CN111445564A - 人脸纹理图像生成方法、装置、计算机设备和存储介质 - Google Patents
人脸纹理图像生成方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111445564A CN111445564A CN202010225137.2A CN202010225137A CN111445564A CN 111445564 A CN111445564 A CN 111445564A CN 202010225137 A CN202010225137 A CN 202010225137A CN 111445564 A CN111445564 A CN 111445564A
- Authority
- CN
- China
- Prior art keywords
- image
- texture image
- texture
- face
- standby
- 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 66
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000004927 fusion Effects 0.000 claims abstract description 98
- 238000007499 fusion processing Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 238
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000001914 filtration Methods 0.000 description 14
- 210000004709 eyebrow Anatomy 0.000 description 12
- 210000000887 face Anatomy 0.000 description 12
- 210000004209 hair Anatomy 0.000 description 11
- 210000000697 sensory organ Anatomy 0.000 description 10
- 210000001508 eye Anatomy 0.000 description 8
- 230000001815 facial effect Effects 0.000 description 5
- 210000001061 forehead Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 210000001331 nose Anatomy 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 101100269850 Caenorhabditis elegans mask-1 gene Proteins 0.000 description 2
- 210000003467 cheek Anatomy 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 210000000088 lip Anatomy 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 101150111016 LAP2 gene Proteins 0.000 description 1
- 241000023320 Luma <angiosperm> Species 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本申请涉及一种人脸纹理图像生成方法、装置、计算机设备和存储介质。该方法包括:获取与第一人脸对应的源纹理图像;获取至少一张的备用纹理图像;该备用纹理图像对应于至少一个第二人脸,且该第二人脸不同于该第一人脸;该源纹理图像和该备用纹理图像分别包括对应的多个部件区域;对该源纹理图像和各该备用纹理图像各自包括的部件区域进行人脸组合,以确定各该备用纹理图像中用于组合成新的人脸的目标部件区域;分别基于各该备用纹理图像中的目标部件区域,生成相对应的目标掩膜;对该源纹理图像、各该备用纹理图像和相对应的目标掩膜进行融合处理,得到与该新的人脸对应的融合纹理图像。采用本方法能够提高纹理图像的生成质量。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种人脸纹理图像生成方法、装置、计算机设备和存储介质。
背景技术
随着计算机技术的发展,人们的工作和生活都带来了非常大的变化。比如,原来的动画制作或游戏制作等通常都是基于平面人物进行的,而现在随着科技的发展,出现了越来越多支持3D(three dimensional,三维)人物的场景,那么相应的就需要大量的3D人脸图像。而人脸图像因隐私和数据安全等问题难以收集,为了解决人脸纹理图数据量不足的问题,图像生成很有必要。
传统的人脸图像的生成方式,通常是基于特征点匹配的方式进行人脸替换,比如提取人脸图像和待替换面部图像中的人脸特征点,根据人脸特征点进行区域匹配,进而根据区域匹配的匹配结果,将待替换面部图像数据映射到人脸图像数据,生成替换后的人脸图像。传统的人脸图像的生成方式,存在因特征点匹配不够精确而造成替换效果不佳,导致生成的人脸图像质量不够高的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能得到高质量的人脸纹理图像的人脸纹理图像生成方法、装置、计算机设备和存储介质。
一种人脸纹理图像生成方法,所述方法包括:
获取与第一人脸对应的源纹理图像;
获取至少一张的备用纹理图像;所述备用纹理图像对应于至少一个第二人脸,且所述第二人脸不同于所述第一人脸;所述源纹理图像和所述备用纹理图像分别包括对应的多个部件区域;
对所述源纹理图像和各所述备用纹理图像各自包括的部件区域进行人脸组合,以确定各所述备用纹理图像中用于组合成新的人脸的目标部件区域;
分别基于各所述备用纹理图像中的目标部件区域,生成相对应的目标掩膜;
对所述源纹理图像、各所述备用纹理图像和相对应的目标掩膜进行融合处理,得到与所述新的人脸对应的融合纹理图像。
一种人脸纹理图像生成装置,所述装置包括:
获取模块,用于获取与第一人脸对应的源纹理图像;
所述获取模块,还用于获取至少一张的备用纹理图像;所述备用纹理图像对应于至少一个第二人脸,且所述第二人脸不同于所述第一人脸;所述源纹理图像和所述备用纹理图像分别包括对应的多个部件区域;
确定模块,用于对所述源纹理图像和各所述备用纹理图像各自包括的部件区域进行人脸组合,以确定各所述备用纹理图像中用于组合成新的人脸的目标部件区域;
生成模块,用于分别基于各所述备用纹理图像中的目标部件区域,生成相对应的目标掩膜;
融合模块,用于对所述源纹理图像、各所述备用纹理图像和相对应的目标掩膜进行融合处理,得到与所述新的人脸对应的融合纹理图像。
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以下步骤:
获取与第一人脸对应的源纹理图像;
获取至少一张的备用纹理图像;所述备用纹理图像对应于至少一个第二人脸,且所述第二人脸不同于所述第一人脸;所述源纹理图像和所述备用纹理图像分别包括对应的多个部件区域;
对所述源纹理图像和各所述备用纹理图像各自包括的部件区域进行人脸组合,以确定各所述备用纹理图像中用于组合成新的人脸的目标部件区域;
分别基于各所述备用纹理图像中的目标部件区域,生成相对应的目标掩膜;
对所述源纹理图像、各所述备用纹理图像和相对应的目标掩膜进行融合处理,得到与所述新的人脸对应的融合纹理图像。
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以下步骤:
获取与第一人脸对应的源纹理图像;
获取至少一张的备用纹理图像;所述备用纹理图像对应于至少一个第二人脸对应,且所述第二人脸不同于所述第一人脸;所述源纹理图像和所述备用纹理图像分别包括对应的多个部件区域;
对所述源纹理图像和各所述备用纹理图像各自包括的部件区域进行人脸组合,以确定各所述备用纹理图像中用于组合成新的人脸的目标部件区域;
分别基于各所述备用纹理图像中的目标部件区域,生成相对应的目标掩膜;
对所述源纹理图像、各所述备用纹理图像和相对应的目标掩膜进行融合处理,得到与所述新的人脸对应的融合纹理图像。
上述人脸纹理图像生成方法、装置、计算机设备和存储介质,获取分别对应不同人脸的源纹理图像和备用纹理图像,对源纹理图像和备用纹理图像各自包括的部件区域进行任意的人脸组合,以确定各备用纹理图像中用于组合成新的人脸的目标部件区域。从而基于各备用纹理图像中的目标部件区域,生成相对应的目标掩膜,以通过生成的目标掩膜实现源纹理图像和备用纹理图像的融合。这样,将不同的人脸纹理图像的部件区域任意组合,可以生成自然真实的、且与新的人脸对应的融合纹理图像,能方便快捷地生成高质量的人脸纹理图像。
附图说明
图1为一个实施例中人脸纹理图像生成方法的应用环境图;
图2为一个实施例中人脸纹理图像生成方法的流程示意图;
图3为一个实施例中局部掩膜的样例示意图;
图4为一个实施例中肤色转换的步骤的流程示意图;
图5为一个实施例中人脸五官替换的原理图;
图6为一个实施例中肤色转换的原理图;
图7为一个具体的实施例中人脸纹理图像生成方法的流程示意图;
图8为一个实施例中人脸纹理图像生成装置的结构框图;
图9为另一个实施例中人脸纹理图像生成装置的结构框图;
图10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。
本申请提供的人脸纹理图像生成方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与计算机设备104进行通信。终端102可通过图像采集装置采集不同角度的人脸图像,以通过多个角度的人脸图像生成对应的纹理图像,该纹理图像包括源纹理图像和备用纹理图像。进而计算机设备104可从终端102处获取与第一人脸对应的源纹理图像。计算机设备104可从终端102处获取至少一张的备用纹理图像;备用纹理图像对应于至少一个第二人脸,且第二人脸不同于第一人脸;源纹理图像和备用纹理图像分别包括对应的多个部件区域。计算机设备104对源纹理图像和各备用纹理图像各自包括的部件区域进行人脸组合,以确定各备用纹理图像中用于组合成新的人脸的目标部件区域;分别基于各备用纹理图像中的目标部件区域,生成相对应的目标掩膜;对源纹理图像、各备用纹理图像和相对应的目标掩膜进行融合处理,得到与新的人脸对应的融合纹理图像。计算机设备104可输出该融合纹理图像进行展示或将融合纹理图像传输至终端102进行展示。其中,终端102可以但不限于是各种摄像头、监控设备、个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。计算机设备104具体可以是终端或服务器,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种人脸纹理图像生成方法,以该方法应用于图1中的计算机设备104为例进行说明,包括以下步骤:
步骤S202,获取与第一人脸对应的源纹理图像。
其中,源纹理图像是与第一人脸对应的纹理图像,是作为该次人脸纹理图像生成过程中的基础纹理图像,也可称作初始的人脸纹理图像。也就是说通过本申请各实施例所生成的融合纹理图像是在该源纹理图像的基础上进行改变而得到的。纹理图像也称UV图像,是3D展开的表面图像。UV这里是指UV纹理贴图坐标的简称,定义了图像上每个点的位置的信息,U和V分别是图像在显示器水平、垂直方向上的坐标,取值一般都是0~1。UV图像中每个点与3D模型是相互联系的,可以决定表面纹理贴图的位置,也就是UV图像中每一个点可以精确对应到模型物体的表面,用以构建立体的物体。比如,人脸纹理图像可用于生成3D人脸。
第一人脸是一个真实人物的面部呈现,一般来说,不同的人物具有不同的人脸。人脸中包括多于一个的部件,比如,额头、眉毛、眼睛、鼻子、嘴唇、脸颊和下巴等部件。可以理解,后文中出现的第二人脸是与第一人脸不同的人脸,具体可以是不同人物的面部。与第一人脸不同的人脸,具体可以是人脸中的额头、眉毛、眼睛、鼻子、嘴唇、脸颊和下巴等存在差异的人脸。
具体地,计算机设备可从本地或通过网络从其他计算机设备处,获取与第一人脸对应的源纹理图像。在一个实施例中,计算机设备可预先采集各种人脸的纹理图像以构建一个纹理图像库,当计算机设备需要生成新的纹理图像时,可从该纹理图像库中选取一张纹理图像作为源纹理图像。
在一个实施例中,步骤S202,也就是获取与第一人脸对应的源纹理图像,包括:获取对第一人脸进行不同角度扫描所得到的、且多于一张的第一人脸图像;对各角度的第一人脸图像进行融合处理,以生成与第一人脸对应的源纹理图像。
在一个实施例中,计算机设备可通过摄像头等图像采集装置对人脸进行多个角度的扫描,得到与各个角度分别对应的人脸图像,该人脸图像是平面的2维图像。计算机设备可分别识别各人脸图像中的人脸特征点,并将多个角度的各人脸图像中的人脸特征点对齐。从而根据预先构建的人脸3D模型,并根据不同角度的人脸图像中人脸特征点之间的位置信息,构建对应的人脸纹理图像。
在一个实施例中,计算机设备还可通过机器学习模型对多个角度的人脸图像进行处理,通过机器学习模型输出对应的人脸纹理图像。
可以理解,源纹理图像是人脸纹理图像中的一个纹理图像,也可采用上述方式进行构建。计算机设备可对采集的多个角度的第一人脸图像中的各个特征点进行对齐,从而根据预先构建的人脸3D模型,并根据不同角度的第一人脸图像中人脸特征点之间的位置信息,构建对应的源纹理图像。
上述实施例中,通过对不同角度的第一人脸图像进行融合处理,可以准确地生成与第一人脸对应的源纹理图像,方便且准确。
步骤S204,获取至少一张的备用纹理图像;备用纹理图像对应于至少一个第二人脸,且第二人脸不同于第一人脸;源纹理图像和备用纹理图像分别包括对应的多个部件区域。
具体地,计算机设备可从本地或通过网络从其他计算机设备处,获取与多个第二人脸对应的备用纹理图像,不同的备用纹理图像对应不同的第二人脸。在一个实施例中,计算机设备可预先采集各种人脸的纹理图像以构建一个纹理图像库,当计算机设备需要生成新的纹理图像时,可从该纹理图像库中选取至少一张的纹理图像作为备用纹理图像。可以理解,备用纹理图像与源纹理图像是不同的纹理图像。
需要说明的是,本申请实施例中所提及的“多个”、“多张”、及“多层”等,具体表示“多于一个”、“多于一张”、及“多于一层”等。
在一个实施例中,计算机设备可对采集的多个角度的第二人脸图像中的各个特征点进行对齐,从而根据预先构建的人脸3D模型,并根据不同角度的第二人脸图像中人脸特征点之间的位置信息,构建对应的备用纹理图像。
在一个实施例中,该备用纹理图像的数量可以是一张,也可以是多张。当该备用纹理图像的数量是一张时,可以理解成将第二人脸中的部分五官替换至第一人脸中,以组成生成一个新的人脸。当该备用纹理图像的数量是多于一张时,可以理解成将不同的第二人脸中的部分五官替换至第一人脸中,以组成生成一个新的人脸。
步骤S206,对源纹理图像和各备用纹理图像各自包括的部件区域进行人脸组合,以确定各备用纹理图像中用于组合成新的人脸的目标部件区域。
其中,部件区域是人脸中不同部件所在的区域,各个部件共同构成一张人脸,部件可以理解为人脸中的面部特征,比如眉毛、眼睛、额头、嘴巴等面部特征。具体地,计算机设备可对源纹理图像和各备用纹理图像各自包括的部件区域进行人脸组合,以确定各备用纹理图像中用于组合成新的人脸的目标部件区域。
在一个实施例中,计算机设备可将源纹理图像中的对应于脸型的部件区域作为保留部件区域,其他的部件区域可用备用纹理图像中的部件区域进行替换组合,以对应一张新的人脸。
在一个实施例中,计算机设备可分别确定源纹理图像和各备用纹理图像中的部件区域,对源纹理图像和各备用纹理图像进行随机配对,并对各个部件区域进行随机的人脸组合。这样就可确定出源纹理图像中用于组合成新的人脸的保留部件区域、以及各个备用纹理图像中用于组合成新的人脸的目标部件区域。这些保留部件区域和目标部件区域共同构成一张新的人脸。
在一个实施例中,计算机设备可确定源纹理图像中的各个部件区域,并随机从各个部件区域中选取待被替换的部件区域。进而从各备用纹理图像中筛选出与待被替换的部件区域相匹配的、且用于组合成新的人脸的目标部件区域。
举例说明,当备用纹理图像的数量为1时,假设当前的源纹理图像为图A,备用纹理图像为B。计算机设备可随机选择备用纹理图像B中的某些目标部件区域来对源纹理图像A中相应的部件区域进行替换。比如,将备用纹理图像B中的眼睛和鼻子替换至源纹理图像A中。那么,备用纹理图像B中的目标部件区域就是眼睛区域和鼻子区域。
备用纹理图像的数量为大于1时,比如2,假设当前的源纹理图像为图A,备用纹理图像为B1和B2。计算机设备可随机选择备用纹理图像B1和B2中的某些目标部件区域来对源纹理图像A中相应的部件区域进行替换。比如,将备用纹理图像B1中的眼睛替换至源纹理图像A中,并将备用纹理图像B2中的嘴唇和眉毛替换至源纹理图像A中。那么,备用纹理图像B1中的目标部件区域就是眼睛区域;备用纹理图像B2中的目标部件区域就是嘴唇区域和眉毛区域。
在一个实施例中,步骤S206,也就是对源纹理图像和各备用纹理图像各自包括的部件区域进行人脸组合,以确定各备用纹理图像中用于组合成新的人脸的目标部件区域,包括:确定源纹理图像中待被替换的部件区域;通过随机排列组合的方式,从各备用纹理图像中筛选出与待被替换的部件区域相匹配的、且用于组合成新的人脸的目标部件区域。
具体地,计算机设备可确定源纹理图像中待被替换的部件区域,进而通过随机排列组合的方式,从各备用纹理图像中筛选出与待被替换的部件区域相匹配的、且用于组合成新的人脸的目标部件区域。该目标部件区域用于多源纹理图像中相应的部件区域进行替换,这样就可在源纹理图像的基础上,通过不同的人脸所对应的备用纹理图像,构建生成一张新的人脸纹理图像。
上述实施例中,通过随机排列组合的方式,从各备用纹理图像中筛选出用于组合成新的人脸的目标部件区域,这样就可在源纹理图像的基础上,通过不同的人脸所对应的备用纹理图像,构建生成一张新的人脸纹理图像,大大提高了人脸纹理图像的生成效率。
步骤S208,分别基于各备用纹理图像中的目标部件区域,生成相对应的目标掩膜。
其中,目标掩膜是与各目标部件区域的总区域所对应的图像掩膜。图像掩膜也称mask,用于对待处理的图像进行全部或局部遮挡,来控制图像处理的区域。在光学图像处理中,图像掩膜可以是胶片或滤光片等。而在数字图像处理中,推图像掩膜具体可以是二维矩阵数组,或多值图像等。在本申请实施例中,该目标掩膜具体可以是一组二值图像,比如,该二值图像中与目标部件区域对应的区域的值为1,其他区域为0;或者该二值图像中与目标部件区域对应的区域的值为0,其他区域为1。
具体地,对于每张备用纹理图像,计算机设备均可根据该张备用纹理图像中相应的被选中的各个目标部件区域,确定对应的总目标区域,进而生成对应的目标掩膜。在该目标掩膜中,与目标部件区域对应的像素的值为第一值,其他区域的像素的值为第二值。其中,第一值与第二值是不同的数值,比如,第一值具体可以是数值1,第二值具体可以是数值0;或者,第一值具体可以是数值0,第二值具体可以是数值1。
在一个实施例中,对于每张备用纹理图像,计算机设备可确定该张备用纹理图像中被选中的各个目标部件区域,确定该备用纹理图像所对应的总目标区域,进而确定除该总目标区域之外的其他区域。进而将与总目标区域对应的位置的值置为第一值,其他区域对应的位置的值置为第二值,以得到目标掩膜。
在一个实施例中,分别基于各备用纹理图像中的目标部件区域,生成相对应的目标掩膜,包括:对于每张备用纹理图像,确定与备用纹理图像中的各目标部件区域分别对应的局部掩膜;对于每张备用纹理图像,叠加备用纹理图像中各目标部件区域所对应的局部掩膜,得到与相应备用纹理图像对应的目标掩膜。
其中,局部掩膜是与单个部件区域对应的图像掩膜。可以理解,在生成人脸纹理图像时,各个人脸纹理图像中的五官已对准,因而对于各张人脸纹理图像,均适用于一套通用的局部掩膜。参考图3,图3为一个实施例中局部掩膜的样例示意图。如图3所示,这套通用的局部掩膜与各个部件区域相对应,比如分别与脸颊区域、眼睛区域、嘴唇区域、眉毛区域、额头区域和下颔区域等对应的局部掩膜。
具体地,对于每张备用纹理图像,计算机设备可确定与该备用纹理图像中的各目标部件区域分别对应的局部掩膜,进而叠加该备用纹理图像中各目标部件区域所对应的局部掩膜,得到与该备用纹理图像对应的目标掩膜。当仅有一张备用纹理图像时,相应的目标掩膜与该备用纹理图像对应;当有多于一张的备用纹理图像时,相应的,每张备用纹理图像均有与之对应的目标掩膜。
上述实施例中,通过将备用纹理图像中的各目标部件区域分别对应的局部掩膜叠加,可以快速准确地得到与该备用纹理图像对应的目标掩膜。
步骤S210,对源纹理图像、各备用纹理图像和相对应的目标掩膜进行融合处理,得到与新的人脸对应的融合纹理图像。
具体地,计算机设备可对源纹理图像、各备用纹理图像和相对应的目标掩膜进行融合处理,得到与新的人脸对应的融合纹理图像并输出。其中,对源纹理图像、各备用纹理图像和相对应的目标掩膜进行融合处理的具体融合方式,可以采用像素级的图像融合方式、特征级的图像融合方式或决策级的图像融合方式等,本申请实施例对此不做限定。
在一个实施例中,计算机设备可直接对源纹理图像、各备用纹理图像和相对应的目标掩膜中的像素点进行融合,从而得到融合纹理图像。在另一个实施例中,计算机设备可分别对源纹理图像、各备用纹理图像和相对应的目标掩膜进行特征抽取后,将边缘、形状、轮廓、局部特征等信息进行综合处理,以得到融合纹理图像。
在一个实施例中,计算机设备可通过拉普拉斯图像融合的方式对源纹理图像、各备用纹理图像和相对应的目标掩膜进行融合处理,得到与新的人脸对应的融合纹理图像。具体的关于拉普拉斯图像融合的方式会在下面的实施例中进行详细描述。
上述人脸纹理图像生成方法,获取分别对应不同人脸的源纹理图像和备用纹理图像,对源纹理图像和备用纹理图像各自包括的部件区域进行任意的人脸组合,以确定各备用纹理图像中用于组合成新的人脸的目标部件区域。从而基于各备用纹理图像中的目标部件区域,生成相对应的目标掩膜,以通过生成的目标掩膜实现源纹理图像和备用纹理图像的融合。这样,将不同的人脸纹理图像的部件区域任意组合,可以生成自然真实的、且与新的人脸对应的融合纹理图像,能方便快捷地生成高质量的人脸纹理图像。
在一个实施例中,步骤S210,也就是对源纹理图像、各备用纹理图像和相对应的目标掩膜进行融合处理,得到与新的人脸对应的融合纹理图像的步骤具体包括:基于源纹理图像构建对应的第一拉普拉斯金字塔,基于各备用纹理图像分别构建对应的第二拉普拉斯金字塔,并基于各目标掩膜构建对应的第一高斯金字塔;对第一拉普拉斯金字塔、第二拉普拉斯金字塔和第一高斯金字塔进行融合处理,得到融合纹理图像;融合纹理图融合了各备用纹理图像中目标部件区域中的图像信息。
其中,拉普拉斯金字塔和高斯金字塔都是一种图像金字塔,图像金字塔是一系列以金字塔形状排列的分辨率逐步降低,且来源于同一张原始图像的图像集合。将一层一层的图像可比喻成金字塔,层级越高,则图像越小,分辨率越低。高斯金字塔是对原始图像进行逐步下采样后所得到的图像金字塔。而拉普拉斯金字塔,也称拉普拉斯残差金字塔,是用来从金字塔低层图像重建上层未采样图像而构建的图像金字塔,在数字图像处理中也即是预测残差,可以对图像进行最大程度的还原,配合高斯金字塔一起使用。其中,下采样(subsampled)是抽取原图像中的部分像素组成新的图像的过程,可以理解成缩小图像,又称为降采样(downsampled)。与下采样相反的操作是上采样(upsampling),上采样是放大图像的处理,也可以将之称为图像插值(interpolating),其主要目的是放大原图像,从而使得图像可以显示在更高分辨率的显示设备上。
在一个实施例中,计算机设备对源纹理图像进行高斯低通滤波和隔行下采样处理,得到处理后的图像,再对处理后的图像继续进行高斯低通滤波和隔行下采样处理,这样逐层处理至预设层数,得到与源纹理图像对应的高斯图像金字塔。对得到的与源纹理图像对应的高斯图像金字塔采用内插法放大,并使用与高斯图像金字塔构建时相同的滤波器滤波,并于下层高斯图像金字塔相减,得到该层的残差图像,重复上述过程即可构建第一拉普拉斯金字塔。
在一个实施例中,对图像进行高斯低通滤波的具体方式,具体可以是通过滤波器进行滤波。该滤波器具体可以是一个矩阵,通过将待进行高斯低通滤波处理的图像中的各像素与该矩阵做乘积以进行滤波,再对各像素进行归一化处理,得到滤波后的图像。在一个示例性的实施例中,该滤波器具体可以是Filter=1/256[[1,4,6,4,1],[4,16,24,16,4],[6,24,36,24,6],[4,16,24,16,4],[1,4,6,4,1]]。当然,该滤波器也可以是其他的滤波器,本申请实施例对此不作限定。
可以理解,计算机设备可采用与上面描述一样的方式,对各个备用纹理图像进行处理,以分别构建各备用纹理图像对应的第二拉普拉斯金字塔。对于每个目标掩膜,计算机设备可对该目标掩膜进行高斯低通滤波和隔行下采样处理,得到处理后的图像,再对处理后的图像继续进行高斯低通滤波和隔行下采样处理,这样逐层处理至预设层数,得到与该目标掩膜对应的第一高斯金字塔。这样对目标掩膜进行高斯模糊处理,使得在融合源纹理图像和备用纹理图像时,可以很好的融合纹理细节,模糊融合区域的分界线,提高融合纹理图像的图像质量。
下面举例说明构建拉普拉斯金字塔的具体过程,以L图为例,该L图具体可以是源纹理图像或备用纹理图像。步骤(1),对L进行高斯下采样得到downL,具体可通过pyrDown()函数实现此功能。步骤(2),再对downL进行高斯上采样得到upL,具体可通过pyrUp()函数可以实现此功能。接下来计算原图L与upL之间的残差,得到一幅残差图lapL0。作为拉普拉斯残差金字塔最低端的图像。步骤(3),对downL继续进行步骤(1)和步骤(2)操作,不断计算残差图lapL1,lap2,lap3.....lapN。这样得到一系列残差图,即为拉普拉斯残差金字塔。
进一步地,计算机设备在构建了第一拉普拉斯金字塔、第二拉普拉斯金字塔和第一高斯金字后,可对第一拉普拉斯金字塔、第二拉普拉斯金字塔和第一高斯金字塔进行融合处理,得到融合纹理图像。该融合纹理图融合了各备用纹理图像中目标部件区域中的图像信息。
在一个实施例中,对第一拉普拉斯金字塔、第二拉普拉斯金字塔和第一高斯金字塔进行融合处理,得到融合纹理图像,包括:通过第一高斯金字塔每层的掩膜图像,将第一拉普拉斯金字塔和第二拉普拉斯金字塔中相应层的图像融合成对应的第一融合图像;从融合后的顶层的第一融合图像开始,逐层上采样后叠加下一层的第一融合图像,直至叠加至底层的第一融合图像为止,输出叠加后得到的融合纹理图像。
具体地,计算机设备可通过第一高斯金字塔每层的掩膜图像,将第一拉普拉斯金字塔和第二拉普拉斯金字塔中相应层的图像融合成一幅图,也就是第一融合图像。这样对每层均采用这样的方式融合,得到从底层至顶层的多层的第一融合图像。进而计算机设备从融合后的顶层的第一融合图像开始,逐层上采样至与下一层的第一融合图像相同大小后叠加下一层的第一融合图像,不断重复上采样处理后叠加,直至叠加至底层的第一融合图像为止,输出叠加后得到的融合纹理图像。这样,就可以通过逐层融合并叠加的方式,通过各目标掩膜,将源纹理图像和各备用纹理图像融合成一幅融合纹理图像。
在一个实施例中,通过第一高斯金字塔每层的掩膜图像,将第一拉普拉斯金字塔和第二拉普拉斯金字塔中相应层的图像融合成对应的第一融合图像,包括:对于每一层,确定与各第一高斯金字塔中相应层的掩膜图像总和相反的第一反掩膜图像,并将第一拉普拉斯金字塔中相应层的图像与第一反掩膜图像相乘,得到第一图像;对于每一层,将各第二拉普拉斯金字塔中相应层的图像与对应的第一高斯金字塔中相应层的掩膜图像相乘得到第二图像;对于每一层,将相应层对应的第一图像和第二图像进行加权融合,得到该层对应的第一融合图像。
具体地,在对各金字塔的每层图像进行融合时,计算机设备可通过加权融合的方式进行融合处理。对于每一层,计算机设备可确定与各第一高斯金字塔中相应层的掩膜图像总和相反的第一反掩膜图像,并将第一拉普拉斯金字塔中相应层的图像与第一反掩膜图像相乘,得到第一图像。对于每一层,计算机设备将各第二拉普拉斯金字塔中相应层的图像与对应的第一高斯金字塔中相应层的掩膜图像相乘得到第二图像,进而,对于每一层,计算机设备可将相应层对应的第一图像和第二图像进行加权求和处理,得到该层对应的第一融合图像。其中,加权融合的加权系数可根据实际情况进行确定和调整。
当备用纹理图像的数量为1时,对于每一层,计算机设备均可通过以下公式计算得到相应层第一融合图像:设该层的第一融合图像为y,则y=α*(1-mask)*imageA+β*mask*imageB;其中,α和β为加权系数;imageA为源纹理图像;imageB为备用纹理图像;mask为与该备用纹理图像对应的目标掩膜。
当备用纹理图像的数量大于1时,比如N(其中,N为大于1的正整数),对于每一层,计算机设备均可通过以下公式计算得到相应层的第一融合图像:设该层的第一融合图像为y,则y=α*(1-mask1-…-maskN)*imageA+β*mask1*imageB1+…+γ*maskN*imageBN;其中,α、β和γ为加权系数;imageA为源纹理图像;imageB1至imageBN为备用纹理图像;mask1至maskN分别为与相应备用纹理图像对应的目标掩膜。
这样,通过加权融合的方式,可以很好的将第一拉普拉斯金字塔和第二拉普拉斯金字塔中相应层的图像融合成对应的第一融合图像,以为后续生成高质量的融合纹理图像做好准备。
上述实施例中,对源纹理图像、各备用纹理图像和相对应的目标掩膜进行融合处理,可以很好地将备用纹理图像中的各个目标部件区域中的像素内容,替换掉源纹理图像中相应的部件区域中的像素内容,这样就可得到与第一人脸和第二人脸都不同的人脸所对应的融合纹理图像,可以很好的基于现有的人脸纹理图像生成自然真实的面部纹理图像,以达到数据扩增的作用。
在一个实施例中,该人脸纹理图像生成方法还包括肤色调整的步骤,该步骤具体包括:确定融合纹理图像中与源纹理图像对应的保留部件区域、以及与备用纹理图像对应的目标部件区域;将融合纹理图像从第一色彩空间转换至第二色彩空间,并在第二色彩空间下根据保留部件区域的像素均值和标准差,调整目标部件区域中各像素的像素值,得到色彩分布均匀的融合纹理图像;其中,第二色彩空间为明亮度色度空间。
其中,第一色彩空间具体可以是颜色空间,比如rgb(red green blue,红绿蓝)颜色空间或lab颜色空间。第二色彩空间具体可以是yuv空间(Luminance-Chrominance,明亮度-色度空间),可用于描述影像色彩及饱和度,用于指定像素的颜色。
具体地,计算机设备可通过目标掩膜,确定融合纹理图像中与源纹理图像对应的保留部件区域、以及融合纹理图像中与备用纹理图像对应的目标部件区域。也就是说,该部件保留区域中的部件为源纹理图像中的部件,该目标部件区域中的部件为备用纹理图像中的部件。计算机设备可将融合纹理图像从第一色彩空间转换至第二色彩空间,进而在第二色彩空间下计算保留部件区域的像素均值和标准差,将目标部件区域中各像素的像素值调整至与保留部件区域的像素均值和标准差相匹配的数值,从而得到色彩分布均匀的融合纹理图像。
在一个实施例中,因融合不同纹理图像所得到的融合纹理图像,在不同部件区域之间存在色彩分布差异,需要对替换来的目标部件区域进行颜色调整。计算机设备可先将融合纹理图像从rgb空间转换为yuv空间,再通过目标掩膜计算保留部件区域和目标部件区域的像素的均值和标准差,并将目标部件区域的像素的均值和标准差调整为保留部件区域中的相应值,这样,就可以调整替换过的目标部件区域的肤色与源纹理图像的肤色一致。
上述实施例中,在色彩空间对融合纹理图像进行转换,进而将目标部件区域的像素的均值和标准差调整为保留部件区域中的相应值,可以在图像的明亮度上将替换后的目标部件区域的肤色调整至与源纹理图像一致,可实现肤色的迁移,消除了融合后的图像衔接差异,大大提高了融合纹理图像的图像质量。
参考图4,在一个实施例中,该人脸纹理图像生成方法还包括肤色转换的步骤,该步骤具体包括:
S402,获取目标肤色图像。
其中,目标肤色图像是与待转换至的目标肤色所对应的图像。肤色是呈现出正常人体皮肤的颜色,具体可以是呈现出正常人体皮肤颜色的RGB值。具体地,计算机设备可确定待将该纹理图像转换至的目标肤色,并确定该目标肤色所对应的RGB均值,从而将预设大小的图像中各像素的RGB值均调整至该目标肤色所对应的RGB均值,得到目标肤色图像。在一个实施例中,该目标肤色图像具体可以是目标肤色的纹理图像。
在一个实施例中,可根据实际经验,选取[223,202,173],[237,191,166],[211,141,111],[233,183,138],[89,59,43],[175,110,81],[133,66,48],[61,19,10],[245,218,204]作为与实际的人体皮肤颜色接近的RGB均值。计算机设备可从上述RGB值中随机或定向选择目标RGB值,并根据选择的目标RGB值生成对应的目标肤色图像。
S404,在第二色彩空间下,基于目标肤色图像对应的目标像素值,调整融合纹理图像中各像素对应的像素值,得到初步转换肤色的第一中间纹理图像。
具体地,计算机设备可分别将融合纹理图像和目标肤色图像从第一色彩空间转换至第二色彩空间。其中,第一色彩空间具体可以是颜色空间,比如rgb颜色空间或lab颜色空间。第二色彩空间具体可以是yuv空间(Luminance-Chrominance,明亮度-色度空间)。计算机设备可确定在第二色彩空间下的目标肤色图像的像素值,也称目标像素值,可用target_yuv表示。计算机设备可确定在第二色彩空间下的融合纹理图像的像素值,可用uv_yur_o表示。计算机设备可根据融合纹理图像在yuv图像三个通道中的像素值,计算对应的像素均值,可用uv_yuv_mean表示。接下来,计算机设备可根据目标肤色图像对应的目标像素值,以及融合纹理图像对应的像素均值,对融合纹理图像中各像素的像素值进行调整,得到初步转换肤色的第一中间纹理图像。具体地,计算机设备将融合纹理图像中各像素对应的像素值减去像素均值,再加上目标像素值,即可得到调整后的像素,各个调整后的像素共同构成第一中间纹理图像。
在一个实施例中,计算机设备可通过以下公式计算第一中间纹理图像中各像素的像素值:uv_yuv=uv_yur_o–uv_yuv_mean+target_yuv。其中,uv_yuv就是第一中间纹理图像中各像素的像素值。
在一个实施例中,计算机设备分别将融合纹理图像和目标肤色图像从第一色彩空间转换至第二色彩空间,并在第二色彩空间下根据目标肤色的目标像素值,对融合纹理图像的像素值进行调整,并将调整后的图像再转换回第一色彩空间,得到对应的第一中间纹理图像。
S406,对第一中间纹理图像中与亮度通道对应的通道图像进行标准化处理和归一化处理,得到第一肤色掩膜。
具体地,计算机设备可提取第一中间纹理图像中与亮度通道对应的通道图像,对该通道图像进行标准化处理和归一化处理,得到第一肤色掩膜。其中,第一中间纹理图像中与亮度通道对应的通道图像,具体可以是在第二彩色空间下,也就是yuv空间下的y通道所对应的通道图像。该通道图像中隐含了第一中间纹理图像的亮暗信息。
在一个实施例中,计算机设备可确定通道图像中各像素的通道像素值,进而计算通道像素均值和标准差。计算机设备可通过以下公式对通道图像进行标准化处理:y_tmp=(y-y_mean)/y_std,其中,y表示通道图像中的各像素对应的原像素值;y_mean表示通道像素均值;y_std,指通道图像对应的标准差。
进一步地,计算机设备可对标准化处理后的通道图像进行归一化处理,得到第一肤色掩膜(也称y_norm),具体可通过以下公式实现:y_norm=(y_tmp–y_min)/(y_max–y_min);其中,y_max是通道图像中的最大像素值;y_min是通道图像中的最小像素值。
S408,基于第一肤色掩膜,融合第一中间纹理图像和融合纹理图像,得到目标纹理图像。
可以理解,该y_norm中值越大的区域,表明是越明亮的区域,也就越有可能是人的皮肤区域;而y_norm中值越小的区域,表明是越暗的区域,也就越有可能是人的毛发区域,比如头发区域或眉毛区域等。而对于第一中间纹理图像,是整个进行了肤色转换的图像,也就是除了面部外,头发和眉毛的颜色也发生了变化。而在实际处理中,我们其实是不希望头发和眉毛的颜色发生大的变化。因而,计算机设备可通过该第一肤色掩膜,来对第一中间纹理图像和融合纹理图像进行融合,以将融合纹理图像中头发或眉毛等区域保留,最终得到目标纹理图像。
在一个实施例中,计算机设备可将第一肤色掩膜与第一中间纹理图像进行相乘得到第一乘积;将第一肤色掩膜的反向掩膜与融合纹理图像相乘得到第二乘积,再将第一乘积和第二乘积加权求和,得到最终的目标纹理图像。这样,该目标纹理图像的皮肤颜色就是目标肤色,而该目标纹理图像的头发和眉毛的颜色就是原融合纹理图像中头发和眉毛的颜色。也就是实现了仅对融合纹理图像中的人脸进行肤色转换。
在一个实施例中,计算机设备可在第一色彩空间下,通过拉普拉斯图像融合的方式对第一肤色掩膜、第一中间纹理图像和融合纹理图像进行融合处理,得到仅转换了面部肤色的目标纹理图像。
上述实施例中,通过色彩空间转换,在明亮度色度空间下,提取经过整体颜色变换的第一中间纹理图像的亮度通道对应的通道图像,再对通道图像进行标准化处理和归一化处理,可以得到用于区分人脸皮肤区域和毛发区域的第一肤色掩膜。进而基于该第一肤色掩膜可以很好的将第一中间纹理图像和融合纹理图像进行融合,以精准的实现对人脸皮肤颜色的迁移。
在一个实施例中,基于第一肤色掩膜,融合第一中间纹理图像和融合纹理图像,得到目标纹理图像,包括:基于第一中间纹理图像构建对应的第三拉普拉斯金字塔,基于融合纹理图像构建对应的第四拉普拉斯金字塔,并基于第一肤色掩膜构建对应的第二高斯金字塔;通过第二高斯金字塔每层的掩膜图像,将第三拉普拉斯金字塔和第四拉普拉斯金字塔中相应层的图像融合成对应的第二融合图像;从融合后的顶层的第二融合图像开始,逐层上采样后叠加下一层的第二融合图像,直至叠加至底层的第二融合图像为止,输出叠加后得到的目标纹理图像。
在一个实施例中,计算机设备对第一中间纹理图像进行高斯低通滤波和隔行下采样处理,得到处理后的图像,再对处理后的图像继续进行高斯低通滤波和隔行下采样处理,这样逐层处理至预设层数,得到与第一中间纹理图像对应的高斯图像金字塔。对得到的与第一中间纹理图像对应的高斯图像金字塔采用内插法放大,并使用与高斯图像金字塔构建时相同的滤波器滤波,并于下层高斯图像金字塔相减,得到该层的残差图像,重复上述过程即可构建第三拉普拉斯金字塔。
可以理解,计算机设备可与上面描述一样的方式,对融合纹理图像进行处理,以构建融合纹理图像对应的第四拉普拉斯金字塔。对于第一肤色掩膜,计算机设备可对该第一肤色掩膜进行高斯低通滤波和隔行下采样处理,得到处理后的图像,再对处理后的图像继续进行高斯低通滤波和隔行下采样处理,这样逐层处理至预设层数,得到与该第一肤色掩膜对应的第二高斯金字塔。这样对第一肤色掩膜进行高斯模糊处理,使得在融合第一中间纹理图像和融合纹理图像时,可以很好的融合纹理细节,模糊融合区域的分界线,提高目标纹理图像的图像质量。
进一步地,计算机设备可通过第二高斯金字塔每层的掩膜图像,将第三拉普拉斯金字塔和第四拉普拉斯金字塔中相应层的图像融合成一幅图,也就是第二融合图像。这样对每层均采用这样的方式融合,得到从底层至顶层的多层的第二融合图像。进而计算机设备从融合后的顶层的第二融合图像开始,逐层上采样至与下一层的第二融合图像相同大小后叠加下一层的第二融合图像,不端重复上采样处理后叠加,直至叠加至底层的第二融合图像为止,输出叠加后得到的目标纹理图像。这样,就可以通过逐层融合并叠加的方式,通过第一肤色掩膜,将第一中间纹理图像和融合纹理图像融合成一幅目标纹理图像。
在一个实施例中,通过第二高斯金字塔每层的掩膜图像,将第三拉普拉斯金字塔和第四拉普拉斯金字塔中相应层的图像融合成对应的第二融合图像,包括:对于每一层,将第三拉普拉斯金字塔中相应层的图像与第二高斯金字塔中相应层的掩膜图像相乘得到第三图像;对于每一层,确定与第二高斯金字塔中相应层的掩膜图像总和相反的第二反掩膜图像,并将第四拉普拉斯金字塔中相应层的图像与第二反掩膜图像相乘,得到第四图像;对于每一层,将相应层对应的第三图像和第四图像进行加权融合,得到该层对应的第二融合图像。
具体地,在对各金字塔的每层图像进行融合时,计算机设备可通过加权融合的方式进行融合处理。对于每一层,计算机设备将第三拉普拉斯金字塔中相应层的图像与对应的第二高斯金字塔中相应层的掩膜图像相乘得到第三图像。对于每一层,计算机设备可确定与第二高斯金字塔中相应层的掩膜图像总和相反的第二反掩膜图像,并将第四拉普拉斯金字塔中相应层的图像与第二反掩膜图像相乘,得到第四图像。进而,对于每一层,计算机设备可将相应层对应的第三图像和第四图像进行加权求和处理,得到该层对应的第二融合图像。其中,加权融合的加权系数可根据实际情况进行确定和调整。
这样,通过加权融合的方式,可以很好的将第三拉普拉斯金字塔和第四拉普拉斯金字塔中相应层的图像融合成对应的第二融合图像,以为后续生成高质量的目标纹理图像做好准备。
上述实施例中,基于第一肤色掩膜对第一中间纹理图像和融合纹理图像进行融合处理,可以很好地保留融合纹理图像中的毛发区域,这样就可以精准的实现对人脸皮肤颜色的迁移,而保持融合纹理图像中的毛发区域不变,大大提高了人脸肤色转换的精准度和转换效果。
在一个实施例中,该人脸纹理图像生成方法还包括肤色转换的步骤,该步骤具体包括:获取目标肤色图像;在第二色彩空间下,基于目标肤色图像对应的目标像素值,调整人脸纹理图像中各像素对应的像素值,得到初步转换肤色的第二中间纹理图像;对第二中间纹理图像中与亮度通道对应的通道图像进行标准化处理和归一化处理,得到第二肤色掩膜;基于第二肤色掩膜,融合第二中间纹理图像和人脸纹理图像,得到备用纹理图像。
可以理解,对于上述提及的肤色转换,也可适用于任意的人脸纹理图像。计算机设备可对该人脸纹理图像进行肤色转换后,得到备用纹理图像,进而基于备用纹理图像实现人脸五官替换。关于通过对人脸纹理图像进行肤色转换,从而得到备用纹理图像的具体实现细节,可参考前述实施例中对融合纹理图像进行肤色转换得到目标纹理图像的相关描述,本申请实施例在此就不再赘述。
上述实施例中,通过色彩空间转换,在明亮度色度空间下,提取经过整体颜色变换的第二中间纹理图像的亮度通道对应的通道图像,再对通道图像进行标准化处理和归一化处理,可以得到用于区分人脸皮肤区域和毛发区域的第二肤色掩膜。进而基于该第二肤色掩膜可以很好的将第二中间纹理图像和融合纹理图像进行融合,以精准的实现对人脸皮肤颜色的迁移。
本申请还提供一种应用场景,该应用场景应用上述的人脸纹理图像生成方法。具体地,该人脸纹理图像生成方法在该应用场景的应用如下:
参考图5和图6,其中,图5为一个实施例中人脸五官替换的原理图;图6为一个实施例中肤色转换的原理图。可以理解,在实际应用中,比如游戏制作或动画制作时,常常需要用到3D人脸,而人脸纹理图像因用户隐私和数据安全等问题难以收集,此时可通过本申请实施例所提及的方法,极大的扩充真实和自然的纹理图像,有助于解决人脸相关的多种问题。如图5所示,计算机设备可对所需替换的人脸纹理图像任意配对,并随机排列组合需要替换的部件区域。然后将各局部掩膜叠加作为图像融合的目标掩膜mask。进而再根据目标掩膜mask,对源纹理图像和备用纹理图像进行拉普拉斯图像融合处理,得到五官替换了的融合纹理图像。继续参考图6,在生成新的人脸纹理图像时,除了可以对面部的五官进行替换的方式外,还可以对人脸的肤色进行转换。而在对人脸肤色进行转换的步骤具体可以是在进行五官替换之前,也可以是五官替换之后,本申请实施例对此不作限定。下面以在五官替换后进行肤色转换为例进行说明,参考6所示,计算机设备可将融合纹理图像(uv_rgb_o)从rgb空间转换为yuv空间,得到uv_yur_o,并将目标肤色图像也做相应空间转换,得到target_yuv。其次,计算融合纹理图像在yuv三个通道的像素均值uv_yuv_mean,并将融合纹理图像的像素值作以调整,即uv_yuv=uv_yur_o–uv_yuv_mean+target_yuv。进而uv_yuv再转换回rgb颜色空间即可得到初步转换肤色的uv图像(uv_rgb)。接下来提取uv_rgb图像Y通道的通道图像并进行保准化处理和归一化处理,得到y_norm。将y_norm作为掩膜。基于y_norm的掩膜,对融合纹理图像和初步转换肤色的uv图像(uv_rgb)进行拉普拉斯图像融合,得到肤色转换的目标纹理图像。
参考图7,在一个具体的实施例中,该人脸纹理图像生成方法具体包括以下步骤:
S702,获取对第一人脸进行不同角度扫描所得到的、且多于一张的第一人脸图像。
S704,对各角度的第一人脸图像进行融合处理,以生成与第一人脸对应的源纹理图像。
S706,获取至少一张备用纹理图像;备用纹理图像对应于至少一个第二人脸,且第二人脸不同于第一人脸;源纹理图像和备用纹理图像分别包括对应的多个部件区域。
S708,确定源纹理图像中待被替换的部件区域。
S710,通过随机排列组合的方式,从各备用纹理图像中筛选出与待被替换的部件区域相匹配的、且用于组合成新的人脸的目标部件区域。
S712,对于每张备用纹理图像,确定与备用纹理图像中的各目标部件区域分别对应的局部掩膜。
S714,对于每张备用纹理图像,叠加备用纹理图像中各目标部件区域所对应的局部掩膜,得到与相应备用纹理图像对应的目标掩膜。
S716,基于源纹理图像构建对应的第一拉普拉斯金字塔,基于各备用纹理图像分别构建对应的第二拉普拉斯金字塔,并基于各目标掩膜构建对应的第一高斯金字塔。
S718,对于每一层,确定与各第一高斯金字塔中相应层的掩膜图像总和相反的第一反掩膜图像,并将第一拉普拉斯金字塔中相应层的图像与第一反掩膜图像相乘,得到第一图像。
S720,对于每一层,将各第二拉普拉斯金字塔中相应层的图像与对应的第一高斯金字塔中相应层的掩膜图像相乘得到第二图像。
S722,对于每一层,将相应层对应的第一图像和第二图像进行加权融合,得到该层对应的第一融合图像。
S724,从融合后的顶层的第一融合图像开始,逐层上采样后叠加下一层的第一融合图像,直至叠加至底层的第一融合图像为止,输出叠加后得到的融合纹理图像。
S726,确定融合纹理图像中与源纹理图像对应的保留部件区域、以及与备用纹理图像对应的目标部件区域。
S728,将融合纹理图像从第一色彩空间转换至第二色彩空间,并在第二色彩空间下根据保留部件区域的像素均值和标准差,调整目标部件区域中各像素的像素值,得到色彩分布均匀的融合纹理图像;其中,第二色彩空间为亮度色度空间。
上述人脸纹理图像生成方法,获取分别对应不同人脸的源纹理图像和备用纹理图像,对源纹理图像和备用纹理图像各自包括的部件区域进行任意的人脸组合,以确定各备用纹理图像中用于组合成新的人脸的目标部件区域。从而基于各备用纹理图像中的目标部件区域,生成相对应的目标掩膜,以通过生成的目标掩膜实现源纹理图像和备用纹理图像的融合。这样,将不同的人脸纹理图像的部件区域任意组合,可以生成自然真实的、且与新的人脸对应的融合纹理图像,能方便快捷地生成高质量的人脸纹理图像。
应该理解的是,虽然图7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图7中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图8所示,提供了一种人脸纹理图像生成装置800,该装置可以采用软件模块或硬件模块,或者是二者的结合成为计算机设备的一部分,该装置具体包括:获取模块801、确定模块802、生成模块803和融合模块804,其中:
获取模块801,用于获取与第一人脸对应的源纹理图像。
获取模块801,还用于获取至少一张的备用纹理图像;备用纹理图像对应于至少一个第二人脸,且第二人脸不同于第一人脸;源纹理图像和备用纹理图像分别包括对应的多个部件区域。
确定模块802,用于对源纹理图像和各备用纹理图像各自包括的部件区域进行人脸组合,以确定各备用纹理图像中用于组合成新的人脸的目标部件区域。
生成模块803,用于分别基于各备用纹理图像中的目标部件区域,生成相对应的目标掩膜。
融合模块804,用于对源纹理图像、各备用纹理图像和相对应的目标掩膜进行融合处理,得到与新的人脸对应的融合纹理图像。
在一个实施例中,获取模块801具体用于获取对第一人脸进行不同角度扫描所得到的、且多于一张的第一人脸图像;对各角度的第一人脸图像进行融合处理,以生成与第一人脸对应的源纹理图像。
在一个实施例中,确定模块802具体用于确定源纹理图像中待被替换的部件区域;通过随机排列组合的方式,从各备用纹理图像中筛选出与待被替换的部件区域相匹配的、且用于组合成新的人脸的目标部件区域。
在一个实施例中,生成模块803具体用于对于每张备用纹理图像,确定与备用纹理图像中的各目标部件区域分别对应的局部掩膜;对于每张备用纹理图像,叠加备用纹理图像中各目标部件区域所对应的局部掩膜,得到与相应备用纹理图像对应的目标掩膜。
在一个实施例中,融合模块804具体用于基于源纹理图像构建对应的第一拉普拉斯金字塔,基于各备用纹理图像分别构建对应的第二拉普拉斯金字塔,并基于各目标掩膜构建对应的第一高斯金字塔;对第一拉普拉斯金字塔、第二拉普拉斯金字塔和第一高斯金字塔进行融合处理,得到融合纹理图像;融合纹理图融合了各备用纹理图像中目标部件区域中的图像信息。
在一个实施例中,融合模块804具体用于通过第一高斯金字塔每层的掩膜图像,将第一拉普拉斯金字塔和第二拉普拉斯金字塔中相应层的图像融合成对应的第一融合图像;从融合后的顶层的第一融合图像开始,逐层上采样后叠加下一层的第一融合图像,直至叠加至底层的第一融合图像为止,输出叠加后得到的融合纹理图像。
在一个实施例中,融合模块804具体用于对于每一层,确定与各第一高斯金字塔中相应层的掩膜图像总和相反的第一反掩膜图像,并将第一拉普拉斯金字塔中相应层的图像与第一反掩膜图像相乘,得到第一图像;对于每一层,将各第二拉普拉斯金字塔中相应层的图像与对应的第一高斯金字塔中相应层的掩膜图像相乘得到第二图像;对于每一层,将相应层对应的第一图像和第二图像进行加权融合,得到该层对应的第一融合图像。
参考图9,在一个实施例中,该人脸纹理图像生成装置800还包括调整模块805,其中:
确定模块802还用于确定融合纹理图像中与源纹理图像对应的保留部件区域、以及与备用纹理图像对应的目标部件区域。
调整模块805,用于将融合纹理图像从第一色彩空间转换至第二色彩空间,并在第二色彩空间下根据保留部件区域的像素均值和标准差,调整目标部件区域中各像素的像素值,得到色彩分布均匀的融合纹理图像;其中,第二色彩空间为亮度色度空间。
在一个实施例中,获取模块801还用于获取目标肤色图像。调整模块805还用于在第二色彩空间下,基于目标肤色图像对应的目标像素值,调整融合纹理图像中各像素对应的像素值,得到初步转换肤色的第一中间纹理图像。确定模块802还用于对第一中间纹理图像中与亮度通道对应的通道图像进行标准化处理和归一化处理,得到第一肤色掩膜。融合模块804还用于基于第一肤色掩膜,融合第一中间纹理图像和融合纹理图像,得到目标纹理图像。
在一个实施例中,融合模块804还用于基于第一中间纹理图像构建对应的第三拉普拉斯金字塔,基于融合纹理图像构建对应的第四拉普拉斯金字塔,并基于第一肤色掩膜构建对应的第二高斯金字塔;通过第二高斯金字塔每层的掩膜图像,将第三拉普拉斯金字塔和第四拉普拉斯金字塔中相应层的图像融合成对应的第二融合图像;从融合后的顶层的第二融合图像开始,逐层上采样后叠加下一层的第二融合图像,直至叠加至底层的第二融合图像为止,输出叠加后得到的目标纹理图像。
在一个实施例中,融合模块804还用于对于每一层,将第三拉普拉斯金字塔中相应层的图像与第二高斯金字塔中相应层的掩膜图像相乘得到第三图像;对于每一层,确定与第二高斯金字塔中相应层的掩膜图像总和相反的第二反掩膜图像,并将第四拉普拉斯金字塔中相应层的图像与第二反掩膜图像相乘,得到第四图像;对于每一层,将相应层对应的第三图像和第四图像进行加权融合,得到该层对应的第二融合图像。
在一个实施例中,获取模块801还用于获取目标肤色图像。调整模块805还用于在第二色彩空间下,基于目标肤色图像对应的目标像素值,调整人脸纹理图像中各像素对应的像素值,得到初步转换肤色的第二中间纹理图像。确定模块802还用于对第二中间纹理图像中与亮度通道对应的通道图像进行标准化处理和归一化处理,得到第二肤色掩膜。融合模块804还用于基于第二肤色掩膜,融合第二中间纹理图像和人脸纹理图像,得到备用纹理图像。
上述人脸纹理图像生成装置,获取分别对应不同人脸的源纹理图像和备用纹理图像,对源纹理图像和备用纹理图像各自包括的部件区域进行任意的人脸组合,以确定各备用纹理图像中用于组合成新的人脸的目标部件区域。从而基于各备用纹理图像中的目标部件区域,生成相对应的目标掩膜,以通过生成的目标掩膜实现源纹理图像和备用纹理图像的融合。这样,将不同的人脸纹理图像的部件区域任意组合,可以生成自然真实的、且与新的人脸对应的融合纹理图像,能方便快捷地生成高质量的人脸纹理图像。
关于人脸纹理图像生成装置的具体限定可以参见上文中对于人脸纹理图像生成方法的限定,在此不再赘述。上述人脸纹理图像生成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服务器或终端,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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、计算机程序和数据库。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。该计算机设备的数据库用于存储人脸纹理图像的数据。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人脸纹理图像生成方法。
本领域技术人员可以理解,图10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,还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上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)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 (15)
1.一种人脸纹理图像生成方法,所述方法包括:
获取与第一人脸对应的源纹理图像;
获取至少一张的备用纹理图像;所述备用纹理图像对应于至少一个第二人脸,且所述第二人脸不同于所述第一人脸;所述源纹理图像和所述备用纹理图像分别包括对应的多个部件区域;
对所述源纹理图像和各所述备用纹理图像各自包括的部件区域进行人脸组合,以确定各所述备用纹理图像中用于组合成新的人脸的目标部件区域;
分别基于各所述备用纹理图像中的目标部件区域,生成相对应的目标掩膜;
对所述源纹理图像、各所述备用纹理图像和相对应的目标掩膜进行融合处理,得到与所述新的人脸对应的融合纹理图像。
2.根据权利要求1所述的方法,其特征在于,所述获取与第一人脸对应的源纹理图像,包括:
获取对第一人脸进行不同角度扫描所得到的、且多于一张的第一人脸图像;
对各角度的所述第一人脸图像进行融合处理,以生成与所述第一人脸对应的源纹理图像。
3.根据权利要求1所述的方法,其特征在于,所述对所述源纹理图像和各所述备用纹理图像各自包括的部件区域进行人脸组合,以确定各所述备用纹理图像中用于组合成新的人脸的目标部件区域,包括:
确定所述源纹理图像中待被替换的部件区域;
通过随机排列组合的方式,从各所述备用纹理图像中筛选出与所述待被替换的部件区域相匹配的、且用于组合成新的人脸的目标部件区域。
4.根据权利要求1所述的方法,其特征在于,所述分别基于各所述备用纹理图像中的目标部件区域,生成相对应的目标掩膜,包括:
对于每张备用纹理图像,确定与所述备用纹理图像中的各目标部件区域分别对应的局部掩膜;
对于每张备用纹理图像,叠加所述备用纹理图像中各目标部件区域所对应的局部掩膜,得到与相应备用纹理图像对应的目标掩膜。
5.根据权利要求1所述的方法,其特征在于,所述对所述源纹理图像、各所述备用纹理图像和相对应的目标掩膜进行融合处理,得到与所述新的人脸对应的融合纹理图像,包括:
基于所述源纹理图像构建对应的第一拉普拉斯金字塔,基于各所述备用纹理图像分别构建对应的第二拉普拉斯金字塔,并基于各所述目标掩膜构建对应的第一高斯金字塔;
对所述第一拉普拉斯金字塔、所述第二拉普拉斯金字塔和所述第一高斯金字塔进行融合处理,得到融合纹理图像;所述融合纹理图融合了各所述备用纹理图像中目标部件区域中的图像信息。
6.根据权利要求5所述的方法,其特征在于,所述对所述第一拉普拉斯金字塔、所述第二拉普拉斯金字塔和所述第一高斯金字塔进行融合处理,得到融合纹理图像,包括:
通过所述第一高斯金字塔每层的掩膜图像,将所述第一拉普拉斯金字塔和所述第二拉普拉斯金字塔中相应层的图像融合成对应的第一融合图像;
从融合后的顶层的第一融合图像开始,逐层上采样后叠加下一层的第一融合图像,直至叠加至底层的第一融合图像为止,输出叠加后得到的融合纹理图像。
7.根据权利要求6所述的方法,其特征在于,所述通过所述第一高斯金字塔每层的掩膜图像,将所述第一拉普拉斯金字塔和第二拉普拉斯金字塔中相应层的图像融合成对应的第一融合图像,包括:
对于每一层,确定与各所述第一高斯金字塔中相应层的掩膜图像总和相反的第一反掩膜图像,并将所述第一拉普拉斯金字塔中相应层的图像与所述第一反掩膜图像相乘,得到第一图像;
对于每一层,将各所述第二拉普拉斯金字塔中相应层的图像与对应的第一高斯金字塔中相应层的掩膜图像相乘得到第二图像;
对于每一层,将相应层对应的所述第一图像和所述第二图像进行加权融合,得到该层对应的第一融合图像。
8.根据权利要求1至7任一项所述的方法,其特征在于,所述方法还包括:
确定所述融合纹理图像中与所述源纹理图像对应的保留部件区域、以及与所述备用纹理图像对应的目标部件区域;
将所述融合纹理图像从第一色彩空间转换至第二色彩空间,并在所述第二色彩空间下根据所述保留部件区域的像素均值和标准差,调整所述目标部件区域中各像素的像素值,得到色彩分布均匀的融合纹理图像;其中,所述第二色彩空间为亮度色度空间。
9.根据权利要求1至7任一项所述的方法,其特征在于,所述方法还包括:
获取目标肤色图像;
在第二色彩空间下,基于所述目标肤色图像对应的目标像素值,调整所述融合纹理图像中各像素对应的像素值,得到初步转换肤色的第一中间纹理图像;
对所述第一中间纹理图像中与亮度通道对应的通道图像进行标准化处理和归一化处理,得到第一肤色掩膜;
基于所述第一肤色掩膜,融合所述第一中间纹理图像和所述融合纹理图像,得到目标纹理图像。
10.根据权利要求9所述的方法,其特征在于,所述基于所述第一肤色掩膜,融合所述第一中间纹理图像和所述融合纹理图像,得到目标纹理图像,包括:
基于所述第一中间纹理图像构建对应的第三拉普拉斯金字塔,基于所述融合纹理图像构建对应的第四拉普拉斯金字塔,并基于所述第一肤色掩膜构建对应的第二高斯金字塔;
通过所述第二高斯金字塔每层的掩膜图像,将所述第三拉普拉斯金字塔和所述第四拉普拉斯金字塔中相应层的图像融合成对应的第二融合图像;
从融合后的顶层的第二融合图像开始,逐层上采样后叠加下一层的第二融合图像,直至叠加至底层的第二融合图像为止,输出叠加后得到的目标纹理图像。
11.根据权利要求10所述的方法,其特征在于,所述通过所述第二高斯金字塔每层的掩膜图像,将所述第三拉普拉斯金字塔和第四拉普拉斯金字塔中相应层的图像融合成对应的第二融合图像,包括:
对于每一层,将所述第三拉普拉斯金字塔中相应层的图像与所述第二高斯金字塔中相应层的掩膜图像相乘得到第三图像;
对于每一层,确定与所述第二高斯金字塔中相应层的掩膜图像总和相反的第二反掩膜图像,并将所述第四拉普拉斯金字塔中相应层的图像与所述第二反掩膜图像相乘,得到第四图像;
对于每一层,将相应层对应的所述第三图像和所述第四图像进行加权融合,得到该层对应的第二融合图像。
12.根据权利要求1-7任一项所述的方法,其特征在于,所述方法还包括:
获取目标肤色图像;
在第二色彩空间下,基于所述目标肤色图像对应的目标像素值,调整人脸纹理图像中各像素对应的像素值,得到初步转换肤色的第二中间纹理图像;
对所述第二中间纹理图像中与亮度通道对应的通道图像进行标准化处理和归一化处理,得到第二肤色掩膜;
基于所述第二肤色掩膜,融合所述第二中间纹理图像和所述人脸纹理图像,得到备用纹理图像。
13.一种人脸纹理图像生成装置,包括:
获取模块,用于获取与第一人脸对应的源纹理图像;
所述获取模块,还用于获取至少一张的备用纹理图像;所述备用纹理图像对应于至少一个第二人脸,且所述第二人脸不同于所述第一人脸;所述源纹理图像和所述备用纹理图像分别包括对应的多个部件区域;
确定模块,用于对所述源纹理图像和各所述备用纹理图像各自包括的部件区域进行人脸组合,以确定各所述备用纹理图像中用于组合成新的人脸的目标部件区域;
生成模块,用于分别基于各所述备用纹理图像中的目标部件区域,生成相对应的目标掩膜;
融合模块,用于对所述源纹理图像、各所述备用纹理图像和相对应的目标掩膜进行融合处理,得到与所述新的人脸对应的融合纹理图像。
14.一种计算机设备,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12中任一项所述的方法的步骤。
15.一种计算机可读存储介质,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12中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010225137.2A CN111445564B (zh) | 2020-03-26 | 2020-03-26 | 人脸纹理图像生成方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010225137.2A CN111445564B (zh) | 2020-03-26 | 2020-03-26 | 人脸纹理图像生成方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111445564A true CN111445564A (zh) | 2020-07-24 |
CN111445564B CN111445564B (zh) | 2023-10-27 |
Family
ID=71650839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010225137.2A Active CN111445564B (zh) | 2020-03-26 | 2020-03-26 | 人脸纹理图像生成方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111445564B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111931772A (zh) * | 2020-09-18 | 2020-11-13 | 平安科技(深圳)有限公司 | 医学图像处理方法、装置、设备及存储介质 |
CN112215776A (zh) * | 2020-10-20 | 2021-01-12 | 咪咕文化科技有限公司 | 人像磨皮方法、电子设备和计算机可读存储介质 |
CN112465717A (zh) * | 2020-11-25 | 2021-03-09 | 北京字跳网络技术有限公司 | 脸部图像处理模型训练方法、装置、电子设备和介质 |
CN112767268A (zh) * | 2021-01-14 | 2021-05-07 | 北京迈格威科技有限公司 | 人物图像处理方法及装置、电子设备、存储介质 |
CN112884637A (zh) * | 2021-01-29 | 2021-06-01 | 北京市商汤科技开发有限公司 | 特效生成方法、装置、设备及存储介质 |
CN113469903A (zh) * | 2021-06-11 | 2021-10-01 | 维沃移动通信有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN113837925A (zh) * | 2021-09-02 | 2021-12-24 | 广州繁星互娱信息科技有限公司 | 人脸素材融合方法和装置、存储介质及电子设备 |
CN114007099A (zh) * | 2021-11-04 | 2022-02-01 | 北京搜狗科技发展有限公司 | 一种视频处理方法、装置和用于视频处理的装置 |
WO2022143921A1 (zh) * | 2020-12-31 | 2022-07-07 | 华为技术有限公司 | 一种图像重建方法、相关装置及系统 |
TWI779784B (zh) * | 2021-08-19 | 2022-10-01 | 中華電信股份有限公司 | 特徵解析系統、方法及其電腦可讀媒介 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069746A (zh) * | 2015-08-23 | 2015-11-18 | 杭州欣禾圣世科技有限公司 | 基于局部仿射和颜色迁移技术的视频实时人脸替换方法及其系统 |
CN107146199A (zh) * | 2017-05-02 | 2017-09-08 | 厦门美图之家科技有限公司 | 一种人脸图像的融合方法、装置及计算设备 |
US20180204052A1 (en) * | 2015-08-28 | 2018-07-19 | Baidu Online Network Technology (Beijing) Co., Ltd. | A method and apparatus for human face image processing |
CN108509915A (zh) * | 2018-04-03 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 人脸识别模型的生成方法和装置 |
CN109859098A (zh) * | 2019-01-15 | 2019-06-07 | 深圳市云之梦科技有限公司 | 人脸图像融合方法、装置、计算机设备及可读存储介质 |
CN110443230A (zh) * | 2019-08-21 | 2019-11-12 | 北京百度网讯科技有限公司 | 人脸融合方法、装置以及电子设备 |
CN110889381A (zh) * | 2019-11-29 | 2020-03-17 | 广州华多网络科技有限公司 | 换脸方法、装置、电子设备及存储介质 |
-
2020
- 2020-03-26 CN CN202010225137.2A patent/CN111445564B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069746A (zh) * | 2015-08-23 | 2015-11-18 | 杭州欣禾圣世科技有限公司 | 基于局部仿射和颜色迁移技术的视频实时人脸替换方法及其系统 |
US20180204052A1 (en) * | 2015-08-28 | 2018-07-19 | Baidu Online Network Technology (Beijing) Co., Ltd. | A method and apparatus for human face image processing |
CN107146199A (zh) * | 2017-05-02 | 2017-09-08 | 厦门美图之家科技有限公司 | 一种人脸图像的融合方法、装置及计算设备 |
CN108509915A (zh) * | 2018-04-03 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 人脸识别模型的生成方法和装置 |
CN109859098A (zh) * | 2019-01-15 | 2019-06-07 | 深圳市云之梦科技有限公司 | 人脸图像融合方法、装置、计算机设备及可读存储介质 |
CN110443230A (zh) * | 2019-08-21 | 2019-11-12 | 北京百度网讯科技有限公司 | 人脸融合方法、装置以及电子设备 |
CN110889381A (zh) * | 2019-11-29 | 2020-03-17 | 广州华多网络科技有限公司 | 换脸方法、装置、电子设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
盖赟等: "基于重采样的三维人脸样本扩充", 《北京工业大学学报》 * |
盖赟等: "基于重采样的三维人脸样本扩充", 《北京工业大学学报》, no. 05, 10 May 2013 (2013-05-10), pages 730 - 734 * |
阳策;李重;任义;刘恒;: "基于标准肤色的人脸图像纹理合成与三维重建应用", 计算机系统应用, no. 05, pages 28 - 34 * |
陈淑清: "一种改进的图像无缝拼接算法", 《武夷学院学报》 * |
陈淑清: "一种改进的图像无缝拼接算法", 《武夷学院学报》, no. 6, 28 June 2016 (2016-06-28), pages 65 - 69 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111931772A (zh) * | 2020-09-18 | 2020-11-13 | 平安科技(深圳)有限公司 | 医学图像处理方法、装置、设备及存储介质 |
WO2022057312A1 (zh) * | 2020-09-18 | 2022-03-24 | 平安科技(深圳)有限公司 | 医学图像处理方法、装置、设备及存储介质 |
CN112215776A (zh) * | 2020-10-20 | 2021-01-12 | 咪咕文化科技有限公司 | 人像磨皮方法、电子设备和计算机可读存储介质 |
CN112465717A (zh) * | 2020-11-25 | 2021-03-09 | 北京字跳网络技术有限公司 | 脸部图像处理模型训练方法、装置、电子设备和介质 |
WO2022143921A1 (zh) * | 2020-12-31 | 2022-07-07 | 华为技术有限公司 | 一种图像重建方法、相关装置及系统 |
CN112767268A (zh) * | 2021-01-14 | 2021-05-07 | 北京迈格威科技有限公司 | 人物图像处理方法及装置、电子设备、存储介质 |
CN112884637A (zh) * | 2021-01-29 | 2021-06-01 | 北京市商汤科技开发有限公司 | 特效生成方法、装置、设备及存储介质 |
CN113469903A (zh) * | 2021-06-11 | 2021-10-01 | 维沃移动通信有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
WO2022258013A1 (zh) * | 2021-06-11 | 2022-12-15 | 维沃移动通信有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
TWI779784B (zh) * | 2021-08-19 | 2022-10-01 | 中華電信股份有限公司 | 特徵解析系統、方法及其電腦可讀媒介 |
CN113837925A (zh) * | 2021-09-02 | 2021-12-24 | 广州繁星互娱信息科技有限公司 | 人脸素材融合方法和装置、存储介质及电子设备 |
CN114007099A (zh) * | 2021-11-04 | 2022-02-01 | 北京搜狗科技发展有限公司 | 一种视频处理方法、装置和用于视频处理的装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111445564B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111445564B (zh) | 人脸纹理图像生成方法、装置、计算机设备和存储介质 | |
CN111445410B (zh) | 基于纹理图像的纹理增强方法、装置、设备和存储介质 | |
CN109859098B (zh) | 人脸图像融合方法、装置、计算机设备及可读存储介质 | |
CN109829930B (zh) | 人脸图像处理方法、装置、计算机设备及可读存储介质 | |
CN107808136B (zh) | 图像处理方法、装置、可读存储介质和计算机设备 | |
US9142054B2 (en) | System and method for changing hair color in digital images | |
WO2019101113A1 (zh) | 一种图像融合方法及其设备、存储介质、终端 | |
CN108537749B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
US20180204051A1 (en) | Facial image processing apparatus, facial image processing method, and non-transitory computer-readable storage medium | |
Wang et al. | Deeplens: Shallow depth of field from a single image | |
CN111127591B (zh) | 图像染发处理方法、装置、终端和存储介质 | |
WO2018082185A1 (zh) | 图像处理方法和装置 | |
CN107730446A (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
CN110248242B (zh) | 一种图像处理和直播方法、装置、设备和存储介质 | |
CN110503599B (zh) | 图像处理方法和装置 | |
CN110430403A (zh) | 一种图像处理方法和装置 | |
WO2017182789A1 (en) | Blending images | |
CN111836058B (zh) | 用于实时视频播放方法、装置、设备以及存储介质 | |
CN110730303B (zh) | 图像染发处理方法、装置、终端和存储介质 | |
CN111275804B (zh) | 图像光照去除方法、装置、存储介质和计算机设备 | |
US20240013358A1 (en) | Method and device for processing portrait image, electronic equipment, and storage medium | |
KR101513931B1 (ko) | 구도의 자동보정 방법 및 이러한 구도의 자동보정 기능이 탑재된 영상 장치 | |
WO2021128593A1 (zh) | 人脸图像处理的方法、装置及系统 | |
CN114862729A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN114155569B (zh) | 一种化妆进度检测方法、装置、设备及存储介质 |
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: 40025852 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |