CN113763285B - 图像处理方法及装置、电子设备和存储介质 - Google Patents
图像处理方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113763285B CN113763285B CN202111135696.5A CN202111135696A CN113763285B CN 113763285 B CN113763285 B CN 113763285B CN 202111135696 A CN202111135696 A CN 202111135696A CN 113763285 B CN113763285 B CN 113763285B
- Authority
- CN
- China
- Prior art keywords
- beautifying
- result
- target
- layer
- target part
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 96
- 230000004044 response Effects 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 59
- 238000012545 processing Methods 0.000 claims description 58
- 238000002156 mixing Methods 0.000 claims description 34
- 230000015654 memory Effects 0.000 claims description 33
- 230000004927 fusion Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 11
- 208000035874 Excoriation Diseases 0.000 claims description 4
- 230000001815 facial effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000000227 grinding Methods 0.000 description 9
- 238000005498 polishing Methods 0.000 description 7
- 206010040844 Skin exfoliation Diseases 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 238000004321 preservation Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000007499 fusion processing Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 208000002874 Acne Vulgaris Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007517 polishing process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000036548 skin texture Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Processing (AREA)
Abstract
本公开涉及一种图像处理方法及装置、电子设备和存储介质。所述方法包括:响应于针对用户图像的美化操作,确定所述用户图像中待进行美化的目标部位;根据所述目标部位的颜色信息,对所述目标部位进行第一美化处理,得到第一美化结果;根据所述目标部位的纹理信息,对所述目标部位进行第二美化处理,得到第二美化结果;根据所述第一美化结果和所述第二美化结果,生成对所述目标部位进行美化后的目标用户图像。
Description
技术领域
本公开涉及计算机视觉领域,尤其涉及一种图像处理方法及装置、电子设备和存储介质。
背景技术
随着计算机视觉技术的发展,对人脸图像的面部等区域进行磨皮等美化处理的操作已愈加广泛应用于图像处理领域。然而,相关的美化方法往往容易由于美化过度而产生较为失真的美化结果。
发明内容
本公开提出了一种图像处理方案。
根据本公开的一方面,提供了一种图像处理方法,包括:
响应于针对用户图像的美化操作,确定所述用户图像中待进行美化的目标部位;根据所述目标部位的颜色信息,对所述目标部位进行第一美化处理,得到第一美化结果;根据所述目标部位的纹理信息,对所述目标部位进行第二美化处理,得到第二美化结果;根据所述第一美化结果和所述第二美化结果,生成对所述目标部位进行美化后的目标用户图像。
在一种可能的实现方式中,所述根据所述目标部位的颜色信息,对所述目标部位进行第一美化处理,得到第一美化结果,包括:将所述目标部位复制至第一图层,得到第一目标部位;在所述第一图层中,对所述第一目标部位中像素点的颜色信息进行模糊处理,得到第一美化结果。
在一种可能的实现方式中,在得到第一美化结果之后,所述方法还包括:保存得到所述第一美化结果的美化信息;响应于所述第一美化处理中的撤销操作,根据所述美化信息,对所述第一美化结果进行撤销美化处理,得到所述第一目标部位。
在一种可能的实现方式中,所述根据所述目标部位的纹理信息,对所述目标部位进行第二美化处理,得到第二美化结果,包括:将所述目标部位复制至第二图层,得到第二目标部位,其中,所述第二图层位于第一图层的上方,所述第一图层用于对所述目标部位进行第一美化处理;在所述第二图层中,对所述第二目标部位中的纹理信息进行混合处理,得到第二美化结果。
在一种可能的实现方式中,所述在所述第二图层中,对所述第二目标部位中的纹理信息进行混合处理,得到第二美化结果,包括:根据所述第一美化结果,对所述第二目标部位进行减去混合处理,得到中间第二美化结果;根据所述第一美化结果,对所述中间第二美化结果进行亮光混合处理,得到所述第二美化结果。
在一种可能的实现方式中,所述根据所述第一美化结果和所述第二美化结果,生成对所述目标部位进行美化后的目标用户图像,包括:将所述第一美化结果所属的第一图层与所述第二美化结果所属的第二图层进行叠加,得到目标美化结果;其中,所述第一图层用于对所述目标部位进行第一美化处理,所述第二图层用于对所述目标部位进行第二美化处理,所述第二图层位于所述第一图层的上方;将所述目标美化结果与所述用户图像进行融合,得到所述目标用户图像。
在一种可能的实现方式中,所述方法还包括:将所述目标部位复制至第三图层,得到第三目标部位,其中,所述第三图层位于第二图层的上方,所述第二图层用于对所述目标部位进行第二美化处理;在所述第三图层中,对所述第三目标部位进行锐化处理,得到第三美化结果;所述根据所述第一美化结果和所述第二美化结果,生成对所述目标部位进行美化后的目标用户图像,包括:将所述第一美化结果所属的第一图层、所述第二美化结果所属的第二图层与所述第三美化结果所属的第三图层进行叠加,得到目标美化结果;其中,所述第一图层用于对所述目标部位进行第一美化处理,所述第二图层位于所述第一图层的上方;将所述目标美化结果与所述用户图像进行融合,得到所述目标用户图像。
在一种可能的实现方式中,所述将所述目标美化结果与所述用户图像进行融合,得到所述目标用户图像,包括:获取与所述目标部位匹配的掩模图像;根据所述掩模图像的灰度分布状态,确定所述目标美化结果与所述用户图像之间的融合强度;根据所述融合强度,将所述目标美化结果与所述用户图像进行融合,得到所述目标用户图像。
在一种可能的实现方式中,所述目标部位包括人脸部位,所述美化操作包括磨皮操作。
根据本公开的一方面,提供了一种图像处理装置,包括:
确定模块,用于响应于针对用户图像的美化操作,确定所述用户图像中待进行美化的目标部位;第一美化模块,用于根据所述目标部位的颜色信息,对所述目标部位进行第一美化处理,得到第一美化结果;第二美化模块,用于根据所述目标部位的纹理信息,对所述目标部位进行第二美化处理,得到第二美化结果;生成模块,用于根据所述第一美化结果和所述第二美化结果,生成对所述目标部位进行美化后的目标用户图像。
在一种可能的实现方式中,所述第一美化模块用于:将所述目标部位复制至第一图层,得到第一目标部位;在所述第一图层中,对所述第一目标部位中像素点的颜色信息进行模糊处理,得到第一美化结果。
在一种可能的实现方式中,在所述第一美化模块之后,所述装置还用于:保存得到所述第一美化结果的美化信息;响应于所述第一美化处理中的撤销操作,根据所述美化信息,对所述第一美化结果进行撤销美化处理,得到所述第一目标部位。
在一种可能的实现方式中,所述第二美化模块用于:将所述目标部位复制至第二图层,得到第二目标部位,其中,所述第二图层位于第一图层的上方,所述第一图层用于对所述目标部位进行第一美化处理;在所述第二图层中,对所述第二目标部位中的纹理信息进行混合处理,得到第二美化结果。
在一种可能的实现方式中,所述第二美化模块进一步用于:根据所述第一美化结果,对所述第二目标部位进行减去混合处理,得到中间第二美化结果;根据所述第一美化结果,对所述中间第二美化结果进行亮光混合处理,得到所述第二美化结果。
在一种可能的实现方式中,所述生成模块用于:将所述第一美化结果所属的第一图层与所述第二美化结果所属的第二图层进行叠加,得到目标美化结果;其中,所述第一图层用于对所述目标部位进行第一美化处理,所述第二图层用于对所述目标部位进行第二美化处理,所述第二图层位于所述第一图层的上方;将所述目标美化结果与所述用户图像进行融合,得到所述目标用户图像。
在一种可能的实现方式中,所述装置还用于:将所述目标部位复制至第三图层,得到第三目标部位,其中,所述第三图层位于第二图层的上方,所述第二图层用于对所述目标部位进行第二美化处理;在所述第三图层中,对所述第三目标部位进行锐化处理,得到第三美化结果;所述根据所述第一美化结果和所述第二美化结果,生成对所述目标部位进行美化后的目标用户图像,包括:将所述第一美化结果所属的第一图层、所述第二美化结果所属的第二图层与所述第三美化结果所属的第三图层进行叠加,得到目标美化结果;其中,所述第一图层用于对所述目标部位进行第一美化处理,所述第二图层位于所述第一图层的上方;将所述目标美化结果与所述用户图像进行融合,得到所述目标用户图像。
在一种可能的实现方式中,所述装置进一步用于:获取与所述目标部位匹配的掩模图像;根据所述掩模图像的灰度分布状态,确定所述目标美化结果与所述用户图像之间的融合强度;根据所述融合强度,将所述目标美化结果与所述用户图像进行融合,得到所述目标用户图像。
在一种可能的实现方式中,所述目标部位包括人脸部位,所述美化操作包括磨皮操作。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:执行上述图像处理方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述图像处理方法。
在本公开实施例中,通过响应于针对用户图像的美化操作,确定用户图像中待进行美化的目标部位,从而根据目标部位的颜色信息进行第一美化处理得到第一美化结果,以及根据目标部位的纹理信息进行第二美化处理得到第二美化结果,继而根据第一美化结果和第二美化结果来生成对目标部位进行美化后的目标用户图像。通过上述过程,可以在对目标部位进行磨皮等美化处理的过程中,将颜色信息与纹理信息进行分离,可以在基于颜色信息进行磨皮等美化处理的同时,对目标部位的纹理信息进行较好地美化和保留,从而既可以提升对目标部位的美化效果,又可以通过纹理信息的处理提升美化效果的真实性,减少美化过度等情况的发生。
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,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
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,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开一实施例的图像处理方法的流程图。
图2示出根据本公开一实施例的图像处理方法的流程图。
图3示出根据本公开一实施例的图像处理方法的流程图。
图4示出根据本公开一实施例的图像处理方法的流程图。
图5示出根据本公开一实施例的图像处理装置的框图。
图6示出根据本公开实施例的一种电子设备的框图。
图7示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开一实施例的图像处理方法的流程图,该方法可以应用于图像处理装置或图像处理系统等,图像处理装置可以为终端设备、服务器或者其他处理设备等。其中,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一个示例中,该图像处理方法可以应用于云端服务器或本地服务器,云端服务器可以为公有云服务器,也可以为私有云服务器,根据实际情况灵活选择即可。
在一些可能的实现方式中,该图像处理方法也可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
如图1所示,在一种可能的实现方式中,所述图像处理方法可以包括:
步骤S11,响应于针对用户图像的美化操作,确定用户图像中待进行美化的目标部位。
其中,用户图像可以是包含用户目标部位的任意图像,用户图像中可以包含一个或多个用户,也可以包含一个或多个用户的目标部位,其实现形式可以根据实际情况灵活决定,在本公开实施例中不做限制。
目标部位可以是用户图像中需要进行美化的任意部位,目标部位包含哪些部位,其实现形式同样可以根据美化操作的实际情况灵活决定,比如针对于磨皮操作的美化操作,目标部位可以是人脸部位,或是包含皮肤等区域的任意部位,比如手部部位、颈部部位或是肘部部位等;针对于雾面操作的美化操作,目标部位可以是采用雾面妆容的人脸部位或是雾面唇妆的唇部部位等。
美化操作,可以是对用户图像的目标部位进行美化处理的任意操作,比如磨皮操作或是雾面操作等各类操作。美化操作包含的操作内容可以根据实际情况灵活决定,不局限于下述各公开实施例。在一种可能的实现方式中,该美化操作可以包括指示对用户图像中用户的目标部位进行美化处理的操作;在一些可能的实现方式中,该美化操作还可以包括输入一种或多种参数等,比如美化强度参数等。
美化强度参数可以是用户输入的,对目标部位进行美化的强度等相关参数,该美化强度参数的实现形式可以根据对目标部位进行美化的具体实现过程所灵活决定,比如针对于磨皮操作,美化强度参数可以包含磨皮过程的模糊强度或锐化强度等,详见下述各公开实施例,在此先不做展开。
确定目标部位的方式在本公开实施例中不做限制,不局限于下述各公开实施例。在一种可能的实现方式中,可以对用户图像中目标部位的位置进行识别,确定目标部位在用户图像中的位置从而对目标部位的图像进行提取。其中,识别的方式在本公开实施例中不做限制,比如可以为关键点识别或是对面部部位整体进行直接识别。
步骤S12,根据目标部位的颜色信息,对目标部位进行第一美化处理,得到第一美化结果。
其中,颜色信息可以反映目标部位中的颜色分布情况,比如可以包括目标部位中各像素点的像素值等,该目标部位中的像素点,可以是目标部位中包含的每一个像素点,也可以是目标部位中的部分像素点。
第一美化处理可以是基于颜色信息对目标部位进行的相关处理,其实现方式可以根据美化操作的类型灵活决定,比如对于磨皮操作,第一美化处理可以包括对目标部位中的像素点进行模糊处理,对于雾面操作,第一美化处理可以在对目标部位中的像素点进行模糊处理的同时,还可以改变目标部位中像素点的颜色值等。
第一美化处理的一些可能的实现方式可以详见下述各公开实施例,在此先不做展开。
步骤S13,根据目标部位的纹理信息,对目标部位进行第二美化处理,得到第二美化结果。
其中,纹理信息可以反映目标部位中的纹理细节,比如在目标部位为人脸部位的情况下,纹理信息可以包含人脸中的皮肤纹理,以及皮肤上包含的一些其他细节信息,比如皮肤上的斑点、痘印或是痣等信息。
第二美化处理可以是基于纹理信息对目标部位进行的相关处理,其实现方式也可以根据实际情况灵活决定,在一些可能的实现方式中,第二美化处理可以包括将目标部位的图像与第一美化处理结果之间的混合处理,在一些可能的实现方式中,第二美化处理也可以包括对目标部位的锐化处理等。
第二美化处理的一些可能的实现方式同样可以详见下述各公开实施例,在此先不做展开。
步骤S14,根据第一美化结果和第二美化结果,生成对目标部位进行美化后的目标用户图像。
其中,目标用户图像,可以是对用户图像的目标部位进行美化所得到的图像,生成目标用户图像的方式可以根据实际情况灵活决定,比如可以将第一美化结果和第二美化结果进行融合以得到目标用户图像,或是将第一美化结果、第二美化结果与用户图像进行融合以得到目标用户图像。在一些可能的实现方式中,第一美化结果和第二美化结果也可以分别属于不同的图层,在这种情况下,可以通过图层叠加以得到目标用户图像。
步骤S14的一些可能的实现方式可以详见下述各公开实施例,在此先不做展开。
在本公开实施例中,通过响应于针对用户图像的美化操作,确定用户图像中待进行美化的目标部位,从而根据目标部位的颜色信息进行第一美化处理得到第一美化结果,以及根据目标部位的纹理信息进行第二美化处理得到第二美化结果,继而根据第一美化结果和第二美化结果来生成对目标部位进行美化后的目标用户图像。通过上述过程,可以在对目标部位进行磨皮等美化处理的过程中,将颜色信息与纹理信息进行分离,可以在基于颜色信息进行磨皮等美化处理的同时,对目标部位的纹理信息进行较好地美化和保留,从而既可以提升对目标部位的美化效果,又可以通过纹理信息的处理提升美化效果的真实性,减少美化过度等情况的发生。
图2示出根据本公开一实施例的图像处理方法的流程图,如图所示,在一种可能的实现方式中,步骤S12可以包括:
步骤S121,将目标部位复制至第一图层,得到第一目标部位。
步骤S122,在第一图层中,对第一目标部位中像素点的颜色信息进行模糊处理,得到第一美化结果。
其中,第一图层可以是具有图像处理或编辑功能的任意图层,比如图像编辑软件(PS,Photoshop)中的编辑图层。在一种可能的实现方式中,目标部位可以位于原始图层,而第一图层可以位于该原始图层的上方。
将目标部位复制至第一图层,可以是将目标部位单独复制至第一图层,也可以是将包含目标部位的用户图像整体复制至第一图层。第一目标部位可以是目标部位在第一图层中的部位图像。
对第一目标部位中像素点的颜色信息进行模糊处理,可以是对第一目标部位中每个像素点的颜色信息进行模糊处理,也可以是对其中部分像素点进行模糊处理,根据实际情况确定即可。
模糊处理的方式在本公开实施例中不做限制,任意具有模糊功能的处理方式均可应用在本公开实施例中。在一种可能的实现方式中,模糊处理可以包括高斯模糊。
其中,高斯模糊在对某个像素点进行处理的过程中,可以以该像素点为中心,根据该像素点目标范围内的像素点的像素值通过高斯函数进行处理,得到处理后的像素值,作为该像素点的高斯模糊结果。
高斯模糊中的目标范围,可以根据实际情况灵活设定,在本公开实施例中不做限制。在一种可能的实现方式中,美化操作可以通过用户输入的模糊参数,来确定高斯模糊的目标范围。在一个示例中,该目标范围可以为10~20个像素。
通过本公开实施例,可以通过将目标部位复制至第一图层,独立地对目标部位中的颜色信息进行模糊处理,既可以实现较好地第一美化,也便于对第一美化结果进行灵活地调节,提升美化的灵活性和效果。
在一种可能的实现方式中,还可以对第一图层执行“智能对象”的操作命令,该操作命令可以使得第一图层在不被破坏的基础上进行效果更改。
因此,在一种可能的实现方式中,在得到第一美化结果之后,本公开实施例提出的方法还可以包括:
保存得到第一美化结果的美化信息;
响应于第一美化处理中的撤销操作,根据美化信息,对第一美化结果进行撤销美化处理,得到第一目标部位。
其中,美化信息可以包括第一图层在执行美化处理的过程中所接受的操作命令和参数等信息,比如上述公开实施例中提到的模糊处理的指令以及模糊处理的目标范围等。
第一美化处理中的撤销操作,可以是撤销在得到第一美化结果的过程中,对第一目标部位执行的某个或某些操作,比如在对第一目标部位执行模糊处理得到第一美化对象以后,可以通过撤销操作,使得第一美化对象返回在模糊处理之前的图像状态。
由于保存了美化信息,因此在接收到撤销操作的情况下,可以基于该美化信息,对第一美化结果执行反向操作,从而得到撤销第一美化处理后的第一目标部位。
通过本公开实施例,可以通过保存美化信息,使得在对第一美化结果不满意的情况下,便于对第一美化处理的过程进行撤销,从而便于后续重新执行第一美化处理等操作,提升美化过程的灵活性,方便用户根据喜好对美化结果进行调整。
图3示出根据本公开一实施例的图像处理方法的流程图,如图所示,在一种可能的实现方式中,步骤S13可以包括:
步骤S131,将目标部位复制至第二图层,得到第二目标部位。
步骤S132,在第二图层中,对第二目标部位中的纹理信息进行混合处理,得到第二美化结果。
其中,第二图层的实现形式可以参考上述各公开实施例中第一图层的实现形式,在此不再赘述。在一种可能的实现方式中,由于纹理信息相对于颜色信息包含更多的细节,为了便于实现美化效果的更改,可以将第二图层设置在第一图层的上方。
将目标部位复制至第二图层的方式可以参考上述复制至第一图层的方式,在此不再赘述。第二目标部位可以是目标部位在第二图层中的部位图像。
对第二目标部位中的纹理信息进行混合处理,可以是基于第二目标部位本身的图像进行混合,也可以是将第二目标部位与第一美化结果进行混合等。步骤S132的一些可能的实现方式可以详见下述各公开实施例,在此先不做展开。
通过本公开实施例,可以通过将目标部位复制至位于第一图层上方的第二图层,并在第二图层中执行混合处理,一方面可以独立地对目标部位中的纹理信息进行混合处理,实现较好地第二美化且便于对第二美化结果进行灵活地调节,以提升美化的灵活性和效果;另一方面通过将第二图层设置于第一图层上方,可以更好地保留目标部位的纹理信息,进一步提升美化效果。
在一种可能的实现方式中,在第二图层中,对第二目标部位中的纹理信息进行混合处理,可以包括:
根据第一美化结果,对第二目标部位进行减去混合处理,得到中间第二美化结果;
根据第一美化结果,对中间第二美化结果进行亮光混合处理,得到第二美化结果。
其中,减去混合处理可以包括计算第二目标部位的颜色通道值与第一美化结果中的颜色通道值之间的差值,在一个示例中,减去混合处理可以通过将第二目标部位的RGB通道值与第一美化结果中的RGB通道值做差,来从第二目标部位中排除掉第一美化结果的相关信息,继而从第二目标部位中分离出纹理信息,作为中间第二美化结果。
在一个示例中,根据第一美化结果对第二目标部位进行减去混合处理的过程可以通过下述公式(1)进行表示:
C=[(A-B)/预设收缩值]+预设补偿值 (1)
其中,为中间第二美化结果,为第二目标部位,为第一美化结果,预设收缩值可以是预设的参数,预设收缩值越高,得到的中间第二美化结果将越暗,预设收缩值的具体数值可以根据实际情况灵活决定,在一个示例中可以在1.000~2.000之间。预设补偿值同样可以为预设的参数,用于进一步调节中间第二美化结果的亮度,在一个示例中,预设补偿值的数值可以在-255~+255之间,比如可以为128等。
在一些可能的实现方式中,预设收缩值和预设补偿值等均可以作为美化操作中的美化强度参数,根据用户的输入所确定,从而可以进一步提升美化的灵活性,得到符合用户需求的目标用户图像。
亮光混合处理可以包括通过相减、相乘和相除等计算方式,共同计算所得到的第二目标部位的颜色值与第一美化结果的颜色值之间的混合值,亮光混合处理可以通过将中间第二美化结果与第一美化结果进行混合,来增加或减小中间第二美化结果的对比度,继而实现对中间第二美化结果的颜色调节,由于中间第二美化结果主要保留了目标部位的纹理信息,因此通过亮光混合处理,可以实现对目标部位纹理信息的进一步调整,得到符合用户需求的第二美化结果。
通过本公开实施例,可以利用减去混合处理来从第二目标部位中分离出纹理信息,并通过亮光混合处理对纹理信息进行进一步调整,从而提升得到的第二美化结果的美化效果和真实程度,继而提升美化处理的整体性能。
在一种可能的实现方式中,本公开实施例提出的方法还可以包括:
将目标部位复制至第三图层,得到第三目标部位;
在第三图层中,对第三目标部位进行锐化处理,得到第三美化结果。
其中,第三图层的实现形式可以参考上述各公开实施例中第一图层和第二图层的实现形式,在此不再赘述。第三图层可以用于突出目标部位的纹理细节,因此,为了更多地对目标部位的纹理细节进行保留,可以将第三图层设置在第二图层的上方。
将目标部位复制至第三图层的方式可以参考上述复制至第一图层和第二图层的方式,在此不再赘述。第三目标部位可以是目标部位在第三图层中的部位图像。
对第三目标部位进行锐化处理,可以是对第三目标部位这一区域进行锐化处理,也可以是对整个第三图层进行锐化处理,根据实际情况灵活选择处理方式即可。锐化处理的具体方式在本公开实施例中不做限制,在一个示例中,可以在PS的编辑图层中,通过选中“高反差保留”这一操作来实现第三目标部位的锐化。高反差保留可以保留图像中具有较高对比度的区域,比如人眼、嘴唇或是头发等轮廓部位,并将其余区域变为中性灰色。在一个示例中,还可以设置高反差保留的像素范围,以提升锐化效果,像素范围可以根据实际情况灵活设定,在一个示例中,可以设置高反差保留采用1像素的像素范围。在一个示例中,该高反差保留的像素范围也可以作为美化操作中的美化强度参数,根据用户的输入所确定,从而可以进一步提升美化的灵活性,得到符合用户需求的目标用户图像。
通过本公开实施例,可以通过将目标部位复制至位于第二图层上方的第三图层,并在第三图层中执行锐化处理,一方面可以进一步强化纹理信息,增强美化效果的细节;另一方面通过将第三图层设置于第二图层上方,可以更好地保留目标部位的纹理细节,进一步提升美化效果。
图4示出根据本公开一实施例的图像处理方法的流程图,如图所示,在一种可能的实现方式中,步骤S14可以包括:
步骤S141,将第一美化结果所属的第一图层与第二美化结果所属的第二图层进行叠加,得到目标美化结果。
步骤S142,将目标美化结果与用户图像进行融合,得到目标用户图像。
其中,第一图层和第二图层的实现形式可以参考上述各公开实施例,在此不再赘述。
将第一图层与第二图层进行叠加,其叠加的顺序可以根据第一图层和第二图层的位置关系所确定,在一种可能的实现方式中,由于第二图层可以位于第一图层的上方,因此可以在第一图层上叠加第二图层,以得到目标美化结果。
在一种可能的实现方式中,还可以将第一图层、第二图层和第三图层这三个图层进行叠加来得到目标美化结果,叠加的顺序同样可以根据图层间的位置关系决定,比如可以在第一图层上叠加第二图层后,再在第二图层上叠加第三图层,或是先在第二图层上叠加第三图层,再将叠加后的结果叠加到第一图层上等,根据实际情况灵活选择即可。
通过图层叠加,可以得到目标美化结果,该目标美化结果可以通过步骤S142来与用户图像进行融合,以得到目标用户图像。
其中,步骤S142的实现方式可以根据实际情况灵活决定,比如在用户图像属于原始图层的情况下,可以直接将目标美化结果叠加到原始图层上,来得到目标用户图像。步骤S142一些其他可能的实现方式可以参考下述各公开实施例,在此先不做展开。
在一种可能的实现方式中,步骤S142可以包括:
获取与目标部位匹配的掩模图像;
根据掩模图像的灰度分布状态,确定目标美化结果与用户图像之间的融合强度;
根据融合强度,将目标美化结果与用户图像进行融合,得到目标用户图像。
其中,掩模图像可以是形状与目标部位匹配的掩模图像(mask),随着目标部位的不同,掩模图像的实现形式也可以变化。在一个示例中,掩模图像可以为预设人脸掩模。
掩模图像中可以包含多个亮度的像素点,掩模图像中像素点的亮度值可以根据实际情况灵活决定,在一个示例中,掩模图像中像素点的亮度可以在0~255的范围以内。
掩模图像中各像素点的亮度可以根据实际情况进行灵活设定,在一个示例中,该掩模图像中各像素点的亮度也可以作为美化操作中的美化强度参数,根据用户的输入所确定,从而可以进一步提升美化的灵活性,得到符合用户需求的目标用户图像。
灰度分布状态可以是掩模图像中各像素点的灰度值分布情况,不同亮度的像素点具有不同的灰度值,而灰度值可以根据预设的灰度-透明度对应关系,转换为透明度。灰度-透明度对应关系可以根据实际情况进行设定,在本公开实施例中不做限制。因此,根据掩模图像中像素点的灰度分布状态,可以确定各像素点的透明度。
根据该透明度,可以作确定目标美化结果和用户图像二者各自的融合强度,即二者在融合过程中的权重,按照该融合强度,可以将目标美化结果与用户图像加权融合,从而得到目标用户图像。举例来说,在一个示例中,在对人脸图像进行磨皮操作的过程中,眼睛部位的像素点不应产生磨皮效果,因此可以设置预设人脸掩模中位于眼睛位置的像素点的灰度为0,则将该灰度转换为透明度以后,可以确定目标美化结果在融合过程中的权重为0,而用户图像在融合过程中的权重为1,在这种情况下,目标美化结果将不对用户图像产生美化作用,因此该眼睛位置的像素点将不会产生磨皮效果,符合美化的要求。
通过本公开实施例,可以根据掩模图像中像素点的灰度分布状态,有效且批量地确定目标美化结果中不同像素点的融合强度,并基于该融合强度进一步对美化效果进行调整,一方面可以通过掩模图像批量地确定目标美化结果的融合强度,提升融合效率和便捷程度,另一方面可以进一步提升美化的灵活性,得到符合用户需求的目标用户图像。
图5示出根据本公开一实施例的图像处理装置的框图。如图所示,所述图像处理装置20可以包括:
确定模块21,用于响应于针对用户图像的美化操作,确定用户图像中待进行美化的目标部位。
第一美化模块22,用于根据目标部位的颜色信息,对目标部位进行第一美化处理,得到第一美化结果。
第二美化模块23,用于根据目标部位的纹理信息,对目标部位进行第二美化处理,得到第二美化结果。
生成模块24,用于根据第一美化结果和第二美化结果,生成对目标部位进行美化后的目标用户图像。
在一种可能的实现方式中,第一美化模块用于:将目标部位复制至第一图层,得到第一目标部位;在第一图层中,对第一目标部位中像素点的颜色信息进行模糊处理,得到第一美化结果。
在一种可能的实现方式中,在第一美化模块之后,装置还用于:保存得到第一美化结果的美化信息;响应于第一美化处理中的撤销操作,根据美化信息,对第一美化结果进行撤销美化处理,得到第一目标部位。
在一种可能的实现方式中,第二美化模块用于:将目标部位复制至第二图层,得到第二目标部位,其中,第二图层位于第一图层的上方,第一图层用于对目标部位进行第一美化处理;在第二图层中,对第二目标部位中的纹理信息进行混合处理,得到第二美化结果。
在一种可能的实现方式中,第二美化模块进一步用于:根据第一美化结果,对第二目标部位进行减去混合处理,得到中间第二美化结果;根据第一美化结果,对中间第二美化结果进行亮光混合处理,得到第二美化结果。
在一种可能的实现方式中,生成模块用于:将第一美化结果所属的第一图层与第二美化结果所属的第二图层进行叠加,得到目标美化结果;其中,第一图层用于对目标部位进行第一美化处理,第二图层用于对目标部位进行第二美化处理,第二图层位于第一图层的上方;将目标美化结果与用户图像进行融合,得到目标用户图像。
在一种可能的实现方式中,装置还用于:将目标部位复制至第三图层,得到第三目标部位,其中,第三图层位于第二图层的上方,第二图层用于对目标部位进行第二美化处理;在第三图层中,对第三目标部位进行锐化处理,得到第三美化结果;根据第一美化结果和第二美化结果,生成对目标部位进行美化后的目标用户图像,包括:将第一美化结果所属的第一图层、第二美化结果所属的第二图层与第三美化结果所属的第三图层进行叠加,得到目标美化结果;其中,第一图层用于对目标部位进行第一美化处理,第二图层位于第一图层的上方;将目标美化结果与用户图像进行融合,得到目标用户图像。
在一种可能的实现方式中,装置进一步用于:获取与目标部位匹配的掩模图像;根据掩模图像的灰度分布状态,确定目标美化结果与用户图像之间的融合强度;根据融合强度,将目标美化结果与用户图像进行融合,得到目标用户图像。
在一种可能的实现方式中,目标部位包括人脸部位,美化操作包括磨皮操作。
本公开涉及增强现实领域,通过获取现实环境中的目标对象的图像信息,进而借助各类视觉相关算法实现对目标对象的相关特征、状态及属性进行检测或识别处理,从而得到与具体应用匹配的虚拟与现实相结合的AR效果。示例性的,目标对象可涉及与人体相关的脸部、肢体、手势、动作等,或者与物体相关的标识物、标志物,或者与场馆或场所相关的沙盘、展示区域或展示物品等。视觉相关算法可涉及视觉定位、SLAM、三维重建、图像注册、背景分割、对象的关键点提取及跟踪、对象的位姿或深度检测等。具体应用不仅可以涉及跟真实场景或物品相关的导览、导航、讲解、重建、虚拟效果叠加展示等交互场景,还可以涉及与人相关的特效处理,比如妆容美化、肢体美化、特效展示、虚拟模型展示等交互场景。可通过卷积神经网络,实现对目标对象的相关特征、状态及属性进行检测或识别处理。上述卷积神经网络是基于深度学习框架进行模型训练而得到的网络模型。
应用场景示例
在计算机视觉领域,如何通过磨皮操作,得到磨皮效果更加真实的人脸图像,成为目前一个亟待解决的问题。
本公开应用示例提出了一种图像处理方法,包括如下过程:
在PS的编辑界面中,对包含人脸图像的原始图层进行拷贝,得到拷贝后的第一图层、第二图层和第三图层,其中,第二图层位于第一图层上方,第三图层位于第二图层上方。
将第一图层转换为智能对象,以保护第一图层在进行效果更改的同时不被破坏。
对第一图层进行15像素范围的高斯模糊处理,以从人脸图像中分离出低频的颜色信息并对该颜色信息实现模糊处理,得到第一美化结果。
将第二图层中的RGB通道值与第一美化结果中的RGB通道值,通过减去混合的方式进行混合处理,以从第二图层中分离出高频的纹理信息,作为中间第二美化结果,再将中间第二美化结果与第一美化结果通过亮光混合的方式进行混合处理,实现对纹理信息的颜色调整,以得到第二美化结果。
对第三图层进行锐化处理,对人脸部位的纹理信息均实现锐化,以最大限度地保留原始图层的真实的纹理细节。其中,锐化的方式可以为:在PS界面中依次选择“PS-滤镜-其他-高反差保留-1像素”,高反差保留的结果可以与高斯模糊的结果相反。
在本公开应用示例中,高斯模糊的像素范围与锐化的参数均可以更高,从而通过更改高斯模糊的像素范围来改变磨皮效果的强度,通过更改锐化的参数来增强纹理信息的细节。还可以结合预设人脸掩模来界定磨皮的区域,通过预设人脸掩模中的灰度分布状态来控制不同区域的磨皮强度。举例来说,可以生成一张具有亮度从最亮为255数值至最暗为0的预设人脸掩模。通过灰度-透明度对应关系,将预设人脸掩模中的灰度值映射为磨皮过程的融合强度。比如某个像素点属于眼睛区域,不应当做磨皮处理,则可以将该像素点的灰度设置为0,即不产生磨皮效果。
本公开应用示例中提出的图像处理方法,除了可以应用于对人脸部位进行磨皮以外,还可以扩展应用于其他部位的美化操作,比如颈部磨皮或是雾面唇妆等,随着美化操作类型的不同,本公开应用示例提出的图像处理方法可以相应的进行灵活扩展与改动。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性计算机可读存储介质或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为上述方法。
在实际应用中,上述存储器可以是易失性存储器(volatile memory),例如RAM;或者非易失性存储器(non-volatile memory),例如ROM,快闪存储器(flash memory),硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD);或者上述种类的存储器的组合,并向处理器提供指令和数据。
上述处理器可以为ASIC、DSP、DSPD、PLD、FPGA、CPU、控制器、微控制器、微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器功能的电子器件还可以为其它,本公开实施例不作具体限定。
电子设备可以被提供为终端、服务器或其它形态的设备。
基于前述实施例相同的技术构思,本公开实施例还提供了一种计算机程序,该计算机程序被处理器执行时实现上述方法。
图6是根据本公开实施例的一种电子设备800的框图。例如,电子设备800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,个人数字助理等终端。
参照图6,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800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802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800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804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806为电子设备800的各种组件提供电力。电源组件806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800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800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808包括一个前置摄像头和/或后置摄像头。当电子设备800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810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800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804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802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814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800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800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814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814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814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816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816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人员信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图7是根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图7,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态人员信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
响应于针对用户图像的美化操作,确定所述用户图像中待进行美化的目标部位;
根据所述目标部位的颜色信息,对所述目标部位进行第一美化处理,得到第一美化结果,所述第一美化处理为模糊处理;
根据所述目标部位的纹理信息,对所述目标部位进行第二美化处理,得到第二美化结果;
根据所述第一美化结果和所述第二美化结果,生成对所述目标部位进行美化后的目标用户图像;
所述根据所述目标部位的纹理信息,对所述目标部位进行第二美化处理,得到第二美化结果,包括:
将所述目标部位复制至第二图层,得到第二目标部位,其中,所述第二图层位于第一图层的上方,所述第一图层用于对所述目标部位进行第一美化处理;
根据所述第一美化结果,对所述第二目标部位进行减去混合处理,得到中间第二美化结果,所述减去混合处理包括计算第二目标部位的颜色通道值与第一美化结果中的颜色通道值之间的差值;
根据所述第一美化结果,对所述中间第二美化结果进行亮光混合处理,得到所述第二美化结果,所述亮光混合处理通过将中间第二美化结果与第一美化结果进行混合,来增加或减小中间第二美化结果的对比度;
所述根据所述第一美化结果和所述第二美化结果,生成对所述目标部位进行美化后的目标用户图像,包括:
将第一美化结果和第二美化结果进行融合得到目标用户图像,或将第一美化结果、第二美化结果与用户图像进行融合以得到目标用户图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标部位的颜色信息,对所述目标部位进行第一美化处理,得到第一美化结果,包括:
将所述目标部位复制至第一图层,得到第一目标部位;
在所述第一图层中,对所述第一目标部位中像素点的颜色信息进行模糊处理,得到第一美化结果。
3.根据权利要求2所述的方法,其特征在于,在得到第一美化结果之后,所述方法还包括:
保存得到所述第一美化结果的美化信息;
响应于所述第一美化处理中的撤销操作,根据所述美化信息,对所述第一美化结果进行撤销美化处理,得到所述第一目标部位。
4.根据权利要求1至3中任意一项所述的方法,其特征在于,所述根据所述第一美化结果和所述第二美化结果,生成对所述目标部位进行美化后的目标用户图像,包括:
将所述第一美化结果所属的第一图层与所述第二美化结果所属的第二图层进行叠加,得到目标美化结果;其中,所述第一图层用于对所述目标部位进行第一美化处理,所述第二图层用于对所述目标部位进行第二美化处理,所述第二图层位于所述第一图层的上方;
将所述目标美化结果与所述用户图像进行融合,得到所述目标用户图像。
5.根据权利要求1至3中任意一项所述的方法,其特征在于,所述方法还包括:
将所述目标部位复制至第三图层,得到第三目标部位,其中,所述第三图层位于第二图层的上方,所述第二图层用于对所述目标部位进行第二美化处理;
在所述第三图层中,对所述第三目标部位进行锐化处理,得到第三美化结果;
所述根据所述第一美化结果和所述第二美化结果,生成对所述目标部位进行美化后的目标用户图像,包括:
将所述第一美化结果所属的第一图层、所述第二美化结果所属的第二图层与所述第三美化结果所属的第三图层进行叠加,得到目标美化结果;其中,所述第一图层用于对所述目标部位进行第一美化处理,所述第二图层位于所述第一图层的上方;
将所述目标美化结果与所述用户图像进行融合,得到所述目标用户图像。
6.根据权利要求4所述的方法,其特征在于,所述将所述目标美化结果与所述用户图像进行融合,得到所述目标用户图像,包括:
获取与所述目标部位匹配的掩模图像;
根据所述掩模图像的灰度分布状态,确定所述目标美化结果与所述用户图像之间的融合强度;
根据所述融合强度,将所述目标美化结果与所述用户图像进行融合,得到所述目标用户图像。
7.根据权利要求1所述的方法,其特征在于,所述目标部位包括人脸部位,所述美化操作包括磨皮操作。
8.一种图像处理装置,其特征在于,包括:
确定模块,用于响应于针对用户图像的美化操作,确定所述用户图像中待进行美化的目标部位;
第一美化模块,用于根据所述目标部位的颜色信息,对所述目标部位进行第一美化处理,得到第一美化结果,所述第一美化处理为模糊处理;
第二美化模块,用于根据所述目标部位的纹理信息,对所述目标部位进行第二美化处理,得到第二美化结果;
生成模块,用于根据所述第一美化结果和所述第二美化结果,生成对所述目标部位进行美化后的目标用户图像;
所述第二美化模块用于:将所述目标部位复制至第二图层,得到第二目标部位,其中,所述第二图层位于第一图层的上方,所述第一图层用于对所述目标部位进行第一美化处理;
根据所述第一美化结果,对所述第二目标部位进行减去混合处理,得到中间第二美化结果,所述减去混合处理包括计算第二目标部位的颜色通道值与第一美化结果中的颜色通道值之间的差值;
根据所述第一美化结果,对所述中间第二美化结果进行亮光混合处理,得到所述第二美化结果,所述亮光混合处理通过将中间第二美化结果与第一美化结果进行混合,来增加或减小中间第二美化结果的对比度;
所述生成模块,用于:
将第一美化结果和第二美化结果进行融合得到目标用户图像,或将第一美化结果、第二美化结果与用户图像进行融合以得到目标用户图像。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111135696.5A CN113763285B (zh) | 2021-09-27 | 2021-09-27 | 图像处理方法及装置、电子设备和存储介质 |
PCT/CN2022/120275 WO2023045979A1 (zh) | 2021-09-27 | 2022-09-21 | 图像处理方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111135696.5A CN113763285B (zh) | 2021-09-27 | 2021-09-27 | 图像处理方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113763285A CN113763285A (zh) | 2021-12-07 |
CN113763285B true CN113763285B (zh) | 2024-06-11 |
Family
ID=78797823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111135696.5A Active CN113763285B (zh) | 2021-09-27 | 2021-09-27 | 图像处理方法及装置、电子设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113763285B (zh) |
WO (1) | WO2023045979A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763285B (zh) * | 2021-09-27 | 2024-06-11 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN115953313A (zh) * | 2022-12-23 | 2023-04-11 | 百度在线网络技术(北京)有限公司 | 用于处理图像的方法,装置,设备以及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1109135A2 (en) * | 1999-12-16 | 2001-06-20 | Sega Corporation | Image processing method and image processing apparatus using the same |
CN105354810A (zh) * | 2015-12-07 | 2016-02-24 | 厦门美图之家科技有限公司 | 一种图像祛斑处理的方法、系统及拍摄终端 |
CN106846281A (zh) * | 2017-03-09 | 2017-06-13 | 广州四三九九信息科技有限公司 | 图像美化方法以及终端设备 |
CN108090876A (zh) * | 2016-11-23 | 2018-05-29 | 北京金山云网络技术有限公司 | 一种图像处理方法及装置 |
CN108765273A (zh) * | 2018-05-31 | 2018-11-06 | Oppo广东移动通信有限公司 | 人脸拍照的虚拟整容方法和装置 |
CN111476735A (zh) * | 2020-04-13 | 2020-07-31 | 厦门美图之家科技有限公司 | 人脸图像处理方法、装置、计算机设备及可读存储介质 |
CN112150393A (zh) * | 2020-10-12 | 2020-12-29 | 深圳数联天下智能科技有限公司 | 人脸图像磨皮方法、装置、计算机设备及存储介质 |
CN112435197A (zh) * | 2020-12-02 | 2021-03-02 | 携程计算机技术(上海)有限公司 | 图像美化方法、装置、电子设备和存储介质 |
CN112766204A (zh) * | 2021-01-26 | 2021-05-07 | 京东方科技集团股份有限公司 | 图像处理方法、装置及计算机可读存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011065339A (ja) * | 2009-09-16 | 2011-03-31 | Pioneer Electronic Corp | 画像処理装置、画像処理方法、画像処理プログラム、及び、記憶媒体 |
US10339685B2 (en) * | 2014-02-23 | 2019-07-02 | Northeastern University | System for beauty, cosmetic, and fashion analysis |
CN104282002B (zh) * | 2014-09-22 | 2018-01-30 | 厦门美图网科技有限公司 | 一种数字图像的快速美容方法 |
CN107358241B (zh) * | 2017-06-30 | 2021-01-26 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN111080747B (zh) * | 2019-12-26 | 2023-04-07 | 维沃移动通信有限公司 | 一种人脸图像处理方法及电子设备 |
CN113222844B (zh) * | 2021-05-14 | 2023-11-24 | 上海绚显科技有限公司 | 一种图像美化方法、装置、电子设备及介质 |
CN113763285B (zh) * | 2021-09-27 | 2024-06-11 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
-
2021
- 2021-09-27 CN CN202111135696.5A patent/CN113763285B/zh active Active
-
2022
- 2022-09-21 WO PCT/CN2022/120275 patent/WO2023045979A1/zh unknown
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1109135A2 (en) * | 1999-12-16 | 2001-06-20 | Sega Corporation | Image processing method and image processing apparatus using the same |
CN105354810A (zh) * | 2015-12-07 | 2016-02-24 | 厦门美图之家科技有限公司 | 一种图像祛斑处理的方法、系统及拍摄终端 |
CN108090876A (zh) * | 2016-11-23 | 2018-05-29 | 北京金山云网络技术有限公司 | 一种图像处理方法及装置 |
CN106846281A (zh) * | 2017-03-09 | 2017-06-13 | 广州四三九九信息科技有限公司 | 图像美化方法以及终端设备 |
CN108765273A (zh) * | 2018-05-31 | 2018-11-06 | Oppo广东移动通信有限公司 | 人脸拍照的虚拟整容方法和装置 |
CN111476735A (zh) * | 2020-04-13 | 2020-07-31 | 厦门美图之家科技有限公司 | 人脸图像处理方法、装置、计算机设备及可读存储介质 |
CN112150393A (zh) * | 2020-10-12 | 2020-12-29 | 深圳数联天下智能科技有限公司 | 人脸图像磨皮方法、装置、计算机设备及存储介质 |
CN112435197A (zh) * | 2020-12-02 | 2021-03-02 | 携程计算机技术(上海)有限公司 | 图像美化方法、装置、电子设备和存储介质 |
CN112766204A (zh) * | 2021-01-26 | 2021-05-07 | 京东方科技集团股份有限公司 | 图像处理方法、装置及计算机可读存储介质 |
Non-Patent Citations (4)
Title |
---|
Face Beautification: Beyond Makeup Transfer;Xudong Liu等;《Computer Vision and Pattern Recognition》;20191211;第1-12页 * |
Image fusion by color texture extraction;Marcelino Anguiano-Morales等;《Optik》;20140131;第125卷(第2期);第810-812页 * |
人脸图像快速美化算法研究与实现;邱佳梁;《万方数据库》;20180627;第12-62页 * |
肤色纹理保留实时人脸美化算法;邱佳梁等;《计算机辅助设计与图形学学报》;20180228;第30卷(第2期);第336-345页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113763285A (zh) | 2021-12-07 |
WO2023045979A1 (zh) | 2023-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929651B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
WO2022179026A1 (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112766234B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110675310A (zh) | 视频处理方法、装置、电子设备及存储介质 | |
WO2023045979A1 (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112801916A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111626183B (zh) | 一种目标对象展示方法及装置、电子设备和存储介质 | |
CN112767288B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110580688B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN111243011A (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN113139947B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111091610B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109472738B (zh) | 图像光照校正方法及装置、电子设备和存储介质 | |
WO2023142645A1 (zh) | 图像处理方法、装置、电子设备、存储介质和计算机程序产品 | |
CN113763286A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN107730448A (zh) | 基于图像处理的美颜方法及装置 | |
CN113570581A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113822798B (zh) | 生成对抗网络训练方法及装置、电子设备和存储介质 | |
CN112613447B (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN113763287B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113781359B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
WO2023045961A1 (zh) | 虚拟对象的生成方法及装置、电子设备和存储介质 | |
CN110502993B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113763284B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113570583B (zh) | 图像处理方法及装置、电子设备和存储介质 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40060906 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |