CN111062860A - 基于场景的图像色彩调整方法、装置和计算机设备 - Google Patents
基于场景的图像色彩调整方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN111062860A CN111062860A CN201911099742.3A CN201911099742A CN111062860A CN 111062860 A CN111062860 A CN 111062860A CN 201911099742 A CN201911099742 A CN 201911099742A CN 111062860 A CN111062860 A CN 111062860A
- Authority
- CN
- China
- Prior art keywords
- image
- target area
- original image
- data frame
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 claims abstract description 125
- 238000013507 mapping Methods 0.000 claims abstract description 64
- 238000000354 decomposition reaction Methods 0.000 claims description 76
- 238000004590 computer program Methods 0.000 claims description 27
- 238000012549 training Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000012795 verification Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 239000003086 colorant Substances 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 210000004709 eyebrow Anatomy 0.000 description 3
- 210000000214 mouth Anatomy 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 210000001061 forehead Anatomy 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种基于场景的图像色彩调整方法、装置和计算机设备。包括:获取原始图像,以及原始图像的数据帧;将数据帧输入预设目标区域检测模型,得到目标区域关键点信息、目标区域属性信息和原始图像的色彩调整区域;将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像;根据原始图像的色彩调整区域和纹理图像,得到映射关系;根据映射关系对原始图像的色彩调整区域进行色彩调整,得到色彩调整图像。从而使得到色彩调整图像的过程无需借助第三方工具,并且可以使图像色彩的调整基于图像场景,按照统一的规范进行批量化处理。
Description
技术领域
本申请涉及图像处理技术领域,特别涉及一种基于场景的图像色彩调整方法、装置和计算机设备。
背景技术
随着图像处理技术的不断发展,为了保证获取到的图像能够呈现图像本来的色彩或者进一步丰富获取到的图像的色彩表现形式,各种各样的图像色彩校正和调整技术涌现出来。传统的图像色彩校正和调整技术通常需要借助第三方工具,对图像的整体色彩或者单个图像通道的色彩进行调整。
然而,借助第三方供具对图像的色彩进行调整的应用场景有限、操作繁琐,且对图像色彩调整的标准并不统一,不利于图像的批量化处理。
发明内容
基于此,有必要针对上述技术问题,提供一种基于场景的图像色彩调整方法、装置和计算机设备。
一种基于场景的图像色彩调整方法,所述方法包括:
获取原始图像,以及所述原始图像的数据帧;
将所述数据帧输入预设目标区域检测模型,得到目标区域关键点信息、目标区域属性信息和所述原始图像的色彩调整区域;
将所述目标区域关键点信息、所述目标区域属性信息和所述数据帧输入预设场景检测模型,得到与所述原始图像的场景对应的目标区域的纹理图像;
根据所述原始图像的色彩调整区域和所述纹理图像,得到映射关系;其中,所述映射关系表征:所述原始图像的色彩调整区域每一灰度值与所述纹理图像的像素值之间的对应关系;
根据所述映射关系对所述原始图像的色彩调整区域进行色彩调整,得到色彩调整图像。
在其中一个实施例中,所述将所述数据帧输入预设目标区域检测模型,得到目标区域关键点信息、目标区域属性信息和所述原始图像的色彩调整区域,包括:
将所述数据帧输入所述预设目标区域检测模型,进行目标区域关键点信息检测,得到所述目标区域关键点信息;
根据所述目标区域关键点信息对所述数据帧进行目标区域属性检测,得到所述目标区域属性信息;
根据所述目标区域关键点信息和所述目标区域属性信息,确定出所述色彩调整区域。
在其中一个实施例中,所述将所述数据帧输入所述预设目标区域检测模型,进行目标区域关键点信息检测,得到目标区域关键点信息,之前还包括:
将所述数据帧输入所述预设目标区域检测模型,根据输入的数据帧,对所述原始图像进行目标区域检测,判断所述原始图像中是否存在目标区域图像;
若所述原始图像中存在目标区域图像,则执行所述进行目标区域关键点信息检测,得到目标区域关键点信息的步骤;
若所述原始图像中不存在目标区域图像,则返回执行所述获取原始图像,以及所述原始图像的数据帧的步骤。
在其中一个实施例中,所述将所述目标区域关键点信息、所述目标区域属性信息和所述数据帧输入预设场景检测模型,得到与所述原始图像的场景对应的目标区域的纹理图像,之前还包括:
根据所述目标区域属性信息,判断所述原始图像中的目标区域图像的质量与第一预设阈值之间的关系;
若所述目标区域图像的质量大于或等于所述第一预设阈值,则执行所述将所述目标区域关键点信息、所述目标区域属性信息和所述数据帧输入预设场景检测模型,得到与所述原始图像的场景对应的目标区域的纹理图像的步骤;
若所述目标区域图像的质量小于所述第一预设阈值,则执行所述将所述目标区域关键点信息、所述目标区域属性信息和所述数据帧输入预设场景检测模型,得到与所述原始图像的场景对应的目标区域的纹理图像的步骤;或返回所述获取原始图像,以及所述原始图像的数据帧的步骤。
在其中一个实施例中,所述将所述目标区域关键点信息、所述目标区域属性信息和所述数据帧输入预设场景检测模型,得到与所述原始图像的场景对应的目标区域的纹理图像,包括:
将所述目标区域关键点信息、所述目标区域属性信息和所述数据帧输入预设场景检测模型,得到至少一个纹理图像;其中,每一所述纹理图像对应一个分数;
将所述分数与第二预设阈值进行比较,并输出分数满足所述第二预设阈值条件的与所述原始图像的场景对应的目标区域的纹理图像。
在其中一个实施例中,所述根据所述原始图像的色彩调整区域和所述纹理图像,得到映射关系,包括:
对所述原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到原始图像分解集;以及对所述纹理图像在RGB三个通道上进行单通道分解,得到纹理图像分解集;
根据所述原始图像分解集和所述纹理图像分解集,在每一通道中,获取所述原始图像的色彩调整区域的每一像素点的灰度值对应的所述纹理图像的像素点的像素值;
根据所述原始图像的色彩调整区域的每一像素点的灰度值和对应的所述纹理图像的像素点的像素值,得到所述映射关系。
在其中一个实施例中,所述对所述原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到原始图像分解集;以及对所述纹理图像在RGB三个通道上进行单通道分解,得到纹理图像分解集,包括:
对所述原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到由原始图像R、原始图像G和原始图像B组成的所述原始图像分解集;
对所述纹理图像在RGB三个通道上进行单通道分解,得到由纹理图像R、纹理图像G和纹理图像B组成的所述纹理图像分解集。
在其中一个实施例中,所述根据所述原始图像的色彩调整区域的每一像素点的灰度值和对应的所述纹理图像的像素点的像素值,得到所述映射关系,包括:
对于所述原始图像的每一灰度值,获得与所述灰度值对应的所述纹理图像的至少一个像素点的像素值;
对所述纹理图像的至少一个像素点的像素值进行加权平均,并将加权平均值确定为与所述原始图像的色彩调整区域的每一灰度值对应的所述纹理图像的像素值。
一种基于场景的图像色彩调整装置,所述装置包括:
图像获取模块,用于获取原始图像,以及所述原始图像的数据帧;
目标检测模块,用于将所述数据帧输入预设目标区域检测模型,得到目标区域关键点信息、目标区域属性信息和所述原始图像的色彩调整区域;
场景检测模块,用于将所述目标区域关键点信息、所述目标区域属性信息和所述数据帧输入预设场景检测模型,得到与所述原始图像的场景对应的目标区域的纹理图像;
图像映射模块,用于根据所述原始图像的色彩调整区域和所述纹理图像,得到映射关系;其中,所述映射关系表征:所述原始图像的色彩调整区域每一灰度值与所述纹理图像的像素值之间的对应关系;
色彩调整模块,用于根据所述映射关系对所述原始图像的色彩调整区域进行色彩调整,得到色彩调整图像。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质,其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上述任一项所述方法的步骤。
上述基于场景的图像色彩调整方法、装置和计算机设备,通过获取原始图像,以及原始图像的数据帧,将数据帧输入预设目标区域检测模型,得到目标区域关键点信息、目标区域属性信息和原始图像的色彩调整区域,并将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像,根据原始图像的色彩调整区域和纹理图像,得到映射关系,根据映射关系对原始图像的色彩调整区域进行色彩映射,得到色彩调整图像。其中,通过对原始图像进行目标区域检测得到目标区域关键点信息、目标区域属性信息和原始图像的色彩调整区域,并通过场景检测得到与原始图像的场景对应的目标区域的纹理图像,根据目标区域检测结果和场景检测结果,得到映射关系,并根据映射关系得到色彩调整图像的过程无需借助第三方工具,并且可以使图像色彩的调整基于图像场景,按照统一的规范进行批量化处理。
附图说明
图1为一个实施例中基于场景的图像色彩调整方法的流程示意图;
图2为一个实施例中步骤S200的一种可实施方式的流程示意图;
图3为一个实施例中执行步骤S210之前的一种可实施方式的流程示意图;
图4为一个实施例中执行步骤S300之前的一种可实施方式的流程示意图;
图5为一个实施例中步骤S300的一种可实施方式的流程示意图;
图6为一个实施例中步骤S400的一种可实施方式的流程示意图;
图7为一个实施例基于场景的图像色彩调整装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
可以理解本申请中所使用的术语“第一”、“第二”等可在本文中用于描述各种条件关系,但这些条件关系不受这些术语限制。这些术语仅用于将一个条件关系与另一个条件关系区分开来。
在一个实施例中,如图1所示,提供了一种基于场景的图像色彩调整方法,包括以下步骤:
步骤S100,获取原始图像,以及原始图像的数据帧。
其中,原始图像是指待处理的图像,需要对原始图像或原始图像中的部分区域的色彩进行调整。原始图像的数据帧是指原始图像对应的点阵数据信息,包含原始图像的色彩信息、灰度信息和深度信息等。
步骤S200,将数据帧输入预设目标区域检测模型,得到目标区域关键点信息、目标区域属性信息和原始图像的色彩调整区域。
其中,目标区域是指在原始图像中确定出的需要进行色彩调整的区域,例如,在特定领域,用户对整幅画面中人脸部分或者车牌部分比较关注,需要着重对画面中人脸部分或者车牌部分的色彩进行调整,此时,图像中的人脸部分或者车牌部分即为原始图像的目标区域。
预设目标区域检测模型是指能够识别和检测目标区域关键点信息和目标区域属性信息的模型。在使用预设目标区域检测模型前,需要对先获取预设目标区域检测模型,包括模型的搭建、训练、验证和测试。例如,当关注的目标区域为图像中的人脸部分时,预设目标区域检测模型的获取步骤为:(a)搭建模型并采集一定数量的人脸图像;(b)对采集到的人脸图像进行人脸关键点标注,人脸关键点包括但不限于脸的轮廓点、眼睛轮廓点、鼻子轮廓点、眉毛轮廓点、额头轮廓点、上嘴唇轮廓点和下嘴唇轮廓点等;(c)将步骤(b)中的人脸关键点标注数据按一定比例划分为训练集、验证集、测试集;(d)将步骤(c)中的训练集进行模型训练,同时用验证集对训练过程中的中间结果进行验证(实时调整训练参数),当训练精度和验证精度都达到一定阈值时,停止训练过程,得到训练模型;(e)用测试集对步骤(d)中的模型进行测试,衡量该模型的性能和能力,将模型性能和能力满足一定要求的模型确定为预设目标区域检测模型。
具体地,将得到的原始图像的数据帧输入预设目标区域检测模型中,用预设目标区域检测模型对输入的数据帧中的人脸图像(目标区域)进行检测,当检测到人脸图像后,接着,对人脸图像的关键点信息进行检测,得到人脸关键点信息(目标区域关键点信息),进一步,根据检测到的人脸关键点信息,检测人脸属性信息(目标区域属性信息),其中,人脸属性信息包括但不限于脸型的属性(例如,人脸的长宽比)、眼睛的形状和开合、嘴巴的形状和开合等,最后,根据人脸关键点信息和人脸属性信息可以获得原始图像的色彩调整区域。其中,原始图像的色彩调整区域获取可以根据具体的人脸关键点信息和人脸属性信息得到,例如,根据人脸关键点信息和人脸属性信息得到人脸的脸颊部分,并将脸颊部分作为色彩调整区域,或者将闭合的嘴唇或张开的嘴唇作为色彩调整区域,对图像进行个性化的色彩调整。可选地,目标区域还可以是车牌区域或其他用户关注的区域。
步骤S300,将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像。
其中,预设场景检测模型是指能够对原始图像中的场景进行检测的模型,并能输出与原始图像的场景对应的目标区域的纹理图像。在使用预设场景检测模型前,需要先获取预设场景检测模型,包括模型的搭建、训练、验证和测试。例如,当关注的目标区域为图像中的人脸部分时,预设场景检测模型的获取步骤为:(a)搭建模型并采集一定数量的人脸图像;(b)对采集到的人脸图像的人脸颜色效果进行打分标注;(c)将步骤(b)中的人脸颜色效果标注数据按一定比例划分为训练集、验证集、测试集;(d)将步骤(c)中的训练集进行模型训练,同时用验证集对训练过程中的中间结果进行验证(实时调整训练参数),当训练精度和验证精度都达到一定阈值时,停止训练过程,得到训练模型;(e)用测试集对步骤(d)中的模型进行测试,衡量该模型的性能和能力,将模型性能和能力满足一定要求的模型确定为预设场景检测模型。
在本申请实施例中,纹理图像是指包含目标区域的场景属性信息的点阵数据信息构成的图像。
具体地,将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,对图像进行场景属性检测,由预设场景检测模型输出一个满足预设阈值要求的与原始图像的场景对应的目标区域的纹理图像。
步骤S400,根据原始图像的色彩调整区域和纹理图像,得到映射关系,其中,映射关系表征:原始图像的色彩调整区域每一灰度值与纹理图像的像素值之间的对应关系。
具体地,原始图像的色彩调整区域的灰度值与纹理图像的各像素的像素值之间存在着一个对应关系,根据原始图像的色彩调整区域、纹理图像和二者之间的对应关系,可以得到一个映射关系。
步骤S500,根据映射关系对原始图像的色彩调整区域进行色彩调整,得到色彩调整图像。
具体地,由于映射关系表征:原始图像的色彩调整区域每一灰度值与纹理图像的像素值之间的对应关系,根据原始图像的色彩调整区域中对应位置的灰度值找到对应的像素值,并将该像素值作为原始图像的色彩调整区域相应位置处的像素值,得到色彩调整图像。该色彩调整图像中的色彩变换仅限于由目标区域关键点信息和目标区域属性信息确定出的色彩调整区域。可选地,更换目标区域,并执行本申请实施例中对图像色彩进行调整的步骤,可以得到不同的色彩调整区域和对应的色彩调整图像。可选地,将同一原始图像的基于不同目标区域得到的不同色彩调整图像进行叠加,可以得到个性化的原始图像的色彩处理方案,例如,将一幅原始图像划分为标号为1、2、3和4的四个目标区域,对这四个目标区域分别进行色彩调整,可以得到色彩调整图像1、色彩调整图像2、色彩调整图像3和色彩调整图像4,最后,将色彩调整图像1、色彩调整图像2、色彩调整图像3和色彩调整图像4进行叠加,可以得到一幅原始图像基于四种色彩处理方案的色彩调整图像。例如,图像的场景对人脸部分的眉毛、皮肤和嘴唇的色彩产生的影响是不同的,因此可以根据不同的关键点和属性信息对图像的色彩进行分区域的调整,以得到色彩更加自然的图像或是不同色彩要求的图像。
上述基于场景的图像色彩调整方法,通过获取原始图像,以及原始图像的数据帧,将数据帧输入预设目标区域检测模型,得到目标区域关键点信息、目标区域属性信息和原始图像的色彩调整区域,并将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像,根据原始图像的色彩调整区域和纹理图像,得到映射关系,根据映射关系对原始图像的色彩调整区域进行色彩映射,得到色彩调整图像。其中,通过对原始图像进行目标区域检测得到目标区域关键点信息、目标区域属性信息和原始图像的色彩调整区域,并通过场景检测得到与原始图像的场景对应的目标区域的纹理图像,根据目标区域检测结果和场景检测结果,得到映射关系,并根据映射关系得到色彩调整图像的过程无需借助第三方工具,并且可以使图像色彩的调整基于图像场景,按照统一的规范进行批量化处理。
在其中一个实施例中,如图2所示,为步骤S200的一种可实施方式的流程示意图,步骤S200,将数据帧输入预设目标区域检测模型,得到目标区域关键点信息、目标区域属性信息和原始图像的色彩调整区域,包括:
步骤S210,将数据帧输入预设目标区域检测模型,进行目标区域关键点信息检测,得到目标区域关键点信息。
具体地,将原始图像的数据帧输入预设目标区域检测模型,利用预设目标区域检测模型对目标区域关键点信息进行检测,可以得到目标区域关键点信息。例如,对人脸图像进行关键点检测,可以得到脸的轮廓点、眼睛轮廓点、鼻子轮廓点、眉毛轮廓点、额头轮廓点、上嘴唇轮廓点和下嘴唇轮廓点等。
步骤S220,根据目标区域关键点信息对数据帧进行目标区域属性检测,得到目标区域属性信息。
具体地,在步骤S210中得到目标区域关键点信息后,预设目标区域检测模型根据目标区域关键点信息的具体表现形式可以确定出目标区域的属性信息。可选地,当目标区域为人脸图像时,以人脸图像中嘴唇的开合为例进行说明,当检测到图像中的人嘴唇的上嘴唇的下轮廓的关键点和下嘴唇的上轮廓的关键点距离较近甚至是重叠的,则说明图像中的嘴唇的属性信息是闭合的,当检测到图像中的人嘴唇的上嘴唇的下轮廓的关键点和下嘴唇的上轮廓的关键点距离较远时,则说明图像中的嘴唇的属性信息是张开的。此处仅以人脸图像中的嘴唇的开合为例进行说明,并不对具体实施方式进行限定。
步骤S230,根据目标区域关键点信息和目标区域属性信息,确定出色彩调整区域。
具体地,当确定出目标区域关键点信息和目标区域属性信息后,可以根据关键点以及其属性信息并结合具体的需求确定相互色彩调整区域。此处还以人脸图像中的嘴唇为例进行说明,由于嘴唇的颜色区别与其周围皮肤的颜色,也区别于牙齿的颜色,当嘴唇为闭合状态时,则可以将检测到得图像中的人嘴唇的上嘴唇的上轮廓的关键点和下嘴唇的下轮廓的关键点围绕的区域作为一个小区域进行色彩调整,当嘴唇为张开的状态时,上嘴唇与下嘴唇中间可能是牙齿也可能是口腔,不论是牙齿还是口腔,其颜色相对于嘴唇都有一定的区别,此时可以将上嘴唇和下嘴唇分别对应的区域最为一个小区域进行色彩调整。当然,也可以将整个人脸区域(目标区域)作为一个整体进行色彩调整。根据不同的色彩调整区域可以得到不同的色彩调整方案,以实现对图像色彩的精细化调整。
上述实施例中,将数据帧输入预设目标区域检测模型,进行目标区域关键点信息检测,得到目标区域关键点信息,根据目标区域关键点信息对数据帧进行目标区域属性检测,得到目标区域属性信息,并根据目标区域关键点信息和目标区域属性信息,确定出色彩调整区域。其中,目标区域关键点信息、目标区域属性信息和原始图像的色彩调整区域的获取,为后续色彩调整提供关键点和区域,以实现对图像色彩的精细化调整。
在其中一个实施例中,如图3所示,为执行步骤S210之前的一种可实施方式的流程示意图,步骤S210,将数据帧输入预设目标区域检测模型,进行目标区域关键点信息检测,得到目标区域关键点信息,之前还包括:
步骤S211',将数据帧输入预设目标区域检测模型,根据输入的数据帧,对原始图像进行目标区域检测,判断原始图像中是否存在目标区域图像。
具体地,将数据帧输入预设目标区域检测模型,先对原始图像中是否存在目标区域(需要进行色彩调整的区域)进行检测。如果不存在需要进行色彩调整的区域,则无需执行后续的步骤,可以返回重新获取图像和数据帧,如果存在需要进行色彩调整的区域,再执行后续的步骤。
步骤S212',若原始图像中存在目标区域图像,则执行进行目标区域关键点信息检测,得到目标区域关键点信息的步骤。
具体地,若原始图像中存在目标区域图像,说明原始图像中存在需要进行色彩调整的区域,则执行后续进行色彩调整的各个步骤。
步骤S213',若原始图像中不存在目标区域图像,则返回执行获取原始图像,以及原始图像的数据帧的步骤。
具体地,若原始图像中不存在目标区域图像,说明原始图像中不存在需要进行色彩调整的区域,则返回重新获取原始图像,以及原始图像的数据帧的步骤,当检测到目标区域后,再对目标区域的色彩进行调整。可选地,若原始图像中不存在目标区域图像,还可以直接结束流程,不做任何处理。
上述实施例中,将数据帧输入预设目标区域检测模型,根据输入的数据帧,对原始图像进行目标区域检测,判断原始图像中是否存在目标区域图像,接着,若原始图像中存在目标区域图像,则执行进行目标区域关键点信息检测,得到目标区域关键点信息的步骤,若原始图像中不存在目标区域图像,则返回执行获取原始图像,以及原始图像的数据帧的步骤。其中,在将数据帧输入预设目标区域检测模型后,先对原始图像中是否存在目标区域进行检测,如果不存在需要进行色彩调整的区域,则无需执行后续的步骤,可以返回重新获取图像和数据帧,如果存在需要进行色彩调整的区域,再执行后续的步骤,可以简化色彩调整的处理流程,提高色彩调整的处理效率。
在其中一个实施例中,如图4所示,为执行步骤S300之前的一种可实施方式的流程示意图,步骤S300,将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像,之前还包括:
步骤S310',根据目标区域属性信息,判断原始图像中的目标区域图像的质量与第一预设阈值之间的关系。
具体地,根据目标区域属性信息,通过原始图像中的目标区域图像的质量与第一预设阈值之间的关系,先对原始图像中的目标区域图像的质量进行判断。当目标区域图像的质量较高时,说明采用该图像进行色彩调整可以得到较好的色彩调整图像,则继续执行后续的步。当目标区域图像的质量较低时,说明采用该图像进行色彩调整得到的色彩调整图像的效果可能并不十分理想,此时可以发出提示信息,提示用户目标区域图像质量偏低,继续执行后续步骤还是重新获取图像。其中,先对目标区域图像的质量进行检测,当目标区域图像的质量较高时,继续执行后续的步,当目标区域图像的质量较低时,提示用户进行选择,返回获取图像或者继续执行后续步骤,可以提高色彩调整的处理效率。
步骤S321',若目标区域图像的质量大于或等于第一预设阈值,则执行将目标区域属性信息和数据帧输入预设场景检测模型,得到纹理图像的步骤。
具体地,若目标区域图像的质量大于或等于第一预设阈值,说明目标区域图像的质量较高,采用该图像进行色彩调整可以得到较好的色彩调整图像,则继续执行后续的步骤。
步骤S322',若目标区域图像的质量小于第一预设阈值,则执行将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像的步骤;或返回获取原始图像,以及原始图像的数据帧的步骤。具体地,若目标区域图像的质量小于第一预设阈值,说明目标区域图像的质量较低,采用该图像进行色彩调整得到的色彩调整图像的效果可能并不十分理想,此时可以发出提示信息,提示用户目标区域图像质量偏低,请用户选择执行方式,若用户对得到的色彩调整图像要求并不高时,可选择继续执行后续色彩调整的步骤,若用户对得到的色彩调整图像要求非常高时,可选择返回重新获取图像的步骤,重新进行图像的色彩调整。可选地,若目标区域图像的质量较低时,用户还可以直接结束流程,不做任何处理。
上述实施例中,根据目标区域属性信息,判断原始图像中的目标区域图像的质量与第一预设阈值之间的关系,若目标区域图像的质量大于或等于第一预设阈值,则执行将目标区域属性信息和数据帧输入预设场景检测模型,得到纹理图像的步骤,若目标区域图像的质量小于第一预设阈值,则执行将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像的步骤;或返回获取原始图像,以及原始图像的数据帧的步骤。其中,先对目标区域图像的质量进行检测,当目标区域图像的质量较高时,继续执行后续的步,当目标区域图像的质量较低时,提示用户进行选择,返回获取图像或者继续执行后续步骤,可以提高色彩调整的处理效率。
在其中一个实施例中,如图5所示,为步骤S300的一种可实施方式的流程示意图,步骤S300,将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像,包括:
步骤S310,将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到至少一个纹理图像;其中,每一纹理图像对应一个分数。
其中,纹理图像为预设场景检测模型输出的对应于原始图像的色彩效果分数较高的图像,纹理图像包含与原始图像目标区域的每一像素对应的点阵数据信息,其中,每一纹理图像对应原始图像的色彩调整区域中的一个相对独立的色彩调整区域,以便于根据原始图像的色彩调整区域中的不同区域对纹理图像进行精确打分,这种通过对应原始图像的色彩调整区域中的不同区域,得到至少一个纹理图像的方式,可以得到划分更为细致的纹理图像。同时,纹理图像的点阵数据信息还包含原始图像的场景对应的信息。
步骤S320,将分数与第二预设阈值进行比较,并输出分数满足第二预设阈值条件的与原始图像的场景对应的目标区域的纹理图像。
具体地,将每一纹理图像对应的分数与第二预设阈值进行比较,将分数满足第二预设阈值条件的与原始图像的场景对应的目标区域的纹理图像。例如,将分数与第二预设阈值对应的与原始图像的场景对应的目标区域的纹理图像输出。
上述实施例中,将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到至少一个纹理图像,其中,每一纹理图像对应一个分数,接着,将分数与第二预设阈值进行比较,并输出分数满足第二预设阈值条件的与原始图像的场景对应的目标区域的纹理图像。其中,纹理图像的获得为后续对原始图像的色彩调整提供了映射基础。
在其中一个实施例中,如图6所示,为步骤S400的一种可实施方式的流程示意图,步骤S400,根据原始图像的色彩调整区域和纹理图像,得到映射关系,包括:
步骤S410,对原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到原始图像分解集;以及对纹理图像在RGB三个通道上进行单通道分解,得到纹理图像分解集。
可选地,对原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到由原始图像R、原始图像G和原始图像B组成的原始图像分解集;以及对纹理图像在RGB三个通道上进行单通道分解,得到由纹理图像R、纹理图像G和纹理图像B组成的纹理图像分解集。
步骤S420,根据原始图像分解集和纹理图像分解集,在每一通道中,获取原始图像的色彩调整区域的每一像素点的灰度值对应的纹理图像的像素点的像素值。
可选地,原始图像的色彩调整区域的每一像素的灰度值与纹理图像中每一像素的像素值之间存在一个对应关系,根据原始图像分解集和纹理图像分解集,在每一通道中,对于原始图像的色彩调整区域的每一像素点的灰度值,根据对应关系,得到每一对应位置处的原始图像的色彩调整区域灰度值对应的纹理图像中的像素值。
步骤S430,根据原始图像的色彩调整区域的每一像素点的灰度值和对应的纹理图像的像素点的像素值,得到映射关系。
可选地,对于原始图像的每一灰度值,获得与灰度值对应的纹理图像的至少一个像素点的像素值;对纹理图像的至少一个像素点的像素值进行加权平均,并将加权平均值确定为与原始图像的色彩调整区域的每一灰度值对应的纹理图像的像素值。
具体地,在得到原始图像的色彩调整区域的每一像素点的灰度值对应的纹理图像的像素值后,将同一灰度值对应的像素值进行加权平均,并将这一像素值的加权平均确定为该原始图像的色彩调整区域的像素点的像素值。原始图像的色彩调整区域的每一像素点的灰度值为a(a的取值范围为0至255),获取到与每一灰度值对应的至少一个像素点的像素值bi(i=1、2、…、n),对像素值bi进行加权平均得到加权平均值c,并将加权平均值c确定为与原始图像的色彩调整区域的每一灰度值a对应的纹理图像的像素值,即得到的映射关系为a与c之间的映射。根据该映射关系对原始图像的色彩调整区域进行色彩调整,得到色彩调整图像,具体为:根据原始图像的色彩调整区域中每一点的灰度值,将该点的灰度值a调整为具有映射关系的c。例如,当每一个灰度值a=155,获取与灰度值155对应的纹理图像的至少一个像素点的像素值分别为178、184、175,加权平均值为179,则将原始图像的色彩调整区域中所有灰度值为155的像素点进行色彩调整为179。示例地,原始图像的色彩调整区域的五个点对应的灰度值为(155,168,155,145,155),这五个像素点对应的纹理图像的像素值为(178,165,184,159,175),则与灰度值155对应的像素值分别为178、184、175,对178、184、175进行加权平均,加权平均值为(178+184+175)/3=179,此时,灰度值155对应的像素值为179,相似地,灰度值168对应的像素值为165,灰度值145对应的像素值为159,得到原始图像的色彩调整区域中的五个点的灰度值对应的像素值后,将对应的像素值确定为原始图像的色彩调整区域中的五个点的像素值,则原始图像的色彩调整区域中的五个点的像素值为(179,165,179,159,179)。
上述实施例中,通过对原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到原始图像分解集,以及对纹理图像在RGB三个通道上进行单通道分解,得到纹理图像分解集,根据原始图像分解集和纹理图像分解集,在每一通道中,获取原始图像的色彩调整区域的每一像素与纹理图像对应的像素值,并根据原始图像的色彩调整区域的每一像素的像素值和与纹理图像对应的像素值,得到映射关系。其中,根据原始图像的色彩调整区域、纹理图像和二者之间的对应关系,可以得到一个映射关系,为后续对原始图像的色彩调整提供了映射基础。
在一个实施例中,如图7所示,提供了一种基于场景的图像色彩调整装置,包括:图像获取模块701、目标检测模块702、场景检测模块703、图像映射模块704和色彩调整模块705,其中:
图像获取模块701,用于获取原始图像,以及原始图像的数据帧;
目标检测模块702,用于将数据帧输入预设目标区域检测模型,得到目标区域关键点信息、目标区域属性信息和原始图像的色彩调整区域;
场景检测模块703,用于将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像;
图像映射模块704,用于根据原始图像的色彩调整区域和纹理图像,得到映射关系;其中,映射关系表征:原始图像的色彩调整区域每一灰度值与纹理图像的像素值之间的对应关系;
色彩调整模块705,用于根据映射关系对原始图像的色彩调整区域进行色彩调整,得到色彩调整图像。
在其中一个实施例中,目标检测模块702还用于将数据帧输入预设目标区域检测模型,进行目标区域关键点信息检测,得到目标区域关键点信息;根据目标区域关键点信息对数据帧进行目标区域属性检测,得到目标区域属性信息;根据目标区域关键点信息和目标区域属性信息,确定出色彩调整区域。
在其中一个实施例中,上述装置还包括第一判断模块,用于将数据帧输入预设目标区域检测模型,根据输入的数据帧,对原始图像进行目标区域检测,判断原始图像中是否存在目标区域图像;若原始图像中存在目标区域图像,则执行进行目标区域关键点信息检测,得到目标区域关键点信息的步骤;若原始图像中不存在目标区域图像,则返回执行获取原始图像,以及原始图像的数据帧的步骤。
在其中一个实施例中,上述装置还包括第二判断模块,用于根据目标区域属性信息,判断原始图像中的目标区域图像的质量与第一预设阈值之间的关系;若目标区域图像的质量大于或等于第一预设阈值,则执行将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像的步骤;若目标区域图像的质量小于第一预设阈值,则执行将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像的步骤;或返回获取原始图像,以及原始图像的数据帧的步骤。
在其中一个实施例中,场景检测模块703还用于将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到至少一个纹理图像;其中,每一纹理图像对应一个分数;将分数与第二预设阈值进行比较,并输出分数满足第二预设阈值条件的与原始图像的场景对应的目标区域的纹理图像。
在其中一个实施例中,图像映射模块704还用于对原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到原始图像分解集;以及对纹理图像在RGB三个通道上进行单通道分解,得到纹理图像分解集;根据原始图像分解集和纹理图像分解集,在每一通道中,获取原始图像的色彩调整区域的每一像素点的灰度值对应的纹理图像的像素点的像素值;根据原始图像的色彩调整区域的每一像素点的灰度值和对应的纹理图像的像素点的像素值,得到映射关系。
在其中一个实施例中,图像映射模块704还用于对原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到由原始图像R、原始图像G和原始图像B组成的原始图像分解集;对纹理图像在RGB三个通道上进行单通道分解,得到由纹理图像R、纹理图像G和纹理图像B组成的纹理图像分解集。
在其中一个实施例中,图像映射模块704还用于对于原始图像的每一灰度值,获得与灰度值对应的纹理图像的至少一个像素点的像素值;对纹理图像的至少一个像素点的像素值进行加权平均,并将加权平均值确定为与原始图像的色彩调整区域的每一灰度值对应的纹理图像的像素值。
关于基于场景的图像色彩调整装置的具体限定可以参见上文中对于基于场景的图像色彩调整方法的限定,在此不再赘述。上述基于场景的图像色彩调整装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于场景的图像色彩调整方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取原始图像,以及原始图像的数据帧;
将数据帧输入预设目标区域检测模型,得到目标区域关键点信息、目标区域属性信息和原始图像的色彩调整区域;
将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像;
根据原始图像的色彩调整区域和纹理图像,得到映射关系;其中,映射关系表征:原始图像的色彩调整区域每一灰度值与纹理图像的像素值之间的对应关系;
根据映射关系对原始图像的色彩调整区域进行色彩调整,得到色彩调整图像。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:将数据帧输入预设目标区域检测模型,进行目标区域关键点信息检测,得到目标区域关键点信息;根据目标区域关键点信息对数据帧进行目标区域属性检测,得到目标区域属性信息;根据目标区域关键点信息和目标区域属性信息,确定出色彩调整区域。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:将数据帧输入预设目标区域检测模型,根据输入的数据帧,对原始图像进行目标区域检测,判断原始图像中是否存在目标区域图像;若原始图像中存在目标区域图像,则执行进行目标区域关键点信息检测,得到目标区域关键点信息的步骤;若原始图像中不存在目标区域图像,则返回执行获取原始图像,以及原始图像的数据帧的步骤。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:根据目标区域属性信息,判断原始图像中的目标区域图像的质量与第一预设阈值之间的关系;若目标区域图像的质量大于或等于第一预设阈值,则执行将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像的步骤;若目标区域图像的质量小于第一预设阈值,则执行将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像的步骤;或返回获取原始图像,以及原始图像的数据帧的步骤。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到至少一个纹理图像;其中,每一纹理图像对应一个分数;将分数与第二预设阈值进行比较,并输出分数满足第二预设阈值条件的与原始图像的场景对应的目标区域的纹理图像。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:对原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到原始图像分解集;以及对纹理图像在RGB三个通道上进行单通道分解,得到纹理图像分解集;根据原始图像分解集和纹理图像分解集,在每一通道中,获取原始图像的色彩调整区域的每一像素点的灰度值对应的纹理图像的像素点的像素值;根据原始图像的色彩调整区域的每一像素点的灰度值和对应的纹理图像的像素点的像素值,得到映射关系。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:对原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到由原始图像R、原始图像G和原始图像B组成的原始图像分解集;对纹理图像在RGB三个通道上进行单通道分解,得到由纹理图像R、纹理图像G和纹理图像B组成的纹理图像分解集。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:对于原始图像的每一灰度值,获得与灰度值对应的纹理图像的至少一个像素点的像素值;对纹理图像的至少一个像素点的像素值进行加权平均,并将加权平均值确定为与原始图像的色彩调整区域的每一灰度值对应的纹理图像的像素值。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取原始图像,以及原始图像的数据帧;
将数据帧输入预设目标区域检测模型,得到目标区域关键点信息、目标区域属性信息和原始图像的色彩调整区域;
将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像;
根据原始图像的色彩调整区域和纹理图像,得到映射关系;其中,映射关系表征:原始图像的色彩调整区域每一灰度值与纹理图像的像素值之间的对应关系;
根据映射关系对原始图像的色彩调整区域进行色彩调整,得到色彩调整图像。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:将数据帧输入预设目标区域检测模型,进行目标区域关键点信息检测,得到目标区域关键点信息;根据目标区域关键点信息对数据帧进行目标区域属性检测,得到目标区域属性信息;根据目标区域关键点信息和目标区域属性信息,确定出色彩调整区域。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:将数据帧输入预设目标区域检测模型,根据输入的数据帧,对原始图像进行目标区域检测,判断原始图像中是否存在目标区域图像;若原始图像中存在目标区域图像,则执行进行目标区域关键点信息检测,得到目标区域关键点信息的步骤;若原始图像中不存在目标区域图像,则返回执行获取原始图像,以及原始图像的数据帧的步骤。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据目标区域属性信息,判断原始图像中的目标区域图像的质量与第一预设阈值之间的关系;若目标区域图像的质量大于或等于第一预设阈值,则执行将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像的步骤;若目标区域图像的质量小于第一预设阈值,则执行将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到与原始图像的场景对应的目标区域的纹理图像的步骤;或返回获取原始图像,以及原始图像的数据帧的步骤。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:将目标区域关键点信息、目标区域属性信息和数据帧输入预设场景检测模型,得到至少一个纹理图像;其中,每一纹理图像对应一个分数;将分数与第二预设阈值进行比较,并输出分数满足第二预设阈值条件的与原始图像的场景对应的目标区域的纹理图像。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:对原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到原始图像分解集;以及对纹理图像在RGB三个通道上进行单通道分解,得到纹理图像分解集;根据原始图像分解集和纹理图像分解集,在每一通道中,获取原始图像的色彩调整区域的每一像素点的灰度值对应的纹理图像的像素点的像素值;根据原始图像的色彩调整区域的每一像素点的灰度值和对应的纹理图像的像素点的像素值,得到映射关系。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:对原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到由原始图像R、原始图像G和原始图像B组成的原始图像分解集;对纹理图像在RGB三个通道上进行单通道分解,得到由纹理图像R、纹理图像G和纹理图像B组成的纹理图像分解集。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:对于原始图像的每一灰度值,获得与灰度值对应的纹理图像的至少一个像素点的像素值;对纹理图像的至少一个像素点的像素值进行加权平均,并将加权平均值确定为与原始图像的色彩调整区域的每一灰度值对应的纹理图像的像素值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种基于场景的图像色彩调整方法,其特征在于,所述方法包括:
获取原始图像,以及所述原始图像的数据帧;
将所述数据帧输入预设目标区域检测模型,得到目标区域关键点信息、目标区域属性信息和所述原始图像的色彩调整区域;
将所述目标区域关键点信息、所述目标区域属性信息和所述数据帧输入预设场景检测模型,得到与所述原始图像的场景对应的目标区域的纹理图像;
根据所述原始图像的色彩调整区域和所述纹理图像,得到映射关系;其中,所述映射关系表征:所述原始图像的色彩调整区域每一灰度值与所述纹理图像的像素值之间的对应关系;
根据所述映射关系对所述原始图像的色彩调整区域进行色彩调整,得到色彩调整图像。
2.根据权利要求1所述的方法,其特征在于,所述将所述数据帧输入预设目标区域检测模型,得到目标区域关键点信息、目标区域属性信息和所述原始图像的色彩调整区域,包括:
将所述数据帧输入所述预设目标区域检测模型,进行目标区域关键点信息检测,得到所述目标区域关键点信息;
根据所述目标区域关键点信息对所述数据帧进行目标区域属性检测,得到所述目标区域属性信息;
根据所述目标区域关键点信息和所述目标区域属性信息,确定出所述色彩调整区域。
3.根据权利要求2所述的方法,其特征在于,所述将所述数据帧输入所述预设目标区域检测模型,进行目标区域关键点信息检测,得到目标区域关键点信息,之前还包括:
将所述数据帧输入所述预设目标区域检测模型,根据输入的数据帧,对所述原始图像进行目标区域检测,判断所述原始图像中是否存在目标区域图像;
若所述原始图像中存在目标区域图像,则执行所述进行目标区域关键点信息检测,得到目标区域关键点信息的步骤;
若所述原始图像中不存在目标区域图像,则返回执行所述获取原始图像,以及所述原始图像的数据帧的步骤。
4.根据权利要求1所述的方法,其特征在于,所述将所述目标区域关键点信息、所述目标区域属性信息和所述数据帧输入预设场景检测模型,得到与所述原始图像的场景对应的目标区域的纹理图像,之前还包括:
根据所述目标区域属性信息,判断所述原始图像中的目标区域图像的质量与第一预设阈值之间的关系;
若所述目标区域图像的质量大于或等于所述第一预设阈值,则执行所述将所述目标区域关键点信息、所述目标区域属性信息和所述数据帧输入预设场景检测模型,得到与所述原始图像的场景对应的目标区域的纹理图像的步骤;
若所述目标区域图像的质量小于所述第一预设阈值,则执行所述将所述目标区域关键点信息、所述目标区域属性信息和所述数据帧输入预设场景检测模型,得到与所述原始图像的场景对应的目标区域的纹理图像的步骤;或返回所述获取原始图像,以及所述原始图像的数据帧的步骤。
5.根据权利要求1所述的方法,其特征在于,所述将所述目标区域关键点信息、所述目标区域属性信息和所述数据帧输入预设场景检测模型,得到与所述原始图像的场景对应的目标区域的纹理图像,包括:
将所述目标区域关键点信息、所述目标区域属性信息和所述数据帧输入预设场景检测模型,得到至少一个纹理图像;其中,每一所述纹理图像对应一个分数;
将所述分数与第二预设阈值进行比较,并输出分数满足所述第二预设阈值条件的与所述原始图像的场景对应的目标区域的纹理图像。
6.根据权利要求1所述的方法,其特征在于,所述根据所述原始图像的色彩调整区域和所述纹理图像,得到映射关系,包括:
对所述原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到原始图像分解集;以及对所述纹理图像在RGB三个通道上进行单通道分解,得到纹理图像分解集;
根据所述原始图像分解集和所述纹理图像分解集,在每一通道中,获取所述原始图像的色彩调整区域的每一像素点的灰度值对应的所述纹理图像的像素点的像素值;
根据所述原始图像的色彩调整区域的每一像素点的灰度值和对应的所述纹理图像的像素点的像素值,得到所述映射关系。
7.根据权利要求6所述的方法,其特征在于,所述对所述原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到原始图像分解集;以及对所述纹理图像在RGB三个通道上进行单通道分解,得到纹理图像分解集,包括:
对所述原始图像的色彩调整区域在RGB三个通道上进行单通道分解,得到由原始图像R、原始图像G和原始图像B组成的所述原始图像分解集;
对所述纹理图像在RGB三个通道上进行单通道分解,得到由纹理图像R、纹理图像G和纹理图像B组成的所述纹理图像分解集。
8.根据权利要求6所述的方法,其特征在于,所述根据所述原始图像的色彩调整区域的每一像素点的灰度值和对应的所述纹理图像的像素点的像素值,得到所述映射关系,包括:
对于所述原始图像的每一灰度值,获得与所述灰度值对应的所述纹理图像的至少一个像素点的像素值;
对所述纹理图像的至少一个像素点的像素值进行加权平均,并将加权平均值确定为与所述原始图像的色彩调整区域的每一灰度值对应的所述纹理图像的像素值。
9.一种基于场景的图像色彩调整装置,其特征在于,所述装置包括:
图像获取模块,用于获取原始图像,以及所述原始图像的数据帧;
目标检测模块,用于将所述数据帧输入预设目标区域检测模型,得到目标区域关键点信息、目标区域属性信息和所述原始图像的色彩调整区域;
场景检测模块,用于将所述目标区域关键点信息、所述目标区域属性信息和所述数据帧输入预设场景检测模型,得到与所述原始图像的场景对应的目标区域的纹理图像;
图像映射模块,用于根据所述原始图像的色彩调整区域和所述纹理图像,得到映射关系;其中,所述映射关系表征:所述原始图像的色彩调整区域每一灰度值与所述纹理图像的像素值之间的对应关系;
色彩调整模块,用于根据所述映射关系对所述原始图像的色彩调整区域进行色彩调整,得到色彩调整图像。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911099742.3A CN111062860B (zh) | 2019-11-12 | 2019-11-12 | 基于场景的图像色彩调整方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911099742.3A CN111062860B (zh) | 2019-11-12 | 2019-11-12 | 基于场景的图像色彩调整方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111062860A true CN111062860A (zh) | 2020-04-24 |
CN111062860B CN111062860B (zh) | 2022-12-02 |
Family
ID=70298269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911099742.3A Active CN111062860B (zh) | 2019-11-12 | 2019-11-12 | 基于场景的图像色彩调整方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062860B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111698492A (zh) * | 2020-06-18 | 2020-09-22 | 掌阅科技股份有限公司 | 可局部变换显示颜色的方法、终端及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108024107A (zh) * | 2017-12-06 | 2018-05-11 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN108133498A (zh) * | 2017-12-05 | 2018-06-08 | 北京像素软件科技股份有限公司 | 场景着色融合方法、装置及电子设备 |
CN108876931A (zh) * | 2017-05-12 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 三维物体颜色调整方法、装置、计算机设备及计算机可读存储介质 |
CN108881875A (zh) * | 2018-08-16 | 2018-11-23 | Oppo广东移动通信有限公司 | 图像白平衡处理方法、装置、存储介质及终端 |
US20190164263A1 (en) * | 2016-06-21 | 2019-05-30 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for image processing |
-
2019
- 2019-11-12 CN CN201911099742.3A patent/CN111062860B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190164263A1 (en) * | 2016-06-21 | 2019-05-30 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for image processing |
CN108876931A (zh) * | 2017-05-12 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 三维物体颜色调整方法、装置、计算机设备及计算机可读存储介质 |
CN108133498A (zh) * | 2017-12-05 | 2018-06-08 | 北京像素软件科技股份有限公司 | 场景着色融合方法、装置及电子设备 |
CN108024107A (zh) * | 2017-12-06 | 2018-05-11 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN108881875A (zh) * | 2018-08-16 | 2018-11-23 | Oppo广东移动通信有限公司 | 图像白平衡处理方法、装置、存储介质及终端 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111698492A (zh) * | 2020-06-18 | 2020-09-22 | 掌阅科技股份有限公司 | 可局部变换显示颜色的方法、终端及计算机可读存储介质 |
CN111698492B (zh) * | 2020-06-18 | 2021-04-02 | 掌阅科技股份有限公司 | 可局部变换显示颜色的方法、终端及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111062860B (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109829930B (zh) | 人脸图像处理方法、装置、计算机设备及可读存储介质 | |
US11043011B2 (en) | Image processing method, apparatus, terminal, and storage medium for fusing images of two objects | |
US7539342B2 (en) | Image correction apparatus | |
CN109086711B (zh) | 人脸特征分析方法、装置、计算机设备和存储介质 | |
CN108463823B (zh) | 一种用户头发模型的重建方法、装置及终端 | |
CN110930296B (zh) | 图像处理方法、装置、设备及存储介质 | |
CN107633237B (zh) | 图像背景分割方法、装置、设备及介质 | |
CN111435433B (zh) | 信息处理装置、信息处理方法以及存储介质 | |
US11068746B2 (en) | Image realism predictor | |
US20050271245A1 (en) | Specified object detection apparatus | |
JP2023545200A (ja) | パラメータ推定モデルの訓練方法、パラメータ推定モデルの訓練装置、デバイスおよび記憶媒体 | |
CN109919030B (zh) | 黑眼圈类型识别方法、装置、计算机设备和存储介质 | |
CN110598638A (zh) | 模型训练方法、人脸性别预测方法、设备及存储介质 | |
US11576478B2 (en) | Method for simulating the rendering of a make-up product on a body area | |
CN111507298A (zh) | 人脸检测方法、装置、计算机设备和存储介质 | |
CN113469092A (zh) | 字符识别模型生成方法、装置、计算机设备和存储介质 | |
CN110807409A (zh) | 人群密度检测模型训练方法和人群密度检测方法 | |
CN110309855B (zh) | 图像分割的训练方法、计算机设备及存储介质 | |
CN111062860B (zh) | 基于场景的图像色彩调整方法、装置和计算机设备 | |
CN113012188A (zh) | 图像融合方法、装置、计算机设备和存储介质 | |
WO2023273247A1 (zh) | 人脸图像处理方法及装置、计算机可读存储介质、终端 | |
CN111369478A (zh) | 人脸图像增强方法、装置、计算机设备和存储介质 | |
CN109492540B (zh) | 一种图像中的人脸交换方法、装置及电子设备 | |
CN111178126A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN113707279A (zh) | 医学影像图片的辅助分析方法、装置、计算机设备及介质 |
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 |