CN113870121A - 一种图像处理方法、装置、电子设备及存储介质 - Google Patents
一种图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113870121A CN113870121A CN202010617757.0A CN202010617757A CN113870121A CN 113870121 A CN113870121 A CN 113870121A CN 202010617757 A CN202010617757 A CN 202010617757A CN 113870121 A CN113870121 A CN 113870121A
- Authority
- CN
- China
- Prior art keywords
- hair
- image
- virtual
- highlight
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 38
- 210000004209 hair Anatomy 0.000 claims abstract description 344
- 238000012545 processing Methods 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000009499 grossing Methods 0.000 claims abstract description 40
- 230000007704 transition Effects 0.000 claims abstract description 26
- 238000005070 sampling Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 15
- 230000001502 supplementing effect Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 20
- 239000003086 colorant Substances 0.000 abstract description 12
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000009877 rendering Methods 0.000 description 7
- 230000008439 repair process Effects 0.000 description 6
- 239000013589 supplement Substances 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009469 supplementation Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000020154 Acnes Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G06T5/77—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- 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 by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/21—Collision detection, intersection
Abstract
本公开关于一种图像处理方法、装置、电子设备及存储介质。该方法包括:识别目标图像中的头发区域;获取头发区域中每个像素点的发丝方向;根据发丝方向,对头发区域进行过渡平滑处理,获得中间图像;在头发区域中,沿发丝方向,生成互不交叉的虚拟发丝,并将虚拟发丝叠加到中间图像中,得到对目标图像的头发区域处理后的第一图像。可见,本公开实施例提供的技术方案,不仅可以过滤掉头发区域的杂色,达到柔发的效果,还可以进一步呈现清晰的发丝细节,提升了美发修图的效果。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种图像分割方法、装置、电子设备及存储介质。
背景技术
人像照片的处理和增强一直是计算机视觉和人工智能领域的一项重要应用。近年来人物数字图像自动美化算法取得了一系列进展,但主要集中在人脸五官和人体姿态这两大方向,如美颜美白祛痘,瘦身美体等。
随着用户需求的增加,以及技术的发展,逐渐出现了针对人像的头发进行美化的方法。其中,现有的典型美发修图算法主要是提供“柔发”功能。其核心算法是对人像照片的头发区域根据发丝方向进行平滑操作,以达到过滤杂色,使头发看起来更柔顺的效果。
然而,现有的美发修图算法所提供的“柔发”功能,算法比较简单,本质上是对原图的头发区域进行平滑操作,只能过滤掉一些不好看的杂色,从而导致美发修图的效果欠佳。
发明内容
为了解决背景技术中记载的技术问题,本公开实施例提供了一种图像处理方法、装置、电子设备及存储介质,本公开的技术方案如下:
根据本公开实施例的第一方面,提供了一种图像处理方法,包括:
识别目标图像中的头发区域;
获取所述头发区域中每个像素点的发丝方向;
根据所述发丝方向,对所述头发区域进行过渡平滑处理,获得中间图像;
在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝,并将所述虚拟发丝叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第一图像。
可选的,所述根据所述发丝方向,对所述头发区域进行过渡平滑处理,获得中间图像之后,所述方法还包括:
在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第二图像。
可选的,所述将所述虚拟发丝叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第一图像之后,所述方法还包括:
在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述第一图像中。
可选的,所述在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝之前,所述方法还包括:
在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述中间图像,得到对所述目标图像的头发区域处理后的第二图像;
所述将所述虚拟发丝叠加到所述中间图像中,包括:
将所述虚拟发丝叠加到所述第二图像中。
可选的,在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝,包括:
在所述头发区域中,按照预设间隔随机生成多个采样点;
从所述采样点出发,沿所述发丝方向延伸,直到遇到所述头发区域的边界,或者与已生成的虚拟发丝间隔第二预设距离时,停止延伸,获得互不交叉的虚拟发丝。
可选的,将所述虚拟发丝叠加到所述中间图像中,包括:
采用渲染方式,将所述虚拟发丝叠加到所述中间图像中。
可选的,所述在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,包括:
在所述头发区域中,沿所述发丝方向,生成互不交叉且亮度大于或等于预设亮度值的虚拟高光发丝;
垂直于所述发丝方向,并以所述第一预设距离为间隔,对所述虚拟高光发丝进行高斯模糊,获得所述高光贴图。
可选的,将所述高光贴图叠加到所述中间图像中,包括:
将所述高光贴图的像素点的颜色值,与所述中间图像中的目标像素点的颜色值相加,以作为所述目标像素点调整后的颜色值;
其中,所述目标像素点为所述中间图像中,与所述高光贴图的像素点的位置对应的像素点。
可选的,所述根据所述发丝方向,对所述头发区域进行过渡平滑处理,获得中间图像,包括:
沿所述发丝方向以及与所述发丝方向垂直的方向,对所述头发区域进行过渡平滑处理,获得中间图像。
根据本公开实施例的第二方面,一种图像处理装置,包括:
头发区域获取模块,被配置为识别目标图像中的头发区域;
发丝方向获取模块,被配置为获取所述头发区域中每个像素点的发丝方向;
平滑处理模块,被配置为根据所述发丝方向,对所述头发区域进行过渡平滑处理,获得中间图像;
细节补充模块,被配置为在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝,并将所述虚拟发丝叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第一图像。
可选的,所述装置还包括:
高光处理模块,被配置为在所述平滑处理模块根据所述发丝方向,对所述头发区域进行过渡平滑处理,获得中间图像之后,在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第二图像。
可选的,所述装置还包括:
高光处理模块,被配置为在所述细节补充模块将所述虚拟发丝叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第一图像之后,在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述第一图像中。
可选的,所述装置还包括:
高光处理模块,被配置为在所述细节补充模块在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝之前,在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述中间图像,得到对所述目标图像的头发区域处理后的第二图像;
所述细节补充模块在将所述虚拟发丝叠加到所述中间图像中时,具体被配置为:
将所述虚拟发丝叠加到所述第二图像中。
可选的,所述细节补充模块包括:
采样子模块,被配置为在所述头发区域中,按照预设间隔随机生成多个采样点;
延伸子模块,被配置为从所述采样点出发,沿所述发丝方向延伸,直到遇到所述头发区域的边界,或者与已生成的虚拟发丝间隔第二预设距离时,停止延伸,获得互不交叉的虚拟发丝。
可选的,所述细节补充模块还包括:
渲染子模块,被配置为采用渲染方式,将所述虚拟发丝叠加到所述中间图像中。
可选的,所述高光处理模块包括:
虚拟发丝生成子模块,被配置为在所述头发区域中,沿所述发丝方向,生成互不交叉且亮度大于或等于预设亮度值的虚拟高光发丝;
高斯模糊子模块,被配置为被配置为垂直于所述发丝方向,并以所述第一预设距离为间隔,对所述虚拟高光发丝进行高斯模糊,获得所述高光贴图。
可选的,所述高光处理模块包括:
叠加子模块,被配置为将所述高光贴图的像素点的颜色值,与所述中间图像中的目标像素点的颜色值相加,以作为所述目标像素点调整后的颜色值;
其中,所述目标像素点为所述中间图像中,与所述高光贴图的像素点的位置对应的像素点。
可选的,所述平滑处理模块,具体被配置为:
沿所述发丝方向以及与所述发丝方向垂直的方向,对所述头发区域进行过渡平滑处理,获得中间图像。
根据本公开实施例的第三方面,提供一种电子设备,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,以实现上述所述的图像处理方法。
根据本公开实施例的第四方面,提供一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行上述所述的图像处理方法。
根据本公开实施例的第五方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机实现上述所述的图像处理方法。
与现有技术相比,本公开具有以下优点:
本公开实施例提供的技术方案,首先识别目标图像中的头发区域,然后获取头发区域中每个像素点的发丝方向,从而根据发丝方向,对头发区域进行平滑处理,获得中间图像,进而在头发区域中,沿发丝方向,生成互不交叉的虚拟发丝,并将虚拟发丝叠加到中间图像中,得到对目标图像的头发区域处理后的图像。其中,对头发区域进行过渡平滑处理,能够过滤杂色,虚拟发丝的叠加能够补充发丝细节。由此可见,本公开实施例提供的技术方案,不仅可以过滤掉头发区域的杂色,达到柔发的效果,还可以进一步呈现清晰的发丝细节,提升了美发修图的效果。
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
图1是根据一示例性实施例示出的一种图像处理方法的流程图;
图2是根据一示例性实施例示出的另一种图像处理方法的流程图;
图3是一示例性实施例中的虚拟发丝的示意图;
图4是一示例性实施例中的高光贴图的示意图;
图5是根据一示例性实施例示出的一种图像处理装置的框图;
图6是根据一示例性实施例示出的一种电子设备的框图;
图7是根据一示例性实施例示出的另一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
为了解决相关技术中由于美发修图算法提供的“柔发”功能,其算法简单,只能过滤掉一些不好看的杂色,从而导致美发修改的效果不佳的技术问题,本公开实施例提供了一种图像处理方法、装置、电子设备及存储介质。
根据本公开实施例的第一方面,提供了一种图像处理方法,如图1所示,该图像处理方法可以包括以下步骤:
步骤101:识别目标图像中的头发区域。
其中,目标图像为包括头发区域的图像,该图像可以是电子设备本地存储的图像或者电子设备从网络侧下载的图像,也可以是电子设备本地存储的视频中的任何一帧图像,或者电子设备从网络侧下载的视频中的任何一帧图像。
另外,头发区域的识别可以使用任意基于深度学习或神经网络的方法,也可以使用非深度学习的方法,或者可以通过用户手工标注出头发区域。其中,需要说明的是,对于头发区域的识别,并不局限于此处所述的方法,还可以是其他任意一种方式。
步骤102:获取所述头发区域中每个像素点的发丝方向。
其中发丝方向的获取,可以采用如下所述的方式一、方式二、方式三中的任一种。
方式一:采用预定梯度算子计算头发区域中每个像素点的梯度,然后,根据每个像素点的梯度计算每个像素点的发丝方向。
方式二:预先在0~179度共180个离散取值的方向上设计滤波器,然后,将目标图像中头发区域中每个像素点的领域图案与沿不同方向的滤波器进行卷积,从而找出卷积结果的最大值(即找出最大的滤波响应),则该最大值对应的方向即为这个像素点的发丝方向。其中,一个像素点的邻域图案是指为以该像素点为中心的一个方形框,可包含7x7或者9x9个像素点。
方式三:预先通过人工标注大量样本图像中的头发区中的发丝方向,并将这些数据作为输入,采用机器学习和深度神经网络的方法进行训练,从而生成能够预测发丝方向的模型,进而将上述目标图像输入至该模型,就可以输出目标图像中头发区域的各个像素点的发丝方向。
其中,需要说明的是,对于发丝方向的获取,并不局限于上述三种方式,还可是除上述三种方式之外的其他任意一种方式。
步骤103:根据所述发丝方向,对所述头发区域进行过渡平滑处理,获得中间图像。
其中,过渡平滑处理能够去掉头发区域中的杂色,使头发看起来更柔顺。
步骤104:在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝,并将所述虚拟发丝叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的图像。
其中,虚拟发丝为在目标图像的头发区域中添加的除目标图像中的头发之外的发丝,用于补充目标图像中的头发区域中的发丝细节。因而,将虚拟发丝叠加到上述中间图像中,能够在步骤103中的过渡平滑处理对头发区域处理的过于平滑时,补充发丝细节,从而避免丢失发丝细节。具体的,例如本公开实施例提供的图像处理方法中,生成的虚拟发丝可如图3所示。
可选的,步骤103之后,还可包括:
在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第二图像。
其中,每两个高光贴图之间间隔预设距离,所述预设距离是预先设定的。此处需要说明的是,该预设距离也可以根据用户的需求进行修改,例如可以在美发修图的设置界面中设置一个增加按钮和一个减小按钮,则若检测到对该增加按钮的点击操作,则将当前的预设距离的取值增大,若检测到对该减小按钮的点击操作,则将当前的预设距离的取值减小。
另外,将高光贴图叠加到上述中间图像中,能够增加头发区域的立体感,从而提升画面的整体质感。具体的,例如本公开实施例提供的图像处理方法中,生成的高光贴图可如图4所示。其中,需要注意的是,可以在黑色背景图中对高光虚拟发丝渲染为白色的线条,从而对该图进行高斯模糊后获得高光贴图,因而,高光贴图可以为白色,而高光贴图所在的背景为黑色。则对于图4仅仅是高光贴图的示意图,并不表示本实施例中高光贴图为黑色,且其所处背景为白色。
可选的,所述将所述虚拟发丝叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第一图像之后,所述方法还包括:
在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述第一图像中。
可选的,所述在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝之前,所述方法还包括:
在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述中间图像,得到对所述目标图像的头发区域处理后的第二图像;
所述将所述虚拟发丝叠加到所述中间图像中,包括:
将所述虚拟发丝叠加到所述第二图像中。
其中,上述第二图像即为叠加了虚拟发丝的中间图像。
由上述可知,生成虚拟发丝的过程以及生成高光贴图的过程,可以并行执行,并分别叠加到中间图像中,分别得到上述第一图像(即叠加了虚拟发丝的第一图像)以及第二图像(即叠加了高光贴图的第二图像);也可以先生成虚拟发丝,从而将虚拟发丝叠加到中间图像中,得到第一图像,然后再生成高光贴图,再将高光贴图叠加到第一图像中;也可以先生成高光贴图,从而将高光贴图叠加到中间图像中,得到第二图像,然后再生成虚拟发丝,再将虚拟发丝叠加到第二图像中。
此外,需要说明的是,生成虚拟发丝的过程,与生成虚拟发丝的过程,也可以单独存在。即可以只生成虚拟发丝,从而只将虚拟发丝叠加在中间图像中;也可以只生成高光贴图,从而只将高光贴图叠加在中间图像中。
综上所述,本公开实施例提供的图像处理方法,首先识别目标图像中的头发区域,然后获取头发区域中每个像素点的发丝方向,从而根据发丝方向,对头发区域进行平滑处理,获得中间图像,进而在头发区域中,沿发丝方向,生成互不交叉的虚拟发丝,并将虚拟发丝叠加到中间图像中,和/或,在头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将高光贴图叠加到中间图像中,得到对目标图像的头发区域处理后的图像。其中,对头发区域进行过渡平滑处理,能够过滤杂色,虚拟发丝的叠加能够补充发丝细节,高光贴图的叠加能够增加头发区域的立体感,从而提升画面的整体质感。由此可见,本公开实施例提供的技术方案,不仅可以过滤掉头发区域的杂色,达到柔发的效果,还可以进一步呈现清晰的发丝细节和/或更好的立体感,提升了美发修图的效果。
根据本公开实施例的第二方面,提供了另一种图像处理方法,如图2所示,该图像处理方法可以包括以下步骤:
步骤201:识别目标图像中的头发区域。
其中,目标图像为包括头发区域的图像,该图像可以是电子设备本地存储的图像或者电子设备从网络侧下载的图像,也可以是电子设备本地存储的视频中的任何一帧图像,或者电子设备从网络侧下载的视频中的任何一帧图像。
另外,头发区域的识别可以使用任意基于深度学习或神经网络的方法,也可以使用非深度学习的方法,或者可以通过用户手工标注出头发区域。其中,需要说明的是,对于头发区域的识别,并不局限于此处所述的方法,还可以是其他任意一种方式。
步骤202:获取所述头发区域中每个像素点的发丝方向。
其中发丝方向的获取,可以采用如下所述的方式一、方式二、方式三中的任一种。
方式一:采用预定梯度算子计算头发区域中每个像素点的梯度,然后,根据每个像素点的梯度计算每个像素点的发丝方向。
方式二:预先在0~179度共180个离散取值的方向上设计滤波器,然后,将目标图像中头发区域中每个像素点的领域图案与沿不同方向的滤波器进行卷积,从而找出卷积结果的最大值(即找出最大的滤波响应),则该最大值对应的方向即为这个像素点的发丝方向。其中,一个像素点的邻域图案是指为以该像素点为中心的一个方形框,可包含7x7或者9x9个像素点。
方式三:预先通过人工标注大量样本图像中的头发区中的发丝方向,并将这些数据作为输入,采用机器学习和深度神经网络的方法进行训练,从而生成能够预测发丝方向的模型,进而将上述目标图像输入至该模型,就可以输出目标图像中头发区域的各个像素点的发丝方向。
其中,需要说明的是,对于发丝方向的获取,并不局限于上述三种方式,还可是除上述三种方式之外的其他任意一种方式。
步骤203:沿所述发丝方向以及与所述发丝方向垂直的方向,对所述头发区域进行过渡平滑处理,获得中间图像。
其中,过渡平滑处理能够去掉头发区域中的杂色,使头发看起来更柔顺。
另外,所述发丝方向和与所述发丝方向垂直的方向均包括第一预设方向的分量和第二预设方向的分量,所述第一预设方向与所述第二预设方向垂直。具体的,第一预设方向例如为目标图像中的坐标系的x轴的正方向,第二预设方向为该坐标系的y轴的正方向。其中,发丝方向的x分量和y分量可以采用不同的颜色通道在图像中进行显示,例如可以采用红绿两个颜色通道分别对应发丝方向的x和y分量大小。
由此可见,本公开实施例提供的图像处理方法中,对头发区域进行过渡平滑处理时,是沿发丝方向以及与发丝方向垂直的方向这两个方向进行的,即进行的是“二维”平滑,平滑结果更加模糊,能够更有效地去除杂色。
步骤204:在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝,并将所述虚拟发丝叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第一图像。
其中,虚拟发丝为在目标图像的头发区域中添加的除目标图像中的头发之外的发丝,用于补充目标图像中的头发区域中的发丝细节。因而,将虚拟发丝叠加到上述中间图像中,能够在步骤203中的过渡平滑处理对头发区域处理的过于平滑时,补充发丝细节,从而避免丢失发丝细节。具体的,例如本公开实施例提供的图像处理方法中,生成的虚拟发丝可如图3所示。
另外,本公开实施例提供的图像处理方法中,生成的虚拟发丝互不交叉,使得美发修图效果更佳,从而进一步提升了视觉观感。
可选的,在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝,包括:
在所述头发区域中,按照预设间隔随机生成多个采样点;
从所述采样点出发,沿所述发丝方向延伸,直到遇到所述头发区域的边界,或者与已生成的虚拟发丝间隔第二预设距离时,停止延伸,获得互不交叉的虚拟发丝。
即本公开实施例提供的图像处理方法中,在生成虚拟发丝时,首先需要在头发区域中,每隔预设间隔随机生成多个采样点,例如生成a1~a50个采样点,然后,然后从这些采样点逐个出发,沿发丝方向进行延伸,作为生成的虚拟发丝,其中,每一次延伸过程中,遇到头发区域边界或与已生成的虚拟发丝太靠近时终止,从而避免生成的虚拟发丝彼此之间相互交叉。
其中,由于上述采样点是随机生成的,因此,即使对同一幅图像,采用本公开实施例提供的图像处理方法进行处理,生成的采样点的位置可能也是不同的,从而导致从采样点延伸得到的虚拟发丝不同,进而使得最终的美发修图效果不同。
可选的,将所述虚拟发丝叠加到所述中间图像中,包括:
采用渲染方式,将所述虚拟发丝叠加到所述中间图像中。
其中,通过渲染方式,将虚拟发丝叠加到上述中间图像中,使得虚拟发丝与中间图像中的头发区域的颜色、亮度等更加匹配,即使得虚拟发丝能够更好的融合到中间图像中的头发区域中,从而进一步提升美发修图效果。
可选的,步骤203之后,还可包括:
在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第二图像。
其中,每两个高光贴图之间间隔预设距离,所述预设距离是预先设定的。此处需要说明的是,该预设距离也可以根据用户的需求进行修改,例如可以在美发修图的设置界面中设置一个增加按钮和一个减小按钮,则若检测到对该增加按钮的点击操作,则将当前的预设距离的取值增大,若检测到对该减小按钮的点击操作,则将当前的预设距离的取值减小。
另外,将高光贴图叠加到上述中间图像中,能够增加头发区域的立体感,从而提升画面的整体质感。具体的,例如本公开实施例提供的图像处理方法中,生成的高光贴图可如图4所示。
此外,本公开实施例提供的图像处理方法中,是垂直于发丝方向,生成的高光贴图,从而使得高光贴图与中间图像的头发区域能够更好的匹配,进而使得美发修图的效果更佳。
可选的,所述将所述虚拟发丝叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第一图像之后,所述方法还包括:
在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述第一图像中。
可选的,所述在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝之前,所述方法还包括:
在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述中间图像,得到对所述目标图像的头发区域处理后的第二图像;
所述将所述虚拟发丝叠加到所述中间图像中,包括:
将所述虚拟发丝叠加到所述第二图像中。
其中,上述第二图像即为叠加了虚拟发丝的中间图像。
由上述可知,生成虚拟发丝的过程以及生成高光贴图的过程,可以并行执行,并分别叠加到中间图像中,分别得到上述第一图像(即叠加了虚拟发丝的第一图像)以及第二图像(即叠加了高光贴图的第二图像);也可以先生成虚拟发丝,从而将虚拟发丝叠加到中间图像中,得到第一图像,然后再生成高光贴图,再将高光贴图叠加到第一图像中;也可以先生成高光贴图,从而将高光贴图叠加到中间图像中,得到第二图像,然后再生成虚拟发丝,再将虚拟发丝叠加到第二图像中。
此外,需要说明的是,生成虚拟发丝的过程,与生成虚拟发丝的过程,也可以单独存在。即可以只生成虚拟发丝,从而只将虚拟发丝叠加在中间图像中;也可以只生成高光贴图,从而只将高光贴图叠加在中间图像中。
可选的,所述在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,包括:
在所述头发区域中,沿所述发丝方向,生成互不交叉且亮度大于或等于预设亮度值的虚拟高光发丝;
垂直于所述发丝方向,并以所述第一预设距离为间隔,对所述虚拟高光发丝进行高斯模糊,获得所述高光贴图。
其中,虚拟高光发丝是生成在头发区域中的,则在只对虚拟高光发丝进行高斯模糊时,需要从头发区域中提取虚拟高光发丝。其中,可以“在第一颜色的背景图上将上述虚拟高光发丝渲染为第二颜色的线条”,从而将虚拟高光发丝从上述头发区域中提取出来,进而可以垂直于发丝方向,并以第一预设距离为间隔,对第二颜色的线条进行高斯模糊,进而得到高光贴图。
另外,上述第一颜色可以为黑色,第二颜色可以为白色。
由此可见,生成高光贴图时,需要基于虚拟发丝进行处理。因此,在生成高光贴图时,首先需要在头发区域中沿发丝方向,生成互不交叉且亮度大于或等于预设亮度值的虚拟高光发丝,进而在第一颜色的背景图上将虚拟高光发丝渲染为第二颜色的线条,将虚拟高光发丝从头发区域中提取出来,最后,沿与该线条的像素点的发丝方向垂直的方向,并按照第一预设距离为间隔,对该线条进行高斯模糊,从而可以获得多个高光贴图。其中,在生成高光贴图时,基于的虚拟发丝的生成方法可参照步骤204中的虚拟发丝的具体生成方法,此处不再赘述。
但其中,需要注意的是,前面步骤204中生成虚拟发丝的具体过程,与生成高光贴图的过程中所生成的虚拟发丝的具体过程,其参数略有不同。具体的,相对于前面步骤204中生成的虚拟发丝,在生成高光贴图的过程中所生成的虚拟发丝,发丝间隔更大,宽度更宽,长度更短。
另外,由于上述采样点是随机生成的,因而,基于采样点生成的虚拟发丝具有随机性,从而基于虚拟发丝得到的高光贴图也具有随机性。因此,即使对同一幅图像,采用本公开实施例提供的图像处理方法进行处理,生成的采样点的位置可能也是不同的,从而导致从采样点延伸得到的虚拟发丝不同,基于虚拟发丝得到的高光贴图也不同,进而使得最终的美发修图效果不同。
可选的,将所述高光贴图叠加到所述中间图像中,包括:
将所述高光贴图的像素点的颜色值,与所述中间图像中的目标像素点的颜色值相加,以作为所述目标像素点调整后的颜色值;
其中,所述目标像素点为所述中间图像中,与所述高光贴图的像素点的位置对应的像素点。
即将高光贴图与中间图像的每个像素的颜色值相加,即可获得叠加了高光贴图的中间图像。
综上所述,本公开实施例提供的图像处理方法,首先识别目标图像中的头发区域,然后获取头发区域中每个像素点的发丝方向,从而根据发丝方向,对头发区域进行平滑处理,获得中间图像,进而在头发区域中,沿发丝方向,生成互不交叉的虚拟发丝,并将虚拟发丝叠加到中间图像中,和/或,在头发区域中生成,垂直于发丝方向,生成多个间隔第一预设距离的高光贴图,并将高光贴图叠加到中间图像中,得到对目标图像的头发区域处理后的图像。其中,对头发区域进行过渡平滑处理,能够过滤杂色,虚拟发丝的叠加能够补充发丝细节,高光贴图的叠加能够增加头发区域的立体感,从而提升画面的整体质感。由此可见,本公开实施例提供的技术方案,不仅可以过滤掉头发区域的杂色,达到柔发的效果,还可以进一步呈现清晰的发丝细节和/或更好的立体感,提升了美发修图的效果。
根据本公开实施例的第三方面,提供了一种图像处理装置,如图5所示,该图像分割装置50包括:
头发区域获取模块501,被配置为识别目标图像中的头发区域;
发丝方向获取模块502,被配置为获取所述头发区域中每个像素点的发丝方向;
平滑处理模块503,被配置为根据所述发丝方向,对所述头发区域进行过渡平滑处理,获得中间图像;
细节补充模块504,被配置为在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝,并将所述虚拟发丝叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第一图像。
可选的,所述装置还包括:
高光处理模块505,被配置为在所述平滑处理模块503根据所述发丝方向,对所述头发区域进行过渡平滑处理,获得中间图像之后,在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第二图像。
可选的,所述装置还包括:
高光处理模块505,被配置为在所述细节补充模块504将所述虚拟发丝叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第一图像之后,在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述第一图像中。
可选的,所述装置还包括:
高光处理模块505,被配置为在所述细节补充模块504在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝之前,在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述中间图像,得到对所述目标图像的头发区域处理后的第二图像;
所述细节补充模块504在将所述虚拟发丝叠加到所述中间图像中时,具体被配置为:
将所述虚拟发丝叠加到所述第二图像中。
可选的,所述细节补充模块504包括:
采样子模块5041,被配置为在所述头发区域中,按照预设间隔随机生成多个采样点;
延伸子模块5042,被配置为从所述采样点出发,沿所述发丝方向延伸,直到遇到所述头发区域的边界,或者与已生成的虚拟发丝间隔第二预设距离时,停止延伸,获得互不交叉的虚拟发丝。
可选的,所述细节补充模块504还包括:
渲染子模块5043,被配置为采用渲染方式,将所述虚拟发丝叠加到所述中间图像中。
可选的,所述高光处理模块505包括:
虚拟发丝生成子模块5051,被配置为在所述头发区域中,沿所述发丝方向,生成互不交叉且亮度大于或等于预设亮度值的虚拟高光发丝;
高斯模糊子模块5052,被配置为垂直于所述发丝方向,并以所述第一预设距离为间隔,对所述虚拟高光发丝进行高斯模糊,获得所述高光贴图。
可选的,所述高光处理模块505包括:
叠加子模块5053,被配置为将所述高光贴图的像素点的颜色值,与所述中间图像中的目标像素点的颜色值相加,以作为所述目标像素点调整后的颜色值;
其中,所述目标像素点为所述中间图像中,与所述高光贴图的像素点的位置对应的像素点。
可选的,所述平滑处理模块503,具体被配置为:
沿所述发丝方向以及与所述发丝方向垂直的方向,对所述头发区域进行过渡平滑处理,获得中间图像。
综上所述,本公开实施例提供的图像处理装置,首先识别目标图像中的头发区域,然后获取头发区域中每个像素点的发丝方向,从而根据发丝方向,对头发区域进行平滑处理,获得中间图像,进而在头发区域中,沿发丝方向,生成互不交叉的虚拟发丝,并将虚拟发丝叠加到中间图像中,和/或,在头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将高光贴图叠加到中间图像中,得到对目标图像的头发区域处理后的图像。其中,对头发区域进行过渡平滑处理,能够过滤杂色,虚拟发丝的叠加能够补充发丝细节,高光贴图的叠加能够增加头发区域的立体感,从而提升画面的整体质感。由此可见,本公开实施例提供的技术方案,不仅可以过滤掉头发区域的杂色,达到柔发的效果,还可以进一步呈现清晰的发丝细节和/或更好的立体感,提升了美发修图的效果。
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。
图6是根据一示例性实施例示出的一种电子设备框图。参照图6,该终端包括:
处理器610;
用于存储所述处理器可执行指令的存储器60;
其中,所述处理器被配置为执行所述指令,以实现上述所述的图像处理方法。
图7是根据一示例性实施例示出的另一种电子设备700的框图。例如,装置700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7,装置700可以包括以下一个或多个组件:处理组件702,存储器704,电源组件706,多媒体组件708,音频组件710,输入/输出(I/O)的接口712,传感器组件714,以及通信组件716。
处理组件702通常控制装置700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702可以包括一个或多个处理器720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702可以包括一个或多个模块,便于处理组件702和其他组件之间的交互。例如,处理组件702可以包括多媒体模块,以方便多媒体组件708和处理组件702之间的交互。
存储器704被配置为存储各种类型的数据以支持在设备700的操作。这些数据的示例包括用于在装置700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704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706为装置700的各种组件提供电力。电源组件706可以包括电源管理系统,一个或多个电源,及其他与为装置700生成、管理和分配电力相关联的组件。
多媒体组件708包括在所述装置700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708包括一个前置摄像头和/或后置摄像头。当设备700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710被配置为输出和/或输入音频信号。例如,音频组件710包括一个麦克风(MIC),当装置700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704或经由通信组件716发送。在一些实施例中,音频组件710还包括一个扬声器,用于输出音频信号。
I/O接口712为处理组件702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714包括一个或多个传感器,用于为装置700提供各个方面的状态评估。例如,传感器组件714可以检测到设备700的打开/关闭状态,组件的相对定位,例如所述组件为装置700的显示器和小键盘,传感器组件714还可以检测装置700或装置700一个组件的位置改变,用户与装置700接触的存在或不存在,装置700方位或加速/减速和装置700的温度变化。传感器组件714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714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714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716被配置为便于装置700和其他设备之间有线或无线方式的通信。装置700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、7G或5G),或它们的组合。在一个示例性实施例中,通信组件716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716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,装置700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,用于执行上述所述的图像处理方法。
在示例性实施例中,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707,上述指令可由装置700的处理器720执行以完成上述图像处理方法。可选地,例如,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。
根据本公开实施的又一方面,本公开实施例还提供了一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行上述所述的图像处理方法。
根据本公开实施例的又一方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机实现上述所述的图像处理方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
识别目标图像中的头发区域;
获取所述头发区域中每个像素点的发丝方向;
根据所述发丝方向,对所述头发区域进行过渡平滑处理,获得中间图像;
在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝,并将所述虚拟发丝叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第一图像。
2.根据权利要求1所述的图像处理方法,其特征在于,所述根据所述发丝方向,对所述头发区域进行过渡平滑处理,获得中间图像之后,所述方法还包括:
在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第二图像。
3.根据权利要求1所述的图像处理方法,其特征在于,所述将所述虚拟发丝叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第一图像之后,所述方法还包括:
在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述第一图像中。
4.根据权利要求1所述的图像处理方法,其特征在于,所述在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝之前,所述方法还包括:
在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,并将所述高光贴图叠加到所述中间图像,得到对所述目标图像的头发区域处理后的第二图像;
所述将所述虚拟发丝叠加到所述中间图像中,包括:
将所述虚拟发丝叠加到所述第二图像中。
5.根据权利要求1所述的图像处理方法,其特征在于,在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝,包括:
在所述头发区域中,按照预设间隔随机生成多个采样点;
从所述采样点出发,沿所述发丝方向延伸,直到遇到所述头发区域的边界,或者与已生成的虚拟发丝间隔第二预设距离时,停止延伸,获得互不交叉的虚拟发丝。
6.根据权利要求2至4中任一项所述的图像处理方法,其特征在于,所述在所述头发区域中,垂直于所述发丝方向,生成多个间隔第一预设距离的高光贴图,包括:
在所述头发区域中,沿所述发丝方向,生成互不交叉且亮度大于或等于预设亮度值的虚拟高光发丝;
垂直于所述发丝方向,并以所述第一预设距离为间隔,对所述虚拟高光发丝进行高斯模糊,获得所述高光贴图。
7.根据权利要求1所述的图像处理方法,其特征在于,所述根据所述发丝方向,对所述头发区域进行过渡平滑处理,获得中间图像,包括:
沿所述发丝方向以及与所述发丝方向垂直的方向,对所述头发区域进行过渡平滑处理,获得中间图像。
8.一种图像处理装置,其特征在于,包括:
头发区域获取模块,被配置为识别目标图像中的头发区域;
发丝方向获取模块,被配置为获取所述头发区域中每个像素点的发丝方向;
平滑处理模块,被配置为根据所述发丝方向,对所述头发区域进行过渡平滑处理,获得中间图像;
细节补充模块,被配置为在所述头发区域中,沿所述发丝方向,生成互不交叉的虚拟发丝,并将所述虚拟发丝叠加到所述中间图像中,得到对所述目标图像的头发区域处理后的第一图像。
9.一种电子设备,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7中任一项所述的图像处理方法。
10.一种存储介质,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7中任一项所述的图像处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010617757.0A CN113870121A (zh) | 2020-06-30 | 2020-06-30 | 一种图像处理方法、装置、电子设备及存储介质 |
US17/172,873 US11403789B2 (en) | 2020-06-30 | 2021-02-10 | Method and electronic device for processing images |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010617757.0A CN113870121A (zh) | 2020-06-30 | 2020-06-30 | 一种图像处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113870121A true CN113870121A (zh) | 2021-12-31 |
Family
ID=78981692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010617757.0A Pending CN113870121A (zh) | 2020-06-30 | 2020-06-30 | 一种图像处理方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11403789B2 (zh) |
CN (1) | CN113870121A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114758391A (zh) * | 2022-04-08 | 2022-07-15 | 北京百度网讯科技有限公司 | 发型图像确定方法、装置、电子设备、存储介质及产品 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763228B (zh) * | 2020-06-01 | 2024-03-19 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN114723888B (zh) * | 2022-04-08 | 2023-04-07 | 北京百度网讯科技有限公司 | 三维发丝模型生成方法、装置、设备、存储介质及产品 |
CN116894916A (zh) * | 2023-06-19 | 2023-10-17 | 北京百度网讯科技有限公司 | 虚拟形象的发丝模型生成方法、装置、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8787698B2 (en) * | 2009-09-04 | 2014-07-22 | Adobe Systems Incorporated | Methods and apparatus for directional texture generation using image warping |
US8928747B2 (en) * | 2011-07-20 | 2015-01-06 | Romello J. Burdoucci | Interactive hair grooming apparatus, system, and method |
US11423515B2 (en) * | 2019-11-06 | 2022-08-23 | Canon Kabushiki Kaisha | Image processing apparatus |
-
2020
- 2020-06-30 CN CN202010617757.0A patent/CN113870121A/zh active Pending
-
2021
- 2021-02-10 US US17/172,873 patent/US11403789B2/en active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114758391A (zh) * | 2022-04-08 | 2022-07-15 | 北京百度网讯科技有限公司 | 发型图像确定方法、装置、电子设备、存储介质及产品 |
CN114758391B (zh) * | 2022-04-08 | 2023-09-12 | 北京百度网讯科技有限公司 | 发型图像确定方法、装置、电子设备、存储介质及产品 |
Also Published As
Publication number | Publication date |
---|---|
US11403789B2 (en) | 2022-08-02 |
US20210407154A1 (en) | 2021-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675310B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN113870121A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
US10565763B2 (en) | Method and camera device for processing image | |
CN108182730B (zh) | 虚实对象合成方法及装置 | |
CN108898546B (zh) | 人脸图像处理方法、装置及设备、可读存储介质 | |
CN105512605B (zh) | 人脸图像处理方法及装置 | |
CN110599410B (zh) | 图像处理的方法、装置、终端及存储介质 | |
CN108154465B (zh) | 图像处理方法及装置 | |
CN107730448B (zh) | 基于图像处理的美颜方法及装置 | |
CN108734754B (zh) | 图像处理方法及装置 | |
CN112330570B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN109672830B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110580688B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN107977885B (zh) | 虚拟试穿的方法及装置 | |
CN110211211B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110728621B (zh) | 一种面部图像的换脸方法、装置、电子设备及存储介质 | |
CN111127352B (zh) | 一种图像处理方法、装置、终端及存储介质 | |
CN113706421A (zh) | 一种图像处理方法及装置、电子设备和存储介质 | |
CN113450431B (zh) | 虚拟头发染色方法、装置、电子设备及存储介质 | |
CN108961156B (zh) | 人脸图像处理的方法及装置 | |
CN113160099B (zh) | 人脸融合方法、装置、电子设备、存储介质及程序产品 | |
CN114926350A (zh) | 一种图像美化方法、装置、电子设备及存储介质 | |
CN114998115A (zh) | 图像美化处理方法、装置及电子设备 | |
CN114708135A (zh) | 图像处理方法、装置、设备、存储介质和计算机程序产品 | |
CN114463212A (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 |