CN115345981B - 图像处理方法、装置、电子设备和存储介质 - Google Patents
图像处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115345981B CN115345981B CN202211276913.7A CN202211276913A CN115345981B CN 115345981 B CN115345981 B CN 115345981B CN 202211276913 A CN202211276913 A CN 202211276913A CN 115345981 B CN115345981 B CN 115345981B
- Authority
- CN
- China
- Prior art keywords
- target
- vertices
- contour
- obtaining
- target pixel
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像处理方法、装置、电子设备和存储介质,涉及人工智能技术领域,具体为增强现实、虚拟现实、计算机视觉、深度学习等技术领域,可应用于元宇宙、虚拟数字人等场景。实现方案为:获得目标图像,目标图像中包括目标对象,目标对象具有相应的三维模型,三维模型具有相应的顶点集,顶点集中的每一个顶点位于三维模型的表面并且具有相应的纹理贴图坐标;基于目标图像,获得纹理贴图,纹理贴图指示目标对象在目标图像中所在的对象区域中的每一个像素位置对应的纹理贴图坐标;基于纹理贴图和顶点集中的每一个顶点的纹理贴图坐标,获得目标图像中目标对象的多个轮廓点,多个轮廓点对应于顶点集中的多个顶点。
Description
技术领域
本公开涉及人工智能技术领域,具体为增强现实、虚拟现实、计算机视觉、深度学习等技术领域,可应用于元宇宙、虚拟数字人等场景,具体涉及一种图像处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
基于人工智能的图像处理技术,通过对图像进行处理,以美化图像中的对象,使图像中的对象达到预设的颜色或形状,使得图像更清晰、美观,从而可以提升用户体验。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种图像处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种图像处理方法,包括:获得目标图像,所述目标图像中包括目标对象,所述目标对象具有相应的三维模型,所述三维模型具有相应的顶点集,所述顶点集中的每一个顶点位于所述三维模型的表面并且具有相应的纹理贴图坐标;基于所述目标图像,获得纹理贴图,所述纹理贴图指示所述目标对象在所述目标图像中所在的对象区域中的每一个像素位置对应的纹理贴图坐标;以及
基于所述纹理贴图和所述顶点集中的每一个顶点的纹理贴图坐标,获得所述目标图像中所述目标对象的多个轮廓点,所述多个轮廓点对应于所述顶点集中的多个顶点。
根据本公开的另一方面,提供了一种图像处理装置,包括:目标图像获取单元,被配置用于获得目标图像,所述目标图像中包括目标对象,所述目标对象具有相应的三维模型,所述三维模型具有相应的顶点集,所述顶点集中的每一个顶点位于所述三维模型的表面并且具有相应的纹理贴图坐标;纹理贴图获取单元,被配置用于基于所述目标图像,获得纹理贴图,所述纹理贴图指示所述目标对象在所述目标图像中所在的对象区域中的每一个像素位置对应的纹理贴图坐标;以及轮廓点获取单元,被配置用于基于所述纹理贴图和所述顶点集中的每一个顶点的纹理贴图坐标,获得所述目标图像中所述目标对象的多个轮廓点,所述多个轮廓点对应于所述顶点集中的多个顶点。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行根据本公开的实施例所述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据本公开的实施例所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据本公开的实施例所述的方法。
根据本公开的一个或多个实施例,可以避免传统轮廓关键点检测方法中需要标注轮廓关键点带来的数据采集和标注成本,另外将轮廓关键点检测问题转换为纹理贴图坐标(IUV)图预测问题,使得图像处理任务的本质是鲁棒性更高的分割和回归任务,使得所获得的轮廓点更准确。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的图像处理方法的流程图;
图3示出了根据本公开的实施例的图像处理方法中的三维模型的示意图;
图4示出了根据本公开的实施例的图像处理方法中基于纹理贴图和顶点集中的每一个顶点的纹理贴图坐标获得目标图像中目标对象的多个轮廓点的过程的流程图;
图5示出了根据本公开的实施例的图像处理方法中基于多个目标顶点获得多个轮廓点的过程的流程图;
图6示出了根据本公开的实施例的图像处理方法中基于多个轮廓线中的每一个轮廓线对应的多个第一目标顶点获得多个轮廓点的过程的流程图;
图7示出了根据本公开的实施例的图像处理方法中基于多个轮廓线中的每一个轮廓线对应的多个第一目标顶点获得多个轮廓点的过程的流程图;
图8示出了根据本公开的实施例的图像处理方法中基于多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置和该多个第一目标像素位置的多个坐标获得多个轮廓点的过程的流程图;
图9示出了根据本公开的实施例的图像处理方法中基于多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置和该多个第一目标像素位置的多个坐标获得多个轮廓点的过程的流程图;
图10示出了根据本公开的实施例的图像处理方法的过程的示意图;
图11示出了根据本公开的实施例的图像处理装置的结构框图;
图12示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行根据本公开的图像处理方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来接收根据本公开的图像处理方法所获得的多个轮廓点。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
在相关技术中,往往通过检测图像中的人的轮廓关键点,并基于轮廓关键点对图像中的人进行美化,以获得美化图像。获得轮廓关键点的方法,一方面依赖大量标注精确的人体轮廓关键点数据集,具有非常高数据采集和标注成本,另一方面由于缺少人体先验,对于人体遮挡区域轮廓关键点部分检测误差比较大,当图像中的人被部分遮挡时,将导致这种所获得的轮廓关键点不准确,鲁棒性较差。
根据本公开的一方面,提供了一种图像处理方法。如图2所示,根据本公开的一些实施例的图像处理方法200包括:
步骤S210:获得目标图像,所述目标图像中包括目标对象,所述目标对象具有相应的三维模型,所述三维模型具有相应的顶点集,所述顶点集中的每一个顶点位于所述三维模型的表面并且具有相应的纹理贴图坐标;
步骤S220:基于所述目标图像,获得纹理贴图,所述纹理贴图指示所述目标对象在所述目标图像中所在的对象区域中的每一个像素位置对应的纹理贴图坐标;以及
步骤S230:基于所述纹理贴图和所述顶点集中的每一个顶点的纹理贴图坐标,获得所述目标图像中所述目标对象的多个轮廓点,所述多个轮廓点对应于所述顶点集中的多个顶点。
在根据本公开的实施例中,通过获得目标图像,并且获得目标图像相应的纹理贴图,该纹理贴图指示目标图像中的目标对象所在的对象区域中的每一个像素位置对相应的纹理贴图坐标,根据目标对象对应的三维模型的纹理贴图坐标和纹理贴图,获得目标对象在目标图像中的多个轮廓点,使得获得目标对象的轮廓点的过程区别于相关技术中轮廓关键点检测过程,不需要标注轮廓关键点带来的数据采集和标注成本,同时,根据本公开的方法中仅仅需要获得纹理贴图,使得将相关技术中轮廓关键点检测问题转换为纹理贴图坐标(IUV)图预测问题,获得纹理贴图的任务本质是图像分割和回归任务,由于图像分割和回归任务较轮廓关键点检测任务具有更高的鲁棒性,使得根据本公开的图像处理方法所获得的轮廓点更准确。
在一些实施例中,目标图像可以是任意包含目标对象的图像,其中目标对象可以是人、动物、植物等任意对象。
在一些实施例中,目标对象是具有预设的三维模型的对象。例如,目标对象为人,预设的三维模型可以是具有蒙皮的多人线性模型(Skinned Multi-Person Linear Model,SMPL模型)。SMPL模型基于顶点(vertex-based)的人体三维模型,能够精确地表示人体的不同形状(shape)和姿态(pose),使得基于SMPL模型获得的目标图像中目标对象的轮廓点,更准确。
下面将以目标对象为人,三维模型为SMPL模型为示例说明根据本公开的图像处理方法。可以理解,目标对象为人,三维模型为SMPL模型仅仅是示例性的,在其他对象建立了预设的三维模型的情况下,目标对象也可以是该其他对象,例如,其他对象可以是狗。
在根据本公开的一些实施例中,参看图3,所采用的SMPL模型为SMPL标准模板的T-pose姿势,即,双臂与肩同高伸展开来,手掌平行与地面,掌心向下,双脚微张开,不并拢。该模型上具有相应的顶点集(例如6980个顶点),该顶点集将模型分成多个三角形。基于该顶点集对模型进行变形,可以调整模型的姿态、形状等等。
在一些实施例中,基于三维模型展开的纹理贴图坐标(UV坐标),获得顶点集中的每一个顶点的纹理贴图坐标。UV坐标定义了每个点的位置的信息,这些点与三维模型是相互联系的, 以决定表面纹理贴图的位置,UV就是将图像上每一个点精确对应到模型的表面。
在一些实施例中,通过将目标图像输入到纹理贴图坐标预设模型,获得目标图像对应的纹理贴图。例如,纹理贴图坐标预测模型可以是基于densepose的模型。基于densepose的模型生成的纹理贴图像中包括IUV三个通道,其中,I表示人体的具体位置,例如头部、手部等,UV表示对应的纹理贴图坐标,即贴图上哪一点贴到对应三维模型的位置上。
在获得纹理贴图的过程中,模型的任务本质是图像分割和回归任务,相较于关键点检测模型中模型的任务是关键点预测任务,其模型任务的鲁棒性高,使所获得的预测结果更加准确。
在一些实施例中,如图4所示,基于所述纹理贴图和所述顶点集中的每一个顶点的纹理贴图坐标,获得所述目标图像中所述目标对象的多个轮廓点包括:
步骤S410:获得所述顶点集中在所述对象区域中具有相应像素位置的多个目标顶点,所述多个目标顶点中的每一个目标顶点的纹理贴图坐标与相应像素位置的纹理贴图坐标之间的距离不大于预设值;以及
步骤S420:基于所述多个目标顶点,获得所述多个轮廓点。
通过获得三维模型的顶点集中与目标图像中的对象区域中的多个像素位置相应的多个目标顶点,并基于该多个目标顶点获得轮廓点,使得所获得的轮廓点是基于三维模型获得的与三维模型上的顶点相应的轮廓点,在有目标对象被遮挡(例如,人体被衣物遮挡)的情况下,仍然能够获得目标图像中的目标对象的轮廓,进一步提升所获得的轮廓点的准确性。
可以理解,当顶点的纹理贴图坐标与纹理贴图所指示的目标图像中的像素位置的纹理贴图的距离不大于预设值时,该顶点与该目标图像中的像素位置对应于三维模型的同一位置,进而可以认为该顶点在目标图像中是“可被看见的”,可以基于“可被看见的”多个顶点,获得轮廓点。
在一些实施例中,预设值为0.1。可以理解,预设值还可以设置为其他数值,在此并不限定。
在一些实施例中,三维模型包括与所述三维模型上的多个关键点相应的多个轮廓线,所述多个轮廓线中的每一个轮廓线围绕所述三维模型表面设置以覆盖所述顶点集中位于同一水平面或垂面上的多个顶点,所述多个关键点中的每一个关键点用于确定对所述三维模型执行变形,以达到预设效果,如图4所示,基于所述多个目标顶点,获得所述多个轮廓点包括:
步骤S510:针对所述多个轮廓线中的每一个轮廓线,获得所述多个目标顶点中位于该轮廓线上的多个第一目标顶点;以及
步骤S520:基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,获得所述多个轮廓点。
通过获得位于目标顶点中位于三维模型上多个轮廓线上的多个目标顶点,并基于位于三维模型上多个轮廓线上的多个目标顶点获得目标图像中目标对象的轮廓点,获得使得所获得的轮廓点与多个关键点所在的轮廓线对应的点,由于多个关键点对三维模型执行变形时能够达到预设效果,使得基于所获得的多个轮廓点对该目标对象进行调整(美化),进而达到预设美化效果,能够提升基于轮廓点对目标图像中的目标对象进行美化后的美化效果。
继续参看图3,在根据本公开的一些实施例中,三维模型表面包括6980个顶点,对每个顶点进行编号,其中编号为1-123的顶点为关键点。针对脖颈上的关键点包括编号为1的顶点和编号为99的顶点,两者共同对应有轮廓线(如图3中箭头P所指示椭圆形线所示),在该轮廓线上除了编号为1的顶点和编号为99的顶点之外还包括编号为3839、3796、3797、3662、3663、3810、3718、3719、3723、3724、3768、3918、460、423、257、212、213、209、206、298、153、150、285、284、334和3050的顶点(图3中箭头P所指示的轮廓线中仅示出部分编号的顶点)。
在获得多个轮廓点的过程中,针对脖颈上的轮廓线上,获得位于该轮廓线上的目标顶点,基于位于脖颈上的该轮廓线上的目标顶点,对脖颈区域进行变形时,与基于关键点对脖颈区域进行变形时一样,能够达到预设效果。进而,基于该位于该脖颈上的轮廓线上的目标顶点,获得的目标图像中目标对象的轮廓点时,能够获得目标图像中目标对象的脖颈上的轮廓点,进而基于该轮廓点对目标图像中的目标对象的脖颈区域进行变形时,与基于关键点对脖颈区域进行变形时一样,能够达到预设效果。
在一些实施例中,如图6所示,基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,获得所述多个轮廓点包括:
步骤S610:针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,获得该多个第一目标顶点中每一个第一目标顶点在所述三维模型上的位置坐标;
步骤S620:针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,基于该多个第一目标顶点对应的多个坐标,获得该多个第一目标顶点中的第一目标顶点对,所述第一目标顶点对中的两个第一目标顶点之间的距离大于该多个第一目标顶点中区别于所述第一目标顶点对的任一第一目标顶点对的两个第一目标顶点之间的距离;以及
步骤S630:基于所述多个轮廓线中的每一个轮廓线对应的第一目标顶点对中的每一个第一目标顶点在所述对象区域中的相应目标像素位置,获得所述多个轮廓点。
通过获得每个轮廓线对应的多个第一目标顶点中在三维模型上的距离最远的第一目标顶点对,该第一目标顶点对是三维模型上可以在目标图像中“被看见的”顶点中相距最远的两个顶点,其在目标图像中对应于目标对象的轮廓点,实现目标图像中轮廓点的获得。
在一些实施例中,三维模型上的每一个目标顶点的位置坐标指示三维模型在三维空间中的位置。
在一些实施例中,如图7所示,基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,获得所述多个轮廓点包括:
步骤S710:针对所述多个轮廓线中的每一个轮廓线,获得所述对象区域中与该轮廓线上的多个第一目标顶点对应的多个第一目标像素位置和该多个第一目标像素位置中的每一个第一目标像素位置在所述目标图像中的坐标;以及
步骤S720:基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置的多个坐标,获得所述多个轮廓点。
通过将每一个轮廓线对应的多个第一目标顶点对应到目标图像中的对象区域,并基于对象区域中的相应的多个第一目标像素位置获得轮廓点,使得获得轮廓点是基于对象区域中的多个第一目标像素位置获得的,所获得的轮廓点更加准确。
在一些实施例中,如图8所示,基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置和该多个第一目标像素位置的多个坐标,获得所述多个轮廓点包括:
步骤S810:针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置,基于该多个第一目标像素位置的多个坐标,获得该多个第一目标像素位置对应的第一目标像素位置对,所述第一目标像素位置对中的两个第一目标像素位置之间的距离大于该多个第一目标像素位置中区别于该第一目标像素位置对的任一第一目标像素位置对中的两个第一目标像素位置之间的距离;以及
步骤S820:基于所述多个轮廓线中的每一个轮廓线对应的第一目标像素位置对,获得所述多个轮廓点。
通过获得每一个轮廓线对应的多个第一目标像素位置中距离最远的两个第一像素位置,该距离最远的两个第一像素位置即为目标图像中目标对象对应于该轮廓线的轮廓点,实现目标图像中目标对象的轮廓点的获得。
在一些实施例中,如图9所示,基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置和该多个第一目标像素位置的多个坐标,获得所述多个轮廓点包括:
步骤S910:针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置,基于该多个第一目标像素位置的多个坐标,获得该多个第一目标像素位置对应的中心位置;
步骤S920:针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置,获得该多个第一目标像素位置中与该中心位置之间的距离最大的第二目标像素位置;
步骤S930:针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置,获得该多个第一目标像素位置中位于该中心位置的第一侧并且与该中心位置之间的距离最大的第三目标像素位置,所述第一侧与所述第二目标像素位置所在的一侧相对,以及
步骤S940:基于所述多个轮廓线中的每一个轮廓线对应的第二目标像素位置和第三像素位置,获得所述多个轮廓点。
通过首先获得每个轮廓线对应的多个目标像素位置中的中心位置,并通过中心位置向两侧寻找与中心位置之间的距离最大的目标像素位置的方式获得轮廓点,减少获得多个轮廓点的过程中的数据处理量。
以上是对根据本公开的一些实施例的图像处理方法的示例性介绍,在另一些实施例中,如图10所示,根据本公开的图像处理方法可以通过下列过程实现,在步骤S1010中,将目标图像1000输入到纹理贴图预测模型中进行纹理贴图预测,获得纹理贴图1011,同时,在步骤S1020中,针对三维模型1021获得三维模型的多个轮廓线对应的多个顶点,并且在步骤S1030中计算多个轮廓线对应的多个顶点中的每一个顶点对应的纹理贴图坐标(1031指示三维模型上的每一个顶点具有相应的纹理贴图坐标);然后在步骤S1040中,基于三维模型的多个轮廓线对应的多个顶点中的每一个顶点对应的纹理贴图坐标和纹理贴图中各个纹理贴图坐标进行计算,获得目标图像中与多个轮廓线对应的多个顶点中的每一个顶点相应的像素位置(1041指示目标图像中的目标对象上具有与三维模型上的多个轮廓线上的每一个轮廓线上的多个顶点对应的像素位置),最后,在步骤S1050中,基于多个轮廓线对应的多个顶点中的每一个顶点和相应的像素位置获得目标图像中目标对象的多个轮廓点(1051指示目标图像中的目标对象上的轮廓点)。
在一些实施例中,在获得目标图像中目标对象的多个轮廓点之后,基于所述多个轮廓点,对所述目标图像的目标对象进行美化处理。
在一些实施例中,利用三角剖分技术基于该多个轮廓点将目标对象所在的区域划分为多个三角形,并基于该多个三角形的顶点对目标对象所在的区域进行调整(变形),使得目标对象所在的区域增加或减小,实现对目标图像中的目标对象进行美化处理。
根据本公开的另一方面,还提供了一种图像处理装置,如图11所示, 装置1100包括:目标图像获取单元1110,被配置用于获得目标图像,所述目标图像中包括目标对象,所述目标对象具有相应的三维模型,所述三维模型具有相应的顶点集,所述顶点集中的每一个顶点位于所述三维模型的表面并且具有相应的纹理贴图坐标;纹理贴图获取单元1120,被配置用于基于所述目标图像,获得纹理贴图,所述纹理贴图指示所述目标对象在所述目标图像中所在的对象区域中的每一个像素位置对应的纹理贴图坐标;以及轮廓点获取单元1130,被配置用于基于所述纹理贴图和所述顶点集中的每一个顶点的纹理贴图坐标,获得所述目标图像中所述目标对象的多个轮廓点,所述多个轮廓点对应于所述顶点集中的多个顶点。
在一些实施例中,所述轮廓点获取单元1130包括:目标顶点获取单元,被配置用于获得所述顶点集中在所述对象区域中具有相应像素位置的多个目标顶点,所述多个目标顶点中的每一个目标顶点的纹理贴图坐标与相应像素位置的纹理贴图坐标之间的距离不大于预设值;以及轮廓点获取子单元,被配置用于基于所述多个目标顶点,获得所述多个轮廓点。
在一些实施例中,所述三维模型包括与所述三维模型上的多个关键点相应的多个轮廓线,所述多个轮廓线中的每一个轮廓线围绕所述三维模型表面设置以覆盖所述顶点集中位于同一水平面或垂面上的多个顶点,所述多个关键点中的每一个关键点用于确定对所述三维模型执行变形,以达到预设效果,所述轮廓点获取子单元包括:目标顶点获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线,获得所述多个目标顶点中位于该轮廓线上的多个第一目标顶点;以及第一获取子单元,被配置用于基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,获得所述多个轮廓点。
在一些实施例中,所述第一获取子单元包括:目标顶点坐标获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,获得该多个第一目标顶点中每一个目标顶点在所述三维模型上的位置坐标;目标顶点对获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,基于该多个第一目标顶点对应的多个坐标,获得该多个第一目标顶点中的第一目标顶点对,所述目标顶点对中的第一两个目标顶点之间的距离大于该多个第一目标顶点中区别于所述第一目标顶点对的任一第一目标顶点对的两个第一目标顶点之间的距离;以及
第二获取子单元,被配置用于基于所述多个轮廓线中的每一个轮廓线对应的第一目标顶点对中的每一个第一目标顶点在所述对象区域中的相应目标像素位置,获得所述多个轮廓点。
在一些实施例中,所述第一获取子单元包括:目标像素位置获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线,获得所述对象区域中与该轮廓线上的多个第一目标顶点对应的多个第一目标像素位置和该多个第一目标像素位置中的每一个第一目标像素位置在所述目标图像中的坐标;以及第二获取子单元,被配置用于基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置的多个坐标,获得所述多个轮廓点。
在一些实施例中,所述第二获取子单元包括:中心位置获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置,基于该多个第一目标像素位置的多个坐标,获得该多个第一目标像素位置对应的中心位置;第一目标像素获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置,获得该多个第一目标像素位置中与该中心位置之间的距离最大的第二目标像素位置;第二目标像素获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置,获得该多个第一目标像素位置中位于该中心位置的第一侧并且与该中心位置之间的距离最大的第三目标像素位置,所述第一侧与所述第二目标像素位置所在的一侧相对,以及第三获取子单元,被配置用于基于所述多个轮廓线中的每一个轮廓线对应的第二目标像素位置和第三像素位置,获得所述多个轮廓点。
在一些实施例中,所述第二获取子单元包括:目标像素位置对获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置,基于该多个第一目标像素位置的多个坐标,获得该多个第一目标像素位置对应的第一目标像素位置对,所述第一目标像素位置对中的两个第一目标像素位置之间的距离大于该多个第一目标像素位置中区别于该第一目标像素位置对的任一第一目标像素位置对中的两个第一目标像素位置之间的距离;以及第四获取子单元,被配置用于基于所述多个轮廓线中的每一个轮廓线对应的目标像素位置对,获得所述多个轮廓点。
在一些实施例中,所述目标对象为人体,所述三维模型为具有蒙皮的多人线性模型。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图12,现将描述可以作为本公开的服务器或客户端的电子设备1200的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图12所示,电子设备1200包括计算单元1201,其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序,来执行各种适当的动作和处理。在RAM 1203中,还可存储电子设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
电子设备1200中的多个部件连接至I/O接口1205,包括:输入单元1206、输出单元1207、存储单元1208以及通信单元1209。输入单元1206可以是能向电子设备1200输入信息的任何类型的设备,输入单元1206可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1207可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1208可以包括但不限于磁盘、光盘。通信单元1209允许电子设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1201的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1201执行上文所描述的各个方法和处理,例如方法200。例如,在一些实施例中,方法200可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1208。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到电子设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时,可以执行上文描述的方法200的一个或多个步骤。备选地,在其他实施例中,计算单元1201可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (16)
1.一种图像处理方法,包括:
获得目标图像,所述目标图像中包括目标对象,所述目标对象具有相应的三维模型,所述三维模型具有相应的顶点集,所述顶点集中的每一个顶点位于所述三维模型的表面并且具有相应的纹理贴图坐标;
基于所述目标图像,获得纹理贴图,所述纹理贴图指示所述目标对象在所述目标图像中所在的对象区域中的每一个像素位置对应的纹理贴图坐标;
基于所述纹理贴图和所述顶点集中的每一个顶点的纹理贴图坐标,获得所述目标图像中所述目标对象的多个轮廓点,所述多个轮廓点对应于所述顶点集中的多个顶点,其中,所述基于所述纹理贴图和所述顶点集中的每一个顶点的纹理贴图坐标,获得所述目标图像中所述目标对象的多个轮廓点包括:
获得所述顶点集中在所述对象区域中具有相应像素位置的多个目标顶点,所述多个目标顶点中的每一个目标顶点的纹理贴图坐标与相应像素位置的纹理贴图坐标之间的距离不大于预设值,以及
基于所述多个目标顶点,获得所述多个轮廓点;以及
基于所述多个轮廓点,对所述目标图像的目标对象进行美化处理。
2.根据权利要求 1所述的方法,其中,所述三维模型包括与所述三维模型上的多个关键点相应的多个轮廓线,所述多个轮廓线中的每一个轮廓线围绕所述三维模型表面设置以覆盖所述顶点集中位于同一水平面或垂面上的多个顶点,所述多个关键点中的每一个关键点用于确定对所述三维模型执行变形,以达到预设效果,所述基于所述多个目标顶点,获得所述多个轮廓点包括:
针对所述多个轮廓线中的每一个轮廓线,获得所述多个目标顶点中位于该轮廓线上的多个第一目标顶点;以及
基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,获得所述多个轮廓点。
3.根据权利要求2所述的方法,其中,所述基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,获得所述多个轮廓点包括:
针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,
获得该多个第一目标顶点中每一个第一目标顶点在所述三维模型上的位置坐标;
基于该多个第一目标顶点对应的多个坐标,获得该多个第一目标顶点中的第一目标顶点对,所述第一目标顶点对中的两个第一目标顶点之间的距离大于该多个第一目标顶点中区别于所述第一目标顶点对的任一第一目标顶点对的两个第一目标顶点之间的距离;以及
基于所述多个轮廓线中的每一个轮廓线对应的第一目标顶点对中的每一个第一目标顶点在所述对象区域中的相应目标像素位置,获得所述多个轮廓点。
4.根据权利要求2所述的方法,其中,所述基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,获得所述多个轮廓点包括:
针对所述多个轮廓线中的每一个轮廓线,获得所述对象区域中与该轮廓线上的多个第一目标顶点对应的多个第一目标像素位置和该多个第一目标像素位置中的每一个第一目标像素位置在所述目标图像中的坐标;以及
基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置的多个坐标,获得所述多个轮廓点。
5.根据权利要求4所述的方法,其中,所述基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置的多个坐标,获得所述多个轮廓点包括:
针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置,基于该多个第一目标像素位置的多个坐标,获得该多个第一目标像素位置对应的第一目标像素位置对,所述第一目标像素位置对中的两个第一目标像素位置之间的距离大于该多个第一目标像素位置中区别于该第一目标像素位置对的任一第一目标像素位置对中的两个第一目标像素位置之间的距离;以及
基于所述多个轮廓线中的每一个轮廓线对应的第一目标像素位置对,获得所述多个轮廓点。
6.根据权利要求4所述的方法,其中,所述基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置的多个坐标,获得所述多个轮廓点包括:
针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置,
基于该多个第一目标像素位置的多个坐标,获得该多个第一目标像素位置对应的中心位置;
获得该多个第一目标像素位置中与该中心位置之间的距离最大的第二目标像素位置;
获得该多个第一目标像素位置中位于该中心位置的第一侧并且与该中心位置之间的距离最大的第三目标像素位置,所述第一侧与所述第二目标像素位置所在的一侧相对,以及
基于所述多个轮廓线中的每一个轮廓线对应的第二目标像素位置和第三像素位置,获得所述多个轮廓点。
7.根据权利要求 1所述的方法,其中,所述目标对象为人体,所述三维模型为具有蒙皮的多人线性模型。
8.一种图像处理装置,包括:
目标图像获取单元,被配置用于获得目标图像,所述目标图像中包括目标对象,所述目标对象具有相应的三维模型,所述三维模型具有相应的顶点集,所述顶点集中的每一个顶点位于所述三维模型的表面并且具有相应的纹理贴图坐标;
纹理贴图获取单元,被配置用于基于所述目标图像,获得纹理贴图,所述纹理贴图指示所述目标对象在所述目标图像中所在的对象区域中的每一个像素位置对应的纹理贴图坐标;以及
轮廓点获取单元,被配置用于基于所述纹理贴图和所述顶点集中的每一个顶点的纹理贴图坐标,获得所述目标图像中所述目标对象的多个轮廓点,所述多个轮廓点对应于所述顶点集中的多个顶点,其中,所述轮廓点获取单元包括:
目标顶点获取单元,被配置用于获得所述顶点集中在所述对象区域中具有相应像素位置的多个目标顶点,所述多个目标顶点中的每一个目标顶点的纹理贴图坐标与相应像素位置的纹理贴图坐标之间的距离不大于预设值,以及
轮廓点获取子单元,被配置用于基于所述多个目标顶点,获得所述多个轮廓点;以及
美化处理单元,被配置用于基于所述多个轮廓点,对所述目标图像的目标对象进行美化处理。
9.根据权利要求8所述的装置,其中,所述三维模型包括与所述三维模型上的多个关键点相应的多个轮廓线,所述多个轮廓线中的每一个轮廓线围绕所述三维模型表面设置以覆盖所述顶点集中位于同一水平面或垂面上的多个顶点,所述多个关键点中的每一个关键点用于确定对所述三维模型执行变形,以达到预设效果,所述轮廓点获取子单元包括:
目标顶点获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线,获得所述多个目标顶点中位于该轮廓线上的多个第一目标顶点;以及
第一获取子单元,被配置用于基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,获得所述多个轮廓点。
10.根据权利要求9所述的装置,其中,所述第一获取子单元包括:
目标顶点坐标获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,获得该多个第一目标顶点中每一个目标顶点在所述三维模型上的位置坐标;
目标顶点对获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标顶点,基于该多个第一目标顶点对应的多个坐标,获得该多个第一目标顶点中的第一目标顶点对,所述第一目标顶点对中的两个第一目标顶点之间的距离大于该多个第一目标顶点中区别于所述第一目标顶点对的任一第一目标顶点对的两个第一目标顶点之间的距离;以及
第二获取子单元,被配置用于基于所述多个轮廓线中的每一个轮廓线对应的第一目标顶点对中的每一个第一目标顶点在所述对象区域中的相应目标像素位置,获得所述多个轮廓点。
11.根据权利要求9所述的装置,其中,所述第一获取子单元包括:
目标像素位置获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线,获得所述对象区域中与该轮廓线上的多个第一目标顶点对应的多个第一目标像素位置和该多个第一目标像素位置中的每一个第一目标像素位置在所述目标图像中的坐标;以及
第二获取子单元,被配置用于基于所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置的多个坐标,获得所述多个轮廓点。
12.根据权利要求 11所述的装置,其中,所述第二获取子单元包括:
中心位置获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置,基于该多个第一目标像素位置的多个坐标,获得该多个第一目标像素位置对应的中心位置;
第一目标像素获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置,获得该多个第一目标像素位置中与该中心位置之间的距离最大的第二目标像素位置;
第二目标像素获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置,获得该多个第一目标像素位置中位于该中心位置的第一侧并且与该中心位置之间的距离最大的第三目标像素位置,所述第一侧与所述第二目标像素位置所在的一侧相对,以及
第三获取子单元,被配置用于基于所述多个轮廓线中的每一个轮廓线对应的第二目标像素位置和第三像素位置,获得所述多个轮廓点。
13.根据权利要求11所述的装置,其中,所述第二获取子单元包括:
目标像素位置对获取单元,被配置用于针对所述多个轮廓线中的每一个轮廓线对应的多个第一目标像素位置,基于该多个第一目标像素位置的多个坐标,获得该多个第一目标像素位置对应的第一目标像素位置对,所述第一目标像素位置对中的两个第一目标像素位置之间的距离大于该多个第一目标像素位置中区别于该第一目标像素位置对的任一第一目标像素位置对中的第一两个目标像素位置之间的距离;以及
第四获取子单元,被配置用于基于所述多个轮廓线中的每一个轮廓线对应的第一目标像素位置对,获得所述多个轮廓点。
14.根据权利要求8所述的装置,其中,所述目标对象为人体,所述三维模型为具有蒙皮的多人线性模型。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211276913.7A CN115345981B (zh) | 2022-10-19 | 2022-10-19 | 图像处理方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211276913.7A CN115345981B (zh) | 2022-10-19 | 2022-10-19 | 图像处理方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115345981A CN115345981A (zh) | 2022-11-15 |
CN115345981B true CN115345981B (zh) | 2023-03-24 |
Family
ID=83957143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211276913.7A Active CN115345981B (zh) | 2022-10-19 | 2022-10-19 | 图像处理方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115345981B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111694429B (zh) * | 2020-06-08 | 2023-06-02 | 北京百度网讯科技有限公司 | 虚拟对象驱动方法、装置、电子设备及可读存储 |
CN112785674A (zh) * | 2021-01-22 | 2021-05-11 | 北京百度网讯科技有限公司 | 纹理贴图的生成方法、渲染方法、装置、设备及存储介质 |
CN114119935B (zh) * | 2021-11-29 | 2023-10-03 | 北京百度网讯科技有限公司 | 图像处理方法和装置 |
CN114202597B (zh) * | 2021-12-07 | 2023-02-03 | 北京百度网讯科技有限公司 | 图像处理方法及装置、设备、介质和产品 |
-
2022
- 2022-10-19 CN CN202211276913.7A patent/CN115345981B/zh active Active
Non-Patent Citations (3)
Title |
---|
Dense-Pose2SMPL: 3D Human Body Shape Estimation From a Single and Multiple Images and Its Performance Study;Dongjun Gu et al.;《IEEE Access》;20220718;第10卷;第75859-75871页 * |
Estimating 3D body mesh without SMPL annotations via alternating successive convex approximation;Wenzhang Sun et al.;《Computer vision and image understanding》;20220822;第1-10页 * |
SMPLR Deep learning based SMPL reverse for 3D human pose and shape recovery;Meysam Madadi et al.;《Pattern Recognition》;20200525;第1-10页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115345981A (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114972958B (zh) | 关键点检测方法、神经网络的训练方法、装置和设备 | |
CN112967356A (zh) | 图像填充方法及装置、电子设备和介质 | |
CN115239888A (zh) | 用于重建三维人脸图像的方法、装置、电子设备和介质 | |
CN114723949A (zh) | 三维场景分割方法和用于训练分割模型的方法 | |
CN114119935A (zh) | 图像处理方法和装置 | |
CN115661375B (zh) | 三维发型生成方法、装置、电子设备和存储介质 | |
CN115761855B (zh) | 面部关键点信息生成、神经网络训练和三维面部重建方法 | |
CN114913549B (zh) | 图像处理方法、装置、设备及介质 | |
CN115345981B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114120448B (zh) | 图像处理方法和装置 | |
CN115393514A (zh) | 三维重建模型的训练方法、三维重建方法、装置、设备 | |
CN115511779A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN115601555A (zh) | 图像处理方法及装置、设备和介质 | |
CN115797660A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN114494797A (zh) | 用于训练图像检测模型的方法和装置 | |
CN114092556A (zh) | 用于确定人体姿态的方法、装置、电子设备、介质 | |
CN114049472A (zh) | 三维模型调整方法、装置、电子设备、介质 | |
CN115423827B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN115359194B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114120412B (zh) | 图像处理方法和装置 | |
CN114882331A (zh) | 图像处理方法、装置、设备和介质 | |
CN115578451A (zh) | 图像处理方法、图像处理模型的训练方法和装置 | |
CN114612617A (zh) | 图像处理方法、装置、电子设备和介质 | |
CN115512131A (zh) | 图像检测方法和图像检测模型的训练方法 | |
CN115601561A (zh) | 高精地图目标检测方法、装置、设备及介质 |
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 |