终端的输入和输出功能，具体此处不做限定。
接口单元308为外部装置与移动终端300连接的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元308可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端300内的一个或多个元件或者可以用于在移动终端300和外部装置之间传输数据。
存储器309可用于存储软件程序以及各种数据。存储器309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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器309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、或其他易失性固态存储器件。
处理器310是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器309内的软件程序和/或模块，以及调用存储在存储器309内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。处理器310可包括一个或多个处理单元；优选的，处理器310可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器310中。
移动终端300还可以包括给各个部件供电的电源311(比如电池)，优选的，电源311可以通过电源管理系统与处理器310逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
另外，移动终端300包括一些未示出的功能模块，在此不再赘述。
优选的，本发明实施例还提供一种移动终端，包括处理器310，存储器309，存储在存储器309上并可在所述处理器310上运行的计算机程序，该计算机程序被处理器310执行时实现上述图像处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述图像处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，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，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (6)

1.一种图像处理方法，应用于移动终端，其特征在于，包括：
获取原始图像；
根据所述原始图像中人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型；
将所述原始图像输入所述目标深度网络模型，生成第一图像；
所述根据所述原始图像中人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型之前，所述方法还包括：
获取样本图像，所述样本图像中的人脸处于所述第一姿态；
对所述样本图像进行模糊化处理，得到模糊图像；
将所述模糊图像作为输入图像，将所述样本图像作为真实图像，对所述样本图像和所述模糊图像进行对抗网络训练，得到所述目标深度网络模型；
所述根据所述原始图像中人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型，具体包括：
获取所述原始图像中人脸的距离信息和人脸特征点的位置信息；
根据所述距离信息和所述位置信息，确定所述目标深度网络模型。
2.根据权利要求1所述的方法，其特征在于，所述将所述原始图像输入所述目标深度网络模型，生成第一图像之后，所述方法还包括：
检测所述第一图像上的目标特征，并根据所述目标特征在所述原始图像中的位置，确定所述目标特征的置信度；
在所述置信度小于或等于预设置信度时，对所述第一图像中的所述目标特征进行预设处理，得到目标图像。
3.一种移动终端，其特征在于，包括：
第一获取模块，用于获取原始图像；
确定模块，用于根据所述原始图像中人脸的第一姿态，确定与所述第一姿态相对应的目标深度网络模型；
生成模块，用于将所述原始图像输入所述目标深度网络模型，生成第一图像；
所述移动终端还包括：
第二获取模块，用于获取样本图像，所述样本图像中的人脸处于所述第一姿态；
第一处理模块，用于对所述样本图像进行模糊化处理，得到模糊图像；
第二处理模块，用于将所述模糊图像作为输入图像，将所述样本图像作为真实图像，对所述样本图像和所述模糊图像进行对抗网络训练，得到所述目标深度网络模型；
所述确定模块，包括：
获取单元，用于获取所述原始图像中人脸的距离信息和人脸特征点的位置信息；
确定单元，用于根据所述距离信息和所述位置信息，确定所述目标深度网络模型。
4.根据权利要求3所述的移动终端，其特征在于，所述移动终端还包括：
检测模块，用于检测所述第一图像上的目标特征，并根据所述目标特征在所述原始图像中的位置，确定所述目标特征的置信度；
第三处理模块，用于在所述置信度小于或等于预设置信度时，对所述第一图像中的所述目标特征进行预设处理，得到目标图像。
5.一种移动终端，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至2中任一项所述的图像处理方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至2中任一项所述的图像处理方法的步骤。
CN201910675242.3A 2019-07-25 2019-07-25 一种图像处理方法和移动终端 Active CN110443752B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910675242.3A CN110443752B (zh) 2019-07-25 2019-07-25 一种图像处理方法和移动终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910675242.3A CN110443752B (zh) 2019-07-25 2019-07-25 一种图像处理方法和移动终端

Publications (2)

Publication Number Publication Date
CN110443752A CN110443752A (zh) 2019-11-12
CN110443752B true CN110443752B (zh) 2023-05-05

Family

ID=68431253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910675242.3A Active CN110443752B (zh) 2019-07-25 2019-07-25 一种图像处理方法和移动终端

Country Status (1)

Country Link
CN (1) CN110443752B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111028142B (zh) * 2019-11-25 2024-02-13 泰康保险集团股份有限公司 图像处理方法、装置和存储介质
CN114742807A (zh) * 2022-04-24 2022-07-12 北京医准智能科技有限公司 基于x光图像的胸片识别方法、装置、电子设备和介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107704812A (zh) * 2017-09-18 2018-02-16 维沃移动通信有限公司 一种人脸识别方法及移动终端
CN108491775A (zh) * 2018-03-12 2018-09-04 维沃移动通信有限公司 一种图像修正方法及移动终端
CN108875510A (zh) * 2017-11-28 2018-11-23 北京旷视科技有限公司 图像处理的方法、装置、系统及计算机存储介质
CN110020578A (zh) * 2018-01-10 2019-07-16 广东欧珀移动通信有限公司 图像处理方法、装置、存储介质及电子设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108133456A (zh) * 2016-11-30 2018-06-08 京东方科技集团股份有限公司 人脸超分辨率重建方法、重建设备以及计算机系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107704812A (zh) * 2017-09-18 2018-02-16 维沃移动通信有限公司 一种人脸识别方法及移动终端
CN108875510A (zh) * 2017-11-28 2018-11-23 北京旷视科技有限公司 图像处理的方法、装置、系统及计算机存储介质
CN110020578A (zh) * 2018-01-10 2019-07-16 广东欧珀移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN108491775A (zh) * 2018-03-12 2018-09-04 维沃移动通信有限公司 一种图像修正方法及移动终端

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于深度学习的人脸图像扭正算法;范雪等;《信息通信》;20170715(第07期);全文 *
基于深度网络的多形态人脸识别;王莹等;《计算机科学》;20150915(第09期);全文 *

Also Published As

Publication number Publication date
CN110443752A (zh) 2019-11-12

Similar Documents

Publication Publication Date Title
CN108513070B (zh) 一种图像处理方法、移动终端及计算机可读存储介质
CN108491775B (zh) 一种图像修正方法及移动终端
CN110706179B (zh) 一种图像处理方法及电子设备
WO2021057267A1 (zh) 图像处理方法及终端设备
CN107767333B (zh) 美颜拍照的方法、设备及计算机可存储介质
CN108989672B (zh) 一种拍摄方法及移动终端
CN109688322B (zh) 一种生成高动态范围图像的方法、装置及移动终端
CN108492246B (zh) 一种图像处理方法、装置及移动终端
CN109194839B (zh) 一种显示控制方法、终端和计算机可读存储介质
CN111145087B (zh) 一种图像处理方法及电子设备
CN107749046B (zh) 一种图像处理方法及移动终端
CN111031234B (zh) 一种图像处理方法及电子设备
CN110930329A (zh) 星空图像处理方法及装置
CN109819166B (zh) 一种图像处理方法和电子设备
CN109448069B (zh) 一种模板生成方法及移动终端
CN111008929B (zh) 图像矫正方法及电子设备
CN110443752B (zh) 一种图像处理方法和移动终端
CN109639981B (zh) 一种图像拍摄方法及移动终端
CN108932505B (zh) 一种图像处理方法和电子设备
CN111080747A (zh) 一种人脸图像处理方法及电子设备
CN110908517A (zh) 图像编辑方法、装置、电子设备及介质
CN107798662B (zh) 一种图像处理方法及移动终端
CN111432122B (zh) 一种图像处理方法及电子设备
CN107566738A (zh) 一种全景拍摄方法、移动终端及计算机可读存储介质
CN108830901B (zh) 一种图像处理方法和电子设备

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