CN113706553B - 图像处理方法、装置及电子设备 - Google Patents
图像处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113706553B CN113706553B CN202110852914.0A CN202110852914A CN113706553B CN 113706553 B CN113706553 B CN 113706553B CN 202110852914 A CN202110852914 A CN 202110852914A CN 113706553 B CN113706553 B CN 113706553B
- Authority
- CN
- China
- Prior art keywords
- images
- image
- target
- contour
- areas
- 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 28
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000003709 image segmentation Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 13
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请公开了一种图像处理方法、装置及电子设备,属于图像处理技术领域。该方法包括:获取包含N个目标对象的目标图像,并确定N个目标对象在目标图像中的N个轮廓区域,一个目标对象对应一个轮廓区域,N为大于1的正整数;对目标图像进行分割处理,获取N个目标对象对应的N个轮廓区域中的图像;依次调整N个轮廓区域中的图像在目标图像中的显示位置,得到N个第一图像,N个目标对象中的至少两个目标对象在不同的第一图像中的显示位置不同。
Description
技术领域
本申请属于图像处理技术领域,具体涉及一种图像处理方法、装置及电子设备。
背景技术
目前,在通过电子设备对多人进行拍摄得到多人合照时,每个人都希望可以站在中心位置或前排的位置进行拍摄得到合照。但是由于时间问题和工作量大的问题,无法为所有人都拍摄一张位于中心位置的合照,只有很少一部分人能得到位于中心位置的合照。现有技术可以通过对已拍摄得到的合照进行图像处理(P图操作),得到用户所需的照片。
因此,在电子设备对多人进行拍摄得到多人合照时,无法一次性拍摄得到每个人都位于中心位置的多张合照,从而,电子设备对多人进行拍摄得到多人合照的效率较低。
发明内容
本申请实施例的目的是提供一种图像处理方法、装置及电子设备,能够解决电子设备对多人进行拍摄得到多人合照的效率较低的问题。
第一方面,本申请实施例提供了一种图像处理方法,该方法包括:获取包含N个目标对象的目标图像,并确定N个目标对象在目标图像中的N个轮廓区域,一个目标对象对应一个轮廓区域,N为大于1的正整数;对目标图像进行分割处理,获取N个目标对象对应的N个轮廓区域中的图像;依次调整N个轮廓区域中的图像在目标图像中的显示位置,得到N个第一图像,N个目标对象中的至少两个目标对象在不同的第一图像中的显示位置不同。
第二方面,本申请实施例提供了一种图像处理装置,该装置包括:获取模块、确定模块、处理模块和调整模块。其中,获取模块,用于获取包含N个目标对象的目标图像。确定模块,用于确定N个目标对象在目标图像中的N个轮廓区域,一个目标对象对应一个轮廓区域,N为大于1的正整数。处理模块,用于对目标图像进行分割处理。获取模块,还用于获取N个目标对象对应的N个轮廓区域中的图像。调整模块,用于依次调整N个轮廓区域中的图像在目标图像中的显示位置,得到N个第一图像,N个目标对象中的至少两个目标对象在不同的第一图像中的显示位置不同。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
第五方面,本申请实施例提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法。
在本申请实施例中,电子设备在获取到包含N个目标对象的目标图像时,电子设备可以确定该N个目标对象在目标图像中对应的N个轮廓区域,从而确定该N个目标对象对应的N个轮廓区域中的图像,然后电子设备可以对目标图像进行分割处理,以从目标图像中获取到N个目标对象对应的N个轮廓区域中的图像,再经过依次调整N个轮廓区域中的图像在目标图像中的显示位置,并对应的得到至少两个目标对象在不同的第一图像中的显示位置不同的N个第一图像。由于电子设备可以从获取到的包含N个目标对象的目标图像中确定,N个目标对象在目标图像中对应的N个轮廓区域,以通过对目标图像进行分割处理,从目标图像中获取到N个目标对象对应的N个轮廓区域中的图像,然后电子设备经过依次调整N个轮廓区域中的图像在目标图像中的显示位置,以将每个目标对象对应的N个轮廓区域中的图像交换显示在目标图像的中心显示位置,并对应的得到一个第一图像,从而得到图像中心位置显示不同的目标对象的N个第一图像。因此可以提高电子设备对多人进行拍摄得到多人合照的效率。
附图说明
图1是本申请实施例提供的一种图像处理方法的示意图之一;
图2是本申请实施例提供的一种手机的界面的实例示意图之一;
图3是本申请实施例提供的一种图像处理方法的示意图之二;
图4是本申请实施例提供的一种图像处理方法的示意图之三;
图5是本申请实施例提供的一种图像处理方法的示意图之四;
图6是本申请实施例提供的一种图像处理方法的示意图之五;
图7是本申请实施例提供的一种手机的界面的实例示意图之二;
图8是本申请实施例提供的一种图像处理装置的结构示意图之一;
图9是本申请实施例提供的一种图像处理装置的结构示意图之二;
图10是本申请实施例提供的一种电子设备的结构示意图;
图11是本申请实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不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,以便本申请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,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
本申请实施例提供的图像处理方法应用于电子设备获取图片的场景中,具体的应用场景可以根据实际的使用需求而定,本申请不做具体的限定。
以电子设备获取多人合照为例进行说明,假设用户需要触发电子设备对多人进行拍摄得到多人的合照,则用户可以触发电子设备先对多人进行拍摄,得到一张多人合照,由于电子设备在对多人进行拍摄得到多人合照时,电子设备拍摄一次只能得到一张多人合照,在该多人合照中,多个人物的站位是固定的,只能有一个人物的位置处于中心位置。通过本申请实施例,电子设备可以在拍摄得到多人合照(即目标图像)的基础上,电子设备通过图像识别技术,对多人合照中包括的多个人物(即N个目标物体)进行识别,确定多人合照中多个人物的轮廓区域,从而通过图像分割算法,对多人合照进行分割处理,以获取到多人合照中每个人物对应的轮廓区域中的人物图像,从而在多人合照的基础上,将该多个人物的人物图像进行位置交换,以分别依次将每个人物图像与多人合照的中心位置显示的人物图像进行位置交换,并对应的得到一张人物图像交换后的多人合照,最终得到多个人物中的每个人物的人物图像都位于多人合照的中心位置的一张多人合照,从而提高了电子设备对多人进行拍摄得到多人合照的效率。
再例如,当多个用户分别通过多个电子设备进行自拍时,多个电子设备可以通过网络进行连接,以在多个电子设备均显示拍摄预览界面的情况下,每个电子设备均可以获取到其他电子设备的拍摄预览界面,并分别通过图像识别技术,从多个其他电子设备的拍摄预览界面中,获取到多个用户对应的多个人物的轮廓区域,从而通过图像分割算法,对多个拍摄预览界面进行图像分割处理,以获取到每个用户对应的轮廓区域中的人物图像,从而每个电子设备可以将从其他电子设备的拍摄预览界面中获取到的多个人物图像显示在本地电子设备的拍摄预览界面中,从而在多个用户未处于同一位置时,也可以拍摄得到多个人物的合照,并且可以得到每个人物的人物图像都位于多人合照的中心位置的一张多人合照,从而提高了电子设备对多人进行拍摄得到多人合照的效率。
因此,在本申请实施例中,电子设备可以通过一次拍摄,得到多个人物的人物图像都位于多人合照的中心位置的多张多人合照。从而可以简化用户的操作,并提高电子设备对多人进行拍摄得到多人合照的效率。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的图像处理方法进行详细地说明。
本申请实施例提供一种图像处理方法,图1示出了本申请实施例提供的一种图像处理方法的流程图,该方法可以应用于电子设备。如图1所示,本申请实施例提供的图像处理方法可以包括下述的步骤201至步骤203。
步骤201、电子设备获取包含N个目标对象的目标图像,并确定N个目标对象在目标图像中的N个轮廓区域。
本申请实施例中,上述N个目标对象中的一个目标对象对应N个轮廓区域中的一个轮廓区域,N为大于1的正整数。
本申请实施例中,电子设备通过获取包含N个目标对象的目标图像,并确定N个目标对象在目标图像中的N个轮廓区域,从而通过对目标图像进行分割处理,获取到N个目标对象对应的N个轮廓区域中的图像,最后依次调整N个轮廓区域中的图像在目标图像中的显示位置,得到至少两个目标对象在不同的第一图像中的显示位置不同的图像。
可选地,本申请实施例中,上述目标图像可以为电子设备预先拍摄得到的照片,或者为预先从网络获取的图片等。
可选地,本申请实施例中,上述N个目标对象为具体的物体对应的图像,该目标对象可以为以下任一项:人物、动物、植物、物体等,具体的本申请实施例以人物为例进行说明,即目标图像为多人合照。
可选地,本申请实施例中,上述轮廓区域为目标对象的边界线所勾勒出的轮廓包含的区域,该轮廓区域中显示的图像为目标对象的图像。
步骤202、电子设备对目标图像进行分割处理,获取N个目标对象对应的N个轮廓区域中的图像。
可选地,本申请实施例中,在确定N个目标对象在目标图像中的N个轮廓区域之后,电子设备可以通过图像分割算法对目标图像进行分割处理,以从目标图像中获取到N个目标对象对应的N个轮廓区域中的图像。
可选地,本申请实施例中,上述图像分割算法可以为deeplab算法,采用FCN得到coarse score map并插值到原图像大小,然后第二步借用fully connected CRF对从FCN得到的分割结果进行细节上的refine。
步骤203、电子设备依次调整N个轮廓区域中的图像在目标图像中的显示位置,得到N个第一图像。
本申请实施例中,上述N个目标对象中的至少两个目标对象在不同的第一图像中的显示位置不同。
可选地,本申请实施例中,电子设备可以先确定目标图像的中心显示位置显示的目标对象,从而分别调整N个轮廓区域中的图像,依次位于中心显示位置,得到对应的图像。
可选地,本申请实施例中,在电子设备从目标图像中获取到N个目标对象对应的N个轮廓区域中的图像之后,电子设备可以在目标图像的基础上,将每个目标对象对应的轮廓区域中的图像,与中心显示位置显示的图像进行交换,以得到每个目标对象对应的轮廓区域中的图像位于目标图像的中心显示位置的一张图像。
可选地,本申请实施例中,电子设备可以仅调整一个非中心显示位置的目标对象对应的轮廓区域中的图像,与中心显示位置的目标对象对应的轮廓区域中的图像的显示位置,得到一个目标对象位于图像中心的目标图像。
示例性的,以电子设备为手机为例进行说明。如图2中的(A)所示,手机显示目标图像,该目标图像为多个人物的合照,手机可以对该目标图像进行人物识别,以确定多个人物在目标图像中的轮廓区域,并显示多个人物在目标图像中的轮廓。如图2中的(B)所示,手机可以调整人物图像10和人物图像11的显示位置,以使得人物图像10位于目标图像的中心显示位置。
本申请实施例提供一种图像处理方法,电子设备在获取到包含N个目标对象的目标图像时,电子设备可以确定该N个目标对象在目标图像中对应的N个轮廓区域,从而确定该N个目标对象对应的N个轮廓区域中的图像,然后电子设备可以对目标图像进行分割处理,以从目标图像中获取到N个目标对象对应的N个轮廓区域中的图像,再经过依次调整N个轮廓区域中的图像在目标图像中的显示位置,并对应的得到至少两个目标对象在不同的第一图像中的显示位置不同的N个第一图像。由于电子设备可以从获取到的包含N个目标对象的目标图像中确定,N个目标对象在目标图像中对应的N个轮廓区域,以通过对目标图像进行分割处理,从目标图像中获取到N个目标对象对应的N个轮廓区域中的图像,然后电子设备经过依次调整N个轮廓区域中的图像在目标图像中的显示位置,以将每个目标对象对应的N个轮廓区域中的图像交换显示在目标图像的中心显示位置,并对应的得到一个第一图像,从而得到图像中心位置显示不同的目标对象的N个第一图像。因此可以提高电子设备对多人进行拍摄得到多人合照的效率。
可选地,本申请实施例中,上述N个目标对象为人物图像。结合图1,如图3所示,上述步骤201中的“确定N个目标对象在目标图像中的N个轮廓区域”具体可以通过下述的步骤201a实现。
步骤201a、电子设备获取包含N个目标对象的目标图像,并对目标图像进行密集抽样确定多个图像区域,以及根据每个图像区域的图像特征信息,确定多个图像区域中的N个人物图像对应的N个轮廓区域。
可选地,本申请实施例中,上述目标图像可以为预先保存的图片或视频。
可选地,本申请实施例中,电子设备可以对目标图像进行物体检测(人物识别),通过使用one-stage的方法SSD(Single Shot Multi Box Detector)模型,首先对目标图像进行密集抽样,确定多个图像区域,接着使用卷积神经网络(Convolutional NeuralNetworks,CNN)对多个图像区域进行提取特征,然后对每个抽样检测结果进行分类预测,最终确定N个目标对象在目标图像中的多个图像区域中的N个轮廓区域。
可选地,本申请实施例中,SSD模型是一种one-stage的通用物体检测算法,另外一个常听到的one-stage算法为YOLO,只是SSD算法的性能与速度优于YOLO。SSD算法有以下特点:去掉了候选框的操作,采用了Anchor的机制。Anchor机制实际上是每一个点都作为候选区域的中心点。直接回归目标的类别和位置,在传统的目标检测算法中,想要获取目标区域的位置,一般都是候选框提取。从原始图片中不停的进行采样,找到目标区域。典型的为滑动窗口去采样。不同尺度的特征图预测,这样可以完成对不同物体尺寸进行适应。
可选地,本申请实施例中,结合图3,如图4所示,上述步骤202具体可以通过下述的步骤202a实现。
步骤202a、电子设备根据图像特征信息,对目标图像中包括的N个人物图像进行图像分割,得到N个轮廓区域中的图像。
本申请实施例中,上述图像特征信息包括以下至少一项:人物特征信息、N个目标对象的周围环境信息、目标图像的整体环境信息。
可选地,本申请实施例中,电子设备通过使用deeplab算法(图像分割算法)结合上下文特征信息、周围特征信息、全局特征信息、人体关键点特征信息,实现抠图,得到目标图像中每个目标对象的具体轮廓。
可选地,本申请实施例中,电子设备从目标图像中通过抠图方式获取到N个人物图像,并单独保存。
可选地,本申请实施例中,结合图3,如图5所示,在上述步骤203之前,本申请实施例提供的图像处理方法还可以包括下述的步骤301至步骤303,并且,上述步骤203具体可以通过下述的步骤203a实现。。
步骤301、电子设备确定N个人物图像对应的N个轮廓区域在目标图像中的显示位置。
可选地,本申请实施例中,电子设备通过二维坐标形式,确定每个人物图像对应的N个轮廓区域在目标图像中的显示位置,以准确的识别人物图像。
步骤302、电子设备根据N个轮廓区域在目标图像中的显示位置和目标图像对应的图像特征信息,构造目标特征集合。
本申请实施例中,上述目标特征集合包括以下至少一项:轮廓区域对应的水平中心线坐标特征、轮廓区域对应的垂直中心线坐标特征,轮廓区域残缺特征、轮廓区域向量特征。
可选地,本申请实施例中,电子设备个根据N个轮廓区域中的每个轮廓区域的显示位置,以及该轮廓区域的特征信息,确定每个轮廓区域对应的目标特征集合。
步骤303、电子设备对目标特征集合进行二分类预测,确定N个轮廓区域中的第一轮廓区域。
本申请实施例中,上述第一轮廓区域为N个轮廓区域中位于目标图像的中心显示位置的轮廓区域。
可选地,本申请实施例中,电子设备根据N个轮廓区域在目标图像中的显示位置以及整个目标图像,构造目标特征集合,并使用xgboost算法(eXtreme Gradient Boosting)对每个特征进行二分类预测,判断哪个人物图像位于目标图像的中心位置,确定图像的中心位置的轮廓区域对应的人物图像。
可选地,本申请实施例中,XGBoost算法源于梯度提升框架,但是更加高效,秘诀就在于算法能并行计算、近似建树、对稀疏数据的有效处理以及内存使用优化,这使得XGBoost算法至少比现有梯度提升实现有至少10倍的速度提升。
本申请实施例中,在电子设备依次调整N个轮廓区域中的图像在目标图像中的显示位置,得到N个第一图像之前,电子设备可以先确定N个人物图像对应的N个轮廓区域在目标图像中的显示位置,从而根据N个轮廓区域在目标图像中的显示位置和目标图像对应的图像特征信息,构造目标特征集合,以通过XGBoost算法对目标特征集合进行二分类预测,快速确定N个轮廓区域中位于目标图像的中心显示位置的第一轮廓区域。
步骤203a、电子设备依次交换N-1个第二轮廓区域中的图像与第一轮廓区域中的图像的显示位置,得到N-1个第一图像。
本申请实施例中,上述N个第一图像包括目标图像,第二轮廓区域为N个轮廓区域中除第一轮廓区域之外的轮廓区域。
可选地,本申请实施例中,电子设备可以分别交换目标图像中所有的人物图像(除图像中心显示位置显示的人物图像),以分别交换一个轮廓区域中的图像与中心位置显示的轮廓区域中的人物图像,从而得到N-1个第一图像。
可选地,本申请实施例中,在电子设备交换一个第二轮廓区域中的图像与第一轮廓区域中的图像的显示位置时,两个图像的对应位置应相对保持不变。
可选地,本申请实施例中,在电子设备交换两个轮廓区域中的图像时,需要保证待交换的轮廓区域中的图像中显示的脚(鞋)的位置与即将交换至的轮廓区域中的图像中显示的脚(鞋)的水平高度保持一致。
可选地,本申请实施例中,电子设备可以根据每个人物图像的轮廓区域估算每个人物图像对应的脚(鞋)的水平线位置。对于待交换的人物图像,如果人物图像为完整的图像(未存在遮挡部位),直接使该人物图像的最低点与水平高度保持一致即可,并保持待交换人物图像的中心线与原位置轮廓区域的中心线一致。
可选地,本申请实施例中,在人物图像被遮挡的情况下,电子设备可以先预测该人物图像被遮挡前的原高度,然后保持原高度的最低点与水平高度一致,同时仍保持待交换的人物图像的中心线与原位置轮廓区域的中心线一致。估算人物图像被遮挡区域的原始高度可以通过模型训练得到,事先对完整的轮廓区域进行遮挡处理,使用卷积神经网络对遮挡后的人物图像进行回归任务预测原本的轮廓高度。
可选地,本申请实施例中,电子设备判断人物图像是否完整,可以事先随机对完整的人物图像进行遮挡处理,使用卷积神经网络对完整的图像和遮挡的图像进行分类任务预测人物图像是否完整。
本申请实施例中,电子设备可以通过依次交换N个轮廓区域中除位于目标图像的中心显示位置的轮廓区域中的图像,与目标图像的中心显示位置的轮廓区域中的图像的显示位置,得到N-1个未位于目标图像的中心显示位置的轮廓区域中的图像移动至图像的中心显示位置的第一图像,从而得到图像中心位置显示不同的目标对象的N个第一图像。因此可以提高电子设备对多人进行拍摄得到多人合照的效率。
可选地,本申请实施例中,上述目标图像为N个电子设备当前显示的N个拍摄预览图像,上述N个目标对象为人物图像,一个拍摄预览图像中包括一个人物图像。结合图1,如图6所示,在上述步骤201之前,本申请实施例提供的图像处理方法还可以包括下述的步骤401,并且,上述步骤202具体可以通过下述的步骤202b实现,以及,上述步骤203具体可以通过下述的步骤203b实现。
步骤401、电子设备与N-1个电子设备建立连接,获取N-1个电子设备当前显示的N-1个拍摄预览图像。
本申请实施例中,上述电子设备为N个电子设备中的任一电子设备,本申请实施例仅以一个电子设备为例进行示例性说明。
可选地,本申请实施例中,在多个用户未处于同一地理位置,需要拍摄合照的情况下,可以通过多个电子设备之间的连接,实现多个用户的合照。
可选地,本申请实施例中,上述与N-1个电子设备之间建立连接可以理解为,N个电子设备中的每两个电子设备之间分别建立连接关系,或者,N个电子设备中的N-1个电子设备同时与第N个电子设备建立连接关系(即可以理解第N个电子设备具备服务器的作用),或者,N个电子设备同时接入指定的服务器。
可选地,本申请实施例中,上述N个电子设备可以位于不同的地理位置,即N个电子设备之间的距离大于预设距离。
可选地,本申请实施例中,在N个电子设备均显示拍摄预览界面,且N个电子设备之间建立连接的情况下,每个电子设备获取其他N-1个电子设备当前显示的N-1个拍摄预览图像。
步骤202b、电子设备对N个拍摄预览图像进行分割处理,获取N个人物图像对应的N个轮廓区域中的图像。
可选地,本申请实施例中,每个电子设备分别对获取到的N-1个拍摄预览图像进行人物识别,并进行图像分割处理,以获取到每个拍摄预览图像中包括的一个人物轮廓区域中的人物图像。
本申请实施例中,N个电子设备可以通过建立连接,以使得在N个电子设备均显示拍摄预览界面的情况下,每个电子设备均可以获取到其他N-1个电子设备当前显示的N-1个拍摄预览图像,从而N个电子设备分别对N个拍摄预览图像进行分割处理,获取N个人物图像对应的N个轮廓区域中的图像,以将获取到的N个人物图像均显示在每个电子设备本地显示的拍摄预览界面中,从而在多个用户相聚较远的情况下,拍摄得到多人合照,因此可以提高电子设备对多人进行拍摄得到多人合照的效率。
步骤203b、电子设备将N-1个拍摄预览图像中包括的N-1个轮廓区域中的图像显示在目标拍摄预览图像中,并拍摄得到包括N个人物图像的一个第一图像。
本申请实施例中,N个电子设备中的每个电子设备分别拍摄得到包括N个人物图像的一个第一图像,得到N个第一图像。
本申请实施例中,上述目标拍摄预览图像为电子设备当前显示的拍摄预览图像,上述N-1个拍摄预览图像为N-1个电子设备当前显示的拍摄预览图像。
可选地,本申请实施例中,上述电子设备为N个电子设备任意一个电子设备,该电子设备可以将获取到的每个拍摄预览图像中包括的N-1个轮廓区域中的人物图像,对应显示在本地拍摄预览界面中。
可选地,本申请实施例中,电子设备的持有者可以自主选择获取到的N-1个人物图像在目标拍摄预览图像中的显示位置,以得到多人合照界面。
可选地,本申请实施例中,在每个电子设备的拍摄预览图像中均显示有多个人物图像的情况下,用户可以自由进行调整,并进行拍摄得到包括N个人物图像的合照图像。
可选地,本申请实施例中,每个电子设备可以将本地拍摄预览图像中显示的背景图像调整为其他N-1个拍摄预览图像中的背景图像。
示例性的,如图7中的(A)所示,多个手机在处于网络连接的情况下,每个手机均显示拍摄预览界面对人物进行拍摄,任意一个手机均可以获取到其他手机当前显示的拍摄预览图像,并从获取到的拍摄预览界面中获取到人物的图像,如图7中的(B)所示,以多个手机中的一个手机为例进行说明,将获取到的多个人物的图像显示在本地的拍摄预览图像中,并分别拍摄得到包括多个人物图像的合照。
本申请实施例中,每个电子设备均可以在本地显示的拍摄预览图像中显示从其他多个拍摄预览图像中获取到的多个人物图像,从而达到多人合照的效果,并拍摄得到多人合照,提高了电子设备拍摄多人合照的灵活性。
可选地,本申请实施例中,在上述步骤203之后,本申请实施例提供的图像处理方法还可以包括下述的步骤501。
步骤501、电子设备通过第二模型算法对N-1个第一图像进行图像修复处理,得到修复后的N-1个第一图像。
本申请实施例中,上述第二模型算法包括编码器和解码器,第二模型算法用于使得调整后的N个轮廓区域中的图像在目标图像中与背景图像自然过渡。
可选地,本申请实施例中,编码器的输入为预处理后得到的存在遮挡区域的图像,解码器的输出为复原无遮挡的图像,解码器通过不断地训练希望使用生成的图像骗过判别器,判别器结构为CNN,用来区分一张图像是原始图像还是由模型处理生成的图像。通过这样的架构,可以将存在遮挡的图像去除遮挡,更加自然。
可选地,本申请实施例中,在电子设备调整N个轮廓区域中的图像在目标图像中的显示位置的情况下,由于部分人物在原图像中可能存在遮挡,且在人物图像交换后,也会造成遮挡现象的发生。单纯的调整人物图像的显示位置会导致部分人物图像残缺、人物图像与周围背景环境不匹配等问题。
因此,可以使用生成式对抗网络(Generative Adversarial Network,GAN)技术对得到的多张合照依次进行图像的修复与生成,使生成的交换人物图像后的图像更真实。
本申请实施例中,电子设备可以通过第二模型算法对得到的N-1个第一图像进行图像修复处理,以使得调整后的轮廓区域中的图像在图像中与背景图像自然过渡。
需要说明的是,本申请实施例提供的图像处理方法,执行主体可以为图像处理装置,或者该图像处理装置中的用于执行图像处理方法的控制模块。本申请实施例中以图像处理装置执行加载图像处理方法为例,说明本申请实施例提供的图像处理装置。
图8示出了本申请实施例中涉及的图像处理装置的一种可能的结构示意图。如图8所示,图像处理装置70可以包括:获取模块71、确定模块72、处理模块73和调整模块74。
其中,获取模块71,用于获取包含N个目标对象的目标图像。确定模块72,用于确定N个目标对象在目标图像中的N个轮廓区域,一个目标对象对应一个轮廓区域,N为大于1的正整数。处理模块73,用于对目标图像进行分割处理。获取模块71,还用于获取N个目标对象对应的N个轮廓区域中的图像。调整模块74,用于依次调整N个轮廓区域中的图像在目标图像中的显示位置,得到N个第一图像,N个目标对象中的至少两个目标对象在不同的第一图像中的显示位置不同。
在一种可能的实现方式中,N个目标对象为人物图像。确定模块72,具体用于对目标图像进行密集抽样确定多个图像区域,并根据每个图像区域的图像特征信息,确定多个图像区域中的N个人物图像对应的N个轮廓区域。
在一种可能的实现方式中,处理模块73,具体用于根据图像特征信息,对目标图像中包括的N个人物图像进行图像分割,得到N个轮廓区域中的图像。其中,图像特征信息包括以下至少一项:人物特征信息、N个目标对象的周围环境信息、目标图像的整体环境信息。
在一种可能的实现方式中,确定模块72,还用于在调整模块74依次调整N个轮廓区域中的图像在目标图像中的显示位置,得到N个第一图像之前,确定N个人物图像对应的N个轮廓区域在目标图像中的显示位置。处理模块73,还用于根据N个轮廓区域在目标图像中的显示位置和目标图像对应的图像特征信息,构造目标特征集合,该目标特征集合包括以下至少一项:轮廓区域对应的水平中心线坐标特征、轮廓区域对应的垂直中心线坐标特征,轮廓区域残缺特征、轮廓区域向量特征。确定模块72,还用于对目标特征集合进行二分类预测,确定N个轮廓区域中的第一轮廓区域,第一轮廓区域为N个轮廓区域中位于目标图像的中心显示位置的轮廓区域。调整模块74,具体用于依次交换N-1个第二轮廓区域中的图像与第一轮廓区域中的图像的显示位置,得到N-1个第一图像;其中,N个第一图像包括目标图像,第二轮廓区域为N个轮廓区域中除第一轮廓区域之外的轮廓区域。
在一种可能的实现方式中,目标图像为N个电子设备当前显示的N个拍摄预览图像,N个目标对象为人物图像,一个拍摄预览图像中包括一个人物图像;结合图8,如图9所示,本申请实施例提供的图像处理装置70还可以包括:网络模块75和拍摄模块76。其中,网络模块75,用于在获取模块71获取包含N个目标对象的目标图像,并在确定模块72确定N个目标对象在目标图像中的N个轮廓区域之前,与N-1个电子设备建立连接。获取模块71,还用于获取N-1个电子设备当前显示的N-1个拍摄预览图像。处理模块73,具体用于对N个拍摄预览图像进行分割处理,获取N个人物图像对应的N个轮廓区域中的图像。调整模块74,具体用于将N-1个拍摄预览图像中包括的N-1个轮廓区域中的图像显示在目标拍摄预览图像中。拍摄模块76,用于拍摄得到包括N个人物图像的一个第一图像。
本申请实施例提供的图像处理装置能够实现上述方法实施例中图像处理装置实现的各个过程,为避免重复,详细描述这里不再赘述。
本申请实施例提供一种图像处理装置,由于电子设备可以从获取到的包含N个目标对象的目标图像中确定,N个目标对象在目标图像中对应的N个轮廓区域,以通过对目标图像进行分割处理,从目标图像中获取到N个目标对象对应的N个轮廓区域中的图像,然后电子设备经过依次调整N个轮廓区域中的图像在目标图像中的显示位置,以将每个目标对象对应的N个轮廓区域中的图像交换显示在目标图像的中心显示位置,并对应的得到一个第一图像,从而得到图像中心位置显示不同的目标对象的N个第一图像。因此可以提高电子设备对多人进行拍摄得到多人合照的效率。
本申请实施例中的图像处理装置可以是装置,也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personaldigital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(NetworkAttached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的图像处理装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为iOS操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
可选地,如图10所示,本申请实施例还提供一种电子设备M00,包括处理器M01,存储器M02,存储在存储器M02上并可在所述处理器M01上运行的程序或指令,该程序或指令被处理器M01执行时实现上述图像处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
图11为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备100包括但不限于:射频单元101、网络模块102、音频输出单元103、输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、以及处理器110等部件。
本领域技术人员可以理解,电子设备100还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器110逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图11中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。
其中,处理器110,用于获取包含N个目标对象的目标图像,并确定N个目标对象在目标图像中的N个轮廓区域,一个目标对象对应一个轮廓区域,N为大于1的正整数。
处理器110,还用于对目标图像进行分割处理,获取N个目标对象对应的N个轮廓区域中的图像。
处理器110,还用于依次调整N个轮廓区域中的图像在目标图像中的显示位置,得到N个第一图像,N个目标对象中的至少两个目标对象在不同的第一图像中的显示位置不同。
可选地,处理器110,还用于对目标图像进行密集抽样确定多个图像区域,并根据每个图像区域的图像特征信息,确定多个图像区域中的N个人物图像对应的N个轮廓区域。
处理器110,还用于根据图像特征信息,对目标图像中包括的N个人物图像进行图像分割,得到N个轮廓区域中的图像;其中,图像特征信息包括以下至少一项:人物特征信息、N个目标对象的周围环境信息、目标图像的整体环境信息。
本申请实施例提供一种电子设备,由于电子设备可以从获取到的包含N个目标对象的目标图像中确定,N个目标对象在目标图像中对应的N个轮廓区域,以通过对目标图像进行分割处理,从目标图像中获取到N个目标对象对应的N个轮廓区域中的图像,然后电子设备经过依次调整N个轮廓区域中的图像在目标图像中的显示位置,以将每个目标对象对应的N个轮廓区域中的图像交换显示在目标图像的中心显示位置,并对应的得到一个第一图像,从而得到图像中心位置显示不同的目标对象的N个第一图像。因此可以提高电子设备对多人进行拍摄得到多人合照的效率。
处理器110,还用于确定N个人物图像对应的N个轮廓区域在目标图像中的显示位置;并根据N个轮廓区域在目标图像中的显示位置和目标图像对应的图像特征信息,构造目标特征集合,目标特征集合包括以下至少一项:轮廓区域对应的水平中心线坐标特征、轮廓区域对应的垂直中心线坐标特征,轮廓区域残缺特征、轮廓区域向量特征。
处理器110,还用于对目标特征集合进行二分类预测,确定N个轮廓区域中的第一轮廓区域,第一轮廓区域为N个轮廓区域中位于目标图像的中心显示位置的轮廓区域。
本申请实施例中,在电子设备依次调整N个轮廓区域中的图像在目标图像中的显示位置,得到N个第一图像之前,电子设备可以先确定N个人物图像对应的N个轮廓区域在目标图像中的显示位置,从而根据N个轮廓区域在目标图像中的显示位置和目标图像对应的图像特征信息,构造目标特征集合,以通过XGBoost算法对目标特征集合进行二分类预测,快速确定N个轮廓区域中位于目标图像的中心显示位置的第一轮廓区域。
处理器110,具体用于依次交换N-1个第二轮廓区域中的图像与第一轮廓区域中的图像的显示位置,得到N-1个第一图像;其中,N个第一图像包括目标图像,第二轮廓区域为N个轮廓区域中除第一轮廓区域之外的轮廓区域。
本申请实施例中,电子设备可以通过依次交换N个轮廓区域中除位于目标图像的中心显示位置的轮廓区域中的图像,与目标图像的中心显示位置的轮廓区域中的图像的显示位置,得到N-1个未位于目标图像的中心显示位置的轮廓区域中的图像移动至图像的中心显示位置的第一图像,从而得到图像中心位置显示不同的目标对象的N个第一图像。因此可以提高电子设备对多人进行拍摄得到多人合照的效率。
网络模块102,用于与N-1个电子设备建立连接,获取N-1个电子设备当前显示的N-1个拍摄预览图像。
处理器110,具体用于对N个拍摄预览图像进行分割处理,获取N个人物图像对应的N个轮廓区域中的图像。
本申请实施例中,N个电子设备可以通过建立连接,以使得在N个电子设备均显示拍摄预览界面的情况下,每个电子设备均可以获取到其他N-1个电子设备当前显示的N-1个拍摄预览图像,从而N个电子设备分别对N个拍摄预览图像进行分割处理,获取N个人物图像对应的N个轮廓区域中的图像,以将获取到的N个人物图像均显示在每个电子设备本地显示的拍摄预览界面中,从而在多个用户相聚较远的情况下,拍摄得到多人合照,因此可以提高电子设备对多人进行拍摄得到多人合照的效率。
处理器110,具体用于将N-1个拍摄预览图像中包括的N-1个轮廓区域中的图像显示在目标拍摄预览图像中。
传感器105,用于拍摄得到包括N个人物图像的一个第一图像。
本申请实施例中,每个电子设备均可以在本地显示的拍摄预览图像中显示从其他多个拍摄预览图像中获取到的多个人物图像,从而达到多人合照的效果,并拍摄得到多人合照,提高了电子设备拍摄多人合照的灵活性。
应理解的是,本申请实施例中,输入单元104可以包括图形处理器(GraphicsProcessing Unit,GPU)1041和麦克风1042,图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元106可包括显示面板1061,可以采用液晶显示器、有机发光二极管等形式来配置显示面板1061。用户输入单元107包括触控面板1071以及其他输入设备1072。触控面板1071,也称为触摸屏。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。存储器109可用于存储软件程序以及各种数据,包括但不限于应用程序和操作系统。处理器110可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器110中。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述图像处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述图像处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (12)
1.一种图像处理方法,其特征在于,所述方法包括:
获取包含N个目标对象的目标图像,并确定所述N个目标对象在所述目标图像中的N个轮廓区域,一个目标对象对应一个轮廓区域,N为大于1的正整数;
对所述目标图像进行分割处理,获取所述N个目标对象对应的N个轮廓区域中的图像;
依次调整所述N个轮廓区域中的图像在所述目标图像中的显示位置,得到N个第一图像,所述N个目标对象中的至少两个目标对象在不同的第一图像中的显示位置不同。
2.根据权利要求1所述的方法,其特征在于,所述N个目标对象为人物图像;
所述确定所述N个目标对象在所述目标图像中的N个轮廓区域,包括:
对所述目标图像进行密集抽样确定多个图像区域,并根据每个图像区域的图像特征信息,确定所述多个图像区域中的N个人物图像对应的所述N个轮廓区域。
3.根据权利要求2所述的方法,其特征在于,所述对所述目标图像进行分割处理,获取所述N个目标对象对应的N个轮廓区域中的图像,包括:
根据所述图像特征信息,对所述目标图像中包括的所述N个人物图像进行图像分割,得到所述N个轮廓区域中的图像;
其中,所述图像特征信息包括以下至少一项:人物特征信息、所述N个目标对象的周围环境信息、所述目标图像的整体环境信息。
4.根据权利要求2或3所述的方法,其特征在于,所述依次调整所述N个轮廓区域中的图像在所述目标图像中的显示位置,得到N个第一图像之前,所述方法还包括:
确定所述N个人物图像对应的所述N个轮廓区域在所述目标图像中的显示位置;
根据所述N个轮廓区域在所述目标图像中的显示位置和所述目标图像对应的图像特征信息,构造目标特征集合,所述目标特征集合包括以下至少一项:轮廓区域对应的水平中心线坐标特征、轮廓区域对应的垂直中心线坐标特征,轮廓区域残缺特征、轮廓区域向量特征;
对所述目标特征集合进行二分类预测,确定所述N个轮廓区域中的第一轮廓区域,所述第一轮廓区域为所述N个轮廓区域中位于所述目标图像的中心显示位置的轮廓区域;
所述依次调整所述N个轮廓区域中的图像在所述目标图像中的显示位置,得到N个第一图像,包括:
依次交换N-1个第二轮廓区域中的图像与所述第一轮廓区域中的图像的显示位置,得到所述N-1个第一图像;
其中,所述N个第一图像包括所述目标图像,所述第二轮廓区域为所述N个轮廓区域中除所述第一轮廓区域之外的轮廓区域。
5.根据权利要求1所述的方法,其特征在于,所述目标图像为N个电子设备当前显示的N个拍摄预览图像,所述N个目标对象为人物图像,一个拍摄预览图像中包括一个人物图像;
所述获取包含N个目标对象的目标图像,并确定所述N个目标对象在所述目标图像中的N个轮廓区域之前,所述方法还包括:
与N-1个电子设备建立连接,获取所述N-1个电子设备当前显示的N-1个拍摄预览图像;
所述对所述目标图像进行分割处理,获取所述N个目标对象对应的N个轮廓区域中的图像,包括:
对所述N个拍摄预览图像进行分割处理,获取所述N个人物图像对应的N个轮廓区域中的图像;
所述依次调整所述N个轮廓区域中的图像在所述目标图像中的显示位置,得到N个第一图像,包括:
将N-1个拍摄预览图像中包括的N-1个轮廓区域中的图像显示在目标拍摄预览图像中,并拍摄得到包括所述N个人物图像的一个第一图像。
6.一种图像处理装置,其特征在于,所述图像处理装置包括:获取模块、确定模块、处理模块和调整模块;
所述获取模块,用于获取包含N个目标对象的目标图像;
所述确定模块,用于确定所述N个目标对象在所述目标图像中的N个轮廓区域,一个目标对象对应一个轮廓区域,N为大于1的正整数;
所述处理模块,用于对所述目标图像进行分割处理;
所述获取模块,还用于获取所述N个目标对象对应的N个轮廓区域中的图像;
所述调整模块,用于依次调整所述N个轮廓区域中的图像在所述目标图像中的显示位置,得到N个第一图像,所述N个目标对象中的至少两个目标对象在不同的第一图像中的显示位置不同。
7.根据权利要求6所述的图像处理装置,其特征在于,所述N个目标对象为人物图像;
所述确定模块,具体用于对所述目标图像进行密集抽样确定多个图像区域,并根据每个图像区域的图像特征信息,确定所述多个图像区域中的N个人物图像对应的所述N个轮廓区域。
8.根据权利要求7所述的图像处理装置,其特征在于,所述处理模块,具体用于根据所述图像特征信息,对所述目标图像中包括的所述N个人物图像进行图像分割,得到所述N个轮廓区域中的图像;
其中,所述图像特征信息包括以下至少一项:人物特征信息、所述N个目标对象的周围环境信息、所述目标图像的整体环境信息。
9.根据权利要求7或8所述的图像处理装置,其特征在于,所述确定模块,还用于在所述调整模块依次调整所述N个轮廓区域中的图像在所述目标图像中的显示位置,得到N个第一图像之前,确定所述N个人物图像对应的所述N个轮廓区域在所述目标图像中的显示位置;
所述处理模块,还用于根据所述N个轮廓区域在所述目标图像中的显示位置和所述目标图像对应的图像特征信息,构造目标特征集合,所述目标特征集合包括以下至少一项:轮廓区域对应的水平中心线坐标特征、轮廓区域对应的垂直中心线坐标特征,轮廓区域残缺特征、轮廓区域向量特征;
所述确定模块,还用于对所述目标特征集合进行二分类预测,确定所述N个轮廓区域中的第一轮廓区域,所述第一轮廓区域为所述N个轮廓区域中位于所述目标图像的中心显示位置的轮廓区域;
所述调整模块,具体用于依次交换N-1个第二轮廓区域中的图像与所述第一轮廓区域中的图像的显示位置,得到所述N-1个第一图像;
其中,所述N个第一图像包括所述目标图像,所述第二轮廓区域为所述N个轮廓区域中除所述第一轮廓区域之外的轮廓区域。
10.根据权利要求6所述的图像处理装置,其特征在于,所述目标图像为N个电子设备当前显示的N个拍摄预览图像,所述N个目标对象为人物图像,一个拍摄预览图像中包括一个人物图像;
所述图像处理装置还包括:网络模块;
所述网络模块,用于在所述获取模块获取包含N个目标对象的目标图像,并在所述确定模块确定所述N个目标对象在所述目标图像中的N个轮廓区域之前,与N-1个电子设备建立连接;
所述获取模块,还用于获取所述N-1个电子设备当前显示的N-1个拍摄预览图像;
所述处理模块,具体用于对所述N个拍摄预览图像进行分割处理,获取所述N个人物图像对应的N个轮廓区域中的图像;
所述调整模块,具体用于将N-1个拍摄预览图像中包括的N-1个轮廓区域中的图像显示在目标拍摄预览图像中;
所述图像处理装置还包括:拍摄模块;
所述拍摄模块,用于拍摄得到包括所述N个人物图像的一个第一图像。
11.一种电子设备,其特征在于,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-5中任一项所述的图像处理方法的步骤。
12.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1-5中任一项所述的图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110852914.0A CN113706553B (zh) | 2021-07-27 | 2021-07-27 | 图像处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110852914.0A CN113706553B (zh) | 2021-07-27 | 2021-07-27 | 图像处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113706553A CN113706553A (zh) | 2021-11-26 |
CN113706553B true CN113706553B (zh) | 2024-05-03 |
Family
ID=78650601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110852914.0A Active CN113706553B (zh) | 2021-07-27 | 2021-07-27 | 图像处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113706553B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108632543A (zh) * | 2018-03-26 | 2018-10-09 | 广东欧珀移动通信有限公司 | 图像显示方法、装置、存储介质及电子设备 |
CN110933303A (zh) * | 2019-11-27 | 2020-03-27 | 维沃移动通信(杭州)有限公司 | 拍照方法及电子设备 |
CN112348764A (zh) * | 2019-08-09 | 2021-02-09 | 三星电子株式会社 | 电子设备及其操作方法 |
CN113012040A (zh) * | 2021-03-30 | 2021-06-22 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备及存储介质 |
-
2021
- 2021-07-27 CN CN202110852914.0A patent/CN113706553B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108632543A (zh) * | 2018-03-26 | 2018-10-09 | 广东欧珀移动通信有限公司 | 图像显示方法、装置、存储介质及电子设备 |
CN112348764A (zh) * | 2019-08-09 | 2021-02-09 | 三星电子株式会社 | 电子设备及其操作方法 |
CN110933303A (zh) * | 2019-11-27 | 2020-03-27 | 维沃移动通信(杭州)有限公司 | 拍照方法及电子设备 |
CN113012040A (zh) * | 2021-03-30 | 2021-06-22 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113706553A (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675420B (zh) | 一种图像处理方法和电子设备 | |
CN108229277B (zh) | 手势识别、手势控制及多层神经网络训练方法、装置及电子设备 | |
CN110012209B (zh) | 全景图像生成方法、装置、存储介质及电子设备 | |
CN109889724B (zh) | 图像虚化方法、装置、电子设备及可读存储介质 | |
CN107771391B (zh) | 用于确定图像帧的曝光时间的方法和装置 | |
CN109076198A (zh) | 基于视频的对象跟踪遮挡检测系统、过程和设备 | |
US10620826B2 (en) | Object selection based on region of interest fusion | |
CN105874776A (zh) | 图像处理设备和方法 | |
KR101620933B1 (ko) | 제스쳐 인식 메커니즘을 제공하는 방법 및 장치 | |
CN109145809A (zh) | 一种记谱处理方法和装置以及计算机可读存储介质 | |
CN113194253B (zh) | 去除图像反光的拍摄方法、装置和电子设备 | |
CN112561973A (zh) | 训练图像配准模型的方法、装置和电子设备 | |
WO2023006009A1 (zh) | 拍摄参数的确定方法、装置及电子设备 | |
CN113688820A (zh) | 频闪条带信息识别方法、装置和电子设备 | |
CN112669381A (zh) | 一种位姿确定方法、装置、电子设备及存储介质 | |
CN112437232A (zh) | 拍摄方法、装置、电子设备及可读存储介质 | |
CN108683845A (zh) | 图像处理方法、装置、存储介质及移动终端 | |
CN113225451B (zh) | 图像处理方法、装置和电子设备 | |
CN112333439B (zh) | 面部清洁设备控制方法、装置及电子设备 | |
CN112511743A (zh) | 视频拍摄方法和装置 | |
CN113706553B (zh) | 图像处理方法、装置及电子设备 | |
CN114466140B (zh) | 图像拍摄方法及装置 | |
CN115623313A (zh) | 图像处理方法、图像处理装置、电子设备、存储介质 | |
CN114565777A (zh) | 数据处理方法和装置 | |
CN114125226A (zh) | 图像拍摄方法、装置、电子设备和可读存储介质 |
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 |