CN109166082A - 图像处理方法、装置、电子设备和计算机可读存储介质 - Google Patents
图像处理方法、装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN109166082A CN109166082A CN201810960790.6A CN201810960790A CN109166082A CN 109166082 A CN109166082 A CN 109166082A CN 201810960790 A CN201810960790 A CN 201810960790A CN 109166082 A CN109166082 A CN 109166082A
- Authority
- CN
- China
- Prior art keywords
- image
- portrait
- target
- human body
- threedimensional model
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 58
- 238000001514 detection method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 241000208340 Araliaceae Species 0.000 claims description 9
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 9
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 9
- 235000008434 ginseng Nutrition 0.000 claims description 9
- 230000003796 beauty Effects 0.000 claims description 2
- 244000309466 calf Species 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 238000003384 imaging method Methods 0.000 description 11
- 210000002414 leg Anatomy 0.000 description 10
- 210000000689 upper leg Anatomy 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241000023320 Luma <angiosperm> Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003255 anti-acne Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请涉及一种图像处理方法、装置、电子设备、计算机可读存储介质，所述方法包括：获取包含目标人像的第一图像，检测第一图像中目标人像的人体部位，并获取目标人像对应的美体参数，其中，美体参数是根据目标人像对应的参考三维模型生成的，根据美体参数对人体部位进行处理。根据参考三维模型生成美体参数，并检测第一图像中目标人像的人体部位，使用美体参数对对应的人体部位进行处理，可以使人体部位被处理得更加准确，从而提高图像处理的准确性。
Description
技术领域
本申请涉及图像处理技术领域，特别是涉及一种图像处理方法、装置、电子设备和计算机可读存储介质。
背景技术
随着图像处理技术的发展，电子设备的照相功能正在逐步提高，相机拍照已经成为现状。电子设备中的相机不仅可以采集被拍摄物体的形状、颜色，还可以检测出被拍摄物体与相机的距离。现有的相机具有美颜、虚化背景等多种功能，可以对采集的图像中的人像进行处理，例如，将眼睛变大、脸变小、皮肤美白、皮肤祛痘等处理。
发明内容
本申请实施例提供一种图像处理方法、装置、电子设备、计算机可读存储介质，可以提高图像处理的准确性。
一种图像处理方法，包括：
获取包含目标人像的第一图像；
检测所述第一图像中所述目标人像的人体部位，并获取所述目标人像对应的美体参数；其中，所述美体参数是根据所述目标人像对应的参考三维模型生成的；
根据所述美体参数对所述人体部位进行处理。
一种图像处理装置，包括：
第一图像获取模块，用于获取包含目标人像的第一图像；
美体参数获取模块，用于检测所述第一图像中所述目标人像的人体部位，并获取所述目标人像对应的美体参数；其中，所述美体参数是根据所述目标人像对应的参考三维模型生成的；
图像处理模块，用于根据所述美体参数对所述人体部位进行处理。
一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
获取包含目标人像的第一图像；
检测所述第一图像中所述目标人像的人体部位，并获取所述目标人像对应的美体参数；其中，所述美体参数是根据所述目标人像对应的参考三维模型生成的；
根据所述美体参数对所述人体部位进行处理。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
获取包含目标人像的第一图像；
检测所述第一图像中所述目标人像的人体部位，并获取所述目标人像对应的美体参数；其中，所述美体参数是根据所述目标人像对应的参考三维模型生成的；
根据所述美体参数对所述人体部位进行处理。
上述图像处理方法、装置、电子设备和计算机可读存储介质，通过获取包含目标人像的第一图像，检测第一图像中目标人像的人体部位，并获取目标人像对应的美体参数，其中，美体参数是根据目标人像对应的参考三维模型生成的，根据美体参数对人体部位进行处理。根据参考三维模型生成美体参数，并检测第一图像中目标人像的人体部位，使用美体参数对对应的人体部位进行处理，可以使人体部位被处理得更加准确，从而提高图像处理的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中图像处理方法的应用环境图；
图2为一个实施例中图像处理方法的流程图；
图3为另一个实施例中图像处理方法的流程图；
图4为一个实施例中目标人像的人体部位示意图；
图5为一个实施例中三维模型的展示示意图；
图6为又一个实施例中图像处理方法的流程图；
图7为一个实施例中参考三维模型处理前后的对比示意图；
图8为又一个实施例中图像处理方法的流程图；
图9为一个实施例中TOF计算深度信息的原理图；
图10为一个实施例中目标图像的人体轮廓的示意图；
图11为一个实施例中实现图像处理方法的软件框架图；
图12为一个实施例中图像处理装置的结构示意图；
图13为一个实施例中图像处理电路的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一图像称为第二图像，且类似地，可将第二图像称为第一图像。第一图像和第二图像两者都是图像，但其不是同一图像。
图1为一个实施例中图像处理方法的应用环境图。如图1所示，电子设备上可安装两个摄像头，包括第一摄像头102和第二摄像头104。具体的，电子设备可以通过第一摄像头102和第二摄像头104进行拍摄，获取第一摄像头102采集包含目标人像的第一图像。电子设备可以获取第二摄像头104采集的第二图像，其中，第二图像包含第一图像对应的深度信息。电子设备可以检测第一图像中目标人像的人体部位，并获取目标人像对应的美体参数，根据美体参数对人体部位进行处理。可以理解的是，上述电子设备可以是手机、电脑、可穿戴设备等，在此不做限定。
图2为一个实施例中图像处理方法的流程图。如图2所示，该图像处理方法包括步骤202至步骤206。其中：
步骤202，获取包含目标人像的第一图像。
电子设备上可以安装摄像头，并通过安装的摄像头获取第一图像。摄像头可以根据获取的图像的不同分为激光摄像头、可见光摄像头等类型，激光摄像头可以获取激光照射到物体上所形成的图像，可见光图像可以获取可见光照射到物体上所形成的图像。电子设备上可以安装若干个摄像头，且安装的位置不做限定。例如，可以在电子设备的正面面板上安装一个摄像头，在背面面板上安装两个摄像头，摄像头还可以以内嵌的方式安装于电子设备的内部，然后通过旋转或滑动的方式打开摄像头。具体地，电子设备上可安装前置摄像头和后置摄像头，前置摄像头和后置摄像头可以从不同的视角获取图像，一般前置摄像头可以从电子设备的正面视角获取图像，后置摄像头可以从电子设备的背面视角获取图像。
在本申请实施例中，电子设备获取的第一图像可以是包含有物体的纹理、颜色等信息的图像，例如，第一图像可以是YUV(Luma Chrominance Chroma，明亮度、色度、浓度)格式的图像、RGB(Red Green Blue，红绿蓝)图像、红外图像等，在此不做限定。第一图像可以是用户通过拍照键触发摄像头采集的图像，还可以是通过电子设备的摄像头预览的图像。第一图像中包含的人像为目标人像，第一图像中可以只有一个目标人像，还可以包含有多个目标人像。电子设备可以获取通过摄像头预览或者采集的包含有目标人像的第一图像。
步骤204，检测第一图像中目标人像的人体部位，并获取目标人像对应的美体参数，其中，美体参数是根据目标人像对应的参考三维模型生成的。
人体部位是指目标人像的胳膊、大腿、小腿、头部、脖子、腰等身体部位。人体部位可以通过检测人体骨骼关键点的方式检测得到，人体骨骼关键点的检测可以分为两个部分：人体检测以及人体关键点检测。人体检测是通过目标检测算法检测出第一图像中存在的人体；人体关键点检测是在检测到第一图像中人体的基础上，对检测到的人体的主要关节进行检测，并将检测到的主要关节标记为人体骨骼关键点。其中，人体关键点的检测可以采用基于深度学习的物体检测算法R-CNN(Regions with CNN features)、对偶传播神经网络模型CPN(Counter Propagation Network)等。电子设备可以通过检测目标人像的人体骨骼关键点，进而检测出第一图像中目标人像的人体部位。
参考三维模型是与第一图像中目标人像对应的人像三维模型。美体参数是根据目标人像对应的参考三维模型生成的，美体参数可以包含有对人体部位进行调节的方向和强度。例如，美体参数中包含的调节的方向可以是将小腿腿围减小，对应的强度可以是0.2倍，即，美体参数为将小腿腿围减小0.2倍。
目标人像对应的美体参数可以是目标人像中对应的各个人体部位的美体参数。电子设备检测到第一图像中目标人像的人体部位后，可以查找并获取与人体部位对应的美体参数。
步骤206，根据美体参数对人体部位进行处理。
电子设备可以获取对一个人体部位进行处理的美体参数，还可以获取对多个人体部位进行处理的美体参数。例如，电子设备获取到的对一个人体部位进行处理的美体参数是将小腿腿围减小0.2倍；电子设备获取到的对多个人体部位进行处理的美体参数是将大腿腿围减小0.1倍、将腰围减小0.05倍、将腿长增加0.1倍。电子设备可以根据获取的美体参数对人体部位进行处理，例如，电子设备获取到的美体参数为将小腿腿围减小0.2倍，电子设备可以将第一图像中目标人像中的小腿腿围从X处理为0.8X。
本申请提供的实施例中，通过获取包含目标人像的第一图像，检测第一图像中目标人像的人体部位，并获取目标人像对应的美体参数，其中，美体参数是根据目标人像对应的参考三维模型生成的，根据美体参数对人体部位进行处理。根据参考三维模型生成美体参数，并检测第一图像中目标人像的人体部位，使用美体参数对对应的人体部位进行处理，可以使人体部位被处理得更加准确，从而提高图像处理的准确性。
图3为另一个实施例中图像处理方法的流程图。如图3所示，该图像处理方法包括步骤302至步骤306。其中：
步骤302，将第一图像中的目标人像与人像集合中的参考人像进行比对。
参考人像可以是采集好的存储在电子设备中的人像，参考人像可以是一个，还可以是多个。电子设备中存储有人像集合，人像集合中可以包含有一个或多个参考人像。
电子设备在采集了包含目标人像的第一图像后，可以将目标人像与人像集合中的参考人像进行比对。当目标人像只有一个时，电子设备可以将该目标人像分别与人像集合中的参考人像一一进行比对；当目标人像有多个时，电子设备可以分别将每一个目标人像与人像集合中的参考人像进行比对。具体的，电子设备可以将目标人像中的人脸部分与人像集合中参考人像的人脸部分进行比对。例如，电子设备可以根据人脸检测算法检测目标人像中的人脸，并将目标人像的人脸与参考人像中的人脸进行比对。
步骤304，当人像集合中存在与目标人像相匹配的参考人像时，获取与目标人像相匹配的参考人像所对应的第一美体参数。
电子设备可以计算出目标人像与参考人像的匹配度，当目标人像与参考人像的匹配度大于匹配阈值时，表示目标人像与参考人像相匹配，即人像集合中存在与目标人像相匹配的参考人像。其中，匹配阈值可以是电子设备中设置好的一个具体的数值。例如，匹配阈值可以是80％。
美体参数可以包括第一美体参数，第一美体参数是参考人像对应的美体参数。当人像集合中存在与目标人像相匹配的参考人像时，电子设备可以获取与目标人像相匹配的参考人像对应的第一美体参数。
步骤306，当人像集合中不存在与目标人像相匹配的参考人像时，获取第二美体参数。
美体参数还可以包括第二美体参数，第二美体参数可以是电子设备中默认的美体参数。当人像集合中不存在与目标人像相匹配的参考人像时，电子设备可以获取第二美体参数。
在本申请实施例中，通过将第一图像中的目标人像与人像集合中的参考人像进行比对，当人像集合中存在与目标人像相匹配的参考人像时，获取与目标人像相匹配的参考人像所对应的第一美体参数，当人像集合中不存在与目标人像相匹配的参考人像时，获取第二美体参数。电子设备通过将第一图像中的目标人像与人像集合中的参考人像进行比对，并根据比对结果获取对应的第一美体参数或第二美体参数，再使用获取的美体参数对目标人像进行对应的处理，可以提高图像处理的准确性。
图4为一个实施例中目标人像的人体部位示意图。如图4所示，电子设备采集的第一图像400中包含有目标人像，该目标人像的人体部位可以包括头部410、脖子420.胳臂430、腰440、大腿450以及小腿460等。电子设备获取到第一图像400后，可以检测出第一图像400中目标人像的各个人体部位。同时，电子设备可以获取目标人像对应的美体参数，并根据美体参数分别对第一图像400中目标人像的各个人体部位进行处理。
图5为一个实施例中三维模型的展示示意图。如图5所示，在建立的三维坐标系中展示人像的三维模型502。该人像的三维模型502为一个立体模型，可以从多个角度展示人像。在本实施例中，将人像的三维模型502向左转动135°，再向下旋转25°，则得到人像的三维模型504。
图6为又一个实施例中图像处理方法的流程图。如图6所示，该图像处理方法包括步骤602至步骤606。其中：
步骤602，获取对参考三维模型的编辑指令，参考三维模型用于表示参考人像对应的三维模型。
参考三维模型是指参考人像的对应的三维模型，电子设备中存储的是二维的参考人像，参考三维模型是参考人像对应的三维模型。电子设备可以获取用于对参考三维模型进行处理的编辑指令。具体的，编辑指令可以是通过按压电子设备上的按钮触发产生的，编辑指令还可以是通过触摸电子设备上的触摸显示屏触发产生的，在此不做限定。
步骤604，根据编辑指令对参考三维模型进行处理，得到处理后的参考三维模型。
电子设备可以根据获取的编辑指令对参考三维模型进行处理。例如，电子设备获取到的编辑指令是将参考三维模型中的小腿腿围减小0.2倍，电子设备可以根据编辑指令将参考三维模型中的小腿腿围进行调整，将小腿的腿围从X调整为0.8X。电子设备在对参考三维模型进行处理后，可以得到处理后的参考三维模型，电子设备可以保存处理后的参考三维模型。
步骤606，根据处理后的参考三维模型生成参考人像对应的美体参数。
电子设备得到处理后的参考三维模型后，可以根据处理后的参考三维模型生成参考人像中各个人体部位对应的美体参数。例如，处理后的参考三维模型中小腿腿围从X处理为0.8X、大腿腿围从Y处理为0.9Y、腰围从Z处理为0.9V、腿长从W处理为1.1W，电子设备可以生成参考人像对应的美体参数为将小腿腿围减小0.2倍、将大腿腿围减小0.1倍、将腰围减小0.1倍、将腿长增加0.1倍。
在本申请实施例中，获取对参考三维模型的编辑指令，参考三维模型用于表示参考人像对应的三维模型，根据编辑指令对参考三维模型进行处理，得到处理后的参考三维模型，根据处理后的参考三维模型生成参考人像对应的美体参数。电子设备根据编辑指令对参考三维模型进行处理，并生成参考人像对应的美体参数。由于生成的美体参数是根据用户对参考三维模型的编辑处理生成的，可以提高图像处理的准确性。
图7为一个实施例中参考三维模型处理前后的对比示意图。第一摄像头获取的第一图像700中包含有目标人像，电子设备可以检测第一图像700中目标人像的各个人体部位。如图7所示，电子设备检测出来的人体部位可以包括头部702、胳臂704、腰706以及腿708。电子设备可以对头部702上的人脸进行检测，当检测出目标人像的人脸与参考人像的人脸匹配时，电子设备可以获取与目标人像相匹配的参考人像对应的美体参数。例如，电子设备获取的美体参数为将头围减小0.2倍、将胳臂减小0.1倍、将腰围减小0.1倍、将腿长增加0.1倍，电子设备可以根据获取的美体参数对目标人像的人体部位进行处理，即将目标人像的头围从X处理为0.8X、胳臂从Y处理为0.9Y、腰围从Z处理为0.9V、腿长从W处理为1.1W，得到处理后的头部712、胳臂714、腰716以及腿718。
在一个实施例中，提供的一种图像处理方法还可以包括建立参考三维模型的过程，具体包括：获取包含参考人像的第一参考图像和第二参考图像，其中，第二参考图像包含第一参考图像对应的深度信息，根据第一参考图像和第二参考图像建立参考人像的参考三维模型。
参考图像可以包括第一参考图像和第二参考图像，其中，第二参考图像包含第一参考图像对应的深度信息。例如，第一参考图像可以是YUV图像，第二参考图像可以是深度图像Depth图像。电子设备可以通过第一摄像头采集第一参考图像，通过第二摄像头采集第二参考图像。其中，第一摄像头可以是可见光摄像头，第二摄像头可以是激光摄像头，电子设备上可安装第二摄像头对应的激光发射器。激光发射器的激光照射到物体上，通过第二摄像头来获取激光照射物体时生成的第二图像。
电子设备中的摄像头获取第一参考图像和第二参考图像的方式可以是将摄像头固定，用户站在摄像头前旋转，摄像头采集用户旋转的多张第一参考图像和第二参考图像；电子设备中的摄像头获取第一参考图像和第二参考图像的方式还可以是用户固定不动，将摄像头对着用户进行等距环绕，通过摄像头旋转采集多张第一参考图像和第二参考图像。电子设备获取的第一参考图像和第二参考图像的分辨率可以是相同的，也可以是不同的。
电子设备在采集了第一参考图像和第二参考图像后，可以建立参考人像的参考三维模型。电子设备可以根据采集的第一参考图像得到参考人像的色彩，同时，电子设备可以根据采集的第二参考图像得到参考人像的深度信息。电子设备可以根据第一图像中的色彩、轮廓等信息和第二图像中的深度信息等建立参考三维模型，参考三维模型是由细密的三角面片组成的，三角面片是由摄像头采集的不同角度的第一参考图像融合而成的一张纹理图。
在本申请实施例中，通过获取包含参考人像的第一参考图像和第二参考图像，其中，第二参考图像包含第一参考图像对应的深度信息，根据第一参考图像和第二参考图像建立参考人像的参考三维模型。电子设备根据采集的第一参考图像和第二参考图像建立参考人像的参考三维模型，由于电子设备采集的第一参考图像和第二参考图像是对参考人像进行旋转采集的，可以采集多张参考人像的第一参考图像和第二参考图像，提高了建立参考三维模型的准确性，使得建立的参考三维模型与参考人像更加匹配。
图8为又一个实施例中图像处理方法的流程图。如图8所示，该图像处理方法包括步骤802至步骤806。其中：
步骤802，获取第二图像，其中，第二图像包含第一图像对应的深度信息。
电子设备可以获取通过第二摄像头采集的第二图像，第二摄像头可以是激光摄像头，电子设备上可以安装第二摄像头对应的激光发射器。激光发射器的激光照射到目标物体上，通过第二摄像头来获取激光照射目标物体时生成的第二图像。第二图像中包含有第一图像对应的深度信息，第二图像可以是Depth图像。
电子设备获取第一图像和第二图像的方式可以是将摄像头固定，用户站在摄像头前旋转，摄像头采集用户旋转的多张第一图像和第二图像；电子设备中的摄像头获取第一图像和第二图像的方式还可以是用户固定不动，将摄像头对着用户进行等距环绕，通过摄像头旋转采集多张第一图像和第二图像。电子设备获取的第一图像和第二图像的分辨率可以是相同的，也可以是不同的。
步骤804，根据第二图像提取目标人像在第一图像中对应的人体轮廓。
第一图像中包含有目标人像，第二图像中包含有目标图像对应的深度信息，目标人像的轮廓可以称为人体轮廓。电子设备通过摄像头采集的第一图像的画面与第二图像的画面是相同的，第二图像中包含有第一图像对应的深度信息。电子设备可以查找目标人像在第二图像中对应的深度信息，然后根据获取的深度信息提取目标人像在第一图像中对应的人体轮廓。
步骤806，根据美体参数对人体轮廓中的人体部位进行处理。
人体轮廓中包含了目标人像的所有人体部位。电子设备可以将获取的目标人像对应的美体参数与目标人像对应，具体的，电子设备可以将美体参数与目标人像对应的人体部位对应。电子设备可以根据美体参数对人体轮廓中的人体部位进行处理，例如，电子设备提取的目标人像的人体轮廓中包含的人体部位有小腿、大腿、腰、胳臂、颈椎、头，电子设备获取的目标人像对应的美体参数为将小腿腿围减小0.2倍、将大腿腿围减小0.1倍、将腿长增加0.1倍、将腰围减小0.1倍、将头围减小0.1倍，电子设备可以根据获取的美体参数分别对人体轮廓中的人体部位进行处理，将小腿腿围从X处理为0.8X、大腿腿围从Y处理为0.9Y、腿长从W处理为1.1W、腰围从Z处理为0.9V、头围从M处理为0.9M。
在本申请实施例中，通过获取第二图像，其中，第二图像包含第一图像对应的深度信息，根据第二图像提取目标人像在第一图像中对应的人体轮廓，根据美体参数对人体轮廓中的人体部位进行处理。电子设备根据第一图像和第二图像提取出目标人像的人体轮廓，再根据美体参数对人体轮廓中的人体部位进行处理，可以限制图像处理的区域，从而可以避免处理区域过大导致图像处理不准确的问题。
图9为一个实施例中TOF计算深度信息的原理图。如图9所示，激光发射器可以发射一个激光波，发射的激光波经过物体反射之后会形成一个反射的激光波，根据发射的激光波和接收的激光波的相位差就可以计算得到物体的深度信息。激光摄像头实际采集图像时，可以控制不同快门在不同的时间进行开关，然后形成不同的接收信号，从而通过多个快门开关采集不同的图像来计算得到深度图像。在一个实施例中，假设激光摄像头是通过四个快门来控制接收激光波信号的，快门1、快门2、快门3、快门4接收到的激光波信号分别为Q1、Q2、Q3、Q4，则计算深度信息的公式如下：
其中，C为光速，f为激光波的发射频率。上述公式即可将四张第一原始深度图像进行第二格式转换，生成对应的Depth格式的第一深度图像。可以理解的是，获取的第一原始深度图像的图像数量不同时，对应的将第一原始深度图像进行第二格式转换的公式也可能不同。具体的，可以根据第一原始深度图像的图像数量获取对应的第二格式转换公式，根据第二格式转换公式将打包后的第一原始深度图像进行第二格式转换，得到第一深度图像。
图10为一个实施例中目标图像的人体轮廓的示意图。电子设备获取到第二图像后，可以根据第二图像提取目标人像在第一图像1000中对应的人体轮廓1010。由于第二图像包含第一图像对应的深度信息，电子设备可以结合第二图像中的深度信息对目标人像的人体轮廓1010进行提取。
在一个实施例中，提供的一种图像处理方法还可以包括建立目标三维模型并检测人体部位的过程，具体包括：根据第一图像和第二图像建立目标人像的目标三维模型，检测目标三维模型中的人体部位。
电子设备获取的第一图像中可以包含有目标人像，第二图像包含有第一图像对应的深度信息。电子设备在获取第一图像和第二图像后，可以根据第一图像和第二图像建立目标人像的目标三维模型。具体的，电子设备可以根据第一图像中的色彩、轮廓等信息和第二图像中的深度信息建立目标三维模型，目标三维模型是由细密的三角面片组成的，三角面片是由摄像头采集的不同角度的第一图像融合而成的一张纹理图。
电子设备可以对建立好的目标三维模型中的人体部位进行检测，电子设备检测到的目标三维模型中的人体部位也是三维的。具体的，电子设备可以通过检测人体关键点检测到人体部位，其中，人体关键点的检测可以采用基于深度学习的物体检测算法R-CNN、对偶传播神经网络模型CPN等。电子设备可以通过检测目标人像的人体关键点，进而检测出目标三维模型中的人体部位。
电子设备在检测出目标三维模型中的人体部位后，可以获取该目标三维模型对应的美体参数，并根据获取的美体参数对目标三维模型中的人体部位进行处理。由于电子设备检测出的人体部位是三维的，则获取的美体参数对人体部位进行的处理可以是三维处理。
通过根据第一图像和第二图像建立目标人像的目标三维模型，检测目标三维模型中的人体部位，并根据获取的美体参数对三维模型中的人体部位进行对应的处理。电子设备通过建立目标人像的目标三维模型，根据美体参数对目标三维模型中的人体部位进行处理，可以提高图像处理的准确性。
在一个实施例中，提供的一种图像处理方法还可以包括选择目标人像的过程，具体过程包括：当第一图像中包含两个或两个以上的人像时，分别计算各个人像的人像面积，将人像面积大于面积阈值的人像作为目标人像。
电子设备可以统计第一图像中包含的人像的个数，当电子设备统计出的第一图像中的人像的个数为两个或者两个以上时，电子设备可以分别计算出第一图像中各个人像的人像面积，人像面积可以通过像素点的数量来表示。例如，人像面积可以是460个像素点。面积阈值也可以通过像素点的数量来表示，例如，面积阈值可以是500个像素点。
电子设备可以分别根据第一图像中人像的人像轮廓计算人像面积。电子设备可以分别将计算出的第一图像中人像的人像面积与面积阈值进行比较，从而得到人像面积大于面积阈值的人像。电子设备可以将人像面积大于面积阈值的人像作为目标人像，当人像面积大于面积阈值的人像有多个时，电子设备可以将这多个人像作为目标人像。
在一个实施例中，提供的一种图像处理方法还可以通过下述方式实现：
电子设备可以在图像预览的过程中，通过摄像头采集第一参考图像和第二参考图像，第一参考图像中包含有参考人像。其中，第二参考图像包含第一参考图像对应的深度信息。电子设备可以根据第一参考图像和第二参考图像建立参考人像的参考三维模型。
电子设备可以获取对参考三维模型的编辑指令，参考三维模型用于表示参考人像对应的三维模型。电子设备可以根据编辑指令对参考三维模型进行处理，得到处理后的参考三维模型，并根据处理后的参考三维模型生成参考人像对应的美体参数。
当电子设备的摄像头采集包含有目标人像的第一图像时，电子设备可以将第一图像中的目标人像与人像集合中的参考人像进行比对，当人像集合中存在与目标人像相匹配的参考人像时，电子设备可以获取与目标人像相匹配的参考人像所对应的第一美体参数，并根据第一美体参数对人体部位进行处理；当人像集合中不存在与目标人像相匹配的参考人像时，电子设备可以获取第二美体参数，并根据第二美体参数对人体部位进行处理。
应该理解的是，虽然图2、3、6、8的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、3、6、8中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图11为一个实施例中实现图像处理方法的软件框架图。如图11所示，该软件框架中包括应用层110、硬件抽象层(Hardware Abstraction Layer，HAL)112、内核(Kernel)层114和硬件(Hardware)层116。其中，应用层110中包括应用程序1102。硬件抽象层112中包括接口1122、图像同步模块1124、图像算法模块1126以及应用算法模块1128。内核层114中包括摄像头驱动1142、摄像头标定模块1144和摄像头同步图模块1146。硬件层1162中包括第一摄像头1162、第二摄像头1164和图像处理器(Image Signal Processor,ISP)1166。
在一个实施例中，应用程序110可用于发起图像采集指令，然后将图像采集指令发送到接口1122。接口1122对图像采集指令解析之后，可以通过摄像头驱动1142对摄像头的配置参数，然后将配置参数发送给图像处理器1166，并通过图像处理器1166控制第一摄像头1162和第二摄像头1164打开。第一摄像头1162和第二摄像头1164打开之后，可通过摄像头同步模块1146控制第一摄像头1162和第二摄像头1164同步采集图像。第一摄像头1162采集的第一图像和第二摄像头1164采集的第二图像会发送给图像处理器1166，然后通过图像处理器1166将第一图像和第二图像发送给摄像头标定模块1144。摄像头标定模块1144会将第一图像和第二图像进行对齐处理，然后将对齐后的第一图像和第二图像发送到硬件抽象层112。硬件抽象层112中的图像同步模块1124会根据采集第一图像的第一时刻与采集第二图像的第二时刻，判断第一图像和第二图像是否为同时获取的。若是，才会通过图像算法模块1126计算得到第一图像，并计算得到第二图像。第一图像和第二图像会通过应用算法模块1128进行打包等处理，然后将打包等处理后的第一图像和第二图像通过接口1122发送给应用程序1102，应用程序1102获取到第一图像和第二图像后，可以根据第一图像和第二图像进行三维建模、美颜、增强现实(Augmented Reality，AR)等处理。
图12为一个实施例中图像处理装置的结构示意图。如图12所示，该图像处理装置1200包括第一图像获取模块1202、美体参数获取模块1204和图像处理模块1206。其中：
第一图像获取模块1202，用于获取包含目标人像的第一图像。
美体参数获取模块1204，用于检测第一图像中目标人像的人体部位，并获取目标人像对应的美体参数，其中，美体参数是根据目标人像对应的参考三维模型生成的。
图像处理模块1206，用于根据美体参数对人体部位进行处理。
上述实施例提供的图像处理装置，通过获取包含目标人像的第一图像，检测第一图像中目标人像的人体部位，并获取目标人像对应的美体参数，其中，美体参数是根据目标人像对应的参考三维模型生成的，根据美体参数对人体部位进行处理。根据参考三维模型生成美体参数，并检测第一图像中目标人像的人体部位，使用美体参数对对应的人体部位进行处理，可以使人体部位被处理得更加准确，从而提高图像处理的准确性。
在一个实施例中，美体参数包括第一美体参数和第二美体参数，美体参数获取模块1204还用于将第一图像中的目标人像与人像集合中的参考人像进行比对，当人像集合中存在与目标人像相匹配的参考人像时，获取与目标人像相匹配的参考人像所对应的第一美体参数，当人像集合中不存在与目标人像相匹配的参考人像时，获取第二美体参数。
在另一个实施例中，图像处理装置1200还可以包括编辑指令获取模块、三维模型处理模块以及美体参数生成模块，其中：
编辑指令获取模块，用于获取对参考三维模型的编辑指令，参考三维模型用于表示参考人像对应的三维模型。
三维模型处理模块，用于根据编辑指令对参考三维模型进行处理，得到处理后的参考三维模型。
美体参数生成模块，用于根据处理后的参考三维模型生成参考人像对应的美体参数。
在一个实施例中，图像处理装置1200还可以包括参考图像获取模块和三维模型建立模块，其中：
参考图像获取模块，用于获取包含参考人像的第一参考图像和第二参考图像，其中，第二参考图像包含第一参考图像对应的深度信息。
三维模型建立模块，用于根据第一参考图像和第二参考图像建立参考人像的参考三维模型。
在一个实施例中，图像处理装置1200还可以包括第二图像获取模块以及人体轮廓提取模块，其中：
第二图像获取模块，用于获取第二图像，其中，第二图像包含第一图像对应的深度信息。
人体轮廓提取模块，用于根据第二图像提取目标人像在第一图像中对应的人体轮廓。
图像处理模块1206还可以用于根据美体参数对人体轮廓中的人体部位进行处理。
在一个实施例中，美体参数获取模块1204还用于根据第一图像和第二图像建立目标人像的目标三维模型，检测目标三维模型中的人体部位。
在一个实施例中，第一图像获取模块1202还用于当第一图像中包含两个或两个以上的人像时，分别计算各个人像的人像面积，将人像面积大于面积阈值的人像作为目标人像。
上述图像处理装置中各个模块的划分仅用于举例说明，在其他实施例中，可将图像处理装置按照需要划分为不同的模块，以完成上述图像处理装置的全部或部分功能。
关于图像处理装置的具体限定可以参见上文中对于图像处理方法的限定，在此不再赘述。上述图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本申请实施例中提供的图像处理装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端或服务器上运行。该计算机程序构成的程序模块可存储在终端或服务器的存储器上。该计算机程序被处理器执行时，实现本申请实施例中所描述方法的步骤。
本申请实施例还提供一种电子设备。上述电子设备中包括图像处理电路，图像处理电路可以利用硬件和/或软件组件实现，可包括定义ISP(Image Signal Processing，图像信号处理)管线的各种处理单元。图13为一个实施例中图像处理电路的示意图。如图13所示，为便于说明，仅示出与本申请实施例相关的图像处理技术的各个方面。
如图13所示，图像处理电路包括第一ISP处理器1330、第二ISP处理器1340和控制逻辑器1350。第一摄像头1310包括一个或多个第一透镜1312和第一图像传感器1314。第一图像传感器1314可包括色彩滤镜阵列(如Bayer滤镜)，第一图像传感器1314可获取用第一图像传感器1314的每个成像像素捕捉的光强度和波长信息，并提供可由第一ISP处理器1330处理的一组图像数据。第二摄像头1320包括一个或多个第二透镜1322和第二图像传感器1324。第二图像传感器1324可包括色彩滤镜阵列(如Bayer滤镜)，第二图像传感器1324可获取用第二图像传感器1324的每个成像像素捕捉的光强度和波长信息，并提供可由第二ISP处理器1340处理的一组图像数据。
第一摄像头1310采集的第一图像传输给第一ISP处理器1330进行处理，第一ISP处理器1330处理第一图像后，可将第一图像的统计数据(如图像的亮度、图像的反差值、图像的颜色等)发送给控制逻辑器1350，控制逻辑器1350可根据统计数据确定第一摄像头1310的控制参数，从而第一摄像头1310可根据控制参数进行自动对焦、自动曝光等操作。第一图像经过第一ISP处理器1330进行处理后可存储至图像存储器1360中，第一ISP处理器1330也可以读取图像存储器1360中存储的图像以对进行处理。另外，第一图像经过ISP处理器1330进行处理后可直接发送至显示器1370进行显示，显示器1370也可以读取图像存储器1360中的图像以进行显示。
其中，第一ISP处理器1330按多种格式逐个像素地处理图像数据。例如，每个图像像素可具有8、10、12或14比特的位深度，第一ISP处理器1330可对图像数据进行一个或多个图像处理操作、收集关于图像数据的统计信息。其中，图像处理操作可按相同或不同的位深度精度进行。
图像存储器1360可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器，并可包括DMA(Direct Memory Access，直接直接存储器存取)特征。
当接收到来自第一图像传感器1314接口时，第一ISP处理器1330可进行一个或多个图像处理操作，如时域滤波。处理后的图像数据可发送给图像存储器1360，以便在被显示之前进行另外的处理。第一ISP处理器1330从图像存储器1360接收处理数据，并对所述处理数据进行RGB和YCbCr颜色空间中的图像数据处理。第一ISP处理器1330处理后的图像数据可输出给显示器1370，以供用户观看和/或由图形引擎或GPU(Graphics Processing Unit，图形处理器)进一步处理。此外，第一ISP处理器1330的输出还可发送给图像存储器1360，且显示器1370可从图像存储器1360读取图像数据。在一个实施例中，图像存储器1360可被配置为实现一个或多个帧缓冲器。
第一ISP处理器1330确定的统计数据可发送给控制逻辑器1350。例如，统计数据可包括自动曝光、自动白平衡、自动聚焦、闪烁检测、黑电平补偿、第一透镜1312阴影校正等第一图像传感器1314统计信息。控制逻辑器1350可包括执行一个或多个例程(如固件)的处理器和/或微控制器，一个或多个例程可根据接收的统计数据，确定第一摄像头1310的控制参数及第一ISP处理器1330的控制参数。例如，第一摄像头1310的控制参数可包括增益、曝光控制的积分时间、防抖参数、闪光控制参数、第一透镜1312控制参数(例如聚焦或变焦用焦距)、或这些参数的组合等。ISP控制参数可包括用于自动白平衡和颜色调整(例如，在RGB处理期间)的增益水平和色彩校正矩阵，以及第一透镜1312阴影校正参数。
同样地，第二摄像头1320采集的第二图像传输给第二ISP处理器1340进行处理，第二ISP处理器1340处理第一图像后，可将第二图像的统计数据(如图像的亮度、图像的反差值、图像的颜色等)发送给控制逻辑器1350，控制逻辑器1350可根据统计数据确定第二摄像头1320的控制参数，从而第二摄像头1320可根据控制参数进行自动对焦、自动曝光等操作。第二图像经过第二ISP处理器1340进行处理后可存储至图像存储器1360中，第二ISP处理器1340也可以读取图像存储器1360中存储的图像以对进行处理。另外，第二图像经过ISP处理器1340进行处理后可直接发送至显示器1370进行显示，显示器1370也可以读取图像存储器1360中的图像以进行显示。第二摄像头1320和第二ISP处理器1340也可以实现如第一摄像头1310和第一ISP处理器1330所描述的处理过程。
以下为运用图13中图像处理技术实现图像处理方法的步骤。
本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当所述计算机可执行指令被一个或多个处理器执行时，使得所述处理器执行图像处理方法的步骤。
一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行图像处理方法。
本申请所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像处理方法，其特征在于，包括：
获取包含目标人像的第一图像；
检测所述第一图像中所述目标人像的人体部位，并获取所述目标人像对应的美体参数；其中，所述美体参数是根据所述目标人像对应的参考三维模型生成的；
根据所述美体参数对所述人体部位进行处理。
2.根据权利要求1所述的方法，其特征在于，所述美体参数包括第一美体参数和第二美体参数；
所述获取所述目标人像对应的美体参数，包括：
将所述第一图像中的所述目标人像与人像集合中的参考人像进行比对；
当所述人像集合中存在与目标人像相匹配的参考人像时，获取与所述目标人像相匹配的参考人像所对应的第一美体参数；
当所述人像集合中不存在与所述目标人像相匹配的参考人像时，获取第二美体参数。
3.根据权利要求2所述的方法，其特征在于，在所述获取包含目标人像的第一图像之前，所述方法还包括：
获取对参考三维模型的编辑指令，所述参考三维模型用于表示所述参考人像对应的三维模型；
根据所述编辑指令对所述参考三维模型进行处理，得到处理后的参考三维模型；
根据所述处理后的参考三维模型生成所述参考人像对应的美体参数。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取包含参考人像的第一参考图像和第二参考图像；其中，所述第二参考图像包含所述第一参考图像对应的深度信息；
根据所述第一参考图像和所述第二参考图像建立所述参考人像的参考三维模型。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取第二图像，其中，所述第二图像包含所述第一图像对应的深度信息；
根据所述第二图像提取所述目标人像在所述第一图像中对应的人体轮廓；
所述根据所述美体参数对所述人体部位进行处理，包括：
根据所述美体参数对所述人体轮廓中的人体部位进行处理。
6.根据权利要求5所述的方法，其特征在于，所述检测所述第一图像中所述目标人像的人体部位，包括：
根据所述第一图像和所述第二图像建立所述目标人像的目标三维模型；
检测所述目标三维模型中的人体部位。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：
当所述第一图像中包含两个或两个以上的人像时，分别计算各个人像的人像面积；
将所述人像面积大于面积阈值的人像作为目标人像。
8.一种图像处理装置，其特征在于，包括：
第一图像获取模块，用于获取包含目标人像的第一图像；
美体参数获取模块，用于检测所述第一图像中所述目标人像的人体部位，并获取所述目标人像对应的美体参数；其中，所述美体参数是根据所述目标人像对应的参考三维模型生成的；
图像处理模块，用于根据所述美体参数对所述人体部位进行处理。
9.一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810960790.6A CN109166082A (zh) | 2018-08-22 | 2018-08-22 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810960790.6A CN109166082A (zh) | 2018-08-22 | 2018-08-22 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109166082A true CN109166082A (zh) | 2019-01-08 |
Family
ID=64896542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810960790.6A Pending CN109166082A (zh) | 2018-08-22 | 2018-08-22 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109166082A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110897642A (zh) * | 2019-12-26 | 2020-03-24 | 昆山杜克大学 | 一种3d测量并监测人体头围增长的***与方法 |
| CN113516755A (zh) * | 2021-04-21 | 2021-10-19 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、电子设备和存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100328307A1 (en) * | 2009-06-25 | 2010-12-30 | Samsung Electronics Co., Ltd. | Image processing apparatus and method |
| CN103106604A (zh) * | 2013-01-23 | 2013-05-15 | 东华大学 | 基于体感技术的3d虚拟试衣方法 |
| US8885873B2 (en) * | 2011-09-09 | 2014-11-11 | Francis R. Palmer Iii Md Inc. | Systems and methods for using curvatures to analyze facial and body features |
| CN104537608A (zh) * | 2014-12-31 | 2015-04-22 | 深圳市中兴移动通信有限公司 | 一种图像处理的方法及其装置 |
| CN104574299A (zh) * | 2014-12-25 | 2015-04-29 | 小米科技有限责任公司 | 人脸图片处理方法及装置 |
| CN105938627A (zh) * | 2016-04-12 | 2016-09-14 | 湖南拓视觉信息技术有限公司 | 用于人脸虚拟整形的处理方法和*** |
| CN107274355A (zh) * | 2017-05-22 | 2017-10-20 | 奇酷互联网络科技（深圳）有限公司 | 图像处理方法、装置和移动终端 |
| CN107730445A (zh) * | 2017-10-31 | 2018-02-23 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、存储介质和电子设备 |
| 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 |
| CN107845057A (zh) * | 2017-09-25 | 2018-03-27 | 维沃移动通信有限公司 | 一种拍照预览方法及移动终端 |
-
2018
- 2018-08-22 CN CN201810960790.6A patent/CN109166082A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100328307A1 (en) * | 2009-06-25 | 2010-12-30 | Samsung Electronics Co., Ltd. | Image processing apparatus and method |
| US8885873B2 (en) * | 2011-09-09 | 2014-11-11 | Francis R. Palmer Iii Md Inc. | Systems and methods for using curvatures to analyze facial and body features |
| CN103106604A (zh) * | 2013-01-23 | 2013-05-15 | 东华大学 | 基于体感技术的3d虚拟试衣方法 |
| CN104574299A (zh) * | 2014-12-25 | 2015-04-29 | 小米科技有限责任公司 | 人脸图片处理方法及装置 |
| CN104537608A (zh) * | 2014-12-31 | 2015-04-22 | 深圳市中兴移动通信有限公司 | 一种图像处理的方法及其装置 |
| CN105938627A (zh) * | 2016-04-12 | 2016-09-14 | 湖南拓视觉信息技术有限公司 | 用于人脸虚拟整形的处理方法和*** |
| CN107274355A (zh) * | 2017-05-22 | 2017-10-20 | 奇酷互联网络科技（深圳）有限公司 | 图像处理方法、装置和移动终端 |
| CN107845057A (zh) * | 2017-09-25 | 2018-03-27 | 维沃移动通信有限公司 | 一种拍照预览方法及移动终端 |
| CN107730445A (zh) * | 2017-10-31 | 2018-02-23 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、存储介质和电子设备 |
| 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 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110897642A (zh) * | 2019-12-26 | 2020-03-24 | 昆山杜克大学 | 一种3d测量并监测人体头围增长的***与方法 |
| CN113516755A (zh) * | 2021-04-21 | 2021-10-19 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、电子设备和存储介质 |
| CN113516755B (zh) * | 2021-04-21 | 2024-05-17 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108764052A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| CN109040591B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| CN109767467A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| CN108805024A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| CN109118581A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN108989606B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN108965732A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| CN109190533B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN109712192A (zh) | 摄像模组标定方法、装置、电子设备及计算机可读存储介质 | |
| CN108965721A (zh) | 摄像头模组的控制方法和装置、电子设备 | |
| TWI709110B (zh) | 攝像頭校準方法和裝置、電子設備 | |
| CN108734676A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN109146906A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN108012078A (zh) | 图像亮度处理方法、装置、存储介质和电子设备 | |
| CN109151303B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN109327626A (zh) | 图像采集方法、装置、电子设备和计算机可读存储介质 | |
| CN109360254A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN109712177A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| CN109040746A (zh) | 摄像头校准方法和装置、电子设备、计算机可读存储介质 | |
| CN108924426A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN109068060B (zh) | 图像处理方法和装置、终端设备、计算机可读存储介质 | |
| CN109040745A (zh) | 摄像头自校准方法和装置、电子设备、计算机存储介质 | |
| CN107948511B (zh) | 图像亮度处理方法、装置、存储介质和图像亮度处理设备 | |
| CN108063891A (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
| CN109559353A (zh) | 摄像模组标定方法、装置、电子设备及计算机可读存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190108 |