CN112258659A - 一种虚拟穿衣图像的处理方法及其系统 - Google Patents

一种虚拟穿衣图像的处理方法及其系统 Download PDF

Info

Publication number
CN112258659A
CN112258659A CN202011533080.9A CN202011533080A CN112258659A CN 112258659 A CN112258659 A CN 112258659A CN 202011533080 A CN202011533080 A CN 202011533080A CN 112258659 A CN112258659 A CN 112258659A
Authority
CN
China
Prior art keywords
image
processed
target image
garment
determining
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
CN202011533080.9A
Other languages
English (en)
Other versions
CN112258659B (zh
Inventor
李小波
秦晓飞
李昆仑
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.)
Hengxin Shambala Culture Co ltd
Original Assignee
Hengxin Shambala Culture 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 Hengxin Shambala Culture Co ltd filed Critical Hengxin Shambala Culture Co ltd
Priority to CN202011533080.9A priority Critical patent/CN112258659B/zh
Publication of CN112258659A publication Critical patent/CN112258659A/zh
Application granted granted Critical
Publication of CN112258659B publication Critical patent/CN112258659B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Geometry (AREA)
  • Development Economics (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请公开了一种虚拟穿衣图像的处理方法及其系统，其中虚拟穿衣图像的处理方法具体包括以下步骤：获取待处理图像；从待处理图像中获取第一目标图像和第二目标图像；根据第一目标图像确定服装外部轮廓；根据服装外部轮廓确定最大外接矩形；根据最大外接矩形对第二目标图像和待处理图像进行裁剪，输出裁剪后的第二目标图像和待处理图像。本申请能够在虚拟试衣的过程中将服装图像的存储体积减小，能有效降低图片的存储空间且不影响图片质量，同时加快了虚拟试衣的速度。

Description

一种虚拟穿衣图像的处理方法及其系统
技术领域
本申请涉及数据处理领域，具体地，涉及一种虚拟穿衣图像的处理方法。
背景技术
现有技术中，虚拟试衣的方式已经越来越普及，而在虚拟试衣类产品中，将各种衣服服饰拍照产生图像后，需要将衣服图像进行变换处理，再贴合到模特身上，以实现试穿衣服的效果。但是多个角度人台服装拍摄完成之后，由于服装图片的数量过多，在传输过程中容易出现传输速度慢，机器出现卡顿，造成虚拟试衣的速度不理想。
因此需要一种虚拟穿衣图像的处理方法，使服装图像的存储体积减小，服装图像中的衣服能够更快速的贴合在人台图像中。
发明内容
本申请的目的在于提供一种虚拟穿衣图像的处理方法及其系统，能够在虚拟试衣的过程中将服装图像的存储体积减小，加快虚拟试衣的速度。
为达到上述目的，本申请提供了一种虚拟穿衣图像的处理方法，具体包括以下步骤：获取待处理图像；从待处理图像中获取第一目标图像和第二目标图像；根据第一目标图像确定服装外部轮廓；根据服装外部轮廓确定最大外接矩形；根据最大外接矩形对第二目标图像和待处理图像进行裁剪，输出裁剪后的第二目标图像和待处理图像。
如上的，其中，获取的第一目标图像为去除人台后的服装图像。
如上的，其中，从待处理图像中获取第一目标图像具体包括以下子步骤：确定待处理图像的稳定程度；根据待处理图像的稳定程度确定分割阈值，根据分割阈值确定第一目标图像和第二目标图像。
如上的，其中，根据稳定值确定稳定程度，其中稳定值H具体表示为：
Figure 657384DEST_PATH_IMAGE001
其中，
Figure 318173DEST_PATH_IMAGE002
表示灰度值x在待处理图像中出现的频率，灰度值x为待处理图像中全部灰度值的最小灰度值。
如上的，其中，根据第一目标图像确定服装外部轮廓具体包括以下步骤：
第一目标图像进行扫描，确定服装外部轮廓的起点和终点；根据服装外部轮廓的起点，确定服装外部轮廓的边界点位置；根据服装外部轮廓的边界点的位置对服装外部轮廓的边界点进行判断，完成服装外部轮廓的确定。
如上的，其中，其中根据服装外部轮廓的上下左右的服装外部轮廓边界点的坐标确定最大外接矩形；以第一目标图像的中心点为基准点，将离基准点最远的左侧服装外部轮廓边界点为第一外接点，将离基准点最远的右侧服装外部轮廓边界点为第二外接点，将离基准点最远的上侧服装外部轮廓边界点为第三外接点，将离基准点最远的下侧服装外部轮廓边界点为第四外接点，将第一、二外接点进行沿垂直方向延伸，将第三、四外接点沿水平方向延伸，直至第一至四外接点连接形成一个四边形，将该四边形作为最大外接矩形。
如上的，其中，将第一、二外接点进行沿垂直方向延伸，将第三、四外接点沿水平方向延伸，直至第一至四外接点连接形成一个四边形，将该四边形作为最大外接矩形，具体包括以下子步骤：判断最大外接矩形与待处理图像是否适配；对待处理图像和第二目标图像进行信息标定；最大外接矩形根据标定的信息对第二目标图像和待处理图像进行裁剪。
如上的，其中，对第二目标图像和待处理图像进行信息标定包括，在第二图像和待处理图像上标定服装的服装特征点坐标。
一种虚拟穿衣图像的处理系统，具体包括：待处理图像获取单元、目标图像获取单元、服装轮廓确定单元、最大外接轮廓确定单元以及裁剪单元；其中待处理图像获取单元，用于获取待处理图像；目标图像获取单元，用于从待处理图像中获取第一和第二目标图像；服装轮廓确定单元，用于根据第一目标图像确定服装外部轮廓；最大外接轮廓确定单元，用于根据服装外部轮廓确定最大外接矩形；裁剪单元，用于根据最大外接矩形对第二目标图像和待处理图像进行裁剪，输出裁剪后的第二目标图像和待处理图像；
如上的，其中，第一获取单元具体包括稳定程度确定模块、分割阈值确定模块；其中稳定程度确定模块，用于确定待处理图像的稳定程度；分割阈值确定模块，用于根据待处理图像的稳定程度确定分割阈值，根据分割阈值确定第一和第二目标图像。
本申请具有以下有益效果：
（1）本申请提供的虚拟穿衣图像的处理方法及其系统能够将服装图像和人台进行精细的匹配，使其达到较真实的效果。
（2）本申请提供的虚拟穿衣图像的处理方法及其系统能够在虚拟试衣的过程中将服装图像的存储体积减小，能有效降低图片的存储空间且不影响图片质量，同时加快了虚拟试衣的速度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是根据本申请实施例提供的虚拟穿衣图像的处理方法的方法流程图；
图2是根据本申请实施例提供的虚拟穿衣图像的处理系统的内部结构图。
具体实施方式
下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
本申请涉及一种虚拟穿衣图像处理方法及其系统。根据本申请，在虚拟试衣的过程中将服装图像的存储体积减小，加快虚拟试衣的速度。
如图1所示为本申请提供的虚拟穿衣图像处理方法流程图，具体包括以下步骤：
步骤S110：获取待处理图像。
其中，其中待处理图像为拍摄带有服装的人台图像的JPG格式的图像，该图像中包括了背景等信息。
步骤S120：从待处理图像中获取第一目标图像以及第二目标图像。
具体地，其中获取的第一目标图像为去除人台后的服装图像，步骤S120具体包括以下子步骤：
步骤S1201：确定待处理图像的稳定程度。
其中计算待处理图像的稳定值，当待处理图像越混乱，稳定值越小，稳定程度越小。当待处理图像越有序，稳定值越大，稳定程度越高。其中稳定值H具体表示为：
Figure 663703DEST_PATH_IMAGE003
其中，
Figure 751745DEST_PATH_IMAGE002
表示灰度值x在待处理图像中出现的频率，其中灰度值x的具体数值取待处理图像中全部灰度值的最小灰度值。其中稳定值能够表示图像的明亮程度。其中明亮程度越高，稳定值越大；明亮程度越低，稳定值越小。
优选地，在获取稳定值之前，可将待处理图像转换为灰度图像。
步骤S1202：根据待处理图像的稳定程度确定分割阈值，根据分割阈值确定第一目标图像和第二目标图像。
具体地，其中若稳定值大于第一指定阈值且小于第二指定阈值，则说明此时图像的明亮程度不会过于明亮也不会过于暗沉，方便确定分割阈值。其中分割阈值属于[0,255]。
其中第一指定阈值小于第二指定阈值，具体数值可根据实际情况进行调整确定，在此不进行限定。
其中，设待处理图像有L个灰度级，
Figure 549937DEST_PATH_IMAGE004
为第i个灰度级所包含的像素个数，N为总的像素个数，则
Figure 765149DEST_PATH_IMAGE005
，设
Figure 965186DEST_PATH_IMAGE006
为第i个灰度级出现的概率，表示为
Figure 224129DEST_PATH_IMAGE007
，则有
Figure 244037DEST_PATH_IMAGE008
。
进一步地，设定分割阈值前，将图像按照灰度级划分为C0和C1两部分，其中C0部分灰度级出现的概率为
Figure 512208DEST_PATH_IMAGE009
，C1部分灰度级出现的概率为
Figure 301172DEST_PATH_IMAGE010
，其中t为自然数，i表示第i个灰度级。
C0部分的灰度均值
Figure 33415DEST_PATH_IMAGE011
表示为：
Figure 540620DEST_PATH_IMAGE012
其中，t为自然数，i表示第i个灰度级，L为待处理图像的灰度级总数，
Figure 346902DEST_PATH_IMAGE013
为第i个灰度级出现的概率，
Figure 255952DEST_PATH_IMAGE014
为C0部分灰度级出现的概率。
C1部分的灰度均值
Figure 122277DEST_PATH_IMAGE015
表示为：
Figure 867510DEST_PATH_IMAGE016
其中，t为自然数，i表示第i个灰度级，L为待处理图像的灰度级总数，
Figure 477483DEST_PATH_IMAGE006
为第i个灰度级出现的概率，
Figure 241040DEST_PATH_IMAGE017
为C1部分灰度级出现的概率。
其中C0部分的方差
Figure 543845DEST_PATH_IMAGE018
表示为：
Figure 760063DEST_PATH_IMAGE019
其中，t为自然数，i表示第i个灰度级，
Figure 924459DEST_PATH_IMAGE006
为第i个灰度级出现的概率，
Figure 542522DEST_PATH_IMAGE014
为C0部分灰度级出现的概率，
Figure 750650DEST_PATH_IMAGE011
表示C0部分的灰度均值。
其中C1部分的方差
Figure 719743DEST_PATH_IMAGE020
表示为：
Figure 405939DEST_PATH_IMAGE021
其中，t为自然数，i表示第i个灰度级，L为待处理图像的灰度级总数，
Figure 409667DEST_PATH_IMAGE006
为第i个灰度级出现的概率，
Figure 539428DEST_PATH_IMAGE017
为C1部分灰度级出现的概率，
Figure 730238DEST_PATH_IMAGE015
表示C1部分的灰度均值。
再进一步地，设定三个评判函数，三个评判函数分别为：
Figure 485704DEST_PATH_IMAGE022
，
Figure 812781DEST_PATH_IMAGE023
，
Figure 362711DEST_PATH_IMAGE024
其中
Figure 40817DEST_PATH_IMAGE025
，
Figure 347777DEST_PATH_IMAGE026
，
Figure 794939DEST_PATH_IMAGE027
。
其中，
Figure 515770DEST_PATH_IMAGE014
为C0部分灰度级出现的概率，
Figure 681172DEST_PATH_IMAGE011
表示C0部分的灰度均值，
Figure 778441DEST_PATH_IMAGE017
为C1部分灰度级出现的概率，
Figure 345689DEST_PATH_IMAGE015
表示C1部分的灰度均值，i表示第i个灰度级，
Figure 722574DEST_PATH_IMAGE006
为第i个灰度级出现的概率，L为待处理图像的灰度级总数，
Figure 640852DEST_PATH_IMAGE028
表示C0部分的方差，
Figure 541812DEST_PATH_IMAGE020
表示C1部分的方差。
取三个评判函数
Figure 697987DEST_PATH_IMAGE029
、
Figure 760620DEST_PATH_IMAGE030
、
Figure 651347DEST_PATH_IMAGE031
的最大值所对应的阈值即为分割阈值，根据分割阈值划分的C0即为待处理图像中的第一目标图像。
进一步地，将C1部分的人台图像删除，将剩余部分连同C0部分定义为第二目标图像，其中第一目标图像位于第二目标图像中，同时将第二目标图像保存为PNG格式。
步骤S130：根据第一目标图像确定服装外部轮廓。
其中步骤S130具体包括以下子步骤：
步骤1301：对第一目标图像进行扫描，确定服装外部轮廓的起点和终点。
具体地，在扫描过程中，将扫描的第一个点标记为P，记录P点的坐标，将其作为服装外部轮廓的起点和终点。
步骤S1302：根据服装外部轮廓的起点，确定服装外部轮廓的边界点位置。
具体地，读取P点的坐标，在P点的8个邻域中，从P点的0点方向开始，按照顺时针方向搜索，确定服装外部轮廓的边界点位置。
其中顺时针方向搜索具体为以P点为中心，按照向量0-7的顺时针方向搜索，向量0-7构成P点的8邻域。
步骤S1303：根据服装外部轮廓的边界点的位置对服装外部轮廓的边界点进行判断，完成服装外部轮廓的确定。
具体地，根据服装外部轮廓的边界点位置，逐一判断服装外部轮廓的边界点的像素值。
若服装外部轮廓的边界点的像素值与起点P点相同，则依然作为服装外部轮廓的边界点，否则作为服装外部轮廓的新的起点Q，记录新的起点Q的坐标以及像素值。
进一步地，将Q点置为P点，重复执行步骤S1302和S1303，不断根据新的起点确定服装外部轮廓边界点，直至回到P点结束。将确定的服装外部轮廓的边界点连接，得到服装外服轮廓。
步骤S140：根据服装外部轮廓确定最大外接矩形。
其中根据服装外部轮廓的上下左右的服装外部轮廓边界点的坐标确定最大外接矩形。
具体地，其中以第一目标图像的中心点为基准点，将离基准点最远的左侧服装外部轮廓边界点为第一外接点，将离基准点最远的右侧服装外部轮廓边界点为第二外接点，将离基准点最远的上侧服装外部轮廓边界点为第三外接点，将离基准点最远的下侧服装外部轮廓边界点为第四外接点。进一步地，将第一、二外接点进行沿垂直方向延伸，将第三、四外接点沿水平方向延伸，直至第一至四外接点连接形成一个四边形，将该四边形作为最大外接矩形。
步骤S150：根据最大外接矩形对第二目标图像和待处理图像进行裁剪，输出裁剪后的第二目标图像和待处理图像。
其中步骤S150具体包括以下子步骤：
步骤S1501：判断最大外接矩形与待处理图像是否适配。
由于最大外接矩形是通过第一目标图像进行获取的，而第一目标图像存在于第二目标图像之中，因此无需对最大外接矩形于第二目标图像进行适配判断。虽然第一目标图像是由待处理图像中提取的，但是提取的过程中若出现尺寸转化错误等因素，则会影响待处理图像和最大外接矩形的适配关系，因此，需要对最大外接矩形与待处理图像进行适配判断。
其中适配判断可根据待处理图像和最大外接矩形的面积进行判断，具体将待处理图像和最大外接矩形的面积进行比对，由于待处理图像中包含人台图像，因此正常情况下待处理图像的面积应始终大于最大外接矩形的面积，若第待处理图像的面积大于最大外接矩形，则执行步骤S1502，否则流程退出。
其中待处理图像的面积A具体表示为：
Figure 90419DEST_PATH_IMAGE032
其中，
Figure 632259DEST_PATH_IMAGE033
为待处理图像的长，
Figure 865794DEST_PATH_IMAGE034
为待处理图像的宽，
Figure 493084DEST_PATH_IMAGE035
为当纵坐标为j时，待处理图像中的横坐标最大值，
Figure 470268DEST_PATH_IMAGE036
为纵坐标为j时，待处理图像中的横坐标最小值，j为自然数，
Figure 617346DEST_PATH_IMAGE037
为待处理图像中的纵坐标最大值，
Figure 21783DEST_PATH_IMAGE038
为纵坐标为j时，待处理图像中服装图像或人台图像的横坐标最小值与待处理图像横坐标最小值之差，
Figure 667528DEST_PATH_IMAGE039
为纵坐标为j时，待处理图像中服装图像或人台图像的横坐标最大值与待处理图像横坐标最大值之差，
Figure 182823DEST_PATH_IMAGE040
为待处理图像中的服装图像或人台图像的横坐标最小值，
Figure 447057DEST_PATH_IMAGE041
为待处理图像中的服装图像或人台图像的横坐标最大值。
其中最大外接矩形的面积B具体表示为：
Figure 22395DEST_PATH_IMAGE042
其中C表示最大外接矩形的长，D表示最大外接矩形的宽。
若待处理图像的面积A大于最大外接矩形B，则执行步骤S1502，否则流程退出。
步骤S1502：对待处理图像和第二目标图像进行信息标定。
具体地，对第二目标图像和待处理图像进行信息标定包括，在第二图像和待处理图像上标定服装的服装特征点坐标。优选地，以第二目标图像左上角为坐标原点开始进行标定。
其中在第二目标图像中，在服装指定位置处标定某几个点作为服装特征点，例如短袖衣服中的左袖口开口处设定2个点为服装特征点，将衣服中的下摆边缘的开口处设定2个点为服装特征点，再比如将服装的肩部的左右两点作为服装特征点，服装特征点在第二目标图像中的位置为服装特征点坐标。
步骤S1503：最大外接矩形根据标定的信息对第二目标图像和待处理图像进行裁剪。
具体地，以第二目标图像的中心点为基准，将第二目标图像中离中心点最远的任意服装特征点坐标为基准坐标，将最大外接矩形的一条边置于离基准坐标指定距离处。
进一步地，当最大外接矩形的一条边置于离基准坐标指定距离处后，获取最大外接矩形的各点坐标，检查第二目标图像中服装特征点的坐标是否均小于最大外接矩形的各点坐标，若第二目标图像中服装特征点的坐标均小于最大外接矩形的各点坐标，说明最大外接矩形位于第二目标图像的外围，则继续执行。否则流程退出，重新执行步骤S140，确定最大外接矩形。
同理，对待处理图像同样采用上述方法，以待处理图像的中心点为基准，将待处理图像中离中心点最远的任意服装特征点坐标为基准坐标，将最大外接矩形的一条边置于离基准坐标指定距离处。若待处理图像中服装特征点的坐标均小于最大外接矩形的各点坐标，则继续执行。否则流程退出，重新执行步骤S140，确定最大外接矩形。
再进一步地，按照最大外接矩形对第二目标图像进行裁剪之前，还包括，对此时的第二目标图像和待处理图像分别进行检测处理。检测处理具体包括对第二目标图像和待处理图像进行区域划分，具体可将第二目标图像和待处理图像中的服装图像进行等区域划分，划分为若干区域。
其中划分的各区域的像素点的颜色饱和度值
Figure 358699DEST_PATH_IMAGE043
具体表示为：
Figure 943264DEST_PATH_IMAGE044
Figure 48623DEST_PATH_IMAGE045
其中，
Figure 794862DEST_PATH_IMAGE046
为输入的服装图像的颜色值，
Figure 369194DEST_PATH_IMAGE047
表示控制像素颜色混合的标准参数，一般
Figure 491871DEST_PATH_IMAGE047
为0.8，
Figure 717316DEST_PATH_IMAGE048
为当前划分区域中像素点h与像素点i的距离，S表示当前划分的区域的区域面积，
Figure 634456DEST_PATH_IMAGE049
表示像素点h的像素半径。
其中对各区域的像素点进行检测，若各像素点的颜色饱和度值
Figure 210931DEST_PATH_IMAGE050
大于指定阈值，则按照最大外接矩形对待处理图像进行裁剪，否则流程退出。
其中按照上述方法裁剪后的待处理图像和第二目标图像完成了压缩，裁剪后的待处理图像的图片体积缩小了大约50%以上，第二目标图像的图片体积缩小了大约10%以上，能有效降低图片的存储空间，但却并不影响图片质量。
本申请还提供了虚拟穿衣图像的处理系统，如图2所示，虚拟穿衣图像的处理系统其中包括了待处理图像获取单元201、目标图像获取单元202、服装轮廓确定单元203、最大外接轮廓确定单元204、裁剪单元205。
其中待处理图像获取单元201用于获取待处理图像。
目标图像获取单元202与待处理图像获取单元201连接，用于从待处理图像中获取第一和第二目标图像。
具体地，目标图像获取单元202具体包括稳定程度确定模块、分割阈值确定模块。
其中稳定程度确定模块，用于确定待处理图像的稳定程度。
分割阈值确定模块与稳定程度确定模块连接，用于根据待处理图像的稳定程度确定分割阈值，根据分割阈值确定第一和第二目标图像。
服装轮廓确定单元203与目标图像获取单元202连接，用于根据第一目标图像确定服装外部轮廓。
最大外接轮廓确定单元204与服装轮廓确定单元203连接，用于根据服装外部轮廓确定最大外接矩形。
裁剪单元205与最大外接轮廓确定单元204连接，用于根据最大外接矩形对第二目标图像和待处理图像进行裁剪，输出第二目标图像和待处理图像。
本申请具有以下有益效果：
本申请提供的虚拟穿衣图像的处理方法及其系统能够在虚拟试衣的过程中将服装图像的存储体积减小，能有效降低图片的存储空间且不影响图片质量，同时加快了虚拟试衣的速度。
虽然当前申请参考的示例被描述，其只是为了解释的目的而不是对本申请的限制，对实施方式的改变，增加和/或删除可以被做出而不脱离本申请的范围。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种虚拟穿衣图像的处理方法，其特征在于，具体包括以下步骤：
获取待处理图像；
从待处理图像中获取第一目标图像和第二目标图像；
根据第一目标图像确定服装外部轮廓；
根据服装外部轮廓确定最大外接矩形；
根据最大外接矩形对第二目标图像和待处理图像进行裁剪，输出裁剪后的第二目标图像和裁剪后的待处理图像。
2.如权利要求1所述的虚拟穿衣图像的处理方法，其特征在于，获取的第一目标图像为去除人台后的服装图像。
3.如权利要求2所述的虚拟穿衣图像的处理方法，其特征在于，从待处理图像中获取第一目标图像和第二目标图像具体包括以下子步骤：
确定待处理图像的稳定程度；
根据待处理图像的稳定程度确定分割阈值，根据分割阈值确定第一目标图像和第二目标图像。
4.如权利要求3所述的虚拟穿衣图像的处理方法，其特征在于，根据稳定值确定稳定程度，其中稳定值H具体表示为：
Figure 699780DEST_PATH_IMAGE001
其中，
Figure 882499DEST_PATH_IMAGE002
表示灰度值x在待处理图像中出现的频率，灰度值x为待处理图像中全部灰度值的最小灰度值。
5.如权利要求1所述的虚拟穿衣图像的处理方法，其特征在于，根据第一目标图像确定服装外部轮廓具体包括以下步骤：
对第一目标图像进行扫描，确定服装外部轮廓的起点和终点；
根据服装外部轮廓的起点，确定服装外部轮廓的边界点位置；
根据服装外部轮廓的边界点的位置对服装外部轮廓的边界点进行判断，完成服装外部轮廓的确定。
6.如权利要求5所述的虚拟穿衣图像的处理方法，其特征在于，其中根据服装外部轮廓的上下左右的服装外部轮廓边界点的坐标确定最大外接矩形；
以第一目标图像的中心点为基准点，离基准点最远的左侧服装外部轮廓边界点为第一外接点，离基准点最远的右侧服装外部轮廓边界点为第二外接点，离基准点最远的上侧服装外部轮廓边界点为第三外接点，离基准点最远的下侧服装外部轮廓边界点为第四外接点，将第一、二外接点进行沿垂直方向延伸，将第三、四外接点沿水平方向延伸，直至第一至四外接点连接形成一个四边形，将该四边形作为最大外接矩形。
7.如权利要求6所述的虚拟穿衣图像的处理方法，其特征在于，根据最大外接矩形对第二目标图像和待处理图像进行裁剪，输出裁剪后的第二目标图像和裁剪后的待处理图像，具体包括以下子步骤：
判断最大外接矩形与待处理图像是否适配；
对待处理图像和第二目标图像进行信息标定；
最大外接矩形根据标定的信息对第二目标图像和待处理图像进行裁剪。
8.如权利要求7所述的虚拟穿衣图像的处理方法，其特征在于，对第二目标图像和待处理图像进行信息标定包括，在第二目标图像和待处理图像上标定服装的服装特征点坐标。
9.一种虚拟穿衣图像的处理系统，其特征在于，具体包括：待处理图像获取单元、目标图像获取单元、服装轮廓确定单元、最大外接轮廓确定单元以及裁剪单元；
其中待处理图像获取单元，用于获取待处理图像；
目标图像获取单元，用于从待处理图像中获取第一和第二目标图像；
服装轮廓确定单元，用于根据第一目标图像确定服装外部轮廓；
最大外接轮廓确定单元，用于根据服装外部轮廓确定最大外接矩形；
裁剪单元，用于根据最大外接矩形对第二目标图像和待处理图像进行裁剪，输出裁剪后的第二目标图像和裁剪后的待处理图像。
10.如权利要求9所述的虚拟穿衣图像的处理系统，其特征在于，目标图像获取单元具体包括稳定程度确定模块和分割阈值确定模块；
其中稳定程度确定模块，用于确定待处理图像的稳定程度；
分割阈值确定模块，用于根据待处理图像的稳定程度确定分割阈值，根据分割阈值确定第一和第二目标图像。
CN202011533080.9A 2020-12-23 2020-12-23 一种虚拟穿衣图像的处理方法及其系统 Active CN112258659B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011533080.9A CN112258659B (zh) 2020-12-23 2020-12-23 一种虚拟穿衣图像的处理方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011533080.9A CN112258659B (zh) 2020-12-23 2020-12-23 一种虚拟穿衣图像的处理方法及其系统

Publications (2)

Publication Number Publication Date
CN112258659A true CN112258659A (zh) 2021-01-22
CN112258659B CN112258659B (zh) 2021-04-13

Family

ID=74225412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011533080.9A Active CN112258659B (zh) 2020-12-23 2020-12-23 一种虚拟穿衣图像的处理方法及其系统

Country Status (1)

Country Link
CN (1) CN112258659B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105335976A (zh) * 2015-10-23 2016-02-17 广州视睿电子科技有限公司 一种图像处理方法和装置
CN105913496A (zh) * 2016-04-06 2016-08-31 成都景和千城科技有限公司 一种将真实服饰快速转换为三维虚拟服饰的方法及系统
WO2018011336A1 (en) * 2016-07-13 2018-01-18 Naked Labs Austria Gmbh Skeleton estimation from body mesh
CN110096156A (zh) * 2019-05-13 2019-08-06 东北大学 基于2d图像的虚拟换装方法
CN111754303A (zh) * 2020-06-24 2020-10-09 北京字节跳动网络技术有限公司 虚拟换服饰的方法和装置、设备和介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105335976A (zh) * 2015-10-23 2016-02-17 广州视睿电子科技有限公司 一种图像处理方法和装置
CN105913496A (zh) * 2016-04-06 2016-08-31 成都景和千城科技有限公司 一种将真实服饰快速转换为三维虚拟服饰的方法及系统
WO2018011336A1 (en) * 2016-07-13 2018-01-18 Naked Labs Austria Gmbh Skeleton estimation from body mesh
CN110096156A (zh) * 2019-05-13 2019-08-06 东北大学 基于2d图像的虚拟换装方法
CN111754303A (zh) * 2020-06-24 2020-10-09 北京字节跳动网络技术有限公司 虚拟换服饰的方法和装置、设备和介质

Also Published As

Publication number Publication date
CN112258659B (zh) 2021-04-13

Similar Documents

Publication Publication Date Title
US10783354B2 (en) Facial image processing method and apparatus, and storage medium
CN110717489B (zh) Osd的文字区域的识别方法、装置及存储介质
US6332038B1 (en) Image processing device
US7894666B2 (en) Image processing method and apparatus, image sensing apparatus, and program
US7127107B2 (en) Land partition data generating method and apparatus
US8620076B2 (en) Region extraction apparatus and region extraction method
WO2018233637A1 (zh) 视频处理方法、装置、电子设备及存储介质
US10229498B2 (en) Image processing device, image processing method, and computer-readable recording medium
WO2022105276A1 (zh) 投影区域确定方法、装置、投影设备及可读存储介质
CN112258660B (zh) 一种虚拟穿衣图像的处理方法及其系统
CN115439523A (zh) 一种半导体器件引脚尺寸检测方法、设备及存储介质
CN112258659B (zh) 一种虚拟穿衣图像的处理方法及其系统
JP4390487B2 (ja) 頭部領域抽出装置
CN113781511A (zh) 传送带边缘磨损检测方法、装置、计算机设备及存储介质
JP3659426B2 (ja) エツジ検出方法及びエツジ検出装置
JP6444331B2 (ja) 対象識別装置
CN110749599A (zh) 一种手术烟雾的分析方法、装置及存储介质
CN111563883B (zh) 屏幕视觉定位方法、定位设备及存储介质
CN115690470A (zh) 一种用于识别开关指示牌状态的方法和相关产品
CN112036319B (zh) 一种图片处理方法、装置、设备及存储介质
CN112991294A (zh) 异物检测方法、装置及计算机可读介质
US20200211194A1 (en) Attached object detection apparatus
CN112712499B (zh) 一种物体检测方法、装置以及计算机可读存储介质
CN111414877A (zh) 去除颜色边框的表格裁切方法、图像处理设备和存储介质
CN113724130B (zh) 可变宽度的人像精细抠图方法、装置、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