CN110458781B - 用于处理图像的方法和装置 - Google Patents
用于处理图像的方法和装置 Download PDFInfo
- Publication number
- CN110458781B CN110458781B CN201910750649.8A CN201910750649A CN110458781B CN 110458781 B CN110458781 B CN 110458781B CN 201910750649 A CN201910750649 A CN 201910750649A CN 110458781 B CN110458781 B CN 110458781B
- Authority
- CN
- China
- Prior art keywords
- target face
- target
- image
- face
- area
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000011159 matrix material Substances 0.000 claims abstract description 58
- 238000001914 filtration Methods 0.000 claims description 26
- 238000012937 correction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 11
- 230000005012 migration Effects 0.000 claims description 10
- 238000013508 migration Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 6
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000002087 whitening effect 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
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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)
- Image Processing (AREA)
Abstract
本申请实施例公开了用于处理图像的方法和装置。该方法的一具体实施方式包括：获取目标脸部图像和参考脸部图像；从目标脸部图像和参考脸部图像中分别分割出目标脸部区域和参考脸部区域；将目标脸部区域的颜色向参考脸部区域的颜色迁移，得到处理后的目标脸部区域；生成目标脸部图像的脸部掩膜矩阵；利用脸部掩膜矩阵对处理后的目标脸部区域和目标脸部图像进行融合，得到处理后的目标脸部图像。该实施方式提高了处理后的脸部图像的自然度。
Description
技术领域
本申请实施例涉及计算机技术领域，具体涉及用于处理图像的方法和装置。
背景技术
随着近几年数码技术的飞速发展，人们通过具备拍照功能的设备记录生活点滴，因此改善拍照图像效果的图像处理应用也越来越多，需求最高的莫过于自拍照的人脸修图。
目前，常用的图像处理方法一般是对整张人脸图像进行整体上模糊处理和色调调整，以达到视觉上的美白和皮肤磨皮的效果。
发明内容
本申请实施例提出了用于处理图像的方法和装置。
第一方面，本申请实施例提供了一种用于处理图像的方法，包括：获取目标脸部图像和参考脸部图像；从目标脸部图像和参考脸部图像中分别分割出目标脸部区域和参考脸部区域；将目标脸部区域的颜色向参考脸部区域的颜色迁移，得到处理后的目标脸部区域；生成目标脸部图像的脸部掩膜矩阵；利用脸部掩膜矩阵对处理后的目标脸部区域和目标脸部图像进行融合，得到处理后的目标脸部图像。
在一些实施例中，从目标脸部图像和参考脸部图像中分别分割出目标脸部区域和参考脸部区域，包括：从目标脸部图像和参考脸部图像中分别提取目标脸部轮廓关键点和参考脸部轮廓关键点；基于目标脸部轮廓关键点和参考脸部轮廓关键点分别定位目标脸部边缘和参考脸部边缘；基于目标脸部边缘和参考脸部边缘分别对目标图像和参考图像进行分割，得到目标脸部区域和参考脸部区域。
在一些实施例中，将目标脸部区域的颜色向参考脸部区域的颜色迁移，包括：利用主成分分析分别对目标脸部区域和参考脸部区域的颜色分布进行分解，以及对分解得到的每个成分分量进行匹配，将目标脸部区域的颜色向参考脸部区域的颜色迁移。
在一些实施例中，生成目标脸部图像的脸部掩膜矩阵，包括：基于目标脸部区域生成初始脸部掩膜矩阵；对初始脸部掩膜矩阵进行腐蚀运算，生成脸部掩膜矩阵。
在一些实施例中，在将目标脸部区域的颜色向参考脸部区域的颜色迁移之前，还包括：对目标脸部区域进行滤波，提亮目标脸部区域的肤色；和/或对目标脸部区域进行伽马调节，调节目标脸部区域的光亮。
在一些实施例中，对目标脸部区域进行滤波，包括：对于目标脸部区域中的每个像素点，基于以该像素点为中心的窗口内的像素点的像素值方差和像素值均值对该像素点进行滤波。
在一些实施例中，在利用脸部掩膜矩阵对处理后的目标脸部区域和目标脸部图像进行融合之前，还包括：结合参考脸部区域的肤色修正目标脸部区域的局域不均衡的肤色。
在一些实施例中，结合参考脸部区域的肤色修正目标脸部区域的局域不均衡的肤色，包括：对目标脸部区域和参考脸部区域分别进行高斯模糊，得到高斯模糊后的目标脸部区域和高斯模糊后的参考脸部区域；对高斯模糊后的目标脸部区域进行滤波，得到滤波后的目标脸部区域；将高斯模糊后的目标脸部区域与滤波后的目标脸部区域相加，得到相加后的目标脸部区域；将相加后的目标脸部区域与高斯模糊后的参考脸部区域的商乘以目标脸部区域，得到修正后的目标脸部区域。
第二方面，本申请实施例提供了一种用于处理图像的装置，包括：获取单元，被配置成获取目标脸部图像和参考脸部图像；分割单元，被配置成从目标脸部图像和参考脸部图像中分别分割出目标脸部区域和参考脸部区域；迁移单元，被配置成将目标脸部区域的颜色向参考脸部区域的颜色迁移，得到处理后的目标脸部区域；生成单元，被配置成生成目标脸部图像的脸部掩膜矩阵；融合单元，被配置成利用脸部掩膜矩阵对处理后的目标脸部区域和目标脸部图像进行融合，得到处理后的目标脸部图像。
在一些实施例中，分割单元进一步被配置成：从目标脸部图像和参考脸部图像中分别提取目标脸部轮廓关键点和参考脸部轮廓关键点；基于目标脸部轮廓关键点和参考脸部轮廓关键点分别定位目标脸部边缘和参考脸部边缘；基于目标脸部边缘和参考脸部边缘分别对目标图像和参考图像进行分割，得到目标脸部区域和参考脸部区域。
在一些实施例中，迁移单元进一步被配置成：利用主成分分析分别对目标脸部区域和参考脸部区域的颜色分布进行分解，以及对分解得到的每个成分分量进行匹配，将目标脸部区域的颜色向参考脸部区域的颜色迁移。
在一些实施例中，生成单元进一步被配置成：基于目标脸部区域生成初始脸部掩膜矩阵；对初始脸部掩膜矩阵进行腐蚀运算，生成脸部掩膜矩阵。
在一些实施例中，该装置还包括：滤波单元，被配置成对目标脸部区域进行滤波，提亮目标脸部区域的肤色；和/或调节单元，被配置成对目标脸部区域进行伽马调节，调节目标脸部区域的光亮。
在一些实施例中，滤波单元进一步被配置成：对于目标脸部区域中的每个像素点，基于以该像素点为中心的窗口内的像素点的像素值方差和像素值均值对该像素点进行滤波。
在一些实施例中，该装置还包括：修正单元，被配置成结合参考脸部区域的肤色修正目标脸部区域的局域不均衡的肤色。
在一些实施例中，修正单元进一步被配置成：对目标脸部区域和参考脸部区域分别进行高斯模糊，得到高斯模糊后的目标脸部区域和高斯模糊后的参考脸部区域；对高斯模糊后的目标脸部区域进行滤波，得到滤波后的目标脸部区域；将高斯模糊后的目标脸部区域与滤波后的目标脸部区域相加，得到相加后的目标脸部区域；将相加后的目标脸部区域与高斯模糊后的参考脸部区域的商乘以目标脸部区域，得到修正后的目标脸部区域。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于处理图像的方法和装置，首先从获取到的目标脸部图像和参考脸部图像中分别分割出目标脸部区域和参考脸部区域；之后将目标脸部区域的颜色向参考脸部区域的颜色迁移，得到处理后的目标脸部区域；然后生成目标脸部图像的脸部掩膜矩阵；最后利用脸部掩膜矩阵对处理后的目标脸部区域和目标脸部图像进行融合，得到处理后的目标脸部图像。从而提高了处理后的脸部图像的自然度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构；
图2是根据本申请的用于处理图像的方法的一个实施例的流程图；
图3是根据本申请的用于处理图像的方法的又一个实施例的流程图；
图4是肤色修正的流程图；
图5是图像处理的流程图；
图6是根据本申请的用于处理图像的装置的一个实施例的结构示意图；
图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请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相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于处理图像的方法或用于处理图像的装置的实施例的示例性系统架构100。
如图1所示，系统架构100中可以包括终端设备101、网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101通过网络102与服务器103交互，以接收或发送消息等。终端设备101上可以安装有各种通讯客户端应用，例如相机应用、图像处理应用和即时通信应用等。
终端设备101可以是硬件，也可以是软件。当终端设备101为硬件时，可以是支持图像处理功能的各种电子设备。包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器103可以提供各种服务。例如服务器103可以对获取到的目标脸部图像和参考脸部图像等数据进行分析等处理，并将处理结果(例如处理后的目标脸部图像)反馈给终端设备101。
需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请实施例所提供的用于处理图像的方法一般由服务器103执行，相应地，用于处理图像的装置一般设置于服务器103中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本申请的用于处理图像的方法的一个实施例的流程200。该用于处理图像的方法，包括以下步骤：
步骤201，获取目标脸部图像和参考脸部图像。
在本实施例中，用于处理图像的方法的执行主体(例如图1所示的服务器)可以获取目标脸部图像和参考脸部图像。其中，目标脸部图像中可以存在目标脸部，参考脸部图像中可以存在参考脸部。目标脸部图像和参考脸部图像通常不是同一对象的脸部图像。也就是说，目标脸部图像中的目标脸部的肤色与参考脸部图像中的参考脸部的肤色不一致。例如，目标脸部图像中的目标脸部的皮肤暗淡，而参考脸部图像中的参考脸部的皮肤白皙。通常，用户想要以参考脸部图像中的参考脸部的肤色为标准来调整目标脸部图像中的目标脸部的肤色。
实践中，用户的终端设备(例如图1所示的终端设备101)上可以安装有图像处理应用。在一些实施例中，用户的终端设备同时存储有目标脸部图像和参考脸部图像。此时，用户可以打开图像处理应用，将目标脸部图像和参考脸部图像同时上传至上述执行主体。这样，杉树执行主体就可以从终端设备获取目标脸部图像和参考脸部图像。在一些实施例中，用户的终端设备存储有目标脸部图像。上述执行主体存储有大量参考脸部图像。此时，用户可以打开图像处理应用，将目标脸部图像上传至上述执行主体，同时向上述执行主体发送选取的参考脸部图像的标识。这样，上述执行主体可以从终端设备获取目标脸部图像，并根据选取的参考脸部图像的标识从存储的大量参考脸部图像中查找出选取的参考脸部图像。
步骤202，从目标脸部图像和参考脸部图像中分别分割出目标脸部区域和参考脸部区域。
在本实施例中，上述执行主体可以从目标脸部图像中分割出目标脸部区域，同时从参考脸部图像中分割出参考脸部区域。通常，上述执行主体可以首先对脸部图像进行边缘提取，确定脸部边缘；然后基于脸部边缘对脸部图像进行分割，将脸部图像分割成脸部区域和背景区域。
在本实施例的一些可选的实现方式中，上述执行主体可以首先从目标脸部图像和参考脸部图像中分别提取目标脸部轮廓关键点和参考脸部轮廓关键点；然后基于目标脸部轮廓关键点和参考脸部轮廓关键点分别定位目标脸部边缘和参考脸部边缘；最后基于目标脸部边缘和参考脸部边缘分别对目标图像和参考图像进行分割，得到目标脸部区域和参考脸部区域。通常，上述执行主体可以首先从脸部图像中提取出关键点；之后从提取出的关键点中确定出脸部轮廓关键点；然后顺序连接脸部轮廓关键点，确定脸部边缘；最后基于脸部边缘对脸部图像进行分割，将脸部图像分割成脸部区域和背景区域。
步骤203，将目标脸部区域的颜色向参考脸部区域的颜色迁移，得到处理后的目标脸部区域。
在本实施例中，上述执行主体可以将目标脸部区域的颜色向参考脸部区域的颜色迁移，以得到处理后的目标脸部区域。这样，目标脸部区域的肤色就可以变换到与参考脸部区域的肤色一致。具体地，上述执行主体可以利用主成分分析(Principal ComponentAnalysis，PCA)分别对目标脸部区域和参考脸部区域的颜色分布进行分解，以及对分解得到的每个成分分量进行匹配，将目标脸部区域的颜色向参考脸部区域的颜色迁移。也就是说，基于颜色分布，将目标脸部区域和参考脸部区域分别分解成多个成分分量。对于目标脸部区域的成分分量，将其颜色向参考脸部区域的对应成分分量的颜色迁移，以使目标脸部区域与参考脸部区域在主要颜色组成上保持一致。
步骤204，生成目标脸部图像的脸部掩膜矩阵。
在本实施例中，上述执行主体可以生成目标脸部图像的脸部掩膜矩阵。其中，脸部掩膜矩阵可以是用于对目标脸部图像中的背景区域进行遮挡的矩阵。通常，脸部掩膜矩阵的行数和列数可以与目标脸部图像对应的矩阵相同。并且，脸部掩膜矩阵中与目标脸部区域对应的元素的值可以是1，与背景区域对应的元素的值可以是0。例如，上述执行主体可以将目标脸部图像对应的矩阵中脸部区域对应的元素的值设置为1，将与背景区域对应的元素的值设置为0，得到脸部掩膜矩阵。
在本实施例的一些可选的实现方式中，上述执行主体可以首先基于目标脸部区域生成初始脸部掩膜矩阵；然后对初始脸部掩膜矩阵进行腐蚀运算，生成脸部掩膜矩阵。具体地，上述执行主体可以首先将目标脸部图像对应的矩阵中脸部区域对应的元素的值设置为1，将与背景区域对应的元素的值设置为0，生成初始脸部掩膜矩阵；然后将初始脸部掩膜矩阵中与脸部边缘区域对应的元素的值设置为0到1之间的随机数，生成脸部掩膜矩阵。
步骤205，利用脸部掩膜矩阵对处理后的目标脸部区域和目标脸部图像进行融合，得到处理后的目标脸部图像。
在本实施例中，上述执行主体可以利用脸部掩膜矩阵对处理后的目标脸部区域和目标脸部图像进行融合，以得到处理后的目标脸部图像。这里，由于脸部掩膜矩阵中与脸部边缘区域对应的元素的值被设置为0到1之间的随机数，因此，在利用脸部掩膜矩阵进行融合时，目标脸部图像中的目标脸部区域和背景区域之间的边界过渡平滑自然。
通常，本实施例使用的融合技术可以是alpha(阿尔法)融合。具体地，上述执行主体可以首先利用脸部掩膜矩阵遮挡住目标脸部图像的背景区域；然后设置处理后的目标脸部区域和未遮挡的目标脸部区域的透明度，并进行alpha融合；最后去除对背景区域的遮挡，将融合后的目标脸部区域融入背景区域，得到处理后的目标脸部图像。从而实现了融合后的目标脸部区域与背景区域之间的自然过渡。
本申请实施例提供的用于处理图像的方法，首先从获取到的目标脸部图像和参考脸部图像中分别分割出目标脸部区域和参考脸部区域；之后将目标脸部区域的颜色向参考脸部区域的颜色迁移，得到处理后的目标脸部区域；然后生成目标脸部图像的脸部掩膜矩阵；最后利用脸部掩膜矩阵对处理后的目标脸部区域和目标脸部图像进行融合，得到处理后的目标脸部图像。从而提高了处理后的脸部图像的自然度。
进一步参考图3，其示出了根据本申请的用于处理图像的方法的又一个实施例的流程300。该用于处理图像的方法，包括以下步骤：
步骤301，获取目标脸部图像和参考脸部图像。
步骤302，从目标脸部图像和参考脸部图像中分别分割出目标脸部区域和参考脸部区域。
在本实施例中，步骤301-302的具体操作已在图2所示的实施例中步骤201-202中进行了详细的介绍，在此不再赘述。
步骤303，对目标脸部区域进行滤波，提亮目标脸部区域的肤色。
在本实施例中，用于处理图像的方法的执行主体(例如图1所示的服务器103)可以对目标脸部区域进行滤波，滤除噪声点，提亮目标脸部区域的肤色，以实现对目标脸部区域平滑。
在本实施例的一些可选的实现方式中，对于目标脸部区域中的每个像素点，上述执行主体可以基于以该像素点为中心的窗口内的像素点的像素值方差和像素值均值对该像素点进行滤波。
例如，上述执行主体可以利用如下公式对目标脸部区域的每个像素点进行滤波：
IMG(i,j)＝a·img(i,j)+b；
这里，a＝varwin/(varwin+ε)；b＝meanwin-a·meanwin。
其中，i和j为正整数。img(i,j)为滤波前的目标脸部区域的第i第j列的像素点。IMG(i，j)为滤波后的目标脸部区域的第i第j列的像素点。varwin为以img(i,j)为中心的窗口内的像素点的像素值方差。meanwin为以img(i，j)为中心的窗口内的像素点的像素值均值。ε为根据实际应用调节的参数。
步骤304，对目标脸部区域进行伽马调节，调节目标脸部区域的光亮。
在本实施例中，上述执行主体可以对目标脸部区域进行Gamma(伽马)调节，调节目标脸部区域的光亮，减小目标脸部区域因局部光照过量带来的不良影响。
步骤305，将目标脸部区域的颜色向参考脸部区域的颜色迁移，得到处理后的目标脸部区域。
在本实施例中，步骤305的具体操作已在图2所示的实施例中步骤203中进行了详细的介绍，在此不再赘述。
步骤306，结合参考脸部区域的肤色修正目标脸部区域的局域不均衡的肤色。
在本实施例中，上述执行主体可以参考脸部区域的肤色修正目标脸部区域的局部不均衡的肤色，以实现对目标脸部区域的颜色校正。
在本实施例的一些可选的实现方式中，上述执行主体可以通过如下步骤对目标脸部区域进行肤色修正：
首先，对目标脸部区域和参考脸部区域分别进行高斯模糊，得到高斯模糊后的目标脸部区域和高斯模糊后的参考脸部区域。
之后，对高斯模糊后的目标脸部区域进行滤波，得到滤波后的目标脸部区域。
然后，将高斯模糊后的目标脸部区域与滤波后的目标脸部区域相加，得到相加后的目标脸部区域。
最后，将相加后的目标脸部区域与高斯模糊后的参考脸部区域的商乘以目标脸部区域，得到修正后的目标脸部区域。
为了便于理解，图4示出了肤色修正的流程图。如图4所示，首先对目标脸部区域401进行高斯模糊410处理，以及对参考脸部区域402进行高斯模糊420处理；之后对高斯模糊410得到的结果进行滤波430处理；而后将高斯模糊410得到的结果和滤波430得到的结果相加；然后将相加得到的结果与高斯模糊420得到的结果相除；最后将相除得到的结果与目标脸部区域401相乘，输出修正后的目标脸部区域403。
步骤307，生成目标脸部图像的脸部掩膜矩阵。
步骤308，利用脸部掩膜矩阵对处理后的目标脸部区域和目标脸部图像进行融合，得到处理后的目标脸部图像。
在本实施例中，步骤307-308的具体操作已在图2所示的实施例中步骤204-205中进行了详细的介绍，在此不再赘述。
为了便于理解，图5示出了图像处理的流程图。如图5所示，首先对目标脸部图像501依次进行面部提取510、滤波530和Gamma调节540操作，以及对参考脸部图像502进行面部提取520操作；之后将Gamma调节540得到的结果向面部提取520得到的结果进行线性颜色迁移550；而后对线性颜色迁移550得到的结果依次进行滤波560和颜色矫正570操作，同时对目标脸部图像501进行颜色矫正570操作；然后生成目标脸部图像501的脸部掩膜矩阵503；最后利用脸部掩膜矩阵503对颜色矫正570得到的两个结果进行alpha融合580，输出处理后的目标脸部图像504。
从图3中可以看出，与图2对应的实施例相比，本实施例中的用于处理图像的方法的流程300增加了对目标脸部区域进行滤波、Gamma调节和肤色修正的步骤。由此，本实施例描述的方案结合滤波和Gamma调节，均衡目标脸部区域的色彩及光亮。再由线性颜色迁移结合参考脸部图像进行颜色空间色彩变换，接着进行颜色矫正，使目标脸部区域的肤色与参考脸部区域的肤色变换一致。最后通过融合将新的目标脸部区域融入背景区域，实现自然过渡。
进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种用于处理图像的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的用于处理图像的装置600可以包括：获取单元601、分割单元602、迁移单元603、生成单元604和融合单元605。其中，获取单元601，被配置成获取目标脸部图像和参考脸部图像；分割单元602，被配置成从目标脸部图像和参考脸部图像中分别分割出目标脸部区域和参考脸部区域；迁移单元603，被配置成将目标脸部区域的颜色向参考脸部区域的颜色迁移，得到处理后的目标脸部区域；生成单元604，被配置成生成目标脸部图像的脸部掩膜矩阵；融合单元605，被配置成利用脸部掩膜矩阵对处理后的目标脸部区域和目标脸部图像进行融合，得到处理后的目标脸部图像。
在本实施例中，用于处理图像的装置600中：获取单元601、分割单元602、迁移单元603、生成单元604和融合单元605的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-205的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，分割单元602进一步被配置成：从目标脸部图像和参考脸部图像中分别提取目标脸部轮廓关键点和参考脸部轮廓关键点；基于目标脸部轮廓关键点和参考脸部轮廓关键点分别定位目标脸部边缘和参考脸部边缘；基于目标脸部边缘和参考脸部边缘分别对目标图像和参考图像进行分割，得到目标脸部区域和参考脸部区域。
在本实施例的一些可选的实现方式中，迁移单元603进一步被配置成：利用主成分分析分别对目标脸部区域和参考脸部区域的颜色分布进行分解，以及对分解得到的每个成分分量进行匹配，将目标脸部区域的颜色向参考脸部区域的颜色迁移。
在本实施例的一些可选的实现方式中，生成单元604进一步被配置成：基于目标脸部区域生成初始脸部掩膜矩阵；对初始脸部掩膜矩阵进行腐蚀运算，生成脸部掩膜矩阵。
在本实施例的一些可选的实现方式中，用于处理图像的装置600还包括：滤波单元(图中未示出)，被配置成对目标脸部区域进行滤波，提亮目标脸部区域的肤色；和/或调节单元(图中未示出)，被配置成对目标脸部区域进行伽马调节，调节目标脸部区域的光亮。
在本实施例的一些可选的实现方式中，滤波单元进一步被配置成：对于目标脸部区域中的每个像素点，基于以该像素点为中心的窗口内的像素点的像素值方差和像素值均值对该像素点进行滤波。
在本实施例的一些可选的实现方式中，用于处理图像的装置600还包括：修正单元(图中未示出)，被配置成结合参考脸部区域的肤色修正目标脸部区域的局域不均衡的肤色。
在本实施例的一些可选的实现方式中，修正单元进一步被配置成：对目标脸部区域和参考脸部区域分别进行高斯模糊，得到高斯模糊后的目标脸部区域和高斯模糊后的参考脸部区域；对高斯模糊后的目标脸部区域进行滤波，得到滤波后的目标脸部区域；将高斯模糊后的目标脸部区域与滤波后的目标脸部区域相加，得到相加后的目标脸部区域；将相加后的目标脸部区域与高斯模糊后的参考脸部区域的商乘以目标脸部区域，得到修正后的目标脸部区域。
下面参考图7，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器103)的计算机系统700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、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)、光纤、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。在本申请中，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。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或电子设备上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、分割单元、迁移单元、生成单元和融合单元。其中，这些单元的名称在种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标脸部图像和参考脸部图像的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读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该电子设备执行时，使得该电子设备：获取目标脸部图像和参考脸部图像；从目标脸部图像和参考脸部图像中分别分割出目标脸部区域和参考脸部区域；将目标脸部区域的颜色向参考脸部区域的颜色迁移，得到处理后的目标脸部区域；生成目标脸部图像的脸部掩膜矩阵；利用脸部掩膜矩阵对处理后的目标脸部区域和目标脸部图像进行融合，得到处理后的目标脸部图像。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (9)
1.一种用于处理图像的方法，包括：
获取目标脸部图像和参考脸部图像；
从所述目标脸部图像和所述参考脸部图像中分别分割出目标脸部区域和参考脸部区域；
将所述目标脸部区域的颜色向所述参考脸部区域的颜色迁移，得到处理后的目标脸部区域；
结合所述参考脸部区域的肤色修正所述目标脸部区域的局域不均衡的肤色；
生成所述目标脸部图像的脸部掩膜矩阵；
利用所述脸部掩膜矩阵对所述处理后的目标脸部区域和所述目标脸部图像进行融合，得到处理后的目标脸部图像；
其中，所述结合所述参考脸部区域的肤色修正所述目标脸部区域的局域不均衡的肤色，包括：
对所述目标脸部区域和所述参考脸部区域分别进行高斯模糊，得到高斯模糊后的目标脸部区域和高斯模糊后的参考脸部区域；
对所述高斯模糊后的目标脸部区域进行滤波，得到滤波后的目标脸部区域；
将所述高斯模糊后的目标脸部区域与所述滤波后的目标脸部区域相加，得到相加后的目标脸部区域；
将所述相加后的目标脸部区域与所述高斯模糊后的参考脸部区域的商乘以所述目标脸部区域，得到修正后的目标脸部区域。
2.根据权利要求1所述的方法，其中，所述从所述目标脸部图像和所述参考脸部图像中分别分割出目标脸部区域和参考脸部区域，包括：
从所述目标脸部图像和所述参考脸部图像中分别提取目标脸部轮廓关键点和参考脸部轮廓关键点；
基于所述目标脸部轮廓关键点和所述参考脸部轮廓关键点分别定位目标脸部边缘和参考脸部边缘；
基于所述目标脸部边缘和所述参考脸部边缘分别对所述目标图像和所述参考图像进行分割，得到所述目标脸部区域和所述参考脸部区域。
3.根据权利要求1所述的方法，其中，所述将所述目标脸部区域的颜色向所述参考脸部区域的颜色迁移，包括：
利用主成分分析分别对所述目标脸部区域和所述参考脸部区域的颜色分布进行分解，以及对分解得到的每个成分分量进行匹配，将所述目标脸部区域的颜色向所述参考脸部区域的颜色迁移。
4.根据权利要求1所述的方法，其中，所述生成所述目标脸部图像的脸部掩膜矩阵，包括：
基于所述目标脸部区域生成初始脸部掩膜矩阵；
对所述初始脸部掩膜矩阵进行腐蚀运算，生成所述脸部掩膜矩阵。
5.根据权利要求1所述的方法，其中，在所述将所述目标脸部区域的颜色向所述参考脸部区域的颜色迁移之前，还包括：
对所述目标脸部区域进行滤波，提亮所述目标脸部区域的肤色；和/或
对所述目标脸部区域进行伽马调节，调节所述目标脸部区域的光亮。
6.根据权利要求5所述的方法，其中，所述对所述目标脸部区域进行滤波，包括：
对于所述目标脸部区域中的每个像素点，基于以该像素点为中心的窗口内的像素点的像素值方差和像素值均值对该像素点进行滤波。
7.一种用于处理图像的装置，包括：
获取单元，被配置成获取目标脸部图像和参考脸部图像；
分割单元，被配置成从所述目标脸部图像和所述参考脸部图像中分别分割出目标脸部区域和参考脸部区域；
迁移单元，被配置成将所述目标脸部区域的颜色向所述参考脸部区域的颜色迁移，得到处理后的目标脸部区域；
修正单元，被配置成结合所述参考脸部区域的肤色修正所述目标脸部区域的局域不均衡的肤色；
生成单元，被配置成生成所述目标脸部图像的脸部掩膜矩阵；
融合单元，被配置成利用所述脸部掩膜矩阵对所述处理后的目标脸部区域和所述目标脸部图像进行融合，得到处理后的目标脸部图像；
其中，所述修正单元进一步配置成：
对所述目标脸部区域和所述参考脸部区域分别进行高斯模糊，得到高斯模糊后的目标脸部区域和高斯模糊后的参考脸部区域；
对所述高斯模糊后的目标脸部区域进行滤波，得到滤波后的目标脸部区域；
将所述高斯模糊后的目标脸部区域与所述滤波后的目标脸部区域相加，得到相加后的目标脸部区域；
将所述相加后的目标脸部区域与所述高斯模糊后的参考脸部区域的商乘以所述目标脸部区域，得到修正后的目标脸部区域。
8.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
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1-6中任一所述的方法。
9.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910750649.8A CN110458781B (zh) | 2019-08-14 | 2019-08-14 | 用于处理图像的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910750649.8A CN110458781B (zh) | 2019-08-14 | 2019-08-14 | 用于处理图像的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110458781A CN110458781A (zh) | 2019-11-15 |
| CN110458781B true CN110458781B (zh) | 2022-07-19 |
Family
ID=68486597
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910750649.8A Active CN110458781B (zh) | 2019-08-14 | 2019-08-14 | 用于处理图像的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110458781B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111145135B (zh) * | 2019-12-30 | 2021-08-10 | 腾讯科技（深圳）有限公司 | 一种图像去扰处理方法、装置、设备及存储介质 |
| CN111311528B (zh) * | 2020-01-22 | 2023-07-28 | 广州虎牙科技有限公司 | 图像融合优化方法、装置、设备和介质 |
| CN111539905B (zh) * | 2020-05-15 | 2023-08-25 | 北京百度网讯科技有限公司 | 用于生成图像的方法、装置、设备以及存储介质 |
| CN112330527A (zh) * | 2020-05-29 | 2021-02-05 | 北京沃东天骏信息技术有限公司 | 图像处理方法、装置、电子设备和介质 |
| CN111798399B (zh) * | 2020-07-10 | 2024-04-30 | 抖音视界有限公司 | 一种图像处理方法、装置以及电子设备 |
| CN111754396B (zh) * | 2020-07-27 | 2024-01-09 | 腾讯科技（深圳）有限公司 | 脸部图像处理方法、装置、计算机设备和存储介质 |
| CN113112422B (zh) * | 2021-04-06 | 2024-04-16 | 北京沃东天骏信息技术有限公司 | 图像处理方法、装置、电子设备、计算机可读介质 |
| CN113327193A (zh) * | 2021-05-27 | 2021-08-31 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备和介质 |
| CN113625927A (zh) * | 2021-06-23 | 2021-11-09 | 武汉理工数字传播工程有限公司 | 一种运营功能管理的方法、电子设备及存储介质 |
| CN115861122A (zh) * | 2022-12-26 | 2023-03-28 | 北京字跳网络技术有限公司 | 脸部图像处理方法、装置、计算机设备及存储介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103927772B (zh) * | 2014-04-30 | 2018-08-24 | 厦门美图之家科技有限公司 | 一种图标合成方法 |
| CN105741265B (zh) * | 2016-01-21 | 2019-03-01 | 中国科学院深圳先进技术研究院 | 深度图像的处理方法及装置 |
| CN107146199B (zh) * | 2017-05-02 | 2020-01-17 | 厦门美图之家科技有限公司 | 一种人脸图像的融合方法、装置及计算设备 |
| CN107862673B (zh) * | 2017-10-31 | 2021-08-24 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN109978754A (zh) * | 2017-12-28 | 2019-07-05 | 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 |
| CN109784301A (zh) * | 2019-01-28 | 2019-05-21 | 广州酷狗计算机科技有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
-
2019
- 2019-08-14 CN CN201910750649.8A patent/CN110458781B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110458781A (zh) | 2019-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110458781B (zh) | 用于处理图像的方法和装置 | |
| Galdran et al. | Fusion-based variational image dehazing | |
| CN110163237B (zh) | 模型训练及图像处理方法、装置、介质、电子设备 | |
| CN111383232B (zh) | 抠图方法、装置、终端设备及计算机可读存储介质 | |
| CN109255337B (zh) | 人脸关键点检测方法和装置 | |
| US11514263B2 (en) | Method and apparatus for processing image | |
| CN109919866B (zh) | 图像处理方法、装置、介质及电子设备 | |
| CN110166684B (zh) | 图像处理方法、装置、计算机可读介质及电子设备 | |
| CN107977946A (zh) | 用于处理图像的方法和装置 | |
| CN110349107B (zh) | 图像增强的方法、装置、电子设备、及存储介质 | |
| CN110288625B (zh) | 用于处理图像的方法和装置 | |
| CN113632143B (zh) | 一种基于高光谱图像还原重建光源光谱的方法和装置 | |
| CN109102484B (zh) | 用于处理图像的方法和装置 | |
| EP3847616A1 (en) | Model-free physics-based reconstruction of images acquired in scattering media | |
| CN111757100B (zh) | 相机运动变化量的确定方法、装置、电子设备和介质 | |
| Huo et al. | High‐dynamic range image generation from single low‐dynamic range image | |
| CN109493296A (zh) | 图像增强方法、装置、电子设备及计算机可读介质 | |
| CN112967207A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN110958363B (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
| CN112419179A (zh) | 修复图像的方法、装置、设备和计算机可读介质 | |
| CN112308950A (zh) | 视频生成方法及装置 | |
| CN109241930B (zh) | 用于处理眉部图像的方法和装置 | |
| Wang et al. | Learning a self‐supervised tone mapping operator via feature contrast masking loss | |
| CN111369475A (zh) | 用于处理视频的方法和装置 | |
| CN110689486A (zh) | 图像的处理方法、装置、设备及计算机可存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |