CN111986212B - 一种人像发丝流动特效实现方法 - Google Patents

一种人像发丝流动特效实现方法 Download PDF

Info

Publication number
CN111986212B
CN111986212B CN202010844406.3A CN202010844406A CN111986212B CN 111986212 B CN111986212 B CN 111986212B CN 202010844406 A CN202010844406 A CN 202010844406A CN 111986212 B CN111986212 B CN 111986212B
Authority
CN
China
Prior art keywords
hair
point
image
hairline
point set
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
Application number
CN202010844406.3A
Other languages
English (en)
Other versions
CN111986212A (zh
Inventor
胡耀武
樊伟富
李云夕
熊永春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Xiaoying Innovation Technology Co ltd
Original Assignee
Hangzhou Xiaoying Innovation Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Xiaoying Innovation Technology Co ltd filed Critical Hangzhou Xiaoying Innovation Technology Co ltd
Priority to CN202010844406.3A priority Critical patent/CN111986212B/zh
Publication of CN111986212A publication Critical patent/CN111986212A/zh
Application granted granted Critical
Publication of CN111986212B publication Critical patent/CN111986212B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06T3/02—Affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种人像发丝流动特效实现方法。它具体包括如下步骤：输入图像S；对图像S进行头发分割，得到头发区域Mask；头发锚点计算，发丝区域轮廓固定锚点集合P，发丝流动流向锚点集合Q；对两组点集P和Q进行Delaunay三角剖分，得到三角形顶点集合M0，该顶点集合作为起始帧或者第0帧头发丝流动特效的变形点集；t帧流向变点计算流线变点集合Q(t)，进行Delaunay三角剖分，得到t帧三角形变形点集为M(t)；根据M0和M(t)，将原图S进行三角形仿射变换，得到对应的变形效果图。本发明的有益效果是：将静态用户照片自动生成头发区域发丝流动漂浮特效，无须用户或者人工干预，达到智能化处理的目的。

Description

一种人像发丝流动特效实现方法
技术领域
本发明涉及图像处理相关技术领域，尤其是指一种人像发丝流动特效实现方法。
背景技术
目前市场上的人像照片特效处理软件中，对于静态人像照片自动生成头发流动特效的方法基本空缺，现有方案基本上依赖用户人工手动辅助实现，如美图秀秀APP，人工辅助的好坏将直接影响发丝流动特效的优劣，同时，过于依赖用户干预，也大大影响了用户体验，不够智能。
发明内容
本发明是为了克服现有技术中存在上述的不足，提供了一种自动生成发丝流动特效的人像发丝流动特效实现方法。
为了实现上述目的，本发明采用以下技术方案：
一种人像发丝流动特效实现方法，具体包括如下步骤：
(1)输入图像S；
(2)对图像S进行头发分割，得到头发区域Mask；
(3)头发锚点计算，头发锚点包括两部分：发丝区域轮廓固定锚点集合P，发丝流动流向锚点集合Q；
(4)Delaunay三角剖分：对两组点集P和Q进行Delaunay三角剖分，得到三角形顶点集合M0，该顶点集合作为起始帧或者第0帧头发丝流动特效的变形点集；
(5)t帧流向变点计算流线变点集合Q(t)，进行步骤(4)的Delaunay三角剖分，得到t帧三角形变形点集为M(t)；
(6)发丝流动效果图生成：根据M0和M(t)，将原图S进行三角形仿射变换，得到对应的变形效果图。
使用基于CNN的分割算法，分割头发区域；使用边缘轮廓信息和人脸扇形扫描法计算发丝流动关键点；使用Delaunay剖分和流向计算等对发丝区域进行动态变形形成动态帧。该方法设计了一种人像照片自动生成发丝流动特效的方法，将静态用户照片自动生成头发区域发丝流动漂浮特效，而无须用户或者人工干预，达到智能化处理的目的。
作为优选，在步骤(2)中，具体操作方法为：
(21)基于卷积神经网络，构建头发分割网络；
(22)使用卷积神经网络，对10000+的头发样本进行分割网络模型训练，输入RGB原图，输出单通道的黑白Mask，其中白色区域表示头发区域，黑色区域表示背景区域，样本有数据标定师标定生成；
(23)用训练的模型对图像S进行头发分割，得到头发区域的分割图Mask。
作为优选，在步骤(3)中，发丝区域轮廓固定锚点集合P的计算方法如下：
(311)循环遍历Mask图中的每个像素X，循环顺序从左到右，从上到下，计算边缘图像，即为图像A；若像素点X周围8邻域像素均为白色像素，X也为白色像素，那么，X为内部点，将X像素值置为黑色0；
(312)循环遍历图像A中的每个像素，循环顺序从左到右，从上到下，对于第一个白色点像素，记为X0(i,j)，将X0置为黑色0；
(313)对于第二个白色像素，即为X1(i,j)，将X1存入数组Vector_S；
(314)判断X1的8邻域，寻找邻域内白色点像素Xt，将Xt存入数组Vector_S中，将X1位置更新为Xt坐标；
(315)循环步骤(314)，直到X1的8邻域内无白色像素点，跳出循环，Vector_S即为顺序存储的边缘轮廓点集合；
(316)对Vector_S进行下采样，设定采样间隔为N，得到稀疏之后的Vector_S，记作点集合P。
作为优选，在步骤(3)中，人脸扇形扫描法计算发丝流动流向锚点集合Q的方法如下：
(321)对图像S进行人脸关键点检测，得到人脸中心点坐标O(x,y)，人脸关键点使用第三方人脸关键点SDK来获取；
(322)以O为圆心，Radius为半径，得到头发估计区域，该区域大概率包含头发和人脸，其中Radius＝Max(Width,Height)，Width表示图像宽度，Height表示图像高度；
(323)以角度D为采样间隔，将头发估计区域圆划分为H个扇形区间，计算如下：H＝360/D；
(324)以垂直90度方向，从O点正上方开始逆时针方向，依次循环遍历H/2个扇形区间，每个扇形区间计算一个头发流向点q，并将q存入数组Q1中；
(325)以垂直90度方向，从O点正上方开始顺时针方向，依次循环遍历H/2个扇形区间，每个扇形区间计算一个头发流向点q，并将q存入数组Q2中；
(326)头发区域流向点集合Q即Q1和Q2中所有点，Q1中的点构成一条左边头发的流向曲线，Q2中的点构成一条右边头发的流向曲线，流向曲线点顺序依次为从上到下，即头发丝流动方向。
作为优选，在步骤(324)中，计算方法如下：遍历每个扇形区域内的白色像素值，则计算白色像素的质心，质心坐标即为头发流向坐标q，将q依次存入Q1数组中。
作为优选，在步骤(325)中，计算方法如下：遍历每个扇形区域内的白色像素值，则计算白色像素的质心，质心坐标即为头发流向坐标q，将q依次存入Q2数组中。
作为优选，假设图像中白色像素坐标为(i,j)，白色像素个数为num，白色像素质心(mx,my)计算如下：
作为优选，在步骤(5)中，假设生成发丝流动特效的目标帧数为T+1，即0-T帧，发丝流动的最大程度为LMAX，则第t帧结果图像对应的发丝流向变点计算如下：
(51)循环遍历Q点，假设Q点原始坐标为(Qx,Qy)，新的Q点坐标(qx,qy)计算如下：
qx＝Qx+LMAX×K
qy＝Qy+LMAX×K
即Q(t)＝(qx,qy)；
(52)对P点集合和新的Q(t)点集合，进行步骤(4)的Delaunay三角剖分，得到新的第t帧图像对应的三角形变形点集为M(t)。
作为优选，在步骤(6)中，具体为：
(61)根据M0和M(t)，将原图S进行三角形仿射变换，得到对应的变形效果图，即为第t帧发丝流动效果图；三角形仿射变换公式如下：
其中，(x,y)为原始坐标，(x',y')为变换后坐标，m为变换系数；
(62)依次计算T帧效果图，形成最终动态发丝流动效果。
本发明的有益效果是：自动生成发丝流动特效，将静态用户照片自动生成头发区域发丝流动漂浮特效，而无须用户或者人工干预，达到智能化处理的目的。
附图说明
图1是本发明的方法流程图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
如图1所述的实施例中，一种人像发丝流动特效实现方法，具体包括如下步骤：
(1)输入图像S；
(2)对图像S进行头发分割，得到头发区域Mask；具体操作方法为：
(21)基于卷积神经网络，比如Unet/PSPnet/BiSeNet等，构建头发分割网络，以Unet为例；
(22)使用卷积神经Unet网络，对10000+的头发样本进行分割网络模型训练，输入RGB原图，输出单通道的黑白Mask，其中白色区域表示头发区域，黑色区域表示背景区域，样本有数据标定师标定生成；
(23)用训练的模型对图像S进行头发分割，得到头发区域的分割图Mask。
(3)头发锚点计算，头发锚点包括两部分：发丝区域轮廓固定锚点集合P，发丝流动流向锚点集合Q；
发丝区域轮廓固定锚点集合P的计算方法如下：
(311)循环遍历Mask图中的每个像素X，循环顺序从左到右，从上到下，计算边缘图像，即为图像A；若像素点X周围8邻域像素均为白色像素，X也为白色像素，那么，X为内部点，将X像素值置为黑色0；图像A为bgra32格式或者其他格式；
(312)循环遍历图像A中的每个像素，循环顺序从左到右，从上到下，对于第一个白色点像素，记为X0(i,j)，将X0置为黑色0；
(313)对于第二个白色像素，即为X1(i,j)，将X1存入数组Vector_S；
(314)判断X1的8邻域，寻找邻域内白色点像素Xt，将Xt存入数组Vector_S中，将X1位置更新为Xt坐标；
(315)循环步骤(314)，直到X1的8邻域内无白色像素点，跳出循环，Vector_S即为顺序存储的边缘轮廓点集合；
(316)对Vector_S进行下采样，设定采样间隔为N，得到稀疏之后的Vector_S，记作点集合P，此步骤用来减少边缘轮廓点的数量，N根据经验设定，比如N＝10。
人脸扇形扫描法计算发丝流动流向锚点集合Q的方法如下：
(321)对图像S进行人脸关键点检测，得到人脸中心点坐标O(x,y)，人脸关键点使用第三方人脸关键点SDK来获取，如商汤人脸SDK等；
(322)以O为圆心，Radius为半径，得到头发估计区域，该区域大概率包含头发和人脸，其中Radius＝Max(Width,Height)，Width表示图像宽度，Height表示图像高度；
(323)以角度D为采样间隔，将头发估计区域圆划分为H个扇形区间，计算如下：H＝360/D，D＝36；
(324)以垂直90度方向，从O点正上方开始逆时针方向，依次循环遍历H/2个扇形区间，每个扇形区间计算一个头发流向点q，并将q存入数组Q1中；计算方法如下：遍历每个扇形区域内的白色像素值，则计算白色像素的质心，质心坐标即为头发流向坐标q，将q依次存入Q1数组中。
(325)以垂直90度方向，从O点正上方开始顺时针方向，依次循环遍历H/2个扇形区间，每个扇形区间计算一个头发流向点q，并将q存入数组Q2中；在步骤(325)中，计算方法如下：遍历每个扇形区域内的白色像素值，则计算白色像素的质心，质心坐标即为头发流向坐标q，将q依次存入Q2数组中。
假设图像中白色像素坐标为(i,j)，白色像素个数为num，白色像素质心(mx,my)计算如下：
(326)头发区域流向点集合Q即Q1和Q2中所有点，Q1中的点构成一条左边头发的流向曲线，Q2中的点构成一条右边头发的流向曲线，流向曲线点顺序依次为从上到下，即头发丝流动方向。
(4)Delaunay三角剖分：对两组点集P和Q进行Delaunay三角剖分，得到三角形顶点集合M0，该顶点集合作为起始帧或者第0帧头发丝流动特效的变形点集，Delaunay三角剖分算法为基础图形学算法，可参考Lawson算法；
(5)t帧流向变点计算流线变点集合Q(t)，进行步骤(4)的Delaunay三角剖分，得到t帧三角形变形点集为M(t)；假设生成发丝流动特效的目标帧数为T+1，即0-T帧，发丝流动的最大程度为LMAX，则第t帧结果图像对应的发丝流向变点计算如下：
(51)循环遍历Q点，假设Q点原始坐标为(Qx,Qy)，新的Q点坐标(qx,qy)计算如下：
qx＝Qx+LMAX×K
qy＝Qy+LMAX×K
即Q(t)＝(qx,qy)；
(52)对P点集合和新的Q(t)点集合，进行步骤(4)的Delaunay三角剖分，得到新的第t帧图像对应的三角形变形点集为M(t)。
(6)发丝流动效果图生成：根据M0和M(t)，将原图S进行三角形仿射变换，得到对应的变形效果图；具体为：
(61)根据M0和M(t)，将原图S进行三角形仿射变换，得到对应的变形效果图，即为第t帧发丝流动效果图；三角形仿射变换为基础图像变换，公式如下：
其中，(x,y)为原始坐标，(x',y')为变换后坐标，m为变换系数；
(62)依次计算T帧效果图，形成最终动态发丝流动效果。
使用基于CNN的分割算法，分割头发区域；使用边缘轮廓信息和人脸扇形扫描法计算发丝流动关键点；使用Delaunay剖分和流向计算等对发丝区域进行动态变形形成动态帧。该方法设计了一种人像照片自动生成发丝流动特效的方法，用户打开手机app或者图像处理软件，输入一张人像照片即可查看动态人像发丝流动特效，即将静态用户照片自动生成头发区域发丝流动漂浮特效，而无须用户或者人工干预，达到智能化处理的目的。

Claims (5)

1.一种人像发丝流动特效实现方法，其特征是，具体包括如下步骤：
(1)输入图像S；
(2)对图像S进行头发分割，得到头发区域Mask；具体操作方法为：
(21)基于卷积神经网络，构建头发分割网络；
(22)使用卷积神经网络，对10000+的头发样本进行分割网络模型训练，输入RGB原图，输出单通道的黑白Mask，其中白色区域表示头发区域，黑色区域表示背景区域，样本有数据标定师标定生成；
(23)用训练的模型对图像S进行头发分割，得到头发区域的分割图Mask；(3)头发锚点计算，头发锚点包括两部分：发丝区域轮廓固定锚点集合P，发丝流动流向锚点集合Q；
其中，发丝区域轮廓固定锚点集合P的计算方法如下：
(311)循环遍历Mask图中的每个像素X，循环顺序从左到右，从上到下，计算边缘图像，即为图像A；若像素点X周围8邻域像素均为白色像素，X也为白色像素，那么，X为内部点，将X像素值置为黑色0；
(312)循环遍历图像A中的每个像素，循环顺序从左到右，从上到下，对于第一个白色点像素，记为X0(i,j)，将X0置为黑色0；
(313)对于第二个白色像素，即为X1(i,j)，将X1存入数组Vector_S；
(314)判断X1的8邻域，寻找邻域内白色点像素Xt，将Xt存入数组Vector_S中，将X1位置更新为Xt坐标；
(315)循环步骤(314)，直到X1的8邻域内无白色像素点，跳出循环，Vector_S即为顺序存储的边缘轮廓点集合；
(316)对Vector_S进行下采样，设定采样间隔为N，得到稀疏之后的Vector_S，记作点集合P；
其中，人脸扇形扫描法计算发丝流动流向锚点集合Q的方法如下：
(321)对图像S进行人脸关键点检测，得到人脸中心点坐标O(x,y)，人脸关键点使用第三方人脸关键点SDK来获取；
(322)以O为圆心，Radius为半径，得到头发估计区域，该区域包含头发和人脸，其中Radius＝Max(Width,Height)，Width表示图像宽度，Height表示图像高度；
(323)以角度D为采样间隔，将头发估计区域圆划分为H个扇形区间，计算如下：H＝360/D；
(324)以垂直90度方向，从O点正上方开始逆时针方向，依次循环遍历H/2个扇形区间，每个扇形区间计算一个头发流向点q，并将q存入数组Q1中；
(325)以垂直90度方向，从O点正上方开始顺时针方向，依次循环遍历H/2个扇形区间，每个扇形区间计算一个头发流向点q，并将q存入数组Q2中；
(326)头发区域流向点集合Q即Q1和Q2中所有点，Q1中的点构成一条左边头发的流向曲线，Q2中的点构成一条右边头发的流向曲线，流向曲线点顺序依次为从上到下，即头发丝流动方向；
(4)Delaunay三角剖分：对两组点集P和Q进行Delaunay三角剖分，得到三角形顶点集合M0，该顶点集合作为起始帧或者第0帧头发丝流动特效的变形点集；
(5)t帧流向变点计算流线变点集合Q(t)，进行步骤(4)的Delaunay三角剖分，得到t帧三角形变形点集为M(t)；假设生成发丝流动特效的目标帧数为T+1，即0-T帧，发丝流动的最大程度为LMAX，则第t帧结果图像对应的发丝流向变点计算如下：
(51)循环遍历Q点，假设Q点原始坐标为(Qx,Qy)，新的Q点坐标(qx,qy)计算如下：
qx＝Qx+LMAX×K
qy＝Qy+LMAX×K
即Q(t)＝(qx,qy)；
(52)对P点集合和新的Q(t)点集合，进行步骤(4)的Delaunay三角剖分，得到新的第t帧图像对应的三角形变形点集为M(t)；
(6)发丝流动效果图生成：根据M0和M(t)，将原图S进行三角形仿射变换，得到对应的变形效果图。
2.根据权利要求1所述的一种人像发丝流动特效实现方法，其特征是，在步骤(324)中，计算方法如下：遍历每个扇形区域内的白色像素值，则计算白色像素的质心，质心坐标即为头发流向坐标q，将q依次存入Q1数组中。
3.根据权利要求1所述的一种人像发丝流动特效实现方法，其特征是，在步骤(325)中，计算方法如下：遍历每个扇形区域内的白色像素值，则计算白色像素的质心，质心坐标即为头发流向坐标q，将q依次存入Q2数组中。
4.根据权利要求2或3所述的一种人像发丝流动特效实现方法，其特征是，假设图像中白色像素坐标为(i,j)，白色像素个数为num，白色像素质心(mx,my)计算如下：
5.根据权利要求1所述的一种人像发丝流动特效实现方法，其特征是，在步骤(6)中，具体为：
(61)根据M0和M(t)，将原图S进行三角形仿射变换，得到对应的变形效果图，即为第t帧发丝流动效果图；三角形仿射变换公式如下：
其中，(x,y)为原始坐标，(x′,y′)为变换后坐标，m为变换系数；
(62)依次计算T帧效果图，形成最终动态发丝流动效果。
CN202010844406.3A 2020-08-20 2020-08-20 一种人像发丝流动特效实现方法 Active CN111986212B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010844406.3A CN111986212B (zh) 2020-08-20 2020-08-20 一种人像发丝流动特效实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010844406.3A CN111986212B (zh) 2020-08-20 2020-08-20 一种人像发丝流动特效实现方法

Publications (2)

Publication Number Publication Date
CN111986212A CN111986212A (zh) 2020-11-24
CN111986212B true CN111986212B (zh) 2023-10-03

Family

ID=73442528

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010844406.3A Active CN111986212B (zh) 2020-08-20 2020-08-20 一种人像发丝流动特效实现方法

Country Status (1)

Country Link
CN (1) CN111986212B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862807B (zh) * 2021-03-08 2024-06-25 网易（杭州）网络有限公司 基于头发图像的数据处理方法及装置
CN114219877B (zh) * 2021-12-06 2024-06-25 北京字节跳动网络技术有限公司 人像头发流动特效处理方法、装置、介质和电子设备
CN114373057B (zh) * 2021-12-22 2024-08-06 聚好看科技股份有限公司 一种头发与头部模型的匹配方法及设备
CN114723888B (zh) * 2022-04-08 2023-04-07 北京百度网讯科技有限公司 三维发丝模型生成方法、装置、设备、存储介质及产品
CN115984295A (zh) * 2023-02-28 2023-04-18 北京字跳网络技术有限公司 图像处理方法、装置及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093488A (zh) * 2013-02-02 2013-05-08 浙江大学 一种虚拟发型插值及渐变动画生成方法
KR101500279B1 (ko) * 2014-09-01 2015-03-09 이영주 솔리드, 그레쥬에이션, 및 레이어를 이용한 헤어 커트 방법
CN110992247A (zh) * 2019-11-25 2020-04-10 杭州趣维科技有限公司 一种人像照片头发拉直特效的实现方法及系统
CN111046763A (zh) * 2019-11-29 2020-04-21 广州久邦世纪科技有限公司 一种人像卡通化的方法和装置
CN111445384A (zh) * 2020-03-23 2020-07-24 杭州趣维科技有限公司 一种通用人像照片漫画风格化方法
CN111524204A (zh) * 2020-05-06 2020-08-11 杭州趣维科技有限公司 一种人像发丝动漫化纹理生成方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008099938A1 (ja) * 2007-02-16 2008-08-21 Kao Corporation 毛髪画像表示方法及び表示装置
US9576359B2 (en) * 2013-11-01 2017-02-21 The Florida International University Board Of Trustees Context based algorithmic framework for identifying and classifying embedded images of follicle units

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093488A (zh) * 2013-02-02 2013-05-08 浙江大学 一种虚拟发型插值及渐变动画生成方法
KR101500279B1 (ko) * 2014-09-01 2015-03-09 이영주 솔리드, 그레쥬에이션, 및 레이어를 이용한 헤어 커트 방법
CN110992247A (zh) * 2019-11-25 2020-04-10 杭州趣维科技有限公司 一种人像照片头发拉直特效的实现方法及系统
CN111046763A (zh) * 2019-11-29 2020-04-21 广州久邦世纪科技有限公司 一种人像卡通化的方法和装置
CN111445384A (zh) * 2020-03-23 2020-07-24 杭州趣维科技有限公司 一种通用人像照片漫画风格化方法
CN111524204A (zh) * 2020-05-06 2020-08-11 杭州趣维科技有限公司 一种人像发丝动漫化纹理生成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"一种卡通动画中人物头发运动生成技术研究";欧训勇;《微型机与应用》;第33卷(第22期);全文 *

Also Published As

Publication number Publication date
CN111986212A (zh) 2020-11-24

Similar Documents

Publication Publication Date Title
CN111986212B (zh) 一种人像发丝流动特效实现方法
US11595737B2 (en) Method for embedding advertisement in video and computer device
CN109829930B (zh) 人脸图像处理方法、装置、计算机设备及可读存储介质
CN109584327B (zh) 人脸老化模拟方法、装置以及设备
CN108428214B (zh) 一种图像处理方法及装置
US20100322525A1 (en) Image Labeling Using Multi-Scale Processing
US11120252B2 (en) Methods, systems, and media for evaluating images
CN110992411A (zh) 图像配准模型的训练方法和装置
CN105719248A (zh) 一种实时的人脸变形方法及其系统
CN111383232A (zh) 抠图方法、装置、终端设备及计算机可读存储介质
CN114565508B (zh) 虚拟换装方法及装置
CN116645592B (zh) 一种基于图像处理的裂缝检测方法和存储介质
CN116704505A (zh) 目标检测方法、装置、设备及存储介质
CN108596992B (zh) 一种快速实时的唇彩化妆方法
CN110598333A (zh) 光源位置的确定方法、装置及电子设备
CN114037992A (zh) 仪表示数识别方法、装置、电子设备及存储介质
CN116091823A (zh) 一种基于快速分组残差模块的单特征无锚框目标检测方法
CN115439669A (zh) 基于深度学习的特征点检测网络及跨分辨率图像匹配方法
CN109726633B (zh) 一种基于查找表激活函数的人脸关键点检测方法
CN113033540B (zh) 场景文字的轮廓拟合和校正方法、电子设备及存储介质
CN111160063B (zh) 一种物联网ipc二维码配网图像增强方法及系统
CN113887507A (zh) 人脸图像处理方法、装置、电子设备及存储介质
Hu et al. HSV-3S and 2D-GDA for High-Saturation Low-Light Image Enhancement in Night Traffic Monitoring
CN114863030B (zh) 基于人脸识别和图像处理技术生成自定义3d模型的方法
CN114862866B (zh) 标定板的检测方法、装置、计算机设备和存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 22nd floor, block a, Huaxing Times Square, 478 Wensan Road, Xihu District, Hangzhou, Zhejiang 310000

Applicant after: Hangzhou Xiaoying Innovation Technology Co.,Ltd.

Address before: 310000 16 / F, HANGGANG metallurgical technology building, 294 Tianmushan Road, Xihu District, Hangzhou City, Zhejiang Province

Applicant before: HANGZHOU QUWEI SCIENCE & TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant