CN112819691A - 图像处理方法、装置、设备及可读存储介质 - Google Patents

图像处理方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN112819691A
CN112819691A CN202110164141.7A CN202110164141A CN112819691A CN 112819691 A CN112819691 A CN 112819691A CN 202110164141 A CN202110164141 A CN 202110164141A CN 112819691 A CN112819691 A CN 112819691A
Authority
CN
China
Prior art keywords
image
pixel
sketch
pixels
map
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
CN202110164141.7A
Other languages
English (en)
Other versions
CN112819691B (zh
Inventor
王旭
刘凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zitiao Network Technology Co Ltd
Original Assignee
Beijing Zitiao Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Zitiao Network Technology Co Ltd filed Critical Beijing Zitiao Network Technology Co Ltd
Priority to CN202110164141.7A priority Critical patent/CN112819691B/zh
Publication of CN112819691A publication Critical patent/CN112819691A/zh
Priority to PCT/CN2022/075130 priority patent/WO2022166907A1/zh
Priority to EP22749186.7A priority patent/EP4276733A4/en
Priority to JP2023547662A priority patent/JP2024505713A/ja
Priority to US18/264,402 priority patent/US20240046537A1/en
Application granted granted Critical
Publication of CN112819691B publication Critical patent/CN112819691B/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
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • 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
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06V10/54—Extraction of image or video features relating to texture
    • 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
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本公开实施例提供一种图像处理方法、装置、设备及可读存储介质，电子设备获取到源图像后，基于源图像生成灰度图，对灰度图进行高斯模糊，得到高斯模糊图。然后，电子设备利用高斯模糊图和灰度图，生成第一素描图像。采用该种方案，电子设备通过灰度处理、高斯模糊等的方式就能够得到第一素描图像，极大程度上保留了细节部分，使得第一素描图像逼真，且无需进行深度学习过程，效率高。

Description

图像处理方法、装置、设备及可读存储介质
技术领域
本公开实施例涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、设备及可读存储介质。
背景技术
图像风格多种多样，常见的图像风格包括漫画、古装等。目前，可以通过对原图进行风格转换，得到其他风格的图像。例如，预先利用人工绘制的漫画样本和人像等图像样本，训练出深度学习模型，后续利用深度学习模型对原图进行风格转换从而得到漫画。
素描也是一种深受用户喜欢的图像风格。然而，现有技术并不支持将源图像转换为素描风格的图像。
发明内容
本公开实施例提供一种图像处理方法、装置、设备及可读存储介质，通过灰度处理、高斯模糊等的方式就能够得到素描图像，极大程度上保留了细节部分，使得素描图像逼真，且无需进行深度学习过程，效率高。
第一方面，本公开实施例提供一种图像处理方法，包括：
获取源图像；
将所述源图像转换成灰度图；
对所述灰度图进行高斯模糊，得到高斯模糊图；
基于所述高斯模糊图和所述灰度图，生成所述源图像对应的第一素描图像。
第二方面，本公开实施例提供一种图像处理装置，包括：
获取模块，用于获取源图像；
灰度模块，用于基于所述源图像，生成灰度图；
处理模块，用于对所述灰度图进行高斯模糊，得到高斯模糊图；
生成模块，用于基于所述高斯模糊图和所述灰度图，生成所述源图像对应的第一素描图像。
第三方面，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图像处理方法。
第四方面，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图像处理方法。
第五方面，本公开实施例提供一种计算机程序产品，所述计算机程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行如上第一方面所述的方法。
本实施例提供的图像处理方法、装置、设备及可读存储介质，电子设备获取到源图像后，基于源图像生成灰度图，对灰度图进行高斯模糊，得到高斯模糊图。然后，电子设备利用高斯模糊图和灰度图，生成第一素描图像。采用该种方案，电子设备通过灰度处理、高斯模糊等的方式就能够得到第一素描图像，极大程度上保留了细节部分，使得第一素描图像逼真，且无需进行深度学习过程，效率高。
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是本公开实施例提供一种图像处理方法的网络架构示意图；
图2是本申请实施例提供的图像处理方法的流程图；
图3A是本公开实施例提供的图像处理方法中生成素描图像的过程示意图；
图3B是本公开实施例提供的图像处理方法中生成素描图像的过程示意图；
图4是本公开实施例提供的图像处理方法中基于饱和度素描图像的过程示意图；
图5是本公开实施例提供的图像处理方法中融入纹理的示意图；
图6是本公开实施例提供的图像处理方法中纹理图的示意图；
图7是本公开实施例提供的图像处理方法中融合效果的效果曲线示意图；
图8A是本公开实施例提供的图像处理方法中着色的过程示意图；
图8B是本公开实施例提供的图像处理方法中着色的过程示意图；
图9是本申请实施例提供的图像处理方法的流程图；
图10为本公开实施例提供的一种图像处理装置的结构框图；
图11为本公开实施例提供的另一种图像处理装置的结构框图；
图12为用来实现本公开实施例的电子设备的结构示意图。
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。
目前，很多应用程序(application，APP)具备风格转换功能，基于该功能，用户能够方便的将一幅图像转换为漫画风格、素描风格等。二次元的漫画是一种注重写意的艺术，通常基于深度学习的方式，利用人工绘制的漫画样本和人像等图像样本，训练出深度学习模型，其中，漫画样本的绘制风格都是一样的。该深度学习模型置于用户的移动终端或服务器等电子设备上，电子设备获取到原始图像后，将原始图像输入值深度学习模型，即可输出漫画。模型训练过程中无法保留很多细节，如五官等的细节。但是，漫画对“逼真”的要求并不高，因此，即使通过深度学习模型得到的漫画中很多细节被忽略，该漫画也能达到比较好的写意效果，被用户接受。
然而，铅笔画素描更偏重写实，要求内容逼真形象，因此更注重细节。例如，原始图像为一个人物图像，基于该原始图像得到的铅笔画素描，若该铅笔画素描中的人脸、五官等和人物图像很贴合，才认为该铅笔画素描合格。显然，上述深度学习方式并不适用于铅笔画素描的获取。
图1是本公开实施例提供一种图像处理方法的网络架构示意图。请参照图1，该网络架构包括终端设备1、服务器2和网络3，终端设备1和服务器2通过网络3建立网络连接。网络3包括各种网络连接类型，如有线、无线通信链路或光纤电缆等。
用户使用终端设备1通过网络3与服务器2进行交互，以接收或发送消息等。终端设备1上安装有各种通讯客户端应用，如视频播放类应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备1可以是硬件也可以是软件。当终端设备1为硬件时，终端设备1例如为手机、平板电脑、电子书阅读器、膝上型便携电脑、台式计算机等。当终端设备1为软件时，其可以安装在上述列举的硬件设备中，此时，终端设备1例如为多个软件模块或单个软件模块等，本公开实施例并不限制。
服务器2是能够提供多种服务器的服务器，用于接收终端设备发送的源图像，对源图像进行风格转换，得到铅笔画素描，如黑白的素描图像或彩铅素描。
服务器2可以是硬件也可以是软件。当服务器2为硬件时，该服务器2为单个服务器或多个服务器组成的分布式服务器集群。当服务器2为软件时，可以为多个软件模块或单个软件模块等，本公开实施例并不限制。
应当理解的是，图1中的终端设备1、服务器2和网络3的数量仅仅是示意性的。实际实现中，根据实际需求部署任意数量的电子设备1、服务器2和网络3。
另外，当本公开的图像处理方法由终端设备1执行时，由于无需联网，因此上述图1中的服务器2和网络3可以不存在。
下面，基于图1所示网络架构，对本申请实施例所述的图像处理方法进行详细说明。示例性的，请参照图2。
图2是本申请实施例提供的图像处理方法的流程图。本实施例的执行主体为电子设备，该电子设备例如为上述图1中的终端设备或服务器。本实施例包括：
101、获取源图像。
示例性的，电子设备从本地获取源图像，或者，从互联网获取源图像。源图像也称为(image_src)。源图像为红绿蓝(red green blue，RGB)图像、黑白照片等，本公开实施例并不限制。
102、将所述源图像转换成灰度图。
示例性的，电子设备对源图像的每个像素进行灰度处理，从而将源图像转换成灰度图。例如，电子设备对每个像素的R、G、B的值求平均值，将平均值作为灰度值。再如，对于源图像中的每个像素，电子设备确定该像素的R、G、B的最大值和最小值，将最大值和最小值的平均值作为灰度值。又如，电子设备采用二值图像法、加权平均法等，针对源图像生成灰度图。
本公开实施例中，灰度图也称为(image_gray)。
103、对所述灰度图进行高斯模糊，得到高斯模糊图。
示例性的，电子设备根据高斯卷积等确定高斯模糊对应的高斯核(kernel)，使用该高斯kernel对灰度图进行高斯模糊，得到高斯模糊图。高斯核例如为255等。电子设备使用不同高斯核对灰度图进行高斯模糊，得到的高斯模糊图不同。本公开实施例中，高斯模糊图也称为(image_blur)。
104、基于所述高斯模糊图和所述灰度图，生成所述源图像对应的第一素描图像。
本步骤中，电子设备将高斯模糊图和灰度图作为素材，生成第一素描图像。例如，电子设备对高斯模糊图的像素和灰度图中对应像素进行融合处理，从而生成第一素描图像。本公开实施例中，第一素描图像也称为(image_target)。
由于电子设备使用不同高斯kernel对灰度图进行高斯模糊，得到的高斯模糊图不同，因此，电子设备基于灰度图和不同的高斯模糊图，生成的素描图像不同。示例性的，请参照图3A和图3B。
图3A是本公开实施例提供的图像处理方法中生成第一素描图像的过程示意图。请参照图3A，当高斯核1比较小时，基于高斯模糊图1和灰度图生成的第一素描图像较淡。
图3B是本公开实施例提供的图像处理方法中生成素描图像的过程示意图。请参照图3A，当高斯核2比较小时，基于高斯模糊图2和灰度图生成的第一素描图像较重。
上述图3A和图3B中，源图像例如为彩色图像或黑白图像，本公开实施例并不限制。图3A和图3B中的第一素描图像也称为不同层次的第一素描图像。也就是说，图3A中的第一素描图像是模拟画家作画过程中的半成品，而图3B中的第一素描图像相当于画家作画过程中的成品。
本公开实施例提供的图像处理方法，电子设备获取到源图像后，基于源图像生成灰度图，对灰度图进行高斯模糊，得到高斯模糊图。然后，电子设备利用高斯模糊图和灰度图，生成第一素描图像。采用该种方案，电子设备通过灰度处理、高斯模糊等的方式就能够得到第一素描图像，极大程度上保留了细节部分，使得第一素描图像逼真，且无需进行深度学习过程，效率高。
上述实施例中，电子设备获取到源图像后，对所述源图像进行降噪处理。例如，电子设备对原始图像进行中值滤波，从而去掉原始图像中可能存在的噪声。另外，电子设备还能够通过均值滤波、自适应维纳滤波等方式对源图像进行降噪处理。本公开并不限制降噪处理的具体方式。
采用该种方案，电子设备通过对源图像进行降噪处理，从而对源图像中的噪点进行抑制或消除，实现提高源图像质量的目的。
上述实施例中，电子设备基于所述高斯模糊图和所述灰度图，生成第一素描图像的过程中，根据所述灰度图中像素的像素值和所述高斯模糊图中像素的像素值，确定所述第一素描图像中像素的像素值，所述灰度图、所述高斯模糊图和所述第一素描图像的尺寸相同，所述灰度图、所述高斯模糊图和所述第一素描图像中的像素一一对应，根据确定的所述第一素描图像中像素的像素值，生成所述素描图像。
示例性的，源图像、灰度图、高斯模糊图和第一素描图像的尺寸相同、像素一一对应。因此，电子设备能够根据灰度图和高斯模糊图中像素的像素值，确定出素描图像中对应像素的像素值，进而得到第一素描图像。例如，生成高斯模糊图后，电子设备采用减淡(dodge)模式进行效果提取，即采用如下公式(1)进行提取:
image_target＝(image_gray/gray_blur1)×255公式(1)
采用该种方案，基于不同高斯kernel的dodge能够得到不同层次的第一素描图像的效果。
上述实施例中，若源图像包含人物的头发区域，则基于步骤104得到的第一素描图像中，头发区域的颜色比较高亮泛白。然而，实际中，第一素描图像中的头发都是黑色的。因此，需要对第一素描图像进行修正，得到第二素描图像。修正过程中，电子设备将源图像转换成色相饱和度透明度(Hue Saturation Value，HSV)图。之后，电子设备根据所述HSV图中每个像素的饱和度，修正所述第一素描图像。
示例性的，电子设备将源图像从RGB模式转换成HSV模式，从而得到HSV图，根据HSV图，就能够得到HSV图中每个像素的饱和度，饱和度也称为S通道值。之后，电子设备根据HSV图中每个像素的饱和度，从第一素描图像中确定出高亮区域，即待修正的区域。例如，电子设备确定一个饱和度阈值，若HSV图中某个像素的饱和度超过预设饱和度，则将该像素作为高亮区域中的一个像素。之后，修正第一素描图像中的高亮区域，从而得到第二素描图像。
再如，电子设备将HSV图中每个像素的饱和度归一化至0-1。归一化后，根据归一化后的HSV图中每个像素的饱和度，从第一素描图像中确定出待修正的高亮区域。例如，源图像是一个640×480的图像，转换成HSV图后，发现HSV图中20000个像素归一化后的饱和度超过预设阈值，则根据HSV图像中的该20000个像素，从第一素描图像中确定出20000个像素，并对第一素描图像中的20000个像素的颜色进行加深等，从而实现对第一素描图像包含的头发区域的修正。
采用该种方案，电子设备根据源图像的HSV图中各像素的饱和度值，从第一素描图像中确定出待修正的像素并进行修正，实现提高第一素描图像的质量的目的。
上述实施例中，电子设备根据所述HSV图中像素的饱和度，从所述第一素描图像中确定出高亮区域时，首先，电子设备从HSV图像中确定出归一化后饱和度超过预设阈值的像素，得到第一像素集合。之后，电子设备根据第一像素集合，从第一素描图像中确定出第二像素集合，第一像素集合和第二像素集合中的像素一一对应，且对应像素的位置相同，第二像素集合形成所述高亮区域。最后，电子设备对第二像素集合中的像素和第三像素集合中的对应像素进行加权融合，以修正所述第一素描图像。
示例性的，HSV图像各像素的饱和度经过归一化后，均属于0-1。假设阈值为0.5，则电子设备能够从HSV图中确定出归一化后的饱和度大于或等于0.5的像素，将该些像素作为第一像素集合。根据第一像素集合，电子设备能够从第一素描图像中确定出第二像素集合，并从灰度图中确定出第三像素集合，该三个像素集合中的像素一一对应，例如，第一像素集合中存在像素a，第二像素集合在中存在像素b，第三像素集合中存在像素出，则一一对应是指像素a在HSV图像中的位置与像素b在第一素描图像中的位置相同，像素a在HSV图像中的位置，与像素c在灰度图中的位置相同。之后，电子设备将第一素描图像中的像素和灰度图中对应的像素进行加权融合，第二第二素描图像。
采用该种方案，确定出待修正的像素后，电子设备将第一素描图像中的像素和灰度图中对应的像素进行加权融合，实现修正第一素描图像的目的。
上述实施例中，电子设备对第二像素集合中的像素和第三像素集合中的对应像素进行加权融合，以修正第一素描图像时，首先，电子设备根据第一像素集合中第一像素归一化后的饱和度，确定第一权重，并根据第一权重，确定第二权重，所述第二权重是1与所述第一权重的差值。之后，电子设备根据所述第二像素集合中的像素、所述第三像素集合中的像素、所述第一权重、所述第二权重，确定加权融合后第四像素。最后，电子设备将第一素描图像中的第二像素替换为所述第四像素，得到第二素描图像。
示例性的，第一像素集合、第二像素集合和第三像素集合中的像素一一对应，将该一一对应的像素即为第一像素、第二像素和第三像素，则电子设备确定出第一像素集合后，将第一像素集合中每第一像素归一化后的饱和度作为第二像素集合中第二像素的第一权重，将1与第一权重的差值作为第二权重，该第二权重为第三像素集合中第三像素的第二权重。之后，电子设备根据第一权值、第二权重对第二像素和第三像素进行加权融合，从而得到第四像素。例如，第一像素归一化后的饱和度为0.6，大于预设阈值0.5。第二像素的灰度值为5，第三像素的灰度值为100，则第四像素的灰度值为5×0.6+100×0.4＝43。
另外，上述实施例中，电子设备确定出第一像素集合后，将第一像素集合中每第一像素归一化后的饱和度作为第三像素集合中第三像素的第一权重，将1与第一权重的差值作为第二权重，该第二权重为第二像素集合中第二像素的权重。之后，电子设备根据第一权值、第二权重对第二像素和第三像素进行加权融合，从而得到第四像素。例如，第一像素归一化后的饱和度为0.6，大于预设阈值0.5。第二像素的灰度值为5，第三像素的灰度值为100，则第四像素的灰度值为5×0.4+100×0.6＝62。
电子设备针对第二像素集合中的各个像素确定出对应的第四像素后，利用第四像素替换第一素描图像中的第二像素，从而第二素描图像。
图4是本公开实施例提供的图像处理方法中基于饱和度修正第一素描图像的过程示意图。请参照图4，从左到右依次为源图像、第一素描图像和第二素描图像。显然，第一素描图像中的头发泛白，不是正常的素描效果，经过修正后，头发高亮泛白的问题有所改善。
需要说明的是，图4中的源图像也可以为彩色图像，本公开实施例并不限制。
采用该种方案，电子设备根据HSV图像中归一化后的饱和度确定出加权融合相关的权重，实现精确修正第一素描图像的目的。
上述实施例中，电子设备根据归一化后的HSV图中每个像素的饱和度，修正第一素描图像的过程中，仅能对头发等高亮区域进行修正，即局部区域改善，并不能对整个图进行全局修正。因此，电子设备完成上述修正后，还需要对修正后的黑白铅笔画添加着色(shader)，也称为添加纹理，使得第一素描图像更像一幅手绘的画，有铅笔画纹理。另外，有时候通过上述的修正，并不能完全解决局部区域高亮的问题。因此，经过上述修正之后，电子设备还需要通过添加shader的方式，对第二素描图像进行进一步的修正。添加shader的过程中，电子设备根据灰度图中每个像素的像素值，融合预设的纹理图和修正后的所述铅笔画素描。
例如，电子设备确定出灰度阈值，从灰度图中确定出灰度值超过灰度阈值的像素，根据该些像素从第二素描图像中确定出对应像素，对该些像素形成的区域添加较浅的纹理。对剩余像素形成的区域添加较浅的纹理。
再如，电子设备将灰度图的每个像素的像素值归一化至0-1，并设置阈值，按照阈值将灰度图中的像素分为多个集合，不同集合内的像素在第一次修正后的素描图像上有对应的像素。之后，电子设备对纹理图和第一次修正后的铅笔画素描进行融合，以对第一次修正后的铅笔画素描融入铅笔画纹理。一种实现方式中，电子设备根据灰度图中归一化后的像素值，确定出权重，根据权重对第一次修正后的铅笔画素描融入铅笔画纹理。
图5是本公开实施例提供的图像处理方法中融入纹理的示意图。请参照图5，源图像中，帽子和人脸都很白，相较而言，头发颜色较深。经过风格转换后，得到的第一素描图像中，头发、帽子和脸的颜色都很高亮。但是，由于原图中头发区域颜色比较深，因此，需要对头发区域的颜色进行加深，而无需对脸和帽子区域的颜色进行加深。电子设备基于HSV图的饱和度进行修正时，从第一素描图像中确定出第二像素集中的像素为头发区域的像素。第一次修正后，头发区域的颜色明显加深。之后，电子设备融合纹理图和第二素描图像，从而对第二素描图像融入铅笔画纹理。
采用该种方案，电子设备通过对添加纹理的方式对第二素描图像进行纹理添加，实现对第二素描图像融入铅笔画纹理的目的，以及对第二素描图像进行进一步的修正的目的。
上述实施例中，预设的纹理图可以为多个。例如，预设的纹理图包括第一纹理图和第二纹理图，所述第一纹理图的纹理和所述第二纹理图的纹理反向相反，所述第一纹理图的纹理颜色深于所述第二纹理图的纹理颜色。
图6是本公开实施例提供的图像处理方法中纹理图的示意图。请参照图6，左边为第一纹理图，右边为第二纹理图，第一纹理图的颜色深，第二纹理图的颜色浅，第一纹理图和第二纹理图的纹理方向如图中箭头所示，显然，该两个方向相互垂直(正交)。
假设预设的阈值包括0.1、0.33、0.5，则电子设备根据如下公式(2)进行纹理融合：
Figure BDA0002936924400000101
上述公式(2)中，Result表示纹理融合后的、第二素描图像中像素的像素值除以255后的值，Sketch表示第二素描图像中的像素的像素值除以255后的值，Mask1表示第一纹理图中像素的像素值除以255后的值，Mask2表示第二纹理图中像素的像素值除以255后的值。根据上述公式(2)确定出result后，用result乘以255，即可得到融合后的像素的像素值。
采用该种方案，电子设备合理的设置三个阈值，根据灰度图中各像素归一化的灰度值，将第二素描图像、第一纹理图和第二纹理图进行融合，以融入铅笔画纹理，使得第二素描图像的线条更流畅。
上述实施例中，当源图像为彩色图像时，得到上述的第一素描图像后，还能够进一步的得到第三素描图像，即彩铅素描。获取第三素描图像的过程中，电子设备根据所述第一素描图像中每个像素的像素值，确定所述第一素描图像中每个像素的权重，根据所述第一素描图像中每个像素的像素值、所述第一素描图像中每个像素的权重以及所述源图像中每个像素的像素值，对所述第一素描图像着色，得到第三素描图像。
示例性的，电子设备以第一素描图像和源图像为素材，通过设计分段函数，得到一个掩膜(mask)。基于掩膜对源图像和第一素描图像进行逐像素融合，从而对第一素描图像进行着色，得到第三铅笔画素描。
电子设备根据如下公式(3)确定分段函数：
Figure BDA0002936924400000111
上述公式(3)中，P[i][j]表示黑白铅笔画素中一个像素的像素值，取值范围为0-255的整数，i表示该像素在黑白铅笔画中的横坐标，j表示该像素在黑白铅笔画中的纵坐标，参数thresh例如为128等。上述的Mask value即为权重。
电子设备根据公式(4)，对源图像和第一素描图像进行逐像素融合：
image_color＝image_target×(1-Mask value)+image_src×mask value公式(4)。
图7是本公开实施例提供的图像处理方法中融合效果的效果曲线示意图。请参照图7，横轴为第一素描图像中像素的像素值，取值范围为0-255。纵轴为融合过程中的权重的取值，取值范围为0-1。该效果曲线为三段分段函数，整体连续，从融合效果上看：当第一素描图像中像素的像素值小于thresh时，第一素描图像中像素的权重较大，接近1，相应的源图像中对应像素的权重较小，且衰减缓慢。当第一素描图像中像素的像素值大于或等于thresh后，第一素描图像中像素的权重保持0.9不变，如图中像素值128-180部分。之后，当第一素描图像中像素的像素值大于180后，第一素描图像中像素的权重急剧下降，快速衰减到0。如此一来，能够较好的保持头发、眼球等部分的上色效果，其他白色高亮部分不受源图像的影响。
采用该种方案，对第一素描图像上色的同时，能够保证较好的上色效果。
上述着色过程中是以对第一素描图像进行着色为例进行讲解，然而，本公开实施例并不以此为限制，例如，着色过程中，也可以是对未添加纹理的第二素描图像进行着色，或者，对添加纹理的第二素描图像进行着色。
图8A是本公开实施例提供的图像处理方法中着色的过程示意图。请参照图8A，从左到右依次为源图像(彩色)、第一素描图像和第三素描图像。
图8B是本公开实施例提供的图像处理方法中着色的过程示意图。请参照图8A，从左到右依次为源图像(彩色)、第一素描图像、第二素描图像和第三素描图像。
另外，上述的图像处理方法还可以变形为另一种方法。示例性的，请参照图9。
图9是本申请实施例提供的图像处理方法的流程图。本实施例的执行主体为电子设备，该电子设备例如为上述图1中的终端设备或服务器。本实施例包括：
201、获取源图像。
202、基于所述源图像，生成R通道图像、G通道图像和B通道图像。
示例性的，电子设备对源图像进行RGB通道分离，将源图像拆分为三个RGB三个通道，分别表示为：R通道图像(img_r)、G通道图像(img_g)和B通道图像(img_b)。
203、对所述R通道图像进行高斯模糊，得到R通道高斯模糊图，对所述G通道图像进行高斯模糊，得到G通道高斯模糊图，对所述B通道图像进行高斯模糊，得到B通道高斯模糊图。
示例性的，电子设备根据高斯卷积等确定RGB各自高斯模糊对应的高斯核(kernel)，使用高斯kernel对R通道图像(img_r)进行高斯模糊，得到R通道高斯模糊图(r_blur)，对G通道图像进行高斯模糊，得到G通道高斯模糊图(g_blur)，对B通道图像进行高斯模糊，得到B通道高斯模糊图(b_blur)。
204、根据所述R通道图像和所述R通道高斯模糊图，得到R铅笔画素描图，根据所述G通道图像和所述G通道高斯模糊图，得到G铅笔画素描图，根据所述B通道图像和所述B通道高斯模糊图，得到B铅笔画素描图。
示例性的，R铅笔画素描图也可表示为r_target，G铅笔画素描图也可表示为g_target，B铅笔画素描图也可表示为b_target。电子设备采用dodge模式进行效果提取，即b_target＝(img_b/b_blur)×255，g_target＝(img_g/g_blur)×255，r_target＝(img_r/r_blur)×255。
205、融合所述R铅笔画素描图、所述G铅笔画素描图、所述B铅笔画素描图，得到彩铅素描。
示例性的，电子设备对b_target、g_target、r_target进行通道融合，得到最终的结果。
采用该种方案，电子设备通过RGB通道拆分，能够直接将彩色的源图像转换为彩色的铅笔素描，灵活性高。
对应于上文实施例的智能问答方法，图10为本公开实施例提供的一种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10，该图像处理装置100包括：获取模块11、灰度模块12、处理模块13和生成模块14。
获取模块11，用于获取源图像；
灰度模块12，用于基于所述源图像，生成灰度图；
处理模块13，用于对所述灰度图进行高斯模糊，得到高斯模糊图；
生成模块14，用于基于所述高斯模糊图和所述灰度图，生成所述源图像对应的第一素描图像。
图11为本公开实施例提供的另一种图像处理装置的结构框图。本实例提供的图像处理装置100在上述图10的基础上，还包括：
修正模块15，用于在所述生成模块14基于所述高斯模糊图和所述灰度图，生成所述源图像对应的第一素描图像之后，将所述源图像转换成色相饱和度明度HSV图，根据所述HSV图中像素的饱和度，从所述第一素描图像中确定出高亮区域，修正所述高亮区域得到第二素描图像。
在本公开的一个实施例中，所述修正模块15根据所述HSV图中像素的饱和度，从所述第一素描图像中确定出高亮区域时，用于确定所述HSV图像中归一化后饱和度超过预设阈值的像素，得到第一像素集合，根据所述第一像素集合，从所述第一素描图像中确定出第二像素集合，所述第一像素集合和所述第二像素集合中的像素一一对应，所述第二像素集合形成所述高亮区域；所述修正模块15修正所述高亮区域得到第二素描图像时，用于根据所述第一像素集合，从所述灰度图中确定出第三像素集合，所述第一像素集合和所述第三像素集合中的像素一一对应，对第二像素集合中的像素和第三像素集合中的对应像素进行加权融合，以修正所述第一素描图像得到所述第二素描图像。
在本公开的一个实施例中，所述修正模块15对第二像素集合中的像素和第三像素集合中的对应像素进行加权融合，以修正所述第一素描图像得到所述第二素描图像时，用于根据第一像素集合中第一像素归一化后的饱和度，确定第一权重，所述第一权重与所述第一像素归一化后的饱和度正相关，根据所述第一权重，确定第二权重，所述第二权重是预设值与所述第一权重的差值，根据所述第二像素集合中第二像素、所述第三像素集合中第三像素、所述第一权重、所述第二权重，确定加权融合后第四像素，将所述第一素描图像中的第二像素替换为所述第四像素，得到所述第二素描图像。
再请参照图11，在本公开的一个实施例中，上述的图像处理装置100还包括：
融合模块16，用于在所述修正模块15修正所述高亮区域得到第二素描图像之后，根据所述灰度图中像素的像素值，融合预设的纹理图和所述第二素描图像。
在本公开的一个实施例中，所述预设的纹理图包括第一纹理图和第二纹理图，所述第一纹理图的纹理和所述第二纹理图的纹理反向相互垂直，所述第一纹理图的纹理颜色深于所述第二纹理图的纹理颜色。
再请参照图11，在本公开的一个实施例中，上述的图像处理装置100还包括：着色模块17，用于在所述生成模块14基于所述高斯模糊图和所述灰度图，生成第一素描图像之后，根据所述第一素描图像中像素的像素值，确定所述第一素描图像中像素的权重，根据所述第一素描图像中各像素的像素值，确定所述第一素描图像中对应像素的着色权重，根据所述第一素描图像中各像素的像素值、着色权重以及所述源图像中对应像素的像素值，对所述第一素描图像着色，得到第三素描图像。
在本公开的一个实施例中，所述生成模块14，用于根据所述灰度图中像素的像素值和所述高斯模糊图中像素的像素值，确定所述第一素描图像中像素的像素值，所述灰度图、所述高斯模糊图和所述第一素描图像的尺寸相同，所述灰度图、所述高斯模糊图和所述第一素描图像中的像素一一对应，根据确定的所述第一素描图像中像素的像素值，生成所述第一素描图像。
在本公开的一个实施例中，上述的灰度模块12，用于对所述源图像进行降噪处理，将经过降噪处理的源图像转化为所述灰度图。
本实施例提供的装置，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。
图12为用来实现本公开实施例的电子设备的结构示意图，该电子设备200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(PortableAndroid Device，简称PAD)、便携式多媒体播放器(Portable Media Player，简称PMP)、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12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12所示，电子设备200可以包括处理装置(例如中央处理器、图形处理器等)201，其可以根据存储在只读存储器(Read Only Memory，简称ROM)202中的程序或者从存储装置208加载到随机访问存储器(Random Access Memory，简称RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中，还存储有电子设备200操作所需的各种程序和数据。处理装置201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
通常，以下装置可以连接至I/O接口205：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206；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207；包括例如磁带、硬盘等的存储装置208；以及通信装置202。通信装置202可以允许电子设备200与其他设备进行无线或有线通信以交换数据。虽然图12示出了具有各种装置的电子设备200，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202从网络上被下载和安装，或者从存储装置208被安装，或者从ROM202被安装。在该计算机程序被处理装置201执行时，执行本公开实施例的方法中限定的上述功能。
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。
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，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
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，提供了一种图像处理方法，包括：获取源图像；基于所述源图像，生成灰度图；对所述灰度图进行高斯模糊，得到高斯模糊图；基于所述高斯模糊图和所述灰度图，生成所述源图像对应的第一素描图像。
根据本公开的一个或多个实施例，所述基于所述高斯模糊图和所述灰度图，生成第一素描图像之后，还包括：将所述源图像转换成色相饱和度明度HSV图；根据所述HSV图中像素的饱和度，从所述第一素描图像中确定出高亮区域；修正所述高亮区域得到第二素描图像。
根据本公开的一个或多个实施例，根据所述HSV图中像素的饱和度，从所述第一素描图像中确定出高亮区域，包括：确定所述HSV图像中归一化后饱和度超过预设阈值的像素，得到第一像素集合；根据所述第一像素集合，所述第一素描图像中确定出第二像素集合，所述第一像素集合和所述第二像素集合中的像素一一对应，所述第二像素集合形成所述高亮区域；所述修正所述高亮区域得到第二素描图像，包括：根据所述第一像素集合，从所述灰度图中确定出第三像素集合，所述第一像素集合和所述第三像素集合中的像素一一对应；对第二像素集合中的像素和第三像素集合中的对应像素进行加权融合，以修正所述第一素描图像得到所述第二素描图像。
根据本公开的一个或多个实施例，所述对第二像素集合中的像素和第三像素集合中的对应像素进行加权融合，以修正所述第一素描图像得到所述第二素描图像，包括：根据第一像素集合中第一像素归一化后的饱和度，确定第一权重，所述第一权重与所述第一像素归一化后的饱和度正相关；根据所述第一权重，确定第二权重，所述第二权重是预设值与所述第一权重的差值；根据所述第二像素集合中第二像素、所述第三像素集合中第三像素、所述第一权重、所述第二权重，确定加权融合后第四像素；将所述第一素描图像中的第二像素替换为所述第四像素，得到所述第二素描图像。
根据本公开的一个或多个实施例，所述修正所述高亮区域得到第二素描图像之后，还包括：根据所述灰度图中像素的像素值，融合预设的纹理图和所述第二素描图像。
根据本公开的一个或多个实施例，所述预设的纹理图包括第一纹理图和第二纹理图，所述第一纹理图的纹理和所述第二纹理图的纹理反向相互正交，所述第一纹理图的纹理颜色深于所述第二纹理图的纹理颜色。
根据本公开的一个或多个实施例，所述基于所述高斯模糊图和所述灰度图，生成第一素描图像之后，还包括：根据所述第一素描图像中像素的像素值，确定所述第一素描图像中像素的权重；根据所述第一素描图像中各像素的像素值，确定所述第一素描图像中对应像素的着色权重；根据所述第一素描图像中各像素的像素值、着色权重以及所述源图像中对应像素的像素值，对所述第一素描图像着色，得到第三素描图像。
根据本公开的一个或多个实施例，所述
基于所述高斯模糊图和所述灰度图，生成第一素描图像，包括：根据所述灰度图中像素的像素值和所述高斯模糊图中像素的像素值，确定所述第一素描图像中像素的像素值，所述灰度图、所述高斯模糊图和所述第一素描图像的尺寸相同，所述灰度图、所述高斯模糊图和所述第一素描图像中的像素一一对应；根据确定的所述第一素描图像中像素的像素值，生成所述第一素描图像。
根据本公开的一个或多个实施例，所述将所述源图像转换成灰度图，包括：对所述源图像进行降噪处理；将经过降噪处理的源图像转化为所述灰度图。
第二方面，根据本公开的一个或多个实施例，提供一种图像处理装置，包括：
获取模块，用于获取源图像；
灰度模块，用于基于所述源图像，生成灰度图；
处理模块，用于对所述灰度图进行高斯模糊，得到高斯模糊图；
生成模块，用于基于所述高斯模糊图和所述灰度图，生成所述源图像对应的第一素描图像。
根据本公开的一个或多个实施例，上述的装置还包括：修正模块，用于在所述生成模块基于所述高斯模糊图和所述灰度图，生成所述源图像对应的第一素描图像之后，将所述源图像转换成色相饱和度明度HSV图，根据所述HSV图中像素的饱和度，从所述第一素描图像中确定出高亮区域，修正所述高亮区域得到第二素描图像。
根据本公开的一个或多个实施例，
所述修正模块在根据所述HSV图中像素的饱和度，从所述第一素描图像中确定出高亮区域时，用于确定所述HSV图像中归一化后饱和度超过预设阈值的像素，得到第一像素集合，根据所述第一像素集合，从所述第一素描图像中确定出第二像素集合，所述第一像素集合和所述第二像素集合中的像素一一对应，所述第二像素集合形成所述高亮区域；
所述修正模块修正所述高亮区域得到第二素描图像时，用于根据所述第一像素集合，从所述灰度图中确定出第三像素集合，所述第一像素集合和所述第三像素集合中的像素一一对应，对第二像素集合中的像素和第三像素集合中的对应像素进行加权融合，以修正所述第一素描图像得到所述第二素描图像。
根据本公开的一个或多个实施例，所述修正模块对第二像素集合中的像素和第三像素集合中的对应像素进行加权融合，以修正所述第一素描图像得到所述第二素描图像时，用于根据第一像素集合中第一像素归一化后的饱和度，确定第一权重，所述第一权重与所述第一像素归一化后的饱和度正相关，根据所述第一权重，确定第二权重，所述第二权重是预设值与所述第一权重的差值，根据所述第二像素集合中第二像素、所述第三像素集合中第三像素、所述第一权重、所述第二权重，确定加权融合后第四像素，将所述第一素描图像中的第二像素替换为所述第四像素，得到所述第二素描图像。
根据本公开的一个或多个实施例，上述的装置还包括：融合模块，用于在所述修正模块修正所述高亮区域得到第二素描图像之后，根据所述灰度图中像素的像素值，融合预设的纹理图和所述第二素描图像。
根据本公开的一个或多个实施例，所述预设的纹理图包括第一纹理图和第二纹理图，所述第一纹理图的纹理和所述第二纹理图的纹理反向相互垂直，所述第一纹理图的纹理颜色深于所述第二纹理图的纹理颜色。
根据本公开的一个或多个实施例，上述的装置还包括：着色模块，用于在所述生成模块基于所述高斯模糊图和所述灰度图，生成第一素描图像之后，根据所述第一素描图像中像素的像素值，确定所述第一素描图像中像素的权重，根据所述第一素描图像中各像素的像素值，确定所述第一素描图像中对应像素的着色权重，根据所述第一素描图像中各像素的像素值、着色权重以及所述源图像中对应像素的像素值，对所述第一素描图像着色，得到第三素描图像。
根据本公开的一个或多个实施例，所述生成模块，用于根据所述灰度图中像素的像素值和所述高斯模糊图中像素的像素值，确定所述第一素描图像中像素的像素值，所述灰度图、所述高斯模糊图和所述第一素描图像的尺寸相同，所述灰度图、所述高斯模糊图和所述第一素描图像中的像素一一对应，根据确定的所述第一素描图像中像素的像素值，生成所述第一素描图像。
根据本公开的一个或多个实施例，所述灰度模块，用于对所述源图像进行降噪处理，将经过降噪处理的源图像转化为所述灰度图。
第三方面，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所述的图像处理方法。
第四方面，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，实现如上所述的图像处理方法。
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 (13)

1.一种图像处理方法，其特征在于，包括：
获取源图像；
将所述源图像转换成灰度图；
对所述灰度图进行高斯模糊，得到高斯模糊图；
基于所述高斯模糊图和所述灰度图，生成所述源图像对应的第一素描图像。
2.根据权利要求1所述的方法，其特征在于，所述基于所述高斯模糊图和所述灰度图，生成第一素描图像之后，还包括：
将所述源图像转换成色相饱和度明度HSV图；
根据所述HSV图中像素的饱和度，从所述第一素描图像中确定出高亮区域；
修正所述高亮区域得到第二素描图像。
3.根据权利要求2所述的方法，其特征在于，所述根据所述HSV图中像素的饱和度，从所述第一素描图像中确定出高亮区域，包括：
确定所述HSV图像中归一化后饱和度超过预设阈值的像素，得到第一像素集合；
根据所述第一像素集合，从所述第一素描图像中确定出第二像素集合，所述第一像素集合和所述第二像素集合中的像素一一对应，所述第二像素集合形成所述高亮区域；
所述修正所述高亮区域得到第二素描图像，包括：
根据所述第一像素集合，从所述灰度图中确定出第三像素集合，所述第一像素集合和所述第三像素集合中的像素一一对应；
对第二像素集合中的像素和第三像素集合中的对应像素进行加权融合，以修正所述第一素描图像得到所述第二素描图像。
4.根据权利要求3所述的方法，其特征在于，所述对第二像素集合中的像素和第三像素集合中的对应像素进行加权融合，以修正所述第一素描图像得到所述第二素描图像，包括：
根据第一像素集合中第一像素归一化后的饱和度，确定第一权重，所述第一权重与所述第一像素归一化后的饱和度正相关；
根据所述第一权重，确定第二权重，所述第二权重是预设值与所述第一权重的差值；
根据所述第二像素集合中第二像素、所述第三像素集合中第三像素、所述第一权重、所述第二权重，确定加权融合后第四像素；
将所述第一素描图像中的第二像素替换为所述第四像素，得到所述第二素描图像。
5.根据权利要求2-4任一项所述的方法，其特征在于，所述修正所述高亮区域得到第二素描图像之后，还包括：
根据所述灰度图中像素的像素值，融合预设的纹理图和所述第二素描图像。
6.根据权利要求5所述的方法，其特征在于，所述预设的纹理图包括第一纹理图和第二纹理图，所述第一纹理图的纹理和所述第二纹理图的纹理反向相互正交，所述第一纹理图的纹理颜色深于所述第二纹理图的纹理颜色。
7.根据权利要求1-4任一项所述的方法，其特征在于，所述基于所述高斯模糊图和所述灰度图，生成第一素描图像之后，还包括：
根据所述第一素描图像中像素的像素值，确定所述第一素描图像中像素的权重；
根据所述第一素描图像中各像素的像素值，确定所述第一素描图像中对应像素的着色权重；
根据所述第一素描图像中各像素的像素值、着色权重以及所述源图像中对应像素的像素值，对所述第一素描图像着色，得到第三素描图像。
8.根据权利要求1-4任一项所述的方法，其特征在于，所述基于所述高斯模糊图和所述灰度图，生成第一素描图像，包括：
根据所述灰度图中像素的像素值和所述高斯模糊图中像素的像素值，确定所述第一素描图像中像素的像素值，所述灰度图、所述高斯模糊图和所述第一素描图像的尺寸相同，所述灰度图、所述高斯模糊图和所述第一素描图像中的像素一一对应；
根据确定的所述第一素描图像中像素的像素值，生成所述第一素描图像。
9.根据权利要求1-4任一项所述的方法，其特征在于，所述将所述源图像转换成灰度图，包括：
对所述源图像进行降噪处理；
将经过降噪处理的源图像转化为所述灰度图。
10.一种图像处理装置，其特征在于，包括：
获取模块，用于获取源图像；
灰度模块，用于基于所述源图像，生成灰度图；
处理模块，用于对所述灰度图进行高斯模糊，得到高斯模糊图；
生成模块，用于基于所述高斯模糊图和所述灰度图，生成所述源图像对应的第一素描图像。
11.一种电子设备，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9任一项所述的图像处理方法。
12.一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9任一项所述的图像处理方法。
13.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序在被处理器执行时实现如权利要求1至9任一项所述的方法。
CN202110164141.7A 2021-02-05 2021-02-05 图像处理方法、装置、设备及可读存储介质 Active CN112819691B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202110164141.7A CN112819691B (zh) 2021-02-05 2021-02-05 图像处理方法、装置、设备及可读存储介质
PCT/CN2022/075130 WO2022166907A1 (zh) 2021-02-05 2022-01-29 图像处理方法、装置、设备及可读存储介质
EP22749186.7A EP4276733A4 (en) 2021-02-05 2022-01-29 IMAGE PROCESSING METHOD AND DEVICE AS WELL AS DEVICE AND READABLE STORAGE MEDIUM
JP2023547662A JP2024505713A (ja) 2021-02-05 2022-01-29 画像処理方法、装置、機器及び可読記憶媒体
US18/264,402 US20240046537A1 (en) 2021-02-05 2022-01-29 Image processing method and apparatus, device and readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110164141.7A CN112819691B (zh) 2021-02-05 2021-02-05 图像处理方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN112819691A true CN112819691A (zh) 2021-05-18
CN112819691B CN112819691B (zh) 2023-06-20

Family

ID=75861947

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110164141.7A Active CN112819691B (zh) 2021-02-05 2021-02-05 图像处理方法、装置、设备及可读存储介质

Country Status (5)

Country Link
US (1) US20240046537A1 (zh)
EP (1) EP4276733A4 (zh)
JP (1) JP2024505713A (zh)
CN (1) CN112819691B (zh)
WO (1) WO2022166907A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022166907A1 (zh) * 2021-02-05 2022-08-11 北京字跳网络技术有限公司 图像处理方法、装置、设备及可读存储介质
CN117474820A (zh) * 2023-10-12 2024-01-30 书行科技(北京)有限公司 图像处理方法、装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101587593A (zh) * 2009-06-19 2009-11-25 西安交通大学 一种基于真实图像素描风格化的方法
CN105528765A (zh) * 2015-12-02 2016-04-27 小米科技有限责任公司 处理图像的方法及装置
CN107170032A (zh) * 2017-03-23 2017-09-15 南京信息工程大学 基于线性素描图像的力渲染方法
CN107864337A (zh) * 2017-11-30 2018-03-30 广东欧珀移动通信有限公司 素描图像处理方法、装置及设备
CN108682040A (zh) * 2018-05-21 2018-10-19 努比亚技术有限公司 一种素描图像生成方法、终端及计算机可读存储介质
CN109300099A (zh) * 2018-08-29 2019-02-01 努比亚技术有限公司 一种图像处理方法、移动终端及计算机可读存储介质
CN109741243A (zh) * 2018-12-27 2019-05-10 深圳云天励飞技术有限公司 彩色素描图像生成方法及相关产品
US20200320756A1 (en) * 2019-04-02 2020-10-08 Adobe Inc. Automatic illustrator guides

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2445677C1 (ru) * 2010-09-13 2012-03-20 Корпорация "САМСУНГ ЭЛЕКТРОНИКС Ко., Лтд." Способ черновой печати посредством преобразования растровых изображений в эскизы (варианты)
CN103021002B (zh) * 2011-09-27 2016-05-04 康佳集团股份有限公司 彩色素描图像生成方法
CN112819691B (zh) * 2021-02-05 2023-06-20 北京字跳网络技术有限公司 图像处理方法、装置、设备及可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101587593A (zh) * 2009-06-19 2009-11-25 西安交通大学 一种基于真实图像素描风格化的方法
CN105528765A (zh) * 2015-12-02 2016-04-27 小米科技有限责任公司 处理图像的方法及装置
CN107170032A (zh) * 2017-03-23 2017-09-15 南京信息工程大学 基于线性素描图像的力渲染方法
CN107864337A (zh) * 2017-11-30 2018-03-30 广东欧珀移动通信有限公司 素描图像处理方法、装置及设备
CN108682040A (zh) * 2018-05-21 2018-10-19 努比亚技术有限公司 一种素描图像生成方法、终端及计算机可读存储介质
CN109300099A (zh) * 2018-08-29 2019-02-01 努比亚技术有限公司 一种图像处理方法、移动终端及计算机可读存储介质
CN109741243A (zh) * 2018-12-27 2019-05-10 深圳云天励飞技术有限公司 彩色素描图像生成方法及相关产品
US20200320756A1 (en) * 2019-04-02 2020-10-08 Adobe Inc. Automatic illustrator guides

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
朱璎: "阴道镜图像数据管理与分析" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022166907A1 (zh) * 2021-02-05 2022-08-11 北京字跳网络技术有限公司 图像处理方法、装置、设备及可读存储介质
CN117474820A (zh) * 2023-10-12 2024-01-30 书行科技(北京)有限公司 图像处理方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
WO2022166907A1 (zh) 2022-08-11
US20240046537A1 (en) 2024-02-08
CN112819691B (zh) 2023-06-20
JP2024505713A (ja) 2024-02-07
EP4276733A4 (en) 2023-11-22
EP4276733A1 (en) 2023-11-15

Similar Documents

Publication Publication Date Title
CN112989904B (zh) 风格图像生成方法、模型训练方法、装置、设备和介质
CN110378846B (zh) 一种处理图像磨皮的方法、装置、介质和电子设备
CN111784568A (zh) 人脸图像处理方法、装置、电子设备及计算机可读介质
WO2022166907A1 (zh) 图像处理方法、装置、设备及可读存储介质
US20240095981A1 (en) Video generation method and apparatus, device and readable storage medium
CN110069974B (zh) 高光图像处理方法、装置和电子设备
CN110070495B (zh) 图像的处理方法、装置和电子设备
CN111757100B (zh) 相机运动变化量的确定方法、装置、电子设备和介质
CN111583103A (zh) 人脸图像处理方法、装置、电子设备及计算机存储介质
CN113610720A (zh) 视频去噪方法及装置、计算机可读介质和电子设备
CN113989396A (zh) 图片渲染方法、装置、设备、存储介质和程序产品
CN113989717A (zh) 视频图像处理方法、装置、电子设备及存储介质
CN113742025A (zh) 页面生成方法、装置、设备和存储介质
CN115330925A (zh) 图像渲染方法、装置、电子设备及存储介质
CN114511580A (zh) 图像处理方法、装置、设备及存储介质
CN113724282A (zh) 图像处理方法和相关产品
CN114422698A (zh) 视频生成方法、装置、设备及存储介质
CN115953597B (zh) 图像处理方法、装置、设备及介质
CN110097520B (zh) 图像处理方法和装置
CN110555799A (zh) 用于处理视频的方法和装置
CN111833262A (zh) 图像降噪方法、装置及电子设备
CN111784726A (zh) 人像抠图方法和装置
CN113256785B (zh) 图像处理方法、装置、设备及介质
CN115272061A (zh) 特效视频的生成方法、装置、设备及存储介质
CN111415393B (zh) 一种调节多媒体黑板显示的方法、装置、介质和电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant