CN113435445A - 图像过优化自动纠正方法以及装置 - Google Patents
图像过优化自动纠正方法以及装置 Download PDFInfo
- Publication number
- CN113435445A CN113435445A CN202110758577.9A CN202110758577A CN113435445A CN 113435445 A CN113435445 A CN 113435445A CN 202110758577 A CN202110758577 A CN 202110758577A CN 113435445 A CN113435445 A CN 113435445A
- Authority
- CN
- China
- Prior art keywords
- region
- optimized
- image
- feature
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012937 correction Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000001514 detection method Methods 0.000 claims description 12
- 230000001815 facial effect Effects 0.000 claims description 12
- 230000003796 beauty Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002087 whitening effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本公开是关于一种图像过优化自动纠正方法、装置、电子设备以及存储介质。其中,该方法包括:检测待优化图像中的第一特征区域,查找与所述第一特征区域相交的第二特征区域,并保存相交区域的图像特征;根据预设算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像;在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比;若所述优化后的第二特征区域与所述第二特征区域不同,则将所述第二特征区域在所述优化后的优化图像中还原,生成纠正过优化的图像。本公开通过对用户待优化图像的特征检测,实现了对特定特征的过优化效果的还原,提升了用户体验。
Description
技术领域
本公开涉及图像处理领域,具体而言,涉及一种图像过优化自动纠正方法、装置、电子设备以及计算机可读存储介质。
背景技术
图像优化包括美颜技术,“美颜”是一个深度学习+图像处理+图形学的技术。“美颜”牵涉到这些技术包括:人脸检测、人脸关键点定位、瘦脸、磨皮、美白等。其中,人脸检测、人脸关键点定位是用深度学习技术来做的;而瘦脸、磨皮和美白就牵涉到计算机图形学里的技术,使用OpenGL(Open Graphics Library,开源图形库),Metal(苹果图形渲染和并行计算库)来对检测到的人脸进行渲染。
在美颜技术的实际应用中,常常会出现对图像发生过优化的情况,如用户手持筷子进行美颜时,筷子在接近面部时会随美颜效果发生弯曲,又或者用户的大框眼镜镜框会随着美颜发生不规则形变,这样的现象既不美观又违背了美颜技术的本意,使得用户开启美颜后的效果适得其反。
因此,需要一种或多种方法解决上述问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种图像过优化自动纠正方法、装置、电子设备以及计算机可读存储介质,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本公开的一个方面,提供一种图像过优化自动纠正方法,包括:
检测待优化图像中的第一特征区域,查找与所述第一特征区域相交的第二特征区域,并保存所述第一特征区域与所述第二特征区域相交区域的图像特征;
根据预设算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像;
在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比;
若所述优化后的第二特征区域与所述第二特征区域不同,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域在所述优化后的优化图像中还原,生成纠正过优化的图像。
在本公开的一种示例性实施例中,所述方法还包括:
所述待优化图像中的第一特征区域可以是面部特征或人体体态特征。
在本公开的一种示例性实施例中,所述方法还包括:
所述待优化图像中的第二特征区域为与所述第一特征区域相交的具有预设几何特征的特征区域;
所述预设几何特征可以是线性特征、矩形特征、圆形特征。
在本公开的一种示例性实施例中,所述方法还包括:
根据美颜算法对面部特征的所述的第一特征区域进行图像优化处理,生成优化后的优化图像;
根据增高算法对人体体态特征的所述第一特征区域进行图像优化处理,生成优化后的优化图像;
根据堆叠算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像。
在本公开的一种示例性实施例中,所述方法还包括:
根据所述第一特征区域与所述第二特征区域相交区域的图像特征,在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比。
在本公开的一种示例性实施例中,所述方法还包括:
在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同。
在本公开的一种示例性实施例中,所述方法还包括:
在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的局部特征中的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同。
在本公开的一种示例性实施例中,所述方法还包括:
在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的局部特征中的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同;
若所述优化后的第二特征区域与所述第二特征区域不同,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域的局部特征在所述优化后的优化图像中还原,生成纠正过优化的图像。
在本公开的一种示例性实施例中,所述方法还包括:
若所述优化后的第二特征区域与所述第二特征区域不同,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域在所述优化后的优化图像中还原,并对所述还原特征进行羽化或模糊处理,生成纠正过优化的图像。
在本公开的一个方面,提供一种图像过优化自动纠正装置,包括:
特征区域检测模块,用于检测待优化图像中的第一特征区域,查找与所述第一特征区域相交的第二特征区域,并保存所述第一特征区域与所述第二特征区域相交区域的图像特征;
图像优化模块,用于根据预设算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像;
图像对比模块,用于在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比;
过优化纠正模块,用于在所述优化后的第二特征区域与所述第二特征区域不同时,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域在所述优化后的优化图像中还原,生成纠正过优化的图像。
在本公开的一种示例性实施例中,所述装置还包括:
所述特征区域检测模块中的第一特征区域可以是面部特征或人体体态特征。
在本公开的一种示例性实施例中,所述装置还包括:
所述特征区域检测模块中的第二特征区域为与所述第一特征区域相交的具有预设几何特征的特征区域;
所述预设几何特征可以是线性特征、矩形特征、圆形特征。
在本公开的一种示例性实施例中,所述装置还包括:
所述图像优化模块,还用于根据美颜算法对面部特征的所述的第一特征区域进行图像优化处理,生成优化后的优化图像;
所述图像优化模块,还用于根据增高算法对人体体态特征的所述第一特征区域进行图像优化处理,生成优化后的优化图像;
所述图像优化模块,还用于根据堆叠算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像。
在本公开的一种示例性实施例中,所述装置还包括:
所述图像对比模块,还用于根据所述第一特征区域与所述第二特征区域相交区域的图像特征,在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比。
在本公开的一种示例性实施例中,所述装置还包括:
所述图像对比模块,还用于在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同。
在本公开的一种示例性实施例中,所述装置还包括:
所述图像对比模块,还用于在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的局部特征中的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同。
在本公开的一种示例性实施例中,所述装置还包括:
所述图像对比模块,还用于在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的局部特征中的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同;
所述过优化纠正模块,还用于在若所述优化后的第二特征区域与所述第二特征区域不同时,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域的局部特征在所述优化后的优化图像中还原,生成纠正过优化的图像。
在本公开的一种示例性实施例中,所述装置还包括:
所述过优化纠正模块,还用于在所述优化后的第二特征区域与所述第二特征区域不同时,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域在所述优化后的优化图像中还原,并对所述还原特征进行羽化或模糊处理,生成纠正过优化的图像。
在本公开的一个方面,提供一种电子设备,包括:
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法。
在本公开的一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据上述任意一项所述的方法。
本公开的示例性实施例中的图像过优化自动纠正方法,其中,该方法包括:检测待优化图像中的第一特征区域,查找与所述第一特征区域相交的第二特征区域,并保存相交区域的图像特征;根据预设算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像;在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比;若所述优化后的第二特征区域与所述第二特征区域不同,则将所述第二特征区域在所述优化后的优化图像中还原,生成纠正过优化的图像。本公开通过对用户待优化图像的特征检测,实现了对特定特征的过优化效果的还原,提升了用户体验。
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
通过参照附图来详细描述其示例实施例,本公开的上述和其它特征及优点将变得更加明显。
图1示出了根据本公开一示例性实施例的图像过优化自动纠正方法的流程图;
图2示出了根据本公开一示例性实施例的图像过优化自动纠正装置的示意框图;
图3示意性示出了根据本公开一示例性实施例的电子设备的框图;以及
图4示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下,不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本示例实施例中,首先提供了一种图像过优化自动纠正方法;参考图1中所示,该图像过优化自动纠正方法可以包括以下步骤:
步骤S110,检测待优化图像中的第一特征区域,查找与所述第一特征区域相交的第二特征区域,并保存所述第一特征区域与所述第二特征区域相交区域的图像特征;
步骤S120,根据预设算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像;
步骤S130,在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比;
步骤S140,若所述优化后的第二特征区域与所述第二特征区域不同,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域在所述优化后的优化图像中还原,生成纠正过优化的图像。
本公开的示例性实施例中的图像过优化自动纠正方法,其中,该方法包括:检测待优化图像中的第一特征区域,查找与所述第一特征区域相交的第二特征区域,并保存相交区域的图像特征;根据预设算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像;在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比;若所述优化后的第二特征区域与所述第二特征区域不同,则将所述第二特征区域在所述优化后的优化图像中还原,生成纠正过优化的图像。本公开通过对用户待优化图像的特征检测,实现了对特定特征的过优化效果的还原,提升了用户体验。
下面,将对本示例实施例中的图像过优化自动纠正方法进行进一步的说明。
在步骤S110中,可以检测待优化图像中的第一特征区域,查找与所述第一特征区域相交的第二特征区域,并保存所述第一特征区域与所述第二特征区域相交区域的图像特征。
在本公开的实施例中,所述方法还包括:
所述待优化图像中的第一特征区域可以是面部特征或人体体态特征。
在本公开的实施例中,所述方法还包括:
所述待优化图像中的第二特征区域为与所述第一特征区域相交的具有预设几何特征的特征区域;
所述预设几何特征可以是线性特征、矩形特征、圆形特征。
在步骤S120中,可以根据预设算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像。
在本公开的实施例中,所述方法还包括:
根据美颜算法对面部特征的所述的第一特征区域进行图像优化处理,生成优化后的优化图像;
根据增高算法对人体体态特征的所述第一特征区域进行图像优化处理,生成优化后的优化图像;
根据堆叠算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像。
在步骤S130中,可以在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比。
在本公开的实施例中,所述方法还包括:
根据所述第一特征区域与所述第二特征区域相交区域的图像特征,在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比。
在本公开的实施例中,所述方法还包括:
在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同。
在本公开的实施例中,所述方法还包括:
在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的局部特征中的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同。
在本公开的实施例中,在优化后的优化图像中,常常第二特征区域的大部分区域没有发生形变等变化,而是仅仅有个别位置发生较大的形变,此时就只需对所述“个别区域”的图像几何形变程度进行判断,以确定是否需要纠正过优化即可;所述“个别区域”常常为所述第一特征区域与所述第二特征区域相交区域。
在步骤S140中,可以若所述优化后的第二特征区域与所述第二特征区域不同,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域在所述优化后的优化图像中还原,生成纠正过优化的图像。
在本公开的实施例中,所述方法还包括:
在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的局部特征中的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同;
若所述优化后的第二特征区域与所述第二特征区域不同,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域的局部特征在所述优化后的优化图像中还原,生成纠正过优化的图像。
在本公开的实施例中,所述方法还包括:
若所述优化后的第二特征区域与所述第二特征区域不同,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域在所述优化后的优化图像中还原,并对所述还原特征进行羽化或模糊处理,生成纠正过优化的图像。
在本公开的实施例中,在基于所述方法对优化的图像进行过优化纠正后,往往会因为原图像优化深度较深而发生过优化纠正时,图像恢复后不匹配的问题,在此时,若图像不匹配程度较低,可以通过对所述还原特征进行羽化或模糊处理,生成纠正过优化的图像;若图像不匹配程度较高,则先降低原图像优化深度,重新对所述图像进行优化处理后,再通过对所述还原特征进行羽化或模糊处理,生成纠正过优化的图像。
需要说明的是,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
此外,在本示例实施例中,还提供了一种图像过优化自动纠正装置。参照图2所示,该图像过优化自动纠正装置200可以包括:特征区域检测模块210、图像优化模块220、图像对比模块230及过优化纠正模块240。其中:
特征区域检测模块210,用于检测待优化图像中的第一特征区域,查找与所述第一特征区域相交的第二特征区域,并保存所述第一特征区域与所述第二特征区域相交区域的图像特征;
图像优化模块220,用于根据预设算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像;
图像对比模块230,用于在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比;
过优化纠正模块240,用于在所述优化后的第二特征区域与所述第二特征区域不同时,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域在所述优化后的优化图像中还原,生成纠正过优化的图像。
在本示例的实施例中,所述装置还包括:
所述特征区域检测模块中的第一特征区域可以是面部特征或人体体态特征。
在本示例的实施例中,所述装置还包括:
所述特征区域检测模块中的第二特征区域为与所述第一特征区域相交的具有预设几何特征的特征区域;
所述预设几何特征可以是线性特征、矩形特征、圆形特征。
在本示例的实施例中,所述装置还包括:
所述图像优化模块,还用于根据美颜算法对面部特征的所述的第一特征区域进行图像优化处理,生成优化后的优化图像;
所述图像优化模块,还用于根据增高算法对人体体态特征的所述第一特征区域进行图像优化处理,生成优化后的优化图像;
所述图像优化模块,还用于根据堆叠算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像。
在本示例的实施例中,所述装置还包括:
所述图像对比模块,还用于根据所述第一特征区域与所述第二特征区域相交区域的图像特征,在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比。
在本示例的实施例中,所述装置还包括:
所述图像对比模块,还用于在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同。
在本示例的实施例中,所述装置还包括:
所述图像对比模块,还用于在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的局部特征中的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同。
在本示例的实施例中,所述装置还包括:
所述图像对比模块,还用于在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的局部特征中的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同;
所述过优化纠正模块,还用于在若所述优化后的第二特征区域与所述第二特征区域不同时,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域的局部特征在所述优化后的优化图像中还原,生成纠正过优化的图像。
在本示例的实施例中,所述装置还包括:
所述过优化纠正模块,还用于在所述优化后的第二特征区域与所述第二特征区域不同时,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域在所述优化后的优化图像中还原,并对所述还原特征进行羽化或模糊处理,生成纠正过优化的图像。
上述中各图像过优化自动纠正装置模块的具体细节已经在对应的图像过优化自动纠正方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了图像过优化自动纠正装置200的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施例、完全的软件实施例(包括固件、微代码等),或硬件和软件方面结合的实施例,这里可以统称为“电路”、“模块”或“系统”。
下面参照图3来描述根据本发明的这种实施例的电子设备300。图3显示的电子设备300仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于:上述至少一个处理单元310、上述至少一个存储单元320、连接不同系统组件(包括存储单元320和处理单元310)的总线330、显示单元340。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元310执行,使得所述处理单元310执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如,所述处理单元310可以执行如图1中所示的步骤S110至步骤S140。
存储单元320可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202,还可以进一步包括只读存储单元(ROM)3203。
存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204,这样的程序模块3205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备300也可以与一个或多个外部设备370(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备300交互的设备通信,和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。并且,电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器360通过总线330与电子设备300的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备300使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图4所示,描述了根据本发明的实施例的用于实现上述方法的程序产品400,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
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他实施例。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。
Claims (20)
1.一种图像过优化自动纠正方法,其特征在于,所述方法包括:
检测待优化图像中的第一特征区域,查找与所述第一特征区域相交的第二特征区域,并保存所述第一特征区域与所述第二特征区域相交区域的图像特征;
根据预设算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像;
在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比;
若所述优化后的第二特征区域与所述第二特征区域不同,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域在所述优化后的优化图像中还原,生成纠正过优化的图像。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
所述待优化图像中的第一特征区域可以是面部特征或人体体态特征。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
所述待优化图像中的第二特征区域为与所述第一特征区域相交的具有预设几何特征的特征区域;
所述预设几何特征可以是线性特征、矩形特征、圆形特征。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据美颜算法对面部特征的所述的第一特征区域进行图像优化处理,生成优化后的优化图像;
根据增高算法对人体体态特征的所述第一特征区域进行图像优化处理,生成优化后的优化图像;
根据堆叠算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述第一特征区域与所述第二特征区域相交区域的图像特征,在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的局部特征中的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同。
8.如权利要求7所述的方法,其特征在于,所述方法还包括:
在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的局部特征中的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同;
若所述优化后的第二特征区域与所述第二特征区域不同,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域的局部特征在所述优化后的优化图像中还原,生成纠正过优化的图像。
9.如权利要求1所述的方法,其特征在于,所述方法还包括:
若所述优化后的第二特征区域与所述第二特征区域不同,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域在所述优化后的优化图像中还原,并对所述还原特征进行羽化或模糊处理,生成纠正过优化的图像。
10.一种图像过优化自动纠正装置,其特征在于,所述装置包括:
特征区域检测模块,用于检测待优化图像中的第一特征区域,查找与所述第一特征区域相交的第二特征区域,并保存所述第一特征区域与所述第二特征区域相交区域的图像特征;
图像优化模块,用于根据预设算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像;
图像对比模块,用于在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比;
过优化纠正模块,用于在所述优化后的第二特征区域与所述第二特征区域不同时,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域在所述优化后的优化图像中还原,生成纠正过优化的图像。
11.如权利要求10所述的装置,其特征在于,所述装置还包括:
所述特征区域检测模块中的第一特征区域可以是面部特征或人体体态特征。
12.如权利要求10所述的装置,其特征在于,所述装置还包括:
所述特征区域检测模块中的第二特征区域为与所述第一特征区域相交的具有预设几何特征的特征区域;
所述预设几何特征可以是线性特征、矩形特征、圆形特征。
13.如权利要求10所述的装置,其特征在于,所述装置还包括:
所述图像优化模块,还用于根据美颜算法对面部特征的所述的第一特征区域进行图像优化处理,生成优化后的优化图像;
所述图像优化模块,还用于根据增高算法对人体体态特征的所述第一特征区域进行图像优化处理,生成优化后的优化图像;
所述图像优化模块,还用于根据堆叠算法对所述第一特征区域进行图像优化处理,生成优化后的优化图像。
14.如权利要求10所述的装置,其特征在于,所述装置还包括:
所述图像对比模块,还用于根据所述第一特征区域与所述第二特征区域相交区域的图像特征,在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比。
15.如权利要求10所述的装置,其特征在于,所述装置还包括:
所述图像对比模块,还用于在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同。
16.如权利要求15所述的装置,其特征在于,所述装置还包括:
所述图像对比模块,还用于在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的局部特征中的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同。
17.如权利要求16所述的装置,其特征在于,所述装置还包括:
所述图像对比模块,还用于在所述优化后的优化图像中查找优化后的第二特征区域,并与所述第二特征区域对比,若所述第二特征的局部特征中的几何形变大于预设阈值,则判定所述优化后的第二特征区域与所述第二特征区域不同;
所述过优化纠正模块,还用于在若所述优化后的第二特征区域与所述第二特征区域不同时,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域的局部特征在所述优化后的优化图像中还原,生成纠正过优化的图像。
18.如权利要求10所述的装置,其特征在于,所述装置还包括:
所述过优化纠正模块,还用于在所述优化后的第二特征区域与所述第二特征区域不同时,则基于所述第一特征区域与所述第二特征区域相交区域的图像特征,将所述第二特征区域在所述优化后的优化图像中还原,并对所述还原特征进行羽化或模糊处理,生成纠正过优化的图像。
19.一种电子设备,其特征在于,包括
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据权利要求1至9中任一项所述的方法。
20.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据权利要求1至9中任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110758577.9A CN113435445A (zh) | 2021-07-05 | 2021-07-05 | 图像过优化自动纠正方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110758577.9A CN113435445A (zh) | 2021-07-05 | 2021-07-05 | 图像过优化自动纠正方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113435445A true CN113435445A (zh) | 2021-09-24 |
Family
ID=77758990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110758577.9A Pending CN113435445A (zh) | 2021-07-05 | 2021-07-05 | 图像过优化自动纠正方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435445A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678251A (zh) * | 2015-12-31 | 2016-06-15 | Tcl海外电子(惠州)有限公司 | 人脸图像处理方法及装置 |
CN107368806A (zh) * | 2017-07-18 | 2017-11-21 | 广东欧珀移动通信有限公司 | 图像矫正方法、装置、计算机可读存储介质和计算机设备 |
CN109242789A (zh) * | 2018-08-21 | 2019-01-18 | 成都旷视金智科技有限公司 | 图像处理方法、图像处理装置及存储介质 |
CN110675420A (zh) * | 2019-08-22 | 2020-01-10 | 华为技术有限公司 | 一种图像处理方法和电子设备 |
CN110807730A (zh) * | 2020-01-08 | 2020-02-18 | 北京航天宏图信息技术股份有限公司 | 影像几何纠正方法、装置及电子设备 |
CN111107281A (zh) * | 2019-12-30 | 2020-05-05 | 维沃移动通信有限公司 | 图像处理方法、装置、电子设备及介质 |
CN111327814A (zh) * | 2018-12-17 | 2020-06-23 | 华为技术有限公司 | 一种图像处理的方法及电子设备 |
CN111861869A (zh) * | 2020-07-15 | 2020-10-30 | 广州光锥元信息科技有限公司 | 用于人像美化及防止背景扭曲的图像处理方法及装置 |
CN111882497A (zh) * | 2020-07-10 | 2020-11-03 | 深圳传音控股股份有限公司 | 一种图像矫正方法、拍摄方法、终端及计算机存储介质 |
WO2021096339A1 (ko) * | 2019-11-11 | 2021-05-20 | 주식회사 날비컴퍼니 | 이미지 변형 방법 |
CN113012031A (zh) * | 2020-10-30 | 2021-06-22 | 北京达佳互联信息技术有限公司 | 图像处理方法和图像处理装置 |
-
2021
- 2021-07-05 CN CN202110758577.9A patent/CN113435445A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678251A (zh) * | 2015-12-31 | 2016-06-15 | Tcl海外电子(惠州)有限公司 | 人脸图像处理方法及装置 |
CN107368806A (zh) * | 2017-07-18 | 2017-11-21 | 广东欧珀移动通信有限公司 | 图像矫正方法、装置、计算机可读存储介质和计算机设备 |
CN109242789A (zh) * | 2018-08-21 | 2019-01-18 | 成都旷视金智科技有限公司 | 图像处理方法、图像处理装置及存储介质 |
CN111327814A (zh) * | 2018-12-17 | 2020-06-23 | 华为技术有限公司 | 一种图像处理的方法及电子设备 |
CN110675420A (zh) * | 2019-08-22 | 2020-01-10 | 华为技术有限公司 | 一种图像处理方法和电子设备 |
WO2021096339A1 (ko) * | 2019-11-11 | 2021-05-20 | 주식회사 날비컴퍼니 | 이미지 변형 방법 |
CN111107281A (zh) * | 2019-12-30 | 2020-05-05 | 维沃移动通信有限公司 | 图像处理方法、装置、电子设备及介质 |
CN110807730A (zh) * | 2020-01-08 | 2020-02-18 | 北京航天宏图信息技术股份有限公司 | 影像几何纠正方法、装置及电子设备 |
CN111882497A (zh) * | 2020-07-10 | 2020-11-03 | 深圳传音控股股份有限公司 | 一种图像矫正方法、拍摄方法、终端及计算机存储介质 |
CN111861869A (zh) * | 2020-07-15 | 2020-10-30 | 广州光锥元信息科技有限公司 | 用于人像美化及防止背景扭曲的图像处理方法及装置 |
CN113012031A (zh) * | 2020-10-30 | 2021-06-22 | 北京达佳互联信息技术有限公司 | 图像处理方法和图像处理装置 |
Non-Patent Citations (3)
Title |
---|
张沛;陈朝晖;: "基于分幅切割方法的基本农田图像精确纠正", 湖北民族学院学报(自然科学版), no. 01, pages 87 - 91 * |
郭建伟;: "拒绝变形, 轻松得到完美图片", 电脑知识与技术(经验技巧), no. 08, pages 90 - 91 * |
黄炎辉;樊养余;苏旭辉;: "基于多尺度分析的自动人脸照片移植", 计算机应用研究, no. 11, pages 315 - 318 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9229746B2 (en) | Identifying load-hit-store conflicts | |
US10656909B2 (en) | Learning intended user actions | |
CN113342345A (zh) | 深度学习框架的算子融合方法、装置 | |
CN108564944B (zh) | 智能控制方法、系统、设备及存储介质 | |
CN110363121B (zh) | 指纹图像处理方法及装置、存储介质和电子设备 | |
CN108415939B (zh) | 基于人工智能的对话处理方法、装置、设备及计算机可读存储介质 | |
CN111291882A (zh) | 一种模型转换的方法、装置、设备和计算机存储介质 | |
CN110826036A (zh) | 用户操作行为安全性的识别方法、装置和电子设备 | |
CN113378855A (zh) | 用于处理多任务的方法、相关装置及计算机程序产品 | |
US8806457B2 (en) | Deferred constant pool generation | |
CN115578486A (zh) | 图像生成方法、装置、电子设备和存储介质 | |
CN111966473B (zh) | 一种线性回归任务的运行方法及装置、电子设备 | |
CN110175128A (zh) | 一种相似代码案例获取方法、装置、设备和存储介质 | |
CN113053390A (zh) | 基于语音识别的文本处理方法、装置、电子设备及介质 | |
CN107515720B (zh) | 一种消息处理方法、介质、装置和计算设备 | |
CN113435445A (zh) | 图像过优化自动纠正方法以及装置 | |
CN114743586B (zh) | 存储器模型的镜像存储实现方法、装置及存储介质 | |
CN110991431A (zh) | 人脸识别方法、装置、设备及存储介质 | |
CN114092608B (zh) | 表情的处理方法及装置、计算机可读存储介质、电子设备 | |
CN110825802A (zh) | 多类型数据库数据的备份方法、装置、设备及存储介质 | |
CN113408304B (zh) | 文本翻译方法、装置、电子设备及存储介质 | |
CN108682437B (zh) | 信息处理方法、装置、介质和计算设备 | |
CN109816536B (zh) | 清单去重方法、装置和计算机设备 | |
CN114220163A (zh) | 人体姿态估计方法、装置、电子设备及存储介质 | |
CN109460511B (zh) | 一种获取用户画像的方法、装置、电子设备及存储介质 |
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 |