CN109191414A - 一种图像处理方法、装置、电子设备及存储介质 - Google Patents
一种图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109191414A CN109191414A CN201810953624.3A CN201810953624A CN109191414A CN 109191414 A CN109191414 A CN 109191414A CN 201810953624 A CN201810953624 A CN 201810953624A CN 109191414 A CN109191414 A CN 109191414A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- human
- instruction
- point
- 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 12
- 238000000034 method Methods 0.000 claims abstract description 74
- 238000012545 processing Methods 0.000 claims abstract description 69
- 230000004927 fusion Effects 0.000 claims abstract description 8
- 210000002414 leg Anatomy 0.000 claims description 67
- 210000000746 body region Anatomy 0.000 claims description 20
- 230000006835 compression Effects 0.000 claims description 19
- 238000007906 compression Methods 0.000 claims description 19
- 210000001217 buttock Anatomy 0.000 claims description 17
- 210000000689 upper leg Anatomy 0.000 claims description 13
- 210000000610 foot bone Anatomy 0.000 claims description 11
- 210000001930 leg bone Anatomy 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000013256 Gubra-Amylin NASH model Methods 0.000 claims description 10
- 230000001052 transient effect Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 35
- 238000006748 scratching Methods 0.000 abstract description 10
- 230000002393 scratching effect Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000003796 beauty Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 102000011842 Serrate-Jagged Proteins Human genes 0.000 description 1
- 108010036039 Serrate-Jagged Proteins Proteins 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008439 repair process Effects 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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种图像处理方法、装置、电子设备及存储介质,涉及图像处理技术领域。方法包括对第一待处理图像中的待处理对象进行抠图处理,获得待处理对象的图像和抠除待处理对象后形成的第二待处理图像;对第二待处理图像进行背景填充得到第三图像以及对待处理对象的图像进行图像美形处理得到第四图像;将第三图像和第四图像进行融合获得目标图像。装置用于执行上述方法。本发明实施例通过首先对待处理对象进行抠图,然后对抠除待处理对象后形成的第二待处理图像进行背景填充以及对待处理对象的图像进行图像美形处理,最后将第三图像与第四图像进行融合,从而最终获得的目标图像中的背景不会因对象的处理而发生畸变。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
随着通信技术的飞速发展和智能电子产品的普及,越来越多的智能终端或智能设备成为人们生活中不可缺少的一部分,例如:智能手机、智能相机等。
另外,跟随自媒体和社交网络的发展,智能终端用户越来越多的喜欢将自己或家人、朋友的照片上传到网络供其他互联网用户欣赏。为了使拍照效果更加理想,现有的一些智能终端具备人体美化功能,即实现瘦身、长腿、改变身体比例、瘦腿等功能,使用户的照片更加符合自己的审美标准。其中,现有技术中进行美体的方法主要是采用对应人体变形算法直接对对应部位进行一定比例的缩放,这种方法会存在背景随着身体进行移动,扭曲的问题。在纯色的背景下可以比较好的隐藏这个问题,但是在复杂背景下,背景随着身体进行移动,变形比较明显。
发明内容
有鉴于此,本发明实施例的目的在于提供一种图像处理方法、装置、电子设备及存储介质,以解决上述技术问题。
第一方面,本发明实施例提供了一种图像处理方法,包括:
获取第一待处理图像,并对所述第一待处理图像中的待处理对象进行抠图处理,获得所述待处理对象的图像和抠除所述待处理对象后形成的第二待处理图像;
对所述第二待处理图像进行背景填充得到第三图像,以及对所述待处理对象的图像进行图像美形处理得到第四图像;
将所述第三图像和所述第四图像进行融合,获得目标图像,其中所述第三图像作为所述目标图像的背景图像,所述第四图像作为所述目标图像的前景图像。
进一步地,在对所述第一待处理图像中的待处理对象进行抠图处理之前,所述方法,还包括:
对所述第一待处理图像进行对象识别,并确定所述第一待处理图像中包含有完整的人体对象,将所述人体对象作为所述待处理对象。
进一步地,所述对所述第一待处理图像进行对象识别,并确定所述第一待处理图像中包含有完整的人体对象,将所述人体对象作为所述待处理对象,包括:
利用人体识别模型识别所述人体对象的特征点,其中,所述特征点包括头部骨骼点、手臂骨骼点、肩部骨骼点、臀部骨骼点、大腿骨骼点、小腿骨骼点和脚部骨骼点中的至少一项;
根据所述特征点获得对应的人体部位区域,所述人体部位区域包括头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域;
根据所述人体部位区域判断所述第一待处理图像中是否包含有完整的人体对象;
若包含,则根据所述头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域或脚部区域获得所述第一待处理图像包含的人体对象,作为所述待处理对象。
进一步地,所述对所述第一待处理图像进行对象识别,并确定所述第一待处理图像中包含有完整的人体对象,将所述人体对象作为所述待处理对象,包括:
利用人体识别模型识别所述人体对象的特征点,其中,所述特征点包括头部骨骼点、手臂骨骼点、肩部骨骼点、臀部骨骼点、大腿骨骼点、小腿骨骼点和脚部骨骼点中的至少一项;
根据识别出的特征点判断所述第一待处理图像中是否包含有完整的人体对象;
若包含,则根据所述特征点获得对应的头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域;
根据所述头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域获得所述第一待处理图像包含的所述人体对象,作为所述待处理对象。
进一步地,所述对所述待处理对象的图像进行图像美形处理,包括:
接收对所述人体对象的图像进行美形处理的美形指令,所述美形指令包括瘦腿指令、瘦臂指令、瘦身指令和长腿指令;
若所述美形指令为瘦腿指令,且所述人体的双腿为分开状态,则分别将每条腿对应的大腿区域和小腿区域向该条腿的中轴线方向进行压缩处理;
若所述美形指令为瘦腿指令,且所述人体的双腿为合并状态,则将双腿对应的大腿区域和小腿区域向双腿的中轴线方向进行压缩处理;
若所述美形指令为瘦臂指令,则分别将每条手臂对应的手臂区域向该手臂的中轴线方向进行压缩处理;
若所述美形指令为瘦身指令,则获取人体的中轴线,将人体的肩部到臀部区域向人体的中轴线方向进行压缩处理;
若所述美形指令为长腿指令,则将臀部到脚部的区域进行拉伸处理。
进一步地,所述对所述第二待处理图像进行背景填充得到第三图像,包括:
将所述第二待处理图像对应的色彩概率分布作为样本对生成对抗网络模型GAN进行训练,并应用训练后的GAN模型对所述第二待处理图像的背景进行填充得到所述第三图像。
进一步地,所述将所述第三图像和所述第四图像进行融合,获得目标图像,包括:
获取所述待处理对象在所述第三图像中第一轴线,以及所述第四图像对应的第二轴线;
将所述第一轴线与所述第二轴线重合,并将所述第四图像中的像素点与所述第三图像中对应位置的像素点的RGB值进行叠加,获得所述目标图像。
进一步地,在所述第三图像和所述第四图像进行融合之后,所述方法,还包括:
将融合后的第四图像边缘的像素点进行虚化。
进一步地,所述第一待处理图像是从视频流中提取的视频帧或相机预览图像。
第二方面,本发明实施例提供了一种图像处理装置,包括:
获取模块,用于获取第一待处理图像,并对所述第一待处理图像中的待处理对象进行抠图处理,获得所述待处理对象的图像和抠除所述待处理对象后形成的第二待处理图像;
处理模块,用于对所述第二待处理图像进行背景填充得到第三图像,以及对所述待处理对象的图像进行美形图像处理得到第四图像;
融合模块,用于将所述第三图像和所述第四图像进行融合,获得目标图像,其中所述第三图像作为所述目标图像的背景图像,所述第四图像作为所述目标图像的前景图像。
第三方面,本发明实施例提供一种电子设备,包括:处理器、存储器和总线,其中,
所述处理器和所述存储器通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行第一方面的方法步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,包括:
所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行第一方面的方法步骤。
本发明实施例通过首先对待处理对象进行抠图,然后对抠除待处理对象后形成的第二待处理图像进行背景填充得到第三图像以及对待处理对象的图像进行图像美形处理得到第四图像,最后第三图像与第四图像进行融合,从而最终获得的目标图像中的背景不会因对象的处理而发生畸变。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的一种电子设备实体结构示意图;
图2为本发明实施例提供的一种图像处理方法流程示意图;
图3为本发明另一实施例提供的一种图像处理方法流程示意图;
图4为本发明实施例提供的一种图像处理装置结构示意图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
首先,参照图1来描述用于实现本发明实施例的对象检测后处理方法及装置的示例电子设备100。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像采集装置110,这些组件通过总线***112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以是中央处理单元(CPU)、图形处理器(GPU)、嵌入式神经网络处理器(NPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像采集装置110可以采集用户期望的图像(例如照片、视频等),并且将所采集的图像存储在所述存储装置104中以供其它组件使用。
示例性地,用于实现根据本发明实施例的图像处理方法及装置的示例电子设备可以被实现为诸如智能手机、平板电脑等移动终端上。
图2为本发明实施例提供的一种图像处理方法流程示意图,如图2所示,该方法,包括:
步骤202:获取第一待处理图像,并对所述第一待处理图像中的待处理对象进行抠图处理,获得所述待处理对象的图像和抠除所述待处理对象后形成的第二待处理图像。
在具体的实施过程中,当用户通过移动设备在视频录制/相机预览的过程中,在对预览的图像中的对象进行美化调整时,可能会导致该对象旁边的背景发生扭曲变形,因此,在获取到第一待处理图像后,首先对第一待处理图像中的待处理对象进行抠图处理,从而获得抠除待处理对象后形成的第二待处理对象,以及该待处理对象的图像。例如:一张带有人体的图像,图像中的背景是大海,如果要对人体进行美形处理,则需要先将人体这个待处理对象进行抠图处理,从而获得抠出来的人体图像以及抠出人体后剩下的背景图像。应当说明的是,第一待处理图像可以是在视频录制后,从录制的视频中提取的视频帧,也可以是通过相机进行拍照,其拍照后的预览照片。
步骤204:对所述第二待处理图像进行背景填充得到第三图像,以及对所述待处理对象的图像进行图像美形处理得到第四图像。
在具体的实施过程中,由于对第一待处理图像中的待处理对象进行抠图处理,因此得到的第二待处理图像中原来是待处理对象的部分空了出来,因此,可以通过背景填充技术对第二待处理图像进行填充,从而获得第三图像。并且,还要对待处理对象进行图像美形处理,从而获得第四图像。可以理解的是,图像美形处理一般是指对图像中的人体对象的身材比例调节的过程,例如,可以是对人体对象进行瘦身、瘦腿、腿长拉伸以及瘦臂。应当说明的是,还可以是对人体其他部分的美化,例如瘦脸等,本发明实施例对此不做具体限定。
步骤206:将所述第三图像和所述第四图像进行融合,获得目标图像,其中所述第三图像作为所述目标图像的背景图像,所述第四图像作为所述目标图像的前景图像。
在具体的实施过程中,在分别对第二待处理图像进行背景填充获得第三图像,以及对待处理对象进行图像美形处理获得第四图像后,将第三图像和第四图像进行融合,可以是将第三图像通过贴图技术贴在第四图像中,获得最终的目标图像。应当说明的是,将两张图像进行融合的方法有很多,例如:将两张图像对应位置的像素点的RGB值进行叠加。
本发明实施例通过首先对待处理对象进行抠图,然后对抠除待处理对象后形成的第二待处理图像进行背景填充获得第三图像以及对待处理对象的图像进行图像美形处理获得第四图像,最后将第三图像和第四图像进行融合,从而最终获得的目标图像中的背景不会因对象的处理而发生畸变。
在上述实施例的基础上,图3为本发明另一实施例提供的一种图像处理方法流程示意图,如图3所示,在对所述第一待处理图像中的待处理对象进行抠图处理之前,所述方法,还包括:
步骤200:对所述第一待处理图像进行对象识别,并确定所述第一待处理图像中包含有完整的人体对象,将所述人体对象作为待处理对象。
在具体的实施过程中,对于要对第一待处理图像中的待处理对象进行图像处理,在获取到第一待处理图像后,首先要对第一待处理图像进行对象识别,获得到要进行图像处理的待处理对象,由于待处理对象为人体对象,要做的是对人体进行美形处理,因此还需要确定第一待处理图像中包含有完整的人体对象。可以理解的是,完整的人体对象是指包含从头部到脚部的各个身体部位的人体。应当说明的是,对于待处理对象是人体的情况,其对象识别的算法包括基于RGB-D数据的算法、基于RGB数据的算法,还可以是其他能够进行对象识别的算法,本发明实施例对此不做具体限定。
还应当说明的是,步骤202-步骤206与上述实施例一致,此处不再赘述。
本发明实施例通过在抠图处理之前从第一待处理图像中识别出要进行图像美形处理的人体对象,并确定人体对象是完整的,以便后续对待处理对象进行抠图处理。
在上述实施例的基础上,所述对所述第一待处理图像进行对象识别,并确定所述第一待处理图像中包含有完整的人体对象,将所述人体对象作为所述待处理对象,包括:
利用人体识别模型识别所述人体对象的特征点,其中,所述特征点包括头部骨骼点、手臂骨骼点、肩部骨骼点、臀部骨骼点、大腿骨骼点、小腿骨骼点和脚部骨骼点中的至少一项;
在具体的实施过程中,预先获取大量的、各种姿态的人体图像,并对人体图像的各部位骨骼点进行标注,将标注后的人体图像作为训练样本,对神经网络进行训练,获得人体识别模型,因此,人体识别模型能够识别出人体的头部骨骼点、手臂骨骼点、肩部骨骼点、臀部骨骼点、大腿骨骼点、小腿骨骼点和脚部骨骼点等。将抠图抠出来的人体对象的图像输入到人体识别模型中进行识别,从而能够识别出该人体对象对应的特征点。
根据所述特征点获得对应的人体部位区域,所述人体部位区域包括头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域;
在具体的实施过程中,根据识别出的人体对象的特征点可以获得对应的人体部位区域,应当说明的是,对于人体部位区域的获得可以通过二值分割法进行身体部位区域的提取,人体部位区域包括头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域。应当说明的是,识别出的各个部位的骨骼点于人体部位区域是相对应的,如果识别得到的特征点中不包括手臂骨骼点,则人体部位区域中就没有手臂区域。应当说明的是,上述的头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域均表示对应人体部位在第一待处理图像中所占用的像素点个数以及位置信息。
根据所述人体部位区域判断所述第一待处理图像中是否包含有完整的人体对象;
在具体的实施过程中,在获取到人体部位区域后,如果人体部位区域中包括上述所有的身体部位的区域,则说明该人体对象是完整的人体,否则该人体对象就不是完整的人体。
若包含完整的人体,则可以根据头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域或脚部区域获得第一待处理图像包含的人体对象,作为所述待处理对象。
本发明实施例通过对人体进行识别,获得对应的特征点,从而能够确定第一待处理图像中是否包含完整的人体,以及可以将识别到的人体对象的图像进行抠图以及美形处理,使得图像处理的更有针对性。
在上述实施例的基础上,所述对所述第一待处理图像进行对象识别,并确定所述第一待处理图像中包含有完整的人体对象,将所述人体对象作为所述待处理对象,包括:
利用人体识别模型识别所述人体对象的特征点,其中,所述特征点包括头部骨骼点、手臂骨骼点、肩部骨骼点、臀部骨骼点、大腿骨骼点、小腿骨骼点和脚部骨骼点中的至少一项;
根据识别出的特征点判断所述第一待处理图像中是否包含有完整的人体对象;
若包含,则根据所述特征点获得对应的头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域;
根据所述头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域获得所述第一待处理图像包含的所述人体对象,作为所述待处理对象。
在具体的实施过程中,获取大量的、各种姿态的人体图像,并对人体图像的各部位骨骼点进行标注,将标注后的人体图像作为训练样本,对神经网络进行训练,获得人体识别模型,因此,人体识别模型能够识别出人体的头部骨骼点、手臂骨骼点、肩部骨骼点、臀部骨骼点、大腿骨骼点、小腿骨骼点和脚部骨骼点等。将抠图抠出来的人体对象的图像输入到人体识别模型中进行识别,获得人体对象对应的特征点,其中,特征点可以包括下述任意一种或其组合:头部骨骼点、手臂骨骼点、肩部骨骼点、臀部骨骼点、大腿骨骼点、小腿骨骼点和脚部骨骼点。
通过识别获得的人体对象的特征点可以判断第一待处理图像中是否包含了完整的人体对象,如果识别出的特征点中包含了上述所有部位的骨骼点,则可以认为包含了完整的人体对象,反之,则可以认为没有包含完整的人体对象。当判断得知第一待处理图像中包含有完整的人体图像后,根据特征点获得对应的头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域。应当说明的是,在根据特征点获取身体对应部位的区域时,可以根据二值分割法进行身体部位的提取,也可以根据其他方式,本发明实施例对此不作具体限定。
在获取到人体的头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域之后便可获得第一待处理图像中包含的人体对象,并将该人体对象作为待处理对象。应当说明的是,人体部位区域的划分可以根据实际情况调整,即可以进一步对人体的各个组成部分进行细分,本发明实施例对此不做具体限定。
本发明实施例通过人体识别模型识别出人体对象中的特征点,然后根据特征点判断该人体对象是否为完整的人体,在不是完整的人体时,能够降低运算量。
在上述实施例的基础上,所述对所述待处理对象的图像进行图像美形处理,包括:
接收对所述人体对象的图像进行美形处理的美形指令,
所述美形指令包括瘦腿指令、瘦臂指令、瘦身指令和长腿指令;
若所述美形指令为瘦腿指令,且所述人体对象的双腿为分开状态,则分别将每条腿对应的大腿区域和小腿区域向该条腿的中轴线方向进行压缩处理;
若所述美形指令为瘦腿指令,且所述人体对象的双腿为合并状态,则将双腿对应的大腿区域和小腿区域向双腿的中轴线方向进行压缩处理;
若所述美形指令为瘦臂指令,则分别将每条手臂对应的手臂区域向该手臂的中轴线方向进行压缩处理;
若所述美形指令为瘦身指令,则获取人体对象的中轴线,将人体的肩部到臀部区域向人体对象的中轴线方向进行压缩处理;
若所述美形指令为长腿指令,则将臀部到脚部的区域进行拉伸处理。
在具体的实施过程中,处理装置接收对人体对象进行美形处理的美形指令,该美形指令是用户通过实际需求设定的,可以是瘦身指令、瘦腿指令、长腿指令、手臂指令等,因此,涉及到对头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域进行调整。
如果美形指令为瘦身指令,则可以对肩部到臀部区域之间的部分向人体中轴线进行压缩,保持头部区域不变;如果美形指令为瘦腿指令,可以分为两种情况,一种是双腿分开,一种是双腿合并。在对分开的双腿进行瘦腿时,分别对每条腿进行处理,在对其中一条腿进行处理时,将该条腿的大腿区域和小腿区域向该条腿的中轴线方向进行压缩,保持身体和头部所在区域不变。对于双腿合并的情况进行瘦腿时,则以合并的双腿作为整体,将双腿的大腿区域和小腿区域向双腿的中轴线方向压缩,并保持身体和头部所在区域不变。如果美形指令为瘦臂指令,则将手臂区域向手臂的中轴线方向压缩处理。如果美形指令为长腿指令,则将臀部到脚部之间的区域作为要处理的区域,获取这部分区域并对这部分区域进行拉伸处理。应当说明的是,压缩或拉伸的程度需要根据美形指令中的参数而定。
本发明实施例通过根据美形指令对对应的人体部位区域进行美形处理,从而能够分别对人体对象中包括的各个人体部分进行美形处理,使得图像处理的更有针对性;另一方面,由于是将待处理对象通过抠图技术抠出来单独处理,从而不会影响第一待处理图像中的背景。
在上述实施例的基础上,所述对所述第二待处理图像进行背景填充得到第三图像,包括:
将所述第二待处理图像对应的色彩概率分布作为样本对生成对抗网络模型GAN进行训练,并应用训练后的GAN对所述第二待处理图像的背景进行填充得到所述第三图像。
在具体的实施过程中,由于将待处理对象从第一待处理图像中抠出来,因此得到的第二待处理图像中是有空缺的区域,在对第二待处理图像进行背景填充时,可以将第二待处理图像对应的色彩概率分布作为样本,将该样本输入到GAN模型中,GAN模型可以输出一个伪图像,然后将这个伪图像重新输入到GAN模型中,使得GAN模型中的生成模型和判别模型进行优化,以实现对GAN模型的训练。在对GAN模型训练完成后,可以通过训练好的GAN模型实现对第二待处理图像的背景填充,从而得到第三图像。
应当说明的是,通过背景填充工具可以对第二待处理图像进行背景填充,将空缺的区域进行填补。应当说明的是,背景填充工具可以是图片去水印工具Inpaint,也可以是图像补全工具Image Completion,还可以是其他能够进行背景填充的工具,本发明实施例对此不做具体限定。
本发明实施例通过GAN模型将第二待处理图像中空缺的区域进行背景填充,与待处理对象分开处理,从而避免了受到对待处理对象进行处理带来的影响,保证了背景不会发生畸变。
在上述实施例的基础上,将所述第三图像和所述第四图像进行融合,获得目标图像,包括:
获取所述待处理对象在所述第三图像中第一轴线,以及所述第四图像对应的第二轴线;
将所述第一轴线与所述第二轴线重合,并将所述第四图像中的像素点与所述第三图像中对应位置的像素点的RGB值进行叠加,获得所述目标图像。
在具体的实施过程中,在分别对待处理对象进行图像美形处理获得第四图像,以及对第二待处理图像进行背景填充获得第三图像后,需要将第四图像重新贴到第三图像上,为了保证得到的目标图像中的对象与原来的第一待处理图像中的待处理对象的位置不会发生太大的变化,可以预先在第三图像上标记待处理对象的中轴线,获得第一轴线,然后对第四图像也进行中轴线标记,获得第二轴线,应当说明的是,第一轴线和第二轴线均为完整的人体的中轴线。在将第三图像与第四图像进行图像融合时,可以将第一轴线和第二轴线进行重合,然后将第四图像中的像素点与第三图像中对应位置的像素点的RGB值进行叠加,从而可以获得到目标图像。应当说明的是,将第四图像贴在第三图像上所用到的贴图技术有多种,本发明实施例对该贴图技术不做具体限定。
本发明实施例通过根据第一轴线和第二轴线,将第三图像与第四图像进行融合,保证了得到的目标图像中的对象的位置与第一待处理图像中的待处理对象的位置一致。
在上述实施例的基础上,在所述第三图像和所述第四图像进行融合之后,所述方法,还包括:
将融合后的第四图像边缘的像素点进行虚化。
在具体的实施过程中,在将第三图像与第四图像进行融合之后,为了能够获得更加自然的目标图像,可以对第四图像进行边缘融合处理,具体为可以通过羽化技术将第四图像边缘的像素点进行虚化处理,从而使得第四图像与第三图像相衔接的地方更加自然,不会出现有锯齿的情况。
图4为本发明实施例提供的一种图像处理装置结构示意图,如图4所示,该装置包括:获取模块402、处理模块404和融合模块406,其中,
获取模块402用于获取第一待处理图像,并对所述第一待处理图像中的待处理对象进行抠图处理,获得所述待处理对象的图像和抠除所述待处理对象后形成的第二待处理图像;处理模块404用于对所述第二待处理图像进行背景填充得到第三图像,以及对所述待处理对象的图像进行图像美形处理得到第四图像;融合模块406用于所述第三图像和所述第四图像进行融合,获得目标图像,其中所述第三图像作为所述目标图像的背景图像,所述第四图像作为所述目标图像的前景图像。
在上述实施例的基础上,所述待处理对象为人体对象,所述装置,还包括:
识别模块,用于对所述第一待处理图像进行对象识别,并确定所述第一待处理图像中包含有完整的人体对象,将所述人体对象作为所述待处理对象
在上述实施例的基础上,识别模块,具体用于:
利用人体识别模型识别所述人体对象的特征点,其中,所述特征点包括头部骨骼点、手臂骨骼点、肩部骨骼点、臀部骨骼点、大腿骨骼点、小腿骨骼点和脚部骨骼点中的至少一项;
根据所述特征点获得对应的人体部位区域,所述人体部位区域包括头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域;
根据所述人体部位区域判断所述第一待处理图像中是否包含有完整的人体对象;
若包含,则根据所述头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域或脚部区域获得所述第一待处理图像包含的人体对象,作为所述待处理对象。
在上述实施例的基础上,识别模块,具体用于:
利用人体识别模型识别所述人体对象的特征点,其中,所述特征点包括头部骨骼点、手臂骨骼点、肩部骨骼点、臀部骨骼点、大腿骨骼点、小腿骨骼点和脚部骨骼点中的至少一项;
根据识别出的特征点判断所述第一待处理图像中是否包含有完整的人体对象;
若包含,则根据所述特征点获得对应的头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域;
根据所述头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域获得所述第一待处理图像包含的所述人体对象,作为所述待处理对象。
在上述实施例的基础上,处理模块,具体用于:
接收对所述人体对象的图像进行美形处理的美形指令,所述美形指令包括瘦腿指令、瘦臂指令、瘦身指令和长腿指令;
若所述美形指令为瘦腿指令,且所述人体对象的双腿为分开状态,则分别将每条腿对应的大腿区域和小腿区域向该条腿的中轴线方向进行压缩处理;
若所述美形指令为瘦腿指令,且所述人体对象的双腿为合并状态,则将双腿对应的大腿区域和小腿区域向双腿的中轴线方向进行压缩处理;
若所述美形指令为瘦臂指令,则分别将每条手臂对应的手臂区域向该手臂的中轴线方向进行压缩处理;
若所述美形指令为瘦身指令,则获取人体对象的中轴线,将人体对象的肩部到臀部区域向人体对象的中轴线方向进行压缩处理;
若所述美形指令为长腿指令,则将臀部到脚部的区域进行拉伸处理。
在上述实施例的基础上,处理模块,具体用于:
将所述第二待处理图像对应的色彩概率分布作为样本对生成对抗网络模型GAN进行训练,并应用训练后的GAN模型对所述第二待处理图像的背景进行填充得到所述第三图像。
在上述实施例的基础上,融合模块,具体用于:
获取所述待处理对象在所述第三图像中第一轴线,以及所述第四图像对应的第二轴线;
将所述第一轴线与所述第二轴线重合,并将所述第四图像中的像素点与所述第三图像中对应位置的像素点的RGB值进行叠加,获得所述目标图像。
在上述实施例的基础上,装置还包括:
边缘处理模块,用于将融合后的第四图像边缘的像素点进行虚化。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法中的对应过程,在此不再过多赘述。
综上所述,本发明实施例通过首先对待处理对象进行抠图,然后对抠除待处理对象后形成的第二待处理图像进行背景填充以及对待处理对象的图像进行图像美形处理,最后将第三图像与第四图像进行融合,从而最终获得的目标图像中的背景不会因对象的处理而发生畸变。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取第一待处理图像,并对所述第一待处理图像中的待处理对象进行抠图处理,获得所述待处理对象的图像和抠除所述待处理对象后形成的第二待处理图像;对所述第二待处理图像进行背景填充得到第三图像,以及对所述待处理对象的图像进行图像美形处理得到第四图像;将所述第三图像和所述第四图像进行融合,获得目标图像,其中所述第三图像作为所述目标图像的背景图像,所述第四图像作为所述目标图像的前景图像。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:
获取第一待处理图像,并对所述第一待处理图像中的待处理对象进行抠图处理,获得所述待处理对象的图像和抠除所述待处理对象后形成的第二待处理图像;对所述第二待处理图像进行背景填充得到第三图像,以及对所述待处理对象的图像进行图像美形处理得到第四图像;将所述第三图像和所述第四图像进行融合,获得目标图像,其中所述第三图像作为所述目标图像的背景图像,所述第四图像作为所述目标图像的前景图像。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (12)
1.一种图像处理方法,其特征在于,包括:
获取第一待处理图像,并对所述第一待处理图像中的待处理对象进行抠图处理,获得所述待处理对象的图像和抠除所述待处理对象后形成的第二待处理图像;
对所述第二待处理图像进行背景填充得到第三图像,以及对所述待处理对象的图像进行图像美形处理得到第四图像;
将所述第三图像和所述第四图像进行融合,获得目标图像,其中所述第三图像作为所述目标图像的背景图像,所述第四图像作为所述目标图像的前景图像。
2.根据权利要求1所述的方法,其特征在于,在对所述第一待处理图像中的待处理对象进行抠图处理之前,所述方法,还包括:
对所述第一待处理图像进行对象识别,并确定所述第一待处理图像中包含有完整的人体对象,将所述人体对象作为所述待处理对象。
3.根据权利要求2所述的方法,其特征在于,所述对所述第一待处理图像进行对象识别,并确定所述第一待处理图像中包含有完整的人体对象,将所述人体对象作为所述待处理对象,包括:
利用人体识别模型识别所述人体对象的特征点,其中,所述特征点包括头部骨骼点、手臂骨骼点、肩部骨骼点、臀部骨骼点、大腿骨骼点、小腿骨骼点和脚部骨骼点中的至少一项;
根据所述特征点获得对应的人体部位区域,所述人体部位区域包括头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域;
根据所述人体部位区域判断所述第一待处理图像中是否包含有完整的人体对象;
若包含,则根据所述头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域或脚部区域获得所述第一待处理图像包含的人体对象,作为所述待处理对象。
4.根据权利要求2所述的方法,其特征在于,所述对所述第一待处理图像进行对象识别,并确定所述第一待处理图像中包含有完整的人体对象,将所述人体对象作为所述待处理对象,包括:
利用人体识别模型识别所述人体对象的特征点,其中,所述特征点包括头部骨骼点、手臂骨骼点、肩部骨骼点、臀部骨骼点、大腿骨骼点、小腿骨骼点和脚部骨骼点中的至少一项;
根据识别出的特征点判断所述第一待处理图像中是否包含有完整的人体对象;
若包含,则根据所述特征点获得对应的头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域;
根据所述头部区域、手臂区域、肩部区域、臀部区域、大腿区域、小腿区域和脚部区域获得所述第一待处理图像包含的所述人体对象,作为所述待处理对象。
5.根据权利要求3或4所述的方法,其特征在于,所述对所述待处理对象的图像进行图像美形处理,包括:
接收对所述人体对象的图像进行美形处理的美形指令,所述美形指令包括瘦腿指令、瘦臂指令、瘦身指令和长腿指令;
若所述美形指令为瘦腿指令,且所述人体对象的双腿为分开状态,则分别将每条腿对应的大腿区域和小腿区域向该条腿的中轴线方向进行压缩处理;
若所述美形指令为瘦腿指令,且所述人体对象的双腿为合并状态,则将双腿对应的大腿区域和小腿区域向双腿的中轴线方向进行压缩处理;
若所述美形指令为瘦臂指令,则分别将每条手臂对应的手臂区域向该手臂的中轴线方向进行压缩处理;
若所述美形指令为瘦身指令,则获取人体对象的中轴线,将人体的肩部到臀部区域向人体对象的中轴线方向进行压缩处理;
若所述美形指令为长腿指令,则将臀部到脚部的区域进行拉伸处理。
6.根据权利要求1所述的方法,其特征在于,所述对所述第二待处理图像进行背景填充得到第三图像,包括:
将所述第二待处理图像对应的色彩概率分布作为样本对生成对抗网络模型GAN进行训练,并应用训练后的GAN模型对所述第二待处理图像的背景进行填充得到所述第三图像。
7.根据权利要求1所述的方法,其特征在于,所述将所述第三图像和所述第四图像进行融合,获得目标图像,包括:
获取所述待处理对象在所述第三图像中第一轴线,以及所述第四图像对应的第二轴线;
将所述第一轴线与所述第二轴线重合,并将所述第四图像中的像素点与所述第三图像中对应位置的像素点的RGB值进行叠加,获得所述目标图像。
8.根据权利要求1所述的方法,其特征在于,在所述第三图像和所述第四图像进行融合之后,所述方法,还包括:
将融合后的第四图像边缘的像素点进行虚化。
9.根据权利要求1所述的方法,其特征在于,所述第一待处理图像是从视频流中提取的视频帧或相机预览图像。
10.一种图像处理装置,其特征在于,包括:
获取模块,用于获取第一待处理图像,并对所述第一待处理图像中的待处理对象进行抠图处理,获得所述待处理对象的图像和抠除所述待处理对象后形成的第二待处理图像;
处理模块,用于对所述第二待处理图像进行背景填充得到第三图像,以及对所述待处理对象的图像进行美形图像处理得到第四图像;
融合模块,用于将所述第三图像和所述第四图像进行融合,获得目标图像,其中所述第三图像作为所述目标图像的背景图像,所述第四图像作为所述目标图像的前景图像。
11.一种电子设备,其特征在于,包括:处理器、存储器和总线,其中,
所述处理器和所述存储器通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1-9任一项所述的方法。
12.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810953624.3A CN109191414A (zh) | 2018-08-21 | 2018-08-21 | 一种图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810953624.3A CN109191414A (zh) | 2018-08-21 | 2018-08-21 | 一种图像处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109191414A true CN109191414A (zh) | 2019-01-11 |
Family
ID=64919128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810953624.3A Pending CN109191414A (zh) | 2018-08-21 | 2018-08-21 | 一种图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109191414A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109872297A (zh) * | 2019-03-15 | 2019-06-11 | 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 |
CN109984841A (zh) * | 2019-04-17 | 2019-07-09 | 南京医科大学 | 利用生成对抗网络模型智能消除下肢骨影像骨赘的*** |
CN110047059A (zh) * | 2019-04-10 | 2019-07-23 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN110084766A (zh) * | 2019-05-08 | 2019-08-02 | 北京市商汤科技开发有限公司 | 一种图像处理方法、装置和电子设备 |
CN110136051A (zh) * | 2019-04-30 | 2019-08-16 | 北京市商汤科技开发有限公司 | 一种图像处理方法、装置和计算机存储介质 |
CN110264430A (zh) * | 2019-06-29 | 2019-09-20 | 北京字节跳动网络技术有限公司 | 视频美化方法、装置及电子设备 |
CN110264431A (zh) * | 2019-06-29 | 2019-09-20 | 北京字节跳动网络技术有限公司 | 视频美化方法、装置及电子设备 |
CN110288520A (zh) * | 2019-06-29 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 图像美化方法、装置及电子设备 |
CN110288519A (zh) * | 2019-06-29 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 图像美化方法、装置及电子设备 |
CN110288521A (zh) * | 2019-06-29 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 图像美化方法、装置及电子设备 |
CN110288553A (zh) * | 2019-06-29 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 图像美化方法、装置及电子设备 |
CN110298785A (zh) * | 2019-06-29 | 2019-10-01 | 北京字节跳动网络技术有限公司 | 图像美化方法、装置及电子设备 |
CN111107281A (zh) * | 2019-12-30 | 2020-05-05 | 维沃移动通信有限公司 | 图像处理方法、装置、电子设备及介质 |
CN111247790A (zh) * | 2019-02-21 | 2020-06-05 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、装置、图像拍摄和处理***及载体 |
CN111415382A (zh) * | 2020-03-02 | 2020-07-14 | 北京字节跳动网络技术有限公司 | 图片中人体手臂美体处理方法、装置及电子设备 |
CN112102159A (zh) * | 2020-09-18 | 2020-12-18 | 广州虎牙科技有限公司 | 人体美化方法、装置、电子设备及存储介质 |
CN112163992A (zh) * | 2020-10-14 | 2021-01-01 | 上海影卓信息科技有限公司 | 人像液化背景保持方法、***及介质 |
CN112270728A (zh) * | 2020-10-27 | 2021-01-26 | 维沃移动通信有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
WO2023063879A3 (en) * | 2021-10-14 | 2023-06-15 | Lemon Inc. | Portrait stylization framework using a two-path image stylization and blending |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544685A (zh) * | 2013-10-22 | 2014-01-29 | 华南理工大学 | 一种基于主体调整的图像构图美化方法及*** |
CN105550999A (zh) * | 2015-12-09 | 2016-05-04 | 西安邮电大学 | 一种基于背景复用的视频图像增强处理方法 |
CN105654436A (zh) * | 2015-12-24 | 2016-06-08 | 广东迅通科技股份有限公司 | 一种基于前景背景分离的背光图像增强去噪方法 |
CN106550243A (zh) * | 2016-12-09 | 2017-03-29 | 武汉斗鱼网络科技有限公司 | 直播视频处理方法、装置及电子设备 |
CN106713988A (zh) * | 2016-12-09 | 2017-05-24 | 福建星网视易信息***有限公司 | 一种对虚拟场景直播进行美颜处理的方法及*** |
CN107507126A (zh) * | 2017-07-27 | 2017-12-22 | 大连和创懒人科技有限公司 | 一种利用rgb图像还原3d场景的方法 |
CN107977927A (zh) * | 2017-12-14 | 2018-05-01 | 北京奇虎科技有限公司 | 基于图像数据的身材调整方法及装置、计算设备 |
-
2018
- 2018-08-21 CN CN201810953624.3A patent/CN109191414A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544685A (zh) * | 2013-10-22 | 2014-01-29 | 华南理工大学 | 一种基于主体调整的图像构图美化方法及*** |
CN105550999A (zh) * | 2015-12-09 | 2016-05-04 | 西安邮电大学 | 一种基于背景复用的视频图像增强处理方法 |
CN105654436A (zh) * | 2015-12-24 | 2016-06-08 | 广东迅通科技股份有限公司 | 一种基于前景背景分离的背光图像增强去噪方法 |
CN106550243A (zh) * | 2016-12-09 | 2017-03-29 | 武汉斗鱼网络科技有限公司 | 直播视频处理方法、装置及电子设备 |
CN106713988A (zh) * | 2016-12-09 | 2017-05-24 | 福建星网视易信息***有限公司 | 一种对虚拟场景直播进行美颜处理的方法及*** |
CN107507126A (zh) * | 2017-07-27 | 2017-12-22 | 大连和创懒人科技有限公司 | 一种利用rgb图像还原3d场景的方法 |
CN107977927A (zh) * | 2017-12-14 | 2018-05-01 | 北京奇虎科技有限公司 | 基于图像数据的身材调整方法及装置、计算设备 |
Non-Patent Citations (3)
Title |
---|
张鹏飞: "《艺术鉴赏导论》", 31 August 2016 * |
易俗 等: "《网店商品拍摄与后期处理》", 31 August 2017 * |
陈慧岩 等: "《无人驾驶汽车概论》", 31 July 2014 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020168515A1 (zh) * | 2019-02-21 | 2020-08-27 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、装置、图像拍摄和处理***及载体 |
CN111247790A (zh) * | 2019-02-21 | 2020-06-05 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、装置、图像拍摄和处理***及载体 |
CN109872297A (zh) * | 2019-03-15 | 2019-06-11 | 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 |
CN110047059A (zh) * | 2019-04-10 | 2019-07-23 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN109984841A (zh) * | 2019-04-17 | 2019-07-09 | 南京医科大学 | 利用生成对抗网络模型智能消除下肢骨影像骨赘的*** |
CN109984841B (zh) * | 2019-04-17 | 2021-12-17 | 南京医科大学 | 利用生成对抗网络模型智能消除下肢骨影像骨赘的*** |
CN110136051A (zh) * | 2019-04-30 | 2019-08-16 | 北京市商汤科技开发有限公司 | 一种图像处理方法、装置和计算机存储介质 |
US11501407B2 (en) | 2019-04-30 | 2022-11-15 | Beijing Sensetime Technology Development Co., Ltd. | Method and apparatus for image processing, and computer storage medium |
CN110084766A (zh) * | 2019-05-08 | 2019-08-02 | 北京市商汤科技开发有限公司 | 一种图像处理方法、装置和电子设备 |
CN110288520A (zh) * | 2019-06-29 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 图像美化方法、装置及电子设备 |
CN110288519A (zh) * | 2019-06-29 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 图像美化方法、装置及电子设备 |
CN110288521A (zh) * | 2019-06-29 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 图像美化方法、装置及电子设备 |
CN110288553A (zh) * | 2019-06-29 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 图像美化方法、装置及电子设备 |
CN110298785A (zh) * | 2019-06-29 | 2019-10-01 | 北京字节跳动网络技术有限公司 | 图像美化方法、装置及电子设备 |
CN110264431A (zh) * | 2019-06-29 | 2019-09-20 | 北京字节跳动网络技术有限公司 | 视频美化方法、装置及电子设备 |
CN110264430A (zh) * | 2019-06-29 | 2019-09-20 | 北京字节跳动网络技术有限公司 | 视频美化方法、装置及电子设备 |
CN110288520B (zh) * | 2019-06-29 | 2023-03-31 | 北京字节跳动网络技术有限公司 | 图像美化方法、装置及电子设备 |
CN111107281A (zh) * | 2019-12-30 | 2020-05-05 | 维沃移动通信有限公司 | 图像处理方法、装置、电子设备及介质 |
CN111415382B (zh) * | 2020-03-02 | 2022-04-05 | 北京字节跳动网络技术有限公司 | 图片中人体手臂美体处理方法、装置及电子设备 |
CN111415382A (zh) * | 2020-03-02 | 2020-07-14 | 北京字节跳动网络技术有限公司 | 图片中人体手臂美体处理方法、装置及电子设备 |
CN112102159A (zh) * | 2020-09-18 | 2020-12-18 | 广州虎牙科技有限公司 | 人体美化方法、装置、电子设备及存储介质 |
CN112163992A (zh) * | 2020-10-14 | 2021-01-01 | 上海影卓信息科技有限公司 | 人像液化背景保持方法、***及介质 |
CN112270728A (zh) * | 2020-10-27 | 2021-01-26 | 维沃移动通信有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
WO2023063879A3 (en) * | 2021-10-14 | 2023-06-15 | Lemon Inc. | Portrait stylization framework using a two-path image stylization and blending |
US11954828B2 (en) | 2021-10-14 | 2024-04-09 | Lemon Inc. | Portrait stylization framework using a two-path image stylization and blending |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109191414A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
Natsume et al. | Fsnet: An identity-aware generative model for image-based face swapping | |
US10593023B2 (en) | Deep-learning-based automatic skin retouching | |
Winnemöller et al. | Real-time video abstraction | |
Bitouk et al. | Face swapping: automatically replacing faces in photographs | |
TWI268097B (en) | Method and system for enhancing portrait images | |
EP3433816A1 (en) | Apparatus, systems, and methods for integrating digital media content into other digital media content | |
CN108846792B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
Luo et al. | NIID-Net: Adapting surface normal knowledge for intrinsic image decomposition in indoor scenes | |
CN106682632A (zh) | 用于处理人脸图像的方法和装置 | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、***及存储介质 | |
CN108874145A (zh) | 一种图像处理方法、计算设备及存储介质 | |
Zhang et al. | A comprehensive survey on computational aesthetic evaluation of visual art images: Metrics and challenges | |
CN115100334B (zh) | 一种图像描边、图像动漫化方法、设备及存储介质 | |
Song et al. | Stylizing face images via multiple exemplars | |
Rosin et al. | Benchmarking non-photorealistic rendering of portraits | |
Wang et al. | Weakly supervised single image dehazing | |
Wang et al. | Image localized style transfer to design clothes based on CNN and interactive segmentation | |
US20240144520A1 (en) | Generating three-dimensional human models representing two-dimensional humans in two-dimensional images | |
US20240144623A1 (en) | Modifying poses of two-dimensional humans in two-dimensional images by reposing three-dimensional human models representing the two-dimensional humans | |
US20240144586A1 (en) | Generating shadows for objects in two-dimensional images utilizing a plurality of shadow maps | |
Laishram et al. | Challenges and applications of face deepfake | |
Song et al. | Talking face video generation with editable expression | |
Inoue et al. | Learning to trace: Expressive line drawing generation from photographs | |
CN116342377A (zh) | 一种降质场景下伪装目标图像自适应生成方法与*** |
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 |
Application publication date: 20190111 |
|
RJ01 | Rejection of invention patent application after publication |