CN112418054A - 图像处理方法、装置、电子设备和计算机可读介质 - Google Patents
图像处理方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN112418054A CN112418054A CN202011296216.9A CN202011296216A CN112418054A CN 112418054 A CN112418054 A CN 112418054A CN 202011296216 A CN202011296216 A CN 202011296216A CN 112418054 A CN112418054 A CN 112418054A
- Authority
- CN
- China
- Prior art keywords
- image
- edge information
- face
- damaged
- face image
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 52
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 210000000056 organ Anatomy 0.000 claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000001815 facial effect Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G06T5/77—
-
- 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
- G06T7/12—Edge-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
- G06T7/13—Edge detection
-
- 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
Abstract
本公开的实施例公开了图像处理方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取破损脸部图像以及破损脸部图像中破损区域的掩膜图像;提取破损脸部图像的边缘信息,其中,边缘信息包括全局边缘信息和至少一个脸部器官区域的边缘信息;基于破损脸部图像、掩膜图像及边缘信息,对破损脸部图像进行处理,得到处理后的脸部图像。该实施方式在对破损脸部图像处理过程中,同时利用了破损脸部图像中破损区域的掩膜图像及破损脸部图像的边缘信息。不仅能够准确定位破损脸部图像中破损区域,还能够对脸部图像中不同脸部器官区域进行区分,改善了人脸图像处理技术中存在的对破损区域中不同脸部器官区域的处理效果不理想的问题。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及图像处理方法、装置、电子设备和计算机可读介质。
背景技术
破损人脸图像处理技术是计算机视觉研究领域的一项重要的研究内容。相关技术将破损的脸部图像及脸部图像中破损区域的掩膜图像输入到图像处理模型,对脸部图像进行处理。相关技术存在着对破损区域中不同脸部器官区域的处理效果不理想的问题。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了图像处理方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种图像处理方法,该方法包括:获取破损脸部图像以及破损脸部图像中破损区域的掩膜图像;提取破损脸部图像的边缘信息,其中,边缘信息包括全局边缘信息和至少一个脸部器官的边缘信息;基于破损脸部图像、掩膜图像及边缘信息,对破损脸部图像进行处理,得到处理后的脸部图像。
第二方面,本公开的一些实施例提供了一种图像处理装置,装置包括:获取单元,被配置成获取破损脸部图像以及破损脸部图像中破损区域的掩膜图像;提取单元,被配置成提取破损脸部图像的边缘信息,其中,边缘信息包括全局边缘信息和至少一个脸部器官的边缘信息;处理单元,被配置成基于破损脸部图像、掩膜图像及边缘信息,对破损脸部图像进行处理,得到处理后的脸部图像。
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的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的图像处理方法对破损脸部图像进行处理,破损脸部图像中破损区域的不同器官区域处理效果不理想的问题得到了改善。具体来说,发明人发现,造成相关技术处理效果不理想的原因在于:相关技术对于破损脸部图像直接对破损图像进行处理,只关注到了脸部图像的破损区域,并没有关注到破损区域有没有轮廓信息。基于此,本公开的一些实施例的图像处理方法不仅利用破损脸部图像破损区域的掩膜图像,定位到破损区域。还提取到破损脸部图像中至少一个脸部器官区域的边缘信息和全局边缘信息。该方法提供的丰富的边缘信息,使得破损区域中不同脸部器官区域得到有效区分。在此基础上,在破损人脸处理过程中通过提供破损脸部图像中破损区域的掩膜图像和破损脸部图像的全局边缘信息及至少一个脸部器官区域的边缘信息,不仅仅定位到破损区域,同时也可以检测到破损区域中是否存在边界。进而,对破损区域中不同脸部器官区域进行了有效的区分。因此,通过同时利用破损脸部图像中破损区域的掩膜及全局边缘信息和至少一个脸部器官区域的边缘信息,使得破损区域中不同的脸部器官区域得到更好的处理。进而,改善了处理效果不理想的问题。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的图像处理方法的一个应用场景的示意图;
图2是根据本公开的图像处理方法的一些实施例的流程图;
图3是根据本公开的图像处理方法的另一些实施例的流程图;
图4是根据本公开的图像处理装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的图像处理方法的一个应用场景的示意图100。
如图1所示,计算设备101获取破损脸部图像102和破损脸部图像102的破损区域的掩膜图像103。作为示例,破损脸部图像102是脸部带有划痕104的脸部图像。之后,计算设备101对破损脸部图像进行边缘提取,得到破损脸部图像102的边缘信息105。其中,边缘信息105包括全局边缘信息106及破损脸部图像102中至少一个脸部器官区域的边缘信息107。作为示例,计算设备101可以利用RCF(更丰富的卷积特征,Richer Convolutional Features)卷积网络对破损脸部图像102进行边缘信息提取,得到全局边缘信息106。作为示例,可以通过人脸关键点提取网络得到至少一个脸部器官区域的关键点信息。进一步的,根据上述关键点信息对上述相邻的关键点进行连接得到破损脸部图像102中至少一个脸部器官区域的边缘信息107。最后,基于破损脸部图像102、掩膜图像103及边缘信息105对破损脸部图像进行处理(例如,修复),得到修复后的脸部图像108。作为示例,可以利用基于生成对抗网络的人脸图像修复算法对破损脸部图像进行修复。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以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中的计算设备数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的图像处理方法的一些实施例的流程200。该图像处理方法,包括以下步骤:
步骤201,获取破损脸部图像以及破损脸部图像中破损区域的掩膜图像。
在一些实施例中,图像处理方法的执行主体(例如图1所示的计算设备)可以通过有线连接方式或者无线连接方式接收破损脸部图像和破损脸部图像中破损区域的掩膜图像。作为示例,上述破损脸部图像可以是脸部区域有划痕、有折痕的脸部图像以及也可以是退色的脸部图像。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,作为示例,上述掩膜图像可以通过分割算法获得。例如,可以通过全卷积神经网络对脸部图像进行分割得到。作为示例,上述掩膜图像还可以直接通过人工标注获得。
步骤202,提取破损脸部图像的边缘信息,其中,边缘信息包括全局边缘信息和至少一个脸部器官区域的边缘信息。
在一些实施例中,上述执行主体可以通过各种方式来对上述破损脸部图像进行边缘提取,得到上述破损脸部图像的边缘信息。其中,边缘信息包括全局边缘信息和至少一个脸部器官区域的边缘信息。
作为示例,上述执行主体可以通过Sobel边缘检测算法提取上述破损脸部图像的全局边缘信息。
在一些实施例的一些可选的实现方式中,步骤202可以包括:首先,利用边缘检测算法提取破损脸部图像的全局边缘信息。作为示例,上述边缘检测算子可以是Canny边缘检测算子、Sobel边缘检测算子。之后,对破损脸部图像中至少一个脸部器官区域进行分割,得到至少一个脸部器官区域中每个脸部器官区域的分割图像。作为示例,上述执行主体可以先利用人脸解析算法得到至少一个脸部器官区域的分割图像。再之后,提取每个分割图像中的边缘信息。最后,对各个分割图像中的边缘信息进行融合,得到至少一个器官区域的边缘信息。作为示例,可以将包含边缘信息的各个图像中每个像素点的像素值对应相加,得到至少一个器官区域的边缘信息。
步骤203,基于破损脸部图像、掩膜图像及边缘信息,对破损脸部图像进行处理,得到处理后的脸部图像。
在一些实施例中,上述执行主体可以利用破损脸部图像的掩膜图像及边缘信息对上述破损脸部图像进行处理,得到处理后的脸部图像。作为示例,对上述破损脸部图像进行处理可以是基于破损脸部图像的掩膜图像与边缘信息对破损脸部图像进行颜色调整。例如,对泛黄的老照片中脸部退色区域进行颜色调整。首先,基于老照片中脸部退色区域的掩膜图像确定破损脸部图像中的退色区域。之后,根据边缘信息确定该退色区域是否存在脸部器官的边界。基于边界信息对上述退色区域进行颜色调整。作为又一示例,上述破损脸部图像进行处理可以是基于破损脸部图像的掩膜图像与边缘信息对带有划痕的图像进行划痕区域的修复处理。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的图像处理方法对破损脸部图像进行处理,破损脸部图像中破损区域的不同器官区域处理效果不理想的问题得到了改善。具体来说,发明人发现,造成相关技术处理效果不理想的原因在于:相关技术对于破损脸部图像直接对破损图像进行处理,只关注到了脸部图像的破损区域,并没有关注到破损区域有没有轮廓信息。基于此,本公开的一些实施例的图像处理方法不仅利用破损脸部图像破损区域的掩膜图像,定位到破损区域。还提取到破损脸部图像中至少一个脸部器官区域的边缘信息和全局边缘信息。该方法提供的丰富的边缘信息,使得破损区域中不同脸部器官区域得到有效区分。在此基础上,在破损人脸处理过程中通过提供破损脸部图像中破损区域的掩膜图像和破损脸部图像的全局边缘信息及至少一个脸部器官区域的边缘信息,不仅仅定位到破损区域,同时也可以检测到破损区域中是否存在边界。进而,对破损区域中不同脸部器官区域进行了有效的区分。因此,通过同时利用破损脸部图像中破损区域的掩膜及全局边缘信息和至少一个脸部器官区域的边缘信息,使得破损区域中不同的脸部器官区域得到更好的处理。进而,改善了处理效果不理想的问题。
进一步参考图3,其示出了图像处理方法的另一些实施例的流程300。该图像处理方法的流程300,包括以下步骤:
步骤301,获取破损脸部图像以及破损脸部图像中破损区域的掩膜图像。
步骤302,提取破损脸部图像的边缘信息,其中,边缘信息包括全局边缘信息和至少一个脸部器官区域的边缘信息。
在一些实施例中,步骤301、302的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201、202,在此不再赘述。
步骤303,将破损脸部图像、掩膜图像及边缘信息,输入至预训练的人脸修复网络,得到修复后的脸部图像。
在一些实施例中,上述人脸修复网络可以是UNet网络、可以是FCN网络。
在一些实施例的一些可选的实现方式中,上述预训练的人脸修复网络包括特征提取层及图像生成网络。以及上执行主体先将破损脸部图像、掩膜图像及边缘信息,输入至上述人脸修复网络的特征提取层,得到破损脸部图像的特征图像。之后,将包含至少一个脸部器官区域的边缘信息的图像进行缩小,得到与上述特征图像相同尺寸的缩小图像。最后,将上述特征图像与上述缩小图像输入至上述图像生成网络,得到修复后的脸部图像。
作为示例,其中,上述图像生成网络包含至少一个上采样层。上述执行主体将上述特征图像与上述缩小图像输入到图像生成网络之后,要经过多次上采样层。
作为示例,进行每个上采样层之前,首先将上述包含至少一个脸部器官区域边缘信息的图像进行相应的缩小。例如,进入第二个上采样层之前,执行主体先根据第二层上采样的输入图像(即上一个网络层输出的特征图像)的尺寸大小,将上述包含至少一个脸部器官区域边缘信息的图像缩小到相同的尺寸。之后,将缩小后的图像与上一各网络层输出的特征图像一起输入到上采样层,进行上采样处理。经过多次上采样之后,得到修复后的脸部图像。
通过在特征提取过程中加入边缘信息与掩模图像,可以使特征提取层提取到更丰富的信息。在图像生成网络中,通过在上采样层加入至少一个器官区域边缘信息,可以使上述图像生成网络对破损脸部图像破损区域中的不同器官区域作更好的区分。因此,可以得到更好地修复效果。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的图像处理方法的流程300体现了利用预训练的人脸修复网络对破损脸部图像进行修复的步骤。该步骤通过同时将边缘信息与掩模图像输入到人脸修复网络,不仅可以定位到破损脸部图像的破损区域,同时使人脸修复网络提取到更丰富的边缘信息。使得人脸修复网络不仅可以定位到破损脸部图像的破损区域,还可以检测到破损区域的轮廓信息。进而,可以对破损脸部图像破损区域中的不同器官区域作更好的区分。从而,可以得到具有清晰轮廓的修复图像。其他的步骤所带来的技术效果可以参考图2对应的那些实施例中有益效果,在此不再赘述。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种图像处理装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,一些实施例的图像处理装置400包括:获取单元401、提取单元402和处理单元403。其中,获取单元401,被配置成获取破损脸部图像以及破损脸部图像中破损区域的掩膜图像;提取单元402,被配置成提取破损脸部图像的边缘信息,其中,边缘信息包括全局边缘信息和至少一个脸部器官区域的边缘信息;处理单元403,被配置成基于破损脸部图像、掩膜图像及边缘信息,对破损脸部图像进行处理,得到处理后的脸部图像。
在一些实施例的可选实现方式中,图像处理装置400的提取单元402进一步被配置成:利用边缘检测算法提取破损脸部图像的全局边缘信息;对破损脸部图像中至少一个脸部器官区域进行分割,得到至少一个脸部器官区域中每个脸部器官区域的分割图像;提取每个分割图像中的边缘信息;对各个分割图像中的边缘信息进行融合,得到至少一个器官区域的边缘信息。
在一些实施例的可选实现方式中,图像处理装置400的处理单元403进一步被配置成:将破损脸部图像、掩膜图像及边缘信息,输入至预训练的人脸修复网络,得到修复后的脸部图像。
在一些实施例的可选实现方式中,图像处理装置400的上述预训练的人脸修复网络包括特征提取层及图像生成网络;以及处理单元403进一步被配置成:将破损脸部图像、掩膜图像及边缘信息,输入至特征提取层,得到破损脸部图像的特征图像;将包含至少一个脸部器官区域的边缘信息的图像进行缩小,得到与特征图像相同尺寸的缩小图像;将特征图像与缩小图像输入至图像生成网络,得到修复后的脸部图像。
可以理解的是,该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元,在此不再赘述。
下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备)500的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述计算设备中所包含的;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:获取破损脸部图像以及破损脸部图像中破损区域的掩膜图像;提取破损脸部图像的边缘信息,其中,边缘信息包括全局边缘信息和至少一个脸部器官的边缘信息;基于破损脸部图像、掩膜图像及边缘信息,对破损脸部图像进行处理,得到处理后的脸部图像。
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:一种处理器包括获取单元、提取单元和处理单元。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,提取单元还可以被描述为“提取破损脸部图像的边缘信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
根据本公开的一个或多个实施例,提供了一种图像处理方法,包括:获取破损脸部图像以及破损脸部图像中破损区域的掩膜图像;提取破损脸部图像的边缘信息,其中,边缘信息包括全局边缘信息和至少一个脸部器官的边缘信息;基于破损脸部图像、掩膜图像及边缘信息,对破损脸部图像进行处理,得到处理后的脸部图像。
根据本公开的一个或多个实施例,上述提取破损脸部图像的边缘信息,其中,边缘信息包括全局边缘信息和至少一个脸部器官区域的边缘信息,包括:利用边缘检测算法提取破损脸部图像的全局边缘信息;对破损脸部图像中至少一个脸部器官区域进行分割,得到至少一个脸部器官区域中每个脸部器官区域的分割图像;提取每个分割图像中的边缘信息;对各个分割图像中的边缘信息进行融合,得到至少一个器官区域的边缘信息。
根据本公开的一个或多个实施例,上述基于破损脸部图像、掩膜图像及边缘信息,对破损脸部图像进行处理,得到处理后的脸部图像,包括:将破损脸部图像、掩膜图像及边缘信息,输入至预训练的人脸修复网络,得到修复后的脸部图像。
根据本公开的一个或多个实施例,上述预训练的人脸修复网络包括特征提取层及图像生成网络;以及将破损脸部图像、掩膜图像及边缘信息,输入至预训练的人脸修复网络,得到修复后的脸部图像,包括:将破损脸部图像、掩膜图像及边缘信息,输入至特征提取层,得到破损脸部图像的特征图像;将包含至少一个脸部器官区域的边缘信息的图像进行缩小,得到与特征图像相同尺寸的缩小图像;将特征图像与缩小图像输入至图像生成网络,得到修复后的脸部图像。
根据本公开的一个或多个实施例,提供了一种图像处理装置,包括:获取单元,被配置成获取破损脸部图像以及破损脸部图像中破损区域的掩膜图像;提取单元,被配置成提取破损脸部图像的边缘信息,其中,边缘信息包括全局边缘信息和至少一个脸部器官区域的边缘信息;处理单元,被配置成基于破损脸部图像、掩膜图像及边缘信息,对破损脸部图像进行处理,得到处理后的脸部图像。
根据本公开的一个或多个实施例,图像处理装置的提取单元进一步被配置成:利用边缘检测算法提取破损脸部图像的全局边缘信息;对破损脸部图像中至少一个脸部器官区域进行分割,得到至少一个脸部器官区域中每个脸部器官区域的分割图像;提取每个分割图像中的边缘信息;对各个分割图像中的边缘信息进行融合,得到至少一个器官区域的边缘信息。
根据本公开的一个或多个实施例,图像处理装置的处理单元进一步被配置成:将破损脸部图像、掩膜图像及边缘信息,输入至预训练的人脸修复网络,得到修复后的脸部图像。
根据本公开的一个或多个实施例,图像处理装置的预训练的人脸修复网络包括特征提取层及图像生成网络;以及处理单元进一步被配置成:将破损脸部图像、掩膜图像及边缘信息,输入至特征提取层,得到破损脸部图像的特征图像;将包含至少一个脸部器官区域的边缘信息的图像进行缩小,得到与特征图像相同尺寸的缩小图像;将特征图像与缩小图像输入至图像生成网络,得到修复后的脸部图像。
根据本公开的一个或多个实施例,提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现任一上述的方法。
根据本公开的一个或多个实施例,提供了一种计算机可读介质,其上存储有计算机程序,其中,上述程序被处理器执行时实现任一上述的方法。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种图像处理方法,包括:
获取破损脸部图像以及所述破损脸部图像中破损区域的掩膜图像;
提取所述破损脸部图像的边缘信息,其中,所述边缘信息包括全局边缘信息和至少一个脸部器官区域的边缘信息;
基于所述破损脸部图像、所述掩膜图像及所述边缘信息,对所述破损脸部图像进行处理,得到处理后的脸部图像。
2.根据权利要求1所述的方法,其中,所述提取所述破损脸部图像的边缘信息,其中,所述边缘信息包括全局边缘信息和至少一个脸部器官区域的边缘信息,包括:
利用边缘检测算法提取所述破损脸部图像的所述全局边缘信息;
对所述破损脸部图像中至少一个脸部器官区域进行分割,得到所述至少一个脸部器官区域中每个脸部器官区域的分割图像;
提取所述每个分割图像中的边缘信息;
对各个分割图像中的边缘信息进行融合,得到所述至少一个器官区域的边缘信息。
3.根据权利要求1所述的方法,其中,所述基于所述破损脸部图像、所述掩膜图像及所述边缘信息,对所述破损脸部图像进行处理,得到所述处理后的脸部图像,包括:
将所述破损脸部图像、所述掩膜图像及所述边缘信息,输入至预训练的人脸修复网络,得到修复后的脸部图像。
4.根据权利要求3所述的方法,其中,所述预训练的人脸修复网络包括特征提取层及图像生成网络;以及
所述将所述破损脸部图像、所述掩膜图像及所述边缘信息,输入至预训练的人脸修复网络,得到修复后的脸部图像,包括:
将所述破损脸部图像、所述掩膜图像及所述边缘信息,输入至所述特征提取层,得到所述破损脸部图像的特征图像;
将包含所述至少一个脸部器官区域的边缘信息的图像进行缩小,得到与所述特征图像相同尺寸的缩小图像;
将所述特征图像与所述缩小图像输入至所述图像生成网络,得到所述修复后的脸部图像。
5.一种图像处理装置,包括:
获取单元,被配置成获取破损脸部图像以及所述破损脸部图像中破损区域的掩膜图像;
提取单元,被配置成提取所述破损脸部图像的边缘信息,其中,所述边缘信息包括全局边缘信息和至少一个脸部器官区域的边缘信息;
处理单元,被配置成基于所述破损脸部图像、所述掩膜图像及所述边缘信息,对所述破损脸部图像进行处理,得到处理后的脸部图像。
6.根据权利要求5所述的装置,其中,所述提取单元进一步被配置成:
利用边缘检测算法提取所述破损脸部图像的所述全局边缘信息;
对所述破损脸部图像中至少一个脸部器官区域进行分割,得到所述至少一个脸部器官区域中每个脸部器官区域的分割图像;
提取所述每个分割图像中的边缘信息;
对各个分割图像中的边缘信息进行融合,得到所述至少一个器官区域的边缘信息。
7.根据权利要求5所述的装置,其中,所述处理单元进一步被配置成:
将所述破损脸部图像、所述掩膜图像及所述边缘信息,输入至预训练的人脸修复网络,得到修复后的脸部图像。
8.根据权利要求7所述的装置,其中,所述预训练的人脸修复网络包括特征提取层及图像生成网络;以及
所述处理单元进一步被配置成:
将所述破损脸部图像、所述掩膜图像及所述边缘信息,输入至所述特征提取层,得到所述破损脸部图像的特征图像;
将包含所述至少一个脸部器官区域的边缘信息的图像进行缩小,得到与所述特征图像相同尺寸的缩小图像;
将所述特征图像与所述缩小图像输入至所述图像生成网络,得到所述修复后的脸部图像。
9.一种电子设备,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1-4中任一所述的方法。
10.一种计算机可读介质,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1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011296216.9A CN112418054A (zh) | 2020-11-18 | 2020-11-18 | 图像处理方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011296216.9A CN112418054A (zh) | 2020-11-18 | 2020-11-18 | 图像处理方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112418054A true CN112418054A (zh) | 2021-02-26 |
Family
ID=74772988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011296216.9A Pending CN112418054A (zh) | 2020-11-18 | 2020-11-18 | 图像处理方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112418054A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418249A (zh) * | 2020-11-18 | 2021-02-26 | 北京字跳网络技术有限公司 | 掩膜图像生成方法、装置、电子设备和计算机可读介质 |
CN113744199A (zh) * | 2021-08-10 | 2021-12-03 | 南方科技大学 | 图像的破损检测方法、电子设备及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10105700A (ja) * | 1996-08-02 | 1998-04-24 | Sony Corp | 画像雑音の除去方法及び除去装置 |
US20150199795A1 (en) * | 2012-09-26 | 2015-07-16 | Fujifilm Corporation | Image processing device, imaging device, computer, image processing method and computer readable non-transitory medium |
CN107016657A (zh) * | 2017-04-07 | 2017-08-04 | 河北工业大学 | 被网纹覆盖的人脸图片的修复方法 |
US20180204111A1 (en) * | 2013-02-28 | 2018-07-19 | Z Advanced Computing, Inc. | System and Method for Extremely Efficient Image and Pattern Recognition and Artificial Intelligence Platform |
CN108346175A (zh) * | 2018-02-06 | 2018-07-31 | 腾讯科技(深圳)有限公司 | 一种人脸图像修复方法、装置及存储介质 |
CN108921782A (zh) * | 2018-05-17 | 2018-11-30 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置及存储介质 |
CN109389562A (zh) * | 2018-09-29 | 2019-02-26 | 深圳市商汤科技有限公司 | 图像修复方法及装置 |
CN109598210A (zh) * | 2018-11-16 | 2019-04-09 | 三星电子(中国)研发中心 | 一种图片处理方法和装置 |
US20190318152A1 (en) * | 2018-04-12 | 2019-10-17 | Omron Corporation | Image analysis apparatus, method, and program |
WO2020006762A1 (zh) * | 2018-07-06 | 2020-01-09 | 深圳前海达闼云端智能科技有限公司 | 训练图像修复模型的方法、图像修复方法、装置、介质及设备 |
CN111612799A (zh) * | 2020-05-15 | 2020-09-01 | 中南大学 | 面向人脸数据对不完整的网纹人脸修复方法、系统及存储介质 |
CN111667425A (zh) * | 2020-06-02 | 2020-09-15 | 大连民族大学 | 一种基于先验算法的人脸表情图像遮挡修复方法 |
CN111784602A (zh) * | 2020-06-28 | 2020-10-16 | 江西理工大学 | 一种生成对抗网络用于图像修复的方法 |
US20230036694A1 (en) * | 2019-12-24 | 2023-02-02 | Nchain Licensing Ag | Destination addressing for transactions associated with a distributed ledger |
-
2020
- 2020-11-18 CN CN202011296216.9A patent/CN112418054A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10105700A (ja) * | 1996-08-02 | 1998-04-24 | Sony Corp | 画像雑音の除去方法及び除去装置 |
US20150199795A1 (en) * | 2012-09-26 | 2015-07-16 | Fujifilm Corporation | Image processing device, imaging device, computer, image processing method and computer readable non-transitory medium |
US20180204111A1 (en) * | 2013-02-28 | 2018-07-19 | Z Advanced Computing, Inc. | System and Method for Extremely Efficient Image and Pattern Recognition and Artificial Intelligence Platform |
CN107016657A (zh) * | 2017-04-07 | 2017-08-04 | 河北工业大学 | 被网纹覆盖的人脸图片的修复方法 |
CN108346175A (zh) * | 2018-02-06 | 2018-07-31 | 腾讯科技(深圳)有限公司 | 一种人脸图像修复方法、装置及存储介质 |
US20190318152A1 (en) * | 2018-04-12 | 2019-10-17 | Omron Corporation | Image analysis apparatus, method, and program |
CN108921782A (zh) * | 2018-05-17 | 2018-11-30 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置及存储介质 |
WO2020006762A1 (zh) * | 2018-07-06 | 2020-01-09 | 深圳前海达闼云端智能科技有限公司 | 训练图像修复模型的方法、图像修复方法、装置、介质及设备 |
CN109389562A (zh) * | 2018-09-29 | 2019-02-26 | 深圳市商汤科技有限公司 | 图像修复方法及装置 |
CN109598210A (zh) * | 2018-11-16 | 2019-04-09 | 三星电子(中国)研发中心 | 一种图片处理方法和装置 |
US20230036694A1 (en) * | 2019-12-24 | 2023-02-02 | Nchain Licensing Ag | Destination addressing for transactions associated with a distributed ledger |
CN111612799A (zh) * | 2020-05-15 | 2020-09-01 | 中南大学 | 面向人脸数据对不完整的网纹人脸修复方法、系统及存储介质 |
CN111667425A (zh) * | 2020-06-02 | 2020-09-15 | 大连民族大学 | 一种基于先验算法的人脸表情图像遮挡修复方法 |
CN111784602A (zh) * | 2020-06-28 | 2020-10-16 | 江西理工大学 | 一种生成对抗网络用于图像修复的方法 |
Non-Patent Citations (4)
Title |
---|
LI Y 等: "Generative face completion", IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION, 7 November 2017 (2017-11-07), pages 5892 - 5900 * |
NIR FLINT 等: "Percutaneous Mitral Edge-to-Edge Repair: State of the Art and a Glimpse to the Future", J AM SOC ECHOCARDIOGR, 18 September 2019 (2019-09-18), pages 1 - 13 * |
刘昱: "基于深度生成模型的图像修复研究", 中国优秀硕士学位论文全文数据库 (信息科技辑), no. 2019, 15 December 2019 (2019-12-15), pages 138 - 414 * |
刘波宁 等: "基于双鉴别网络的生成对抗网络图像修复方法", 计算机应用, vol. 38, no. 12, 3 August 2018 (2018-08-03), pages 3557 - 3562 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418249A (zh) * | 2020-11-18 | 2021-02-26 | 北京字跳网络技术有限公司 | 掩膜图像生成方法、装置、电子设备和计算机可读介质 |
CN113744199A (zh) * | 2021-08-10 | 2021-12-03 | 南方科技大学 | 图像的破损检测方法、电子设备及存储介质 |
CN113744199B (zh) * | 2021-08-10 | 2023-09-26 | 南方科技大学 | 图像的破损检测方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210158533A1 (en) | Image processing method and apparatus, and storage medium | |
CN111784712B (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
CN111369427A (zh) | 图像处理方法、装置、可读介质和电子设备 | |
CN110826567B (zh) | 光学字符识别方法、装置、设备及存储介质 | |
CN110211195B (zh) | 生成图像集合的方法、装置、电子设备和计算机可读存储介质 | |
CN112418249A (zh) | 掩膜图像生成方法、装置、电子设备和计算机可读介质 | |
CN112381717A (zh) | 图像处理方法、模型训练方法、装置、介质及设备 | |
CN112418054A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN110310293B (zh) | 人体图像分割方法及设备 | |
CN112598673A (zh) | 全景分割方法、装置、电子设备和计算机可读介质 | |
CN112330788A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN112419179A (zh) | 修复图像的方法、装置、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 | |
CN114494071A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN113689372A (zh) | 图像处理方法、设备、存储介质及程序产品 | |
CN112085733B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN110852242A (zh) | 基于多尺度网络的水印识别方法、装置、设备及存储介质 | |
CN111783777A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN111783632A (zh) | 针对视频流的人脸检测方法、装置、电子设备及存储介质 | |
CN110765304A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN115760607A (zh) | 图像修复方法、装置、可读介质以及电子设备 | |
CN115546487A (zh) | 图像模型训练方法、装置、介质及电子设备 | |
CN111340813B (zh) | 图像实例分割方法、装置、电子设备及存储介质 | |
CN115526796A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN114004229A (zh) | 文本识别方法、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 |