CN112489169A - 人像图像处理方法及装置 - Google Patents

人像图像处理方法及装置 Download PDF

Info

Publication number
CN112489169A
CN112489169A CN202011503302.2A CN202011503302A CN112489169A CN 112489169 A CN112489169 A CN 112489169A CN 202011503302 A CN202011503302 A CN 202011503302A CN 112489169 A CN112489169 A CN 112489169A
Authority
CN
China
Prior art keywords
image
portrait
sample
head
special effect
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
CN202011503302.2A
Other languages
English (en)
Other versions
CN112489169B (zh
Inventor
杨骁�
李健玮
刘鼎
万仰岳
沈晓辉
杨建朝
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.)
Lemon Inc Cayman Island
Original Assignee
Lemon Inc Cayman Island
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 Lemon Inc Cayman Island filed Critical Lemon Inc Cayman Island
Priority to CN202011503302.2A priority Critical patent/CN112489169B/zh
Publication of CN112489169A publication Critical patent/CN112489169A/zh
Priority to PCT/SG2021/050717 priority patent/WO2022132032A1/zh
Priority to US18/257,158 priority patent/US20240104810A1/en
Application granted granted Critical
Publication of CN112489169B publication Critical patent/CN112489169B/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
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/80—Creating or modifying a manually drawn or painted image using a manual input device, e.g. mouse, light pen, direction keys on keyboard
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T5/70—
    • 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
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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

本公开实施例提供一种人像图像处理方法及装置，该方法包括：获取待处理的人像图像；将待处理的人像图像输入图像处理模型，并获取图像处理模型输出的头部涂抹图像；其中，图像处理模型用于对人像图像中人像位于预设分界线以上的头发区域进行涂抹处理；图像处理模型是以样本人像图像以及样本人像图像对应的样本头部涂抹图像为样本数据集训练后生成的；使用头部特效素材对头部涂抹图像进行渲染，得到添加特效后的人像图像；显示添加特效后的人像图像。本公开在待处理的人像图像生成的头部涂抹图像上添加头部特效素材，从而避免了人像图像中人像的原头发和头部特效素材的不匹配或者衔接不自然，使得头部特效素材与人像图像结合的更加自然。

Description

人像图像处理方法及装置
技术领域
本公开实施例涉及图像处理技术领域，尤其涉及一种人像图像处理方法及装置。
背景技术
随着多媒体技术的发展，对于图像处理技术的要求越来越高。在拍摄照片或视频的过程中，为了拍摄的人像图像更加美观，用户可以通过添加发型和/或发饰等头部特效，来对人像图像进行处理，从而更改人像图像中人像的原发型/或发饰。
在相关技术中，在使用头部特效更换人像图像中的人像的发型时，往往直接将用户指定的头部特效添加到人像图像中。
然而，由于人像图像中的人像各异，人像的原头发不一定会被头部特效完整覆盖，这可能会导致人像的原头发与头部特效不匹配，从而使得添加的头部特效与人像图像结合的不够自然，令添加特效后的人像图像的成像效果较差。
发明内容
本公开实施例提供一种人像图像处理方法及装置，以克服头部特效与人像图像结合的不够自然，使得添加特效后的人像图像的成像效果较差的问题。
第一方面，本公开实施例提供一种人像图像处理方法，包括：
获取待处理的人像图像；
将所述待处理的人像图像输入图像处理模型，并获取所述图像处理模型输出的头部涂抹图像；其中，所述图像处理模型用于对所述人像图像中人像位于预设分界线以上的头发区域进行涂抹处理；所述图像处理模型是以样本人像图像以及所述样本人像图像对应的样本头部涂抹图像为样本数据集训练后生成的；
使用头部特效素材对所述头部涂抹图像进行渲染，得到添加特效后的人像图像；
显示所述添加特效后的人像图像。
第二方面，本公开实施例提供一种图像处理模型的训练方法，包括：
获取样本数据集，所述样本数据集中包含样本人像图像以及所述样本人像图像对应的样本头部涂抹图像，其中，所述样本头部涂抹图像为对所述样本人像图像中的人像位于预设分界线以上的头发区域进行涂抹处理后生成的；
使用所述样本数据集对所述图像处理模型进行训练，生成训练后的图像处理模型。
第三方面，本公开实施例提供一种人像图像处理装置，包括：
获取模块，用于获取待处理的人像图像；
处理模块，用于将所述待处理的人像图像输入图像处理模型，并获取所述图像处理模型输出的头部涂抹图像；其中，所述图像处理模型用于对所述人像图像中人像位于预设分界线以上的头发区域进行涂抹处理；所述图像处理模型是以样本人像图像以及所述样本人像图像对应的样本头部涂抹图像为样本数据集训练后生成的；
渲染模块，用于使用头部特效素材对所述头部涂抹图像进行渲染，得到添加特效后的人像图像；
显示模块，用于显示所述添加特效后的人像图像。
第四方面，本公开实施例提供一种图像处理模型的训练装置，包括：
样本生成模块，用于获取样本数据集，所述样本数据集中包含样本人像图像以及所述样本人像图像对应的样本头部涂抹图像，其中，所述样本头部涂抹图像为对所述样本人像图像中的人像位于预设分界线以上的头发区域进行涂抹处理后生成的；
训练模块，用于使用所述样本数据集对所述图像处理模型进行训练，生成训练后的图像处理模型。
第五方面，本公开实施例提供一种电子设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的人像图像处理方法，或者，执行如上第二方面以及第二方面各种可能的设计所述的图像处理模型的训练方法。
第六方面，本公开实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的人像图像处理方法，或者，实现如上第二方面以及第二方面各种可能的设计所述的图像处理模型的训练方法。
第七方面，本公开实施例提供一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现第一方面以及第一方面各种可能的设计所述的人像图像处理方法，或者，实现如上第二方面以及第二方面各种可能的设计所述的图像处理模型的训练方法。
本实施例提供的人像图像处理方法及装置，该方法首先获取待处理的人像图像，其次，将所述待处理的人像图像输入图像处理模型，并获取所述图像处理模型输出的头部涂抹图像。其中，所述图像处理模型用于对所述人像图像中人像位于预设分界线以上的头发区域进行涂抹处理，所述图像处理模型是以样本人像图像以及所述样本人像图像对应的样本头部涂抹图像为样本数据集训练后生成的。再次，使用头部特效素材对所述头部涂抹图像进行渲染，得到添加特效后的人像图像。之后，显示所述添加特效后的人像图像。与现有技术相比，本公开先对人像图像中人像的头发区域进行涂抹，得到头部涂抹图像，再在头部涂抹图像上添加头部特效素材，从而避免了人像图像中人像的原头发和头部特效素材的不匹配或者衔接不自然，使得头部特效素材与人像图像结合的更加自然，提高了添加特效后的人像图像的成像效果。
附图说明
为了更清楚地说明本公开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一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的一种人像图像处理方法流程示意；
图2a为本公开实施例提供的一种显示界面的示意图；
图2b为本公开实施例提供的另一种显示界面的示意图；
图2c为本公开实施例提供的再一种显示界面的示意图；
图2d为本公开实施例提供的又一种显示界面的示意图；
图3为本公开实施例提供的一种图像处理模型的训练方法；
图4a-4i为本申请实施例提供的一种生成样本头部涂抹图像的示意图；
图5为本公开实施例提供的一种样本数据集的生成方法；
图6为本公开实施例提供的人像图像处理装置的结构框图；
图7为本公开实施例提供的图像处理模型的训练装置的结构框图；
图8为本公开实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
为解决上述提出的由于头部特效素材与人像图像结合的不够自然，使得添加特效后的人像图像的成像效果较差的问题，本申请实施例提供一种人像图像处理方法及装置，将待处理的人像的头发区域先进行涂抹处理生成头部涂抹图像，再对头部涂抹图像进行渲染，得到添加特效后的人像图像。从而避免了人像图像中人像的原头发和头部特效素材的不匹配或者衔接不自然，使得头部特效素材与人像图像结合的更加自然，提高了添加特效后的人像图像的成像效果。
本公开实施例涉及多种需要进行人像图像处理的场景。示例性的，针对拍摄后的图像，用户可以通过添加头部特效素材来对人像图像进行修改，替换人像图像中的人像的原发型或发饰。示例性的，针对用户上传的视频，用户也可以通过添加头部特效素材来对视频中的一帧或多帧人像图像进行处理，替换人像图像中的人像的发型或发饰。示例性的，在拍摄视频的过程中，用户还可以实时地在视频的一帧或多帧图像中添加头部特效素材。
下面以具体地实施例对本申请实施例的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
参考图1，图1为本公开实施例提供的一种人像图像处理方法流程示意。本实施例的方法可以应用在终端设备中，该人像图像处理方法包括：
S101：获取待处理的人像图像。
在本实施例中，获取待处理的人像图像可以由用户输入的图像获取指令来触发。
示例性的，用户可以通过触摸屏幕触发控件来向终端设备输入图像获取指令，用户也可以通过语音来向终端设备输入图像获取指令，用户还可以通过表情来向终端设备输入图像获取指令，本公开对此不做限制。
应理解，本公开对于如何获取待处理的人像图像也不做限制。在本公开的一个实施例中，终端设备可以从内部存储器中获取待处理的人像图像，在本公开的另一个实施例中，终端设备可以调用摄像组件来实时拍摄待处理的人像图像。
需要说明的是，本申请实施例获取到的待处理的人像图像，可以为一张采集到的图像，也可以为采集到的视频中的一帧图像，本实施例对此不做限制。
S102：将待处理的人像图像输入图像处理模型，并获取图像处理模型输出的头部涂抹图像。
在实施例中，图像处理模型用于对人像图像中人像位于预设分界线以上的头发区域进行涂抹处理。
应理解，本申请实施例对于如何对头发区域进行涂抹不做限制，在一些实施例中，终端设备可以使用人像图像中的背景颜色对头发区域进行涂抹处理，在另一些实施例中，根据显示效果的需要，终端设备也可以使用固定的颜色，例如白色，对头发区域进行涂抹处理。
示例性的，图像处理模型对于人像图像的头部涂抹可以以预设分界线为基准进行。对于人像的头发末端位于预设分界线以下的人像图像，图像处理模型涂抹掉预设分界线以上的头发区域，保留预设分界线以下的头发区域，输出涂抹掉部分头发的头部涂抹图像。对于人像的头发末端位于预设分界线以上的人像图像，图像处理模型涂抹掉预设分界线以上的头发区域后，由于人像的预设分界线以下不存在头发，图像处理模型输出的即为涂抹掉全部头发的头部涂抹图像。
示例性的，图2a为本公开实施例提供的一种显示界面的示意图，图2b为本公开实施例提供的另一种显示界面的示意图。在图2a的显示界面中显示获取到的人像图像。终端设备通过图像处理模型将人像中预设分界线以上的头发区域进行涂抹，保留了人像中预设分界线以下的头发区域，从而生成如图2b中所显示的头部涂抹图像。其中，图2b中的预设分界线为肩颈分界线。
需要说明的是，本实施例涉及的预设分界线可以为人像上任意位置的分界线，其可以为直线，也可以为曲线，不申请实施例对此不做限制。
示例的，继续参考图2a和2b，预设分界线可以包括人像的肩颈分界线，该人像的肩颈分界线可以由人像的肩颈关键点连接形成。相应的，图像处理模型在对待处理的人像图像进行处理时可以涂抹掉肩颈分界线以上的头发，如图2b类似的，保留肩颈分界线以下的长发。
示例的，预设分界线还可以为人像的耳朵分界线，该人像的耳朵分界线可以由两只耳朵顶端的连线形成。相应的，图像处理模型在对待处理的人像图像进行处理时可以涂抹掉耳朵分界线以上的头发，保留耳朵分界线以下的头发。
示例的，预设分界线还可以为人像的眉毛分界线，该人像的眉毛分界线可以由人像的眉毛关键点连接形成。相应的，图像处理模型在对待处理的人像图像进行处理时可以涂抹掉眉毛分界线以上的头发，保留眉毛分界线以下的头发。
应理解，本实施例涉及的图像处理模型是通过样本数据集训练后生成的。该样本数据集中包含多组样本人像图像以及样本人像图像对应的样本头部涂抹图像。
其中，样本人像图像可以为短发的人像图像，也可以为长发的人像图像，本实施例对此不做限制。此外，样本人像图像除了包含有头发区域外，还可以包含其他任意区域，例如，还可以包括部分或全部人脸区域、耳朵区域、肩颈区域、上身区域等。
应理解，样本头部涂抹图像为对样本人像图像中的人像位于预设分界线以上的头发区域进行涂抹处理后生成的。
需要说明的是，本实施例中涉及的关于训练图像处理模型的内容可以参见后续实施例。
在一些可选的实施例中，图像处理模型可以使用人像图像的背景颜色对位于预设分界线以上、且位于预设区域以外的头发区域进行涂抹处理，对位于预设区域的头发进行渐变涂抹处理。
需要说明的是，本实施例涉及的涂抹处理和渐变涂抹处理并不相同。对于预设分界线以上、且位于预设区域以外的头发区域所进行的涂抹处理，会彻底涂抹掉该区域中所有的头发颜色；对于预设区域的头发所进行的渐变涂抹处理，是将位于预设区域的头发颜色由下至上从头发颜色渐变到人像图像涂抹处理后的背景颜色。
应理解，预设区域与预设分界线相邻，且位于预设分界线的上方。本实施例对于预设区域的大小不做限制，可以由用户进行预设，也可以根据待处理的人像图像的尺寸进行确定。
示例性的，继续参考图2b，当预设分解线为肩颈分解线时，可以将肩颈分界线以上的如图2b所示的阴影区域(附图中将阴影区域示意为渐变区域)作为预设区域进行渐变涂抹处理，将肩颈分解线以上、且位于预设区域以外的头发区域进行涂抹处理，从而在后续添加头部素材后，肩颈区域保留的原头发可以更自然地与头部素材结合。
本实施例中，通过对预设分界线以上的预设区域进行渐变涂抹处理，从而使得在预设区域的原人像的头发可以更加自然地过渡到背景颜色，从而使头部涂抹图像可以更好地与后续添加的头部特效素材的结合。
在一些可选的实施例中，图像处理模型还用于对人像进行额头增高处理。通过在人像中进行额头增高处理，可以使头部涂抹图像在后续与头部特效素材进行渲染时可以更好地贴和，避免出现额头和头部素材之间断裂的问题。示例性的，图2c为本公开实施例提供的再一种显示界面的示意图，参考图2c，在原有的额头的基础上向上延伸一部分额头区域，从而使额头区域可以更好地与头部素材结合，避免出现额头和头部素材之间断裂或者其他不自然衔接的问题。
S103：使用头部特效素材对头部涂抹图像进行渲染，得到添加特效后的人像图像。
其中，头部特效素材可以包括发型、发饰等头部特效元素。在本公开的一个实施例中，在对头部涂抹图像进行渲染前，终端设备可以接收用户的特效选择指令，并根据特效选择指令，确定用户选择的头部特效素材。
应理解，在一些实施例中，特效选择指令可以用于指示触发在头部涂抹图像上渲染头部特效素材。则相应的，终端设备在接收到特效选择指令后，可以采用推荐的头部特效或者用户预先选择的头部特效，渲染头部涂抹图像。
在另一些实施例中，特效选择指令可以用于指示用户选择的头部特效素材，则相应的，终端设备在接收到特效选择指令后，可以直接使用特效选择指令指示的头部特效素材对头部涂抹图像进行渲染。
示例性的，若特效选择指令中指示有第一头部特效素材，则终端设备在接收到特效选择指令后，可以使用第一头部特效素材对头部涂抹图像进行渲染。若特效选择指令中指示有第二头部特效素材，则终端设备在接收到特效选择指令后，可以使用第二头部特效素材对头部涂抹图像进行渲染。其中，第一头部特效素材和第二头部特效素材为不同的头部特效素材。
在一些实施例中，头部特效素材可以多个头部特效元素。例如，头部特效素材可以包含多款发型元素以及多款头饰。相应的，终端设备可以从多个头部特效元素确定出目标头部特效元素，并使用目标头部特效元素对该帧图像进行渲染。
示例性地，针对采集到的人像图像，终端设备也可以从头部特效素材中选择至少一个头部特效元素，并使用选中的头部特效元素对头部涂抹图像进行渲染，得到添加特效后的人像图像。
示例性地，针对采集到的视频，终端设备可以为其中的一帧图像从头部特效素材中选择至少一个头部特效元素，并使用选中的头部特效元素对该帧图像进行渲染，得到添加特效后的人像图像；针对该视频中的另一帧图像，终端设备可以重新从头部特效素材中选择至少一个头部特效元素，并使用选中的头部特效元素对该帧图像进行渲染，得到添加特效后的人像图像，由此，得到添加特效后的视频。
应理解，视频中用户的头部特效还可以变换，即，终端设备可以为同一个视频中的不同帧图像选择不同的头部特效元素。在一些实施例中，基于采集到的用户的特效切换指令，终端设备可以重新从多个头部特效元素中选择目标头部特效元素。在一些实施例中，基于预设的特效切换周期，终端设备可以从多个头部特效元素中选择目标头部特效元素，从而，对视频中用户的头部特效实现变换。
其中，用户的特效切换指令可以通过表情触发，也可以通过手势触发，还可以通过屏幕种的触发控件触发，本公开不对特效切换指令的触发方式进行限制。示例性的，以手势触发为例，在采集的视频中，终端设备在第一时刻检测到用户的手势发生变化后，可以从多个头部特效元素中选择出目标头部特效元素，并使用选择出的目标头部特效元素对第一时刻后的每帧图像对应的头部涂抹图像重新进行渲染。
应理解，本实施例对于终端设备如何从多个头部特效元素选择目标头部元素不做限制，在一些实施例中，终端设备可以随机进行选择，在另一些实施例中，终端设备可以采用循环的方式依次从多个头部特效元素中选择出目标头部特效元素。
应理解，终端设备每次选择出的目标头部特效元素可以为一个也可以为多个，本实施例对此不做限制。示例性的，终端设备可以同时为同一帧图像选择至少一款发型和至少一款发饰。
需要说明的是，若头部特效素材中只包含一个头部特效元素，则本实施例涉及的头部特效素材、头部特效元素以及目标头部特效元素等同。
S104：显示添加特效后的人像图像。
示例性的，图2d为本公开实施例提供的又一种显示界面的示意图，参考图2d，在终端设备生成添加特效后的人像图像后，可以在显示界面上显示该添加特效后的人像图像。
本实施例提供的人像图像处理方法，该方法首先获取待处理的人像图像，其次，将待处理的人像图像输入图像处理模型，并获取图像处理模型输出的头部涂抹图像。其中，图像处理模型用于对人像图像中人像位于预设分界线以上的头发区域进行涂抹处理，图像处理模型是以样本人像图像以及样本人像图像对应的样本头部涂抹图像为样本数据集训练后生成的。再次，使用头部特效素材对头部涂抹图像进行渲染，得到添加特效后的人像图像。之后，显示添加特效后的人像图像。与现有技术相比，本公开先对人像图像中人像的头发区域进行涂抹，得到头部涂抹图像，再在头部涂抹图像上添加头部特效素材，从而避免了人像图像中人像的原头发和头部特效素材的不匹配或衔接不自然，使得头部特效素材与人像图像结合的更加自然，提高了添加特效后的人像图像的成像效果。
下面对于如何训练图像处理模型进行说明。参考图3，图3为本公开实施例提供的一种图像处理模型的训练方法。该图像处理模型的训练方法可以由图像处理模型的训练装置实现，该图像处理模型的训练装置可以为终端设备也可以为服务器。该图像处理模型的训练法包括：
S201：获取样本数据集。
在本实施例中，样本数据集中包含样本人像图像以及样本人像图像对应的样本头部涂抹图像。
其中，样本人像图像可以为短发的人像图像，也可以为长发的人像图像，本实施例对此不做限制。此外，样本人像图像除了包含有头发区域外，还可以包含其他任意区域，例如，还可以包括部分或全部人脸区域、耳朵区域、肩颈区域、上身区域等。
需要说明的是，本实施例对于如何生成样本头部涂抹图像不做限制，在一些实施例中，可以通过对样本人像图像中的人像位于预设分界线以上的头发区域进行涂抹处理后，从而生成样本头部涂抹图像。
示例性的，图4a-4d为本申请实施例提供的一种生成样本头部涂抹图像的示意图，参考图4a-4d，图像处理模型的训练装置在获取到如图4a所示的样本人像图像后，可以首先将样本人像图像中的人像区域作为待涂抹区域，再使用样本人像图像中的背景区域的像素值，对样本人像图像中的待涂抹区域进行涂抹，生成如图4b所示的第一图像。随后，图像处理模型的训练装置对样本人像图像进行头发分割，生成如图4c所示的表征样本人像图像中的人像的预设分界线以上的头发区域的第二图像。之后，图像处理模型的训练装置使用第一图像对样本人像图像中与第二图像对应的头发区域进行涂抹，得到如图4d所示的样本人像图像对应的样本头部涂抹图像。
S202：使用样本数据集对图像处理模型进行训练，生成训练后的图像处理模型。
在上述实施例的基础上，下面对于如何生成样本人像图像对应的样本头部涂抹图像进行详细说明。参考图5，图5为本公开实施例提供的一种样本数据集的生成方法。本实施例中详细描述图像处理模型的训练装置如何生成样本头部涂抹图像的过程，该样本数据集的生成方法包括：
S401：获取样本人像图像。
S402：确定样本人像图像中的待涂抹区域。
在一些实施例中，待涂抹区域可以包括样本人像中的预设分界线以上的人像区域。
需要说明的是，除了样本人像中的预设分界线以上的人像区域，待涂抹区域还可以包括样本人像中的预设分界线以下的人像区域，也可以不包括样本人像中的预设分界线以下的人像区域，本申请实施例对此不做限制。
示例性的，该样本人像图像中包含有头发区域、人脸区域、耳朵区域、肩颈区域，则终端设备可以将头发区域、人脸区域、耳朵区域、肩颈区域一起作为待涂抹区域。
示例性的，若样本人像图像中包含有头发区域、部分人脸区域、耳朵区域，则终端设备可以将头发区域、部分人脸区域、耳朵区域一起作为待涂抹区域。
S403：使用样本人像图像中的背景区域的像素值，对样本人像图像中的待涂抹区域进行涂抹，生成第一图像。
本实施例对于如何获取样本人像图像中的背景区域的像素值不做限制，在一些实施例中，图像处理模型的训练装置可以通过下采样与上采样的基础算法来提取样本人像图像中的背景区域的像素值。
其中，下采样与上采样的基础算法可以通过对背景区域进行缩放来实现样本人像图像中的背景区域的像素值的提取。
S404：对样本人像图像进行头发分割，生成第二图像，第二图像用于表征样本人像图像中的人像的预设分界线以上的头发区域。
应理解，由于预设分界线的存在，分割出的头发区域并不一定需要全部进行涂抹。因此，在生成第二图像的过程中，图像处理模型的训练装置可以先对样本人像图像进行头发分割，获取如图4e所示的样本人像图像中的初始头发区域图像。再根据样本人像图像中的人脸关键点以及样本人像图像中的人像的预设分界线，对样本人像图像中的初始头发区域图像进行修正，得到如图4c所示的第二图像。
具体的，图像处理模型的训练装置可以首先通过人脸关键点来确定人脸轮廓，再使用人脸轮廓对初始头发区域的轮廓进行修正，最后通过人像的预设分界线去除掉初始头发区域中预设分界线以下无需进行涂抹的头发部分，从而生成如图4c所示的第二图像。
可选的，若预设分界线位于人像的耳朵以下，则图像处理模型的训练装置还需要对样本人像图像进行耳朵分割，确定样本人像图像中的耳朵区域图像，并且，在头发区域中去除掉耳朵区域。随后，再通过人脸关键点来确定人脸轮廓，使用人脸轮廓对初始头发区域的轮廓进行修正。最后，通过人像的预设分界线去除掉初始头发区域中预设分界线以下无需进行涂抹的头发部分，从而生成第二图像。
可选的，图像处理模型的训练装置在生成第二图像后，还可以对第二图像中位于预设区域的头发进行渐变处理，以使位于预设区域的头发颜色由下至上渐变到样本人像图像的背景颜色。其中，预设区域与预设分界线相邻，且位于预设分界线的上方。本实施例对于如何进行渐变处理不做限制，示例性的，可以采用高斯模糊处理。
应理解，预设区域与预设分界线相邻，且位于预设分界线的上方。本实施例对于预设区域的大小不做限制，可以由用户进行预设，也可以根据待处理的人像图像的尺寸进行确定。
示例性的，若预设界线包括肩颈分界线，则相应的，在如图4c所示的第二图像的基础上，可以如图4f所示对肩颈分界线以上预设区域(图4f中的阴影区域)的头发进行高斯模糊处理，从而使肩颈部分的头发颜色由下至上渐变到涂抹处理后的背景颜色。
S405：使用第一图像对样本人像图像中与第二图像对应的头发区域进行涂抹，得到样本人像图像对应的样本头部涂抹图像。
示例性的，图像处理模型的训练装置在生成经过渐变处理的第二图像后，可以先在样本人像图像中确定出第二图像对应的头发区域，再使用第一图像中的背景颜色对第二图像对应的头发区域进行涂抹，得到如4d所示的样本人像图像对应的样本头部涂抹图像。
可选的，图5中的样本数据集的生成方法，在步骤S405之后还可以包括：S406-S409。
S406：以样本人像图像中的人脸区域中的皮肤颜色为基准，对样本人像图像中除人脸区域以外的区域进行颜色填充，生成第三图像。
在本实施例中，图像处理模型的训练装置可以采用上采样与下采样的方式从样本人像图像中的人脸区域中提取出皮肤颜色，再使用皮肤颜色对样本人像图像中除人脸区域以外的区域进行颜色填充，生成图4g所示的第三图像。
S407：根据样本人像图像中的人脸轮廓关键点，从样本人像图像中确定出第四图像，第四图像用于表征样本人像图像中待增高的额头区域。
在一些实施例中，图像处理模型的训练装置可以先根据预设的距离值，将人脸轮廓关键点中的额头关键点拉高。随后，再根据拉高后的额头关键点的连线在样本人像图像中圈出待增高的额头区域作为如图4h所示的第四图像。
在另一些实施例中，根据拉高后的额头关键点的连线在样本人像图像中圈出的额头区域可以作为初始额头区域，后续的，可以使用第二图像来与初始额头区域取交集，以对初始区域进行修正。最后，可以将第二图像与初始额头区域的交集区域作为表征样本人像图像中待增高的额头区域的第四图像。
需要说明的是，本实施例对于预设的距离值不做限制，可以由用户预先设置，也可以根据人像图像的大小和/或人像的额头与人像图像的顶边距离进行自动调节。
S408：利用第四图像，在第三图像中确定出与待增高的额头区域对应的目标图块。
在本实施例中，图像处理模型的训练装置可以先通过第四图像确定待增高的额头区域所在的位置，随后，再在第三图像中提取出待增高的额头区域的图块作为目标图块。
S409：在样本头部涂抹图像中对应待增高的额头区域添加目标图块。
在本实施例中，图像处理模型的训练装置在提取出目标图块后，利用第四图像可以在样本头部涂抹图像中确定出待增高的额头所在的区域，并在待增高的额头所在的区域添加目标图像，形成如图4i所示的额头区域增高的样本头部涂抹图像。
在本申请中，通过增高额头区域，可以使样本头部涂抹图像在后续与头部素材进行渲染时可以更加贴合，进而避免出现额头和头部素材之间断裂或者衔接不自然的问题。
对应于上文实施例的人像图像处理方法，图6为本公开实施例提供的人像图像处理装置的结构框图。为了便于说明，仅示出了与本公开实施例相关的部分。参照图6，该人像图像处理装置500包括：获取模块501、处理模块502、渲染模块503、显示模块504和特效选择模块505。
其中，获取模块501，用于获取待处理的人像图像。
处理模块502，用于将待处理的人像图像输入图像处理模型，并获取图像处理模型输出的头部涂抹图像；其中，图像处理模型用于对人像图像中人像位于预设分界线以上的头发区域进行涂抹处理；图像处理模型是以样本人像图像以及样本人像图像对应的样本头部涂抹图像为样本数据集训练后生成的。
渲染模块503，用于使用头部特效素材对头部涂抹图像进行渲染，得到添加特效后的人像图像。
显示模块504，用于显示添加特效后的人像图像。
在本公开的一个实施例中，若待处理的人像图像中的人像的头发长至预设分界线以下，则图像处理模型用于使用人像图像的背景颜色对位于预设分界线以上、且位于预设区域以外的头发区域进行涂抹处理，对位于预设区域的头发进行渐变涂抹处理，以使位于预设区域的头发颜色由下至上渐变到人像图像的背景颜色。
其中，预设区域与预设分界线相邻，且位于预设分界线的上方。
在本公开的一个实施例中，预设分界线包括肩颈分界线。
在本公开的一个实施例中，图像处理模型还用于对头发区域进行涂抹处理后的人像进行额头增高处理。
在本公开的一个实施例中，人像图像处理装置500还包括：
特效选择模块505，用于接收用户的特效选择指令；根据特效选择指令，确定用户选择的头部特效素材。
在本公开的一个实施例中，待处理的人像图像为采集的视频中的一帧图像。
在本公开的一个实施例中，头部特效素材包括多个头部特效元素；渲染模块503，具体用于使用目标头部特效元素对头部涂抹图像进行渲染；其中，目标头部特效元素为多个头部特效元素中的一个。
在本公开的一个实施例中，目标头部特效元素为基于采集到的用户的特效切换指令，从多个头部特效元素中选择的头部特效元素；或者，目标头部特效元素为基于预设的特效切换周期，从多个头部特效元素中选择的头部特效元素。
本实施例提供的人像图像处理装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
对应于上文实施例的图像处理模型的训练方法，图7为本公开实施例提供的图像处理模型的训练装置的结构框图。为了便于说明，仅示出了与本公开实施例相关的部分。参照图7，该图像处理模型的训练装置600包括：样本获取模块601、和训练模块602。
样本获取模块601，用于获取样本数据集，样本数据集中包含样本人像图像以及样本人像图像对应的样本头部涂抹图像，其中，样本头部涂抹图像为对样本人像图像中的人像位于预设分界线以上的头发区域进行涂抹处理后生成的。
训练模块602，用于使用样本数据集对图像处理模型进行训练，生成训练后的图像处理模型。
在本公开的一个实施例中，样本生成模块601，具体用于获取样本人像图像；确定样本人像图像中的待涂抹区域，待涂抹区域包括位于预设分界线以上的人像区域；使用样本人像图像中的背景区域的像素值，对样本人像图像中的待涂抹区域进行涂抹，生成第一图像；对样本人像图像进行头发分割，生成第二图像，第二图像用于表征样本人像图像中的人像的预设分界线以上的头发区域；使用第一图像对样本人像图像中与第二图像对应的头发区域进行涂抹，得到样本人像图像对应的样本头部涂抹图像。
在本公开的一个实施例中，样本生成模块601，具体用于对样本人像图像进行头发分割，获取样本人像图像中的初始头发区域图像；根据样本人像图像中的人脸关键点以及样本人像图像中的人像的预设分界线，对样本人像图像中的初始头发区域图像进行修正，得到第二图像。
在本公开的一个实施例中，若预设分界线位于人像的耳朵以下，则样本生成模块601，具体用于对样本人像图像进行耳朵分割，确定样本人像图像中的耳朵区域图像；根据样本人像图像中的耳朵区域图像、样本人像图像中的人脸关键点以及样本人像图像中的人像的预设分界线，对样本人像图像中的初始头发区域图像进行修正，得到第二图像。
在本公开的一个实施例中，样本生成模块601，还用于对第二图像中位于预设区域的头发进行渐变处理，以使位于预设区域的头发颜色由下至上渐变到样本人像图像的背景颜色。
其中，预设区域与预设分界线相邻，且位于预设分界线的上方。
在本公开的一个实施例中，预设分界线包括肩颈分界线。
在本公开的一个实施例中，样本生成模块601，还用于以样本人像图像中的人脸区域中的皮肤颜色为基准，对样本人像图像中除人脸区域以外的区域进行颜色填充，生成第三图像；根据样本人像图像中的人脸轮廓关键点，从样本人像图像中确定出第四图像，第四图像用于表征样本人像图像中待增高的额头区域；利用第四图像，在第三图像中确定出与待增高的额头区域对应的目标图块；在样本头部涂抹图像中的待增高的额头区域添加目标图块。
在本公开的一个实施例中，样本生成模块601，具体用于根据预设的距离值，将人脸轮廓关键点中的额头关键点拉高；根据拉高后的额头关键点以及第二图像，从样本人像图像中确定出第四图像。
本实施例提供的图像处理模型的训练装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
参考图8，其示出了适于用来实现本公开实施例的电子设备700的结构示意图，该电子设备700可以为终端设备或服务器。其中，终端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、个人数字助理(Personal Digital Assistant，简称PDA)、平板电脑(Portable Android Device，简称PAD)、便携式多媒体播放器(Portable MediaPlayer，简称PMP)、车载终端(例如车载导航终端)、可穿戴电子设备等等的移动终端以及诸如数字TV、台式计算机、智能家居设备等等的固定终端。图8示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(Read Only Memory，简称ROM)702中的程序或者从存储装置708加载到随机访问存储器(Random Access Memory，简称RAM)703中的程序而执行各种适当的动作和处理，以实现本公开实施例的方法中限定的上述图像处理方法和/或图像处理模型的训练方法。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常，以下装置可以连接至I/O接口705：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706；包括例如液晶显示器(Liquid CrystalDisplay，简称LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置707。通信装置707可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备700，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。
特别地，根据本公开的实施例，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。在这样的实施例中，该计算机程序可以通过通信装置707从网络上被下载和安装，或者从存储装置708被安装，或者从ROM702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述人像图像处理方法，或者，执行本公开实施例的方法中限定的上述图像处理模型的训练方法。
需要说明的是，本公开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。
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，使得该电子设备执行上述实施例所示的方法，例如，执行本公开实施例的方法中限定的上述图像处理方法和/或图像处理模型的训练方法。
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(LocalArea Network，简称LAN)或广域网(Wide Area Network，简称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。
描述于本公开实施例中所涉及到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。其中，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，获取模块还可以被描述为“获取待处理的人像图像的单元”。
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。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
第一方面，根据本公开的一个或多个实施例，提供了一种人像图像处理方法，包括：
获取待处理的人像图像；
将所述待处理的人像图像输入图像处理模型，并获取所述图像处理模型输出的头部涂抹图像；其中，所述图像处理模型用于对所述人像图像中人像位于预设分界线以上的头发区域进行涂抹处理；所述图像处理模型是以样本人像图像以及所述样本人像图像对应的样本头部涂抹图像为样本数据集训练后生成的；
使用头部特效素材对所述头部涂抹图像进行渲染，得到添加特效后的人像图像；
显示所述添加特效后的人像图像。
根据本公开的一个或多个实施例，若所述待处理的人像图像中的人像的头发长至所述预设分界线以下，则所述图像处理模型用于使用所述人像图像的背景颜色对位于所述预设分界线以上、且位于预设区域以外的头发区域进行涂抹处理，对位于所述预设区域的头发进行渐变涂抹处理，以使位于所述预设区域的头发颜色由下至上渐变到所述人像图像的背景颜色；
其中，所述预设区域与所述预设分界线相邻，且位于所述预设分界线的上方。
根据本公开的一个或多个实施例，所述预设分界线包括肩颈分界线。
根据本公开的一个或多个实施例，所述图像处理模型还用于对头发区域进行涂抹处理后的所述人像进行额头增高处理。
根据本公开的一个或多个实施例，所述使用头部特效素材对所述头部涂抹图像进行渲染，得到添加特效后的人像图像之前，所述方法还包括：
接收用户的特效选择指令；
根据所述特效选择指令，确定所述用户选择的所述头部特效素材。
根据本公开的一个或多个实施例，所述待处理的人像图像为采集的视频中的一帧图像。
根据本公开的一个或多个实施例，所述头部特效素材包括多个头部特效元素；
所述使用头部特效素材对所述头部涂抹图像进行渲染，包括：
使用目标头部特效元素对所述头部涂抹图像进行渲染；其中，所述目标头部特效元素为所述多个头部特效元素中的一个。
根据本公开的一个或多个实施例，所述目标头部特效元素为基于采集到的用户的特效切换指令，从所述多个头部特效元素中选择的头部特效元素；或者，
所述目标头部特效元素为基于预设的特效切换周期，从所述多个头部特效元素中选择的头部特效元素。
第二方面，根据本公开的一个或多个实施例，提供了一种图像处理模型的训练方法，包括：
获取样本数据集，所述样本数据集中包含样本人像图像以及所述样本人像图像对应的样本头部涂抹图像，其中，所述样本头部涂抹图像为对所述样本人像图像中的人像位于预设分界线以上的头发区域进行涂抹处理后生成的；
使用所述样本数据集对所述图像处理模型进行训练，生成训练后的图像处理模型。
根据本公开的一个或多个实施例，所述获取所述图像处理模型的样本数据集，包括：
获取所述样本人像图像；
确定所述样本人像图像中的待涂抹区域，所述待涂抹区域包括位于所述预设分界线以上的人像区域；
使用所述样本人像图像中的背景区域的像素值，对所述样本人像图像中的待涂抹区域进行涂抹，生成第一图像；
对所述样本人像图像进行头发分割，生成第二图像，所述第二图像用于表征所述样本人像图像中的人像的预设分界线以上的头发区域；
使用所述第一图像对所述样本人像图像中与所述第二图像对应的头发区域进行涂抹，得到所述样本人像图像对应的样本头部涂抹图像。
根据本公开的一个或多个实施例，所述对所述样本人像图像进行头发分割，生成第二图像，包括：
对所述样本人像图像进行头发分割，获取所述样本人像图像中的初始头发区域图像；
根据所述样本人像图像中的人脸关键点以及所述样本人像图像中的人像的预设分界线，对所述样本人像图像中的初始头发区域图像进行修正，得到所述第二图像。
根据本公开的一个或多个实施例，若所述预设分界线位于所述人像的耳朵以下，则在所述对所述样本人像图像中的初始头发区域图像进行修正，得到所述第二图像之前，所述方法还包括：
对所述样本人像图像进行耳朵分割，确定所述样本人像图像中的耳朵区域图像；
所述对所述样本人像图像中的初始头发区域图像进行修正，得到所述第二图像，包括：
根据所述样本人像图像中的耳朵区域图像、所述样本人像图像中的人脸关键点以及所述样本人像图像中的人像的预设分界线，对所述样本人像图像中的初始头发区域图像进行修正，得到所述第二图像。
根据本公开的一个或多个实施例，在所述生成第二图像之后，所述方法还包括：
对所述第二图像中位于预设区域的头发进行渐变处理，以使位于所述预设区域的头发颜色由下至上渐变到所述样本人像图像的背景颜色；
其中，所述预设区域与所述预设分界线相邻，且位于所述预设分界线的上方。
根据本公开的一个或多个实施例，所述预设分界线包括肩颈分界线。
根据本公开的一个或多个实施例，所述方法还包括：
以所述样本人像图像中的人脸区域中的皮肤颜色为基准，对所述样本人像图像中除所述人脸区域以外的区域进行颜色填充，生成第三图像；
根据所述样本人像图像中的人脸轮廓关键点，从所述样本人像图像中确定出第四图像，所述第四图像用于表征所述样本人像图像中待增高的额头区域；
利用所述第四图像，在所述第三图像中确定出与所述待增高的额头区域对应的目标图块；
在所述样本头部涂抹图像中对应所述待增高的额头区域添加所述目标图块。
根据本公开的一个或多个实施例，所述根据所述样本人像图像中的人脸轮廓关键点，从所述样本人像图像中确定出第四图像，包括：
根据预设的距离值，将所述人脸轮廓关键点中的额头关键点拉高；
根据拉高后的额头关键点以及所述第二图像，从所述样本人像图像中确定出所述第四图像。
第三方面，根据本公开的一个或多个实施例，提供了一种人像图像处理装置，包括：获取模块、处理模块、渲染模块和显示模块。
其中，获取模块，用于获取待处理的人像图像。
处理模块，用于将所述待处理的人像图像输入图像处理模型，并获取所述图像处理模型输出的头部涂抹图像；其中，所述图像处理模型用于对所述人像图像中人像位于预设分界线以上的头发区域进行涂抹处理；所述图像处理模型是以样本人像图像以及所述样本人像图像对应的样本头部涂抹图像为样本数据集训练后生成的。
渲染模块，用于使用头部特效素材对所述头部涂抹图像进行渲染，得到添加特效后的人像图像。
显示模块，用于显示所述添加特效后的人像图像。
根据本公开的一个或多个实施例，若所述待处理的人像图像中的人像的头发长至所述预设分界线以下，则所述图像处理模型用于使用所述人像图像的背景颜色对位于所述预设分界线以上、且位于预设区域以外的头发区域进行涂抹处理，对位于所述预设区域的头发进行渐变处理，以使位于所述预设区域的头发颜色由下至上渐变到所述人像图像的背景颜色。
其中，所述预设区域与所述预设分界线相邻，且位于所述预设分界线的上方。
根据本公开的一个或多个实施例，所述预设分界线包括肩颈分界线。
根据本公开的一个或多个实施例，所述图像处理模型还用于对头发区域进行涂抹处理后的所述人像进行额头增高处理。
根据本公开的一个或多个实施例，人像图像处理装置还包括：
特效选择模块，用于接收用户的特效选择指令；根据所述特效选择指令，确定所述用户选择的所述头部特效素材。
根据本公开的一个或多个实施例，所述待处理的人像图像为采集的视频中的一帧图像。
根据本公开的一个或多个实施例，所述头部特效素材包括多个头部特效元素；渲染模块，具体用于使用目标头部特效元素对所述头部涂抹图像进行渲染；其中，所述目标头部特效元素为所述多个头部特效元素中的一个。
根据本公开的一个或多个实施例，所述目标头部特效元素为基于采集到的用户的特效切换指令，从所述多个头部特效元素中选择的头部特效元素；或者，
所述目标头部特效元素为基于预设的特效切换周期，从所述多个头部特效元素中选择的头部特效元素。
第四方面，根据本公开的一个或多个实施例，提供了一种图像处理模型的训练装置，包括：样本生成模块、和训练模块。
样本获取模块，用于获取样本数据集，所述样本数据集中包含样本人像图像以及所述样本人像图像对应的样本头部涂抹图像，其中，所述样本头部涂抹图像为对所述样本人像图像中的人像位于预设分界线以上的头发区域进行涂抹处理后生成的；
训练模块，用于使用所述样本数据集对所述图像处理模型进行训练，生成训练后的图像处理模型。
根据本公开的一个或多个实施例，样本生成模块，具体用于获取所述样本人像图像；确定所述样本人像图像中的待涂抹区域，所述待涂抹区域包括位于所述预设分界线以上的人像区域；使用所述样本人像图像中的背景区域的像素值，对所述样本人像图像中的待涂抹区域进行涂抹，生成第一图像；对所述样本人像图像进行头发分割，生成第二图像，所述第二图像用于表征所述样本人像图像中的人像的预设分界线以上的头发区域；使用所述第一图像对所述样本人像图像中与所述第二图像对应的头发区域进行涂抹，得到所述样本人像图像对应的样本头部涂抹图像。
根据本公开的一个或多个实施例，样本生成模块，具体用于对所述样本人像图像进行头发分割，获取所述样本人像图像中的初始头发区域图像；根据所述样本人像图像中的人脸关键点以及所述样本人像图像中的人像的预设分界线，对所述样本人像图像中的初始头发区域图像进行修正，得到所述第二图像。
根据本公开的一个或多个实施例，若所述预设分界线位于所述人像的耳朵以下，则样本生成模块，具体用于对所述样本人像图像进行耳朵分割，确定所述样本人像图像中的耳朵区域图像；根据所述样本人像图像中的耳朵区域图像、所述样本人像图像中的人脸关键点以及所述样本人像图像中的人像的预设分界线，对所述样本人像图像中的初始头发区域图像进行修正，得到所述第二图像。
根据本公开的一个或多个实施例，样本生成模块，还用于对所述第二图像中位于预设区域的头发进行渐变处理，以使位于所述预设区域的头发颜色由下至上渐变到所述样本人像图像的背景颜色。
其中，所述预设区域与所述预设分界线相邻，且位于所述预设分界线的上方。
根据本公开的一个或多个实施例，所述预设分界线包括肩颈分界线。
根据本公开的一个或多个实施例，样本生成模块，还用于以所述样本人像图像中的人脸区域中的皮肤颜色为基准，对所述样本人像图像中除所述人脸区域以外的区域进行颜色填充，生成第三图像；根据所述样本人像图像中的人脸轮廓关键点，从所述样本人像图像中确定出第四图像，所述第四图像用于表征所述样本人像图像中待增高的额头区域；利用所述第四图像，在所述第三图像中确定出与所述待增高的额头区域对应的目标图块；在所述样本头部涂抹图像中对应所述待增高的额头区域添加所述目标图块。
根据本公开的一个或多个实施例，样本生成模块，具体用于根据预设的距离值，将所述人脸轮廓关键点中的额头关键点拉高；根据拉高后的额头关键点以及所述第二图像，从所述样本人像图像中确定出所述第四图像。
第五方面，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：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的人像图像处理方法，或者，执行如上第二方面以及第二方面各种可能的设计所述的图像处理模型的训练方法。
第六方面，根据本公开的一个或多个实施例，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的人像图像处理方法，或者，实现如上第二方面以及第二方面各种可能的设计所述的图像处理模型的训练方法。
第七方面，根据本公开的一个或多个实施例，提供了一种计算机程序产品，包括计算机程序和/或指令，该计算机指令被处理器执行时实现第一方面以及第一方面各种可能的设计所述的人像图像处理方法，或者，实现如上第二方面以及第二方面各种可能的设计所述的图像处理模型的训练方法。
以上描述仅为本公开的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，本公开中所涉及的公开范围，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公开构思的情况下，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。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (20)

1.一种人像图像处理方法，其特征在于，包括：
获取待处理的人像图像；
将所述待处理的人像图像输入图像处理模型，并获取所述图像处理模型输出的头部涂抹图像；其中，所述图像处理模型用于对所述人像图像中人像位于预设分界线以上的头发区域进行涂抹处理；所述图像处理模型是以样本人像图像以及所述样本人像图像对应的样本头部涂抹图像为样本数据集训练后生成的；
使用头部特效素材对所述头部涂抹图像进行渲染，得到添加特效后的人像图像；
显示所述添加特效后的人像图像。
2.根据权利要求1所述的方法，其特征在于，若所述待处理的人像图像中的人像的头发长至所述预设分界线以下，则所述图像处理模型用于使用所述人像图像的背景颜色对位于所述预设分界线以上、且位于预设区域以外的头发区域进行涂抹处理，对位于所述预设区域的头发进行渐变涂抹处理，以使位于所述预设区域的头发颜色由下至上渐变到所述人像图像的背景颜色；
其中，所述预设区域与所述预设分界线相邻，且位于所述预设分界线的上方。
3.根据权利要求1或2所述的方法，其特征在于，所述预设分界线包括肩颈分界线。
4.根据权利要求1或2所述的方法，其特征在于，所述图像处理模型还用于对头发区域进行涂抹处理后的所述人像进行额头增高处理。
5.根据权利要求1或2所述的方法，其特征在于，所述使用头部特效素材对所述头部涂抹图像进行渲染，得到添加特效后的人像图像之前，所述方法还包括：
接收用户的特效选择指令；
根据所述特效选择指令，确定所述用户选择的所述头部特效素材。
6.根据权利要求5所述的方法，其特征在于，所述头部特效素材包括多个头部特效元素；
所述使用头部特效素材对所述头部涂抹图像进行渲染，包括：
使用目标头部特效元素对所述头部涂抹图像进行渲染；其中，所述目标头部特效元素为所述多个头部特效元素中的一个。
7.根据权利要求6所述的方法，其特征在于，所述目标头部特效元素为基于采集到的用户的特效切换指令，从所述多个头部特效元素中选择的头部特效元素；或者，
所述目标头部特效元素为基于预设的特效切换周期，从所述多个头部特效元素中选择的头部特效元素。
8.一种图像处理模型的训练方法，其特征在于，所述方法包括：
获取样本数据集，所述样本数据集中包含样本人像图像以及所述样本人像图像对应的样本头部涂抹图像，其中，所述样本头部涂抹图像为对所述样本人像图像中的人像位于预设分界线以上的头发区域进行涂抹处理后生成的；
使用所述样本数据集对所述图像处理模型进行训练，生成训练后的图像处理模型。
9.根据权利要求8所述的方法，其特征在于，所述获取样本数据集，包括：
获取所述样本人像图像；
确定所述样本人像图像中的待涂抹区域，所述待涂抹区域包括位于所述预设分界线以上的人像区域；
使用所述样本人像图像中的背景区域的像素值，对所述样本人像图像中的待涂抹区域进行涂抹，生成第一图像；
对所述样本人像图像进行头发分割，生成第二图像，所述第二图像用于表征所述样本人像图像中的人像的预设分界线以上的头发区域；
使用所述第一图像对所述样本人像图像中与所述第二图像对应的头发区域进行涂抹，得到所述样本人像图像对应的样本头部涂抹图像。
10.根据权利要求9所述的方法，其特征在于，所述对所述样本人像图像进行头发分割，生成第二图像，包括：
对所述样本人像图像进行头发分割，获取所述样本人像图像中的初始头发区域图像；
根据所述样本人像图像中的人脸关键点以及所述样本人像图像中的人像的预设分界线，对所述样本人像图像中的初始头发区域图像进行修正，得到所述第二图像。
11.根据权利要求10所述的方法，其特征在于，若所述预设分界线位于所述人像的耳朵以下，则在所述对所述样本人像图像中的初始头发区域图像进行修正，得到所述第二图像之前，所述方法还包括：
对所述样本人像图像进行耳朵分割，确定所述样本人像图像中的耳朵区域图像；
所述对所述样本人像图像中的初始头发区域图像进行修正，得到所述第二图像，包括：
根据所述样本人像图像中的耳朵区域图像、所述样本人像图像中的人脸关键点以及所述样本人像图像中的人像的预设分界线，对所述样本人像图像中的初始头发区域图像进行修正，得到所述第二图像。
12.根据权利要求11所述的方法，其特征在于，在所述生成第二图像之后，所述方法还包括：
对所述第二图像中位于预设区域的头发进行渐变处理，以使位于所述预设区域的头发颜色由下至上渐变到所述样本人像图像的背景颜色；
其中，所述预设区域与所述预设分界线相邻，且位于所述预设分界线的上方。
13.根据权利要求8-12任一项所述的方法，其特征在于，所述预设分界线包括肩颈分界线。
14.根据权利要求10-12任一项所述的方法，其特征在于，所述方法还包括：
以所述样本人像图像中的人脸区域中的皮肤颜色为基准，对所述样本人像图像中除所述人脸区域以外的区域进行颜色填充，生成第三图像；
根据所述样本人像图像中的人脸轮廓关键点，从所述样本人像图像中确定出第四图像，所述第四图像用于表征所述样本人像图像中待增高的额头区域；
利用所述第四图像，在所述第三图像中确定出与所述待增高的额头区域对应的目标图块；
在所述样本头部涂抹图像中对应所述待增高的额头区域添加所述目标图块。
15.根据权利要求14所述的方法，其特征在于，所述根据所述样本人像图像中的人脸轮廓关键点，从所述样本人像图像中确定出第四图像，包括：
根据预设的距离值，将所述人脸轮廓关键点中的额头关键点拉高；
根据拉高后的额头关键点以及所述第二图像，从所述样本人像图像中确定出所述第四图像。
16.一种人像图像处理装置，其特征在于，包括：
获取模块，用于获取待处理的人像图像；
处理模块，用于将所述待处理的人像图像输入图像处理模型，并获取所述图像处理模型输出的头部涂抹图像；其中，所述图像处理模型用于对所述人像图像中人像位于预设分界线以上的头发区域进行涂抹处理；所述图像处理模型是以样本人像图像以及所述样本人像图像对应的样本头部涂抹图像为样本数据集训练后生成的；
渲染模块，用于使用头部特效素材对所述头部涂抹图像进行渲染，得到添加特效后的人像图像；
显示模块，用于显示所述添加特效后的人像图像。
17.一种图像处理模型的训练装置，其特征在于，包括：
样本获取模块，用于获取样本数据集，所述样本数据集中包含样本人像图像以及所述样本人像图像对应的样本头部涂抹图像，其中，所述样本头部涂抹图像为对所述样本人像图像中的人像位于预设分界线以上的头发区域进行涂抹处理后生成的；
训练模块，用于使用所述样本数据集对所述图像处理模型进行训练，生成训练后的图像处理模型。
18.一种电子设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至15任一项所述的方法。
19.一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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至15任一项所述的方法。
20.一种计算机程序产品，包括计算机指令，其特征在于，该计算机指令被处理器执行时实现权利要求1至15任一项所述的方法。
CN202011503302.2A 2020-12-17 2020-12-17 人像图像处理方法及装置 Active CN112489169B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011503302.2A CN112489169B (zh) 2020-12-17 2020-12-17 人像图像处理方法及装置
PCT/SG2021/050717 WO2022132032A1 (zh) 2020-12-17 2021-11-22 人像图像处理方法及装置
US18/257,158 US20240104810A1 (en) 2020-12-17 2021-11-22 Method and apparatus for processing portrait image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011503302.2A CN112489169B (zh) 2020-12-17 2020-12-17 人像图像处理方法及装置

Publications (2)

Publication Number Publication Date
CN112489169A true CN112489169A (zh) 2021-03-12
CN112489169B CN112489169B (zh) 2024-02-13

Family

ID=74914662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011503302.2A Active CN112489169B (zh) 2020-12-17 2020-12-17 人像图像处理方法及装置

Country Status (3)

Country Link
US (1) US20240104810A1 (zh)
CN (1) CN112489169B (zh)
WO (1) WO2022132032A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113284219A (zh) * 2021-06-10 2021-08-20 北京字跳网络技术有限公司 图像处理方法、装置、设备及存储介质
WO2023273697A1 (zh) * 2021-06-30 2023-01-05 北京字跳网络技术有限公司 图像处理方法、模型训练方法、装置、电子设备及介质
WO2023088461A1 (zh) * 2021-11-22 2023-05-25 北京字跳网络技术有限公司 图像处理方法、装置、电子设备及存储介质
CN116777940A (zh) * 2023-08-18 2023-09-19 腾讯科技（深圳）有限公司 一种数据处理方法、装置、设备及存储介质

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013189101A1 (zh) * 2012-06-20 2013-12-27 浙江大学 一种基于单幅图像的头发建模和肖像编辑方法
US20170270679A1 (en) * 2016-03-21 2017-09-21 The Dial Corporation Determining a hair color treatment option
CN107392099A (zh) * 2017-06-16 2017-11-24 广东欧珀移动通信有限公司 提取头发细节信息的方法、装置及终端设备
CN107451950A (zh) * 2016-05-30 2017-12-08 北京旷视科技有限公司 人脸图像生成方法、人脸识别模型训练方法及相应装置
US20180075524A1 (en) * 2016-09-15 2018-03-15 GlamST LLC Applying virtual makeup products
CN108053366A (zh) * 2018-01-02 2018-05-18 联想(北京)有限公司 一种图像处理方法及电子设备
CN108492348A (zh) * 2018-03-30 2018-09-04 北京金山安全软件有限公司 图像处理方法、装置、电子设备及存储介质
CN109409335A (zh) * 2018-11-30 2019-03-01 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机可读介质及电子设备
CN109447895A (zh) * 2018-09-03 2019-03-08 腾讯科技（武汉）有限公司 图片生成方法和装置、存储介质及电子装置
CN109886144A (zh) * 2019-01-29 2019-06-14 深圳市云之梦科技有限公司 虚拟试发方法、装置、计算机设备和存储介质
CN110136054A (zh) * 2019-05-17 2019-08-16 北京字节跳动网络技术有限公司 图像处理方法和装置
CN110189340A (zh) * 2019-06-03 2019-08-30 北京达佳互联信息技术有限公司 图像分割方法、装置、电子设备及存储介质
CN110321865A (zh) * 2019-07-09 2019-10-11 北京字节跳动网络技术有限公司 头部特效处理方法及装置、存储介质
WO2020108041A1 (zh) * 2018-11-28 2020-06-04 北京达佳互联信息技术有限公司 耳部关键点检测方法、装置及存储介质
CN111368685A (zh) * 2020-02-27 2020-07-03 北京字节跳动网络技术有限公司 关键点的识别方法、装置、可读介质和电子设备
EP3723050A1 (en) * 2019-04-09 2020-10-14 Koninklijke Philips N.V. Modifying an appearance of hair
CN111783662A (zh) * 2020-06-30 2020-10-16 北京字节跳动网络技术有限公司 姿态估计方法、估计模型训练方法、装置、介质及设备
CN111862116A (zh) * 2020-07-15 2020-10-30 完美世界(北京)软件科技发展有限公司 动漫人像的生成方法及装置、存储介质、计算机设备
EP3736729A1 (en) * 2019-05-10 2020-11-11 Cal-Comp Big Data Inc Augmented reality display method of applying color of hair to eyebrows

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013189101A1 (zh) * 2012-06-20 2013-12-27 浙江大学 一种基于单幅图像的头发建模和肖像编辑方法
US20170270679A1 (en) * 2016-03-21 2017-09-21 The Dial Corporation Determining a hair color treatment option
CN107451950A (zh) * 2016-05-30 2017-12-08 北京旷视科技有限公司 人脸图像生成方法、人脸识别模型训练方法及相应装置
US20180075524A1 (en) * 2016-09-15 2018-03-15 GlamST LLC Applying virtual makeup products
CN107392099A (zh) * 2017-06-16 2017-11-24 广东欧珀移动通信有限公司 提取头发细节信息的方法、装置及终端设备
CN108053366A (zh) * 2018-01-02 2018-05-18 联想(北京)有限公司 一种图像处理方法及电子设备
CN108492348A (zh) * 2018-03-30 2018-09-04 北京金山安全软件有限公司 图像处理方法、装置、电子设备及存储介质
CN109447895A (zh) * 2018-09-03 2019-03-08 腾讯科技（武汉）有限公司 图片生成方法和装置、存储介质及电子装置
WO2020108041A1 (zh) * 2018-11-28 2020-06-04 北京达佳互联信息技术有限公司 耳部关键点检测方法、装置及存储介质
CN109409335A (zh) * 2018-11-30 2019-03-01 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机可读介质及电子设备
CN109886144A (zh) * 2019-01-29 2019-06-14 深圳市云之梦科技有限公司 虚拟试发方法、装置、计算机设备和存储介质
EP3723050A1 (en) * 2019-04-09 2020-10-14 Koninklijke Philips N.V. Modifying an appearance of hair
EP3736729A1 (en) * 2019-05-10 2020-11-11 Cal-Comp Big Data Inc Augmented reality display method of applying color of hair to eyebrows
CN110136054A (zh) * 2019-05-17 2019-08-16 北京字节跳动网络技术有限公司 图像处理方法和装置
CN110189340A (zh) * 2019-06-03 2019-08-30 北京达佳互联信息技术有限公司 图像分割方法、装置、电子设备及存储介质
CN110321865A (zh) * 2019-07-09 2019-10-11 北京字节跳动网络技术有限公司 头部特效处理方法及装置、存储介质
CN111368685A (zh) * 2020-02-27 2020-07-03 北京字节跳动网络技术有限公司 关键点的识别方法、装置、可读介质和电子设备
CN111783662A (zh) * 2020-06-30 2020-10-16 北京字节跳动网络技术有限公司 姿态估计方法、估计模型训练方法、装置、介质及设备
CN111862116A (zh) * 2020-07-15 2020-10-30 完美世界(北京)软件科技发展有限公司 动漫人像的生成方法及装置、存储介质、计算机设备

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113284219A (zh) * 2021-06-10 2021-08-20 北京字跳网络技术有限公司 图像处理方法、装置、设备及存储介质
WO2022257677A1 (zh) * 2021-06-10 2022-12-15 北京字跳网络技术有限公司 图像处理方法、装置、设备及存储介质
WO2023273697A1 (zh) * 2021-06-30 2023-01-05 北京字跳网络技术有限公司 图像处理方法、模型训练方法、装置、电子设备及介质
WO2023088461A1 (zh) * 2021-11-22 2023-05-25 北京字跳网络技术有限公司 图像处理方法、装置、电子设备及存储介质
CN116777940A (zh) * 2023-08-18 2023-09-19 腾讯科技（深圳）有限公司 一种数据处理方法、装置、设备及存储介质
CN116777940B (zh) * 2023-08-18 2023-11-21 腾讯科技（深圳）有限公司 一种数据处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20240104810A1 (en) 2024-03-28
WO2022132032A1 (zh) 2022-06-23
CN112489169B (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
CN112489169B (zh) 人像图像处理方法及装置
US20230401682A1 (en) Styled image generation method, model training method, apparatus, device, and medium
CN110766777A (zh) 虚拟形象的生成方法、装置、电子设备及存储介质
WO2021169307A1 (zh) 人脸图像的试妆处理方法、装置、计算机设备和存储介质
CN110378846B (zh) 一种处理图像磨皮的方法、装置、介质和电子设备
CN111669502B (zh) 目标对象显示方法、装置及电子设备
CN114331820A (zh) 图像处理方法、装置、电子设备及存储介质
EP4276738A1 (en) Image display method and apparatus, and device and medium
CN110047124A (zh) 渲染视频的方法、装置、电子设备和计算机可读存储介质
CN111784568A (zh) 人脸图像处理方法、装置、电子设备及计算机可读介质
CN110047122A (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN112995534B (zh) 视频生成方法、装置、设备及可读存储介质
CN111210485A (zh) 图像的处理方法、装置、可读介质和电子设备
CN107766803B (zh) 基于场景分割的视频人物装扮方法、装置及计算设备
CN113453027B (zh) 直播视频、虚拟上妆的图像处理方法、装置及电子设备
WO2022166907A1 (zh) 图像处理方法、装置、设备及可读存储介质
CN110689546A (zh) 个性化头像的生成方法、装置、设备及存储介质
CN115967823A (zh) 视频封面生成方法、装置、电子设备及可读介质
CN110059739B (zh) 图像合成方法、装置、电子设备和计算机可读存储介质
CN117151973A (zh) 特效模板生成方法、装置、电子设备及存储介质
CN115953597B (zh) 图像处理方法、装置、设备及介质
CN110619602A (zh) 一种图像生成方法、装置、电子设备及存储介质
CN111784726A (zh) 人像抠图方法和装置
US20220198828A1 (en) Method and apparatus for generating image
CN115937356A (zh) 图像处理方法、装置、设备及介质

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