TWI755777B - 一種圖像處理方法、電腦可讀媒體、電子設備 - Google Patents

一種圖像處理方法、電腦可讀媒體、電子設備 Download PDF

Info

Publication number
TWI755777B
TWI755777B TW109121778A TW109121778A TWI755777B TW I755777 B TWI755777 B TW I755777B TW 109121778 A TW109121778 A TW 109121778A TW 109121778 A TW109121778 A TW 109121778A TW I755777 B TWI755777 B TW I755777B
Authority
TW
Taiwan
Prior art keywords
image
key point
point information
face
target object
Prior art date
Application number
TW109121778A
Other languages
English (en)
Other versions
TW202115680A (zh
Inventor
許親親
黃明楊
Original Assignee
中國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 中國商北京市商湯科技開發有限公司 filed Critical 中國商北京市商湯科技開發有限公司
Publication of TW202115680A publication Critical patent/TW202115680A/zh
Application granted granted Critical
Publication of TWI755777B publication Critical patent/TWI755777B/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
    • G06T3/04—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
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申請實施例公開了一種圖像處理方法、電腦可讀媒體、電子設備。所述方法包括：檢測所述第一圖像中的目標物件的臉部關鍵點，獲得第一關鍵點資訊；檢測所述第二圖像中的目標物件的臉部關鍵點，獲得第二關鍵點資訊；基於所述第一關鍵點資訊和所述第二關鍵點資訊確定轉換關係；基於所述轉換關係，對所述第一圖像和所述第二圖像中目標物件的臉部進行融合，獲得第三圖像。

Description

一種圖像處理方法、電腦可讀媒體、電子設備
本申請基於申請號為201910944389.8、申請日為2019年09月30日的中國專利申請提出，並要求該中國專利申請的優先權，該中國專利申請的全部內容在此以引入方式併入本申請。本申請涉及圖像處理技術，具體涉及一種圖像處理方法、電腦可讀媒體、電子設備和處理器。
對於兩張不同的人臉圖片，如何將不同的人臉融合為一張人臉，相關技術中，目前尚無有效解決方案。
本申請實施例提供一種圖像處理方法、電腦可讀媒體、電子設備和處理器。
本申請實施例的技術方案是這樣實現的：
本申請實施例提供了一種圖像處理方法，所述方法包括： 獲得第一圖像和第二圖像；檢測所述第一圖像中的目標物件的臉部關鍵點，獲得第一關鍵點資訊；檢測所述第二圖像中的目標物件的臉部關鍵點，獲得第二關鍵點資訊；基於所述第一關鍵點資訊和所述第二關鍵點資訊確定轉換關係；基於所述轉換關係，對所述第一圖像和所述第二圖像中目標物件的臉部進行融合，獲得所述第三圖像。
在一些可選實施例中，所述基於所述第一關鍵點資訊和所述第二關鍵點資訊確定轉換關係，包括：基於所述第一關鍵點資訊和所述第二關鍵點資訊確定第一轉換關係；基於所述第一轉換關係對所述第一圖像中目標物件的臉部進行變形處理，獲得第一參考圖像；檢測所述第一參考圖像中的目標物件的臉部關鍵點，獲得第三關鍵點資訊；基於所述第二關鍵點資訊和第三關鍵點資訊確定第二轉換關係。
在一些可選實施例中，所述基於所述轉換關係，對所述第一圖像和所述第二圖像中目標物件的臉部進行融合，獲得第三圖像，包括：基於所述第二轉換關係對所述第二圖像中目標物件的臉部進行變形處理，獲得目標圖像；對所述目標圖像和所述第一參考圖像中目標物件的臉部進行融合，獲得第三圖像。
在一些可選實施例中，所述第二關鍵點資訊和所述第三關鍵點資訊均包括關鍵點的座標；所述基於所述第二關鍵點資訊和第三關鍵點資訊確定第二轉換關係，包括：對所述第二關鍵點的座標和所述第三關鍵點的座標進行加權疊加處理，獲得第四關鍵點資訊，所述第四關鍵點資訊包括第四關鍵點的座標； 基於所述第二關鍵點的座標和所述第四關鍵點的座標，確定所述第二轉換關係。
在一些可選實施例中，所述對所述目標圖像和所述第一參考圖像中目標物件的臉部進行融合，獲得所述第三圖像，包括：檢測所述目標圖像中的目標物件的臉部關鍵點，獲得第五關鍵點資訊；基於所述第三關鍵點資訊和所述第五關鍵點資訊確定第三轉換關係；基於所述第三轉換關係對所述第一參考圖像中目標物件的臉部進行變形處理，獲得第二參考圖像；基於所述第二參考圖像和所述目標圖像獲得所述第三圖像。
在一些可選實施例中，所述基於所述第二參考圖像和所述目標圖像獲得第三圖像，包括：對所述第二參考圖像和所述目標圖像進行融合處理，獲得第三參考圖像；對所述第三參考圖像和所述目標圖像進行融合處理，獲得所述第三圖像。
在一些可選實施例中，所述對所述第二參考圖像和所述目標圖像進行融合處理，獲得第三參考圖像，包括：確定所述第二參考圖像中像素點的像素值的第一均值，確定所述目標圖像中像素點的像素值的第二均值；將所述第二參考圖像中的第一像素點的像素值與所述第一均值做差處理，將差值與所述目標圖像中與所述第一像素點對應的像素點的所述第二均值進行加和處理，得到第三參考圖像；其中，所述第一像素點為所述第二參考圖像中的任一像素點。
在一些可選實施例中，所述對所述第三參考圖像和所述目標圖像進行融合處理，獲得所述第三圖像，包括：對所述第三參考圖像中的第二像素點的像素值和所述目標圖像中與所述第二像素點對應的像素點的像素值進行加權求和處理，獲得所述第三圖像；其中，所述第二像素點為所述第三參考圖像中的任一像素點。
在一些可選實施例中，所述對所述目標圖像和所述第一參考圖像中目標物件的臉部進行融合，獲得所述第三圖像之前，所述方法還包括：對所述第一參考圖像進行最佳化處理；所述最佳化處理包括針對所述第一參考圖像中的目標物件的臉部的以下至少一種處理：磨皮處理、美白處理、紅潤處理；
所述基於所述目標圖像和所述第一參考圖像生成第三圖像，包括：基於所述目標圖像和最佳化處理後的第一參考圖像，生成第三圖像。
在一些可選實施例中，所述基於所述第二轉換關係對所述第二圖像中目標物件的臉部進行變形處理之前，所述方法還包括：對所述第二圖像中的目標物件的鼻孔區域進行高斯模糊處理；所述基於所述第二轉換關係對所述第二圖像中目標物件的臉部進行變形處理，包括：基於所述第二轉換關係對高斯模糊處理後的第二圖像中目標物件的臉部進行變形處理。
在一些可選實施例中，所述檢測所述第一圖像中的目標物件的臉部關鍵點，獲得第一關鍵點資訊，包括：基於臉部關鍵點檢測演算法檢測所述第一圖像，獲得所述第一圖像的臉部區域包含的各器官的關鍵點資訊以及所述臉部區域邊緣的輪廓關鍵點資訊。
在一些可選實施例中，獲得所述臉部區域邊緣的輪廓關鍵點資訊，包括：獲得所述臉部區域中的眼部以下區域的第一組輪廓關鍵點資訊；基於所述臉部區域中的額頭區域相關的關鍵點資訊，確定所述額頭區域的第二組輪廓關鍵點資訊；基於所述第一組輪廓關鍵點資訊和所述第二組輪廓關鍵點資訊確定所述臉部區域邊緣的輪廓關鍵點資訊。
在一些可選實施例中，所述第一關鍵點資訊和所述第二關鍵點資訊還包括與臉部區域相關聯的外緣關鍵點資訊；所述外緣關鍵點資訊對應於所述臉部區域邊緣的輪廓關鍵點資訊。
在一些可選實施例中，確定所述外緣關鍵點資訊，包括：確定所述臉部區域的中心點；確定所述臉部區域邊緣的每個輪廓關鍵點與所述中心點之間的距離，以及確定每個輪廓關鍵點相對於所述中心點的方向；針對第一輪廓關鍵點，按照與所述第一輪廓關鍵點對應的方向，朝向臉部區域外部延伸預設距離，確定與所述第一輪廓關鍵點對應的外緣關鍵點；所述第一輪廓關鍵點為所述臉部區域邊緣的任一個輪廓關鍵點。
在一些可選實施例中，所述方法還包括：在所述第一圖像和所述第二圖像中的目標物件的嘴部狀態不同、且所述第三圖像中的目標物件處於張嘴狀態的情況下，基於牙齒範本圖像對所述第三圖像中的所述目標物件進行牙齒添加操作，生成第四圖像。
在一些可選實施例中，所述方法還包括：對所述第三圖像或對所述第三圖像進行牙齒添加操作得到的第四圖像進行圖像風格轉換處理，獲得第五圖像。
本申請實施例還提供了一種圖像處理裝置，所述裝置包括：獲取單元、關鍵點檢測單元和融合處理單元；其中， 所述獲取單元，配置為獲得第一圖像和第二圖像； 所述關鍵點檢測單元，配置為檢測所述第一圖像中的目標物件的臉部關鍵點，獲得第一關鍵點資訊；檢測所述第二圖像中的目標物件的臉部關鍵點，獲得第二關鍵點資訊； 所述融合處理單元，配置為基於所述第一關鍵點資訊和所述第二關鍵點資訊確定轉換關係；基於所述轉換關係，對所述第一圖像和所述第二圖像中目標物件的臉部進行融合，獲得第三圖像。
在一些可選實施例中，所述融合處理單元，配置為基於所述第一關鍵點資訊和所述第二關鍵點資訊確定第一轉換關係；基於所述第一轉換關係對所述第一圖像中目標物件的臉部進行變形處理，獲得第一參考圖像； 所述關鍵點檢測單元，還配置為檢測所述第一參考圖像中的目標物件的臉部關鍵點，獲得第三關鍵點資訊； 所述融合處理單元，還配置為基於所述第二關鍵點資訊和第三關鍵點資訊確定第二轉換關係。
在一些可選實施例中，所述融合處理單元，配置為基於所述第二轉換關係對所述第二圖像中目標物件的臉部進行變形處理，獲得目標圖像；對所述目標圖像和所述第一參考圖像中目標物件的臉部進行融合，獲得第三圖像。
在一些可選實施例中，所述第二關鍵點資訊和所述第三關鍵點資訊均包括關鍵點的座標；所述融合處理單元，配置為對所述第二關鍵點的座標和所述第三關鍵點的座標進行加權疊加處理，獲得第四關鍵點資訊，所述第四關鍵點資訊包括第四關鍵點的座標；基於所述第二關鍵點的座標和所述第四關鍵點的座標，確定所述第二轉換關係。
在一些可選實施例中，所述融合處理單元，配置為檢測所述目標圖像中的目標物件的臉部關鍵點，獲得第五關鍵點資訊；基於所述第三關鍵點資訊和所述第五關鍵點資訊確定第三轉換關係；基於所述第三轉換關係對所述第一參考圖像中目標物件的臉部進行變形處理，獲得第二參考圖像；基於所述第二參考圖像和所述目標圖像獲得第三圖像。
在一些可選實施例中，所述融合處理單元，配置為對所述第二參考圖像和所述目標圖像進行融合處理，獲得第三參考圖像；對所述第三參考圖像和所述目標圖像進行融合處理，獲得所述第三圖像。
在一些可選實施例中，所述融合處理單元，配置為確定所述第二參考圖像中像素點的像素值的第一均值，確定所述目標圖像中像素點的像素值的第二均值；將所述第二參考圖像中的第一像素點的像素值與所述第一均值做差處理，將差值與所述目標圖像中與所述第一像素點對應的像素點的所述第二均值進行加和處理，得到第三參考圖像；其中，所述第一像素點為所述第二參考圖像中的任一像素點。
在一些可選實施例中，所述融合處理單元，配置為對所述第三參考圖像中的第二像素點的像素值和所述目標圖像中與所述第二像素點對應的像素點的像素值進行加權求和處理，獲得所述第三圖像；其中，所述第二像素點為所述第三參考圖像中的任一像素點。
在一些可選實施例中，所述融合處理單元，配置為對所述目標圖像和所述第一參考圖像中目標物件的臉部進行融合，獲得所述第三圖像之前，對所述第一參考圖像進行最佳化處理；所述最佳化處理包括針對所述第一參考圖像中的目標物件的臉部的以下至少一種處理：磨皮處理、美白處理、紅潤處理；還配置為基於所述目標圖像和最佳化處理後的第一參考圖像，生成第三圖像。
在一些可選實施例中，所述融合處理單元，配置為基於所述第二轉換關係對所述第二圖像中目標物件的臉部進行變形處理之前，對所述第二圖像中的目標物件的鼻孔區域進行高斯模糊處理；還配置為基於所述第二轉換關係對高斯模糊處理後的第二圖像中目標物件的臉部進行變形處理。
在一些可選實施例中，所述關鍵點檢測單元，配置為基於臉部關鍵點檢測演算法檢測所述第一圖像，獲得所述第一圖像的臉部區域包含的各器官的關鍵點資訊以及所述臉部區域邊緣的輪廓關鍵點資訊。
在一些可選實施例中，所述關鍵點檢測單元，配置為獲得所述臉部區域中的眼部以下區域的第一組輪廓關鍵點資訊；基於所述臉部區域中的額頭區域相關的關鍵點資訊，確定所述額頭區域的第二組輪廓關鍵點資訊；基於所述第一組輪廓關鍵點資訊和所述第二組輪廓關鍵點資訊確定所述臉部區域邊緣的輪廓關鍵點資訊。
在一些可選實施例中，所述第一關鍵點資訊和所述第二關鍵點資訊還包括與臉部區域相關聯的外緣關鍵點資訊；所述外緣關鍵點資訊對應於所述臉部區域邊緣的輪廓關鍵點資訊。
在一些可選實施例中，所述關鍵點檢測單元，還配置為確定所述臉部區域的中心點；確定所述臉部區域邊緣的每個輪廓關鍵點與所述中心點之間的距離，以及確定每個輪廓關鍵點相對於所述中心點的方向；針對第一輪廓關鍵點，按照與所述第一輪廓關鍵點對應的方向，朝向臉部區域外部延伸預設距離，確定與所述第一輪廓關鍵點對應的外緣關鍵點；所述第一輪廓關鍵點為所述臉部區域邊緣的任一個輪廓關鍵點。
在一些可選實施例中，所述裝置還包括圖像處理單元，配置為在所述第一圖像和所述第二圖像中的目標物件的嘴部狀態不同、且所述第三圖像中的目標物件處於張嘴狀態的情況下，基於牙齒範本圖像對所述第三圖像中的所述目標物件進行牙齒添加操作，生成第四圖像。
在一些可選實施例中，所述裝置還包括風格轉換處理單元，配置為對所述第三圖像或對所述第三圖像進行牙齒添加操作得到的第四圖像進行圖像風格轉換處理，獲得第五圖像。
本申請實施例還提供了一種電腦可讀儲存媒體，其上儲存有電腦程式，該程式被處理器執行時實現本申請實施例所述方法的步驟。
本申請實施例還提供了一種電子設備，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申請實施例所述方法的步驟。
本申請實施例還提供了一種處理器，所述處理器用於調用電腦程式，所述處理器執行所述程式時實現本申請實施例所述方法的步驟。
本申請實施例提供的圖像處理方法、裝置和電子設備，所述方法包括：獲得第一圖像和第二圖像；檢測所述第一圖像中的目標物件的臉部關鍵點，獲得第一關鍵點資訊；檢測所述第二圖像中的目標物件的臉部關鍵點，獲得第二關鍵點資訊；基於所述第一關鍵點資訊和所述第二關鍵點資訊確定轉換關係；基於所述轉換關係，對所述第一圖像和所述第二圖像中目標物件的臉部進行融合，獲得所述第三圖像。採用本申請實施例的技術方案，一方面實現了將不同的臉部圖像融合為一個臉部圖像；另一方面透過對臉部的關鍵點的檢測，實現了對臉部的關鍵點（例如臉部器官和輪廓等）的準確定位，並且在臉部融合處理的過程中，基於臉部關鍵點進行相應的融合處理或變形處理，大大提升了臉部融合處理的效果。
下面結合附圖及具體實施例對本申請作進一步詳細的說明。
本申請實施例提供了一種圖像處理方法。第1圖為本申請實施例的圖像處理方法的流程示意圖一；如第1圖所示，方法包括： 步驟101：獲得第一圖像和第二圖像； 步驟102：檢測第一圖像中的目標物件的臉部關鍵點，獲得第一關鍵點資訊，檢測第二圖像中的目標物件的臉部關鍵點，獲得第二關鍵點資訊； 步驟103：基於第一關鍵點資訊和第二關鍵點資訊確定轉換關係； 步驟104：基於轉換關係，對第一圖像和第二圖像中目標物件的臉部進行融合，獲得第三圖像。
本實施例中，第一圖像和第二圖像中可以包含目標物件的臉部；該目標物件可以是圖像中的真實人物，在其他實施方式中，目標物件也可以是虛擬人物，例如卡通人物形象等。當然，目標物件還可以為其他類型的物件，本申請實施例中對此並不限定。
在一些實施例中，第一圖像和第二圖像中包括不同的目標物件。例如，第一圖像和第二圖像中均包括人臉，但第一圖像和第二圖像中包含不同的人臉。本實施例主要是針對不同的人臉進行的融合處理，合成一個人臉。
本實施例中，第一關鍵點資訊和第二關鍵點資訊均包括臉部區域包含的各器官的關鍵點資訊和臉部區域的邊緣的輪廓關鍵點資訊；其中，臉部區域包含的器官包括以下至少之一：眼睛、鼻子、嘴、眉毛等等；臉部區域包含的各器官的關鍵點資訊可包括上述各器官的中心關建點資訊和/或器官的輪廓關鍵點資訊。臉部區域的邊緣的輪廓關鍵點資訊為對應於臉部區域輪廓的關鍵點資訊。其中，第一關鍵點資訊和第二關鍵點資訊包括但不限於關鍵點的座標，第一關鍵點資訊和第二關鍵點資訊例如還可以包括關鍵點的類別標識等，示例性的，類別標識可用於表示關鍵點是器官的關鍵點或是邊緣的輪廓關鍵點。
在本申請的一些可選實施例中，針對步驟102，檢測第一圖像中的目標物件的臉部關鍵點，獲得第一關鍵點資訊，包括：基於臉部關鍵點檢測演算法檢測第一圖像，獲得第一圖像的臉部區域包含的各器官的關鍵點資訊以及臉部區域邊緣的輪廓關鍵點資訊。
其中，獲得臉部區域邊緣的輪廓關鍵點資訊，包括：獲得臉部區域中眼部以下區域的第一組輪廓點資訊；基於臉部區域中的額頭區域相關的關鍵點資訊，確定額頭區域的第二組輪廓點資訊；基於第一組輪廓點資訊和第二組輪廓點資訊確定臉部區域邊緣的輪廓關鍵點資訊。相應的，對於檢測第二圖像從而獲得對應的第二關鍵點資訊與上述第一關鍵點資訊相似，這裡不再贅述。
第2A圖為本申請實施例的圖像處理方法中的臉部關鍵點示意圖；如第2A圖所示，第一方面，臉部區域包含的器官的關鍵點具體可以為臉部區域包含的以下至少一個器官的關鍵點：眉毛、眼睛、鼻子、嘴等等。在一些實施方式中，器官的關鍵點資訊可包括器官的中心關鍵點資訊和/或器官的輪廓關鍵點資訊。以器官為眼睛為例，則眼睛的關鍵點資訊包括眼睛的中心關鍵點資訊和眼睛的輪廓關鍵點資訊，例如眼睛的關鍵點資訊包括眼睛的中心關鍵點的座標和眼睛的輪廓關鍵點的座標；又以器官為眉毛為例，則眉毛的關鍵點資訊可包括眉毛的輪廓關鍵點資訊，例如眉毛的關鍵點資訊可包括眉毛的輪廓關鍵點的座標。則本實施例中，首先透過臉部關鍵點檢測演算法獲得臉部區域中各器官的關鍵點資訊。
第二方面，透過臉部關鍵點檢測演算法獲得臉部區域中眼部以下區域的第一組輪廓點資訊，第一組輪廓點如第2B圖所示。在一些實施例中；可透過臉部關鍵點檢測演算法獲得臉部區域中眼部以下的數量較少的M1個關鍵點，例如5個關鍵點等；再針對該M1個關鍵點透過曲線插值的方式獲得M2個關鍵點，將M1個關鍵點和M2個關鍵點作為第一組輪廓點資訊。
其中，臉部關鍵點檢測演算法可採用任一人臉識別演算法。
第三方面，針對額頭區域的輪廓關鍵點資訊進行獲取。作為一種示例，可基於預設參數確定臉部區域的額頭區域中的至少三個關鍵點資訊，以確定三個關鍵點資訊為例，如第2B圖所示，則關鍵點1對應於位於額頭區域的中線上的關鍵點，而關鍵點2和關鍵點3分別位於關鍵點1的兩側；基於第一組輪廓點資訊中位於兩端的關鍵點4和關鍵點5（其中，關鍵點4和關鍵點5分別為第一組輪廓關鍵點資訊中最靠近眼部的關鍵點）、以及關鍵點1、關鍵點2和關鍵點3進行曲線擬合，獲得曲線擬合關鍵點資訊；基於曲線插值演算法對曲線擬合關鍵點資訊進行插值處理，獲得與額頭區域匹配的第二組輪廓點資訊。
至此，透過對第一組輪廓點資訊和第二組輪廓點資訊的確定從而確定臉部區域邊緣的輪廓關鍵點資訊；再基於臉部區域邊緣的輪廓關鍵點資訊和臉部區域包含的各器官的關鍵點資訊從而獲得第一關鍵點資訊和第二關鍵點資訊。
在本申請的一些可選實施例中，第一關鍵點資訊和第二關鍵點資訊還可包括與臉部區域相關聯的外緣關鍵點資訊；外緣關鍵點資訊對應於臉部區域邊緣的輪廓關鍵點資訊，如第2C圖所示為外緣關鍵點的示例性說明。
在一些實施例中，確定外緣關鍵點資訊包括：確定臉部區域的中心點，中心點例如是鼻子的鼻尖對應的關鍵點；確定臉部區域邊緣的每個輪廓關鍵點與中心點之間的距離，以及確定每個輪廓關鍵點相對於中心點的方向；針對第一輪廓關鍵點，按照與所述第一輪廓關鍵點對應的方向，朝向臉部區域外部延伸預設距離，確定與所述第一輪廓關鍵點對應的外緣關鍵點；所述第一輪廓關鍵點為所述臉部區域邊緣的任一個輪廓關鍵點；其中，預設距離和邊緣的輪廓關鍵點與中心點之間的距離相關；邊緣的輪廓關鍵點與中心點之間的距離越大，預設距離越大；邊緣的輪廓關鍵點與中心點之間的距離越小，預設距離越小。基於上述方式可確定如第2C圖中所示的臉部區域外部的外緣關鍵點資訊。
本實施例中，確定外緣關鍵點資訊的目的在於，在對圖像進行變形處理過程中，尤其是採用三角變形區域的變形處理方式進行圖像變形處理過程中，可利用外緣關鍵點資訊和臉部區域的邊緣的輪廓關鍵點資訊形成的三角變形區域進行適應性的變形處理，即對臉部區域相關聯的過渡區域（即外緣關鍵點與臉部區域的邊緣的輪廓關鍵點之間的區域）進行適應性的變形處理，從而可以獲得更佳的圖像變形效果，使得臉部融合的效果更為自然。
在本申請的一些可選實施例中，針對步驟103，包括：基於第一關鍵點資訊和第二關鍵點資訊確定第一轉換關係；基於第一轉換關係對第一圖像中目標物件的臉部進行變形處理，獲得第一參考圖像；檢測第一參考圖像中的目標物件的臉部關鍵點，獲得第三關鍵點資訊；基於第二關鍵點資訊和第三關鍵點資訊確定第二轉換關係。
本申請實施例中至少包括用於對第一圖像進行轉換處理的第一轉換關係和用於對第二圖像進行轉換處理的第二轉換關係，並且透過第一轉換關係對第一圖像進行轉換處理得到第一參考圖像；提取第一參考圖像中的目標物件的臉部關鍵點記為第三關鍵點資訊，在基於第二關鍵點資訊和第三關鍵點資訊確定第二轉換關係，從而使得第二圖像朝向第一參考圖像進行轉換，實現對第一圖像和第二圖像中的目標物件的臉部進行融合，使得獲得的第三圖像中的目標物件的臉部看起來與第一圖像和第二圖像中的臉部均有相似的效果。
需要說明的是，本實施例中，對兩個圖像中的目標物件的臉部進行融合處理，可以包括對兩個圖像中的目標物件的臉部進行融合，使之得到的新的圖像中的目標物件的臉部與第一圖像和第二圖像中的目標物件的臉部均相似；還可以包括：對兩個圖像中的一個圖像中的目標物件的臉部進行變形處理，再對變形處理後的目標物件的臉部以及未進行變形處理的圖像的目標物件的臉部進行融合。
採用本申請實施例的技術方案，一方面實現了將不同的臉部圖像融合為一個臉部圖像；另一方面透過對臉部的關鍵點的檢測，實現了對臉部的關鍵點（例如臉部器官和輪廓等）的準確定位，並且在臉部融合處理的過程中基於臉部關鍵點進行相應的融合處理或變形處理，大大提升了臉部融合處理的效果。
基於前述實施例，本申請實施例還提供了一種圖像處理方法。第3圖為本申請實施例的圖像處理方法的流程示意圖二；如第3圖所示，方法包括： 步驟201：獲得第一圖像和第二圖像； 步驟202：檢測第一圖像中的目標物件的臉部關鍵點，獲得第一關鍵點資訊，檢測第二圖像中的目標物件的臉部關鍵點，獲得第二關鍵點資訊； 步驟203：基於第一關鍵點資訊和第二關鍵點資訊確定第一轉換關係； 步驟204：基於第一轉換關係對第一圖像中目標物件的臉部進行變形處理，獲得第一參考圖像； 步驟205：檢測第一參考圖像中的目標物件的臉部關鍵點，獲得第三關鍵點資訊； 步驟206：基於第二關鍵點資訊和第三關鍵點資訊確定第二轉換關係； 步驟207：基於第二轉換關係對第二圖像中目標物件的臉部進行變形處理，獲得目標圖像； 步驟208：對目標圖像和第一參考圖像中目標物件的臉部進行融合，獲得第三圖像。
本實施例中的步驟201至步驟202的詳細闡述具體可參照前述實施例中的步驟101至步驟102的詳細闡述，這裡不再贅述。
本實施例步驟203中，可基於第一關鍵點資訊表徵的各關鍵點的座標以及第二關鍵點資訊表徵的各關鍵點的座標確定第一轉換關係。示例性的，第一轉換關係可以透過轉換矩陣實現。轉換矩陣的獲得方式可包括：確定初始關鍵點的座標集合，上述初始關鍵點的座標集合可透過一個矩陣（例如記為矩陣H）體現；確定目標關鍵點的座標集合，上述目標關鍵點的座標集合可透過另一個矩陣（例如記為矩陣P）體現；假設轉換矩陣記為Q，則可以有H·Q=P，也即Q=P·H-1 。可以理解，將第一關鍵點資訊透過第一轉換關係（如第一轉換矩陣）進行轉換處理，期望得到第二關鍵點資訊，但由於誤差等各種原因，即使將第一關鍵點資訊透過第一轉換關係（如第一轉換矩陣）的轉換處理，可能得到的關鍵點資訊與第二關鍵點資訊不完全匹配，因此，本實施例步驟204中，基於第一轉換關係（如第一轉換矩陣）對第一圖像進行處理，具體是基於第一轉換關係對第一圖像中目標物件的臉部進行變形處理，得到的圖像記為第一參考圖像。其中，示例性的，本申請各實施例中的第一轉換關係均可以基於第一關鍵點的座標集合和第二關鍵點的座標集合確定的第一轉換矩陣實現。
本實施例步驟205中，第三關鍵點資訊的獲取方式可參照前述實施例的步驟102中，第一關鍵點資訊和第二關鍵點資訊的獲取方式的詳細闡述，這裡不再贅述。示例性的，第三關鍵點資訊對應的關鍵點的數量也可以為106個。
在本申請的一些可選實施例中，針對步驟206，第二關鍵點資訊和第三關鍵點資訊均包括關鍵點的座標資訊；基於第二關鍵點資訊和第三關鍵點資訊確定第二轉換關係，包括：對第二關鍵點資訊和第三關鍵點資訊進行加權疊加處理，獲得第四關鍵點資訊； 基於第二關鍵點資訊和第四關鍵點資訊確定第二轉換關係。
在一些實施例中，關鍵點資訊（例如第二關鍵點資訊、第三關鍵點資訊、第四關鍵點資訊等）中包括關鍵點的座標。可基於預設的權重係數對第二關鍵點的座標和第三關鍵點的座標進行加權疊加處理，獲得第四關鍵點的座標。之後，可基於第二關鍵點的座標和第四關鍵點的座標確定第二轉換關係。
示例性的，第四關鍵點的座標可滿足以下運算式： PT4=alpha×PT2+(1-alpha)×PT3                                      （1） 其中，PT4表示第四關鍵點的座標；PT2表示第二關鍵點的座標；PT3表示第三關鍵點的座標；alpha表示權重係數。
後續，可以基於第二轉換關係對第二圖像中的第二關鍵點資訊朝向第四關鍵點資訊進行變形處理，使得變形處理後的第二圖像（即目標圖像）中的關鍵點資訊與第四關鍵點資訊匹配，即目標圖像中的關鍵點的座標接近第四關鍵點的座標。
在一些實施例中，可透過反距離加權（IDW，Inverse Distance Weighted）演算法對第二圖像進行變形處理，得到目標圖像。具體的，IDW演算法是假定每個關鍵點（即第二關鍵點和第四關鍵點）對目標圖像中的目標關鍵點都有著局部影響，這種影響會隨著距離的增加而減弱。則假定對第二圖像進行變形處理後得到的目標圖像中的初始目標關鍵點的座標，利用第二關鍵點的座標與第四關鍵點的座標，確定初始目標關鍵點分別與第二關鍵點與第四關鍵點之間的距離；基於上述距離，分別確定第二關鍵點對初始目標關鍵點的權重，以及第四關鍵點對初始目標關鍵點的權重；基於確定的權重，分別對初始目標關鍵點與第二關鍵點之間的距離，以及目標關鍵點與第四關鍵點之間的距離進行加權平均處理；基於獲得的結果確定目標關鍵點。可以理解，上述第二轉換關係具體可以是採用IDW演算法確定目標關鍵點的過程，即對第二圖像中的第二關鍵點資訊朝向第四關鍵點資訊進行變形處理。
在其他實施方式中，也可選取第二圖像中的第二關鍵點資訊中的部分第二關鍵點資訊作為變形關鍵點，基於上述變形關鍵點採用上述IDW方式進行處理，採用部分關鍵點的方式可以減少資料處理量。
在本申請的一種可選實施例中，基於第二轉換關係對第二圖像中目標物件的臉部進行變形處理之前，方法還包括：對第二圖像中的目標物件的鼻孔區域進行高斯模糊處理；基於第二轉換關係對第二圖像中目標物件的臉部進行變形處理，包括：基於第二轉換關係對高斯模糊處理後的第二圖像中目標物件的臉部進行變形處理。
本申請一些實施例中，為了避免臉部融合後鼻孔區域可能會出現黑色過於明顯、鼻孔區域過於突兀的問題，在對第二圖像進行變形處理之前，先對臉部區域的鼻孔區域進行高斯模糊處理（或者也可稱為高斯平滑處理），以淡化鼻孔區域的黑色，避免出現上述問題，使得臉部融合處理後的第三圖像中的臉部更加自然。實際應用中，可透過臉部識別演算法識別第二圖像中的目標物件的鼻孔區域（確定的鼻孔區域可以是矩形、圓形或其他任意形狀）；對確定的鼻孔區域進行高斯模糊（或高斯平滑）處理。
在本申請的一些可選實施例中，針對步驟208，對目標圖像和第一參考圖像中目標物件的臉部進行融合，獲得第三圖像，包括：檢測目標圖像中的目標物件的臉部關鍵點，獲得第五關鍵點資訊；基於第三關鍵點資訊和第五關鍵點資訊確定第三轉換關係；基於第三轉換關係對第一參考圖像中目標物件的臉部進行變形處理，獲得第二參考圖像；基於第二參考圖像和目標圖像獲得第三圖像。
本實施例中，第五關鍵點資訊的獲取方式可參照前述實施例的步驟102中，第一關鍵點資訊和第二關鍵點資訊的獲取方式的詳細闡述，這裡不再贅述。
本申請一些實施例中，從第2A圖中可以看出，任意相鄰的三個關鍵點可確定一個三角變形區域，則本實施例可按照相同規則，基於第三關鍵點資訊確定三角變形區域，以及基於第五關鍵點資訊確定三角變形區域；透過第三關鍵點的座標和第五關鍵點的座標確定第三轉換關係，基於第三轉換關係、採用三角變形區域進行變形處理，獲得第二參考圖像。可以理解的是，雖然透過第三轉換關係，期望將第一參考圖像中的第三關鍵點資訊所在位置變形至目標圖像中的第五關鍵點資訊所在位置，但由於誤差等原因，往往無法實現變形後的第三關鍵點資訊所在位置與第五關鍵點資訊所在位置完全重合，因此將變形處理後的第一參考圖像記為第二參考圖像。進一步基於第二參考圖像和目標圖像獲得第三圖像。
在一些示例中，第三轉換關係可透過分別對應於各三角變形區域的轉換矩陣實現。以一個三角變形區域為例，則確定對應於第一參考圖像中的三個第三關鍵點的座標，形成一個矩陣，記為矩陣A；確定對應於目標圖像中的三個第五關鍵點的座標，形成另一個矩陣，記為矩陣B；假設轉換矩陣記為Q，則可以有A·Q=B，也即Q=B·A-1 。則針對每個三角變形區域均可採用對應的第三轉換關係進行轉換處理，獲得第二參考圖像。
在本申請的一些可選實施例中，基於第二參考圖像和目標圖像獲得第三圖像，包括：對第二參考圖像和目標圖像進行融合處理，獲得第三參考圖像；對第三參考圖像和目標圖像進行融合處理，獲得第三圖像。
本實施例可採用兩次融合處理方式對獲得的第二參考圖像和目標圖像進行融合處理。當然，在其他實施例中，也可採用一次融合處理方式或者兩次以上的融合處理方式進行融合處理，本實施例中對此不作限定。
在本申請的一些可選實施例中，對第二參考圖像和目標圖像進行融合處理，獲得第三參考圖像，包括：確定第二參考圖像中的像素點對應的像素值的第一均值，確定目標圖像中的像素點對應的像素值的第二均值；將第二參考圖像中的第一像素點的像素值與第一均值做差處理，將差值與第二均值進行加和處理，得到第三參考圖像；其中，第一像素點為第二參考圖像中的任一像素點。
在一些實施例中，確定第二參考圖像中的像素點對應的像素值的第一均值，包括：確定第二參考圖像中的像素點對應的像素值中的色彩分量數值的第一均值；相應的，確定目標圖像中的像素點對應的像素值的第二均值，包括：確定目標圖像中的像素點對應的像素值中的色彩分量數值的第二均值；則本實施例中，將第二參考圖像中的第一像素點的像素值的色彩分量數值與第一均值做差處理，將差值與目標圖像中與第一像素點對應的像素點的像素值的色彩分量數值與第二均值進行加和處理，得到第三參考圖像。
具體的，第二參考圖像和目標圖像均為彩色圖像，則第二參考圖像和目標圖像中每個像素點的像素值均具有能夠形成彩色圖像的色彩分量。以彩色圖像為RGB圖像為例，則每個像素點均具有分別對應於紅色色彩分量、綠色色彩分量和藍色色彩分量的三個數值，三個色彩分量數值組合在一起形成像素點對應的像素值。則分別獲得第二參考圖像中三個色彩分量的平均值，每個色彩分量的平均值均記為第一均值，以及分別獲得目標圖像中三個色彩分量的平均值，每個色彩分量的平均值均記為第二均值；以其中一個色彩分量（如紅色色彩分量、綠色色彩分量或藍色色彩分量）為例，將第二參考圖像中每個像素點的該色彩分量的數值減去對應的第一均值，再加上目標圖像中對應的色彩分量的第二均值，其他色彩分量以及其他像素點的處理方式相似，所獲得的結果為第三參考圖像中各像素點的各色彩分量的數值。
在本申請的一些可選實施例中，對第三參考圖像和目標圖像進行融合處理，獲得第三圖像，包括：對第三參考圖像中的第二像素點的像素值和目標圖像中與第二像素點對應的像素點的像素值進行加權求和處理，獲得第三圖像；其中，第二像素點為第三參考圖像中的任一像素點。
在一些實施例中，第三參考圖像和目標圖像為彩色圖像，則第二參考圖像和目標圖像中每個像素點的像素值均具有能夠形成彩色圖像的色彩分量。以彩色圖像為RGB圖像為例，則每個像素點均具有分別對應於紅色色彩分量、綠色色彩分量和藍色色彩分量的三個數值，三個色彩分量數值組合在一起形成像素點對應的像素值。本實施例中，分別對第三參考圖像和目標圖像中對應的像素點的某色彩分量的數值進行加權疊加，將加權疊加後的結果作為第三圖像中對應像素點的某色彩分量的數值。以其中一個色彩分量（如紅色色彩分量、綠色色彩分量或藍色色彩分量）為例，將第三參考圖像中的某像素點的該色彩分量的數值乘以權重係數（例如40%），將目標圖像中的對應像素點的該色彩分量的數值乘以（1-權重係數）（例如60%），再將兩個結果相加，得到的結果作為第三圖像中對應像素點的該色彩分量的數值。實際應用中，第二融合處理方式可採用alpha blending演算法進行融合處理，透過該融合處理方式將第三參考圖像和目標圖像按比例進行融合處理。在其他實施方式中，還可分別針對第三參考圖像和目標圖像設置不同的權重係數，透過第三參考圖像的某色彩分量數值乘以比例係數1與目標圖像的該色彩分量數值乘以比例係數二後進行疊加，將疊加結果作為第三圖像中對應色彩分量的數值；其中，比例係數1和比例係數2的和可以不等於1。
在本申請的一些可選實施例中，對目標圖像和第一參考圖像中目標物件的臉部進行融合，獲得第三圖像之前，方法還可以包括：對第一參考圖像進行最佳化處理；最佳化處理包括針對第一參考圖像中的目標物件的臉部的以下至少一種處理：磨皮處理、美白處理、紅潤處理；相應的，基於目標圖像和第一參考圖像生成第三圖像，包括：基於目標圖像和最佳化處理後的第一參考圖像，生成第三圖像，以使得臉部融合處理後的圖像效果更為美觀。
在本申請的一種可選實施例中，方法還可以包括：對第三圖像進行圖像風格轉換處理，獲得第五圖像。
本實施例中，可預先配置有多種圖像風格對應的參數；圖像風格例如油畫風格、中國畫風格等，當然還可以是其他圖像風格。獲得的第三圖像為預設風格，則在確定有圖像風格轉換需求的情況下，例如接收到圖像風格轉換指令，根據圖像風格轉換指令確定對應的圖像風格參數，基於圖像風格參數對第三圖像進行風格轉換處理，獲得第五圖像。
實際應用中，可透過人機互動的方式接收圖像風格轉換指令。例如，人機互動介面顯示有多個圖像風格按鍵，使用者透過出發目標圖像風格，則接收到對應的圖像風格轉換指令。
採用本申請實施例的技術方案，第一方面實現了將不同的臉部圖像融合為一個臉部圖像；第二方面透過對臉部關鍵點的檢測，實現了對臉部關鍵點（例如臉部器官和輪廓等）的準確定位，並且在臉部融合處理的過程中基於臉部關鍵點進行相應的融合處理或變形處理，大大提升了臉部融合處理的效果；第三方面，透過對鼻孔區域的高斯模糊處理，對鼻孔的區域進行淡化，避免了臉部融合處理後鼻孔區域黑色明顯的問題，在一定程度上也大大提升了臉部融合的效果，使臉部的融合更為自然；第四方面，本實施例可透過IDW演算法對第二圖像進行變形處理，實現了對臉部五官的美化調整；透過三角變形區域的方式對第一參考圖像進行變形處理，以實現對臉部區域的變換；第五方面，本實施例對第二參考圖像和目標圖像的融合處理採用了基於均值的融合處理方式和基於比例混合的處理方式，處理過程簡單，提升了處理效率。
本申請實施例還提供了一種圖像處理方法。第4圖為本申請實施例的圖像處理方法的流程示意圖三；如第4圖所示，方法包括： 步驟301：獲得第一圖像和第二圖像； 步驟302：檢測第一圖像中的目標物件的臉部關鍵點，獲得第一關鍵點資訊，檢測第二圖像中的目標物件的臉部關鍵點，獲得第二關鍵點資訊； 步驟303：基於第一關鍵點資訊和第二關鍵點資訊確定第一轉換關係； 步驟304：基於第一轉換關係對第一圖像中目標物件的臉部進行變形處理，獲得第一參考圖像； 步驟305：檢測第一參考圖像中的目標物件的臉部關鍵點，獲得第三關鍵點資訊； 步驟306：基於第二關鍵點資訊和第三關鍵點資訊確定第二轉換關係； 步驟307：基於第二轉換關係對第二圖像進行變形處理，獲得目標圖像； 步驟308：對目標圖像和第一參考圖像中目標物件的臉部進行融合，獲得第三圖像； 步驟309：在第一圖像和第二圖像中的目標物件的嘴部狀態不同、且第三圖像中的目標物件處於張嘴狀態的情況下，基於牙齒範本圖像對第三圖像中的目標物件進行牙齒添加操作，生成第四圖像。
本實施例中的步驟301至步驟308的詳細闡述具體可參照前述實施例中的步驟201至步驟208的詳細闡述，這裡不再贅述。
本實施例步驟309中，若第一圖像和第二圖像中的目標物件均處於閉嘴的狀態，則臉部融合處理後的第三圖像中的目標物件也處於閉嘴狀態。若第一圖像和第二圖像中的目標物件一個處於閉嘴的狀態另一個處於張嘴的狀態，則臉部融合處理後的第三圖像中的目標物件或者處於閉嘴狀態或者處於張嘴的狀態。在第三圖像中的目標物件處於張嘴的狀態下，則需要對牙齒進行填充處理，以使臉部融合效果更為自然。
本實施例中，可預先配置多個牙齒範本圖像；從多個牙齒範本圖像中選擇一個牙齒範本圖像添加至目標物件的嘴部區域，從而實現目標物件的牙齒添加，生成第四圖像。實際應用中，不同的牙齒範本圖像與目標物件的嘴部張開區域的形狀相關聯。則在第三圖像中的目標物件處於張嘴狀態的情況下，透過圖像識別演算法識別出目標物件的嘴部張開區域的形狀，基於該形狀確定對應的類別標識；多個牙齒範本圖像可透過對應的類別標識作為索引；透過該類別標識查詢多個牙齒範本圖像的索引，獲得類別標識對應的牙齒範本圖像，將牙齒範本圖像添加至目標物件的嘴部張開區域中，從而實現牙齒添加。
在本申請的一些可選實施例中，方法還包括：對第四圖像進行圖像風格轉換處理，獲得第五圖像。
本實施例中，可預先配置有多種圖像風格對應的參數；圖像風格例如油畫風格、中國畫風格等，當然還可以是其他圖像風格。獲得的第四圖像為預設風格，則在確定有圖像風格轉換需求的情況下，例如接收到圖像風格轉換指令，根據圖像風格轉換指令確定對應的圖像風格參數，基於圖像風格參數對第四圖像進行風格轉換處理，獲得第五圖像。
實際應用中，可透過人機互動的方式接收圖像風格轉換指令。例如，人機互動介面顯示有多個圖像風格按鍵，使用者透過出發目標圖像風格，則接收到對應的圖像風格轉換指令。
本實施例除了包括前述實施例對應的有益效果之外，對於第三圖像處於嘴部張開狀態的情況下，實現了牙齒補充，使得臉部融合處理後的圖像的嘴部效果更真實自然。
本申請實施例還提供了一種圖像處理裝置。第5圖為本申請實施例的圖像處理裝置的組成結構示意圖一；如第5圖所示，裝置包括：獲取單元41、關鍵點檢測單元42和融合處理單元43；其中， 獲取單元41，配置為獲得第一圖像和第二圖像； 關鍵點檢測單元42，配置為檢測第一圖像中的目標物件的臉部關鍵點，獲得第一關鍵點資訊；檢測第二圖像中的目標物件的臉部關鍵點，獲得第二關鍵點資訊； 融合處理單元43，配置為基於第一關鍵點資訊和第二關鍵點資訊確定轉換關係；基於轉換關係，對第一圖像和第二圖像中目標物件的臉部進行融合，獲得第三圖像。
在本申請的一些可選實施例中，融合處理單元43，配置為基於第一關鍵點資訊和第二關鍵點資訊確定第一轉換關係；基於第一轉換關係對第一圖像中目標物件的臉部進行變形處理，獲得第一參考圖像； 關鍵點檢測單元42，還配置為檢測第一參考圖像中的目標物件的臉部關鍵點，獲得第三關鍵點資訊； 融合處理單元43，還配置為基於第二關鍵點資訊和第三關鍵點資訊確定第二轉換關係。
在本申請的一些可選實施例中，融合處理單元43，配置為基於第二轉換關係對第二圖像中目標物件的臉部進行變形處理，獲得目標圖像；對目標圖像和第一參考圖像中目標物件的臉部進行融合，獲得第三圖像。
在本申請的一些可選實施例中，第二關鍵點資訊和第三關鍵點資訊均包括關鍵點的座標資訊；融合處理單元43，配置為對第二關鍵點資訊和第三關鍵點資訊進行加權疊加處理，獲得第四關鍵點資訊；基於第二關鍵點資訊和第四關鍵點資訊確定第二轉換關係。
在本申請的一些可選實施例中，融合處理單元43，配置為檢測目標圖像中的目標物件的臉部關鍵點，獲得第五關鍵點資訊；基於第三關鍵點資訊和第五關鍵點資訊確定第三轉換關係；基於第三轉換關係對第一參考圖像中目標物件的臉部進行變形處理，獲得第二參考圖像；基於第二參考圖像和目標圖像獲得第三圖像。
在本申請的一些可選實施例中，融合處理單元43，配置為對第二參考圖像和目標圖像進行融合處理，獲得第三參考圖像；對第三參考圖像和目標圖像進行融合處理，獲得第三圖像。
在本申請的一些可選實施例中，融合處理單元43，配置為確定第二參考圖像中的像素點對應的像素值的第一均值，確定目標圖像中的像素點對應的像素值的第二均值；將第二參考圖像中的第一像素點的像素值與第一均值做差處理，將差值與第二均值進行加和處理，得到第三參考圖像；其中，第一像素點為第二參考圖像中的任一像素點。
在本申請的一些可選實施例中，融合處理單元43，配置為對第三參考圖像中的第二像素點的像素值和目標圖像中與第二像素點對應的像素點的像素值進行加權求和處理，獲得第三圖像；其中，第二像素點為第三參考圖像中的任一像素點。
在本申請的一些可選實施例中，融合處理單元43，配置為對目標圖像和第一參考圖像中目標物件的臉部進行融合，獲得第三圖像之前，對第一參考圖像進行最佳化處理；最佳化處理包括針對第一參考圖像中的目標物件的臉部的以下至少一種處理：磨皮處理、美白處理、紅潤處理；還配置為基於目標圖像和最佳化處理後的第一參考圖像，生成第三圖像。
在本申請的一些可選實施例中，融合處理單元43，配置為基於第二轉換關係對第二圖像中目標物件的臉部進行變形處理之前，對第二圖像中的目標物件的鼻孔區域進行高斯模糊處理；還配置為基於第二轉換關係對高斯模糊處理後的第二圖像中目標物件的臉部進行變形處理。
在本申請的一些可選實施例中，關鍵點檢測單元42，配置為基於臉部關鍵點檢測演算法檢測第一圖像，獲得第一圖像的臉部區域包含的各器官的關鍵點資訊以及臉部區域邊緣的輪廓關鍵點資訊。
在本申請的一些可選實施例中，關鍵點檢測單元42，配置為獲得臉部區域中的眼部以下區域的第一組輪廓關鍵點資訊；基於臉部區域中的額頭區域相關的關鍵點資訊，確定額頭區域的第二組輪廓關鍵點資訊；基於第一組輪廓關鍵點資訊和第二組輪廓關鍵點資訊確定臉部區域邊緣的輪廓關鍵點資訊。
在本申請的一些可選實施例中，所述第一關鍵點資訊和所述第二關鍵點資訊還包括與臉部區域相關聯的外緣關鍵點資訊；所述外緣關鍵點資訊對應於所述臉部區域邊緣的輪廓關鍵點資訊。
在本申請的一些可選實施例中，所述關鍵點檢測單元42，還配置為確定所述臉部區域的中心點；確定所述臉部區域邊緣的每個輪廓關鍵點與所述中心點之間的距離，以及確定每個輪廓關鍵點相對於所述中心點的方向；針對第一輪廓關鍵點，按照與所述第一輪廓關鍵點對應的方向，朝向臉部區域外部延伸預設距離，確定與所述第一輪廓關鍵點對應的外緣關鍵點；所述第一輪廓關鍵點為所述臉部區域邊緣的任一個輪廓關鍵點。
在本申請的一些可選實施例中，如第6圖所示，裝置還包括圖像處理單元44，配置為在第一圖像和第二圖像中的目標物件的嘴部狀態不同、且第三圖像中的目標物件處於張嘴狀態的情況下，基於牙齒範本圖像對第三圖像中的目標物件進行牙齒添加操作，生成第四圖像。
在本申請的一種可選實施例中，如第7圖所示，裝置還包括風格轉換處理單元45，配置為對第三圖像或對第三圖像進行牙齒添加操作得到的第四圖像進行圖像風格轉換處理，獲得第五圖像。
本申請實施例中，圖像處理裝置中的獲取單元41、關鍵點檢測單元42、融合處理單元43、圖像處理單元44和風格轉換處理單元45，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）或場域可程式設計閘陣列（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。
本申請實施例還提供了一種電子設備，第8圖為本申請實施例的電子設備的硬體組成結構示意圖，如第8圖所示，電子設備包括記憶體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執行程式時實現本申請實施例方法的步驟。
可以理解，電子設備中的各個元件可透過匯流排系統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訊。匯流排系統53除包括資料匯流排之外，還包括電源匯流排、控制匯流排和狀態訊號匯流排。但是為了清楚說明起見，在第8圖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 Disc Read-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。透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）。本申請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。
上述本申請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，具有訊號的處理能力。在實現過程中，上述方法的各步驟可以透過處理器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申請實施例中所公開的各方法、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。結合本申請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媒體中，該儲存媒體位於記憶體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。
在示例性實施例中，電子設備可以被一個或多個應用專用積體電路（ASIC，Application Specific Integrated Circuit）、DSP、可程式設計邏輯器件（PLD，Programmable Logic Device）、複雜可程式設計邏輯器件（CPLD，Complex Programmable Logic Device）、FPGA、通用處理器、控制器、MCU、微處理器（Microprocessor）、或其他電子元件實現，用於執行前述方法。
本申請實施例還提供了一種電腦可讀儲存媒體，其上儲存有電腦程式，該程式被處理器執行時實現本申請實施例方法的步驟。
本申請實施例還提供了一種處理器，所述處理器用於調用電腦程式，所述處理器執行所述程式時實現本申請實施例所述方法的步驟。
在本申請所提供的幾個實施例中，應該理解到，所揭露的設備和方法，可以透過其它的方式實現。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、或通訊連接可以是透過一些介面，設備或單元的間接耦合或通訊連接，可以是電性的、機械的或其它形式的。
上述作為分離元件說明的單元可以是、或也可以不是物理上分開的，作為單元顯示的元件可以是、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，在本申請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。
本領域一般技術人員可以理解：實現上述方法實施例的全部或部分步驟可以透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媒體中，該程式在執行時，執行包括上述方法實施例的步驟；而前述的儲存媒體包括：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媒體。
或者，本申請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媒體中。基於這樣的理解，本申請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媒體中，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）執行本申請各個實施例方法的全部或部分。而前述的儲存媒體包括：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媒體。
以上，僅為本申請的具體實施方式，但本申請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申請揭露的技術範圍內，可輕易想到變化或替換，都應涵蓋在本申請的保護範圍之內。因此，本申請的保護範圍應以請求項的保護範圍為准。
101~104:步驟 201~208:步驟 301~309:步驟 41:獲取單元 42:關鍵點檢測單元 43:融合處理單元 44:圖像處理單元 45:風格轉換處理單元 51:處理器 52:記憶體 53:匯流排系統
第1圖為本申請實施例的圖像處理方法的流程示意圖一； 第2A圖為本申請實施例的圖像處理方法中的臉部關鍵點示意圖； 第2B圖為本申請實施例的臉部關鍵點中的第一組輪廓點資訊、第二組輪廓點資訊的示意圖； 第2C圖為本申請實施例的臉部關鍵點中的外緣關鍵點點資訊的示意圖； 第3圖為本申請實施例的圖像處理方法的流程示意圖二； 第4圖為本申請實施例的圖像處理方法的流程示意圖三； 第5圖為本申請實施例的圖像處理裝置的組成結構示意圖一； 第6圖為本申請實施例的圖像處理裝置的組成結構示意圖二； 第7圖為本申請實施例的圖像處理裝置的組成結構示意圖三； 第8圖為本申請實施例的電子設備的硬體組成結構示意圖。
101~104:步驟

Claims (17)

  1. 一種圖像處理方法，所述方法包括：獲得第一圖像和第二圖像；檢測所述第一圖像中的目標物件的臉部關鍵點，獲得第一關鍵點資訊；檢測所述第二圖像中的目標物件的臉部關鍵點，獲得第二關鍵點資訊；基於所述第一關鍵點資訊和所述第二關鍵點資訊確定第一轉換關係；基於所述第一轉換關係對所述第一圖像中目標物件的臉部進行變形處理，獲得第一參考圖像；檢測所述第一參考圖像中的目標物件的臉部關鍵點，獲得第三關鍵點資訊；基於所述第二關鍵點資訊和第三關鍵點資訊確定第二轉換關係；基於所述第二轉換關係，對所述第一參考圖像和所述第二圖像中目標物件的臉部進行融合，獲得第三圖像。
  2. 根據請求項1所述的方法，其中，所述基於所述第二轉換關係，對所述第一參考圖像和所述第二圖像中目標物件的臉部進行融合，獲得第三圖像，包括：基於所述第二轉換關係對所述第二圖像中目標物件的臉部進行變形處理，獲得目標圖像；對所述目標圖像和所述第一參考圖像中目標物件的臉部進行融合，獲得所述第三圖像。
  3. 根據請求項1所述的方法，其中，所述第二關鍵點資訊和所述第三關鍵點資訊均包括關鍵點的座標；所述基於所述第二關鍵點資訊和第三關鍵點資訊確定第二轉換關係，包括：對所述第二關鍵點的座標和所述第三關鍵點的座標進行加權疊加處理，獲得第四關鍵點資訊，所述第四關鍵點資訊包括第四關鍵點的座標； 基於所述第二關鍵點的座標和所述第四關鍵點的座標，確定所述第二轉換關係。
  4. 根據請求項3所述的方法，其中，所述對所述目標圖像和所述第一參考圖像中目標物件的臉部進行融合，獲得所述第三圖像，包括：檢測所述目標圖像中的目標物件的臉部關鍵點，獲得第五關鍵點資訊；基於所述第三關鍵點資訊和所述第五關鍵點資訊確定第三轉換關係；基於所述第三轉換關係對所述第一參考圖像中目標物件的臉部進行變形處理，獲得第二參考圖像；基於所述第二參考圖像和所述目標圖像獲得所述第三圖像。
  5. 根據請求項4所述的方法，其中，所述基於所述第二參考圖像和所述目標圖像獲得第三圖像，包括：對所述第二參考圖像和所述目標圖像進行融合處理，獲得第三參考圖像；對所述第三參考圖像和所述目標圖像進行融合處理，獲得所述第三圖像。
  6. 根據請求項5所述的方法，其中，所述對所述第二參考圖像和所述目標圖像進行融合處理，獲得第三參考圖像，包括：確定所述第二參考圖像中像素點的像素值的第一均值，確定所述目標圖像中像素點的像素值的第二均值；將所述第二參考圖像中的第一像素點的像素值與所述第一均值做差處理，將差值與所述第二均值進行加和處理，得到第三參考圖像；其中，所述第一像素點為所述第二參考圖像中的任一像素點。
  7. 根據請求項5所述的方法，其中，所述對所述第三參考圖像和所述目標圖像進行融合處理，獲得所述第三圖像，包括：對所述第三參考圖像中的第二像素點的像素值和所述目標圖像中與所述第二像素點對應的像素點的像素值進行加權求和處理，獲得所述第三圖像；其中， 所述第二像素點為所述第三參考圖像中的任一像素點。
  8. 根據請求項2所述的方法，其中，所述對所述目標圖像和所述第一參考圖像中目標物件的臉部進行融合，獲得所述第三圖像之前，所述方法還包括：對所述第一參考圖像進行最佳化處理；所述最佳化處理包括針對所述第一參考圖像中的目標物件的臉部的以下至少一種處理：磨皮處理、美白處理、紅潤處理；所述基於所述目標圖像和所述第一參考圖像生成第三圖像，包括：基於所述目標圖像和最佳化處理後的第一參考圖像，生成第三圖像。
  9. 根據請求項2所述的方法，其中，所述基於所述第二轉換關係對所述第二圖像中目標物件的臉部進行變形處理之前，所述方法還包括：對所述第二圖像中的目標物件的鼻孔區域進行高斯模糊處理；所述基於所述第二轉換關係對所述第二圖像中目標物件的臉部進行變形處理，包括：基於所述第二轉換關係對高斯模糊處理後的第二圖像中目標物件的臉部進行變形處理。
  10. 根據請求項1所述的方法，其中，所述檢測所述第一圖像中的目標物件的臉部關鍵點，獲得第一關鍵點資訊，包括：基於臉部關鍵點檢測演算法檢測所述第一圖像，獲得所述第一圖像的臉部區域包含的各器官的關鍵點資訊以及所述臉部區域邊緣的輪廓關鍵點資訊。
  11. 根據請求項10所述的方法，其中，獲得所述臉部區域邊緣的輪廓關鍵點資訊，包括：獲得所述臉部區域中的眼部以下區域的第一組輪廓關鍵點資訊；基於所述臉部區域中的額頭區域相關的關鍵點資訊，確定所述額頭區域的第二組輪廓關鍵點資訊； 基於所述第一組輪廓關鍵點資訊和所述第二組輪廓關鍵點資訊確定所述臉部區域邊緣的輪廓關鍵點資訊。
  12. 根據請求項10所述的方法，其中，所述第一關鍵點資訊和所述第二關鍵點資訊還包括與臉部區域相關聯的外緣關鍵點資訊；所述外緣關鍵點資訊對應於所述臉部區域邊緣的輪廓關鍵點資訊。
  13. 根據請求項12所述的方法，其中，確定所述外緣關鍵點資訊，包括：確定所述臉部區域的中心點；確定所述臉部區域邊緣的每個輪廓關鍵點與所述中心點之間的距離，以及確定每個輪廓關鍵點相對於所述中心點的方向；針對第一輪廓關鍵點，按照與所述第一輪廓關鍵點對應的方向，朝向臉部區域外部延伸預設距離，確定與所述第一輪廓關鍵點對應的外緣關鍵點；所述第一輪廓關鍵點為所述臉部區域邊緣的任一個輪廓關鍵點。
  14. 根據請求項1至13任一項所述的方法，其中，所述方法還包括：在所述第一圖像和所述第二圖像中的目標物件的嘴部狀態不同、且所述第三圖像中的目標物件處於張嘴狀態的情況下，基於牙齒範本圖像對所述第三圖像中的所述目標物件進行牙齒添加操作，生成第四圖像。
  15. 根據請求項1至13任一項所述的方法，其中，所述方法還包括：對所述第三圖像或對所述第三圖像進行牙齒添加操作得到的第四圖像進行圖像風格轉換處理，獲得第五圖像。
  16. 一種電腦可讀儲存媒體，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15任一項所述方法的步驟。
  17. 一種電子設備，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15任一 項所述方法的步驟。
TW109121778A 2019-09-30 2020-06-29 一種圖像處理方法、電腦可讀媒體、電子設備 TWI755777B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910944389.8A CN110728620A (zh) 2019-09-30 2019-09-30 一种图像处理方法、装置和电子设备
CN201910944389.8 2019-09-30

Publications (2)

Publication Number Publication Date
TW202115680A TW202115680A (zh) 2021-04-16
TWI755777B true TWI755777B (zh) 2022-02-21

Family

ID=69218720

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109121778A TWI755777B (zh) 2019-09-30 2020-06-29 一種圖像處理方法、電腦可讀媒體、電子設備

Country Status (4)

Country Link
CN (1) CN110728620A (zh)
SG (1) SG11202011870PA (zh)
TW (1) TWI755777B (zh)
WO (1) WO2021062998A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3971820A4 (en) 2019-09-30 2022-08-10 Beijing Sensetime Technology Development Co., Ltd. IMAGE PROCESSING METHOD, DEVICE AND ELECTRONIC DEVICE
CN110728620A (zh) * 2019-09-30 2020-01-24 北京市商汤科技开发有限公司 一种图像处理方法、装置和电子设备
CN111325851B (zh) * 2020-02-28 2023-05-05 腾讯科技（深圳）有限公司 图像处理方法及装置、电子设备和计算机可读存储介质
CN113706369A (zh) * 2020-05-21 2021-11-26 北京达佳互联信息技术有限公司 图像处理方法、装置、电子设备及存储介质
CN112528944B (zh) * 2020-12-23 2024-08-06 杭州海康汽车软件有限公司 一种图像识别方法、装置、电子设备及存储介质
CN114022940A (zh) * 2021-11-17 2022-02-08 北京达佳互联信息技术有限公司 图像处理方法、装置、设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201339992A (zh) * 2012-03-20 2013-10-01 O2Micro Inc 人臉識別系統及方法
TWM474207U (zh) * 2013-07-11 2014-03-11 Imar Technology Co Ltd 行動商務身份證實之圖像辨識服務系統
CN103745237A (zh) * 2013-12-26 2014-04-23 暨南大学 光照变化条件下的人脸识别算法
CN110136224A (zh) * 2018-02-09 2019-08-16 三星电子株式会社 图像融合方法和设备
US20190289986A1 (en) * 2017-07-13 2019-09-26 Shiseido Americas Corporation Systems and Methods for Virtual Facial Makeup Removal and Simulation, Fast Facial Detection and Landmark Tracking, Reduction in Input Video Lag and Shaking, and Method for Recommending Makeup

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101089287B1 (ko) * 2010-06-09 2011-12-05 한국과학기술원 다중 얼굴 특징 정보 융합 기반 자동 얼굴 인식 장치 및 방법
US9940695B2 (en) * 2016-08-26 2018-04-10 Multimedia Image Solution Limited Method for ensuring perfect stitching of a subject's images in a real-site image stitching operation
CN108229330A (zh) * 2017-12-07 2018-06-29 深圳市商汤科技有限公司 人脸融合识别方法及装置、电子设备和存储介质
CN108537135A (zh) * 2018-03-16 2018-09-14 北京市商汤科技开发有限公司 对象识别及对象识别网络的训练方法和装置、电子设备
CN109147012B (zh) * 2018-09-20 2023-04-14 麒麟合盛网络技术股份有限公司 图像处理方法和装置
CN109712080A (zh) * 2018-10-12 2019-05-03 迈格威科技有限公司 图像处理方法、图像处理装置及存储介质
CN109801249A (zh) * 2018-12-27 2019-05-24 深圳豪客互联网有限公司 图像融合方法、装置、计算机设备和存储介质
CN109934766B (zh) * 2019-03-06 2021-11-30 北京市商汤科技开发有限公司 一种图像处理方法及装置
CN110163832B (zh) * 2019-05-24 2021-06-08 北京百度网讯科技有限公司 人脸融合方法、装置和终端
CN110443230A (zh) * 2019-08-21 2019-11-12 北京百度网讯科技有限公司 人脸融合方法、装置以及电子设备
CN110728620A (zh) * 2019-09-30 2020-01-24 北京市商汤科技开发有限公司 一种图像处理方法、装置和电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201339992A (zh) * 2012-03-20 2013-10-01 O2Micro Inc 人臉識別系統及方法
TWM474207U (zh) * 2013-07-11 2014-03-11 Imar Technology Co Ltd 行動商務身份證實之圖像辨識服務系統
CN103745237A (zh) * 2013-12-26 2014-04-23 暨南大学 光照变化条件下的人脸识别算法
US20190289986A1 (en) * 2017-07-13 2019-09-26 Shiseido Americas Corporation Systems and Methods for Virtual Facial Makeup Removal and Simulation, Fast Facial Detection and Landmark Tracking, Reduction in Input Video Lag and Shaking, and Method for Recommending Makeup
CN110136224A (zh) * 2018-02-09 2019-08-16 三星电子株式会社 图像融合方法和设备

Also Published As

Publication number Publication date
SG11202011870PA (en) 2021-05-28
CN110728620A (zh) 2020-01-24
TW202115680A (zh) 2021-04-16
WO2021062998A1 (zh) 2021-04-08

Similar Documents

Publication Publication Date Title
TWI755777B (zh) 一種圖像處理方法、電腦可讀媒體、電子設備
CN109829930B (zh) 人脸图像处理方法、装置、计算机设备及可读存储介质
CN109934766B (zh) 一种图像处理方法及装置
US20200160595A1 (en) Method, device and computing device of face image fusion
US9734628B2 (en) Techniques for processing reconstructed three-dimensional image data
JP3288353B2 (ja) 顔イメージから開始して３ｄ顔モデルを作る方法
US10403036B2 (en) Rendering glasses shadows
CN110390632B (zh) 基于妆容模板的图像处理方法、装置、存储介质及终端
CN109961496B (zh) 表情驱动方法及表情驱动装置
CN114757914A (zh) 牙病治疗和手术的基于照片的评估
WO2018096661A1 (ja) 画像生成装置、顔照合装置、画像生成方法、およびプログラムを記憶した記憶媒体
TWI773458B (zh) 重建人臉的方法、裝置、電腦設備及存儲介質
CN108550185A (zh) 人脸美化处理方法和装置
WO2022237081A1 (zh) 妆容迁移方法、装置、设备和计算机可读存储介质
TW202036467A (zh) 影像處理方法及裝置、圖像設備及儲存媒介
CN109242760B (zh) 人脸图像的处理方法、装置和电子设备
CN115239861A (zh) 人脸数据增强方法、装置、计算机设备和存储介质
JP7102554B2 (ja) 画像処理方法、装置及び電子機器
WO2023273247A1 (zh) 人脸图像处理方法及装置、计算机可读存储介质、终端
WO2024140081A1 (zh) 脸部图像处理方法、装置、计算机设备及存储介质
US20240013358A1 (en) Method and device for processing portrait image, electronic equipment, and storage medium
CN113837018B (zh) 一种化妆进度检测方法、装置、设备及存储介质
CN113223128B (zh) 用于生成图像的方法和装置
US9563940B2 (en) Smart image enhancements
CN113421197B (zh) 一种美颜图像的处理方法及其处理系统