TW202044194A - 一種圖像處理方法、裝置和電腦儲存介質 - Google Patents

一種圖像處理方法、裝置和電腦儲存介質 Download PDF

Info

Publication number
TW202044194A
TW202044194A TW109113375A TW109113375A TW202044194A TW 202044194 A TW202044194 A TW 202044194A TW 109113375 A TW109113375 A TW 109113375A TW 109113375 A TW109113375 A TW 109113375A TW 202044194 A TW202044194 A TW 202044194A
Authority
TW
Taiwan
Prior art keywords
leg
region
area
sub
line
Prior art date
Application number
TW109113375A
Other languages
English (en)
Inventor
李通
劉文韜
錢晨
Original Assignee
大陸商北京市商湯科技開發有限公司
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 大陸商北京市商湯科技開發有限公司 filed Critical 大陸商北京市商湯科技開發有限公司
Publication of TW202044194A publication Critical patent/TW202044194A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/18—Image warping, e.g. rearranging pixels individually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/403—Edge-driven scaling; Edge-based scaling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-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
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本公開實施例公開了一種圖像處理方法、裝置和電腦儲存介質。所述方法包括：獲得第一圖像，識別所述第一圖像中的目標對象，獲得所述目標對象的腿部檢測資訊；基於所述腿部檢測資訊分別確定所述目標對象的腿部區域的輪廓線和目標線；基於所述腿部區域的輪廓線和所述目標線對所述腿部區域進行圖像變形處理，生成第二圖像。

Description

一種圖像處理方法、裝置和電腦儲存介質
本公開關於圖像處理技術，具體關於一種圖像處理方法、裝置和電腦儲存介質。
隨著互聯網技術的飛速發展，出現了各種圖像處理工具，能夠對圖像中的人物進行處理，例如對圖像中的目標人物進行“瘦腿”、“拉長腿”等讓人物的身材更完美的處理。然而，這種圖像處理操作需要操作者手動操作，並且需要多次的調整操作才能達到較佳的調整效果。
本公開實施例提供一種圖像處理方法、裝置和電腦儲存介質。
為達到上述目的，本公開實施例的技術方案是如下這樣實現的。
本公開實施例提供了一種圖像處理方法，所述方法包括：獲得第一圖像，識別所述第一圖像中的目標對象， 獲得所述目標對象的腿部檢測資訊；基於所述腿部檢測資訊分別確定所述目標對象的腿部區域的輪廓線和目標線；基於所述腿部區域的輪廓線和所述目標線對所述腿部區域進行圖像變形處理，生成第二圖像。
在一些可選實施例中，所述腿部檢測資訊包括腿部輪廓點資訊和腿部關鍵點資訊；所述基於所述腿部檢測資訊分別確定所述目標對象的腿部區域的輪廓線和目標線，包括：基於所述腿部輪廓點資訊確定所述目標對象的腿部區域的輪廓線，基於所述腿部關鍵點資訊確定所述腿部區域的目標線。
在一些可選實施例中，所述腿部檢測資訊包括腿部輪廓點資訊；所述基於所述腿部檢測資訊分別確定所述目標對象的腿部區域的輪廓線和目標線，包括：基於所述腿部輪廓點資訊確定所述目標對象的腿部區域的輪廓線；基於所述腿部輪廓點資訊確定所述腿部區域的中心點，基於確定的中心點確定中心線，將所述中心線確定為目標線。
在一些可選實施例中，所述基於所述腿部區域的輪廓線和目標線對所述腿部區域進行圖像變形處理，包括：對所述腿部區域按照所述輪廓線朝向所述目標線的方向進行壓縮處理，或者，對所述腿部區域按照所述目標線朝向所述輪廓線的方向進行拉伸處理。
在一些可選實施例中，所述基於所述腿部區域的輪廓線和目標線對所述腿部區域進行圖像變形處理，包括：確定所述腿部區域的多個子區域；基於每個子區域的輪廓 線和目標線，按照每個子區域對應的變形參數進行圖像變形處理；其中，相鄰的子區域的變形參數不同。
在一些可選實施例中，所述多個子區域包括第一子區域和第二子區域；第一子區域和第二子區域對應於所述腿部區域的大腿區域；所述第一子區域比所述第二子區域靠近所述目標對象的腰部區域；所述變形參數為變形比例，所述第一子區域對應的第一變形比例小於所述第二子區域對應的第二變形比例。
在一些可選實施例中，所述腿部區域還包括膝蓋區域對應的第三子區域；所述第三子區域對應的第三變形比例小於所述第二子區域對應的第二變形比例。
在一些可選實施例中，所述多個子區域包括第四子區域和第五子區域；第四子區域和第五子區域對應於所述腿部區域的小腿區域；所述第五子區域比所述第四子區域靠近所述目標對象的腳部區域；所述第四子區域對應的第四變形比例大於所述第五子區域對應的第五變形比例。
在一些可選實施例中，所述基於所述腿部區域的輪廓線和目標線對所述腿部區域進行圖像變形處理之前，所述方法還包括：確定所述目標對象的兩個腿部區域之間的距離，判斷所述距離是否滿足預設條件；所述基於所述腿部區域的輪廓線和目標線對所述腿部區域進行圖像變形處理，包括：當所述距離滿足預設條件時，基於所述腿部區域的輪廓線和目標線對所述腿部區域進行圖像變形處理。
在一些可選實施例中，所述判斷所述距離是否滿足預設條件，包括：獲得所述目標對象的特定區域的寬度；判斷所述距離是否大於所述特定區域的寬度；在所述第一距離大於所述特定區域的寬度的情況下，確定所述距離滿足所述預設條件；在所述第一距離不大於所述特定區域的寬度的情況下，確定所述距離不滿足所述預設條件。
在一些可選實施例中，所述確定所述目標對象的兩個腿部區域之間的距離，包括：基於所述目標對象的腿部關鍵點資訊確定腿部區域中的膝蓋關鍵點資訊；基於所述膝蓋關鍵點資訊確定兩個腿部區域分別對應的兩個膝蓋之間的第一距離；所述判斷所述距離是否滿足預設條件，包括：判斷所述第一距離是否滿足預設條件。
在一些可選實施例中，所述特定區域為所述目標對象包含的身體部位對應的區域；所述特定區域為以下區域的其中之一：頭部區域、頸部區域、肩部區域、胸部區域、腰部區域、臀部區域。
在一些可選實施例中，所述方法還包括：當所述距離不滿足預設條件時，根據所述腿部檢測資訊識別所述腿部區域的輪廓線中的腿部外輪廓線和腿部內輪廓線；針對所述腿部外輪廓線按照所述腿部外輪廓線朝向所述腿部內輪廓線的方向對所述腿部區域進行壓縮處理；或者，針對所述腿部外輪廓線按照所述腿部內輪廓線朝向所述腿部外輪廓線的方向進行拉伸處理。
本公開實施例還提供了一種圖像處理裝置，所述裝 置包括：檢測單元和變形處理單元；其中，所述檢測單元，配置為獲得第一圖像，識別所述第一圖像中的目標對象，獲得所述目標對象的腿部檢測資訊；基於所述腿部檢測資訊分別確定所述目標對象的腿部區域的輪廓線和目標線；所述變形處理單元，配置為基於所述檢測單元確定的所述腿部區域的輪廓線和所述目標線對所述腿部區域進行圖像變形處理，生成第二圖像。
在一些可選實施例中，所述腿部檢測資訊包括腿部輪廓點資訊和腿部關鍵點資訊；所述檢測單元，配置為基於所述腿部輪廓點資訊確定所述目標對象的腿部區域的輪廓線，基於所述腿部關鍵點資訊確定所述腿部區域的目標線。
在一些可選實施例中，所述腿部檢測資訊包括腿部輪廓點資訊；所述檢測單元，配置為基於所述腿部輪廓點資訊確定所述目標對象的腿部區域的輪廓線；基於所述腿部輪廓點資訊確定所述腿部區域的中心點，基於確定的中心點確定中心線，將所述中心線確定為目標線。
在一些可選實施例中，所述變形處理單元，配置為對所述腿部區域按照所述輪廓線朝向所述目標線的方向進行壓縮處理，或者，對所述腿部區域按照所述目標線朝向所述輪廓線的方向進行拉伸處理。
在一些可選實施例中，所述變形處理單元，配置為確定所述腿部區域的多個子區域；基於每個子區域的輪廓線和目標線，按照每個子區域對應的變形參數進行圖像變 形處理；其中，相鄰的子區域的變形參數不同。
在一些可選實施例中，所述多個子區域包括第一子區域和第二子區域；第一子區域和第二子區域對應於所述腿部區域的大腿區域；所述第一子區域比所述第二子區域靠近所述目標對象的腰部區域；所述變形參數為變形比例，所述第一子區域對應的第一變形比例小於所述第二子區域對應的第二變形比例。
在一些可選實施例中，所述腿部區域還包括膝蓋區域對應的第三子區域；所述第三子區域對應的第三變形比例小於所述第二子區域對應的第二變形比例。
在一些可選實施例中，所述多個子區域包括第四子區域和第五子區域；第四子區域和第五子區域對應於所述腿部區域的小腿區域；所述第五子區域比所述第四子區域靠近所述目標對象的腳部區域；所述第四子區域對應的第四變形比例大於所述第五子區域對應的第五變形比例。
在一些可選實施例中，所述檢測單元，還配置為確定所述目標對象的兩個腿部區域之間的距離，判斷所述距離是否滿足預設條件；所述變形處理單元，還配置為當所述檢測單元確定所述距離滿足預設條件時，基於所述腿部區域的輪廓線和目標線對所述腿部區域進行圖像變形處理。
在一些可選實施例中，所述檢測單元，配置為獲得所述目標對象的特定區域的寬度；判斷所述距離是否大於所述特定區域的寬度；在所述第一距離大於所述特定區域 的寬度的情況下，確定所述距離滿足所述預設條件；在所述第一距離不大於所述特定區域的寬度的情況下，確定所述距離不滿足所述預設條件。
在一些可選實施例中，所述檢測單元，配置為基於所述目標對象的腿部關鍵點資訊確定腿部區域中的膝蓋關鍵點資訊；基於所述膝蓋關鍵點資訊確定兩個腿部區域分別對應的兩個膝蓋之間的第一距離；還配置為判斷所述第一距離是否大於所述特定區域的寬度。
在一些可選實施例中，所述特定區域為所述目標對象包含的身體部位對應的區域；所述特定區域為以下區域的其中之一：頭部區域、頸部區域、肩部區域、胸部區域、腰部區域、臀部區域。
在一些可選實施例中，所述檢測單元，還配置為確定所述距離不滿足預設條件時，根據所述腿部檢測資訊識別所述腿部區域的輪廓線中的腿部外輪廓線和腿部內輪廓線；所述變形處理單元，還配置為針對所述腿部外輪廓線按照所述腿部外輪廓線朝向所述腿部內輪廓線的方向對所述腿部區域進行壓縮處理；或者，針對所述腿部外輪廓線按照所述腿部內輪廓線朝向所述腿部外輪廓線的方向進行拉伸處理。
本公開實施例還提供了一種電腦可讀儲存介質，其上儲存有電腦程式，該程式被處理器執行時實現本公開實施例所述方法的步驟。
本公開實施例還提供了一種圖像處理裝置，包括記 憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式，所述處理器執行所述程式時實現本公開實施例所述方法的步驟。
本公開實施例提供的圖像處理方法、裝置和電腦儲存介質，所述方法包括：獲得第一圖像，識別所述第一圖像中的目標對象，獲得所述目標對象的腿部檢測資訊；基於所述腿部檢測資訊分別確定所述目標對象的腿部區域的輪廓線和目標線；基於所述腿部區域的輪廓線和所述目標線對所述腿部區域進行圖像變形處理，生成第二圖像。採用本公開實施例的技術方案，基於對圖像中的目標對象的腿部檢測資訊的獲得，確定腿部區域的輪廓線和目標線，基於輪廓線和目標線對腿部區域進行圖像變形處理，實現了對目標對象的腿部區域的自動調整，無需用戶多次手動操作，大大提升了用戶的操作體驗。
41:檢測單元
42:變形處理單元
51:處理器
52:記憶體
53:匯流排系統
圖1為本公開實施例的圖像處理方法的流程示意圖一；
圖2為本公開實施例的圖像處理方法的流程示意圖二；
圖3為本公開實施例的圖像處理方法的流程示意圖三；
圖4為本公開實施例的圖像處理裝置的組成結構示意圖；
圖5為本公開實施例的圖像處理裝置的硬體組成結構示意圖。
下面結合附圖及具體實施例對本公開作進一步詳細的說明。
本公開實施例提供了一種圖像處理方法。圖1為本公開實施例的圖像處理方法的流程示意圖一；如圖1所示，方法包括如下。
步驟101：獲得第一圖像，識別第一圖像中的目標對象，獲得目標對象的腿部檢測資訊。
步驟102：基於腿部檢測資訊分別確定目標對象的腿部區域的輪廓線和目標線。
步驟103：基於腿部區域的輪廓線和目標線對腿部區域進行圖像變形處理，生成第二圖像。
本實施例中，圖像處理方法應用於圖像處理裝置中，圖像處理裝置可位於手機、平板電腦、筆記型電腦等移動終端中，也可位於臺式電腦、一體機電腦等終端中。
本實施例的圖像處理方法對第一圖像中的目標對象進行圖像處理，首先識別出第一圖像中的目標對象；其中，目標對象作為待處理對象，可以是圖像中的真實人物；在其他實施方式中，目標對象也可以是虛擬人物，如卡通人物形象等。當然，目標對象還可以為其它類型的對象，本實施例中對此並不限定。本實施例的圖像處理方法對第一圖像中的目標對象的腿部區域進行圖像變形處理；以目標對象為圖像中的人物為例，腿部區域可包括腳踝以上、 臀部以下的區域，例如可包括腳踝、小腿、膝蓋、大腿和大腿根部等等。
在本申請的一些可選實施例中，腿部檢測資訊包括腿部輪廓點資訊和腿部關鍵點資訊；腿部輪廓點資訊包括腿部輪廓點的座標資訊；腿部關鍵點資訊包括腿部關鍵點的座標資訊。其中，腿部輪廓點表徵目標對象的腿部輪廓，即通過腿部輪廓點的座標資訊能夠形成目標對象的腿部輪廓邊緣。腿部關鍵點表徵目標對象的腿部骨骼的關鍵點，即通過腿部關鍵點的座標資訊、連接腿部關鍵點能夠形成目標對象的腿部區域的主要骨骼。
在本申請的一些可選實施例中，基於腿部檢測資訊分別確定目標對象的腿部區域的輪廓線和目標線，包括：基於腿部輪廓點資訊確定目標對象的腿部區域的輪廓線，基於腿部關鍵點資訊確定腿部區域的目標線。可以理解，目標線為由腿部關鍵點資訊形成的線，也可稱為腿部區域的中心線。
在本申請的一些可選實施例中，基於腿部檢測資訊分別確定目標對象的腿部區域的輪廓線和目標線，包括：基於腿部輪廓點資訊確定目標對象的腿部區域的輪廓線；基於腿部輪廓點資訊確定腿部區域的中心點，基於確定的中心點確定中心線，將中心線確定為目標線。
可以理解，目標對象的腿部區域具有內輪廓和外輪廓，即腿部區域可具有外輪廓線和內輪廓線。假設第一圖像中的目標對象有兩個腿部區域時，每個腿部區域均具有 外輪廓線和內輪廓線兩個輪廓線，對於一個腿部區域的外輪廓線指的是上述兩個輪廓線中遠離另一個腿部區域的輪廓線，內輪廓線指的是上述兩個輪廓線中靠近另一個腿部區域的輪廓線。
在一些實施方式中，輪廓線可由輪廓點連接形成，目標線可由關鍵點連接形成。在另一些實施方式中，輪廓線由輪廓點連接形成，目標線則由內輪廓線上的內輪廓點與每個內輪廓點對應的外輪廓線上的外輪廓點的連接線的中點連接形成。示例性的，若內輪廓線上有5個內輪廓點，記為內輪廓點1至內輪廓點5，對應的，外輪廓線上有5個外輪廓點，記為外輪廓點1至外輪廓點5，則可以分別連接內輪廓點1和外輪廓點1、內輪廓點2和外輪廓點2，...，內輪廓點5和外輪廓點5，得到5個連接線，分別確定5個連接線的中點，並連接5個中點，得到目標線。
在本申請的一些可選實施例中，基於腿部區域的輪廓線和目標線對腿部區域進行圖像變形處理，包括：對腿部區域按照輪廓線朝向目標線的方向進行壓縮處理，或者，對腿部區域按照目標線朝向輪廓線的方向進行拉伸處理。
本實施例採用圖像變形演算法對腿部區域進行壓縮或拉伸處理，具體是對第一圖像中目標對象的腿部區域沿著腿部寬度方向進行壓縮或拉伸處理。以對腿部區域進行壓縮處理為例，具體是壓縮腿部區域的寬度，從而達到 瘦腿的效果。
在一些實施例中，基於腿部區域的輪廓線和目標線對腿部區域進行圖像變形處理，包括：對第一圖像中的目標對象的腿部區域進行區域劃分，獲得至少兩個變形區域；其中，不同的腿部區域對應不同的變形區域；基於至少兩個變形區域的至少部分變形區域對腿部區域進行圖像變形處理，使得腿部區域按照輪廓線朝向目標線的方向進行壓縮，或者，使得腿部區域按照目標線朝向輪廓線的方向進行拉伸。
本實施例中，首先對腿部區域進行區域劃分，獲得至少兩個變形區域。示例性的，若第一圖像中的目標對象具有兩條腿，則每條腿對應一個腿部區域，每個腿部區域對應至少一個變形區域。可以理解，兩個腿部區域中間具有至少一個區域分割線，使得一個變形區域只針對一個腿部區域，不會產生針對一個變形區域的變形處理導致兩個腿部區域均發生形變的情況。示例性的，變形區域在初始狀態下為矩形，通過對變形區域的變形處理從而改變對應的圖像中的像素點所在位置，從而實現對腿部區域的變形處理，變形處理後的變形區域可以為扭曲的曲面。其中，一個腿部區域可對應一個或多個變形區域，通過對一個或多個變形區域的變形處理，實現對腿部區域的圖像變形處理。
在本公開的一些可選實施例中，基於腿部檢測資訊分別確定目標對象的腿部區域的輪廓線和目標線，包括： 基於腿部輪廓點資訊確定第一腿部輪廓點，相鄰兩個第一腿部輪廓點之間通過預設插值方式插入至少一個第二腿部輪廓點，基於第一腿部輪廓點和第二腿部輪廓點確定腿部區域的輪廓線；基於腿部關鍵點資訊確定第一腿部關鍵點；相鄰兩個第一腿部關鍵點之間通過預設插值方式插入至少一個第二腿部關鍵點，基於第一腿部關鍵點和第二腿部關鍵點確定腿部區域的目標線。
本實施例中，腿部輪廓點資訊對應的腿部輪廓點是離散的或是稀疏的，例如每個腿部區域可能只有10個輪廓點，則每個腿部區域的外輪廓線和內輪廓線上分別只有5個輪廓點。為了更好的基於離散的或稀疏的輪廓點形成輪廓線，則需要通過插值的方式確定更多的輪廓點。而腿部關鍵點資訊對應的腿部關鍵點同理，為了更好的形成目標線，則需要通過插值的方式確定更多的關鍵點。
在一些實施例中，若劃分的變形區域的邊界線的密度大於腿部區域的輪廓點或關鍵點的密度，則可基於相鄰兩個輪廓點或相鄰兩個關鍵點之間的變形區域的邊界線進行插值，獲得第二腿部輪廓點或第二腿部關鍵點。其中，變形區域的邊界線的密度與劃分的變形區域的數量相關。例如，若針對目標對象的腿部區域在沿著腿部的長度方向(也可以理解為人體直立方向，即由腳部到頭部的方向或者由頭部到腳部的方向)劃分了10個變形區域，則對應有11條沿著腿部的寬度方向(也可以理解為垂直於人體直立方向)的邊界線，則變形區域的邊界線的密度可記為 11；若腿部區域的外輪廓線和內輪廓線上分別有5個第一腿部輪廓點，則腿部區域的輪廓點的密度可記為5，由此可知變形區域的邊界線的密度大於輪廓點的密度。在這種情況下，任意兩個相鄰的第一腿部輪廓點或相鄰的第一腿部關鍵點之間必然有2-3條沿著腿部的寬度方向的變形區域的邊界線。則本實施例為了確定更多的腿部輪廓點和腿部關鍵點，可基於相鄰兩個第一腿部輪廓點和相鄰兩個第一腿部關鍵點之間的變形區域的邊界線進行插值，獲得至少一個第二腿部輪廓點或至少一個第二腿部關鍵點。
若劃分的變形區域的邊界線的密度不大於腿部區域的輪廓點或關鍵點的密度，例如，若針對目標對象的腿部區域在沿著腿部的長度方向劃分了2個變形區域，則對應有3條沿著腿部的寬度方向的邊界線，則變形區域的邊界線的密度可記為3；若腿部區域的外輪廓線和內輪廓線上分別有5個第一腿部輪廓點，則腿部區域的輪廓點的密度可記為5，由此可知變形區域的邊界線的密度小於輪廓點的密度。在這種情況下，只有其中的一組相鄰的兩個輪廓點之間有一條沿著腿部的寬度方向的變形區域的邊界線。則本實施例為了確定更多的輪廓點和關鍵點，可基於變形區域中的邊界線的方向確定輔助線，例如沿著腿部的長度方向、按照變形區域的邊界線的方向進一步劃分輔助線，輔助線與變形區域的邊界線的方向水準設置，從而使得在任意相鄰兩個第一腿部輪廓點和相鄰兩個第一腿部關鍵點之間均具有至少一個實際的變形區域的邊界線或 者輔助線，基於邊界線或者輔助線進行插值，從而獲得至少一個第二腿部輪廓點或至少一個第二腿部關鍵點。
採用本公開實施例的技術方案，基於對圖像中的目標對象的腿部檢測資訊的獲得，確定腿部區域的輪廓線和目標線，基於輪廓線和目標線對腿部區域進行圖像變形處理，實現了對目標對象的腿部區域的自動調整，無需用戶多次手動操作，大大提升了用戶的操作體驗。
基於前述實施例，本公開實施例還提供了一種圖像處理方法。圖2為本公開實施例的圖像處理方法的流程示意圖二；如圖2所示，方法包括如下。
步驟201：獲得第一圖像，識別第一圖像中的目標對象，獲得目標對象的腿部檢測資訊。
步驟202：基於腿部檢測資訊分別確定目標對象的腿部區域的輪廓線和目標線。
步驟203：確定腿部區域的多個子區域。
步驟204：基於每個子區域的輪廓線和目標線按照每個子區域對應的變形參數進行圖像變形處理；其中，相鄰的子區域的變形參數不同。
本實施例中的步驟201至步驟202的具體描述可參照前述步驟101至步驟102的相關描述，為節省篇幅，這裡不再贅述。
如果腿部區域按照同樣的變形參數進行變形處理，則腿部區域的某些部位會從視覺上感覺非常不合理，例如大腿根部和大腿若同壓縮20%，則大腿根部從視覺上像 “凹”進去一樣；又例如膝蓋與大腿若同壓縮20%，則膝蓋則會非常窄，像快斷掉一樣。基於此，本實施例中，腿部區域的不同子區域按照不同的變形參數進行圖像變形處理，從而使得腿部區域的圖像變形處理更為自然以及協調。
在本申請的一些可選實施例中，多個子區域包括第一子區域和第二子區域；第一子區域和第二子區域對應於腿部區域的大腿區域；第一子區域比第二子區域靠近目標對象的腰部區域；變形參數為變形比例，第一子區域對應的第一變形比例小於第二子區域對應的第二變形比例。
在本申請的一些可選實施例中，腿部區域還包括膝蓋區域對應的第三子區域；變形參數為變形比例，第三子區域對應的第三變形比例小於第二子區域對應的第二變形比例。
在本申請的一些可選實施例中，多個子區域包括第四子區域和第五子區域；第四子區域和第五子區域對應於腿部區域的小腿區域；第五子區域比第四子區域靠近目標對象的腳部區域；變形參數為變形比例，第四子區域對應的第四變形比例大於第五子區域對應的第五變形比例。
本實施例中，腿部區域由下向上可分為腳踝區域、小腿區域、膝蓋區域、大腿區域和大腿根部區域。則第一子區域可以為大腿根部區域；第二子區域可以為大腿區域；大腿區域和大腿根部區域可以為膝蓋以上臀部以下的區域。第三子區域可以為膝蓋區域。第四子區域可以為小腿 區域，第五子區域可以為腳踝區域；小腿區域和腳踝區域可以為膝蓋以下腳部以上的區域。
其中，在一些實施方式中，每個子區域的範圍(起始位置和/或終止位置)可基於目標對象的腿部區域的長度(或者小腿區域的長度和/或大腿區域的長度)確定；例如，若腿部區域的長度較長，第一子區域的上邊緣與第三子區域的中心點之間的距離為a；若腿部區域的長度較短，第一子區域的上邊緣與第三子區域中心點之間的距離為b，則a大於b，即對於腿部區域來說，對應於變形參數的變化的起始位置是與腿部區域(或大腿區域)的長度相關的。在另一些實施方式中，每個子區域的範圍(起始位置和/或終止位置)也可通過神經網路模型或分類模型確定。
在一些實施方式中，對於第一子區域和第二子區域，第一子區域對應的第一變形比例小於第二子區域對應的第二變形比例，可以理解，從膝蓋區域向上的腿部區域，變形比例是衰減的。其中，第一變形比例和第二變形比例可以為預先配置的變形比例，使得第一子區域內的腿部區域的按照第一變形比例進行圖像變形處理，第二子區域內的腿部區域按照第二變形比例進行圖像變形處理。
在一些實施方式中，第一變形比例和第二變形比例還可以基於具有特定變化趨勢的函數確定；函數與子區域中的座標位置相關。例如，若某子區域的圖像變形的比例需要逐漸減小的，則該子區域對應的變形比例可以通過一個線性遞減函數確定，通過不同的座標位置對應的函數值 確定該位置對應的變形比例。
在一些實施方式中，對於第三子區域，由於該第三子區域對應膝蓋區域，則膝蓋區域不能壓縮或拉伸過多，因此示例性的，第三子區域可對應配置固定的第三變形比例，且配置的第三變形比例小於第二變形比例。其中，第三變形比例與第一變形比例可相同或不同。
在一些實施方式中，對於第四子區域和第五子區域，第四子區域對應的第四變形比例大於第五子區域對應的第五變形比例。可以理解，從膝蓋區域往下的腿部區域，變形比例是衰減的。與前述第一變形比例和第二變形比例同理，第四變形比例和第五變形比例可以為預先配置的變形比例，或者也可以基於具有特定變化趨勢的函數確定。
可以理解，在腿部區域由下向上分為第五子區域、第四子區域、第三子區域、第二子區域和第一子區域時，對應的變形比例的變化趨勢可以為小-大-小-大-小。
採用本公開實施例的技術方案，基於對圖像中的目標對象的腿部檢測資訊的獲得，確定腿部區域的輪廓線和目標線，基於輪廓線和目標線對腿部區域進行圖像變形處理，實現了對目標對象的腿部區域的自動調整，無需用戶多次手動操作，大大提升了用戶的操作體驗；並且，對於腿部區域的各個子區域按照不同的變形參數進行圖像變形處理，使得變形處理後的腿部區域在目標對象整體中比例更為協調，變形處理的效果更為自然，在另一方面也大大提升了用戶的操作體驗。
基於前述實施例，本公開實施例還提供了一種圖像處理方法。圖3為本公開實施例的圖像處理方法的流程示意圖三；如圖3所示，方法包括如下。
步驟301：獲得第一圖像，識別第一圖像中的目標對象，獲得目標對象的腿部檢測資訊。
步驟302：基於腿部檢測資訊分別確定目標對象的腿部區域的輪廓線和目標線。
步驟303：確定目標對象的兩個腿部區域之間的距離，判斷距離是否滿足預設條件。
步驟304：在距離滿足預設條件的情況下，基於腿部區域的輪廓線和目標線對腿部區域進行圖像變形處理。
步驟305：在距離不滿足預設條件的情況下，根據腿部檢測資訊識別腿部區域的輪廓線中的腿部外輪廓線和腿部內輪廓線。
步驟306：針對腿部外輪廓線按照腿部外輪廓線朝向腿部內輪廓線的方向對腿部區域進行壓縮處理；或者，針對腿部外輪廓線按照腿部內輪廓線朝向腿部外輪廓線的方向進行拉伸處理。
本實施例中的步驟301至步驟302的具體描述可參照前述步驟101至步驟102的相關描述，為節省篇幅，這裡不再贅述。
本實施例中“基於腿部區域的輪廓線和目標線對腿部區域進行圖像變形處理”的具體描述可參照前述步 驟103以及步驟203至步驟204的相關描述，為節省篇幅，這裡不再贅述。
本實施例中，當人的兩條腿距離較近，例如兩腿併攏的場景下，難以在兩腿之間劃分獨立的變形區域。對於此類情況，可以將併攏的兩腿當作一個整體進行處理。
在本申請的一些可選實施例中，判斷距離是否滿足預設條件，包括：獲得目標對象的特定區域的寬度；判斷距離是否大於特定區域的寬度；回應於第一距離大於特定區域的寬度的情況，確定距離滿足預設條件；回應於第一距離不大於特定區域的寬度的情況，確定距離不滿足預設條件。
本實施例確定的兩腿之間的距離是相對距離，即比較兩腿之間的距離與目標對象的特定區域的寬度；其中，特定區域為目標對象包含的身體部位對應的區域。示例性的，特定區域可以是以下其中之一：頭部區域、頸部區域、肩部區域、胸部區域、腰部區域、臀部區域等等。則通過識別目標對象的上述任一特定區域的寬度，與兩腿之間的距離進行比較，在距離大於上述特定區域的寬度時，則可表明兩腿之間的距離較遠，滿足預設條件；相應的，在距離不大於上述特定區域的寬度時，則可表明兩腿之間的距離較近，不滿足預設條件。
在其他實施方式中，確定的兩腿之間的距離也可以通過像素距離表示；通過將兩腿之間的像素距離與預設像素閾值進行比較，在兩腿之間的像素距離大於上述預設像 素閾值時，則可表明兩腿之間的距離較遠，滿足預設條件；相應的，在兩腿之間的像素距離不大於上述預設像素閾值時，則可表明兩腿之間的距離較近，不滿足預設條件。其中，預設像素閾值可基於第一圖像的尺寸和目標對象(或者目標對象的腿部區域)在第一圖像中的比例從預先配置的多個像素閾值中確定。例如，針對相同的圖像尺寸、不同的目標對象(或者目標對象的腿部區域)在第一圖像中的比例設置多個預設閾值，作為第一組像素閾值；對於不同的圖像尺寸，可基於第一組預設閾值獲得每個圖像尺寸中針對不同比例的目標對象(或者目標對象的腿部區域)對應的像素閾值；通過第一圖像的尺寸，以及目標對象(或者目標對象的腿部區域)在第一圖像中的比例可獲得匹配的像素閾值。
在本申請的一些可選實施例中，確定目標對象的兩個腿部區域之間的距離，包括：基於目標對象的腿部關鍵點資訊確定腿部區域中的膝蓋關鍵點資訊；基於膝蓋關鍵點資訊確定兩個腿部區域分別對應的兩個膝蓋之間的第一距離；相應的，判斷距離是否滿足預設條件，包括：判斷第一距離是否滿足預設條件。
本實施例中，將膝蓋之間的距離(即第一距離)作為兩個腿部之間的距離。其中，在一些實施方式中，腿部關鍵點資訊中可包括膝蓋關鍵點，則可直接基於兩個腿部區域中的膝蓋關鍵點確定第一距離。
在其他實施方式中，還可通過腿部區域的其他關鍵 點資訊確定兩個腿部區域之間的距離，或者還可通過兩個腿部區域的所有相對應的關鍵點資訊確定兩個腿部區域之間的距離，例如，分別計算兩個腿部區域的兩條目標線上的所有相對應的兩個關鍵點之間的距離，獲得多個距離，計算多個距離的平均值作為兩個腿部區域之間距離。示例性的，若兩個腿部區域的目標線上均具有7個關鍵點，可分別記為關鍵點1、關鍵點2、...、關鍵點7；則分別計算兩個腿部區域的兩個關鍵點1之間的距離、兩個關鍵點2之間的距離、...、關鍵點7之間的距離，得到7個距離，再計算7個距離的平均值作為兩個腿部區域之間距離。
在本公開的一些可選實施例中，方法還包括：當距離不滿足預設條件時，根據腿部檢測資訊識別腿部區域的輪廓線中的腿部外輪廓線和腿部內輪廓線；針對腿部外輪廓線按照腿部外輪廓線朝向腿部內輪廓線的方向對腿部區域進行壓縮處理；或者，針對腿部外輪廓線按照腿部內輪廓線朝向腿部外輪廓線的方向進行拉伸處理。
本實施例中，當兩個腿部區域之間的距離不滿足預設條件時，也即兩腿之間的距離較小時，無法採用本公開前述實施例中的圖像變形方案。則通過確定腿部區域的輪廓線中的腿部外輪廓線和腿部內輪廓線，針對腿部外輪廓線按照腿部外輪廓線朝向腿部內輪廓線的方向對腿部區域進行壓縮處理；或者，針對腿部外輪廓線按照腿部內輪廓線朝向腿部外輪廓線的方向進行拉伸處理。
採用本公開實施例的技術方案，基於對圖像中的目 標對象的腿部檢測資訊的獲得，確定腿部區域的輪廓線和目標線，基於輪廓線和目標線對腿部區域進行圖像變形處理，實現了對目標對象的腿部區域的自動調整，無需用戶多次手動操作，大大提升了用戶的操作體驗。
本公開實施例還提供了一種圖像處理裝置。圖4為本公開實施例的圖像處理裝置的組成結構示意圖；如圖4所示，裝置包括：檢測單元41和變形處理單元42。
檢測單元41，配置為獲得第一圖像，識別第一圖像中的目標對象，獲得目標對象的腿部檢測資訊；基於腿部檢測資訊分別確定目標對象的腿部區域的輪廓線和目標線。
變形處理單元42，配置為基於檢測單元41確定的腿部區域的輪廓線和目標線對腿部區域進行圖像變形處理，生成第二圖像。
在本公開的一些可選實施例中，腿部檢測資訊包括腿部輪廓點資訊和腿部關鍵點資訊。
檢測單元41，配置為基於腿部輪廓點資訊確定目標對象的腿部區域的輪廓線，基於腿部關鍵點資訊確定腿部區域的目標線。
在本公開的一些可選實施例中，腿部檢測資訊包括腿部輪廓點資訊。
檢測單元41，配置為基於腿部輪廓點資訊確定目標對象的腿部區域的輪廓線；基於腿部輪廓點資訊確定腿部區域的中心點，基於確定的中心點確定中心線，將中心 線確定為目標線。
本實施例中，變形處理單元42，配置為對腿部區域按照輪廓線朝向目標線的方向進行壓縮處理，或者，對腿部區域按照目標線朝向輪廓線的方向進行拉伸處理。
在本公開的一些可選實施例中，變形處理單元42，配置為確定腿部區域的多個子區域；基於每個子區域的輪廓線和目標線，按照每個子區域對應的變形參數進行圖像變形處理；其中，相鄰的子區域的變形參數不同。
在本公開的一些可選實施例中，多個子區域包括第一子區域和第二子區域；第一子區域和第二子區域對應於腿部區域的大腿區域；第一子區域比第二子區域靠近目標對象的腰部區域。
變形參數為變形比例，第一子區域對應的第一變形比例小於第二子區域對應的第二變形比例。
在本公開的一些可選實施例中，腿部區域還包括膝蓋區域對應的第三子區域；第三子區域對應的第三變形比例小於第二子區域對應的第二變形比例。
在本公開的一些可選實施例中，多個子區域包括第四子區域和第五子區域；第四子區域和第五子區域對應於腿部區域的小腿區域；第五子區域比第四子區域靠近目標對象的腳部區域。
第四子區域對應的第四變形比例大於第五子區域對應的第五變形比例。
在本公開的一些可選實施例中，檢測單元41，還 配置為確定目標對象的兩個腿部區域之間的距離，判斷距離是否滿足預設條件。
變形處理單元42，還配置為當檢測單元41確定距離滿足預設條件時，基於腿部區域的輪廓線和目標線對腿部區域進行圖像變形處理。
在一些實施例中，檢測單元41，配置為獲得目標對象的特定區域的寬度；判斷距離是否大於特定區域的寬度；回應於第一距離大於特定區域的寬度的情況，確定距離滿足預設條件；回應於第一距離不大於特定區域的寬度的情況，確定距離不滿足預設條件。
在本公開的一些可選實施例中，檢測單元41，配置為基於目標對象的腿部關鍵點資訊確定腿部區域中的膝蓋關鍵點資訊；基於膝蓋關鍵點資訊確定兩個腿部區域分別對應的兩個膝蓋之間的第一距離；還配置為判斷第一距離是否大於特定區域的寬度。
在本公開的一種可選實施例中，特定區域為目標對象包含的身體部位對應的區域；特定區域為以下區域的其中之一：頭部區域、頸部區域、肩部區域、胸部區域、腰部區域、臀部區域。
在本公開的一種可選實施例中，檢測單元41，還配置為確定距離不滿足預設條件時，根據腿部檢測資訊識別腿部區域的輪廓線中的腿部外輪廓線和腿部內輪廓線。
變形處理單元42，還配置為針對腿部外輪廓線按 照腿部外輪廓線朝向腿部內輪廓線的方向對腿部區域進行壓縮處理；或者，針對腿部外輪廓線按照腿部內輪廓線朝向腿部外輪廓線的方向進行拉伸處理。
本公開實施例中，圖像處理裝置中的檢測單元41和變形處理單元42，在實際應用中均可由終端中的中央處理器(CPU，Central Processing Unit)、數位訊號處理器(DSP，Digital Signal Processor)、微控制單元(MCU，Microcontroller Unit)或可程式設計閘陣列(FPGA，Field-Programmable Gate Array)實現。
需要說明的是：上述實施例提供的圖像處理裝置在進行圖像處理時，僅以上述各程式模組的劃分進行舉例說明，實際應用中，可以根據需要而將上述處理分配由不同的程式模組完成，即將裝置的內部結構劃分成不同的程式模組，以完成以上描述的全部或者部分處理。另外，上述實施例提供的圖像處理裝置與圖像處理方法實施例屬於同一構思，其具體實現過程詳見方法實施例，這裡不再贅述。
本公開實施例還提供了一種圖像處理裝置，圖5為本公開實施例的圖像處理裝置的硬體組成結構示意圖，如圖5所示，圖像處理裝置包括記憶體52、處理器51及儲存在記憶體52上並可在處理器51上運行的電腦程式，處理器51執行程式時實現本公開實施例前述任一項圖像處理方法。
可以理解，圖像處理裝置中的各個元件通過匯流排系統53耦合在一起。可理解，匯流排系統53用於實現這些元件之間的連接通信。匯流排系統53除包括資料匯流排之外，還包括電源匯流排、控制匯流排和狀態信號匯流排。但是為了清楚說明起見，在圖5中將各種匯流排都標為匯流排系統53。
可以理解，記憶體52可以是易失性記憶體或非易失性記憶體，也可包括易失性和非易失性記憶體兩者。其中，非易失性記憶體可以是唯讀記憶體(ROM，Read Only Memory)、可程式設計唯讀記憶體(PROM，Programmable Read-Only Memory)、可擦除可程式設計唯讀記憶體(EPROM，Erasable Programmable Read-Only Memory)、電可擦除可程式設計唯讀記憶體(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性隨機存取記憶體(FRAM，ferromagnetic random access memory)、快閃記憶體(Flash Memory)、磁表面記憶體、光碟、或唯讀光碟(CD-ROM，Compact DiscRead-Only Memory)；磁表面記憶體可以是磁碟記憶體或磁帶記憶體。易失性記憶體可以是隨機存取記憶體(RAM，Random Access Memory)，其用作外部快取記憶體。通過示例性但不是限制性說明，許多形式的RAM可用，例如靜態隨機存取記憶體(SRAM，Static Random Access Memory)、同步靜態隨機存取記憶 體(SSRAM，Synchronous Static Random Access Memory)、動態隨機存取記憶體(DRAM，Dynamic Random Access Memory)、同步動態隨機存取記憶體(SDRAM，Synchronous Dynamic Random Access Memory)、雙倍數據速率同步動態隨機存取記憶體(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增強型同步動態隨機存取記憶體(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步連接動態隨機存取記憶體(SLDRAM，SyncLink Dynamic Random Access Memory)、直接記憶體匯流排隨機存取記憶體(DRRAM，Direct Rambus Random Access Memory)。本公開實施例描述的記憶體52旨在包括但不限於這些和任意其它適合類型的記憶體。
上述本公開實施例揭示的方法可以應用於處理器51中，或者由處理器51實現。處理器51可能是一種積體電路晶片，具有信號的處理能力。在實現過程中，上述方法的各步驟可以通過處理器51中的硬體的集成邏輯電路或者軟體形式的指令完成。上述的處理器51可以是通用處理器、DSP，或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。處理器51可以實現或者執行本公開實施例中的公開的各方法、步驟及邏輯框圖。通用處理器可以是微處理器或者任何常規的處理 器等。結合本公開實施例所公開的方法的步驟，可以直接體現為硬體解碼處理器執行完成，或者用解碼處理器中的硬體及軟體模組組合執行完成。軟體模組可以位於儲存介質中，該儲存介質位於記憶體52，處理器51讀取記憶體52中的資訊，結合其硬體完成前述方法的步驟。
需要說明的是：上述實施例提供的圖像處理裝置在進行圖像處理時，僅以上述各程式模組的劃分進行舉例說明，實際應用中，可以根據需要而將上述處理分配由不同的程式模組完成，即將裝置的內部結構劃分成不同的程式模組，以完成以上描述的全部或者部分處理。另外，上述實施例提供的圖像處理裝置與圖像處理方法實施例屬於同一構思，其具體實現過程詳見方法實施例，這裡不再贅述。
在示例性實施例中，本公開實施例還提供了一種電腦可讀儲存介質，例如包括電腦程式的記憶體，上述電腦程式可由圖像處理裝置的處理器執行，以完成前述方法步驟。電腦可讀儲存介質可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面記憶體、光碟、或CD-ROM等記憶體；也可以是包括上述記憶體之一或任意組合的各種設備，如行動電話、電腦、平板設備、個人數位助理等。
本公開實施例還提供了一種電腦可讀儲存介質，其上儲存有電腦指令，該指令被處理器執行時實現本公開實施例前述任一項圖像處理方法。
本公開實施例還提供了一種電腦程式產品，電腦程式產品包括電腦可執行指令，該電腦可執行指令被執行後，能夠實現本公開實施例前述任一項的圖像處理方法的步驟。
在本申請所提供的幾個實施例中，應該理解到，所揭露的裝置和方法，可以通過其它的方式實現。以上所描述的設備實施例僅僅是示意性的，例如，單元的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式，如：多個單元或元件可以結合，或可以集成到另一個系統，或一些特徵可以忽略，或不執行。另外，所顯示或討論的各組成部分相互之間的耦合、或直接耦合、或通信連接可以是通過一些介面，設備或單元的間接耦合或通信連接，可以是電性的、機械的或其它形式的。
上述作為分離部件說明的單元可以是、或也可以不是物理上分開的，作為單元顯示的部件可以是、或也可以不是物理單元，即可以位於一個地方，也可以分佈到多個網路單元上；可以根據實際的需要選擇其中的部分或全部單元來實現本實施例方案的目的。
另外，在本公開各實施例中的各功能單元可以全部集成在一個處理單元中，也可以是各單元分別單獨作為一個單元，也可以兩個或兩個以上單元集成在一個單元中；上述集成的單元既可以採用硬體的形式實現，也可以採用硬體加軟體功能單元的形式實現。
本領域普通技術人員可以理解：實現上述方法實施 例的全部或部分步驟可以通過程式指令相關的硬體來完成，前述的程式可以儲存於一電腦可讀取儲存介質中，該程式在執行時，執行包括上述方法實施例的步驟；而前述的儲存介質包括：移動儲存裝置、ROM、RAM、磁碟或者光碟等各種可以儲存程式碼的介質。
或者，本公開上述集成的單元如果以軟體功能模組的形式實現並作為獨立的產品銷售或使用時，也可以儲存在一個電腦可讀取儲存介質中。基於這樣的理解，本公開實施例的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來，該電腦軟體產品儲存在一個儲存介質中，包括若干指令用以使得一台電腦設備(可以是個人電腦、伺服器、或者網路設備等)執行本公開各個實施例方法的全部或部分。而前述的儲存介質包括：移動儲存裝置、ROM、RAM、磁碟或者光碟等各種可以儲存程式碼的介質。
以上，僅為本公開的具體實施方式，但本公開的保護範圍並不局限於此，任何熟悉本技術領域的技術人員在本公開揭露的技術範圍內，可輕易想到變化或替換，都應涵蓋在本公開的保護範圍之內。因此，本公開的保護範圍應以申請專利範圍的保護範圍為準。
101:步驟
102:步驟
103:步驟

Claims (15)

  1. 一種圖像處理方法，所述方法包括：
    獲得第一圖像，識別所述第一圖像中的目標對象，獲得所述目標對象的腿部檢測資訊；
    基於所述腿部檢測資訊分別確定所述目標對象的腿部區域的輪廓線和目標線；
    基於所述腿部區域的輪廓線和所述目標線對所述腿部區域進行圖像變形處理，生成第二圖像。
  2. 根據請求項1所述的方法，其中，所述腿部檢測資訊包括腿部輪廓點資訊和腿部關鍵點資訊；
    所述基於所述腿部檢測資訊分別確定所述目標對象的腿部區域的輪廓線和目標線，包括：
    基於所述腿部輪廓點資訊確定所述目標對象的腿部區域的輪廓線，基於所述腿部關鍵點資訊確定所述腿部區域的目標線。
  3. 根據請求項1所述的方法，其中，所述腿部檢測資訊包括腿部輪廓點資訊；
    所述基於所述腿部檢測資訊分別確定所述目標對象的腿部區域的輪廓線和目標線，包括：
    基於所述腿部輪廓點資訊確定所述目標對象的腿部區域的輪廓線；
    基於所述腿部輪廓點資訊確定所述腿部區域的中心點，基於確定的中心點確定中心線，將所述中心線確定為目標線。
  4. 根據請求項1至3任一項所述的方法，其中，所述基於所述腿部區域的輪廓線和目標線對所述腿部區域進行圖像變形處理，包括：
    對所述腿部區域按照所述輪廓線朝向所述目標線的方向進行壓縮處理，或者，對所述腿部區域按照所述目標線朝向所述輪廓線的方向進行拉伸處理。
  5. 根據請求項1至3任一項所述的方法，其中，所述基於所述腿部區域的輪廓線和目標線對所述腿部區域進行圖像變形處理，包括：
    確定所述腿部區域的多個子區域；
    基於每個子區域的輪廓線和目標線，按照每個子區域對應的變形參數進行圖像變形處理；其中，相鄰的子區域的變形參數不同。
  6. 根據請求項5所述的方法，其中，所述多個子區域包括第一子區域和第二子區域；第一子區域和第二子區域對應於所述腿部區域的大腿區域；所述第一子區域比所述第二子區域靠近所述目標對象的腰部區域；
    所述變形參數為變形比例，所述第一子區域對應的第一變形比例小於所述第二子區域對應的第二變形比例。
  7. 根據請求項6所述的方法，其中，所述腿部區域還包括膝蓋區域對應的第三子區域；所述第三子區域對應的第三變形比例小於所述第二子區域對應的第二變形比例。
  8. 根據請求項6所述的方法，其中，所述多個 子區域包括第四子區域和第五子區域；第四子區域和第五子區域對應於所述腿部區域的小腿區域；所述第五子區域比所述第四子區域靠近所述目標對象的腳部區域；
    所述第四子區域對應的第四變形比例大於所述第五子區域對應的第五變形比例。
  9. 根據請求項1至3任一項所述的方法，其中，所述基於所述腿部區域的輪廓線和目標線對所述腿部區域進行圖像變形處理之前，所述方法還包括：
    確定所述目標對象的兩個腿部區域之間的距離，判斷所述距離是否滿足預設條件；
    所述基於所述腿部區域的輪廓線和目標線對所述腿部區域進行圖像變形處理，包括：
    當所述距離滿足預設條件時，基於所述腿部區域的輪廓線和目標線對所述腿部區域進行圖像變形處理。
  10. 根據請求項9所述的方法，其中，所述判斷所述距離是否滿足預設條件，包括：
    獲得所述目標對象的特定區域的寬度；
    判斷所述距離是否大於所述特定區域的寬度；
    在所述第一距離大於所述特定區域的寬度的情況下，確定所述距離滿足所述預設條件；
    在所述第一距離不大於所述特定區域的寬度的情況下，確定所述距離不滿足所述預設條件。
  11. 根據請求項9所述的方法，其中，所述確定所述目標對象的兩個腿部區域之間的距離，包括：
    基於所述目標對象的腿部關鍵點資訊確定腿部區域中的膝蓋關鍵點資訊；
    基於所述膝蓋關鍵點資訊確定兩個腿部區域分別對應的兩個膝蓋之間的第一距離；
    所述判斷所述距離是否滿足預設條件，包括：判斷所述第一距離是否滿足預設條件。
  12. 根據請求項10所述的方法，其中，所述特定區域為所述目標對象包含的身體部位對應的區域；
    所述特定區域為以下區域的其中之一：頭部區域、頸部區域、肩部區域、胸部區域、腰部區域、臀部區域。
  13. 根據請求項9所述的方法，所述方法還包括：
    當所述距離不滿足預設條件時，根據所述腿部檢測資訊識別所述腿部區域的輪廓線中的腿部外輪廓線和腿部內輪廓線；
    針對所述腿部外輪廓線按照所述腿部外輪廓線朝向所述腿部內輪廓線的方向對所述腿部區域進行壓縮處理；或者，針對所述腿部外輪廓線按照所述腿部內輪廓線朝向所述腿部外輪廓線的方向進行拉伸處理。
  14. 一種電腦可讀儲存介質，其上儲存有電腦程式，該程式被處理器執行時實現請求項1至13任一項所述方法的步驟。
  15. 一種圖像處理裝置，包括記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式，所述處理器執行所述程式時實現請求項1至13任一項所述方法的 步驟。
TW109113375A 2019-04-30 2020-04-21 一種圖像處理方法、裝置和電腦儲存介質 TW202044194A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910361904.XA CN110136051A (zh) 2019-04-30 2019-04-30 一种图像处理方法、装置和计算机存储介质
CN201910361904.X 2019-04-30

Publications (1)

Publication Number Publication Date
TW202044194A true TW202044194A (zh) 2020-12-01

Family

ID=67575856

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109113375A TW202044194A (zh) 2019-04-30 2020-04-21 一種圖像處理方法、裝置和電腦儲存介質

Country Status (7)

Country Link
US (1) US11501407B2 (zh)
JP (1) JP2021524953A (zh)
KR (1) KR20200127971A (zh)
CN (1) CN110136051A (zh)
SG (1) SG11202010426QA (zh)
TW (1) TW202044194A (zh)
WO (1) WO2020220679A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110136051A (zh) 2019-04-30 2019-08-16 北京市商汤科技开发有限公司 一种图像处理方法、装置和计算机存储介质
CN111105348A (zh) * 2019-12-25 2020-05-05 北京市商汤科技开发有限公司 图像处理方法及装置、图像处理设备及存储介质
CN111986218A (zh) * 2020-08-02 2020-11-24 福建省万物智联科技有限公司 一种图像识别的方法及系统
CN112380990A (zh) * 2020-11-13 2021-02-19 咪咕文化科技有限公司 图片调节方法、电子设备和可读存储介质
CN113706488B (zh) * 2021-08-18 2024-06-21 珠海格力智能装备有限公司 弯头插接处理方法、装置、存储介质及处理器
CN114463216A (zh) * 2022-02-08 2022-05-10 广州繁星互娱信息科技有限公司 图像调整方法、存储介质和电子设备
CN115314637B (zh) * 2022-08-08 2024-02-23 福建汇川物联网技术科技股份有限公司 一种施工现场全景影像的处理系统、处理方法和电子设备

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7058471B2 (en) * 2003-01-14 2006-06-06 Watanabe John S System and method for custom-made clothing
JP4492036B2 (ja) 2003-04-28 2010-06-30 ソニー株式会社 画像認識装置及び方法、並びにロボット装置
US7812850B1 (en) * 2007-06-29 2010-10-12 Adobe Systems Incorporated Editing control for spatial deformations
US8813378B2 (en) * 2012-05-17 2014-08-26 Carol S. Grove System and method for drafting garment patterns from photographs and style drawings
US9049355B2 (en) 2012-09-21 2015-06-02 Htc Corporation Methods for image processing of face regions and electronic devices using the same
JP6662862B2 (ja) * 2014-09-24 2020-03-11 デピュイ・アイルランド・アンリミテッド・カンパニーＤｅｐｕｙ Ｉｒｅｌａｎｄ Ｕｎｌｉｍｉｔｅｄ Ｃｏｍｐａｎｙ 手術計画及び方法
CN106558039B (zh) * 2015-09-23 2019-11-19 腾讯科技（深圳）有限公司 一种人像处理方法及装置
US10251705B2 (en) * 2016-06-02 2019-04-09 Stryker European Holdings I, Llc Software for use with deformity correction
KR102500715B1 (ko) 2016-07-28 2023-02-17 삼성전자주식회사 전자 장치 및 전자 장치 제어 방법
US10290136B2 (en) * 2016-08-10 2019-05-14 Zeekit Online Shopping Ltd Processing user selectable product images and facilitating visualization-assisted coordinated product transactions
US10534809B2 (en) * 2016-08-10 2020-01-14 Zeekit Online Shopping Ltd. Method, system, and device of virtual dressing utilizing image processing, machine learning, and computer vision
CN107808137A (zh) * 2017-10-31 2018-03-16 广东欧珀移动通信有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
US11278413B1 (en) * 2018-02-06 2022-03-22 Philipp K. Lang Devices, systems, techniques and methods for determining the fit, size and/or shape of orthopedic implants using computer systems, artificial neural networks and artificial intelligence
CN108765274A (zh) * 2018-05-31 2018-11-06 北京市商汤科技开发有限公司 一种图像处理方法、装置和计算机存储介质
CN108830784A (zh) * 2018-05-31 2018-11-16 北京市商汤科技开发有限公司 一种图像处理方法、装置和计算机存储介质
CN108830200A (zh) * 2018-05-31 2018-11-16 北京市商汤科技开发有限公司 一种图像处理方法、装置和计算机存储介质
CN110555794B (zh) * 2018-05-31 2021-07-23 北京市商汤科技开发有限公司 图像处理方法及装置、电子设备和存储介质
CN108830783B (zh) * 2018-05-31 2021-07-02 北京市商汤科技开发有限公司 一种图像处理方法、装置和计算机存储介质
CN109191414A (zh) * 2018-08-21 2019-01-11 北京旷视科技有限公司 一种图像处理方法、装置、电子设备及存储介质
CN109325907B (zh) * 2018-09-18 2023-07-04 北京旷视科技有限公司 图像美化处理方法、装置及系统
CN110136051A (zh) * 2019-04-30 2019-08-16 北京市商汤科技开发有限公司 一种图像处理方法、装置和计算机存储介质

Also Published As

Publication number Publication date
KR20200127971A (ko) 2020-11-11
US20210035260A1 (en) 2021-02-04
WO2020220679A1 (zh) 2020-11-05
CN110136051A (zh) 2019-08-16
JP2021524953A (ja) 2021-09-16
SG11202010426QA (en) 2020-12-30
US11501407B2 (en) 2022-11-15

Similar Documents

Publication Publication Date Title
TW202044194A (zh) 一種圖像處理方法、裝置和電腦儲存介質
US20200226754A1 (en) Image processing method, terminal device, and computer storage medium
US11244449B2 (en) Image processing methods and apparatuses
CN108830784A (zh) 一种图像处理方法、装置和计算机存储介质
US20210097268A1 (en) Image processing method and apparatus, and computer storage medium
CN108830200A (zh) 一种图像处理方法、装置和计算机存储介质
CN112102340B (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN108765274A (zh) 一种图像处理方法、装置和计算机存储介质
KR20200077564A (ko) 이미지 처리 방법, 장치 및 컴퓨터 저장 매체
Vezzetti et al. Geometry-based 3D face morphology analysis: soft-tissue landmark formalization
CN110910512B (zh) 虚拟物体自适应调整方法、装置、计算机设备和存储介质
WO2021062998A1 (zh) 一种图像处理方法、装置和电子设备
WO2019205945A1 (zh) 确定广告插入位置的方法、计算机设备和存储介质
CN111968134A (zh) 目标分割方法、装置、计算机可读存储介质及计算机设备
CN107945102A (zh) 一种图片合成的方法及装置
CN110084766A (zh) 一种图像处理方法、装置和电子设备
CN112307854A (zh) 人体动作识别方法、装置、设备和存储介质
CN110111240A (zh) 一种基于强结构的图像处理方法、装置和存储介质
CN113610864A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN110766603B (zh) 一种图像处理方法、装置和计算机存储介质
Chou et al. Simulation of face/hairstyle swapping in photographs with skin texture synthesis
TW202013246A (zh) 機器視覺的效能評估方法與系統
CN116563134A (zh) 图像处理方法、装置、电子设备和可读存储介质
CN117173734A (zh) 手掌轮廓提取、控制指令生成方法、装置和计算机设备