CN112419470A - 目标区域的颜色渲染方法、装置、设备和介质 - Google Patents

目标区域的颜色渲染方法、装置、设备和介质 Download PDF

Info

Publication number
CN112419470A
CN112419470A CN202011479463.2A CN202011479463A CN112419470A CN 112419470 A CN112419470 A CN 112419470A CN 202011479463 A CN202011479463 A CN 202011479463A CN 112419470 A CN112419470 A CN 112419470A
Authority
CN
China
Prior art keywords
image
target area
target
rendering
original 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
Application number
CN202011479463.2A
Other languages
English (en)
Inventor
雷洁
杜芳芳
孙丰乐
齐坤鹏
何智翔
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 Yingke Cheese Network Technology Co ltd
Original Assignee
Beijing Yingke Cheese 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 Yingke Cheese Network Technology Co ltd filed Critical Beijing Yingke Cheese Network Technology Co ltd
Priority to CN202011479463.2A priority Critical patent/CN112419470A/zh
Publication of CN112419470A publication Critical patent/CN112419470A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/10—Geometric effects
    • G06T15/20—Perspective computation
    • G06T15/205—Image-based rendering
    • 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
    • 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
    • G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Color Image Communication Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种目标区域的颜色渲染方法、装置、设备和介质。其中，该方法包括：从目标人脸图像中获取目标区域的原始图像；并对目标区域的原始图像进行图像分割处理，得到分割图像；确定目标区域的原始图像的纹理图像；根据分割图像、原始图像的纹理图像和预设渲染特征值，对目标区域进行颜色渲染。本发明实施例能够结合目标区域的纹理特征，使得目标区域的颜色渲染结果更贴近实际，以增强用户的视觉观感度。

Description

目标区域的颜色渲染方法、装置、设备和介质
技术领域
本发明实施例涉及一种图像处理技术领域，尤其涉及一种目标区域的颜色渲染方法、装置、设备和介质。
背景技术
目前，在各大直播平台中，美妆成为了用户最常用的功能之一。口红对整体的效果有着很大影响，能够为用户提供良好的视觉观感。在现有技术中，利用口红对嘴唇颜色进行上色主要是在嘴唇本身图像上直接进行的着色叠加，以得到口红的上色效果；例如，通过预设算法将变亮的混合图层与着色嘴唇图层进行叠加，最后得到口红渲染后的效果图。
上述方案的缺陷在于：上述方案是对图像进行整体的颜色叠加，并不能体现出目标区域特有的纹理信息，使得渲染效果较差。
发明内容
本申请实施例提供一种目标区域的颜色渲染方法、装置、设备和介质，可以结合目标区域的纹理特征，使得目标区域的颜色渲染结果更贴近实际，以增强用户的视觉观感度。
第一方面，本发明实施例提供了一种目标区域的颜色渲染方法，包括：
从目标人脸图像中获取目标区域的原始图像；并对所述目标区域的原始图像进行图像分割处理，得到分割图像；
确定所述目标区域的原始图像的纹理图像；
根据所述分割图像、所述原始图像的纹理图像和预设渲染特征值，对所述目标区域进行颜色渲染。
可选的，从目标人脸图像中获取目标区域的原始图像，包括：
将目标人脸图像输入人脸检测模型中，得到所述目标人脸图像的关键点；
根据所述目标人脸图像的关键点，确定目标区域的原始图像。
可选的，根据所述目标人脸图像的关键点，确定目标区域的原始图像，包括：
从所述目标人脸图像的关键点中确定目标区域的关键点；
将所述目标人脸图像中所述目标区域的关键点所在的区域图像，作为目标区域的原始图像。
可选的，确定所述目标区域的原始图像的纹理图像，包括：
对所述目标区域的原始图像进行预设滤镜处理，得到滤镜图像，并确定所述滤镜图像各像素点的颜色特征值；
根据所述滤镜图像各像素点的颜色特征值和预先确定的所述预设滤镜的各像素点的基础颜色特征值之差，得到所述目标区域的纹理图像。
可选的，所述预设滤镜的各像素点的基础颜色特征值的确定过程包括：
从候选人脸图像中选取目标区域的至少两个训练样本图像；
对所述至少两个训练样本图像进行预设滤镜处理，得到所述至少两个训练样本图像的滤镜图像；
根据所述至少两个训练样本图像的滤镜图像确定所述预设滤镜的各像素点的基础颜色特征值。
可选的，根据所述至少两个训练样本图像的滤镜图像确定所述预设滤镜的各像素点的基础颜色特征值，包括：
获取所述至少两个训练样本图像的滤镜图像的颜色特征值；
将所述至少两个训练样本图像的滤镜图像的颜色特征均值，作为所述预设滤镜的各像素点的基础颜色特征值。
可选的，根据所述分割图像、所述原始图像的纹理图像和预设渲染特征值，对所述目标区域进行颜色渲染，包括：
根据预设渲染特征值对所述原始图像的纹理图像进行颜色渲染，得到初始渲染图像；
基于所述分割图像，对所述初始渲染图像进行裁剪，得到裁剪图像；并将所述裁剪图像替换至所述目标区域的原始图像中，得到所述目标区域的目标渲染图像。
第二方面，本发明实施例提供了一种目标区域的颜色渲染装置，包括：
分割图像确定模块，用于从目标人脸图像中获取目标区域的原始图像；并对所述目标区域的原始图像进行图像分割处理，得到分割图像；
纹理图像确定模块，用于确定所述目标区域的原始图像的纹理图像；
颜色渲染模块，用于根据所述分割图像、所述原始图像的纹理图像和预设渲染特征值，对所述目标区域进行颜色渲染。
可选的，分割图像确定模块，包括：
关键点确定单元，用于将目标人脸图像输入人脸检测模型中，得到所述目标人脸图像的关键点；
图像确定单元，用于根据所述目标人脸图像的关键点，确定目标区域的原始图像。
可选的，图像确定单元，具体用于：
从所述目标人脸图像的关键点中确定目标区域的关键点；
将所述目标人脸图像中所述目标区域的关键点所在的区域图像，作为目标区域的原始图像。
可选的，纹理图像确定模块，具体用于：
对所述目标区域的原始图像进行预设滤镜处理，得到滤镜图像，并确定所述滤镜图像各像素点的颜色特征值；
根据所述滤镜图像各像素点的颜色特征值和预先确定的所述预设滤镜的各像素点的基础颜色特征值之差，得到所述目标区域的纹理图像。
可选的，还包括颜色特征值确定模块，颜色特征值确定模块包括：
训练样本图像确定单元，用于从候选人脸图像中选取目标区域的至少两个训练样本图像；
滤镜图像确定单元，用于对所述至少两个训练样本图像进行预设滤镜处理，得到所述至少两个训练样本图像的滤镜图像；
特征值确定单元，用于根据所述至少两个训练样本图像的滤镜图像确定所述预设滤镜的各像素点的基础颜色特征值。
可选的，特征值确定单元，具体用于：
获取所述至少两个训练样本图像的滤镜图像的颜色特征值；
将所述至少两个训练样本图像的滤镜图像的颜色特征均值，作为所述预设滤镜的各像素点的基础颜色特征值。
可选的，颜色渲染模块，具体用于：
根据预设渲染特征值对所述原始图像的纹理图像进行颜色渲染，得到初始渲染图像；
基于所述分割图像，对所述初始渲染图像进行裁剪，得到裁剪图像；并将所述裁剪图像替换至所述目标区域的原始图像中，得到所述目标区域的目标渲染图像。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
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本发明实施例中的任一种所述的目标区域的颜色渲染方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例中的任一种所述的目标区域的颜色渲染方法。
本发明实施例从目标人脸图像中获取目标区域的原始图像；并对目标区域的原始图像进行图像分割处理，得到分割图像；确定目标区域的原始图像的纹理图像；根据分割图像、原始图像的纹理图像和预设渲染特征值，对目标区域进行颜色渲染。本发明实施例能够结合目标区域的纹理特征，使得目标区域的颜色渲染结果更贴近实际，从而增强用户的视觉观感度。
附图说明
图1是本发明实施例一中的目标区域的颜色渲染方法的流程示意图；
图2是本发明实施例二中的目标区域的颜色渲染方法的流程示意图；
图3是本发明实施例二中的目标人脸图像的展示示意图；
图4是本发明实施例二中的目标人脸图像的关键点的示意图；
图5是本发明实施例二中的目标区域的原始图像的定位示意图；
图6(a)是本发明实施例二中的目标区域的纹理图像的示意图；
图6(b)是本发明实施例二中的分割图像的展示示意图；
图6(c)是本发明实施例二中的初始渲染图像的展示示意图；
图7是本发明实施例二中的目标区域的目标渲染图像的展示示意图。
图8是本发明实施例三中的目标区域的颜色渲染装置的结构示意图；
图9是本实施例四中的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中的目标区域的颜色渲染方法的流程示意图。本实施例可适用于结合目标区域的纹理特性实现颜色渲染的情况。本实施例方法可由目标区域的颜色渲染装置来执行，该装置可采用硬件/或软件的方式来实现，并可配置于电子设备中。可实现本申请任意实施例所述的目标区域的颜色渲染方法。如图1所示，该方法具体包括如下：
S110、从目标人脸图像中获取目标区域的原始图像；并对目标区域的原始图像进行图像分割处理，得到分割图像。
在本实施例中，目标人脸图像为需要对局部区域进行颜色渲染的人脸图像；目标区域图像为目标人脸图像中需要进行颜色渲染操作的局部区域，例如眉毛、嘴唇或者脸颊等部位；本实施例的适用场景为视频中图像目标区域的颜色渲染或者对于照片中目标区域的颜色渲染，例如美妆直播平台中嘴唇颜色不同口红色号的渲染，以及照片中嘴唇颜色的不同口红色号的渲染。
其中，对目标区域的原始图像进行图像分割处理，得到分割图像，包括：将原始图像输入预设分割模型中，并将预设分割模型的输出结果作为分割图像；具体的，预设分割模型由预先选定的目标区域的原始图像样本训练得到。
S120、确定目标区域的原始图像的纹理图像。
在本实施例中，纹理图像能够有效反映出一副图像中的颜色渐变特性；现有技术对局部区域进行颜色渲染时主要是利用预设图层与局部区域所在的区域图像的叠加实现颜色渲染，该方法在实施过程中忽略了各不同区域的纹理特性，使得渲染结果与实际偏差较大；本实施例通过确定出目标区域的原始图像的纹理图像，能够直观清楚的看出待渲染部位的纹理特征。
S130、根据分割图像、原始图像的纹理图像和预设渲染特征值，对目标区域进行颜色渲染。
在本实施例中，预设渲染特征值为待渲染的颜色的表征值，例如可以是标记颜色的RGB值；其中，预设渲染特征值可根据待渲染颜色(例如口红颜色)从特征对比表中查找得到；特征对比表中存储着渲染颜色与RGB的关联关系。
分割图像能够从原始图像中提取出目标区域的整体轮廓，原始图像的纹理图像能够显示出原始图像的纹理信息，利用原始图像的纹理图像、分割图像和预设渲染特征值能够有效实现目标区域中特定部位的颜色渲染，从而提高目标区域的颜色渲染精准度。
本发明实施例从目标人脸图像中获取目标区域的原始图像；并对目标区域的原始图像进行图像分割处理，得到分割图像；确定目标区域的原始图像的纹理图像；根据分割图像、原始图像的纹理图像和预设渲染特征值，对目标区域进行颜色渲染。本发明实施例能够结合目标区域的纹理特征，使得目标区域的颜色渲染结果更贴近实际，以增强用户的视觉观感度。
实施例二
图2是本发明实施例二中的目标区域的颜色渲染方法的流程示意图。本实施例是在上述实施例的基础上进一步扩展与优化，并可与上述技术方案中任意可选方案组合。如图2所示，该方法包括：
S210、从目标人脸图像中获取目标区域的原始图像；并对目标区域的原始图像进行图像分割处理，得到分割图像。
在本实施例中，可选的，从目标人脸图像中获取目标区域的原始图像，包括：
将目标人脸图像输入人脸检测模型中，得到目标人脸图像的关键点；
根据目标人脸图像的关键点，确定目标区域的原始图像。
其中，人脸检测模型是以包含有关键点的人脸图像作为训练样本训练得到；具体的，人脸检测模型的训练过程可包括：选取包含有关键点的人脸图像作为训练样本，将训练样本分为测试集和验证集；利用测试集训练人脸检测模型，并利用验证集验证人脸检测模型，如验证通过，则确定出人脸检测模型。
由于人脸图像中各个局部部位均有其特定的边界轮廓，则根据目标人脸图像的关键点确定目标区域的原始图像可包括：根据目标人脸图像中的各关键点组成包围区域；其中，包围区域分别为目标人脸图像中的各局部部位；根据包围区域与预设目标区域包围区域进行匹配，以得到目标区域的原始图像。本实施例通过目标人脸图像中的关键点可准确有效的确定出目标区域的原始图像。
在本实施例中，可选的，根据目标人脸图像的关键点，确定目标区域的原始图像，包括：
从目标人脸图像的关键点中确定目标区域的关键点；
将目标人脸图像中目标区域的关键点所在的区域图像，作为目标区域的原始图像。
其中，根据目标人脸图像中各部位的不同轮廓特征，从人脸图像的关键点中识别出目标区域的关键点，并将该区域进行裁剪，得到目标区域的原始图像，以准确确定出目标区域的原始图像。
示例性的，以一张人脸图像为例进行说明；图3为选取的目标人脸图像实验样本示意图；将目标人脸图像输入人脸检测模型后，得到目标人脸图像的关键点图4，图4为目标人脸图像的关键点的示意图；经过对感兴趣区域进行定位，得到的目标区域的原始图像，可参见图5，图5为目标区域的原始图像的定位示意图。
S220、对目标区域的原始图像进行预设滤镜处理，得到滤镜图像，并确定滤镜图像各像素点的颜色特征值。
在本实施例中，通过LUT(Look-up Table，查找表)实现目标区域的原始图像的预设滤镜处理；具体的，输入目标区域的原始图像的RGB值，通过B通道确定LUT中的特征方块，R通道确定在x方向上的偏移量，G通道确定在y方向上的偏移量，由此确定在LUT图上的位置，位置对应的RGB值即为滤镜过后的值。
预设滤镜一般可以是通过预设非线性方程式作为对应关系模型和预设LUT图，考虑到寻找一个合适的对应关系模型十分依赖经验和直觉，如果没能寻找到合适的模型，会导致效果图与预设效果有偏差，因此本实施例中选择预设LUT图作为滤镜，可通过查表法实现。
查表法可以看成一个非线性函数的离散形式；从函数形式上，对于预设滤镜则是压缩区间加上一个较大的偏差值，这样对于差别较大的RGB值在转化过后的差距变小，在保留纹理的同时降低不同肤色，不同光线等的影响。
S230、根据滤镜图像各像素点的颜色特征值和预先确定的预设滤镜的各像素点的基础颜色特征值之差，得到目标区域的纹理图像。
在本实施例中，由于预设滤镜将不同肤色和不同光线等的影响降低，此时即使目标区域中各点的颜色相差加大，经过预设滤镜过后的颜色之间的差值将减少，会在均值附近。
预设滤镜的各像素点的基础颜色特征值指大量数据经过滤镜操作之后嘴唇区域的均值；其中，图6(a)为目标区域的纹理图像的示意图；此时经过预设滤镜的图片减去预设滤镜的平均值会使得在零点左右，目标区域中唇纹比嘴唇深的为负值，高光区域比嘴唇浅的为正值。本实施例根据滤镜图像各像素点的颜色特征值和预先确定的预设滤镜的各像素点的基础颜色特征值能够有效表征出目标区域的纹理图像。
S240、根据分割图像、原始图像的纹理图像和预设渲染特征值，对目标区域进行颜色渲染。
在上述实施例的基础上，可选的，预设滤镜的各像素点的基础颜色特征值的确定过程包括：
从候选人脸图像中选取目标区域的至少两个训练样本图像；
对至少两个训练样本图像进行预设滤镜处理，得到至少两个训练样本图像的滤镜图像；
根据至少两个训练样本图像的滤镜图像确定预设滤镜的各像素点的基础颜色特征值。
在本实施例中，每个训练样本图像的滤镜图像均对应一组RGB值，根据得出的各组RGB值能够有效反映出预设滤镜的各像素点的基础颜色特征值，例如可以将各组RGB值中的数值最大的一组RGB值作为预设滤镜的各像素点的基础颜色特征值，或者将各组RGB值的求和均值作为预设滤镜的各像素点的基础颜色特征值。
在上述实施例的基础上，可选的，根据至少两个训练样本图像的滤镜图像确定预设滤镜的各像素点的基础颜色特征值，包括：
获取至少两个训练样本图像的滤镜图像的颜色特征值；
将至少两个训练样本图像的滤镜图像的颜色特征均值，作为预设滤镜的各像素点的基础颜色特征值。
在本实施例中，通过对数据量的目标区域的训练样本进行训练，可以得到多组RGB值，并将R的求和均值、G的求和均值以及B的求和均值组成一组新的RGB集合，得到预设滤镜的各像素点的基础颜色特征值。本实施例通过像素点的RGB均值确定预设滤镜的基础颜色特征值，能够保证特征值的取值稳定性。
在上述实施例的基础上，可选的，根据分割图像、原始图像的纹理图像和预设渲染特征值，对目标区域进行颜色渲染，包括：
根据预设渲染特征值对原始图像的纹理图像进行颜色渲染，得到初始渲染图像；
基于分割图像，对初始渲染图像进行裁剪，得到裁剪图像；并将裁剪图像替换至目标区域的原始图像中，得到目标区域的目标渲染图像。
在本实施例中，分割图像的示意图可参见图6(b)，6(b)为原始图像经过分割处理后得到的分割图像。将预设渲染特征值叠加至纹理图像中，得到具有纹理特性的初始渲染图像，可参见图6(c)，图6(c)为初始渲染图像的展示示意图。
基于图6(b)中嘴唇的轮廓，对图6(c)的相应位置进行裁剪，得到具有颜色渲染的嘴唇颜色图像，并将该图像替换至目标区域的原始图像(即图5)中，可得到目标区域的目标渲染图像，可参见图7，图7为目标区域的目标渲染图像的展示示意图。
本实施例根据分割图像的分割结果对初始渲染图像的相应位置进行替换从而得到目标区域的颜色渲染结果，在对目标区域进行颜色渲染的同时还能够保留其纹理特征。
实施例三
图8是本发明实施例三中的目标区域的颜色渲染装置的结构示意图，本实施例可适用于结合目标区域的纹理特性实现颜色渲染的情况。该装置配置于电子设备中，可实现本申请任意实施例所述的目标区域的颜色渲染方法。该装置具体包括如下：
分割图像确定模块810，用于从目标人脸图像中获取目标区域的原始图像；并对所述目标区域的原始图像进行图像分割处理，得到分割图像；
纹理图像确定模块820，用于确定所述目标区域的原始图像的纹理图像；
颜色渲染模块830，用于根据所述分割图像、所述原始图像的纹理图像和预设渲染特征值，对所述目标区域进行颜色渲染。
在上述实施例的基础上，可选的，分割图像确定模块810，包括：
关键点确定单元，用于将目标人脸图像输入人脸检测模型中，得到所述目标人脸图像的关键点；
图像确定单元，用于根据所述目标人脸图像的关键点，确定目标区域的原始图像。
在上述实施例的基础上，可选的，图像确定单元，具体用于：
从所述目标人脸图像的关键点中确定目标区域的关键点；
将所述目标人脸图像中所述目标区域的关键点所在的区域图像，作为目标区域的原始图像。
在上述实施例的基础上，可选的，纹理图像确定模块820，具体用于：
对所述目标区域的原始图像进行预设滤镜处理，得到滤镜图像，并确定所述滤镜图像各像素点的颜色特征值；
根据所述滤镜图像各像素点的颜色特征值和预先确定的所述预设滤镜的各像素点的基础颜色特征值之差，得到所述目标区域的纹理图像。
在上述实施例的基础上，可选的，本实施例装置还包括颜色特征值确定模块，颜色特征值确定模块包括：
训练样本图像确定单元，用于从候选人脸图像中选取目标区域的至少两个训练样本图像；
滤镜图像确定单元，用于对所述至少两个训练样本图像进行预设滤镜处理，得到所述至少两个训练样本图像的滤镜图像；
特征值确定单元，用于根据所述至少两个训练样本图像的滤镜图像确定所述预设滤镜的各像素点的基础颜色特征值。
在上述实施例的基础上，可选的，特征值确定单元，具体用于：
获取所述至少两个训练样本图像的滤镜图像的颜色特征值；
将所述至少两个训练样本图像的滤镜图像的颜色特征均值，作为所述预设滤镜的各像素点的基础颜色特征值。
在上述实施例的基础上，可选的，颜色渲染模块830，具体用于：
根据预设渲染特征值对所述原始图像的纹理图像进行颜色渲染，得到初始渲染图像；
基于所述分割图像，对所述初始渲染图像进行裁剪，得到裁剪图像；并将所述裁剪图像替换至所述目标区域的原始图像中，得到所述目标区域的目标渲染图像。
通过本发明实施例三的目标区域的颜色渲染装置，能够结合目标区域的纹理特征，使得目标区域的颜色渲染结果更贴近实际，以增强用户的视觉观感度。
本发明实施例所提供的目标区域的颜色渲染装置可执行本发明任意实施例所提供的目标区域的颜色渲染方法，具备执行方法相应的功能模块和有益效果。
实施例四
图9是本发明实施例四中的电子设备的结构示意图，如图9所示，该电子设备包括处理器910、存储器920、输入装置930和输出装置940；电子设备中处理器910的数量可以是一个或多个，图9中以一个处理器910为例；电子设备中的处理器910、存储器920、输入装置930和输出装置940可以通过总线或其他方式连接，图9中以通过总线连接为例。
存储器920作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的目标区域的颜色渲染方法对应的程序指令/模块。处理器910通过运行存储在存储器920中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现本发明实施例所提供的目标区域的颜色渲染方法。
存储器920可主要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、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器920可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器920可进一步包括相对于处理器910远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。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。
输入装置930可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，可以包括键盘、鼠标等。输出装置940可包括显示屏等显示设备。
实施例五
本实施例提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于实现本发明实施例所提供的目标区域的颜色渲染方法。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的目标区域的颜色渲染方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种目标区域的颜色渲染方法，其特征在于，所述方法包括：
从目标人脸图像中获取目标区域的原始图像；并对所述目标区域的原始图像进行图像分割处理，得到分割图像；
确定所述目标区域的原始图像的纹理图像；
根据所述分割图像、所述原始图像的纹理图像和预设渲染特征值，对所述目标区域进行颜色渲染。
2.根据权利要求1所述的方法，其特征在于，从目标人脸图像中获取目标区域的原始图像，包括：
将目标人脸图像输入人脸检测模型中，得到所述目标人脸图像的关键点；
根据所述目标人脸图像的关键点，确定目标区域的原始图像。
3.根据权利要求2所述的方法，其特征在于，根据所述目标人脸图像的关键点，确定目标区域的原始图像，包括：
从所述目标人脸图像的关键点中确定目标区域的关键点；
将所述目标人脸图像中所述目标区域的关键点所在的区域图像，作为目标区域的原始图像。
4.根据权利要求1所述的方法，其特征在于，确定所述目标区域的原始图像的纹理图像，包括：
对所述目标区域的原始图像进行预设滤镜处理，得到滤镜图像，并确定所述滤镜图像各像素点的颜色特征值；
根据所述滤镜图像各像素点的颜色特征值和预先确定的所述预设滤镜的各像素点的基础颜色特征值之差，得到所述目标区域的纹理图像。
5.根据权利要求4所述的方法，其特征在于，所述预设滤镜的各像素点的基础颜色特征值的确定过程包括：
从候选人脸图像中选取目标区域的至少两个训练样本图像；
对所述至少两个训练样本图像进行预设滤镜处理，得到所述至少两个训练样本图像的滤镜图像；
根据所述至少两个训练样本图像的滤镜图像确定所述预设滤镜的各像素点的基础颜色特征值。
6.根据权利要求5所述的方法，其特征在于，根据所述至少两个训练样本图像的滤镜图像确定所述预设滤镜的各像素点的基础颜色特征值，包括：
获取所述至少两个训练样本图像的滤镜图像的颜色特征值；
将所述至少两个训练样本图像的滤镜图像的颜色特征均值，作为所述预设滤镜的各像素点的基础颜色特征值。
7.根据权利要求1所述的方法，其特征在于，根据所述分割图像、所述原始图像的纹理图像和预设渲染特征值，对所述目标区域进行颜色渲染，包括：
根据预设渲染特征值对所述原始图像的纹理图像进行颜色渲染，得到初始渲染图像；
基于所述分割图像，对所述初始渲染图像进行裁剪，得到裁剪图像；并将所述裁剪图像替换至所述目标区域的原始图像中，得到所述目标区域的目标渲染图像。
8.一种目标区域的颜色渲染装置，其特征在于，所述装置包括：
分割图像确定模块，用于从目标人脸图像中获取目标区域的原始图像；并对所述目标区域的原始图像进行图像分割处理，得到分割图像；
纹理图像确定模块，用于确定所述目标区域的原始图像的纹理图像；
颜色渲染模块，用于根据所述分割图像、所述原始图像的纹理图像和预设渲染特征值，对所述目标区域进行颜色渲染。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
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1～7中任一所述的目标区域的颜色渲染方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～7中任一所述的目标区域的颜色渲染方法。
CN202011479463.2A 2020-12-15 2020-12-15 目标区域的颜色渲染方法、装置、设备和介质 Pending CN112419470A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011479463.2A CN112419470A (zh) 2020-12-15 2020-12-15 目标区域的颜色渲染方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011479463.2A CN112419470A (zh) 2020-12-15 2020-12-15 目标区域的颜色渲染方法、装置、设备和介质

Publications (1)

Publication Number Publication Date
CN112419470A true CN112419470A (zh) 2021-02-26

Family

ID=74775750

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011479463.2A Pending CN112419470A (zh) 2020-12-15 2020-12-15 目标区域的颜色渲染方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN112419470A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554738A (zh) * 2021-07-27 2021-10-26 广东三维家信息科技有限公司 全景图像展示方法、装置、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554738A (zh) * 2021-07-27 2021-10-26 广东三维家信息科技有限公司 全景图像展示方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN110288614B (zh) 图像处理方法、装置、设备及存储介质
CN112529808A (zh) 一种图像的颜色调整方法、装置、设备和介质
CN105122306B (zh) 区域分割方法以及检查装置
CN108463823B (zh) 一种用户头发模型的重建方法、装置及终端
US8542324B2 (en) Efficient image and video recoloring for colorblindness
US11462002B2 (en) Wallpaper management method, apparatus, mobile terminal, and storage medium
WO2023005743A1 (zh) 图像处理方法及装置、计算机设备、存储介质和计算机程序产品
CN111311528A (zh) 图像融合优化方法、装置、设备和介质
CN111784703A (zh) 一种图像分割方法、装置、电子设备和存储介质
US11461880B2 (en) Generating image masks from digital images utilizing color density estimation and deep learning models
CN114758054A (zh) 光斑添加方法、装置、设备及存储介质
CN112419470A (zh) 目标区域的颜色渲染方法、装置、设备和介质
CN107564085B (zh) 图像扭曲处理方法、装置、计算设备及计算机存储介质
KR20020031630A (ko) 칼라 왜곡 정보를 이용한 얼굴 영역 추출 방법
CN111080748B (zh) 基于互联网的图片自动合成系统
GB2572435A (en) Manipulating a face in an image
He et al. Effective haze removal under mixed domain and retract neighborhood
CN115063800B (zh) 文本识别方法和电子设备
CN113724282A (zh) 图像处理方法和相关产品
CN112927321B (zh) 基于神经网络的图像智能设计方法、装置、设备及存储介质
CN113379865B (zh) 目标对象的绘制方法和系统
CN109712216B (zh) 图表渲染方法、装置、可读存储介质及电子设备
CN114463242A (zh) 图像检测方法、设备、存储介质及装置
CN110674720A (zh) 图片识别方法、装置、电子设备及存储介质
CN112308938B (zh) 图像处理方法和图像处理装置

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