CN111882497A - 一种图像矫正方法、拍摄方法、终端及计算机存储介质 - Google Patents
一种图像矫正方法、拍摄方法、终端及计算机存储介质 Download PDFInfo
- Publication number
- CN111882497A CN111882497A CN202010659787.8A CN202010659787A CN111882497A CN 111882497 A CN111882497 A CN 111882497A CN 202010659787 A CN202010659787 A CN 202010659787A CN 111882497 A CN111882497 A CN 111882497A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- human head
- image area
- contour
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000003702 image correction Methods 0.000 title claims abstract description 14
- 238000012937 correction Methods 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 26
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 230000002093 peripheral effect Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 12
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000013507 mapping Methods 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002924 energy minimization method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000036548 skin texture Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种图像矫正方法、拍摄方法、终端及计算机存储介质,图像矫正方法包括:识别第一图像中的人头轮廓,对人头轮廓内的图像区域进行矫正,将矫正后的图像区域贴至指定图像中,得到第二图像。本申请通过捕捉人头轮廓的方式对图像进行矫正,算法简单,矫正效果好,有效改善图像中人脸变形的现象。
Description
技术领域
本申请涉及图像处理领域,具体涉及一种图像矫正方法、拍摄方法、终端及计算机存储介质。
背景技术
相片在成像的时采用的透视投影,是指空间任意直线均通过一固定点(投影中心)投射到一平面(承影面)上而形成的透视关系。在保证直线的前提下,通过透视投影形成的图像,边缘会丢掉一些角度信息,如果人脸出现在图像的边缘则会产生畸变,使人脸变大。传统图像矫正的算法以人脸检测为主,但是检测出来的人脸区域不够完整,使后续对人像的调整效果不自然。因此,基于移动终端有限的算力,提出一种算法简单、矫正效果好的图像矫正方法十分必要。
前面的叙述在于提供一般的背景信息,并不一定构成现有技术。
发明内容
针对上述技术问题,本申请提供一种图像矫正方法、拍摄方法、终端及计算机存储介质,可以通过简单算法有效改善图像中人脸变形的现象。
为达到上述技术效果,本申请提供一种图像矫正方法,包括:
识别第一图像中的人头轮廓;
对所述人头轮廓内的图像区域进行矫正;
将矫正后的图像区域回贴至所述第一图像中,得到第二图像。
其中,所述识别第一图像中的人头轮廓,包括:
使用卷积神经网络算法捕捉人头轮廓特征及皮肤特征以识别出第一图像中的人头轮廓。
其中,所述对所述人头轮廓内的图像区域进行矫正,包括:
对所述人头轮廓进行多边形处理,提取所述多边形内的图像区域;
对提取的图像区域进行球面投影矫正。
其中,所述将矫正后的图像区域回贴至所述第一图像中,得到第二图像,包括:
将所述矫正后的图像区域贴至所述第一图像中对应人头轮廓的区域;
对所述矫正后的图像区域与所述人头轮廓的区域的非重合区,使用对周边环境变形处理后的像素进行填补,得到第二图像。
其中,所述方法,还包括:
在显示所述第二图像的同时,显示所述第一图像。
其中,将矫正后的图像区域贴至指定图像中,得到第二图像,包括
根据操作选取指定图像并显示所述指定图像中的人头轮廓;
将矫正后的图像区域贴至所述指定图像中人头轮廓内的图像区域中,得到第二图像。
其中,识别第一图像中的人头轮廓之前,还包括:
采集同一场景的至少两帧图像;
根据接收的操作从所述至少两帧图像选择至少一图像作为所述第一图像。
其中,对所述人头轮廓内的图像区域进行矫正,包括:
根据选择操作从识别出的人头轮廓中选择一人头轮廓;
对选择的人头轮廓内的图像区域进行矫正。
本申请还提供一种拍摄方法,包括:
采集同一场景的至少两帧图像;
接收用户从所述至少两帧图像中选取的第一图像,标识出所述第一图像中的人头轮廓;
对用户选择的目标人头轮廓内的图像区域进行矫正;
将矫正后的图像区域贴至指定图像中,得到第二图像。
其中,所述识别第一图像中的人头轮廓,并对所述人头轮廓内的图像区域进行矫正,包括:
标识出所述第一图像中的人头轮廓;
根据确认矫正的操作对所述人头轮廓内的图像区域进行矫正。
其中,所述方法,包括:
在单人自拍模式下,当所述第二图像与所述第一图像的差异超出预设值时,发出预警;和/或,
同时显示所述第一图像和所述第二图像。
其中,将矫正后的图像区域贴至指定图像中,得到第二图像,包括:
将所述矫正后的图像区域贴至所述指定图像中对应人头轮廓的区域;
对所述矫正后的图像区域与所述人头轮廓的区域的非重合区,使用对周边环境变形处理后的像素进行填补,得到第二图像。
其中,采集同一场景的至少两帧图像,还包括:
采集同一场景的至少两帧图像;
识别所述至少两帧图像中各帧图像的人头轮廓,并对所述人头轮廓内的图像区域进行矫正;
显示用户从矫正后的至少两帧图像中选取的图像。
其中,识别所述至少两帧图像中的人头轮廓,并对所述人头轮廓内的图像区域进行矫正,包括:
标识出所述至少两帧图像中的人头轮廓;
根据确认矫正的操作对所述人头轮廓内的图像区域进行矫正。
其中,识别所述至少两帧图像中各帧图像的人头轮廓,并对所述人头轮廓内的图像区域进行矫正,包括:
使用卷积神经网络算法捕捉人头轮廓特征及皮肤特征以识别出所述各帧图像中的人头轮廓;
对所述人头轮廓进行多边形处理,提取所述多边形内的图像区域;
对提取的图像区域进行球面投影矫正。
其中,对所述人头轮廓内的图像区域进行矫正,还包括:
将所述矫正后的图像区域贴至所述各帧图像中对应人头轮廓的区域;
对所述矫正后的图像区域与所述人头轮廓的区域的非重合区,使用对周边环境变形处理后的像素进行填补。
本申请还提供一种终端,包括存储器与处理器,所述存储器用于存储至少一条程序指令,所述处理器用于通过加载并执行所述至少一条程序指令以实现如上所述的图像矫正方法,和/或,拍摄方法。
本申请还提供一种计算机存储介质,所述计算机存储介质上存储有计算机程序指令;所述计算机程序指令被处理器执行时实现如上所述的图像矫正方法,和/或,拍摄方法。
如上所述,本申请的图像矫正方法、拍摄方法、终端及计算机存储介质,图像矫正方法包括:识别第一图像中的人头轮廓,对人头轮廓内的图像区域进行矫正,将矫正后的图像区域贴至第一图像中,得到第二图像。本申请通过捕捉人头轮廓的方式对图像进行矫正,算法简单,矫正效果好,有效改善图像中人脸变形的现象。
附图说明
图1是根据第一实施例示出的图像矫正方法的流程示意图;
图2是根据第一实施例示出的图像矫正方法的具体流程示意图;
图3是根据第二实施例示出的拍摄方法的流程示意图;
图4是根据第二实施例示出的拍摄方法的单人自拍模式流程图;
图5是根据第二实施例示出的拍摄方法的多人自拍模式流程图;
图6是根据第三实施例示出的终端的结构示意图之一;
图7是图6所示终端的结构示意图之二。
具体实施方式
以下由特定的具体实施例说明本申请的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。
在下述描述中,参考附图,附图描述了本申请的若干实施例。应当理解,还可使用其他实施例,并且可以在不背离本申请的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的。这里使用的术语仅是为了描述特定实施例,而并非旨在限制本申请。
第一实施例
图1是根据第一实施例示出的图像矫正方法的流程示意图。请参考图1,本实施例的图像矫正方法,包括:
步骤201:识别第一图像中的人头轮廓;
步骤202:对人头轮廓内的图像区域进行矫正;
步骤203:将矫正后的图像区域回贴至第一图像中,得到第二图像。
本实施例中,针对透视投影成像导致边缘区域人像变形的第一图像,通过神经网络算法识别第一图像中的人头轮廓,然后对第一图像中人头轮廓内的图像区域进行矫正,最后将矫正后的图像区域回贴至第一图像中,以得到人像区域正常显示的第二图像。
本申请可使用卷积神经网络算法识别第一图像中的人头轮廓。神经网络的本质是通过参数与激活函数来拟合特征和目标之间的真实函数关系,其中,卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,适用于处理大型图像。CNN的基本结构包括两层,其一为特征提取层,每个神经元的输入与前一层的局部接受域相连,并提取该局部的特征。一旦该局部特征被提取后,它与其它特征间的位置关系也随之确定下来;其二是特征映射层,网络的每个计算层由多个特征映射组成,每个特征映射是一个平面,平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数,使得特征映射具有位移不变性。此外,由于一个映射面上的神经元共享权值,因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层,这种特有的两次特征提取结构减小了特征分辨率。CNN主要用来识别位移、缩放及其他形式扭曲不变性的二维图形,该部分功能主要由池化层实现。由于CNN的特征检测层通过训练数据进行学习,所以在使用CNN时,避免了显式的特征抽取,而隐式地从训练数据中进行学习;再者由于同一特征映射面上的神经元权值相同,所以网络可以并行学习,这也是卷积网络相对于神经元彼此相连网络的一大优势。卷积神经网络以其局部权值共享的特殊结构在语音识别和图像处理方面有着独特的优越性,其布局更接近于实际的生物神经网络,权值共享降低了网络的复杂性,特别是多维输入向量的图像可以直接输入网络这一特点避免了特征提取和分类过程中数据重建的复杂度。
具体地,本实施例可通过如下过程实现:
一、人头检测
使用CNN的方法训练人头检测网络,通过捕捉人头轮廓特征及皮肤特征以识别出第一图像中的人头轮廓。在做训练模型时,识别人头轮廓特征包括识别图像中的正脸,侧脸等,只要不是完全背对着的相机的人头的数据都可以作为训练样本,输入神经网络中进行训练。同时识别皮肤特征可通过识别多种肤色及皮肤质地来实现,这样使人脸有裸露的皮肤及人头轮廓就可以被发现并检测到。这样训练出来的网络自然可以达到对有裸露皮肤的人头进行有效检测,捕捉较少的特征点即可识别出人像区域,对设备算力要求不高且人像捕捉的准确度高。
二、人头轮廓检测
通过神经网络算法将检测到的人头的轮廓形成多边形,可以使用不同的算法设计实现。对人头轮廓进行多边形处理后,提取多边形内的图像区域,人头检测以后形成的轮廓的点有序列编号,只需要将点按照编号连起来,形成一个封闭多边形即可。在本案中,识别的人头的轮廓包括女士的长发。
三、人头抠图并变形
针对(二)形成的多边形,进行球面投影,从而将人头的形状回复正常。具体地,对提取的图像区域进行球面投影矫正,以实现对人头轮廓内的图像区域进行矫正。球面投影属于等角透视方位投影之一,承影面切于球面,视点位于切点的对点上,投影平面垂直于过视点的直径。可选用半球形结构对图像进行修复,将图像校正为180度视角空间,即获取图像在半球面上的投影图像,在垂直于投影图像的方向对投影图像进行校正,获得新的投影图像,再将先的头像图像调整回平面的投影图像,以获得最终的矫正图像。运算复杂度低,能够快速对图像进行处理并得到较好的矫正效果。
四、图像融合
然后,将矫正后的图像区域回贴至第一图像中,得到第二图像。将矫正后的图像区域回贴至第一图像中对应人头轮廓的区域,对矫正后的图像区域与人头轮廓的区域的非重合区,使用对周边环境变形处理后的像素进行填补。
人头的图像回贴以后,会有一些区域产生了孔洞,此时需要将周围环境的像素通过变形的方式回贴回来,比较多的如能量最小化方法等。比较简单的操作方法是逐行扫描孔洞区域,按该行孔洞的大小,使用双线性插值的方法进行resize之后填充至孔洞和原区域。这样即保证了孔洞的填充,也尽量使得边缘背景区域不变形。
五、完成图像输出
完成图像矫正后显示图像时,可以在显示第二图像的同时显示第一图像。为了使用户获得一个直观的感受,可以保存两张图片。一张为原图,一张为本案修正过的图片,从而给用户带来更直观的感受。
图2是根据第一实施例示出的图像矫正方法的具体流程示意图。请参考图2,图像矫正方法启动后,首先检测图像中是否有人头,可通过神经网络算法捕捉皮肤特征及人头特征实现人头检测,若有,则仅需人头轮廓检测及人头多边形抠图,提取出待处理的人头轮廓内的图像区域。然后对人头轮廓的图像区域进行球面投影,以矫正图像区域,获得正常显示的人头轮廓。接着,将矫正后的包含人头轮廓的图像区域回贴至原图的人头轮廓的图像区域。经过矫正的人头轮廓区域和原人头轮廓图像区域不能完全重合,因此需要处理原人头轮廓区域与新的人头轮廓区域之间丢失的部分,可通过微调人头轮廓周边环境的像素补全图像画面,然后输出修复后的图像。
在一实施方式中,识别第一图像中的人头轮廓之前,还可采集同一场景的至少两帧图像,根据接收的操作从至少两帧图像选择至少一图像作为第一图像。对人头轮廓内的图像区域进行矫正时,根据选择操作从识别出的人头轮廓中选择一人头轮廓,对选择的人头轮廓内的图像区域进行矫正。将矫正后的图像区域贴至指定图像中,得到第二图像。可根据用户的操作选取指定图像并显示指定图像中的人头轮廓,然后将矫正后的图像区域贴至指定图像中人头轮廓内的图像区域中,得到第二图像。
本实施例的图像矫正方法,识别第一图像中的人头轮廓,对人头轮廓内的图像区域进行矫正,将矫正后的图像区域回贴至第一图像中,得到第二图像。通过神经网络算法捕捉人头轮廓的方式,以简单算法有效改善了图像中人脸变形的现象。
第二实施例
图3是根据第二实施例示出的拍摄方法的流程示意图。请参考图3,本实施例的拍摄方法,包括:
步骤301:采集同一场景的至少两帧图像。
步骤302:识别第一图像中的人头轮廓,并对人头轮廓内的图像区域进行矫正;
步骤303:根据矫正结果显示第二图像。
本实施例中,可通过拍照或录制视频获得第一图像。接着,识别出第一图像中的人头轮廓后,并对人头轮廓内的图像区域进行矫正。矫正过程中,可先标识出第一图像中的人头轮廓,然后由用户确认是否对标识出的人头轮廓区域进行矫正,如是,则根据确认矫正的操作对人头轮廓内的图像区域进行矫正。如标识出的第一图像中的人头轮廓不符合用户预期或标识不准确时,则可由用户调整后再进行矫正,提高了用户体验和修图效果。
在一实施方式中,通过拍摄采集第一图像后,识别第一图像中的人头轮廓,并对人头轮廓内的图像区域进行矫正,然后根据矫正结果显示第二图像。其中,对人头轮廓内的图像区域进行矫正时,可标识出第一图像中的人头轮廓,第一图像中的人头轮廓可以是一个或是多个。然后根据用户点击的确认矫正的操作或选择的人头轮廓对人头轮廓内的图像区域进行矫正,根据用户的不同需求实现个性化的图像矫正。
在一实施方式中,识别第一图像中的人头轮廓,可通过卷积神经网络算法捕捉人头轮廓特征及皮肤特征来识别出第一图像中的人头轮廓。然后,对人头轮廓进行多边形处理,提取多边形内的图像区域,对提取的图像区域进行球面投影矫正。将矫正后的图像区域回贴至第一图像中对应人头轮廓的区域,对矫正后的图像区域与人头轮廓的区域的非重合区,使用对周边环境变形处理后的像素进行填补,得到第二图像。
本实施例的拍摄方法可分为单人自拍模式和多人自拍模式。
图4是根据第二实施例示出的拍摄方法的单人自拍模式流程图。请参考图4,在单人自拍模式下,用户打开自拍模式并打开自拍预警。拍摄完成后检测图像内是否有人头,若是,则检测人头轮廓以确认人头轮廓所在的区域。然后对图像中人头轮廓的区域进行多边形抠图,获得的多边形抠图继续进行球面投影处理以矫正人头轮廓的图像区域。将矫正后的人头轮廓回贴至原图,并处理矫正后的人头轮廓区域与原人头轮廓区域之间丢失的部分,完善图像细节。矫正完成后对比原图与修正图之间的差异,当修正图像与原图像的差异超出预设值时,发出预警,以提醒用户检测确认拍摄效果。
图5是根据第二实施例示出的拍摄方法的多人自拍模式流程图。请参考图5,用户打开多人自拍模式,拍摄完成后检测图像内是否有人头,若是,则检测人头轮廓以确认人头轮廓所在的区域。然后对图像中人头轮廓的区域进行多边形抠图,获得的多边形抠图继续进行球面投影处理以矫正人头轮廓的图像区域。将矫正后的人头轮廓回贴至原图,并处理矫正后的人头轮廓区域与原人头轮廓区域之间丢失的部分,完善图像细节。矫正完成后同时显示第一图像和第二图像,以提醒用户检测确认拍摄效果。
本实施例的拍摄方法,采集第一图像,识别第一图像中的人头轮廓,并对人头轮廓内的图像区域进行矫正,然后根据矫正结果显示第二图像。本申请通过捕捉人头轮廓的方式对图像进行矫正,算法简单,矫正效果好,有效改善图像中人脸变形的现象。
第三实施例
图6是根据第三实施例示出的终端的结构示意图之一。请参考图6,本实施例的终端10包括存储器102与处理器106,存储器102用于存储至少一条程序指令,处理器106用于通过加载并执行至少一条程序指令以实现第一实施例的图像矫正方法,和/或,第二实施例拍摄方法。其中,处理器106实现的图像矫正方法包括:
识别第一图像中的人头轮廓;
对人头轮廓内的图像区域进行矫正;
将矫正后的图像区域回贴至第一图像中,得到第二图像。
在一实施方式中,处理器106执行识别第一图像中的人头轮廓的步骤,包括:
使用卷积神经网络算法捕捉人头轮廓特征及皮肤特征以识别出第一图像中的人头轮廓。
在一实施方式中,处理器106对人头轮廓内的图像区域进行矫正,包括:
对人头轮廓进行多边形处理,提取多边形内的图像区域;
对提取的图像区域进行球面投影矫正。
在一实施方式中,处理器106将矫正后的图像区域回贴至第一图像中,得到第二图像,包括:
将矫正后的图像区域回贴至第一图像中对应人头轮廓的区域;
对矫正后的图像区域与人头轮廓的区域的非重合区,使用对周边环境变形处理后的像素进行填补,得到第二图像。
在一实施方式中,处理器106还用于:
在显示第二图像的同时,显示第一图像。
处理器106实现的拍摄方法包括:
采集第一图像;
识别第一图像中的人头轮廓,并对人头轮廓内的图像区域进行矫正;
根据矫正结果显示第二图像。
在一实施方式中,处理器106执行识别第一图像中的人头轮廓,并对人头轮廓内的图像区域进行矫正的步骤,包括:
标识出第一图像中的人头轮廓;
根据确认矫正的操作对人头轮廓内的图像区域进行矫正。
在一实施方式中,处理器106还用于:
在单人自拍模式下,当第二图像与第一图像的差异超出预设值时,发出预警;和/或,
同时显示第一图像和第二图像。
本实施例的具体实现过程可参考第一实施例和第二实施例中的相关描述,在此不再赘述。
请参考图7,实际实现时,终端10包括存储器102、存储控制器104,一个或多个(图中仅示出一个)处理器106、外设接口108、射频模块150、定位模块112、摄像模块114、音频模块116、屏幕118以及按键模块160。这些组件通过一条或多条通讯总线/信号线122相互通讯。
可以理解,图7所示的结构仅为示意,终端10还可包括比图6中所示更多或者更少的组件,或者具有与图7所示不同的配置。图7中所示的各组件可以采用硬件、软件或其组合实现。
存储器102可用于存储软件程序以及模块,如本申请实施例中的图像矫正方法和/或拍摄方法对应的程序指令/模块,处理器106通过运行存储在存储控制器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的图像矫正方法和/或拍摄方法。
存储器102可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器102可进一步包括相对于处理器106远程设置的存储器,这些远程存储器可以通过网络连接至终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。处理器106以及其他可能的组件对存储器102的访问可在存储控制器104的控制下进行。
外设接口108将各种输入/输入装置耦合至CPU以及存储器102。处理器106运行存储器102内的各种软件、指令以执行终端10的各种功能以及进行数据处理。
在一些实施例中,外设接口108,处理器106以及存储控制器104可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
射频模块150用于接收以及发送电磁波,实现电磁波与电信号的相互转换,从而与通讯网络或者其他设备进行通讯。射频模块150可包括各种现有的用于执行这些功能的电路元件,例如,天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(SIM)卡、存储器等等。射频模块150可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。上述的无线网络可包括蜂窝式电话网、无线局域网或者城域网。上述的无线网络可以使用各种通信标准、协议及技术,包括但并不限于全球移动通信系统(Global System for Mobile Communication,GSM)、增强型移动通信技术(Enhanced Data GSM Environment,EDGE),宽带码分多址技术(wideband code divisionmultiple access,W-CDMA),码分多址技术(Code division access,CDMA)、时分多址技术(time division multiple access,TDMA),蓝牙,无线保真技术(Wireless Fidelity,WiFi)(如美国电气和电子工程师协会标准IEEE 802.11a,IEEE 802.11b,IEEE802.11g和/或IEEE 802.11n)、网络电话(Voice over Internet Protocol,VoIP)、全球微波互联接入(Worldwide Interoperability for Microwave Access,Wi-Max)、其他用于邮件、即时通讯及短消息的协议,以及任何其他合适的通讯协议,甚至可包括那些当前仍未被开发出来的协议。
定位模块112用于获取终端10的当前位置。定位模块112的实例包括但不限于全球卫星定位系统(GPS)、基于无线局域网或者移动通信网的定位技术。
摄像模块114用于拍摄照片或者视频。拍摄的照片或者视频可以存储至存储器102内,并可通过射频模块150发送。
音频模块116向用户提供音频接口,其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。音频电路从外设接口108处接收声音数据,将声音数据转换为电信息,将电信息传输至扬声器。扬声器将电信息转换为人耳能听到的声波。音频电路还从麦克风处接收电信息,将电信号转换为声音数据,并将声音数据传输至外设接口108中以进行进一步的处理。音频数据可以从存储器102处或者通过射频模块150获取。此外,音频数据也可以存储至存储器102中或者通过射频模块150进行发送。在一些实例中,音频模块116还可包括一个耳机播孔,用于向耳机或者其他设备提供音频接口。
屏幕118在终端10与用户之间提供一个输出界面。具体地,屏幕118向用户显示视频输出,这些视频输出的内容可包括文字、图形、视频、及其任意组合。一些输出结果是对应于一些用户界面对象。可以理解的,屏幕118还可以包括触控屏幕。触控屏幕在终端10与用户之间同时提供一个输出及输入界面。除了向用户显示视频输出,触控屏幕还接收用户的输入,例如用户的点击、滑动等手势操作,以便用户界面对象对这些用户的输入做出响应。检测用户输入的技术可以是基于电阻式、电容式或者其他任意可能的触控检测技术。触控屏幕显示单元的具体实例包括但并不限于液晶显示器或发光聚合物显示器。
按键模块160同样提供用户向终端10进行输入的接口,用户可以通过按下不同的按键以使终端10执行不同的功能。
本实施例的终端,识别第一图像中的人头轮廓,对人头轮廓内的图像区域进行矫正,将矫正后的图像区域回贴至第一图像中,得到第二图像。本申请通过捕捉人头轮廓的方式对图像进行矫正,算法简单,矫正效果好,有效改善图像中人脸变形的现象。
本申请还提供一种计算机存储介质,计算机存储介质上存储有计算机程序指令;计算机程序指令被处理器执行时实现如第一实施例的图像矫正方法,和/或,第二实施例的拍摄方法。
实际实现时,计算机存储介质应用于在图6或图7所示的终端中,从而有效改善图像中人脸变形的现象。
本实施例的计算机存储介质,被终端的处理器执行时实现的方法包括:识别第一图像中的人头轮廓,对人头轮廓内的图像区域进行矫正,将矫正后的图像区域回贴至第一图像中,得到第二图像。本申请通过捕捉人头轮廓的方式对图像进行矫正,算法简单,矫正效果好,有效改善图像中人脸变形的现象。
本申请实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序代码,当所述计算机程序代码在计算机上运行时,使得计算机执行如上各种可能的实施方式中所述的方法。
本申请实施例还提供一种芯片,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于从所述存储器中调用并运行所述计算机程序,使得安装有所述芯片的设备执行如上各种可能的实施方式中所述的方法。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素,此外,本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义,也可能具有不同含义,其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。
应当理解,尽管在本文可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本文范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语"如果"可以被解释成为"在……时"或"当……时"或"响应于确定"。再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
应该理解的是,虽然本申请实施例中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,其可以以其他的顺序执行。而且,图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子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,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (18)
1.一种图像矫正方法,其特征在于,包括:
识别第一图像中的人头轮廓;
对所述人头轮廓内的图像区域进行矫正;
将矫正后的图像区域贴至指定图像中,得到第二图像。
2.根据权利要求1所述的图像矫正方法,其特征在于,所述识别第一图像中的人头轮廓,包括:
使用卷积神经网络算法捕捉人头轮廓特征及皮肤特征以识别出第一图像中的人头轮廓。
3.根据权利要求1或2所述的图像矫正方法,其特征在于,所述对所述人头轮廓内的图像区域进行矫正,包括:
对所述人头轮廓进行多边形处理,提取所述多边形内的图像区域;
对提取的图像区域进行球面投影矫正。
4.根据权利要求1所述的图像矫正方法,其特征在于,所述将矫正后的图像区域贴至指定图像中,得到第二图像,包括:
将所述矫正后的图像区域贴至所述指定图像中对应人头轮廓的区域;
对所述矫正后的图像区域与所述人头轮廓的区域的非重合区,使用对周边环境变形处理后的像素进行填补,得到第二图像。
5.根据权利要求1所述的图像矫正方法,其特征在于,所述方法,还包括:
在显示所述第二图像的同时,显示所述第一图像。
6.根据权利要求1所述的图像矫正方法,其特征在于,所述将矫正后的图像区域贴至指定图像中,得到第二图像,包括
根据操作选取指定图像并显示所述指定图像中的人头轮廓;
将矫正后的图像区域贴至所述指定图像中人头轮廓内的图像区域中,得到第二图像。
7.根据权利要求1所述的图像矫正方法,其特征在于,所述识别第一图像中的人头轮廓之前,还包括:
采集同一场景的至少两帧图像;
根据接收的操作从所述至少两帧图像选择至少一图像作为所述第一图像。
8.根据权利要求1所述的图像矫正方法,其特征在于,所述对所述人头轮廓内的图像区域进行矫正,包括:
根据选择操作从识别出的人头轮廓中选择一人头轮廓;
对选择的人头轮廓内的图像区域进行矫正。
9.一种拍摄方法,其特征在于,包括:
采集同一场景的至少两帧图像;
接收从所述至少两帧图像中选取的第一图像,标识出所述第一图像中的人头轮廓;
对选择的目标人头轮廓内的图像区域进行矫正;
将矫正后的图像区域贴至指定图像中,得到第二图像。
10.根据权利要求9所述的拍摄方法,其特征在于,所述对选择的人头轮廓内的图像区域进行矫正,包括:
接收从所述第一图像中的人头轮廓中选择的目标人头轮廓;
对所述目标人头轮廓的图像区域进行矫正后,回贴至所述第一图像中对应人头轮廓的区域。
11.根据权利要求9所述的拍摄方法,其特征在于,所述将矫正后的图像区域贴至指定图像中,得到第二图像,包括:
根据操作选取指定图像并显示所述指定图像中的人头轮廓;
将矫正后的图像区域贴至所述指定图像中人头轮廓内的图像区域中,得到第二图像。
12.根据权利要求9所述的拍摄方法,其特征在于,所述将矫正后的图像区域贴至指定图像中,得到第二图像,包括:
将所述矫正后的图像区域贴至所述指定图像中对应人头轮廓的区域;
对所述矫正后的图像区域与所述人头轮廓的区域的非重合区,使用对周边环境变形处理后的像素进行填补,得到第二图像。
13.根据权利要求9所述的拍摄方法,其特征在于,所述采集同一场景的至少两帧图像,还包括:
识别所述至少两帧图像中各帧图像的人头轮廓,并对所述人头轮廓内的图像区域进行矫正;
显示从矫正后的至少两帧图像中选取的图像。
14.根据权利要求13所述的拍摄方法,其特征在于,所述识别所述至少两帧图像中的人头轮廓,并对所述人头轮廓内的图像区域进行矫正,包括:
标识出所述至少两帧图像中的人头轮廓;
根据确认矫正的操作对所述人头轮廓内的图像区域进行矫正。
15.根据权利要求13所述的拍摄方法,其特征在于,所述识别所述至少两帧图像中各帧图像的人头轮廓,并对所述人头轮廓内的图像区域进行矫正,包括:
使用卷积神经网络算法捕捉人头轮廓特征及皮肤特征以识别出所述各帧图像中的人头轮廓;
对所述人头轮廓进行多边形处理,提取所述多边形内的图像区域;
对提取的图像区域进行球面投影矫正。
16.根据权利要求13所述的拍摄方法,其特征在于,所述对所述人头轮廓内的图像区域进行矫正,还包括:
将所述矫正后的图像区域贴至所述各帧图像中对应人头轮廓的区域;
对所述矫正后的图像区域与所述人头轮廓的区域的非重合区,使用对周边环境变形处理后的像素进行填补。
17.一种终端,其特征在于,存储器和处理器;所述存储器存储有至少一条程序指令;所述处理器通过加载并执行所述至少一条程序指令以实现如权利要求1至8中任一项所述的图像矫正方法,和/或,如权利要求9至16中任一项所述的拍摄方法。
18.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令;所述计算机程序指令被处理器执行时实现如权利要求1至8中任一项所述的图像矫正方法,和/或,如权利要求9至16中任一项所述的拍摄方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010659787.8A CN111882497A (zh) | 2020-07-10 | 2020-07-10 | 一种图像矫正方法、拍摄方法、终端及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010659787.8A CN111882497A (zh) | 2020-07-10 | 2020-07-10 | 一种图像矫正方法、拍摄方法、终端及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111882497A true CN111882497A (zh) | 2020-11-03 |
Family
ID=73151172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010659787.8A Pending CN111882497A (zh) | 2020-07-10 | 2020-07-10 | 一种图像矫正方法、拍摄方法、终端及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111882497A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435445A (zh) * | 2021-07-05 | 2021-09-24 | 深圳市鹰硕技术有限公司 | 图像过优化自动纠正方法以及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110206258A1 (en) * | 2010-02-23 | 2011-08-25 | Shoupu Chen | Method and system for cone beam computed tomography high density object artifact reduction |
JP2019185616A (ja) * | 2018-04-16 | 2019-10-24 | Kddi株式会社 | 画像抽出装置、画像抽出方法及び画像抽出プログラム |
CN110414502A (zh) * | 2019-08-02 | 2019-11-05 | 泰康保险集团股份有限公司 | 图像处理方法及装置、电子设备和计算机可读介质 |
CN110784648A (zh) * | 2019-11-07 | 2020-02-11 | 维沃移动通信有限公司 | 一种图像处理方法和电子设备 |
-
2020
- 2020-07-10 CN CN202010659787.8A patent/CN111882497A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110206258A1 (en) * | 2010-02-23 | 2011-08-25 | Shoupu Chen | Method and system for cone beam computed tomography high density object artifact reduction |
JP2019185616A (ja) * | 2018-04-16 | 2019-10-24 | Kddi株式会社 | 画像抽出装置、画像抽出方法及び画像抽出プログラム |
CN110414502A (zh) * | 2019-08-02 | 2019-11-05 | 泰康保险集团股份有限公司 | 图像处理方法及装置、电子设备和计算机可读介质 |
CN110784648A (zh) * | 2019-11-07 | 2020-02-11 | 维沃移动通信有限公司 | 一种图像处理方法和电子设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435445A (zh) * | 2021-07-05 | 2021-09-24 | 深圳市鹰硕技术有限公司 | 图像过优化自动纠正方法以及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108776970B (zh) | 图像处理方法和装置 | |
CN109978936B (zh) | 视差图获取方法、装置、存储介质及设备 | |
US20210343041A1 (en) | Method and apparatus for obtaining position of target, computer device, and storage medium | |
CN109952594B (zh) | 图像处理方法、装置、终端及存储介质 | |
CN110706179B (zh) | 一种图像处理方法及电子设备 | |
US20220222893A1 (en) | Method and apparatus for generating three-dimensional face model, computer device, and storage medium | |
US11488293B1 (en) | Method for processing images and electronic device | |
CN110930329B (zh) | 星空图像处理方法及装置 | |
CN111145192B (zh) | 图像处理方法及电子设备 | |
US11120535B2 (en) | Image processing method, apparatus, terminal, and storage medium | |
CN112995467A (zh) | 图像处理方法、移动终端及存储介质 | |
CN113033341B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111028276A (zh) | 图像对齐方法、装置、存储介质及电子设备 | |
CN105574834B (zh) | 图像处理方法及装置 | |
CN112040202A (zh) | 场景识别方法、装置及存储介质 | |
WO2022063321A1 (zh) | 图像处理方法、装置、设备及存储介质 | |
CN110570370A (zh) | 图像信息的处理方法、装置、存储介质及电子设备 | |
CN111882497A (zh) | 一种图像矫正方法、拍摄方法、终端及计算机存储介质 | |
CN113642359B (zh) | 人脸图像生成方法、装置、电子设备及存储介质 | |
CN111428551A (zh) | 密度检测方法、密度检测模型训练方法和装置 | |
CN115358937B (zh) | 图像去反光方法、介质及电子设备 | |
CN114882226A (zh) | 图像处理方法、智能终端及存储介质 | |
CN110784648B (zh) | 一种图像处理方法和电子设备 | |
CN114298268A (zh) | 图像获取模型的训练方法、图像检测方法、装置及设备 | |
CN112115833B (zh) | 一种图片的活体检测及分类方法 |
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 |