CN112241744A - 图像颜色迁移方法、装置、设备和计算机可读介质 - Google Patents

图像颜色迁移方法、装置、设备和计算机可读介质 Download PDF

Info

Publication number
CN112241744A
CN112241744A CN202011127307.XA CN202011127307A CN112241744A CN 112241744 A CN112241744 A CN 112241744A CN 202011127307 A CN202011127307 A CN 202011127307A CN 112241744 A CN112241744 A CN 112241744A
Authority
CN
China
Prior art keywords
color
image
original
matrix
channel
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
Application number
CN202011127307.XA
Other languages
English (en)
Other versions
CN112241744B (zh
Inventor
李华夏
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 Zitiao Network Technology Co Ltd
Original Assignee
Beijing Zitiao Network 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 Zitiao Network Technology Co Ltd filed Critical Beijing Zitiao Network Technology Co Ltd
Priority to CN202011127307.XA priority Critical patent/CN112241744B/zh
Publication of CN112241744A publication Critical patent/CN112241744A/zh
Application granted granted Critical
Publication of CN112241744B publication Critical patent/CN112241744B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本公开的实施例公开了图像颜色迁移方法、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:接收基准图像和原始图像;对上述基准图像进行颜色特征提取,得到基准图像颜色特征;对上述原始图像进行颜色特征提取,得到原始图像颜色特征;将上述原始图像、上述基准图像颜色特征、上述原始图像颜色特征进行融合,得到目标图像。该实施方式实现了对图像颜色的迁移,完成了对图片的风格转换,提高了用户体验。

Description

图像颜色迁移方法、装置、设备和计算机可读介质
技术领域
本公开的实施例涉及图像处理领域,具体涉及图像颜色迁移方法、装置、设备和计算机可读介质。
背景技术
图像的颜色迁移是计算机视觉领域的一个研究方向:基于原始图像和基准图像,合成迁移图像,使迁移图像同时具有基准图像的颜色和原始图像的形状等信息。现有的颜色迁移算法合成的迁移图像颜色过渡不够自然。
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颜色迁移方法、装置、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颜色迁移方法,该方法包括:接收基准图像和原始图像;对上述基准图像进行颜色特征提取,得到基准图像颜色特征;对上述原始图像进行颜色特征提取,得到原始图像颜色特征;将上述原始图像、上述基准图像颜色特征、上述原始图像颜色特征进行融合,得到目标图像。
第二方面,本公开的一些实施例提供了一种图像颜色迁移装置,装置包括:接收单元,被配置成接收基准图像和原始图像;基准提取单元,被配置成对上述基准图像进行颜色特征提取,得到基准图像颜色特征;原始提取单元,被配置成对上述原始图像进行颜色特征提取,得到原始图像颜色特征;映射单元,被配置成将上述原始图像、上述基准图像颜色特征、上述原始图像颜色特征进行融合,得到目标图像。
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:基于基准图像和原始图像,可以得到基准图像颜色特征和原始图像颜色特征。从而,本公开将基准图像颜色特征和原始图像颜色特征进行了融合,实现了将基准图像颜色特征迁移至原始图像,使得得到的目标图像包含了基准图像的颜色特征和原始图像的形状特征等信息。本公开的图像颜色迁移方法可以使得目标图像的颜色特征过渡性好,视觉上更加自然。
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,元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颜色迁移方法的一个应用场景的示意图;
图2是根据本公开的图像颜色迁移方法的一些实施例的流程图;
图3是根据本公开的图像颜色迁移方法的另一些实施例的流程图;
图4是根据本公开的图像颜色迁移方法的又一些实施例的流程图;
图5是根据本公开的图像颜色迁移装置的一些实施例的结构示意图;
图6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颜色迁移方法的一个应用场景的示意图。
在图1的应用场景中,首先,电子设备101可以接收原始图像102和基准图像103。然后,电子设备101可以提取基准图像103的基准图像颜色特征105和原始图像102的原始图像颜色特征104。电子设备101在原始图像102上,将基准图像颜色特征105与原始图像颜色特征104融合,得到具有基准图像颜色特征105的目标图像107。
需要说明的是,上述电子设备101可以是硬件,也可以是软件。当电子设备为硬件时,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。当电子设备体现为软件时,可以安装在上述所列举的硬件设备中。其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中的电子设备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电子设备。
继续参考图2,示出了根据本公开的图像颜色迁移方法的一些实施例的流程200。该图像颜色迁移方法,包括以下步骤:
步骤201,接收基准图像和原始图像。
在一些实施例中,图像颜色迁移方法的执行主体(例如图1所示的电子设备)可以通过有线连接方式或者无线连接方式接收图像。其中,上述图像包括了基准图像和原始图像。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
在一些实施例中,上述基准图像和原始图像可以从现有公开的数据库中获得,也可以用照相机拍摄。上述基准图像和原始图像可以是任意图像。作为示例,上述原始图像可以是显示有小狗、森林、小猫的图像等,上述基准图像可以是显示有彩虹、太阳、大海的图像等。
步骤202,对上述基准图像进行颜色特征提取,得到基准图像颜色特征。
在一些实施例中,基于步骤201中的基准图像,上述执行主体(例如图1所示的电子设备)提取上述基准图像的基准图像颜色特征,可以通过网络模型或者特征提取算法对基准图像进行特征提取。作为示例,网络模型可以是LeNet网络、AlexNet网络、VGG网络、Nin网络、GooLeNet网络等。作为示例,特征提取算法可以是尺度不变特征变换算法(Scale-invariant features transform)、加速稳健特征算法(Speeded Up Robust Features)、方向梯度直方图算法(Histogram of Oriented Gradient)、高斯函数的差分算法(Difference of Gaussian)。
步骤203,对上述原始图像进行颜色特征提取,得到原始图像颜色特征。
在一些实施例中,步骤203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202,在此不再赘述。
步骤204,将上述原始图像、上述基准图像颜色特征、上述原始图像颜色特征进行融合,得到目标图像。
本公开的一些实施例提供的方法,通过提取基准图像的基准图像颜色特征和原始图像的原始图像颜色特征,使得特征的映射更加准确。最后将原始图像、基准图像颜色特征、原始图像颜色特征进行融合,使得融合后的图像更加自然。
进一步参考图3,其示出了图像颜色迁移方法的另一些实施例的流程300。该图像颜色迁移方法的流程300,包括以下步骤:
步骤301,接收基准图像和原始图像。
在一些实施例中,图像颜色迁移方法运行于其上的执行主体(例如图1所示的电子设备)可以通过有线连接方式或者无线连接方式接收基准图像和原始图像。
步骤302,通过第一目标颜色通道对上述基准图像进行特征处理,得到通道基准图像,上述第一目标颜色通道可以包括:第一颜色通道,第二颜色通道,第三颜色通道。
在一些实施例中,上述第一目标颜色通道可以是RGB颜色模型、Lab颜色模型、HSV颜色模型等。
步骤303,确定上述通道基准图像的基准平移矩阵、基准旋转矩阵、基准缩放矩阵。
在一些实施例的可选实现方式中,分别确定上述通道基准图像的第一目标颜色通道中每个颜色通道的颜色参数均值,得到第一目标颜色通道参数均值;根据上述第一目标颜色通道参数均值,生成上述基准平移矩阵。上述基准平移矩阵可以表示在颜色空间上,每个像素的偏移距离。如此,有利于提高特征差异度,特征更加明显。
在一些实施例的可选实现方式中,确定上述通道基准图像的上述第一目标颜色通道包含的颜色通道间的协方差矩阵,得到基准协方差矩阵;对上述基准协方差矩阵进行分解,得到上述基准旋转矩阵。上述基准旋转矩阵可以表示像素点在颜色空间中偏移的角度。通过基准旋转矩阵可以矫正第一目标颜色通道参数在颜色空间的坐标,可以让参数的表达变得简化,从而降低数据处理量。
在一些实施例的可选实现方式中,确定上述基准协方差矩阵的特征值,得到基准特征值;根据上述基准特征值,生成上述基准缩放矩阵。上述基准缩放矩阵可以用来表示颜色空间中颜色向量的长度。有利于突出基准图像的颜色特征,有利于将基准颜色特征迁移至原始图像。
步骤304,将上述基准平移矩阵、上述基准旋转矩阵、上述到基准缩放矩阵做计算操作,得到基准图像颜色特征。此时,基准图像颜色特征实现了基准图像中颜色特征的标准化,有利于后续将基准图像的颜色特征迁移至原始图像。
步骤305,对上述原始图像进行颜色特征提取,得到原始图像颜色特征。
在一些实施例中,步骤305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203,在此不再赘述。
步骤306,将上述原始图像、上述基准图像颜色特征、上述原始图像颜色特征进行融合,得到目标图像。
在一些实施例的可选实现方式中,将上述基准图像颜色特征与上述原始图像颜色特征输入到融合模型中,得到融合特征;对上述原始图像与上述融合特征进行融合,得到上述目标图像。作为示例,上述融合模型根据可以以下算法得到:线性加权融合法、交叉融合法、瀑布融合法、特征融合法、预测融合法。将原始图像、基准图像颜色特征、原始图像颜色特征进行融合,使得融合后的图像更加自然。
在一些实施例的可选实现方式中,将上述原始图像转换为原始矩阵;将上述融合特征转换为融合矩阵;将上述原始矩阵与上述融合矩阵做矩阵计算,得到上述目标图像。如此,简化了计算过程,有利于提高获取目标图像的效率。
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颜色迁移方法的流程300体现了对上述基准图像和原始图像进行颜色特征提取的步骤。基准图像和原始图像的颜色特征由平移矩阵、旋转矩阵、缩放矩阵确定。由此,图像的颜色特征计算量减小,特征差异度更高,特征提取更加准确。
进一步参考图4,其示出了图像颜色迁移方法的另一些实施例的流程400。该图像颜色迁移方法的流程400,包括以下步骤:
步骤401,接收基准图像和原始图像。
步骤402,对上述基准图像进行颜色特征提取,得到基准图像颜色特征。
步骤403,通过第二目标颜色通道对上述原始图像进行特征处理,得到通道原始图像。上述第二目标颜色通道可以包括:第四颜色通道,第五颜色通道,第六颜色通道。
在一些实施例中,上述第二目标颜色通道可以是RGB颜色模型、Lab颜色模型、HSV颜色模型等。上述第二目标颜色通道与图3中的第一目标颜色通道可以是相同的。
步骤404,确定上述通道原始图像的原始平移矩阵、原始旋转矩阵、原始缩放矩阵。
在一些实施例的可选实现方式中,分别确定上述通道原始图像的第二目标颜色通道中每个颜色通道的颜色参数均值,得到第二目标颜色通道参数均值;根据上述第二目标颜色通道参数均值,生成上述原始平移矩阵。上述原始平移矩阵可以表示在颜色空间上,每个像素的偏移距离。如此,有利于提高特征差异度,特征更加明显。
在一些实施例的可选实现方式中,确定上述通道原始图像的上述第二目标颜色通道包含的颜色通道间的协方差矩阵,得到原始协方差矩阵;对上述原始协方差矩阵进行分解,得到上述原始旋转矩阵。上述原始旋转矩阵可以表示像素点在颜色空间中偏移的角度。通过原始旋转矩阵可以矫正第二目标颜色通道参数在颜色空间的坐标,可以让参数的表达变得简化,从而降低数据处理量。
在一些实施例的可选实现方式中,确定上述原始协方差矩阵的特征值,得到原始特征值;根据上述原始特征值,生成上述原始缩放矩阵。上述原始缩放矩阵可以用来表示颜色空间中颜色向量的长度。有利于突出原始图像的颜色特征,有利于将原始颜色特征迁移至原始图像。
步骤405,将上述原始平移矩阵、上述原始旋转矩阵、上述到原始缩放矩阵做计算操作,得到原始图像颜色特征。此时,原始图像颜色特征实现了原始图像中颜色特征的标准化,有利于后续将原始图像的颜色特征迁移至原始图像。
步骤406,将上述原始图像、上述原始图像颜色特征、上述原始图像颜色特征进行融合,得到目标图像。
在一些实施例中,步骤406的具体实现及其所带来的技术效果,可以参考图3对应的实施例中的步骤306,在此不再赘述。
在一些实施例中,步骤401、402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、202,在此不再赘述。
从图4中可以看出,与图3对应的一些实施例的描述相比,图4对应的一些实施例中的图像颜色迁移方法的流程400体现了对上述原始图像和原始图像进行颜色特征提取的步骤。基准图像和原始图像的颜色特征由平移矩阵、旋转矩阵、缩放矩阵确定。由此,图像的颜色特征计算量减小,特征差异度更高,特征提取更加准确。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种图像颜色迁移装置的一些实施例,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5所示,一些实施例的图像颜色迁移装置500包括:接收单元501,被配置成接收基准图像和原始图像;基准提取单元502,被配置成对上述基准图像进行颜色特征提取,得到基准图像颜色特征;原始提取单元503,被配置成对上述原始图像进行颜色特征提取,得到原始图像颜色特征;映射单元504,被配置成将上述原始图像、上述基准图像颜色特征、上述原始图像颜色特征进行融合,得到目标图像。
在一些实施例的可选实现方式中,基准提取单元502进一步被配置成:通过第一目标颜色通道对上述基准图像进行特征处理,得到通道基准图像,上述第一目标颜色通道包括:第一颜色通道,第二颜色通道,第三颜色通道;确定上述通道基准图像的基准平移矩阵、基准旋转矩阵、基准缩放矩阵;将上述基准平移矩阵、上述基准旋转矩阵、上述到基准缩放矩阵做计算操作,得到基准图像颜色特征。
在一些实施例的可选实现方式中,基准提取单元502进一步被配置成:分别确定上述通道基准图像的第一目标颜色通道中每个颜色通道的颜色参数均值,得到第一目标颜色通道参数均值;根据上述第一目标颜色通道参数均值,生成上述基准平移矩阵。
在一些实施例的可选实现方式中,基准提取单元502进一步被配置成:确定上述通道基准图像的上述第一目标颜色通道包含的颜色通道间的协方差矩阵,得到基准协方差矩阵;对上述基准协方差矩阵进行分解,得到上述基准旋转矩阵。
在一些实施例的可选实现方式中,基准提取单元502进一步被配置成:确定上述基准协方差矩阵的特征值,得到基准特征值;根据上述基准特征值,生成上述基准缩放矩阵。
在一些实施例的可选实现方式中,原始提取单元503进一步被配置成:通过第二目标颜色通道对上述原始图像进行特征处理,得到通道原始图像,上述第二目标颜色通道包括:第四颜色通道,第五颜色通道,第六颜色通道;确定上述通道原始图像的原始平移矩阵、原始旋转矩阵、原始缩放矩阵;将上述原始平移矩阵、上述原始旋转矩阵、上述原始缩放矩阵做计算操作,得到原始图像颜色特征。
在一些实施例的可选实现方式中,原始提取单元503进一步被配置成:分别确定上述通道原始图像的第二目标颜色通道中每个颜色通道的颜色参数均值,得到第二目标颜色通道参数均值;根据上述第二目标颜色通道参数均值,生成上述原始平移矩阵。
在一些实施例的可选实现方式中,原始提取单元503进一步被配置成:确定上述通道原始图像的上述第二目标颜色通道包含的颜色通道间的协方差矩阵,得到原始协方差矩阵;对上述原始协方差矩阵进行分解,得到上述原始旋转矩阵。
在一些实施例的可选实现方式中,原始提取单元503进一步被配置成:确定上述原始协方差矩阵的特征值,得到原始特征值;根据上述原始特征值,生成上述原始缩放矩阵。
在一些实施例的可选实现方式中,映射单元504进一步被配置成:将上述基准图像颜色特征与上述原始图像颜色特征输入到融合模型中,得到融合特征;对上述原始图像与上述融合特征进行融合,得到上述目标图像。
在一些实施例的可选实现方式中,映射单元504进一步被配置成:将上述原始图像转换为原始矩阵;将上述融合特征转换为融合矩阵;将上述原始矩阵与上述融合矩阵做矩阵计算,得到上述目标图像。
可以理解的是,该装置500中记载的存诸单元与参考图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500及其中包含的单元,在此不再赘述。
下面参考图6,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中的服务器或终端设备)600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6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6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605: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606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,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6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609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601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中记载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:接收基准图像和原始图像;对上述基准图像进行颜色特征提取,得到基准图像颜色特征;对上述原始图像进行颜色特征提取,得到原始图像颜色特征;将上述原始图像、上述基准图像颜色特征、上述原始图像颜色特征进行融合,得到目标图像。
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,上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:一种处理器包括接收单元、基准提取单元、原始提取单元和映射单元。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,接收单元还可以被描述为“接收基准图像和原始图像的单元”。
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,提供了一种图像颜色迁移方法,包括:接收基准图像和原始图像;对上述基准图像进行颜色特征提取,得到基准图像颜色特征;对上述原始图像进行颜色特征提取,得到原始图像颜色特征;将上述原始图像、上述基准图像颜色特征、上述原始图像颜色特征进行融合,得到目标图像。
根据本公开的一个或多个实施例,通过第一目标颜色通道对上述基准图像进行特征处理,得到通道基准图像,上述第一目标颜色通道包括:第一颜色通道,第二颜色通道,第三颜色通道;确定上述通道基准图像的基准平移矩阵、基准旋转矩阵、基准缩放矩阵;将上述基准平移矩阵、上述基准旋转矩阵、上述到基准缩放矩阵做计算操作,得到基准图像颜色特征。
根据本公开的一个或多个实施例,分别确定上述通道基准图像的第一目标颜色通道中每个颜色通道的颜色参数均值,得到第一目标颜色通道参数均值;根据上述第一目标颜色通道参数均值,生成上述基准平移矩阵。
根据本公开的一个或多个实施例,确定上述通道基准图像的上述第一目标颜色通道包含的颜色通道间的协方差矩阵,得到基准协方差矩阵;对上述基准协方差矩阵进行分解,得到上述基准旋转矩阵。
根据本公开的一个或多个实施例,确定上述基准协方差矩阵的特征值,得到基准特征值;根据上述基准特征值,生成上述基准缩放矩阵。
根据本公开的一个或多个实施例,通过第二目标颜色通道对上述原始图像进行特征处理,得到通道原始图像,上述第二目标颜色通道包括:第四颜色通道,第五颜色通道,第六颜色通道;确定上述通道原始图像的原始平移矩阵、原始旋转矩阵、原始缩放矩阵;将上述原始平移矩阵、上述原始旋转矩阵、上述原始缩放矩阵做计算操作,得到原始图像颜色特征。
根据本公开的一个或多个实施例,分别确定上述通道原始图像的第二目标颜色通道中每个颜色通道的颜色参数均值,得到第二目标颜色通道参数均值;根据上述第二目标颜色通道参数均值,生成上述原始平移矩阵。
根据本公开的一个或多个实施例,确定上述通道原始图像的上述第二目标颜色通道包含的颜色通道间的协方差矩阵,得到原始协方差矩阵;对上述原始协方差矩阵进行分解,得到上述原始旋转矩阵。
根据本公开的一个或多个实施例,确定上述原始协方差矩阵的特征值,得到原始特征值;根据上述原始特征值,生成上述原始缩放矩阵。
根据本公开的一个或多个实施例,将上述基准图像颜色特征与上述原始图像颜色特征输入到融合模型中,得到融合特征;对上述原始图像与上述融合特征进行融合,得到上述目标图像。
根据本公开的一个或多个实施例,将上述原始图像转换为原始矩阵;将上述融合特征转换为融合矩阵;将上述原始矩阵与上述融合矩阵做矩阵计算,得到上述目标图像。
根据本公开的一个或多个实施例,提供了一种图像颜色迁移装置,包括:接收单元,被配置成接收基准图像和原始图像;基准提取单元,被配置成对上述基准图像进行颜色特征提取,得到基准图像颜色特征;原始提取单元,被配置成对上述原始图像进行颜色特征提取,得到原始图像颜色特征;映射单元,被配置成将上述原始图像、上述基准图像颜色特征、上述原始图像颜色特征进行融合,得到目标图像。
根据本公开的一个或多个实施例,基准提取单元被进一步配置成:通过第一目标颜色通道对上述基准图像进行特征处理,得到通道基准图像,上述第一目标颜色通道包括:第一颜色通道,第二颜色通道,第三颜色通道;确定上述通道基准图像的基准平移矩阵、基准旋转矩阵、基准缩放矩阵;上述基准平移矩阵、上述基准旋转矩阵、上述到基准缩放矩阵做计算操作,得到基准图像颜色特征。
根据本公开的一个或多个实施例,基准提取单元被进一步配置成:分别确定上述通道基准图像的第一目标颜色通道中每个颜色通道的颜色参数均值,得到第一目标颜色通道参数均值;根据上述第一目标颜色通道参数均值,生成上述基准平移矩阵。
根据本公开的一个或多个实施例,基准提取单元被进一步配置成:确定上述通道基准图像的上述第一目标颜色通道包含的颜色通道间的协方差矩阵,得到基准协方差矩阵;对上述基准协方差矩阵进行分解,得到上述基准旋转矩阵。
根据本公开的一个或多个实施例,基准提取单元被进一步配置成:确定上述基准协方差矩阵的特征值,得到基准特征值;根据上述基准特征值,生成上述基准缩放矩阵。
根据本公开的一个或多个实施例,原始提取单元被进一步配置成:通过第二目标颜色通道对上述原始图像进行特征处理,得到通道原始图像,上述第二目标颜色通道包括:第四颜色通道,第五颜色通道,第六颜色通道;确定上述通道原始图像的原始平移矩阵、原始旋转矩阵、原始缩放矩阵;将上述原始平移矩阵、上述原始旋转矩阵、上述原始缩放矩阵做计算操作,得到原始图像颜色特征。
根据本公开的一个或多个实施例,原始提取单元被进一步配置成:分别确定上述通道原始图像的第二目标颜色通道中每个颜色通道的颜色参数均值,得到第二目标颜色通道参数均值;根据上述第二目标颜色通道参数均值,生成上述原始平移矩阵。
根据本公开的一个或多个实施例,原始提取单元被进一步配置成:确定上述通道原始图像的上述第二目标颜色通道包含的颜色通道间的协方差矩阵,得到原始协方差矩阵;对上述原始协方差矩阵进行分解,得到上述原始旋转矩阵。
根据本公开的一个或多个实施例,原始提取单元被进一步配置成:确定上述原始协方差矩阵的特征值,得到原始特征值;根据上述原始特征值,生成上述原始缩放矩阵。
根据本公开的一个或多个实施例,映射单元被进一步配置成:将上述基准图像颜色特征与上述原始图像颜色特征输入到融合模型中,得到融合特征;对上述原始图像与上述融合特征进行融合,得到上述目标图像。
根据本公开的一个或多个实施例,映射单元被进一步配置成:将上述原始图像转换为原始矩阵;将上述融合特征转换为融合矩阵;将上述原始矩阵与上述融合矩阵做矩阵计算,得到上述目标图像。
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)

1.一种图像颜色迁移方法,包括:
接收基准图像和原始图像;
对所述基准图像进行颜色特征提取,得到基准图像颜色特征;
对所述原始图像进行颜色特征提取,得到原始图像颜色特征;
将所述原始图像、所述基准图像颜色特征、所述原始图像颜色特征进行融合,得到目标图像。
2.根据权利要求1所述的方法,其中,所述对所述基准图像进行颜色特征提取,得到基准图像颜色特征,包括:
通过第一目标颜色通道对所述基准图像进行特征处理,得到通道基准图像,所述第一目标颜色通道包括:第一颜色通道,第二颜色通道,第三颜色通道;
确定所述通道基准图像的基准平移矩阵、基准旋转矩阵、基准缩放矩阵;
将所述基准平移矩阵、所述基准旋转矩阵、所述到基准缩放矩阵做计算操作,得到基准图像颜色特征。
3.根据权利要求2所述的方法,其中,所述确定所述通道基准图像的基准平移矩阵,包括:
分别确定所述通道基准图像的第一目标颜色通道中每个颜色通道的颜色参数均值,得到第一目标颜色通道参数均值;
根据所述第一目标颜色通道参数均值,生成所述基准平移矩阵。
4.根据权利要求3所述的方法,其中,所述确定所述通道基准图像的基准旋转矩阵,包括:
确定所述通道基准图像的所述第一目标颜色通道包含的颜色通道间的协方差矩阵,得到基准协方差矩阵;
对所述基准协方差矩阵进行分解,得到所述基准旋转矩阵。
5.根据权利要求4所述的方法,其中,所述确定所述通道基准图像的基准缩放矩阵,包括:
确定所述基准协方差矩阵的特征值,得到基准特征值;
根据所述基准特征值,生成所述基准缩放矩阵。
6.根据权利要求1所述的方法,其中,所述对所述原始图像进行颜色特征提取,得到原始图像颜色特征,包括:
通过第二目标颜色通道对所述原始图像进行特征处理,得到通道原始图像,所述第二目标颜色通道包括:第四颜色通道,第五颜色通道,第六颜色通道;
确定所述通道原始图像的原始平移矩阵、原始旋转矩阵、原始缩放矩阵;
将所述原始平移矩阵、所述原始旋转矩阵、所述原始缩放矩阵做计算操作,得到原始图像颜色特征。
7.根据权利要求6所述的方法,其中,所述确定所述通道原始图像的原始平移矩阵,包括:
分别确定所述通道原始图像的第二目标颜色通道中每个颜色通道的颜色参数均值,得到第二目标颜色通道参数均值;
根据所述第二目标颜色通道参数均值,生成所述原始平移矩阵。
8.根据权利要求7所述的方法,其中,所述确定所述通道原始图像的原始旋转矩阵,包括:
确定所述通道原始图像的所述第二目标颜色通道包含的颜色通道间的协方差矩阵,得到原始协方差矩阵;
对所述原始协方差矩阵进行分解,得到所述原始旋转矩阵。
9.根据权利要求8所述的方法,其中,所述确定所述通道原始图像的原始缩放矩阵,包括:
确定所述原始协方差矩阵的特征值,得到原始特征值;
根据所述原始特征值,生成所述原始缩放矩阵。
10.根据权利要求1所述的方法,其中,所述将所述原始图像、所述基准图像颜色特征、所述原始图像颜色特征进行融合,得到目标图像,包括:
将所述基准图像颜色特征与所述原始图像颜色特征输入到融合模型中,得到融合特征;
对所述原始图像与所述融合特征进行融合,得到所述目标图像。
11.根据权利要求10所述的方法,所述对所述原始图像与所述融合特征进行融合,得到所述目标图像,包括:
将所述原始图像转换为原始矩阵;
将所述融合特征转换为融合矩阵;
将所述原始矩阵与所述融合矩阵做矩阵计算,得到所述目标图像。
12.一种图像颜色迁移的装置,包括:
接收单元,被配置成接收基准图像和原始图像;
基准提取单元,被配置成对所述基准图像进行颜色特征提取,得到基准图像颜色特征;
原始提取单元,被配置成对所述原始图像进行颜色特征提取,得到原始图像颜色特征;
映射单元,被配置成将所述原始图像、所述基准图像颜色特征、所述原始图像颜色特征进行融合,得到目标图像。
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至11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至11中任一所述的方法。
CN202011127307.XA 2020-10-20 2020-10-20 图像颜色迁移方法、装置、设备和计算机可读介质 Active CN112241744B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011127307.XA CN112241744B (zh) 2020-10-20 2020-10-20 图像颜色迁移方法、装置、设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011127307.XA CN112241744B (zh) 2020-10-20 2020-10-20 图像颜色迁移方法、装置、设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN112241744A true CN112241744A (zh) 2021-01-19
CN112241744B CN112241744B (zh) 2024-06-21

Family

ID=74169381

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011127307.XA Active CN112241744B (zh) 2020-10-20 2020-10-20 图像颜色迁移方法、装置、设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN112241744B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113838160A (zh) * 2021-10-12 2021-12-24 维沃移动通信有限公司 图像颜色迁移方法、装置和电子设备
CN114596372A (zh) * 2022-05-07 2022-06-07 武汉天际航信息科技股份有限公司 一种影像颜色迁移方法、影像一致性改善方法和装置

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069746A (zh) * 2015-08-23 2015-11-18 杭州欣禾圣世科技有限公司 基于局部仿射和颜色迁移技术的视频实时人脸替换方法及其系统
US20170139572A1 (en) * 2015-11-17 2017-05-18 Adobe Systems Incorporated Image Color and Tone Style Transfer
CN108122199A (zh) * 2017-12-19 2018-06-05 歌尔科技有限公司 一种全景相机的原始图像颜色调整方法及装置
CN108154474A (zh) * 2017-12-22 2018-06-12 浙江大华技术股份有限公司 一种超分辨率图像重构方法、装置、介质及设备
CN108765347A (zh) * 2018-05-30 2018-11-06 长光卫星技术有限公司 一种适合遥感影像的色彩增强方法
CN108921810A (zh) * 2018-06-20 2018-11-30 厦门美图之家科技有限公司 一种颜色迁移方法及计算设备
CN109492735A (zh) * 2018-11-23 2019-03-19 清华大学 二维码生成方法及计算机可读存储介质
US20190228587A1 (en) * 2018-01-24 2019-07-25 Google Llc Image Style Transfer for Three-Dimensional Models
CN110930301A (zh) * 2019-12-09 2020-03-27 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN111127378A (zh) * 2019-12-23 2020-05-08 Oppo广东移动通信有限公司 图像处理方法、装置、计算机设备及存储介质
CN111355941A (zh) * 2020-04-01 2020-06-30 深圳市菲森科技有限公司 图像颜色实时校正方法、装置和系统
US20200258204A1 (en) * 2019-02-08 2020-08-13 Adobe Inc. Hierarchical scale matching and patch estimation for image style transfer with arbitrary resolution
CN111652830A (zh) * 2020-06-28 2020-09-11 Oppo广东移动通信有限公司 图像处理方法及装置、计算机可读介质及终端设备
CN111784566A (zh) * 2020-07-01 2020-10-16 北京字节跳动网络技术有限公司 图像处理方法、迁移模型训练方法、装置、介质及设备
CN111914908A (zh) * 2020-07-14 2020-11-10 浙江大华技术股份有限公司 一种图像识别模型训练方法、图像识别方法及相关设备
CN112241941A (zh) * 2020-10-20 2021-01-19 北京字跳网络技术有限公司 获取图像的方法、装置、设备和计算机可读介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069746A (zh) * 2015-08-23 2015-11-18 杭州欣禾圣世科技有限公司 基于局部仿射和颜色迁移技术的视频实时人脸替换方法及其系统
US20170139572A1 (en) * 2015-11-17 2017-05-18 Adobe Systems Incorporated Image Color and Tone Style Transfer
CN108122199A (zh) * 2017-12-19 2018-06-05 歌尔科技有限公司 一种全景相机的原始图像颜色调整方法及装置
CN108154474A (zh) * 2017-12-22 2018-06-12 浙江大华技术股份有限公司 一种超分辨率图像重构方法、装置、介质及设备
US20190228587A1 (en) * 2018-01-24 2019-07-25 Google Llc Image Style Transfer for Three-Dimensional Models
CN108765347A (zh) * 2018-05-30 2018-11-06 长光卫星技术有限公司 一种适合遥感影像的色彩增强方法
CN108921810A (zh) * 2018-06-20 2018-11-30 厦门美图之家科技有限公司 一种颜色迁移方法及计算设备
CN109492735A (zh) * 2018-11-23 2019-03-19 清华大学 二维码生成方法及计算机可读存储介质
US20200258204A1 (en) * 2019-02-08 2020-08-13 Adobe Inc. Hierarchical scale matching and patch estimation for image style transfer with arbitrary resolution
CN110930301A (zh) * 2019-12-09 2020-03-27 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN111127378A (zh) * 2019-12-23 2020-05-08 Oppo广东移动通信有限公司 图像处理方法、装置、计算机设备及存储介质
CN111355941A (zh) * 2020-04-01 2020-06-30 深圳市菲森科技有限公司 图像颜色实时校正方法、装置和系统
CN111652830A (zh) * 2020-06-28 2020-09-11 Oppo广东移动通信有限公司 图像处理方法及装置、计算机可读介质及终端设备
CN111784566A (zh) * 2020-07-01 2020-10-16 北京字节跳动网络技术有限公司 图像处理方法、迁移模型训练方法、装置、介质及设备
CN111914908A (zh) * 2020-07-14 2020-11-10 浙江大华技术股份有限公司 一种图像识别模型训练方法、图像识别方法及相关设备
CN112241941A (zh) * 2020-10-20 2021-01-19 北京字跳网络技术有限公司 获取图像的方法、装置、设备和计算机可读介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BESAIZ J: "Drosophila Embryonic Hemocytes Produce Laminins to Strengthen Migratory Response", CELL REPORTS, vol. 21, no. 6, pages 1461 - 1470 *
JUN CAO: "Fast acquisition aperture correction in prestack depth migration using beamlet decomposition", GEOPHYSICS, vol. 74, no. 4, pages 67 - 74 *
向遥;李宏;谢政;张卫;: "基于高斯混合模型的区域颜色迁移", 中国图象图形学报, no. 11, pages 234 - 237 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113838160A (zh) * 2021-10-12 2021-12-24 维沃移动通信有限公司 图像颜色迁移方法、装置和电子设备
CN114596372A (zh) * 2022-05-07 2022-06-07 武汉天际航信息科技股份有限公司 一种影像颜色迁移方法、影像一致性改善方法和装置

Also Published As

Publication number Publication date
CN112241744B (zh) 2024-06-21

Similar Documents

Publication Publication Date Title
CN111784565B (zh) 图像处理方法、迁移模型训练方法、装置、介质及设备
CN111784712B (zh) 图像处理方法、装置、设备和计算机可读介质
CN110826567B (zh) 光学字符识别方法、装置、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
WO2020062494A1 (zh) 图像处理方法和装置
CN112348910A (zh) 获取图像的方法、装置、设备和计算机可读介质
CN110825286B (zh) 图像处理方法、装置和电子设备
CN109934142B (zh) 用于生成视频的特征向量的方法和装置
CN112241744B (zh) 图像颜色迁移方法、装置、设备和计算机可读介质
CN112418249A (zh) 掩膜图像生成方法、装置、电子设备和计算机可读介质
CN112257582A (zh) 脚部姿态确定方法、装置、设备和计算机可读介质
US20230281956A1 (en) Method for generating objective function, apparatus, electronic device and computer readable medium
CN111461965B (zh) 图片处理方法、装置、电子设备和计算机可读介质
CN111311609B (zh) 一种图像分割方法、装置、电子设备及存储介质
CN112418054A (zh) 图像处理方法、装置、电子设备和计算机可读介质
CN111815508A (zh) 图像生成方法、装置、设备和计算机可读介质
CN112241941B (zh) 获取图像的方法、装置、设备和计算机可读介质
CN112764629B (zh) 增强现实界面展示方法、装置、设备和计算机可读介质
CN111726476B (zh) 图像处理方法、装置、设备和计算机可读介质
CN112488947A (zh) 模型训练和图像处理方法、装置、设备和计算机可读介质
CN114495080A (zh) 字体识别方法、装置、可读介质及电子设备
CN112488204A (zh) 训练样本生成方法、图像分割方法、装置、设备和介质
CN110807114B (zh) 用于图片展示的方法、装置、终端及存储介质
CN112070034A (zh) 图像识别方法、装置、电子设备和计算机可读介质
CN112418233A (zh) 图像处理方法、装置、可读介质及电子设备

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