CN114240742A - 图像处理方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开公开了一种图像处理方法、装置、电子设备及存储介质，该方法包括：响应于特效添加指令，采集包括目标对象的待处理图像；基于图像分割模型对所述待处理图像进行分割处理，得到与所述待处理图像相对应的至少两个目标渲染区域；基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像。本公开实施例的技术方案，解决了现有技术中需要训练与不同渲染方式相对应的神经网络，不仅需要训练的模型较多，还需要获取大量的训练样本，导致存在渲染特效添加不便的问题，实现了只需要神经网络确定需要处理的渲染区域，进而对渲染区域添加相应特效，提高特效处理便捷性和与实际使用适配度较高的技术效果。

Description

图像处理方法、装置、电子设备及存储介质

技术领域

本公开实施例涉及图像处理技术领域，尤其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

随着短视频技术的发展，用户为短视频内容的丰富性要求也越来越高。为了满足用户多样化的需求，可以为被拍摄对象添加相应的特效。

目前，对特效的处理方式主要是通过GAN神经网络，例如，染发特效所对应的神经网络，此时需要获取大量染发效果图，进而基于染发效果图来训练相应的模型。

但是，不同用户的发型以及染发效果均存在一定的差异，存在获取的样本不统一导致训练得到的模型不准确的问题，进一步的，由于染发效果差异较大，因此需要训练与不同染发效果相对应的模型，存在训练的模型数量较多，即存在模型普适性较差的问题。

发明内容

本公开提供一种图像处理方法、装置、电子设备及存储介质，以实现特效显示的真实性和多样性的技术效果。

第一方面，本公开实施例提供了一种图像处理方法，该方法包括：

响应于特效添加指令，采集包括目标对象的待处理图像；

基于图像分割模型对所述待处理图像进行分割处理，得到与所述待处理图像相对应的至少两个目标渲染区域；

基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像。

第二方面，本公开实施例还提供了一种图像处理装置，该装置包括：

图像采集模块，用于响应于特效添加指令，采集包括目标对象的待处理图像；

渲染区域确定模块，用于基于图像分割模型对所述待处理图像进行分割处理，得到与所述待处理图像相对应的至少两个目标渲染区域；

目标图像确定模块，用于基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像。

第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例任一所述图像处理方法。

第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述图像处理方法。

本公开实施例的技术方案，通过在检测到触发特效添加指令时，可以采集包括目标对象的待处理图像，并基于图像分割模型确定待处理图像中的目标渲染区域，根据目标渲染区域和特效参数，为目标对象添加目标特效，进而得到目标图像，解决了现有技术中需要训练与不同渲染方式相对应的神经网络，不仅需要训练的模型较多，还需要获取大量的训练样本，导致存在渲染特效添加不便的问题，实现了只需要神经网络确定需要处理的渲染区域，进而对渲染区域添加相应特效，提高特效处理便捷性和与实际使用适配度较高的技术效果。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为本公开实施例一所提供的一种图像处理方法流程示意图；

图2为本公开实施例所提供的一种耳染效果示意图；

图3为本公开实施例二所提供的一种图像处理方法流程示意图；

图4为本公开实施例三所提供的一种图像处理方法流程示意图；

图5为本公开实施例四所提供的一种图像处理装置结构示意图；

图6为本公开实施例五所提供的一种电子设备结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

实施例一

图1为本公开实施例一所提供的一种图像处理方法流程示意图，本公开实施例适用于在互联网所支持的任意图像展示或者视频拍摄的场景中，用于为图像中的相应对象添加特效，以使添加的特效与对象最为适配的情形，该方法可以由图像处理装置来执行，该装置可以通过软件和/或硬件的形式实现，可选的，通过电子设备来实现，该电子设备可以是移动终端、PC端或服务器等。任意图像展示的场景通常是由客户端和服务器来配合实现的，本实施例所提供的方法可以由服务端来执行，客户端来执行，或者是客户端和服务端的配合来执行。

如图1所示，所述方法包括：

S110、响应于特效添加指令，采集包括目标对象的待处理图像。

需要说明的是，可以先对应用场景进行示例性说明。可以将本公开技术方案应用在任意需要特效展示的画面中，例如，视频通话中，可以进行特效展示；或者，直播场景中，可以对主播用户进行特效展示；当然，也可以是应用在视频拍摄过程中，可以对被拍摄用户所对应的图像进行特效展示的情况，如短视频拍摄场景下。还可以是为静态拍摄的图像中的用户添加特效的情形。

需要说明的是，执行本公开实施例提供的图像处理方法的装置，可以集成在支持图像处理功能的应用软件中，且该软件可以安装至电子设备中，可选的，电子设备可以是移动终端或者PC端等。应用软件可以是对图像/视频处理的一类软件，其具体的应用软件在此不再一一赘述，只要可以实现图像/视频处理即可。

其中，在用户拍摄短视频、直播或者拍摄包括目标对象的图像中需要为其添加特效等的过程中，显示界面上可以包括添加特效的按键。可选的，当用户触发特效按键后，可以弹出至少一个待添加特效，用户可以从多个待添加特效中选择一个特效作为目标特效。或者是，当检测到触发添加特效所对应的控件后，服务器可以确定要为入镜画面中的对象添加相应的特效。此时，服务器或者客户端可以响应特效添加指令，采集包括目标对象的待处理图像。待处理图像可以是基于应用软件采集的图像，可以是在触发特效添加指令时，采集该与特效添加指令时刻相一致的图像，该图像中可以包括需要为其添加特效的对象。将需要为其添加特效的对象作为目标对象。可选的，如果要为用户换发型或者染发，那么目标对象可以是用户；如果要为小猫或者小狗整体换毛发颜色，那么小猫和小狗可以是目标对象。例如，在直播场景或者拍摄视频的场景中，需要为拍摄的用户的头发换颜色，那么拍摄包括用户的图像作为待处理图像。此时，摄像装置可以从触发特效指令开始实时或者间隔性的采集目标场景中包括目标对象的待处理图像。

可选的，所述响应于特效添加指令，采集包括目标对象的待处理图像，包括：当检测到目标对象触发特效添加唤醒词时，生成特效添加指令，并采集包括目标对象的待处理图像；或，当检测到触发特效添加控件时，生成所述特效添加指令，并采集包括目标对象的待处理图像；或，在检测到视野区域中包括目标对象时，采集包括目标对象的待处理图像。

其中，在视频直播的场景中，如，直播卖货或者拍摄视频的过程中，可以采集主播用户或者被拍摄对象的语音信息，并对采集的语音信息分析处理，从而识别与语音信息相对应的文字。如果与语音信息相对应的文字中包括预先设置的唤醒词，可选的，唤醒词可以是：“请开启特效功能”等类型的词汇，则说明需要将主播或者被拍摄对象特效展示，此时，可以采集包括目标对象的待处理图像。即，在此种情况下说明目标对象触发了添加特效的唤醒词，可以为目标对象添加相应的本技术方案所提供的特效。可选的，添加的特效可以为为目标对象染发的特效，该染发特效并不是像现有技术公开的直接将需要显示的颜色直接替换目标对象的头发颜色。特效添加控件可以是应用软件的显示界面上可以显示的按键，该按键的触发表征需要采集待处理图像，并对待处理图像特效处理。当用户触发该按键时，可以认为要触发特效展示的图像功能，此时，可以采集包括目标对象的待处理图像。例如，如果应用在静态图像的拍摄场景中，如果用户触发了特效处理控件，则可以自动触发采集包括目标对象的待处理图像。当然，在具体应用场景中，例如，拍摄哑剧视频的场景中，可以实时对采集的待使用图像中的面部特征分析处理，得到面部图像中各个部位的特征检测结果，并将其作为待检测特征。如果各待检测特征与预设特征匹配，可选的，预先设置了每个部位触发特效展示的至少一个特征，在某个部位触发了相应的特征时，则可以生成特效添加指令，进而采集待处理图像。还可以是，在检测到入镜画面中包括目标对象时，说明触发了图像采集，可以采集包括包括目标对象的待处理图像。

需要说明的是，不论是在视频直播场景，还是图像处理场景，如果有实时采集目标场景中目标对象的需求，可以实时采集图像，可以将此时采集的图像作为待使用图像，相应的，可以对待使用图像分析处理，如果分析得到的结果满足了特定的要求，则可以将满足特定要求时的待使用图像作为待处理图像。

还需要说明的是，本技术方案的实现可以由客户端来实现，也可以由服务端来实现；可以是在视频拍摄完成后对视频中的每个视频帧处理后，发送至客户端进行显示的情形，也可以是在视频拍摄过程中，对拍摄的每个视频帧依次处理的情形，此时每个视频帧都为待处理图像。

S120、基于图像分割模型对所述待处理图像进行分割处理，得到与所述待处理图像相对应的至少两个目标渲染区域。

其中，图像分割模型为预先训练得到的神经网络模型。如需要确定待处理图像中的渲染区域，则可以获取多个训练样本(训练样本为训练图像)，并对每个训练样本中的多个区域进行标记，如在训练图像中框选多个区域进行标记。将训练图像作为待训练图像分割模型的输入参数，将含有标记区域的图像作为图像分割模型的输出。基于训练样本中训练图像和图像中的相应标记区域，可以训练得到图像分割模型。至少两个目标渲染区域的数量可以是两个、三个或者多个，其具体的渲染区域和图像分割模型的训练样本相对应。

具体的，可以将待处理图像输入至预先训练得到的图像分割模型中，基于图像分割模型可以确定待处理图像中的多个渲染区域，将此时确定出的多个渲染区域作为目标渲染区域。

需要说明的是，图像分割模型的输入可以是待处理图像，该模型的输出可以是确定出当前待处理图像中渲染区域的图像。图像分割模型为神经网络，该网络的结构可以是VGG、ResNet、GoogleNet、MobileNet、ShuffleNet等等，对于不同的网络结构来说，每个网络结构的计算量不同，可以理解为并不是所有模型都是轻量级的。即，有的模型计算量很大，不适合在移动端部署，而计算量小、计算高效、简单的模型更容易在移动端上部署。如果本技术方案的实现是基于移动终端实现的，那么可以采用MobileNet和ShuffleNet模型结构。上述模型结构的原理是把传统的卷积变成了可分离卷积，即depthwise convolution和point-wise convolution，目的是为了减少计算量；另外采用了Inverted Residuals来提高depthwise convolution的特征提取能力；同时shuffle channel的简单操作也用来提高模型的表达能力，上面是模型基本的模块设计，模型基本上是由上述模块堆叠而成，此类模型的好处在于推断耗时较少，可以应用在对耗时要求较高的终端上。如果是服务器来实现的，那么可以采用上述任一神经网络都行，只要能够实现确定出待处理图像中的渲染区域即可。需要说明的是，上述仅仅是对图像分割模型的描述，并不对其进行的限定。

在本公开实施例中，所述基于图像分割模型对所述待处理图像进行分割处理，得到与所述待处理图像相对应的至少两个目标渲染区域，包括：基于所述图像分割模型对所述待处理图像中目标对象进行分割处理，确定与目标对象相对应的边缘框区域和至少一个待处理渲染区域；基于所述边缘框区域和所述至少一个待处理渲染区域，确定所述至少两个目标渲染区域。

在本实施例中，所述至少两个目标渲染区域为耳染区域，边缘框区域为包围目标对象头发的区域。

可以理解为，本技术方案中为目标对象添加的特效可以是染发特效，为了使染发特效与真实场景，或者与用户的个性化需求最为适配。如，需要确定每一种颜色的染发效果，或者每一种颜色染到相应区域中的效果，可以基于本技术方案来确定。其中，耳染区域可以理解以耳朵的边缘线作为图像分割的分界线，将位于边缘线下方且距离脸部距离较近的区域作为内耳染区域；将位于边缘线上方且距离脸部距离相对较远的区域作为外耳染区域，参见图2，标识1对应的区域为内耳染区域，标识2对应的区域为外耳染区域。边缘框区域可以是与目标对象的头发所对应的区域。标识1表示左右外耳染区域，标识2表示左右内耳染区域。

其中，图像分割模型可以对输入的待处理图像分割处理，确定待处理图像中需要添加特效的区域，可以将需要添加特效的区域作为待处理渲染处理。在实际应用中存在图像分割模型分割出的待处理渲染区域，并不位于头发上，即存在分割出的区域不准确的问题，此时，可以将基于图像分割模型初次分割出来的区域作为待处理渲染区域。可以基于边缘框区域进一步对待处理渲染区域过滤处理，得到实际需要渲染且位于头发上的区域，即得到了目标渲染区域。

具体的，可以基于图像分割模型对待处理图像分割处理，得到多个待处理渲染区域，为了进一步确定待处理渲染区域是否位于头发上，可以基于边缘框区域对待处理渲染区域过滤处理，将位于边缘框区域内部的待处理渲染区域，作为目标渲染区域。

S130、基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像。

其中，基于上述可知，目标渲染区域是头发中的各个耳染区域。特效参数可以是预先选择的需要为目标渲染区域添加上相应特效的参数。将为目标渲染区域添加上特效后所确定的图像，作为目标图像，相应的，将基于目标参数添加的特效作为目标特效。可选的，目标特效可以是颜色特效。

具体的，确定触发操作时，所确定的特效参数，可选的，漂染的颜色信息，将漂染的颜色信息添加到确定出的目标渲染区域中，得到为目标对象添加目标特效的目标图像。

可选的，所述基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像，包括：根据所述特效参数，确定所述至少两个目标渲染区域中各像素点的目标像素点值；基于所述目标像素值更新所述至少两个目标渲染区域中各像素点的原始像素值，得到为所述目标对象添加目标特效的目标图像。

其中，显示的图像每个像素点都存在相应的像素值，可选的，RGB三通道对应有相应的值，可以将三通道中的值替换为对应漂染颜色(特效参数)所对应的值，从而得到为目标对象添加目标特效后得到的目标图像。将待处理图像中目标渲染区域内像素点的像素值作为原始像素值。将与特效参数相应的像素值作为目标像素点值。可以基于目标像素点值替换原始像素点值。

还需要说明的是，漂染的颜色可能存在多种颜色的情形，例如，是灰白渐变的颜色，那么，每个像素点的目标像素点值也是存在一定差异的，就目标像素点值的具体数值是与特效参数相适配的。

可选的，所述基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像，包括：基于渲染模型对所述特效参数和所述至少两个目标渲染区域进行渲染处理，得到为所述目标对象添加目标特效的目标图像。

其中，渲染模型可以是预先训练的神经网络，用于对特效参数处理，确定特效参数所对应的目标像素值的模型，或者是，将目标渲染处理为与特效参数相匹配的模型。

具体的，在确定至少两个目标渲染区域后，可以将特效参数和包括目标渲染区域的图像作为渲染模型的输入，基于该渲染模型可以输出与特效参数相匹配的渲染图像，可以将此时得到的图像作为为目标对象添加目标特效后，得到的目标图像。

还需要说明的是，本技术方案，可以应用在任意需要对局部进行渲染的场景中，从而得到局部渲染的效果示意图。

本公开实施例的技术方案，通过在检测到触发特效添加指令时，可以采集包括目标对象的待处理图像，并基于图像分割模型确定待处理图像中的目标渲染区域，根据目标渲染区域和特效参数，为目标对象添加目标特效，进而得到目标图像，解决了现有技术中需要训练与不同渲染方式相对应的神经网络，不仅需要训练的模型较多，还需要获取大量的训练样本，导致存在渲染特效添加不便的问题，实现了只需要神经网络确定需要处理的渲染区域，进而对渲染区域添加相应特效，提高特效处理便捷性和与实际使用适配度较高的技术效果。

实施例二

图3为本公开实施例二所提供的一种图像处理方法流程示意图，在前述实施例的基础上，存在需要为目标对象添加多个特效的情形，此时可以基于本技术方案来实现，其具体的实施方式可以参见本技术方案的详细阐述。其中，与上述实施例相同或者相应的技术术语在此不再赘述。

如图3所示，所述方法包括：

S210、响应于特效添加指令，采集包括目标对象的待处理图像。

S220、基于图像分割模型对所述待处理图像进行分割处理，得到与所述待处理图像相对应的至少两个目标渲染区域和边缘框区域。

S230、基于第一特效处理模块为所述目标对象的边缘框区域添加第一特效。

其中，第一特效可以是需要为整个边缘框区域添加的特效。第一特效处理模块可以是第一特效添加模型，即预先训练好的神经网络。可以根据特效参数，如，将第一特效添加到整个边缘框区域中。第一特效可以是纯色特效，可选的，将整个头发染成黄色的特效。

具体的，基于第一特效处理模块，可以将特效参数中与第一特效相对应特效添加到目标对象的边缘框区域中。

S240、将位于所述边缘区域中的所述至少两个目标渲染区域的第一特效更新为第二特效，得到为所述目标对象添加目标特效的目标图像。

其中，第二特效可以是在目标渲染区域叠加的特效，也可以是将目标渲染区域更新为的特效。例如，需要在目标渲染区域，即耳染区域增加灰色漂染，那么可以将灰色漂染更新在目标渲染区域中。

具体的，在为边缘区域添加第一特效的同时，可以将第二特效添加到目标渲染区域上。对于目标渲染区域来说，可以是第一特效和第二特效的叠加，也可以是，目标渲染区域仅包括第二渲染特效。将均添加特效后所对应的图像作为目标图像，其最终的效果图，可以参见图2。

在上述各技术方案的基础上，还包括：当检测到触发替换所述第一特效的操作时，保持所述第二特效不变并更新与触发操作相对应的第一特效；以及，在检测到触发替换为所述第二特效的操作时，保持所述第一特效不变并更新与触发操作相对应的第二特效

本公开实施例的技术方案，通过在检测到触发特效添加指令时，可以采集包括目标对象的待处理图像，并基于图像分割模型确定待处理图像中的目标渲染区域，根据目标渲染区域和特效参数，为目标对象添加目标特效，进而得到目标图像，解决了现有技术中需要训练与不同渲染方式相对应的神经网络，不仅需要训练的模型较多，还需要获取大量的训练样本，导致存在渲染特效添加不便的问题，实现了只需要神经网络确定需要处理的渲染区域，进而对渲染区域添加相应特效，提高特效处理便捷性和与实际使用适配度较高的技术效果。

实施例三

作为上述实施例的一可选实施例，图4为本公开实施例三所提供的一种图像处理方法流程示意图，其中，与上述实施例相同或者相应的技术术语在此不再赘述。

如图4所示，将当前待处理图像输入至图像分割模型中，进行耳染区域处理，得到左耳外染区域、左耳内染区域、右耳外染区域、右耳内染区域以及包括头发的头发区域。即，至少两个目标渲染区域可以是上述所提及的左耳外染区域、左耳内染区域、右耳外染区域、右耳内染区域；头发区域即为上述所提及的边缘框区域。

需要说明的是，输出的耳染区域中各个像素点可以有相对应的值，可选的，值在0至1范围之内，该值用于表征是否为耳染区域。

在本实施例中，进行耳染区域处理，可以是：由于图像分割模型的分割结果中，可能出现在非头发区域也分割出耳染区域的情形，此时可以将4个耳染区域分别用头发区域来进行过滤。即基于头发区域约束耳染区域，可以理解为耳染区域必须位于头发区域中。过滤后，由于耳染的输出的值(0～1范围)并不会很高，会造成耳染效果时强时弱，此时，可以进一步对耳染区域进行后处理，后处理的方式可以是：将耳染区域的结果进行增强，通常是用拉伸曲线的方式将小于0.1的部分强行等于0，将大于0.9的部分强行等于1，从而使得较弱的地方直接为0，较强的区域直接为1，进而得到四个处理较好的耳染区域，即上述所提及的目标渲染区域。

在得到各个可以使用的耳染区域后，可以为耳染区域添加染发特效。在实际应用中还可以是，既有染发又有耳染的情形，此时在头发染纯色的基础上，进一步在耳染区域增加新的漂染染色。

具体的实施方式可以是：在得到了耳染区域后，需要把耳染区域的颜色给替换掉，存在两种方式。第一种方式为：基于传统方法将耳染区域的rgb值替换为相应漂染颜色的值。第二种方式是，基于预先生成的神经网络模型，将头发染为纯色，此时，只需要去训练不同颜色头发来训练模型即可，不需要训练与不同头发长度、不同发型、不同颜色相对应的样本来训练漂染模型，减少了训练数据获取难度。

基于上述的耳染分割结果，加上纯色染发模块的结果进行叠加，就能得到最终的效果。而且耳染的能力可以较大程度地复用，只需要换不同纯色染发颜色即能得到新的特效。原图/耳染效果图/纯金发图/纯深色图/耳染mask。

本公开实施例的技术方案，可以对待处理图像分割处理，得到待处理图像中与目标对象所对应的左右、内外耳染的区域，再通过叠加染发颜色，得到耳染发型的效果。对于发型改变的效果，对于此类法向改变效果所采用的神经网络来说，不需要获取大量目标效果的图片，比如染金发，就需要许多金发的人的照片，即染不同颜色的头发就需要训练不同的头发染色模型。进一步的，头发耳染是一个个性化极强的发型，就会存在耳染图像所对应的样本数据较少，同时耳染所对应的发型可以为各种各样，各种颜色，因此很难收集到相应的效果图，进一步的，即使收集到了大量符合效果要求的耳染图像，训练得到的相应的神经网络，此时一个神经网络模型只能做一款效果，如果需要做不同颜色的耳染效果，就要训练不同的模型，复用性较低，这就增加了许多工作量，而本技术方案如果我们能出一款能指定任意颜色的耳染效果，只需要训练得到一个图像分割模型，就可以得到相应的耳染效果，后续仅需要替换所有的耳染颜色即可，复用性很高，同时数据非常容易收集，不仅提高了特效添加的便捷性、还提供了特效内容丰富性和普适性的技术效果。

实施例四

图5为本公开实施例四所提供的一种图像处理装置结构示意图，如图5所示，所述装置包括：图像采集模块410、渲染区域确定模块420和目标图像确定模块430。

图像采集模块410，用于响应于特效添加指令，采集包括目标对象的待处理图像；渲染区域确定模块420，用于基于图像分割模型对所述待处理图像进行分割处理，得到与所述待处理图像相对应的至少两个目标渲染区域；目标图像确定模块430，用于基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像。

在上述技术方案的基础上，所述图像采集模还用于：当检测到目标对象触发特效添加唤醒词时，生成特效添加指令，并采集包括目标对象的待处理图像；或，当检测到触发特效添加控件时，生成所述特效添加指令，并采集包括目标对象的待处理图像。

在上述技术方案的基础上，渲染区域确定模块包括：待处理渲染区域确定单元，用于基于所述图像分割模型对所述待处理图像中目标对象进行分割处理，确定与目标对象相对应的边缘框区域和至少两个待处理渲染区域；

目标渲染区域确定单元，用于基于所述边缘框区域和所述至少两个待处理渲染区域，确定所述至少两个目标渲染区域。

在上述技术方案的基础上，所述目标图像确定模块，包括：

像素值确定单元，用于根据所述特效参数，确定所述至少两个目标渲染区域中各像素点的目标像素点值；

像素值更新单元，用于基于所述目标像素值更新所述至少两个目标渲染区域中各像素点的原始像素值，得到为所述目标对象添加目标特效的目标图像。

在上述技术方案的基础上，所述目标图像确定模块，包括：

基于渲染模型对所述特效参数和所述至少两个目标渲染区域进行渲染处理，得到为所述目标对象添加目标特效的目标图像。

在上述技术方案的基础上，所述目标图像确定模块，还用于：

基于第一特效处理模块为所述目标对象的边缘框区域添加与所述特效参数相对应的第一特效；

将位于所述边缘区域中的所述至少两个目标渲染区域的第一特效更新为与所述特效参数相对应的第二特效，得到为所述目标对象添加目标特效的目标图像；

或将所述特效叠加在所述至少两个目标渲染区域中，得到为所述目标对象添加目标特效的目标图像。

在上述技术方案的基础上，所述装置还包括：特效添加模块，用于当检测到替换所述第一特效的操作时，保持所述第二特效不变并更新与触发操作相对应的第一特效；以及，

在检测到替换为所述第二特效的操作时，保持所述第一特效不便并更新与触发操作相对应的第二特效。

在上述技术方案的基础上，所述至少两个目标渲染区域为染发区域，边缘框区域为与头发相对应的区域。

本公开实施例的技术方案，通过在检测到触发特效添加指令时，可以采集包括目标对象的待处理图像，并基于图像分割模型确定待处理图像中的目标渲染区域，根据目标渲染区域和特效参数，为目标对象添加目标特效，进而得到目标图像，解决了现有技术中需要训练与不同渲染方式相对应的神经网络，不仅需要训练的模型较多，还需要获取大量的训练样本，导致存在渲染特效添加不便的问题，实现了只需要神经网络确定需要处理的渲染区域，进而对渲染区域添加相应特效，提高特效处理便捷性和与实际使用适配度较高的技术效果。

本公开实施例所提供的图像处理装置可执行本公开任意实施例所提供的图像处理方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。

实施例五

图6为本公开实施例五所提供的一种电子设备的结构示意图。下面参考图6，其示出了适于用来实现本公开实施例的电子设备(例如图6中的终端设备或服务器)500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、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)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置506加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。编辑/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的编辑装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置506；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置506被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

本公开实施例提供的电子设备与上述实施例提供的图像处理方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。

实施例六

本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的图像处理方法。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：

响应于特效添加指令，采集包括目标对象的待处理图像；

基于图像分割模型对所述待处理图像进行分割处理，得到与所述待处理图像相对应的至少两个目标渲染区域；

基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的***、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，该模块、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，两个接连地表示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操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。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，【示例一】提供了一种图像处理方法，该方法包括：

响应于特效添加指令，采集包括目标对象的待处理图像；

基于图像分割模型对所述待处理图像进行分割处理，得到与所述待处理图像相对应的至少两个目标渲染区域；

基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像。

根据本公开的一个或多个实施例，【示例二】提供了一种图像处理方法，该方法，还包括：

可选的，所述响应于特效添加指令，采集包括目标对象的待处理图像，包括：

当检测到目标对象触发特效添加唤醒词时，生成特效添加指令，并采集包括目标对象的待处理图像；或，

当检测到触发特效添加控件时，生成所述特效添加指令，并采集包括目标对象的待处理图像。

根据本公开的一个或多个实施例，【示例三】提供了一种图像处理方法，该方法，还包括：

可选的，所述基于图像分割模型对所述待处理图像进行分割处理，得到与所述待处理图像相对应的至少两个目标渲染区域，包括：

基于所述图像分割模型对所述待处理图像中目标对象进行分割处理，确定与目标对象相对应的边缘框区域和至少两个待处理渲染区域；

基于所述边缘框区域和所述至少两个待处理渲染区域，确定所述至少两个目标渲染区域。

根据本公开的一个或多个实施例，【示例四】提供了一种图像处理方法，该方法，还包括：

可选的，所述基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像，包括：

根据所述特效参数，确定所述至少两个目标渲染区域中各像素点的目标像素点值；

基于所述目标像素值更新所述至少两个目标渲染区域中各像素点的原始像素值，得到为所述目标对象添加目标特效的目标图像。

根据本公开的一个或多个实施例，【示例五】提供了一种图像处理方法，该方法，还包括：

可选的，所述基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像，包括：

基于渲染模型对所述特效参数和所述至少两个目标渲染区域进行渲染处理，得到为所述目标对象添加目标特效的目标图像。

根据本公开的一个或多个实施例，【示例六】提供了一种图像处理方法，该方法，还包括：

可选的，所述基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像，包括：

基于第一特效处理模块为所述目标对象的边缘框区域添加与所述特效参数相对应的第一特效；

将位于所述边缘区域中的所述至少两个目标渲染区域的第一特效更新为与所述特效参数相对应的第二特效，得到为所述目标对象添加目标特效的目标图像；

或将所述特效叠加在所述至少两个目标渲染区域中，得到为所述目标对象添加目标特效的目标图像。

根据本公开的一个或多个实施例，【示例七】提供了一种图像处理方法，该方法，还包括：

可选的，当检测到触发替换所述第一特效的操作时，保持所述第二特效不变并更新与触发操作相对应的第一特效；以及，

在检测到触发替换为所述第二特效的操作时，保持所述第一特效不变并更新与触发操作相对应的第二特效。

根据本公开的一个或多个实施例，【示例八】提供了一种图像处理方法，该方法，还包括：

可选的，所述至少两个目标渲染区域为耳染区域，边缘框区域为包围目标对象头发的区域。以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (11)

1.一种图像处理方法，其特征在于，包括：

响应于特效添加指令，采集包括目标对象的待处理图像；

基于图像分割模型对所述待处理图像进行分割处理，得到与所述待处理图像相对应的至少两个目标渲染区域；

基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像。

2.根据权利要求1所述的方法，其特征在于，所述响应于特效添加指令，采集包括目标对象的待处理图像，包括：

当检测到目标对象触发特效添加唤醒词时，生成特效添加指令，并采集包括目标对象的待处理图像；或，

当检测到触发特效添加控件时，生成所述特效添加指令，并采集包括目标对象的待处理图像；或，

在检测到视野区域中包括目标对象时，采集包括目标对象的待处理图像。

3.根据权利要求1所述的方法，其特征在于，所述基于图像分割模型对所述待处理图像进行分割处理，得到与所述待处理图像相对应的至少两个目标渲染区域，包括：

基于所述图像分割模型对所述待处理图像中目标对象进行分割处理，确定与目标对象相对应的边缘框区域和至少两个待处理渲染区域；

基于所述边缘框区域和所述至少两个待处理渲染区域，确定所述至少两个目标渲染区域。

4.根据权利要求1所述的方法，其特征在于，所述基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像，包括：

根据所述特效参数，确定所述至少两个目标渲染区域中各像素点的目标像素点值；

基于所述目标像素值更新所述至少两个目标渲染区域中各像素点的原始像素值，得到为所述目标对象添加目标特效的目标图像。

5.根据权利要求1所述的方法，其特征在于，所述基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像，包括：

基于渲染模型对所述特效参数和所述至少两个目标渲染区域进行渲染处理，得到为所述目标对象添加目标特效的目标图像。

6.根据权利要求1所述的方法，其特征在于，所述基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像，包括：

基于第一特效处理模块为所述目标对象的边缘框区域添加与所述特效参数相对应的第一特效；

将位于所述边缘区域中的所述至少两个目标渲染区域的第一特效更新为与所述特效参数相对应的第二特效，得到为所述目标对象添加目标特效的目标图像；

或将所述特效叠加在所述至少两个目标渲染区域中，得到为所述目标对象添加目标特效的目标图像。

7.根据权利要求6所述的方法，其特征在于，还包括：

当检测到触发替换所述第一特效的操作时，保持所述第二特效不变并更新与触发操作相对应的第一特效；以及，

在检测到触发替换为所述第二特效的操作时，保持所述第一特效不变并更新与触发操作相对应的第二特效。

8.根据权利要求1-6中任一所述的方法，其特征在于，所述至少两个目标渲染区域为耳染区域，边缘框区域为包围目标对象头发的区域。

9.一种图像处理装置，其特征在于，包括：

图像采集模块，用于响应于特效添加指令，采集包括目标对象的待处理图像；

渲染区域确定模块，用于基于图像分割模型对所述待处理图像进行分割处理，得到与所述待处理图像相对应的至少两个目标渲染区域；

目标图像确定模块，用于基于所述至少两个目标渲染区域以及特效参数，得到为所述目标对象添加目标特效的目标图像。

10.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述图像处理方法。

11.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一所述图像处理方法。

Images