CN113160099B - 人脸融合方法、装置、电子设备、存储介质及程序产品 - Google Patents

人脸融合方法、装置、电子设备、存储介质及程序产品 Download PDF

Info

Publication number
CN113160099B
CN113160099B CN202110290169.5A CN202110290169A CN113160099B CN 113160099 B CN113160099 B CN 113160099B CN 202110290169 A CN202110290169 A CN 202110290169A CN 113160099 B CN113160099 B CN 113160099B
Authority
CN
China
Prior art keywords
face
map
image
original
graph
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
CN202110290169.5A
Other languages
English (en)
Other versions
CN113160099A (zh
Inventor
杨丽倩
刘晓强
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 CN202110290169.5A priority Critical patent/CN113160099B/zh
Publication of CN113160099A publication Critical patent/CN113160099A/zh
Priority to PCT/CN2021/117014 priority patent/WO2022193573A1/zh
Application granted granted Critical
Publication of CN113160099B publication Critical patent/CN113160099B/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
    • 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
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本公开关于一种人脸融合方法、装置、电子设备、存储介质及程序产品。该人脸融合方法包括：对原始人脸图和目标人脸图分别进行模糊得到第一原始人脸模糊图和第一目标人脸模糊图；对根据原始人脸图和目标人脸图所分别生成的人脸纯白图进行模糊处理，得到原始人脸图和目标人脸图各自的纯白模糊图；通过原始人脸图的纯白模糊图对第一原始人脸模糊图进行图像分解得到第二原始人脸模糊图，以及通过目标人脸图的纯白模糊图对第一目标人脸模糊图进行图像分解得到第二目标人脸模糊图；通过第二原始人脸模糊图对原始人脸图进行图像分解得到原始人脸细节图；将原始人脸细节图融合至第二目标人脸模糊图得到人脸融合图。通过本公开可以提升人脸融合的速度。

Description

人脸融合方法、装置、电子设备、存储介质及程序产品
技术领域
本公开涉及图像处理领域，尤其涉及一种人脸融合方法、装置、电子设备、计算机可 读存储介质和一种计算机程序产品。
背景技术
随着短视频、直播等视频应用的流行，人们产生了对视频中的人脸进行各种特效编辑 的需求。其中，换脸特效是各种特效编辑中的热点。换脸特效是指将一个图像中的人脸与 另一人脸的身份特征进行替换，但保持图像中的如背景、人物衣着等的其他特征不变，因此，换脸特效实质上是一种图像合成处理。
目前的换脸特效主要是通过检测人脸轮廓的关键点、然后根据该关键点确定人脸轮 廓，然后根据人脸轮廓将人脸替换到另一人脸中。由于人的肤色可能存在差异，仅将人脸 部分替换，人脸融合后的人脸与未变化部分的交界处，会出现边缘问题。例如，将肤色较白的人脸与肤色较黑的人脸进行替换后，脸部与额头、颈部则会出现明显颜色差异。
为了解决人脸融合中的边缘问题，目前主要依赖于颜色迁移技术解决。颜色迁移技术 将图像的整体颜色附加至另一图像中，最后使得图像拥有原图的形状、但附上了另一图像 的色彩。然而，颜色迁移技术的算法需要依赖大量的计算，处理效率较低，影响人脸融合速度。
因此，目前的人脸融合方法存在着人脸融合速度较低的问题。
发明内容
本公开提供一种人脸融合方法、装置、电子设备、计算机可读存储介质和一种计算机 程序产品，以至少解决相关技术中人脸融合速度较低的问题。本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种人脸融合方法，包括：
获取原始人脸图和目标人脸图；
对所述原始人脸图和所述目标人脸图分别进行模糊处理，得到第一原始人脸模糊图和 第一目标人脸模糊图；
对根据所述原始人脸图所生成的人脸纯白图进行模糊处理，得到所述原始人脸图的纯 白模糊图，以及，对根据所述目标人脸图所生成的人脸纯白图进行模糊处理，得到所述目 标人脸图的纯白模糊图；
通过所述原始人脸图的纯白模糊图，对所述第一原始人脸模糊图进行图像分解，得到 第二原始人脸模糊图，以及，通过所述目标人脸图的纯白模糊图，对所述第一目标人脸模 糊图进行图像分解，得到第二目标人脸模糊图；
通过所述第二原始人脸模糊图，对所述原始人脸图进行图像分解，得到原始人脸细节 图；
将所述原始人脸细节图融合至所述第二目标人脸模糊图，得到所述目标人脸图的人脸 融合图。
在一个示例性实施例中，所述通过所述原始人脸图的纯白模糊图，对所述第一原始人 脸模糊图进行图像分解，得到第二原始人脸模糊图，包括：
将所述原始人脸图的纯白模糊图中各个像素点的像素值进行归一化处理，得到第一归 一化模糊图；
将所述第一原始人脸模糊图中各个像素点的像素值除以所述第一归一化模糊图中各 个像素点的像素值，得到所述第二原始人脸模糊图；
通过所述目标人脸图的纯白模糊图，对所述第一目标人脸模糊图进行图像分解，得到 第二目标人脸模糊图，包括：
将所述目标人脸图的纯白模糊图中各个像素点的像素值进行归一化处理，得到第二归 一化模糊图；
将所述第一目标人脸模糊图中各个像素点的像素值除以所述第二归一化模糊图中各 个像素点的像素值，得到所述第二目标人脸模糊图。
在一个示例性实施例中，所述通过所述第二原始人脸模糊图，对所述原始人脸图进行 图像分解，得到原始人脸细节图，包括：
将所述原始人脸图中各个像素点的像素值除以所述第二原始人脸模糊图中各个像素 点的像素值，得到所述原始人脸细节图；
所述将所述原始人脸细节图融合至所述第二目标人脸模糊图，得到所述目标人脸图的 人脸融合图，包括：
将所述原始人脸细节图中各个像素点的像素值乘以所述第二目标人脸模糊图中各个 像素点的像素值，得到所述目标人脸图的人脸融合图。
在一个示例性实施例中，所述通过所述第二原始人脸模糊图，对所述原始人脸图进行 图像分解，得到原始人脸细节图，包括：
将所述原始人脸图中各个像素点的像素值减去所述第二原始人脸模糊图中各个像素 点的像素值，得到所述原始人脸细节图；
所述将所述原始人脸细节图融合至所述第二目标人脸模糊图，得到所述目标人脸图的 人脸融合图，包括：
将所述原始人脸细节图中各个像素点的像素值加上所述第二目标人脸模糊图中各个 像素点的像素值，得到所述目标人脸图的人脸融合图。
在一个示例性实施例中，所述将所述原始人脸图的纯白模糊图中各个像素点的像素值 进行归一化处理，得到第一归一化模糊图，包括：
将所述原始人脸图的纯白模糊图中各个像素点的像素值除以纯白像素值，得到所述第 一归一化模糊图；所述纯白像素值为纯白像素点的像素值；
将所述目标人脸图的纯白模糊图中各个像素点的像素值进行归一化处理，得到第二归 一化模糊图，包括：
将所述目标人脸图的纯白模糊图中各个像素点的像素值除以所述纯白像素值，得到所 述第二归一化模糊图。
根据本公开实施例的第二方面，提供一种人脸融合装置，包括：
获取单元，被配置为获取原始人脸图和目标人脸图；
人脸模糊单元，被配置为对所述原始人脸图和所述目标人脸图分别进行模糊处理，得 到第一原始人脸模糊图和第一目标人脸模糊图；
纯白模糊单元，被配置为对根据所述原始人脸图所生成的人脸纯白图进行模糊处理， 得到所述原始人脸图的纯白模糊图，以及，对根据所述目标人脸图所生成的人脸纯白图进 行模糊处理，得到所述目标人脸图的纯白模糊图；
模糊处理单元，被配置为通过所述原始人脸图的纯白模糊图，对所述第一原始人脸模 糊图进行图像分解，得到第二原始人脸模糊图，以及，通过所述目标人脸图的纯白模糊图， 对所述第一目标人脸模糊图进行图像分解，得到第二目标人脸模糊图；
细节分解单元，被配置为通过所述第二原始人脸模糊图，对所述原始人脸图进行图像 分解，得到原始人脸细节图；
人脸融合单元，被配置为将所述原始人脸细节图融合至所述第二目标人脸模糊图，得 到所述目标人脸图的人脸融合图。
在一个示例性实施例中，所述模糊处理单元，被配置为：
将所述原始人脸图的纯白模糊图中各个像素点的像素值进行归一化处理，得到第一归 一化模糊图；
将所述第一原始人脸模糊图中各个像素点的像素值除以所述第一归一化模糊图中各 个像素点的像素值，得到所述第二原始人脸模糊图；
将所述目标人脸图的纯白模糊图中各个像素点的像素值进行归一化处理，得到第二归 一化模糊图；
将所述第一目标人脸模糊图中各个像素点的像素值除以所述第二归一化模糊图中各 个像素点的像素值，得到所述第二目标人脸模糊图。
在一个示例性实施例中，所述细节分解单元，被配置为：
将所述原始人脸图中各个像素点的像素值除以所述第二原始人脸模糊图中各个像素 点的像素值，得到所述原始人脸细节图；
所述人脸融合单元，被配置为：
将所述原始人脸细节图中各个像素点的像素值乘以所述第二目标人脸模糊图中各个 像素点的像素值，得到所述目标人脸图的人脸融合图。
在一个示例性实施例中，所述细节分解单元，被配置为：
将所述原始人脸图中各个像素点的像素值减去所述第二原始人脸模糊图中各个像素 点的像素值，得到所述原始人脸细节图；
所述人脸融合单元，被配置为：
将所述原始人脸细节图中各个像素点的像素值加上所述第二目标人脸模糊图中各个 像素点的像素值，得到所述目标人脸图的人脸融合图。
在一个示例性实施例中，所述模糊处理单元，被配置为：
将所述原始人脸图的纯白模糊图中各个像素点的像素值除以纯白像素值，得到所述第 一归一化模糊图；所述纯白像素值为纯白像素点的像素值；
将所述目标人脸图的纯白模糊图中各个像素点的像素值除以所述纯白像素值，得到所 述第二归一化模糊图。
根据本公开实施例的第三方面，提供一种电子设备，包括存储器和处理器，所述存储 器存储有计算机程序，所述处理器执行所述计算机程序时实现如第一方面或第一方面的任 一种可能实现方式所述的人脸融合方法。
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，当所述计算机可读存 储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如第一方面或第 一方面的任一项所述的人脸融合方法。
根据本公开实施例的第五方面，提供一种计算机程序产品，所述计算机程序产品包括 计算机程序，所述计算机程序被处理器执行时实现如第一方面的任一项所述的人脸融合方 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：
通过分别对原始人脸图和目标人脸图进行模糊处理，得到了由低频信号构成的、保留 有人脸原有肤色的第一原始人脸模糊图和第一目标人脸模糊图，再对根据原始人脸图和目 标人脸图生成的人脸纯白图进行模糊处理得到各自的纯白模糊图，利用该纯白模糊图对第一原始人脸模糊图和第一目标人脸模糊图进行图像分解，以消除第一原始人脸模糊图和第 一目标人脸模糊图中人脸边缘的由于模糊处理而产生的黑边，得到第二原始人脸模糊图和 第二目标人脸模糊图，然后通过第二原始人脸模糊图对原始人脸图进行图像分解得到原始 人脸细节图，最后将原始人脸细节图融合至第二目标人脸模糊图，得到了目标人脸图的人脸融合图。由此，通过简单的方式即实现了对人脸图像中的五官细节特征和另一人脸图像 的原有肤色的融合，而无须进行大量的颜色迁移运算，处理效率较高。因此，在避免了由 于模糊处理而导致颜色失真的问题的同时，提升了人脸融合的速度。
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1A示出一种未经换脸特效处理的初始人脸图像示意图。
图1B示出一种换脸效果示意图。
图2是根据一示例性实施例示出的一种人脸融合方法的流程图。
图3A示出了一种待进行换脸的人脸图像的示意图。
图3B示出了一种人脸模糊图的示意图。
图3C示出了一种人脸模糊图在人脸边缘处出现黑边的示意图。
图3D示出了一种人脸纯白图的示意图。
图3E示出了一种纯白模糊图的示意图。
图3F示出了一种人脸细节图的示意图。
图3G示出了一种基于图像高低频信号进行人脸融合的人脸融合图的示意图。
图4是根据一示例性实施例示出的一种利用纯白模糊图处理人脸模糊图步骤的流程 图。
图5是根据一示例性实施例示出的一种人脸融合装置的框图。
图6是根据一示例性实施例示出的一种电子设备的内部结构图。
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。
本公开所提供的人脸融合方法，可以应用于通过终端进行换脸特效编辑的应用环境 中。其中，终端可以是但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。本公开所提供的人脸融合方法可以适用于多种需要进行换脸特效编辑的应用场景中。其中一种场景中，用户可以在拍摄视频时，对视频中两个以上的人脸进行换脸特效的编辑，得到换脸后的视频并上传至视频分享平台上，供其他用户观看。另一种场景中，用户可以在进行视频直播时，实时地进行换脸特效的编辑。用户还可以通过终端拍 摄人脸，将拍摄得到的人脸与另一图像的人脸进行换脸特效的编辑。用户还可以通过终端 对两个人脸进行拍摄，将拍摄得到的两个人脸进行换脸特效的编辑。本领域技术人员可以 根据实际情况将本公开提供的人脸融合方法应用于各种进行换脸特效编辑的应用场景中。
图1A示出一种未经换脸特效处理的初始人脸图像示意图。从图中可见，初始人脸图 像中包含有左侧的原始人脸和右侧的目标人脸。针对原始人脸和目标人脸进行换脸特效， 得到了图1B所示的换脸效果。然而，左侧人脸的肤色与右侧人脸的肤色存在差异，将左侧人脸覆盖在右侧人脸上后，在新的人脸与原人脸未被覆盖部分之间的交界处上下两侧，产生了如图1B中所标注的区域101所示的颜色差异，即存在边缘问题。如果通过颜色迁 移技术改善边缘问题，则会严重影响换脸效率。
图2是根据一示例性实施例示出的一种人脸融合方法的流程图，如图2所示，本公开 的人脸融合方法，包括以下步骤。
在步骤S210中，获取原始人脸图和目标人脸图。
其中，人脸图可以为包含有人脸的图像。原始人脸和目标人脸可以为用于进行换脸特 效编辑的两个换脸对象。
具体地，在不同的应用场景中，终端可以通过相应的不同方式得到上述的原始人脸图 和目标人脸图。例如，用户对视频中的人脸进行换脸特效编辑的场景中，用户可以在终端 上选取某个视频，并选定视频中需要进行换脸的两个人脸，并提交换脸请求。终端根据换脸请求，提取视频帧中分别包含该两个人脸的图像，分别作为上述的原始人脸图和目标人 脸图。本领域技术人员可以根据实际的应用场景，确定获取原始人脸图和目标人脸图的具 体实现手段，本实施例对具体实现手段不作限制。
图3A示出了一种待进行换脸的人脸图像的示意图。从图中可见，可以从某张图像中 提取出包含有将要进行换脸的左侧和右侧的两张人脸图像。为了便于说明，左侧的人脸图 像命名为原始人脸图，相应地，右侧的人脸图像命名为目标人脸图。
在步骤S220中，对所述原始人脸图和所述目标人脸图分别进行模糊处理，得到第一 原始人脸模糊图和第一目标人脸模糊图。
其中，模糊处理是一种用于获取图像中的低频信号、使得图像变得模糊的图像处理方 式。常见的模糊处理主要有高斯模糊，一种基于高斯分布的数据平滑技术(datasmoothing)。其原理是针对图像中的每个像素取周边像素的平均值，从而使得图像失去细节特征。
实际应用中，可以通过以下的二维高斯函数实现上述的高斯模糊处理：
其中，(x，y)为某个像素点的坐标，G为像素点(x，y)经过模糊后的像素值，σ 代表平滑程度。
其中，人脸模糊图可以为由低频信号组成的、用于表达人脸基本颜色的图像。需要说 明的是，从图像亮度或灰度变化程度的角度而言，图像中包含有高频信号和低频信号。图 像的低频信号代表着图像中亮度或灰度变化缓慢的区域，即图像中颜色变化较少、较为平坦的区域，低频信号通常描述了图像的主要内容。而高频信号代表着图像中亮度或灰度变 化剧烈的区域，即图像中颜色变化较大、展示边缘轮廓、细节特征的区域。
具体地，终端可以分别对原始人脸图和目标人脸图进行高斯模糊，经过高斯模糊之后， 由于图像中各个颜色通道的颜色抖动频率较低，因此，模糊后的图像由低频信号所组成， 该低频信号可以反映出人脸的基础肤色。经过高斯模糊后的人脸图像，消除了代表人脸的五官细节特征的高频信号，但保留了代表人脸颜色、明亮对比较为明显的低频信号的图像， 该图像即为上述的人脸模糊图。
图3B示出了一种人脸模糊图的示意图。从图中可见，对图3A中的原始人脸图和目标 人脸图分别进行高斯模糊后，得到了图3B中左右两张模糊的人脸，即第一原始人脸模糊图和第一目标人脸模糊图。该模糊的图像中各个像素的颜色、亮度变化频率较低，均为低频信号。通过对人脸图像进行模糊，除去了代表人脸五官细节特征的高频信号，得到由低频信号组成的、代表人脸中颜色、明亮对比较为明显的图像，作为人脸模糊图。
在步骤S230中，对根据所述原始人脸图所生成的人脸纯白图进行模糊处理，得到所 述原始人脸图的纯白模糊图，以及，对根据所述目标人脸图所生成的人脸纯白图进行模糊 处理，得到所述目标人脸图的纯白模糊图。
需要说明的是，如果直接采用原始人脸图除以第一原始人脸模糊图以得到原始人脸细 节图，然后再将原始人脸细节图与第一目标人脸模糊图进行相乘以实现人脸融合，可能会 导致融合人脸的边缘颜色失真的问题。经申请人深入研究发现，虽然通过高斯模糊的方法可以节省颜色迁移的计算量，然而，由于高斯模糊具有一定的模糊半径，在模糊时，会在 人脸范围之外生成像素值趋于0的像素点，从而在人脸边缘的位置上形成一圈黑边，如图 3C所示的人脸模糊图的人脸边缘存在黑边的示意图，第一原始人脸模糊图的人脸边缘上 存在有一圈围绕人脸的黑边。因此，如果基于该带黑边的人脸模糊图进行融合，则会导致 最终的融合人脸的边缘颜色失真。因此，可以通过引入纯白图像的方法解决融合人脸的边 缘颜色失真的问题。
具体地，终端可以首先根据原始人脸图生成相应的人脸纯白图，以及，根据目标人脸 图生成相应的人脸纯白图。
图3D示出了一种人脸纯白图的示意图。从图中可见，右侧的图像为根据左侧的原始 人脸图生成的人脸纯白图，该人脸纯白图具有由灰度相同的纯白色所填充的纯色区域，纯 色区域的纯色区域边缘在形状、尺寸等特征上，均与左侧的原始人脸图像中的人脸匹配。
然后，分别对原始人脸图和目标人脸图各自的人脸纯白图进行模糊处理，得到原始人 脸图的纯白模糊图和目标人脸图的纯白模糊图。
图3E示出了一种纯白模糊图像的示意图。从图中可见，对左侧的人脸纯白图进行高 斯模糊，得到右侧的纯白模糊图，纯白模糊图中的边缘被模糊化。
在步骤S240中，通过所述原始人脸图的纯白模糊图，对所述第一原始人脸模糊图进 行图像分解，得到第二原始人脸模糊图，以及，通过所述目标人脸图的纯白模糊图，对所述第一目标人脸模糊图进行图像分解，得到第二目标人脸模糊图。
具体地，终端可以首先分别针对原始人脸图和目标人脸图各自的纯白模糊图中各个像素点的像素值进行归一化处理，得到原始人脸图和目标人脸图各自的归一化模糊图，然后， 将原始人脸图和目标人脸图各自的人脸模糊图中各个像素点的像素值除以相应的归一化 模糊图中各个像素点的像素值，得到上述的第二原始人脸模糊图和第二目标人脸模糊图。
通过利用纯白模糊图对第一人脸模糊图进行图像分解以得到第二人脸模糊图，可以将 原来的人脸模糊图中人脸边缘外的像素点(黑边)的像素值改变，使得其像素值变更为与人脸边缘上的像素点的像素值接近的像素值。从而，使得人脸模糊图中人脸边缘的黑边消 失，经过后续的人脸融合处理后，避免出现融合人脸的边缘颜色失真的问题。
在步骤S250中，通过所述第二原始人脸模糊图，对所述原始人脸图进行图像分解，得到原始人脸细节图。
其中，人脸细节图可以为由高频信号组成的、用于表达人脸五官细节特征的图像。
具体地，终端可以利用第二原始人脸模糊图对原始人脸图进行图像分解，以得到由高 频信号组成的、用于表达人脸五官细节特征的图像，作为上述的原始人脸细节图。
需要说明的是，通常图像可以由细节图层和模糊图层组成，在图像上分解掉模糊图层， 即可得到细节图层。图像分解的具体实施方式可以有多种，例如，可以基于乘法分解或者 加法分解的方式，从原始图像上去除模糊图层以得到细节图层。更具体地，如通过加法分解的方式进行图像分解，可以提取人脸图像中各个像素点的灰度形成一个灰度矩阵，提取 人脸模糊图层中各个像素点的灰度形成另一个灰度矩阵，将两个灰度矩阵对位相减，所得 的灰度矩阵，即可构成人脸细节图层。
图3F示出了一种人脸细节图的示意图。从图中可见，通过除去人脸模糊图而分解出 的人脸细节图，保留了人脸中的眉毛、眼睛、鼻子、嘴巴等五官的纹理、轮廓的细节特征，但已除去了人脸原来的肤色。
在步骤S260中，将所述原始人脸细节图融合至所述第二目标人脸模糊图，得到所述 目标人脸图的人脸融合图。
其中，人脸融合图像可以为将一个人脸的五官细节特征与另一人脸中除五官细节外的 人脸特征进行融合后的图像。
具体地，终端可以基于乘法融合或者加法融合的方式，将原始人脸细节图与第二目标 人脸模糊图融合为上述的人脸融合图。例如，通过加法融合的方式进行图像融合，可以将 原始人脸细节图中各个像素点的灰度所形成的灰度矩阵，与第二目标人脸模糊图中各个像素点的灰度所形成的灰度矩阵进行相加，所得的灰度矩阵，即可构成上述的人脸融合图。
图3G示出了一种基于图像高低频信号进行人脸融合的人脸融合图的示意图。从图中 可见，通过将原始人脸细节图与第二目标人脸模糊图进行融合，所得到的人脸融合图中， 右侧的人脸保留了原有的目标人脸的基础肤色，但融合了左侧原始人脸图的五官细节特 征。即使肤色存在差异，由于融合过程中是在人脸的原有肤色的基础上融合另一人脸的五官细节特征，因此，将左侧人脸融合至右侧人脸后，图中区域301并未出现颜色差异，不存在边缘问题。而且，通过利用纯白模糊图消除了人脸边缘在进行模糊处理后产生的黑边，人脸融合图中左右两侧的人脸均没出现颜色失真的问题。
需要说明的是，在进行换脸时，还需要通过上述的人脸融合方法将目标人脸图像的五 官细节特征融合至原始人脸图中，得到另一个人脸的人脸融合图。即，一个完整的换脸特 效处理，需要通过上述的人脸融合方法进行至少两次的人脸融合。由于对另一人脸的融合过程与上述实施例相似，仅仅是融合对象不同，本领域技术人员根据上述的人脸融合方法 即可明确得知完整的人脸换脸特效处理方法，在此不再赘述。
上述的人脸融合方法中，通过分别对原始人脸图和目标人脸图进行模糊处理，得到了 由低频信号构成的、保留有人脸原有肤色的第一原始人脸模糊图和第一目标人脸模糊图， 再对根据原始人脸图和目标人脸图生成的人脸纯白图进行模糊处理得到各自的纯白模糊 图，利用该纯白模糊图对第一原始人脸模糊图和第一目标人脸模糊图进行图像分解，以消除第一原始人脸模糊图和第一目标人脸模糊图中人脸边缘的由于模糊处理而产生的黑边， 得到第二原始人脸模糊图和第二目标人脸模糊图，然后通过第二原始人脸模糊图对原始人 脸图进行图像分解得到原始人脸细节图，最后将原始人脸细节图融合至第二目标人脸模糊 图，得到了目标人脸图的人脸融合图。由此，通过简单的方式即实现了对人脸图像中的五官细节特征和另一人脸图像的原有肤色的融合，而无须进行大量的颜色迁移运算，处理效 率较高。因此，在避免了由于模糊处理而导致颜色失真的问题的同时，提升了人脸融合的 速度。
在一示例性实施例中，如图4所示，在步骤S240中，具体可以通过以下步骤实现：
在步骤S231中，将所述原始人脸图的纯白模糊图中各个像素点的像素值进行归一化 处理，得到第一归一化模糊图；将所述第一原始人脸模糊图中各个像素点的像素值除以所 述第一归一化模糊图中各个像素点的像素值，得到所述第二原始人脸模糊图。
具体地，在得到原始人脸图的纯白模糊图后，将纯白模糊图中各个像素点的像素值进 行归一化处理，得到第一归一化模糊图。例如，将纯白模糊图中各个像素点的像素值除以 纯白像素点的像素值255(纯白像素点的像素值为理论上最高值)，从而将纯白模糊图中 各个像素点的像素值进行归一化，由此得到了针对原始人脸图的纯白模糊图所生成的第一 归一化模糊图。
然后，将第一原始人脸模糊图中各个像素点的像素值除以第一归一化模糊图中各个像 素点的像素值，得到上述的第二原始人脸模糊图。
在步骤S232中，将所述目标人脸图的纯白模糊图中各个像素点的像素值进行归一化 处理，得到第二归一化模糊图；将所述第一目标人脸模糊图中各个像素点的像素值除以所 述第二归一化模糊图中各个像素点的像素值，得到所述第二目标人脸模糊图。
具体地，在得到原始人脸图的纯白模糊图后，采用与上述原始人脸图的纯白模糊图相 同的步骤，可以得到第二目标人脸模糊图，在此不再赘述。
上述的人脸融合方法中，通过对纯白模糊图中各个像素点进行归一化处理得到归一化 模糊图，再将人脸模糊图的像素点的像素值除以归一化模糊图中各个像素点的像素值以得 到第二原始人脸模糊图和第二目标人脸模糊图，基于归一化后的数值进行后续大规模数值运算可以有效降低运算量，由此，通过简单的运算处理即可消除人脸模糊图中的黑边以避 免出现融合人脸的边缘颜色失真的问题，在保证人脸融合图的融合质量的同时提升了人脸融合的速度。
在一示例性实施例中，在步骤S231中的将所述原始人脸图的纯白模糊图中各个像素点 的像素值进行归一化处理，得到第一归一化模糊图，具体可以通过以下步骤实现：
将所述原始人脸图的纯白模糊图中各个像素点的像素值除以纯白像素值，得到所述第 一归一化模糊图；所述纯白像素值为纯白像素点的像素值；
在步骤S232中的将所述目标人脸图的纯白模糊图中各个像素点的像素值进行归一化 处理，得到第二归一化模糊图，具体可以通过以下步骤实现：
将所述目标人脸图的纯白模糊图中各个像素点的像素值除以所述纯白像素值，得到所 述第二归一化模糊图。
为了便于本领域技术人员深入理解本实施例，以下将结合具体示例进行说明。表1示出了原始人脸图上的像素点A、B、处于人脸边缘的像素点C和人脸边缘之外的像素点D 和E，采用RGB三通道表示各个像素点的像素值。
A B C D E
R 204 206 160 / /
G 148 154 108 / /
B 120 132 86 / /
表1 对原始人脸图进行模糊处理后，得到如下表2的第一原始人脸模糊图的像素点数据：
A B C D E
R 102 103 80 64 46
G 74 74 54 43 31
B 60 60 43 34 25
表2
从表2中可见，在进行高斯模糊时，处于像素点C的模糊半径内的像素点D和E均被赋予了一定的像素值(通常是趋近于0)，该像素点D和E即为模糊人脸中人脸边缘处的 黑边。通过引入纯白模糊图可以消除该黑边。表3示出了根据原始人脸模糊图所生成的纯 白人脸图的像素点数据：
A B C D E
R 255 255 255 / /
G 255 255 255 / /
B 255 255 255 / /
表3
对纯白人脸图中各个像素点进行高斯模糊，得到了表4所示的纯白模糊图的像素点数 据：
A B C D E
R 127 127 127 102 73
G 127 127 127 102 73
B 127 127 127 102 73
表4
下一步，对表4中所示的纯白模糊图中各个像素点的像素值进行归一化处理，即，各 个像素点除以纯白像素点的像素值255，得到如下表5的归一化模糊图的像素点数据：
A B C D E
R 0.498 0.498 0.498 0.4 0.286
G 0.498 0.498 0.498 0.4 0.286
B 0.498 0.498 0.498 0.4 0.286
表5
最后，将表2所示的第一原始人脸模糊图的像素点的像素值，除以表5所示的归一化 模糊图的像素点的像素值，得到如下表6所示的第二原始人脸模糊图的像素点数据：
A B C D E
R 204 206 160 160 161
G 148 154 108 107 108
B 120 132 86 85 87
表6
从表6中的第二原始人脸模糊图的像素点数据可见，第二原始人脸模糊图的像素点D 和E的像素值已接近于像素点C的像素值，黑边被转变为与人脸边缘的像素值相似的像素 点，从而通过引入纯白模糊图消除了由于高斯模糊所产生的黑边。
上述的人脸融合方法中，采用纯白像素点的像素值对纯白模糊图中各个像素点的像素 值进行归一化处理以得到第一归一化模糊图和第二归一化模糊图，无须经过复杂的数值变 换处理即可完成归一化，提升了人脸融合的速度。
在一示例性实施例中，在步骤S250中，具体可以通过以下步骤实现：
将所述原始人脸图中各个像素点的像素值除以所述第二原始人脸模糊图中各个像素 点的像素值，得到所述原始人脸细节图；
在步骤S260中，具体可以通过以下步骤实现：
将所述原始人脸细节图中各个像素点的像素值乘以所述第二目标人脸模糊图中各个 像素点的像素值，得到所述目标人脸图的人脸融合图。
具体地，在利用乘性分解的方式分解图像时，可以首先提取出原始人脸图像中各个像 素点的像素值(例如RGB三通道的像素值)，根据各个像素点在图像中所处的坐标位置， 建立原始人脸图像的像素值矩阵。然后，可以提取出第二原始人脸模糊图中各个像素点的像素值，根据各个像素点在图像中所处的坐标位置，建立第二原始人脸模糊图的像素值矩 阵。然后将两个像素值矩阵相除，即，根据各个像素点在图像中所处的坐标位置将各个像 素值分别进行相除运算，得到由反映原始人脸图的五官细节特征的原始人脸细节图。
在利用乘性分解的方式融合图像时，将原始人脸细节图的像素值矩阵，与第二目标人 脸模糊图的像素值矩阵相乘，根据相乘所得的像素值矩阵即可生成上述的人脸融合图。
实际应用中，可以通过下列算法实现上述基于乘性分解的人脸融合方法：
dst＝(dstori/dstlow)*sourcelow；
dstlow＝dstblur/dstWhiteblur；
sourcelow＝sourceblur/sourceWhiteblur；
其中，dst代表最终输出的人脸融合图；dstori代表原始人脸图；dstblur代表第一原始 人脸模糊图；dstWhiteblur代表对原始人脸图的人脸纯白图进行模糊后得到的纯白模糊图； dstlow代表原始人脸图的第二原始人脸模糊图；sourceblur代表第一目标人脸模糊图；sourceWhiteblur代表对目标人脸图的人脸纯白图进行模糊后得到的纯白模糊图；sourcelow代表第二目标人脸模糊图。
上述的人脸融合方法中，通过乘性分解的方式进行人脸融合，相比起加性分解的方式， 可以尽量保留有原有人脸颜色、五官细节特征，人脸融合的质量较佳。
在一示例性实施例中，在步骤S250中，具体可以通过以下步骤实现：
将所述原始人脸图中各个像素点的像素值减去所述第二原始人脸模糊图中各个像素 点的像素值，得到所述原始人脸细节图；
在步骤S260中，具体可以通过以下步骤实现：
将所述原始人脸细节图中各个像素点的像素值加上所述第二目标人脸模糊图中各个 像素点的像素值，得到所述目标人脸图的人脸融合图。
具体地，在利用加性分解的方式分解图像时，可以首先提取出原始人脸图像中各个像 素点的像素值(例如RGB三通道的像素值)，根据各个像素点在图像中所处的坐标位置， 建立原始人脸图像的像素值矩阵。然后，可以提取出第二原始人脸模糊图中各个像素点的像素值，根据各个像素点在图像中所处的坐标位置，建立第二原始人脸模糊图的像素值矩 阵。然后将两个像素值矩阵相减，即，根据各个像素点在图像中所处的坐标位置将各个像 素值分别进行减法运算，得到由反映原始人脸图的五官细节特征的原始人脸细节图。
在利用加性分解的方式融合图像时，将原始人脸细节图的像素值矩阵，与第二目标人 脸模糊图的像素值矩阵相加，根据相加所得的像素值矩阵即可生成上述的人脸融合图。
实际应用中，可以通过下列算法实现上述基于加性分解的人脸融合方法：
dst＝(dstori–dstblur)+sourceblur；
dstlow＝dstblur/dstWhiteblur；
sourcelow＝sourceblur/sourceWhiteblur；
上述的人脸融合方法中，通过加性分解的方式进行人脸融合，相比起乘性分解的方式， 所需的运算量较少，可以较快地完成人脸融合，人脸融合的效率较高。
应该理解的是，虽然图2、4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时 刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次 进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替 地执行。
图5是根据一示例性实施例示出的一种人脸融合装置框图。参照图5，该装置包括获 取单元502、人脸模糊单元504、纯白模糊单元506、模糊处理单元508、细节分解单元 510和人脸融合单元512。
获取单元502，被配置为获取原始人脸图和目标人脸图；
人脸模糊单元504，被配置为对所述原始人脸图和所述目标人脸图分别进行模糊处 理，得到第一原始人脸模糊图和第一目标人脸模糊图；
纯白模糊单元506，被配置为对根据所述原始人脸图所生成的人脸纯白图进行模糊处 理，得到所述原始人脸图的纯白模糊图，以及，对根据所述目标人脸图所生成的人脸纯白 图进行模糊处理，得到所述目标人脸图的纯白模糊图；
模糊处理单元508，被配置为通过所述原始人脸图的纯白模糊图，对所述第一原始人 脸模糊图进行图像分解，得到第二原始人脸模糊图，以及，通过所述目标人脸图的纯白模 糊图，对所述第一目标人脸模糊图进行图像分解，得到第二目标人脸模糊图；
细节分解单元510，被配置为通过所述第二原始人脸模糊图，对所述原始人脸图进行 图像分解，得到原始人脸细节图；
人脸融合单元512，被配置为将所述原始人脸细节图融合至所述第二目标人脸模糊 图，得到所述目标人脸图的人脸融合图。
在一示例性实施例中，所述模糊处理单元508，被配置为：
将所述原始人脸图的纯白模糊图中各个像素点的像素值进行归一化处理，得到第一归 一化模糊图；将所述第一原始人脸模糊图中各个像素点的像素值除以所述第一归一化模糊 图中各个像素点的像素值，得到所述第二原始人脸模糊图；将所述目标人脸图的纯白模糊图中各个像素点的像素值进行归一化处理，得到第二归一化模糊图；将所述第一目标人脸 模糊图中各个像素点的像素值除以所述第二归一化模糊图中各个像素点的像素值，得到所 述第二目标人脸模糊图。
在一示例性实施例中，所述细节分解单元510，被配置为：
将所述原始人脸图中各个像素点的像素值除以所述第二原始人脸模糊图中各个像素 点的像素值，得到所述原始人脸细节图；
所述人脸融合单元512，被配置为：
将所述原始人脸细节图中各个像素点的像素值乘以所述第二目标人脸模糊图中各个 像素点的像素值，得到所述目标人脸图的人脸融合图。
在一示例性实施例中，所述细节分解单元510，被配置为：
将所述原始人脸图中各个像素点的像素值减去所述第二原始人脸模糊图中各个像素 点的像素值，得到所述原始人脸细节图；
所述人脸融合单元512，被配置为：
将所述原始人脸细节图中各个像素点的像素值加上所述第二目标人脸模糊图中各个 像素点的像素值，得到所述目标人脸图的人脸融合图。
在一示例性实施例中，所述模糊处理单元508，被配置为：
将所述原始人脸图的纯白模糊图中各个像素点的像素值除以纯白像素值，得到所述第 一归一化模糊图；所述纯白像素值为纯白像素点的像素值；将所述目标人脸图的纯白模糊 图中各个像素点的像素值除以所述纯白像素值，得到所述第二归一化模糊图。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实 施例中进行了详细描述，此处将不做详细阐述说明。
图6是根据一示例性实施例示出的一种用于人脸融合的电子设备600的框图。例如， 电子设备600可以是移动电话、计算机、数字广播终端、消息收发设备、游戏控制台、平板设备、医疗设备、健身设备、个人数字助理等。
参照图6，电子设备600可以包括以下一个或多个组件：处理组件602、存储器604、电源组件606、多媒体组件608、音频组件610、输入/输出(I/O)的接口612、传感器组 件614以及通信组件616。
处理组件602通常控制电子设备600的整体操作，诸如与显示、电话呼叫、数据通信、 相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行 指令，以完成上述的方法的全部或部分步骤。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。例如，处理组件602可以包括多媒体模块， 以方便多媒体组件608和处理组件602之间的交互。
存储器604被配置为存储各种类型的数据以支持在电子设备600的操作。这些数据的 示例包括用于在电子设备600上操作的任何应用程序或方法的指令、联系人数据、电话簿 数据、消息、图片、视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、 磁存储器、快闪存储器、磁盘或光盘。
电源组件606为电子设备600的各种组件提供电力。电源组件1006可以包括电源管理系统，一个或多个电源，及其他与为电子设备600生成、管理和分配电力相关联的组件。
多媒体组件608包括在所述电子设备600和用户之间的提供一个输出接口的屏幕。在 一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸 面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个 触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施 例中，多媒体组件608包括一个前置摄像头和/或后置摄像头。当电子设备600处于操作 模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数 据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦 能力。
音频组件610被配置为输出和/或输入音频信号。例如，音频组件610包括一个麦克风(MIC)，当电子设备600处于操作模式，如呼叫模式、记录模式和语音识别模式时， 麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604 或经由通信组件616发送。在一些实施例中，音频组件610还包括一个扬声器，用于输出 音频信号。
I/O接口612为处理组件602和外围接口模块之间提供接口，上述外围接口模块可以 是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件614包括一个或多个传感器，用于为电子设备600提供各个方面的状态评 估。例如，传感器组件614可以检测到电子设备600的打开/关闭状态，组件的相对定位，例如所述组件为电子设备600的显示器和小键盘，传感器组件614还可以检测电子设备 600或电子设备600一个组件的位置改变，用户与电子设备600接触的存在或不存在，电 子设备600方位或加速/减速和电子设备600的温度变化。传感器组件614可以包括接近 传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可 以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中， 该传感器组件614还可以包括加速度传感器、陀螺仪传感器、磁传感器、压力传感器或温 度传感器。
通信组件616被配置为便于电子设备600和其他设备之间有线或无线方式的通信。电 子设备600可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件616经由广播信道接收来自外部 广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件616 还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID) 技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来 实现。
在示例性实施例中，电子设备600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编 程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方 法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包 括指令的存储器604，上述指令可由电子设备600的处理器620执行以完成上述方法。例 如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、 磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供一种计算机程序产品，包括计算机程序，其特征在于，所 述计算机程序被处理器执行时完成上述的人脸融合方法。
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。本申请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下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可 以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (12)

1.一种人脸融合方法，其特征在于，所述方法包括：
获取原始人脸图和目标人脸图；
对所述原始人脸图和所述目标人脸图分别进行模糊处理，得到第一原始人脸模糊图和第一目标人脸模糊图；
对根据所述原始人脸图所生成的人脸纯白图进行模糊处理，得到所述原始人脸图的纯白模糊图，以及，对根据所述目标人脸图所生成的人脸纯白图进行模糊处理，得到所述目标人脸图的纯白模糊图；
将所述第一原始人脸模糊图中各个像素点的像素值除以预先获取的第一归一化模糊图中各个像素点的像素值，得到第二原始人脸模糊图；以及，将所述第一目标人脸模糊图中各个像素点的像素值除以预先获取的第二归一化模糊图中各个像素点的像素值，得到第二目标人脸模糊图；所述第一归一化模糊图通过对所述原始人脸图的纯白模糊图中各个像素点的像素值进行归一化处理后得到，所述第二归一化模糊图通过对所述目标人脸图的纯白模糊图中各个像素点的像素值进行归一化处理后得到；
通过所述第二原始人脸模糊图，对所述原始人脸图进行图像分解，得到原始人脸细节图；
将所述原始人脸细节图融合至所述第二目标人脸模糊图，得到所述目标人脸图的人脸融合图。
2.根据权利要求1所述的人脸融合方法，其特征在于，所述原始人脸细节图为由高频信号组成的、用于表达人脸五官细节特征的图像。
3.根据权利要求1所述的人脸融合方法，其特征在于，所述通过所述第二原始人脸模糊图，对所述原始人脸图进行图像分解，得到原始人脸细节图，包括：
将所述原始人脸图中各个像素点的像素值除以所述第二原始人脸模糊图中各个像素点的像素值，得到所述原始人脸细节图；
所述将所述原始人脸细节图融合至所述第二目标人脸模糊图，得到所述目标人脸图的人脸融合图，包括：
将所述原始人脸细节图中各个像素点的像素值乘以所述第二目标人脸模糊图中各个像素点的像素值，得到所述目标人脸图的人脸融合图。
4.根据权利要求3所述的人脸融合方法，其特征在于，所述将所述原始人脸图中各个像素点的像素值除以所述第二原始人脸模糊图中各个像素点的像素值，得到所述原始人脸细节图，包括：
根据所述原始人脸图像中各个像素点的像素值以及在所述原始人脸图像中所处的坐标位置，建立所述原始人脸图像的像素值矩阵；以及，根据所述第二原始人脸模糊图中各个像素点的像素值以及在所述第二原始人脸模糊图中所处的坐标位置，建立第二原始人脸模糊图的像素值矩阵；
将所述原始人脸图像的像素值矩阵与所述第二原始人脸模糊图的像素值矩阵进行相除，得到所述原始人脸细节图。
5.根据权利要求1所述的人脸融合方法，其特征在于，所述通过所述第二原始人脸模糊图，对所述原始人脸图进行图像分解，得到原始人脸细节图，包括：
将所述原始人脸图中各个像素点的像素值减去所述第二原始人脸模糊图中各个像素点的像素值，得到所述原始人脸细节图；
所述将所述原始人脸细节图融合至所述第二目标人脸模糊图，得到所述目标人脸图的人脸融合图，包括：
将所述原始人脸细节图中各个像素点的像素值加上所述第二目标人脸模糊图中各个像素点的像素值，得到所述目标人脸图的人脸融合图。
6.根据权利要求1所述的人脸融合方法，其特征在于，在所述将所述第一原始人脸模糊图中各个像素点的像素值除以预先获取的第一归一化模糊图中各个像素点的像素值，得到第二原始人脸模糊图之前，还包括：
将所述原始人脸图的纯白模糊图中各个像素点的像素值除以纯白像素值，得到所述第一归一化模糊图；所述纯白像素值为纯白像素点的像素值；
在所述将所述第一目标人脸模糊图中各个像素点的像素值除以预先获取的第二归一化模糊图中各个像素点的像素值，得到第二目标人脸模糊图之前，还包括：
将所述目标人脸图的纯白模糊图中各个像素点的像素值除以所述纯白像素值，得到所述第二归一化模糊图。
7.一种人脸融合装置，其特征在于，包括：
获取单元，被配置为获取原始人脸图和目标人脸图；
人脸模糊单元，被配置为对所述原始人脸图和所述目标人脸图分别进行模糊处理，得到第一原始人脸模糊图和第一目标人脸模糊图；
纯白模糊单元，被配置为对根据所述原始人脸图所生成的人脸纯白图进行模糊处理，得到所述原始人脸图的纯白模糊图，以及，对根据所述目标人脸图所生成的人脸纯白图进行模糊处理，得到所述目标人脸图的纯白模糊图；
模糊处理单元，被配置为将所述第一原始人脸模糊图中各个像素点的像素值除以预先获取的第一归一化模糊图中各个像素点的像素值，得到第二原始人脸模糊图；以及，将所述第一目标人脸模糊图中各个像素点的像素值除以预先获取的第二归一化模糊图中各个像素点的像素值，得到第二目标人脸模糊图；所述第一归一化模糊图通过对所述原始人脸图的纯白模糊图中各个像素点的像素值进行归一化处理后得到，所述第二归一化模糊图通过对所述目标人脸图的纯白模糊图中各个像素点的像素值进行归一化处理后得到；
细节分解单元，被配置为通过所述第二原始人脸模糊图，对所述原始人脸图进行图像分解，得到原始人脸细节图；
人脸融合单元，被配置为将所述原始人脸细节图融合至所述第二目标人脸模糊图，得到所述目标人脸图的人脸融合图。
8.根据权利要求7所述的人脸融合装置，其特征在于，所述细节分解单元，被配置为：
将所述原始人脸图中各个像素点的像素值除以所述第二原始人脸模糊图中各个像素点的像素值，得到所述原始人脸细节图；
所述人脸融合单元，被配置为：
将所述原始人脸细节图中各个像素点的像素值乘以所述第二目标人脸模糊图中各个像素点的像素值，得到所述目标人脸图的人脸融合图。
9.根据权利要求7所述的人脸融合装置，其特征在于，所述细节分解单元，被配置为：
将所述原始人脸图中各个像素点的像素值减去所述第二原始人脸模糊图中各个像素点的像素值，得到所述原始人脸细节图；
所述人脸融合单元，被配置为：
将所述原始人脸细节图中各个像素点的像素值加上所述第二目标人脸模糊图中各个像素点的像素值，得到所述目标人脸图的人脸融合图。
10.根据权利要求7所述的人脸融合装置，其特征在于，所述模糊处理单元，被配置为：
将所述原始人脸图的纯白模糊图中各个像素点的像素值除以纯白像素值，得到所述第一归一化模糊图；所述纯白像素值为纯白像素点的像素值；
将所述目标人脸图的纯白模糊图中各个像素点的像素值除以所述纯白像素值，得到所述第二归一化模糊图。
11.一种电子设备，其特征在于，包括：
处理器；
用于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至6中任一项所述的人脸融合方法。
12.一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至6中任一项所述的人脸融合方法。
CN202110290169.5A 2021-03-18 2021-03-18 人脸融合方法、装置、电子设备、存储介质及程序产品 Active CN113160099B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110290169.5A CN113160099B (zh) 2021-03-18 2021-03-18 人脸融合方法、装置、电子设备、存储介质及程序产品
PCT/CN2021/117014 WO2022193573A1 (zh) 2021-03-18 2021-09-07 人脸融合方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110290169.5A CN113160099B (zh) 2021-03-18 2021-03-18 人脸融合方法、装置、电子设备、存储介质及程序产品

Publications (2)

Publication Number Publication Date
CN113160099A CN113160099A (zh) 2021-07-23
CN113160099B true CN113160099B (zh) 2023-12-26

Family

ID=76887862

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110290169.5A Active CN113160099B (zh) 2021-03-18 2021-03-18 人脸融合方法、装置、电子设备、存储介质及程序产品

Country Status (2)

Country Link
CN (1) CN113160099B (zh)
WO (1) WO2022193573A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160099B (zh) * 2021-03-18 2023-12-26 北京达佳互联信息技术有限公司 人脸融合方法、装置、电子设备、存储介质及程序产品

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106156730A (zh) * 2016-06-30 2016-11-23 腾讯科技（深圳）有限公司 一种人脸图像的合成方法和装置
CN109784301A (zh) * 2019-01-28 2019-05-21 广州酷狗计算机科技有限公司 图像处理方法、装置、计算机设备及存储介质
CN111127352A (zh) * 2019-12-13 2020-05-08 北京达佳互联信息技术有限公司 一种图像处理方法、装置、终端及存储介质
CN112150393A (zh) * 2020-10-12 2020-12-29 深圳数联天下智能科技有限公司 人脸图像磨皮方法、装置、计算机设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914815A (zh) * 2012-12-31 2014-07-09 诺基亚公司 图像融合方法和设备
CN105469407B (zh) * 2015-11-30 2018-06-22 华南理工大学 一种基于改进的引导滤波器的人脸图像图层分解方法
CN109993716B (zh) * 2017-12-29 2023-04-14 微软技术许可有限责任公司 图像融合变换
CN113160099B (zh) * 2021-03-18 2023-12-26 北京达佳互联信息技术有限公司 人脸融合方法、装置、电子设备、存储介质及程序产品

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106156730A (zh) * 2016-06-30 2016-11-23 腾讯科技（深圳）有限公司 一种人脸图像的合成方法和装置
CN109784301A (zh) * 2019-01-28 2019-05-21 广州酷狗计算机科技有限公司 图像处理方法、装置、计算机设备及存储介质
CN111127352A (zh) * 2019-12-13 2020-05-08 北京达佳互联信息技术有限公司 一种图像处理方法、装置、终端及存储介质
CN112150393A (zh) * 2020-10-12 2020-12-29 深圳数联天下智能科技有限公司 人脸图像磨皮方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN113160099A (zh) 2021-07-23
WO2022193573A1 (zh) 2022-09-22

Similar Documents

Publication Publication Date Title
CN110675310B (zh) 视频处理方法、装置、电子设备及存储介质
CN108898546B (zh) 人脸图像处理方法、装置及设备、可读存储介质
CN109816764B (zh) 图像生成方法及装置、电子设备和存储介质
CN109672830B (zh) 图像处理方法、装置、电子设备及存储介质
CN107798654B (zh) 图像磨皮方法及装置、存储介质
CN107967459B (zh) 卷积处理方法、装置及存储介质
CN112766234A (zh) 图像处理方法及装置、电子设备和存储介质
CN110580688B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN108154466B (zh) 图像处理方法及装置
CN112330570B (zh) 图像处理方法、装置、电子设备及存储介质
CN112614064B (zh) 图像处理方法、装置、电子设备及存储介质
CN114025105B (zh) 视频处理方法、装置、电子设备、存储介质
CN110415258B (zh) 图像处理方法及装置、电子设备和存储介质
CN113160099B (zh) 人脸融合方法、装置、电子设备、存储介质及程序产品
CN111583142A (zh) 图像降噪方法及装置、电子设备和存储介质
CN113450431B (zh) 虚拟头发染色方法、装置、电子设备及存储介质
CN107730443B (zh) 图像处理方法、装置及用户设备
CN106469446B (zh) 深度图像的分割方法和分割装置
CN114926350A (zh) 一种图像美化方法、装置、电子设备及存储介质
CN111260581B (zh) 图像处理方法、装置及存储介质
CN107085822B (zh) 人脸图像处理方法及装置
CN114998115A (zh) 图像美化处理方法、装置及电子设备
CN116866495A (zh) 图像获取方法、装置、终端设备及存储介质
CN114463212A (zh) 图像处理方法及装置、电子设备和存储介质
CN112950503A (zh) 训练样本的生成方法及装置、真值图像的生成方法及装置

Legal Events

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