CN111192223B - 人脸纹理图像的处理方法、装置、设备及存储介质 - Google Patents
人脸纹理图像的处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111192223B CN111192223B CN202010014793.8A CN202010014793A CN111192223B CN 111192223 B CN111192223 B CN 111192223B CN 202010014793 A CN202010014793 A CN 202010014793A CN 111192223 B CN111192223 B CN 111192223B
- Authority
- CN
- China
- Prior art keywords
- image
- face texture
- illumination
- ith
- texture image
- 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 65
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005286 illumination Methods 0.000 claims abstract description 100
- 230000004927 fusion Effects 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 17
- 230000000007 visual effect Effects 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims description 13
- 239000003086 colorant Substances 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 3
- 238000009877 rendering Methods 0.000 abstract description 13
- 238000013473 artificial intelligence Methods 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 description 22
- 210000003128 head Anatomy 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000013507 mapping Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 210000001508 eye Anatomy 0.000 description 6
- 238000003672 processing method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 210000004709 eyebrow Anatomy 0.000 description 4
- 230000036544 posture Effects 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 210000000697 sensory organ Anatomy 0.000 description 3
- 230000008033 biological extinction Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 210000000537 nasal bone Anatomy 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 210000001331 nose Anatomy 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G06T5/77—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- 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 by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/90—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—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 Graphics (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种人脸纹理图像的处理方法、装置、设备及存储介质，涉及人工智能的计算机视觉技术领域。所述方法包括：获取目标对象在n个视角下的n个人脸纹理图像；对n个人脸纹理图像进行去光照处理，得到n个去光照后的人脸纹理图像；对n个去光照后的人脸纹理图像进行细节修复，得到n个修复后的人脸纹理图像；对n个修复后的人脸纹理图像进行图像融合，得到目标对象的去光照人脸纹理图像。本申请实施例提供的技术方案，提高了去光照人脸纹理图像的真实度，实现通过去光照人脸纹理图像渲染得到的去光照3D人脸模型不存在自带光照，提高最终的渲染效果，避免去光照过程中人脸纹理图像的细节丢失，保证去光照纹理图像的清晰度和真实性。
Description
技术领域
本申请实施例涉及人工智能的计算机视觉技术领域，特别涉及一种人脸纹理图像的处理方法、装置、设备及存储介质。
背景技术
人脸纹理图像是指具有人面部特征的二维人脸图像。
在一些相关技术中，通过拍摄获得目标对象的一张人脸图像，并对该人脸图像进行图形处理和纹理提取，获取该目标对象的人脸纹理图像。
但是，上述相关技术中通过人脸图像获取的人脸纹理图像上自带光照，导致采用该人脸纹理图像对相关对象(如三维人脸模型)进行渲染时，最终的渲染结果也存在光照影响，渲染效果不佳。
发明内容
本申请实施例提供了一种人脸纹理图像的处理方法、装置、设备及存储介质，能够实现对带光照的人脸纹理图像进行去光照处理，得到去光照人脸纹理图像，进而在使用该去光照纹理图像进行渲染时，最终的渲染结果不存在光照，提高了渲染效果。所述技术方案如下：
一方面，本申请实施例提供了一种人脸纹理图像的处理方法，所述方法包括：
获取目标对象在n个视角下的n个人脸纹理图像，所述n为正整数；
对所述n个人脸纹理图像进行去光照处理，得到n个去光照后的人脸纹理图像；
对所述n个去光照后的人脸纹理图像进行细节修复，得到n个修复后的人脸纹理图像；
对所述n个修复后的人脸纹理图像进行图像融合，得到所述目标对象的去光照人脸纹理图像。
另一方面，本申请实施例提供了一种人脸纹理图像的处理装置，所述装置包括：
图像获取模块，用于获取目标对象在n个视角下的n个人脸纹理图像，所述n为正整数；
图像处理模块，用于对所述n个人脸纹理图像进行去光照处理，得到n个去光照后的人脸纹理图像；
图像修复模块，用于对所述n个去光照后的人脸纹理图像进行细节修复，得到n个修复后的人脸纹理图像；
图像融合模块，用于对所述n个修复后的人脸纹理图像进行图像融合，得到所述目标对象的去光照人脸纹理图像。
又一方面，本申请实施例提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述人脸纹理图像的处理方法。
可选地，所述计算机设备为终端或服务器。
再一方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述人脸纹理图像的处理方法。
还一方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品被处理器执行时，用于实现上述人脸纹理图像的处理方法。
本申请实施例提供的技术方案可以包括如下有益效果：
通过多视角下的多张人脸纹理图像，并对该多张人脸纹理图像进行去光照处理、细节修复和图像融合，最终得到去光照人脸纹理图像，去除光照高亮区域，提高了去光照人脸纹理图像的真实度，进而实现通过去光照人脸纹理图像渲染得到的去光照3D人脸模型不存在自带光照，提高了最终的渲染效果；对去光照后的人脸纹理图像进行细节修复，避免了去光照过程中人脸纹理图像的细节丢失；对多张修复后的人脸纹理图像进行图像融合，避免了由于视角姿态问题造成的图像模糊，保证了去光照纹理图像的清晰度和真实性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了一种人脸纹理图像和去光照人脸纹理图像的示意图；
图2示出了一种获得去光照人脸纹理图像的流程图；
图3是本申请一个实施例提供的人脸纹理图像的处理方法的流程图；
图4示出了一种获取有效区域的方法的示意图；
图5示出了一种去光照后的人脸纹理图像的示意图；
图6示出了一种填充后的人脸纹理图像的示意图；
图7示出了一种获得修复后的人脸纹理图像的方法的示意图；
图8是本申请另一个实施例提供的人脸纹理图像的处理方法的流程图；
图9示出了一种变化后的人脸纹理图像的示意图；
图10是本申请一个实施例提供的人脸纹理图像的处理装置的框图；
图11是本申请另一个实施例提供的人脸纹理图像的处理装置的框图；
图12是本申请一个实施例提供的计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
AI(Artificial Intelligence，人工智能)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
计算机视觉技术(Computer Vision，CV)：计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR(Optical Character Recognition，光学字符识别)、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D(3Dimensions，三维)技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。
随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等，相信随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。
本申请实施例提供的方案涉及3D人脸重建技术中的图像处理领域，利用计算机视觉技术对目标对象的在各个视角下的多张人脸图像进行分析处理，构建出目标对象的多张人脸纹理图像，并对该多张人脸纹理图像进行去光照处理后，经过图像融合技术，将该多张去光照的人脸纹理图像融合生成上述目标对象的去光照的人脸纹理图像。其中，人脸纹理图像是指拥有目标对象的人脸特征的图像，该人脸特征可以包括但不限于上述目标对象的人脸轮廓、五官形状、皮肤颜色等，本申请实施例对此不作限定。可选地，在本申请实施例中，去光照人脸纹理图像是指将上述人脸纹理图像中的皮肤光照颜色进行去除后的图像。结合参考图1，人脸纹理图像10中在眉骨、鼻翼和嘴巴周围存在高亮部分，该高亮部分即为光照，去光照人脸纹理图像20在眉骨、鼻翼和嘴巴周围已经去除了光照。
示例性地，结合参考图2，对本申请提供的方法进行简单的介绍。首先，计算机设备可以针对目标对象进行多视角图像采集获取第一图像组30，其中，第一图像组30中包括目标对象的左侧视角人脸图、正面视角人脸图和右侧视角人脸图，进一步地，计算机设备通过对第一图像组30中的图像进行纹理提取，构建对应的人脸纹理图像，获取第二图像组40，其中，第二图像组40中包括左侧视角对应的人脸纹理图像、正面视角对应的人脸纹理图像和右侧视角对应的人脸纹理图像，此时，第二图像组40中的各个图像中存在明显的光照，计算机设备需要分别对第二图像组40中的各个图像进行去光照处理、细节修复和图像融合，获得目标对象去光照人脸纹理图像20。
本申请实施例提供的方法流程，各步骤的执行主体可以是诸如手机、平板电脑、多媒体播放设备、可穿戴设备等终端，也可以是服务器。为了便于说明，在下述方法实施例中，仅以各步骤的执行主体为计算机设备为例，进行介绍说明，所述计算机设备可以是任何具备计算和存储能力的电子设备，如上文介绍的终端或服务器。需要说明的一点是，在本申请实施例中，各步骤的执行主体可以是同一计算机设备，也可以是不同的计算机设备。
下面，将结合几个实施例对本申请技术方案进行详细的介绍说明。
请参考图3，其示出了本申请一个实施例提供的人脸纹理图像的处理方法的流程图。该方法可以包括如下几个步骤：
步骤301，获取目标对象在n个视角下的n个人脸纹理图像。
人脸纹理图像可以由计算机设备获取的人脸图像通过图像处理获得。可选地，该计算机设备可以通过图像采集装置获取目标对象的人脸图像，该图像采集装置是指具有拍照功能的装置，如摄像头。需要说明的一点是，该图像采集装置可以设置在计算机设备中，也可以与计算机设备建立连接，该连接可以是有线连接，也可以是无线连接，本申请例对此不作限定。示例性地，计算机设备与摄像头建立wif连接，并通过该摄像头获取上述目标对象的人脸图像，并对该人脸图像进行图像处理获取上述人脸纹理图像。
在另一种可能的实施方式中，人脸纹理图像可以由计算机设备获取的3D人脸模型通过模型处理获得。可选地，该计算机设备可以通过3D扫描装置获取目标对象的3D人脸模型，如3D扫描仪，该3D人脸装置可以设备在计算机设备中，也可以与计算机设备建立连接，该连接可以是有线连接，也可以是无线连接，本申请实施例对此不作限定。示例性地，计算机设备可以与3D扫描仪建立wifi连接，并通过该3D扫描仪获取上述目标对象的3D人脸模型，并对该3D人脸模型进行处理获取上述人脸纹理图像。
在本申请实施例中，计算机设备获取上述目标对象在n个视角下的n个人脸纹理图像。其中，n为正整数。可选地，计算机设备可以通过一个或多个图像采集装置获取目标对象在n个视角下的n个人脸图像，例如，设置多个图像采集装置，并保持目标对象不动，获取该目标对象的n个人脸图像，再例如，设置一个图像采集装置，保持目标对象的头部与该图像采集装置的相对运动，获取该目标对象的n个人脸图像。进一步地，计算机设备通过3D扫描装置获取该目标对象的3D人脸模型，并分别建立第一映射关系和第二映射关系，其中，第一映射关系是指该3D人脸模型上的点云与上述n个人脸纹理图像的映射关系，第二映射关系是指该3D人脸模型上的点云与上述n个人脸图像的映射关系。可选地，计算机设备可以通过该第一映射关系和第二映射关系获取n个视角下的n个人脸纹理图像。
步骤302，对n个人脸纹理图像进行去光照处理，得到n个去光照后的人脸纹理图像。
去光照处理是指对图像中存在高亮效果的光照区域进行颜色修复，去除高亮效果。在本申请实施例中，计算机设备在获取上述n个人脸纹理图像之后，可以分别对该n个人脸纹理图像进行去光照处理，如采用球谐光照的方式进行去光照。
可选地，由于在不同视角下的人脸纹理图像中存在不同的纹理模糊区域，如边缘模糊，计算机设备在进行去光照处理之前，可以根据上述n个人脸纹理图像对应的视角，选择纹理清晰的n个区域作为有效区域，并针对该n个有效区域进行去光照处理，获得n个去光照处理后的人脸纹理图像。当然，计算机在进行去光照处理的时候，为了保证上述n个人脸纹理图像的人脸关键部位区域不被破坏，可以将该人脸关键部位区域划为非有效区域。
下文会对去光照处理的方法进行详细介绍，在此不作赘述。
步骤303，对n个去光照后的人脸纹理图像进行细节修复，得到n个修复后的人脸纹理图像。
细节修复是指对上述去光照后的人脸纹理图像中的人脸关键部位区域进行修复，该人脸关键部位区域可以是上述人脸纹理图像的特征部位，如目标对象的五官对应的区域。
可选地，计算机设备在获取上述n个去光照后的人脸纹理图像之后，可以在上述n个人脸纹理图像中提取关键点部位区域，并将关键点部位区域填充至对应的n个人脸纹理图像中，获得n个修复后的人脸纹理图像。当然，计算机设备也可以在获取上述光照后的人脸纹理图像之前，预先存储上述关键点部位区域，在获取n个去光照后的人脸纹理图像之后，直接获取该n个去光照后的人脸纹理图像对应的关键区域部位，并对该n个去光照后的人脸纹理图像进行填充，获得n个修复后的人脸纹理图像。
需要说明的一点是，上述人脸关键部位区域可以由计算机确定。在一种可能的实施例中，不同视角下的人脸纹理图像的人脸关键部位区域不同，如对于正视姿态下的人脸纹理图像选择嘴巴和鼻孔作为人脸关键部位区域，对于侧视姿态下的人脸纹理图像选择眼睛和眉毛作为人脸关键部位区域。在另一种可能的实施方式中，不同视角下的人脸纹理图像的人脸关键部位区域相同，如将眉毛、眼睛、鼻孔和嘴巴作为上述n个人脸纹理图像的人脸关键部位区域，然而，在这种情况下，计算机设备在进行人脸关键部位区域填充之后，需要去除人脸关键部位区域中的非必要区域，如在正视姿态下的人脸纹理图像中，将眼睛和眉毛部位使用背景颜色填充，在侧视姿态下的人脸纹理图像中，将鼻孔和嘴巴使用背景颜色填充，可选地，该背景颜色可以是由计算机设备设置的颜色，也可以是该去光照后的人脸纹理图像对应的人脸纹理图像的平均颜色。
步骤304，对n个修复后的人脸纹理图像进行图像融合，得到目标对象的去光照人脸纹理图像。
图像融合是指将多张图像进行叠加或拼接的图像处理技术。可选地，计算机设备在获取上述n个修复后的人脸纹理图像之后，由于不同视角下的人脸纹理图像存在纹理模糊区域，因此，可以将上述n个修复后的人脸纹理图像中的纹理清晰的区域进行融合，获得上述目标对象的去光照人脸纹理图像，该去光照人脸纹理图像如图1中的去光照人脸纹理图像20所示。可选地，计算机设备在获取上述去光照人脸纹理图像之后，可以使用该人脸纹理图像去渲染3D人脸模型，得到去光照3D人脸模型，进一步地，该去光照人脸模型可以运用于实际生产中，如游戏建模、3D动画等。
综上所述，本申请实施例提供的技术方案，通过多视角下的多张人脸纹理图像，并对该多张人脸纹理图像进行去光照处理、细节修复和图像融合，最终得到去光照人脸纹理图像，去除光照高亮区域，提高了去光照人脸纹理图像的真实度，进而实现通过去光照人脸纹理图像渲染得到的去光照3D人脸模型不存在自带光照，提高了最终的渲染效果；对去光照后的人脸纹理图像进行细节修复，避免了去光照过程中人脸纹理图像的细节丢失；对多张修复后的人脸纹理图像进行图像融合，避免了由于视角姿态问题造成的图像模糊，保证了去光照纹理图像的清晰度和真实性。
上文是以n个人脸纹理图像为例，对本申请的方案进行的介绍，下面以上述n个人脸纹理图像中的第i个人脸纹理图像为例，对上述步骤402和403进行详细介绍。
在示例性实施例中，上述步骤302包括以下几个步骤：
1、对于n个人脸纹理图像中的第i个人脸纹理图像，获取第i个人脸纹理图像中的有效区域。
有效区域是指根据第i个人脸纹理图像的头部姿态确定的去光照区域。第i个人脸纹理图像是指上述n个人脸纹理图像中的任意一个人脸纹理图像，其中，i为小于等于上述n的正整数。可选地，计算机设备在获取上述第i个人脸纹理图像之后，对该第i个人脸纹理图像进行头部姿态检测，确定该第i个人脸纹理图像的头部姿态，并根据该头部姿态，去除该第i个人脸纹理图像中的纹理模糊区域，将剩余区域作为该第i人脸纹理图像的有效区域。当然上述有效区域也可以由计算机设备进行预先设置，本申请实施例对此不作限定。可选地，计算机设备在获取上述有效区域的时候，为了提高去光照处理的准确性，可以将第i个人脸纹理图像中的人脸关键部位区域作为非有效区域去除。
当然，在另一种可能的实施例中，计算机设备在获取第i个人脸纹理图像的时候，可以标记对应的头部姿态。可选地，计算机设备在获取上述第i个人脸纹理图像之后，可以根据对应的头部姿态标记，获取第i个人脸纹理图像的有效区域。
示例性地，结合参考图4，若第i个人脸纹理图像41的头部姿态为左视姿态，则根据有效区域模型42，获取对应的有效区域43；若第i个人脸纹理图像44的头部姿态为正视姿态，则根据有效区域模型45，获取对应的有效区域46；若第i个人脸纹理图像47的头部姿态为右视姿态，则根据有效区域模型48，获取对应的有效区域49。
2、对第i个人脸纹理图像中的有效区域进行去光照处理，得到第i个去光照后的人脸纹理图像。
可选地，计算机设备在获取上述第i个人脸纹理图像的有效区域之后，获取该有效区域的带光照图像，并初始化该有效区域的去光照图像，其中，初始化是指对该有效区域的带光照图像进行颜色统一，可选地，初始化的去光照图像的像素值为上述第i个人脸纹理图像的有效区域的平均颜色。
在示例性实施例中，计算机设备在获取上述有效区域的带光照图像之后，可以该有效区域的带光照图像进行采样，获取对应的采样点，并计算该采样点平均颜色作为上述平均颜色。可选地，上述采样点的数量有计算机设备决定，可以是100、500或1000等，本申请实施例对此不作限定。
需要说明的一点是，为了保证上述平均颜色的准确性，计算机设备在进行采样时可以避开眉毛、头发、眼睛、鼻孔和嘴巴等与目标对象的皮肤颜色相差较大的部位；或者，计算机设备在获取上述有效区域时，可以将上述与目标对象的皮肤颜色相差较大的部位去除，即该有效区域中不包括与目标对象的皮肤颜色相差较大的部位。
可选地，计算机设备可以根据上述带光照图像和上述初始化的去光照图像，迭代计算得到第i个去光照后的人脸纹理图像。示例性地，以计算机设备采用球谐光照的方法去除光照为例，将上述带光照图像记为color，上述初始化的去光照图像记为albedo，则迭代计算公式为：
color＝albedo*(H*light)；
其中，color和albedo均为m*3的矩阵，m表示上述有效区域中的像素值的数量，可选地，在本申请实施例中，计算机设备可以将m设置为上述有效区域的面积来表示该有效区域内的像素值，3代表rgb中的红、绿、蓝三原色通道；H为球谐基，可选地，H为m*9的矩阵；light为球谐光照，可选地，light为9*3的矩阵。
可选地，计算机设备可以根据上述带光照图像和上述初始化的去光照图像，计算第1次迭代后的光照参数，该光照参数是指上述light；进一步地，根据该第1次迭代后的光照参数和上述带光照图像，计算第1次迭代后的去光照图像；接着，根据上述带光照图像和该第1次迭代后的去光照图像，计算第2次迭代后的光照参数；之后，根据该第2次迭代后的光照参数和上述带光照图像，计算第2次迭代后的去光照图像；以此类推，直至上述光照参数和上述去光照图像满足条件时，将满足该条件的去光照图像，确定为上述第i个去光照后的人脸纹理图像。可选地，该条件可以是迭代计算后得到的光照参数和去光照图像不再变化，也可以是迭代计算后得到的光照参数和去光照图像的变化范围小于阈值，本申请实施例对此不作限定。
示例性地，结合参考图4和参考图5，有效区域43在进行去光照处理后，得到的第i个去光照后的纹理图像51，有效区域46在进行去光照处理后，得到的第i个去光照后的纹理图像52，有效区域49在进行去光照处理后，得到的第i个去光照后的纹理图像53。
综上所述，对人脸纹理图像的有效区域进行去光照处理，避免了去光照处理过程中非必要图像区域的干扰，保证了去光照处理的准确性。
在示例性实施例中，上述步骤303包括以下几个步骤：
1、对于n个去光照后的人脸纹理图像中的第i个去光照后的人脸纹理图像，对第i个去光照后的人脸纹理图像中除有效区域之外的其它区域填充平均颜色，得到第i个填充后的人脸纹理图像。
有效区域是指根据第i个人脸纹理图像的头部姿态确定的去光照区域，平均颜色是第i个人脸纹理图像的有效区域的颜色，其中，i为小于等于所述n的正整数。可选地，为了避免第i个人脸纹理图像中存在的非必要的背景图像，计算机设备在获取上述第i个人脸纹理图像之后，可以将该第i个人脸纹理图像中的除有效区域之外的其他区域填充平均颜色。
示例性地，如图6所示，第i个去光照后的人脸纹理图像51在填充平均颜色之后，得到第i个填充后的人脸纹理图像61，第i个去光照后的人脸纹理图像52在填充平均颜色之后，得到第i个填充后的人脸纹理图像62，第i个去光照后的人脸纹理图像53在填充平均颜色之后，得到第i个填充后的人脸纹理图像63。
2、将从第i个人脸纹理图像中提取到的人脸关键部位区域，填充至第i个填充后的人脸纹理图像中，得到第i个修复后的人脸纹理图像。
人脸关键部位区域是指上述第i个人脸纹理图像的特征部位，如目标对象的五官对应的区域。可选地，计算机设备可以在获取上述第i个人脸纹理图像之后，提取并存储该第i个人脸纹理图像的人脸关键点部位区域，进一步地，计算机设备在获取上述第i个填充后的人脸纹理图像之后，将上述人脸关键部位区域填充至上述第i个去光照后的人脸纹理图像中，进而得到第i个修复后的人脸纹理图像。
示例性地，结合参考图7，若第i个人脸纹理图像71为左视姿态图，则将第i个人脸纹理图像71中的虚线部位(人脸关键部位区域)填充至第i个填充后的人脸纹理图像61中，获得第i个修复后的人脸纹理图像72；若第i个人脸纹理图像73为正视姿态图，则将第i个人脸纹理图像73中的虚线部位(人脸关键部位区域)填充至第i个填充后的人脸纹理图像62中，获得第i个修复后的人脸纹理图像74；若第i个人脸纹理图像75为右视姿态图，则将第i个人脸纹理图像75中的虚线部位(人脸关键部位区域)填充至第i个填充后的人脸纹理图像63中，获得第i个修复后的人脸纹理图像76。
综上所述，将人脸关键部位区域填充至去光照的人脸纹理图像中，得到修复后的人脸纹理图像，避免了修复后的人脸纹理图像中的信息丢失。
请参考图8，其示出了本申请另一个实施例提供的人脸纹理图像的处理方法的流程图。该方法可以包括如下几个步骤：
步骤801，获取目标对象在n个视角下的n个人脸纹理图像。
步骤802，对n个人脸纹理图像进行去光照处理，得到n个去光照后的人脸纹理图像。
步骤803，对n个去光照后的人脸纹理图像进行细节修复，得到n个修复后的人脸纹理图像。
步骤801-803与上述图3实施例中步骤301-303相同，具体参见图3实施例，在此不作赘述。
步骤804，获取目标颜色。
目标颜色是上述n个修复后的人脸纹理图像的有效区域的平均颜色。可选地，上述步骤804包括以下几个步骤：
1、对n个修复后的人脸纹理图像进行采样，得到采样点。
2、计算采样点的平均颜色，作为目标颜色。
需要说明的一点是，该采样点的数量可以由计算机决定，可以是100、500或1000等，本申请实施例对此不作限定。
当然，在另一种可能的实施方式中，上述目标颜色也可以是由计算机设备决定的任意一种颜色，本申请实施例对此不作限定。
步骤805，将n个修复后的人脸纹理图像的颜色变化为目标颜色，获得n个变化后的人脸纹理图像。
可选地，计算机设备在获取上述目标颜色之后，将上述n个修复后的人脸纹理图像的颜色变化为目标颜色，获得n个变化后的人脸纹理图像。示例性地，结合参考图9，计算机设备在获得上述目标颜色之后，将修复后的人脸纹理图像91的颜色变化为目标颜色，获得变化后的人脸纹理图像92；将修复后的人脸纹理图像93的颜色变化为目标颜色，获得变化后的人脸纹理图像94；将修复后的人脸纹理图像95的颜色变化为目标颜色，获得变化后的人脸纹理图像96。
步骤806，对n个变化后的人脸纹理图像进行图像融合，获得去光照人脸纹理图像。
可选地，计算机设备在获得上述n个变化后的人脸纹理图像进行图像融合，如泊松融合，获得上述目标对象的去光照人脸图像。示例性地，计算机设备可以将上述n个修复后的人脸纹理图像的有效区域进行拼接，获得去光照人脸纹理图像。
综上所述，本申请实施例提供的技术方案，对多张修复后的人脸纹理图像进行图像融合，避免了由于视角姿态问题造成的图像模糊，保证了去光照纹理图像的清晰度和准确度；将多张修复后的人脸纹理图像进行颜色统一，提高了图像融合后获得的去光照人脸纹理图像的真实度。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
请参考图10，其示出了本申请一个实施例提供的人脸纹理图像的处理装置的框图。该装置具有实现上述人脸纹理图像的处理方法示例的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。该装置可以是上文介绍的计算机设备，也可以设置在计算机设备中。该装置1000可以包括：图像获取模块1010、图像处理模块1020、图像修复模块1030和图像融合模块1040。
图像获取模块1010，用于获取目标对象在n个视角下的n个人脸纹理图像，所述n为正整数。
图像处理模块1020，用于对所述n个人脸纹理图像进行去光照处理，得到n个去光照后的人脸纹理图像；
图像修复模块1030，用于对所述n个去光照后的人脸纹理图像进行细节修复，得到n个修复后的人脸纹理图像；
图像融合模块1040，用于对所述n个修复后的人脸纹理图像进行图像融合，得到所述目标对象的去光照人脸纹理图像。
在示例性实施例中，如图11所示，所述图像处理模块1020包括：区域获取单元1021和区域处理单元1022。
区域获取单元1021，用于对于所述n个人脸纹理图像中的第i个人脸纹理图像，获取所述第i个人脸纹理图像中的有效区域，所述有效区域是指根据所述第i个人脸纹理图像的头部姿态确定的去光照区域，所述i为小于等于所述n的正整数。
区域处理单元1022，用于对所述第i个人脸纹理图像中的有效区域进行去光照处理，得到第i个去光照后的人脸纹理图像。
在示例性实施例中，所述区域处理单元1022单元，包括：图像获取子单元、图像初始化子单元和迭代计算子单元。
图像获取子单元，用于获取所述第i个人脸纹理图像的有效区域的带光照图像。
图像初始化子单元，用于初始化所述第i个人脸纹理图像的有效区域的去光照图像，其中，初始化的去光照图像的像素值为所述第i个人脸纹理图像的有效区域的平均颜色。
迭代计算子单元，用于根据所述带光照图像和所述初始化的去光照图像，迭代计算得到所述第i个去光照后的人脸纹理图像。
在示例性实施例中，所述迭代计算子单元，用于根据所述带光照图像和所述初始化的去光照图像，计算第1次迭代后的光照参数；根据所述第1次迭代后的光照参数和所述带光照图像，计算第1次迭代后的去光照图像；根据所述带光照图像和所述第1次迭代后的去光照图像，计算第2次迭代后的光照参数；根据所述第2次迭代后的光照参数和所述带光照图像，计算第2次迭代后的去光照图像；以此类推，直至所述光照参数和所述去光照图像满足条件时，将满足所述条件的去光照图像，确定为所述第i个去光照后的人脸纹理图像。
在示例性实施例中，所述图像修复模块1030，用于对于所述n个去光照后的人脸纹理图像中的第i个去光照后的人脸纹理图像，对所述第i个去光照后的人脸纹理图像中除有效区域之外的其它区域填充平均颜色，所述有效区域是指根据所述第i个人脸纹理图像的头部姿态确定的去光照区域，所述平均颜色是所述第i个人脸纹理图像的有效区域的颜色，所述i为小于等于所述n的正整数；将从所述第i个人脸纹理图像中提取到的人脸关键部位区域，填充至所述第i个去光照后的人脸纹理图像中，得到第i个修复后的人脸纹理图像。
在示例性实施例中，如图11所示，所述图像融合模块1040，包括：颜色获取单元1041、颜色变化单元1042和图像融合单元1043。
颜色获取单元1041，用于获取目标颜色。
颜色变化单元1042，用于将所述n个修复后的人脸纹理图像的颜色变化为所述目标颜色，获得n个变化后的人脸纹理图像。
图像融合单元1043，用于对所述n个变化后的人脸纹理图像进行图像融合，获得所述去光照人脸纹理图像。
在示例性实施例中，所述颜色获取单元1041，用于对所述n个修复后的人脸纹理图像进行采样，得到采样点；计算所述采样点的平均颜色，作为所述目标颜色。
综上所述，本申请实施例提供的技术方案通过多视角下的多张人脸纹理图像，并对该多张人脸纹理图像进行去光照处理、细节修复和图像融合，最终得到去光照人脸纹理图像，去除光照高亮区域，提高了去光照人脸纹理图像的真实度，进而实现通过去光照人脸纹理图像渲染得到的去光照3D人脸模型不存在自带光照，提高了最终的渲染效果；对去光照后的人脸纹理图像进行细节修复，避免了去光照过程中人脸纹理图像的细节丢失；对多张修复后的人脸纹理图像进行图像融合，避免了由于视角姿态问题造成的图像模糊，保证了去光照纹理图像的清晰度和真实性。
需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能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功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与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。
请参考图12，其示出了本申请一个实施例提供的计算机设备的结构示意图。具体来讲：
所述计算机设备1200包括CPU(Central Processing Unit，中央处理单元)1201、包括RAM(Random Access Memory，随机存取存储器)1202和ROM(Read Only Memory，只读存储器)1203的系统存储器1204，以及连接系统存储器1204和中央处理单元1201的系统总线1205。所述计算机设备1200还包括帮助计算机内的各个器件之间传输信息的基本I/O(Input/Output输入/输出)系统1306，和用于存储操作系统1213、应用程序1214和其他程序模块1215的大容量存储设备1207。
所述基本输入/输出系统1206包括有用于显示信息的显示器1208和用于用户输入信息的诸如鼠标、键盘之类的输入设备1209。其中所述显示器1208和输入设备1209都通过连接到系统总线1205的输入输出控制器1210连接到中央处理单元1201。所述基本输入/输出系统1206还可以包括输入输出控制器1210以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器1210还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备1207通过连接到系统总线1205的大容量存储控制器(未示出)连接到中央处理单元1201。所述大容量存储设备1207及其相关联的计算机可读介质为计算机设备1200提供非易失性存储。也就是说，所述大容量存储设备1207可以包括诸如硬盘或者CD-ROM(Compact Disc Read-Only Memory，只读光盘)驱动器之类的计算机可读介质(未示出)。
不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM(Erasable Programmable Read Only Memory，可擦除可编程只读存储器)、闪存或其他固态存储其技术，CD-ROM或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器1204和大容量存储设备1207可以统称为存储器。
根据本申请的各种实施例，所述计算机设备1200还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备1200可以通过连接在所述系统总线1205上的网络接口单元1211连接到网络1212，或者说，也可以使用网络接口单元1211来连接到其他类型的网络或远程计算机系统(未示出)。
所述存储器还包括至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集存储于存储器中，且经配置以由一个或者一个以上处理器执行，以实现上述人脸纹理图像的处理方法。
在示例性实施例中，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集在被终端的处理器执行时以实现上述人脸纹理图像的处理方法。
可选地，该计算机可读存储介质可以包括：ROM、RAM、SSD(Solid State Drives，固态硬盘)或光盘等。其中，随机存取记忆体可以包括ReRAM(Resistance Random AccessMemory，电阻式随机存取记忆体)和DRAM(Dynamic Random Access Memory，动态随机存取存储器)。
在示例性实施例中，还提供一种计算机程序产品，所述计算机程序产品被计算机设备的处理器执行时，用于实现上述人脸纹理图像的处理方法。
应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。另外，本文中描述的步骤编号，仅示例性示出了步骤间的一种可能的执行先后顺序，在一些其它实施例中，上述步骤也可以不按照编号顺序来执行，如两个不同编号的步骤同时执行，或者两个不同编号的步骤按照与图示相反的顺序执行，本申请实施例对此不作限定。
以上所述仅为本申请的示例性实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (11)
1.一种人脸纹理图像的处理方法，其特征在于，所述方法包括：
获取目标对象在n个视角下的n个人脸纹理图像，所述n为正整数；
对于所述n个人脸纹理图像中的第i个人脸纹理图像，获取所述第i个人脸纹理图像中的有效区域，所述有效区域是指根据所述第i个人脸纹理图像的头部姿态确定的去光照区域，所述i为小于等于所述n的正整数；
对所述第i个人脸纹理图像中的有效区域进行去光照处理，得到第i个去光照后的人脸纹理图像；
对所述第i个去光照后的人脸纹理图像中除所述有效区域之外的其它区域填充平均颜色，得到第i个填充后的人脸纹理图像，所述平均颜色是所述第i个人脸纹理图像的有效区域的颜色；
将从所述第i个人脸纹理图像中提取到的人脸关键部位区域，填充至所述第i个填充后的人脸纹理图像中，得到第i个修复后的人脸纹理图像，所述人脸关键部位区域是指所述第i个人脸纹理图像的特征部位；
对n个修复后的人脸纹理图像进行图像融合，得到所述目标对象的去光照人脸纹理图像。
2.根据权利要求1所述的方法，其特征在于，所述对所述第i个人脸纹理图像的有效区域进行去光照处理，得到第i个去光照后的人脸纹理图像，包括：
获取所述第i个人脸纹理图像的有效区域的带光照图像；
初始化所述第i个人脸纹理图像的有效区域的去光照图像，其中，初始化的去光照图像的像素值为所述第i个人脸纹理图像的有效区域的平均颜色；
根据所述带光照图像和所述初始化的去光照图像，迭代计算得到所述第i个去光照后的人脸纹理图像。
3.根据权利要求2所述的方法，其特征性在于，所述根据所述带光照图像和所述初始化的去光照图像，迭代计算得到所述第i个去光照后的人脸纹理图像，包括：
根据所述带光照图像和所述初始化的去光照图像，计算第1次迭代后的光照参数；
根据所述第1次迭代后的光照参数和所述带光照图像，计算第1次迭代后的去光照图像；
根据所述带光照图像和所述第1次迭代后的去光照图像，计算第2次迭代后的光照参数；
根据所述第2次迭代后的光照参数和所述带光照图像，计算第2次迭代后的去光照图像；
以此类推，直至所述光照参数和所述去光照图像满足条件时，将满足所述条件的去光照图像，确定为所述第i个去光照后的人脸纹理图像。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述对n个修复后的人脸纹理图像进行图像融合，得到所述目标对象的去光照人脸纹理图像，包括：
获取目标颜色；
将所述n个修复后的人脸纹理图像的颜色变化为所述目标颜色，获得n个变化后的人脸纹理图像；
对所述n个变化后的人脸纹理图像进行图像融合，获得所述去光照人脸纹理图像。
5.根据权利要求4所述的方法，其特征在于，所述获取目标颜色，包括：
对所述n个修复后的人脸纹理图像进行采样，得到采样点；
计算所述采样点的平均颜色，作为所述目标颜色。
6.一种人脸纹理图像的处理装置，其特征在于，所述装置包括：
图像获取模块，用于获取目标对象在n个视角下的n个人脸纹理图像，所述n为正整数；
图像处理模块，用于对于所述n个人脸纹理图像中的第i个人脸纹理图像，获取所述第i个人脸纹理图像中的有效区域，所述有效区域是指根据所述第i个人脸纹理图像的头部姿态确定的去光照区域，所述i为小于等于所述n的正整数；对所述第i个人脸纹理图像中的有效区域进行去光照处理，得到第i个去光照后的人脸纹理图像；
图像修复模块，用于对所述第i个去光照后的人脸纹理图像中除所述有效区域之外的其它区域填充平均颜色，得到第i个填充后的人脸纹理图像，所述平均颜色是所述第i个人脸纹理图像的有效区域的颜色；将从所述第i个人脸纹理图像中提取到的人脸关键部位区域，填充至所述第i个填充后的人脸纹理图像中，得到第i个修复后的人脸纹理图像，所述人脸关键部位区域是指所述第i个人脸纹理图像的特征部位；
图像融合模块，用于对n个修复后的人脸纹理图像进行图像融合，得到所述目标对象的去光照人脸纹理图像。
7.根据权利要求6所述的装置，其特征在于，所述图像处理模块，包括：
图像获取子单元，用于获取所述第i个人脸纹理图像的有效区域的带光照图像；
图像初始化子单元，用于初始化所述第i个人脸纹理图像的有效区域的去光照图像，其中，初始化的去光照图像的像素值为所述第i个人脸纹理图像的有效区域的平均颜色；
迭代计算子单元，用于根据所述带光照图像和所述初始化的去光照图像，迭代计算得到所述第i个去光照后的人脸纹理图像。
8.根据权利要求7所述的装置，其特征性在于，所述迭代计算子单元，用于：
根据所述带光照图像和所述初始化的去光照图像，计算第1次迭代后的光照参数；
根据所述第1次迭代后的光照参数和所述带光照图像，计算第1次迭代后的去光照图像；
根据所述带光照图像和所述第1次迭代后的去光照图像，计算第2次迭代后的光照参数；
根据所述第2次迭代后的光照参数和所述带光照图像，计算第2次迭代后的去光照图像；
以此类推，直至所述光照参数和所述去光照图像满足条件时，将满足所述条件的去光照图像，确定为所述第i个去光照后的人脸纹理图像。
9.根据权利要求6至8任一项所述的装置，其特征在于，所述图像融合模块，包括：
颜色获取单元，用于获取目标颜色；
颜色变化单元，用于将所述n个修复后的人脸纹理图像的颜色变化为所述目标颜色，获得n个变化后的人脸纹理图像；
图像融合单元，用于对所述n个变化后的人脸纹理图像进行图像融合，获得所述去光照人脸纹理图像。
10.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至5任一项所述的方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010014793.8A CN111192223B (zh) | 2020-01-07 | 2020-01-07 | 人脸纹理图像的处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010014793.8A CN111192223B (zh) | 2020-01-07 | 2020-01-07 | 人脸纹理图像的处理方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111192223A CN111192223A (zh) | 2020-05-22 |
| CN111192223B true CN111192223B (zh) | 2022-09-30 |
Family
ID=70710699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010014793.8A Active CN111192223B (zh) | 2020-01-07 | 2020-01-07 | 人脸纹理图像的处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111192223B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112102462B (zh) * | 2020-09-27 | 2023-07-21 | 北京百度网讯科技有限公司 | 图像的渲染方法、装置 |
| CN113221618B (zh) * | 2021-01-28 | 2023-10-17 | 深圳市雄帝科技股份有限公司 | 人脸图像去高光的方法、系统及其存储介质 |
| CN115661912B (zh) * | 2022-12-26 | 2024-04-12 | 荣耀终端有限公司 | 图像处理方法、模型训练方法、电子设备及可读存储介质 |
| CN116721194B (zh) * | 2023-08-09 | 2023-10-24 | 瀚博半导体(上海)有限公司 | 基于生成模型的人脸渲染方法和装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105550992A (zh) * | 2015-12-30 | 2016-05-04 | 四川川大智胜软件股份有限公司 | 一种三维全脸照相机中高保真全脸纹理融合方法 |
| CN107945267A (zh) * | 2017-12-13 | 2018-04-20 | 四川川大智胜软件股份有限公司 | 一种用于人脸三维模型纹理融合的方法和设备 |
| CN109410133A (zh) * | 2018-09-30 | 2019-03-01 | 北京航空航天大学青岛研究院 | 一种基于3dmm的人脸纹理修复方法 |
| CN109409335A (zh) * | 2018-11-30 | 2019-03-01 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、计算机可读介质及电子设备 |
| CN109636890A (zh) * | 2018-11-29 | 2019-04-16 | 北京市商汤科技开发有限公司 | 纹理融合方法和装置、电子设备、存储介质、产品 |
| CN109658365A (zh) * | 2017-10-11 | 2019-04-19 | 阿里巴巴集团控股有限公司 | 图像处理方法、装置、系统和存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160125638A1 (en) * | 2014-11-04 | 2016-05-05 | Dassault Systemes | Automated Texturing Mapping and Animation from Images |
-
2020
- 2020-01-07 CN CN202010014793.8A patent/CN111192223B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105550992A (zh) * | 2015-12-30 | 2016-05-04 | 四川川大智胜软件股份有限公司 | 一种三维全脸照相机中高保真全脸纹理融合方法 |
| CN109658365A (zh) * | 2017-10-11 | 2019-04-19 | 阿里巴巴集团控股有限公司 | 图像处理方法、装置、系统和存储介质 |
| CN107945267A (zh) * | 2017-12-13 | 2018-04-20 | 四川川大智胜软件股份有限公司 | 一种用于人脸三维模型纹理融合的方法和设备 |
| CN109410133A (zh) * | 2018-09-30 | 2019-03-01 | 北京航空航天大学青岛研究院 | 一种基于3dmm的人脸纹理修复方法 |
| CN109636890A (zh) * | 2018-11-29 | 2019-04-16 | 北京市商汤科技开发有限公司 | 纹理融合方法和装置、电子设备、存储介质、产品 |
| CN109409335A (zh) * | 2018-11-30 | 2019-03-01 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、计算机可读介质及电子设备 |
Non-Patent Citations (5)
| Title |
|---|
| Multiple color texture map fusion for 3D models;NobuyukiBannai等;《Pattern Recognition Letters》;20070415;第28卷(第6期);第748-758页 * |
| Specular Highlight Removal in Facial Images;Chen Li等;《Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)》;20171231;第3107-3116页 * |
| 三维重建中纹理图像的光照一致性调整;郭玲等;《计算机仿真》;20091031;第26卷(第10期);第216-220页 * |
| 基于融合技术的图像去高光方法;何嘉林等;《科学技术创新》;20180630;第90-92页 * |
| 基于颜色统计不变性的纹理图像光照分析;马爽等;《计算机应用与软件》;20140228;第31卷(第2期);第233-237页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111192223A (zh) | 2020-05-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111325823B (zh) | 人脸纹理图像的获取方法、装置、设备及存储介质 | |
| CN111028330B (zh) | 三维表情基的生成方法、装置、设备及存储介质 | |
| CN110807451B (zh) | 人脸关键点检测方法、装置、设备及存储介质 | |
| CN111192223B (zh) | 人脸纹理图像的处理方法、装置、设备及存储介质 | |
| CN111710036B (zh) | 三维人脸模型的构建方法、装置、设备及存储介质 | |
| CN110807836B (zh) | 三维人脸模型的生成方法、装置、设备及介质 | |
| WO2017026839A1 (ko) | 휴대용 카메라를 이용한 3차원 얼굴 모델 획득 방법 및 장치 | |
| EP3992919B1 (en) | Three-dimensional facial model generation method and apparatus, device, and medium | |
| CN111243093A (zh) | 三维人脸网格的生成方法、装置、设备及存储介质 | |
| CN112037320B (zh) | 一种图像处理方法、装置、设备以及计算机可读存储介质 | |
| CN110363133B (zh) | 一种视线检测和视频处理的方法、装置、设备和存储介质 | |
| CN111652974B (zh) | 三维人脸模型的构建方法、装置、设备及存储介质 | |
| AU2013266192A1 (en) | Systems and methods for generating a 3-D model of a virtual try-on product | |
| WO2016003258A1 (ko) | 치과 시술 시뮬레이션을 위한 얼굴모델 생성 방법 | |
| JP2023545190A (ja) | 画像の視線補正方法、装置、電子機器、及びコンピュータプログラム | |
| CN113570684A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| CN113628327A (zh) | 一种头部三维重建方法及设备 | |
| CN111583399A (zh) | 图像处理方法、装置、设备、介质和电子设备 | |
| CN111553267A (zh) | 图像处理方法、图像处理模型训练方法及设备 | |
| KR20230110787A (ko) | 개인화된 3d 머리 및 얼굴 모델들을 형성하기 위한 방법들 및 시스템들 | |
| CN113822793A (zh) | 图像处理方法、装置和存储介质及电子设备 | |
| CN110956599A (zh) | 图片处理方法和装置、存储介质及电子装置 | |
| CN113989434A (zh) | 一种人体三维重建方法及设备 | |
| CN113592990A (zh) | 针对二维图像的三维效果生成方法、装置、设备及介质 | |
| CN112132107A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |