CN112102153B - 图像的卡通化处理方法、装置、电子设备和存储介质 - Google Patents

图像的卡通化处理方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112102153B
CN112102153B CN202010844614.3A CN202010844614A CN112102153B CN 112102153 B CN112102153 B CN 112102153B CN 202010844614 A CN202010844614 A CN 202010844614A CN 112102153 B CN112102153 B CN 112102153B
Authority
CN
China
Prior art keywords
image
cartoon
skin color
processed
face
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
CN202010844614.3A
Other languages
English (en)
Other versions
CN112102153A (zh
Inventor
林天威
李甫
李鑫
张赫男
孙昊
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010844614.3A priority Critical patent/CN112102153B/zh
Publication of CN112102153A publication Critical patent/CN112102153A/zh
Priority to US17/373,420 priority patent/US11568590B2/en
Application granted granted Critical
Publication of CN112102153B publication Critical patent/CN112102153B/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
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/02—Non-photorealistic rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge 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
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了图像的卡通化处理方法、装置、电子设备和存储介质，属于计算机领域，具体涉及人工智能中计算视觉、图像处理、人脸识别、深度学习技术。实现方案为：对待处理的人脸图像进行肤色识别，确定人脸的目标肤色，若卡通化模型集中未包含与目标肤色对应的卡通化模型，利用任一卡通化模型对人脸图像进行处理，获取人脸图像对应的参考卡通化图像，并根据目标肤色及任一卡通化模型对应的参考肤色，确定像素调整参数，基于像素调整参数，将参考卡通化图像中各个像素点的像素值进行调整，获取目标卡通化图像。由此，当卡通化模型集中未包含目标肤色对应的卡通化模型时，利用已有的卡通化模型，可以实现各种肤色对象的卡通化处理，扩大了应用范围。

Description

图像的卡通化处理方法、装置、电子设备和存储介质
技术领域
本申请涉及计算机领域，具体涉及人工智能中计算视觉、图像处理、人脸识别、深度学习技术，尤其涉及一种图像的卡通化处理方法、装置、电子设备和存储介质。
背景技术
人像卡通化，是目前常用的一种图像风格变换方式。
相关技术中，由于目前的人像卡通化图像训练数据多为浅色皮肤，从而导致训练生成的模型进行人脸风格变换处理时，生成的卡通化的人脸也为浅肤色，即目前的卡通化处理模型，只能对肤色为浅色系的用户进行处理，使用范围受限。
发明内容
本申请提供一种图像的卡通化处理方法、装置、电子设备和存储介质。
根据本申请的一方面，提供了一种图像的卡通化处理方法，包括：
对待处理的人脸图像进行肤色识别，以确定所述待处理的人脸图像中人脸的目标肤色；
若卡通化模型集中未包含与所述目标肤色对应的卡通化模型，则利用任一卡通化模型对所述人脸图像进行处理，以获取所述待处理的人脸图像对应的参考卡通化图像；
根据所述目标肤色及所述任一卡通化模型对应的参考肤色，确定像素调整参数；
基于所述像素调整参数，将所述参考卡通化图像中各个像素点的像素值进行调整，以获取所述待处理的人脸图像对应的目标卡通化图像。
根据本申请的另一方面，提供了一种图像的卡通化处理装置，包括：
第一识别模块，用于对待处理的人脸图像进行肤色识别，以确定所述待处理的人脸图像中人脸的目标肤色；
变换处理模块，用于当卡通化模型集中未包含与所述目标肤色对应的卡通化模型时，利用任一卡通化模型对所述人脸图像进行处理，以获取所述待处理的人脸图像对应的参考卡通化图像；
确定模块，用于根据所述目标肤色及所述任一卡通化模型对应的参考肤色，确定像素调整参数；
调整模块，用于基于所述像素调整参数，将所述参考卡通化图像中各个像素点的像素值进行调整，以获取所述待处理的人脸图像对应的目标卡通化图像。
根据本申请的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述一方面实施例所述的图像的卡通化处理方法。
根据本申请另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面实施例所述的图像的卡通化处理方法。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1为本申请实施例提供的一种图像的卡通化处理方法的流程示意图；
图2为本申请实施例提供的另一种图像的卡通化处理方法的流程示意图；
图3为本申请实施例提供的另一种图像的卡通化处理方法的流程示意图；
图4为本申请实施例提供的另一种图像的卡通化处理方法的流程示意图；
图5为本申请实施例提供的另一种图像的卡通化处理方法的流程示意图；
图6为本申请实施例提供的一种图像的卡通化处理装置的结构示意图；
图7为根据本申请实施例的图像的卡通化处理方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的图像的卡通化处理方法、装置、电子设备和存储介质。
图1为本申请实施例提供的一种图像的卡通化处理方法的流程示意图。
本申请实施例的图像的卡通化处理方法，可由本申请实施例提供的图像的卡通化处理装置执行，该装置可配置于电子设备中，以实现利用已有的卡通化模型，实现各种肤色对象的卡通化处理。
如图1所示，该图像的卡通化处理方法包括：
步骤101，对待处理的人脸图像进行肤色识别，以确定待处理的人脸图像中人脸的目标肤色。
本实施例中，待处理的人脸图像可以是电子设备的摄像头拍摄的人脸图像，或者从拍摄的图像中提取的人脸图像，也可以是从视频的视频帧中提取的人脸图像。
在进行肤色识别时，可以先进行人脸检测，确定人脸区域，然后获取人脸区域中各像素点的像素值，并计算人脸区域中所有像素点的平均像素值，然后根据预先设定的各种肤色对应的像素值范围，确定当前待处理的人脸图像中人脸区域中所有像素点的平均像素值，所属的像素值范围，从而将所属的像素值范围对应的肤色，确定为待处理的人脸图像中人脸的肤色，这里称为目标肤色。
或者，也可根据用户输入的待处理的人脸图像的肤色信息，确定人脸图像中人脸的目标肤色。
再或者，也可利用预先训练好的肤色识别模型，对待处理的人脸图像进行肤色识别，以确定人像图像中人脸的目标肤色。
步骤102，若卡通化模型集中未包含与目标肤色对应的卡通化模型，则利用任一卡通化模型对人脸图像进行处理，以获取待处理的人脸图像对应的参考卡通化图像。
本实施例中，卡通化模型集中包括至少一种肤色对应的卡通化模型。其中，某肤色对应的卡通化模型用于将人脸为该肤色的人脸图像转换为该肤色的卡通化图像等。比如，与A肤色对应的卡通化模型可将肤色为A的人脸图像，转换为卡通化图像，该卡通化图像的肤色与肤色A相同或接近。
在获取待处理的人脸图像中人脸的目标肤色后，根据卡通化模型集中各卡通化模型与肤色之间的对应关系，确定卡通化模型中是否包含与目标肤色对应的卡通化模型。如果包含与目标肤色对应的卡通化模型，则利用该卡通化模型对人脸图像进行处理，获取与目标肤色对应的卡通化图像。如果卡通化模型集中未包含与目标肤色对应的卡通化模型，则利用卡通化模型中任一卡通化模型对人脸图像进行处理，获取该人脸图像对应的卡通化图像，这里称为参考卡通化图像。
比如，待处理的人脸图像中人脸的肤色为黑色，卡通化模型集中不包括与黑色对应的卡通化模型，由于浅色系训练数据较多，卡通化模型中包括浅色系对应的卡通化模型，则利用浅色系对应的卡通化模型对待处理的人脸图像进行处理，获取人脸图像对应的肤色为浅色系的参考卡通化图像。
步骤103，根据目标肤色及任一卡通化模型对应的参考肤色，确定像素调整参数。
本实施例中，将卡通化模型集中，对待处理的人脸图像进行处理的卡通化模型对应的肤色，称为参考肤色，卡通化模型对待处理的人脸图像进行处理，得到卡通化图像对应的肤色为参考肤色。
由于参考肤色与目标肤色存在差异，本实施例中，可根据目标肤色与参考肤色，确定像素值调整参数。比如，预先建立两种肤色的像素值间的差值与像素调整参数之间对应关系，然后根据该对应关系，确定目标肤色与参考肤色的像素值间的差值，对应的像素调整系数，如目标肤色的像素值大于参考肤色的像素值，确定像素调整系数大于1，差值越大像素调整系数越大。
其中，在参考肤色相同的情况下，目标肤色不同，对应的像素值调整参数不同。
步骤104，基于像素调整参数，将参考卡通化图像中各个像素点的像素值进行调整，以获取待处理的人脸图像对应的目标卡通化图像。
在确定像素调整参数后，根据像素调整参数和参考卡通化图像中每个像素点的像素值，确定每个像素点的新的像素值，比如，将卡通化图像中像素点的像素值与像素调整参数的乘积，作为新的像素值。然后，将卡通化图像中每个像素点的像素值调整为对应的新的像素值，从而获得与目标肤色对应的目标卡通化图像。
本实施例中，对于待处理的人脸图像，若卡通化集中未包含与待处理的人脸图像中人脸的肤色对应的卡通化模型，可利用已有的其他肤色对应的卡通化模型对待处理的人脸图像进行处理，得到参考卡通化图像。然后，根据待处理的人脸图像中人脸的肤色与已有的卡通化模型对应的参考肤色，确定像素调整参数，之后根据像素调整参数，对参考化图像中各像素点的像素值进行调整，获取与待处理的人脸图像中人脸的肤色对应的卡通化图像。
本申请实施例的图像的卡通化处理方法，通过对待处理的人脸图像进行肤色识别，以确定待处理的人脸图像中人脸的目标肤色；若卡通化模型集中未包含与目标肤色对应的卡通化模型，则利用任一卡通化模型对人脸图像进行处理，以获取待处理的人脸图像对应的参考卡通化图像；根据目标肤色及任一卡通化模型对应的参考肤色，确定像素调整参数；基于像素调整参数，将参考卡通化图像中各个像素点的像素值进行调整，以获取待处理的人脸图像对应的目标卡通化图像。由此，当卡通化模型集中未包含待处理的人脸图像中人脸的目标肤色对应的卡通化模型时，通过利用已有的卡通化模型对人脸图像进行处理，得到参考卡通化图像，再基于目标肤色和已有的卡通化模型对应的参考肤色，对参考卡通化图像进行调整，得到与目标肤色对应的卡通化图像，从而通过利用已有的卡通化模型，可以实现各种肤色对象的卡通化处理，扩大了应用范围。
在实际应用中，同一肤色人的当性别不同时，其卡通化图像的肤色也存在差异，同一个人不同年龄段，肤色也会存在差异。为了进一步提高卡通化处理效果，在本申请的一个实施例中，在根据目标肤色和参考肤色确定像素调整参数之后，还可根据人脸图像的特征，对像素调整参数进行更新。下面结合图2进行说明，图2为本申请实施例提供的另一种图像的卡通化处理方法的流程示意图。
如图2所示，在上述根据目标肤色及任一卡通化模型对应的参考肤色，确定像素调整参数之后，还包括：
步骤201，对待处理的人脸图像进行特征识别，以确定人脸图像的特征。
本实施例中，可将待处理的人脸图像输入至预先训练好的特征识别模型，利用特征识别模型对待处理的人脸图像进行特征识别，以确定人脸图像的特征。其中，人脸图像的特征包括但不限于：性别、年龄等。
其中，特征识别模型可以是利用大量不同年龄、不同性别的人脸图像经过训练得到的。
步骤202，根据人脸图像的特征，对像素调整参数进行更新。
由于不同性别的人，肤色可能不同，通常女性比男性的皮肤白；同一个人随着年龄的变化，其肤色也可能会发生变化。基于此，可根据人脸图像的特征，对像素调整参数进行更新。
作为一个示例，当确定人脸图像中人脸对应的性别为女时，可减小像素调整参数；若性别为男，可增大像素调整参数。其中，减小或增加的量，可根据实际需要设定。
作为另一个示例，预先建立不同年龄段与像素调整参数的变化量之间的对应关系，在确定待处理的人脸图像对应的年龄段之后，确定该年龄段对应的像素调整参数的变化量，然后将像素调整参数与变化量之和，作为新的像素调整参数。
需要说明的是，在更新像素调整参数时，可以考虑性别、年龄等多个因素。
在对像素调整参数更新后，根据更新后的像素调整参数，对参考卡通化图像的各像素点的像素值进行调整，根据调整后的各像素点的像素值，获取与待处理的人脸图像对应的目标参考化图像。
本申请实施例中，在根据目标肤色及任一卡通化模型对应的参考肤色，确定像素调整参数之后，还可对待处理的人脸图像进行特征识别，以确定人脸图像的特征，然后根据人脸图像的特征，对像素调整参数进行更新，之后根据更新后的像素调整参数，对参考卡通化图像中各像素点的像素值进行调整。由此，通过根据人脸图像的特征，对像素调整参数进行更新，提高了像素调整参数的准确性，那么根据更新后的像素调整参数对参考卡通化图像进行调整，提高了待处理的人脸图像对应的目标卡通化图像的效果。
在本申请的一个实施例中，在上述根据目标肤色及任一卡通化模型对应的参考肤色，确定像素调整参数时，可根据目标肤色与参考肤色的差异度，确定像素调整参数。其中，这里的差异度可用像素值衡量。
作为一种可能的实现方式，可以预先建立像素调整参数与差异范围之间的对应的关系。具体而言，根据待处理的人脸图像的目标肤色与参考肤色，确定目标肤色与参考肤色的差异度。然后，根据像素调整参数与差异范围之间的对应的关系，确定当前待处理的人脸图像的目标肤色与参考肤色的差异度所属的差异范围对应的像素调整参数。
作为另一种可能的实现方式，预先建立目标肤色与参考肤色的比值范围与像素调整参数之间的对应关系。具体而言，根据待处理的人脸图像的目标肤色与参考肤色，确定目标肤色与参考肤色的比值，然后根据对应关系，确定比值所属的比值范围，进而确定的该比值范围对应的像素调整参数。
本申请实施例中，根据目标肤色及任一卡通化模型对应的参考肤色，确定像素调整参数时，可根据目标肤色与参考肤色的差异度，确定像素调整参数。由此，通过对目标肤色与参考肤色两种肤色的差别进行量化，根据差异度，确定像素调整参数，提高了像素调整参数的准确性，从而提高了待处理的人脸图像的卡通化图像的处理效果。
在本申请的一个实施例中，在基于像素调整参数，将参考卡通化图像中各个像素点的像素值进行调整时，可采用图3所示的方法。图3为本申请实施例提供的另一种图像的卡通化处理方法的流程示意图。
如图3所示，上述基于像素调整参数，将参考卡通化图像中各个像素点的像素值进行调整，包括：
步骤301，确定参考卡通化图像中各个像素点对应的各个第一变量。
本实施例中，每个像素点的第一变量为每个像素点当前的像素值与设定系数间的比值。其中，设定系数可以根据图像的灰度级确定，比如灰度为256级，那么可设定系数可以为255。
也就是说，针对参考卡通化图像中每个像素点，可计算每个像素点的像素值与设定系数间的比值，由此，得到每个像素点对应的第一变量。
步骤302，根据各个第一变量与调整参数的幂函数，确定各个像素点调整后的像素值。
在确定参考卡通化图像中每个像素点的第一变量后，可将第一变量作为底，将像素调整参数作为幂，得到幂函数，然后根据该幂函数，确定各个像素点调整后的像素值。具体地，如下公式(1)所示。
其中，p表示更新后的像素值，p′表示参考化图像中像素点的像素值，α表示像素调整参数，l表示设定系数，那么为第一变量。
比如，设定系数l＝255，那么各像素点调整后的像素值可表示为比如，当肤色为白色皮肤时，α＝1.0；当肤色为浅色皮肤时，α＝1.5；当肤色为深色皮肤时，α＝3.0，基于该公式，能够较为自然的将卡通化图像中浅色肤色调整为深色肤色。
需要说明的是，上述设定系数的取值，像素调整系数的取值均为示例，具体的可根据实际需要设定，不应当作为本实施例的限制。
在获取调整后的像素值，将各像素点调整后的像素值，替换参考卡通化图像中各像素点的像素值，可以得到与待处理的人脸图像的目标肤色匹配的卡通化图像。
本申请实施例中，在基于像素调整参数，将参考卡通化图像中各个像素点的像素值进行调整时，可先确定参考卡通化图像中各个像素点对应的各个第一变量，其中，每个第一变量为每个像素点当前的像素值与设定系数间的比值，然后根据各个第一变量与像素调整参数的幂函数，确定各个像素点调整后的像素值。由此，通过根据参考卡通化图像中各像素点对应的第一变量，与调整参数的幂函数，确定各像素点调整后的像素值，根据各像素点调整后的像素值，可以得到与待处理的人脸图像对应的目标卡通化图像，从而实现了利用已有的卡通化模型，对各种肤色的人脸图像进行卡通化处理。
为了进一步提高对人脸肤色为目标肤色的人脸图像的处理效率和效果，在本申请的一个实施例中，可在利用上述方法对目标肤色的人脸图像进行处理，得到大量与目标肤色匹配的卡通化图像后，利用这些人脸图像和卡通化图像，训练得到与目标肤色对应的卡通化模型，以利用该卡通化模型对肤色为目标肤色的人脸图像进行处理。下面结合图4进行说明，图4为本申请实施例提供的另一种图像的卡通化处理方法的流程示意图。
如图4所示，上述在获取待处理的人脸图像对应的目标卡通化图像之后，还包括：
步骤401，若与目标肤色匹配的目标卡通化图像的数量大于第一阈值，则获取与目标肤色对应的人脸图像集及卡通化图像集。
本实施例中，可获取与目标肤色匹配的目标卡通化图像后，判断与目标肤色匹配的目标卡通化图像的数量是否大于第一阈值。如果与目标肤色匹配的目标卡通化图像的数量大于第一阈值，则利用肤色为目标肤色的人脸图像构成人脸图像集，利用与人脸图像对应的目标卡通化图像构成卡通化图像集。
其中，第一阈值越大，说明用于模型训练的数据越多，那么训练得到的模型的准确性越高。需要说明的是，第一阈值可以根据需要设定，本实施例对此不作限定。
步骤402，利用人脸图像集及卡通化图像集，对初始卡通化模型进行训练，以获取与目标肤色对应的目标卡通化模型。
本实施例中，初始卡通化模型可为对抗网络，包括生成器与判别器。
具体地，将人脸图像集中的人脸图像输入至生成器，生成参考图像。进一步地，为了提高为了降低模型训练的难度，可先对人脸图像集中的人脸图像进行预处理，获取人脸图像对应的凸包图像。
由于凸包图像可表征五官的位置和大小，并通过颜色的变化表征睁眼、闭眼、张嘴、闭嘴的状态，相当于初始卡通化模型直接知道当前的睁眼、张嘴状态，而不需要让模型被动去学习。通过这种方式，显著的提高了模型的生成效果和收敛速度。
在获取人脸图像的凸包图像后，将凸包图像和人脸图像输入至生成器，生成参考图像。
在获取参考图像后，将参考图像输入至判别器，以使判别器判别参考图像为真实图像的概率，为了便于区分称为第一概率。然后，可通过根据第一概率与0的差异，对生成器和判别器进行修正。
由于参考图像是由生成器生成的图像，因此参考图像属于真实图像的概率为0％。可见，第一概率越大，说明参考图像被识别为真实图像的概率越高，但参考图像是生成图像，说明当前判别器的判断准确性越差，由此，对判别器进行修正；第一概率越小，说明参考图像被识别为真实图像的概率越低，生成器生成的卡通化图像的效果越差，那么对生成器进行修正。
同时，可将卡通化图像集中的卡通化图像，输入至判别器，由判别器判别卡通化图像是真实的，还是由生成器生成的。为了便于区分，这里将卡通化图像集中卡通化图像输入至判别器，判别器输出的概率称为第二概率。之后，根据第二概率与0之间的差异，对判别器进行修正。由于卡通化图像集中的图像是由生成器生成的，那么第二概率越大，说明判别器识别的判别效果越差，则对判别器进行修正。
在具体实现时，可对初始卡通化模型进行深度学习，得到与目标肤色对应的卡通化模型。
在获取与目标肤色对应的卡通化模型后，可将该卡通化模型添加至卡通化模型集中，若待处理的人脸图像中人脸的肤色为目标肤色，那么利用与目标肤色对应的卡通化模型对人脸图像进行处理，得到对应的卡通化图像。
比如，通过利用人脸图像集和卡通化图像集，训练得到深色系肤色对应卡通化模型。在视频级卡通化图像的应用场景中，针对视频中检测到的人脸图像，可以先进行肤色识别，确定检测到的人脸图像中人脸的肤色，如果人脸肤色为深色系，那么调用卡通化模型集中深色系肤色对应的卡通化模型对人脸图像进行处理，得到深色系肤色的卡通化图像；如果人脸肤色为浅色系，那么调用浅色系肤色对应的卡通化模型对人脸图像进行处理，得到浅色系肤色对应的卡通化图像。
同时，对检测到的人脸进行跟踪，因为跟踪的耗时很小，可以避免每帧都进行耗时很大的肤色识别。当跟踪跟丢时，对检测到的人脸重新进行肤色识别，然后再调用对应的模型进行处理。由此，在视频级卡通化图像生成时，可以自适应的进行肤色识别，然后生成对应肤色的卡通化图像。
本申请实施例中，在获取待处理的人脸图像对应的目标卡通化图像之后，还可包括：若与目标肤色匹配的目标卡通化图像的数量大于第一阈值，则获取与目标肤色对应的人脸图像集及卡通化图像集，然后利用人脸图像集及卡通化图像集，对初始卡通化模型进行训练，以获取与目标肤色对应的目标卡通化模型。由此，通过在利用已有的卡通化模型得到的与目标肤色匹配的图像的数量达到一定数量时，利用与目标肤色对应的人脸图像集和卡通化图像集，训练得到目标肤色对应的卡通化模型，从而可以利用训练得到的目标卡通化模型，对肤色为目标肤色的人脸图像进行卡通化处理，获取与目标肤色匹配的卡通化图像，提高了目标肤色的人脸图像的卡通化处理效率和处理效果。
在实际应用中，人脸图像通常有一定的背景，为了提高图像处理效果，在本申请的一个实施例中，在对待处理的人脸图像进行肤色识别之前，可利用人脸分割模型，对待处理图像进行人脸分割，得到人脸区域和背景区域，然后从待处理图像中获取待处理的人脸区域。
或者，也可利用人脸检测算法，从待处理图像中定位人脸位置，得到人脸位置框，然后根据人脸位置框，将人脸区域从待处理图像中截取出来，舍弃掉背景区域。
本申请实施例中，在对待处理的人脸图像进行肤色识别之前，还可利用人脸分割模型，对待处理图像进行人脸分割，以获取待处理的人脸图像。由此，通过对待处理图像进行人脸分割，将待处理图像中背景舍弃，获取人脸图像，以仅对人脸图像进行处理，可以提高图像卡通化处理效果。
在实际应用中，存在对包含人脸图像的待处理图像进行卡通化图像，比如，将一张包含人脸、树、小河的图像进行卡通化处理。在本申请的一个实施例中，可将待处理人脸图像进行人脸分割，得到人脸图像和背景图像，利用上述方法对人脸图像进行卡通化处理，同时，对背景进行卡通化处理，然后将卡通化处理的人脸图像与背景进行融合，得到待处理图像的卡通化图像。下面结合图5进行说明，图5为本申请实施例提供的另一种图像的卡通化处理方法的流程示意图。
如图5所示，该方法还包括：
步骤501，对待处理图像进行背景卡通化处理，以获取背景卡通化图像。
在实际应用中，训练一个完整的卡通化模型，实现对待处理图像中人脸图像和背景都进行卡通化处理，训练难度比较大、模型效果差。基于此，本实施例中，可对待处理的人脸图像进行人脸分割，分割出人脸的面部区域遮罩，然后利用背景卡通化模型，对待处理图像进行背景卡通化处理，得到背景卡通化图像，这里的背景卡通化图像中包含人脸的面部区域的遮罩。
在进行背景卡通化处理时，还可从背景卡通化图像库中，获取待处理图像中每个背景物体对应的卡通化图像，然后进行融合得到背景卡通化图像。其中，背景卡通化图像库中包含多种物体的卡通化图像。
比如，待处理图像中的背景中包括大海、石头、沙滩，那么从背景卡通化图像库中获取大海的卡通化图像、石头的卡通化图像、石头的卡通化图像，然后根据待处理图像中大海、石头、沙滩的位置信息，将这些物体的卡通化图像进行融合得到背景卡通化图像。
步骤502，将目标卡通化图像及背景卡通化图像进行融合，以获取与待处理图像对应的卡通化图像。
对待处理人脸图像进行人脸分割，分割出人脸的面部区域遮罩，对于检测出的人脸，可利用已有的卡通化模型处理，得到参考卡通化图像，然后再通过调整得到与肤色匹配的目标卡通化图像。同时，利用背景卡通化模型，得到背景卡通化图像。然后，将目标卡通化图像替换背景卡通化图像中的遮罩区域，得到待处理图像对应的卡通化图像。
或者，对待处理图像进行人脸分割，获取人脸图像和背景图像，然后对背景图像，利用训练好的背景卡通化模型进行背景卡通化处理，获取背景卡通化图像。在获取待处理图像中人脸图像对应的卡通化图像，和待处理图像中背景对应的背景卡通化图像后，可根据人脸图像和背景图像中各像素点在待处理图像中的位置信息，将目标卡通化图像与背景卡通化图像进行拼接，得到待处理图像对应的卡通化图像。
本申请实施例中，还可对待处理图像进行背景卡通化处理，以获取背景卡通化图像，然后将目标卡通化图像及背景卡通化图像进行融合，以获取与待处理图像对应的卡通化图像。由此，通过对待处理图像进行背景卡通化处理，得到背景卡通化图像，将背景卡通化图像与人脸图像对应的卡通化图像进行融合，实现对待处理图像的卡通化处理。
为了实现上述实施例，本申请实施例还提出一种图像的卡通化处理装置。图6为本申请实施例提供的一种图像的卡通化处理装置的结构示意图。
如图6所示，该图像的卡通化处理装置600包括：第一识别模块610、变换处理模块620、确定模块630及调整模块640。
第一识别模块610，用于对待处理的人脸图像进行肤色识别，以确定待处理的人脸图像中人脸的目标肤色；
变换处理模块620，用于当卡通化模型集中未包含与目标肤色对应的卡通化模型时，利用任一卡通化模型对人脸图像进行处理，以获取待处理的人脸图像对应的参考卡通化图像；；
确定模块630，用于根据目标肤色及任一卡通化模型对应的参考肤色，确定像素调整参数；；
调整模块640，用于基于像素调整参数，将参考卡通化图像中各个像素点的像素值进行调整，以获取待处理的人脸图像对应的目标卡通化图像。
在本申请实施例一种可能的实现方式中，该装置还可包括：
第二识别模块，用于对待处理的人脸图像进行特征识别，以确定人脸图像的特征；
更新模块，用于根据人脸图像的特征，对像素调整参数进行更新。
在本申请实施例一种可能的实现方式中，上述确定模块630，具体用于：根据目标肤色与参考肤色的差异度，确定像素调整参数。
在本申请实施例一种可能的实现方式中，上述调整模块640，包括：
第一确定单元，用于确定参考卡通化图像中各个像素点对应的各个第一变量，其中，每个第一变量为每个像素点当前的像素值与设定系数间的比值；
第二确定单元，用于根据各个第一变量与像素调整参数的幂函数，确定各个像素点调整后的像素值。
在本申请实施例一种可能的实现方式中，该装置还可包括：
获取模块，用于当与目标肤色匹配的目标卡通化图像的数量大于第一阈值时，获取与目标肤色对应的人脸图像集及卡通化图像集；以及
训练模块，用于利用人脸图像集及卡通化图像集，对初始卡通化模型进行训练，以获取与目标肤色对应的目标卡通化模型。
在本申请实施例一种可能的实现方式中，该装置还可包括：
分割模块，用于利用人脸分割模型，对待处理图像进行人脸分割，以获取待处理的人脸图像。
在本申请实施例一种可能的实现方式中，该装置还可包括：
背景处理模块，用于对待处理图像进行背景卡通化处理，以获取背景卡通化图像；
融合模块，用于将目标卡通化图像及背景卡通化图像进行融合，以获取与待处理图像对应的卡通化图像。
需要说明的是，前述图像的卡通化处理方法实施例的解释说明，也适用于该实施例的图像的卡通化处理装置，故在此不再赘述。
本申请实施例的图像的卡通化处理装置，通过对待处理的人脸图像进行肤色识别，以确定待处理的人脸图像中人脸的目标肤色；若卡通化模型集中未包含与目标肤色对应的卡通化模型，则利用任一卡通化模型对人脸图像进行处理，以获取待处理的人脸图像对应的参考卡通化图像；根据目标肤色及任一卡通化模型对应的参考肤色，确定像素调整参数；基于像素调整参数，将参考卡通化图像中各个像素点的像素值进行调整，以获取待处理的人脸图像对应的目标卡通化图像。由此，当卡通化模型集中未包含待处理的人脸图像中人脸的目标肤色对应的卡通化模型时，通过利用已有的卡通化模型对人脸图像进行处理，得到参考卡通化图像，再基于目标肤色和已有的卡通化模型对应的参考肤色，对参考卡通化图像进行调整，得到与目标肤色对应的卡通化图像，从而通过利用已有的卡通化模型，可以实现各种肤色对象的卡通化处理，扩大了应用范围。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图7所示，是根据本申请实施例的图像的卡通化处理方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的图像的卡通化处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的图像的卡通化处理方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的图像的卡通化处理方法对应的程序指令/模块(例如，附图6所示的第一识别模块610、变换处理模块620、确定模块630及调整模块640)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的图像的卡通化处理方法。
存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据图像的卡通化处理电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至图像的卡通化处理方法的电子设备。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。
图像的卡通化处理方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与图像的卡通化处理方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS(VirtualPrivate Server,虚拟专用服务器)服务中，存在的管理难度大，业务扩展性弱的缺陷。
根据本申请实施例的技术方案，当卡通化模型集中未包含待处理的人脸图像中人脸的目标肤色对应的卡通化模型时，通过利用已有的卡通化模型对人脸图像进行处理，得到参考卡通化图像，再基于目标肤色和已有的卡通化模型对应的参考肤色，对参考卡通化图像进行调整，得到与目标肤色对应的卡通化图像，从而通过利用已有的卡通化模型，可以实现各种肤色对象的卡通化处理，扩大了应用范围。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (12)

1.一种图像的卡通化处理方法，包括：
对待处理的人脸图像进行肤色识别，以确定所述待处理的人脸图像中人脸的目标肤色；
若卡通化模型集中未包含与所述目标肤色对应的卡通化模型，则利用任一卡通化模型对所述人脸图像进行处理，以获取所述待处理的人脸图像对应的参考卡通化图像；
根据所述目标肤色与所述任一卡通化模型对应的参考肤色的差异度，确定像素调整参数；
确定所述参考卡通化图像中各个像素点对应的各个第一变量，其中，每个所述第一变量为每个所述像素点当前的像素值与设定系数间的比值，所述设定系数是根据所述参考卡通化图像的灰度级确定的；
以所述第一变量作为底，以所述像素调整参数作为幂，获得幂函数，将所述设定系数与所述幂函数的乘积作为所述各个像素点调整后的像素值，以获取所述待处理的人脸图像对应的目标卡通化图像。
2.如权利要求1所述的方法，其中，在所述根据所述目标肤色及所述任一卡通化模型对应的参考肤色，确定像素调整参数之后，还包括：
对所述待处理的人脸图像进行特征识别，以确定所述人脸图像的特征；
根据所述人脸图像的特征，对所述像素调整参数进行更新。
3. 如权利要求1-2任一所述的方法，其中，在所述获取所述待处理的人脸图像对应的目标卡通化图像之后，还包括：
若与所述目标肤色匹配的目标卡通化图像的数量大于第一阈值，则获取与所述目标肤色对应的人脸图像集及卡通化图像集；以及
利用所述人脸图像集及卡通化图像集，对初始卡通化模型进行训练，以获取与所述目标肤色对应的目标卡通化模型。
4.如权利要求1-2任一所述的方法，其中，在所述对待处理的人脸图像进行肤色识别之前，还包括：
利用人脸分割模型，对待处理图像进行人脸分割，以获取所述待处理的人脸图像。
5.如权利要求4所述的方法，其中，还包括：
对所述待处理图像进行背景卡通化处理，以获取背景卡通化图像；
将所述目标卡通化图像及所述背景卡通化图像进行融合，以获取与所述待处理图像对应的卡通化图像。
6.一种图像的卡通化处理装置，包括：
第一识别模块，用于对待处理的人脸图像进行肤色识别，以确定所述待处理的人脸图像中人脸的目标肤色；
变换处理模块，用于当卡通化模型集中未包含与所述目标肤色对应的卡通化模型时，利用任一卡通化模型对所述人脸图像进行处理，以获取所述待处理的人脸图像对应的参考卡通化图像；
确定模块，用于根据所述目标肤色与所述任一卡通化模型对应的参考肤色的差异度，确定像素调整参数；
调整模块，用于基于所述像素调整参数，将所述参考卡通化图像中各个像素点的像素值进行调整，以获取所述待处理的人脸图像对应的目标卡通化图像；
所述调整模块，包括：
第一确定单元，用于确定所述参考卡通化图像中各个像素点对应的各个第一变量，其中，每个所述第一变量为每个所述像素点当前的像素值与设定系数间的比值，所述设定系数是根据所述参考卡通化图像的灰度级确定的；
第二确定单元，用于以所述第一变量作为底，以所述像素调整参数作为幂，获得幂函数，将所述设定系数与所述幂函数的乘积作为所述各个像素点调整后的像素值。
7.如权利要求6所述的装置，还包括：
第二识别模块，用于对所述待处理的人脸图像进行特征识别，以确定所述人脸图像的特征；
更新模块，用于根据所述人脸图像的特征，对所述像素调整参数进行更新。
8. 如权利要求6-7任一所述的装置，还包括：
获取模块，用于当与所述目标肤色匹配的目标卡通化图像的数量大于第一阈值时，获取与所述目标肤色对应的人脸图像集及卡通化图像集；以及
训练模块，用于利用所述人脸图像集及卡通化图像集，对初始卡通化模型进行训练，以获取与所述目标肤色对应的目标卡通化模型。
9.如权利要求6-7任一所述的装置，还包括：
分割模块，用于利用人脸分割模型，对待处理图像进行人脸分割，以获取所述待处理的人脸图像。
10.如权利要求9所述的装置，还包括：
背景处理模块，用于对所述待处理图像进行背景卡通化处理，以获取背景卡通化图像；
融合模块，用于将所述目标卡通化图像及所述背景卡通化图像进行融合，以获取与所述待处理图像对应的卡通化图像。
11. 一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的图像的卡通化处理方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的图像的卡通化处理方法。
CN202010844614.3A 2020-08-20 2020-08-20 图像的卡通化处理方法、装置、电子设备和存储介质 Active CN112102153B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010844614.3A CN112102153B (zh) 2020-08-20 2020-08-20 图像的卡通化处理方法、装置、电子设备和存储介质
US17/373,420 US11568590B2 (en) 2020-08-20 2021-07-12 Cartoonlization processing method for image, electronic device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010844614.3A CN112102153B (zh) 2020-08-20 2020-08-20 图像的卡通化处理方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112102153A CN112102153A (zh) 2020-12-18
CN112102153B true CN112102153B (zh) 2023-08-01

Family

ID=73753376

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010844614.3A Active CN112102153B (zh) 2020-08-20 2020-08-20 图像的卡通化处理方法、装置、电子设备和存储介质

Country Status (2)

Country Link
US (1) US11568590B2 (zh)
CN (1) CN112102153B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112991151B (zh) * 2021-02-09 2022-11-22 北京字跳网络技术有限公司 图像处理方法、图像生成方法、装置、设备和介质
CN112989541B (zh) * 2021-05-07 2021-07-23 国网浙江省电力有限公司金华供电公司 三维网格模型生成方法、装置、电子设备和可读存储介质
CN113327193A (zh) * 2021-05-27 2021-08-31 北京百度网讯科技有限公司 图像处理方法、装置、电子设备和介质
CN113487745A (zh) * 2021-07-16 2021-10-08 思享智汇(海南)科技有限责任公司 一种增强现实的方法、装置及系统
CN114898021B (zh) * 2022-07-12 2022-09-27 湖南师范大学 音乐舞台表演视频的智能卡通化方法
CN115050083B (zh) * 2022-08-15 2022-10-25 南京硅基智能科技有限公司 矫正口型模型、模型的训练及其应用方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104715445A (zh) * 2013-12-13 2015-06-17 腾讯科技（深圳）有限公司 图像处理方法和系统
CN105530434A (zh) * 2016-02-01 2016-04-27 深圳市金立通信设备有限公司 一种拍摄方法及终端
CN107545536A (zh) * 2017-08-17 2018-01-05 上海展扬通信技术有限公司 一种智能终端的图像处理方法及图像处理系统
CN108665408A (zh) * 2018-05-21 2018-10-16 北京微播视界科技有限公司 肤色调整方法、装置和电子设备
CN109191410A (zh) * 2018-08-06 2019-01-11 腾讯科技（深圳）有限公司 一种人脸图像融合方法、装置及存储介质
CN110070483A (zh) * 2019-03-26 2019-07-30 中山大学 一种基于生成式对抗网络的人像卡通化方法
CN111063008A (zh) * 2019-12-23 2020-04-24 北京达佳互联信息技术有限公司 一种图像处理方法、装置、设备及存储介质

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6807290B2 (en) * 2000-03-09 2004-10-19 Microsoft Corporation Rapid computer modeling of faces for animation
AU2006352758A1 (en) * 2006-04-10 2008-12-24 Avaworks Incorporated Talking Head Creation System and Method
JP5463866B2 (ja) 2009-11-16 2014-04-09 ソニー株式会社 画像処理装置および画像処理方法、並びにプログラム
US8913847B2 (en) * 2010-06-01 2014-12-16 Hewlett-Packard Development Company, L.P. Replacement of a person or object in an image
US9338349B2 (en) 2013-04-15 2016-05-10 Qualcomm Incorporated Generation of ghost-free high dynamic range images
CN107180446B (zh) * 2016-03-10 2020-06-16 腾讯科技（深圳）有限公司 人物面部模型的表情动画生成方法及装置
WO2018195485A1 (en) * 2017-04-21 2018-10-25 Mug Life, LLC Systems and methods for automatically creating and animating a photorealistic three-dimensional character from a two-dimensional image
US10748322B1 (en) 2017-10-13 2020-08-18 Umojify, Inc. Systems and methods for generating cartoon images from images
CN108269290A (zh) * 2018-01-19 2018-07-10 厦门美图之家科技有限公司 皮肤肤色识别方法及装置
US10777021B2 (en) 2018-02-27 2020-09-15 Soul Vision Creations Private Limited Virtual representation creation of user for fit and style of apparel and accessories
US11410268B2 (en) * 2018-05-31 2022-08-09 Beijing Sensetime Technology Development Co., Ltd Image processing methods and apparatuses, electronic devices, and storage media
JP6563580B1 (ja) 2018-10-16 2019-08-21 株式会社アンビリアル コミュニケーションシステム及びプログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104715445A (zh) * 2013-12-13 2015-06-17 腾讯科技（深圳）有限公司 图像处理方法和系统
CN105530434A (zh) * 2016-02-01 2016-04-27 深圳市金立通信设备有限公司 一种拍摄方法及终端
CN107545536A (zh) * 2017-08-17 2018-01-05 上海展扬通信技术有限公司 一种智能终端的图像处理方法及图像处理系统
CN108665408A (zh) * 2018-05-21 2018-10-16 北京微播视界科技有限公司 肤色调整方法、装置和电子设备
CN109191410A (zh) * 2018-08-06 2019-01-11 腾讯科技（深圳）有限公司 一种人脸图像融合方法、装置及存储介质
CN110070483A (zh) * 2019-03-26 2019-07-30 中山大学 一种基于生成式对抗网络的人像卡通化方法
CN111063008A (zh) * 2019-12-23 2020-04-24 北京达佳互联信息技术有限公司 一种图像处理方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于保边滤波和肤色模型的人脸美颜技术研究与实现;王志强;苗翔宇;;无线互联科技(第17期);第141-144页 *

Also Published As

Publication number Publication date
CN112102153A (zh) 2020-12-18
US20210343065A1 (en) 2021-11-04
US11568590B2 (en) 2023-01-31

Similar Documents

Publication Publication Date Title
CN112102153B (zh) 图像的卡通化处理方法、装置、电子设备和存储介质
CN112102154B (zh) 图像处理方法、装置、电子设备和存储介质
CN111598818B (zh) 人脸融合模型训练方法、装置及电子设备
CN111783647B (zh) 人脸融合模型的训练方法、人脸融合方法、装置及设备
CN111832745B (zh) 数据增广的方法、装置及电子设备
EP4024352A2 (en) Method and apparatus for face liveness detection, and storage medium
CN111709875B (zh) 图像处理方法、装置、电子设备及存储介质
CN113469085B (zh) 人脸活体检测方法、装置、电子设备及存储介质
CN112270745B (zh) 一种图像生成方法、装置、设备以及存储介质
CN112116525B (zh) 换脸识别方法、装置、设备和计算机可读存储介质
CN112561879B (zh) 模糊度评价模型训练方法、图像模糊度评价方法及装置
CN111815595A (zh) 图像语义分割方法、装置、设备和可读存储介质
WO2023279076A1 (en) Eye gaze classification
CN111523467B (zh) 人脸跟踪方法和装置
CN111914630A (zh) 为人脸识别生成训练数据的方法、装置、设备和存储介质
CN112949467B (zh) 人脸检测方法、装置、电子设备和存储介质
CN113658035B (zh) 脸部变换方法、装置、设备、存储介质以及产品
CN112700568B (zh) 一种身份认证的方法、设备及计算机可读存储介质
CN111986263B (zh) 图像处理方法、装置、电子设备及存储介质
CN112200169B (zh) 用于训练模型的方法、装置、设备以及存储介质
Singhal et al. LRD-Net: A Lightweight Deep Network for Low-light Image Enhancement
CN116382475B (zh) 视线方向的控制、视线交流方法、装置、设备及介质
CN111832609B (zh) 图像处理模型的训练方法、装置、电子设备和存储介质
CN117372587A (zh) 数字人生成方法和装置、小样本模型训练方法和装置
CN113628144A (zh) 人像修复方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant