CN117274498A - 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 PDFInfo
- Publication number
- CN117274498A CN117274498A CN202311340047.8A CN202311340047A CN117274498A CN 117274498 A CN117274498 A CN 117274498A CN 202311340047 A CN202311340047 A CN 202311340047A CN 117274498 A CN117274498 A CN 117274498A
- Authority
- CN
- China
- Prior art keywords
- image
- skin
- value
- processed
- determining
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 69
- 238000000227 grinding Methods 0.000 claims abstract description 57
- 208000035874 Excoriation Diseases 0.000 claims abstract description 9
- 238000005498 polishing Methods 0.000 claims description 80
- 238000000034 method Methods 0.000 claims description 37
- 238000003801 milling Methods 0.000 claims description 34
- 238000001914 filtration Methods 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 21
- 230000001815 facial effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 206010040844 Skin exfoliation Diseases 0.000 abstract description 111
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000036548 skin texture Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- 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
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2021—Shape modification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开提供了一种图像处理方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及图像处理、深度学习、大语言模型等人工智能技术领域。包括：获取待处理图像对应的第一磨皮图像；确定第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重；基于第一磨皮权重及待处理图像中的皮肤区域，对第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像；确定第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重；基于第二磨皮权重及待处理图像中的脸部区域，对第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。由此，获取的目标磨皮图像在减少皮肤瑕疵的同时，保留了皮肤的细节，使磨皮后的图像看起来更自然。
Description
技术领域
本公开涉及计算机技术领域，尤其涉及图像处理、深度学习、大语言模型等人工智能技术领域，具体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
随着图像处理技术的发展和用户对图像质量需求的逐步提升，越来越多的用户开始热衷于图像的美化处理。而磨皮处理是一种常用的美化处理方式，能够对图像中的皮肤纹理或杂质等细节进行处理，使皮肤区域更加细腻，提升了显示效果。因此，如何对图像进行磨皮处理成为重点的研究方向。
发明内容
本公开提供了一种图像处理方法、装置、电子设备及存储介质。
根据本公开的第一方面，提供了一种图像处理方法，包括：
获取待处理图像对应的第一磨皮图像；
确定所述第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重；
基于所述第一磨皮权重及所述待处理图像中的皮肤区域，对所述第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像。
确定所述第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重；
基于所述第二磨皮权重及所述待处理图像中的脸部区域，对所述第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。
根据本公开的第二方面，提供了一种大语言模型的训练方法，包括：
获取待处理图像及所述待处理图像对应的目标磨皮图像，其中，所述目标磨皮图像为基于如第一方面所述的图像处理方法对所述待处理图像处理得到的；
将所述待处理图像输入初始大语言模型中，以获取所述初始大语言模型输出的预测磨皮图像；
根据所述目标磨皮图像与所述预测磨皮图像之间的差异，对所述初始大语言模型进行训练，以获取目标大语言模型。
根据本公开的第三方面，提供了一种图像处理装置，包括：
获取模块，用于获取待处理图像对应的第一磨皮图像；
第一确定模块，用于确定所述第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重；
第一更新模块，用于基于所述第一磨皮权重及所述待处理图像中的皮肤区域，对所述第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像；
第二确定模块，用于确定所述第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重；
第二更新模块，用于基于所述第二磨皮权重及所述待处理图像中的脸部区域，对所述第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。
根据本公开的第四方面，提供了一种大语言模型的训练装置，包括：
第一获取模块，用于获取待处理图像及所述待处理图像对应的目标磨皮图像，其中，所述目标磨皮图像为基于第二方面所述的图像处理方法对所述待处理图像处理得到的；
第二获取模块，用于所述待处理图像输入初始大语言模型中，以获取所述初始大语言模型输出的预测磨皮图像；
训练模块，用于根据所述目标磨皮图像与所述预测磨皮图像之间的差异，对所述初始大语言模型进行训练，以获取目标大语言模型。
根据本公开的第五方面，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如第一方面所述的图像处理方法。
根据本公开第六方面，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，所述计算机指令用于使所述计算机执行如第一方面所述的图像处理方法。
根据本公开的第七方面，提供了一种计算机程序产品，包括计算机指令，所述计算机指令在被处理器执行时实现如第一方面所述的图像处理方法的步骤。
本公开提供的图像处理方法、装置、电子设备及存储介质，存在如下有益效果：
本公开实施例中，可以先获取待处理图像对应的第一磨皮图像，之后确定第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重，基于第一磨皮权重及待处理图像中的皮肤区域，对第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像，进而确定第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重，最后基于第二磨皮权重及待处理图像中的脸部区域，对第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。由此，可以先对待处理图像中的整个皮肤区域先进行磨皮，得到第二磨皮图像，之后再逐像素对第二磨皮图像中的脸部区域进一步磨皮，使获取的目标磨皮图像在减少皮肤瑕疵的同时，保留了皮肤的细节，使磨皮后的图像看起来更自然。
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
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开一实施例提供的一种图像处理方法的流程示意图；
图2是根据本公开又一实施例提供的一种图像处理方法的流程示意图；
图3是根据本公开又一实施例提供的一种图像处理方法的流程示意图；
图4是根据本公开又一实施例提供的一种图像处理方法的流程示意图；
图5是根据本公开又一实施例提供的一种图像处理方法的流程示意图；
图6是根据本公开又一实施例提供的一种大语言模型的训练方法的流程示意图；
图7是根据本公开一实施例提供的一种图像处理装置的结构示意图；
图8是根据本公开一实施例提供的一种大语言模型的训练装置的结构示意图；
图9是用来实现本公开实施例的图像处理方法的电子设备的框图。
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和精神。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。
本公开实施例涉及计算机视觉、深度学习等人工智能技术领域。
人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别三个部分。
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。
下面参考附图描述本公开实施例的图像处理方法、装置、电子设备及存储介质。
其中，需要说明的是，本实施例的图像处理方法的执行主体为图像处理装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。
图1是根据本公开一实施例提供的一种图像处理方法的流程示意图。
如图1所示，该图像处理方法包括：
S101：获取待处理图像对应的第一磨皮图像。
其中，待处理图像可以为待进行磨皮的图像。
在一些实施例中，待处理图像中可以包含皮肤区域，其中，皮肤区域中可以包含脸部区域。即待处理图像中可以只包含脸部区域，也可以包含脸部区域及除脸部区域外的其他皮肤区域。
其中，第一磨皮图像可以为对待处理图像中的皮肤区域进行初次磨皮，得到的图像。
可选的，可以对待处理图像中的皮肤区域进行频域滤波处理，得到第一磨皮图像。或者，也可以对待处理图像中的皮肤区域进行高斯模糊处理，得到第一磨皮图像。本公开对此不做限定。
其中，频域滤波是一种基于傅里叶变换的图像处理技术，可以通过滤波操作来调整待处理图像的频谱内容。在磨皮处理中，可以将高频信息过滤掉，从而使肤色看起来更加平滑。
其中，高斯模糊是一种常用的模糊滤镜，可以通过降低待处理图像的高频细节来实现磨皮效果。
S102，确定第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重。
其中，第一像素点可以为第一磨皮图像中皮肤区域中的像素点。
可选的，第一磨皮图像的皮肤区域中可以包含一个第一像素点，也可以包含多个第一像素点。
在一些实施例中，可以预先设置第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重。可选的，多个第一像素点对应的第一磨皮权重可以相同，也可以不相同，本公开对此不做限定。
S103，基于第一磨皮权重及待处理图像中的皮肤区域，对第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像。
可选的，获取待处理图像中与第一像素点对应的像素点的第一像素值、第一像素点对应的第三像素值，之后基于第一磨皮权重，将第一像素值与第三像素值进行融合，以获取第一目标像素值，最后基于第一目标像素值，对第一磨皮图像中的第三像素值进行更新，以获取第二磨皮图像。由此，可以逐像素地对第一磨皮图像中皮肤区域进行更新，从而可以准确地确定第二磨皮图像。
需要说明的是，待处理图像与第一磨皮图像中的像素点的数量是相同的，像素点的位置是一一对应的。因此，可以将待处理图像中与第一像素点对应的像素点的第一像素值与第一像素点的第三像素值进行融合，进而对第一磨皮图像中第一像素点的第三像素值进行更新，从而可以获取更新后的第二磨皮图像。
在一些实施例中，可以根据第一磨皮权重，确定待处理图像中与第一像素点对应的像素点对应的第三磨皮权重。具体的，第一磨皮权重与第三磨皮权重的和为1，即第三磨皮权重为1与第一磨皮权重的差值。
其中，第一像素点对应的第一目标像素值可以为：第一磨皮权重*第一像素值+第三磨皮权重*第三像素值。
S104，确定第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重。
其中，第二像素点可以为第二磨皮图像中脸部区域中的像素点。
可选的，第二磨皮图像的脸部区域中可以包含多个第二像素点。
在一些实施例中，可以预先设置第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重。可选的，多个第二像素点对应的第二磨皮权重可以相同，也可以不相同。本公开对此不做限定。
在一些实施例中，可以采用预先训练好的图像识别模型，对待处理图像进行识别，以获取待处理图像中的皮肤区域及脸部区域。进一步地还可以生成掩膜图，其中，掩膜图中的皮肤区域、脸部区域及其他区域可以分别采用不同的像素值进行显示，进而可以基于掩膜图，快速地确定本公开实施例中除待处理图像外的其他图像中的皮肤区域及脸部区域。
其中，图像识别模型可以为基于大量包含皮肤区域和脸部区域标签数据的图像训练生成的。
S105，基于第二磨皮权重及待处理图像中的脸部区域，对第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。
需要说明的是，由于脸部区域的皮肤与其他区域的皮肤存在一定的差异，比如，脸部区域在化妆的情况下，会存在多种颜色。且脸部区域存在五官，为了突出五官的立体感等，可以在对皮肤区域进行统一磨皮之后，对脸部区域进行更精细的处理，从而使得到的目标磨皮图像中的脸部区域更加真实立体。
可选的，获取待处理图像中与第二像素点对应的像素点的第四像素值、第二像素点对应的第五像素值，之后基于第二磨皮权重，将第四像素值与第五像素值进行融合，以获取第二目标像素值，最后基于第二目标像素值，对第二磨皮图像中的第五像素值进行更新，以获取目标磨皮图像。由此，可以逐像素地对第二磨皮图像中脸部区域进行更新，从而可以准确地确定目标磨皮图像。
需要说明的是，待处理图像与第二磨皮图像中的像素点的数量是相同的，像素点的位置是一一对应的。因此，可以将待处理图像中与第二像素点对应的像素点的第四像素值与第二像素点的第五像素值进行融合，进而对第二磨皮图像中第二像素点的第五像素值进行更新，从而可以获取更新后的目标磨皮图像。
在一些实施例中，可以根据第二磨皮权重，确定待处理图像中与第二像素点对应的像素点对应的第四磨皮权重。具体的，第二磨皮权重与第四磨皮权重的和为1，即第四磨皮权重为1与第二磨皮权重的差值。
其中，第二像素点对应的第二目标像素值可以为：第二磨皮权重*第三像素值+第四磨皮权重*第五像素值。
本公开实施例中，可以先获取待处理图像对应的第一磨皮图像，之后确定第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重，基于第一磨皮权重及待处理图像中的皮肤区域，对第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像，进而确定第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重，最后基于第二磨皮权重及待处理图像中的脸部区域，对第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。由此，可以先对待处理图像中的整个皮肤区域先进行磨皮，得到第二磨皮图像，之后再逐像素对第二磨皮图像中的脸部区域进一步磨皮，使获取的目标磨皮图像在减少皮肤瑕疵的同时，保留了皮肤的细节，使磨皮后的图像看起来更自然。
图2是根据本公开又一实施例提供的一种图像处理方法的流程示意图；
如图2所示，该图像处理方法包括：
S201，获取待处理图像对应的第一磨皮图像。
其中，步骤S201的具体实现形式，可以参照本公开中其余各实施例中的详细描述，此处不再具体赘述。
S202，对待处理图像进行边缘处理，以获取边缘图像。
在一些实施例中，可以采用拉普拉斯(Laplace)算子、索贝尔(Sobel)算子等对待处理图像进行边缘处理，以获取边缘图像。
可选的，也可以基于第二半径及第二步长，对待处理图像进行高斯滤波处理，以获取第二高斯图像，之后基于待处理图像中的皮肤区域，对第二高斯图像中的皮肤区域进行更新，以获取第三高斯图像，最后基于第二半径及第二步长，对第三高斯图像进行高斯滤波处理，以获取边缘图像。由此，通过对待处理图像进行高斯滤波处理，进而基于待处理图像对第二图像进行更新，进而再进行高斯滤波处理，从而使获取的边缘图像中，可以更加清楚的反映皮肤与其他区域的边缘。
比如，第二半径可以为6、第二步长可以为3。本公开对此不做限定。
可选的，可以将待处理图像中的皮肤区域与第二高斯图像中的皮肤区域进行融合，进而获取第三高斯图像。
具体的，可以先获取待处理图像中与第一像素点对应的像素点的第一像素值、第二高斯图像中与第一像素点对应的像素点的第二像素值，之后确定第一像素值与第二像素值之间的像素差值，确定像素差值与第四参数之间的第一乘积，最后基于第一乘积的平方值与第四数值之间的最小值，对第二高斯图像中的第二像素值进行更新，以获取第三高斯图像。由此，可以基于待处理图像，对第二高斯图像进行准确的更新，从而获取更加准确的第三高斯图像。
比如，确定第一乘积的公式可以为：d＝γ(o-m1)
其中，d为第一乘积，γ为第四参数，取值范围为[0，1]，o为待处理图像中的第一像素值，m1为第二高斯图像中的第二像素值，o-m1为像素差值。
S203，基于第一半径及第一步长，对待处理图像进行高斯滤波处理，得到第一高斯图像。
其中，第一半径与第二半径不同，第一步长为第一半径的一半。
S204，根据待处理图像、边缘图像及第一高斯图像分别对应的皮肤区域，确定第一磨皮权重。
可选的，确定第一磨皮权重可以包括以下步骤：
(1)获取待处理图像中与第一像素点对应的像素点的第一红色分量，第一高斯图像中与第一像素点对应的像素点的第二红色分量。
其中，待处理图像中与第一像素点对应的像素点在待处理图像中的位置，与第一像素点在第一磨皮图像中的位置相同。第一高斯图像中与第一像素点对应的像素点在第一高斯图像中的位置，与第一像素点在第一磨皮图像中的位置相同。
其中，第一红色分量为待处理图像中与第一像素点对应的像素点的红色像素值。第二红色分量为第一高斯图像中与第一像素点对应的像素点的红色像素值。
(2)根据第一红色分量及第二红色分量，确定第一数值。
可选的，可以先确定第二红色分量与第一参数之间的第一差值，之后确定第一差值与第一红色分量之间的最小值，再确定最小值与第二参数之间的第二差值；最后将第二差值与第三参数之间的乘积，确定为第一数值。由此，结合预设的参数，准确地确定第一数值，为后续准确地确定第一磨皮权重提供了支持。
其中，确定第一数值的公式可以为：
p＝λ(min(Ro，Rc-α)-β)
其中，p为第一数值，λ为第三参数，Ro为第一红色分量，Rc为第二红色分量，α为第一参数，β为第二参数。
(3)获取边缘图像中与第一像素点对应的像素点的第三红色分量、绿色分量及蓝色分量。
其中，边缘图像中与第一像素点对应的像素点在边缘图像中的位置，与第一像素点在第一磨皮图像中的位置相同。
其中，第三红色分量、绿色分量及蓝色分量分别为边缘图像中与第一像素点对应的像素点的红色通道值，绿色通道值、蓝色通道值。
(4)根据第三红色分量、绿色分量及蓝色分量的平均值及第一数值，确定第一像素点对应的第一磨皮权重。
其中，可以先确定平均值与第二数值之间的第三差值，之后确定平均值与第三差值之间的比值，再确定第三数值与比值之间的第四差值，最后将第四差值与第一数值的乘积，确定为第一磨皮权重。由此，可以准确地确定第一磨皮权重。
需要说明的是，本公开实施例是对图像中的皮肤进行磨皮处理，由于皮肤的颜色中红色分量的占比较大，因此，分别获取待处理图像及第一高斯图像中像素点中的红色分量，进而基于红色分量，确定第一磨皮权重，从而可以使生成的第二磨皮图像中可以保留皮肤原本的颜色，避免出现颜色失真。
需要说明的是，本公开实施例中像素点对应的像素值(比如，第一像素值、第二像素值等)、红色分量(第一红色分量、第二红色分量、第三红色分量)、绿色分量、蓝色分量等都是经过归一化处理的。
S205，基于第一磨皮权重及待处理图像中的皮肤区域，对第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像。
S206，确定第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重。
S207，基于第二磨皮权重及待处理图像中的脸部区域，对第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。
其中，步骤S205至步骤S207的具体实现形式，可以参照本公开中其余各实施例中的详细描述，此处不再具体赘述。
本公开实施例中，获取待处理图像对应的第一磨皮图像，对待处理图像进行边缘处理，以获取边缘图像，并基于第一半径及第一步长，对待处理图像进行高斯滤波处理，得到第一高斯图像，根据待处理图像、边缘图像及第一高斯图像分别对应的皮肤区域，确定第一磨皮权重，之后基于第一磨皮权重及待处理图像中的皮肤区域，对第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像，最后确定第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重，并基于第二磨皮权重及待处理图像中的脸部区域，对第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。由此，可以结合待处理图像、边缘图像及第一高斯图像中的皮肤区域，准确地确定第一磨皮权重，使生成的第二磨皮图像更加自然，进而使确定的目标磨皮图像更加自然。
图3是根据本公开又一实施例提供的一种图像处理方法的流程示意图；
如图3所示，该图像处理方法包括：
S301，获取待处理图像对应的第一磨皮图像。
S302，确定第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重。
S303，基于第一磨皮权重及待处理图像中的皮肤区域，对第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像。
其中，步骤S301至步骤S303的具体实现形式，可以参照本公开中其余各实施例中的详细描述，此处不再具体赘述。
S304，确定待处理图像对应的灰度图。
S305，基于灰度图中与第二像素点对应的像素点的灰度值，确定第二磨皮权重。
其中，灰度图中与第二像素点对应的像素点在灰度图中的位置，与第二像素点在第二磨皮图像中的位置相同。
可选的，可以先确定灰度值与第五数值之间的差值绝对值，之后确定差值绝对值与第六数值之间的第二乘积，最后将第七数值与第二乘积之间的差值，确定为第二磨皮权重。
其中，第五数值可以为0.5，第六数值可以为2，第七数值可以为1。则确定第二磨皮权重的公式可以为：q＝1-2|0.5-J|；其中，q为第二磨皮权重，J为灰度图中与第二像素点对应的像素点的灰度值。
需要说明的是，人的脸部还有很多的妆容，磨皮需要更细腻。灰度图用来保证脸部的光影不失真，保证立体感。公式中，J小于0.5是影，大于0.5是光，乘以2可以放大调节效果，让暗的多调节，光的少调节。从而根据灰度图可以确定脸部区域的光影，将光影计算在内，调节脸部区域，有助于保留原有脸部区域的光影立体感，增加脸部细节区域的细腻程度。
S306，基于第二磨皮权重及待处理图像中的脸部区域，对第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。
本公开实施例中，先获取待处理图像对应的第一磨皮图像，之后确定第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重，基于第一磨皮权重及待处理图像中的皮肤区域，对第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像，进而确定待处理图像对应的灰度图，基于灰度图中与第二像素点对应的像素点的灰度值，确定第二磨皮权重，最后基于第二磨皮权重及待处理图像中的脸部区域，对第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。由此，可以结合灰度图，准确地确定脸部区域的光亮和阴影部分，进而准确地确定跟第二磨皮权重，从而可以使生成的目标磨皮图像保留原有脸部区域的光影立体感，增加脸部区域的细腻程度。
图4是根据本公开又一实施例提供的一种图像处理方法的流程示意图；
如图4所示，该图像处理方法包括：
S401，获取第一卷积核及第二卷积核，其中，第一卷积核的模糊等级大于第二卷积核的模糊等级。
S402，基于第一卷积核及第二卷积核分别对待处理图像进行表面模糊滤波处理，得到第一模糊图像和第二模糊图像。
其中，第一卷积核用于对待处理图像进行模糊滤波处理，以获取第一模糊图像，第一模糊图像为低频图像，低频图像中包含待处理图像的整体信息。
其中，第二卷积用于对待处理图像进行模糊滤波处理，以获取第二模糊图像，第二模糊图像为高频图像，高频图像中包含待处理图像的细节信息。
因此，需设置第一卷积核的模糊等级大于第二卷积核的模糊等级。即第一模糊图像比第二模糊图像更模糊。
S403，基于第一模糊图像及第二模糊图像，对待处理图像的皮肤区域进行更新，以获取第三模糊图像。
本公开实施例中，可以基于第一模糊图像及第二模糊图像，将待处理图像中的暗部提亮、亮部变暗，从而使第三模糊图像中的皮肤区域更平滑。其中，第三模糊图像也可以称为柔和图。
可选的，可以将第二模糊图像与第一模糊图像做差分处理，以获取差分图像，之后获取待处理图像中与第一像素点对应的像素点的第一像素值，差分图像中与第一像素点对应的像素点的第六像素值，并确定第八数值与第六像素值之间的第五差值，将第五差值与第一像素值的乘积，确定为第三目标像素值，最后基于第三目标像素值，对待处理图像的皮肤区域进行更新，以获取第三模糊图像。
其中，将第二模糊图像与第一模糊图像做差分处理，即将第二模糊图像与第二模糊图像中对应像素点的像素值进行作差，得到差分图像。其中，差分图像也可以成为阴影图像。
其中，差分图像中，皮肤高光处色值大于0，且越亮值越大；阴影处色值小于0，且越暗值越小。
其中，差分图像中与第一像素点对应的像素点在差分图像中的位置与第一像素点在第一磨皮图像中的位置相同。
其中，第八数值可以为1。
本公开实施例中，通过将第二模糊图像与第一模糊图像做差分处理，从而可以准确地确定待处理图像中的阴影部分和高光部分，从而对待处理图像的皮肤区域进行更新，使获取第三模糊图像中的皮肤区域更加平滑、柔和。
S404，基于第一模糊图像，对第三模糊图像的皮肤区域进行更新，以获取第一磨皮图像。
可选的，获取第三模糊图像对应的第一权重、第一模糊图像对应的第二权重，之后基于第一权重和第二权重，将第一模糊图像的皮肤区域与第三模糊图像的皮肤区域进行融合，以获取融合后的皮肤区域图像，最后利用皮肤区域图像，对第三模糊图像的皮肤区域进行更新，以获取第一磨皮图像。由此，可以根据第一权重和第二权重，准确地确定第一模糊图像与第三模糊图像的融合比例，从而使获取第一磨皮图像在去掉瑕疵的同时，保留更多的皮肤细节。
其中，第一权重和第二权重的和为1，第一权重和第二权重的比例可以为4:1，5：1等，本公开对此不做限定。比如，比例为4；1，则第一权重为0.8，第二权重为0.2。
本公开实施例中，可以基于第一权重和第二权重，将第一模糊图像的皮肤区域的每个像素点与第三模糊图像的皮肤区域的对应像素点的像素值进行融合，得到皮肤区域图像。具体的，皮肤区域图像中任一像素点对应的像素值为：第一模糊图像中的像素值*第一权重+第三模糊图像中的像素值*第二权重。
其中，利用皮肤区域图像，对第三模糊图像的皮肤区域进行更新，可以理解为将第三模糊图像中的皮肤区域替换为融合后的皮肤区域图像。
S405，确定第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重。
S406，基于第一磨皮权重及待处理图像中的皮肤区域，对第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像。
S407，确定第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重。
S408，基于第二磨皮权重及待处理图像中的脸部区域，对第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。
其中，步骤S405至步骤S408的具体实现形式，可以参照本公开中其余各实施例中的详细描述，此处不再具体赘述。
本公开实施例中，可以基于第一卷积核及第二卷积核分别对待处理图像进行表面模糊滤波处理，得到第一模糊图像和第二模糊图像，基于第一模糊图像及第二模糊图像，对待处理图像的皮肤区域进行更新，以获取第三模糊图像，并基于第一模糊图像，对第三模糊图像的皮肤区域进行更新，以获取第一磨皮图像，之后基于第一磨皮权重及待处理图像中的皮肤区域，对第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像；基于第二磨皮权重及待处理图像中的脸部区域，对第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。由此，可以基于第一模糊图像和第二模糊图像，对待处理图像进行初次磨皮，使得到的第一磨皮图像在保留更多的皮肤细节的同时，更加平滑，为后续对第一磨皮图像进一步磨皮提高了条件，进而使生成的目标磨皮图像在去掉瑕疵的同时，更加自然。
图5是根据本公开又一实施例提供的一种图像处理方法的流程示意图；
如图5所示，该图像处理方法包括：
S501：获取待处理图像O。
S502：基于第一卷积核及第二卷积核分别对待处理图像进行表面模糊滤波处理，得到第一模糊图像A和第二模糊图像B。
S503：将第二模糊图像与第一模糊图像做差分处理，以获取差分图像D。
S504，基于差分图像D，对待处理图像的皮肤区域进行更新，以获取第三模糊图像E。
具体的，可以通过O*(1-D)，确定第三模糊图像E。
S505，基于第一模糊图像A，对第三模糊图像E的皮肤区域进行更新，以获取第一磨皮图像F。
具体的，可以以4:1的比例混合第三模糊图像E和第一模糊图像A，得到第一磨皮图像F。
S506，对待处理图像O进行边缘处理，以获取边缘图像G。
S507，对待处理图像进行高斯滤波处理，得到第一高斯图像C。
S508，根据待处理图像、边缘图像及第一高斯图像分别对应的皮肤区域，确定第一磨皮权重k。
S509，基于第一磨皮权重k及待处理图像O中的皮肤区域，对第一磨皮图像F中的皮肤区域进行更新，以获取第二磨皮图像H。
具体的，可以以k:(1-K)的比例融合待处理图像O和第一磨皮图像F中的皮肤区域，得到第二磨皮图像H。
S510，确定待处理图像对应的灰度图J。
S511，基于灰度图J，确定第二磨皮权重q。
S512，基于第二磨皮权重q及待处理图像O中的脸部区域，对第二磨皮图像H中的脸部区域进行更新，以获取目标磨皮图像R。
具体的，可以以q:(1-q)的比例融合待处理图像O和第二磨皮图像H中的脸部区域，得到目标磨皮图像R。
图5中的掩膜图M(Mask图)可以用于确定每张图像中的脸部区域及皮肤区域。
图6是根据本公开又一实施例提供的一种大语言模型的训练方法的流程示意图；
如图6所示，该大语言模型的训练方法包括：
S601，获取待处理图像及待处理图像对应的目标磨皮图像。
其中，目标磨皮图像为基于本公开其他各实施例中的图像处理方法对待处理图像处理得到的。
在一些实施例中，待处理图像可以为一张，也可以为多张，本公开对此不做限定。
S602，将待处理图像输入初始大语言模型中，以获取初始大语言模型输出的预测磨皮图像。
其中，初始大语言模型(Large Language Model,缩写LLM)可以是生成式预训练变形器(Chat Generative Pre-trained Transformer，ChatGPT)类型的模型，比如，ChatGPT-3，ChatGPT-4等。本公开对此不做限定。
其中，预测磨皮图像可以为大语言模型对待处理图像进行磨皮后，得到的图像。
S603，根据目标磨皮图像与预测磨皮图像之间的差异，对初始大语言模型进行训练，以获取目标大语言模型。
本公开实施例中，可以根据损失函数，计算目标磨皮图像与预测磨皮图像之间的差异，进而根据计算得到的损失值，对初始大语言模型中的参数进行微调，以获取目标大语言模型。
在一些实施例中，若待处理图像为多张，则可以对初始大语言模型进行迭代训练，以获取性能更优的目标大语言模型。
本公开实施例中，可以先获取待处理图像及待处理图像对应的目标磨皮图像，之后将待处理图像输入初始大语言模型中，以获取初始大语言模型输出的预测磨皮图像，最后根据目标磨皮图像与预测磨皮图像之间的差异，对初始大语言模型进行训练，以获取目标大语言模型。由此，可以基于待处理图像及对应的目标磨皮图像，对初始大语言模型进行微调，以使微调后的目标大语言模型可以具备图像磨皮的能力，进而使大语言模型可以应用在图像磨皮领域，且大语言模型输出的磨皮图像在减少皮肤瑕疵的同时，保留了皮肤的细节，使磨皮后的图像看起来更自然。
图7是根据本公开一实施例提供的一种图像处理装置的结构示意图
如图7所示，该图像处理装置700，包括：
获取模块701，用于获取待处理图像对应的第一磨皮图像；
第一确定模块702，用于确定第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重；
第一更新模块703，用于基于第一磨皮权重及待处理图像中的皮肤区域，对第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像；
第二确定模块704，用于确定第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重；
第二更新模块705，用于基于第二磨皮权重及待处理图像中的脸部区域，对第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。
在本公开的一些实施例中，其中，第一确定模块702，用：
对待处理图像进行边缘处理，以获取边缘图像；
基于第一半径及第一步长，对待处理图像进行高斯滤波处理，得到第一高斯图像；
根据待处理图像、边缘图像及第一高斯图像分别对应的皮肤区域，确定第一磨皮权重。
在本公开的一些实施例中，其中，第一确定模块702，用于：
获取待处理图像中与第一像素点对应的像素点的第一红色分量，第一高斯图像中与第一像素点对应的像素点的第二红色分量；
根据第一红色分量及第二红色分量，确定第一数值；
获取边缘图像中与第一像素点对应的像素点的第三红色分量、绿色分量及蓝色分量；
根据第三红色分量、绿色分量及蓝色分量的平均值及第一数值，确定第一像素点对应的第一磨皮权重。
在本公开的一些实施例中，其中，第一确定模块702，用于：
确定第二红色分量与第一参数之间的第一差值；
确定第一差值与第一红色分量之间的最小值；
确定最小值与第二参数之间的第二差值；
将第二差值与第三参数之间的乘积，确定为第一数值。
在本公开的一些实施例中，其中，第一确定模块702，用于：
确定平均值与第二数值之间的第三差值；
确定平均值与第三差值之间的比值；
确定第三数值与比值之间的第四差值；
将第四差值与第一数值的乘积，确定为第一磨皮权重。
在本公开的一些实施例中，其中，第一确定模块702，用于：
基于第二半径及第二步长，对待处理图像进行高斯滤波处理，以获取第二高斯图像；
基于待处理图像中的皮肤区域，对第二高斯图像中的皮肤区域进行更新，以获取第三高斯图像；
基于第二半径及第二步长，对第三高斯图像进行高斯滤波处理，以获取边缘图像。
在本公开的一些实施例中，其中，第一确定模块702，用于：
获取待处理图像中与第一像素点对应的像素点的第一像素值、第二高斯图像中与第一像素点对应的像素点的第二像素值；
确定第一像素值与第二像素值之间的像素差值；
确定像素差值与第四参数之间的第一乘积；
基于第一乘积的平方值与第四数值之间的最小值，对第二高斯图像中的第二像素值进行更新，以获取第三高斯图像。
在本公开的一些实施例中，其中，第一更新模块703，用于：
获取待处理图像中与第一像素点对应的像素点的第一像素值、第一像素点对应的第三像素值；
基于第一磨皮权重，将第一像素值与第三像素值进行融合，以获取第一目标像素值；
基于第一目标像素值，对第一磨皮图像中的第三像素值进行更新，以获取第二磨皮图像。
在本公开的一些实施例中，其中，第二确定模块704，用于：
确定待处理图像对应的灰度图；
基于灰度图中与第二像素点对应的像素点的灰度值，确定第二磨皮权重。
在本公开的一些实施例中，其中，第二确定模块704，用于：
确定灰度值与第五数值之间的差值绝对值；
确定差值绝对值与第六数值之间的第二乘积；
将第七数值与第二乘积之间的差值，确定为第二磨皮权重。
在本公开的一些实施例中，其中，第二更新模块705，用于：
获取待处理图像中与第二像素点对应的像素点的第四像素值、第二像素点对应的第五像素值；
基于第二磨皮权重，将第四像素值与第五像素值进行融合，以获取第二目标像素值；
基于第二目标像素值，对第二磨皮图像中的第五像素值进行更新，以获取目标磨皮图像。
在本公开的一些实施例中，其中，获取模块701，用于：
获取第一卷积核及第二卷积核，其中，第一卷积核的模糊等级大于第二卷积核的模糊等级；
基于第一卷积核及第二卷积核分别对待处理图像进行表面模糊滤波处理，得到第一模糊图像和第二模糊图像；
基于第一模糊图像及第二模糊图像，对待处理图像的皮肤区域进行更新，以获取第三模糊图像；
基于第一模糊图像，对第三模糊图像的皮肤区域进行更新，以获取第一磨皮图像。
在本公开的一些实施例中，其中，获取模块701，用于：
将第二模糊图像与第一模糊图像做差分处理，以获取差分图像；
获取待处理图像中与第一像素点对应的像素点的第一像素值，差分图像中与第一像素点对应的像素点的第六像素值；
确定第八数值与第六像素值之间的第五差值；
将第五差值与第一像素值的乘积，确定为第三目标像素值；
基于第三目标像素值，对待处理图像的皮肤区域进行更新，以获取第三模糊图像。
在本公开的一些实施例中，其中，获取模块701，用于：
获取第三模糊图像对应的第一权重、第一模糊图像对应的第二权重；
基于第一权重和第二权重，将第一模糊图像的皮肤区域与第三模糊图像的皮肤区域进行融合，以获取融合后的皮肤区域图像；
利用皮肤区域图像，对第三模糊图像的皮肤区域进行更新，以获取第一磨皮图像。
需要说明的是，前述对图像处理方法的解释说明也适用于本实施例的图像处理装置，此处不再赘述。
本公开实施例中，可以先获取待处理图像对应的第一磨皮图像，之后确定第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重，基于第一磨皮权重及待处理图像中的皮肤区域，对第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像，进而确定第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重，最后基于第二磨皮权重及待处理图像中的脸部区域，对第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。由此，可以先对待处理图像中的整个皮肤区域先进行磨皮，得到第二磨皮图像，之后再逐像素对第二磨皮图像中的脸部区域进一步磨皮，使获取的目标磨皮图像在减少皮肤瑕疵的同时，保留了皮肤的细节，使磨皮后的图像看起来更自然。
图8是根据本公开一实施例提供的一种大语言模型的训练装置的结构示意图；
如图8所示，该大语言模型的训练装置800，包括：
第一获取模块801，用于获取待处理图像及待处理图像对应的目标磨皮图像，其中，目标磨皮图像为基于图像处理装置700对待处理图像处理得到的；
第二获取模块802，用于待处理图像输入初始大语言模型中，以获取初始大语言模型输出的预测磨皮图像；
训练模块803，用于根据目标磨皮图像与预测磨皮图像之间的差异，对初始大语言模型进行训练，以获取目标大语言模型。
本公开实施例中，可以先获取待处理图像及待处理图像对应的目标磨皮图像，之后将待处理图像输入初始大语言模型中，以获取初始大语言模型输出的预测磨皮图像，最后根据目标磨皮图像与预测磨皮图像之间的差异，对初始大语言模型进行训练，以获取目标大语言模型。由此，可以基于待处理图像及对应的目标磨皮图像，对初始大语言模型进行微调，以使微调后的目标大语言模型可以具备图像磨皮的能力，进而使大语言模型可以应用在图像磨皮领域，且大语言模型输出的磨皮图像在减少皮肤瑕疵的同时，保留了皮肤的细节，使磨皮后的图像看起来更自然。
根据本公开的实施例，本公开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。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，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9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900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。
计算单元901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901的一些示例包括但不限于中央处理单元(CPU)、图像处理单元(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901执行上文所描述的各个方法和处理，例如图像处理方法。例如，在一些实施例中，图像处理方法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908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的图像处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像处理方法。
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)、负载可编程逻辑设备(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，具有图像用户界面或者网络浏览器的用户计算机，用户可以通过该图像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)、互联网及区块链网络。
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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。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，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，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。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。在本公开的描述中，所使用的词语“如果”及“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“在……情况下”。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (33)
1.一种图像处理方法，包括：
获取待处理图像对应的第一磨皮图像；
确定所述第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重；
基于所述第一磨皮权重及所述待处理图像中的皮肤区域，对所述第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像；
确定所述第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重；
基于所述第二磨皮权重及所述待处理图像中的脸部区域，对所述第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。
2.根据权利要求1所述的方法，其中，所述确定所述第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重，包括：
对所述待处理图像进行边缘处理，以获取边缘图像；
基于第一半径及第一步长，对所述待处理图像进行高斯滤波处理，得到第一高斯图像；
根据所述待处理图像、所述边缘图像及所述第一高斯图像分别对应的皮肤区域，确定所述第一磨皮权重。
3.根据权利要求2所述的方法，其中，所述根据所述待处理图像、所述边缘图像及所述第一高斯图像分别对应的皮肤区域，确定所述第一磨皮权重，包括：
获取所述待处理图像中与所述第一像素点对应的像素点的第一红色分量，所述第一高斯图像中与所述第一像素点对应的像素点的第二红色分量；
根据所述第一红色分量及所述第二红色分量，确定第一数值；
获取所述边缘图像中与所述第一像素点对应的像素点的第三红色分量、绿色分量及蓝色分量；
根据所述第三红色分量、绿色分量及蓝色分量的平均值及所述第一数值，确定所述第一像素点对应的第一磨皮权重。
4.根据权利要求3所述的方法，其中，所述根据所述第一红色分量及所述第二红色分量，确定第一数值，包括：
确定所述第二红色分量与第一参数之间的第一差值；
确定所述第一差值与所述第一红色分量之间的最小值；
确定所述最小值与第二参数之间的第二差值；
将所述第二差值与第三参数之间的乘积，确定为所述第一数值。
5.根据权利要求3所述的方法，其中，所述根据所述第三红色分量、绿色分量及蓝色分量的平均值及所述第一数值，确定所述第一像素点对应的第一磨皮权重，包括：
确定所述平均值与第二数值之间的第三差值；
确定所述平均值与所述第三差值之间的比值；
确定第三数值与所述比值之间的第四差值；
将所述第四差值与所述第一数值的乘积，确定为所述第一磨皮权重。
6.根据权利要求2所述的方法，其中，所述对所述待处理图像进行边缘处理，以获取边缘图像，包括：
基于第二半径及第二步长，对所述待处理图像进行高斯滤波处理，以获取第二高斯图像；
基于所述待处理图像中的皮肤区域，对所述第二高斯图像中的皮肤区域进行更新，以获取第三高斯图像；
基于所述第二半径及第二步长，对所述第三高斯图像进行高斯滤波处理，以获取所述边缘图像。
7.根据权利要求6所述的方法，其中，所述基于所述待处理图像中的皮肤区域，对所述第二高斯图像中的皮肤区域进行更新，以获取第三高斯图像，包括：
获取所述待处理图像中与所述第一像素点对应的像素点的第一像素值、所述第二高斯图像中与所述第一像素点对应的像素点的第二像素值；
确定所述第一像素值与所述第二像素值之间的像素差值；
确定所述像素差值与第四参数之间的第一乘积；
基于所述第一乘积的平方值与第四数值之间的最小值，对所述第二高斯图像中的第二像素值进行更新，以获取所述第三高斯图像。
8.根据权利要求1-7任一所述的方法，其中，所述基于所述第一磨皮权重及所述待处理图像中的皮肤区域，对所述第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像，包括：
获取所述待处理图像中与所述第一像素点对应的像素点的第一像素值、所述第一像素点对应的第三像素值；
基于第一磨皮权重，将所述第一像素值与所述第三像素值进行融合，以获取第一目标像素值；
基于所述第一目标像素值，对所述第一磨皮图像中的第三像素值进行更新，以获取所述第二磨皮图像。
9.根据权利要求1所述的方法，其中，所述确定所述第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重，包括：
确定所述待处理图像对应的灰度图；
基于所述灰度图中与所述第二像素点对应的像素点的灰度值，确定所述第二磨皮权重。
10.根据权利要求9所述的方法，其中，所述基于所述灰度图中与所述第二像素点对应的像素点的灰度值，确定所述第二磨皮权重，包括：
确定所述灰度值与第五数值之间的差值绝对值；
确定所述差值绝对值与第六数值之间的第二乘积；
将第七数值与所述第二乘积之间的差值，确定为所述第二磨皮权重。
11.根据权利要求1所述的方法，其中，所述基于所述第二磨皮权重及所述待处理图像中的脸部区域，对所述第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像，包括：
获取所述待处理图像中与所述第二像素点对应的像素点的第四像素值、所述第二像素点对应的第五像素值；
基于第二磨皮权重，将所述第四像素值与所述第五像素值进行融合，以获取第二目标像素值；
基于所述第二目标像素值，对所述第二磨皮图像中的第五像素值进行更新，以获取所述目标磨皮图像。
12.根据权利要求1所述的方法，其中，所述获取待处理图像对应的第一磨皮图像，包括：
获取第一卷积核及第二卷积核，其中，所述第一卷积核的模糊等级大于所述第二卷积核的模糊等级；
基于所述第一卷积核及所述第二卷积核分别对所述待处理图像进行表面模糊滤波处理，得到第一模糊图像和第二模糊图像；
基于所述第一模糊图像及所述第二模糊图像，对所述待处理图像的皮肤区域进行更新，以获取第三模糊图像；
基于所述第一模糊图像，对所述第三模糊图像的皮肤区域进行更新，以获取所述第一磨皮图像。
13.根据权利要求12所述的方法，其中，所述基于所述第一模糊图像及所述第二模糊图像，对所述待处理图像的皮肤区域进行更新，以获取第三模糊图像，包括：
将所述第二模糊图像与所述第一模糊图像做差分处理，以获取差分图像；
获取所述待处理图像中与所述第一像素点对应的像素点的第一像素值，所述差分图像中与所述第一像素点对应的像素点的第六像素值；
确定第八数值与所述第六像素值之间的第五差值；
将所述第五差值与所述第一像素值的乘积，确定为第三目标像素值；
基于所述第三目标像素值，对所述待处理图像的皮肤区域进行更新，以获取所述第三模糊图像。
14.根据权利要求12所述的方法，其中，所述基于所述第一模糊图像，对所述第三模糊图像的皮肤区域进行更新，以获取所述第一磨皮图像，包括：
获取所述第三模糊图像对应的第一权重、所述第一模糊图像对应的第二权重；
基于所述第一权重和所述第二权重，将所述第一模糊图像的皮肤区域与所述第三模糊图像的皮肤区域进行融合，以获取融合后的皮肤区域图像；
利用所述皮肤区域图像，对所述第三模糊图像的皮肤区域进行更新，以获取所述第一磨皮图像。
15.一种大语言模型的训练方法，包括：
获取待处理图像及所述待处理图像对应的目标磨皮图像，其中，所述目标磨皮图像为基于如权利1-14任一所述的图像处理方法对所述待处理图像处理得到的；
将所述待处理图像输入初始大语言模型中，以获取所述初始大语言模型输出的预测磨皮图像；
根据所述目标磨皮图像与所述预测磨皮图像之间的差异，对所述初始大语言模型进行训练，以获取目标大语言模型。
16.一种图像处理装置，包括：
获取模块，用于获取待处理图像对应的第一磨皮图像；
第一确定模块，用于确定所述第一磨皮图像的皮肤区域中第一像素点对应的第一磨皮权重；
第一更新模块，用于基于所述第一磨皮权重及所述待处理图像中的皮肤区域，对所述第一磨皮图像中的皮肤区域进行更新，以获取第二磨皮图像；
第二确定模块，用于确定所述第二磨皮图像的脸部区域中第二像素点对应的第二磨皮权重；
第二更新模块，用于基于所述第二磨皮权重及所述待处理图像中的脸部区域，对所述第二磨皮图像中的脸部区域进行更新，以获取目标磨皮图像。
17.根据权利要求16所述的装置，其中，所述第一确定模块，用：
对所述待处理图像进行边缘处理，以获取边缘图像；
基于第一半径及第一步长，对所述待处理图像进行高斯滤波处理，得到第一高斯图像；
根据所述待处理图像、所述边缘图像及所述第一高斯图像分别对应的皮肤区域，确定所述第一磨皮权重。
18.根据权利要求17所述的装置，其中，所述第一确定模块，用于：
获取所述待处理图像中与所述第一像素点对应的像素点的第一红色分量，所述第一高斯图像中与所述第一像素点对应的像素点的第二红色分量；
根据所述第一红色分量及所述第二红色分量，确定第一数值；
获取所述边缘图像中与所述第一像素点对应的像素点的第三红色分量、绿色分量及蓝色分量；
根据所述第三红色分量、绿色分量及蓝色分量的平均值及所述第一数值，确定所述第一像素点对应的第一磨皮权重。
19.根据权利要求18所述的装置，其中，所述第一确定模块，用于：
确定所述第二红色分量与第一参数之间的第一差值；
确定所述第一差值与所述第一红色分量之间的最小值；
确定所述最小值与第二参数之间的第二差值；
将所述第二差值与第三参数之间的乘积，确定为所述第一数值。
20.根据权利要求18所述的装置，其中，所述第一确定模块，用于：
确定所述平均值与第二数值之间的第三差值；
确定所述平均值与所述第三差值之间的比值；
确定第三数值与所述比值之间的第四差值；
将所述第四差值与所述第一数值的乘积，确定为所述第一磨皮权重。
21.根据权利要求17所述的装置，其中，所述第一确定模块，用于：
基于第二半径及第二步长，对所述待处理图像进行高斯滤波处理，以获取第二高斯图像；
基于所述待处理图像中的皮肤区域，对所述第二高斯图像中的皮肤区域进行更新，以获取第三高斯图像；
基于所述第二半径及第二步长，对所述第三高斯图像进行高斯滤波处理，以获取所述边缘图像。
22.根据权利要求21所述的装置，其中，所述第一确定模块，用于：
获取所述待处理图像中与所述第一像素点对应的像素点的第一像素值、所述第二高斯图像中与所述第一像素点对应的像素点的第二像素值；
确定所述第一像素值与所述第二像素值之间的像素差值；
确定所述像素差值与第四参数之间的第一乘积；
基于所述第一乘积的平方值与第四数值之间的最小值，对所述第二高斯图像中的第二像素值进行更新，以获取所述第三高斯图像。
23.根据权利要求16-22任一所述的装置，其中，所述第一更新模块，用于：
获取所述待处理图像中与所述第一像素点对应的像素点的第一像素值、所述第一像素点对应的第三像素值；
基于第一磨皮权重，将所述第一像素值与所述第三像素值进行融合，以获取第一目标像素值；
基于所述第一目标像素值，对所述第一磨皮图像中的第三像素值进行更新，以获取所述第二磨皮图像。
24.根据权利要求16所述的装置，其中，所述第二确定模块，用于：
确定所述待处理图像对应的灰度图；
基于所述灰度图中与所述第二像素点对应的像素点的灰度值，确定所述第二磨皮权重。
25.根据权利要求24所述的装置，其中，所述第二确定模块，用于：
确定所述灰度值与第五数值之间的差值绝对值；
确定所述差值绝对值与第六数值之间的第二乘积；
将第七数值与所述第二乘积之间的差值，确定为所述第二磨皮权重。
26.根据权利要求16所述的装置，其中，所述第二更新模块，用于：
获取所述待处理图像中与所述第二像素点对应的像素点的第四像素值、所述第二像素点对应的第五像素值；
基于第二磨皮权重，将所述第四像素值与所述第五像素值进行融合，以获取第二目标像素值；
基于所述第二目标像素值，对所述第二磨皮图像中的第五像素值进行更新，以获取所述目标磨皮图像。
27.根据权利要求16所述的装置，其中，所述获取模块，用于：
获取第一卷积核及第二卷积核，其中，所述第一卷积核的模糊等级大于所述第二卷积核的模糊等级；
基于所述第一卷积核及所述第二卷积核分别对所述待处理图像进行表面模糊滤波处理，得到第一模糊图像和第二模糊图像；
基于所述第一模糊图像及所述第二模糊图像，对所述待处理图像的皮肤区域进行更新，以获取第三模糊图像；
基于所述第一模糊图像，对所述第三模糊图像的皮肤区域进行更新，以获取所述第一磨皮图像。
28.根据权利要求27所述的装置，其中，所述获取模块，用于：
将所述第二模糊图像与所述第一模糊图像做差分处理，以获取差分图像；
获取所述待处理图像中与所述第一像素点对应的像素点的第一像素值，所述差分图像中与所述第一像素点对应的像素点的第六像素值；
确定第八数值与所述第六像素值之间的第五差值；
将所述第五差值与所述第一像素值的乘积，确定为第三目标像素值；
基于所述第三目标像素值，对所述待处理图像的皮肤区域进行更新，以获取所述第三模糊图像。
29.根据权利要求27所述的装置，其中，所述获取模块，用于：
获取所述第三模糊图像对应的第一权重、所述第一模糊图像对应的第二权重；
基于所述第一权重和所述第二权重，将所述第一模糊图像的皮肤区域与所述第三模糊图像的皮肤区域进行融合，以获取融合后的皮肤区域图像；
利用所述皮肤区域图像，对所述第三模糊图像的皮肤区域进行更新，以获取所述第一磨皮图像。
30.一种大语言模型的训练装置，包括：
第一获取模块，用于获取待处理图像及所述待处理图像对应的目标磨皮图像，其中，所述目标磨皮图像为基于如权利16-29任一所述的图像处理装置对所述待处理图像处理得到的；
第二获取模块，用于将所述待处理图像输入初始大语言模型中，以获取所述初始大语言模型输出的预测磨皮图像；
训练模块，用于根据所述目标磨皮图像与所述预测磨皮图像之间的差异，对所述初始大语言模型进行训练，以获取目标大语言模型。
31.一种电子设备，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1-14中任一项所述的方法，或者执行权利要求15所述的方法。
32.一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权利要求1-14中任一项所述的方法，或者执行权利要求15所述的方法。
33.一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时实现权利要求1-14中任一项所述方法的步骤，或者执行权利要求15所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311340047.8A CN117274498B (zh) | 2023-10-16 | 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 |
|---|---|---|---|
| CN202311340047.8A CN117274498B (zh) | 2023-10-16 | 图像处理方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117274498A true CN117274498A (zh) | 2023-12-22 |
| CN117274498B CN117274498B (zh) | 2024-10-25 |
Family
ID=
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009078957A1 (en) * | 2007-12-14 | 2009-06-25 | Flashfoto, Inc. | Systems and methods for rule-based segmentation for objects with full or partial frontal view in color images |
| CN103617638A (zh) * | 2013-12-05 | 2014-03-05 | 北京京东尚科信息技术有限公司 | 图像处理的方法及装置 |
| CN107492079A (zh) * | 2017-08-28 | 2017-12-19 | 维沃移动通信有限公司 | 一种图像磨皮方法及移动终端 |
| CN112766204A (zh) * | 2021-01-26 | 2021-05-07 | 京东方科技集团股份有限公司 | 图像处理方法、装置及计算机可读存储介质 |
| US20210295020A1 (en) * | 2018-12-14 | 2021-09-23 | Snap Inc. | Image face manipulation |
| WO2022161009A1 (zh) * | 2021-01-27 | 2022-08-04 | 展讯通信（上海）有限公司 | 图像处理方法及装置、存储介质、终端 |
| CN115222627A (zh) * | 2022-07-20 | 2022-10-21 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、设备及存储介质 |
| US20220351346A1 (en) * | 2021-04-30 | 2022-11-03 | Beijing Dajia Internet Information Technology Co., Ltd. | Method for processing images and electronic device |
| CN115908106A (zh) * | 2021-09-30 | 2023-04-04 | 北京新氧科技有限公司 | 图像处理方法、装置、设备及存储介质 |
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009078957A1 (en) * | 2007-12-14 | 2009-06-25 | Flashfoto, Inc. | Systems and methods for rule-based segmentation for objects with full or partial frontal view in color images |
| CN103617638A (zh) * | 2013-12-05 | 2014-03-05 | 北京京东尚科信息技术有限公司 | 图像处理的方法及装置 |
| CN107492079A (zh) * | 2017-08-28 | 2017-12-19 | 维沃移动通信有限公司 | 一种图像磨皮方法及移动终端 |
| US20210295020A1 (en) * | 2018-12-14 | 2021-09-23 | Snap Inc. | Image face manipulation |
| CN112766204A (zh) * | 2021-01-26 | 2021-05-07 | 京东方科技集团股份有限公司 | 图像处理方法、装置及计算机可读存储介质 |
| WO2022161009A1 (zh) * | 2021-01-27 | 2022-08-04 | 展讯通信（上海）有限公司 | 图像处理方法及装置、存储介质、终端 |
| US20220351346A1 (en) * | 2021-04-30 | 2022-11-03 | Beijing Dajia Internet Information Technology Co., Ltd. | Method for processing images and electronic device |
| CN115908106A (zh) * | 2021-09-30 | 2023-04-04 | 北京新氧科技有限公司 | 图像处理方法、装置、设备及存储介质 |
| CN115222627A (zh) * | 2022-07-20 | 2022-10-21 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bai et al. | Underwater image enhancement based on global and local equalization of histogram and dual-image multi-scale fusion | |
| Gao et al. | Naturalness preserved nonuniform illumination estimation for image enhancement based on retinex | |
| Tao et al. | Adaptive and integrated neighborhood-dependent approach for nonlinear enhancement of color images | |
| Banić et al. | Smart light random memory sprays Retinex: a fast Retinex implementation for high-quality brightness adjustment and color correction | |
| Gao et al. | Detail preserved single image dehazing algorithm based on airlight refinement | |
| WO2022088976A1 (zh) | 图像处理方法及装置 | |
| CN105447825B (zh) | 图像去雾方法及其系统 | |
| CN109493296A (zh) | 图像增强方法、装置、电子设备及计算机可读介质 | |
| Banić et al. | Puma: A high-quality retinex-based tone mapping operator | |
| Shin et al. | Rendering high dynamic range images by using integrated global and local processing | |
| Arigela et al. | Self-tunable transformation function for enhancement of high contrast color images | |
| Wang et al. | Adaptive enhancement for nonuniform illumination images via nonlinear mapping | |
| Chaudhry et al. | Underwater visibility restoration using dehazing, contrast enhancement and filtering | |
| Gonzales et al. | Fast Retinex for color image enhancement: methods and algorithms | |
| CN114037630A (zh) | 一种模型训练及图像去雾方法、装置、设备及存储介质 | |
| Pu et al. | Fractional-order retinex for adaptive contrast enhancement of under-exposed traffic images | |
| CN117274498B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN117274498A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN115775215A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| Zeng | Low-light image enhancement algorithm based on lime with pre-processing and post-processing | |
| Yang et al. | Multi-scale underwater image enhancement with optimized homomorphic filter and RGB color correction | |
| Kwok et al. | Single-scale center-surround Retinex based restoration of low-illumination images with edge enhancement | |
| Fan et al. | Underwater image enhancement algorithm combining color correction and multi-scale fusion | |
| Kumar | Satellite image denoising using local spayed and optimized center pixel weights | |
| Zhang | (Retracted) Computer-aided three-dimensional animation design and enhancement based on spatial variation and convolution algorithm |
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 |