CN113947606B - 图像处理方法、装置、电子设备及存储介质 - Google Patents

图像处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113947606B
CN113947606B CN202111127748.4A CN202111127748A CN113947606B CN 113947606 B CN113947606 B CN 113947606B CN 202111127748 A CN202111127748 A CN 202111127748A CN 113947606 B CN113947606 B CN 113947606B
Authority
CN
China
Prior art keywords
pixel
color
color component
skin
information
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
Application number
CN202111127748.4A
Other languages
English (en)
Other versions
CN113947606A (zh
Inventor
肖雪
赵思杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Dajia Internet Information Technology Co Ltd
Original Assignee
Beijing Dajia Internet Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Dajia Internet Information Technology Co Ltd filed Critical Beijing Dajia Internet Information Technology Co Ltd
Priority to CN202111127748.4A priority Critical patent/CN113947606B/zh
Publication of CN113947606A publication Critical patent/CN113947606A/zh
Application granted granted Critical
Publication of CN113947606B publication Critical patent/CN113947606B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10024—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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

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：获取待处理图像中每个像素各自在预设颜色通道上的颜色分量信息、以及待处理图像中包括预设对象的目标区域；确定目标区域中颜色分量信息均大于预设肤色分割阈值的目标像素集；根据目标像素集中各像素的颜色分量信息，确定预设颜色通道上的颜色分量均值；对待处理图像中每个像素的颜色分量信息与颜色分量均值进行拼接处理，得到每个像素的像素特征信息；基于每个像素的像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果。根据本公开提供的技术方案，可以提高肤色分割精度。

Description

图像处理方法、装置、电子设备及存储介质
技术领域
本公开涉及视觉技术领域，尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
随着视觉处理技术的发展，图像的美化备受关注，例如对图像中的皮肤区域进行美化等。而为了对皮肤区域进行美化，需要从图像中识别皮肤区域，相关技术中，一般利用肤色椭圆模型对图像中的皮肤区域进行分割以识别皮肤区域。在肤色椭圆模型中，认为皮肤像素在YCbCr(Y-亮度、Cb-蓝色色度分量、Cr-红色色度分量)色彩空间中投影到Cb和Cr维度构成的二维平面将被包含于一个椭圆中，该椭圆大小位置等参数由设计者的经验确定，导致皮肤区域分割方法在实际应用中准确度较低。
发明内容
本公开提供一种图像处理方法、装置、电子设备及存储介质，以至少解决相关技术中如何提高肤色分割精度的问题。本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种图像处理方法，包括：
获取待处理图像中每个像素各自在预设颜色通道上的颜色分量信息、以及所述待处理图像中包括预设对象的目标区域，其中，所述预设颜色通道为YCbCr色彩空间中的蓝色色度Cb颜色通道和红色色度Cr颜色通道；
确定所述目标区域中颜色分量信息均大于预设肤色分割阈值的目标像素集；
根据所述目标像素集中各像素的颜色分量信息，确定所述预设颜色通道上的颜色分量均值；
对所述待处理图像中每个像素的颜色分量信息与所述颜色分量均值进行拼接处理，得到每个像素的像素特征信息；
基于每个像素的像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果；其中，所述肤色查找图表征像素特征信息与肤色标签的对应关系。
在一种可能的实现方式中，所述基于每个像素的像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果步骤包括：
获取所述肤色查找图的预设维度信息；
根据所述预设维度信息，对每个像素的像素特征信息进行采样处理，得到每个像素的目标像素特征信息；
基于每个像素的目标像素特征信息，在所述肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果。
在一种可能的实现方式中，在所述基于每个像素的像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果步骤之前，所述方法还包括：
获取所述预设颜色通道上第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值；
对所述第一数量的第一颜色分量信息以及所述各自对应的第一颜色分量均值进行拼接处理，得到第一数量的像素特征信息；
将所述第一数量的像素特征信息分别输入前景高斯模型和背景高斯模型，进行前景和背景预测处理，得到所述第一数量的像素特征信息对应的第一数量的肤色标签；
基于所述第一数量的第一颜色分量信息、所述第一数量的第一颜色分量均值以及所述第一数量的肤色标签之间的对应关系，构建第一肤色查找表；
对所述第一肤色查找表进行裁剪和压缩处理，得到所述肤色查找图。
在一种可能的实现方式中，在所述获取所述预设颜色通道上第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值步骤之后，还包括：
基于预设维度信息，分别对所述第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值进行采样处理，得到第二数量的第二颜色分量信息以及各自对应的第二颜色分量均值；其中，所述第二数量小于所述第一数量；
对所述第二数量的第二颜色分量信息以及所述各自对应的第二颜色分量均值进行拼接处理，得到第二数量的像素特征信息；
将所述第二数量的像素特征信息分别输入前景高斯模型和背景高斯模型，进行前景和背景预测处理，得到所述第二数量的像素特征信息对应的第二数量的肤色标签；
基于所述第二数量的第二颜色分量信息、所述第二数量的第二颜色分量均值以及所述第二数量的肤色标签之间的对应关系，构建第二肤色查找表；
所述对所述第一肤色查找表进行裁剪和压缩处理，得到所述肤色查找图步骤包括：
对所述第二肤色查找表进行裁剪和压缩处理，得到所述肤色查找图。
在一种可能的实现方式中，所述第二颜色分量信息包括所述Cb颜色通道上的第一分量信息和所述Cr颜色通道上的第二分量信息；所述第二颜色分量均值包括第一分量均值和第二分量均值；所述对所述第二肤色查找表进行裁剪和压缩处理，得到所述肤色查找图步骤包括：
裁剪掉所述肤色查找表中肤色标签为非肤色的对应关系，将所述肤色查找表的剩余部分作为第一查找表；
基于所述第一分量信息、所述第二分量信息、所述第一分量均值和所述第二分量均值四个维度中的任两个维度的信息，将所述第一查找表转换为二维的第二查找表；
将所述第二查找表中每个对应关系与对应的肤色标签映射为每个像素与对应的像素颜色信息，得到初始肤色查找图；
对所述初始肤色查找图进行封装压缩处理，得到所述肤色查找图。
在一种可能的实现方式中，所述目标区域为至少两个，所述颜色分量均值包括区域颜色分量均值和图像颜色分量均值；所述根据所述目标像素集中各像素的颜色分量信息，确定所述预设颜色通道上的颜色分量均值步骤包括：
根据每个目标区域对应的目标像素集中各像素的颜色分量信息，确定每个目标区域对应的区域颜色分量均值；
根据所述至少两个目标区域各自对应的目标像素集中各像素的颜色分量信息，确定所述图像颜色分量均值。
在一种可能的实现方式中，对所述待处理图像中每个像素的颜色分量信息与所述颜色分量均值进行拼接处理，得到每个像素的像素特征信息步骤包括：
确定所述至少两个目标区域中的像素为第一像素、所述待处理图像中在所述至少两个目标区域之外的像素为第二像素；
对所述第一像素的颜色分量信息与所述第一像素所在目标区域对应的区域颜色分量均值进行拼接处理，得到所述第一像素的像素特征信息；
对所述第二像素的颜色分量信息与所述图像颜色分量均值进行拼接处理，得到所述第二像素的像素特征信息。
在一种可能的实现方式中，对所述待处理图像中每个像素的颜色分量信息与所述颜色分量均值进行拼接处理，得到每个像素的像素特征信息步骤包括：
对所述待处理图像中每个像素的颜色分量信息与所述图像颜色分量均值进行拼接处理，得到每个像素的像素特征信息。
根据本公开实施例的第二方面，提供一种图像处理装置，包括：
第一获取模块，被配置为执行获取待处理图像中每个像素各自在预设颜色通道上的颜色分量信息、以及所述待处理图像中包括预设对象的目标区域，其中，所述预设颜色通道为YCbCr色彩空间中的蓝色色度Cb颜色通道和红色色度Cr颜色通道；
目标像素集确定模块，被配置为执行确定所述目标区域中颜色分量信息均大于预设肤色分割阈值的目标像素集；
颜色分量均值确定模块，被配置为执行根据所述目标像素集中各像素的颜色分量信息，确定所述预设颜色通道上的颜色分量均值；
像素特征信息获取模块，被配置为执行对所述待处理图像中每个像素的颜色分量信息与所述颜色分量均值进行拼接处理，得到每个像素的像素特征信息；
肤色分割结果获取模块，被配置为执行基于每个像素的像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果；其中，所述肤色查找图表征像素特征信息与肤色标签的对应关系。
在一种可能的实现方式中，所述肤色分割结果获取模块包括：
预设维度获取单元，被配置为执行获取所述肤色查找图的预设维度信息；
目标像素特征信息获取单元，被配置为执行根据所述预设维度信息，对每个像素的像素特征信息进行采样处理，得到每个像素的目标像素特征信息；
肤色分割结果获取单元，被配置为执行基于每个像素的目标像素特征信息，在所述肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果。
在一种可能的实现方式中，所述装置还包括：
第二获取模块，被配置为执行获取所述预设颜色通道上第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值；
拼接模块，被配置为执行对所述第一数量的第一颜色分量信息以及所述各自对应的第一颜色分量均值进行拼接处理，得到第一数量的像素特征信息；
第一前景和背景预测模块，被配置为执行将所述第一数量的像素特征信息分别输入前景高斯模型和背景高斯模型，进行前景和背景预测处理，得到所述第一数量的像素特征信息对应的第一数量的肤色标签；
第一肤色查找表构建模块，被配置为执行基于所述第一数量的第一颜色分量信息、所述第一数量的第一颜色分量均值以及所述第一数量的肤色标签之间的对应关系，构建第一肤色查找表；
肤色查找图构建模块，被配置为执行对所述第一肤色查找表进行裁剪和压缩处理，得到所述肤色查找图。
在一种可能的实现方式中，所述装置还包括：
采样模块，被配置为执行基于预设维度信息，分别对所述第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值进行采样处理，得到第二数量的第二颜色分量信息以及各自对应的第二颜色分量均值；其中，所述第二数量小于所述第一数量；
第三获取模块，被配置为执行对所述第二数量的第二颜色分量信息以及所述各自对应的第二颜色分量均值进行拼接处理，得到第二数量的像素特征信息；
第二前景和背景预测模块，被配置为执行将所述第二数量的像素特征信息分别输入前景高斯模型和背景高斯模型，进行前景和背景预测处理，得到所述第二数量的像素特征信息对应的第二数量的肤色标签；
第二肤色查找表构建模块，被配置为执行基于所述第二数量的第二颜色分量信息、所述第二数量的第二颜色分量均值以及所述第二数量的肤色标签之间的对应关系，构建第二肤色查找表；
所述肤色查找图构建模块包括：
肤色查找图构建单元，被配置为执行对所述第二肤色查找表进行裁剪和压缩处理，得到所述肤色查找图。
在一种可能的实现方式中，所述第二颜色分量信息包括所述Cb颜色通道上的第一分量信息和所述Cr颜色通道上的第二分量信息；所述第二颜色分量均值包括第一分量均值和第二分量均值；所述肤色查找图构建单元包括：
裁剪单元，被配置为执行裁剪掉所述肤色查找表中肤色标签为非肤色的对应关系，将所述肤色查找表的剩余部分作为第一查找表；
表转换单元，被配置为执行基于所述第一分量信息、所述第二分量信息、所述第一分量均值和所述第二分量均值四个维度中的任两个维度的信息，将所述第一查找表转换为二维的第二查找表；
映射单元，被配置为执行将所述第二查找表中每个对应关系与对应的肤色标签映射为每个像素与对应的像素颜色信息，得到初始肤色查找图；
封装压缩单元，被配置为执行对所述初始肤色查找图进行封装压缩处理，得到所述肤色查找图。
在一种可能的实现方式中，所述目标区域为至少两个，所述颜色分量均值包括区域颜色分量均值和图像颜色分量均值；所述颜色分量均值确定模块包括：
区域颜色分量均值单元，被配置为执行根据每个目标区域对应的目标像素集中各像素的颜色分量信息，确定每个目标区域对应的区域颜色分量均值；
图像颜色分量均值单元，被配置为执行根据所述至少两个目标区域各自对应的目标像素集中各像素的颜色分量信息，确定所述图像颜色分量均值。
在一种可能的实现方式中，所述像素特征信息获取模块包括：
像素划分单元，被配置为执行确定所述至少两个目标区域中的像素为第一像素、所述待处理图像中在所述至少两个目标区域之外的像素为第二像素；
第一像素特征获取单元，被配置为执行对所述第一像素的颜色分量信息与所述第一像素所在目标区域对应的区域颜色分量均值进行拼接处理，得到所述第一像素的像素特征信息；
第二像素特征获取单元，被配置为执行对所述第二像素的颜色分量信息与所述图像颜色分量均值进行拼接处理，得到所述第二像素的像素特征信息。
在一种可能的实现方式中，所述像素特征信息获取模块包括：
第三像素特征获取单元，被配置为执行对所述待处理图像中每个像素的颜色分量信息与所述图像颜色分量均值进行拼接处理，得到每个像素的像素特征信息。
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，以实现如上述第一方面中任一项所述的方法。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，当所述计算机可读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本公开实施例的第一方面中任一所述方法。
根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时，使得计算机执行本公开实施例的第一方面中任一项所述方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
通过结合预设颜色通道上的颜色分量信息以及颜色分量均值，在肤色查找图中得到每个像素的肤色分割结果，与仅用颜色分量信息进行肤色分割相比，大大提高了肤色分割精度；并且通过设置预设肤色分割阈值以用于确定目标区域中像素的颜色分量均值，能够避免目标区域中存在遮挡区域导致的误差，使得颜色分量均值可以更准确，进一步提高了肤色分割精度，即提高了待处理图像中肤色分割结果的准确性。
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是根据一示例性实施例示出的一种应用环境的示意图。
图2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3是根据一示例性实施例示出的一种根据目标像素集中各像素的颜色分量信息，确定预设颜色通道上的颜色分量均值的方法流程图。
图4是根据一示例性实施例示出的一种对待处理图像中每个像素的颜色分量信息与颜色分量均值进行拼接处理，得到每个像素的像素特征信息的方法流程图。
图5是根据一示例性实施例示出的一种肤色查找图的构建方法流程图。
图6是根据一示例性实施例示出的另一种肤色查找图的构建方法流程图。
图7是根据一示例性实施例示出的一种前景高斯模型和背景高斯模型的训练方法流程图。
图8是根据一示例性实施例示出的一种对第二肤色查找表进行裁剪和压缩处理，得到肤色查找图的方法流程图。
图9是根据一示例性实施例示出的一种基于每个像素的像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果的方法流程图。
图10是根据一示例性实施例示出的一种图像处理装置框图。
图11是根据一示例性实施例示出的一种用于图像处理的电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
近年来，随着人工智能技术研究和进步，人工智能技术在多个领域得到广泛应用，本申请实施例提供的方案涉及机器学习/深度学习等技术，具体通过如下实施例进行说明：
请参阅图1，图1是根据一示例性实施例示出的一种应用环境的示意图，如图1所示，该应用环境可以包括服务器01和终端02。
在一个可选的实施例中，服务器01可以用于图像的处理。具体的，服务器01可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
在一个可选的实施例中，终端02可以上传待处理图像和展示待处理图像的肤色分割结果。具体的，终端02可以包括但不限于智能手机、台式计算机、平板电脑、笔记本电脑、智能音箱、数字助理、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、智能可穿戴设备等类型的电子设备。可选的，电子设备上运行的操作系统可以包括但不限于安卓系统、IOS系统、linux、windows等。
此外，需要说明的是，图1所示的仅仅是本公开提供的图像处理方法的一种应用环境。例如，可以是终端02接收服务器01处理得到的肤色查找图，从而利用该肤色查找图执行图像处理的方法，本公开不作限定。
本说明书实施例中，上述服务器01以及终端02可以通过有线或无线通信方式进行直接或间接地连接，本公开在此不做限制。
需要说明的是，以下图中示出的是一种可能的步骤顺序，实际上并不限定必须严格按照此顺序。有些步骤可以在互不依赖的情况下并行执行。本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息、用户行为信息等)和数据(包括但不限于用于展示的数据、训练的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
图2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。如图2所示，可以包括以下步骤。
在步骤S201中，获取待处理图像中每个像素各自在预设颜色通道上的颜色分量信息以及待处理图像中包括预设对象的目标区域。
本说明书实施例中，待处理图像中多个像素可以是待处理图像中的全部像素。预设颜色通道可以是指预设色彩空间中的至少一个颜色通道。在一个示例中，预设色彩空间可以是YCbCr色彩空间，预设颜色通道可以是Cb颜色通道和Cr颜色通道。例如，待处理图像为图像H，可以获取图像H中多个像素各自在Cb颜色通道上的颜色分量信息为Cb、图像H中多个像素各自在Cr颜色通道上的颜色分量信息为Cr。
本说明书实施例中，预设对象可以是指包括肤色(皮肤)的对象，比如人脸、手等。可以获取待处理图像中包括预设对象的目标区域，例如可以通过预先训练的对象检测模型，获取待处理图像中包括预设对象的目标区域，本公开对此不作限定。
在步骤S203中，确定目标区域中颜色分量信息均大于预设肤色分割阈值的目标像素集；
在步骤S205中，根据目标像素集中各像素的颜色分量信息，确定预设颜色通道上的颜色分量均值。
本说明书实施例中，预设肤色分割阈值可以是预先设置的，例如根据经验预先设置，本公开对此不作限定。
实际应用中，考虑到目标区域中可能存在遮挡，比如人脸上有墨镜、口罩等，如果直接利用目标区域中的像素确定颜色分量均值，会导致颜色分量均值误差较大。基于此，本公开设置了预设肤色分割阈值，以用于筛选出目标区域中为肤色的像素，进而可以基于该筛选出的目标区域中为肤色的像素，确定预设颜色通道上的颜色分量均值。其中，颜色分量信息大于预设肤色分割阈值的像素可以表征该像素为肤色。
以上述待处理图像为图像H为例，若图像H中的目标区域为B1，这里的B1可以通过边界框展示。预设颜色通道可以是Cb颜色通道和Cr颜色通道，可以通过以下公式(1)和公式(2)确定预设颜色通道上的颜色分量均值FCb和FCr：
其中，n是指B1的目标像素集中像素的数量；Cbi为目标像素集中第i个像素的Cb颜色分量信息；Cri为目标像素集中第i个像素的Cr颜色分量信息；FCb为Cb颜色通道上的颜色分量均值，FCr为Cr颜色通道上的颜色分量均值。
在步骤S207中，对待处理图像中每个像素的颜色分量信息与颜色分量均值进行拼接处理，得到每个像素的像素特征信息。
本说明书实施例中，可以对待处理图像中每个像素的颜色分量信息与颜色分量均值进行拼接处理，得到每个像素的像素特征信息。例如上述图像H中的任一个像素X，该像素X的像素特征信息可以为：[Cb，Cr，FCb，FCr]。
在步骤S209中，基于每个像素的像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果。
其中，该肤色查找图表征像素特征信息与肤色标签的对应关系。肤色查找图可以是预先构建的，具体的构建内容在下面介绍，在此不赘述。在肤色查找图中，肤色标签可以包括黑色和白色，其中，白色可以表示肤色，黑色可以表示非肤色；肤色查找图中的像素特征信息可以指示肤色查找图中每个像素的像素特征：[Cb，Cr，FCb，FCr]。
本说明书实施例中，像素特征信息可以是包括四个维度的信息：Cb，Cr，FCb，FCr。从而可以基于肤色查找图中的对应关系，得到与该四个维度的像素特征信息对应的肤色标签作为肤色分割结果。遍历待处理图像中每个像素的像素特征信息，可以得到每个像素的肤色分割结果，从而可以对待处理图像中每个像素进行肤色标注。
可选地，可以对待处理图像中标注为肤色的像素进行肤色美化处理，例如美颜处理等，得到目标图像。
通过结合预设颜色通道上的颜色分量信息以及颜色分量均值，在肤色查找图中得到每个像素的肤色分割结果，与仅用颜色分量信息进行肤色分割相比，大大提高了肤色分割精度；并且通过设置预设肤色分割阈值以用于确定目标区域中像素的颜色分量均值，能够避免目标区域中存在遮挡区域导致的误差，使得颜色分量均值可以更准确，进一步提高了肤色分割精度，即提高了待处理图像中肤色分割结果的准确性。
在一种可能的实现方式中，待处理图像中的目标区域可以为至少两个，相应地，颜色分量均值可以包括区域颜色分量均值和图像颜色分量均值。其中，区域颜色分量均值可以是与任一目标区域对应的；图像颜色分量均值可以是与待处理图像对应的。
在上述情况下，如图3所示，图3是根据一示例性实施例示出的一种根据目标像素集中各像素的颜色分量信息，确定预设颜色通道上的颜色分量均值的方法流程图。该步骤S205可以包括：
在步骤S301中，根据每个目标区域对应的目标像素集中各像素的颜色分量信息，确定每个目标区域对应的区域颜色分量均值。
该步骤S301是分别确定每个目标区域对应的区域颜色分量均值，对于任一个目标区域，可以参见上述步骤S205的方式确定对应的区域颜色分量均值，在此不再赘述。
在步骤S303中，根据至少两个目标区域各自对应的目标像素集中各像素的颜色分量信息，确定图像颜色分量均值。
实际应用中，可以根据至少两个目标区域各自对应的目标像素集中各像素的颜色分量信息，即可以根据至少两个目标像素集中的颜色分量信息，确定图像颜色分量均值。在一个示例，待处理图像H包括两个目标区域：目标区域B2和目标区域B3，可以通过以下公式(3)和公式(4)确定预设颜色通道上的图像颜色分量均值H-FCb和H-FCr：
其中，n1是指B2的目标像素集中像素的数量；n2是指B3的目标像素集中像素的数量；Cbj为目标像素集中第j个像素的Cb颜色分量信息；Crj为目标像素集中第j个像素的Cr颜色分量信息；H-FCb为Cb颜色通道上的图像颜色分量均值，H-FCr为Cr颜色通道上的图像颜色分量均值；目标像素集为B2的目标像素集和B3的目标像素集组成的像素集。
在待处理图像中的目标区域为至少两个时，通过设置颜色分量均值包括区域颜色分量均值和图像颜色分量均值，对目标区域内的像素和目标区域外的像素进行差异化处理，得到差异化的颜色分量均值，使得每个像素对应的颜色分量均值更能表达像素的真实颜色分量，从而可以提高颜色分量均值的精度。
在上述待处理图像包括至少两个目标区域时，待处理图像中会包括区域颜色分量均值和图像颜色分量均值，在这种情况下，拼接处理中，每个像素需要从区域颜色分量均值和图像颜色分量均值确定对应的颜色分量均值。在一种可能的实现方式中，如图4所示，图4是根据一示例性实施例示出的一种对待处理图像中每个像素的颜色分量信息与颜色分量均值进行拼接处理，得到每个像素的像素特征信息的方法流程图。即上述步骤S207可以包括：
在步骤S401中，确定至少两个目标区域中的像素为第一像素、待处理图像中在至少两个目标区域之外的像素为第二像素；
在步骤S403中，对第一像素的颜色分量信息与第一像素所在目标区域对应的区域颜色分量均值进行拼接处理，得到第一像素的像素特征信息；
在步骤S405中，对第二像素的颜色分量信息与图像颜色分量均值进行拼接处理，得到第二像素的像素特征信息。
实际应用中，可以将待处理图像中的像素划分为目标区域内的像素和目标区域外的像素，例如可以确定至少两个目标区域中的像素为第一像素、待处理图像中在至少两个目标区域之外的像素为第二像素。进一步地，可以将第一像素与第一像素所在目标区域的区域颜色分量均值进行拼接；将第二像素与图像颜色分量均值进行拼接，得到每个像素的像素特征信息。作为一个示例，假设待处理图像H中包括两个目标区域B1和B2，分别对应的区域颜色分量均值为B1：FCb1和FCr1；B2：FCb2和FCr2。图像颜色分量均值为H-FCb和H-FCr。B1中的像素X1、B2中的像素X2以及B1和B2之外的像素X3，分别对应的像素特征信息可以如下：
[X1的Cb，X1的Cr，FCb1，FCr1]；
[X2的Cb，X2的Cr，FCb2，FCr2]；
[X3的Cb，X3的Cr，H-FCb，H-FCr]。
通过目标区域内外的像素与不同的颜色分量均值进行拼接，使得像素特征信息能够更充分的表达对应像素，从而可以提高肤色分割精度。
可选地，上述步骤S207可以包括：对待处理图像中每个像素的颜色分量信息与图像颜色分量均值进行拼接处理，得到每个像素的像素特征信息。即待处理图像中每个像素可以使用相同的颜色分量均值：图像颜色分量均值。这样每个像素使用相同的颜色分量均值，可以提升肤色分割的效率。
上述用到的肤色查找图可以是预先构建的，只要在步骤S209之前构建好即可，本公开对此不作限定。下面介绍肤色查找图的构建过程，在一种可能的实现方式中，图5是根据一示例性实施例示出的一种肤色查找图的构建方法流程图。如图5所示，可以包括：
在步骤S501中，获取预设颜色通道上第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值。
本说明书实施例中，为了构建的肤色查找图中能够全面覆盖颜色分量信息和颜色分量均值，会预先构建第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值。以第一颜色分量信息为Cb和Cr为例，Cb的取值可以是0～255、Cr的取值可以是0～255；相应地，对应的第一颜色分量均值FCb和FCr的取值均为0～255。这样第一数量可以是256，也就是说，第一数量可以是指覆盖预设颜色通道下全量颜色分量的数量。
在步骤S503中，对第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值进行拼接处理，得到第一数量的像素特征信息。
本说明书实施例中，该步骤S503的具体内容可以参见上述步骤S207，在此不再赘述。
在步骤S505中，将第一数量的像素特征信息分别输入前景高斯模型和背景高斯模型，进行前景和背景预测处理，得到第一数量的像素特征信息对应的第一数量的肤色标签。
实际应用中，可以将第一数量的像素特征信息输入前景高斯模型，得到每个像素的前景概率；将第一数量的像素特征信息输入背景高斯模型，得到每个像素的背景概率。从而可以将前景概率大于背景概率的像素的肤色标签确定为肤色、将前景概率小于或等于背景概率的像素的肤色标签确定为非肤色。
可选地，可以将前景概率大于背景概率加上一定阈值的像素的肤色标签确定为肤色，；将前景概率小于或等于背景概率加上一定阈值的像素的肤色标签确定为非肤色。通过一定阈值的设置，可以提高肤色预测的精准度。
上述的肤色可以用1表示，非肤色可以用0表示；一定阈值可以根据经验设置，例如可以是0.1，本公开对这些均不作限定。
在步骤S507中，基于第一数量的第一颜色分量信息、第一数量的第一颜色分量均值以及第一数量的肤色标签之间的对应关系，构建第一肤色查找表。
本公开对构建方式不作限定，只要肤色查找表便于查找肤色标签即可。例如，可以直接将第一数量的第一颜色分量信息、第一数量的第一颜色分量均值以及第一数量的肤色标签之间的对应关系，映射为表格的形式，从而构建第一肤色查找表。
在步骤S509中，对第一肤色查找表进行裁剪和压缩处理，得到肤色查找图。
实际应用中，可以将第一肤色查找表中肤色标签为非肤色的对应关系进行裁剪处理，仅保留肤色标签为肤色的对应关系，得到初始查找表。进一步地，可以将初始查找表中Cb、Cr、FCb和FCr的任一组合作为一个像素，该任一组合对应的肤色标签：1或0。从而可以将肤色标签映射为一个像素的颜色，比如1可以是白色，0可以是黑色，这样可以将初始肤色查找表转换为肤色查找图。该肤色查找图可以是黑白图，可选地，可以展示该黑白图，当需要确定待处理图像的肤色分割结果时，可以直接在该黑白图上查找，如果对应的是白色，可以确定为肤色；如果是黑色，可以确定为非肤色，比较直观。
通过将肤色查找图的构建，并且在构建过程中进行了裁剪和压缩，使得肤色查找图可以消耗较少的资源，并且可以高效直观的用于肤色分割。
可选地，如图6所示，在步骤S501之后，可以包括以下步骤：
在步骤S601中，基于预设维度信息，分别对第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值进行采样处理，得到第二数量的第二颜色分量信息以及各自对应的第二颜色分量均值。其中，第二数量可以小于第一数量。
本说明书实施例中，这里的采样可以是下采样处理，相应地，可以根据第一数量和预设维度信息确定采样间隔。在一个示例中，预设维度信息可以是指表征第二数量的比特位数，比如第一数量为256时，第一数量的比特位数为8。这里的预设维度信息可以低于第一数量的比特位数，比如可以是6，相应地，第二数量为64。在预设维度信息为6时，可以确定采样间隔为2(8-6)＝4。
在另一个示例中，可以根据预设维度信息，确定第二数量，从而可以将第一数量除以第二数量的结果作为采样间隔，例如256/64＝4。
从而可以基于采样间隔，对第一数量的Cb、Cr、FCb、FCr的任一维度的0～256以间隔为4进行采样，将Cb、Cr、FCb、FCr分别压缩至0～63范围。
在步骤S603中，对第二数量的第二颜色分量信息以及各自对应的第二颜色分量均值进行拼接处理，得到第二数量的像素特征信息。
本说明书实施例中，在S601中，预设颜色通道上第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值，也就是说第一颜色分量均值也是第一数量，获取的第一数量的第一颜色分量信息与第一数量的第一颜色分量均值的对应关系是确定的，基于此，在采样处理后，第二数量的第二颜色分量信息与第二数量的第二颜色分量均值的对应关系是确定的，从而可以基于该对应关系进行拼接处理，例如可以将任一第二颜色分量信息与对应的第二颜色分量均值进行拼接即可，从而可以得到第二数量的像素特征信息。对于该步骤S603的具体内容也可以参见上述步骤S207，在此不再赘述。
在步骤S605中，将第二数量的像素特征信息分别输入前景高斯模型和背景高斯模型，进行前景和背景预测处理，得到第二数量的像素特征信息对应的第二数量的肤色标签。
实际应用中，可以将第二数量的像素特征信息输入前景高斯模型，得到每个像素的前景概率；将第二数量的像素特征信息输入背景高斯模型，得到每个像素的背景概率。从而可以将前景概率大于背景概率的像素的肤色标签确定为肤色、将前景概率小于或等于背景概率的像素的肤色标签确定为非肤色。
可选地，可以将前景概率大于背景概率加上一定阈值的像素的肤色标签确定为肤色，；将前景概率小于或等于背景概率加上一定阈值的像素的肤色标签确定为非肤色。通过一定阈值的设置，可以提高肤色预测的精准度。
上述的肤色可以用1表示，非肤色可以用0表示；一定阈值可以根据经验设置，例如可以是0.1，本公开对这些均不作限定。
上述前景高斯模型和背景高斯模型可以是预先训练得到的，在一种可能的实现方式中，如图7所示，训练过程可以如下：
在步骤S701中，获取多个样本图像以及多个样本图像中每个样本像素对应的肤色标签。
实际应用中，可以从海量的图像中获取多个样本图像，每个样本图像中可以包括至少一个预设对象。进一步地，可以为每个样本图像中每个样本像素标注肤色标签，从而可以得到多个样本图像中每个样本像素对应的肤色标签。
在步骤S703中，确定每个样本图像中每个样本像素在预设颜色通道上的样本颜色分量信息以及每个样本图像中包括预设对象的目标区域；
在步骤S705中，根据每个样本图像中目标区域内各像素的样本颜色分量信息和预设肤色分割阈值，确定每个样本图像在预设颜色通道上的样本颜色分量均值。
步骤S703和S705可以参见步骤S201～S205以及图4对应的内容，在此不再赘述。
在步骤S707中，将每个样本图像中每个样本像素在预设通道上的样本颜色分量信息与对应的样本颜色分量均值进行拼接处理，得到每个样本像素的样本像素特征信息。
该步骤S707的实现方式，可以参见步骤S207和上述图5的内容，在此不再赘述。
在步骤S709中，将每个样本像素的样本像素特征信息以及每个样本像素对应的肤色标签作为一个训练样本，得到训练样本集；
在步骤S711中，基于每个样本像素的肤色标签，将训练样本集划分为第一训练样本集和第二训练样本集；
在步骤S713中，利用第一训练样本集，训练第一预设高斯模型，得到前景高斯模型；
在步骤S715中，利用第二训练样本集，训练第二预设高斯模型，得到背景高斯模型。
本说明书实施例中，在训练第一预设高斯模型时，可以利用第一预设高斯模型的输出与肤色标签的损失，对第一预设高斯模型进行迭代训练，直至满足预设条件，该预设条件可以是损失不再增加，或者损失小于损失阈值等，本公开对此不作限定。从而可以将满足预设条件时的第一预设高斯模型作为前景高斯模型。基于同样的训练方式，可以得到背景高斯模型。
在步骤S607中，基于第二数量的第二颜色分量信息、第二数量的第二颜色分量均值以及第二数量的肤色标签之间的对应关系，构建第二肤色查找表。
本公开对构建方式不作限定，只要第二肤色查找表便于查找肤色标签即可。例如，可以直接将第二数量的第二颜色分量信息、第二数量的第二颜色分量均值以及第二数量的肤色标签之间的对应关系，映射为表格的形式。在一个示例中，第二颜色分量信息可以包括Cb和Cr；第二颜色分量均值可以包括FCb和FCr。基于此可以构建Cb、Cr、FCb和FCr四个维度信息与肤色标签的第二肤色查找表，例如下表1：
表1
序号 Cb Cr FCb FCr 肤色标签
1 0 0 0 0 0
2 0 1 0 0 1
…… …… …… …… …… ……
63*643 63 63 63 63 1
…… …… …… …… …… 0
644-1 63 62 63 63 0
644 63 63 63 63 0
上述表1是以第二数量为64的示例，该肤色查找表是四维肤色查找表，即通过四个维度：Cb、Cr、FCb和FCr，通过该四个维度的任一组合，可以确定对应的肤色标签。这里，该四个维度的组合的数量，也就是表1的行数，可以是644。从这里可以明显确定基于预设维度信息，分别对第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值进行采样处理的优势，如果不进行采样处理，这里表1的行数是2564，采样处理后，肤色查找表可以被大大压缩。
相应地，上述步骤S509可以包括：
在步骤S609中，对第二肤色查找表进行裁剪和压缩处理，得到肤色查找图。该步骤可以参见S609，不再赘述。
通过对第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值进行采样处理，得到第二数量的第二颜色分量信息以及各自对应的第二颜色分量均值，且第二数量小于第一数量，使得构建的肤色查找表可以被大大压缩，降低肤色查找表的存储空间，节省资源；基于该肤色查找表得到的肤色查找图也可以节省存储资源；并且，将第二数量的第二颜色分量信息以及各自对应的第二颜色分量均值作为前景高斯模型和背景高斯模型的输入，可以提高肤色标签的预测精度，进而也可以保证肤色查找图中肤色标签的精度。
在一种可能的实现方式中，第二颜色分量信息可以包括Cb颜色通道上的第一分量信息Cb和Cr颜色通道上的第二分量信息Cr；第二颜色分量均值包括第一分量均值FCb和第二分量均值FCr；该步骤S609可以包括：
在步骤S801中，裁剪掉肤色查找表中肤色标签为非肤色的对应关系，将肤色查找表的剩余部分作为得到第一查找表。
在一个示例中，可以将肤色查找表中肤色标签为非肤色的对应关系进行裁剪处理，仅保留肤色标签为肤色的对应关系，得到第一查找表，这样能够在第一查找表中查找到的Cb、Cr、FCb和FCr，肤色标签信息即为1，肤色；不能够在第一查找表中查找到的Cb、Cr、FCb和FCr，肤色标签信息即为0，非肤色。
在另一示例中，可以遍历表1中肤色标签字段，例如从上至下遍历，确定肤色标签为1对应的是序号2：Cb、Cr、FCb和FCr为0,1,0,0。从下至上遍历，确定肤色标签为1对应的是序号63*643，Cb、Cr、FCb和FCr为：63,63,62,63。从而可以将序号2以上和序号63*643以下的行进行裁剪，保留序号2和序号63*643之间的行，得到下面表2：
表2
序号 Cb Cr FCb FCr 肤色标签
2 0 1 0 0 1
…… …… …… …… …… ……
63*643 63 63 62 63 1
需要说明的是，序号2和序号63*643之间可以包含至少一行对应的肤色标签为0，也可以不包含肤色标签为0的行，即均为1。
在步骤S803中，基于第一分量信息、第二分量信息、第一分量均值和第二分量均值四个维度中的任两个维度的信息，将第一查找表转换为二维的第二查找表。
实际应用中，基于第一分量信息Cb、第二分量信息Cr、第一分量均值FCb和第二分量均值FCr四个维度中的任两个维度的信息，例如基于FCb和FCr，将第一查找表转换为二维的第二查找表。具体地，可以将Cb和Cr组成的二维子表格沿FCb和FCr两个维度移动，生成二维的第二查找表，如表3所示：
表3
上述表3中的1、64、64*63+1、64*64可以是指二维子表格的编号，本公开对此不作限定。
以表3中，FCb＝0且FCr＝0对应的二维子表格1为例，该二维子表格可以如下表4：
表4
在步骤S805中，将第二查找表中每个对应关系与对应的肤色标签映射为每个像素与对应的像素颜色信息，得到初始肤色查找图。
实际应用中，可以将每个二维子表格映射为64*64的像素，这样每个二维子表格分别按照FCr和FCb移动时，由于FCb和FCr的取值也是0～63，可以得到64*64*64*64个像素，将每个子表格中每个格子对应的肤色标签转换为像素颜色信息，比如1可以是白色，0可以是黑色，从而可以将第二查找表中每个对应关系与对应的肤色标签映射为每个像素与对应的像素颜色信息，得到初始肤色查找图。
在步骤S807中，对初始肤色查找图进行封装压缩处理，得到肤色查找图。
实际应用中，为了进一步地降低肤色查找图的存储空间，可以对初始肤色查找图进行封装压缩处理，例如，一般白色像素区域是聚集的，可以将白色区域保留，黑色区域裁掉；进一步地还可以对裁掉黑色区域后的初始肤色查找图进行像素压缩，得到肤色查找图。该肤色查找图的格式可以是JPG(Joint Photographic Experts Group，联合图像专家组)或PNG(Portable Network Graphic Format，便携式网络图形格式)等，本公开对此不作限定。
通过裁剪处理、映射处理和封装压缩处理，进一步降低了肤色查找图的存储资源，可以适应终端侧存储空间受限的场景，便于在终端侧部署。
在一种可能的实现方式中，如图9所示，图9是根据一示例性实施例示出的一种基于每个像素的像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果的方法流程图。即上述步骤S209可以包括：
在步骤S901中，获取肤色查找图的预设维度信息；
在步骤S903中，根据预设维度信息，对每个像素的像素特征信息进行采样处理，得到每个像素的目标像素特征信息。
上述步骤S901和S903的实现方式可以参见步骤S603，在此不再赘述。这里的采样处理是为了是目标像素特征信息中的四个维度信息：Cb、Cr、FCb和FCr的取值范围可以与肤色查找图中Cb、Cr、FCb和FCr的取值范围一致，从而保证后续查找的执行。
需要说明的是，在S207中，可以判断是否需要采样，在待处理图像中像素特征信息的权值范围与预设维度信息的取值范围相同时，可以不进行采样处理；在待处理图像中像素特征信息的权值范围与预设维度信息的取值范围不相同时，可以进行采样处理，以保证与肤色查找图的适配性。
在步骤S905中，基于每个像素的目标像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果。
本说明书实施例中，可以基于每个像素的目标像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果。例如，可以基于一个像素的目标像素特征信息，定位到肤色查找图中对应的目标像素，从而可以将该目标像素的肤色分割结果确定为该一个像素的肤色分割结果。
在一个示例中，假设一个像素的目标像素特征信息包括：FCb1、FCr1、Cb1、Cr1，预设维度为64*64。例如，可以将Cb、Cr设置为连续小块的高(y方向)和宽(x方向)，每个连续小块可以是64*64，即每个连续小块可以包括Cb、Cr的全部值。基于此，可以沿着FCb进行纵向(y方向)拼接，沿着FCr进行横向(x方向)拼接，这里与表4的结构类似。在这种情况下，x方向位置indexCol的计算公式(5)可以如下：
indexCol＝(FCr1-startIndex(FCr))*(endIndex(Cr)-startIndex(Cr))+Cr1-startIndex(Cr) (5)
y方向位置的indexRow计算公式(6)可以如下：
indexRow＝(FCb1-startIndex(FCb))*(endIndex(Cb)-startIndex(Cb))+Cb1-startIndex(Cb) (6)
其中，由于肤色查找图是经过裁剪的，这里的startIndex(FCr)可以为肤色查找图中在FCr维度的初始值，endIndex(FCr)为肤色查找图中在FCr维度的结束值；startIndex(FCb)可以为肤色查找图中在FCb维度的初始值，endIndex(FCb)为肤色查找图中在FCb维度的结束值。
进而可以根据索引(indexCol，indexRow)查找肤色查找图中对应的值，如果该值为1，则该像素被标记为肤色，否则，该像素被标记为非肤色。按照该方式，依次遍历待处理图像中的所有像素，可以得到整张待处理图像的肤色标记。
通过采样处理，可以适用压缩后的肤色查找图进行肤色分割结果的查找，能够减少查找时间，提高肤色分割结果的确定效率。
图10是根据一示例性实施例示出的一种图像处理装置框图。参照图10，该装置可以包括：
第一获取模块1001，被配置为执行获取待处理图像中每个像素各自在预设颜色通道上的颜色分量信息、以及所述待处理图像中包括预设对象的目标区域，其中，所述预设颜色通道为YCbCr色彩空间中的蓝色色度Cb颜色通道和红色色度Cr颜色通道；
目标像素集确定模块1003，被配置为执行确定所述目标区域中颜色分量信息均大于预设肤色分割阈值的目标像素集；
颜色分量均值确定模块1005，被配置为执行根据所述目标像素集中各像素的颜色分量信息，确定所述预设颜色通道上的颜色分量均值；
像素特征信息获取模块1007，被配置为执行对所述待处理图像中每个像素的颜色分量信息与所述颜色分量均值进行拼接处理，得到每个像素的像素特征信息；
肤色分割结果获取模块1009，被配置为执行基于每个像素的像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果；其中，所述肤色查找图表征像素特征信息与肤色标签的对应关系。
在一种可能的实现方式中，所述肤色分割结果获取模块包括：
预设维度获取单元，被配置为执行获取所述肤色查找图的预设维度信息；
目标像素特征信息获取单元，被配置为执行根据所述预设维度信息，对每个像素的像素特征信息进行采样处理，得到每个像素的目标像素特征信息；
肤色分割结果获取单元，被配置为执行基于每个像素的目标像素特征信息，在所述肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果。
在一种可能的实现方式中，所述装置还包括：
第二获取模块，被配置为执行获取所述预设颜色通道上第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值；
拼接模块，被配置为执行对所述第一数量的第一颜色分量信息以及所述各自对应的第一颜色分量均值进行拼接处理，得到第一数量的像素特征信息；
第一前景和背景预测模块，被配置为执行将所述第一数量的像素特征信息分别输入前景高斯模型和背景高斯模型，进行前景和背景预测处理，得到所述第一数量的像素特征信息对应的第一数量的肤色标签；
第一肤色查找表构建模块，被配置为执行基于所述第一数量的第一颜色分量信息、所述第一数量的第一颜色分量均值以及所述第一数量的肤色标签之间的对应关系，构建第一肤色查找表；
肤色查找图构建模块，被配置为执行对所述第一肤色查找表进行裁剪和压缩处理，得到所述肤色查找图。
在一种可能的实现方式中，所述装置还包括：
采样模块，被配置为执行基于预设维度信息，分别对所述第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值进行采样处理，得到第二数量的第二颜色分量信息以及各自对应的第二颜色分量均值；其中，所述第二数量小于所述第一数量；
第三获取模块，被配置为执行对所述第二数量的第二颜色分量信息以及所述各自对应的第二颜色分量均值进行拼接处理，得到第二数量的像素特征信息；
第二前景和背景预测模块，被配置为执行将所述第二数量的像素特征信息分别输入前景高斯模型和背景高斯模型，进行前景和背景预测处理，得到所述第二数量的像素特征信息对应的第二数量的肤色标签；
第二肤色查找表构建模块，被配置为执行基于所述第二数量的第二颜色分量信息、所述第二数量的第二颜色分量均值以及所述第二数量的肤色标签之间的对应关系，构建第二肤色查找表；
所述肤色查找图构建模块包括：
肤色查找图构建单元，被配置为执行对所述第二肤色查找表进行裁剪和压缩处理，得到所述肤色查找图。
在一种可能的实现方式中，所述第二颜色分量信息包括所述Cb颜色通道上的第一分量信息和所述Cr颜色通道上的第二分量信息；所述第二颜色分量均值包括第一分量均值和第二分量均值；所述肤色查找图构建单元包括：
裁剪单元，被配置为执行裁剪掉所述肤色查找表中肤色标签为非肤色的对应关系，将所述肤色查找表的剩余部分作为第一查找表；
表转换单元，被配置为执行基于所述第一分量信息、所述第二分量信息、所述第一分量均值和所述第二分量均值四个维度中的任两个维度的信息，将所述第一查找表转换为二维的第二查找表；
映射单元，被配置为执行将所述第二查找表中每个对应关系与对应的肤色标签映射为每个像素与对应的像素颜色信息，得到初始肤色查找图；
封装压缩单元，被配置为执行对所述初始肤色查找图进行封装压缩处理，得到所述肤色查找图。
在一种可能的实现方式中，所述目标区域为至少两个，所述颜色分量均值包括区域颜色分量均值和图像颜色分量均值；所述颜色分量均值确定模块包括：
区域颜色分量均值单元，被配置为执行根据每个目标区域对应的目标像素集中各像素的颜色分量信息，确定每个目标区域对应的区域颜色分量均值；
图像颜色分量均值单元，被配置为执行根据所述至少两个目标区域各自对应的目标像素集中各像素的颜色分量信息，确定所述图像颜色分量均值。
在一种可能的实现方式中，所述像素特征信息获取模块包括：
像素划分单元，被配置为执行确定所述至少两个目标区域中的像素为第一像素、所述待处理图像中在所述至少两个目标区域之外的像素为第二像素；
第一像素特征获取单元，被配置为执行对所述第一像素的颜色分量信息与所述第一像素所在目标区域对应的区域颜色分量均值进行拼接处理，得到所述第一像素的像素特征信息；
第二像素特征获取单元，被配置为执行对所述第二像素的颜色分量信息与所述图像颜色分量均值进行拼接处理，得到所述第二像素的像素特征信息。
在一种可能的实现方式中，所述像素特征信息获取模块包括：
第三像素特征获取单元，被配置为执行对所述待处理图像中每个像素的颜色分量信息与所述图像颜色分量均值进行拼接处理，得到每个像素的像素特征信息。
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11是根据一示例性实施例示出的一种用于图像处理的电子设备的框图，该电子设备可以是服务器，其内部结构图可以如图11所示。该电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像处理的方法。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在示例性实施例中，还提供了一种电子设备，包括：处理器；用于存储该处理器可执行指令的存储器；其中，该处理器被配置为执行该指令，以实现如本公开实施例中的图像处理方法。
在示例性实施例中，还提供了一种计算机可读存储介质，当该计算机可读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本公开实施例中的图像处理方法。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。
在示例性实施例中，还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，使得计算机执行本公开实施例中的图像处理的方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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 (19)

1.一种图像处理方法，其特征在于，包括：
获取待处理图像中每个像素各自在预设颜色通道上的颜色分量信息、以及所述待处理图像中包括预设对象的目标区域，其中，所述预设颜色通道为YCbCr色彩空间中的蓝色色度Cb颜色通道和红色色度Cr颜色通道；
确定所述目标区域中颜色分量信息均大于预设肤色分割阈值的目标像素集；
根据所述目标像素集中各像素的颜色分量信息，确定所述预设颜色通道上的颜色分量均值；
对所述待处理图像中每个像素的颜色分量信息与所述颜色分量均值进行拼接处理，得到每个像素的像素特征信息；
基于每个像素的像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果；其中，所述肤色查找图表征像素特征信息与肤色标签的对应关系。
2.根据权利要求1所述的图像处理方法，其特征在于，所述基于每个像素的像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果步骤包括：
获取所述肤色查找图的预设维度信息；
根据所述预设维度信息，对每个像素的像素特征信息进行采样处理，得到每个像素的目标像素特征信息；
基于每个像素的目标像素特征信息，在所述肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果。
3.根据权利要求1所述的图像处理方法，其特征在于，在所述基于每个像素的像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果步骤之前，所述方法还包括：
获取所述预设颜色通道上第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值；
对所述第一数量的第一颜色分量信息以及所述各自对应的第一颜色分量均值进行拼接处理，得到第一数量的像素特征信息；
将所述第一数量的像素特征信息分别输入前景高斯模型和背景高斯模型，进行前景和背景预测处理，得到所述第一数量的像素特征信息对应的第一数量的肤色标签；
基于所述第一数量的第一颜色分量信息、所述第一数量的第一颜色分量均值以及所述第一数量的肤色标签之间的对应关系，构建第一肤色查找表；
对所述第一肤色查找表进行裁剪和压缩处理，得到所述肤色查找图。
4.根据权利要求3所述的图像处理方法，其特征在于，在所述获取所述预设颜色通道上第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值步骤之后，还包括：
基于预设维度信息，分别对所述第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值进行采样处理，得到第二数量的第二颜色分量信息以及各自对应的第二颜色分量均值；其中，所述第二数量小于所述第一数量；
对所述第二数量的第二颜色分量信息以及所述各自对应的第二颜色分量均值进行拼接处理，得到第二数量的像素特征信息；
将所述第二数量的像素特征信息分别输入前景高斯模型和背景高斯模型，进行前景和背景预测处理，得到所述第二数量的像素特征信息对应的第二数量的肤色标签；
基于所述第二数量的第二颜色分量信息、所述第二数量的第二颜色分量均值以及所述第二数量的肤色标签之间的对应关系，构建第二肤色查找表；
所述对所述第一肤色查找表进行裁剪和压缩处理，得到所述肤色查找图步骤包括：
对所述第二肤色查找表进行裁剪和压缩处理，得到所述肤色查找图。
5.根据权利要求4所述的图像处理方法，其特征在于，所述第二颜色分量信息包括所述Cb颜色通道上的第一分量信息和所述Cr颜色通道上的第二分量信息；所述第二颜色分量均值包括第一分量均值和第二分量均值；所述对所述第二肤色查找表进行裁剪和压缩处理，得到所述肤色查找图步骤包括：
裁剪掉所述肤色查找表中肤色标签为非肤色的对应关系，将所述肤色查找表的剩余部分作为第一查找表；
基于所述第一分量信息、所述第二分量信息、所述第一分量均值和所述第二分量均值四个维度中的任两个维度的信息，将所述第一查找表转换为二维的第二查找表；
将所述第二查找表中每个对应关系与对应的肤色标签映射为每个像素与对应的像素颜色信息，得到初始肤色查找图；
对所述初始肤色查找图进行封装压缩处理，得到所述肤色查找图。
6.根据权利要求1所述的图像处理方法，其特征在于，所述目标区域为至少两个，所述颜色分量均值包括区域颜色分量均值和图像颜色分量均值；所述根据所述目标像素集中各像素的颜色分量信息，确定所述预设颜色通道上的颜色分量均值步骤包括：
根据每个目标区域对应的目标像素集中各像素的颜色分量信息，确定每个目标区域对应的区域颜色分量均值；
根据所述至少两个目标区域各自对应的目标像素集中各像素的颜色分量信息，确定所述图像颜色分量均值。
7.根据权利要求6所述的图像处理方法，其特征在于，对所述待处理图像中每个像素的颜色分量信息与所述颜色分量均值进行拼接处理，得到每个像素的像素特征信息步骤包括：
确定所述至少两个目标区域中的像素为第一像素、所述待处理图像中在所述至少两个目标区域之外的像素为第二像素；
对所述第一像素的颜色分量信息与所述第一像素所在目标区域对应的区域颜色分量均值进行拼接处理，得到所述第一像素的像素特征信息；
对所述第二像素的颜色分量信息与所述图像颜色分量均值进行拼接处理，得到所述第二像素的像素特征信息。
8.根据权利要求6所述的图像处理方法，其特征在于，对所述待处理图像中每个像素的颜色分量信息与所述颜色分量均值进行拼接处理，得到每个像素的像素特征信息步骤包括：
对所述待处理图像中每个像素的颜色分量信息与所述图像颜色分量均值进行拼接处理，得到每个像素的像素特征信息。
9.一种图像处理装置，其特征在于，包括：
第一获取模块，被配置为执行获取待处理图像中每个像素各自在预设颜色通道上的颜色分量信息、以及所述待处理图像中包括预设对象的目标区域，其中，所述预设颜色通道为YCbCr色彩空间中的蓝色色度Cb颜色通道和红色色度Cr颜色通道；
目标像素集确定模块，被配置为执行确定所述目标区域中颜色分量信息均大于预设肤色分割阈值的目标像素集；
颜色分量均值确定模块，被配置为执行根据所述目标像素集中各像素的颜色分量信息，确定所述预设颜色通道上的颜色分量均值；
像素特征信息获取模块，被配置为执行对所述待处理图像中每个像素的颜色分量信息与所述颜色分量均值进行拼接处理，得到每个像素的像素特征信息；
肤色分割结果获取模块，被配置为执行基于每个像素的像素特征信息，在肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果；其中，所述肤色查找图表征像素特征信息与肤色标签的对应关系。
10.根据权利要求9所述的图像处理装置，其特征在于，所述肤色分割结果获取模块包括：
预设维度获取单元，被配置为执行获取所述肤色查找图的预设维度信息；
目标像素特征信息获取单元，被配置为执行根据所述预设维度信息，对每个像素的像素特征信息进行采样处理，得到每个像素的目标像素特征信息；
肤色分割结果获取单元，被配置为执行基于每个像素的目标像素特征信息，在所述肤色查找图中进行肤色标签查找处理，得到每个像素的肤色分割结果。
11.根据权利要求9所述的图像处理装置，其特征在于，所述装置还包括：
第二获取模块，被配置为执行获取所述预设颜色通道上第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值；
拼接模块，被配置为执行对所述第一数量的第一颜色分量信息以及所述各自对应的第一颜色分量均值进行拼接处理，得到第一数量的像素特征信息；
第一前景和背景预测模块，被配置为执行将所述第一数量的像素特征信息分别输入前景高斯模型和背景高斯模型，进行前景和背景预测处理，得到所述第一数量的像素特征信息对应的第一数量的肤色标签；
第一肤色查找表构建模块，被配置为执行基于所述第一数量的第一颜色分量信息、所述第一数量的第一颜色分量均值以及所述第一数量的肤色标签之间的对应关系，构建第一肤色查找表；
肤色查找图构建模块，被配置为执行对所述第一肤色查找表进行裁剪和压缩处理，得到所述肤色查找图。
12.根据权利要求11所述的图像处理装置，其特征在于，所述装置还包括：
采样模块，被配置为执行基于预设维度信息，分别对所述第一数量的第一颜色分量信息以及各自对应的第一颜色分量均值进行采样处理，得到第二数量的第二颜色分量信息以及各自对应的第二颜色分量均值；其中，所述第二数量小于所述第一数量；
第三获取模块，被配置为执行对所述第二数量的第二颜色分量信息以及所述各自对应的第二颜色分量均值进行拼接处理，得到第二数量的像素特征信息；
第二前景和背景预测模块，被配置为执行将所述第二数量的像素特征信息分别输入前景高斯模型和背景高斯模型，进行前景和背景预测处理，得到所述第二数量的像素特征信息对应的第二数量的肤色标签；
第二肤色查找表构建模块，被配置为执行基于所述第二数量的第二颜色分量信息、所述第二数量的第二颜色分量均值以及所述第二数量的肤色标签之间的对应关系，构建第二肤色查找表；
所述肤色查找图构建模块包括：
肤色查找图构建单元，被配置为执行对所述第二肤色查找表进行裁剪和压缩处理，得到所述肤色查找图。
13.根据权利要求12所述的图像处理装置，其特征在于，所述第二颜色分量信息包括所述Cb颜色通道上的第一分量信息和所述Cr颜色通道上的第二分量信息；所述第二颜色分量均值包括第一分量均值和第二分量均值；所述肤色查找图构建单元包括：
裁剪单元，被配置为执行裁剪掉所述肤色查找表中肤色标签为非肤色的对应关系，将所述肤色查找表的剩余部分作为第一查找表；
表转换单元，被配置为执行基于所述第一分量信息、所述第二分量信息、所述第一分量均值和所述第二分量均值四个维度中的任两个维度的信息，将所述第一查找表转换为二维的第二查找表；
映射单元，被配置为执行将所述第二查找表中每个对应关系与对应的肤色标签映射为每个像素与对应的像素颜色信息，得到初始肤色查找图；
封装压缩单元，被配置为执行对所述初始肤色查找图进行封装压缩处理，得到所述肤色查找图。
14.根据权利要求9所述的图像处理装置，其特征在于，所述目标区域为至少两个，所述颜色分量均值包括区域颜色分量均值和图像颜色分量均值；所述颜色分量均值确定模块包括：
区域颜色分量均值单元，被配置为执行根据每个目标区域对应的目标像素集中各像素的颜色分量信息，确定每个目标区域对应的区域颜色分量均值；
图像颜色分量均值单元，被配置为执行根据所述至少两个目标区域各自对应的目标像素集中各像素的颜色分量信息，确定所述图像颜色分量均值。
15.根据权利要求14所述的图像处理装置，其特征在于，所述像素特征信息获取模块包括：
像素划分单元，被配置为执行确定所述至少两个目标区域中的像素为第一像素、所述待处理图像中在所述至少两个目标区域之外的像素为第二像素；
第一像素特征获取单元，被配置为执行对所述第一像素的颜色分量信息与所述第一像素所在目标区域对应的区域颜色分量均值进行拼接处理，得到所述第一像素的像素特征信息；
第二像素特征获取单元，被配置为执行对所述第二像素的颜色分量信息与所述图像颜色分量均值进行拼接处理，得到所述第二像素的像素特征信息。
16.根据权利要求14所述的图像处理装置，其特征在于，所述像素特征信息获取模块包括：
第三像素特征获取单元，被配置为执行对所述待处理图像中每个像素的颜色分量信息与所述图像颜色分量均值进行拼接处理，得到每个像素的像素特征信息。
17.一种电子设备，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8中任一项所述的图像处理方法。
18.一种计算机可读存储介质，其特征在于，当所述计算机可读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8中任一项所述的图像处理方法。
19.一种计算机程序产品，包括计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1至8中任一项所述的图像处理方法。
CN202111127748.4A 2021-09-26 2021-09-26 图像处理方法、装置、电子设备及存储介质 Active CN113947606B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111127748.4A CN113947606B (zh) 2021-09-26 2021-09-26 图像处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111127748.4A CN113947606B (zh) 2021-09-26 2021-09-26 图像处理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113947606A CN113947606A (zh) 2022-01-18
CN113947606B true CN113947606B (zh) 2024-03-26

Family

ID=79328616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111127748.4A Active CN113947606B (zh) 2021-09-26 2021-09-26 图像处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113947606B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114782560A (zh) * 2022-04-14 2022-07-22 北京达佳互联信息技术有限公司 图像颜色检测方法、装置、设备、存储介质及程序产品

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107103606A (zh) * 2017-02-27 2017-08-29 口碑控股有限公司 一种图像识别方法及装置
CN108021881A (zh) * 2017-12-01 2018-05-11 腾讯数码（天津）有限公司 一种肤色分割方法、装置和存储介质
CN110163805A (zh) * 2018-06-05 2019-08-23 腾讯科技（深圳）有限公司 一种图像处理方法、装置和存储介质
CN111246128A (zh) * 2018-11-29 2020-06-05 北京图森智途科技有限公司 一种像素合并方法、成像设备、图像传感器及汽车
CN112435173A (zh) * 2019-08-26 2021-03-02 广州虎牙科技有限公司 一种图像处理和直播方法、装置、设备和存储介质
CN112541860A (zh) * 2019-09-23 2021-03-23 深圳开阳电子股份有限公司 肤色美化校正方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106611429B (zh) * 2015-10-26 2019-02-05 腾讯科技（深圳）有限公司 检测皮肤区域的方法和检测皮肤区域的装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107103606A (zh) * 2017-02-27 2017-08-29 口碑控股有限公司 一种图像识别方法及装置
CN108021881A (zh) * 2017-12-01 2018-05-11 腾讯数码（天津）有限公司 一种肤色分割方法、装置和存储介质
CN110163805A (zh) * 2018-06-05 2019-08-23 腾讯科技（深圳）有限公司 一种图像处理方法、装置和存储介质
CN111246128A (zh) * 2018-11-29 2020-06-05 北京图森智途科技有限公司 一种像素合并方法、成像设备、图像传感器及汽车
CN112435173A (zh) * 2019-08-26 2021-03-02 广州虎牙科技有限公司 一种图像处理和直播方法、装置、设备和存储介质
CN112541860A (zh) * 2019-09-23 2021-03-23 深圳开阳电子股份有限公司 肤色美化校正方法及装置

Also Published As

Publication number Publication date
CN113947606A (zh) 2022-01-18

Similar Documents

Publication Publication Date Title
CN109376684A (zh) 一种人脸关键点检测方法、装置、计算机设备和存储介质
CN111739027B (zh) 一种图像处理方法、装置、设备及可读存储介质
CN110570352B (zh) 图像标注方法、装置、系统及细胞标注方法
CN105354248A (zh) 基于灰度的分布式图像底层特征识别方法及系统
CN113204659B (zh) 多媒体资源的标签分类方法、装置、电子设备及存储介质
CN113112509B (zh) 图像分割模型训练方法、装置、计算机设备和存储介质
CN112990175B (zh) 手写中文字符的识别方法、装置、计算机设备和存储介质
CN111383232A (zh) 抠图方法、装置、终端设备及计算机可读存储介质
CN112101386B (zh) 文本检测方法、装置、计算机设备和存储介质
CN114511041B (zh) 模型训练方法、图像处理方法、装置、设备和存储介质
CN113469092B (zh) 字符识别模型生成方法、装置、计算机设备和存储介质
CN110599554A (zh) 人脸肤色的识别方法和装置、存储介质及电子装置
CN113516666A (zh) 图像裁剪方法、装置、计算机设备及存储介质
CN111080746A (zh) 图像处理方法、装置、电子设备和存储介质
CN113947606B (zh) 图像处理方法、装置、电子设备及存储介质
CN115131803A (zh) 文档字号的识别方法、装置、计算机设备和存储介质
CN113947568B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN111914809A (zh) 目标对象定位方法、图像处理方法、装置和计算机设备
CN112818820B (zh) 图像生成模型训练方法、图像生成方法、装置及电子设备
CN113947185B (zh) 任务处理网络生成、任务处理方法、装置、电子设备及存储介质
CN113538214B (zh) 一种妆容迁移的控制方法、系统和存储介质
CN115205202A (zh) 视频检测方法、装置、设备及存储介质
CN114399782A (zh) 文本图像处理方法、装置、设备、存储介质及程序产品
CN114648800A (zh) 人脸图像检测模型训练方法、人脸图像检测方法及装置
CN115731407A (zh) 图像比对方法、装置、计算机设备和存储介质

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
GR01 Patent grant
GR01 Patent grant