CN103996169B - 一种模拟生物克隆用于动漫手游的照片脸部怯皱方法 - Google Patents
一种模拟生物克隆用于动漫手游的照片脸部怯皱方法 Download PDFInfo
- Publication number
- CN103996169B CN103996169B CN201410080627.2A CN201410080627A CN103996169B CN 103996169 B CN103996169 B CN 103996169B CN 201410080627 A CN201410080627 A CN 201410080627A CN 103996169 B CN103996169 B CN 103996169B
- Authority
- CN
- China
- Prior art keywords
- abs
- pixel
- cell
- growth factor
- timid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种模拟生物克隆用于动漫手游的照片脸部怯皱方法,包括以下步骤:(1)检测出老年人脸部照片中需要怯除的体细胞区域――皱纹。(2)将相应区域的体细胞改造为干细胞,并生长蔓延到整个需要怯除的体细胞区域。(3)怯皱结果的观察与调整。即重复上述子步骤(1)和(2)直到满意。本发明采用自创的计算机仿生算法对长辈的肖像进行怯皱处理,以美化照片,使照片的主人公年轻很多,以此在亲友间传观、欣赏,实现儿孙对长辈诚挚、深情的祝愿。
Description
技术领域
本发明涉及一种模拟生物克隆用于动漫手游的照片脸部怯皱方法。
背景技术
2012年5月10日***发布了《十二五”时期文化改革发展规划》,《规划》提出要大力发展网络动漫、手机动漫和***等新媒体;要实施国家动漫游戏精品工程,加大对原创动漫游戏产品的扶持力度。
随着移动互联网的迅猛发展,手机动漫、***迎来了飞速发展的契机,它们是文化创意产业中的新型文化业态,将手机动漫、***融入广大受众的日常生活,使之成为深入人心的文化品牌是新媒体从业人员的社会责任。
手机用户可以使用动漫、游戏业者人员提供的应用软件,借助电脑或手机平台,开发出他自身喜闻乐见的作品(如彩信、屏保、游戏等),使用户本人享受到这一创作过程带来的新颖、别致的艺术享受(就像收获了自己亲手种植的蔬菜、瓜果)。
人总是要老的,当我们的父辈或爷爷奶奶脸上布满岁月的痕迹,而我们用计算机或手机对他(她)们的肖像进行处理,使照片的主人公年轻很多,以此在亲友间传观、欣赏,岂不是儿孙对长辈的祝愿。
发明内容
为了处理图片中人物脸上的皱纹,本发明提供一种可方便快速且祛皱效果好,人物还原真实,模拟效果逼真,易于实施,创作灵活,数据量小适于在手机上实施的基于生物克隆模拟的照片脸部怯皱技术。
为了实现上述技术目的,本发明的技术方案是,一种模拟生物克隆用于动漫手游的照片脸部怯皱方法,包括以下步骤:
步骤一:在待处理的人物图片上设定需要祛除皱纹的区域,并选择区域中一个需祛除的像素,将该像素设为体细胞模板;
步骤二:对需要祛除的区域进行扫描并挑选出与体细胞模板的色差小于预先设定的门限A的像素,色差为两像素之间红绿蓝三分量之差的平均值,将这些像素设为体细胞样品并标记为重组体细胞。
步骤三:以步骤二中所标记的其中一个重组体细胞作为生长因子,并以这个生长因子为中心,向周围的像素作出探测,若周围像素均已标记为重组体细胞或不重组体细胞,则跳转至另一个体细胞样品作为生长因子,并重复执行步骤三直至以步骤二中所有的体细胞样品为中心均探测完毕,随后结束探测过程并执行步骤五,若周围有未标记的像素,则执行步骤四;
步骤四:对在生长因子周围检测到的未标记的像素进行甄别,若相似度高则标记为重组体细胞并作为新的生长因子,否则标记为不重组体细胞,再以新的生长因子为中心,对周围像素进行探测,重复执行步骤四直至不存在新的生产因子,然后重复执行步骤三;
步骤五:对所有标记为重组体细胞的像素进行重组以达到祛除效果。
所述的一种模拟生物克隆用于动漫手游的照片脸部怯皱方法,步骤二中所述的门限A取值为15
所述的一种模拟生物克隆用于动漫手游的照片脸部怯皱方法,步骤四中所述的甄别过程包括:
将未标记的像素的RGB值记做R,G,B,以该像素的周围的m×n个像素作为近亲,近亲的平均RGB值则记做famiR,famiG,famiB,生长因子的RGB值记做delmR,delmG,delmB;其中
公式(1)~(3)中psR,psG,psB分别为候选近邻的m×n个近亲的RGB值,m=n=9,然后通过以下公式分别计算RGB相似度,分别记作红色相似度simiR、绿色相似度simiG和蓝色相似度simiG,
simiR=if(abs(abs(R-famiR)-abs(elemR-famiR))<exR)then(1)else(0) (4)
simiG=if(abs(abs(G-famiG)-abs(elemG-famiG))<exG)then(1)else(0) (5)
simiB=if(abs(abs(B-famiB)-abs(elemB-famiB))<exB)then(1)else(0) (6)
其中,exR,exG,exB分别为门限A的1.9倍,1.4倍和1.0倍,abs()为绝对值函数;
以上述的(4)式为例作出解释,比较下述第(1)项与第(2)之差的绝对值如小于exR则判定相似度为1;反之下述第(1)项与第(2)之差的绝对值大于或等于exR则判定相似度为0;其中第(1)项为:当前未标记的像素的R值与近亲的平均R值famiR之差的绝对值;第(2)项为生长因子的R值delmR与近亲的平均R值famiR之差的绝对值。公式(5)和(6)同理。
然后通过甄别公式进行相似度SimiDegree的判断,甄别公式为
SimiDegree=if((simiR+simiG+simiB)=3)then(H)else(L) (7)
其中H表示高,L表示低,当相似度甄别为高时,将该未标记的像素标记为重组体细胞并作为新的生长因子,当相似度甄别为低时,将该未标记的像素标记为不重组体细胞。公式(7)的含义是:当且仅当公式4、5、6的结果均为1时,相似度SimiDegree为高(“H”),将该未标记的像素标记为重组体细胞并作为新的生长因子;反之相似度SimiDegree为低(“L”),标记为不重组体细胞。
所述的一种模拟生物克隆用于动漫手游的照片脸部怯皱方法,步骤五中所述的重组步骤包括:
在待处理的人物图片上不处于祛除区域内平滑皮肤上选取一个像素,将该像素设为干细胞模板,取需要重组的重组体细胞像素RGB值:somaR,somaG,somaB,再取干细胞模板RGB值:stemR,stemG,stemB,通过以下公式进行处理得到修饰RGB值:ModifyR、ModifyG、ModifyB,
ModifyR=if((somaR-stemR)≠0)then(rand(abs(somaR-stemR))else(stemR) (8)
ModifyG=if((somaG-stemG)≠0)then(rand(abs(somaG-stemG))else(stemG) (9)
ModifyB=if((somaB-stemB)≠0)then(rand(abs(somaB-stemB))else(stemB) (10)
在公式(8)~(10)中rand()为随机数函数,abs()为绝对值函数;重组体细胞经过编程重组后成为干细胞RGB值分别为:
stemCR=somaR+ModifyR (11)
stemCG=somaG+ModifyG (12)
stemCB=somaB+ModifyB (13)
本发明提出一种基于生物克隆模拟的照片脸部怯皱技术,采用自创的计算机仿生算法对长辈的肖像进行处理,使照片的主人公年轻很多,以此在亲友间传观、欣赏,实现儿孙对长辈诚挚、深情的祝愿。
本发明注意减少数据量和提高CPU运行效率,使受制约于手机屏幕尺寸和手机计算能力的手机彩信作品能够以低廉的创作成本和快速的运行效果,满足用户良好的心愿。特别要指出:本发明目的之一要是在手机这种软硬件资源相对弱于计算机的平台上实现DIY图像操作,所以在设计上采取上述一系列针对性措施是完全必要的。
下面结合附图对本发明作进一步说明。
附图说明
图1为本发明对生长因子周围作出探测即“左顾右盼,搜索前进”算法示意图;
图2(a)为皱纹图片示例原图,(b)为图(a)中检索到的脸部皱纹;
图3为经本发明处理后的对比示意图;
图4为本发明流程图。
具体实施方式
2012年诺贝尔生理学或医学奖授予:约翰·格登和山中伸弥。他们的得奖理由是:发现成熟体细胞可以通过iPS技术被重新编程为多能干细胞。iPS技术的全称是“诱导多功能干细胞(induced pluralpotent stem cell,iPS)技术”,它是将一些多能遗传基因导入细胞中,使已分化的体细胞重新恢复到干细胞状态的技术。iPS细胞在形态、基因和蛋白表达、表观遗传修饰状态、细胞倍增能力、类胚体和畸形瘤生成能力、分化能力等方面都与胚胎干细胞相似,这表明,它能够取代胚胎干细胞实现再生,从而成为生物克隆的技术基础。
借鉴诱导多功能干细胞(induced pluralpotent stem cell,iPS)技术,我们努力设法将老人脸部皮肤上的成熟体细胞编程为多能干细胞,然后让它们发育成新生的皮肤细胞,从而达到脸部“年轻化”的效果。
其中包含如下子步骤:
(1)检测出老年人脸部照片中需要怯除的体细胞区域――皱纹。
(2)将相应区域的体细胞改造为干细胞,并生长蔓延到整个需要怯除的体细胞区域。
(3)怯皱结果的观察与修整。即重复上述子步骤(1)和(2)直到满意(所谓“满意”是使画面主人公显得年轻,而不是变成一张“娃娃脸”)。
动物体内的细胞的分类:动物体内的细胞分为体细胞和干细胞。其中体细胞是一种成熟定型的细胞,不能再发育成其他细胞;而干细胞是一种不成熟未定型的细胞,可以发育成其他细胞。其中,干细胞又分为成年干细胞(又称专一干细胞)和胚胎干细胞。成年干细胞只能发育为特定类型的细胞,而胚胎干细胞也称为多能干细胞,它可以发育为动物体各个组织和器官中的细胞。
我们首先要检测出老年人脸部照片中需要怯除的体细胞区域,然后将相应区域的体细胞改造为干细胞,并生长蔓延到整个需要怯除的体细胞区域,并多次重复上述操作直到满意。
实施步骤
步骤一、检测出老年人脸部照片中需要怯皱的体细胞区域。
步骤1.
Step1:通过人机交互操作设定老人肖像中需要怯除的成熟体细胞大致范围,并将该范围内所有像素标记为“待查”(类似医生确定需诊断的部位是“胃”)。
Step2:选择最具代表性(需要怯除)的体细胞的像素,称为“体细胞模板”(例如胃壁上的溃疡)。
步骤2.
Step1:对整个需要怯皱区域扫描(类似做胃镜扫描),挑出与“体细胞模板”色差最小(小于门限A,一般取15)的若干点,并标记为“体细胞样品”,其数量一般为102的量级(类似活捡采样)。
Step2:对“体细胞样品”打上“重组体细胞”标记,转Step3并改称“生长因子”。
Step3:以每一“生长因子”为中心开始SubStep1,执行我们研发、行之有效的“左顾右盼、搜索前进”算法(参见图1),直到完成遍历转Step4。
SubStep1:从“生长因子”出发,向其8近邻(上、下、左、右和左上、左下、右上、右下)依次做“左顾右盼”的探测,即转SubStep2。
SubStep2:如8近邻均已打有标记,则转SubStep1,反之依次探测后续近邻并跳过其中已打有标记的近邻,转SubStep3。
SubStep3:从“生长因子”出发,按如下公式(1)~(7)对某一候选近邻甄别,如相似度高(SimiDegree为“H”)则认为它就是另一个“生长因子”,再将它标记为“重组体细胞”,转SubStep2;否则(SimiDegree为“L”)标记为“不重组体细胞”,转SubStep2。
(a)下面,候选近邻的RGB值记做R,G,B;候选近邻的近亲平均RGB值记做famiR,famiG,famiB;生长因子的RGB值记做delmR,delmG,delmB。
公式(1)~(3)中psR,psG,psB分别为候选近邻的m×n个近亲的RGB值。一般取m=n=9。
(b)相似度
simiR=if(abs(abs(R-famiR)-abs(elemR-famiR))<exR)then(1)else(0) (4)
simiG=if(abs(abs(G-famiG)-abs(elemG-famiG))<exG)then(1)else(0) (5)
simiB=if(abs(abs(B-famiB)-abs(elemB-famiB))<exB)then(1)else(0) (6)
其中,exR,exG,exB分别为上述门限A的1.9倍,1.4倍和1.0倍,abs()为绝对值函数。
(c)甄别公式
SimiDegree=if((simiR+simiG+simiB)=3)then(H)else(L) (7)
Step4:选择另一“体细胞样品”继续Step2,直到遍历所有“体细胞样品”转Step5。
Step5:结束步骤2。
以图1之体细胞样品为例,开始一次“左顾右盼”过程:经过SubStep2~SubStep3后,其近邻8、1、2、3、4均在选为新生长因子并标记为“重组体细胞”,而近邻5、6、7均被标记为“不重组体细胞”,然后选近邻“8”开始Step3,然后依次选近邻“1”、“2”、“3”和“4”继续Step3。
步骤二、改换细胞编码,以胚胎干细胞替换全部需要怯除的体细胞。
步骤1.
Step1:选择最具代表性的胚胎干细胞的像素,称为“干细胞模板”(例如完好的胃壁)。
Step2:遍历地对上述“重组体细胞”按如下SubStep重新编程:
SubStep1:取该重组体细胞的RGB值:somaR,somaG,somaB;
SubStep2:取干细胞模板的RGB值:stemR,stemG,stemB;
SubStep3:编程公式
ModifyR=if((somaR-stemR)≠0)then(rand(abs(somaR-stemR))else(stemR) (8)
ModifyG=if((somaG-stemG)≠0)then(rand(abs(somaG-stemG))else(stemG) (9)
ModifyB=if((somaB-stemB)≠0)then(rand(abs(somaB-stemB))else(stemB) (10)
在公式(8)~(10)中rand()为随机数函数,abs()为绝对值函数
SubStep4:“体细胞”经过编程重组后的干细胞(Stem Cell)的RGB值分别为:
stemCR=somaR+ModifyR (11)
stemCG=somaG+ModifyG (12)
stemCB=somaB+ModifyB (13)
步骤三、怯皱结果的观察与调整。即重复上述步骤一和步骤二直到满意,所谓“满意”是使画面主人公显得年轻,而不是变成一张“娃娃脸”。
Claims (2)
1.一种模拟生物克隆用于动漫手游的照片脸部祛皱方法,其特征在于,包括以下步骤:
步骤一:在待处理的人物图片上设定需要祛除皱纹的区域,并选择区域中一个需祛除的像素,将该像素设为体细胞模板;
步骤二:对需要祛除的区域进行扫描并挑选出与体细胞模板的色差小于预先设定的门限A的像素,将这些像素设为体细胞样品并标记为重组体细胞;
步骤三:以步骤二中所标记的其中一个重组体细胞作为生长因子,并以这个生长因子为中心,向周围的像素作出探测,若周围像素均已标记为重组体细胞或不重组体细胞,则跳转至另一个体细胞样品作为生长因子,并重复执行步骤三直至以步骤二中所有的体细胞样品为中心均探测完毕,随后结束探测过程并执行步骤五,若周围有未标记的像素,则执行步骤四;
步骤四:对在生长因子周围检测到的未标记的像素进行甄别,若相似度高则标记为重组体细胞并作为新的生长因子,否则标记为不重组体细胞,再以新的生长因子为中心,对周围像素进行探测,重复执行步骤四直至不存在新的生长因子,然后重复执行步骤三;
步骤五:对所有标记为重组体细胞的像素进行重组以达到祛除效果;步骤二中所述的门限A取值为15;
步骤四中所述的甄别过程包括:
将未标记的像素的RGB值记做R,G,B,以该像素的周围的m×n个像素作为近亲,近亲的平均RGB值则记做famiR,famiG,famiB,生长因子的RGB值记做delmR,delmG,delmB;其中
公式(1)~(3)中psR,psG,psB分别为候选近邻的m×n个近亲的RGB值,m=n=9,然后通过以下公式分别计算RGB相似度,分别记作红色相似度simiR、绿色相似度simiG和蓝色相似度simiG,
simiR=if(abs(abs(R-famiR)-abs(delmR-famiR))<exR)then(1)else(0) (4)
simiG=if(abs(abs(G-famiG)-abs(delmG-famiG))<exG)then(1)else(0) (5)
simiB=if(abs(abs(B-famiB)-abs(delmB-famiB))<exB)then(1)else(0) (6)
其中,exR,exG,exB分别为门限A的1.9倍,1.4倍和1.0倍,abs()为绝对值函数;然后通过甄别公式进行相似度SimiDegree的判断,甄别公式为
SimiDegree=if((simiR+simiG+simiB)==3)then(H)else(L) (7)
其中H表示高,L表示低,当相似度甄别为高时,将该未标记的像素标记为重组体细胞并作为新的生长因子,当相似度甄别为低时,将该未标记的像素标记为不重组体细胞。
2.根据权利要求1所述的一种模拟生物克隆用于动漫手游的照片脸部祛皱方法,其特征在于,步骤五中所述的重组步骤包括:
在待处理的人物图片上不处于祛除区域内的平滑皮肤上选取一个像素,将该像素设为干细胞模板,取需要重组的重组体细胞像素RGB值:somaR,somaG,somaB,再取干细胞模板RGB值:stemR,stemG,stemB,通过以下公式进行处理得到修饰RGB值:ModifyR、ModifyG、ModifyB,
ModifyR=if((somaR-stemR)≠0)then(rand(abs(somaR-stemR))else(stemR) (8)
ModifyG=if((somaG-stemG)≠0)then(rand(abs(somaG-stemG))else(stemG) (9)
ModifyB=if((somaB-stemB)≠0)then(rand(abs(somaB-stemB))else(stemB) (10)
在公式(8)~(10)中rand()为随机数函数,abs()为绝对值函数;重组体细胞经过编程重组后成为干细胞RGB值分别为:
stemCR=somaR+ModifyR (11)
stemCG=somaG+ModifyG (12)
stemCB=somaB+ModifyB (13)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410080627.2A CN103996169B (zh) | 2014-03-06 | 2014-03-06 | 一种模拟生物克隆用于动漫手游的照片脸部怯皱方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410080627.2A CN103996169B (zh) | 2014-03-06 | 2014-03-06 | 一种模拟生物克隆用于动漫手游的照片脸部怯皱方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103996169A CN103996169A (zh) | 2014-08-20 |
CN103996169B true CN103996169B (zh) | 2017-06-20 |
Family
ID=51310326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410080627.2A Active CN103996169B (zh) | 2014-03-06 | 2014-03-06 | 一种模拟生物克隆用于动漫手游的照片脸部怯皱方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103996169B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404082A (zh) * | 2008-11-14 | 2009-04-08 | 深圳市迅雷网络技术有限公司 | 一种人像磨皮方法和装置 |
-
2014
- 2014-03-06 CN CN201410080627.2A patent/CN103996169B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404082A (zh) * | 2008-11-14 | 2009-04-08 | 深圳市迅雷网络技术有限公司 | 一种人像磨皮方法和装置 |
Non-Patent Citations (1)
Title |
---|
基于迭代多级中值滤波的人脸美化算法;韩静亮等;《计算机应用与软件》;20100531;第27卷(第5期);227-229 * |
Also Published As
Publication number | Publication date |
---|---|
CN103996169A (zh) | 2014-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107330956A (zh) | 一种漫画手绘图无监督上色方法及装置 | |
Hastings et al. | Tree species traits determine the success of LiDAR-based crown mapping in a mixed temperate forest | |
Liapis et al. | Constrained novelty search: A study on game content generation | |
Giménez-Gallego et al. | Segmentation of multiple tree leaves pictures with natural backgrounds using deep learning for image-based agriculture applications | |
CN107784630B (zh) | 对人脸图像进行属性翻转的方法、装置和终端 | |
CN106447042A (zh) | 基于绘画投射的心理分析方法及装置 | |
US9480925B2 (en) | Image construction game | |
CN107886165A (zh) | 一种基于计算机模式识别的并行卷积神经网络方法 | |
Tan et al. | Machine learning approaches for rice seedling growth stages detection | |
Kristan et al. | Creating competitive opponents for serious games through dynamic difficulty adjustment | |
Rosenberg-Yefet et al. | Lower Paleolithic winds of change: Prepared core technologies and the onset of the Levallois method in the Levantine late Acheulian | |
Carella et al. | Fruiting, morphology, and architecture of ‘Arbequina’and ‘Calatina’olive branches | |
Kweon et al. | A novel method based on GAN using a segmentation module for oligodendroglioma pathological image generation | |
Liu et al. | Speed breeding scheme of hot pepper through light environment modification | |
CN103996169B (zh) | 一种模拟生物克隆用于动漫手游的照片脸部怯皱方法 | |
Gobron et al. | GPGPU computation and visualization of three-dimensional cellular automata | |
Dissopa et al. | Enhance contrast and balance color of retinal image | |
CN103793714B (zh) | 多分类识别器生成装置及其方法、数据识别装置及其方法 | |
CN105139361B (zh) | 一种基于非线性优化的fpm算法的图像超分辨率重建方法 | |
Sharov et al. | Inferring directions of evolution from patterns of variation: The legacy of Sergei Meyen | |
Baraldi et al. | Growth and form of melanoma cell colonies | |
Nakahashi | Cultural evolution and learning strategies in hominids | |
García Cortés et al. | Transfer learning with convolutional neural networks for cider apple varieties classification | |
Kulpa et al. | Type of explant affects in vitro development and multiplication success of the rare halophyte plant Honckenya peploides L. Ehrh | |
BasavaRaju et al. | Flappy Bird Automation using TensorFlow |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |