CN110070478B - 变形图像生成方法和装置 - Google Patents
变形图像生成方法和装置 Download PDFInfo
- Publication number
- CN110070478B CN110070478B CN201810975731.6A CN201810975731A CN110070478B CN 110070478 B CN110070478 B CN 110070478B CN 201810975731 A CN201810975731 A CN 201810975731A CN 110070478 B CN110070478 B CN 110070478B
- Authority
- CN
- China
- Prior art keywords
- deformation
- hand
- image
- position information
- video
- 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
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000003860 storage Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims description 27
- 238000009499 grossing Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 23
- 238000003672 processing method Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 27
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000013519 translation Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本公开公开一种变形图像生成方法、装置、电子设备和计算机可读存储介质。其中该变形图像生成方法包括:获取图像传感器采集到的视频;识别所述视频中的目标图像;识别所述视频中的人手,得到人手位置信息;获取与所述位置信息对应的变形参数;根据所述变形参数对所述目标图像进行变形处理,生成所述变形图像。本公开实施例通过检测人手的位置信息,来确定目标图像的变形处理方式和处理效果,解决了现有技术中只能采用预设效果对图像进行变形的技术问题,提高生成变形图像的灵活度与便捷度。
Description
技术领域
本公开涉及图像处理领域,尤其涉及一种变形图像生成方法、装置、电子设 备及计算机可读存储介质。
背景技术
随着计算机技术的发展,智能终端的应用范围得到了广泛的提高,例如可以 通过智能终端听音乐、玩游戏、上网聊天和拍照等。对于智能终端的拍照技术来 说,其拍照像素已经达到千万像素以上,具有较高的清晰度和媲美专业相机的拍 照效果。
目前在采用智能终端进行拍照时,不仅可以使用出厂时内置的拍照软件实 现传统功能的拍照效果,还可以通过从网络端下载应用程序(Application,简称 为:APP)来实现具有附加功能的拍照效果,例如可以实现暗光检测、美颜相机和 超级像素等功能的APP。智能终端的美颜功能通常包括肤色调整、磨皮、大眼和 瘦脸等美颜处理效果,能对图像中已识别出的所有人脸进行相同程度的美颜处 理。目前也有APP可以实现对人脸进行变形的功能。
然而目前的图像变形功能,只能预先设置好变形的效果,之后在目标图像上 生成变形效果,如果需要修改变形效果,则需要重新设置之后再同步到目标图像 上,使得变形效果的设置不灵活。
发明内容
第一方面,本公开实施例提供一种变形图像生成方法,包括:获取图像传感 器采集到的视频;识别所述视频中的目标图像;识别所述视频中的人手,得到人 手位置信息;获取与所述位置信息对应的变形参数;根据所述变形参数对所述目 标图像进行变形处理,生成所述变形图像。
进一步的,所述识别所述视频中的人手,得到人手位置信息包括:识别所述 人手,获取所述人手的中心坐标作为所述人手位置信息。
进一步的,所述识别所述视频中的人手,得到人手位置信息包括:识别左手 和右手,获取左手和右手之间的第一距离,将所述第一距离作为所述人手位置信 息。
进一步的,所述识别所述视频中的人手,得到人手位置信息包括:识别左手 和右手,获取左手和右手之间的第二距离;检测所述左手和/或右手的移动,获 取左手外和右手外之间的第三距离;计算第二距离与所述第三距离的差值,并将 所述差值作为所述人手位置信息。
进一步的,所述识别所述视频中的人手,得到人手位置信息包括:识别所述 视频中的人手,获取识别结果数据;对识别结果数据进行平滑和坐标归一化处理, 得到处理后的人手;根据处理后的人手,得到所述人手位置信息。
进一步的,所述识别视频中的人手,包括:识别人手的外接检测框,使用所 述外接检测框表示所述人手。
进一步的,获取与所述位置信息对应的变形参数包括:读取变形配置文件, 根据所述变形配置文件中的对应关系表获取与所述位置信息对应的所述变形参 数,其中所述对应关系表保存有所述位置信息与所述变形参数的对应关系。
进一步的,在根据所述变形参数对所述目标图像进行变形处理,生成所述变 形图像之前,还包括:设置变形类型,所述变形类型定义了所述变形处理的处理 方式;所述据所述变形参数对所述目标图像进行变形处理,生成所述变形图像, 包括:根据所述变形参数以及变形类型对所述目标图像进行变形处理,生成所述 变形图像。
进一步的,所述识别所述视频中的目标图像,包括:检测目标图像的特征点, 通过所述特征点识别所述目标图像。
进一步的,所述根据所述变形参数对所述目标图像进行变形处理,生成所述 变形图像,包括:根据所述变形参数,移动所述目标图像的所述特征点,生成所 述变形图像。
第二方面,本公开实施例提供一种变形图像生成装置,包括:视频获取模块, 用于获取图像传感器采集到的视频;目标图像识别模块,用于识别所述视频中的 目标图像;人手识别模块,用于识别所述视频中的人手,得到人手位置信息;变 形参数获取模块,用于获取与所述位置信息对应的变形参数;变形图像生成模块, 用于根据所述变形参数对所述目标图像进行变形处理,生成所述变形图像。
进一步的,所述人手识别模块,包括:第一识别模块,用于识别所述人手; 中心坐标获取模块,用于获取所述人手的中心坐标作为所述人手位置信息。
进一步的,所述人手识别模块,包括:第二识别模块,用于识别左手和右手; 第一距离获取模块,用于获取左手和右手之间的第一距离,将所述第一距离作为 所述人手位置信息。
进一步的,所述人手识别模块,包括:第三识别模块,用于识别左手和右手; 第二距离获取模块,用于获取左手和右手之间的第二距离;第三距离获取模块, 用于检测所述左手和/或右手的移动,获取左手外和右手外之间的第三距离;差 值计算模块,用于计算第二距离与所述第三距离的差值,并将所述差值作为所述 人手位置信息。
进一步的,所述人手识别模块,包括:识别结果获取模块,用于识别所述视 频中的人手,获取识别结果数据;结果数据处理模块,用于对识别结果数据进行 平滑和坐标归一化处理,得到处理后的人手;第一位置信息获取模块,用于根据 处理后的人手,得到所述人手位置信息。
进一步的,所述变形参数获取模块,读取变形配置文件,根据所述变形配置 文件中的对应关系表获取与所述位置信息对应的所述变形参数,其中所述对应 关系表保存有所述位置信息与所述变形参数的对应关系。
进一步的,所述变形图像生成装置还包括:变形类型设置模块,用于设置变 形类型,所述变形类型定义了所述变形处理的处理方式;第一变形图像生成模块, 用于根据所述变形参数以及变形类型对所述目标图像进行变形处理,生成所述 变形图像。
进一步的,所述目标图像识别模块,用于检测目标图像的特征点,通过所述 特征点识别所述目标图像。
进一步的,所述变形图像生成模块,用于根据所述变形参数,移动所述目标 图像的所述特征点,生成所述变形图像。
第三方面,本公开实施例提供一种电子设备,包括:至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有能被所 述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述 至少一个处理器能够执行前述第一方面中的任一所述变形图像生成方法。
第四方面,本公开实施例提供一种非暂态计算机可读存储介质,其特征在于, 该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执 行前述第一方面中的任一所述变形图像生成方法。
本公开实施例提供一种变形图像生成方法、装置、电子设备和计算机可读存 储介质。其中该变形图像生成方法包括:获取图像传感器采集到的视频;识别所 述视频中的目标图像;识别所述视频中的人手,得到人手位置信息;获取与所述 位置信息对应的变形参数;根据所述变形参数对所述目标图像进行变形处理,生 成所述变形图像。本公开实施例通过采取该技术方案,解决了现有技术中只能采 用预设效果对图像进行变形的技术问题,提高生成变形图像的灵活度。
上述说明仅是本公开技术方案的概述,为了能更清楚了解本公开的技术手 段,而可依照说明书的内容予以实施,并且为让本公开的上述和其他目的、特征 和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
为了更清楚地说明本公开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一简单地介绍,显而易见地,下面描述 中的附图是本公开的一些实施例,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为本公开实施例提供的变形图像生成方法实施例一的流程图;
图2a为本公开实施例提供的变形图像生成方法实施例二的流程图;
图2b-2d为本公开实施例提供的变形图像生成方法的具体实例示意图;
图3为本公开实施例提供的变形图像生成装置实施例一的结构示意图;
图4为本公开实施例提供的变形图像生成装置实施例二的结构示意图
图5为根据本公开实施例提供的电子设备的结构示意图;
图6为根据本公开实施例提供的计算机可读存储介质的结构示意图;
图7为根据本公开实施例提供的变形图像生成终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本 说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施 例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不 同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观 点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不 冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实 施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实 施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。 应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的 任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了 解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组 合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个 方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一 或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的 基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数 目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的 改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属 领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
图1为本公开实施例提供的变形图像生成方法实施例一的流程图,本实施 例提供的该变形图像生成方法可以由一变形图像生成装置来执行,该变形图像 生成装置可以实现为软件,或者实现为软件和硬件的组合,该变形图像生成装置 可以集成设置在图像处理***中的某设备中,比如图像处理服务器或者图像处 理终端设备中。如图1所示,该方法包括如下步骤:
步骤S101,获取图像传感器采集到的视频;
图像传感器指可以采集图像的各种设备,典型的图像传感器为摄像机、摄像 头、相机等。在该实施例中,所述图像传感器可以是移动终端上的摄像头,比如 智能手机上的前置或者后置摄像头,摄像头采集的视频图像可以直接显示在手 机的显示屏上,在该步骤中,获取图像传感器所拍摄的图像视频,用于在下一步 进一步识别图像。
步骤S102,识别所述视频中的目标图像;
在该步骤中,所述目标图像典型的可以为人脸图像,当然所述目标图像实际 上可以为任何图像,本公开以人脸图像说明。
识别人脸图像,主要是在图像中检测出人脸,人脸检测是任意给定一个图像 或者一组图像序列,采用一定策略对其进行搜索,以确定所有人脸的位置和区域 的一个过程,从各种不同图像或图像序列中确定人脸是否存在,并确定人脸数量 和空间分布的过程。通常人脸检测的方法可以分为4类:(1)基于先验知识的方 法,该方法将典型的人脸形成规则库对人脸进行编码,通过面部特征之间的关系 进行人脸定位;(2)特征不变方法,该方法在姿态、视角或光照条件改变的情况 下找到稳定的特征,然后使用这些特征确定人脸;(3)模板匹配方法,该方法存 储几种标准的人脸模式,用来分别描述整个人脸和面部特征,然后计算输入图像 和存储的模式间的相互关系并用于检测;(4)基于外观的方法,该方法与模板匹 配方法相反,从训练图像集中进行学习从而获得模型,并将这些模型用于检测。 在此可以使用第(4)种方法中的一个实现方式来说明人脸检测的过程:首先需要 提取特征完成建模,本实施例使用Haar特征作为判断人脸的关键特征,Haar特 征是一种简单的矩形特征,提取速度快,一般Haar特征的计算所使用的特征模 板采用简单的矩形组合由两个或多个全等的矩形组成,其中特征模板内有黑色 和白色两种矩形;之后,使用AdaBoost算法从大量的Haar特征中找到起关键作 用的一部分特征,并用这些特征产生有效的分类器,通过构建出的分类器可以对 图像中的人脸进行检测。
总之,对目标图像的识别,需要检测目标图像的特征点,根据所述特征点识 别出所述目标图像。在以人脸为例的实施例中,所述特征点可以是106个、68 个等等,在此不做限制,在识别出人脸图像之后,所述的特征点的位置也确定了, 并且按照识别顺序编号。特征点可以由编号和位置表示,比如0(0,0),表示 0号特征点默认位置在坐标点(0,0)处。
可以理解的是,由于每种人脸检测算法各有优点,适应范围也不同,因此可 以设置多个不同的检测算法,针对不同的环境自动切换不同的算法,比如在背景 环境比较简单的图像中,可以使用检出率较差但是速度较快的算法;在背景环境 比较复杂的图像中,可以使用检出率较高但是速度较慢的算法;对于同一图像, 也可以使用多种算法多次检测以提高检出率。
步骤S103,识别所述视频中的人手,得到人手位置信息;
在识别人手时,可以使用颜色特征定位人手的位置,将人手从背景中分割出 来,对找到和分割出的人手图像进行特征提取与识别。具体的,使用图像传感器 获取图像的颜色信息以及颜色信息的位置信息;将所述颜色信息与预设的人手 颜色信息对比;识别第一颜色信息,所述第一颜色信息与所述预设的人手颜色信 息的误差小于第一阈值;利用所述第一颜色信息的位置信息形成人手的轮廓。优 选的,为了避免环境亮度对颜色信息的干扰,可以将图像传感器采集到的RGB颜 色空间的图像数据映射到HSV颜色空间,使用HSV颜色空间中的信息作为对比 信息,优选的,将HSV颜色空间中的色调值作为颜色信息,色调信息受亮度的影 响最小,可以很好的过滤亮度的干扰。使用人手轮廓粗略确定人手的位置,之后 对人手进行特征点提取。在图像上进行人手特征点提取,相当于寻找每个人手轮 廓特征点在人手图像中的对应位置坐标,即特征点定位,这一过程需要基于特征 点对应的特征进行,在获得了能够清晰标识特征点的图像特征之后,依据此特征 在图像中进行搜索比对,在图像上精确定位特征点的位置。由于特征点在图像中 仅占据非常小的面积(通常只有几个至几十个像素的大小),特征点对应的特征 在图像上所占据的区域通常也是非常有限和局部的,目前用的特征提取方式有 两种:(1)沿轮廓垂向的一维范围图像特征提取;(2)特征点方形邻域的二维 范围图像特征提取。上述两种方式有很多种实现方法,如ASM和AAM类方法、统 计能量函数类方法、回归分析方法、深度学习方法、分类器方法、批量提取方法 等等。上述各种实现方法所使用的特征点个数,准确度以及速度各不相同,适用 于不同的应用场景。同样的,对于其他的目标物体,也可以使用同样的原理来识 别目标物体。
在识别出人手之后,在人手的外轮廓之外圈定一个多边形,作为人手的外接 检测框,该外接检测框用于替代所述人手,描述所述人手的位置,在此以矩形为 例,在识别出人手的特征点之后,可以计算人手最宽处的宽度以及最长处的长度, 以该宽度和长度识别出人手的外接检测框。计算人手的最长处和最宽处的一个 实现方式为,提取人手的边界特征点,计算X坐标距离最远的两个边界特征点 的X坐标之差,作为矩形宽的长度,计算Y坐标距离最远的两个边界特征点的Y 坐标之差,作为矩形长的长度。如果人手缩成拳头状,可以设定外接检测框为覆 盖拳头的最小圆形。
在一个实施例中,当识别出人手之后,将所述人手的中心坐标作为所述人手 的位置信息,根据上边的描述,所述人手可以使用人手的外接检测框来表示,因 此所述人手的中心坐标可以用所述外接检测框的中心坐标来表示,所述外接检 测框一般来说为矩形,其中心坐标就是其对角线的交点的坐标。
在另一个实施例中,分别识别左手和右手,将左手和右手之间的第一距离作 为所述人手的位置信息,根据上边的描述,所述人手可以使用人手的外接检测框 来表示,因此所述左手和右手之间的第一距离可以由左手外接检测框和右手外 接检测框之间的距离来表示,在该实施例中,可以计算所述左手外接检测框的中 心点到所述右手外接检测框中心点之间的距离,将两个外接检测框中心点之间 的距离作为所述人手的位置信息。
在另一个实施例中,分别识别左手和右手,先计算出左手和右手之间的第二 距离,计算方法可以与上述方法中描述的相同;之后所述左手和/右手发生移动, 计算出移动之后所述左手和右手之间的第三距离,计算方法可以与上述方法中 描述的相同,最后将所述第二距离和所述第三距离的差值作为所述人手位置信 息。
在一个实施例中,在计算所述人手位置信息之前,还包括对人手的识别数据 进行平滑和坐标归一化处理的步骤。具体的,所述平滑处理可以是将多帧视频中 的图像进行平均,将平均之后的图像作为识别出的图像,对应到本公开中的人手 上,可以对多帧图像中的人手进行识别,之后将人手图像做加权平均,将平均之 后得到的人手图像作为识别出的人手,计算人手位置信息,这样可以在丢失某些 帧或者某些帧识别的图像不是很清晰的情况下,依然可以确定人手的图像并计 算人手的位置信息。坐标归一化处理,是将坐标范围统一,如摄像头所采集到的 人手图像和显示在显示屏上的人手图像的坐标并不统一,需要有一个映射关系 来将大坐标系映射到一个小坐标系上。经过平滑处理和归一化处理之后,得到人 手的位置信息。
步骤S104,获取与所述位置信息对应的变形参数。
该步骤首先读取变形配置文件,所述变形配置文件约定了不同的人手位置 信息所对应的形变效果。具体来说,所述变形配置文件中可以保存不同人手位置 信息所对应的变形参数,所述变形参数用于变形算法中,以生成各种形变效果。 在一个实现方法中,所述变形配置文件中保存有人手位置信息与变形参数的对 应关系表,通过步骤S103中得到的人手位置信息,经过查找得到与所述人手位 置信息对应的变形参数。可以理解的是,所述变形参数可以通过其他方式获取, 比如变形配置文件中存储了变形参数的获取函数,将所述位置信息带入所述函 数计算得到变形参数。本公开不做限制,总之所述变形参数与所述位置信息具有 一定关联关系,可以通过查找或者计算等方式获取。
在一个具体的例子中,比如使用两只手之间的距离来表示人手的位置信息, 初始人手之间的距离为2,此时变形参数为0,表示不发生变形;当移动双手, 使双手之间的距离为1,则2-1=1,此时变形参数为1,表示目标图像发生程度 为1的变形。上述只是举例说明获取变形参数的过程,在实际应用中,变形参数 可以为任何参数。
步骤S105,根据所述变形参数对所述目标图像进行变形处理,生成所述变 形图像。
在该实施例中,根据步骤S104中获取的变形参数,对步骤S102中获取的 目标图像进行处理,生成变形图像。
在一个实施例中,所述目标图像为人脸图像,所述变形参数表示人脸图像上 的特征点的移动距离。预先选择特征点中的一个或多个特征点,这些特征点会随 着变形参数的改变而发生移动,以生成所述人脸图像的变形图像。
具体的,在一个实例中,所述变形参数表示人脸图像上的特征点的移动距离, 正参数表示向中间移动,负参数表示像两边移动。比如初始左右手具体为2,表 示不发生变形;当用户向中间移动左右手,左右手之间的距离变为1,则2-1=1, 通过查表或者计算得到变形参数为2,表示人脸图像的脸颊特征点向中间移动2 个单位长度,使脸颊向中间挤压;当用户向两边移动左右手,左右手之间的距离 变为3,则2-3=-1,通过查表或者计算得到变形参数为-2,表示人脸图像的脸颊 特征点向两边移动2个单位长度,使脸颊向两边扩展。可以理解的是,上述变形 的过程只是举例,实际上手的位置信息可以对应任何变形参数,而变形参数也可 以对目标图像做出任何形变,这些都是可以预选设置的,并不局限于本公开实施 例中所举的例子。
具体的,每个特征点还可以与其他特征点有关联系数,所述关联系数定义了 当特征点移动时,其他特征点跟随移动的比例,关联系数越高跟随移动的比例越 高,关联系数越低,跟随移动的比例越低。比如特征点1和特征点2的关联系数 为0.5,则当特征点1移动了1厘米时,特征点2移动0.5厘米,当关联系数为 0.1时,则当特征点1移动了1厘米时,特征点2移动0.1厘米,该关联系数可 以是负数,此时表示关联特征点向相反的方向移动的比例。
在一个实施例中,所述人脸图像根据特征点进行三角剖分,每个特征点均是 三角剖分图中的三角形的顶点,位于同一个三角形上的特征点关联系数最高,典 型的,可以设置这些特征点的关联系数为1,位于不同的三角形上的特征点按照 距离,关联系数按距离递减,所述距离可以是相隔的特征点个数,比如相隔一个 特征点的特征点关联系数设置为0.5,相隔两个特征点的特征点关联系数为0.25, 以此类推。即当一个特征点被移动时,位于同一个三角形上的其他特征点与该特 征点的相对位置保持不变,相隔一个特征点的特征点按照0.5的距离移动,相隔 两个特征点的特征点按照0.25的距离移动。
本公开实施例提供一种变形图像生成方法、装置、电子设备和计算机可读存 储介质。其中该变形图像生成方法包括:获取图像传感器采集到的视频;识别所 述视频中的目标图像;识别所述视频中的人手,得到人手位置信息;获取与所述 位置信息对应的变形参数;根据所述变形参数对所述目标图像进行变形处理,生 成所述变形图像。本公开实施例通过检测人手的位置信息,来确定目标图像的变 形处理方式和处理效果,解决了现有技术中只能采用预设效果对图像进行变形 的技术问题,提高生成变形图像的灵活度与便捷度。
如图2a所示为本公开的变形图像生成方法的另一个实施例,在该实施例中, 在步骤S105之前,还可以包括步骤:
S106,设置变形类型,所述变形类型定义了所述变形处理的处理方式。
在该步骤中,可以设置变形的类型,比如所述变形类型可以包括放大、缩小、 平移、旋转、拖拽等等。此时所述获取的变形参数表示变形的程度,所述变形的 程度可以是例如放大缩小的倍数、平移的距离、旋转的角度、拖拽的距离等等。 当所述变形类型为平移时,所述变形参数中包括目标点的位置以及从中心点平 移向目标点的幅度,所述幅度可以是负数,表示反方向的平移;所述变形参数中 还可以包括平移衰减系数,所述平移衰减系数越大,平移幅度在远离中心点的方 向上的衰减越小。所述变形类型还包括一种特殊的变形类型:灵活的放大/缩小, 可以自由调整变形区域内到中心点不用距离的图像位置的图像变形程度。所述 变形类型不局限于上述变形,任何变形均可以应用于本公开中,不同的变形类型 对获取的变形参数的解释不同,以形成不同的变形效果。
在包括了步骤S106时,所述步骤S105为步骤107,包括:
根据所述变形参数以及变形类型对所述目标图像进行变形处理,生成所述 变形图像。
进一步的,在所述步骤S105之前还可以包括:
选择变形的强度,所述变形强度表示变形的程度。
所述变形的强度,指移动同样的距离所产生的变形程度,该变形强度可以用 各种人机接口设置,如输入框、下拉菜单、滑动按钮等等,本公开不做限制。该 方法中包括预设的变形强度,如果不选择变形强度,所有的变形图像都按照预设 的强度生成,用户选择变形强度之后,则按照新的变形强度生成变形图像。所述 变形强度可以分段设置,举例来说,可以设置距离阈值,当人手移动距离小于等 于阈值时,按照第一变形强度形成变形图像,当移动距离大于阈值时,按照第二 变形强度形成图像,可以理解的是所述阈值可以设置多个,以按照多个变形强度 分段形成变形图像。
为了方便理解,参见附图2b-2d为本公开所公开的一种变形图像生成方法的 具体实例。参见附图2b,为图像传感器所采集到的视频中的视频帧,在初始状 态,检测到两只人手,此时图像没有任何变化。当人手从附图2b中的位置移动 到附图2c位置时,检测到人手之间的距离减小,此时控制人脸特征点向中间移 动,人脸发生向内的形变,形成瘦脸效果。当人手从附图2b或者附图2c的位置 移动到附图2d中的位置时,检测到人手之间的距离变大,此时控制人脸特征点 向两边移动,人脸发生向外的形变,形成胖脸效果。
图3为本公开实施例提供的变形图像生成装置30实施例一的结构示意图, 如图3所示,该装置包括:视频获取模块31、目标图像识别模块32、人手识别 模块33、变形参数获取模块34和变形图像生成模块35。其中,
视频获取模块31,用于获取图像传感器采集到的视频;
目标图像识别模块32,用于识别所述视频中的目标图像;
人手识别模块33,用于识别所述视频中的人手,得到人手位置信息;
变形参数获取模块34,用于获取与所述位置信息对应的变形参数;
变形图像生成模块35,用于根据所述变形参数对所述目标图像进行变形处 理,生成所述变形图像。
进一步的,所述人手识别模块33,包括:
第一识别模块,用于识别所述人手;
中心坐标获取模块,用于获取所述人手的中心坐标作为所述人手位置信息。
进一步的,所述人手识别模块33,包括:
第二识别模块,用于识别左手和右手;
第一距离获取模块,用于获取左手和右手之间的第一距离,将所述第一距离 作为所述人手位置信息。
进一步的,所述人手识别模块33,包括:
第三识别模块,用于识别左手和右手;
第二距离获取模块,用于获取左手和右手之间的第二距离;
第三距离获取模块,用于检测所述左手和/或右手的移动,获取左手外和右 手外之间的第三距离;
差值计算模块,用于计算第二距离与所述第三距离的差值,并将所述差值作 为所述人手位置信息。
进一步的,所述人手识别模块33,包括:
识别结果获取模块,用于识别所述视频中的人手,获取识别结果数据;
结果数据处理模块,用于对识别结果数据进行平滑和坐标归一化处理,得到 处理后的人手;
第一位置信息获取模块,用于根据处理后的人手,得到所述人手位置信息。
图3所示装置可以执行图1所示实施例的方法,本实施例未详细描述的部 分,可参考对图1所示实施例的相关说明。该技术方案的执行过程和技术效果 参见图1所示实施例中的描述,在此不再赘述。
在本公开实施例提供的变形图像生成装置40实施例二中,如图4所示,除 了上述实施例中的模块,还包括:变形类型设置模块36和第一变形图像生成模 块37,其中所述第一变形图像生成模块37用于替换上述实施例中的变形图像生 成模块35。其中,
变形类型设置模块36,用于设置变形类型,所述变形类型定义了所述变形 处理的处理方式;
第一变形图像生成模块37,用于根据所述变形参数以及变形类型对所述目 标图像进行变形处理,生成所述变形图像。
上述实施例二中的装置可以执行图2所示实施例的方法,本实施例未详细 描述的部分,可参考对图2所示实施例的相关说明。该技术方案的执行过程和 技术效果参见图2所示实施例中的描述,在此不再赘述。
图5是图示根据本公开的实施例的电子设备的硬件框图。如图5所示,根 据本公开实施例的电子设备50包括存储器51和处理器52。
该存储器51用于存储非暂时性计算机可读指令。具体地,存储器51可以 包括一个或多个计算机程序产品,该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。该易失性存储器例 如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非易 失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
该处理器52可以是中央处理单元(CPU)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,并且可以控制电子设备50中的其它组件以执 行期望的功能。在本公开的一个实施例中,该处理器52用于运行该存储器51中 存储的该计算机可读指令,使得该电子设备50执行前述的本公开各实施例的变 形图像生成方法的全部或部分步骤。
本领域技术人员应能理解,为了解决如何获得良好用户体验效果的技术问 题,本实施例中也可以包括诸如通信总线、接口等公知的结构,这些公知的结构 也应包含在本发明的保护范围之内。
有关本实施例的详细说明可以参考前述各实施例中的相应说明,在此不再 赘述。
图6是图示根据本公开的实施例的计算机可读存储介质的示意图。如图6 所示,根据本公开实施例的计算机可读存储介质60,其上存储有非暂时性计算 机可读指令61。当该非暂时性计算机可读指令61由处理器运行时,执行前述的 本公开各实施例的变形图像生成方法的全部或部分步骤。
上述计算机可读存储介质60包括但不限于:光存储介质(例如:CD-ROM 和DVD)、磁光存储介质(例如:MO)、磁存储介质(例如:磁带或移动硬盘)、 具有内置的可重写非易失性存储器的媒体(例如:存储卡)和具有内置ROM的 媒体(例如:ROM盒)。
有关本实施例的详细说明可以参考前述各实施例中的相应说明,在此不再 赘述。
图7是图示根据本公开实施例的终端设备的硬件结构示意图。如图7所示, 该变形图像生成终端70包括上述变形图像生成装置实施例。
该终端设备可以以各种形式来实施,本公开中的终端设备可以包括但不限 于诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助 理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置、车载终端 设备、车载显示终端、车载电子后视镜等等的移动终端设备以及诸如数字TV、 台式计算机等等的固定终端设备。
作为等同替换的实施方式,该终端还可以包括其他组件。如图7所示,该变 形图像生成终端70可以包括电源单元71、无线通信单元72、A/V(音频/视频) 输入单元73、用户输入单元74、感测单元75、接口单元76、控制器77、输出 单元78和存储单元79等等。图7示出了具有各种组件的终端,但是应理解的 是,并不要求实施所有示出的组件,也可以替代地实施更多或更少的组件。
其中,无线通信单元72允许终端70与无线通信***或网络之间的无线电 通信。A/V输入单元73用于接收音频或视频信号。用户输入单元74可以根据 用户输入的命令生成键输入数据以控制终端设备的各种操作。感测单元75检测 终端70的当前状态、终端70的位置、用户对于终端70的触摸输入的有无、终 端70的取向、终端70的加速或减速移动和方向等等,并且生成用于控制终端70的操作的命令或信号。接口单元76用作至少一个外部装置与终端70连接可 以通过的接口。输出单元78被构造为以视觉、音频和/或触觉方式提供输出信号。 存储单元79可以存储由控制器77执行的处理和控制操作的软件程序等等,或 者可以暂时地存储己经输出或将要输出的数据。存储单元79可以包括至少一种 类型的存储介质。而且,终端70可以与通过网络连接执行存储单元79的存储 功能的网络存储装置协作。控制器77通常控制终端设备的总体操作。另外,控 制器77可以包括用于再现或回放多媒体数据的多媒体模块。控制器77可以执 行模式识别处理,以将在触摸屏上执行的手写输入或者图片绘制输入识别为字 符或图像。电源单元71在控制器77的控制下接收外部电力或内部电力并且提 供操作各元件和组件所需的适当的电力。
本公开提出的变形图像生成方法的各种实施方式可以使用例如计算机软件、 硬件或其任何组合的计算机可读介质来实施。对于硬件实施,本公开提出的变形 图像生成方法的各种实施方式可以通过使用特定用途集成电路(ASIC)、数字 信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、 现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计 为执行这里描述的功能的电子单元中的至少一种来实施,在一些情况下,本公开 提出的变形图像生成方法的各种实施方式可以在控制器77中实施。对于软件实 施,本公开提出的变形图像生成方法的各种实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言 编写的软件应用程序(或程序)来实施,软件代码可以存储在存储单元79中并 且由控制器77执行。
有关本实施例的详细说明可以参考前述各实施例中的相应说明,在此不再 赘述。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本 公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、 效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了 示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用 上述具体的细节来实现。
本公开中涉及的器件、装置、设备、***的方框图仅作为例示性的例子并且 不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域 技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、 ***。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括 但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和 /或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇 “诸如”指词组“诸如但不限于”,且可与其互换使用。
另外,如在此使用的,在以“至少一个”开始的项的列举中使用的“或”指 示分离的列举,以便例如“A、B或C的至少一个”的列举意味着A或B或C, 或AB或AC或BC,或ABC(即A和B和C)。此外,措辞“示例的”不意味 着描述的例子是优选的或者比其他例子更好。
还需要指出的是,在本公开的***和方法中,各部件或各步骤是可以分解和 /或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
可以不脱离由所附权利要求定义的教导的技术而进行对在此所述的技术的 各种改变、替换和更改。此外,本公开的权利要求的范围不限于以上所述的处理、 机器、制造、事件的组成、手段、方法和动作的具体方面。可以利用与在此所述 的相应方面进行基本相同的功能或者实现基本相同的结果的当前存在的或者稍 后要开发的处理、机器、制造、事件的组成、手段、方法或动作。因而,所附权 利要求包括在其范围内的这样的处理、机器、制造、事件的组成、手段、方法或 动作。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使 用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的, 并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本 公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特 征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开 的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例, 但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种变形图像生成方法,其特征在于,包括:
获取图像传感器采集到的视频;
检测目标图像的特征点,通过所述特征点识别所述目标图像;
识别所述视频中的人手,得到人手位置信息;
获取与所述位置信息对应的变形参数,其中所述变形参数表示所述目标图像的特征点的移动距离;以及
根据所述变形参数以及特征点之间的关联系数移动所述目标图像的特征点,生成所述变形图像,其中所述关联系数定义当特征点移动时,其他特征点跟随移动的比例;
其中,所述识别所述视频中的人手,得到人手位置信息包括:
识别左手和右手,获取左手和右手之间的第一距离,将所述第一距离作为所述人手位置信息。
2.如权利要求1中所述的变形图像生成方法,其特征在于,所述识别所述视频中的人手,得到人手位置信息包括:
识别所述人手,获取所述人手的中心坐标作为所述人手位置信息。
3.如权利要求1中所述的变形图像生成方法,其特征在于,所述识别所述视频中的人手,得到人手位置信息包括:
识别左手和右手,获取左手和右手之间的第二距离;
检测所述左手和/或右手的移动,获取左手和右手之间的第三距离;
计算第二距离与所述第三距离的差值,并将所述差值作为所述人手位置信息。
4.如权利要求1中所述的变形图像生成方法,其特征在于,所述识别所述视频中的人手,得到人手位置信息包括:
识别所述视频中的人手,获取识别结果数据;
对识别结果数据进行平滑和坐标归一化处理,得到处理后的人手;
根据处理后的人手,得到所述人手位置信息。
5.如权利要求1-4中任一所述的变形图像生成方法,其特征在于,所述识别视频中的人手,包括:
识别人手的外接检测框,使用所述外接检测框表示所述人手。
6.如权利要求1中所述的变形图像生成方法,其特征在于,获取与所述位置信息对应的变形参数包括:
读取变形配置文件,根据所述变形配置文件中的对应关系表获取与所述位置信息对应的所述变形参数,其中所述对应关系表保存有所述位置信息与所述变形参数的对应关系。
7.如权利要求1中所述的变形图像生成方法,其特征在于,在根据所述变形参数对所述目标图像进行变形处理,生成所述变形图像之前,还包括:
设置变形类型,所述变形类型定义了所述变形处理的处理方式;
所述据所述变形参数对所述目标图像进行变形处理,生成所述变形图像,包括:
根据所述变形参数以及变形类型对所述目标图像进行变形处理,生成所述变形图像。
8.一种变形图像生成装置,其特征在于,包括:
视频获取模块,用于获取图像传感器采集到的视频;
目标图像识别模块,用于检测目标图像的特征点,通过所述特征点识别所述目标图像;
人手识别模块,用于识别所述视频中的人手,得到人手位置信息;
变形参数获取模块,用于获取与所述位置信息对应的变形参数,其中所述变形参数表示所述目标图像的特征点的移动距离;以及
变形图像生成模块,用于根据所述变形参数和关联系数移动所述目标图像的特征点,生成所述变形图像,其中所述关联系数定义当特征点移动时,其他特征点跟随移动的比例;
其中,所述人手识别模块,包括:第二识别模块,用于识别左手和右手;第一距离获取模块,用于获取左手和右手之间的第一距离,将所述第一距离作为所述人手位置信息。
9.一种电子设备,包括:
存储器,用于存储非暂时性计算机可读指令;以及
处理器,用于运行所述计算机可读指令,使得所述处理器执行时实现根据权利要求1-7中任意一项所述的变形图像生成方法。
10.一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性计算机可读指令由计算机执行时,使得所述计算机执行权利要求1-7中任意一项所述的变形图像生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810975731.6A CN110070478B (zh) | 2018-08-24 | 2018-08-24 | 变形图像生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810975731.6A CN110070478B (zh) | 2018-08-24 | 2018-08-24 | 变形图像生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110070478A CN110070478A (zh) | 2019-07-30 |
CN110070478B true CN110070478B (zh) | 2020-12-04 |
Family
ID=67365818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810975731.6A Active CN110070478B (zh) | 2018-08-24 | 2018-08-24 | 变形图像生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110070478B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5594469A (en) * | 1995-02-21 | 1997-01-14 | Mitsubishi Electric Information Technology Center America Inc. | Hand gesture machine control system |
CN105988566A (zh) * | 2015-02-11 | 2016-10-05 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN106909884A (zh) * | 2017-01-17 | 2017-06-30 | 北京航空航天大学 | 一种基于分层结构和可变形部分模型的手部区域检测方法和装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101581954B1 (ko) * | 2009-06-25 | 2015-12-31 | 삼성전자주식회사 | 실시간으로 피사체의 손을 검출하기 위한 장치 및 방법 |
CN104159032B (zh) * | 2014-08-20 | 2018-05-29 | 广东欧珀移动通信有限公司 | 一种实时调整相机拍照美颜效果的方法及装置 |
CN104992171A (zh) * | 2015-08-04 | 2015-10-21 | 易视腾科技有限公司 | 一种基于2d视频序列的手势识别及人机交互方法和*** |
CN106250021B (zh) * | 2016-07-29 | 2021-01-08 | 维沃移动通信有限公司 | 一种拍照的控制方法及移动终端 |
CN106230841B (zh) * | 2016-08-04 | 2020-04-07 | 深圳响巢看看信息技术有限公司 | 一种基于终端的网络直播中视频实时美颜及推流的方法 |
-
2018
- 2018-08-24 CN CN201810975731.6A patent/CN110070478B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5594469A (en) * | 1995-02-21 | 1997-01-14 | Mitsubishi Electric Information Technology Center America Inc. | Hand gesture machine control system |
CN105988566A (zh) * | 2015-02-11 | 2016-10-05 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN106909884A (zh) * | 2017-01-17 | 2017-06-30 | 北京航空航天大学 | 一种基于分层结构和可变形部分模型的手部区域检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110070478A (zh) | 2019-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063560B (zh) | 图像处理方法、装置、计算机可读存储介质和终端 | |
US10783354B2 (en) | Facial image processing method and apparatus, and storage medium | |
US10217195B1 (en) | Generation of semantic depth of field effect | |
CN108830892B (zh) | 人脸图像处理方法、装置、电子设备及计算机可读存储介质 | |
WO2019128508A1 (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN108986016B (zh) | 图像美化方法、装置及电子设备 | |
CN110072046B (zh) | 图像合成方法和装置 | |
US11120535B2 (en) | Image processing method, apparatus, terminal, and storage medium | |
CN108921856B (zh) | 图像裁剪方法、装置、电子设备及计算机可读存储介质 | |
WO2020019664A1 (zh) | 基于人脸的形变图像生成方法和装置 | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、***及存储介质 | |
EP3591580A1 (en) | Method and device for recognizing descriptive attributes of appearance feature | |
JP6157165B2 (ja) | 視線検出装置及び撮像装置 | |
KR20130120175A (ko) | 캐리커처 자동 생성 장치, 방법 및 컴퓨터 판독 가능한 기록 매체 | |
CN108921798B (zh) | 图像处理的方法、装置及电子设备 | |
JP2017102622A (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN111199169A (zh) | 图像处理方法和装置 | |
CN109919128B (zh) | 控制指令的获取方法、装置及电子设备 | |
WO2020001016A1 (zh) | 运动图像生成方法、装置、电子设备及计算机可读存储介质 | |
CN107153806B (zh) | 一种人脸检测方法及装置 | |
WO2020037924A1 (zh) | 动画生成方法和装置 | |
Duo et al. | LCO: A robust and efficient local descriptor for image matching | |
CN110070478B (zh) | 变形图像生成方法和装置 | |
CN110766631A (zh) | 人脸图像的修饰方法、装置、电子设备和计算机可读介质 | |
CN112101275B (zh) | 多目摄像头的人脸检测方法、装置、设备及介质 |
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 |