CN110766607A - 一种图像处理方法、装置和计算机存储介质 - Google Patents

一种图像处理方法、装置和计算机存储介质 Download PDF

Info

Publication number
CN110766607A
CN110766607A CN201810829498.0A CN201810829498A CN110766607A CN 110766607 A CN110766607 A CN 110766607A CN 201810829498 A CN201810829498 A CN 201810829498A CN 110766607 A CN110766607 A CN 110766607A
Authority
CN
China
Prior art keywords
limb
target object
image
mesh
mesh control
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
CN201810829498.0A
Other languages
English (en)
Inventor
刘文韬
钱晨
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.)
Beijing Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development 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 Beijing Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to CN201810829498.0A priority Critical patent/CN110766607A/zh
Priority to PCT/CN2019/092353 priority patent/WO2020019915A1/zh
Priority to KR1020207030087A priority patent/KR20200133778A/ko
Priority to JP2021506036A priority patent/JP7138769B2/ja
Priority to SG11202010404WA priority patent/SG11202010404WA/en
Publication of CN110766607A publication Critical patent/CN110766607A/zh
Priority to US17/117,703 priority patent/US20210097268A1/en
Pending legal-status Critical Current

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
    • G06T3/18—Image warping, e.g. rearranging pixels individually
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/2163—Partitioning the feature space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • G06T9/00—Image coding
    • G06T9/20—Contour coding, e.g. using detection of edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明实施例公开了一种图像处理方法、装置和计算机存储介质。获得第一图像，将所述第一图像进行网格划分，获得多个网格控制面；识别所述第一图像中的目标对象；基于所述多个网格控制面的至少部分网格控制面对所述目标对象对应的至少部分肢体区域进行变形处理，生成第二图像。

Description

一种图像处理方法、装置和计算机存储介质
技术领域
本发明涉及图像处理技术，具体涉及一种图像处理方法、装置和计算机存储介质。
背景技术
随着互联网技术的飞速发展，出现了各种图像处理工具，能够对图像中的目标对象进行处理，例如对图像中的目标人物进行“身体塑形”，例如“腿部塑形”、“手臂塑形”、“腰部塑形”、臀部塑形”、“肩部塑形”、“头部塑形”、“胸部塑形”等变胖或变瘦或变大或变小的操作，让人物的身材更完美的处理。然而，这种图像处理操作需要操作者手动操作，并且需要多次的调整操作才能达到较佳的调整效果。
发明内容
为解决现有存在的技术问题，本发明实施例提供一种图像处理方法、装置和计算机存储介质。
为达到上述目的，本发明实施例的技术方案是这样实现的：
本发明实施例提供了一种图像处理方法，所述方法包括：
获得第一图像，将所述第一图像进行网格划分，获得多个网格控制面；
识别所述第一图像中的目标对象；
基于所述多个网格控制面的至少部分网格控制面对所述目标对象对应的至少部分肢体区域进行变形处理，生成第二图像。
上述方案中，所述识别所述第一图像中的目标对象，包括：
识别所述第一图像中目标对象的肢体检测信息；所述肢体检测信息包括肢体关键点信息和/或肢体轮廓点信息；
所述肢体关键点信息包括肢体关键点的坐标信息；
所述肢体轮廓点信息包括肢体轮廓点的坐标信息。
上述方案中，所述基于所述多个网格控制面中的至少部分网格控制面对所述目标对象对应的至少部分肢体区域进行变形处理，包括：
确定所述目标对象中待进行变形处理的至少部分肢体区域，获得所述至少部分肢体区域的第一肢体检测信息；
确定所述第一肢体检测信息对应的第一组网格控制面，对所述第一组网格控制面进行变形处理。
上述方案中，所述确定所述第一肢体检测信息对应的第一组网格控制面，对所述第一组网格控制面进行变形处理，包括：
基于所述第一肢体检测信息包括的第一肢体关键点信息和/或第一肢体轮廓点信息确定对应的第一组网格控制面；所述第一组网格控制面包括至少一个网格控制面；
对所述至少一个网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的至少部分肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
上述方案中，所述网格控制面为第一类网格控制面；
所述确定所述第一肢体检测信息对应的第一组网格控制面，对所述第一组网格控制面进行变形处理，包括：
确定所述第一肢体检测信息对应的至少一个第一类网格控制面，基于第一变形参数对所述至少一个第一类网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
上述方案中，所述第一类网格控制面包括多个第一类网格控制点；
所述基于第一变形参数对所述至少一个第一类网格控制面进行变形处理，包括：
基于第一变形参数移动第一类网格控制面包括的多个第一类网格控制点中的至少部分第一类网格控制点，以对所述第一类网络控制面进行变形处理；
其中，所述多个第一类网格控制点中任一网格控制点的移动实现所述第一类网络控制面的变形。
上述方案中，所述网格控制面为第二类网格控制面；
所述确定所述第一肢体检测信息对应的第一组网格控制面，对所述第一组网格控制面进行变形处理，包括：
确定所述第一肢体检测信息对应的至少一个第二类网格控制面，基于第二变形参数对所述至少一个第二类网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的部分肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
上述方案中，所述第二类网格控制面包括多个第二类网格控制点；
所述基于第二变形参数对所述至少一个第二类网格控制面进行变形处理，包括：
基于第二变形参数移动第二类网格控制面包括的多个第二类网格控制点中的至少部分第二类网格控制点，以对所述第二类网络控制面进行变形处理；
其中，所述多个第二类网格控制点中任一网格控制点的移动实现所述第二类网络控制面中与所述网络控制点对应的区域的变形。
本发明实施例还提供了一种图像处理装置，所述装置包括：获取单元、网格划分单元和图像处理单元；其中，
所述获取单元，用于获得第一图像；
所述网格划分单元，用于将所述获取单元获得的所述第一图像进行网格划分，获得多个网格控制面；
所述图像处理单元，用于识别所述获取单元获得的所述第一图像中的目标对象；基于所述多个网格控制面的至少部分网格控制面对所述目标对象对应的至少部分肢体区域进行变形处理，生成第二图像。
上述方案中，所述图像处理单元，用于识别所述第一图像中目标对象的肢体检测信息；所述肢体检测信息包括肢体关键点信息和/或肢体轮廓点信息；所述肢体关键点信息包括肢体关键点的坐标信息；所述肢体轮廓点信息包括肢体轮廓点的坐标信息。
上述方案中，所述图像处理单元，用于确定所述目标对象中待进行变形处理的至少部分肢体区域，获得所述至少部分肢体区域的第一肢体检测信息；确定所述第一肢体检测信息对应的第一组网格控制面，对所述第一组网格控制面进行变形处理。
上述方案中，所述图像处理单元，用于基于所述第一肢体检测信息包括的第一肢体关键点信息和/或第一肢体轮廓点信息确定对应的第一组网格控制面；所述第一组网格控制面包括至少一个网格控制面；对所述至少一个网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的至少部分肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
上述方案中，所述网格控制面为第一类网格控制面；
所述图像处理单元，用于确定所述第一肢体检测信息对应的至少一个第一类网格控制面，基于第一变形参数对所述至少一个第一类网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
上述方案中，所述第一类网格控制面包括多个第一类网格控制点；
所述图像处理单元，用于基于第一变形参数移动第一类网格控制面包括的多个第一类网格控制点中的至少部分第一类网格控制点，以对所述第一类网络控制面进行变形处理；其中，所述多个第一类网格控制点中任一网格控制点的移动实现所述第一类网络控制面的变形。
上述方案中，所述网格控制面为第二类网格控制面；
所述图像处理单元，用于确定所述第一肢体检测信息对应的至少一个第二类网格控制面，基于第二变形参数对所述至少一个第二类网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的部分肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
上述方案中，所述第二类网格控制面包括多个第二类网格控制点；
所述图像处理单元，用于基于第二变形参数移动第二类网格控制面包括的多个第二类网格控制点中的至少部分第二类网格控制点，以对所述第二类网络控制面进行变形处理；其中，所述多个第二类网格控制点中任一网格控制点的移动实现所述第二类网络控制面中与所述网络控制点对应的区域的变形。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现本发明实施例所述图像处理方法的步骤。
本发明实施例还提供了一种图像处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明实施例所述图像处理方法的步骤。
本发明实施例提供的一种图像处理方法、装置和计算机存储介质，所述方法包括：获得第一图像，将所述第一图像进行网格划分，获得多个网格控制面；识别所述第一图像中的目标对象；基于所述多个网格控制面的至少部分网格控制面对所述目标对象对应的至少部分肢体区域进行变形处理，生成第二图像。采用本发明实施例的技术方案，基于图像进行网格划分，获得多个网格控制面，基于网格控制面对目标对象的至少部分肢体区域进行变形处理，实现了对目标对象的肢体区域的自动调整，无需用户多次手动操作，大大提升了用户的操作体验。
附图说明
图1为本发明实施例的图像处理方法的流程示意图；
图2为本发明实施例的图像处理装置的组成结构示意图；
图3为本发明实施例的图像处理装置的硬件组成结构示意图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细的说明。
本发明实施例提供了一种图像处理方法。图1为本发明实施例的图像处理方法的流程示意图；如图1所示，所述方法包括：
步骤101：获得第一图像，将所述第一图像进行网格划分，获得多个网格控制面。
步骤102：识别所述第一图像中的目标对象。
步骤103：基于所述多个网格控制面的至少部分网格控制面对所述目标对象对应的至少部分肢体区域进行变形处理，生成第二图像。
本实施例的图像处理方法对第一图像进行图像处理，对第一图像进行网格划分，获得多个网格控制面。作为一种实施方式，将所述第一图像平均划分为N*M个网格控制面，N和M均为正整数，N和M相同或不同。作为另一种实施方式，以第一图像中的目标对象为中心，将目标对象所在的矩形区域进行网格划分，再基于该矩形区域的网格划分粒度，对矩形区域以外的背景区域进行网格划分。
在一实施例中，网格控制面的数量与第一图像中目标对象对应的肢体区域在第一图像中的比例相关。例如，一个网格控制面可对应目标对象的一个部分肢体区域，例如一个网格控制面对应于目标对象的腿部，或者一个网格控制面对应于目标对象的胸部和腰部，以便于既可实现目标对象的全局变形，也有利于目标对象的局部变形。
本实施例中以网格控制面作为基本变形单元对目标对象对应的至少部分肢体区域进行处理，即针对网格控制面进行变形处理，从而实现目标对象对应的至少部分肢体区域的变形。
本实施例中，识别出所述第一图像中的目标对象；其中，所述目标对象作为待处理对象，可以是真人，可以理解为图像中的真实人物；在其他实施方式中，目标对象也可以是虚拟人物。
本实施例中，将第一图像进行网格划分与识别第一图像中的目标对象的执行顺序不限定本实施例中的执行顺序，也可先识别第一图像中的目标对象，再将第一图像进行网格划分，获得多个网格控制面。
本实施例中，所述识别所述第一图像中的目标对象，包括：识别所述第一图像中目标对象的肢体检测信息；所述肢体检测信息包括肢体关键点信息和/或肢体轮廓点信息；所述肢体关键点信息包括肢体关键点的坐标信息；所述肢体轮廓点信息包括肢体轮廓点的坐标信息。
具体的，所述目标对象对应的肢体区域包括：头部区域、肩部区域、胸部区域、腰部区域、手臂区域、手部区域、臀部区域、腿部区域和脚部区域。所述肢体检测信息包括肢体关键点信息和/或肢体轮廓点信息；所述肢体关键点信息包括肢体关键点的坐标信息；所述肢体轮廓点信息包括肢体轮廓点的坐标信息。其中，所述肢体轮廓点表征目标对象的肢体区域的肢体轮廓，即通过所述肢体轮廓点的坐标信息能够形成目标对象的肢体轮廓边缘。其中，所述肢体轮廓点包括以下至少一种：手臂轮廓点、手部轮廓点、肩部轮廓点、腿部轮廓点、脚部轮廓点、腰部轮廓点、头部轮廓点、臀部轮廓点、胸部轮廓点。其中，所述肢体关键点表征目标对象的骨骼的关键点，即通过所述肢体关键点的坐标信息、连接肢体关键点能够形成目标对象的主要骨骼。其中，所述肢体关键点包括以下至少一种：手臂关键点、手部关键点、肩部关键点、腿部关键点、脚部关键点、腰部关键点、头部关键点、臀部关键点、胸部关键点。
则本实施例中，通过图像识别算法识别出第一图像中的目标对象，进一步确定目标对象的肢体检测信息。
本实施例中，所述基于所述多个网格控制面中的至少部分网格控制面对所述目标对象对应的至少部分肢体区域进行变形处理，包括：确定所述目标对象中待进行变形处理的至少部分肢体区域，获得所述至少部分肢体区域的第一肢体检测信息；确定所述第一肢体检测信息对应的第一组网格控制面，对所述第一组网格控制面进行变形处理。
其中，所述确定所述第一肢体检测信息对应的第一组网格控制面，对所述第一组网格控制面进行变形处理，包括：基于所述第一肢体检测信息包括的第一肢体关键点信息和/或第一肢体轮廓点信息确定对应的第一组网格控制面；所述第一组网格控制面包括至少一个网格控制面；对所述至少一个网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的至少部分肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
这里，首先确定目标对象待进行变形处理的至少部分肢体区域，例如待进行变形处理的是腰部区域、腿部区域等等，也可以是是目标对象的肢体区域(即目标对象的完整肢体区域)；进一步基于待进行变形处理的至少部分肢体区域确定第一肢体检测信息，具体是待进行变形处理的至少部分肢体区域的肢体关键点的坐标信息和/或肢体轮廓点的坐标信息；基于至少部分肢体区域的肢体关键点的坐标信息和/或肢体轮廓点的坐标信息确定该至少部分肢体区域对应的第一组网格控制面，所述第一组网格控制面包括至少一个网格控制面，即确定所述至少部分肢体区域对应的至少一个网格控制面；可以理解，所述至少部分肢体区域在所述至少一个网格控制面对应的区域内。
本实施例中，网格控制面在初始状态下为矩形，网格控制面还具有多个虚拟的控制点(或者具有控制线)；通过移动控制点(或控制线)从而改变组成网格控制面的各控制线的曲率，从而实现对网格控制面的变形处理，可以理解，变形处理后的网格控制面为曲面。
作为一种实施方式，所述网格控制面为第一类网格控制面；
所述确定所述第一肢体检测信息对应的第一组网格控制面，对所述第一组网格控制面进行变形处理，包括：确定所述第一肢体检测信息对应的至少一个第一类网格控制面，基于第一变形参数对所述至少一个第一类网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
这里，所述第一类网格控制面包括多个第一类网格控制点；所述基于第一变形参数对所述至少一个第一类网格控制面进行变形处理，包括：基于第一变形参数移动第一类网格控制面包括的多个第一类网格控制点中的至少部分第一类网格控制点，以对所述第一类网络控制面进行变形处理；其中，所述多个第一类网格控制点中任一网格控制点的移动实现所述第一类网络控制面的变形。
具体的，所述第一类网格控制面具体可以为由贝塞尔曲线(Bézier curve)形成的贝塞尔曲面。贝塞尔曲面可具有多个控制点，通过对多个控制点中至少部分控制点的移动实现贝塞尔曲面的变形处理，从而实现贝塞尔曲面对应的肢体区域的变形处理。其中，贝塞尔曲面具有的多个控制点中，针对任一控制点的移动均会对贝塞尔曲面的全局进行变形。
其中，针对目标对象的完整肢体区域的变形处理，是通过参照第一变形参数对至少一个第一类网格控制面进行变形处理，即对第一类网格控制面中待进行调整的第一类网格控制点按照第一类变形参数进行变形处理，以实现目标对象的完整肢体区域均按照同一变形参数变形，例如，完整肢体区域整体压缩(“瘦身”)20％，这里的20％是相对于初始数据而言的，可以理解，腰部的宽度相比于变形前的腰部宽度压缩了20％，腿部的宽度相比于变形前的腿部宽度压缩了20％等等。
本实施方式适用于通过贝塞尔曲面对目标对象的完整肢体区域进行变形处理，从而实现针对目标对象的完整肢体区域的变形的全局平滑。
作为另一种实施方式，所述网格控制面为第二类网格控制面；
所述确定所述第一肢体检测信息对应的第一组网格控制面，对所述第一组网格控制面进行变形处理，包括：确定所述第一肢体检测信息对应的至少一个第二类网格控制面，基于第二变形参数对所述至少一个第二类网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的部分肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
这里，所述第二类网格控制面包括多个第二类网格控制点；所述基于第二变形参数对所述至少一个第二类网格控制面进行变形处理，包括：基于第二变形参数移动第二类网格控制面包括的多个第二类网格控制点中的至少部分第二类网格控制点，以对所述第二类网络控制面进行变形处理；其中，所述多个第二类网格控制点中任一网格控制点的移动实现所述第二类网络控制面中与所述网络控制点对应的区域的变形。
具体的，所述第二类网格控制面具体由catmull rom样条曲线形成catmull rom曲面。catmull rom曲面可具有多个控制点，通过对多个控制点中至少部分控制点的移动实现catmull rom曲面的变形处理，从而实现catmull rom曲面对应的肢体区域的变形处理。其中，catmull rom曲面具有的多个控制点中，区别于贝塞尔曲面的是，针对catmull rom曲面中的任一控制点的移动仅会对该控制点对应的区域进行局部变形，而不会对catmull rom曲面整体进行变形。
可以理解，通过catmull rom曲面的变形处理实现目标对象的部分肢体区域的变形，能够使局部变形更为精确，提升图像处理的效果。
其中，通过参照第二变形参数对至少一个第二类网格控制面进行变形处理，从而实现目标对象对应的部分肢体区域的变形处理。其中，针对不同的部分肢体区域对应的第二变形参数可相同也可不相同，从而实现不同的部分肢体区域具有不同的变形效果。例如，腰部的宽度相比于变形前的腰部宽度压缩了20％，腿部的宽度相比于变形前的腿部宽度压缩了10％。
本发明实施例中，无论采用上述第一类网格控制面或是第二类网格控制面，均需要基于待进行变形处理的至少部分肢体区域，以及变形处理的类型(例如压缩处理或是拉伸处理)，确定网格控制面中待移动的网格控制点，进而按照对应的变形参数移动确定的网格控制点。
在一实施例中，本发明实施例的图像处理过程中还配置有标准参数；作为一种实施方式，所述标准参数表明处理后的目标对象的肢体区域满足的参数，也即当采用本发明实施例的图像处理方案对肢体区域进行变形处理后使得肢体区域满足所述标准参数后即终止对肢体区域进行变形处理；作为另一种实施方式，所述标准参数表明目标对象的肢体区域的调整比例，也即当采用本发明实施例的图像处理方案对肢体区域进行处理后使得肢体区域的调整变化量满足所述调整比例。基于此，本发明实施例可基于该标准参数确定变形参数(包括第一变形参数或第二变形参数)。
本发明实施例中，针对至少部分网格控制面的变形处理，一方面实现了针对至少部分肢体区域的变形，另一方面也实现了网格控制面对应的除至少部分肢体区域以外的至少部分背景区域的变形。
采用本发明实施例的技术方案，基于图像进行网格划分，获得多个网格控制面，基于网格控制面对目标对象的至少部分肢体区域进行变形处理，实现了对目标对象的肢体区域的自动调整，无需用户多次手动操作，大大提升了用户的操作体验。
本发明实施例还提供了一种图像处理装置。图2为本发明实施例的图像处理装置的组成结构示意图；如图2所示，所述装置包括：获取单元21、网格划分单元22和图像处理单元23；其中，
所述获取单元21，用于获得第一图像；
所述网格划分单元22，用于将所述获取单元21获得的所述第一图像进行网格划分，获得多个网格控制面；
所述图像处理单元23，用于识别所述获取单元21获得的所述第一图像中的目标对象；基于所述多个网格控制面的至少部分网格控制面对所述目标对象对应的至少部分肢体区域进行变形处理，生成第二图像。
本实施例中，所述图像处理单元23，用于识别所述第一图像中目标对象的肢体检测信息；所述肢体检测信息包括肢体关键点信息和/或肢体轮廓点信息；所述肢体关键点信息包括肢体关键点的坐标信息；所述肢体轮廓点信息包括肢体轮廓点的坐标信息。
本实施例中，所述图像处理单元23，用于确定所述目标对象中待进行变形处理的至少部分肢体区域，获得所述至少部分肢体区域的第一肢体检测信息；确定所述第一肢体检测信息对应的第一组网格控制面，对所述第一组网格控制面进行变形处理。
本实施例中，所述图像处理单元23，用于基于所述第一肢体检测信息包括的第一肢体关键点信息和/或第一肢体轮廓点信息确定对应的第一组网格控制面；所述第一组网格控制面包括至少一个网格控制面；对所述至少一个网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的至少部分肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
在一实施例中，所述网格控制面为第一类网格控制面；
所述图像处理单元23，用于确定所述第一肢体检测信息对应的至少一个第一类网格控制面，基于第一变形参数对所述至少一个第一类网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
其中，所述第一类网格控制面包括多个第一类网格控制点；
所述图像处理单元23，用于基于第一变形参数移动第一类网格控制面包括的多个第一类网格控制点中的至少部分第一类网格控制点，以对所述第一类网络控制面进行变形处理；其中，所述多个第一类网格控制点中任一网格控制点的移动实现所述第一类网络控制面的变形。
在另一实施例中，所述网格控制面为第二类网格控制面；
所述图像处理单元23，用于确定所述第一肢体检测信息对应的至少一个第二类网格控制面，基于第二变形参数对所述至少一个第二类网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的部分肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
其中，所述第二类网格控制面包括多个第二类网格控制点；
所述图像处理单元23，用于基于第二变形参数移动第二类网格控制面包括的多个第二类网格控制点中的至少部分第二类网格控制点，以对所述第二类网络控制面进行变形处理；其中，所述多个第二类网格控制点中任一网格控制点的移动实现所述第二类网络控制面中与所述网络控制点对应的区域的变形。
本发明实施例中，所述装置中的获取单元21、网格划分单元22和图像处理单元23，在实际应用中均可由中央处理器(CPU，Central Processing Unit)、数字信号处理器(DSP，Digital Signal Processor)、微控制单元(MCU，Microcontroller Unit)或可编程门阵列(FPGA，Field－Programmable Gate Array)实现。
本发明实施例还提供了一种图像处理装置，图3为本发明实施例的图像处理装置的硬件组成结构示意图，如图3所示，图像处理装置包括存储器32、处理器31及存储在存储器32上并可在处理器31上运行的计算机程序，所述处理器31执行所述程序时实现本发明实施例前述任一项所述图像处理方法。
可以理解，图像处理装置中的各个组件通过总线系统33耦合在一起。可理解，总线系统33用于实现这些组件之间的连接通信。总线系统33除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图3中将各种总线都标为总线系统33。
可以理解，存储器32可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器32旨在包括但不限于这些和任意其它适合类型的存储器。
上述本发明实施例揭示的方法可以应用于处理器31中，或者由处理器31实现。处理器31可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器31中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器31可以是通用处理器、DSP，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器31可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器32，处理器31读取存储器32中的信息，结合其硬件完成前述方法的步骤。
需要说明的是：上述实施例提供的图像处理装置在进行图像处理时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的图像处理装置与图像处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
在示例性实施例中，本发明实施例还提供了一种计算机可读存储介质，例如包括计算机程序的存储器32，上述计算机程序可由图像处理装置的处理器31执行，以完成前述方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备，如移动电话、计算机、平板设备、个人数字助理等。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现本发明实施例前述任一项所述图像处理方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例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中，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方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种图像处理方法，其特征在于，所述方法包括：
获得第一图像，将所述第一图像进行网格划分，获得多个网格控制面；
识别所述第一图像中的目标对象；
基于所述多个网格控制面的至少部分网格控制面对所述目标对象对应的至少部分肢体区域进行变形处理，生成第二图像。
2.根据权利要求1所述的方法，其特征在于，所述识别所述第一图像中的目标对象，包括：
识别所述第一图像中目标对象的肢体检测信息；所述肢体检测信息包括肢体关键点信息和/或肢体轮廓点信息；
所述肢体关键点信息包括肢体关键点的坐标信息；
所述肢体轮廓点信息包括肢体轮廓点的坐标信息。
3.根据权利要求1或2所述的方法，其特征在于，所述基于所述多个网格控制面中的至少部分网格控制面对所述目标对象对应的至少部分肢体区域进行变形处理，包括：
确定所述目标对象中待进行变形处理的至少部分肢体区域，获得所述至少部分肢体区域的第一肢体检测信息；
确定所述第一肢体检测信息对应的第一组网格控制面，对所述第一组网格控制面进行变形处理。
4.根据权利要求3所述的方法，其特征在于，所述确定所述第一肢体检测信息对应的第一组网格控制面，对所述第一组网格控制面进行变形处理，包括：
基于所述第一肢体检测信息包括的第一肢体关键点信息和/或第一肢体轮廓点信息确定对应的第一组网格控制面；所述第一组网格控制面包括至少一个网格控制面；
对所述至少一个网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的至少部分肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
5.根据权利要求3或4所述的方法，其特征在于，所述网格控制面为第一类网格控制面；
所述确定所述第一肢体检测信息对应的第一组网格控制面，对所述第一组网格控制面进行变形处理，包括：
确定所述第一肢体检测信息对应的至少一个第一类网格控制面，基于第一变形参数对所述至少一个第一类网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
6.根据权利要求5所述的方法，其特征在于，所述第一类网格控制面包括多个第一类网格控制点；
所述基于第一变形参数对所述至少一个第一类网格控制面进行变形处理，包括：
基于第一变形参数移动第一类网格控制面包括的多个第一类网格控制点中的至少部分第一类网格控制点，以对所述第一类网络控制面进行变形处理；
其中，所述多个第一类网格控制点中任一网格控制点的移动实现所述第一类网络控制面的变形。
7.根据权利要求3或4所述的方法，其特征在于，所述网格控制面为第二类网格控制面；
所述确定所述第一肢体检测信息对应的第一组网格控制面，对所述第一组网格控制面进行变形处理，包括：
确定所述第一肢体检测信息对应的至少一个第二类网格控制面，基于第二变形参数对所述至少一个第二类网格控制面进行变形处理，以压缩或拉伸所述目标对象对应的部分肢体区域，以及压缩或拉伸所述目标对象以外的至少部分背景区域。
8.一种图像处理装置，其特征在于，所述装置包括：获取单元、网格划分单元和图像处理单元；其中，
所述获取单元，用于获得第一图像；
所述网格划分单元，用于将所述获取单元获得的所述第一图像进行网格划分，获得多个网格控制面；
所述图像处理单元，用于识别所述获取单元获得的所述第一图像中的目标对象；基于所述多个网格控制面的至少部分网格控制面对所述目标对象对应的至少部分肢体区域进行变形处理，生成第二图像。
9.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1至7任一项所述图像处理方法的步骤。
10.一种图像处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述图像处理方法的步骤。
CN201810829498.0A 2018-07-25 2018-07-25 一种图像处理方法、装置和计算机存储介质 Pending CN110766607A (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201810829498.0A CN110766607A (zh) 2018-07-25 2018-07-25 一种图像处理方法、装置和计算机存储介质
PCT/CN2019/092353 WO2020019915A1 (zh) 2018-07-25 2019-06-21 一种图像处理方法、装置和计算机存储介质
KR1020207030087A KR20200133778A (ko) 2018-07-25 2019-06-21 이미지 처리 방법, 장치 및 컴퓨터 저장 매체
JP2021506036A JP7138769B2 (ja) 2018-07-25 2019-06-21 画像処理方法、装置及びコンピュータ記憶媒体
SG11202010404WA SG11202010404WA (en) 2018-07-25 2019-06-21 Image processing method and apparatus, and computer storage medium
US17/117,703 US20210097268A1 (en) 2018-07-25 2020-12-10 Image processing method and apparatus, and computer storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810829498.0A CN110766607A (zh) 2018-07-25 2018-07-25 一种图像处理方法、装置和计算机存储介质

Publications (1)

Publication Number Publication Date
CN110766607A true CN110766607A (zh) 2020-02-07

Family

ID=69181302

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810829498.0A Pending CN110766607A (zh) 2018-07-25 2018-07-25 一种图像处理方法、装置和计算机存储介质

Country Status (6)

Country Link
US (1) US20210097268A1 (zh)
JP (1) JP7138769B2 (zh)
KR (1) KR20200133778A (zh)
CN (1) CN110766607A (zh)
SG (1) SG11202010404WA (zh)
WO (1) WO2020019915A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021128731A1 (zh) * 2019-12-25 2021-07-01 北京市商汤科技开发有限公司 图像处理方法及装置、图像处理设备及存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116234596A (zh) 2020-06-17 2023-06-06 阿福姆医疗技术第二有限责任公司 通用呼吸检测器
CN112651931B (zh) * 2020-12-15 2024-04-26 浙江大华技术股份有限公司 建筑物变形监测方法、装置和计算机设备
CN114913549B (zh) * 2022-05-25 2023-07-07 北京百度网讯科技有限公司 图像处理方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010176588A (ja) * 2009-01-30 2010-08-12 Sony Ericsson Mobilecommunications Japan Inc 端末装置、画像処理方法及びプログラム
CN104537608A (zh) * 2014-12-31 2015-04-22 深圳市中兴移动通信有限公司 一种图像处理的方法及其装置
CN105989576A (zh) * 2015-03-18 2016-10-05 卡西欧计算机株式会社 校正图像的装置及其方法
CN108074284A (zh) * 2016-11-10 2018-05-25 奥多比公司 使用多个输入网格生成有效的风格化的网格形变

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3463125B2 (ja) * 1993-12-24 2003-11-05 カシオ計算機株式会社 画像変形方法およびその装置
JP5240795B2 (ja) * 2010-04-30 2013-07-17 オムロン株式会社 画像変形装置、電子機器、画像変形方法、および画像変形プログラム
JP2011259053A (ja) 2010-06-07 2011-12-22 Olympus Imaging Corp 画像処理装置および画像処理方法
CN102541488B (zh) * 2010-12-09 2015-02-04 深圳华强游戏软件有限公司 一种实现投影屏幕的无缝对齐的图像处理方法及系统
CN102496140B (zh) * 2011-12-06 2013-07-31 中国科学院自动化研究所 一种基于多层嵌套笼体的实时交互式图像变形方法
CN104978707A (zh) * 2014-04-03 2015-10-14 陈鹏飞 基于轮廓线的图像变形技术
CN105989625A (zh) * 2015-02-04 2016-10-05 华为技术有限公司 数据处理的方法和装置
US9576385B2 (en) * 2015-04-02 2017-02-21 Sbitany Group LLC System and method for virtual modification of body parts
CN107590708B (zh) * 2016-07-07 2021-01-01 梁如愿 一种生成用户特定体形模型的方法和装置
CN107592708A (zh) 2017-10-25 2018-01-16 成都塞普奇科技有限公司 一种led用电源电路

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010176588A (ja) * 2009-01-30 2010-08-12 Sony Ericsson Mobilecommunications Japan Inc 端末装置、画像処理方法及びプログラム
CN104537608A (zh) * 2014-12-31 2015-04-22 深圳市中兴移动通信有限公司 一种图像处理的方法及其装置
CN105989576A (zh) * 2015-03-18 2016-10-05 卡西欧计算机株式会社 校正图像的装置及其方法
CN108074284A (zh) * 2016-11-10 2018-05-25 奥多比公司 使用多个输入网格生成有效的风格化的网格形变

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021128731A1 (zh) * 2019-12-25 2021-07-01 北京市商汤科技开发有限公司 图像处理方法及装置、图像处理设备及存储介质

Also Published As

Publication number Publication date
WO2020019915A1 (zh) 2020-01-30
JP2021518964A (ja) 2021-08-05
KR20200133778A (ko) 2020-11-30
SG11202010404WA (en) 2020-11-27
US20210097268A1 (en) 2021-04-01
JP7138769B2 (ja) 2022-09-16

Similar Documents

Publication Publication Date Title
CN110766607A (zh) 一种图像处理方法、装置和计算机存储介质
CN109448090B (zh) 图像处理方法、装置、电子设备及存储介质
CN109584327B (zh) 人脸老化模拟方法、装置以及设备
CN109117801A (zh) 人脸识别的方法、装置、终端及计算机可读存储介质
JP2020534611A (ja) 画像処理方法、装置及びコンピュータ記憶媒体
CN110136051A (zh) 一种图像处理方法、装置和计算机存储介质
CN110942422A (zh) 一种图像处理方法、装置和计算机存储介质
CN110910512B (zh) 虚拟物体自适应调整方法、装置、计算机设备和存储介质
CN109785322B (zh) 单眼人体姿态估计网络训练方法、图像处理方法和装置
CN111563959B (zh) 人脸三维可形变模型的更新方法、装置、设备及介质
JP7475287B2 (ja) ポイントクラウドデータの処理方法、装置、電子機器、記憶媒体及びコンピュータプログラム
CN113096249B (zh) 训练顶点重建模型的方法、图像重建方法及电子设备
CN107659430B (zh) 一种节点处理方法、装置、电子设备和计算机存储介质
CN110084766A (zh) 一种图像处理方法、装置和电子设备
CN110838167B (zh) 模型的渲染方法、装置和存储介质
CN116824090A (zh) 一种曲面重建方法及装置
CN107818578B (zh) 一种基于注册方法的快速人脸模型重建算法及系统
JP6840968B2 (ja) 形状推定方法、形状推定装置および形状推定プログラム
CN110766603A (zh) 一种图像处理方法、装置和计算机存储介质
CN110111240A (zh) 一种基于强结构的图像处理方法、装置和存储介质
CN110120092B (zh) 一种三维头部数据获取方法、装置和电子设备
CN117726907B (zh) 一种建模模型的训练方法、三维人体建模的方法以及装置
JP5565671B2 (ja) 画像変形方法、画像処理装置、及びコンピュータプログラム
Mazzocchetti et al. Automatic Implant Generation for Cranioplasty via Occupancy Networks
CN116824106A (zh) 一种模型转换方法、装置及可读存储介质

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40014455

Country of ref document: HK