CN112116523A - 针对人像头发的图像处理方法、装置、终端及介质 - Google Patents
针对人像头发的图像处理方法、装置、终端及介质 Download PDFInfo
- Publication number
- CN112116523A CN112116523A CN201910541507.0A CN201910541507A CN112116523A CN 112116523 A CN112116523 A CN 112116523A CN 201910541507 A CN201910541507 A CN 201910541507A CN 112116523 A CN112116523 A CN 112116523A
- Authority
- CN
- China
- Prior art keywords
- grid
- target
- image
- hair
- sparse
- 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
- 210000004209 hair Anatomy 0.000 title claims abstract description 190
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000000280 densification Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 34
- 210000000697 sensory organ Anatomy 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 16
- 238000001514 detection method Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 12
- 238000011161 development Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 238000005457 optimization Methods 0.000 description 5
- 230000001815 facial effect Effects 0.000 description 4
- 230000003803 hair density Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 208000030695 Sparse hair Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
Images
Classifications
-
- G06T3/04—
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- 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
本发明实施例公开了一种针对人像头发的图像处理方法、装置、终端和介质,其中,所述方法包括,获取人物的头部图像,并确定头部图像中的关键区域,按照预设划分规则对关键区域进行网格划分,得到网格集合;根据网格中覆盖的头发图像确定网格集合中每个网格的网格类型,网格类型包括稀疏型或常规型;从稀疏型的网格中选取出目标稀疏网格,并获取目标稀疏网格的位置;根据目标稀疏网格的位置从常规型的网格中确定目标常规网格,并根据目标常规网格覆盖的头发图像对所述目标稀疏网格覆盖的头发图像进行增密处理。通过实施上述方法,可以在人物拍摄过程中增密人物的头发,提升了终端的智能性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种针对人像头发的图像处理方法、装置、终端及介质。
背景技术
随着计算机技术的发展,用户可以通过终端(手机、电脑、平板电脑等)拍摄照片,在用户拍摄人物照片时,可能因人物的发量稀疏而使得拍摄的照片无法达到预期的效果。
目前,针对上述问题的解决方案为手动对照片进行处理,具体的,用户打开图像,人工选择头发区域,通过贴图、仿制图章等功能,手动选择相应的发型覆盖原有的头发区域,以实现对照片进行修复优化。但上述方法需要对照片进行后期处理,无法实时做到效果预览,且选择的发型可能与被拍摄人物本身的贴合度较低,导致终端对图像处理的智能性较低。
发明内容
本发明实施例提供一种针对人像头发的图像处理方法、装置、终端及介质,可以在人物拍摄过程中增密人物的头发,提升终端的智能性。
第一方面,本发明实施例提供了一种针对人像头发的图像处理方法,所述方法包括:
获取人物的头部图像,并确定所述头部图像中的关键区域,所述关键区域包括待处理的头发图像区域;
按照预设划分规则对所述关键区域进行网格划分,得到网格集合;
根据网格中覆盖的头发图像确定所述网格集合中每个网格的网格类型,所述网格类型包括稀疏型或常规型;
从稀疏型的网格中选取出目标稀疏网格,并获取所述目标稀疏网格的位置;
根据所述目标稀疏网格的位置从常规型的网格中确定目标常规网格,并根据所述目标常规网格覆盖的头发图像对所述目标稀疏网格覆盖的头发图像进行增密处理。
第二方面,本发明实施例提供了一种针对人像头发的图像处理装置,所述装置包括:
获取模块,用于获取人物的头部图像;
确定模块,用于确定所述头部图像中的关键区域,所述关键区域包括待处理的头发图像区域;
划分模块,用于按照预设划分规则对所述关键区域进行网格划分,得到网格集合;
所述确定模块,还用于根据网格中覆盖的头发图像确定所述网格集合中每个网格的网格类型,所述网格类型包括稀疏型或常规型;
选取模块,用于从稀疏型的网格中选取出目标稀疏网格;
所述获取模块,还用于获取所述目标稀疏网格的位置;
所述确定模块,还用于根据所述目标稀疏网格的位置从常规型的网格中确定目标常规网格;
处理模块,用于根据所述目标常规网格覆盖的头发图像对所述目标稀疏网格覆盖的头发图像进行增密处理。
第三方面,本发明实施例提供了一种终端,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行第一方面所述的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行第一方面所述的方法。
本发明实施例中,终端获取人物的头部图像,并确定头部图像中的关键区域,终端按照预设划分规则对关键区域进行网格划分,得到网格集合,终端根据网格中覆盖的头发图像确定网格集合中每个网格的网格类型,终端从稀疏型的网格中选取出目标稀疏网格,并获取目标稀疏网格的位置;终端根据目标稀疏网格的位置从常规型的网格中确定目标常规网格,并根据目标常规网格覆盖的头发图像对目标稀疏网格覆盖的头发图像进行增密处理。通过上述方式,可以在人物拍摄过程中增密人物的头发,提升了终端的智能性。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种针对人像头发的图像处理方法的流程示意图;
图2是本发明实施例提供的另一种针对人像头发的图像处理方法的流程示意图;
图3是本发明实施例提供的一种人物的头部图像示意图;
图4是本发明实施例提供的一种头发识别的效果示意图;
图5是本发明实施例提供的一种五官关键点识别的效果示意图;
图6是本发明实施例提供的一种关键区域识别的效果示意图;
图7是本发明实施例提供的一种头部图像进行网格划分的效果示意图;
图8是本发明实施例提供的一种头部图像进行增发处理后的效果示意图;
图9是本发明实施例提供的一种针对人像头发的图像处理装置的结构示意图;
图10是本发明实施例提供的一种终端的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参见图1,为本发明实施例提供的一种针对人像头发的图像处理方法的流程示意图。
S101、终端获取人物的头部图像,并确定头部图像中的关键区域。
本发明实施例中,终端获取人物的头部图像的具体方式可以为,终端检测摄像头是否处于开启状态,若是,则检测摄像头获取到的图像中是否包括人物的头部图像,若是,则终端获取该人物的头部图像。或者,用户也可以在终端中输入人物的头部图像,以使得终端获取到人物的头部图像。终端获取到人物的头部图像之后,可以进一步确定该头部图像中的关键区域,其中,关键区域包括待处理的头发图像区域,待处理的头发图像区域具体可以为头部图像中头发正头顶所在的区域、头发两侧区域等,具体可以由用户预先设置。
在一种实现方式中,终端中的摄像头获取到人物的头部图像之后,终端可以立即基于预设算法识别出该头部图像中的关键区域。
在一种实现方式中,终端中的摄像头获取到人物的头部图像之后,终端可以检测当前的摄像模式是否为自动优化模式,若是,则终端可以立即基于预设算法识别出该头部图像中的关键区域,若否,则可结束本流程。其中,用户可以输入相应的操作指令以开启自动优化模式。进一步的,终端可以在获取到人物的头部图像之后,检测头部图像中的头发密度是否小于预设密度,若是,则可以发出提示信息,该提示信息中包括是否开启自动优化模式的选项,当用户选择开启自动优化模式的选项后,终端基于预设算法识别出该头部图像中的关键区域。其中,终端检测头部图像中头发密度是否小于预设密度的具体方式可以为,终端识别头部图像中的头发区域,计算该头发区域的灰度值,若该灰度值小于预设灰度值,则终端确定头部图像中头发密度小于预设密度。
在一种实现方式中,终端中的摄像头获取到人物的头部图像之后,终端可以检测人物的头部图像是否与预先存储的头部图像相匹配,若是,则终端可以基于预设算法识别出该头部图像中的关键区域。其中,用户可以预先将需要进行优化的人物的头部图像进行预先存储,终端在获取到与预先存储的人物的头部图像相匹配的头部图像后,直接基于预设算法识别出该头部图像中的关键区域。
需要说明的是,关键区域的具体确定方式可以为,终端采用第一预设算法识别头部图像中的头发区域,并采用第二预设算法识别头部图像中的五官关键点,终端根据头发区域和五官关键点确定头部图像中的关键区域。其中,五官关键点用于表示头部图像中五官(眉、眼、耳、鼻、口)所在的位置,第一预设算法具体可以为基于颜色空间统计的发色检测算法、基于概率模型和高斯模型的发色检测算法、基于神经网络机器学习的发色检测算法等;第二预设算法具体可以为基于肤色检测的快速五官定位算法、基于人眼定位的快速人脸检测及归一化算法、融合五官特征的旋转人脸检测算法等,第一预设算法或第二预设算法具体可以由研发人员预先设定,本发明实施例不做限定。终端确定头发区域和五官关键点之后,可以基于头发区域和五官关键点,与关键区域的对应关系,确定头发图像中关键区域所在的位置。
S102、终端按照预设划分规则对关键区域进行网格划分,得到网格集合。
本发明实施例中,终端确定关键区域之后,可以对关键区域进行网格划分,得到网格集合。其中,网格划分的方式包括第一划分方式和第二划分方式,第一划分方式保持关键区域中网格的数量不变,第二划分方式保持关键区域中每个网格的面积不变。
在一种实现方式中,终端采用第一划分方式对关键区域进行网格划分,终端获取到关键区域后,可以将关键区域划分为预设数量个网格,并将该预设数量个网格确定为网格集合。预设数量可以由用户预先设置,无论关键区域的大小,网格的数量固定不变,即当关键区域面积较大时,每个网格的面积也较大,当关键区域的面积较小时,每个网格的面积也较小,使得关键区域中包含的网格的数量为预设数量。
在一种实现方式中,终端采用第二划分方式对关键区域进行网格划分,终端获取到关键区域后,将检测关键区域的面积,并根据关键区域的面积确定关键区域中网格的数量,即关键区域中每个网格的面积固定不变,终端获取到关键区域的面积,并获取到用户预先设置的面积,终端将关键区域的面积与预设面积之间的比值确定为划分的数量。
具体的,终端可以检测关键区域的面积,若关键区域的面积小于预设面积,则终端采用第一预设方式进行网格划分,若关键区域的面积大于或等于预设面积,则终端采用第二预设方式进行网格划分。
S203、终端根据网格中覆盖的头发图像确定网格集合中每个网格的网格类型,网格类型包括稀疏型或常规型。
本发明实施例中,终端对关键区域进行网格划分,得到网格集合之后,可以根据网格中覆盖的头发图像确定网格集合中每个网格的网格类型,其中,网格类型包括稀疏型或常规型,稀疏型的网格中覆盖的头发图像的头发密度低于常规型的网格中覆盖的头发图像的头发密度。
具体实现中,终端确定网格的网格类型的具体方式可以为,终端计算第一网格中覆盖的头发图像的灰度值,并检测灰度值是否大于目标灰度值;若是,则终端将第一网格的网格类型确定为常规型;若否,则终端将第一网格的网格类型确定为稀疏型,其中,第一网格为网格集合中的任意一个网格。即网格集合中任意网格的灰度值大于目标灰度值,则该网格的网格类型为常规型,网格集合中任意网格的灰度值小于或等于目标灰度值,则该网格的网格类型为稀疏型。
在一种实现方式中,目标灰度值的具体计算方式可以为,终端获取网格集合中每个网格的灰度值,并根据每个网格的灰度值确定网格集合的灰度平均值;终端将网格集合的灰度平均值确定为目标灰度值。例如,网格集合中包括4个网格,每个网格的灰度值分别为180、200、200、220,则目标灰度值为200。
在一种实现方式中,目标灰度值的计算方式还可以为,终端获取网格集合中每个网格的灰度值,并根据每个网格的灰度值确定网格集合的灰度值中位数,终端将网格集合的灰度值中位数确定为目标灰度值。例如,网格集合中包括4个网格,每个网格的灰度值分别为180、210、210、220,则目标灰度值为210。
在一种实现方式中,目标灰度值的计算方式还可以为,终端获取网格集合中每个网格的灰度值,并根据每个网格的灰度值确定网格集合的灰度值众数,终端将网格集合的灰度值众数确定为目标灰度值。例如,网格集合中包括6个网格,每个网格的灰度值分别为180、190、200、200、200、220,则目标灰度值为200。
在一种实现方式中,目标灰度值也可以由用户预先进行设置,或者,终端对关键区域进行网格划分之后,在显示页面中显示每个网格的灰度值,用户基于显示的灰度值自行设置目标灰度值,终端根据用户设置的目标灰度值确定网格集合中稀疏型的网格和常规型的网格。
S104、终端从稀疏型的网格中选取出目标稀疏网格,并获取目标稀疏网格的位置。
本发明实施例中,终端确定网格集合中每个网格的网格类型之后,将从稀疏型的网格中选取出目标稀疏网格,并获取目标稀疏网格的位置。其中,目标稀疏网格具体可以为网格集合中的稀疏型的网格中的任意一个,即终端可以从稀疏型的网格选取任意一个网格作为目标稀疏网格,并获取到该目标稀疏网格的位置。其中,位置具体可以为该网格的中心在头部图像中的坐标,如位置为(10,10),或者,位置也可以为网格在网格集合中的顺序,如位置为第一行第二列。
需要说明的是,终端需要获取到网格集合中的每个稀疏型的网格,并对每个稀疏型的网格都进行处理,本发明实施例具体阐述了针对网格集合中的任意一个稀疏型的网格(即目标稀疏网格)的处理方式,网格集合中的其他稀疏型网格的处理方式同理。
S105、终端根据目标稀疏网格的位置从常规型的网格中确定目标常规网格,并根据目标常规网格覆盖的头发图像对目标稀疏网格覆盖的头发图像进行增密处理。
本发明实施例中,终端获取到目标稀疏网络的位置之后,将根据目标稀疏网格的位置从常规型的网格中确定目标常规网格。
在一种实现方式中,终端根据目标稀疏网格的位置从常规型的网格中确定目标常规网格的具体方式可以为,终端获取网格集合中每个常规型的网格的位置,并计算网格集合中每个常规型的网格的位置与目标稀疏网格的位置之间的距离;终端将网格集合中与目标稀疏网格的位置之间的距离最近的常规型的网格确定为目标常规网格。例如,目标稀疏网格的位置为(10,10),网格集合中所有常规型的网格的位置分别为(11,10)、(12,12),(13,11),则终端将位置为(11,10)的常规型的网格确定为目标常规网格。
在一种实现方式中,终端根据目标稀疏网格的位置从常规型的网格中确定目标常规网格的具体方式也可以为,终端获取目标稀疏网格的位置,并根据位置与优先级的对应关系确定网格集合中其他网格的位置优先级,终端获取网格集合中每个常规型的网格的优先级,并将优先最高的常规型网格确定为目标常规网格,其中,位置与优先级的对应关系具体由研发人员或用户预先设置,如目标稀疏网格的位置为第一行第一列,则优先级最高的网格的位置为第一行第二列,优先级次高的网格的位置为第二行第一列等,针对网格集合中的每一个目标稀疏网格,都可以根据预先设置的位置与优先级的对应关系确定网格集合中其他网格对于该目标稀疏网格的优先级。
在一种实现方式中,终端根据目标稀疏网格的位置从常规型的网格中确定目标常规网格的具体方式也可以为,终端获取网格集合中每个常规型的网格的位置,并计算网格集合中每个常规型的网格的位置与目标稀疏网格的位置之间的距离,终端获取网格集合中与目标稀疏网格的位置之间的距离小于预设距离的至少一个常规型的网格,并计算该至少一个常规型的网格的目标灰度平均值,进一步的,终端计算至少一个常规型的网格中每个常规型的网格的灰度值与目标灰度平均值的差值,并将至少一个常规型的网格中灰度值与目标灰度平均值的差值最小的常规型的网格确定为目标常规网格。通过距离从网格集合中确定目标常规网格,可以使得目标常规网格覆盖的头发图像与目标稀疏网格覆盖的头发图像在结构上较为相似。通过结合距离和灰度值从网格集合中确定目标常规网格,可以从与目标稀疏网格结构较为相似的网格中寻找到覆盖头发图像较优的常规型的网格作为目标常规网格。
进一步的,终端根据目标稀疏网格的位置从常规型的网格中确定目标常规网格之后,将根据目标常规网格覆盖的头发图像对目标稀疏网格覆盖的头发图像进行增密处理。具体的,终端提取目标常规网格覆盖的头发图像中的发丝图像,并将发丝图像复制于目标稀疏网格中,以实现对目标稀疏网格覆盖的头发图像进行增密处理。
具体实现中,终端提取目标常规网格覆盖的头发图像中的发丝图像的方式可以为,终端对目标常规网格覆盖的头发图像进行二值化处理,得到灰度图像,终端确定灰度图像中的发丝部分和背景部分,并采用透明背景对灰度图像中的背景部分进行覆盖,得到目标灰度图像;终端采用目标颜色对目标灰度图像进行填充,得到目标常规网格覆盖的头发图像中的发丝图像,其中,目标颜色为该人物的头发的颜色,灰度图像中的发丝部分具体可以为灰度值大于预设阈值的部分,灰度图像中的背景部分具体可以为灰度值小于或等于预设阈值的部分。
本发明实施例中,终端获取人物的头部图像,并确定头部图像中的关键区域,终端按照预设划分规则对关键区域进行网格划分,得到网格集合,终端根据网格中覆盖的头发图像确定网格集合中每个网格的网格类型,终端从稀疏型的网格中选取出目标稀疏网格,并获取目标稀疏网格的位置;终端根据目标稀疏网格的位置从常规型的网格中确定目标常规网格,并根据目标常规网格覆盖的头发图像对目标稀疏网格覆盖的头发图像进行增密处理。通过上述方式,可以在人物拍摄过程中增密人物的头发,提升了终端的智能性。
请参见图2,为本发明实施例提供的另一种针对人像头发的图像处理方法的流程示意图。
S201、终端获取人物的头部图像。
本发明实施例中,终端可以在拍摄过程中通过摄像头获取到人物的头部图像,或者,用户针对终端输入人物的头部图像,终端对用户输入的图像进行获取。
如图3所示,为终端获取到的人物的头部图像示意图,该人物的头部图像中头发较为稀疏。
S202、终端识别头部图像中头发区域和五官关键点。
本发明实施例中,终端可以采用第一预设算法识别头部图像中的头发区域,第一预设算法具体可以为基于颜色空间统计的发色检测算法、基于概率模型和高斯模型的发色检测算法、基于神经网络机器学习的发色检测算法等。如图4所示,为终端针对图3中的头部图像进行头发识别后,得到的头发识别的效果示意图,图4中白色区域为头部图像中的头发区域,黑色区域为头部图像中的非头发区域。
终端可以采用第二预设算法识别头部图像中的五官关键点,第二预设算法具体可以为基于肤色检测的快速五官定位算法、基于人眼定位的快速人脸检测及归一化算法、融合五官特征的旋转人脸检测算法等。如图5所示,为终端针对图3中的头部图像进行五官识别后,得到的五官关键点识别的效果示意图,其中,五官关键点用于表示头部图像中人物的五官所在的位置。
S203、终端根据头发区域和五官关键点确定头部图像中的关键区域。
本发明实施例中,终端确定头发区域和五官关键点之后,可以结合头发区域图和人脸五官关键点,确定出关键区域所在的位置。其中,关键区域可以为头部图像中头发正头顶所在的矩形区域。
如图6所示,为终端针对图3的头部图像进行头发区域识别和五官关键点识别之后,得到的关键区域识别的效果示意图。图6中头发正头顶所在的矩形区域601为头部图像中的关键区域。
S204、终端按照预设划分规则对关键区域进行网格划分,得到网格集合。
本发明实施例中,终端确定关键区域之后,可以对关键区域进行网格划分,得到预设数量个网格,终端将该预设数量确定为网格集合。
如图7所示,为终端针对图3中的头部图像进行网格划分的效果示意图,图7中,终端将关键区域划分为6个网格,分别为网格701、网格702、网格703、网格704、网格705和网格706,终端将该6个网格确定为网格集合。
S205、终端根据网格中覆盖的头发图像确定网格集合中每个网格的网格类型,网格类型包括稀疏型或常规型。
本发明实施例中,终端对关键区域进行网格划分,得到网格集合之后,可以根据网格中覆盖的头发图像确定网格集合中每个网格的网格类型。若网格集合中网格的灰度值大于目标灰度值,则终端将该网格的网格类型确定为常规型,若网格集合中网格的灰度值小于或等于目标灰度值,则终端将该网格的网格类型确定为稀疏型。其中,目标灰度值可以为网格集合中网格的灰度平均值、中位数、众数等,或者由用户预先设置。
S206、终端从稀疏型的网格中选取出目标稀疏网格,并获取目标稀疏网格的位置。
本发明实施例中,终端确定网格集合中每个网格的网格类型之后,将从稀疏型的网格中选取出目标稀疏网格,并获取目标稀疏网格的位置。其中,目标稀疏网格具体可以为网格集合中的稀疏型的网格中的任意一个,即终端可以从稀疏型的网格选取任意一个网格作为目标稀疏网格,并获取到该目标稀疏网格的位置。
需要说明的是,终端需要获取到网格集合中的每个稀疏型的网格,并对每个稀疏型的网格都进行处理,本发明实施例具体阐述了针对网格集合中的任意一个稀疏型的网格(即目标稀疏网格)的处理方式,网格集合中的其他稀疏型网格的处理方式同理。
S207、终端根据目标稀疏网格的位置从常规型的网格中确定目标常规网格,并提取目标常规网格覆盖的头发图像中的发丝图像。
本发明实施例中,终端获取到目标稀疏网络的位置之后,将根据目标稀疏网格的位置从常规型的网格中确定目标常规网格。其中,目标常规网格具体可以为网格集合中位置与目标稀疏网格位置最近的常规型的网格,或者,网格集合中优先级最高的常规型的网格,或者,网格集合中与目标稀疏网格的位置之间的距离小于预设距离且灰度值与目标灰度值相差最小的常规型的网格,其中,目标灰度值具体可以为网格集合中所有常规型的网格的灰度平均值。
进一步的,终端提取目标常规网格覆盖的头发图像中的发丝图像,因目标常规网格覆盖的头发图像可能包括发丝图像和背景图像,因此,终端需要对目标常规网格覆盖的头发图像进行处理,以提取出目标常规网格覆盖的头发图像中的发丝图像。具体的,终端提取目标常规网格覆盖的头发图像中的发丝图像的具体方式可以为,终端对目标常规网格覆盖的头发图像进行二值化处理,得到灰度图像,终端确定灰度图像中的发丝部分和背景部分,并采用透明背景对灰度图像中的背景部分进行覆盖,得到目标灰度图像;终端采用目标颜色对目标灰度图像进行填充,得到目标常规网格覆盖的头发图像中的发丝图像,其中,目标颜色为该人物的头发的颜色。
S208、终端将发丝图像复制于目标稀疏网格中,以实现对目标稀疏网格覆盖的头发图像进行增密处理。
本发明实施例中,终端提取目标常规网格覆盖的头发图像中的发丝图像之后,可以将发丝图像复制于目标稀疏网格中,以实现对目标稀疏网格覆盖的头发图像进行增密处理。
如图8所示,为终端采用本发明实施所述的针对人像头发的图像处理方法对图3中的头部图像进行增发处理后得到的效果示意图。如图8所示,关键区域中包括6个网格分别为网格801、网格802、网格803、网格804、网格805、网格806,其中,网格801和网格806的网格类型为稀疏型,网格802、网格803、网格804和网格805的网格类型为常规型。当网格801作为目标稀疏网格时,其对应的目标常规网格为网格802,当网格806作为目标稀疏网格时,其对应的目标常规网格为网格805,终端提取网格802中的发丝图像复制与网格801中,并提取网格805中的发丝图像复制与网格806中,得到增发处理后的效果示意图。
本发明实施例中,终端获取人物的头部图像,并采用预设算法识别头部图像中头发区域和五官关键点,终端根据头发区域和五官关键点确定头部图像中的关键区域,并按照预设划分规则对关键区域进行网格划分,得到网格集合,终端根据网格中覆盖的头发图像确定网格集合中每个网格的网格类型,终端从稀疏型的网格中选取出目标稀疏网格,并获取目标稀疏网格的位置,终端根据目标稀疏网格的位置从常规型的网格中确定目标常规网格,并提取目标常规网格覆盖的头发图像中的发丝图像,终端将发丝图像复制于目标稀疏网格中,以实现对目标稀疏网格覆盖的头发图像进行增密处理。通过上述方式,可以在人物拍摄过程中增密人物的头发,提升了终端的智能性。
下面将结合附图9对本发明实施例提供的针对人像头发的图像处理装置进行详细介绍。需要说明的是,附图9所示的针对人像头发的图像处理装置,用于执行本发明图1-2所示实施例的方法,为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,经参照本发明图1-2所示的实施例。
请参见图9,为本发明提供的一种针对人像头发的图像处理装置的结构示意图,该针对人像头发的图像处理装置90可包括:获取模块901、确定模块902、划分模块903、选取模块904、处理模块905。
获取模块901,用于获取人物的头部图像;
确定模块902,用于确定所述头部图像中的关键区域,所述关键区域包括待处理的头发图像区域;
划分模块903,用于按照预设划分规则对所述关键区域进行网格划分,得到网格集合;
所述确定模块902,还用于根据网格中覆盖的头发图像确定所述网格集合中每个网格的网格类型,所述网格类型包括稀疏型或常规型;
选取模块904,用于从稀疏型的网格中选取出目标稀疏网格;
所述获取模块901,还用于获取所述目标稀疏网格的位置;
所述确定模块902,还用于根据所述目标稀疏网格的位置从常规型的网格中确定目标常规网格;
处理模块905,用于根据所述目标常规网格覆盖的头发图像对所述目标稀疏网格覆盖的头发图像进行增密处理。
在一种实现方式中,所述确定模块902,具体用于:
采用第一预设算法识别所述头部图像中的头发区域;
采用第二预设算法识别所述头部图像中的五官关键点;
根据所述头发区域和所述五官关键点确定所述头部图像中的关键区域。
在一种实现方式中,所述确定模块902,具体用于:
计算第一网格中覆盖的头发图像的灰度值,所述第一网格为所述网格集合中的任意一个网格;
检测所述灰度值是否大于目标灰度值;
若是,则将所述第一网格的网格类型确定为常规型;
若否,则将所述第一网格的网格类型确定为稀疏型。
在一种实现方式中,所述确定模块902,还用于:
获取所述网格集合中每个网格的灰度值;
根据所述每个网格的灰度值确定所述网格集合的灰度平均值;
将所述灰度平均值确定为所述目标灰度值。
在一种实现方式中,所述确定模块902,具体用于:
获取所述网格集合中每个常规型的网格的位置;
计算所述网格集合中每个常规型的网格的位置与所述目标稀疏网格的位置之间的距离;
将所述网格集合中与所述目标稀疏网格的位置之间的距离最近的常规型的网格确定为目标常规网格。
在一种实现方式中,所述目标常规网格覆盖的头发图像包括发丝图像和背景图像,所述处理模块905,具体用于:
提取所述目标常规网格覆盖的头发图像中的发丝图像;
将所述发丝图像复制于所述目标稀疏网格中,以实现对所述目标稀疏网格覆盖的头发图像进行增密处理。
在一种实现方式中,所述处理模块905,具体用于:
对所述目标常规网格覆盖的头发图像进行二值化处理,得到灰度图像;
确定所述灰度图像中的发丝部分和背景部分,并采用透明背景对所述灰度图像中的背景部分进行覆盖,得到目标灰度图像;
采用目标颜色对所述目标灰度图像进行填充,得到所述目标常规网格覆盖的头发图像中的发丝图像,所述目标颜色为所述人物的头发的颜色。
本发明实施例中,获取模块901获取人物的头部图像,确定模块902确定头部图像中的关键区域,划分模块903按照预设划分规则对关键区域进行网格划分,得到网格集合,确定模块902根据网格中覆盖的头发图像确定网格集合中每个网格的网格类型,选取模块904从稀疏型的网格中选取出目标稀疏网格,获取模块901获取目标稀疏网格的位置;确定模块902根据目标稀疏网格的位置从常规型的网格中确定目标常规网格,处理模块905根据目标常规网格覆盖的头发图像对目标稀疏网格覆盖的头发图像进行增密处理。通过上述方式,可以在人物拍摄过程中增密人物的头发,提升了终端的智能性。
请参见图10,为本发明实施例提供的一种终端的结构示意图。如图10所示,该终端包括:至少一个处理器1001,输入设备1003,输出设备1004,存储器1005,至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。其中,输入设备1003可以是控制面板或者麦克风等,输出设备1004可以是显示屏等。其中,存储器1005可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。其中处理器1001可以结合图9所描述的装置,存储器1005中存储一组程序代码,且处理器1001,输入设备1003,输出设备1004调用存储器1005中存储的程序代码,用于执行以下操作:
输入设备1003,用于获取人物的头部图像;
处理器1001,用于确定所述头部图像中的关键区域,所述关键区域包括待处理的头发图像区域;
处理器1001,用于按照预设划分规则对所述关键区域进行网格划分,得到网格集合;
处理器1001,用于根据网格中覆盖的头发图像确定所述网格集合中每个网格的网格类型,所述网格类型包括稀疏型或常规型;
处理器1001,用于从稀疏型的网格中选取出目标稀疏网格;
处理器1001,用于获取所述目标稀疏网格的位置;
处理器1001,用于根据所述目标稀疏网格的位置从常规型的网格中确定目标常规网格;
处理器1001,用于根据所述目标常规网格覆盖的头发图像对所述目标稀疏网格覆盖的头发图像进行增密处理。
在一种实现方式中,处理器1001,具体用于:
采用第一预设算法识别所述头部图像中的头发区域;
采用第二预设算法识别所述头部图像中的五官关键点;
根据所述头发区域和所述五官关键点确定所述头部图像中的关键区域。
在一种实现方式中,处理器1001,具体用于:
计算第一网格中覆盖的头发图像的灰度值,所述第一网格为所述网格集合中的任意一个网格;
检测所述灰度值是否大于目标灰度值;
若是,则将所述第一网格的网格类型确定为常规型;
若否,则将所述第一网格的网格类型确定为稀疏型。
在一种实现方式中,处理器1001,具体用于:
获取所述网格集合中每个网格的灰度值;
根据所述每个网格的灰度值确定所述网格集合的灰度平均值;
将所述灰度平均值确定为所述目标灰度值。
在一种实现方式中,处理器1001,具体用于:
获取所述网格集合中每个常规型的网格的位置;
计算所述网格集合中每个常规型的网格的位置与所述目标稀疏网格的位置之间的距离;
将所述网格集合中与所述目标稀疏网格的位置之间的距离最近的常规型的网格确定为目标常规网格。
在一种实现方式中,所述目标常规网格覆盖的头发图像包括发丝图像和背景图像,处理器1001,具体用于:
提取所述目标常规网格覆盖的头发图像中的发丝图像;
将所述发丝图像复制于所述目标稀疏网格中,以实现对所述目标稀疏网格覆盖的头发图像进行增密处理。
在一种实现方式中,处理器1001,具体用于:
对所述目标常规网格覆盖的头发图像进行二值化处理,得到灰度图像;
确定所述灰度图像中的发丝部分和背景部分,并采用透明背景对所述灰度图像中的背景部分进行覆盖,得到目标灰度图像;
采用目标颜色对所述目标灰度图像进行填充,得到所述目标常规网格覆盖的头发图像中的发丝图像,所述目标颜色为所述人物的头发的颜色。
本发明实施例中,输入设备1003获取人物的头部图像,处理器1001确定头部图像中的关键区域,并按照预设划分规则对关键区域进行网格划分,得到网格集合,处理器1001根据网格中覆盖的头发图像确定网格集合中每个网格的网格类型,并从稀疏型的网格中选取出目标稀疏网格,处理器1001获取目标稀疏网格的位置;并根据目标稀疏网格的位置从常规型的网格中确定目标常规网格,处理器1001根据目标常规网格覆盖的头发图像对目标稀疏网格覆盖的头发图像进行增密处理。通过上述方式,可以在人物拍摄过程中增密人物的头发,提升了终端的智能性。
本发明实施例中所述模块,可以通过通用集成电路,例如CPU(CentralProcessing Unit,中央处理器),或通过ASIC(Application Specific IntegratedCircuit,专用集成电路)来实现。
应当理解,在本发明实施例中,所称处理器1001可以是中央处理模块(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
总线1002可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互联(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等,该总线1002可以分为地址总线、数据总线、控制总线等,为便于表示,图10仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
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,所述的程序可存储于计算机可读存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的计算机可读存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccess Memory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种针对人像头发的图像处理方法,其特征在于,所述方法包括:
获取人物的头部图像,并确定所述头部图像中的关键区域,所述关键区域包括待处理的头发图像区域;
按照预设划分规则对所述关键区域进行网格划分,得到网格集合;
根据网格中覆盖的头发图像确定所述网格集合中每个网格的网格类型,所述网格类型包括稀疏型或常规型;
从稀疏型的网格中选取出目标稀疏网格,并获取所述目标稀疏网格的位置;
根据所述目标稀疏网格的位置从常规型的网格中确定目标常规网格,并根据所述目标常规网格覆盖的头发图像对所述目标稀疏网格覆盖的头发图像进行增密处理。
2.根据权利要求1所述的方法,其特征在于,所述确定所述头部图像中的关键区域,包括:
采用第一预设算法识别所述头部图像中的头发区域;
采用第二预设算法识别所述头部图像中的五官关键点;
根据所述头发区域和所述五官关键点确定所述头部图像中的关键区域。
3.根据权利要求1所述的方法,其特征在于,所述根据网格中覆盖的头发图像确定所述网格集合中每个网格的网格类型,包括:
计算第一网格中覆盖的头发图像的灰度值,所述第一网格为所述网格集合中的任意一个网格;
检测所述灰度值是否大于目标灰度值;
若是,则将所述第一网格的网格类型确定为常规型;
若否,则将所述第一网格的网格类型确定为稀疏型。
4.根据权利要求3所述的方法,其特征在于,所述检测所述灰度值是否大于目标灰度值之前,所述方法还包括:
获取所述网格集合中每个网格的灰度值;
根据所述每个网格的灰度值确定所述网格集合的灰度平均值;
将所述灰度平均值确定为所述目标灰度值。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标稀疏网格的位置从常规型的网格中确定目标常规网格,包括:
获取所述网格集合中每个常规型的网格的位置;
计算所述网格集合中每个常规型的网格的位置与所述目标稀疏网格的位置之间的距离;
将所述网格集合中与所述目标稀疏网格的位置之间的距离最近的常规型的网格确定为目标常规网格。
6.根据权利要求1所述的方法,其特征在于,所述目标常规网格覆盖的头发图像包括发丝图像和背景图像,所述根据所述目标常规网格覆盖的头发图像对所述目标稀疏网格覆盖的头发图像进行增密处理,包括:
提取所述目标常规网格覆盖的头发图像中的发丝图像;
将所述发丝图像复制于所述目标稀疏网格中,以实现对所述目标稀疏网格覆盖的头发图像进行增密处理。
7.根据权利要求6所述的方法,其特征在于,所述提取所述目标常规网格覆盖的头发图像中的发丝图像,包括:
对所述目标常规网格覆盖的头发图像进行二值化处理,得到灰度图像;
确定所述灰度图像中的发丝部分和背景部分,并采用透明背景对所述灰度图像中的背景部分进行覆盖,得到目标灰度图像;
采用目标颜色对所述目标灰度图像进行填充,得到所述目标常规网格覆盖的头发图像中的发丝图像,所述目标颜色为所述人物的头发的颜色。
8.一种针对人像头发的图像处理装置,其特征在于,所述装置包括:
获取模块,用于获取人物的头部图像;
确定模块,用于确定所述头部图像中的关键区域,所述关键区域包括待处理的头发图像区域;
划分模块,用于按照预设划分规则对所述关键区域进行网格划分,得到网格集合;
所述确定模块,还用于根据网格中覆盖的头发图像确定所述网格集合中每个网格的网格类型,所述网格类型包括稀疏型或常规型;
选取模块,用于从稀疏型的网格中选取出目标稀疏网格;
所述获取模块,还用于获取所述目标稀疏网格的位置;
所述确定模块,还用于根据所述目标稀疏网格的位置从常规型的网格中确定目标常规网格;
处理模块,用于根据所述目标常规网格覆盖的头发图像对所述目标稀疏网格覆盖的头发图像进行增密处理。
9.一种终端,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910541507.0A CN112116523B (zh) | 2019-06-20 | 2019-06-20 | 针对人像头发的图像处理方法、装置、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910541507.0A CN112116523B (zh) | 2019-06-20 | 2019-06-20 | 针对人像头发的图像处理方法、装置、终端及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112116523A true CN112116523A (zh) | 2020-12-22 |
CN112116523B CN112116523B (zh) | 2023-08-25 |
Family
ID=73796272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910541507.0A Active CN112116523B (zh) | 2019-06-20 | 2019-06-20 | 针对人像头发的图像处理方法、装置、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112116523B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160078675A1 (en) * | 2014-09-16 | 2016-03-17 | Lucasfilm Entertainment Company Ltd. | Styling of computer graphics hair through volumetric flow dynamics |
CN105512605A (zh) * | 2015-11-23 | 2016-04-20 | 小米科技有限责任公司 | 人脸图像处理方法及装置 |
CN106210522A (zh) * | 2016-07-15 | 2016-12-07 | 广东欧珀移动通信有限公司 | 一种图像处理方法、装置及移动终端 |
KR20180082170A (ko) * | 2017-01-10 | 2018-07-18 | 트라이큐빅스 인크. | 3차원 얼굴 모델 획득 방법 및 시스템 |
WO2019014814A1 (zh) * | 2017-07-17 | 2019-01-24 | 深圳和而泰智能控制股份有限公司 | 一种定量检测人脸抬头纹的方法和智能终端 |
-
2019
- 2019-06-20 CN CN201910541507.0A patent/CN112116523B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160078675A1 (en) * | 2014-09-16 | 2016-03-17 | Lucasfilm Entertainment Company Ltd. | Styling of computer graphics hair through volumetric flow dynamics |
CN105512605A (zh) * | 2015-11-23 | 2016-04-20 | 小米科技有限责任公司 | 人脸图像处理方法及装置 |
CN106210522A (zh) * | 2016-07-15 | 2016-12-07 | 广东欧珀移动通信有限公司 | 一种图像处理方法、装置及移动终端 |
KR20180082170A (ko) * | 2017-01-10 | 2018-07-18 | 트라이큐빅스 인크. | 3차원 얼굴 모델 획득 방법 및 시스템 |
WO2019014814A1 (zh) * | 2017-07-17 | 2019-01-24 | 深圳和而泰智能控制股份有限公司 | 一种定量检测人脸抬头纹的方法和智能终端 |
Also Published As
Publication number | Publication date |
---|---|
CN112116523B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106778928B (zh) | 图像处理方法及装置 | |
WO2016180224A1 (zh) | 一种人物图像处理方法及装置 | |
CN108463823B (zh) | 一种用户头发模型的重建方法、装置及终端 | |
KR20200118076A (ko) | 생체 검출 방법 및 장치, 전자 기기 및 저장 매체 | |
CN112419170A (zh) | 遮挡检测模型的训练方法及人脸图像的美化处理方法 | |
TW202234341A (zh) | 圖像處理方法及裝置、電子設備、儲存媒體和程式產品 | |
EP3644599A1 (en) | Video processing method and apparatus, electronic device, and storage medium | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN110796600A (zh) | 一种图像超分重建方法、图像超分重建装置及电子设备 | |
US20210097651A1 (en) | Image processing method and apparatus, electronic device, and storage medium | |
KR20140128226A (ko) | 화상 처리 장치, 화상 처리 방법, 화상 처리 제어 프로그램, 및 기록 매체 | |
CN113409342A (zh) | 图像风格迁移模型的训练方法、装置及电子设备 | |
WO2022261828A1 (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN111461070B (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN112836625A (zh) | 人脸活体检测方法、装置、电子设备 | |
WO2017173578A1 (zh) | 一种图像增强方法及装置 | |
CN113505707A (zh) | 吸烟行为检测方法、电子设备及可读存储介质 | |
CN108494996A (zh) | 图像处理方法、装置、存储介质及移动终端 | |
CN112036209A (zh) | 一种人像照片处理方法及终端 | |
CN110796663B (zh) | 图片剪裁方法、装置、设备和存储介质 | |
CN107564085B (zh) | 图像扭曲处理方法、装置、计算设备及计算机存储介质 | |
CN107705279B (zh) | 实现双重曝光的图像数据实时处理方法及装置、计算设备 | |
CN114782984A (zh) | 一种基于tof相机的坐姿识别遮挡判定方法及智能台灯 | |
CN108683845A (zh) | 图像处理方法、装置、存储介质及移动终端 | |
CN111428570A (zh) | 非活体人脸的检测方法、装置、计算机设备及存储介质 |
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 |