CN107680033B - 图片处理方法及装置 - Google Patents
图片处理方法及装置 Download PDFInfo
- Publication number
- CN107680033B CN107680033B CN201710806085.6A CN201710806085A CN107680033B CN 107680033 B CN107680033 B CN 107680033B CN 201710806085 A CN201710806085 A CN 201710806085A CN 107680033 B CN107680033 B CN 107680033B
- Authority
- CN
- China
- Prior art keywords
- points
- determining
- point
- picture
- contour
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 210000000056 organ Anatomy 0.000 claims abstract description 92
- 238000009877 rendering Methods 0.000 claims abstract description 41
- 230000003796 beauty Effects 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 71
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开是关于图片处理方法及装置。该方法包括：确定图片的人脸特征点和包围点；其中，由包围点构成的包围线，用以将人脸特征点包围；人脸特征点包括器官特征点和轮廓特征点；根据轮廓特征点及预设外扩比例，确定轮廓特征点的外扩位置；确定外扩后的轮廓特征点、器官特征点及包围点的偏移量；根据外扩后的轮廓特征点、器官特征点及包围点的偏移量，对当前图片进行渲染，得到图片对应的美颜图片。本公开能够克服由于轮廓特征点过于贴近人脸实际轮廓而导致的瘦脸后人脸轮廓不光滑的问题，增加美颜后的人脸边界的光滑度，改善瘦脸效果，影响用户体验。
Description
技术领域
本公开涉及终端技术领域，尤其涉及图片处理方法及装置。
背景技术
较瘦的脸通常被很多人认为具有较佳的美感。现有的手机大部分具备对用户拍摄的图片或视频中人脸进行瘦脸、大眼等美颜功能，通过对图片中人脸器官进行变形达到美颜的目的。
发明内容
为克服相关技术中存在的问题，本公开实施例提供一种图片处理方法及装置。所述技术方案如下：
根据本公开实施例的第一方面，提供一种图片处理方法，包括：
确定图片的人脸特征点和包围点；其中，由所述包围点构成的包围线，用以将所述人脸特征点包围；所述人脸特征点包括器官特征点和轮廓特征点；根据所述轮廓特征点及预设外扩比例，确定所述轮廓特征点的外扩位置；确定外扩后的轮廓特征点、所述器官特征点及包围点的偏移量；根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述当前图片进行渲染，得到所述图片对应的美颜图片。
确定图片的人脸特征点和包围点；其中，由所述包围点构成的包围线，用以将所述人脸特征点包围；所述人脸特征点包括器官特征点和轮廓特征点；
根据所述轮廓特征点及预设外扩比例，确定所述轮廓特征点的外扩位置；
确定外扩后的轮廓特征点、所述器官特征点及包围点的偏移量；
根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述当前图片进行渲染，得到所述图片对应的美颜图片。
在一个实施例中，所述根据所述轮廓特征点及预设外扩比例，确定所述轮廓特征点的外扩位置，包括：
确定人脸的中心点；
根据所述中心点、所述轮廓特征点及预设外扩比例，确定所述轮廓特征点远离所述中心点的外扩量；
根据所述轮廓特征点远离所述中心点的外扩量，确定所述轮廓特征点的外扩位置。
在一个实施例中，所述器官特征点包括：眼睛特征点和鼻子特征点；所述确定人脸的中心点，包括：
根据所述眼睛特征点及鼻子特征点，分别确定两眼的中心点和鼻尖点；
根据所述两眼的中心点和所述鼻尖点，确定所述人脸的中心点。
在一个实施例中，所述根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述当前图片进行渲染，得到所述图片对应的美颜图片，包括：
根据所述外扩后的轮廓特征点、所述器官特征点及包围点，对所述图片进行三角化剖分，得到剖分三角形；
根据所述剖分三角形及所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述当前图片进行图形处理器GPU渲染，得到所述图片对应的美颜图片。
在一个实施例中，所述根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述当前图片进行渲染，得到所述图片对应的美颜图片，包括：
根据所述外扩后的轮廓特征点、所述器官特征点及包围点，对所述图片进行三角化剖分，得到剖分三角形；
根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量对所述剖分三角形进行偏移，确定偏移后的剖分三角形上各个像素点的偏移量；
根据所述偏移后的剖分三角形上各个像素点的偏移量，确定所述偏移后的剖分三角形上各个像素点的像素值；
根据偏移后的剖分三角形上各个像素点的偏移量和像素值，确定所述图片对应的美颜图片。
根据本公开实施例的第二方面，提供一种图片处理装置，包括：
第一确定模块，用于确定图片的人脸特征点和包围点；其中，由所述包围点构成的包围线，用以将所述人脸特征点包围；所述人脸特征点包括器官特征点和轮廓特征点；
第二确定模块，用于根据所述轮廓特征点及预设外扩比例，确定所述轮廓特征点的外扩位置；
第三确定模块，用于确定外扩后的轮廓特征点、所述器官特征点及包围点的偏移量；
渲染模块，用于根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述当前图片进行渲染，得到所述图片对应的美颜图片。
在一个实施例中，所述第二确定模块，包括：
第一确定子模块，用于确定人脸的中心点；
第二确定子模块，用于根据所述中心点、所述轮廓特征点及预设外扩比例，确定所述轮廓特征点远离所述中心点的外扩量；
第三确定子模块，用于根据所述轮廓特征点远离所述中心点的外扩量，确定所述轮廓特征点的外扩位置。
在一个实施例中，所述器官特征点包括：眼睛特征点和鼻子特征点；
所述第一确定子模块：根据所述眼睛特征点及鼻子特征点，分别确定两眼的中心点和鼻尖点；根据所述两眼的中心点和所述鼻尖点，确定所述人脸的中心点。
在一个实施例中，所述渲染模块，包括：
第一剖分子模块，用于根据所述外扩后的轮廓特征点、所述器官特征点及包围点，对所述图片进行三角化剖分，得到剖分三角形；
渲染子模块，用于根据所述剖分三角形及所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述当前图片进行图形处理器GPU渲染，得到所述图片对应的美颜图片。
在一个实施例中，所述渲染模块，包括：
第二剖分子模块，用于根据所述外扩后的轮廓特征点、所述器官特征点及包围点，对所述图片进行三角化剖分，得到剖分三角形；
第四确定子模块，用于根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量对所述剖分三角形进行偏移，确定偏移后的剖分三角形上各个像素点的偏移量；
第五确定子模块，用于根据所述偏移后的剖分三角形上各个像素点的偏移量，确定所述偏移后的剖分三角形上各个像素点的像素值；
第六确定子模块，用于根据偏移后的剖分三角形上各个像素点的偏移量和像素值，确定所述图片对应的美颜图片。
根据本公开实施例的第三方面，提供一种图片处理装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
确定图片的人脸特征点和包围点；其中，由所述包围点构成的包围线，用以将所述人脸特征点包围；所述人脸特征点包括器官特征点和轮廓特征点；根据所述轮廓特征点及预设外扩比例，确定所述轮廓特征点的外扩位置；确定外扩后的轮廓特征点、所述器官特征点及包围点的偏移量；根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述当前图片进行渲染，得到所述图片对应的美颜图片。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述第一方面所述方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：该技术方案通过在人脸的轮廓特征点的基础上，将轮廓特征点进行外扩，能够提高人脸实际轮廓上的相邻像素点被划分至同一个剖分三角形的概率，克服由于轮廓特征点过于贴近人脸实际轮廓而导致的瘦脸后人脸轮廓不光滑的问题，增加美颜后的人脸边界的光滑度，改善瘦脸效果，影响用户体验。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的图片处理方法的流程图。
图2a是根据一示例性实施例示出的图片处理方法的场景示意图。
图2b是根据一示例性实施例示出的图片处理方法的场景示意图。
图3是根据一示例性实施例示出的图片处理方法的流程图。
图4是根据一示例性实施例示出的图片处理装置的框图。
图5是根据一示例性实施例示出的图片处理装置的框图。
图6是根据一示例性实施例示出的图片处理装置的框图。
图7是根据一示例性实施例示出的图片处理装置的框图。
图8是根据一示例性实施例示出的图片处理装置的框图。
图9是根据一示例性实施例示出的图片处理装置的框图。
图10是根据一示例性实施例示出的图片处理装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
相关技术中，为满足用户需求，终端例如智能手机，支持对图片或视频中人脸进行瘦脸等美颜处理。在瘦脸等美颜处理过程中，根据特征点定位对图片中人脸器官进行变形；然而，在实际操作中，若轮廓特征点过于贴近人脸实际轮廓，人脸实际轮廓上的相邻像素点容易被划分至不同的剖分三角形中，由于计算时的浮点误差等因素，就会导致瘦脸后的人脸轮廓不光滑，出现抖动，影响瘦脸效果，影响用户体验。
为了解决上述问题，本公开实施例提供了一种图片处理方法，方法包括：确定图片的人脸特征点和包围点；其中，由包围点构成的包围线，用以将人脸特征点包围；人脸特征点包括器官特征点和轮廓特征点；根据轮廓特征点及预设外扩比例，确定轮廓特征点的外扩位置；确定外扩后的轮廓特征点、器官特征点及包围点的偏移量；根据外扩后的轮廓特征点、器官特征点及包围点的偏移量，对当前图片进行渲染，得到图片对应的美颜图片。
本公开实施例提供的图片处理方法，通过在人脸的轮廓特征点的基础上，将轮廓特征点进行外扩，能够提高人脸实际轮廓上的相邻像素点被划分至同一个剖分三角形的概率，克服由于轮廓特征点过于贴近人脸实际轮廓而导致的瘦脸后人脸轮廓不光滑的问题，增加美颜后的人脸边界的光滑度，改善瘦脸效果，影响用户体验。
需要指出的是，本公开实施例中终端例如是智能手机、平板电脑、台式机、笔记本电脑或穿戴式设备(如手环、智能眼镜等)等设备。
基于上述分析，提出以下各具体实施例。
图1是根据一示例性实施例示出的一种图片处理方法的流程图，该方法的执行主体可以为终端，如图1所示，该方法包括以下步骤101-104：
在步骤101中，确定图片的人脸特征点和包围点；其中，由包围点构成的包围线，用以将人脸特征点包围；人脸特征点包括器官特征点和轮廓特征点；
示例的，在对图片进行瘦脸等美颜处理的场景中，首先，使用人脸关键点定位算法对当前图片进行人脸特征点定位，定位出M个人脸特征点，M为大于1的正整数；人脸特征点包括器官特征点和轮廓特征点；例如，人脸关键点定位算法可以包括主动外观模型(AAM，active appearance models)、有监督的梯度下降方法(SDM，supervised descent method)或卷积神经网络(CNN，convolutional neural networks)等。针对当前图片中人脸设置一个包围线，包围线的范围比人脸的范围大预设比例，包围线将M个特征点包围，包围线不能超出当前图片的边界；在包围线上选取N个包围点，N为大于1的正整数。针对图片中人脸各器官进行瘦脸等美颜操作时，对人脸各器官的变形范围只限于在包围线内进行。
在步骤102中，根据轮廓特征点及预设外扩比例，确定轮廓特征点的外扩位置；
示例的，轮廓特征点的外扩位置位于轮廓特征点的当前位置与包围线之间。上述根据轮廓特征点及预设外扩比例确定轮廓特征点的外扩位置的实现方式至少可以包括以下任意一种方式：
方式1、首先确定人脸的中心点：根据眼睛特征点及鼻子特征点，分别确定两眼的中心点和鼻尖点；器官特征点包括眼睛特征点和鼻子特征点；根据两眼的中心点和鼻尖点，确定人脸的中心点；例如，两眼的中心点位于所有眼睛特征点的中间位置，鼻尖点位于所有鼻子特征点的中间位置。人脸的中心点位于两眼的中心点和鼻尖点的正中间。
然后，根据中心点、轮廓特征点及预设外扩比例，确定轮廓特征点远离中心点的外扩量；根据轮廓特征点远离中心点的外扩量，确定轮廓特征点的外扩位置；例如，计算轮廓特征点与中心点的距离，然后计算该距离与预设外扩比例的乘积，将乘积值确定为轮廓特征点的外扩量；轮廓特征点的外扩量为轮廓特征点与轮廓特征点的外扩位置之间的距离；轮廓特征点的外扩位置与轮廓特征点及中心点在一条直线上，轮廓特征点位于中心点与轮廓特征点的外扩位置之间。示例的，预设外扩比例可以是经验值，例如10％。
参见图2a，在图2a中示出人脸特征点0-28，M取值29；包围点29-44，N取值16；图2a中沿着人脸边缘的粗实线为人脸的实际轮廓线；黑色圆圈表示通过对图片进行人脸特征点定位确定的轮廓特征点，可见，这些轮廓特征点均位于人脸的实际轮廓线上；图2a中0至12为这些轮廓特征点的外扩位置；14至16为鼻子特征点，鼻尖点M2位于所有鼻子特征点的中间位置；13、17至28为眼睛特征点；两眼的中心点M1位于所有眼睛特征点的中间位置，人脸的中心点M0位于M1和M2的正中间，M0坐标可以采用如下计算公式：M0＝(M1+M2)/2；例如，图2a中，外扩后的轮廓特征点3表示轮廓特征点M3的外扩位置，3与M3及M0位于同一条直线上。
方式2、将轮廓特征点用平滑曲线依次连接，得到由轮廓特征点构成的轮廓线；将由轮廓特征点构成的轮廓线扩大预设外扩比例；确定轮廓特征点与中心点的连线，将该连线与外扩后的轮廓线相交的位置，确定轮廓特征点的外扩位置。
在步骤103中，确定外扩后的轮廓特征点、器官特征点及包围点的偏移量；
示例的，计算图片中外扩后的轮廓特征点、器官特征点的偏移量；人脸特征点的偏移量是指在对人脸进行美颜操作时，通过计算确定的人脸特征点的移动距离和移动方位等信息。可选的，包围点的偏移量为0；在美颜操作过程中，包围线及N个包围点均保持不动。
以图2a中任意一个外扩后的轮廓特征点i为例，外扩后的轮廓特征点i的偏移量可以采用如下计算公式：offseti＝αi*(M0-Mi)；其中，αi为外扩后的轮廓特征点i的偏移系数，需要说明的是，每个外扩后的轮廓特征点对应的偏移系数并不完全一样，可以预先设置。
在步骤104中，根据外扩后的轮廓特征点、器官特征点及包围点的偏移量，对当前图片进行渲染，得到图片对应的美颜图片。
示例的，上述根据外扩后的轮廓特征点、器官特征点及包围点的偏移量，对当前图片进行渲染的实现方式至少可以包括以下任意一种方式：
方式a、基于图形处理器(GPU)实时渲染，步骤包括：根据外扩后的轮廓特征点、器官特征点及包围点，对图片进行三角化剖分，得到剖分三角形；参见图2b示出的三角化剖分结果，将人脸划分为多个剖分三角形，可见，人脸实际轮廓上的相邻像素点被尽可能地划分至同一剖分三角形中；根据剖分三角形及外扩后的轮廓特征点、器官特征点及包围点的偏移量，对当前图片进行GPU渲染，得到图片对应的美颜图片。
方式b、基于中央处理器(CPU)渲染，步骤包括：1)根据外扩后的轮廓特征点、器官特征点及包围点，对图片进行三角化剖分，得到剖分三角形；参见图2b示出的三角化剖分结果，将人脸划分为多个剖分三角形，可见，人脸实际轮廓上的相邻像素点被尽可能地划分至同一剖分三角形中，能够实现对人脸整体进行瘦脸等美颜操作。2)根据外扩后的轮廓特征点、器官特征点及包围点的偏移量对剖分三角形进行偏移，得到偏移后的剖分三角形，确定偏移后的剖分三角形上各个像素点相对于原图的偏移量；例如，采用仿射变换来计算偏移后的剖分三角形上各个像素点相对于原图的偏移量。3)根据偏移后的剖分三角形上各个像素点的偏移量，确定偏移后的剖分三角形上各个像素点的像素值；例如，根据偏移后的剖分三角形上各个像素点的偏移量，采用双线性插值算法确定偏移后的剖分三角形上各个像素点的像素值。4)根据偏移后的剖分三角形上各个像素点的偏移量和像素值，确定图片对应的美颜图片。
本公开的实施例提供的技术方案，通过在人脸的轮廓特征点的基础上，将轮廓特征点进行外扩，能够提高人脸实际轮廓上的相邻像素点被划分至同一个剖分三角形的概率，克服由于轮廓特征点过于贴近人脸实际轮廓而导致的瘦脸后人脸轮廓不光滑的问题，增加美颜后的人脸边界的光滑度，改善瘦脸效果，如此，能够影响用户体验。
图3是根据一示例性实施例示出的一种图片处理方法的流程图。如图3所示，在图1所示实施例的基础上，本公开涉及的图片处理方法可以包括以下步骤301-309：
在步骤301中，使用人脸关键点定位算法对图片进行人脸特征点定位，确定图片的人脸特征点；为当前图片中人脸设置一个包围线，在包围线上选取包围点；由包围点构成的包围线用以将各人脸特征点包围。
示例的，人脸特征点包括器官特征点和轮廓特征点。人脸关键点定位算法可以包括AAM、SDM或CNN，convolutional neural networks等。
在步骤302中，确定人脸的中心点；
示例的，器官特征点包括：眼睛特征点和鼻子特征点；确定人脸的中心点的实现步骤可以包括：根据眼睛特征点及鼻子特征点，分别确定两眼的中心点和鼻尖点；根据两眼的中心点和鼻尖点，确定人脸的中心点。
在步骤303中，根据中心点、轮廓特征点及预设外扩比例，确定轮廓特征点远离中心点的外扩量；
在步骤304中，根据轮廓特征点远离中心点的外扩量，确定轮廓特征点的外扩位置。
在步骤305中，确定外扩后的轮廓特征点、器官特征点及包围点的偏移量；
示例的，各包围点的偏移量为0；在美颜操作过程中，N个包围点和包围线并不移动。
在步骤306中，根据外扩后的轮廓特征点、器官特征点及包围点，对图片进行三角化剖分，得到剖分三角形；
在步骤307中，根据外扩后的轮廓特征点、器官特征点及包围点的偏移量对剖分三角形进行偏移，确定偏移后的剖分三角形上各个像素点的偏移量；
在步骤308中，根据偏移后的剖分三角形上各个像素点的偏移量，确定偏移后的剖分三角形上各个像素点的像素值；
在步骤309中，根据偏移后的剖分三角形上各个像素点的偏移量和像素值，确定图片对应的美颜图片。
本公开的实施例提供的技术方案，通过在人脸的轮廓特征点的基础上，将轮廓特征点进行外扩，能够提高人脸实际轮廓上的相邻像素点被划分至同一个剖分三角形的概率，克服由于轮廓特征点过于贴近人脸实际轮廓而导致的瘦脸后人脸轮廓不光滑的问题，增加美颜后的人脸边界的光滑度，改善瘦脸效果，影响用户体验。
下述为本公开装置实施例，可以用于执行本公开方法实施例。
图4是根据一示例性实施例示出的一种图片处理装置的框图；该装置可以采用各种方式来实施，例如在终端中实施装置的全部组件，或者，在终端侧以耦合的方式实施装置中的组件；该装置可以通过软件、硬件或者两者的结合实现上述本公开涉及的方法，如图4所示，该图片处理装置包括：第一确定模块401、第二确定模块402、第三确定模块403及渲染模块404，其中：
第一确定模块401被配置为确定图片的人脸特征点和包围点；其中，由包围点构成的包围线，用以将人脸特征点包围；人脸特征点包括器官特征点和轮廓特征点；
第二确定模块402被配置为根据轮廓特征点及预设外扩比例，确定轮廓特征点的外扩位置；
第三确定模块403被配置为确定外扩后的轮廓特征点、器官特征点及包围点的偏移量；
渲染模块404被配置为根据外扩后的轮廓特征点、器官特征点及包围点的偏移量，对当前图片进行渲染，得到图片对应的美颜图片。
本公开实施例提供的装置能够用于执行图1所示实施例的技术方案，其执行方式和有益效果类似，此处不再赘述。
在一种可能的实施方式中，如图5所示，图4示出的图片处理装置还可以包括把第二确定模块402配置成包括：第一确定子模块501、第二确定子模块502和第三确定子模块503，其中：
第一确定子模块501被配置为确定人脸的中心点；
第二确定子模块502被配置为根据中心点、轮廓特征点及预设外扩比例，确定轮廓特征点远离中心点的外扩量；
第三确定子模块503被配置为根据轮廓特征点远离中心点的外扩量，确定轮廓特征点的外扩位置。
在一种可能的实施方式中，第一确定子模块501：根据眼睛特征点及鼻子特征点，分别确定两眼的中心点和鼻尖点；根据两眼的中心点和鼻尖点，确定人脸的中心点；其中，器官特征点包括：眼睛特征点和鼻子特征点。
在一种可能的实施方式中，如图6所示，图4示出的图片处理装置还可以包括把渲染模块404配置成包括：第一剖分子模块601及渲染子模块602，其中：
第一剖分子模块601被配置为根据外扩后的轮廓特征点、器官特征点及包围点，对图片进行三角化剖分，得到剖分三角形；
渲染子模块602被配置为根据剖分三角形及外扩后的轮廓特征点、器官特征点及包围点的偏移量，对当前图片进行图形处理器GPU渲染，得到图片对应的美颜图片。
在一种可能的实施方式中，如图7所示，图4示出的图片处理装置还可以包括把渲染模块404配置成包括：第二剖分子模块701、第四确定子模块702、第五确定子模块703及第六确定子模块704，其中：
第二剖分子模块701被配置为根据外扩后的轮廓特征点、器官特征点及包围点，对图片进行三角化剖分，得到剖分三角形；
第四确定子模块702被配置为根据外扩后的轮廓特征点、器官特征点及包围点的偏移量对剖分三角形进行偏移，确定偏移后的剖分三角形上各个像素点的偏移量；
第五确定子模块703被配置为根据偏移后的剖分三角形上各个像素点的偏移量，确定偏移后的剖分三角形上各个像素点的像素值；
第六确定子模块704被配置为根据偏移后的剖分三角形上各个像素点的偏移量和像素值，确定图片对应的美颜图片。
图8是根据一示例性实施例示出的一种图片处理装置800的框图，图片处理装置800可以采用各种方式来实施，例如在终端中实施装置的全部组件，或者在终端侧以耦合的方式实施装置中的组件；图片处理装置800包括：
处理器801；
用于存储处理器可执行指令的存储器802；
其中，处理器801被配置为：
确定图片的人脸特征点和包围点；其中，由包围点构成的包围线，用以将人脸特征点包围；人脸特征点包括器官特征点和轮廓特征点；
根据轮廓特征点及预设外扩比例，确定轮廓特征点的外扩位置；
确定外扩后的轮廓特征点、器官特征点及包围点的偏移量；
根据外扩后的轮廓特征点、器官特征点及包围点的偏移量，对当前图片进行渲染，得到图片对应的美颜图片。
在一个实施例中，上述处理器801还可被配置为：
确定人脸的中心点；
根据中心点、轮廓特征点及预设外扩比例，确定轮廓特征点远离中心点的外扩量；
根据轮廓特征点远离中心点的外扩量，确定轮廓特征点的外扩位置。
在一个实施例中，上述处理器801还可被配置为：
根据眼睛特征点及鼻子特征点，分别确定两眼的中心点和鼻尖点；
根据两眼的中心点和鼻尖点，确定人脸的中心点。
在一个实施例中，上述处理器801还可被配置为：
根据外扩后的轮廓特征点、器官特征点及包围点，对图片进行三角化剖分，得到剖分三角形；
根据剖分三角形及外扩后的轮廓特征点、器官特征点及包围点的偏移量，对当前图片进行GPU渲染，得到图片对应的美颜图片。
在一个实施例中，上述处理器801还可被配置为：
根据外扩后的轮廓特征点、器官特征点及包围点，对图片进行三角化剖分，得到剖分三角形；
根据外扩后的轮廓特征点、器官特征点及包围点的偏移量对剖分三角形进行偏移，确定偏移后的剖分三角形上各个像素点的偏移量；
根据偏移后的剖分三角形上各个像素点的偏移量，确定偏移后的剖分三角形上各个像素点的像素值；
根据偏移后的剖分三角形上各个像素点的偏移量和像素值，确定图片对应的美颜图片。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图9是根据一示例性实施例示出的一种图片处理装置的框图；图片处理装置900适用于终端；图片处理装置900可以包括以下一个或多个组件：处理组件902，存储器904，电源组件906，多媒体组件908，音频组件910，输入/输出(I/O)的接口912，传感器组件914，以及通信组件916。
处理组件902通常控制图片处理装置900的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件902可以包括一个或多个处理器920来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件902可以包括一个或多个模块，便于处理组件902和其他组件之间的交互。例如，处理组件902可以包括多媒体模块，以方便多媒体组件908和处理组件902之间的交互。
存储器904被配置为存储各种类型的数据以支持在图片处理装置900的操作。这些数据的示例包括用于在图片处理装置900上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器904可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件906为图片处理装置900的各种组件提供电力。电源组件906可以包括电源管理***，一个或多个电源，及其他与为图片处理装置900生成、管理和分配电力相关联的组件。
多媒体组件908包括在图片处理装置900和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件908包括一个前置摄像头和/或后置摄像头。当图片处理装置900处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件910被配置为输出和/或输入音频信号。例如，音频组件910包括一个麦克风(MIC)，当图片处理装置900处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器904或经由通信组件916发送。在一些实施例中，音频组件910还包括一个扬声器，用于输出音频信号。
I/O接口912为处理组件902和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件914包括一个或多个传感器，用于为图片处理装置900提供各个方面的状态评估。例如，传感器组件914可以检测到图片处理装置900的打开/关闭状态，组件的相对定位，例如组件为图片处理装置900的显示器和小键盘，传感器组件914还可以检测图片处理装置900或图片处理装置900一个组件的位置改变，用户与图片处理装置900接触的存在或不存在，图片处理装置900方位或加速/减速和图片处理装置900的温度变化。传感器组件914可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件914还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件914还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件916被配置为便于图片处理装置900和其他设备之间有线或无线方式的通信。图片处理装置900可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件916经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，通信组件916还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，图片处理装置900可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子组件实现，用于执行上述方法。
在示例性实施例中，提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器904，上述指令可由图片处理装置900的处理器920执行以完成上述方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图10是根据一示例性实施例示出的一种图片处理装置的框图。例如，图片处理装置1000可以被提供为一服务器。图片处理装置1000包括处理组件1002，其进一步包括一个或多个处理器，以及由存储器1003所代表的存储器资源，用于存储可由处理组件1002的执行的指令，例如应用程序。存储器1003中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1002被配置为执行指令，以执行上述方法。
图片处理装置1000还可以包括一个电源组件1006被配置为执行图片处理装置1000的电源管理，一个有线或无线网络接口1005被配置为将图片处理装置1000连接到网络，和一个输入输出(I/O)接口1008。图片处理装置1000可以操作基于存储在存储器1003的操作***，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
一种非临时性计算机可读存储介质，当存储介质中的指令由图片处理装置900或图片处理装置1000的处理器执行时，使得图片处理装置900或图片处理装置1000能够执行如下图片处理方法，方法包括：
确定图片的人脸特征点和包围点；其中，由包围点构成的包围线，用以将人脸特征点包围；人脸特征点包括器官特征点和轮廓特征点；
根据轮廓特征点及预设外扩比例，确定轮廓特征点的外扩位置；
确定外扩后的轮廓特征点、器官特征点及包围点的偏移量；
根据外扩后的轮廓特征点、器官特征点及包围点的偏移量，对当前图片进行渲染，得到图片对应的美颜图片。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (6)
1.一种图片处理方法，其特征在于，包括：
确定图片的人脸特征点和包围点；其中，由所述包围点构成的包围线，用以将所述人脸特征点包围；所述人脸特征点包括器官特征点和轮廓特征点；
根据所述轮廓特征点及预设外扩比例，确定所述轮廓特征点的外扩位置；
确定外扩后的轮廓特征点、所述器官特征点及包围点的偏移量；
根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述图片进行渲染，得到所述图片对应的美颜图片；
所述根据所述轮廓特征点及预设外扩比例，确定所述轮廓特征点的外扩位置，包括：确定人脸的中心点；根据所述中心点、所述轮廓特征点及预设外扩比例，确定所述轮廓特征点远离所述中心点的外扩量；根据所述轮廓特征点远离所述中心点的外扩量，确定所述轮廓特征点的外扩位置；
所述根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述图片进行渲染，得到所述图片对应的美颜图片，包括：
根据所述外扩后的轮廓特征点、所述器官特征点及包围点，对所述图片进行三角化剖分，得到剖分三角形；根据所述剖分三角形及所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述图片进行图形处理器GPU渲染，得到所述图片对应的美颜图片；或者，根据所述外扩后的轮廓特征点、所述器官特征点及包围点，对所述图片进行三角化剖分，得到剖分三角形；根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量对所述剖分三角形进行偏移，确定偏移后的剖分三角形上各个像素点的偏移量；根据所述偏移后的剖分三角形上各个像素点的偏移量，确定所述偏移后的剖分三角形上各个像素点的像素值；根据偏移后的剖分三角形上各个像素点的偏移量和像素值，确定所述图片对应的美颜图片。
2.根据权利要求1所述的方法，其特征在于，所述器官特征点包括：眼睛特征点和鼻子特征点；所述确定人脸的中心点，包括：
根据所述眼睛特征点及鼻子特征点，分别确定两眼的中心点和鼻尖点；
根据所述两眼的中心点和所述鼻尖点，确定所述人脸的中心点。
3.一种图片处理装置，其特征在于，包括：
第一确定模块，用于确定图片的人脸特征点和包围点；其中，由所述包围点构成的包围线，用以将所述人脸特征点包围；所述人脸特征点包括器官特征点和轮廓特征点；
第二确定模块，用于根据所述轮廓特征点及预设外扩比例，确定所述轮廓特征点的外扩位置；
第三确定模块，用于确定外扩后的轮廓特征点、所述器官特征点及包围点的偏移量；
渲染模块，用于根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述图片进行渲染，得到所述图片对应的美颜图片；
所述第二确定模块，包括：
第一确定子模块，用于确定人脸的中心点；
第二确定子模块，用于根据所述中心点、所述轮廓特征点及预设外扩比例，确定所述轮廓特征点远离所述中心点的外扩量；
第三确定子模块，用于根据所述轮廓特征点远离所述中心点的外扩量，确定所述轮廓特征点的外扩位置；
所述渲染模块，包括：
第一剖分子模块，用于根据所述外扩后的轮廓特征点、所述器官特征点及包围点，对所述图片进行三角化剖分，得到剖分三角形；
渲染子模块，用于根据所述剖分三角形及所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述图片进行图形处理器GPU渲染，得到所述图片对应的美颜图片；
或者，所述渲染模块，包括：
第二剖分子模块，用于根据所述外扩后的轮廓特征点、所述器官特征点及包围点，对所述图片进行三角化剖分，得到剖分三角形；
第四确定子模块，用于根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量对所述剖分三角形进行偏移，确定偏移后的剖分三角形上各个像素点的偏移量；
第五确定子模块，用于根据所述偏移后的剖分三角形上各个像素点的偏移量，确定所述偏移后的剖分三角形上各个像素点的像素值；
第六确定子模块，用于根据偏移后的剖分三角形上各个像素点的偏移量和像素值，确定所述图片对应的美颜图片。
4.根据权利要求3所述的装置，其特征在于，所述器官特征点包括：眼睛特征点和鼻子特征点；
所述第一确定子模块：根据所述眼睛特征点及鼻子特征点，分别确定两眼的中心点和鼻尖点；根据所述两眼的中心点和所述鼻尖点，确定所述人脸的中心点。
5.一种图片处理装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
确定图片的人脸特征点和包围点；其中，由所述包围点构成的包围线，用以将所述人脸特征点包围；所述人脸特征点包括器官特征点和轮廓特征点；
根据所述轮廓特征点及预设外扩比例，确定所述轮廓特征点的外扩位置；
确定外扩后的轮廓特征点、所述器官特征点及包围点的偏移量；
根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述图片进行渲染，得到所述图片对应的美颜图片；
所述处理器还被配置为：确定人脸的中心点；根据所述中心点、所述轮廓特征点及预设外扩比例，确定所述轮廓特征点远离所述中心点的外扩量；根据所述轮廓特征点远离所述中心点的外扩量，确定所述轮廓特征点的外扩位置；
所述处理器还被配置为：根据所述外扩后的轮廓特征点、所述器官特征点及包围点，对所述图片进行三角化剖分，得到剖分三角形；根据所述剖分三角形及所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量，对所述图片进行图形处理器GPU渲染，得到所述图片对应的美颜图片；或者，
根据所述外扩后的轮廓特征点、所述器官特征点及包围点，对所述图片进行三角化剖分，得到剖分三角形；根据所述外扩后的轮廓特征点、所述器官特征点及包围点的偏移量对所述剖分三角形进行偏移，确定偏移后的剖分三角形上各个像素点的偏移量；根据所述偏移后的剖分三角形上各个像素点的偏移量，确定所述偏移后的剖分三角形上各个像素点的像素值；根据偏移后的剖分三角形上各个像素点的偏移量和像素值，确定所述图片对应的美颜图片。
6.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1或2所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710806085.6A CN107680033B (zh) | 2017-09-08 | 2017-09-08 | 图片处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710806085.6A CN107680033B (zh) | 2017-09-08 | 2017-09-08 | 图片处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107680033A CN107680033A (zh) | 2018-02-09 |
| CN107680033B true CN107680033B (zh) | 2021-02-19 |
Family
ID=61136331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710806085.6A Active CN107680033B (zh) | 2017-09-08 | 2017-09-08 | 图片处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107680033B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108470322B (zh) * | 2018-03-09 | 2022-03-18 | 北京小米移动软件有限公司 | 处理人脸图像的方法、装置及可读存储介质 |
| CN108776957A (zh) * | 2018-05-25 | 2018-11-09 | 北京小米移动软件有限公司 | 人脸图像处理方法及装置 |
| CN108921856B (zh) * | 2018-06-14 | 2022-02-08 | 北京微播视界科技有限公司 | 图像裁剪方法、装置、电子设备及计算机可读存储介质 |
| CN109063560B (zh) * | 2018-06-28 | 2022-04-05 | 北京微播视界科技有限公司 | 图像处理方法、装置、计算机可读存储介质和终端 |
| CN109254775A (zh) * | 2018-08-30 | 2019-01-22 | 广州酷狗计算机科技有限公司 | 基于人脸的图像处理方法、终端及存储介质 |
| CN110070555A (zh) * | 2018-10-19 | 2019-07-30 | 北京微播视界科技有限公司 | 图像处理方法、装置、硬件装置 |
| CN113329252B (zh) * | 2018-10-24 | 2023-01-06 | 广州虎牙科技有限公司 | 一种基于直播的人脸处理方法、装置、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 |
| CN110097622B (zh) * | 2019-04-23 | 2022-02-25 | 北京字节跳动网络技术有限公司 | 渲染图像的方法、装置、电子设备和计算机可读存储介质 |
| CN110049351B (zh) * | 2019-05-23 | 2022-01-25 | 北京百度网讯科技有限公司 | 视频流中人脸变形的方法和装置、电子设备、计算机可读介质 |
| CN111652794B (zh) * | 2019-07-05 | 2024-03-05 | 广州虎牙科技有限公司 | 一种面部的调整、直播方法、装置、电子设备和存储介质 |
| CN111915479B (zh) * | 2020-07-15 | 2024-04-26 | 抖音视界有限公司 | 图像处理方法及装置、电子设备和计算机可读存储介质 |
| CN112767288B (zh) * | 2021-03-19 | 2023-05-12 | 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 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101025831A (zh) * | 2006-02-24 | 2007-08-29 | 山东理工大学 | 复杂曲面产品的快速精确构建与成型方法 |
| CN101034482A (zh) * | 2006-03-07 | 2007-09-12 | 山东理工大学 | 复杂构件三维自适应有限元网格自动生成方法 |
| CN102509338A (zh) * | 2011-09-20 | 2012-06-20 | 北京航空航天大学 | 一种基于轮廓骨架图的视频场景行为生成方法 |
| CN102819865A (zh) * | 2012-08-09 | 2012-12-12 | 成都理工大学 | 一种大地电磁三维地质结构模型的建模方法 |
| CN102999929A (zh) * | 2012-11-08 | 2013-03-27 | 大连理工大学 | 一种基于三角网格化的人物图像瘦脸处理方法 |
| CN103337085A (zh) * | 2013-06-17 | 2013-10-02 | 大连理工大学 | 一种高效的人像面部变形方法 |
| CN103761536A (zh) * | 2014-01-28 | 2014-04-30 | 五邑大学 | 基于无监督最优美丽特征和深度评价模型的人脸美化方法 |
| CN106846241A (zh) * | 2015-12-03 | 2017-06-13 | 阿里巴巴集团控股有限公司 | 一种图像融合的方法、装置和设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2389289B (en) * | 2002-04-30 | 2005-09-14 | Canon Kk | Method and apparatus for generating models of individuals |
| KR100603602B1 (ko) * | 2004-12-13 | 2006-07-24 | 한국전자통신연구원 | 조밀하지 않은 비정렬 3차원 측정점들을 이용한 3차원메쉬 생성 방법 |
| US8208717B2 (en) * | 2009-02-25 | 2012-06-26 | Seiko Epson Corporation | Combining subcomponent models for object image modeling |
-
2017
- 2017-09-08 CN CN201710806085.6A patent/CN107680033B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101025831A (zh) * | 2006-02-24 | 2007-08-29 | 山东理工大学 | 复杂曲面产品的快速精确构建与成型方法 |
| CN101034482A (zh) * | 2006-03-07 | 2007-09-12 | 山东理工大学 | 复杂构件三维自适应有限元网格自动生成方法 |
| CN102509338A (zh) * | 2011-09-20 | 2012-06-20 | 北京航空航天大学 | 一种基于轮廓骨架图的视频场景行为生成方法 |
| CN102819865A (zh) * | 2012-08-09 | 2012-12-12 | 成都理工大学 | 一种大地电磁三维地质结构模型的建模方法 |
| CN102999929A (zh) * | 2012-11-08 | 2013-03-27 | 大连理工大学 | 一种基于三角网格化的人物图像瘦脸处理方法 |
| CN103337085A (zh) * | 2013-06-17 | 2013-10-02 | 大连理工大学 | 一种高效的人像面部变形方法 |
| CN103761536A (zh) * | 2014-01-28 | 2014-04-30 | 五邑大学 | 基于无监督最优美丽特征和深度评价模型的人脸美化方法 |
| CN106846241A (zh) * | 2015-12-03 | 2017-06-13 | 阿里巴巴集团控股有限公司 | 一种图像融合的方法、装置和设备 |
Non-Patent Citations (2)
| Title |
|---|
| Robust Face Alignment for Illumination and Pose Invariant Face Recognition;Fatih Kahraman 等;《2007 IEEE Conference on Computer Vision and Pattern Recognition》;20070716;第1-7页 * |
| 复杂光照下自适应区域增强人脸特征定位;林奎成 等;《仪器仪表学报》;20140228;第35卷(第2期);第292-298页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107680033A (zh) | 2018-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107680033B (zh) | 图片处理方法及装置 | |
| CN107818543B (zh) | 图像处理方法及装置 | |
| CN107330868B (zh) | 图片处理方法及装置 | |
| CN107958439B (zh) | 图像处理方法及装置 | |
| CN107977934B (zh) | 图像处理方法及装置 | |
| CN107657590B (zh) | 图片处理方法、装置及存储介质 | |
| US10032076B2 (en) | Method and device for displaying image | |
| CN107341777B (zh) | 图片处理方法及装置 | |
| CN109087238B (zh) | 图像处理方法和装置、电子设备以及计算机可读存储介质 | |
| KR101694643B1 (ko) | 이미지 분할 방법, 장치, 기기, 프로그램 및 기록매체 | |
| CN108470322B (zh) | 处理人脸图像的方法、装置及可读存储介质 | |
| CN107464253B (zh) | 眉毛定位方法及装置 | |
| EP2927787B1 (en) | Method and device for displaying picture | |
| US11734804B2 (en) | Face image processing method and apparatus, electronic device, and storage medium | |
| CN107403144B (zh) | 嘴巴定位方法及装置 | |
| CN109325908B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN111243011A (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
| CN111078170B (zh) | 显示控制方法、显示控制装置及计算机可读存储介质 | |
| CN112767288A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN110728621B (zh) | 一种面部图像的换脸方法、装置、电子设备及存储介质 | |
| CN111290663A (zh) | 曲面屏显示方法及装置、终端及存储介质 | |
| CN107239758B (zh) | 人脸关键点定位的方法及装置 | |
| US9665925B2 (en) | Method and terminal device for retargeting images | |
| CN107563957B (zh) | 眼部图像处理方法及装置 | |
| CN110502993B (zh) | 图像处理方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |