CN113496469B - 图像处理方法、装置、电子设备和存储介质 - Google Patents
图像处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113496469B CN113496469B CN202010251322.9A CN202010251322A CN113496469B CN 113496469 B CN113496469 B CN 113496469B CN 202010251322 A CN202010251322 A CN 202010251322A CN 113496469 B CN113496469 B CN 113496469B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- face image
- flaw area
- area
- determining
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 55
- 230000007547 defect Effects 0.000 claims description 89
- 238000012545 processing Methods 0.000 claims description 49
- 230000008439 repair process Effects 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 38
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 230000002950 deficient Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000004321 preservation Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 208000020154 Acnes Diseases 0.000 description 1
- 208000032544 Cicatrix Diseases 0.000 description 1
- 208000007256 Nevus Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance 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
- 231100000241 scar Toxicity 0.000 description 1
- 230000037387 scars Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G06T5/77—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G06T5/94—
Abstract
本公开关于图像处理方法、装置、电子设备和存储介质,所述方法包括:对目标图像中的第一人脸图像进行识别,以获取第一人脸图像的特征信息;查询与特征信息相同的对应的预存的目标用户,以及预存的目标用户的三维模型中的三维瑕疵区域、第一矩阵;根据第一矩阵将三维瑕疵区域投影到第一人脸图像中,以得到二维瑕疵区域;对第一人脸图像中位于二维瑕疵区域内的像素进行修复处理。根据本公开,由于目标用户对应的三维瑕疵区域是预先存储的,在祛除第一人脸中的瑕疵时,不必确定第一人脸图像中的瑕疵,可以直接将三维瑕疵区域投影到第一人脸图像中作为第一人脸图像中的瑕疵区域,省去了在第一人脸图像中确定瑕疵的过程,可以提高祛除瑕疵的速度。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及图像处理方法、装置、电子设备和存储介质。
背景技术
在目前的人像处理应用程序中,美颜是一种常见的功能,该功能可以对人像进行磨皮处理,从而祛除人像中的疤痕、痘痘、痣等瑕疵,以提高图片的观看效果。
在相关技术中,为了针对性地祛除瑕疵,首先需要对人像中的瑕疵进行识别,然后才能祛除识别到的瑕疵。这就使得用户在每次使用该应用处理图像时,应用都需要先执行在图像中识别瑕疵的步骤,影响祛除瑕疵的速度。
发明内容
本公开提供了图像处理方法、装置、电子设备和存储介质,以至少解决相关技术中的技术问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提出一种图像处理方法,包括:
对目标图像中的第一人脸图像进行识别,以获取所述第一人脸图像的特征信息;
查询与所述特征信息相同的对应的预存的目标用户,以及预存的所述目标用户的三维模型中的三维瑕疵区域、第一矩阵,其中,所述第一矩阵用于将所述三维模型向所述第一人脸图像所在的预设平面投影;
根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域;
对所述第一人脸图像中位于所述二维瑕疵区域内的像素进行修复处理。
可选地,在对目标图像中的第一人脸图像进行识别之前,所述方法还包括:
采集所述目标用户的人脸图像作为样本人脸图像;
识别所述样本人脸图像中瑕疵对应的二维瑕疵区域;
将所述样本人脸图像转换为三维模型;
确定所述三维模型中所述二维瑕疵区域对应的三维瑕疵区域;
标记所述三维瑕疵区域以及将所述三维瑕疵区域投影到所述预设平面的第一矩阵,以与所述目标用户相关联。
可选地,在根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域之前,所述方法包括:
识别所述第一人脸图像对应人脸的目标姿态;
将所述三维模型的姿态调整为所述目标姿态;
根据调整后的所述三维模型与所述预设平面之间的关系,确定调整后的所述三维模型中朝向所述预设平面的部分模型;
其中,所述根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域包括:
根据所述第一矩阵将所述部分模型投影到所述第一人脸图像中,以得到所述二维瑕疵区域。
可选地,所述样本人脸图像为多个,所述确定所述三维模型中所述二维瑕疵区域对应的三维瑕疵区域之前,所述方法还包括:
根据多个所述三维模型确定标准三维模型,其中,所述标准三维模型中三维瑕疵区域的位置为多个所述三维模型中三维瑕疵区域的位置的均值,所述标准三维模型中三维瑕疵区域的面积为多个所述三维模型中三维瑕疵区域的面积的均值;
所述确定所述三维模型中所述二维瑕疵区域对应的三维瑕疵区域包括:
确定所述标准三维模型中所述二维瑕疵区域对应的三维瑕疵区域。
可选地,所述方法还包括:
在预设时长后,根据接收到的调整指令,调整与所述目标用户相关联的所述三维瑕疵区域,得到更新后的与所述目标用户相关联的所述三维瑕疵区域。
可选地,所述更新与所述目标用户相关联的所述三维瑕疵区域包括:
再次采集所述目标用户的样本人脸图像;
识别再次采集的样本人脸图像中瑕疵对应的更新二维瑕疵区域;
确定所述三维模型中所述更新二维瑕疵区域对应的更新三维瑕疵区域;
标记所述更新三维瑕疵区域与所述目标用户相关联。
可选地,在将所述样本人脸图像转换为三维模型之前,所述方法还包括:
确定所述样本人脸图像所处的样本包围框;
将所述样本包围框的尺寸调整为预设尺寸;
其中,所述将所述样本人脸图像转换为三维模型包括:
将预设尺寸的所述样本人脸图像转换为三维模型;
以及在根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域之前,所述方法还包括:
确定所述第一人脸图像所处的第一包围框;
将所述第一包围框的尺寸调整为所述预设尺寸;
其中,所述根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域包括:
根据所述第一矩阵将所述三维瑕疵区域投影到所述预设尺寸的第一人脸图像中,以得到二维瑕疵区域。
可选地,所述对所述第一人脸图像中位于所述二维瑕疵区域内的像素进行修复处理包括:
在所述第一人脸图像中位于所述二维瑕疵区域内的像素中确定未被遮挡的目标像素;
对所述未被遮挡的目标像素进行修复处理。
可选地,所述在所述第一人脸图像中位于所述二维瑕疵区域内的像素中确定未被遮挡的目标像素包括:
比较所述二维瑕疵区域内的像素的颜色与预设皮肤颜色;
确定所述二维瑕疵区域内的像素的颜色与所述预设皮肤颜色的差值小于预设值的像素为所述目标像素。
可选地,所述在所述第一人脸图像中位于所述二维瑕疵区域内的像素中确定未被遮挡的目标像素包括:
对所述二维瑕疵区域内的像素构成的物体进行识别;
确定所述二维瑕疵区域内被识别为皮肤的像素为所述目标像素。
可选地,若未查询到与所述特征信息对应的预存的目标用户,所述方法还包括:
标记所述特征信息,以与新的用户相关联;
识别所述第一人脸图像中瑕疵对应的新二维瑕疵区域;
将所述第一人脸图像转换为新三维模型;
确定所述新三维模型所述新二维瑕疵区域对应的新三维瑕疵区域;
标记所述新三维瑕疵区域以及所述第一矩阵,以与所述新的用户相关联。
根据本公开实施例的第二方面,提出一种图像处理装置,包括:
特征获取模块,被配置为执行,对目标图像中的第一人脸图像进行识别,以获取所述第一人脸图像的特征信息;
用户查询模块,被配置为执行,查询与所述特征信息相同的对应的预存的目标用户,以及预存的所述目标用户的三维模型中的三维瑕疵区域、第一矩阵,其中,所述第一矩阵用于将所述三维模型向所述第一人脸图像所在的预设平面投影;
第一投影模块,被配置为执行,根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域;
修复处理模块,被配置为执行,对所述第一人脸图像中位于所述二维瑕疵区域内的像素进行修复处理。
可选地,所述装置还包括:
图像采集模块,被配置为执行,采集所述目标用户的人脸图像作为样本人脸图像;
第一瑕疵识别模块,被配置为执行,识别所述样本人脸图像中瑕疵对应的二维瑕疵区域;
第一模型转换模块,被配置为执行,将所述样本人脸图像转换为三维模型;
第一区域确定模块,被配置为执行,确定所述三维模型中所述二维瑕疵区域对应的三维瑕疵区域;
第一关联标记模块,被配置为执行,标记所述三维瑕疵区域以及将所述三维瑕疵区域投影到所述预设平面的第一矩阵,以与所述目标用户相关联。
可选地,所述装置包括:
姿态识别模块,被配置为执行,识别所述第一人脸图像对应人脸的目标姿态;
姿态调整模块,被配置为执行,将所述三维模型的姿态调整为所述目标姿态;
朝向确定模块,被配置为执行,根据调整后的所述三维模型与所述预设平面之间的关系,确定调整后的所述三维模型中朝向所述预设平面的部分模型;
其中,所述第一投影模块,被配置为执行,根据所述第一矩阵将所述部分模型投影到所述第一人脸图像中,以得到所述二维瑕疵区域。
可选地,所述样本人脸图像为多个,所述装置还包括:
标准确定模块,被配置为执行,根据多个所述三维模型确定标准三维模型,其中,所述标准三维模型中三维瑕疵区域的位置为多个所述三维模型中三维瑕疵区域的位置的均值,所述标准三维模型中三维瑕疵区域的面积为多个所述三维模型中三维瑕疵区域的面积的均值;
所述第一区域确定模块,被配置为执行,确定所述标准三维模型中所述二维瑕疵区域对应的三维瑕疵区域。
可选地,所述装置还包括:
更新模块,被配置为执行,在预设时长后,根据接收到的调整指令,调整与所述目标用户相关联的所述三维瑕疵区域,得到更新后的与所述目标用户相关联的所述三维瑕疵区域。
可选地,所述更新模块,被配置为执行,再次采集所述目标用户的样本人脸图像;
识别再次采集的样本人脸图像中瑕疵对应的更新二维瑕疵区域;
确定所述三维模型中所述更新二维瑕疵区域对应的更新三维瑕疵区域;
标记所述更新三维瑕疵区域与所述目标用户相关联。
可选地,所述装置还包括:
包围框确定模块,被配置为执行,确定所述样本人脸图像所处的样本包围框;
尺寸调整模块,被配置为执行,将所述样本包围框的尺寸调整为预设尺寸;
其中,所述第一模型转换模块,被配置为执行,将预设尺寸的所述样本人脸图像转换为三维模型;
所述包围框确定模块,还被配置为执行,确定所述第一人脸图像所处的第一包围框;
所述尺寸调整模块,还被配置为执行,将所述第一包围框的尺寸调整为所述预设尺寸;
其中,所述第一投影模块,被配置为执行,根据所述第一矩阵将所述三维瑕疵区域投影到所述预设尺寸的第一人脸图像中,以得到二维瑕疵区域。
可选地,所述修复处理模块包括:
遮挡确定子模块,被配置为执行,在所述第一人脸图像中位于所述二维瑕疵区域内的像素中确定未被遮挡的目标像素;
修复子模块,被配置为执行,对所述未被遮挡的目标像素进行修复处理。
可选地,所述遮挡确定子模块,被配置为执行,比较所述二维瑕疵区域内的像素的颜色与预设皮肤颜色;
确定所述二维瑕疵区域内的像素的颜色与所述预设皮肤颜色的差值小于预设值的像素为所述目标像素。
可选地,所述遮挡确定子模块,被配置为执行,对所述二维瑕疵区域内的像素构成的物体进行识别;
确定所述二维瑕疵区域内被识别为皮肤的像素为所述目标像素。
可选地,所述装置还包括:
第二关联标记模块,被配置为执行,在未查询到与所述特征信息对应的预存的目标用户的情况下,标记所述特征信息,以与新的用户相关联;
第二瑕疵识别模块,被配置为执行,识别所述第一人脸图像中瑕疵对应的新二维瑕疵区域;
第二模型转换模块,被配置为执行,将所述第一人脸图像转换为新三维模型;
第二区域确定模块,被配置为执行,确定所述新三维模型所述新二维瑕疵区域对应的新三维瑕疵区域;
第三关联标记模块,被配置为执行,标记所述新三维瑕疵区域以及所述第一矩阵,以与所述新的用户相关联。
根据本公开实施例的第三方面,提出一种电子设备,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,以实现如上述任一实施例所述的图像处理方法。
根据本公开实施例的第四方面,提出一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行上述任一实施例所述的图像处理方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,所述计算机程序产品被配置为执行上述任一实施例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:
根据本公开的实施例,由于目标用户和目标用户的三维模型中的三维瑕疵区域都是预先存储的,所以在祛除第一人脸图像中的瑕疵时,就不必通过复杂的算法(例如高反差保留)确定第一人脸图像中的瑕疵,而是可以直接将目标用户的三维模型中的三维瑕疵区域向第一人脸图像投影得到的二维瑕疵区域作为第一人脸图像中的瑕疵区域,进而对第一人脸图像中位于所述二维瑕疵区域内的像素进行修复处理,以将第一人脸图像中的瑕疵祛除。据此,省去了在第一人脸图像中确定瑕疵的过程,可以提高祛除图像中瑕疵的速度。
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1是根据本公开的实施例示出的一种图像处理方法的示意流程图。
图2是根据本公开的实施例示出的另一种图像处理方法的示意流程图。
图3是根据本公开的实施例示出的又一种图像处理方法的示意流程图。
图4是根据本公开的实施例示出的又一种图像处理方法的示意流程图。
图5是根据本公开的实施例示出的又一种图像处理方法的示意流程图。
图6是根据本公开的实施例示出的又一种图像处理方法的示意流程图。
图7是根据本公开的实施例示出的又一种图像处理方法的示意流程图。
图8是根据本公开的实施例示出的又一种图像处理方法的示意流程图。
图9是根据本公开的实施例示出的又一种图像处理方法的示意流程图。
图10是根据本公开的实施例示出的又一种图像处理方法的示意流程图。
图11是根据本公开的实施例示出的又一种图像处理方法的示意流程图。
图12是根据本公开的实施例示出的又一种图像处理方法的示意流程图。
图13是根据本公开的实施例示出的一种图像处理装置的示意框图。
图14是根据本公开的实施例示出的另一种图像处理装置的示意框图。
图15是根据本公开的实施例示出的又一种图像处理装置的示意框图。
图16是根据本公开的实施例示出的又一种图像处理装置的示意框图。
图17是根据本公开的实施例示出的又一种图像处理装置的示意框图。
图18是根据本公开的实施例示出的又一种图像处理装置的示意框图。
图19是根据本公开的实施例示出的一种修复处理模块的示意框图。
图20是根据本公开的实施例示出的又一种图像处理装置的示意框图。
图21是根据本公开的实施例示出的一种电子设备的示意框图。
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是根据本公开的实施例示出的一种图像处理方法的示意流程图。本实施例所示的图像处理方法可以适用于终端中的应用程序,所述终端包括但不限于手机、平板电脑、可穿戴设备、个人计算机等电子设备。
如图1所示,所述图像处理方法可以包括以下步骤:
在步骤S101中,对目标图像中的第一人脸图像进行识别,以获取所述第一人脸图像的特征信息;
在步骤S102中,查询与所述特征信息相同的对应的预存的目标用户,以及预存的所述目标用户的三维模型中的三维瑕疵区域、第一矩阵,其中,所述第一矩阵用于将所述三维模型向所述第一人脸图像所在的预设平面投影;
在步骤S103中,根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域;
在步骤S104中,对所述第一人脸图像中位于所述二维瑕疵区域内的像素进行修复处理(例如可以采用高斯模糊、均值模糊、中值模糊等方式进行修复处理)。
在一个实施例中,所述应用程序可以是具备播放功能的应用程序(例如直播应用程序、播放器等),那么目标图像可以是应用程序正在播放的图像,例如可以是单独的图片,也可以是视频中的某一帧图像;所述应用程序也可以是不具备播放功能,而只用于处理图像的应用程序,那么目标图像可以是根据需要选定的任一张图像。
在应用程序中可以预先存储多个用户对应的特征信息,和用户(人脸)的三维模型中的三维瑕疵区域、第一矩阵。
对于目标图像可以进行识别(例如人脸识别),从而获取第一人脸图像的特征信息。进而基于获取到的特征信息,可以查询特征信息对应的目标用户,以及目标用户的三维模型中的三维瑕疵区域。
由于查询到的目标用户与第一人脸图像的特征信息相同,那么说明目标用户就是第一人脸图像对应的用户,因此目标图像的三维模型就是第一人脸图像对应用户人脸的三维模型,三维模型中的三维瑕疵区域投影到第一人脸图像中的二维瑕疵区域,就是第一人脸图像中的瑕疵区域。从而可以根据第一矩阵将三维模型中的三维瑕疵区域投影到第一人脸图像中,以得到二维瑕疵区域,进而对第一人脸图像中位于所述二维瑕疵区域内的像素进行修复处理,可以将第一人脸图像中的瑕疵祛除。
根据本公开的实施例,由于目标用户和目标用户的三维模型中的三维瑕疵区域都是预先存储的,所以在祛除第一人脸图像中的瑕疵时,就不必通过复杂的算法(例如高反差保留)确定第一人脸图像中的瑕疵,而是可以直接将目标用户的三维模型中的三维瑕疵区域向第一人脸图像投影得到的二维瑕疵区域作为第一人脸图像中的瑕疵区域,进而对第一人脸图像中位于所述二维瑕疵区域内的像素进行修复处理,以将第一人脸图像中的瑕疵祛除。据此,省去了在第一人脸图像中确定瑕疵的过程,可以提高祛除图像中瑕疵的速度。
需要说明的是,虽然本实施例相对于相关技术增加了查询目标用户和相应的三维模型中的三维瑕疵区域,以及将三维瑕疵区域向第一人脸图像投影的过程,但是该过程相对于相关技术中在人脸中确定瑕疵的过程耗时要少得多,因此可以保证提高祛除图像中瑕疵的速度。
图2是根据本公开的实施例示出的另一种图像处理方法的示意流程图。如图2所示,在对目标图像中的第一人脸图像进行识别之前,所述方法还包括:
在步骤S105中,采集所述目标用户的人脸图像作为样本人脸图像;
在步骤S106中,识别所述样本人脸图像中瑕疵对应的二维瑕疵区域;
在步骤S107中,将所述样本人脸图像转换为三维模型;
在步骤S108中,确定所述三维模型中所述二维瑕疵区域对应的三维瑕疵区域;
在步骤S109中,标记所述三维瑕疵区域以及将所述三维瑕疵区域投影到所述预设平面的第一矩阵,以与所述目标用户相关联。
在一个实施例中,在对目标图像中的第一人脸图像进行识别之前,可以预先对目标用户的人脸进行识别,以获取目标用户的特征信息,该过程可以基于人脸识别技术实现。进而可以标记所述特征信息与所述目标用户相关联,从而确保在获取到第一人脸图像的特征信息后,能够查询特征信息对应的预存的目标用户。
在一个实施例中,还可以对目标用户人脸图像进行采集,以作为样本人脸图像,进而识别样本人脸图像中瑕疵对应的二维瑕疵区域,例如可以基于高反差保留等步骤识别出瑕疵区域,由于样本人脸图像是二维图像,那么识别出的瑕疵区域就是二维瑕疵区域。
进一步地,可以将样本人脸图像转换为三维模型,其中,可以根据需要构建样本人脸图像所在平面(与第一人脸图像位于同一平面)向三位模型所在三维空间投影的第二矩阵,然后根据该第二矩阵将样本人脸图像向三维空间投影,从而转换为三维模型,那么样本人脸图像中的二维瑕疵区域也就转换到三维空间,形成了三维瑕疵区域,进而可以标记所述三维模型中的三维瑕疵区域与所述目标用户相关联。
据此,构建了包含三维模型中的三维瑕疵区域与第二人脸的关联关系,可以确保在查询到预存的目标用户后,能够进一步确定预存的目标用户对应的三维模型中的三维瑕疵区域。
图3是根据本公开的实施例示出的又一种图像处理方法的示意流程图。如图3所示,预存的与所述样本人脸图像中瑕疵区域为所述三维瑕疵区域,在对所述第一人脸图像中位于所述瑕疵区域内的像素进行修复处理之前,所述方法包括:
在步骤S110中,识别所述第一人脸图像对应人脸的目标姿态;
在步骤S111中,将所述三维模型的姿态调整为所述目标姿态;
在步骤S112中,根据调整后的所述三维模型与所述预设平面之间的关系,确定调整后的所述三维模型中朝向所述预设平面的部分模型;
其中,所述根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域包括:
在步骤S1031中,对所述第一人脸图像中位于所述二维瑕疵区域内的像素进行修复处理。
在一个实施例中,由于第一人脸图像位于二维平面中,为了确定三维瑕疵区域在第一人脸图像中对应的二维瑕疵区域,需要将三维瑕疵区域转换到第一人脸图像中。
而第一人脸图像对应人脸的姿态可以有很多种,在不同姿态下,第一人脸图像中需要处理的瑕疵区域有所不同,例如人脸正对着镜头,那么第一人脸图像中既包括左脸,又包括右脸,就需要对左脸和右脸上的瑕疵都进行祛除,例如人脸中的左脸对着镜头,那么第一人脸图像中只包括左脸,而不包括右脸,因此只需对左脸上的瑕疵进行祛除,而无需考虑右脸上的瑕疵。
因此在将三维瑕疵区域转换到第一人脸图像中之前,需要确定三维瑕疵区域中,哪些三维瑕疵区域能够投影到第一人脸图像所在的平面。
具体地,可以识别所述第一人脸图像对应人脸的目标姿态,例如可以先将第一人脸图像按照上述实施例中的第二矩阵投影到三围空间,以便确定第一人脸图像对应人脸相对于镜头的姿态,所述姿态可以通过方位角(也称作偏航角)yaw、横滚角roll和俯仰角pitch这三个角度表示。
然后可以将三维模型的姿态调整为所述目标姿态,从而使得三维模型相对镜头姿态,与第一人脸图像对应人脸相对镜头姿态相同。例如三维模型相对镜头的姿态为正对着镜头,第一人脸图像对应人脸相对镜头的姿态为左脸对着镜头,那么经过对是三维模型进行调整,调整后三维模型相对镜头姿态也为左脸对着镜头。
进而可以根据调整后的三维模型与第一人脸图像所在预设平面之间的关系,确定调整后的所述三维模型中朝向所述预设平面的部分模型,例如可以根据消隐原理来确定所述部分模型,简言之就是三维模型中朝向第一人脸图像所在预设平面的部分模型是能被观看到的部分,才需要向该预设平面投影,而为未朝向该预设平面另一部分模型则是不能被观看到的部分,因此可以不必将这另一部分模型投影到该预设平面。
进而在确定部分模型后,可以将所述部分模型投影到预设平面的第一人脸图像中,例如根据第一矩阵(例如上述第二矩阵的逆矩阵)对所述部分模型进行处理,实现将所述部分模型投影到第一人脸图像中,以得到目标二维图像,那么三维模型中的三维瑕疵区域经过投影后,也就变为了二维瑕疵区域,从而可以在目标二维图像中确定三维瑕疵区域对应的二维瑕疵区域。
据此,将三维模型中三维瑕疵区域转换到了第一人脸图像所在的平面,得到了所述二维瑕疵区域,进而可以对第一人脸图像中位于二维瑕疵区域内的像素进行修复处理。
图4是根据本公开的实施例示出的又一种图像处理方法的示意流程图。
如图4所示,可以对目标用户进行多次拍摄,从而采集到目标用户的多个图像作为样本人脸图像,例如经过i次拍摄,得到i个样本人脸图像,并且对每个样本人脸图像可以分别进行瑕疵检测,以确定其中瑕疵对应的二维瑕疵区域。
然后可以通过3D人脸建模,将样本人脸图像转换为三维模型,而将二维人脸图像转换为三维模型的同时,二维瑕疵区域也会转换为三维瑕疵区域,可以记录三维模型中三维瑕疵区域的瑕疵位置、瑕疵大小(尺寸),以及将样本人脸图像转换为三维模型所依据的映射系数(也即上述第二矩阵)。
另外还可以预先对目标用户的人脸进行识别,以获取目标用户的特征信息,从而生成FaceID,该过程可以基于人脸识别技术实现。
据此,数据库中预先存储了第二人脸的FaceID、与该FaceID相关联的三维模型、瑕疵位置、瑕疵大小、映射系数等信息。
在后续拍摄得到目标图像时,例如对于n次拍摄中得到的任意一个图像,可以对第一人脸图像进行识别,以获取所述第一人脸图像的特征信息,然后查询所述特征信息对应的FaceID,查询到的FaceID可以作为目标用户,进而可以查询FaceID对应的三维模型,也即目标用户的三维模型。
接下来可以根据第一矩阵将三维模型向第一人脸所在预设平面投影,那么三维模型中的三维瑕疵区域也就投影到了该预设平面,形成了二维瑕疵区域,最后可以对第一人脸图像中位于所述二维瑕疵区域内的像素进行修复处理,从而实现瑕疵祛除。
由于用户脸上的瑕疵可以发生变化,因此在预设时长(例如d天)后,可以更新与样本人脸图像相关联的三维模型,以便确保三维模型中三维瑕疵区域的准确性。
图5是根据本公开的实施例示出的又一种图像处理方法的示意流程图。如图5所示,所述样本人脸图像为多个(例如大于或等于3个)样本人脸图像,在确定所述三维模型中所述二维瑕疵区域对应的三维瑕疵区域(也即步骤108)之前,所述方法还包括:
在步骤S113中,根据多个所述三维模型确定标准三维模型,其中,所述标准三维模型中三维瑕疵区域的位置为多个所述三维模型中三维瑕疵区域的位置的均值,所述标准三维模型中三维瑕疵区域的面积为多个所述三维模型中三维瑕疵区域的面积的均值;
所述确定所述三维模型中所述二维瑕疵区域对应的三维瑕疵区域包括:
在步骤S1081中,确定所述标准三维模型中所述二维瑕疵区域对应的三维瑕疵区域。
在一个实施例中,可以基于多个样本人脸图像来确定三维模型,例如采集到的目标用户的样本人脸图像为多个,那么对于多个样本人脸图像可以分别进行识别,从而确定每个样本人脸图像中瑕疵对应的二维瑕疵区域,进而再将每个样本人脸图像转换为三维模型,以及确定每个所述样本人脸图像中所述二维瑕疵区域对应的三维瑕疵区域,从而得到多个三维模型对应的三维瑕疵区域。
由于多个三维模型是基于不同的样本人脸图像得到的,在处理过程中可以存在细微的差异导致每个三维模型略有不同,那么可以根据多个三维模型确定标准三维模型,具体地,可以将所述标准三维模型中三维瑕疵区域的位置为多个所述三维模型中三维瑕疵区域的位置的均值,以及将所述标准三维模型中三维瑕疵区域的面积为多个所述三维模型中三维瑕疵区域的面积的均值。据此,可以综合考虑多个三维模型,有利于确保确定的标准三维模型的准确性,进而确保在标准三维模型中确定三维瑕疵区域的准确性。
图6是根据本公开的实施例示出的又一种图像处理方法的示意流程图。如图6所示,所述方法还包括:
在步骤S114中,在预设时长后,根据接收到的调整指令,调整与所述目标用户相关联的所述三维瑕疵区域,得到更新后的与所述目标用户相关联的所述三维瑕疵区域。
在一个实施例中,由于用户脸上的瑕疵在较长的时间范围内可以发生变化,例如瑕疵为痘痘,那么有些痘痘可以消失,有些痘痘可以新生成,因此在预设时长(可以根据需要设置,例如为一周)后,更新(例如按照图2所示的实施例)与所述样本人脸图像相关联的三维模型中的三维瑕疵区域,以便确保三维模型中三维瑕疵区域的准确性。
图7是根据本公开的实施例示出的又一种图像处理方法的示意流程图。如图7所示,所述更新与所述目标用户相关联的所述三维瑕疵区域包括:
在步骤S1141中,再次采集所述目标用户的样本人脸图像;
在步骤S1142中,识别再次采集的样本人脸图像中瑕疵对应的更新二维瑕疵区域;
在步骤S1143中,确定所述三维模型中所述更新二维瑕疵区域对应的更新三维瑕疵区域;
在步骤S1144中,标记所述更新三维瑕疵区域与所述目标用户相关联。
在一个实施例中,更新三维瑕疵区域的方式,可以按照图2所示实施例的步骤执行,具体可以再次采集所述目标用户的样本人脸图像,进而识别再次采集的样本人脸图像中瑕疵对应的更新二维瑕疵区域,然后确定所述三维模型中所述更新二维瑕疵区域对应的更新三维瑕疵区域,最后标记所述更新三维瑕疵区域与所述目标用户相关联。
图8是根据本公开的实施例示出的又一种图像处理方法的示意流程图。如图8所示,在将所述样本人脸图像转换为三维模型之前,所述方法还包括:
在步骤S115中,确定所述样本人脸图像所处的样本包围框;
在步骤S116中,将所述样本包围框的尺寸调整为预设尺寸;
其中,所述将所述样本人脸图像转换为三维模型包括:
在步骤S1071中,将预设尺寸的所述样本人脸图像转换为三维模型;
以及在根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域(也即步骤S103)之前,所述方法还包括:
在步骤S117中,确定所述第一人脸图像所处的第一包围框,以及所述样本人脸图像所处的第二包围框;
在步骤S118中,将所述第一包围框的尺寸调整为所述预设尺寸;
其中,所述根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域包括:
在步骤S1032中,根据所述第一矩阵将所述三维瑕疵区域投影到所述预设尺寸的第一人脸图像中,以得到二维瑕疵区域。
在一个实施例中,由于样本人脸图像和第一人脸图像的尺寸可以不同,那么将三维模型中三维瑕疵区域投影到第一人脸图像中得到的二维瑕疵区域的尺寸与第一人脸图像中瑕疵区域的尺寸也会不同,这将会导致对第一人脸图像中位于所述二维瑕疵区域内的像素进行修复处理的不准确。例如样本人脸图像的尺寸比第一人脸图像的尺寸大,那么对第一人脸图像中位于所述第二瑕疵区域内的像素进行修复处理,会导致对第一人脸图像中并不属于瑕疵的像素进行修复处理。
因此可以将样本人脸图像和第一人脸图像调整为相同的尺寸,例如调整为预设尺寸。
一方面,在将所述样本人脸图像转换为三维模型之前,可以确定所述样本人脸图像所处的样本包围框,然后将所述样本包围框的尺寸(包括宽度和高度)调整为预设尺寸,进而将预设尺寸的所述样本人脸图像转换为三维模型。
另一方面,在根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域之前,可以先确定所述第一人脸图像所处的第一包围框,然后将第一包围框的尺寸(包括宽度和高度)调整预设尺寸。
那么调整后的第一包围框中的第一人脸图像的尺寸,就与样本包围框中的样本人脸图像的尺寸就是相同的,将将预设尺寸的样本人脸图像转换为三维模型,再将三维模型中的三维瑕疵区域投影到预设尺寸的第一人脸图像中得到的二维瑕疵区域,也就与第一人脸图像中瑕疵区域的尺寸相同了。从而对调整后的第一人脸图像中位于所述第二瑕疵区域内的像素进行修复处理,就可以确保准确地对第一人脸图像中属于瑕疵的像素进行修复处理。
图9是根据本公开的实施例示出的又一种图像处理方法的示意流程图。如图9所示,所述对所述目标像素进行修复处理包括:
在步骤S1041中,在所述第一人脸图像中位于所述二维瑕疵区域内的像素中确定未被遮挡的目标像素;
在步骤S1042中,对所述未被遮挡的目标像素进行修复处理。
图10是根据本公开的实施例示出的又一种图像处理方法的示意流程图。如图10所示,所述在所述第一人脸图像中位于所述二维瑕疵区域内的像素中确定未被遮挡的目标像素包括:
在步骤S10411中,比较所述二维瑕疵区域内的像素的颜色与预设皮肤颜色;
在步骤S10412中,确定所述二维瑕疵区域内的像素的颜色与所述预设皮肤颜色的差值小于预设值的像素为所述目标像素。
图11是根据本公开的实施例示出的又一种图像处理方法的示意流程图。如图11所示,所述在所述第一人脸图像中位于所述二维瑕疵区域内的像素中确定未被遮挡的目标像素包括:
在步骤S10413中,对所述二维瑕疵区域内的像素构成的物体进行识别;
在步骤S10414中,确定所述二维瑕疵区域内被识别为皮肤的像素为所述目标像素。
在一个实施例中,可以在第一人脸图像中位于所述二维瑕疵区域内的像素中确定未被遮挡的目标像素。例如可以对像素的颜色进行分析,以确定其中与皮肤颜色相同的像素,则可以确定为未被遮挡的目标像素,而与皮肤颜色不同的像素,则可能是被头发、口罩等遮挡区域的像素。例如可以对所述二维瑕疵区域内的像素构成的物体进行识别,被识别为皮肤的像素为未被遮挡的目标像素,被识别为皮肤以外的像素则为被遮挡的像素。
对于被遮挡的像素,即使存在瑕疵也会被遮挡,所以可以不必进行修复处理,仅对未被遮挡的目标像素进行修复处理即可,有利于降低修复处理的像素数量,从而提高处理速度。
图12是根据本公开的实施例示出的又一种图像处理方法的示意流程图。如图12所示,若未查询到与所述特征信息对应的预存的目标用户,所述方法还包括:
在步骤S119中,标记所述特征信息,以与新的用户相关联;
在步骤S120中,识别所述第一人脸图像中瑕疵对应的新二维瑕疵区域;
在步骤S121中,将所述第一人脸图像转换为新三维模型;
在步骤S122中,确定所述新三维模型所述新二维瑕疵区域对应的新三维瑕疵区域;
在步骤S123中,标记所述新三维瑕疵区域以及所述第一矩阵,以与所述新的用户相关联。
在一个实施例中,若未查询到与所述特征信息对应的预存的目标用户,那么说明第一人脸图像是尚未存储的用户对应的人脸图像,从而可以将其作为新的用户,标记所述特征信息,以与新的用户相关联,以便后续可以基于该特征信息查询到该用户。
还可以识别所述第一人脸图像中瑕疵对应的新二维瑕疵区域,再将所述第一人脸图像转换为新三维模型,并确定所述新三维模型所述新二维瑕疵区域对应的新三维瑕疵区域,最后标记所述新三维瑕疵区域以及所述第一矩阵,以与所述新的用户相关联,从而建立新的用户与其对应的三维瑕疵区域之间的关联关系,以便后续可以查询该用户对应的三维瑕疵区域。
与前述图像处理方法的实施例相对应地,本公开还提出了图像处理装置的实施例。
图13是根据本公开的实施例示出的一种图像处理装置的示意框图。本实施例所示的图像处理装置可以适用于终端中的应用程序,所述终端包括但不限于手机、平板电脑、可穿戴设备、个人计算机等电子设备。
如图13所示,所述图像处理装置可以包括:
特征获取模块101,被配置为执行,对目标图像中的第一人脸图像进行识别,以获取所述第一人脸图像的特征信息;
用户查询模块102,被配置为执行,查询与所述特征信息相同的对应的预存的目标用户,以及预存的所述目标用户的三维模型中的三维瑕疵区域、第一矩阵,其中,所述第一矩阵用于将所述三维模型向所述第一人脸图像所在的预设平面投影;
第一投影模块103,被配置为执行,根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域;
修复处理模块104,被配置为执行,对所述第一人脸图像中位于所述二维瑕疵区域内的像素进行修复处理。
图14是根据本公开的实施例示出的另一种图像处理装置的示意框图。如图14所示,所述装置还包括:
图像采集模块105,被配置为执行,采集所述目标用户的人脸图像作为样本人脸图像;
第一瑕疵识别模块106,被配置为执行,识别所述样本人脸图像中瑕疵对应的二维瑕疵区域;
第一模型转换模块107,被配置为执行,将所述样本人脸图像转换为三维模型;
第一区域确定模块108,被配置为执行,确定所述三维模型中所述二维瑕疵区域对应的三维瑕疵区域;
第一关联标记模块109,被配置为执行,标记所述三维瑕疵区域以及将所述三维瑕疵区域投影到所述预设平面的第一矩阵,以与所述目标用户相关联。
图15是根据本公开的实施例示出的又一种图像处理装置的示意框图。如图15所示,所述装置包括:
姿态识别模块110,被配置为执行,识别所述第一人脸图像对应人脸的目标姿态;
姿态调整模块111,被配置为执行,将所述三维模型的姿态调整为所述目标姿态;
朝向确定模块112,被配置为执行,根据调整后的所述三维模型与所述预设平面之间的关系,确定调整后的所述三维模型中朝向所述预设平面的部分模型;
其中,所述第一投影模块103,被配置为执行,根据所述第一矩阵将所述部分模型投影到所述第一人脸图像中,以得到所述二维瑕疵区域。
图16是根据本公开的实施例示出的又一种图像处理装置的示意框图。如图16所示,所述样本人脸图像为多个,所述装置还包括:
标准确定模块113,被配置为执行,根据多个所述三维模型确定标准三维模型,其中,所述标准三维模型中三维瑕疵区域的位置为多个所述三维模型中三维瑕疵区域的位置的均值,所述标准三维模型中三维瑕疵区域的面积为多个所述三维模型中三维瑕疵区域的面积的均值;
所述第一区域确定模块108,被配置为执行,确定所述标准三维模型中所述二维瑕疵区域对应的三维瑕疵区域。
图17是根据本公开的实施例示出的又一种图像处理装置的示意框图。如图17所示,所述装置还包括:
更新模块114,被配置为执行,在预设时长后,根据接收到的调整指令,调整与所述目标用户相关联的所述三维瑕疵区域,得到更新后的与所述目标用户相关联的所述三维瑕疵区域。
可选地,所述更新模块,被配置为执行,再次采集所述目标用户的样本人脸图像;
识别再次采集的样本人脸图像中瑕疵对应的更新二维瑕疵区域;
确定所述三维模型中所述更新二维瑕疵区域对应的更新三维瑕疵区域;
标记所述更新三维瑕疵区域与所述目标用户相关联。
图18是根据本公开的实施例示出的又一种图像处理装置的示意框图。如图18所示,所述装置还包括:
包围框确定模块115,被配置为执行,确定所述样本人脸图像所处的样本包围框;
尺寸调整模块116,被配置为执行,将所述样本包围框的尺寸调整为预设尺寸;
其中,所述第一模型转换模块107,被配置为执行,将预设尺寸的所述样本人脸图像转换为三维模型;
所述包围框确定模块115,还被配置为执行,确定所述第一人脸图像所处的第一包围框;
所述尺寸调整模块116,还被配置为执行,将所述第一包围框的尺寸调整为所述预设尺寸;
其中,所述第一投影模块,被配置为执行,根据所述第一矩阵将所述三维瑕疵区域投影到所述预设尺寸的第一人脸图像中,以得到二维瑕疵区域。
图19是根据本公开的实施例示出的一种修复处理模块的示意框图。如图19所示,所述修复处理模块104包括:
遮挡确定子模块1041,被配置为执行,在所述第一人脸图像中位于所述二维瑕疵区域内的像素中确定未被遮挡的目标像素;
修复子模块1042,被配置为执行,对所述未被遮挡的目标像素进行修复处理。
可选地,所述遮挡确定子模块,被配置为执行,比较所述二维瑕疵区域内的像素的颜色与预设皮肤颜色;
确定所述二维瑕疵区域内的像素的颜色与所述预设皮肤颜色的差值小于预设值的像素为所述目标像素。
可选地,所述遮挡确定子模块,被配置为执行,对所述二维瑕疵区域内的像素构成的物体进行识别;
确定所述二维瑕疵区域内被识别为皮肤的像素为所述目标像素。
图20是根据本公开的实施例示出的又一种图像处理装置的示意框图。如图20所示,所述装置还包括:
第二关联标记模块117,被配置为执行,在未查询到与所述特征信息对应的预存的目标用户的情况下,标记所述特征信息,以与新的用户相关联;
第二瑕疵识别模块118,被配置为执行,识别所述第一人脸图像中瑕疵对应的新二维瑕疵区域;
第二模型转换模块119,被配置为执行,将所述第一人脸图像转换为新三维模型;
第二区域确定模块120,被配置为执行,确定所述新三维模型所述新二维瑕疵区域对应的新三维瑕疵区域;
第三关联标记模块121,被配置为执行,标记所述新三维瑕疵区域以及所述第一矩阵,以与所述新的用户相关联。
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。
本公开的实施例还提出一种电子设备,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,以实现上述任一实施例所述的图像处理方法。
本公开的实施例还提出一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行上述任一实施例所述的图像处理方法。
本公开的实施例还提出一种计算机程序产品,所述计算机程序产品被配置为执行上述任一实施例所述的图像处理方法。
可选地,存储介质可以是非临时性计算机可读存储介质,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。
本公开的实施例还提出一种计算机程序产品,所述计算机程序产品被配置为执行上述任一实施例所述的图像处理方法。
图21是根据本公开的实施例示出的一种电子设备的示意框图。例如,电子设备2100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21,电子设备2100可以包括以下一个或多个组件:处理组件2102,存储器2104,电源组件2106,多媒体组件2108,音频组件2110,输入/输出(I/O)的接口2112,传感器组件2114,以及通信组件2116。
处理组件2102通常控制电子设备2100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2102可以包括一个或多个处理器2120来执行指令,以完成上述图像处理方法的全部或部分步骤。此外,处理组件2102可以包括一个或多个模块,便于处理组件2102和其他组件之间的交互。例如,处理组件2102可以包括多媒体模块,以方便多媒体组件2108和处理组件2102之间的交互。
存储器2104被配置为存储各种类型的数据以支持在电子设备2100的操作。这些数据的示例包括用于在电子设备2100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2104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2106为电子设备2100的各种组件提供电力。电源组件2106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2100生成、管理和分配电力相关联的组件。
多媒体组件2108包括在电子设备2100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2108包括一个前置摄像头和/或后置摄像头。当电子设备2100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2110被配置为输出和/或输入音频信号。例如,音频组件2110包括一个麦克风(MIC),当电子设备2100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2104或经由通信组件2116发送。在一些实施例中,音频组件2110还包括一个扬声器,用于输出音频信号。
I/O接口2112为处理组件2102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2114包括一个或多个传感器,用于为电子设备2100提供各个方面的状态评估。例如,传感器组件2114可以检测到电子设备2100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2100的显示器和小键盘,传感器组件2114还可以检测电子设备2100或电子设备2100一个组件的位置改变,用户与电子设备2100接触的存在或不存在,电子设备2100方位或加速/减速和电子设备2100的温度变化。传感器组件2114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2114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2114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2116被配置为便于电子设备2100和其他设备之间有线或无线方式的通信。电子设备2100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2116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2116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。
在本公开一实施例中,电子设备2100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,用于执行上述图像处理方法。
在本公开一实施例中,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2104,上述指令可由电子设备2100的处理器2120执行以完成上述图像处理方法。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。
本领域技术人员在考虑说明书及实践这里公开的公开后,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。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本公开实施例所提供的方法和装置进行了详细介绍,本文中应用了具体个例对本公开的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本公开的方法及其核心思想;同时,对于本领域的一般技术人员,依据本公开的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本公开的限制。
Claims (24)
1.一种图像处理方法,其特征在于,包括:
对目标图像中的第一人脸图像进行识别,以获取所述第一人脸图像的特征信息;
查询与所述特征信息相同的对应的预存的目标用户,以及预存的所述目标用户的三维模型中的三维瑕疵区域、第一矩阵,其中,所述第一矩阵用于将所述三维模型向所述第一人脸图像所在的预设平面投影;
根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域;
对所述第一人脸图像中位于所述二维瑕疵区域内的像素进行修复处理。
2.根据权利要求1所述的方法,其特征在于,在对目标图像中的第一人脸图像进行识别之前,所述方法还包括:
采集所述目标用户的人脸图像作为样本人脸图像;
识别所述样本人脸图像中瑕疵对应的二维瑕疵区域;
将所述样本人脸图像转换为三维模型;
确定所述三维模型中所述二维瑕疵区域对应的三维瑕疵区域;
标记所述三维瑕疵区域以及将所述三维瑕疵区域投影到所述预设平面的第一矩阵,以与所述目标用户相关联。
3.根据权利要求2所述的方法,其特征在于,在根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域之前,所述方法包括:
识别所述第一人脸图像对应人脸的目标姿态;
将所述三维模型的姿态调整为所述目标姿态;
根据调整后的所述三维模型与所述预设平面之间的关系,确定调整后的所述三维模型中朝向所述预设平面的部分模型;
其中,所述根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域包括:
根据所述第一矩阵将所述部分模型投影到所述第一人脸图像中,以得到所述二维瑕疵区域。
4.根据权利要求2所述的方法,其特征在于,所述样本人脸图像为多个,所述确定所述三维模型中所述二维瑕疵区域对应的三维瑕疵区域之前,所述方法还包括:
根据多个所述三维模型确定标准三维模型,其中,所述标准三维模型中三维瑕疵区域的位置为多个所述三维模型中三维瑕疵区域的位置的均值,所述标准三维模型中三维瑕疵区域的面积为多个所述三维模型中三维瑕疵区域的面积的均值;
所述确定所述三维模型中所述二维瑕疵区域对应的三维瑕疵区域包括:
确定所述标准三维模型中所述二维瑕疵区域对应的三维瑕疵区域。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
在预设时长后,根据接收到的调整指令,调整与所述目标用户相关联的所述三维瑕疵区域,得到更新后的与所述目标用户相关联的所述三维瑕疵区域。
6.根据权利要求5所述的方法,其特征在于,所述更新与所述目标用户相关联的所述三维瑕疵区域包括:
再次采集所述目标用户的样本人脸图像;
识别再次采集的样本人脸图像中瑕疵对应的更新二维瑕疵区域;
确定所述三维模型中所述更新二维瑕疵区域对应的更新三维瑕疵区域;
标记所述更新三维瑕疵区域与所述目标用户相关联。
7.根据权利要求2所述的方法,其特征在于,在将所述样本人脸图像转换为三维模型之前,所述方法还包括:
确定所述样本人脸图像所处的样本包围框;
将所述样本包围框的尺寸调整为预设尺寸;
其中,所述将所述样本人脸图像转换为三维模型包括:
将预设尺寸的所述样本人脸图像转换为三维模型;
以及在根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域之前,所述方法还包括:
确定所述第一人脸图像所处的第一包围框;
将所述第一包围框的尺寸调整为所述预设尺寸;
其中,所述根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域包括:
根据所述第一矩阵将所述三维瑕疵区域投影到所述预设尺寸的第一人脸图像中,以得到二维瑕疵区域。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述对所述第一人脸图像中位于所述二维瑕疵区域内的像素进行修复处理包括:
在所述第一人脸图像中位于所述二维瑕疵区域内的像素中确定未被遮挡的目标像素;
对所述未被遮挡的目标像素进行修复处理。
9.根据权利要求8所述的方法,其特征在于,所述在所述第一人脸图像中位于所述二维瑕疵区域内的像素中确定未被遮挡的目标像素包括:
比较所述二维瑕疵区域内的像素的颜色与预设皮肤颜色;
确定所述二维瑕疵区域内的像素的颜色与所述预设皮肤颜色的差值小于预设值的像素为所述目标像素。
10.根据权利要求8所述的方法,其特征在于,所述在所述第一人脸图像中位于所述二维瑕疵区域内的像素中确定未被遮挡的目标像素包括:
对所述二维瑕疵区域内的像素构成的物体进行识别;
确定所述二维瑕疵区域内被识别为皮肤的像素为所述目标像素。
11.根据权利要求1至7中任一项所述的方法,其特征在于,若未查询到与所述特征信息对应的预存的目标用户,所述方法还包括:
标记所述特征信息,以与新的用户相关联;
识别所述第一人脸图像中瑕疵对应的新二维瑕疵区域;
将所述第一人脸图像转换为新三维模型;
确定所述新三维模型所述新二维瑕疵区域对应的新三维瑕疵区域;
标记所述新三维瑕疵区域以及所述第一矩阵,以与所述新的用户相关联。
12.一种图像处理装置,其特征在于,包括:
特征获取模块,被配置为执行,对目标图像中的第一人脸图像进行识别,以获取所述第一人脸图像的特征信息;
用户查询模块,被配置为执行,查询与所述特征信息相同的对应的预存的目标用户,以及预存的所述目标用户的三维模型中的三维瑕疵区域、第一矩阵,其中,所述第一矩阵用于将所述三维模型向所述第一人脸图像所在的预设平面投影;
第一投影模块,被配置为执行,根据所述第一矩阵将所述三维瑕疵区域投影到所述第一人脸图像中,以得到二维瑕疵区域;
修复处理模块,被配置为执行,对所述第一人脸图像中位于所述二维瑕疵区域内的像素进行修复处理。
13.根据权利要求12所述的装置,其特征在于,所述装置还包括:
图像采集模块,被配置为执行,采集所述目标用户的人脸图像作为样本人脸图像;
第一瑕疵识别模块,被配置为执行,识别所述样本人脸图像中瑕疵对应的二维瑕疵区域;
第一模型转换模块,被配置为执行,将所述样本人脸图像转换为三维模型;
第一区域确定模块,被配置为执行,确定所述三维模型中所述二维瑕疵区域对应的三维瑕疵区域;
第一关联标记模块,被配置为执行,标记所述三维瑕疵区域以及将所述三维瑕疵区域投影到所述预设平面的第一矩阵,以与所述目标用户相关联。
14.根据权利要求13所述的装置,其特征在于,所述装置包括:
姿态识别模块,被配置为执行,识别所述第一人脸图像对应人脸的目标姿态;
姿态调整模块,被配置为执行,将所述三维模型的姿态调整为所述目标姿态;
朝向确定模块,被配置为执行,根据调整后的所述三维模型与所述预设平面之间的关系,确定调整后的所述三维模型中朝向所述预设平面的部分模型;
其中,所述第一投影模块,被配置为执行,根据所述第一矩阵将所述部分模型投影到所述第一人脸图像中,以得到所述二维瑕疵区域。
15.根据权利要求13所述的装置,其特征在于,所述样本人脸图像为多个,所述装置还包括:
标准确定模块,被配置为执行,根据多个所述三维模型确定标准三维模型,其中,所述标准三维模型中三维瑕疵区域的位置为多个所述三维模型中三维瑕疵区域的位置的均值,所述标准三维模型中三维瑕疵区域的面积为多个所述三维模型中三维瑕疵区域的面积的均值;
所述第一区域确定模块,被配置为执行,确定所述标准三维模型中所述二维瑕疵区域对应的三维瑕疵区域。
16.根据权利要求13所述的装置,其特征在于,所述装置还包括:
更新模块,被配置为执行,在预设时长后,根据接收到的调整指令,调整与所述目标用户相关联的所述三维瑕疵区域,得到更新后的与所述目标用户相关联的所述三维瑕疵区域。
17.根据权利要求16所述的装置,其特征在于,所述更新模块,被配置为执行,再次采集所述目标用户的样本人脸图像;
识别再次采集的样本人脸图像中瑕疵对应的更新二维瑕疵区域;
确定所述三维模型中所述更新二维瑕疵区域对应的更新三维瑕疵区域;
标记所述更新三维瑕疵区域与所述目标用户相关联。
18.根据权利要求13所述的装置,其特征在于,所述装置还包括:
包围框确定模块,被配置为执行,确定所述样本人脸图像所处的样本包围框;
尺寸调整模块,被配置为执行,将所述样本包围框的尺寸调整为预设尺寸;
其中,所述第一模型转换模块,被配置为执行,将预设尺寸的所述样本人脸图像转换为三维模型;
所述包围框确定模块,还被配置为执行,确定所述第一人脸图像所处的第一包围框;
所述尺寸调整模块,还被配置为执行,将所述第一包围框的尺寸调整为所述预设尺寸;
其中,所述第一投影模块,被配置为执行,根据所述第一矩阵将所述三维瑕疵区域投影到所述预设尺寸的第一人脸图像中,以得到二维瑕疵区域。
19.根据权利要求12至18中任一项所述的装置,其特征在于,所述修复处理模块包括:
遮挡确定子模块,被配置为执行,在所述第一人脸图像中位于所述二维瑕疵区域内的像素中确定未被遮挡的目标像素;
修复子模块,被配置为执行,对所述未被遮挡的目标像素进行修复处理。
20.根据权利要求19所述的装置,其特征在于,所述遮挡确定子模块,被配置为执行,比较所述二维瑕疵区域内的像素的颜色与预设皮肤颜色;
确定所述二维瑕疵区域内的像素的颜色与所述预设皮肤颜色的差值小于预设值的像素为所述目标像素。
21.根据权利要求19所述的装置,其特征在于,所述遮挡确定子模块,被配置为执行,对所述二维瑕疵区域内的像素构成的物体进行识别;
确定所述二维瑕疵区域内被识别为皮肤的像素为所述目标像素。
22.根据权利要求12至18中任一项所述的装置,其特征在于,所述装置还包括:
第二关联标记模块,被配置为执行,在未查询到与所述特征信息对应的预存的目标用户的情况下,标记所述特征信息,以与新的用户相关联;
第二瑕疵识别模块,被配置为执行,识别所述第一人脸图像中瑕疵对应的新二维瑕疵区域;
第二模型转换模块,被配置为执行,将所述第一人脸图像转换为新三维模型;
第二区域确定模块,被配置为执行,确定所述新三维模型所述新二维瑕疵区域对应的新三维瑕疵区域;
第三关联标记模块,被配置为执行,标记所述新三维瑕疵区域以及所述第一矩阵,以与所述新的用户相关联。
23.一种电子设备,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11中任一项所述的图像处理方法。
24.一种存储介质,其特征在于,当所述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11中任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010251322.9A CN113496469B (zh) | 2020-04-01 | 2020-04-01 | 图像处理方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010251322.9A CN113496469B (zh) | 2020-04-01 | 2020-04-01 | 图像处理方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113496469A CN113496469A (zh) | 2021-10-12 |
CN113496469B true CN113496469B (zh) | 2023-10-10 |
Family
ID=77994083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010251322.9A Active CN113496469B (zh) | 2020-04-01 | 2020-04-01 | 图像处理方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113496469B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201445133A (zh) * | 2013-05-27 | 2014-12-01 | 中原大學 | 面板三維瑕疵之線上檢測方法 |
CN108346175A (zh) * | 2018-02-06 | 2018-07-31 | 腾讯科技(深圳)有限公司 | 一种人脸图像修复方法、装置及存储介质 |
WO2019014812A1 (zh) * | 2017-07-17 | 2019-01-24 | 深圳和而泰智能控制股份有限公司 | 一种检测人脸瑕疵点的方法和智能终端 |
CN109409335A (zh) * | 2018-11-30 | 2019-03-01 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机可读介质及电子设备 |
CN110111245A (zh) * | 2019-05-13 | 2019-08-09 | Oppo广东移动通信有限公司 | 图像处理方法、装置、终端及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110013053A1 (en) * | 2008-09-29 | 2011-01-20 | Rui Chen | Defective pixel detection and correction |
-
2020
- 2020-04-01 CN CN202010251322.9A patent/CN113496469B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201445133A (zh) * | 2013-05-27 | 2014-12-01 | 中原大學 | 面板三維瑕疵之線上檢測方法 |
WO2019014812A1 (zh) * | 2017-07-17 | 2019-01-24 | 深圳和而泰智能控制股份有限公司 | 一种检测人脸瑕疵点的方法和智能终端 |
CN108346175A (zh) * | 2018-02-06 | 2018-07-31 | 腾讯科技(深圳)有限公司 | 一种人脸图像修复方法、装置及存储介质 |
CN109409335A (zh) * | 2018-11-30 | 2019-03-01 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机可读介质及电子设备 |
CN110111245A (zh) * | 2019-05-13 | 2019-08-09 | Oppo广东移动通信有限公司 | 图像处理方法、装置、终端及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113496469A (zh) | 2021-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986199B (zh) | 虚拟模型处理方法、装置、电子设备及存储介质 | |
US11368632B2 (en) | Method and apparatus for processing video, and storage medium | |
CN105809704A (zh) | 识别图像清晰度的方法及装置 | |
JP2017513075A (ja) | 画像フィルタを生成する方法及び装置 | |
JP2017526316A (ja) | 動画ファイルの識別子を処理する方法、装置、プログラム及び記録媒体 | |
CN107015648B (zh) | 图片处理方法及装置 | |
KR20220043004A (ko) | 차폐된 이미지 검출 방법, 장치 및 매체 | |
CN112927122A (zh) | 水印去除方法、装置及存储介质 | |
CN111340691A (zh) | 图像处理方法、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 | |
CN106817532A (zh) | 图像处理方法及装置 | |
CN113344999A (zh) | 深度检测方法及装置、电子设备和存储介质 | |
CN106817533A (zh) | 图像处理方法及装置 | |
CN113496469B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN110047126B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
US11252341B2 (en) | Method and device for shooting image, and storage medium | |
CN111783771B (zh) | 文字检测方法、装置、电子设备和存储介质 | |
CN110428492B (zh) | 三维唇部重建方法、装置、电子设备及存储介质 | |
CN111985280B (zh) | 图像处理方法及装置 | |
CN111986097B (zh) | 图像处理方法及装置 | |
CN112070681B (zh) | 图像处理方法及装置 | |
CN113709326A (zh) | 镜头阴影校正方法、装置和电子设备 | |
CN117408868A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN116416141A (zh) | 图像处理方法及装置、设备、存储介质 | |
CN117710224A (zh) | 图像融合方法、装置、终端及存储介质 |
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 |