![图像处理方法、图像处理装置、服务器及存储介质与流程](http://img.xjishu.com/img/zl/2022/3/11/5yswesrkb.jpg)
1.本发明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、图像处理装置、服务器以及存储介质。
背景技术:2.21世纪是一个充满信息的时代,图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。图像处理(image processing),用计算机对图像进行分析,以达到所需结果的技术。图像处理技术可以帮助人们更客观、准确地认识世界,对人类生活大有裨益。
技术实现要素:3.本发明实施例提供一种图像处理方法、图像处理装置、服务器以及存储介质。
4.本公开实施例第一方面提供的图像处理方法,包括:
5.捕捉图像中待处理物的局部特征边缘的多个特征点;
6.根据所述局部特征与所述待处理物的全局特征间的属性关系,确定图像捕捉图形;
7.基于所述图像捕捉图形,在所述多个特征点中确定出关键点;
8.根据所述关键点,确定出进行图像处理的目标区域。
9.在一个实施例中,所述确定出进行图像处理的目标区域,至少包括:
10.确定出的所述目标区域,完全覆盖所述图像中的所述待处理物。
11.在一个实施例中,所述局部特征与全局特征间的属性关系,至少包括以下之一:
12.所述局部特征与全局特征间的区域位置关系;
13.所述局部特征与全局特征间的区域面积比例关系。
14.在一个实施例中,所述在所述多个特征点中确定出关键点,包括:
15.在所述多个特征点中确定出满足预设位置的关键点,以及所述满足预设位置关键点的数量。
16.在一个实施例中,所述图像捕捉图形,至少包括以下之一:
17.椭圆形图形、多边形图形、圆形图形、三角形图形。
18.在一个实施例中,所述方法还包括:
19.确定所述图像中所述待处理物为人的头部、所述局部特征为脸部特征、所述全局特征为头部所有特征时,确定所述图像捕捉图形为椭圆形图形。
20.在一个实施例中,所述方法还包括:
21.确定所述图像中所述待处理物为人的头部、所述局部特征为脸部特征、所述全局特征为头部所有特征时,所述在所述多个特征点中确定出关键点,至少包括:
22.确定出位于眉心位置的特征点为第一关键点;
23.确定出位于太阳穴位置的特征点为第二关键点;
24.确定出位于下巴底部位置的特征点为第三关键点。
25.在一个实施例中,所述根据所述关键点,确定出进行图像处理的目标区域,至少包括:
26.确定所述第一关键点为所述椭圆形图像捕捉图形的原点;
27.确定所述第三关键点与所述第一关键点的距离为所述椭圆形图像捕捉图形的长半轴长度;
28.确定所述第二关键点与所述第一关键点的最长距离为所述椭圆形图像捕捉图形的短半轴长度;
29.基于所述原点、所述长半轴、所述短半轴,确定出进行图像处理的所述目标区域。
30.在一个实施例中,所述基于所述原点、所述长半轴、所述短半轴,确定出进行图像处理的所述目标区域,至少包括:
31.基于所述原点、所述长半轴、所述短半轴,确定出第一目标区域;
32.基于所述第一目标区域,沿椭圆对称轴,对称得到第二目标区域;
33.合并所述第一目标区域和所述第二目标区域,得到所述目标区域。
34.本公开实施例第二方面一种图像处理装置,包括:
35.第一处理单元,用于捕捉图像中待处理物的局部特征边缘的多个特征点;
36.第二处理单元,用于根据所述局部特征与所述待处理物的全局特征间的属性关系,确定图像捕捉图形;
37.第三处理单元,用于基于所述图像捕捉图形,在所述多个特征点中确定出关键点;
38.第四处理单元,用于根据所述关键点,确定出进行图像处理的目标区域。
39.在一个实施例中,所述第四处理单元确定出的所述目标区域,完全覆盖所述图像中的所述待处理物。
40.在一个实施例中,所述局部特征与全局特征间的属性关系,至少包括以下之一:
41.所述局部特征与全局特征间的区域位置关系;
42.所述局部特征与全局特征间的区域面积比例关系。
43.在一个实施例中,所述第三处理单元,具体用于
44.在所述多个特征点中确定出满足预设位置的关键点,以及所述满足预设位置关键点的数量。
45.在一个实施例中,所述图像捕捉图形,至少包括以下之一:
46.椭圆形图形、多边形图形、圆形图形、三角形图形。
47.在一个实施例中,所述第二处理单元,具体还用于
48.确定所述图像中所述待处理物为人的头部、所述局部特征为脸部特征、所述全局特征为头部所有特征时,确定所述图像捕捉图形为椭圆形图形。
49.在一个实施例中,所述第三处理单元,具体还用于
50.确定所述图像中所述待处理物为人的头部、所述局部特征为脸部特征、所述全局特征为头部所有特征时,
51.确定出位于眉心位置的特征点为第一关键点;
52.确定出位于太阳穴位置的特征点为第二关键点;
53.确定出位于下巴底部位置的特征点为第三关键点。
54.在一个实施例中,所述第四处理单元,具体用于
55.确定所述第一关键点为所述椭圆形图像捕捉图形的原点;
56.确定所述第三关键点与所述第一关键点的距离为所述椭圆形图像捕捉图形的长半轴长度;
57.确定所述第二关键点与所述第一关键点的最长距离为所述椭圆形图像捕捉图形的短半轴长度;
58.基于所述原点、所述长半轴、所述短半轴,确定出进行图像处理的所述目标区域。
59.在一个实施例中,所述第四处理单元,具体还用于
60.基于所述原点、所述长半轴、所述短半轴,确定出第一目标区域;
61.基于所述第一目标区域,沿椭圆对称轴,对称得到第二目标区域;
62.合并所述第一目标区域和所述第二目标区域,得到所述目标区域。
63.本公开实施例第三方面提供一种终端,包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器,其中,所述处理器用于运行所述计算机程序时,执行上述第一方面所述方法的步骤。
64.本公开实施例第四方面提供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上述第一方面所述方法的步骤。
65.本公开实施例的图像处理方法通过捕捉图像中待处理物的局部特征边缘的多个特征点;根据所述局部特征与所述待处理物的全局特征间的属性关系,确定图像捕捉图形;基于所述图像捕捉图形,在所述多个特征点中确定出关键点;根据所述关键点,确定出进行图像处理的目标区域。本技术中通过图像处理方法进行图像处理时,根据待处理物的局部特征与全局特征的属性关系,确定出用于确定目标区域的图像捕捉图形,具体根据需要的图像捕捉图形确定出关键点,根据关键点进行图像处理的目标区域确定。由于待处理物的局部特征与全局特征的属性关系可通过局部特征的边缘与全局特征的边缘来确定,且关键点从边缘特征点中选取,从而能够实现根据关键点确定出的目标区域能够完全覆盖图像中的待处理物且尽可能少的覆盖图像中待处理物以外的区域,进而实现对图像中待处理的图像处理。
附图说明
66.图1是根据一示例性实施例示出的图像处理方法流程图;
67.图2是根据一示例性实施例示出的特征点捕捉示意图;
68.图3是根据一示例性实施例示出的在图像中进行关键点确定示意图;
69.图4是根据一示例性实施例示出的与人脸匹配的椭圆形图形确定示意图;
70.图5是根据一示例性实施例示出的基于图像处理方法进行图像中人脸美颜处理示意图;
71.图6是根据一示例性实施例示出的一种图像美颜方法流程图;
72.图7是根据一示例性实施例示出的图像处理装置结构示意图;
73.图8是根据一示例性实施例示出的终端结构示意图。
具体实施方式
74.以下结合说明书附图及具体实施例对本发明的技术方案做进一步的详细阐述。
75.图1是根据一示例性实施例示出的图像处理方法流程图。如图1所示,该基于协议接口的测试方法包括:
76.步骤s100、捕捉图像中待处理物的局部特征边缘的多个特征点;
77.步骤s110、根据所述局部特征与所述待处理物的全局特征间的属性关系,确定图像捕捉图形;
78.步骤s120、基于所述图像捕捉图形,在所述多个特征点中确定出关键点;
79.步骤s130、根据所述关键点,确定出进行图像处理的目标区域。
80.在示例性实施例中,图像处理方法可应用于拍摄到的一张图片、也可以应用于在线拍摄的帧图像。进行图像处理的待处理物可以是图像中确定的人物也可以是图像中确定的景物以及其他物体。图像处理可以包括:图像美颜、图像亮度调整、像素颜色调整等任一种处理方式。
81.在示例性实施例中,图2是根据一示例性实施例示出的特征点捕捉示意图。如图2所示,可对待处理物的局部特征边缘进行捕捉特征点,图2所示0~100均为特征点。
82.在示例性实施例中,局部特征与所述待处理物的全局特征间的属性关系,可以是通过局部特征边缘与全局特征边缘形成的局部特征与全局特征间的相对关系。例如,区域位置相对关系,区域面积相对关系等。
83.在示例性实施例中,所述捕捉图像中待处理物的局部特征边缘的多个特征点,包括:
84.将待处理图像输入特征追踪引擎,通过追踪引擎来捕捉图像中待处理物的局部特征边缘的多个特征点。
85.在示例性实施例中,根据所述局部特征与所述待处理物的全局特征间的属性关系,确定图像捕捉图形。所述图像捕捉图形用于确定对待处理物进行图像处理的目标区域。
86.在示例性实施例中,所述局部特征与全局特征间的属性关系,至少包括以下之一:
87.所述局部特征与全局特征间的区域位置关系;
88.所述局部特征与全局特征间的区域面积比例关系。
89.根据局部特征与全局特征间的区域位置关系,和/或区域面积比例关系,确定出图像捕捉图形。
90.例如,根据局部特征与全局特征间的区域位置关系,和/或区域面积比例关系确定出局部特征所在区域与全局特征所在区域为:
91.全局特征区域为一矩形区域,局部特征区域为与全局特征区域中一边长相同长度的子矩形区域时,可确定图像捕捉图形为矩形图形;
92.全局特征区域为一椭圆区域,局部特征区域为与全局特征区域中的半椭圆区域时,可确定图像捕捉图形为椭圆图形;
93.全局特征区域为一三角区域,局部特征区域为与全局特征区域中两个三角边重合的子三角区域时,可确定图像捕捉图形为三角图形。如此,可通过局部特征与所述待处理物的全局特征间的属性关系确定出易于覆盖全局特征区域的图像捕捉图形。
94.本公开实施例的图像处理方法通过图像处理方法进行图像处理时,可通过局部特
征与所述待处理物的全局特征间的属性关系确定出易于覆盖全局特征区域的图像捕捉图形,根据需要的图像捕捉图形确定出关键点,根据关键点能够确定出准确的进行图像处理的目标区域。由于待处理物的局部特征与全局特征的属性关系可通过局部特征的边缘与全局特征的边缘来确定,且关键点从边缘特征点中选取,从而能够实现根据关键点确定出的目标区域能够完全覆盖图像中的待处理物且尽可能少的覆盖图像中待处理物以外的区域,进而实现对图像中待处理的图像处理。
95.在一个实施例中,所述确定出进行图像处理的目标区域,至少包括:
96.确定出的所述目标区域,完全覆盖所述图像中的所述待处理物。
97.在示例性实施例中,在通过局部特征与所述待处理物的全局特征间的属性关系确定出易于覆盖全局特征区域的图像捕捉图形后,可通过关键点确定出准确完整的图像捕捉图形。通过关键点确定出的该图像捕捉图形捕捉的目标区域能够完全覆盖图像中的待处理物。
98.在一个实施例中,所述在所述多个特征点中确定出关键点,包括:
99.在所述多个特征点中确定出满足预设位置的关键点,以及所述满足预设位置关键点的数量。
100.在示例性实施例中,特征点为局部特征边缘捕捉到的像素点,这些特征点能够构建出多个局部特征的轮廓。在多个特征点中确定出满足预设位置的关键点,根据满足预设位置的关键点确定出能够完全覆盖图像中的待处理物的目标区域。该目标区域的确定可以是根据关键点构建的具体的图像捕捉图形来完成。
101.在一个实施例中,所述图像捕捉图形,至少包括以下之一:
102.椭圆形图形、多边形图形、圆形图形、三角形图形。
103.在示例性实施例中,根据局部特征与所述待处理物的全局特征间的属性关系的不同,可确定出不同的图像捕捉图形。
104.其中,所述局部特征与全局特征间的属性关系,至少包括以下之一:
105.所述局部特征与全局特征间的区域位置关系;
106.所述局部特征与全局特征间的区域面积比例关系。
107.根据局部特征与全局特征间的区域位置关系,和/或区域面积比例关系确定出局部特征所在区域与全局特征所在区域为:
108.全局特征区域为一矩形区域,局部特征区域为与全局特征区域中一边长相同长度的子矩形区域时,可确定图像捕捉图形为矩形图形;
109.全局特征区域为一椭圆区域,局部特征区域为与全局特征区域中的半椭圆区域时,可确定图像捕捉图形为椭圆图形;
110.全局特征区域为一三角区域,局部特征区域为与全局特征区域中两个三角边重合的子三角区域时,可确定图像捕捉图形为三角图形。如此,可通过局部特征与所述待处理物的全局特征间的属性关系确定出易于覆盖全局特征区域的图像捕捉图形。
111.在一个实施例中,所述方法还包括:
112.确定所述图像中所述待处理物为人的头部、所述局部特征为脸部特征、所述全局特征为头部所有特征时,确定所述图像捕捉图形为椭圆形图形。
113.在示例性实施例中,图像处理方法可应用于人脸图像处理。确定待处理物为人的
头部、头部所有特征为全局特征、脸部特征为局部特征。由于大部分人脸为半椭圆形,且人脸部分相对于额头部分较长,因此,在对半椭圆形人脸的头部图像进行图像处理时,可确定图像捕捉图形为椭圆形图形。
114.除此之外,当图像中人脸为方形脸时,也可以确定图像捕捉图形为矩形图形。
115.在根据图像捕捉图形确定关键点时,不同的图形对应确定的关键点会不同。例如图像捕捉图形为椭圆形图形时,关键点需要确定为对应构建椭圆图形需要的原点、长轴端点、短轴端点。当图像捕捉图形为矩形图形时,关键点需要确定为对应构建矩形图形需要的至少三个顶点。
116.在一个实施例中,所述方法还包括:
117.确定所述图像中所述待处理物为人的头部、所述局部特征为脸部特征、所述全局特征为头部所有特征时,所述在所述多个特征点中确定出关键点,至少包括:
118.确定出位于眉心位置的特征点为第一关键点;
119.确定出位于太阳穴位置的特征点为第二关键点;
120.确定出位于下巴底部位置的特征点为第三关键点。
121.在示例性实施例中,图3是根据一示例性实施例示出的在图像中进行关键点确定示意图。如图3所示,当图像中人脸为半椭圆形人脸时,根据人脸轮廓与椭圆的匹配度,可将确定出位于眉心位置的特征点为第一关键点p3;
122.确定出位于太阳穴位置的特征点为第二关键点p1或p2;
123.确定出位于下巴底部位置的特征点为第三关键点p0。
124.在示例性实施例中,图4是根据一示例性实施例示出的与人脸匹配的椭圆形图形确定示意图。如图4所示,所述根据所述关键点,确定出进行图像处理的目标区域,至少包括:
125.确定所述第一关键点p3为所述椭圆形图像捕捉图形的原点;
126.确定所述第三关键点p0与所述第一关键点的距离为所述椭圆形图像捕捉图形的长半轴长度;
127.确定所述第二关键点p1(p2)与所述第一关键点p3的最长距离为所述椭圆形图像捕捉图形的短半轴长度;
128.基于所述原点、所述长半轴、所述短半轴,确定出进行图像处理的所述目标区域。
129.在示例性实施例中,通过第一关键点、第二关键点、第三关键点来确定出整个椭圆形图形作为进行图像处理的目标区域。
130.在示例性实施例中,为了保证以整个椭圆形图形作为目标区域进行图像处理时,能够使目标区域完全覆盖人体头部。在确定第一关键点和第二关键点时,可在捕捉到的特征点中将距离人脸中心轴线距离最远的点作为第一关键点或第二关键点,以第一关键点与第三关键点间距和第二关键点与第三关键点间距中最远距离作为构建椭圆的长半轴长度。图5是根据一示例性实施例示出的基于图像处理方法进行图像中人脸美颜处理示意图。如图5所示,原始图像中人脸中会有黑斑,传统方法进行全图像美颜处理,会造成人脸背景全部被美颜处理,很容易形成人脸与背景的不和谐。通过本技术图像处理方法,可确定头部区域为目标区域,从而仅对人头部区域进行美颜,不对背景做处理,使得图像和谐美观。
131.在一个实施例中,所述基于所述原点、所述长半轴、所述短半轴,确定出进行图像
处理的所述目标区域,至少包括:
132.基于所述原点、所述长半轴、所述短半轴,确定出第一目标区域;
133.基于所述第一目标区域,沿椭圆对称轴,对称得到第二目标区域;
134.合并所述第一目标区域和所述第二目标区域,得到所述目标区域。
135.在示例性实施例中,在具体确定椭圆形图形目标区域时,可先通过确定的原点、长半轴、短半轴确定出对应于人脸部分的半个椭圆区域,作为第一目标区域;然后通过第一目标区域以椭圆对称轴,对称得到覆盖人头部的第二目标区域;最后通过合并第一目标区域和第二目标区域得到整个椭圆形图形目标区域。
136.图6是根据一示例性实施例示出的一种图像美颜方法流程图。如图6所示,图像美颜方法包括:
137.步骤210、获取用户人脸图像;
138.步骤211、输入图像至人脸追踪引擎,进行特征点捕捉;
139.步骤212、在特征点中确定出人脸关键点;
140.步骤213、根据关键点,确定出人脸下半部分目标区域;
141.步骤214、根据关键点,确定出人脸上半部分目标区域;
142.步骤215、对确定出的人脸目标区域进行美颜处理。
143.本公开实施例还提供一种图像处理装置。图7是根据一示例性实施例示出的图像处理装置结构示意图。如图7所示,包括:
144.第一处理单元71,用于捕捉图像中待处理物的局部特征边缘的多个特征点;
145.第二处理单元72,用于根据所述局部特征与所述待处理物的全局特征间的属性关系,确定图像捕捉图形;
146.第三处理单元73,用于基于所述图像捕捉图形,在所述多个特征点中确定出关键点;
147.第四处理单元74,用于根据所述关键点,确定出进行图像处理的目标区域。
148.在示例性实施例中,图像处理装置可应用于拍摄到的一张图片、也可以应用于在线拍摄的帧图像。进行图像处理的待处理物可以是图像中确定的人物也可以是图像中确定的景物以及其他物体。图像处理可以包括:图像美颜、图像亮度调整、像素颜色调整等。
149.在示例性实施例中,局部特征与所述待处理物的全局特征间的属性关系,可以是通过局部特征边缘与全局特征边缘形成的局部特征与全局特征间的相对关系。例如,区域位置相对关系,区域面积相对关系等。
150.在示例性实施例中,所述捕捉图像中待处理物的局部特征边缘的多个特征点,包括:
151.将待处理图像输入特征追踪引擎,通过追踪引擎来捕捉图像中待处理物的局部特征边缘的多个特征点。
152.在示例性实施例中,根据所述局部特征与所述待处理物的全局特征间的属性关系,确定图像捕捉图形。所述图像捕捉图形用于确定对待处理物进行图像处理的目标区域。
153.在示例性实施例中,所述局部特征与全局特征间的属性关系,至少包括以下之一:
154.所述局部特征与全局特征间的区域位置关系;
155.所述局部特征与全局特征间的区域面积比例关系。
156.根据局部特征与全局特征间的区域位置关系,和/或区域面积比例关系,确定出图像捕捉图形。
157.例如,根据局部特征与全局特征间的区域位置关系,和/或区域面积比例关系确定出局部特征所在区域与全局特征所在区域为:
158.全局特征区域为一矩形区域,局部特征区域为与全局特征区域中一边长相同长度的子矩形区域时,可确定图像捕捉图形为矩形图形;
159.全局特征区域为一椭圆区域,局部特征区域为与全局特征区域中的半椭圆区域时,可确定图像捕捉图形为椭圆图形;
160.全局特征区域为一三角区域,局部特征区域为与全局特征区域中两个三角边重合的子三角区域时,可确定图像捕捉图形为三角图形。如此,可通过局部特征与所述待处理物的全局特征间的属性关系确定出易于覆盖全局特征区域的图像捕捉图形。
161.本公开实施例的图像处理装置通过图像处理装置进行图像处理时,可通过局部特征与所述待处理物的全局特征间的属性关系确定出易于覆盖全局特征区域的图像捕捉图形,根据需要的图像捕捉图形确定出关键点,根据关键点能够确定出准确的进行图像处理的目标区域。由于待处理物的局部特征与全局特征的属性关系可通过局部特征的边缘与全局特征的边缘来确定,从而能够实现根据关键点确定出的目标区域能够完全覆盖图像中的待处理物且尽可能少的覆盖图像中待处理物以外的区域,进而实现对图像中待处理的图像处理。
162.在一个实施例中,所述第四处理单元确定出的所述目标区域,完全覆盖所述图像中的所述待处理物。
163.在示例性实施例中,在通过局部特征与所述待处理物的全局特征间的属性关系确定出易于覆盖全局特征区域的图像捕捉图形后,可通过关键点确定出准确完整的图像捕捉图形。通过关键点确定出的该图像捕捉图形捕捉的目标区域能够完全覆盖图像中的待处理物。
164.在一个实施例中,所述第三处理单元,具体用于
165.在所述多个特征点中确定出满足预设位置的关键点,以及所述满足预设位置关键点的数量。
166.在示例性实施例中,在通过局部特征与所述待处理物的全局特征间的属性关系确定出易于覆盖全局特征区域的图像捕捉图形后,可通过关键点确定出准确完整的图像捕捉图形。通过关键点确定出的该图像捕捉图形捕捉的目标区域能够完全覆盖图像中的待处理物。
167.在一个实施例中,所述图像捕捉图形,至少包括以下之一:
168.椭圆形图形、多边形图形、圆形图形、三角形图形。
169.在示例性实施例中,根据局部特征与所述待处理物的全局特征间的属性关系的不同,可确定出不同的图像捕捉图形。
170.其中,所述局部特征与全局特征间的属性关系,至少包括以下之一:
171.所述局部特征与全局特征间的区域位置关系;
172.所述局部特征与全局特征间的区域面积比例关系。
173.根据局部特征与全局特征间的区域位置关系,和/或区域面积比例关系确定出局
部特征所在区域与全局特征所在区域为:
174.全局特征区域为一矩形区域,局部特征区域为与全局特征区域中一边长相同长度的子矩形区域时,可确定图像捕捉图形为矩形图形;
175.全局特征区域为一椭圆区域,局部特征区域为与全局特征区域中的半椭圆区域时,可确定图像捕捉图形为椭圆图形;
176.全局特征区域为一三角区域,局部特征区域为与全局特征区域中两个三角边重合的子三角区域时,可确定图像捕捉图形为三角图形。如此,可通过局部特征与所述待处理物的全局特征间的属性关系确定出易于覆盖全局特征区域的图像捕捉图形。
177.在一个实施例中,所述第二处理单元,具体还用于
178.确定所述图像中所述待处理物为人的头部、所述局部特征为脸部特征、所述全局特征为头部所有特征时,确定所述图像捕捉图形为椭圆形图形。
179.在示例性实施例中,图像处理方法可应用于人脸图像处理。确定待处理物为人的头部、头部所有特征为全局特征、脸部特征为局部特征。由于大部分人脸为半椭圆形,且人脸部分相对于额头部分较长,因此,在对半椭圆形人脸的头部图像进行图像处理时,可确定图像捕捉图形为椭圆形图形。
180.除此之外,当图像中人脸为方形脸时,也可以确定图像捕捉图形为矩形图形。
181.在根据图像捕捉图形确定关键点时,不同的图形对应确定的关键点会不同。例如图像捕捉图形为椭圆形图形时,关键点需要确定为对应构建椭圆图形需要的原点、长轴端点、短轴端点。当图像捕捉图形为矩形图形时,关键点需要确定为对应构建矩形图形需要的至少三个顶点。
182.在一个实施例中,所述第三处理单元,具体还用于
183.确定所述图像中所述待处理物为人的头部、所述局部特征为脸部特征、所述全局特征为头部所有特征时,
184.确定出位于眉心位置的特征点为第一关键点;
185.确定出位于太阳穴位置的特征点为第二关键点;
186.确定出位于下巴底部位置的特征点为第三关键点。
187.在示例性实施例中,当图像中人脸为半椭圆形人脸时,根据人脸轮廓与椭圆的匹配度,可将确定出位于眉心位置的特征点为第一关键点;
188.确定出位于太阳穴位置的特征点为第二关键点;
189.确定出位于下巴底部位置的特征点为第三关键点。
190.在示例性实施例中,所述根据所述关键点,确定出进行图像处理的目标区域,至少包括:
191.确定所述第一关键点为所述椭圆形图像捕捉图形的原点;
192.确定所述第三关键点与所述第一关键点的距离为所述椭圆形图像捕捉图形的长半轴长度;
193.确定所述第二关键点与所述第一关键点的最长距离为所述椭圆形图像捕捉图形的短半轴长度;
194.基于所述原点、所述长半轴、所述短半轴,确定出进行图像处理的所述目标区域。
195.在示例性实施例中,通过第一关键点、第二关键点、第三关键点来确定出整个椭圆
形图形作为进行图像处理的目标区域。
196.在示例性实施例中,为了保证以整个椭圆形图形作为目标区域进行图像处理时,能够使目标区域完全覆盖人体头部。在确定第一关键点和第二关键点时,可在捕捉到的特征点中将距离人脸中心轴线距离最远的点作为第一关键点或第二关键点,以第一关键点与第三关键点间距和第二关键点与第三关键点间距中最远距离作为构建椭圆的长半轴长度。
197.在一个实施例中,所述第四处理单元,具体用于
198.确定所述第一关键点为所述椭圆形图像捕捉图形的原点;
199.确定所述第三关键点与所述第一关键点的距离为所述椭圆形图像捕捉图形的长半轴长度;
200.确定所述第二关键点与所述第一关键点的最长距离为所述椭圆形图像捕捉图形的短半轴长度;
201.基于所述原点、所述长半轴、所述短半轴,确定出进行图像处理的所述目标区域。
202.在示例性实施例中,通过第一关键点、第二关键点、第三关键点来确定出整个椭圆形图形作为进行图像处理的目标区域。
203.在示例性实施例中,为了保证以整个椭圆形图形作为目标区域进行图像处理时,能够使目标区域完全覆盖人体头部。在确定第一关键点和第二关键点时,可在捕捉到的特征点中将距离人脸中心轴线距离最远的点作为第一关键点或第二关键点,以第一关键点与第三关键点间距和第二关键点与第三关键点间距中最远距离作为构建椭圆的长半轴长度。
204.在一个实施例中,所述第四处理单元,具体还用于
205.基于所述原点、所述长半轴、所述短半轴,确定出第一目标区域;
206.基于所述第一目标区域,沿椭圆对称轴,对称得到第二目标区域;
207.合并所述第一目标区域和所述第二目标区域,得到所述目标区域。
208.在示例性实施例中,在具体确定椭圆形图形目标区域时,可先通过确定的原点、长半轴、短半轴确定出对应于人脸部分的半个椭圆区域,作为第一目标区域;然后通过第一目标区域以椭圆对称轴,对称得到覆盖人头部的第二目标区域;最后通过合并第一目标区域和第二目标区域得到整个椭圆形图形目标区域。
209.本技术还提供一种服务器。图8是根据一示例性实施例示出的服务器结构示意图。如图8所示,本技术实施例提供的服务器,包括:处理器530和用于存储能够在处理器上运行的计算机程序的存储器520,其中,所述处理器530用于运行所述计算机程序时,执行上述各实施例提供所述方法的步骤。
210.本技术还提供一种计算机可读存储介质。本技术实施例提供的计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各实施例提供所述方法的步骤。
211.在本技术所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
212.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
213.另外,在本发明各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
214.在一些情况下,上述任一两个技术特征不冲突的情况下,可以组合成新的方法技术方案。
215.在一些情况下,上述任一两个技术特征不冲突的情况下,可以组合成新的设备技术方案。
216.本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(read-only memory,rom)、随机存取存储器(random access memory,ram)、磁碟或者光盘等各种可以存储程序代码的介质。
217.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以所述权利要求的保护范围为准。