CN111145084A - 图像处理方法及装置、图像处理设备及存储介质 - Google Patents
图像处理方法及装置、图像处理设备及存储介质 Download PDFInfo
- Publication number
- CN111145084A CN111145084A CN201911360894.4A CN201911360894A CN111145084A CN 111145084 A CN111145084 A CN 111145084A CN 201911360894 A CN201911360894 A CN 201911360894A CN 111145084 A CN111145084 A CN 111145084A
- Authority
- CN
- China
- Prior art keywords
- grid
- points
- region
- image
- displacement
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000006073 displacement reaction Methods 0.000 claims abstract description 110
- 238000000034 method Methods 0.000 claims description 23
- 230000015654 memory Effects 0.000 claims description 16
- 210000001364 upper extremity Anatomy 0.000 claims description 14
- 210000000707 wrist Anatomy 0.000 claims description 10
- 210000002310 elbow joint Anatomy 0.000 claims description 9
- 230000000875 corresponding effect Effects 0.000 description 26
- 230000001276 controlling effect Effects 0.000 description 15
- 230000000694 effects Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开一种图像处理方法及装置、图像处理设备及存储介质。所述图像处理方法，包括：获取第一图像中目标所包含的第一部位的第一关键点的位置信息；基于所述第一关键点的位置信息，确定包含所述第一关键点的第一区域；根据所述第一区域内预设的变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述第一区域内网格点的位移量；根据所述第一区域内网格点的位移量，控制所述第一区域内像素点的变形，得到变形后的第二图像。
Description
技术领域
本申请涉及图像技术领域，尤其涉及一种图像处理方法及装置、图像处理设备及存储介质。
背景技术
在图像技术领域，存在着对用户拍完一个照片，然后需要对该照片的部分进行变形操作。但是现有技术中，通常会对整张图像进行变形，或者对有的区域进行变形，而对一些区域不变形。针对有的区域进行变形处理，有的区域不进行变形处理，则经过变形处理的区域和未经变形处理的区域之间的过渡很不自然，进而使得图像效果很差，并不能使得用户满意。
发明内容
有鉴于此，本申请实施例期望提供一种图像处理方法及装置、图像处理设备及存储介质。
本申请的技术方案是这样实现的：
本申请实施例第一方面提供一种图像处理方法，包括：
获取第一图像中目标所包含的第一部位的第一关键点的位置信息；
基于所述第一关键点的位置信息，确定包含所述第一关键点的第一区域；
根据所述第一区域内预设的变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述第一区域内网格点的位移量；
根据所述第一区域内网格点的位移量，控制所述第一区域内像素点的变形，得到变形后的第二图像。
基于上述方案，所述根据所述第一区域内预设的变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述第一区域内网格点的位移量，包括：
根据所述第一区域内的预设变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述网格点的位移量的衰减参数；
根据变形指令，确定所述网格点的第一位移量；
根据所述衰减参数对所述第一位移量进行衰减处理，得到比所述第一位移量小的第二位移量。
基于上述方案，所述根据所述第一区域内网格点的位移量，控制所述第一区域内像素点的变形，得到变形后的第二图像，包括：
根据所述第二位移量，控制所述第一区域内的相邻像素点之间的间距，得到变形后的第二图像。
基于上述方案，所述根据所述第一区域内预设的变形网格的网格点与所述第一区域内像素之间的相对位置，确定所述网格点的位移量的衰减参数，包括：
确定位于多个所述第一关键点的连线上的像素点，得到第一集合；
根据所述第一集合内像素点与所述变形网格内网格点的相对位置，得到第二集合，其中，所述第二集合包括：所述变形网格中与所述第一集合内各像素点距离最近的网格点；
根据所述第二集合中各所述网格点与所述第一集合中对应所述网格点所控制像素点的相对位置，确定所述第二集合中各所述网格点的所述衰减参数。
基于上述方案，所述根据所述第二集合中各所述网格点与所述第一集合中对应所述网格点所控制像素点的相对位置，确定所述第二集合中各所述网格点的所述衰减参数，包括：
以各所述第一关键点分别为中心，在预定方向上向外进行遍历所述第二集合中各所述网格点，得到所述第二集合中各所述网格点相对于每个所述第一关键点在预定方向上的间距排序；
根据所述间距排序，确定所述第二集合中各所述网格点的所述衰减参数。
基于上述方案，所述根据所述间距排序，确定所述第二集合中各所述网格点的所述衰减参数，包括：
当所述第二集合中一个所述网格点位于多个所述第一关键点的预定方向时，根据多个所述第一关键点所对应的所述间距排序，确定所述衰减参数的备选值；
选择所述备选值中的最大值，作为一个所述网格点的所述衰减参数。
基于上述方案，所述第一部位为上肢。
基于上述方案，所述获取第一图像中目标所包含第一部位的关键点的位置信息，包括：
获取所述第一图像中上肢的骨架关键点的位置信息，所述骨架关键点包括以下关键点中的至少一种：肩部关键点、肘关节关键点、手腕关键点和手部关键点。
基于上述方案，所述方法还包括：
根据所述第一图像中目标所包含的第二部位的第二关键点的位置信息，确定第二部位对应的第二区域；
根据所述第二区域内的预设变形网格的网格点的第一位移量，控制所述第一图像内第二区域的变形，得到变形后的第二图像。
本申请实施例公开的一种图像处理装置，包括：
获取模块，用于获取第一图像中目标所包含的第一部位的第一关键点的位置信息；
第一确定模块，用于基于所述第一关键点的位置信息，确定包含所述第一关键点的第一区域；
第二确定模块，用于根据所述第一区域内预设的变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述第一区域内网格点的位移量；
控制模块，用于根据所述第一区域内网格点的位移量，控制所述第一区域内像素点的变形，得到变形后的第二图像。
基于上述方案，所述第二确定模块，用于根据所述第一区域内的预设变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述网格点的位移量的衰减参数；根据变形指令，确定所述网格点的第一位移量；根据所述衰减参数对所述第一位移量进行衰减处理，得到比所述第一位移量小的第二位移量。
基于上述方案，所述第二确定模块，还用于根据所述第二位移量，控制所述第一区域内的相邻像素点之间的间距，得到变形后的第二图像。
基于上述方案，所述第二确定模块，还用于确定位于多个所述第一关键点的连线上的像素点，得到第一集合；根据所述第一集合内像素点与所述变形网格内网格点的相对位置，得到第二集合，其中，所述第二集合包括：所述变形网格中与所述第一集合内各像素点距离最近的网格点；根据所述第二集合中各所述网格点与所述第一集合中对应所述网格点所控制像素点的相对位置，确定所述第二集合中各所述网格点的所述衰减参数。
基于上述方案，所述第二确定模块，用于以各所述第一关键点分别为中心，在预定方向上向外进行遍历所述第二集合中各所述网格点，得到所述第二集合中各所述网格点相对于每个所述第一关键点在预定方向上的间距排序；
根据所述间距排序，确定所述第二集合中各所述网格点的所述衰减参数。
基于上述方案，所述第二确定模块，用于当所述第二集合中一个所述网格点位于多个所述第一关键点的预定方向时，根据多个所述第一关键点所对应的所述间距排序，确定所述衰减参数的备选值；选择所述备选值中的最大值，作为所述网格点的所述衰减参数。
基于上述方案，所述第一部位为上肢。
基于上述方案，所述获取模块，用于获取所述第一图像中上肢的骨架关键点的位置信息，所述骨架关键点包括以下关键点中的至少一种：肩部关键点、肘关节关键点、手腕关键点和手部关键点。
基于上述方案，所述第一确定模块，用于根据所述第一图像中目标所包含的第二部位的第二关键点的位置信息，确定第二部位对应的第二区域；
所述控制模块，还用于根据所述第二区域内的预设变形网格的网格点的第一位移量，控制所述第一图像内第二区域的变形，得到变形后的第二图像。
本申请实施例第三方面提供一种图像处理设备，包括：
存储器；
处理器，与所述存储器连接，用于通过执行存储在所述存储器上的计算机可执行指令实现前述任意技术方案提供的图像处理方法。
本申请实施例第四方面提供一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被处理器执行后，能够实现前述任意技术方案提供的图像处理方法。
本申请实施例提供的技术方案，在利用变形网格对整个第一图像进行变形之前，会确定出第一部位的第一关键点，然后基于第一关键点得到需要保护的第一区域内的像素点，在进行变形时，第一区域内网格点的位移量是需要该区域内的网格点与像素点之间的相对位置来确定的，而不再是仅仅基于单一的变形指令来确定。如此，网格点的位移量的确定参数更多，从而可以通过对第一区域内网格点的位移量的精确控制，实现同一张图像内不同区域内像素的变形的精细控制，从而提升图像变形效果。
附图说明
图1为本申请实施例提供的一种图像处理方法的流程示意图；
图2A为本申请实施例提供的一种铺设在第一图像上的标准变形网格的使用图；
图2B为本申请实施例提供的一种第一区域和第二区域的示意图；
图3为本申请实施例提供的一种确定衰减参数的流程示意图；
图4为本申请实施例提供的一种关键点的连线及第二集合的网格点的示意图；
图5为本申请实施例提供的一种图像处理装置的结构示意图；
图6为本申请实施例提供的一种图像处理设备的结构示意图。
具体实施方式
以下结合说明书附图及具体实施例对本申请的技术方案做进一步的详细阐述。
如图1所示，本实施例提供一种图像处理方法，包括：
步骤S110：获取第一图像中目标所包含的第一部位的第一关键点的位置信息；
步骤S120：基于所述第一关键点的位置信息，确定包含所述第一关键点的第一区域；
步骤S130：根据所述第一区域内预设的变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述第一区域内网格点的位移量；
步骤S140：根据所述第一区域内网格点的位移量，控制所述第一区域内像素点的变形，得到变形后的第二图像。
在本实施例中进行图像的变形处理时，第一图像可以分为多个区域，这些多个区域中的一个或多个可为所述第一区域。
在一些实施例中，所述第一区域可为包含需要抑制变形的第一部位的区域，或者，是需要增强变形的所述第一部位的区域。例如，变形比较大的区域和变形比较小的区域。
所述变形网格可为在获取到第一图像之后，进行所述第一图像的变形之前确定的。例如，在所述第一图像上铺设变形网格，其中，所述变形网格包括：横线和纵线交叉形成的网格点。变形网格所包含的横线又可以称之为纬线，纵线又可以称之为经线。变形网格内的线可统称为经纬线。在对第一图像进行变形前，所述经纬线可以是标准的横纵方向分别铺设的直线。
若预设的由经纬线构成的变形网格进行统一变形，则变形幅度是相同的，如此，可能会使得无需变形、所需变形小或变形幅度要增大的区域也被无差别的按照统一变形幅度进行变形，而这种统一变形幅度的变形方式，可能会使得生成的第二图像出现不协调等现象，从而导致第一图像的变形效果不佳。
图2A为一张铺设有预设的变形网格的示意图。图2B是以图2A中的人像为例，确定右侧上肢区域作为第一区域及除右侧上肢以外的腰部区域作为第二区域的示意图。
在本实施例中，首先会确定出第一图像中目标所包含第一部位的第一关键点，该第一关键点可为所述第一部位的骨架关键点或轮廓关键点，骨架关键点为人体或者动物中骨头所在位置的关键点。轮廓关键点可为人体或动物体表所呈现轮廓特点的关键点。总之，此处的第一关键点是是位于所述第一部位上的点，且可以用于定位所述第一部位的点。示例性的，所述骨架关键点的分布位置决定了第一部位在第一图像中的所在位置。故在本实施例中，可以通过基于一个或多个骨架关键点等位置，来定位所述第一区域，并最终确定出所述衰减参数。
在本实施例中，步骤S120中是基于第一关键点来确定第一区域，至少会得到第一区域在第一图像内的边界。在S130中根据第一关键点确定出第一区域之后，就可以知道第一图像内位于第一区域内的像素点。
利用预设的变形网格进行图像变形的变形方法可以称为网格变形。在一些实施例中，网格变形时第一区域内的像素点可能是要移动位置的像素点，这些像素点移动之后，像素点之间的间距大小会发生变化。
在一些实施例中，所述S140可包括：根据所述第一区域内网格点的位移量，调整第一区域内像素点之间的疏密程度，从而实现控制第一区域内像素点的变形以得到变形后的第二图像。
如此，确定出需要保护的第一部位的关键点，然后基于第一关键点得到第一区域内的像素点，在进行变形时，第一区域内网格点的位移量是需要该区域内的网格点与像素点之间的相对位置来确定的，而不再是仅仅基于单一的变形指令而言的。如此，网格点的位移量的确定参数更多，从而可以通过对第一区域内网格点的位移量的精确控制，实现同一张图像内不同区域内像素的变形的精细控制，从而提升图像变形效果。
在一些实施例中，所述S130可包括：
根据所述第一区域内的预设变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述网格点的位移量的衰减参数；
根据变形指令，确定所述网格点的第一位移量；
根据所述衰减参数对所述第一位移量进行衰减处理，得到比所述第一位移量小的第二位移量。
在本实施例中，可以根据相对位置得到特定像素与各网格点之间的距离，根据该距离来确定衰减参数的大小。例如，该特定像素点可为第一关键点所在位置的像素点。此处仅是一种基于上述相对位置，确定第一区域内的网格点的位移量的衰减参数的一种举例，具体不限于此。
变形指令可为根据人机交互界面接收的用户输入生成的指令，或者，基于一键美容或美体等图像预设处理生成的变形指令。例如，图像中人像的自动瘦腰，则图像处理设备内会根据自动瘦腰功能生成对应的变形指令。该变形指令可以携带有变形参数，示例性的，该变形参数可以包括所述第一位移量。
在确定第一位移量之后，再利用所述衰减参数及所述第一位移量作为已知量，进行各种减小所述第一位移量的衰减处理，从而会得到比第一位移量小的第二位移量。
在一些实施例中，所述衰减参数为用于减小所述第一区域内网格点位移量的参数。所述第一区域内像素点的变形量与所述第一区域内网格点的位移量是正相关的，即，所述网格点的位移量越大，则第一区域内像素点的变形量越大。所述网格点的位移量越小，则所述第一区域内像素点的变形量越小。
在一些实施例中，所述衰减参数包括但不限于：
衰减系数，衰减系数可为衰减比值；例如，根据变形指令计算得到第一区域内各网格点原始的第一位移量，将该原始位移量乘上该衰减系数就得到第一区域内各网格点最终的第二位移量。
衰减值，若该衰减值为正值，则可以将原始位移量减去该衰减值就得到一个比原始的第一位移量更小的第二位移量。
在一些实施例中，所述S140可包括：
根据所述第二位移量，控制所述第一区域内的相邻像素点之间的间距，得到变形后的第二图像。
例如，根据第二位移量增大第一区域内某些相邻像素点之间的间距，和/或，根据第二位移量缩小第二区域内某些相邻像素点之间的间距，从而变形后的第一区域由相邻像素点的等间距的特点改变成为相邻像素点之间的不等间距的特点。
例如，若腰部所在区域所包含相邻像素点之间的间距缩小了，在腰部所对应像素点总个数不变的情况下，达到了瘦腰的效果。若胸部所在区域所包含相邻像素点之间的间距增大了，则在胸部所对应像素点总个数不变的情况下，达到丰胸的效果。
如此，第一区域内相邻像素点之间的间距变化越大，则对应部分或区域的变形幅度越大。反之，第一区域内相邻像素点之间的间距变化越小，则对应部分或区域的变形幅度也越小。
第一区域内网格点做了衰减处理，使得变形指令得到的第一位移量缩小为第二位移量，如此，能够抑制(即弱化)第一区域的变形幅度，从而使得第一区域和第二区域的变形幅度不同，满足不同区域不同变形幅度的变形需求，从而提升了第一图像变形为第二图像的变形效果。
在一些实施例中，所述S140还可包括：根据所述第二位移量，控制所述第一区域内的相邻像素点之间的间距，得到变形后的第二图像。
例如，网格点A的第二位移量，相对于第二位移量比较小的网格点B而言，网格点A所控制像素点的间距改变量，大于网格点B所控制像素点的间距改变量。
在一些实施例中，如图3所示，在根据所述第一区域内的预设变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述网格点的位移量的衰减参数时，可包括如下步骤：
步骤301：确定位于多个所述第一关键点的连线上的像素点，得到第一集合；
步骤302：根据所述第二集合中各所述网格点与所述第一集合中对应所述网格点所控制像素点的相对位置，确定所述第二集合中各所述网格点的所述衰减参数；
步骤303：根据所述第二集合中各所述网格点与所述第一集合中对应所述网格点所控制像素点的相对位置，确定所述第二集合中各所述网格点的所述衰减参数。
在本实施例中确定出所述关键点之后，直接连线相邻的所述第一关键点得到一条或多条折线，位于这些连线上的像素点构成了所述第一集合。参考图4所示，第一关键点连线上的像素点构成了所述第一集合。
得到第一集合之后，会根据变形网格中各个网格点与第一集合中像素点的相对位置，找到分别与第一集合中每个像素点距离最近的网格点，构成所述第二集合。
第一集合是第一关键点的连线上的像素点所形成的；第二集合包含与连线相邻的网格点。故第一集合是像素点的集合，第二集合是网格点的集合。
由于在变形过程中，第一图像的变形是基于变形网格的网格点进行的。第二集合中网格点所围成的区域即为所述第一区域。
具体地，第二集合中每一个网格点的衰减参数，是进一步根据该网格点与第一关键点所形成连线上像素点之间的相对位置确定的。
在一些实施例中，所述第二集合中的网格点，有的靠近所述第一关键点，有的远离所述第一关键点。所述第二集合中靠近所述第一关键点的网格点，相对于远离所述第一关键点网格点，具有更大的衰减参数。所述第一集合内的像素点可为所述第一区域内的部分像素点。在第一区域中所述第一集合以外的剩余像素点，有的像素点靠近第一集合中的像素点，有的像素点远离第一集合中的像素点。远离所述第一集合中像素点的像素点，一般由远离所述第一关键点的网格点控制，故，远离所述第一关键点的像素点衰减的变形幅度，小于靠近所述第一关键点的像素点衰减的变形幅度。
进一步地，所述步骤303可包括：
以各所述第一关键点分别为中心，在预定方向上向外进行遍历，得到所述第二集合中各所述网格点相对于每个所述第一关键点在预定方向上的间距排序；
根据所述间距排序，确定所述第二集合中各所述网格点的所述衰减参数。
在一些实施例中，可以根据第二集合中各网格点，与第一集合中各像素点的最小距离，来确定第二集合内各网格点的衰减参数。此处所述最小距离即为上述间距排序中所使用的间距的一种具体举例。例如，假设第一集合中有M个像素点，第二集合有N个网格点。M，N均为正整数。这N个网格点与M个像素点具有M个距离，确定N个网格点中每一个网格点所对应的M个距离中最小距离。将N个网格点所对应的最小距离进行排序，就会得到所述间距排序。最小距离最小的间距排序就靠前，间距排序越靠前，则衰减参数越大。若间距排序越靠后，则衰减参数越小。但是这种方式在第一部位的姿势比较特殊的时候，可能会出现离第一部位的中心位置最近的网格点衰减参数反而越小的情况，从而导致出现图像效果不如预期的现象。
在本实施例中，以各所述第一关键点为遍历的起始位置，通过遍历第二集合中每一个网格点，然后得到第二集合中每一个网格点相对于该第一关键点在预定方向上的间距排序。
在一些实施例中，该预定方向可为：所述第一部位需要抑制变形的方向，或者禁止变形的方向。
在一些实施例中，该预定方向可为：变形网格的横线方向和纵线方向中，与对应第一关键点的连线夹角较大的方向。
在另一些实施例中，该预定方向可为：变形网格的横线方向和纵线方向中，与第一关键点所形成连线的整体延伸方向夹角较大的方向。
在还有一些实施例中，该预定方向可为：变形网格的横线方向和纵线方向中与第一部位的延伸方向夹角较大的方向。
在大多数情况下，第二集合中一个所述网格点可能仅位于一个像素点的预定方向上。
如此，根据网格点与第一关键点之间的相对位置，可以用间距或者间距排序来表征。
在本实施例中，所述间距排序可与对应的衰减参数具有一定的相关，例如，若所述衰减参数直接用于网格点的第一位移量的衰减，则所述间距排序越靠前，则所述衰减参数的值越小。
进一步地，所述根据所述间距排序，确定所述第二集合中所述网格点的所述衰减参数，包括：
当所述第二集合中一个所述网格点位于多个所述第一关键点的预定方向时，根据各个所述第一关键点所对应的所述间距排序，确定所述衰减参数的备选值；
选择所述备选值中的最大值，作为一个所述网格点的所述衰减参数。
如果第二集合中一个网格点位于多个第一关键点的预定个方向时，自然就会计算出多个间距排序。此时，一个间距排序对应了一个衰减参数。此时，一个网格点对应于不同第一关键点的间距排序得到的衰减参数的所述备选参值。最终选择备选值中的最大值，作为该网格点最终的衰减参数，
如此，确保了离第一关键点所形成连线越近的网格点的衰减参数越大。
在一些实施例中，所述第一部位为上肢。该上肢可包括：上臂、前臂和/或手部的其中至少之一。
在一些实施例中，所述S110可包括：获取所述第一图像中上肢的骨架关键点的位置信息，所述骨架关键点包括以下关键点中的至少一种：肩部关键点、肘关节关键点、手腕关键点和手部关键点。
所述第一关键点的连线可为：从肩部关键点、肘关节关键点、手腕关键点到手部关键点的依次连线。
前述第一集合包含的像素点可为：肩部关键点到肘关节关键点之间连线上的像素点、肘关节关键点到手腕关键点之间连线上的像素点，以及所述手腕关键点到手部关键点之间连线上的像素点。
在一些实施例中，所述方法还包括：
根据所述第一图像中目标所包含的第二部位的第二关键点的位置信息，确定第二部位对应的第二区域；
根据所述第二区域内的预设变形网格的网格点的第一位移量，控制所述第一图像内第二区域的变形，得到变形后的第二图像。
所述第一部位不同于所述第一部位。
在本申请实施例中第一区域内和第二区域内的网格点的第一位移量，都可为根据变形指令确定的初始位移量。
变形幅度可由网格点的位移量控制。故在本实施例中，所述第一区域是需要抑制变形的区域，而所述第二区域可以为需要进行变形的区域。在利用网格变形时，可以通过衰减参数的引入，在基于相同的变形指令的情况下，可以使得所述第一区域的变形幅度小于所述第二区域的变形幅度。
所述变形幅度对应的变形方向包括但不限于对应区域的变形部位的增大、缩小、旋转、镜像和/或线条形状的改变等。
例如，在人像变形时，所述第一部位为腰部。在对象包括人像的图像利用变形网格进行收腰变形时，向人像中心挤压腰部时，位于腰部附近的手臂可能会发生增大的变形。
在本实施例中，为了减少因为腰部变形对手臂的负面影响，在本实施例中，可以将手臂所在的图像区域设置为第一区域，而将腰部所在的图像区域为第二区域。如此，在本实施例中通过衰减参数使得第一区域和第二区域利用同一个变形网格进行变形时，使得第一区域的变形幅度小，而第二区域的变形幅度大；如此，一方面通过第二区域的大幅度变形实现对瘦腰；另一方面，通过第一区域的衰减参数维持手臂的形状；从而提升整个图像的变形效果。
在一些实施例中，所述第一区域和所述第二区域为相邻的两个区域。
在另一些实施例中，所述第一区域和所述第二区域为分离的两个区域。例如，在所述第一区域和所述第二区域之间设置有第三区域；所述第二区域为包含需要变形的第二部位的区域；所述第一区域包含有需要抑制变形的第一部位的区域；所述第三区域为既然不包含第一部位和第二部位的区域。
在一些实施例中，所述第一区域外(例如，第二区域)内网格点变形时的位置映射公式如下：
src+(dst-src)，公式(1)
其中，src为网格点变形前的位置；dst为网格点变形后的位置；dst-src为第一位移量。
而所述第一区域内的网格点变形时采用的第二位移量的计算公式(2)或公式(3)：
src+(dst-src)*(1-s)，公式(2)。
同样地，src为网格点变形前的位置；dst为网格点变形后的位置；dst-src为第一位移量，s为衰减参数中的衰减系数。s的取值范围为0到1之间的任意数值。(dst-src)*(1-s)为比第一位移量小的第二位移量。
src+(dst-src)-S，公式(3)。
同样地，src为网格点变形前的位置；dst为网格点变形后的位置；dst-src为第一位移量，S为衰减参数中的衰减值。S的取值范围可为任意正整数。src+(dst-src)-S为比第一位移量小的第二位移量。
如图5所示，本实施例提供一种图像处理装置，包括：
获取模块510，用于获取第一图像中目标所包含的第一部位的第一关键点的位置信息；
第一确定模块520，用于基于所述第一关键点的位置信息，确定包含所述第一关键点的第一区域；
第二确定模块530，用于根据所述第一区域内预设的变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述第一区域内网格点的位移量；
控制模块540，用于根据所述第一区域内网格点的位移量，控制所述第一区域内像素点的变形，得到变形后的第二图像。
本实施例提供的图像处理装置应用于能够用于图像变形的各种电子设备中，例如，终端设备或者服务器中。
在一些实施例中，所述获取模块510、所述第一确定模块520、第二确定模块530及所述控制模块540均为程序模块，所述程序模块被处理器执行后，能够实现前述任意处理。
在另一些实施例中，所述获取模块510、所述第一确定模块520、第二确定模块530及所述控制模块540均为软硬结合模块，所述软硬结合模块包括但不限于可编程阵列；所述可编程阵列包括但不限于：现场可编程阵列和复杂可编程阵列。
在还有一些实施例中，所述获取模块510、所述第一确定模块520、第二确定模块530及所述控制模块540均为纯硬件模块；所述纯硬件模块包括但不限于专用集成电路。
在一些实施例中，所述第二确定模块530，用于根据所述第一区域内的预设变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述网格点的位移量的衰减参数；根据变形指令，确定所述网格点的第一位移量；根据所述衰减参数对所述第一位移量进行衰减处理，得到比所述第一位移量小的第二位移量。
在一些实施例中，所述第二确定模块530，还用于根据所述第二位移量，控制所述第一区域内的相邻像素点之间的间距，得到变形后的第二图像。
在一些实施例中，所述第二确定模块530，还用于确定位于多个所述第一关键点的连线上的像素点，得到第一集合；根据所述第一集合内像素点与所述变形网格内网格点的相对位置，得到第二集合，其中，所述第二集合包括：所述变形网格中与所述第一集合内各像素点距离最近的网格点；根据所述第二集合中各所述网格点与所述第一集合中对应所述网格点所控制像素点的相对位置，确定所述第二集合中各所述网格点的所述衰减参数。
在一些实施例中，所述第二确定模块530，用于以各所述第一关键点分别为中心，在预定方向上向外进行遍历所述第二集合中各所述网格点，得到所述第二集合中各所述网格点相对于每个所述第一关键点在预定方向上的间距排序；根据所述间距排序，确定所述第二集合中各所述网格点的所述衰减参数。
在一些实施例中，所述第二确定模块530，用于当所述第二集合中一个所述网格点位于多个所述第一关键点的预定方向时，根据多个所述第一关键点所对应的所述间距排序，确定所述衰减参数的备选值；选择所述备选值中的最大值，作为一个所述网格点的所述衰减参数。
在一些实施例中，所述第一部位为上肢。
在一些实施例中，所述获取模块，用于获取所述第一图像中上肢的骨架关键点的位置信息，所述骨架关键点包括以下关键点中的至少一种：肩部关键点、肘关节关键点、手腕关键点和手部关键点。
在一些实施例中，所述第一确定模块，用于根据所述第一图像中目标所包含的第二部位的第二关键点的位置信息，确定第二部位对应的第二区域；
所述控制模块140，还用于根据所述第二区域内的预设变形网格的网格点的第一位移量，控制所述第一图像内第二区域的变形，得到变形后的第二图像。
以下为以上实施例的具体示例性说明：
网格变形是用于图像变形的一种变形工具，变形前的变形网格都是很规整的网格，通常是包括笔直的经线和纬线构成矩形网格。
在待变形的图像上确定出第一区域和第二区域。第一区域为需要抑制变形幅度的第一部位所在区域，而第二区域相对于第一区域是无需抑制变形幅度的第二部位所在区域。例如，利用变形网格对人体的腰部进行收腰处理时，腰部位于手臂旁边的手臂，减少腰部变形度手臂变形的影响。此时，所述手臂可为前述第一部位；所述腰部为前述的第二部位。
在本示例中，针对落在第一区域里的网格点的第一位移量(例如，该第一位移量可为基于变形指令直接计算得到的原始位移量)的基础上进行衰减处理，得到比第一位移量小的第二位移量。
如此，通过减少第一区域里的网格点的位移量，就能够减小第一区域内所包含像素点的变形幅度。
以手臂为前述所述第一部位，以包含所述手臂的图像区域为所述第一区域为例进行举例说明，则本示例提供的图像处理方法可包括：
第一步，确定第一关键点，例如，确定第一关键点可包括：确定手臂的4个关键点作为所述第一关键点。假设这4个第一关键点简称ABCD四个点；例如，针对上肢而言，ABCD四个关键点可为：肩部关键点、肘关节关键点、手腕关键点及手部关键点；
第二步，连接ABCD连线，得到第一关键点所形成的连线；
第三步，确定第一集合和第二集合；第一集合内包括的像素点位于所述连线上。第二集合包含的网格点为：变形网格中与所述第一集合内像素点距离最小的网格点。
第四步，根据第二集合中各网格点与第一集合中对应网格点所控制像素点的相对位置，确定第二集合中各网格点的衰减参数。
第五步，针对第一区域，可以根据各网格点的衰减参数对第一位移量进行衰减处理，得到比所述第一位移量小的第二位移量，并基于第二位移量进行变形处理。针对第二区域，可以直接基于第一位移量进行变形处理。
从而可以通过对第一区域内网格点的位移量的精确控制，使得第一区域的变形幅度小于第二区域的变形幅度，实现同一张图像内不同区域内像素的变形的精细控制，从而提升图像变形效果。
如图6所示，本申请实施例提供了一种图像处理设备，包括：
存储器，用于存储信息；
处理器，分别与显示器及所述存储器连接，用于通过执行存储在所述存储器上的计算机可执行指令，能够实现前述一个或多个技术方案提供的图像处理方法，例如，如图1和/或图3所示的图像处理方法。
该存储器可为各种类型的存储器，可为随机存储器、只读存储器、闪存等。所述存储器可用于信息存储，例如，存储计算机可执行指令等。所述计算机可执行指令可为各种程序指令，例如，目标程序指令和/或源程序指令等。
所述处理器可为各种类型的处理器，例如，中央处理器、微处理器、数字信号处理器、可编程阵列、数字信号处理器、专用集成电路或图像处理器等。
所述处理器可以通过总线与所述存储器连接。所述总线可为集成电路总线等。
在一些实施例中，所述终端设备还可包括：通信接口，该通信接口可包括：网络接口、例如，局域网接口、收发天线等。所述通信接口同样与所述处理器连接，能够用于信息收发。
在一些实施例中，所述终端设备还包括人机交互接口，例如，所述人机交互接口可包括各种输入输出设备，例如，键盘、触摸屏等。
在一些实施例中，所述图像处理设备还包括：显示器，该显示器可以显示各种提示、采集的人脸图像和/或各种界面。
本申请实施例提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行代码；所述计算机可执行代码被执行后，能够实现前述一个或多个技术方案提供的图像处理方法，例如如图1和/或图3所示的图像处理方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，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，在本申请各实施例中的各功能单元可以全部集成在一个处理模块中，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。
本申请任意实施例公开的技术特征，在不冲突的情况下，可以任意组合形成新的方法实施例或设备实施例。
本申请任意实施例公开的方法实施例，在不冲突的情况下，可以任意组合形成新的方法实施例。
本申请任意实施例公开的设备实施例，在不冲突的情况下，可以任意组合形成新的设备实施例。
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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种图像处理方法，其特征在于，包括：
获取第一图像中目标所包含的第一部位的第一关键点的位置信息；
基于所述第一关键点的位置信息，确定包含所述第一关键点的第一区域；
根据所述第一区域内预设的变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述第一区域内网格点的位移量；
根据所述第一区域内网格点的位移量，控制所述第一区域内像素点的变形，得到变形后的第二图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一区域内预设的变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述第一区域内网格点的位移量，包括：
根据所述第一区域内的预设变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述网格点的位移量的衰减参数；
根据变形指令，确定所述网格点的第一位移量；
根据所述衰减参数对所述第一位移量进行衰减处理，得到比所述第一位移量小的第二位移量。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一区域内网格点的位移量，控制所述第一区域内像素点的变形，得到变形后的第二图像，包括：
根据所述第二位移量，控制所述第一区域内的相邻像素点之间的间距，得到变形后的第二图像。
4.根据权利要求2所述的方法，其特征在于，所述根据所述第一区域内预设的变形网格的网格点与所述第一区域内像素之间的相对位置，确定所述网格点的位移量的衰减参数，包括：
确定位于多个所述第一关键点的连线上的像素点，得到第一集合；
根据所述第一集合内像素点与所述变形网格内网格点的相对位置，得到第二集合，其中，所述第二集合包括：所述变形网格中与所述第一集合内各像素点距离最近的网格点；
根据所述第二集合中各所述网格点与所述第一集合中对应所述网格点所控制像素点的相对位置，确定所述第二集合中各所述网格点的所述衰减参数。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第二集合中各所述网格点与所述第一集合中对应所述网格点所控制像素点的相对位置，确定所述第二集合中各所述网格点的所述衰减参数，包括：
以各所述第一关键点分别为中心，在预定方向上向外进行遍历所述第二集合中各所述网格点，得到所述第二集合中各所述网格点相对于每个所述第一关键点在预定方向上的间距排序；
根据所述间距排序，确定所述第二集合中各所述网格点的所述衰减参数。
6.根据权利要求5所述的方法，其特征在于，所述根据所述间距排序，确定所述第二集合中各所述网格点的所述衰减参数，包括：
当所述第二集合中一个所述网格点位于多个所述第一关键点的预定方向时，根据多个所述第一关键点所对应的所述间距排序，确定所述衰减参数的备选值；
选择所述备选值中的最大值，作为一个所述网格点的所述衰减参数。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述第一部位为上肢。
8.根据权利要求7所述的方法，其特征在于，所述获取第一图像中目标所包含的第一部位的第一关键点的位置信息，包括：
获取所述第一图像中上肢的骨架关键点的位置信息，所述骨架关键点包括以下关键点中的至少一种：肩部关键点、肘关节关键点、手腕关键点和手部关键点。
9.根据权利要求1至8任一项所述的方法，其特征在于，所述方法还包括：
根据所述第一图像中目标所包含的第二部位的第二关键点的位置信息，确定第二部位对应的第二区域；
根据所述第二区域内的预设变形网格的网格点的第一位移量，控制所述第一图像内第二区域的变形，得到变形后的第二图像。
10.一种图像处理装置，其特征在于，包括：
获取模块，用于获取第一图像中目标所包含的第一部位的第一关键点的位置信息；
第一确定模块，用于基于所述第一关键点的位置信息，确定包含所述第一关键点的第一区域；
第二确定模块，用于根据所述第一区域内预设的变形网格的网格点与所述第一区域内的像素点之间的相对位置，确定所述第一区域内网格点的位移量；
控制模块，用于根据所述第一区域内网格点的位移量，控制所述第一区域内像素点的变形，得到变形后的第二图像。
11.一种图像处理设备，其特征在于，包括：
存储器；
处理器，与所述存储器连接，用于通过执行存储在所述存储器上的计算机可执行指令实现权利要求1至9任一项提供的方法。
12.一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被处理器执行后，能够实现权利要求1至9任一项提供的方法。
Priority Applications (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911360894.4A CN111145084B (zh) | 2019-12-25 | 2019-12-25 | 图像处理方法及装置、图像处理设备及存储介质 |
| JP2020572416A JP7160958B2 (ja) | 2019-12-25 | 2020-05-29 | 画像処理方法及び装置、画像処理デバイス並びに記憶媒体 |
| KR1020207037116A KR20210084348A (ko) | 2019-12-25 | 2020-05-29 | 이미지 처리 방법 및 장치, 이미지 처리 기기 및 저장 매체 |
| PCT/CN2020/093442 WO2021128731A1 (zh) | 2019-12-25 | 2020-05-29 | 图像处理方法及装置、图像处理设备及存储介质 |
| SG11202109179WA SG11202109179WA (en) | 2019-12-25 | 2020-05-29 | Method and device for processing image, and storage medium |
| TW109121220A TW202125402A (zh) | 2019-12-25 | 2020-06-22 | 圖像處理方法、圖像處理設備及儲存介質 |
| US17/377,444 US20210342970A1 (en) | 2019-12-25 | 2021-07-16 | Method and device for processing image, and storage medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911360894.4A CN111145084B (zh) | 2019-12-25 | 2019-12-25 | 图像处理方法及装置、图像处理设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111145084A true CN111145084A (zh) | 2020-05-12 |
| CN111145084B CN111145084B (zh) | 2023-06-16 |
Family
ID=70520246
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911360894.4A Active CN111145084B (zh) | 2019-12-25 | 2019-12-25 | 图像处理方法及装置、图像处理设备及存储介质 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US20210342970A1 (zh) |
| JP (1) | JP7160958B2 (zh) |
| KR (1) | KR20210084348A (zh) |
| CN (1) | CN111145084B (zh) |
| SG (1) | SG11202109179WA (zh) |
| TW (1) | TW202125402A (zh) |
| WO (1) | WO2021128731A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112767288A (zh) * | 2021-03-19 | 2021-05-07 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| 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 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080192049A1 (en) * | 2007-02-13 | 2008-08-14 | Thomas Schiwietz | Image deformation using physical models |
| CN102496140A (zh) * | 2011-12-06 | 2012-06-13 | 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 |
| CN103824253A (zh) * | 2014-02-19 | 2014-05-28 | 中山大学 | 一种基于图像局部精确变形的人物五官变形方法 |
| CN110060348A (zh) * | 2019-04-26 | 2019-07-26 | 北京迈格威科技有限公司 | 人脸图像整形方法及装置 |
| CN110555798A (zh) * | 2019-08-26 | 2019-12-10 | 北京字节跳动网络技术有限公司 | 图像变形方法、装置、电子设备及计算机可读存储介质 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0628465A (ja) * | 1992-07-07 | 1994-02-04 | Seiko Epson Corp | 画像変換装置 |
| JP4566591B2 (ja) * | 2004-03-19 | 2010-10-20 | キヤノン株式会社 | 画像変形推定方法および画像変形推定装置 |
| JP4289415B2 (ja) * | 2007-03-27 | 2009-07-01 | セイコーエプソン株式会社 | 画像変形のための画像処理 |
| 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 |
| ES2769546T3 (es) * | 2013-02-23 | 2020-06-26 | Qualcomm Inc | Sistemas y procedimientos para la caricaturización de imágenes interactiva mediante un dispositivo electrónico. |
| TW201510771A (zh) * | 2013-09-05 | 2015-03-16 | Utechzone Co Ltd | 指向位置偵測裝置及其方法、程式及電腦可讀取紀錄媒體 |
| CN110766607A (zh) * | 2018-07-25 | 2020-02-07 | 北京市商汤科技开发有限公司 | 一种图像处理方法、装置和计算机存储介质 |
| CN110060287B (zh) * | 2019-04-26 | 2021-06-15 | 北京迈格威科技有限公司 | 人脸图像鼻部整形方法及装置 |
| CN111145084B (zh) * | 2019-12-25 | 2023-06-16 | 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 |
-
2019
- 2019-12-25 CN CN201911360894.4A patent/CN111145084B/zh active Active
-
2020
- 2020-05-29 JP JP2020572416A patent/JP7160958B2/ja active Active
- 2020-05-29 KR KR1020207037116A patent/KR20210084348A/ko active IP Right Grant
- 2020-05-29 SG SG11202109179WA patent/SG11202109179WA/en unknown
- 2020-05-29 WO PCT/CN2020/093442 patent/WO2021128731A1/zh active Application Filing
- 2020-06-22 TW TW109121220A patent/TW202125402A/zh unknown
-
2021
- 2021-07-16 US US17/377,444 patent/US20210342970A1/en not_active Abandoned
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080192049A1 (en) * | 2007-02-13 | 2008-08-14 | Thomas Schiwietz | Image deformation using physical models |
| CN102496140A (zh) * | 2011-12-06 | 2012-06-13 | 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 |
| CN103824253A (zh) * | 2014-02-19 | 2014-05-28 | 中山大学 | 一种基于图像局部精确变形的人物五官变形方法 |
| CN110060348A (zh) * | 2019-04-26 | 2019-07-26 | 北京迈格威科技有限公司 | 人脸图像整形方法及装置 |
| CN110555798A (zh) * | 2019-08-26 | 2019-12-10 | 北京字节跳动网络技术有限公司 | 图像变形方法、装置、电子设备及计算机可读存储介质 |
Cited By (3)
| 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 |
| CN112767288A (zh) * | 2021-03-19 | 2021-05-07 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN112767288B (zh) * | 2021-03-19 | 2023-05-12 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| SG11202109179WA (en) | 2021-09-29 |
| US20210342970A1 (en) | 2021-11-04 |
| KR20210084348A (ko) | 2021-07-07 |
| JP2022518641A (ja) | 2022-03-16 |
| WO2021128731A1 (zh) | 2021-07-01 |
| TW202125402A (zh) | 2021-07-01 |
| CN111145084B (zh) | 2023-06-16 |
| JP7160958B2 (ja) | 2022-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111460871B (zh) | 图像处理方法及装置、存储介质 | |
| JP2009230537A (ja) | 画像処理装置、画像処理プログラム、画像処理方法、および、電子機器 | |
| CN113635311B (zh) | 固定标定板的眼在手外标定方法和系统 | |
| CN111145084A (zh) | 图像处理方法及装置、图像处理设备及存储介质 | |
| TWI738196B (zh) | 一種圖像深度估計方法、電子設備、儲存介質 | |
| JPH0528243A (ja) | 画像作成装置 | |
| US11450068B2 (en) | Method and device for processing image, and storage medium using 3D model, 2D coordinates, and morphing parameter | |
| CN112767281A (zh) | 图像鬼影消除方法、装置、电子设备及存储介质 | |
| CN111031305A (zh) | 图像处理方法及装置、图像设备及存储介质 | |
| CN113240578B (zh) | 图像特效的生成方法、装置、电子设备及存储介质 | |
| CN111105348A (zh) | 图像处理方法及装置、图像处理设备及存储介质 | |
| CN113838138A (zh) | 一种优化特征提取的系统标定方法、系统、装置和介质 | |
| CN111597963B (zh) | 用于图像中人脸的补光方法、系统、介质以及电子设备 | |
| KR101888837B1 (ko) | 스테레오 매칭 시스템의 전처리 장치 | |
| CN117095108A (zh) | 虚拟数字人的纹理渲染方法及装置、云服务器和存储介质 | |
| CN110852934A (zh) | 图像处理方法及装置、图像设备及存储介质 | |
| CN115908120A (zh) | 图像处理方法和电子设备 | |
| JP6156922B2 (ja) | 三次元データ生成装置、三次元データ生成方法、及びプログラム | |
| CN110197228B (zh) | 图像校正方法及装置 | |
| CN113793402A (zh) | 图像渲染方法、装置、电子设备及存储介质 | |
| CN109741465B (zh) | 图像处理方法及装置、显示装置 | |
| CN110852933A (zh) | 图像处理方法及装置、图像处理设备及存储介质 | |
| CN110852932A (zh) | 图像处理方法及装置、图像设备及存储介质 | |
| JP7429666B2 (ja) | 点群ノイズ除去装置及びプログラム | |
| JP4313863B2 (ja) | 画像処理装置 |
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: 40021611 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |