CN115601316A - 图像处理方法、装置、电子设备及计算机可读存储介质 - Google Patents
图像处理方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115601316A CN115601316A CN202211228990.5A CN202211228990A CN115601316A CN 115601316 A CN115601316 A CN 115601316A CN 202211228990 A CN202211228990 A CN 202211228990A CN 115601316 A CN115601316 A CN 115601316A
- Authority
- CN
- China
- Prior art keywords
- contour
- image
- feature points
- points
- target
- 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 23
- 238000012545 processing Methods 0.000 title claims description 58
- 238000003708 edge detection Methods 0.000 claims abstract description 54
- 238000012937 correction Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 16
- 210000004373 mandible Anatomy 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 210000001847 jaw Anatomy 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000011156 evaluation Methods 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
- 210000000056 organ Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开关于图像处理方法、装置、电子设备及计算机可读存储介质,该方法包括:获取图像中目标轮廓对应的多个特征点;所述多个特征点用于表征所述目标轮廓;对所述图像进行边缘检测,确定边缘检测图像;基于所述多个特征点和所述边缘检测图像,确定至少一个边缘点;所述至少一个边缘点为所述多个特征点外用于表征所述目标轮廓的点;对所述多个特征点和所述至少一个边缘点进行拟合,确定出第一轮廓拟合结果;对所述第一轮廓拟合结果进行修正,确定修正后的图像。本公开提供的技术方案获取到的修正后的图像真实性和自然性较好,提高了图像的真实性和自然性,避免图像出现扭曲变形,修正效果较好。
Description
技术领域
本公开涉及图像处理技术,尤其涉及图像处理方法、装置、电子设备及计算机可读存储介质。
背景技术
随着移动终端的普及,拍照和录像等应用迅速发展,为了满足人们的日常需求,越来越多的拍照和录像应用提供图像美化功能,如瘦脸功能,即通过对人脸图像进行修正,使得用户的脸部变小。在相关技术中,在对图像进行修正时,常常会存在扭曲变形,使得修正后的图像缺失真实性,修正效果较差。
发明内容
本公开提供图像处理方法、装置、电子设备及计算机可读存储介质,以至少解决相关技术对图像进行修正时,修正效果较差的问题。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:
获取图像中目标轮廓对应的多个特征点;所述多个特征点用于表征所述目标轮廓;
对所述图像进行边缘检测,确定边缘检测图像;
基于所述多个特征点和所述边缘检测图像,确定至少一个边缘点;所述至少一个边缘点为所述多个特征点外用于表征所述目标轮廓的点;
对所述多个特征点和所述至少一个边缘点进行拟合,确定出第一轮廓拟合结果;
对所述第一轮廓拟合结果进行修正,确定修正后的图像。
可选地,所述基于所述多个特征点和所述边缘检测图像,确定至少一个边缘点,包括:
基于预先设定的第一选取步长,在两个相邻特征点间的连线上,确定出至少一个选取位置;
针对每一选取位置,基于所述边缘检测图像,确定所述选取位置对应的目标像素区域内的各个像素点对应的边缘强度值;
在各个像素点中,选取出符合预设选取条件的所述边缘强度值对应的目标像素点作为边缘点。
可选地,所述对所述第一轮廓拟合结果进行修正,确定修正后的图像,包括:
基于获取的修正系数,对所述第一轮廓拟合结果进行调整,确定第二轮廓拟合结果;所述修正系数用于指示修正方向和修正幅度;
基于预先设定的第二选取步长在所述第二轮廓拟合结果上进行轮廓点的选取,确定所述目标轮廓多个修正后的轮廓点,所述多个修正后的轮廓点用于表征修正后的目标轮廓;
基于所述多个修正后的轮廓点,确定修正后的图像。
可选地,所述基于所述多个修正后的轮廓点,确定修正后的图像,包括:
基于所述多个修正后的轮廓点,建立多边形网格;
基于所述多边形网格对所述图像进行变形处理,得到修正后的图像。
可选地,所述对所述多个特征点和所述至少一个边缘点进行拟合,确定出第一轮廓拟合结果,包括:
基于所述多个特征点对应的编码信息,在所述多个特征点中,选取出所述编码信息与所述目标轮廓对应的预设编码信息匹配的两个目标特征点;所述编码信息用于标识所述多个特征点;
基于所述两个目标特征点的连线,确定第一坐标轴;基于所述两个目标特征点连线的垂线,确定第二坐标轴;基于所述第一坐标轴和所述第二坐标轴,建立目标坐标系;
确定所述多个特征点和所述至少一个边缘点在所述目标坐标系下的坐标信息;
对所述坐标信息进行拟合,确定第一轮廓拟合结果。
可选地,所述获取图像中目标轮廓对应的多个特征点,包括:
对获取的图像进行轮廓检测,确定出对象轮廓点;
确定所述图像中的对象角度;
基于所述对象角度,在所述对象轮廓点中,选取出用于对对象轮廓中的目标轮廓进行修正的多个特征点。
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:
特征点获取模块,被配置为获取图像中目标轮廓对应的多个特征点;所述多个特征点用于表征所述目标轮廓;
边缘检测模块,被配置为对所述图像进行边缘检测,确定边缘检测图像;
边缘点确定模块,被配置为基于所述多个特征点和所述边缘检测图像,确定至少一个边缘点;所述至少一个边缘点为所述多个特征点外用于表征所述目标轮廓的点;
拟合处理模块,被配置为对所述多个特征点和所述至少一个边缘点进行拟合,确定出第一轮廓拟合结果;
修正处理模块,被配置为对所述第一轮廓拟合结果进行修正,确定修正后的图像。
可选地,所述边缘点确定模块,包括:
位置选取单元,被配置为基于预先设定的第一选取步长,在两个相邻特征点间的连线上,确定出至少一个选取位置;
强度值确定单元,被配置为针对每一选取位置,基于所述边缘检测图像,确定所述选取位置对应的目标像素区域内的各个像素点对应的边缘强度值;
边缘点选取单元,被配置为在各个像素点中,选取出符合预设选取条件的所述边缘强度值对应的目标像素点作为边缘点。
可选地,所述修正处理模块,包括:
调整处理单元,被配置为基于获取的修正系数,对所述第一轮廓拟合结果进行调整,确定第二轮廓拟合结果;所述修正系数用于指示修正方向和修正幅度;
轮廓点确定单元,被配置为基于预先设定的第二选取步长在所述第二轮廓拟合结果上进行轮廓点的选取,确定所述目标轮廓多个修正后的轮廓点,所述多个修正后的轮廓点用于表征修正后的目标轮廓;
结果确定单元,被配置为基于所述多个修正后的轮廓点,确定修正后的图像。
可选地,所述结果确定单元,包括:
网格建立子单元,被配置为基于所述多个修正后的轮廓点,建立多边形网格;
结果确定子单元,被配置为基于所述多边形网格对所述图像进行变形处理,得到修正后的图像。
可选地,所述拟合处理模块,包括:
匹配处理单元,被配置为基于所述多个特征点对应的编码信息,在所述多个特征点中,选取出所述编码信息与所述目标轮廓对应的预设编码信息匹配的两个目标特征点;所述编码信息用于标识所述多个特征点;
坐标系确立单元,被配置为基于所述两个目标特征点的连线,确定第一坐标轴;基于所述两个目标特征点连线的垂线,确定第二坐标轴;基于所述第一坐标轴和所述第二坐标轴,建立目标坐标系;
信息确定单元,被配置为确定所述多个特征点和所述至少一个边缘点在所述目标坐标系下的坐标信息;
拟合处理单元,被配置为对所述坐标信息进行拟合,确定第一轮廓拟合结果。
可选地,特征点获取模块,包括:
检测处理单元,被配置为对获取的图像进行轮廓检测,确定出对象轮廓点;
角度确定单元,被配置为确定所述图像中的对象角度;
特征点选取单元,被配置为基于所述对象角度,在所述对象轮廓点中,选取出用于对对象轮廓中的目标轮廓进行修正的多个特征点。
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,以实现如第一方面所述的图像处理方法。
根据本公开实施例的第四方面,提供一种计算机存储介质,当所述存储介质中的指令处理器执行时,使得电子设备能够执行如第一方面所述的图像处理方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,包括计算机程序或计算机指令,其特征在于,所述计算机程序或计算机指令被处理器执行时实现第一方面所述的图像处理方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
本公开通过获取图像中目标轮廓对应的多个特征点,并对图像进行边缘检测,确定边缘检测图像,然后根据获取的多个特征点和确定的边缘检测图像,确定至少一个边缘点,其中,至少一个边缘点为图像中多个特征点外的,用于表征目标轮廓的点,且该边缘点是对特征点和边缘检测图像综合考虑的结果,准确性较高。进一步对多个特征点和至少一个边缘点进行拟合,确定出第一轮廓拟合结果,第一轮廓拟合结果对应未修正前的目标轮廓,对第一轮廓拟合结果进行修正,确定出修正后的图像。在本公开提供的技术方案中,不仅利用多个特征点对目标轮廓进行表征,还利用至少一个边缘点对目标轮廓进行准确表征,有效增加点的数量,获取到更为准确的第一轮廓拟合结果,该第一轮廓拟合结果与目标轮廓的贴合性较好,从而利用该第一轮廓拟合结果获取到的修正后的图像,具有较好的真实性和自然性。本公开的方法提高了图像的真实性和自然性,避免图像出现扭曲变形,修正效果较好。
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图像处理方法的应用环境示意图;
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图像处理方法中轮廓检测结果的示意图;
图4是根据一示例性实施例示出的一种图像处理方法中边缘检测结果的示意图;
图5是根据一示例性实施例示出的一种图像处理方法中多个特征点和至少一个边缘点的示意图;
图6是根据一示例性实施例示出的一种图像处理方法中拟合结果的示意图;
图7是根据一示例性实施例示出的一种图像处理方法中降采样结果的示意图;
图8是根据一示例性实施例示出的一种图像处理方法中修正结果的示意图一;
图9是根据一示例性实施例示出的一种图像处理方法中修正结果的示意图二;
图10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11是根据一示例性实施例示出的一种终端的框图;
图12是根据一示例性实施例示出的一种服务端的框图。
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。
在一种可能的应用场景中,请参阅图1,其所示为根据一示例性实施例示出的图像处理方法的应用环境示意图,该应用环境可以包括终端11和服务器12,该终端11和服务器12通过无线网络连接。
终端11可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,终端11上安装有提供人机交互功能的客户端软件如应用程序(Application,简称为App),该应用程序可以是独立的应用程序,也可以是应用程序中的子程序。示例性的,该应用程序可以拍照类或录像类应用程序。
服务器12可以是为终端11中的应用程序提供后台服务的服务器。服务器12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。
本领域技术人员可以知晓,上述终端的数量可以仅为一个,几十个或几百个,或者更多数量。本公开实施例对终端的数量和设备类型不加以限定。
在另一种可能的实现场景中,该图像处理方法的可以直接应用于终端中。
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,包括以下步骤。
在步骤S21中,获取图像中目标轮廓对应的多个特征点;所述多个特征点用于表征所述目标轮廓。
在本步骤中,目标轮廓为图像中的待修正轮廓。目标轮廓的获取可以通过用户指定,即用户在终端的图像中选定待修正轮廓,也可以预先设定,即在对图像进行修正时无需用户指定,自行对目标轮廓进行修正。具体地,图像可以为人脸图像,目标轮廓可以为人脸的整体脸部轮廓,还可以为部分脸部轮廓,如下颌线轮廓、颧骨轮廓,还可以为人脸中某一个器官的轮廓。当然图像也可以为宠物图像,目标轮廓可以为宠物的整体轮廓,或脸部轮廓;图像也可以为汽车图像,目标轮廓可以为车身轮廓;在本实施例中对于图像中的对象不作具体限定。需要说明的是,本实施例提供的图像处理方法尤其适用于对人脸下颌线轮廓进行修正,即获取人脸图像中下颌骨区域对应的多个特征点。
多个特征点用于表征目标轮廓,为目标轮廓的部分轮廓点。具体地,对图像进行特征点检测,确定出目标轮廓的多个特征点。需要说明的是,若利用获取到的多个特征点直接对图像进行修正,会因为特征点的数量较少、且与真实的轮廓点存在偏差等原因,难以准确的对图像进行修正,致使修正后的效果存在变形扭曲,如在对脸部轮廓进行修正时,修正后的人脸图像中部分脸部轮廓有凹陷等现象,从而使得修正结果缺乏真实性和自然性。
在一实施例中,所述步骤S21包括:
在步骤S211中,对获取的图像进行轮廓检测,确定出对象轮廓点。
在本步骤中,获取图像,将获取的图像输入预训练的轮廓检测模型进行轮廓检测,确定出多个对象轮廓点。举例来说,图像为人脸图像,对该人脸图像进行轮廓检测,确定出人脸轮廓点,图3示例性的示出一人脸图像的轮廓检测结果,图3中编码信息为0(图3中右眼附近)至18(图3中左耳附近)的点即为确定出的人脸轮廓点。
在步骤S212中,确定所述图像中的对象角度。
在本步骤中,对图像中的对象位置进行检测,确定出图像中的对象角度,对象角度会显示出对象的轮廓是否有无偏转,若有偏转,进一步显示出偏转方向和角度。不同的偏转方向会对对象轮廓存在不同程度的遮挡,从而确定出对象角度,有利于后续准确地获取到多个特征点。例如,在图像为人脸图像的情况下,对象角度为人脸角度,人脸在向左偏转或向右偏转时,会对人脸轮廓存在不同的遮挡,因此通过确定出人脸角度,有利于后续准确地获取到多个特征点。
在步骤S213中,基于所述对象角度,在所述对象轮廓点中,选取出用于对对象轮廓中的目标轮廓进行修正的多个特征点。
在本步骤中,在进行图像的修正过程中,不同的对象角度对修正区域会产生影响。不同的对象角度,对目标轮廓的遮挡不同,从而会在对象轮廓点中选取出不同的多个特征点,此时多个特征点为部分对象轮廓点。在本实施例中通过对对象角度进行考虑,准确地确定出多个特征点。
示例性的,对人脸图像进行下颌线修正时,若人脸图像中的人脸角度显示左脸在前,右脸在后,此时右脸的下颌线被遮挡,需要集中对左脸的下颌线进行修正,从而在人脸轮廓点中,选取出的多个特征点为对左下颌线进行修正的点。具体地,确定人脸轮廓点对应的编码信息,在人脸轮廓点中,选取与左下颌线对应的编码信息相匹配的人脸轮廓点作为参与后续步骤的多个特征点。如图3所示的人脸图像中,图像中的人物左脸在前,右脸在后,因此在编码信息为0至18的人脸轮廓点中选取出左下颌线对应的多个特征点,即编码信息9至15的人脸轮廓点。若人脸图像中的人脸角度显示右脸在前,左脸在后,此时左脸的下颌线被遮挡,因此集中对右脸的下颌线轮廓进行修正,从而在人脸轮廓点中,选取出的多个特征点为对右下颌线轮廓进行修正的点。具体地,确定人脸轮廓点对应的编码信息,在人脸轮廓点中,选取与右下颌线对应的编码信息相匹配的人脸轮廓点作为参与后续步骤的多个特征点。
在步骤S22中,对所述图像进行边缘检测,确定边缘检测图像。
在本步骤中,边缘检测图像用于提供图像中各个像素点对应的边缘强度值。示例性的,用图像滤波中的sobel算子对人脸图像进行处理,得到如图4所示的边缘检测图像,当然还可以利用其他的算法如Prewitt、Roberts、Canny进行边缘检测。
需要说明的是,因步骤S21和步骤S22均为对原始的图像进行处理,因此在本实施例中对于步骤S21和步骤S22的执行顺序不作具体规定。可以先执行步骤S21,再执行步骤S22;或先执行步骤S22,再执行步骤S21;或同时执行步骤S21和步骤S22。
在步骤S23中,基于所述多个特征点和所述边缘检测图像,确定至少一个边缘点;所述至少一个边缘点为所述多个特征点外用于表征所述目标轮廓的点。
在本步骤中,在获取到多个特征点和边缘检测图像后,以多个特征点为辅助,结合边缘检测图像提供的边缘强度值,确定至少一个边缘点,该边缘点为多个特征点外用于表征目标轮廓的点,增加用于表征目标轮廓的点的数量,从而较为准确的得到目标轮廓的边缘。图5示例性的示出了由至少一个边缘点和多个特征点组成的目标轮廓的边缘。
在一实施例中,所述步骤23包括:
在步骤S231中,基于预先设定的第一选取步长,在两个相邻特征点间的连线上,确定出至少一个选取位置。
在本步骤中,预先设定第一选取步长,针对任意两个相邻的特征点,利用第一选取步长在两个相邻特征点间的连线上,确定出至少一个选取位置,在存在一个选取位置时,特征点与该选取位置间的像素距离为第一选取步长,在存在两个以上选取位置时,相邻两个选取位置间的像素距离为第一选取步长。第一选取步长影响选取位置的数量,进而影响边缘点的数量:第一选取步长越小,确定出的选取位置越多,边缘点的数量越多,第一选取步长越大,确定出的选取位置越少,边缘点的数量越少。
在步骤S232中,针对每一选取位置,基于所述边缘检测图像,确定所述选取位置对应的目标像素区域内的各个像素点对应的边缘强度值。
在本步骤中,目标像素区域为用于进行边缘点选取的像素范围,预先设定目标像素区域的确定规则,从而在确定出选取位置后,根据确定规则,得到选取位置对应的目标像素区域。具体地,确定规则可以为两个相邻特征点间的连线的两侧、在选取位置处垂直于两个相邻特征点间的连线的方向上,与该选取位置相邻固定数量的像素距离;当然确定规则也可以为与选取位置相邻固定数量的像素距离。根据边缘检测图像提供的各个像素点对应的边缘强度值,确定每一选取位置分别对应的目标像素区域内各个像素点对应的边缘强度值。
在步骤S233中,在各个像素点中,选取出符合预设选取条件的所述边缘强度值对应的目标像素点作为边缘点。
在本步骤中,预设选取条件为预先设定的用于进行边缘点选取的条件,符合预设选取条件的像素点为目标像素点,目标像素点即为参与后续步骤的边缘点。预设选取条件可以为边缘强度值最大的像素点,也可以为边缘强度值大于设定阈值,且与选取位置的像素距离最小的像素点,当然还可以存在其他的预设选取条件,对此本实施例不作具体限定。
举例来说,确定第一选取步长为10个像素,对于图3中相邻的特征点9和特征点10,在特征点9和特征点10的连线上,从特征点9出发(可以设定以编码信息较小的特征点为出发点)每10个像素确定一个选取位置,假设确定出100个选取位置,在每一个选取位置上,确定选取位置目标像素区域内各个像素点对应的边缘强度值,其中目标像素区域为特征点9和特征点10的连线两侧,在选取位置处垂直于连线的方向上、距离选取位置10个像素距离组成的区域,即在特征点9和特征点10的连线的每一侧对应10个像素距离,共20个像素距离,在20个像素距离内的各个像素点中确定出边缘强度值最大的像素点作为边缘点。
在步骤S24中,对所述多个特征点和所述至少一个边缘点进行拟合,确定出第一轮廓拟合结果。
在本步骤中,在确定了多个特征点和至少一个边缘点后,对多个特征点和至少一个边缘点进行拟合,确定出第一轮廓拟合结果,通过对数量较多的点进行拟合,使得该第一轮廓拟合结果的准确性较高。具体地,拟合的函数可以是一元二次函数,第一轮廓拟合结果对应的目标函数可以为y=a*x*x+b*x+c。
在一实施例中,所述步骤S24包括:
在步骤S241中,基于所述多个特征点对应的编码信息,在所述多个特征点中,选取出所述编码信息与所述目标轮廓对应的预设编码信息匹配的两个目标特征点;所述编码信息用于标识所述多个特征点。
在本步骤中,在确定目标轮廓对应的多个特征点时,不同的特征点存在不同的编码信息,如图3中的特征点9、特征点10等。具体地,预设编码信息为与目标轮廓对应的编码信息最大值和编码信息最小值,当然也可以直接对编码信息的指定,如左下颌线对应的预设编码信息特征点9和特征点15。进一步在多个特征点中,选取出编码信息与预设编码信息匹配的两个目标特征点。
在步骤S242中,基于所述两个目标特征点的连线,确定第一坐标轴;基于所述两个目标特征点连线的垂线,确定第二坐标轴;基于所述第一坐标轴和所述第二坐标轴,建立目标坐标系。
举例来说,确定出的目标特征点为特征点9和特征点15,以特征点9和特征点15间的连线为X轴,以连线中心点为坐标原点,在坐标原点处,以特征点9和特征点15的垂线为Y轴,建立X-Y的目标坐标系。
在步骤S243中,确定所述多个特征点和所述至少一个边缘点在所述目标坐标系下的坐标信息。
在本步骤中,在建立目标坐标下后,对多个特征点和至少一个边缘点进行坐标转换,确定多个特征点和至少一个边缘点在目标坐标下的坐标信息。
在步骤S244中,对所述坐标信息进行拟合,确定第一轮廓拟合结果。
在本步骤中,利用目标坐标系下的坐标信息进行拟合,可以确定出更准确地第一轮廓拟合结果,图6示例性的示出了在目标坐标系下,对坐标信息进行拟合后,得到的第一轮廓拟合结果,该第一轮廓拟合结果平滑性较好,且可以准确的表征目标轮廓。
在本实施例中,在对多个特征点和至少一个边缘点进行拟合时,先对多个特征点和至少一个边缘点进行坐标转换,通常情况下,在图像中确定出的多个特征点和至少一个边缘点对应的是图像的坐标系,在该坐标系下,挖掘多个特征点和至少一个边缘点间的关系难度较大,而在进行坐标转换后,在目标坐标系中,多个特征点和至少一个边缘点间关系更为清晰,因此拟合出的第一轮廓拟合结果的准确性更高。
在步骤S25中,对第一轮廓拟合结果进行修正,确定修正后的图像。
在本步骤中,在获取到第一轮廓拟合结果后,以第一轮廓拟合结果为修正基础,对第一轮廓拟合结果进行修正,确定出修正后的图像。因第一轮廓拟合结果的与目标轮廓的贴合性较好,从而利用该第一轮廓拟合结果获取到的修正后的图像,具有较好的真实性和自然性,提高了图像的真实性和自然性,避免图像出现扭曲变形,修正效果较好。
在一实施例中,步骤S25包括:
在步骤S251中,基于获取的修正系数,对所述第一轮廓拟合结果进行调整,确定第二轮廓拟合结果;所述修正系数用于指示修正方向和修正幅度。
在本步骤中,获取修正系数。具体地,可以预先设定修正系数,即在进行目标轮廓的修正时,读取预先设定的修正系数;也可以根据接收到的用户输入信息,确定修正系数,此时允许用户进行修正系数的指定,以满足用户的不同需求。在获取到修正系数后,利用获取的修正系数对第一轮廓拟合结果进行调整,确定第二轮廓拟合结果。举例来说,第一轮廓拟合结果为y=(a*x*x+b*x+c),修正系数为lamda,若lamda=0.5则表征对下颌区域瘦50%,将修正系数与第一轮廓拟合结果的计算结果,确定为第二轮廓拟合结果,则第二轮廓拟合结果为y=(a*x*x+b*x+c)*lamda。
在步骤252中,基于预先设定的第二选取步长在所述第二轮廓拟合结果上进行轮廓点的选取,确定所述目标轮廓多个修正后的轮廓点,所述多个修正后的轮廓点用于表征修正后的目标轮廓。
在本步骤中,在确定出第二轮廓拟合结果后,基于第二选取步长进行降采样处理,以有效提升计算速度。具体地,预先设定第二选取步长,例如6个像素,在第二轮廓拟合结果上进行轮廓点的选取,从第二轮廓拟合结果的一端为起始点,每间隔一个第二选取步长,选取出一个修正后的轮廓点。图7示例性的示出进行降采样处理后,得到的修正后的轮廓点,修正后的轮廓点可以准确地对目标轮廓进行表征。
在步骤253中,基于所述多个修正后的轮廓点,确定修正后的图像。
在本步骤中,在获取到修正后的轮廓点后,即可以根据修正后的轮廓点对图像进行修正,确定修正后的图像。从而在本实施例中,利用修正系数,获取到准确的第二轮廓拟合结果后,对第二轮廓拟合结果进行降采样处理,有效提升图像的处理速度,从而快速地、准确地对图像进行修正。
在一实施例中,所述步骤253包括:基于所述多个修正后的轮廓点,建立多边形网格;基于所述多边形网格对所述图像进行变形处理,得到修正后的图像。
在本实施例中,在确定多个修正后的轮廓点后,对修正后的轮廓点建立多边形网格,根据多边形网格对图像进行变形处理(warp),得到修正后的图像。具体地,多边形网格为三角形网格。
举例来说,图8中a图示出了未修正前的人脸图像,以人脸图像中的下颌线轮廓为目标轮廓,利用本实施例提供的方法对图8中a图进行处理。也就是说获取图8中a图中下颌线轮廓对应的多个特征点,并对图8中a图进行边缘检测,确定边缘检测图像;然后根据多个特征点和边缘检测图像,确定至少一个边缘点;根据多个特征点对应的编码信息,选取出两个目标特征点,根据两个目标特征点,建立目标坐标系;对多个特征点和至少一个边缘点进行坐标转换,确定多个特征点和至少一个边缘点在目标坐标系下的坐标信息,对多个特征点和至少一个边缘点在目标坐标系下的坐标信息进行拟合,确定第一轮廓拟合结果;进一步获取修正系数,利用修正系数对第一轮廓拟合结果进行调整,确定第二轮廓拟合结果,利用第二选取步长对第二轮廓拟合结果进行降采样,确定目标轮廓多个修正后的轮廓点;进而建立多个修正后的轮廓点对应的多边形网格,根据该多边形网格对图像进行变形处理,得到如图8中b图所示的修正后的图像。将图8中的a图和b图进行对比可知,修正后的人脸图像较为自然,真实性较高,立体感较好,修正后的图像未出现扭曲变形,修正效果较好。
进一步地,图9中a图示出了未修正前的人脸图像,以人脸图像中的下颌线轮廓为目标轮廓,利用本实施例提供的方法对图9中a图进行处理。也就是说获取图9中a图中下颌线轮廓对应的多个特征点,并对图9中a图进行边缘检测,确定边缘检测图像;然后根据多个特征点和边缘检测图像,确定至少一个边缘点;根据多个特征点对应的编码信息,选取出两个目标特征点,根据两个目标特征点,建立目标坐标系;对多个特征点和至少一个边缘点进行坐标转换,确定多个特征点和至少一个边缘点在目标坐标系下的坐标信息,对多个特征点和至少一个边缘点在目标坐标系下的坐标信息进行拟合,确定第一轮廓拟合结果;进一步获取修正系数,利用修正系数对第一轮廓拟合结果进行调整,确定第二轮廓拟合结果,利用第二选取步长对第二轮廓拟合结果进行降采样,确定目标轮廓多个修正后的轮廓点;进而建立多个修正后的轮廓点对应的多边形网格,根据该多边形网格对图像进行变形处理,得到如图9中b图所示的修正后的图像。将图9中的a图和b图进行对比可知,修正后的人脸图像较为自然,真实性较高,立体感较好,修正后的图像未出现扭曲变形,修正效果较好。
在上述实施例中,通过获取图像中目标轮廓对应的多个特征点,并对图像进行边缘检测,确定边缘检测图像,然后根据获取的多个特征点和确定的边缘检测图像,确定至少一个边缘点,其中,至少一个边缘点为图像中多个特征点外的,用于表征目标轮廓的点,且该边缘点是对特征点和边缘检测图像综合考虑的结果,准确性较高。进一步对多个特征点和至少一个边缘点进行拟合,确定出第一轮廓拟合结果,第一轮廓拟合结果对应未修正前的目标轮廓,对第一轮廓拟合结果进行修正,确定出修正后的图像。在本实施例提供的技术方案中,不仅利用多个特征点对目标轮廓进行表征,还利用至少一个边缘点对目标轮廓进行准确表征,有效增加点的数量,获取到更为准确的第一轮廓拟合结果,该第一轮廓拟合结果与目标轮廓的贴合性较好,从而利用该第一轮廓拟合结果获取到的修正后的图像,具有较好的真实性和自然性。本实施例的方法提高了图像的真实性和自然性,避免图像出现扭曲变形,修正效果较好。
图10是根据一示例性实施例示出的一种图像处理装置的框图,该装置设置于服务器。该装置包括特征点获取模块101、边缘检测模块102、边缘点确定模块103、拟合处理模块104和修正处理模块105。
该特征点获取模块101,被配置为获取图像中目标轮廓对应的多个特征点;所述多个特征点用于表征所述目标轮廓;
该边缘检测模块102,被配置为对所述图像进行边缘检测,确定边缘检测图像;
该边缘点确定模块103,被配置为基于所述多个特征点和所述边缘检测图像,确定至少一个边缘点;所述至少一个边缘点为所述多个特征点外用于表征所述目标轮廓的点;
该拟合处理模块104,被配置为对所述多个特征点和所述至少一个边缘点进行拟合,确定出第一轮廓拟合结果;
该修正处理模块105,被配置为对所述第一轮廓拟合结果进行修正,确定修正后的图像。
在本公开一示例性实施例中,所述边缘点确定模块,包括:
位置选取单元,被配置为基于预先设定的第一选取步长,在两个相邻特征点间的连线上,确定出至少一个选取位置;
强度值确定单元,被配置为针对每一选取位置,基于所述边缘检测图像,确定所述选取位置对应的目标像素区域内的各个像素点对应的边缘强度值;
边缘点选取单元,被配置为在各个像素点中,选取出符合预设选取条件的所述边缘强度值对应的目标像素点作为边缘点。
在本公开一示例性实施例中,所述修正处理模块,包括:
调整处理单元,被配置为基于获取的修正系数,对所述第一轮廓拟合结果进行调整,确定第二轮廓拟合结果;所述修正系数用于指示修正方向和修正幅度;
轮廓点确定单元,被配置为基于预先设定的第二选取步长在所述第二轮廓拟合结果上进行轮廓点的选取,确定所述目标轮廓多个修正后的轮廓点,所述多个修正后的轮廓点用于表征修正后的目标轮廓;
结果确定单元,被配置为基于所述多个修正后的轮廓点,确定修正后的图像。
在本公开一示例性实施例中,所述结果确定单元,包括:
网格建立子单元,被配置为基于所述多个修正后的轮廓点,建立多边形网格;
结果确定子单元,被配置为基于所述多边形网格对所述图像进行变形处理,得到修正后的图像。
在本公开一示例性实施例中,所述拟合处理模块,包括:
匹配处理单元,被配置为基于所述多个特征点对应的编码信息,在所述多个特征点中,选取出所述编码信息与所述目标轮廓对应的预设编码信息匹配的两个目标特征点;所述编码信息用于标识所述多个特征点;
坐标系确立单元,被配置为基于所述两个目标特征点的连线,确定第一坐标轴;基于所述两个目标特征点连线的垂线,确定第二坐标轴;基于所述第一坐标轴和所述第二坐标轴,建立目标坐标系;
信息确定单元,被配置为确定所述多个特征点和所述至少一个边缘点在所述目标坐标系下的坐标信息;
拟合处理单元,被配置为对所述坐标信息进行拟合,确定第一轮廓拟合结果。
在本公开一示例性实施例中,特征点获取模块,包括:
检测处理单元,被配置为对获取的图像进行轮廓检测,确定出对象轮廓点;
角度确定单元,被配置为确定所述图像中的对象角度;
特征点选取单元,被配置为基于所述对象角度,在所述对象轮廓点中,选取出用于对对象轮廓中的目标轮廓进行修正的多个特征点。
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电子设备终端的框图。终端1100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11,终端1100可以包括以下一个或多个组件:处理组件1102,存储器1104,电力组件1106,多媒体组件1108,音频组件1110,输入/输出(I/O)的接口1112,传感器组件1114,以及通信组件1116。
处理组件1102通常控制终端1100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1102可以包括一个或多个处理器1120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1102可以包括一个或多个模块,便于处理组件1102和其他组件之间的交互。例如,处理组件1102可以包括多媒体模块,以方便多媒体组件1108和处理组件1102之间的交互。
存储器1104被配置为存储各种类型的数据以支持在终端1100的操作。这些数据的示例包括用于在终端1100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1104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1106为终端1100的各种组件提供电力。电源组件1106可以包括电源管理系统,一个或多个电源,及其他与为终端1100生成、管理和分配电力相关联的组件。
多媒体组件1108包括在所述终端1100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1108包括一个前置摄像头和/或后置摄像头。当终端1100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1110被配置为输出和/或输入音频信号。例如,音频组件1110包括一个麦克风(MIC),当终端1100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1104或经由通信组件1116发送。在一些实施例中,音频组件1110还包括一个扬声器,用于输出音频信号。
I/O接口1112为处理组件1102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1114包括一个或多个传感器,用于为终端1100提供各个方面的状态评估。例如,传感器组件1114可以检测到终端1100的打开/关闭状态,组件的相对定位,例如所述组件为终端1100的显示器和小键盘,传感器组件1114还可以检测终端1100或终端1100一个组件的位置改变,用户与终端1100接触的存在或不存在,终端1100方位或加速/减速和终端1100的温度变化。传感器组件1114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1114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1114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1116被配置为便于终端1100和其他设备之间有线或无线方式的通信。终端1100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、4G或5G),或它们的组合。在一个示例性实施例中,通信组件1116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1116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,终端1100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,用于执行上述图像处理方法。
图12是根据一示例性实施例示出的一种电子设备服务器的结构示意图。参照图12,服务器1200包括处理组件1222,其进一步包括一个或多个处理器,以及由存储器1232所代表的存储器资源,用于存储可由处理组件1222的执行的指令,例如应用程序。存储器1232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1222被配置为执行指令,以执行上述图像处理的实现方法。
服务器1200还可以包括一个电源组件1226被配置为执行服务器1200的电源管理,一个有线或无线网络接口1250被配置为将服务器1200连接到网络,和一个输入输出(I/O)接口1258。电子设备1200可以操作基于存储在存储器1232的操作系统,例如WindowsServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种包括指令的存储介质,当所述存储介质中的指令由服务器的处理器执行时,使得服务器能够执行如上述任一方法实施例所述的应用于服务器的图像处理方法或应用于终端的图像处理方法。可选地,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,还提供了一种计算机程序产品,该计算机程序产品包括可读性程序代码,该可读性程序代码可由服务器的处理器执行以完成上述应用于服务器的图像处理方法,或由终端的处理器执行以完成上述应用于终端的图像处理方法。可选地,该程序代码可以存储在终端或服务器的存储介质中,该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。本领域技术人员在考虑说明书及实践这里公开的公开后,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:
获取图像中目标轮廓对应的多个特征点;所述多个特征点用于表征所述目标轮廓;
对所述图像进行边缘检测,确定边缘检测图像;
基于所述多个特征点和所述边缘检测图像,确定至少一个边缘点;所述至少一个边缘点为所述多个特征点外用于表征所述目标轮廓的点;
对所述多个特征点和所述至少一个边缘点进行拟合,确定出第一轮廓拟合结果;
对所述第一轮廓拟合结果进行修正,确定修正后的图像。
2.根据权利要求1所述的方法,其特征在于,所述基于所述多个特征点和所述边缘检测图像,确定至少一个边缘点,包括:
基于预先设定的第一选取步长,在两个相邻特征点间的连线上,确定出至少一个选取位置;
针对每一选取位置,基于所述边缘检测图像,确定所述选取位置对应的目标像素区域内的各个像素点对应的边缘强度值;
在各个像素点中,选取出符合预设选取条件的所述边缘强度值对应的目标像素点作为边缘点。
3.根据权利要求1所述的方法,其特征在于,所述对所述第一轮廓拟合结果进行修正,确定修正后的图像,包括:
基于获取的修正系数,对所述第一轮廓拟合结果进行调整,确定第二轮廓拟合结果;所述修正系数用于指示修正方向和修正幅度;
基于预先设定的第二选取步长在所述第二轮廓拟合结果上进行轮廓点的选取,确定所述目标轮廓多个修正后的轮廓点,所述多个修正后的轮廓点用于表征修正后的目标轮廓;
基于所述多个修正后的轮廓点,确定修正后的图像。
4.根据权利要求3所述的方法,其特征在于,所述基于所述多个修正后的轮廓点,确定修正后的图像,包括:
基于所述多个修正后的轮廓点,建立多边形网格;
基于所述多边形网格对所述图像进行变形处理,得到修正后的图像。
5.根据权利要求1所述的方法,其特征在于,所述对所述多个特征点和所述至少一个边缘点进行拟合,确定出第一轮廓拟合结果,包括:
基于所述多个特征点对应的编码信息,在所述多个特征点中,选取出所述编码信息与所述目标轮廓对应的预设编码信息匹配的两个目标特征点;所述编码信息用于标识所述多个特征点;
基于所述两个目标特征点的连线,确定第一坐标轴;基于所述两个目标特征点连线的垂线,确定第二坐标轴;基于所述第一坐标轴和所述第二坐标轴,建立目标坐标系;
确定所述多个特征点和所述至少一个边缘点在所述目标坐标系下的坐标信息;
对所述坐标信息进行拟合,确定第一轮廓拟合结果。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述获取图像中目标轮廓对应的多个特征点,包括:
对获取的图像进行轮廓检测,确定出对象轮廓点;
确定所述图像中的对象角度;
基于所述对象角度,在所述对象轮廓点中,选取出用于对对象轮廓中的目标轮廓进行修正的多个特征点。
7.一种图像处理装置,其特征在于,包括:
特征点获取模块,被配置为获取图像中目标轮廓对应的多个特征点;所述多个特征点用于表征所述目标轮廓;
边缘检测模块,被配置为对所述图像进行边缘检测,确定边缘检测图像;
边缘点确定模块,被配置为基于所述多个特征点和所述边缘检测图像,确定至少一个边缘点;所述至少一个边缘点为所述多个特征点外用于表征所述目标轮廓的点;
拟合处理模块,被配置为对所述多个特征点和所述至少一个边缘点进行拟合,确定出第一轮廓拟合结果;
修正处理模块,被配置为对所述第一轮廓拟合结果进行修正,确定修正后的图像。
8.根据权利要求7所述的装置,其特征在于,所述边缘点确定模块,包括:
位置确定单元,被配置为基于预先设定的第一选取步长,在两个相邻特征点间的连线上,确定出至少一个选取位置;
强度值确定单元,被配置为针对每一选取位置,基于所述边缘检测图像,确定所述选取位置对应的目标像素区域内的各个像素点对应的边缘强度值;
边缘点确定单元,被配置为在各个像素点中,选取出符合预设选取条件的所述边缘强度值对应的目标像素点作为边缘点。
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6中任一项所述的图像处理方法。
10.一种计算机可读存储介质,其特征在于,当所述存储介质中的指令处理器执行时,使得服务器能够执行如权利要求1至6中任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211228990.5A CN115601316A (zh) | 2022-10-08 | 2022-10-08 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211228990.5A CN115601316A (zh) | 2022-10-08 | 2022-10-08 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115601316A true CN115601316A (zh) | 2023-01-13 |
Family
ID=84847669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211228990.5A Pending CN115601316A (zh) | 2022-10-08 | 2022-10-08 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115601316A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315288A (zh) * | 2023-11-28 | 2023-12-29 | 图兮数字科技(北京)有限公司 | 目标对象的轮廓确定方法、装置、电子设备及存储介质 |
-
2022
- 2022-10-08 CN CN202211228990.5A patent/CN115601316A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315288A (zh) * | 2023-11-28 | 2023-12-29 | 图兮数字科技(北京)有限公司 | 目标对象的轮廓确定方法、装置、电子设备及存储介质 |
CN117315288B (zh) * | 2023-11-28 | 2024-02-13 | 图兮数字科技(北京)有限公司 | 目标对象的轮廓确定方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107798669B (zh) | 图像去雾方法、装置及计算机可读存储介质 | |
KR101694643B1 (ko) | 이미지 분할 방법, 장치, 기기, 프로그램 및 기록매체 | |
CN109784255B (zh) | 神经网络训练方法及装置以及识别方法及装置 | |
CN109087238B (zh) | 图像处理方法和装置、电子设备以及计算机可读存储介质 | |
CN107958439B (zh) | 图像处理方法及装置 | |
CN110688951A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109377446B (zh) | 人脸图像的处理方法及装置、电子设备和存储介质 | |
CN107330868B (zh) | 图片处理方法及装置 | |
CN109840939B (zh) | 三维重建方法、装置、电子设备及存储介质 | |
CN107944367B (zh) | 人脸关键点检测方法及装置 | |
CN110288716B (zh) | 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 | |
CN107341777B (zh) | 图片处理方法及装置 | |
TWI718631B (zh) | 人臉圖像的處理方法及裝置、電子設備和儲存介質 | |
CN109325908B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
JP2017526316A (ja) | 動画ファイルの識別子を処理する方法、装置、プログラム及び記録媒体 | |
CN111553864A (zh) | 图像修复方法及装置、电子设备和存储介质 | |
EP3113071A1 (en) | Method and device for acquiring iris image | |
CN109472738B (zh) | 图像光照校正方法及装置、电子设备和存储介质 | |
CN106503682B (zh) | 视频数据中的关键点定位方法及装置 | |
CN107958223B (zh) | 人脸识别方法及装置、移动设备、计算机可读存储介质 | |
CN105678296B (zh) | 确定字符倾斜角度的方法及装置 | |
CN110807769B (zh) | 图像显示控制方法及装置 | |
KR102273059B1 (ko) | 얼굴 이미지를 강화하는 방법 및 장치, 전자 기기 | |
CN115601316A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |