CN113436063A - 图像处理方法、装置、电子设备及存储介质 - Google Patents
图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113436063A CN113436063A CN202110872062.1A CN202110872062A CN113436063A CN 113436063 A CN113436063 A CN 113436063A CN 202110872062 A CN202110872062 A CN 202110872062A CN 113436063 A CN113436063 A CN 113436063A
- Authority
- CN
- China
- Prior art keywords
- triangular mesh
- point
- image
- contour
- points
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 26
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 24
- 230000001131 transforming effect Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 48
- 230000000875 corresponding effect Effects 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 26
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 8
- 238000013500 data storage Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000009467 reduction Effects 0.000 description 5
- 230000000052 comparative effect Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G06T3/02—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
Abstract
本公开提供了一种图像处理方法、装置、电子设备及存储介质。所述方法包括：检测待处理图像中的对象的第一轮廓点；在待处理图像中的对象被变形后，基于第一轮廓点计算变形后的第二轮廓点；基于第一轮廓点构造第一三角网格；基于第二轮廓点构造初始三角网格；通过使目标函数达到预设条件为迭代目标对初始三角网格进行优化以构造第二三角网格，其中，目标函数包括用于指示第一线段与第一网格点之间以及第一线段与第二网格点之间的关系的项，第一线段是从待处理图像中提取的并用于表征待处理图像中除对象以外的背景的线性特征；以及通过将待处理图像从第一三角网格仿射变换到第二三角网格，以获得结果图像，使得结果图像的背景中的线形特征保持不变。
Description
技术领域
本公开涉及图像处理技术领域，更具体地说，涉及一种图像处理方法、装置、电子设备及存储介质，使得对图像中的对象进行变形时能够保持所述对象周围背景不变形。
背景技术
在现有技术中，在对图像中的对象进行变形(例如，对对象进行缩放)时，往往会造成对象周围的背景的变形。在现有技术的实施例中，例如，在拍完照片以后进行修图的情景下，诸如，瘦脸、拉长腿等功能或者直接在直播过程中进行瘦脸、瘦身等操作往往导致背景的扭曲和变形，从而影响变形后的图像的呈现效果。
发明内容
本公开的目的在于提供一种图像处理方法、装置、电子设备及存储介质，所述图像处理方法使得在对图像中的对象进行变形时能够保持所述对象周围背景不变形。
根据本公开的实施例的第一方面，提供了一种图像处理方法，所述方法包括：检测待处理图像中的对象的第一轮廓点；在待处理图像中的对象被变形后，基于第一轮廓点计算变形后的对象的第二轮廓点；基于第一轮廓点构造第一三角网格；基于第二轮廓点构造初始三角网格；通过使目标函数达到预设条件为迭代目标对初始三角网格进行优化，并基于优化后的初始三角网格构造第二三角网格，其中，目标函数包括第一项，第一项用于指示第一线段与第一三角网格的第一网格点之间以及第一线段与初始三角网格的第二网格点之间的关系，第一线段是从待处理图像中提取的，并用于表征待处理图像中除对象以外的背景的线性特征；以及通过将待处理图像从第一三角网格仿射变换到第二三角网格，以获得结果图像。
可选地，通过使目标函数达到预设条件为迭代目标对初始三角网格进行优化，并基于优化后的初始三角网格构造第二三角网格，可以包括：计算第一三角网格中的至少一个三角形被第一线段所截而形成的第一交点；计算第一交点由第一三角网格仿射变换到初始三角网格所获得的第二交点；计算第一项，第一项表示第一线段的斜率与第二线段的斜率之间的偏差，其中，第二线段通过连接第二交点而获得并且与第一线段一一对应，第一线段的斜率由第一网格点的坐标来表示，第二线段的斜率由第二网格点的坐标来表示；以及通过对第二网格点的坐标进行调整以使目标函数达到预设条件，从而基于优化后的初始三角网格构造第二三角网格。
可选地，目标函数还可以包括第二项，第二项用于表征第一三角网格中的位于对象外部的三角形与初始三角网格中的对应的三角形的相似程度，其中，第一项与第二项线性组合。
可选地，在待处理图像中的对象被变形后，基于第一轮廓点计算变形后的对象的第二轮廓点，可以包括将第一轮廓点相对于第一轮廓点的中心点移动预定值以获得第二轮廓点，预定值与变形的程度正相关。
可选地，基于第一轮廓点构造第一三角网格，可以包括：通过对连接第一轮廓点和中心点获得的线段进行等分以获得第一内部网格点；从第一轮廓点沿与中心点连线方向向外延伸至待处理图像的边缘而形成第一基线；通过对第一基线进行等分来获得第一外部网格点，其中，第一网格点包括第一轮廓点、第一内部网格点和第一外部网格点；以第一网格点为三角形的顶点构造第一三角网格。
可选地，基于第二轮廓点构造初始三角网格，可以包括：从第二轮廓点沿与中心点连线方向向外延伸至待处理图像的边缘而形成初始基线；通过对初始基线进行等分来获得与第一外部网格点一一对应的初始网格点，第二网格点包括第二轮廓点和初始网格点，并以第二网格点为三角形的顶点构造初始三角网格。
可选地，通过使目标函数达到预设条件为迭代目标对初始三角网格进行优化，并基于优化后的初始三角网格构造第二三角网格，可以包括：通过使目标函数达到预设条件为迭代目标对初始三角网格进行优化以获得优化后的初始网格点；通过对连接第二轮廓点和中心点获得的线段进行等分以获得与第一内部网格点一一对应的第二内部网格点；以及以第二轮廓点、第二内部网格点和优化后的初始网格点为三角形的顶点构造第二三角网格。
根据本公开的实施例的第二方面，提供了一种图像处理装置，所述装置包括：特征点检测单元，被配置为检测待处理图像中的对象的第一轮廓点；变形单元，被配置为在待处理图像中的对象被变形后，基于第一轮廓点计算变形后的对象的第二轮廓点；网格构造单元，被配置为基于第一轮廓点构造第一三角网格，并且基于第二轮廓点构造初始三角网格；网格优化单元，被配置为通过使目标函数达到预设条件为迭代目标对初始三角网格进行优化，并基于优化后的初始三角网格构造第二三角网格，其中，目标函数包括第一项，第一项用于指示第一线段与第一三角网格的第一网格点之间以及第一线段与初始三角网格的第二网格点之间的关系，第一线段是从待处理图像中提取的，并用于表征待处理图像中除对象以外的背景的线性特征；以及仿射变换单元，被配置为通过将待处理图像从第一三角网格仿射变换到第二三角网格，以获得结果图像。
可选地，网格优化单元还可以被配置为：计算第一三角网格中的至少一个三角形被第一线段所截而形成的第一交点；计算第一交点由第一三角网格仿射变换到初始三角网格所获得的第二交点；计算第一项，第一项表示第一线段的斜率与第二线段的斜率之间的偏差，其中，第二线段通过连接第二交点而获得并且与第一线段一一对应，第一线段的斜率由第一网格点的坐标来表示，第二线段的斜率由第二网格点的坐标来表示；以及通过对第二网格点的坐标进行调整以使目标函数达到预设条件，从而基于优化后的初始三角网格构造第二三角网格。
可选地，目标函数还可以包括第二项，第二项用于表征第一三角网格中的位于对象外部的三角形与初始三角网格中的对应的三角形的相似程度，其中，第一项与第二项线性组合。
可选地，变形单元还可以被配置为将第一轮廓点相对于第一轮廓点的中心点移动预定值以获得第二轮廓点，预定值与变形的程度正相关。
可选地，网格构造单元还可以被配置为：通过对连接第一轮廓点和中心点获得的线段进行等分以获得第一内部网格点；从第一轮廓点沿与中心点连线方向向外延伸至待处理图像的边缘而形成第一基线；通过对第一基线进行等分来获得第一外部网格点，其中，第一网格点包括第一轮廓点、第一内部网格点和第一外部网格点；以及以第一网格点为三角形的顶点构造第一三角网格。
可选地，网格构造单元还可以被配置为：从第二轮廓点沿与中心点连线方向向外延伸至待处理图像的边缘而形成初始基线；以及通过对初始基线进行等分来获得与第一外部网格点一一对应的初始网格点，第二网格点包括第二轮廓点和初始网格点，并以第二网格点为三角形的顶点构造初始三角网格。
可选地，网格优化单元还可以被配置为：通过使目标函数达到预设条件为迭代目标对初始三角网格进行优化以获得优化后的初始网格点；通过对连接第二轮廓点和中心点获得的线段进行等分以获得与第一内部网格点一一对应的第二内部网格点；以及以第二轮廓点、第二内部网格点和优化后的初始网格点为三角形的顶点构造第二三角网格。
根据本公开的实施例的第三方面，提供了一种电子设备，所述电子设备包括：至少一个处理器；至少一个存储计算机可执行指令的存储器，其中，计算机可执行指令在被至少一个处理器运行时，使得至少一个处理器执行如上所述的图像处理方法。
根据本公开的实施例的第四方面，提供了一种计算机可读存储介质，当存储在计算机可读存储介质中的指令被至少一个处理器运行时，使得至少一个处理器执行如上所述的图像处理方法。
根据本公开的实施例的第五方面，提供了一种计算机程序产品，包括计算机指令，当计算机指令被至少一个处理器执行时实现如上所述的图像处理方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
由于检测了用于表征待处理图像中除对象以外的背景的线性特征的第一线段，并且构造了包括用于指示第一线段与第一三角网格的第一网格点之间以及第一线段与初始三角网格的第二网格点之间的关系的目标函数。通过使目标函数达到预设条件为迭代目标，从而使得待处理图像中除对象以外的背景的线性特征的斜率变化最小化。并因此确保在待处理图像中的对象被变形后仍可以保持背景的形状，而不会发生背景扭曲的问题。
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是示出根据本公开的示例性实施例的实施图像处理方法的场景的示意图；
图2是示出根据一示例性实施例的图像处理方法的流程图；
图3是示出现有技术对图像中的对象进行变形的示例的流程图；
图4是示出根据一示例性实施例的对图像中的对象进行变形的示例的流程图；
图5是示出根据一示例性实施例的优化初始三角网格以构造第二三角网格的流程图；
图6是示出检测对象的轮廓点的示例；
图7是示出计算变形后的对象的轮廓点的示例；
图8是示出基于第一网格点构造第一三角网格的示例；
图9是示出根据现有技术来构造第二三角网格的示例；
图10是示出根据现有技术来对对象进行缩小的对比示意图；
图11是示出根据一示例性实施例的检测待处理图像中的第一线段的示例；
图12是示出根据一示例性实施例的计算第一线段与第一三角网格的交点的示例；
图13是示出图12的部分区域的放大图；
图14是示出根据一示例性实施例的经优化的第二三角网格；
图15是示出根据一示例性实施例来对对象进行缩小的对比示意图；
图16是示出根据一示例性实施例的执行图像处理的装置的框图；以及
图17是示出根据一示例性实施例的实施例的电子设备的框图。
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。
图1是示出根据本公开的示例性实施例的实施图像处理方法的场景的示意图。
本公开所提供的图像处理方法，可以应用于如图1所示的应用环境中，图1是根据一示例性实施例示出的一种图像处理方法的应用环境图，该应用环境中可以包括终端102，该终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
终端102可以通过其上配置的摄像头采集的用户101的图像，并可以基于该图像进行变形处理。例如，可以以采集的图像中的人脸轮廓点为基础，对用户101的脸部对应的图像进行局部缩小处理(小头处理)，以使得终端102在屏幕的显示界面上展示出经过处理的图像。
具体的，终端102采集用户101的原始图像1011，并对该原始图像1011进行变形处理，该处理过程可以由终端102上安装的具有图像处理功能的应用程序来完成。其中，终端102所采集的原始图像1011当中，可以包括用户101的人脸对应的人脸图像，在此可将人脸图像作为目标对象，可以理解，如果需要对用户101的其他部位如手臂、眼睛等进行变形处理，则可以相应地将手臂、眼睛作为目标对象。然后，终端102可以利用具有图像处理功能的应用程序对原始图像1011中的人脸图像进行变形处理，此处的变形处理具体是缩小处理，从而可以得到变形后图像1012。接着，终端102可以将变形后图像1012展示在终端102的显示界面上，以使用户101能够在该显示界面上看到变形后图像1012。
如上为终端102对如人脸等目标对象进行变形处理的基本过程。具体地，为了确保在对图像中的对象进行变形的同时保持背景图案形状不变，根据本公开的实施例的图像处理方法检测了用于表征待处理图像中除对象以外的背景的线性特征的线段，并且构造了包括用于指示线段的斜率变化程度的目标函数。通过使目标函数最小化，从而使得待处理图像中除对象以外的背景的线性特征的斜率变化最小化。并因此确保在待处理图像中的对象被变形后仍可以保持背景的形状，而不会发生背景扭曲的问题。例如，灯管、墙体等线段构型的背景将不会被弯曲。
图2是示出根据一示例性实施例的图像处理方法的流程图。
参照图2，在步骤S100中，检测待处理图像中的对象的第一轮廓点。将理解的是，任何能够检测出对象的轮廓点的方法均应被理解为被包括在本公开的范围内。例如，OpenCV中的轮廓点检测算法。
在步骤S200中，在待处理图像中的对象被变形后，基于第一轮廓点计算变形后的对象的第二轮廓点。例如，改变在步骤S100中确定的对象的第一轮廓点的位置。为了便于理解，下面所示出变形的示例为对象的缩小操作。将理解的是，上述示例不应成为本公开的限制。在执行缩小操作的情况下，步骤S200还可以包括基于第一轮廓点计算第一轮廓点的中心点，将第一轮廓点相对于第一轮廓点的中心点移动预定值(例如，朝向中心点移动预定值)以获得所述第二轮廓点，预定值与变形的程度正相关。在实施例中，预定值可以是表示变形的程度的比例系数，例如，将第一轮廓点距中心点的距离缩小预定值(例如，预定值可以为5％、10％或15％)。
在步骤S300中，基于第一轮廓点构造第一三角网格。在实施例中，通过对连接第一轮廓点和中心点获得的线段进行等分以获得第一内部网格点；从第一轮廓点沿与中心点连线方向向外延伸至待处理图像的边缘而形成第一基线；通过对第一基线进行等分来获得第一外部网格点。在实施例中，第一网格点可以包括第一轮廓点、第一内部网格点和第一外部网格点，并且可以以第一网格点为三角形的顶点构造第一三角网格。
在步骤S400中，基于第二轮廓点构造初始三角网格。在实施例中，从第二轮廓点沿与中心点连线方向向外延伸至待处理图像的边缘而形成初始基线；通过对初始基线进行等分来获得与第一外部网格点一一对应的初始网格点。第二轮廓点和初始网格点可别统称为第二网格点，并以第二网格点为三角形的顶点构造初始三角网格。例如，为使初始网格点与第一外部网格点一一对应，可以对初始基线执行与第一基线相同的等分操作，例如，可以执行三等分、四等分操作。
在步骤S500中，通过使目标函数达到预设条件为迭代目标对初始三角网格进行优化，并基于优化后的初始三角网格构造第二三角网格。
在实施例中，目标函数包括用于指示第一线段与第一三角网格的第一网格点之间以及第一线段与初始三角网格的第二网格点之间的关系的第一项，第一线段是从待处理图像中提取的，并用于表征待处理图像中除对象以外的背景的线性特征。
在实施例中，计算第一三角网格中的至少一个三角形被第一线段所截而形成的第一交点。例如，可以从待处理图像中提取的多条第一线段，第一三角网格中的一个三角形可以被多条第一线段中的一条所截，从而该条第一线段与该三角形的两个边分别相交而形成两个第一交点。需要说明的是，第一线段与三角形的两个边形成两个第一交点的情形仅为示例，在另一实施例中，第一三角网格中的多个三角形可以(分别)被多个第一线段所截，从而形成多个第一交点。在这种情况下，第一线段的斜率可以由第一网格点的坐标来表示，即，第一线段的斜率可以被表示为第一网格点的坐标的函数。计算第一交点由第一三角网格仿射变换到初始三角网格所获得的第二交点。可以通过连接第二交点而获得与第一线段一一对应的第二线段。在这种情况下，第二线段的斜率可以由第二网格点的坐标来表示，即，第二线段的斜率可以被表示为第二网格点的坐标的函数。目标函数可以包含表示第一线段的斜率与第二线段的斜率之间的偏差的第一项。通过对第二网格点的坐标进行调整能够使目标函数达到预设条件。例如，预设条件可以是使目标函数最小化，并基于优化后的初始三角网格构造第二三角网格。
在实施例中，通过使所述目标函数达到预设条件为迭代目标对所述初始三角网格进行优化以获得优化后的初始网格点。通过对连接第二轮廓点和中心点获得的线段进行等分以获得与第一内部网格点一一对应的第二内部网格点。例如，为使第一内部网格点与第二内部网格点一一对应，可以它们执行相同的等分操作，例如，可以执行三等分、四等分操作。以第二轮廓点、第二内部网格点和优化后的初始网格点为三角形的顶点构造所述第二三角网格。
在步骤S600中，通过将待处理图像从第一三角网格仿射变换到第二三角网格，以获得结果图像。
在这种情况下，由于在步骤S500中通过目标函数的最小化使第一线段与第二线段之间的斜率变化最小化，从而使得用于表征待处理图像中除对象以外的背景的线性特征的线段的斜率保持不变或斜率的变化最小化。在这种情况下，结果图像的背景的线性特征将基本保持不变。
图3是示出现有技术对图像中的对象进行变形的示例的流程图。图6是示出检测对象的轮廓点的示例。图7是示出计算变形后的对象的轮廓点的示例。图8是示出基于第一网格点构造第一三角网格的示例。图9是示出根据现有技术来构造第二三角网格的示例。图10是示出根据现有技术来对对象进行缩小的对比示意图。
为了便于理解，将在这里简要描述在现有技术中如何实现对头像进行缩小操作(小头操作)。图3中示出的步骤S100、步骤S200、步骤S300、步骤S600与参照图2描述的步骤S100、步骤S200、步骤S300、步骤S600基本相同或相似，在这里省略重复的描述。
参照图3和图6，在步骤S100中，现有技术的示例可以检测待处理图像中的人脸的第一轮廓点。检测得到的人脸轮廓点可以包括大于等于30个轮廓点(例如，图6中所示的点3_0至3_29)。需要说明的是，这里示出的数值仅是为了说明的方便，人脸轮廓点的数量可以根据实际需求增多或减少。根据采用的人脸检测算法，当人脸轮廓点数量增多时，可以提高人脸轮廓的分辨率，然而会造成计算量的增大；减少人脸轮廓点可以提高计算效率，然而会导致人脸轮廓分辨率的降低，并有可能造成不期望的变形。例如，在另一示例中，人脸轮廓点可以包括64个轮廓点。
参照图3和图7，在步骤S200中，可以基于第一轮廓点计算中心点，将第一轮廓点相对于中心点移动预定值以获得变形后的人脸的第二轮廓点。人脸轮廓可以朝向中心点内缩以获得缩小的人脸轮廓。例如，将第一轮廓点距中心点的距离缩小10％以获得第二轮廓点。在这样的示例中，第二轮廓点距中心点的距离将为第一轮廓点距中心点距离的90％(例如，图7中所示的点3_0至3_29)。在这种情况下，第二轮廓点所覆盖的面积将比第一轮廓点所覆盖的面积小。
参照图3和图8，在步骤S300中，基于第一轮廓点构造第一三角网格。在实施例中，通过对连接第一轮廓点和中心点获得的线段进行等分以获得第一内部网格点。在本实施例中，图8中示出了人脸轮廓的30个第一轮廓点和中心点分别构成的内部线段。将每条线段按照长度进行4等分，可以得到另外的30×3个第一内部网格点。可以将第一内部网格点标记为：
下标0_0表示自中心点向外第0圈第0个点，图8中示出的点0_0与点
对应，点2_29与点
对应，以此类推。
在实施例中，从第一轮廓点沿与中心点连线方向向外延伸至待处理图像的边缘而形成第一基线；通过对第一基线进行等分来获得第一外部网格点。在本实施例中，图8中示出了人脸轮廓的30个第一轮廓点沿与中心点连线方向向外延伸至待处理图像的边缘而形成第一基线。可以对第一线段进行4等分得到人脸外部的30×4个点(除了线段4等分的3圈点还有和图像边缘的一圈点)，这些点标记为：
以此类推。可以由
这四个点构成一个四边形，连接网格点
和
从而将四边形划分成两个三角形。作为示例，第一三角网格中的三角形可以以网格点来表示，例如，trangle_src
参照图3和图9，在步骤S400’，基于第二轮廓点构造第二三角网格。图9中仅标注了第二轮廓点(为示出方便，仅标注了第二轮廓点的下标3_0至3_29)。通过对连接第二轮廓点和中心点获得的线段进行等分以获得与第一内部网格点一一对应的第二内部网格点。从第二轮廓点沿与中心点连线方向向外延伸至待处理图像的边缘而形成第二基线。通过对第二基线进行等分来获得与第一外部网格点一一对应的第二外部网格点。并以第一内部网格点、第二外部网格点和第二轮廓点为三角形的顶点构造第二三角网格。例如，如图9中所示，与图8中示出的第一三角网格类似地构造第二三角网格，作为示例，第二三角网格中的三角形可以以网格点来表示，例如，trangle_dst
参照图3和图10，在步骤S600中，通过将待处理图像从第一三角网格仿射变换到第二三角网格，以获得结果图像。例如，将第一三角网格内的三角形(例如，trangle_src
)仿射变换到第二三角网格内的三角形(例如，trangle_dst
)，从而得到结果图像。因为上述参照现有技术中的图像变形处理并没有考虑到待处理图像中，除人脸之外的背景内的图像内容，所以参照图7中由箭头指出的区域，在对图像进行处理之后会出现例如灯管倾斜、墙体弯曲等背景发生扭曲变形的现象。
图4是示出根据一示例性实施例的对图像中的对象进行变形的示例的流程图。图5是示出根据一示例性实施例的优化初始三角网格以构造第二三角网格的流程图。图11是示出根据一示例性实施例的检测待处理图像中的第一线段的示例。图12是示出根据一示例性实施例的计算第一线段与第一三角网格的交点的示例。图13是示出图12的部分区域的放大图。图14是示出根据一示例性实施例的经优化的第二三角网格。图15是示出根据一示例性实施例来对对象进行缩小的对比示意图。
图4中示出的步骤S100、步骤S200、步骤S300和步骤S600与参照图2和图3描述的步骤S100、步骤S200、步骤S300和步骤S600基本相同或相似，在这里省略重复的描述。在下面的描述中，将详细描述步骤S400和步骤500。
在步骤S400中，不同于参照图3描述的步骤S400’，基于第二轮廓点构造初始三角网格。在本实施例中，从第二轮廓点沿与中心点连线方向向外延伸至待处理图像的边缘而形成初始基线；通过对初始基线进行等分来获得与第一外部网格点一一对应的初始网格点。第二轮廓点和初始网格点可别统称为第二网格点，并以第二网格点为三角形的顶点构造初始三角网格。
在步骤S500中，通过使目标函数达到预设条件为迭代目标对初始三角网格进行优化，并基于优化后的初始三角网格构造第二三角网格。其中，所述目标函数包括第一项，所述第一项用于指示第一线段与所述第一三角网格的第一网格点之间以及所述第一线段与第二网格点之间的关系，所述第一线段是从所述待处理图像中提取的，并用于表征所述待处理图像中除所述对象以外的背景的线性特征。
参照图5和图11，检测待处理图像中的第一线段。检测线段的方法可以包括：Hough_line直线检测算法、LSD直线检测算法、FLD直线检测算法、EDlines直线检测算法、LSWMS直线检测算法、CannyLines直线检测算法、MCMLSD直线检测算法和LSM直线检测算法等。需要说明的是，上述检测线段的算法仅是示例，应不被理解为对本公开的限制。
参照图5、图12和图13，计算第一线段与第一三角网格中各个三角形的第一交点。图13为图12的区域A的放大图，可以看到三角形(例如，trangle_src
)的两条边，边line
和边line
与检测到的第一线段(见图13中以虚线示出的线段)各存在一个交点。计算第一交点由第一三角网格仿射变换到初始三角网格所获得的第二交点。可以通过连接第二交点而获得与第一线段一一对应的第二线段。
在构造目标函数的步骤中，目标函数可以具有如下的形式：
其中，第一项Elines可以用于指示第一线段与所述第一三角网格的第一网格点之间以及所述第一线段与所述初始三角网格的第二网格点之间的关系。例如，第一项Elines可以表示第一线段的斜率与第二线段的斜率之间的偏差，第二项
可以用于表征所述第一三角网格中的位于所述对象外部的三角形与所述初始三角网格中的对应的三角形的相似程度。
假设参照图13示出的三角形trangle_src
被第一线段所截，并且具有分别与边line
和边line
相交的两个交点
用坐标表示分别为：
由于上述斜率是通过第一三角网格的第一网格点的坐标计算得到的，因此ksrc的数值是已知的或已知量。
假设初始三角网格中与三角形trangle_src
对应的三角形为trangle_best
需要说明的是，
为未知量。
假设三角形trangle_src
变换到三角形trangle_best
的仿射变换矩阵是
针对三组对应的点：
可以得到一个六元一次方程组。因此，可以将affinemat里面的a、b、c、d、e、f解出来。分别表示为
的函数。例如，函数可以具有如下的形式：
对于上述线段
的两个点
它们经过affinemat的仿射变换，可以得到变形后的坐标点，假设分别是
用坐标表示分别是
结合仿射矩阵(例如，
)的变换后得到
因此，由点
构成的变形后的线段的斜率可以表示为
在示例性实施例中，目标函数中用于指示第一线段与所述第一三角网格的第一网格点之间以及所述第一线段与所述初始三角网格的第二网格点之间的关系的第一项可以具有如下形式：
Elines＝∑m||ksrc-kdst||2 公式17
其中，m为正整数，表示第一线段中的线段条数。
由于检测了用于表征待处理图像中除对象以外的背景的线性特征的第一线段，并且构造了包括上述第一项Elines的目标函数，因此可以得到一个使得线段的斜率的变化量整体最小的最小化目标。
由于有的三角形内可能没有被线段所截(即，该三角形不存在与线段的交点)所以直接对公式17求解有时候会碰到解不稳定的现象。为了保持解的稳定需要加上用于表征所述第一三角网格中的位于所述对象外部的三角形与所述初始三角网格中的对应的三角形的相似程度的第二项
(例如，形状保持的限制)。第二项
可以采用现有技术已有的任何方法，只要能够表征形状的相似程度即可。例如，论文《尽可能刚性的形状操作(As-Rigid-As-Possible Shape Manipulation)》中公开的方法或者论文《捆绑的摄像机路径视频稳定(Bundled Camera Paths for Video Stabilization)》中公开的方法。在此省略冗余的描述。
此外，目标函数还可以具有如下的形式：
其中，
和
分别为第一项的权重和第二项的权重。
公式1和公式18是一个非线性的目标函数，可以用牛顿迭代法、LM(Levenberg-Marquarelt)算法等方式求出解。图14示出了经迭代后求解出的优化后的初始网格点，并基于优化后的初始三角网格构造第二三角网格。在实施例中，通过对连接第二轮廓点和中心点获得的线段进行等分以获得与第一内部网格点一一对应的第二内部网格点，以第二轮廓点、第二内部网格点和优化后的初始网格点为三角形的顶点构造第二三角网格。
在步骤S600中，通过将待处理图像从第一三角网格仿射变换到第二三角网格，以获得结果图像。参照图15所示，为了便于对比，图15的左侧示出了待处理图像，右侧示出了结果图像。由于上述参照附图描述的图像处理方法检测了用于表征待处理图像中除对象以外的背景的线性特征的线段，并且构造了包括用于指示线段的斜率变化程度和形状相似程度的目标函数。通过使目标函数最小化，从而使得待处理图像中除对象以外的背景的线性特征的斜率变化最小化。并因此确保在待处理图像中的对象被变形后仍可以保持背景的形状，而不会发生背景扭曲的问题。例如，灯管、墙体等线段构型的背景将不会被弯曲。如图15中箭头处所指，结果图像的背景的线性特征将基本保持不变。在根据本公开的示例性实施例中，能够确保在对图像中的对象进行变形的同时保持背景图案形状不变或限制自然，更符合用户的期望，从而提升用户体验。
图16是示出根据一示例性实施例的执行图像处理的装置10的框图。
作为示例，可由图16所示的装置10来执行图2、图4和图5所示的方法。
如图16所示，装置10可以是用来执行如上所述的图像处理方法的装置。装置10可以包括：特征点检测单元110、变形单元120、网格构造单元130、网格优化单元140和仿射变换单元150。
特征点检测单元110可以被配置为检测待处理图像中的对象的第一轮廓点。特征点检测单元110可以被配置为用来执行参照图2中的步骤S100描述的方法。
变形单元120可以被配置为在待处理图像中的对象被变形后，基于第一轮廓点计算变形后的对象的第二轮廓点。变形单元120可以被配置为用来执行参照图2中的步骤S200描述的方法。
网格构造单元130可以被配置为基于第一轮廓点构造第一三角网格，并且基于第二轮廓点构造初始三角网格。网格构造单元130可以被配置为用来执行参照图2中的步骤S300和步骤S400的方法。
网格优化单元140可以被配置为通过使目标函数达到预设条件为迭代目标对初始三角网格进行优化，并基于优化后的初始三角网格构造第二三角网格，其中，目标函数包括第一项，第一项用于指示第一线段与第一三角网格的第一网格点之间以及第一线段与初始三角网格的第二网格点之间的关系，第一线段是从待处理图像中提取的，并用于表征待处理图像中除对象以外的背景的线性特征。网格优化单元140可以被配置为用来执行参照图2中的步骤S500描述的方法。
仿射变换单元150可以被配置为通过将待处理图像从第一三角网格仿射变换到第二三角网格，以获得结果图像。仿射变换单元150可以被配置为用来执行参照图2中的步骤S600描述的方法。
关于上述实施例中的装置，其中各个模块/单元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17是示出根据一示例性实施例的实施例的电子设备的框图。
参照图17，电子设备400包括至少一个存储器401和至少一个处理器402，所述至少一个存储器401存储计算机可执行指令，当计算机可执行指令被至少一个处理器402执行时，促使至少一个处理器402执行根据本公开的实施例的图像处理方法。
作为示例，电子设备400可以是PC计算机、平板装置、个人数字助理、智能手机、或其他能够执行上述指令的装置。这里，电子设备400并非必须是单个电子设备，还可以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。电子设备400还可以是集成控制系统或系统管理器的一部分，或者可被配置为与本地或远程(例如，经由无线传输)以接口互联的便携式电子设备。
在电子设备400中，处理器402可包括中央处理器(CPU)、图形处理器(GPU)、可编程逻辑装置、专用处理器系统、微控制器或微处理器。作为示例而非限制，处理器还可包括模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。
处理器402可运行存储在存储器401中的指令或代码，其中，存储器401还可以存储数据。指令和数据还可经由网络接口装置而通过网络被发送和接收，其中，网络接口装置可采用任何已知的传输协议。
存储器401可与处理器402集成为一体，例如，将RAM或闪存布置在集成电路微处理器等之内。此外，存储器401可包括独立的装置，诸如，外部盘驱动、存储阵列或任何数据库系统可使用的其他存储装置。存储器401和处理器402可在操作上进行耦合，或者可例如通过I/O端口、网络连接等互相通信，使得处理器402能够读取存储在存储器中的文件。
此外，电子设备400还可包括视频显示器(诸如，液晶显示器)和用户交互接口(诸如，键盘、鼠标、触摸输入装置等)。电子设备400的所有组件可经由总线和/或网络而彼此连接。
根据本公开的实施例，还可提供一种计算机可读存储介质，其中，当存储在计算机可读存储介质中的指令被至少一个处理器运行时，促使至少一个处理器执行根据本公开的实施例的图像处理方法。这里的计算机可读存储介质的示例包括：只读存储器(ROM)、随机存取可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、闪存、非易失性存储器、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、蓝光或光盘存储器、硬盘驱动器(HDD)、固态硬盘(SSD)、卡式存储器(诸如，多媒体卡、安全数字(SD)卡或极速数字(XD)卡)、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及任何其他装置，所述任何其他装置被配置为以非暂时性方式存储计算机程序以及任何相关联的数据、数据文件和数据结构并将所述计算机程序以及任何相关联的数据、数据文件和数据结构提供给处理器或计算机使得处理器或计算机能执行所述计算机程序。上述计算机可读存储介质中的计算机程序可在诸如客户端、主机、代理装置、服务器等计算机设备中部署的环境中运行，此外，在一个示例中，计算机程序以及任何相关联的数据、数据文件和数据结构分布在联网的计算机系统上，使得计算机程序以及任何相关联的数据、数据文件和数据结构通过一个或多个处理器或计算机以分布式方式存储、访问和执行。
根据本公开的实施例，还可提供一种计算机程序产品，包括计算机指令，当所述计算机指令被至少一个处理器执行时实现根据本公开的实施例的图像处理方法。
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 (10)
1.一种图像处理方法，其特征在于，所述方法包括：
检测待处理图像中的对象的第一轮廓点；
在所述待处理图像中的所述对象被变形后，基于所述第一轮廓点计算变形后的所述对象的第二轮廓点；
基于所述第一轮廓点构造第一三角网格；
基于所述第二轮廓点构造初始三角网格；
通过使目标函数达到预设条件为迭代目标对所述初始三角网格进行优化，并基于优化后的初始三角网格构造第二三角网格，其中，所述目标函数包括第一项，所述第一项用于指示第一线段与所述第一三角网格的第一网格点之间以及所述第一线段与所述初始三角网格的第二网格点之间的关系，所述第一线段是从所述待处理图像中提取的，并用于表征所述待处理图像中除所述对象以外的背景的线性特征；以及
通过将所述待处理图像从所述第一三角网格仿射变换到所述第二三角网格，以获得结果图像。
2.根据权利要求1所述的方法，其特征在于，所述通过使目标函数达到预设条件为迭代目标对所述初始三角网格进行优化，并基于优化后的所述初始三角网格构造所述第二三角网格，包括：
计算所述第一三角网格中的至少一个三角形被所述第一线段所截而形成的第一交点；
计算所述第一交点由所述第一三角网格仿射变换到所述初始三角网格所获得的第二交点；
计算所述第一项，所述第一项表示所述第一线段的斜率与第二线段的斜率之间的偏差，其中，所述第二线段通过连接所述第二交点而获得并且与所述第一线段一一对应，所述第一线段的斜率由所述第一网格点的坐标来表示，所述第二线段的斜率由所述第二网格点的坐标来表示；以及
通过对所述第二网格点的所述坐标进行调整以使所述目标函数达到所述预设条件，从而基于所述优化后的初始三角网格构造所述第二三角网格。
3.根据权利要求1所述的方法，其特征在于，所述目标函数还包括第二项，所述第二项用于表征所述第一三角网格中的位于所述对象外部的三角形与所述初始三角网格中的对应的三角形的相似程度，其中，所述第一项与所述第二项线性组合。
4.根据权利要求1所述的方法，其特征在于，所述在所述待处理图像中的所述对象被变形后，基于所述第一轮廓点计算变形后的所述对象的所述第二轮廓点，包括：
将所述第一轮廓点相对于所述第一轮廓点的中心点移动预定值以获得所述第二轮廓点，所述预定值与所述变形的程度正相关。
5.根据权利要求4所述的方法，其特征在于，所述基于所述第一轮廓点构造第一三角网格，包括：
通过对连接所述第一轮廓点和所述中心点获得的线段进行等分以获得第一内部网格点；
从所述第一轮廓点沿与所述中心点连线方向向外延伸至所述待处理图像的边缘而形成第一基线；
通过对所述第一基线进行等分来获得第一外部网格点，其中，所述第一网格点包括所述第一轮廓点、所述第一内部网格点和所述第一外部网格点；
以所述第一网格点为三角形的顶点构造所述第一三角网格。
6.根据权利要求5所述的方法，其特征在于，所述基于所述第二轮廓点构造初始三角网格，包括：
从所述第二轮廓点沿与所述中心点连线方向向外延伸至所述待处理图像的边缘而形成初始基线；
通过对所述初始基线进行等分来获得与所述第一外部网格点一一对应的初始网格点，所述第二网格点包括所述第二轮廓点和所述初始网格点，以所述第二网格点为三角形的顶点构造所述初始三角网格。
7.一种图像处理装置，其特征在于，所述装置包括：
特征点检测单元，被配置为检测待处理图像中的对象的第一轮廓点；
变形单元，被配置为在所述待处理图像中的所述对象被变形后，基于所述第一轮廓点计算变形后的所述对象的第二轮廓点；
网格构造单元，被配置为基于所述第一轮廓点构造第一三角网格，并且基于所述第二轮廓点构造初始三角网格；
网格优化单元，被配置为通过使目标函数达到预设条件为迭代目标对所述初始三角网格进行优化，并基于优化后的所述初始三角网格构造第二三角网格，其中，所述目标函数包括第一项，所述第一项用于指示第一线段与所述第一三角网格的第一网格点之间以及所述第一线段与所述初始三角网格的第二网格点之间的关系，所述第一线段是从所述待处理图像中提取的，并用于表征所述待处理图像中除所述对象以外的背景的线性特征；以及
仿射变换单元，被配置为通过将所述待处理图像从所述第一三角网格仿射变换到所述第二三角网格，以获得结果图像。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；
至少一个存储计算机可执行指令的存储器，
其中，所述计算机可执行指令在被所述至少一个处理器运行时，使得所述至少一个处理器执行如权利要求1-6中任意一项所述的图像处理方法。
9.一种计算机可读存储介质，其特征在于，当存储在所述计算机可读存储介质中的指令被至少一个处理器运行时，使得所述至少一个处理器执行如权利要求1-6中任意一项所述的图像处理方法。
10.一种计算机程序产品，包括计算机指令，其特征在于，当所述计算机指令被至少一个处理器执行时实现如权利要求1-6中任意一项所述的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110872062.1A CN113436063B (zh) | 2021-07-30 | 2021-07-30 | 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 |
|---|---|---|---|
| CN202110872062.1A CN113436063B (zh) | 2021-07-30 | 2021-07-30 | 图像处理方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113436063A true CN113436063A (zh) | 2021-09-24 |
| CN113436063B CN113436063B (zh) | 2024-03-05 |
Family
ID=77762575
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110872062.1A Active CN113436063B (zh) | 2021-07-30 | 2021-07-30 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113436063B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114913549A (zh) * | 2022-05-25 | 2022-08-16 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914806A (zh) * | 2013-01-09 | 2014-07-09 | 三星电子株式会社 | 用于调整拍摄的用户的眼睛的显示装置和控制方法 |
| CN107392984A (zh) * | 2017-07-26 | 2017-11-24 | 厦门美图之家科技有限公司 | 一种基于人脸图像生成动画的方法及计算设备 |
| US20180300537A1 (en) * | 2016-04-27 | 2018-10-18 | Tencent Technology (Shenzhen) Company Limited | Image deformation processing method and apparatus, and computer storage medium |
| CN109345486A (zh) * | 2018-10-24 | 2019-02-15 | 中科天网（广东）科技有限公司 | 一种基于自适应网格变形的人脸图像去模糊方法 |
| WO2021012599A1 (zh) * | 2019-07-24 | 2021-01-28 | 广州视源电子科技股份有限公司 | 图像调整方法、装置和计算机设备 |
| CN112686824A (zh) * | 2020-12-30 | 2021-04-20 | 北京迈格威科技有限公司 | 图像校正方法、装置、电子设备和计算机可读介质 |
| US20210158616A1 (en) * | 2019-11-21 | 2021-05-27 | Beijing Sensetime Technology Development Co., Ltd. | Method and device for processing image, and storage medium |
-
2021
- 2021-07-30 CN CN202110872062.1A patent/CN113436063B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914806A (zh) * | 2013-01-09 | 2014-07-09 | 三星电子株式会社 | 用于调整拍摄的用户的眼睛的显示装置和控制方法 |
| US20180300537A1 (en) * | 2016-04-27 | 2018-10-18 | Tencent Technology (Shenzhen) Company Limited | Image deformation processing method and apparatus, and computer storage medium |
| CN107392984A (zh) * | 2017-07-26 | 2017-11-24 | 厦门美图之家科技有限公司 | 一种基于人脸图像生成动画的方法及计算设备 |
| CN109345486A (zh) * | 2018-10-24 | 2019-02-15 | 中科天网（广东）科技有限公司 | 一种基于自适应网格变形的人脸图像去模糊方法 |
| WO2021012599A1 (zh) * | 2019-07-24 | 2021-01-28 | 广州视源电子科技股份有限公司 | 图像调整方法、装置和计算机设备 |
| US20210158616A1 (en) * | 2019-11-21 | 2021-05-27 | Beijing Sensetime Technology Development Co., Ltd. | Method and device for processing image, and storage medium |
| CN112686824A (zh) * | 2020-12-30 | 2021-04-20 | 北京迈格威科技有限公司 | 图像校正方法、装置、电子设备和计算机可读介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114913549A (zh) * | 2022-05-25 | 2022-08-16 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113436063B (zh) | 2024-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112771573B (zh) | 基于散斑图像的深度估计方法及装置、人脸识别系统 | |
| US8717354B2 (en) | Three-dimensional annotations for street view data | |
| CN107533771B (zh) | 通过3d模型重建进行网格简化 | |
| US20170046589A1 (en) | Pre-segment point cloud data to run real-time shape extraction faster | |
| US8355592B1 (en) | Generating a modified image with semantic constraint | |
| US9311756B2 (en) | Image group processing and visualization | |
| CN106952338B (zh) | 基于深度学习的三维重建的方法、系统及可读存储介质 | |
| US20150097827A1 (en) | Target Region Fill Utilizing Transformations | |
| US9691175B2 (en) | 3-D models as a navigable container for 2-D raster images | |
| US20180130241A1 (en) | Image Modification Using Detected Symmetry | |
| US20180114339A1 (en) | Information processing device and method, and program | |
| KR20230021150A (ko) | 도로 어노테이션을 생성하는 방법, 장치, 기기 및 저장 매체 | |
| US11069034B2 (en) | Method and system to enhance quality of digital images | |
| CN115439543A (zh) | 孔洞位置的确定方法和元宇宙中三维模型的生成方法 | |
| CN113436063A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN111492407B (zh) | 用于绘图美化的系统和方法 | |
| CN115668271A (zh) | 用于生成平面图的方法及装置 | |
| US11216961B2 (en) | Aligning digital images by selectively applying pixel-adjusted-gyroscope alignment and feature-based alignment models | |
| CN116324783A (zh) | 用于在cad环境中提供三维计算机辅助设计（cad）模型的方法和系统 | |
| WO2021042549A1 (zh) | 图像mask的过滤方法、装置、系统及存储介质 | |
| CN115937546A (zh) | 图像匹配、三维图像重建方法、装置、电子设备以及介质 | |
| JP2022064506A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
| WO2021093276A1 (zh) | 人群计数系统中基于可变形高斯核的训练数据生成方法 | |
| CN109242941B (zh) | 三维对象合成通过使用视觉引导作为二维数字图像的一部分 | |
| CN113920525A (zh) | 文本矫正方法、装置、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |