图像生成方法和装置与流程

1.本公开涉及计算机技术领域，尤其涉及基于人工智能的虚拟/增强现实和图像处理技术，具体涉及一种图像生成方法、装置、电子设备、计算机可读存储介质和计算机程序产品。


背景技术：

2.人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
3.基于人工智能的图像处理技术，已经渗透到各个领域。其中，基于人工智能的虚拟形象生成技术，从图像中的多个对象中分割出目标对象，以针对目标对象进行生成。
4.在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。


技术实现要素：

5.本公开提供了一种图像生成方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
6.根据本公开的一方面，提供了一种图像生成方法，包括：获得包含目标对象的第一图像；以及基于所述第一图像，生成与所述第一图像对应的二值化的掩码图像，其中，所述掩码图像与针对所述目标对象对所述第一图像进行抠图而获得的二值化的抠图图像对应。
7.根据本公开的另一方面，提供了一种用于训练图像生成模型的方法，包括：获得包含目标对象的训练图像和与所述训练图像对应的二值化的抠图图像，所述抠图图像是针对所述目标对象，对所述训练图像进行抠图而获得的，所述抠图图像中的具有第一灰度值的区域与所述目标对象在所述训练图像中对应的第一区域相应，所述第一灰度值是两个灰度值中的一个灰度值；以及基于所述训练图像和所述抠图图像，训练所述图像生成模型，以使所述图像生成模型基于输入图像输出与所述输入图像的抠图图像对应的生成图像。
8.根据本公开的另一方面，提供了一种图像生成装置，包括：第一获取单元，被配置用于获得包含目标对象的第一图像；以及生成单元，被配置用于基于所述第一图像，生成与所述第一图像对应的二值化的掩码图像，其中，所述掩码图像与针对所述目标对象对所述第一图像进行抠图而获得的二值化的抠图图像对应。
9.根据本公开的另一方面，提供了一种用于训练图像生成模型的装置，包括：训练图像获取单元，被配置用于获得包含目标对象的训练图像和与所述训练图像对应的二值化的抠图图像，所述抠图图像是针对所述目标对象，对所述训练图像进行抠图而获得的，所述抠
图图像中的具有第一灰度值的区域与所述目标对象在所述训练图像中对应的第一区域相应，所述第一灰度值是两个灰度值中的一个灰度值；以及训练单元，被配置用于基于所述训练图像和所述抠图图像，训练所述图像生成模型，以使所述图像生成模型基于输入图像输出与所述输入图像的抠图图像对应的生成图像。
10.根据本公开的另一方面，提供了一种电子设备，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可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实现根据上述的方法。
11.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机实现根据上述的方法。
12.根据本公开的另一方面，提供了一种计算机程序产品包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据上述的方法。
13.根据本公开的一个或多个实施例，通过基于包含目标对象的第一图像，获得掩码图像，由于该掩码图像与针对该目标对象对该第一图像进行抠图而获得的二值化的抠图图像对应，同时由于该掩码图像中的具有两个灰度值中的第一灰度值的区域与抠图图像中具有该第一灰度值的区域相应并且与目标对象在第一图像中对应的区域相应，使生成的掩码图像具有可以充当对第一图像进行针对目标对象进行目标分割而获得的目标对象的掩码的效果，同时掩码的精度与抠图图像的精度一致，保证所获得的掩码的准确性。同时，相较于抠图技术，根据本公开的图像生成方法，不需要人工交互确定前景、背景的过程，生成具有抠图效果的图像的同时，处理效率高。
14.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
15.附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
16.图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
17.图2示出了根据本公开的实施例的图像生成方法的流程图；
18.图3示出了根据本公开的实施例的用于训练图像生成模型的方法的流程图；
19.图4示出了根据本公开的实施例的用于训练图像生成模型的方法中获得包含目标对象的训练图像和与训练图像对应的二值化的抠图图像的过程的流程图；
20.图5a示出了根据本公开的实施例的用于训练图像生成模型的方法中的训练图像的示意图；
21.图5b示出了根据本公开的实施例的用于训练图像生成模型的方法中的基于训练图像获得的分割图像的示意图；
22.图5c示出了根据本公开的实施例的用于训练图像生成模型的方法中的基于训练图像获得的二值化处理图像的示意图；
23.图5d示出了根据本公开的实施例的用于训练图像生成模型的方法中的基于分割图像获得的膨胀图像的示意图；
24.图5e示出了根据本公开的实施例的用于训练图像生成模型的方法中的基于分割图像和二值化图像获得的腐蚀图像的示意图；
25.图5f示出了根据本公开的实施例的用于训练图像生成模型的方法中的三分图的示意图；
26.图5g示出了根据本公开的实施例的用于训练图像生成模型的方法中的抠图图像的示意图；
27.图6示出了根据本公开的实施例的用于训练图像生成模型的方法中基于分割图像和二值化处理图像获得三分图的过程的流程图；
28.图7示出了根据本公开的实施例的用于训练图像生成模型的方法中基于膨胀图像和二值化处理图像获得三分图的过程的流程图；
29.图8示出了根据本公开的实施例的用于训练图像生成模型的方法中基于交集图像和膨胀图像获得三分图的过程的流程图；
30.图9示出了根据本公开的实施例的用于训练图像生成模型的方法中基于训练图像和抠图图像训练图像生成模型的过程的流程图；
31.图10示出了根据本公开的实施例的图像生成装置的结构框图；
32.图11示出了根据本公开的实施例的用于训练图像生成模型的装置的结构框图；以及
33.图12示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
34.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
35.在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
36.在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
37.下面将结合附图详细描述本公开的实施例。
38.图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程
序。
39.在本公开的实施例中，服务器120可以运行使得能够执行图像生成方法的一个或多个服务或软件应用。
40.在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(saas)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
41.在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
42.用户可以使用客户端设备101、102、103、104、105和/或106来接收生成的图像。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
43.客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如microsoft windows、apple ios、类unix操作系统、linux或类linux操作系统(例如google chrome os)；或包括各种移动操作系统，例如microsoft windows mobile os、ios、windows phone、android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(pda)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(sms)应用程序，并且可以使用各种通信协议。
44.网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于tcp/ip、sna、ipx等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(lan)、基于以太网的网络、令牌环、广域网(wan)、因特网、虚拟网络、虚拟专用网络(vpn)、内部网、外部网、公共交换电话网(pstn)、红外网络、无线网络(例如蓝牙、wifi)和/或这些和/或其他网络的任意组合。
45.服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如pc(个人计算机)服务器、unix服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
46.服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的
服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括http服务器、ftp服务器、cgi服务器、java服务器、数据库服务器等。
47.在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
48.在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(vps，virtual private server)服务中存在的管理难度大、业务扩展性弱的缺陷。
49.系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和对象文件的信息。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
50.在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
51.图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
52.参看图2，根据本公开的一些实施例的一种图像生成方法200包括：
53.步骤s210：获得包含目标对象的第一图像；以及
54.步骤s220：基于所述第一图像，生成与所述第一图像对应的二值化的掩码图像。
55.其中，所述掩码图像与针对所述目标对象对所述第一图像进行抠图而获得的二值化的抠图图像对应，并且其中，所述掩码图像中的具有两个灰度值中的第一灰度值的区域与所述抠图图像中的具有所述第一灰度值的区域相应并且与所述目标对象在所述第一图像中对应的区域相应。
56.通过基于包含目标对象的第一图像，获得掩码图像，由于该掩码图像与针对该目标对象对该第一图像进行抠图而获得的二值化的抠图图像对应，同时由于该掩码图像中的具有两个灰度值中的第一灰度值的区域与抠图图像中具有该第一灰度值的区域相应并且与目标对象在第一图像中对应的区域相应，使生成的掩码图像具有可以充当对第一图像进行针对目标对象进行目标分割而获得的目标对象的掩码的效果，同时掩码的精度与抠图图像的精度一致，保证所获得的掩码的准确性。同时，相较于抠图技术，根据本公开的图像生成方法，不需要人工交互确定前景、背景的过程，生成具有抠图效果的图像的同时，处理效率高。
57.在相关技术中，对图像中的目标对象进行分割的往往采用语义分割，然而在语义分割方法中，对于精度要求较高、细节要求较多的目标对象，由于存在较多的模糊区域，往往无法获得理想的分割效果。例如对应人脸图像中的发丝分割，往往使发丝之间背景区域被作为发丝的一部分分割到发丝的掩码中。同时，在相关技术中，为了解决模糊区域的图像难以精确分割的问题，往往采用抠图技术。然而，抠图技术需要人工交互指导(例如，指定图像中的前景和背景区域)，导致工序上不能自动化。
58.在根据本公开的方法中，基于包含目标对象的第一图像，自动生成二值化的掩码图像，该掩码图像一方面可以作为针对目标对象对第一图像进行分割的掩码，另一方面对应于与该第一图像对应的抠图图像而具有抠图的效果，即使对于精度要求较高、细节要求较多的目标对象，也能获得精度较高的掩码，同时使获得掩码的效率高。
59.在一些实施例中，目标对象可以人、动物、植物等任意对象。
60.在一些实施例中，目标对象包括下列各项中的至少一项：人的头发或者毛发、动物的毛发和毛织品。
61.由于人的头发或者毛发、动物的毛发和毛织品，采用语义分割获得掩码往往使获得的掩码达不到想要的精度，而采用抠图技术获得掩码，往往使花费的时间长，采用根据本公开的方法，可以使获得的掩码精度较高的同时，使获得掩码的效率高。
62.需要理解的是，实施例以人的头发或者毛发、动物的毛发和毛织品为示例进行说明，仅仅是示例性的，本领域技术人员应当理解，根据本公开的方法，可以适用于任何对象的分割，而获得本公开的效果，即使获得的掩码精度较高的同时，使获得掩码的效率高。
63.在一些实施例中，基于所述第一图像，生成与所述第一图像对应的二值化的掩码图像包括：
64.利用与所述目标对象对应的图像生成模型，基于所述第一图像获得所述掩码图像，其中，所述图像生成模型是采用包含所述目标对象的训练图像和与所述训练图像对应的二值化的抠图图像进行训练而获得的，其中，
65.所述训练图像对应的抠图图像是针对所述目标对象对所述训练图像进行抠图而获得的，并且其中，所述训练图像对应的抠图图像中具有所述第一灰度值的区域与所述目标对象在所述训练图像中的区域相应。
66.采用图像生成模型，基于第一图像获得掩码图像，实现掩码图像的生成。
67.在相关技术中，采用对语义分割获得目标对象的分割掩码，其分割效果往往依赖于训练数据，其中训练数据往往采用训练图像和对训练图像中的目标对象进行标注的标注数据。对于精度要求较高、细节要求较多的目标对象，训练图像中需要标注的目标对象非常多，往往难以获得可靠的标注数据。
68.根据本公开的方法，采用以训练图像和训练图像对应的二值化的抠图图像作为训练生成模型的训练数据，获得训练数据的方法简单、可靠，使获得图像生成模型的方法简单。
69.在一些实施例中，图像生成模型包括生成对抗网络、循环生成网络、应用于图像翻译(image-to-image translation)的条件gan网络等。
70.参看图3，根据本公开的一些实施例的用于训练图像生成模型的方法300包括：
71.步骤s310：获得包含目标对象的训练图像和与所述训练图像对应的二值化的抠图
图像；以及
72.步骤s320：基于所述训练图像和所述抠图图像，训练所述图像生成模型。
73.其中，在步骤s310中，所述抠图图像是针对所述目标对象对所述训练图像进行抠图而获得的，所述抠图图像中的具有两个灰度值中的第一灰度值的区域与所述目标对象在所述训练图像中对应的第一区域相应。在步骤s320中，使所述图像生成模型基于输入图像输出与所述输入图像的抠图图像对应的生成图像。
74.基于训练图像和训练图像对应的抠图图像训练图像生成模型，使图像生成模型基于包含目标对象的第一图像，获得掩码图像，由于该掩码图像与针对该目标对象对该第一图像进行抠图而获得的二值化的抠图图像对应，同时由于该掩码图像中的具有两个灰度值中的第一灰度值的区域与抠图图像中具有该第一灰度值的区域相应并且与目标对象在第一图像中对应的区域相应，使生成的掩码图像具有可以充当对第一图像进行针对目标对象进行目标分割而获得的目标对象的掩码的效果，同时掩码的精度与抠图图像的精度一致，保证所获得的掩码的准确性。同时，相较于抠图技术，根据本公开的图像生成方法，不需要人工交互确定前景、背景的过程，生成具有抠图效果的图像的同时，处理效率高。
75.在一些实施例中，训练图像可以是任意包含有目标对象的图像。目标对象可以是人的头发或者毛发、动物的毛发和毛织品中的任意一项。
76.在一些实施例中，如图4所示，获得包含目标对象的训练图像和与所述训练图像对应的二值化的抠图图像包括：
77.步骤s410：对所述训练图像进行分割处理，以获得二值化的分割图像；
78.步骤s420：基于在所述训练图像中所述目标对象对应的灰度值，对所述训练图像进行二值化处理，以获得二值化处理图像；
79.步骤s430：基于所述分割图像和所述二值化处理图像，获得三分图；以及
80.步骤s440：基于所述三分图中的对应于所述第二灰度值的区域，对所述训练图像进行抠图处理，以获得所述抠图图像。
81.其中，在步骤s410中，所述分割图像中的具有所述第一灰度值的分割图像子区域至少包括与所述第一区域对应的区域；在步骤s420中，所述二值化处理图像中的具有所述第一灰度值的二值化处理图像子区域至少包括与所述第一区域对应的区域；在步骤s430中，所述三分图中的具有与三个灰度值中的区别于所述两个灰度值的第二灰度值的第二灰度值区域至少包括与所述训练图像中的第二区域对应的区域，所述三个灰度值包括所述两个灰度值，所述分割图像子区域包括与所述第二区域对应的区域，而所述二值化处理图像子区域不包括与所述第二区域对应的区域。
82.通过基于训练图像的分割图像和二值化处理图像，获得三分图，并基于所获得的三分图进行抠图，获得抠图图像，使得获得与训练图像对应的抠图图像的过程可以采用计算机自动化完成，而不需要人工交互指导第一图像的前景和背景区域，简化获得与训练图像对应的抠图图像的过程，提高效率。
83.在一些实施例中，采用分割模型，对训练图像进行分割处理。分割模型例如可以包括分割神经网络。
84.参看图5a示出了根据本公开一个实施例的训练图像500的示意图。其中，训练图像500为人脸图像，目标对象为人脸图像中的头发。根据一些实施例，对训练图像500进行分
割，获得如图5b所示的二值化的分割图像510。如图5b所示，分割图像510中包括具有第一灰度值(255)的分割图像子区域511，由于分割模型对头发的发丝边缘的模糊区域处理精度不够高，使得分割图像510中分割图像子区域511大于训练图像500中头发所在的第一区域，即分割图像510中分割图像子区域511包括第一区域对应的区域。
85.需要说明的是，在训练图像500中，基于说明的必要和隐私保护对图像进行了马赛克处理，在实际应用过程中不需要进行此项处理。同时，需要说明的是，在根据本公开的实施例中的人脸图像并不是针对某一特定用户的人脸图像，并不能反映出某一特定用户的个人信息，并且人脸图像来自于公开数据集。
86.在一些实施例中，对于不同的训练图像，基于不同的灰度值阈值，对训练图像进行二值化处理的过程不同。
87.在一些示例中，针对人脸图像中的头发，基于头发在训练图像中的灰度值，对训练图像进行二值化处理。
88.继续参看图5a，对于训练图像500，将头发在训练图像500的灰度值作为灰度值阈值，对训练图像500进行二值化处理。例如，基于训练图像500获得灰度值阈值为80，则将第一图像中灰度值小于该灰度值阈值的位置的灰度值设置为255，将灰度值大于该灰度值阈值的位置的灰度值设置为0，从而获得如图5c的二值化处理图像520。如图5c所示，二值化处理图像520中包括具有第一灰度值(255)的二值化处理图像子区域521，由于二值化处理中，人脸上的眉毛、衣服或其他部分的灰度值和头发的灰度值相近，使得二值化处理图像子区域521出来包括与训练图像500中头发所在的第一区域对应的区域以外，还包括眉毛、衣服或其他灰度值和头发的灰度值相应的部分所在的区域对应的区域。
89.由于二值化处理图像520中的二值化处理图像子区域521和分割图像510中分割图像子区域511均包括与训练图像500中头发所在的第一区域对应的区域，训练图像500中二值化处理图像子区域521和分割图像子区域511均存在对应区域的区域即为头发所在的区域，而对于其他区域可以针对性的进行抠图处理，减少训练图像500中需要进行抠图的区域，提高获得训练图像500的抠图图像的效率。
90.同时，根据本公开的方法，通过对训练图像的分割图像中的模糊区域进行抠图处理获得训练图像的抠图图像，提升抠图效率的同时，使获得的抠图图像准确。
91.在一些实施例中，将分割图像子区域511中的重合区域以外的区域作为与三分图中的待进行抠图的第二灰度值区域对应的区域，其中，重合区域为二值化处理图像子区域521和分割图像子区域511中均存在区域。
92.在一些实施例中，如图6所示、基于所述分割图像和所述二值化处理图像，获得三分图包括：
93.步骤s610：对所述分割图像进行膨胀处理，以获得膨胀图像，其中，所述膨胀图像中的具有所述第一灰度值的膨胀图像子区域大于与所述分割图像子区域对应的区域；以及
94.步骤s620：基于所述膨胀图像和所述二值化处理图像，获得所述三分图，所述第二灰度值区域至少包括与所述训练图像中的包括所述第二区域的第三区域对应的区域，所述膨胀图像子区域包括与所述第三区域对应的区域，而所述二值化处理图像子区域不包括与所述第三区域对应的区域。
95.通过对分割图像进行膨胀处理，扩大分割图像中分割图像子区域的边界，获得较
分割图像子区域较大的膨胀图像子区域，使基于其获得的三分图中待进行抠图的第二灰度值区域的区域面积增加，保证三分图中待进行抠图的第二灰度值区域足够覆盖模糊区域，而保证获得的第一抠图图像的准确度。
96.根据一些示例，对图5b中的分割图像510进行膨胀处理后获得的如图5d所示的膨胀图像530，其中，膨胀图像530中具有第一灰度值(255)的膨胀图像子区域531较分割图像510中的分割图像子区域511大。
97.在一些实施例中，将膨胀图像子区域531中的重合区域以外的区域作为与三分图中的待进行抠图的第二灰度值区域对应的区域，其中，重合区域为二值化处理图像子区域521和膨胀图像子区域531中均存在区域。
98.在一些实施例中，如图7所示、基于所述膨胀图像和所述二值化处理图像，获得所述三分图包括：
99.步骤s710：基于所述分割图像和所述二值化处理图像，获得二值化的交集图像，其中，所述交集图像中的具有所述第一灰度值的交集图像子区域对应于所述训练图像中的第四区域，所述分割图像子区域和所述交集图像子区域均包括与所述第四区域对应的区域；以及
100.步骤s720：基于所述交集图像和所述膨胀图像，获得所述三分图，所述三分图中的具有所述第一灰度值的第一灰度值区域不大于与所述第四区域。
101.通过获得分割图像和二值化图像的交集图像，并基于交集图像获得三分图中不需要进行抠图的第一灰度值区域，使第一灰度值区域小于交集图像中分割图像子区域和交集图像子区域均包括与之对应的区域的交集图像子区域，减少第一灰度值区域的面积，进一步扩大三分图中待进行抠图的第二灰度值区域的面积，进一步保证三分图中待进行抠图的第二灰度值区域足够覆盖模糊区域，而保证获得的第一抠图图像的准确度。
102.在一些实施例中，如图8所示，基于所述交集图像和所述膨胀图像，获得所述三分图包括：
103.步骤s810：对所述交集图像进行腐蚀处理，以获得腐蚀图像，其中，所述腐蚀图像中的具有所述第一灰度值的腐蚀图像子区域小于与所述第四区域对应的区域；以及
104.步骤s820：基于所述腐蚀图像和所述膨胀图像，生成所述三分图，其中，所述第一灰度值区域与所述腐蚀图像子区域对应，所述第二灰度值区域与所述膨胀图像子区域中的第一子区域对应，所述第一子区域区别于所述膨胀图像子区域中的与所述腐蚀图像子区域对应的第二子区域。
105.通过对交集图像进行腐蚀处理，去除交集图像中明显不对应于头发区域的噪点，避免噪点的影响，提升获得的三份图的准确度。
106.根据一些示例，对基于图5b中的分割图像510与图5c中的二值化处理图像获得的交集图像进行腐蚀处理后获得的如图5e所示的腐蚀图像540，其中，腐蚀图像540中的腐蚀图像子区域541小于与分割图像510和二值化处理图像520中均存在的第四区域对应的区域。
107.根据一些示例根据腐蚀图像540和膨胀图像530获得如图5f所示的三分图550。其中，三分图550中第一灰度值区域551与腐蚀图像540中的腐蚀图像子区域541对应，三分图550中第二灰度值区域552与膨胀图像子区域531中的第一子区域对应，第一子区域区别于
膨胀图像子区域531中的与腐蚀图像子区域541对应的第二子区域。
108.在一些实施例中，采用深度图像抠图(deep image matting)技术，对三分图的第二灰度值区域进行抠图。
109.在一个示例中，基于三分图550进行抠图，获得如图5g所示的抠图图像560。
110.在一些实施例中，如图9所示，基于所述训练图像和所述抠图图像，训练所述图像生成模型包括：
111.步骤s910：利用所述图像生成模型，基于所述训练图像，获得与所述训练图像对应的第一生成图像；
112.步骤s920：将所述第一生成图像和所述抠图图像输入至判别器网络，以获得判别结果以及
113.步骤s930：基于所述判别结果，调整所述图像生成模型的参数。
114.其中，在步骤s920中，所述判别结果指示所述第一生成图像和抠图图像的相似度。
115.通过判别器网络的条件约束，使图像生成模型生成的图像与训练图像对应的抠图图像一致，使图像生成模型的训练结果更加准确。
116.在一些示例中，通过迭代进行上述采用训练图像和与训练图像的抠图图像训练图像生成模型的过程，最终获得准确性高的图像生成模型。
117.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
118.根据本公开的另一方面，还提供一种图像生成装置，如图10所示，装置1000包括：第一获取单元1010，被配置用于获得包含目标对象的第一图像；以及生成单元1020，被配置用于基于所述第一图像，生成与所述第一图像对应的二值化的掩码图像，其中，所述掩码图像与针对所述目标对象对所述第一图像进行抠图而获得的二值化的抠图图像对应，并且其中，所述掩码图像中的具有两个灰度值中的第一灰度值的区域与所述抠图图像中的具有所述第一灰度值的区域相应并且与所述目标对象在所述第一图像中对应的区域相应。
119.在一些实施例中，所述生成单元1020包括：模型处理单元，被配置用于利用与所述目标对象对应的图像生成模型，基于所述第一图像获得所述掩码图像，所述图像生成模型是采用包含所述目标对象的第二图像和与所述第二图像对应的二值化的抠图图像进行训练而获得的，所述第二图像对应的抠图图像是针对所述目标对象对所述第二图像进行抠图而获得的，所述第二图像对应的抠图图像中具有所述第一灰度值的区域与所述目标对象在所述第二图像中的区域相应。
120.在一些实施例中，所述目标对象包括下列各项中的至少一项：人的头发或者毛发、动物的毛发和毛织品。
121.根据本公开的另一方面，还提供一种用于训练图像生成模型的装置，如图11所示，装置1100包括：训练图像获取单元1110，被配置用于获得包含目标对象的训练图像和与所述训练图像对应的抠图图像，其中，所述抠图图像是针对所述目标对象对所述训练图像进行抠图而获得的二值化图像，所述抠图图像中的具有两个灰度值中的第一灰度值的区域与所述目标对象在所述训练图像中对应的第一区域相应；以及训练单元1120，被配置用于基于所述训练图像和所述抠图图像，训练所述图像生成模型，以使所述图像生成模型基于输入图像输出与所述输入图像的抠图图像对应的生成图像。
122.在一些实施例中，所述训练图像获取单元1110包括：图像分割单元，被配置用于对所述训练图像进行分割处理，以获得二值化的分割图像，所述分割图像中的具有所述第一灰度值的分割图像子区域至少包括与所述第一区域对应的区域；二值化处理单元，被配置用于基于在所述训练图像中所述目标对象对应的灰度值，对所述训练图像进行二值化处理，以获得二值化处理图像，所述二值化处理图像中的具有所述第一灰度值的的二值化处理图像子区域至少包括与所述第一区域对应的区域；三分图处理单元，被配置用于基于所述分割图像和所述二值化处理图像，获得三分图，所述三分图中的具有与三个灰度值中的区别于所述两个灰度值的第二灰度值的第二灰度值区域至少包括与所述训练图像中的第二区域对应的区域，所述三个灰度值包括所述两个灰度值，所述分割图像子区域包括与所述第二区域对应的区域，而所述二值化处理图像子区域不包括与所述第二区域对应的区域；以及抠图单元，被配置用于基于所述三分图中的对应于所述第二灰度值的区域，对所述训练图像进行抠图处理，以获得所述抠图图像。
123.在一些实施例中，所述三分图处理单元包括：膨胀处理单元，被配置用于对所述分割图像进行膨胀处理，以获得膨胀图像，所述膨胀图像中的具有所述第一灰度值的膨胀图像子区域大于与所述分割图像子区域对应的区域；以及第一处理单元，被配置用于基于所述膨胀图像和所述二值化处理图像，获得所述三分图，所述第二灰度值区域至少包括与所述训练图像中的包括所述第二区域的第三区域对应的区域，所述膨胀图像子区域包括与所述第三区域对应的区域，而所述二值化处理图像子区域不包括与所述第三区域对应的区域。
124.在一些实施例中，所述第一处理包括：交集图像获取单元，被配置用于基于所述分割图像和所述二值化处理图像，获得二值化的交集图像，所述交集图像中的具有所述第一灰度值的交集图像子区域对应于所述训练图像中的第四区域，所述分割图像子区域和所述交集图像子区域均包括与所述第四区域对应的区域；以及第二处理单元，被配置用于基于所述交集图像和所述膨胀图像，获得所述三分图，所述三分图中的具有所述第一灰度值的第一灰度值区域不大于与所述第四区域。
125.在一些实施例中，所述第二处理单元包括：腐蚀处理单元，被配置用于对所述交集图像进行腐蚀处理，以获得腐蚀图像，所述腐蚀图像中的具有所述第一灰度值的腐蚀图像子区域小于与所述第四区域对应的区域；三分图生成单元，被配置用于基于所述腐蚀图像和所述膨胀图像，生成所述三分图，所述第一灰度值区域与所述腐蚀图像子区域对应，所述第二灰度值区域与所述膨胀图像子区域中的第一子区域对应，所述第一子区域区别于所述膨胀图像子区域中的与所述腐蚀图像子区域对应的第二子区域。
126.在一些实施例中，所述训练单元包括：生成图像获取单元，被配置用于利用所述图像生成模型，基于所述训练图像，获得与所述训练图像对应的第一生成图像；判别单元，被配置用于将所述第一生成图像和所述抠图图像输入至判别器网络，以获得判别结果，所述判别结果指示所述第一生成图像和抠图图像的相似度；以及调整单元，被配置用于基于所述判别结果，调整所述图像生成模型的参数。
127.根据本公开的另一方面，还提供一种电子设备，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计算机程序，所述计算机程序在被所述至少一个处理器执行时实现根据上述的方法。
128.根据本公开的另一方面，还提供一种存储有计算机程序的非瞬时计算机可读存储介质，其中，所述计算机程序在被处理器执行时实现根据上述的方法。
129.根据本公开的另一方面，还提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据上述的方法。
130.参考图12，现将描述可以作为本公开的服务器或客户端的电子设备1200的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
131.如图12所示，电子设备1200包括计算单元1201，其可以根据存储在只读存储器(rom)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(ram)1203中的计算机程序，来执行各种适当的动作和处理。在ram 1203中，还可存储电子设备1200操作所需的各种程序和数据。计算单元1201、rom 1202以及ram 1203通过总线1204彼此相连。输入/输出(i/o)接口1205也连接至总线1204。
132.电子设备1200中的多个部件连接至i/o接口1205，包括：输入单元1206、输出单元1207、存储单元1208以及通信单元1209。输入单元1206可以是能向电子设备1200输入信息的任何类型的设备，输入单元1206可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1207可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、对象/音频输出终端、振动器和/或打印机。存储单元1208可以包括但不限于磁盘、光盘。通信单元1209允许电子设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙
tm
设备、802.11设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。
133.计算单元1201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1201的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元1201执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1208。在一些实施例中，计算机程序的部分或者全部可以经由rom 1202和/或通信单元1209而被载入和/或安装到电子设备1200上。当计算机程序加载到ram 1203并由计算单元1201执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元1201可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。
134.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实
现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
135.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
136.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系统、装置或设备使用或与指令执行系统、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、或半导体系统、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。
137.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
138.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
139.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
140.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
141.虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和
设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。