CN112085733B - 图像处理方法、装置、电子设备和计算机可读介质 - Google Patents
图像处理方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN112085733B CN112085733B CN202010995695.7A CN202010995695A CN112085733B CN 112085733 B CN112085733 B CN 112085733B CN 202010995695 A CN202010995695 A CN 202010995695A CN 112085733 B CN112085733 B CN 112085733B
- Authority
- CN
- China
- Prior art keywords
- tooth
- image
- key point
- segmentation
- region
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- 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]
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例公开了图像处理方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:提取嘴巴图像中的至少一个牙齿区域的关键点信息,得到牙齿关键点信息集合;提取嘴巴图像中嘴唇区域的关键点信息,得到嘴唇关键点信息;基于牙齿关键点信息集合和嘴唇关键点信息,检测嘴唇的状态,其中,嘴唇的状态包括:张开状态或闭合状态;响应于检测到嘴唇的状态为张开状态,对嘴巴图像进行牙齿分割,得到包含至少一个牙齿分割区域的分割图像。该实施方式实现了对单个牙齿的分割,为后续对单个牙齿的处理提供了基础。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及图像处理方法、装置、电子设备和计算机可读介质。
背景技术
为了帮助用户创造出具有个人特色的短视频作品,也为了使短视频产生更好的视觉呈现效果,各种短视频拍摄平台提供了为牙齿添加各种特效的功能。例如彩虹牙、蓝色牙齿等。为了方便对牙齿添加各种特效功能,存在着对单个牙齿进行处理的需求。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了图像处理方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种图像处理方法,该方法包括:提取嘴巴图像中的至少一个牙齿区域的关键点信息,得到牙齿关键点信息集合;提取嘴巴图像中嘴唇区域的关键点信息,得到嘴唇关键点信息;基于牙齿关键点信息集合和嘴唇关键点信息,检测嘴唇的状态,其中,嘴唇的状态包括:张开状态或闭合状态;响应于检测到嘴唇的状态为张开状态,对嘴巴图像进行牙齿分割,得到包含至少一个牙齿分割区域的分割图像。
第二方面,本公开的一些实施例提供了一种图像处理装置,该装置包括:第一提取单元,被配置成提取嘴巴图像中的至少一个牙齿区域的关键点信息,得到牙齿关键点信息集合;第二提取单元,被配置成提取上述嘴巴图像中嘴唇区域的关键点信息,得到嘴唇关键点信息;检测单元,被配置成基于上述牙齿关键点信息集合和上述嘴唇关键点信息,检测嘴唇的状态,其中,上述嘴唇的状态包括:张开状态或闭合状态;分割单元,被配置成响应于检测到嘴唇的状态为张开状态,对嘴巴图像进行牙齿分割,得到包含至少一个牙齿分割区域的分割图像。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果:通过提取嘴巴图像中至少一个牙齿区域的关键点信息,得到牙齿关键点信息集合,为之后获取单个牙齿的分割区域及检测嘴唇的状态提供了基础。之后,提取上述嘴巴图像中的嘴唇区域的关键点信息,以及利用提取到的嘴巴图像中嘴唇区域的关键点信息和牙齿关键点信息集合可以检测到嘴唇的状态,进而为判断后续嘴巴图像是否进行牙齿分割做准备。最后,响应于检测到嘴唇的状态为张开状态,对嘴巴图像进行牙齿分割,得到包含至少一个牙齿分割区域的分割图像。由此,该实施方式实现了对单个牙齿的分割,为后续单个牙齿的处理提供了基础。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的图像处理方法的一个应用场景的示意图;
图2是根据本公开的图像处理方法的一些实施例的流程图;
图3是根据本公开的图像处理方法的另一些实施例的流程图;
图4是根据本公开的图像处理装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的图像处理方法的一个应用场景的示意图。
如图1所示,计算设备101提取嘴巴图像102中至少一个牙齿区域(例如103所示为一个牙齿区域)的关键点信息104。在这里,作为示例,上述至少一个牙齿区域是图中斜线的区域,例如103所示斜线区域为一个牙齿区域。上述至少一个牙齿区域的关键点可以是上述至少一个牙齿区域中每个牙齿区域中所示牙齿的下面两个端点。牙齿的关键点信息104可以是表征下面两个端点的位置信息。作为示例,该位置信息可以用坐标(x,y)表示。作为示例,图像中左上角第一个像素对应的坐标值为(0,0)。例如,牙齿的关键点信息104中包含牙齿区域103所示牙齿的下面两个端点的位置信息,比如(60,15)和(68,14)。之后,上述计算设备101可以利用关键点提取算法(例如回归神经网络算法)提取嘴巴图像中嘴唇关键点信息106。作为示例,嘴唇关键点信息106可以是表征嘴唇关键点的位置信息。例如,嘴唇关键点信息106是嘴唇关键点105的位置信息为(40,5)。之后,上述执行主体利用嘴唇关键点信息106与牙齿关键点信息104,确定嘴唇的状态。作为示例,在上述例子中,牙齿区域103所示牙齿的下面两个端点的位置信息为(60,15)和(68,14),嘴唇关键点105的位置信息为(40,5)。由于嘴唇关键点105位于嘴唇上边缘,牙齿区域103为上列牙齿。分别用牙齿区域103所示牙齿的下面两个端点的位置信息中的两个y坐标值15和14减去牙齿关键点105的位置信息中y坐标值5。得到的两个差值的绝对值远大于预设值(例如,预设值为0.2)。可以确定嘴唇状态为张开状态。最后,响应于嘴唇状态为张开状态,对嘴巴图像进行牙齿分割107,得到包含至少一个牙齿分割区域的分割图像108。
需要说明的是需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备101的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备101。
继续参考图2,示出了根据本公开的图像处理方法的一些实施例的流程200。该图像处理方法,包括以下步骤:
步骤201,提取嘴巴图像中的至少一个牙齿区域的关键点信息,得到牙齿关键点信息集合。
在一些实施例中,上述嘴巴图像可以包括:嘴唇闭合的嘴巴图像、嘴唇张开且没有缺失牙齿的嘴巴图像以及嘴唇张开且牙齿中有缺失(断裂)的嘴巴图像。
在一些实施例中,上述至少一个牙齿区域的关键点信息用于表征嘴巴图像中至少一个牙齿区域的关键点在嘴巴图像中的位置。
需要说明的是,由于嘴巴图像中所显示的嘴巴可能是各种形态的。例如,可能是张开的,也可能是没有张开的。对于没有张开的那些嘴巴图像或者虽然张开但是牙齿缺失的那些嘴巴图像,也可以通过提取算法得到其中的牙齿区域的关键点信息。可以理解,这里的关键点信息为推测信息,并不意味着嘴巴图像中必须包括牙齿区域。
作为示例,对于没有张开的嘴巴图像,上述牙齿区域的关键点信息为牙齿区域所包含的牙齿的关键点在闭合嘴唇上的估计点在嘴巴图像上的位置信息。
作为示例,对于嘴唇张开且没有缺失牙齿的嘴巴图像,上述牙齿区域的关键点信息为牙齿区域所包含的牙齿的关键点在嘴巴图像上的位置信息。
作为示例,对于张开但是牙齿缺失的那些嘴巴图像,首先确定缺失(断裂)的牙齿的关键点。之后,将确定的关键点在嘴巴图像上的位置信息作为缺失(断裂)的牙齿区域的关键点信息。
在一些实施例中,作为示例,上述至少一个牙齿区域可以是位于上列牙齿中的至少一个牙齿区域。牙齿区域的关键点是该牙齿区域所包含的牙齿的下面两个端点。这里可以把牙齿区域形状近似为矩形。
在一些实施例中,图像处理方法的执行主体(例如图1计算设备)可以通过主动轮廓模型算法提取上述嘴巴图像中牙齿区域的轮廓曲线。进而利用该轮廓曲线获取牙齿中至少一个牙齿区域的关键点信息。
在一些实施例的一些可选的实现方式中,上述执行主体可以将上述嘴巴图像输入到预训练的牙齿关键点提取网络,得到上述至少一个牙齿区域的关键点信息。
作为示例,上述预训练的牙齿关键点提取网络可以是回归神经网络。例如,上述回归神经网络可以是resnet(Residual Neural Network,残差网络),vgg(Visual GeometryGroup,深度卷积神经网络),shufflenet(ShuffleNet,轻量级神经网络)等。
步骤202,提取嘴巴图像中嘴唇区域的关键点信息,得到嘴唇关键点信息。
在一些实施例中,上述嘴唇区域的关键点信息是上嘴唇边缘的特征点在嘴巴图像的位置信息。作为示例,上述特征点可以是嘴唇为闭合状态下,上嘴唇边缘与牙齿的交界点。作为示例,上嘴唇边缘的特征点在嘴巴图像的位置信息用坐标(x,y)表示,图像左上角第一个像素点的坐标为(0,0)。
在一些实施例中,上述执行主体可以基于ASM(Active Shape Model,主动形状模型)进行嘴唇区域关键点的检测,得到上嘴唇边缘特征点在嘴巴区域的位置信息。
其中,ASM模型是一种基于点分布模型。在点分布模型中,外形相似的物体的几何形状,例如嘴唇区域的几何形状,通过关键特征点的坐标依次串联形成一个形状向量来表示。之后,通过训练获得形状模型。最后,利用该形状模型确定新的图像中的关键特征点信息。
在一些实施例的一些可选实现方式中,上述执行主体可以将嘴巴图像输入到预训练的嘴唇关键点提取网络,得到嘴唇关键点信息。其中,上述嘴唇关键点提取网络可以是回归神经网络。作为示例,回归神经网络可以是vgg(Visual Geometry Group,深度卷积神经网络),shufflenet(ShuffleNet,轻量级神经网络)。
步骤203,基于牙齿关键点信息集合和上述嘴唇关键点信息,检测嘴唇的状态,其中,上述嘴唇的状态包括:张开状态或闭合状态。
在一些实施例中,作为示例,首先,从上述牙齿关键点信息集合中选取一个牙齿区域的关键点信息。作为示例,将上述牙齿区域看作矩形区域,且上述牙齿区域的关键点可以是该牙齿区域所包含的牙齿的远离牙根区域的两个端点。则牙齿区域的关键点信息为该牙齿区域所包含的牙齿的远离牙根区域的两个端点在嘴巴图像中的位置信息。从上述牙齿关键点信息集合中选取一个牙齿区域的两个端点的位置信息,并计算上述位置信息中的两个y坐标值的平均值。之后,将上述平均值与嘴唇关键点信息中的每个y坐标值作差,得到至少一个差值。计算上述至少一个差值中每个差值的绝对值。响应于各个差值的绝对值中最小绝对值大于预先设定的目标值,确定嘴唇为张开状态。反之,确定嘴唇为闭合状态。
在一些实施例中,上述执行主体首先从牙齿关键点信息集合中选出任意一个牙齿的关键点信息。作为示例,牙齿的关键点信息是牙齿的下面两个端点在嘴巴图像上的位置信息,用坐标(x,y)表示。之后,计算上述选取牙齿关键点的y坐标值的平均值。再之后,从嘴唇关键点信息中找出至少一个嘴唇关键点信息中x坐标值与上述牙齿关键点信息中x坐标值相近的关键点信息。最后,将上述平均值与选取的至少一个嘴唇关键点信息中的y坐标值作差,得到至少一个差值。响应于差值的绝对值大于预先设定的目标值,确定嘴唇为张开状态。反之,确定嘴唇为闭合状态。
步骤204,响应于检测到嘴唇的状态为张开状态,对嘴巴图像进行牙齿分割,得到包含至少一个牙齿分割区域的分割图像。
在一些实施例的一些可选的实现方式中,步骤204可以通过以下步骤进行:
第一步,将嘴巴图像输入到预训练的牙齿分割网络,得到包含至少一个牙齿的分割区域的分割图像。
作为示例,上述牙齿分割网络可以是FCN(Fully Convolutional Networks,全卷积神经网络)、U-NET(Convolutional Networks,卷积网络)。上述分割区域将至少一个牙齿作为整体分割出来。
第二步,基于至少一个牙齿区域的关键点信息,对包含至少一个牙齿的分割区域的分割图像进行分割,得到包含至少一个牙齿分割区域的分割图像。
在实践中,上述执行主体利用上述至少一个牙齿区域的关键点信息中的x坐标值,将上述至少一个牙齿的分割区域划分成单个牙齿的分割区域,得到包含至少一个牙齿分割区域的分割图像。
在一些实施例中,上述执行主体可以对上述嘴巴图像进行图像阈值化分割,得到牙齿区域的分割图像。之后,利用上述至少一个牙齿区域的关键点信息提取出至少一个牙齿分割区域,进而得到包含至少一个牙齿分割区域的分割图像。
在一些实施例的一些可选的实现方式中,上述方法还包括:基于至少一个牙齿区域的关键点信息,对分割图像中的至少一个牙齿分割区域进行编号,得到至少一个牙齿分割区域中的每个牙齿分割区域的编号。
本公开的上述各个实施例中的一个实施例具有如下有益效果:通过提取嘴巴图像中至少一个牙齿区域的关键点信息,得到牙齿关键点信息集合,为之后获取单个牙齿的分割区域及检测嘴唇的状态提供了基础。之后,提取上述嘴巴图像中的嘴唇区域的关键点信息,以及利用提取到的嘴巴图像中嘴唇区域的关键点信息和牙齿关键点信息集合可以检测到嘴唇的状态,进而为判断后续嘴巴图像是否进行牙齿分割做准备。最后,响应于检测到嘴唇的状态为张开状态,对嘴巴图像进行牙齿分割,得到包含至少一个牙齿分割区域的分割图像。由此,该实施方式实现了对单个牙齿的分割,为后续单个牙齿的处理提供了基础。
进一步参考图3,示出了根据本公开的图像处理方法的一些实施例的流程300。该图像处理方法,包括以下步骤:
步骤301,提取嘴巴图像中的至少一个牙齿区域的关键点信息,得到牙齿关键点信息集合。
步骤302,提取嘴巴图像中嘴唇区域的关键点信息,得到嘴唇关键点信息。
步骤303,基于上述牙齿关键点信息集合和上述嘴唇关键点信息,检测嘴唇的状态,其中,上述嘴唇的状态包括:张开状态或闭合状态。
步骤304,响应于检测到嘴唇的状态为张开状态,对嘴巴图像进行牙齿分割,得到包含至少一个牙齿分割区域的分割图像。
在一些实施例中,步骤301-304的具体实现及其所带来的技术效果,可以参考图2对应的实施例中的步骤201-204,在此不再赘述。
步骤305,展示至少一个特效效果图像。
在一些实施例中,上述特效效果图像是用来展示嘴巴图像的牙齿区域可以添加的特效效果。
在一些实施例中,上述特效效果图像中可以包括候选特效效果图案及对该候选特效效果图案的文字描述。
在一些实施例中,上述特效效果图像可以用来作为目标特效效果图像的选取操作的触发按钮。
步骤306,响应于检测到用户针对至少一个特效效果图像中的目标特效效果图像的选取操作,将目标特效效果图像显示的特效效果确定为目标特效效果。
在一些实施例中,响应于检测到用户针对至少一个特效效果图像中的目标特效效果图像的选取操作,上述执行主体将目标特效效果图像显示的特效效果确定为目标特效效果。作为示例,上述目标特效效果可以是彩虹牙效果、蓝色牙齿效果。
步骤307,基于目标特效效果,对包含至少一个牙齿分割区域的分割图像进行特效处理。
在一些实施例中,上述执行主体根据目标特效效果,对分割图像中至少一个牙齿分割区域中的每个牙齿分割区域进行特效处理。作为示例,上述分割图像是像素值为0、1的二值化图像。例如,牙齿分割区域为像素值为1,其他区域像素值为0。对每个牙齿分割区域进行特效处理,即对每个牙齿分割区域作与上述目标特效效果对应的处理。例如,上述目标特效效果是蓝色牙齿。则需将对应的牙齿分割区域设置为蓝色。例如,可以将该分割图像与一个蓝色图像的像素值对应相乘,得到处理后的分割图像。
步骤308,将处理后的分割图像叠加至嘴巴图像。
在一些实施例中,上述执行主体首先可以将包含至少一个牙齿分割区域的分割图像与嘴巴图像对应像素的像素值进行相乘,得到处理后的嘴巴图像。之后,将处理后的分割图像叠加至处理后的嘴巴图像。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的图像处理方法的流程300突出了为牙齿分割区域添加特效的步骤。通过对牙齿分割区域的处理,及利用牙齿分割区域对嘴巴图像进行处理,实现了目标牙齿区域添加特效的功能。由此,提供了牙齿特效功能的具体实现方式。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种图像处理装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,一些实施例的图像处理装置400包括:第一提取单元401、第二提取单元402、检测单元403和分割单元404。其中,第一提取单元401,被配置成提取嘴巴图像中的至少一个牙齿区域的关键点信息,得到牙齿关键点信息集合;第二提取单元402,被配置成提取嘴巴图像中嘴唇区域的关键点信息,得到嘴唇关键点信息;检测单元403,被配置成基于牙齿关键点信息集合和嘴唇关键点信息,检测嘴唇的状态;分割单元404,被配置成响应于检测到嘴唇的状态为张开状态,对嘴巴图像进行牙齿分割,得到包含至少一个牙齿分割区域的分割图像。
在一些实施例的可选实现方式中,该装置400的分割单元404进一步被配置成:将嘴巴图像输入到预训练的牙齿分割网络,得到包含至少一个牙齿的分割区域的分割图像;基于至少一个牙齿区域的关键点信息,对包含至少一个牙齿的分割区域的分割图像进行分割,得到包含至少一个牙齿分割区域的分割图像。
在一些实施例的可选实现方式中,该装置400还包括:展示单元,被配置成展示至少一个特效效果图像;确定单元,被配置成响应于检测到用户针对至少一个特效效果图像中的目标特效效果图像的选取操作,将目标特效效果图像显示的特效效果确定为目标特效效果;特效处理单元,被配置成基于目标特效效果,对包含至少一个牙齿分割区域的分割图像进行特效处理;叠加单元,被配置成将处理后的分割图像叠加至嘴巴图像。
在一些实施例的可选实现方式中,该装置400还包括:编号单元,被配置成基于至少一个牙齿区域的关键点信息,对分割图像中的至少一个牙齿分割区域进行编号,得到至少一个牙齿分割区域中的每个牙齿分割区域的编号。
在一些实施例的可选实现方式中,该装置400的第一提取单元401进一步被配置成:将嘴巴图像输入到预训练的牙齿关键点提取网络,得到至少一个牙齿区域的关键点信息。
在一些实施例的可选实现方式中,该装置400的第二提取单元402进一步被配置成:将嘴巴图像输入到预训练的嘴唇关键点提取网络,得到嘴唇关键点信息。
可以理解的是,该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元,在此不再赘述。
下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备)500的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:提取嘴巴图像中的至少一个牙齿区域的关键点信息,得到牙齿关键点信息集合;提取嘴巴图像中嘴唇区域的关键点信息,得到嘴唇关键点信息;基于牙齿关键点信息集合和嘴唇关键点信息,检测嘴唇的状态,其中,嘴唇的状态包括:张开状态或闭合状态;响应于检测到嘴唇的状态为张开状态,对嘴巴图像进行牙齿分割,得到包含至少一个牙齿分割区域的分割图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一提取单元、第二提取单元、检测单元和分割单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一提取单元还可以被描述为“提取嘴巴图像中的至少一个牙齿区域的关键点信息,得到牙齿关键点信息集合的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
根据本公开的一个或多个实施例,提供了一种图像处理方法,包括:提取嘴巴图像中的至少一个牙齿区域的关键点信息,得到牙齿关键点信息集合;提取嘴巴图像中嘴唇区域的关键点信息,得到嘴唇关键点信息;基于牙齿关键点信息集合和嘴唇关键点信息,检测嘴唇的状态,其中,嘴唇的状态包括:张开状态或闭合状态;响应于检测到嘴唇的状态为张开状态,对嘴巴图像进行牙齿分割,得到包含至少一个牙齿分割区域的分割图像。
根据本公开的一个或多个实施例,上述响应于检测到嘴唇的状态为张开状态,对嘴巴图像进行牙齿分割,得到包含至少一个牙齿分割区域的分割图像,包括:将嘴巴图像输入到预训练的牙齿分割网络,得到包含至少一个牙齿的分割区域的分割图像;基于至少一个牙齿区域的关键点信息,对包含至少一个牙齿的分割区域的分割图像进行分割,得到包含至少一个牙齿分割区域的分割图像。
根据本公开的一个或多个实施例,上述方法还包括:展示至少一个特效效果图像;响应于检测到用户针对至少一个特效效果图像中的目标特效效果图像的选取操作,将目标特效效果图像显示的特效效果确定为目标特效效果;基于目标特效效果,对包含至少一个牙齿分割区域的分割图像进行特效处理;将处理后的分割图像叠加至嘴巴图像。
根据本公开的一个或多个实施例,上述方法还包括:基于至少一个牙齿区域的关键点信息,对分割图像中的至少一个牙齿分割区域进行编号,得到至少一个牙齿分割区域中的每个牙齿分割区域的编号。
根据本公开的一个或多个实施例,上述提取嘴巴图像中的至少一个牙齿区域的关键点信息,包括:将嘴巴图像输入到预训练的牙齿关键点提取网络,得到至少一个牙齿区域的关键点信息。
根据本公开的一个或多个实施例,上述提取嘴巴图像中嘴唇区域的关键点信息,得到嘴唇关键点信息,包括:将嘴巴图像输入到预训练的嘴唇关键点提取网络,得到嘴唇关键点信息。
根据本公开的一个或多个实施例,提供了一种图像识别装置包括:第一提取单元,被配置成提取嘴巴图像中的至少一个牙齿区域的关键点信息,得到牙齿关键点信息集合;第二提取单元,被配置成提取嘴巴图像中嘴唇区域的关键点信息,得到嘴唇关键点信息;检测单元,被配置成基于牙齿关键点信息集合和嘴唇关键点信息,检测嘴唇的状态;分割单元,被配置成响应于检测到嘴唇的状态为张开状态,对嘴巴图像进行牙齿分割,得到包含至少一个牙齿分割区域的分割图像。
根据本公开的一个或多个实施例,分割单元进一步被配置成:将嘴巴图像输入到预训练的牙齿分割网络,得到包含至少一个牙齿的分割区域的分割图像;基于至少一个牙齿区域的关键点信息,对包含至少一个牙齿的分割区域的分割图像进行分割,得到包含至少一个牙齿分割区域的分割图像。
根据本公开的一个或多个实施例,上述装置还包括:展示单元,被配置成展示至少一个特效效果图像;确定单元,被配置成响应于检测到用户针对至少一个特效效果图像中的目标特效效果图像的选取操作,将目标特效效果图像显示的特效效果确定为目标特效效果;特效处理单元,被配置成基于目标特效效果,对包含至少一个牙齿分割区域的分割图像进行特效处理;叠加单元,被配置成将处理后的分割图像叠加至嘴巴图像。
根据本公开的一个或多个实施例,上述装置还包括:编号单元,被配置成基于至少一个牙齿区域的关键点信息,对分割图像中的至少一个牙齿分割区域进行编号,得到至少一个牙齿分割区域中的每个牙齿分割区域的编号。
根据本公开的一个或多个实施例,第一提取单元进一步被配置成:将嘴巴图像输入到预训练的牙齿关键点提取网络,得到至少一个牙齿区域的关键点信息。
根据本公开的一个或多个实施例,第二提取单元进一步被配置成:将嘴巴图像输入到预训练的嘴唇关键点提取网络,得到嘴唇关键点信息。
根据本公开的一个或多个实施例,提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得所述一个或多个处理器实现如上述任一所述的方法。
根据本公开的一个或多个实施例,提供了一种计算机可读介质,其上存储有计算机程序,其中,上述程序被处理器执行时实现上述任一的方法。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种图像处理方法,包括:
提取嘴巴图像中的至少一个牙齿区域的关键点信息,得到牙齿关键点信息集合;
提取所述嘴巴图像中嘴唇区域的关键点信息,得到嘴唇关键点信息;
基于所述牙齿关键点信息集合和所述嘴唇关键点信息,检测嘴唇的状态,其中,所述嘴唇的状态包括:张开状态或闭合状态;
响应于检测到嘴唇的状态为张开状态,基于至少一个牙齿区域的关键点信息对所述嘴巴图像进行牙齿分割,得到包含至少一个单个牙齿分割区域的分割图像;
响应于检测到用户针对至少一个特效效果图像中的目标特效效果图像的选取操作,将所述目标特效效果图像显示的特效效果确定为目标特效效果;
基于所述目标特效效果,对所述包含至少一个单个牙齿分割区域的分割图像进行特效处理;
将所述处理后的分割图像叠加至嘴巴图像。
2.根据权利要求1所述的方法,其中,所述响应于检测到嘴唇的状态为张开状态,对所述嘴巴图像进行牙齿分割,得到包含至少一个牙齿分割区域的分割图像,包括:
将所述嘴巴图像输入到预训练的牙齿分割网络,得到包含至少一个牙齿的分割区域的分割图像;
基于所述至少一个牙齿区域的关键点信息,对所述包含至少一个牙齿的分割区域的分割图像进行分割,得到包含至少一个牙齿分割区域的分割图像。
3.根据权利要求1所述的方法,其中,所述方法还包括:
展示至少一个特效效果图像。
4.根据权利要求1所述的方法,其中,所述方法还包括:
基于所述至少一个牙齿区域的关键点信息,对所述分割图像中的至少一个牙齿分割区域进行编号,得到所述至少一个牙齿分割区域中的每个牙齿分割区域的编号。
5.根据权利要求1所述的方法,其中,所述提取嘴巴图像中的至少一个牙齿区域的关键点信息,包括:
将所述嘴巴图像输入到预训练的牙齿关键点提取网络,得到所述至少一个牙齿区域的关键点信息。
6.根据权利要求1所述的方法,其中,所述提取所述嘴巴图像中嘴唇区域的关键点信息,得到嘴唇关键点信息,包括:
将所述嘴巴图像输入到预训练的嘴唇关键点提取网络,得到嘴唇关键点信息。
7.一种图像处理装置,包括:
第一提取单元,被配置成提取嘴巴图像中的至少一个牙齿区域的关键点信息,得到牙齿关键点信息集合;
第二提取单元,被配置成提取所述嘴巴图像中嘴唇区域的关键点信息,得到嘴唇关键点信息;
检测单元,被配置成基于所述牙齿关键点信息集合和所述嘴唇关键点信息,检测嘴唇的状态,其中,所述嘴唇的状态包括:张开状态或闭合状态;
分割单元,被配置成响应于检测到嘴唇的状态为张开状态,基于至少一个牙齿区域的关键点信息对所述嘴巴图像进行牙齿分割,得到包含至少一个单个牙齿分割区域的分割图像;
确定单元,被配置成响应于检测到用户针对所述至少一个特效效果图像中的目标特效效果图像的选取操作,将所述目标特效效果图像显示的特效效果确定为目标特效效果;
特效处理单元,被配置成基于所述目标特效效果,对所述包含至少一个单个牙齿分割区域的分割图像进行特效处理;
叠加单元,被配置成将所述处理后的分割图像叠加至嘴巴图像。
8.根据权利要求7所述装置,其中,所述分割单元进一步被配置成:
将所述嘴巴图像输入到预训练的牙齿分割网络,得到包含至少一个牙齿的分割区域的分割图像;
基于所述至少一个牙齿区域的关键点信息,对所述包含至少一个牙齿的分割区域的分割图像进行分割,得到包含至少一个牙齿分割区域的分割图像。
9.根据权利要求7所述装置,其中,所述装置还包括:
展示单元,被配置成展示至少一个特效效果图像。
10.根据权利要求7所述装置,其中,所述装置还包括:
编号单元,被配置成基于所述至少一个牙齿区域的关键点信息,对所述分割图像中的至少一个牙齿分割区域进行编号,得到所述至少一个牙齿分割区域中的每个牙齿分割区域的编号。
11.根据权利要求7所述装置,其中,所述第一提取单元进一步被配置成:
将所述嘴巴图像输入到预训练的牙齿关键点提取网络,得到所述至少一个牙齿区域的关键点信息。
12.根据权利要求7所述装置,其中,所述第二提取单元进一步被配置成:
将所述嘴巴图像输入到预训练的嘴唇关键点提取网络,得到嘴唇关键点信息。
13.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010995695.7A CN112085733B (zh) | 2020-09-21 | 2020-09-21 | 图像处理方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010995695.7A CN112085733B (zh) | 2020-09-21 | 2020-09-21 | 图像处理方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112085733A CN112085733A (zh) | 2020-12-15 |
CN112085733B true CN112085733B (zh) | 2023-03-21 |
Family
ID=73739309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010995695.7A Active CN112085733B (zh) | 2020-09-21 | 2020-09-21 | 图像处理方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112085733B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990084A (zh) * | 2021-04-07 | 2021-06-18 | 北京字跳网络技术有限公司 | 图像处理方法、装置和电子设备 |
CN112926539A (zh) * | 2021-04-07 | 2021-06-08 | 北京字跳网络技术有限公司 | 图像处理方法、装置和电子设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170236057A1 (en) * | 2016-02-16 | 2017-08-17 | Carnegie Mellon University, A Pennsylvania Non-Profit Corporation | System and Method for Face Detection and Landmark Localization |
CN109272466A (zh) * | 2018-09-19 | 2019-01-25 | 维沃移动通信有限公司 | 一种牙齿美化方法和装置 |
CN109815821A (zh) * | 2018-12-27 | 2019-05-28 | 北京旷视科技有限公司 | 一种人像牙齿修饰方法、装置、系统及存储介质 |
-
2020
- 2020-09-21 CN CN202010995695.7A patent/CN112085733B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112085733A (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070063B (zh) | 目标对象的动作识别方法、装置和电子设备 | |
CN111784712B (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
CN112650790B (zh) | 目标点云平面确定方法,装置,电子设备及存储介质 | |
CN110298851B (zh) | 人体分割神经网络的训练方法及设备 | |
CN112085733B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN113034647A (zh) | 图像处理方法、装置和电子设备 | |
CN109919220B (zh) | 用于生成视频的特征向量的方法和装置 | |
CN112101258A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN111783777B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
TW202219822A (zh) | 字元檢測方法、電子設備及電腦可讀儲存介質 | |
CN117541511A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN111783889A (zh) | 图像识别方法、装置、电子设备和计算机可读介质 | |
CN110765304A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN113963000B (zh) | 图像分割方法、装置、电子设备及程序产品 | |
CN110619597A (zh) | 一种半透明水印去除方法、装置、电子设备及存储介质 | |
CN111784709B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN112926539A (zh) | 图像处理方法、装置和电子设备 | |
CN111898529B (zh) | 脸部检测方法、装置、电子设备和计算机可读介质 | |
CN114862720A (zh) | 画布还原方法、装置、电子设备和计算机可读介质 | |
CN113435393A (zh) | 森林火灾烟雾根节点检测方法、装置和设备 | |
CN110084835B (zh) | 用于处理视频的方法和装置 | |
CN110717467A (zh) | 头部姿势的估计方法、装置、设备及存储介质 | |
CN111784710B (zh) | 图像处理方法、装置、电子设备和介质 | |
CN112215789B (zh) | 图像去雾方法、装置、设备和计算机可读介质 | |
WO2022194157A1 (zh) | 一种目标跟踪方法、装置、设备及介质 |
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 |