CN113096231B - 一种图像处理方法、装置、电子设备及存储介质 - Google Patents

一种图像处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113096231B
CN113096231B CN202110291538.2A CN202110291538A CN113096231B CN 113096231 B CN113096231 B CN 113096231B CN 202110291538 A CN202110291538 A CN 202110291538A CN 113096231 B CN113096231 B CN 113096231B
Authority
CN
China
Prior art keywords
image
processed
area image
pixel point
human body
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.)
Active
Application number
CN202110291538.2A
Other languages
English (en)
Other versions
CN113096231A (zh
Inventor
何立伟
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 Dajia Internet Information Technology Co Ltd
Original Assignee
Beijing Dajia Internet Information 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 Dajia Internet Information Technology Co Ltd filed Critical Beijing Dajia Internet Information Technology Co Ltd
Priority to CN202110291538.2A priority Critical patent/CN113096231B/zh
Publication of CN113096231A publication Critical patent/CN113096231A/zh
Application granted granted Critical
Publication of CN113096231B publication Critical patent/CN113096231B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/50—Lighting effects
    • G06T15/506—Illumination models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • 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)
  • Computer Graphics (AREA)
  • Image Processing (AREA)

Abstract

本公开关于一种图像处理方法、装置、电子设备及存储介质，涉及图像处理技术领域。该方法包括：获取待处理人体图像；识别该待处理人体图像，以确定该待处理人体图像中的人脸关键点的位置和第一待处理区域图像；将该人脸关键点的位置确定为该待处理人体图像中接收投射光线的终点位置；根据该终点位置和目标位置，确定该第一待处理区域图像的光强分布；混合该待处理人体图像和该第一待处理区域图像的光强分布，以得到第一光照图像。根据本公开的方案，能够渲染出更加真实、自然的光效，并且能够提高渲染效率，提升渲染效果的稳定性。

Description

一种图像处理方法、装置、电子设备及存储介质
技术领域
本公开涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
目前，可以通过为待处理图像粘贴光效贴纸，模拟出光源照射到人体上的效果。具体的，首先识别出待处理图像中的人体部分，然后分别为该人体部分和其他部分(即该待处理图像中不包含人体部位的部分)粘贴不同的光效贴纸，即可得到光源照射到人体上的效果，即包含人体部分的光效图像。
但是，上述为人体部分和其他部分粘贴不同的光效贴纸的过程，只能区分出人体部分与其他部分之间的光效区别，可能不能真实、有效地呈现出光源照射到人体上的完整效果，无法满足用户对光效的需求水平。
发明内容
本公开提供一种图像处理方法、装置、电子设备及存储介质，解决了现有图像处理技术中无法真实、有效地呈现出光源照射到人体上的完整效果的技术问题。
本公开实施例的技术方案如下：
根据本公开实施例的第一方面，提供一种图像处理方法。该方法可以包括：获取待处理人体图像；识别该待处理人体图像，以确定该待处理人体图像中的人脸关键点的位置和第一待处理区域图像，该第一待处理区域图像包括目标对象的人体轮廓区域图像和/或该目标对象的背景区域图像，该背景区域图像为该待处理人体图像中除该目标对象的人体部位以外的区域图像；将该人脸关键点的位置确定为该待处理人体图像中接收投射光线的终点位置；根据该终点位置和该目标位置，确定该第一待处理区域图像的光强分布，该目标位置为该第一待处理区域图像中光照强度最大的像素点的位置，该第一待处理区域图像的光强分布用于表征该第一待处理区域图像内每一个像素点的光照强度；混合该待处理人体图像和该第一待处理区域图像的光强分布，以得到第一光照图像。
可选地，本公开实施例提供的图像处理方法还可以包括：识别该待处理人体图像，确定第二待处理区域图像，该第二待处理区域图像为该目标对象的人脸区域图像；为该人脸区域图像内的每一个像素点添加预设的光照强度，得到该人脸区域图像的光强分布；叠加该第一待处理区域图像的光强分布和该人脸区域图像的光强分布，以得到综合光强分布；混合该待处理人体图像和该综合光强分布，以得到第二光照图像。
可选地，上述根据该终点位置和目标位置，确定该第一待处理区域图像的光强分布具体包括：根据该终点位置、该目标位置以及第一像素点的位置，确定该第一像素点的光照强度的方向系数，该第一像素点为该第一待处理区域图像中的任一像素点；根据该终点位置和该第一像素点的位置，确定该人脸关键点与该第一像素点之间的相对距离；根据该方向系数、该相对距离、该第一像素点的像素值以及预设的光效距离系数，确定该第一像素点的光照强度，该光效距离系数用于表征该相对距离对该第一像素点的光照强度的影响程度。
可选地，上述根据该终点位置、该目标位置以及第一像素点的位置，确定该第一像素点的光照强度的方向系数具体包括：确定该方向系数满足下述公式：
其中，Rdir表示该方向系数，(Δx,Δy)表示该人脸关键点到该第一像素点的向量，(Δx',Δy')表示该人脸关键点到该第一待处理区域图像中光照强度最大的像素点的向量，|(Δx',Δy')|表示该人脸关键点与该光照强度最大的像素点之间的距离。
可选地，上述根据该方向系数、该相对距离、该第一像素点的像素值以及预设的光效距离系数，确定该第一像素点的光照强度具体包括：确定该第一像素点的光照强度满足下述公式：
其中，Intensity表示该第一像素点的光照强度，Rdir表示该第一像素点的光照强度的方向系数，Value表示该第一像素点的像素值，dis表示该人脸关键点与该第一像素点之间的相对距离，k1表示第一光效距离系数，k2表示第二光效距离系数，k3表示第三光效距离系数，k1＞0，k2＞0，k3＞0，该预设的光效距离系数包括该第一光效距离系数、该第二光效距离系数以及该第三光效距离系数。
可选地，识别该待处理人体图像，以确定第一待处理区域图像具体包括：识别该待处理人体图像，以获取到待处理初始区域图像；对该待处理初始区域图像进行向内腐蚀处理操作，得到腐蚀区域图像；对该腐蚀区域图像进行平滑处理操作，得到平滑区域图像；在该第一待处理区域图像为该人体轮廓区域图像的情况下，将该平滑区域图像与该腐蚀区域图像中对应位置像素点的像素点值做差，并将做差后的区域图像作为该待处理区域图像；在该第一待处理区域图像为该背景区域图像的情况下，将该平滑区域图像确定为该第一待处理区域图像。
可选地，上述平滑处理操作为高斯模糊操作。
根据本公开实施例的第二方面，提供一种图像处理装置。该装置可以包括：获取模块、确定模块以及处理模块；该获取模块，被配置为获取待处理人体图像；该确定模块，被配置为识别该待处理人体图像，以确定该待处理人体图像中的人脸关键点的位置和第一待处理区域图像，该第一待处理区域图像包括目标对象的人体轮廓区域图像和/或该目标对象的背景区域图像，该背景区域图像为该待处理人体图像中除该目标对象的人体部位以外的区域图像；该处理模块，被配置为将该人脸关键点的位置确定为该待处理人体图像中接收投射光线的终点位置；该确定模块，还被配置为根据该终点位置和目标位置，确定该第一待处理区域图像的光强分布，该目标位置为该第一待处理区域图像中光照强度最大的像素点的位置，该第一待处理区域图像的光强分布用于表征该第一待处理区域图像内每一个像素点的光照强度；该处理模块，还被配置为混合该待处理人体图像和该第一待处理区域图像的光强分布，以得到第一光照图像。
可选地，该确定模块，还被配置为识别该待处理人体图像，确定第二待处理区域图像，该第二待处理区域图像为该目标对象的人脸区域图像；该处理模块，还被配置为该人脸区域图像内的每一个像素点添加预设的光照强度，得到该人脸区域图像的光强分布；该处理模块，还被配置为叠加该第一待处理区域图像的光强分布和该人脸区域图像的光强分布，以得到综合光强分布；该处理模块，还被配置为混合该待处理人体图像和该综合光强分布，以得到第二光照图像。
可选地，该确定模块，具体被配置为根据该终点位置、该目标位置以及第一像素点的位置，确定该第一像素点的光照强度的方向系数，该第一像素点为该第一待处理区域图像中的任一像素点；该确定模块，具体还被配置为根据该终点位置和该第一像素点的位置，确定该人脸关键点与该第一像素点之间的相对距离；该确定模块，具体还被配置为根据该方向系数、该相对距离、该第一像素点的像素值以及预设的光效距离系数，确定该第一像素点的光照强度，该光效距离系数用于表征该相对距离对该第一像素点的光照强度的影响程度。
可选地，该确定模块，具体还被配置为确定该方向系数满足下述公式：
其中，Rdir表示该方向系数，(Δx,Δy)表示该人脸关键点到该第一像素点的向量，(Δx',Δy')表示该人脸关键点到该第一待处理区域图像中光照强度最大的像素点的向量，|(Δx',Δy')|表示该人脸关键点与该光照强度最大的像素点之间的距离。
可选地，该确定模块，具体还被配置为确定该第一像素点的光照强度满足下述公式：
其中，Intensity表示该第一像素点的光照强度，Rdir表示该第一像素点的光照强度的方向系数，Value表示该第一像素点的像素值，dis表示该虚拟光源与该第一像素点之间的相对距离，k1表示第一光效距离系数，k2表示第二光效距离系数，k3表示第三光效距离系数，k1＞0，k2＞0，k3＞0，该预设的光效距离系数包括该第一光效距离系数、该第二光效距离系数以及该第三光效距离系数。
可选地，该获取模块，还被配置识别该待处理人体图像，以获取到待处理初始区域图像；该处理模块，还被配置为对该待处理初始区域图像进行向内腐蚀处理操作，得到腐蚀区域图像；该处理模块，还被配置为对该腐蚀区域图像进行平滑处理操作，得到平滑区域图像；该处理模块，还被配置为在该第一待处理区域图像为该人体轮廓区域图像的情况下，将该平滑区域图像与该腐蚀区域图像中对应位置像素点的像素点值做差，并将做差后的区域图像作为该第一待处理区域图像；该处理模块，还被配置为在该第一待处理区域图像为该背景区域图像的情况下，将该平滑区域图像确定为该第一待处理区域图像。
可选地，上述平滑处理操作为高斯模糊操作。
根据本公开实施例的第三方面，提供一种电子设备，可以包括：处理器和被配置为存储处理器可执行指令的存储器；其中，处理器被配置为执行所述指令，以实现上述第一方面中任一种可选地图像处理方法。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，计算机可读存储介质上存储有指令，当该计算机可读存储介质中的指令由电子设备执行时，使得该电子设备能够执行上述第一方面中任一种可选地图像处理方法。
根据本公开实施例的第五方面，提供一种计算机程序产品，该计算机程序产品包括计算机指令，当该计算机指令在电子设备上运行时，使得该电子设备执行如第一方面中任一种可选地图像处理方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
基于上述任一方面，本公开中，由于图像处理装置通过获取并识别待处理人体图像可以确定出第一待处理区域图像(包括目标对象的人体轮廓区域图像和/或该目标对象的背景区域图像)和人脸关键的位置；然后根据该待处理人体图像中接收投射光线的终点位置(即人脸关键点的位置)和目标位置(即该第一待处理区域图像中光照强度最大的像素点的位置)，确定出该第一待处理区域图像的光强分布，并且混合该待处理人体图像和该第一待处理区域图像的光强分布，得到第一光照图像。如此，根据本公开的方案，可以得到包含第一待处理区域图像的光强分布的光照图像，能够渲染出更加真实、自然的光效，并且能够提高渲染效率，提升渲染效果的稳定性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1示出了本公开实施例提供的一种图像处理方法的流程示意图；
图2示出了本公开实施例提供的又一种图像处理方法的流程示意图；
图3示出了本公开实施例提供的又一种图像处理方法的流程示意图；
图4示出了本公开实施例提供的又一种图像处理方法的流程示意图；
图5示出了本公开实施例提供的一种光效分布示意图；
图6示出了本公开实施例提供的又一种光效分布示意图；
图7示出了本公开实施例提供的一种图像处理装置的结构示意图；
图8示出了本公开实施例提供的又一种图像处理装置的结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
还应当理解的是，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素和/或组件的存在或添加。
本公开所涉及的数据可以为经用户授权或者经过各方充分授权的数据。
下面对本公开实施例所涉及的一些概念做解释说明。
图像腐蚀：属于形态学操作，类似于“领域被蚕食”，将图像中的高亮区域或白色部分进行缩减细化，其运行结果图比原图的高亮区域更小。本公开实施例中，电子设备可以对待处理初始区域图像进行向内腐蚀操作，得到腐蚀区域图像。
高斯模糊：也称为高斯平滑，在图像处理领域用于减少图像噪声以及降低细节层次等。从数学的角度来讲，图像的高斯模糊操作过程是图像与正态分布(或高斯分布)做卷积的过程；由于高斯函数的傅里叶变换是另外一个高斯函数，因此高斯模糊对于图像而言也可以理解为一个低通滤波器，该低通滤波器可以对图像进行平滑去噪处理。本公开实施例中，电子设备可以对腐蚀区域图像进行高斯模糊操作，得到模糊区域图像。
如背景技术中所描述，由于现有技术中，通过粘贴不同的光效贴着只能区分出人体部分与其他部分之间的光效区别，可能不能真实、有效地呈现出光源照射到人体上的完整效果，无法满足用户对光效的需求水平。
基于此，本公开实施例提供一种图像处理方法，由于图像处理装置通过获取并识别待处理人体图像可以确定出第一待处理区域图像(包括目标对象的人体轮廓区域图像和/或该目标对象的背景区域图像)和人脸关键的位置；然后根据该待处理人体图像中接收投射光线的终点位置(即人脸关键点的位置)和目标位置(即该第一待处理区域图像中光照强度最大的像素点的位置)，确定出该第一待处理区域图像的光强分布，并且混合该待处理人体图像和该第一待处理区域图像的光强分布，得到第一光照图像。如此，根据本公开的方案，可以得到包含第一待处理区域图像的光强分布的光照图像，能够渲染出更加真实、自然的光效，并且能够提高渲染效率，提升渲染效果的稳定性。
本公开实施例提供的图像处理方法、装置、电子设备及存储介质，应用于需要对某一待处理人体图像进行图像处理的场景中。当电子设备获取到该待处理人体图像时，可以依据本公开实施例提供的方法，得到虚拟光源照射到该待处理人体图像上的效果，即得到光照图像。
以下结合附图对本公开实施例提供的图像处理方法进行示例性说明：
可以理解的是，执行本公开实施例提供的图像处理方法的电子设备可以是手机、平板电脑、桌面型、膝上型、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobilepersonal computer，UMPC)、上网本，以及蜂窝电话、个人数字助理(personal digitalassistant，PDA)、增强现实(augmented reality，AR)\虚拟现实(virtual reality，VR)设备等可以安装并使用内容社区应用(如快手)的设备，本公开对电子设备的具体形态不作特殊限制。其可以与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互。
如图1所示，本公开实施例提供的图像处理方法可以包括S101-S105。
S101、获取待处理人体图像。
应理解，待处理人体图像为包含目标对象的人体部位的图像。
S102、识别待处理人体图像，以确定待处理人体图像中的人脸关键点的位置和第一待处理区域图像。
其中，第一待处理区域图像包括目标对象的人体轮廓区域图像和/或该目标对象的背景区域图像，该背景区域图像为该待处理人体图像中出该目标对象的人体的部位以外的区域图像。
在本公开实施例的一种实现方式中，图像处理装置可以根据机器学习算法，基于该待处理人体图像中包括的五官的特征，确定该人脸关键点的位置。可选地，该人脸关键点的位置可以为该待处理人体图像中包括的鼻梁的中间点的位置。
S103、将人脸关键点的位置确定为待处理人体图像中接收投射光线的终点位置。
可以理解的是，将该人脸关键点的位置确定为该待处理人体图像中接收投射光线的终点位置可以模拟出光源照射到该待处理人体图像的状态。
S104、根据终点位置和目标位置，确定第一待处理区域图像的光强分布。
其中，该目标位置为该第一待处理区域图像中光照强度最大的像素点的位置，该第一待处理区域图像的光强分布用于表征该第一待处理区域图像内每一个像素点的光照强度。
应理解，该第一待处理区域图像中可以包括多个像素点(也可理解为多个渲染点)，该多个像素点各自的光照强度的组合即为该待处理区域图像的光强分布。
S105、混合待处理人体图像和第一待处理区域图像的光强分布，以得到第一光照图像。
可以理解的是，电子设备在得到上述第一待处理区域图像的光强分布之后，可以混合该第一待处理区域图像的光强分布与该待处理人体图像，以得到该第一光照强度。
上述实施例提供的技术方案至少能够带来以下有益效果：由S101-S105可知，由于图像处理装置通过获取并识别待处理人体图像可以确定出第一待处理区域图像(包括目标对象的人体轮廓区域图像和/或该目标对象的背景区域图像)和人脸关键的位置；然后根据该待处理人体图像中接收投射光线的终点位置(即人脸关键点的位置)和目标位置(即该第一待处理区域图像中光照强度最大的像素点的位置)，确定出该第一待处理区域图像的光强分布，并且混合该待处理人体图像和该第一待处理区域图像的光强分布，得到第一光照图像。如此，根据本公开的方案，可以得到的包含第一待处理区域图像的光强分布的光照图像，能够渲染出更加真实、自然的光效，并且能够提高渲染效率，提升渲染效果的稳定性。
结合图1，如图2所示，本公开实施例提供的图像处理方法还可以包括：S106-S109。
S106、识别待处理图像，确定第二待处理区域图像。
其中，该第二待处理区域图像为上述目标对象的人脸区域图像。
S107、为人脸区域图像内的每一个像素点添加预设的光照强度，得到人脸区域图像的光强分布。
可选地，图像处理装置可以为该人脸区域图像中的每一个像素点添加相同的光照强度，即该人脸区域图像中的每一个像素点的光照强度可以相同。
S108、叠加第一待处理区域图像的光强分布和人脸区域图像的光强分布，以得到综合光强分布。
本公开实施例中，图像处理装置在得到该人脸区域图像的光强分布以及上述第一待处理区域图像的光强分布之后，可以叠加该人脸区域图像的光强分布和该第一待处理区域图像的光强分布，以得到该综合光强分布。
S109、混合待处理人体图像和综合光强分布，以得到第二光照图像。
可以理解的是，该第二光照图像是包括待处理人体图像、第一待处理区域图像的光强分布以及人脸区域图像的光强分布的光照图像。
上述实施例提供的技术方案至少能够带来以下有益效果：由S106-S109可知，图像处理装置可以识别待处理人体图像，确定出第二待处理区域图像(即人脸区域图像)，并且为该人脸区域图像中的每一个像素点添加预设的光照强度，得到该人脸区域图像的光强分布；然后该图像处理装置叠加第一待处理区域图像的光强分布和该人脸区域图像的光强分布，得到综合光强分布，并且混合该待处理人体图像和该综合光强分布，得到第二光照图像。本公开实施例中，由于该第二光照强度图像为包括了待处理人体图像、第一待处理区域图像的光强分布以及人脸区域图像的光强分布的光照图像，因此本公开实施例提供的方案能够渲染出更加自然、全面的光效，提升了光效渲染的多样性。
结合图1，如图3所示，在本公开实施例的一种实现方式中，上述S104具体包括S1041-S1043。
S1041、根据终点位置、目标位置以及第一像素点的位置，确定第一像素点的光照强度的方向系数。
其中，第一像素点为第一待处理区域图像中的任一像素点。
结合上述实施例的描述，应理解，该终点位置具体为上述待处理人体图像中接收投射光线的终点位置，即上述人脸关键点的位置。该目标位置为上述第一待处理区域图像中光照强度最大的像素点的位置。
S1042、根据终点位置和第一像素点的位置，确定人脸关键点与该第一像素点之间的相对距离。
需要说明的是，本公开实施例不限制上述S1041与S1042的执行顺序。例如，可以先执行S1041后执行S1042，或者可以先执行S1042后执行S1041，或者可以同时执行S1041和S1042，为了方便说明，图3中以先执行S1041后执行S1043进行示例。
S1043、根据方向系数、相对距离、第一像素点的像素值以及预设的光效距离系数，确定第一像素点的光照强度。
其中，该光效距离系数用于表征该相对距离对该第一像素点的光照强度的影响程度。
应理解，该方向系数为该第一像素点的光照强度的方向系数，该相对距离为该人脸关键点与该第一像素点之间的相对距离。
上述实施例提供的技术方案至少能够带来以下有益效果：由S1041-S1043可知，图像处理装置可以根据终点位置、目标位置以及第一像素点的位置，确定该第一像素点的光照强度的方向系数；还可以根据该终点位置和该第一像素点的位置，确定人脸关键点与该第一像素点之间的相对距离；并且可以根据该方向系数、该相对距离、第一像素点的像素值以及预设的光效系数，确定该第一像素点的光照强度，进而可以确定该第一待处理区域图像的光强分布。本公开实施例提供的方案，能够提升第一待处理区域图像中各个像素点的光照强度的确定效率，进而提升确定该第一待处理区域图像的光强分布的效率。
在本公开实施例的一种实现方式中，上述S1041具体包括：
确定上述第一像素点的光照强度的方向系数满足下述公式：
其中，Rdir表示该方向系数，(Δx,Δy)表示该人脸关键点到该第一像素点的向量，(Δx',Δy')表示该人脸关键点到该第一待处理区域图像中光照强度最大的像素点的向量，|(Δx',Δy')|表示该人脸关键点与该光照强度最大的像素点之间的距离。
应理解，图像处理装置可以根据上述终点位置和第一像素点的位置，确定该人脸关键点到该第一像素点的向量，并且可以根据该终点位置和上述目标位置，确定该人脸关键点到该第一待处理区域图像中光照强度最大的像素点的向量，以及该人脸关键点与该光照强度最大的像素点之间的距离。
上述实施例提供的技术方案至少能够带来以下有益效果：图像处理装置可以根据终点位置、目标位置以及第一像素点的位置确定人脸关键点到该第一像素点的向量、该人脸关键点到该第一待处理区域图像中光照强度最大的像素点的向量以及该人脸关键点到该光照强度最大的像素点之间的距离，进而基于上述公式确定出该第一像素点的光照强度的方向系数，能够准确、合理地确定出第一待处理区域图像中每一个像素点的光照强度的方向系数，进而能够提升第一待处理区域图像的光强分布的确定效率。
在本公开实施例的一种实现方式中，上述S1042具体包括：
确定上述人脸关键点与第一像素点之间的相对距离满足下述公式：
dis＝|(Δx,Δy)|
其中，dis表示该人脸关键点与该第一像素点之间的相对距离，(Δx,Δy)表示该人脸关键点到该第一像素点的向量。
应理解，图像处理装置可以根据上述终点位置和第一像素点的位置确定该人脸关键点与该第一像素点之间的相对距离。
在本公开实施例的一种实现方式中，上述S1043具体包括：
确定上述第一像素点的光照强度满足下述公式：
其中，Intensity表示第一像素点的光照强度，Rdir表示第一像素点的光照强度的方向系数，Value表示第一像素点的像素值，dis表示人脸关键点与第一像素点之间的相对距离，k1表示第一光效距离系数，k2表示第二光效距离系数，k3表示第三光效距离系数，k1＞0，k2＞0，k3＞0。
具体的，上述预设的光效距离系数中包括该第一光效距离系数，该第二光效距离系数以及该第三光效距离系数。
可选地，上述第一光效距离系数可以为常数；该第二光效系数可以使得距离人脸关键点较近的像素点的光照强度变化较快，而使得距离该人脸关键点较远的像素点的光照强度变化较慢；该第三光效系数可以使得距离该人脸关键点较远的像素点的光照强度变化较快，而使得距离人脸关键点较近的像素点的光照强度变换较慢。
至此，可以基于上述公式确定出第一待处理区域图像内每一个像素点的光照强度，即得到该第一待处理区域图像的光强分布。
上述实施例提供的技术方案至少能够带来以下有益效果：图像处理装置可以根据第一像素的光照强度的方向系数、该第一像素的像素值、人脸关键点与该第一像素点之间的相对距离以及预设的光效距离系数(具体包括第一光效距离系数、第二光效距离系数以及第三光效距离系数)，基于上述公式确定出该第一像素点的光照强度，能够准确、合理地确定出第一待处理区域图像中每一个像素点的光照强度，进而提升光照图像的确定效率。
结合图1，如图4所示，上述S102(具体为S102中的识别待处理图像，以确定待处理区域图像)具体包括S1021-S1025。
S1021、识别待处理人体图像，以获取到待处理初始区域图像。
可选地，图像处理装置可以根据机器学习算法，识别该待处理人体图像。
应理解，该待处理初始区域图像可以为该待处理人体图像中的原始部分区域，例如该待处理人体图像中的目标对象的人体区域，可以理解为人体区域图像。在一种实现方式中，该人体区域图像可以以人体mask的形式存在。
S1022、对待处理初始区域图像进行向内腐蚀处理操作，得到腐蚀区域图像。
应理解，该向内腐蚀处理操作的解释说明与上述图像腐蚀的概念解释是相同或类似的，此处不再赘述。
S1023、对腐蚀区域图像进行平滑处理操作，得到平滑区域图像。
S1024、在第一待处理区域图像为人体轮廓区域图像的情况下，将平滑区域图像与腐蚀区域图像中对应位置像素点的像素点值做差，并将做差后的区域图像作为第一待处理区域图像。
应理解，该平滑区域图像和该腐蚀区域图像中均可以包括多个像素点，本公开实施例中，可以基于该多个像素点中，各个像素点在该平滑区域图像中的像素点值与该各个像素点在该腐蚀区域图像中的像素点值得到的多个差值确定该待处理区域图像，该多个差值用于确定待处理人体图像中的轮廓部分(即人体轮廓区域图像)。
可选地，人体轮廓中可以包括目标对象的其他部位的轮廓，例如头部轮廓、手臂轮廓等。本公开实施例中，在第一待处理区域图像为头部轮廓区域图像或者手臂轮廓区域图像的情况下，也可以基于上述S1024中的描述，确定第一待处理区域图像。应理解，该头部轮廓区域图像或者手臂轮廓区域图像的光强分布的确定(或计算)方式与上述人体轮廓区域图像的光强分布的确定方式是相同的，不同的是，可以为不同轮廓区域图像(即头部轮廓区域图像或者手臂轮廓区域图像等)配置不同的光效距离系数。
示例性的，如图5所示，图5中的(a)、(b)以及(c)分别为待处理人体图像示意图、目标对象的人体轮廓区域图像的光强分布示意图，以及头部轮廓区域图像与人脸区域图像的光强分布结合示意图(即同时包括了头部轮廓区域图像的光强分布和人脸区域图像的光强分布)。
S1025、在第一待处理区域图像为背景区域图像的情况下，将平滑区域图像确定为待处理区域图像。
应理解，上述S1024中为了确定出人体轮廓区域图像，图像处理装置需要确定出平滑区域图像和腐蚀区域图像中多个像素点的差值。本公开实施例中，在第一待处理区域图像为背景区域图像时，图像处理装置可以直接将平滑区域图像确定为第一待处理区域图像。
示例性的，如图6所示，图6中的(a)和(b)分别为背景区域图像的光强分布示意图和上述S108中得到的综合光强分布对应的示意图。
上述实施例提供的技术方案至少能够带来以下有益效果：由S1021-S1025可知，图像处理装置识别待处理人体图像以获取到待处理初始区域图像；然后对该待处理初始区域图像进行向内腐蚀处理操作，得到腐蚀区域图像，并且对该腐蚀区域图像进行平滑处理操作，得到平滑区域图像；然后，在该第一待处理区域图像为人体轮廓区域图像的情况下，将该平滑区域图像与该腐蚀区域图像中对应位置像素点的像素点值做差，并将做差后的区域图像作为该第一待处理区域图像；或者，在该第一待处理区域图像为背景区域图像的情况下，将该平滑区域图像确定为该第一待处理区域图像。本公开实施例提供的方案，通过对待处理初始区域图像进行两种处理操作(即向内腐蚀处理操作和平滑处理操作)，并且在第一待处理区域图像为不同的区域图像(即人体轮廓区域图像或背景区域图像)的情况下，通过不同的方式确定该第一待处理区域图像，能够得到更加真实、自然的第一待处理区域图像，进而能够渲染出更加真实、自然的光照效果。
在本公开实施例的一种实现方式中，上述平滑处理操作为高斯模糊操作。
应理解，电子设备可以对上述腐蚀区域图像进行高斯模糊操作，以使得该腐蚀区域图像更加平滑。
上述实施例提供的技术方案至少能够带来以下有益效果：图像处理装置可以对该腐蚀区域图像进行高斯模糊操作，以得到更加平滑的腐蚀区域图像，能够提高第一待处理区域图像的真实性，提升渲染效率。
可以理解的，在实际实施时，本公开实施例所述的电子设备可以包含有用于实现前述对应图像处理方法的一个或多个硬件结构和/或软件模块，这些执行硬件结构和/或软件模块可以构成一个电子设备。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的算法步骤，本公开能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
基于这样的理解，本公开实施例还对应提供一种图像处理装置，图7示出了本公开实施例提供的图像处理装置的结构示意图。如图7所示，该图像处理装置10可以包括：获取模块101、确定模块102以及处理模块103。
获取模块101，被配置为获取待处理人体图像。
确定模块102，被配置为识别该待处理人体图像，以确定该待处理人体图像中的人脸关键点的位置和第一待处理区域图像，该第一待处理区域图像包括目标对象的人脸区域图像和该目标对象的背景区域图像，该背景区域图像为该待处理人体图像中除该目标对象的人体部位以外的区域图像。
处理模块103，被配置为将该人脸关键点的位置确定为待处理人体图像中接收投射光线的终点位置。
确定模块102，还被配置为根据该终点位置和目标位置，确定该第一待处理区域图像的光强分布，该目标位置为该第一待处理区域图像中光照强度最大的像素点的位置，该第一待处理区域图像的光强分布用于表征该第一待处理区域图像内每一个像素点的光照强度。
处理模块103，还被配置为混合该待处理人体图像和该综第一待处理区域图像，以得到第一光照图像。
可选地，确定模块102，还被配置为识别该待处理人体图像，确定第二待处理区域图像，该第二待处理区域图像为该目标对象的人脸区域图像。
处理模块103，还被配置为该人脸区域图像内的每一个像素点添加预设的光照强度，得到该人脸区域图像的光强分布。
处理模块103，还被配置为叠加该第一待处理区域图像的光强分布和该人脸区域图像的光强分布，以得到综合光强分布。
处理模块103，还被配置为混合该待处理人体图像和该综合光强分布，以得到第二光照图像。
可选地，确定模块102，具体被配置为根据该终点位置、该目标位置以及第一像素点的位置，确定该第一像素点的光照强度的方向系数，该第一像素点为该第一待处理区域图像中的任一像素点。
确定模块102，具体还被配置为根据该终点位置和该第一像素点的位置，确定该人脸关键点与该第一像素点之间的相对距离。
确定模块102，具体还被配置为根据该方向系数、该相对距离、该第一像素点的像素值以及预设的光效距离系数，确定该第一像素点的光照强度，该光效距离系数用于表征该相对距离对该第一像素点的光照强度的影响程度。
可选地，确定模块102，具体还被配置为确定该方向系数满足下述公式：
其中，Rdir表示该方向系数，(Δx,Δy)表示该人脸关键点到该第一像素点的向量，(Δx',Δy')表示该人脸关键点到该第一待处理区域图像中光照强度最大的像素点的向量，|(Δx',Δy')|表示该人脸关键点与该光照强度最大的像素点之间的距离。
可选地，确定模块102，具体还被配置为确定该第一像素点的光照强度满足下述公式：
其中，Intensity表示该第一像素点的光照强度，Rdir表示该第一像素点的光照强度的方向系数，Value表示该第一像素点的像素值，dis表示该虚拟光源与该第一像素点之间的相对距离，k1表示第一光效距离系数，k2表示第二光效距离系数，k3表示第三光效距离系数，k1＞0，k2＞0，k3＞0，该预设的光效距离系数包括该第一光效距离系数、该第二光效距离系数以及该第三光效距离系数。
可选地，获取模块101，还被配置为识别该待处理人体图像，以获取到待处理初始区域图像。
处理模块103，还被配置为对该待处理初始区域图像进行向内腐蚀处理操作，得到腐蚀区域图像。
处理模块103，还被配置为对该腐蚀区域图像进行平滑处理操作，得到平滑区域图像。
处理模块103，还被配置为在该第一待处理区域图像为该人体轮廓区域图像的情况下，将该平滑区域图像与该腐蚀区域图像中对应位置像素点的像素点值做差，并将做差后的区域图像作为该第一待处理区域图像。
处理模块103，还被配置为在该第一待处理区域图像为该背景区域图像的情况下，将该平滑区域图像确定为该第一待处理区域图像。
可选地，上上述平滑处理操作为高斯模糊操作。
如上所述，本公开实施例可以根据上述方法示例对图像处理装置进行功能模块的划分。其中，上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。另外，还需要说明的是，本公开实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。
关于上述实施例中的图像处理装置，其中各个模块执行操作的具体方式、以及具备的有益效果，均已经在前述方法实施例中进行了详细描述，此处不再赘述。
图8是本公开提供的另一种图像处理装置的结构示意图。如图8，该图像处理装置20可以包括至少一个处理器201以及用于存储处理器可执行指令的存储器203。其中，处理器201被配置为执行存储器203中的指令，以实现上述实施例中的图像处理方法。
另外，图像处理装置20还可以包括通信总线202以及至少一个通信接口204。
处理器201可以是一个处理器(central processing units，CPU)，微处理单元，ASIC，或一个或多个用于控制本公开方案程序执行的集成电路。
通信总线202可包括一通路，在上述组件之间传送信息。
通信接口204，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN)，无线局域网(wireless local areanetworks，WLAN)等。
存储器203可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory，EEPROM)、只读光盘(compact disc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线与处理单元相连接。存储器也可以和处理单元集成在一起。
其中，存储器203用于存储执行本公开方案的指令，并由处理器201来控制执行。处理器201用于执行存储器203中存储的指令，从而实现本公开方法中的功能。
在具体实现中，作为一种实施例，处理器201可以包括一个或多个CPU，例如图8中的CPU0和CPU1。
在具体实现中，作为一种实施例，图像处理装置20可以包括多个处理器，例如图8中的处理器201和处理器207。这些处理器中的每一个可以是一个单核(single-CPU)处理器，也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在具体实现中，作为一种实施例，图像处理装置20还可以包括输出设备205和输入设备206。输出设备205和处理器201通信，可以以多种方式来显示信息。例如，输出设备205可以是液晶显示器(liquid crystal display，LCD)，发光二级管(light emitting diode，LED)显示设备，阴极射线管(cathode ray tube，CRT)显示设备，或投影仪(projector)等。输入设备206和处理器201通信，可以以多种方式接受用户的输入。例如，输入设备206可以是鼠标、键盘、触摸屏设备或传感设备等。
本领域技术人员可以理解，图8中示出的结构并不构成对图像处理装置20的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
另外，本公开还提供一种计算机可读存储介质，包括指令，当指令由处理器执行时，使得处理器执行如上述实施例所提供的图像处理方法。
另外，本公开还提供一种计算机程序产品，包括指令，当指令由处理器执行时，使得处理器执行如上述实施例所提供的图像处理方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (17)

1.一种图像处理方法，其特征在于，包括：
获取待处理人体图像；
识别所述待处理人体图像，以确定所述待处理人体图像中的人脸关键点的位置和第一待处理区域图像，所述第一待处理区域图像包括目标对象的人体轮廓区域图像和/或所述目标对象的背景区域图像，所述背景区域图像为所述待处理人体图像中除所述目标对象的人体部位以外的区域图像；
将所述人脸关键点的位置确定为所述待处理人体图像中接收投射光线的终点位置；
根据所述终点位置和目标位置，确定所述第一待处理区域图像的光强分布，所述目标位置为所述第一待处理区域图像中光照强度最大的像素点的位置，所述第一待处理区域图像的光强分布用于表征所述第一待处理区域图像内每一个像素点的光照强度；
混合所述待处理人体图像和所述第一待处理区域图像的光强分布，以得到第一光照图像。
2.根据权利要求1所述的图像处理方法，其特征在于，所述方法还包括：
识别所述待处理人体图像，确定第二待处理区域图像，所述第二待处理区域图像为所述目标对象的人脸区域图像；
为所述人脸区域图像内的每一个像素点添加预设的光照强度，得到所述人脸区域图像的光强分布；
叠加所述第一待处理区域图像的光强分布和所述人脸区域图像的光强分布，以得到综合光强分布；
混合所述待处理人体图像和所述综合光强分布，以得到第二光照图像。
3.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述终点位置和目标位置，确定所述第一待处理区域图像的光强分布，包括：
根据所述终点位置、所述目标位置以及第一像素点的位置，确定所述第一像素点的光照强度的方向系数，所述第一像素点为所述第一待处理区域图像中的任一像素点；
根据所述终点位置和所述第一像素点的位置，确定所述人脸关键点与所述第一像素点之间的相对距离；
根据所述方向系数、所述相对距离、所述第一像素点的像素值以及预设的光效距离系数，确定所述第一像素点的光照强度，所述光效距离系数用于表征所述相对距离对所述第一像素点的光照强度的影响程度。
4.根据权利要求3所述的图像处理方法，其特征在于，所述根据所述终点位置、所述目标位置以及第一像素点的位置，确定所述第一像素点的光照强度的方向系数，包括：
确定所述方向系数满足下述公式：
其中，Rdir表示所述方向系数，(Δx,Δy)表示所述人脸关键点到所述第一像素点的向量，(Δx',Δy')表示所述人脸关键点到所述第一待处理区域图像中光照强度最大的像素点的向量，|(Δx',Δy')|表示所述人脸关键点与所述光照强度最大的像素点之间的距离。
5.根据权利要求3或4所述的图像处理方法，其特征在于，所述根据所述方向系数、所述相对距离、所述第一像素点的像素值以及预设的光效距离系数，确定所述第一像素点的光照强度，包括：
确定所述第一像素点的光照强度满足下述公式：
其中，Intensity表示所述第一像素点的光照强度，Rdir表示所述第一像素点的光照强度的方向系数，Value表示所述第一像素点的像素值，dis表示所述人脸关键点与所述第一像素点之间的相对距离，k1表示第一光效距离系数，k2表示第二光效距离系数，k3表示第三光效距离系数，k1＞0，k2＞0，k3＞0，所述预设的光效距离系数包括所述第一光效距离系数、所述第二光效距离系数以及所述第三光效距离系数。
6.根据权利要求1或2所述的图像处理方法，其特征在于，识别所述待处理人体图像，以确定第一待处理区域图像，包括：
识别所述待处理人体图像，以获取到待处理初始区域图像；
对所述待处理初始区域图像进行向内腐蚀处理操作，得到腐蚀区域图像；
对所述腐蚀区域图像进行平滑处理操作，得到平滑区域图像；
在所述第一待处理区域图像为所述人体轮廓区域图像的情况下，将所述平滑区域图像与所述腐蚀区域图像中对应位置像素点的像素点值做差，并将做差后的区域图像作为所述第一待处理区域图像；
在所述第一待处理区域图像为所述背景区域图像的情况下，将所述平滑区域图像确定为所述第一待处理区域图像。
7.根据权利要求6所述的图像处理方法，其特征在于，所述平滑处理操作为高斯模糊操作。
8.一种图像处理装置，其特征在于，包括获取模块、确定模块以及处理模块；
所述获取模块，被配置为获取待处理人体图像；
所述确定模块，被配置为识别所述待处理人体图像，以确定所述待处理人体图像中的人脸关键点的位置和第一待处理区域图像，所述第一待处理区域图像包括目标对象的人体轮廓区域图像和/或所述目标对象的背景区域图像，所述背景区域图像为所述待处理人体图像中除所述目标对象的人体部位以外的区域图像；
所述处理模块，被配置为将所述人脸关键点的位置确定为所述待处理人体图像中接收投射光线的终点位置；
所述确定模块，还被配置为根据所述终点位置和目标位置，确定所述第一待处理区域图像的光强分布，所述目标位置为所述第一待处理区域图像中光照强度最大的像素点的位置，所述第一待处理区域图像的光强分布用于表征所述第一待处理区域图像内每一个像素点的光照强度；
所述处理模块，还被配置为混合所述待处理人体图像和所述第一待处理区域图像的光强分布，以得到第一光照图像。
9.根据权利要求8所述的图像处理装置，其特征在于，
所述确定模块，还被配置为识别所述待处理人体图像，确定第二待处理区域图像，所述第二待处理区域图像为所述目标对象的人脸区域图像；
所述处理模块，还被配置为所述人脸区域图像内的每一个像素点添加预设的光照强度，得到所述人脸区域图像的光强分布；
所述处理模块，还被配置为叠加所述第一待处理区域图像的光强分布和所述人脸区域图像的光强分布，以得到综合光强分布；
所述处理模块，还被配置为混合所述待处理人体图像和所述综合光强分布，以得到第二光照图像。
10.根据权利要求8所述的图像处理装置，其特征在于，
所述确定模块，具体被配置为根据所述终点位置、所述目标位置以及第一像素点的位置，确定所述第一像素点的光照强度的方向系数，所述第一像素点为所述第一待处理区域图像中的任一像素点；
所述确定模块，具体还被配置为根据所述终点位置和所述第一像素点的位置，确定所述人脸关键点与所述第一像素点之间的相对距离；
所述确定模块，具体还被配置为根据所述方向系数、所述相对距离、所述第一像素点的像素值以及预设的光效距离系数，确定所述第一像素点的光照强度，所述光效距离系数用于表征所述相对距离对所述第一像素点的光照强度的影响程度。
11.根据权利要求10所述的图像处理装置，其特征在于，
所述确定模块，具体还被配置为确定所述方向系数满足下述公式：
其中，Rdir表示所述方向系数，(Δx,Δy)表示所述人脸关键点到所述第一像素点的向量，(Δx',Δy')表示所述人脸关键点到所述第一待处理区域图像中光照强度最大的像素点的向量，|(Δx',Δy')|表示所述人脸关键点与所述光照强度最大的像素点之间的距离。
12.根据权利要求10或11所述的图像处理装置，其特征在于，
所述确定模块，具体还被配置为确定所述第一像素点的光照强度满足下述公式：
其中，Intensity表示所述第一像素点的光照强度，Rdir表示所述第一像素点的光照强度的方向系数，Value表示所述第一像素点的像素值，dis表示所述人脸关键点与所述第一像素点之间的相对距离，k1表示第一光效距离系数，k2表示第二光效距离系数，k3表示第三光效距离系数，k1＞0，k2＞0，k3＞0，所述预设的光效距离系数包括所述第一光效距离系数、所述第二光效距离系数以及所述第三光效距离系数。
13.根据权利要求8或9所述的图像处理装置，其特征在于，
所述获取模块，还被配置识别所述待处理人体图像，以获取到待处理初始区域图像；
所述处理模块，还被配置为对所述待处理初始区域图像进行向内腐蚀处理操作，得到腐蚀区域图像；
所述处理模块，还被配置为对所述腐蚀区域图像进行平滑处理操作，得到平滑区域图像；
所述处理模块，还被配置为在所述第一待处理区域图像为所述人体轮廓区域图像的情况下，将所述平滑区域图像与所述腐蚀区域图像中对应位置像素点的像素点值做差，并将做差后的区域图像作为所述第一待处理区域图像；
所述处理模块，还被配置为在所述第一待处理区域图像为所述背景区域图像的情况下，将所述平滑区域图像确定为所述第一待处理区域图像。
14.根据权利要求13所述的图像处理装置，其特征在于，所述平滑处理操作为高斯模糊操作。
15.一种电子设备，其特征在于，所述电子设备包括：
处理器；
被配置为存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1-7中任一项所述的图像处理方法。
16.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，当所述计算机可读存储介质中的指令由电子设备执行时，使得所述电子设备能够执行如权利要求1-7中任一项所述的图像处理方法。
17.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如权利要求1-7任一项所述的图像处理方法。
CN202110291538.2A 2021-03-18 2021-03-18 一种图像处理方法、装置、电子设备及存储介质 Active CN113096231B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110291538.2A CN113096231B (zh) 2021-03-18 2021-03-18 一种图像处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110291538.2A CN113096231B (zh) 2021-03-18 2021-03-18 一种图像处理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113096231A CN113096231A (zh) 2021-07-09
CN113096231B true CN113096231B (zh) 2023-10-31

Family

ID=76669291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110291538.2A Active CN113096231B (zh) 2021-03-18 2021-03-18 一种图像处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113096231B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115358959A (zh) * 2022-08-26 2022-11-18 北京字跳网络技术有限公司 特效图的生成方法、装置、设备及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222363A (zh) * 2011-07-19 2011-10-19 杭州实时数码科技有限公司 从人脸图像快速构建高精度个性化人脸模型的方法
CN104021387A (zh) * 2014-04-04 2014-09-03 南京工程学院 基于视觉建模的人脸图像光照处理方法
CN107392858A (zh) * 2017-06-16 2017-11-24 广东欧珀移动通信有限公司 图像高光区域处理方法、装置和终端设备
CN107730445A (zh) * 2017-10-31 2018-02-23 广东欧珀移动通信有限公司 图像处理方法、装置、存储介质和电子设备
CN108537749A (zh) * 2018-03-29 2018-09-14 广东欧珀移动通信有限公司 图像处理方法、装置、移动终端及计算机可读存储介质
CN108734676A (zh) * 2018-05-21 2018-11-02 Oppo广东移动通信有限公司 图像处理方法和装置、电子设备、计算机可读存储介质
CN109242794A (zh) * 2018-08-29 2019-01-18 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN109636860A (zh) * 2018-01-05 2019-04-16 马惠岷 图像的光照分布估计与重现方法及装置
CN109658360A (zh) * 2018-12-25 2019-04-19 北京旷视科技有限公司 图像处理的方法、装置、电子设备和计算机存储介质
CN109887062A (zh) * 2019-03-14 2019-06-14 网易（杭州）网络有限公司 渲染方法、装置、设备及存储介质
CN112435323A (zh) * 2020-11-26 2021-03-02 网易（杭州）网络有限公司 虚拟模型中的光效处理方法、装置、终端及介质
CN112511737A (zh) * 2020-10-29 2021-03-16 维沃移动通信有限公司 图像处理方法、装置、电子设备及可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229279B (zh) * 2017-04-14 2020-06-02 深圳市商汤科技有限公司 人脸图像处理方法、装置和电子设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222363A (zh) * 2011-07-19 2011-10-19 杭州实时数码科技有限公司 从人脸图像快速构建高精度个性化人脸模型的方法
CN104021387A (zh) * 2014-04-04 2014-09-03 南京工程学院 基于视觉建模的人脸图像光照处理方法
CN107392858A (zh) * 2017-06-16 2017-11-24 广东欧珀移动通信有限公司 图像高光区域处理方法、装置和终端设备
CN107730445A (zh) * 2017-10-31 2018-02-23 广东欧珀移动通信有限公司 图像处理方法、装置、存储介质和电子设备
CN109636860A (zh) * 2018-01-05 2019-04-16 马惠岷 图像的光照分布估计与重现方法及装置
CN108537749A (zh) * 2018-03-29 2018-09-14 广东欧珀移动通信有限公司 图像处理方法、装置、移动终端及计算机可读存储介质
CN108734676A (zh) * 2018-05-21 2018-11-02 Oppo广东移动通信有限公司 图像处理方法和装置、电子设备、计算机可读存储介质
CN109242794A (zh) * 2018-08-29 2019-01-18 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN109658360A (zh) * 2018-12-25 2019-04-19 北京旷视科技有限公司 图像处理的方法、装置、电子设备和计算机存储介质
CN109887062A (zh) * 2019-03-14 2019-06-14 网易（杭州）网络有限公司 渲染方法、装置、设备及存储介质
CN112511737A (zh) * 2020-10-29 2021-03-16 维沃移动通信有限公司 图像处理方法、装置、电子设备及可读存储介质
CN112435323A (zh) * 2020-11-26 2021-03-02 网易（杭州）网络有限公司 虚拟模型中的光效处理方法、装置、终端及介质

Also Published As

Publication number Publication date
CN113096231A (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
Fung et al. OpenVIDIA: parallel GPU computer vision
US7639252B2 (en) Unified tessellation circuit and method therefor
CN106910210A (zh) 用于生成图像信息的方法和装置
US10540789B2 (en) Line stylization through graphics processor unit (GPU) textures
US10832382B2 (en) Method for filtering spurious pixels in a depth-map
CN109584220A (zh) 一种丝印定位方法、丝印缺陷检测方法和相关装置
CN108882025B (zh) 视频帧处理方法和装置
CN113096231B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN116109824A (zh) 基于扩散模型的医学影像及像素级标注生成方法及装置
US9721187B2 (en) System, method, and computer program product for a stereoscopic image lasso
CN113379885A (zh) 虚拟头发的处理方法及装置、可读存储介质及电子设备
CN114424239A (zh) 用于光线追踪应用中的循环模糊的去噪技术
US10062138B2 (en) Rendering apparatus and method
CN113506305B (zh) 三维点云数据的图像增强方法、语义分割方法及装置
US20140267426A1 (en) System, method, and computer program product for automatically extending a lasso region in two-dimensional image editors
US20220148135A1 (en) Denoising images rendered using monte carlo renderings
CN110070482B (zh) 图像处理方法、装置和计算机可读存储介质
CN108256477B (zh) 一种用于检测人脸的方法和装置
CN116778015A (zh) 模型描边的方法、装置、电子设备及存储介质
CN114323585B (zh) 批量计算调制传递函数的方法、电子设备及存储介质
CN113781653B (zh) 对象模型生成方法、装置、电子设备及存储介质
CN113888566B (zh) 目标轮廓曲线确定方法、装置、电子设备以及存储介质
CN113421335B (zh) 图像处理方法、图像处理装置、电子设备和存储介质
CN114693859A (zh) 高光渲染方法、装置、介质及电子设备
CN113793349A (zh) 目标检测方法及装置、计算机可读存储介质、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