图像处理方法、装置、设备和存储介质与流程

1.本公开涉及计算机领域，具体涉及增强现实、计算机视觉、深度学习等人工智能领域，尤其涉及一种图像处理方法、装置、设备和存储介质。


背景技术：

2.增强现实(augmented reality，ar)技术是一种将虚拟信息与真实世界融合的技术，实现对真实世界的“增强”。ar技术可以应用在很多场景，比如，虚拟试鞋场景。
3.相关技术中，虚拟试鞋场景下，图像稳定性较差。


技术实现要素：

4.本公开提供了一种图像处理方法、装置、设备和存储介质。
5.根据本公开的一方面，提供了一种图像处理方法，包括：确定真实世界的多个图像中的待选择图像；基于所述多个图像的位姿信息，获得融合位姿信息；基于所述融合位姿信息对预设的虚拟信息进行变换处理，以获得变换后的虚拟信息；将所述变换后的虚拟信息，显示在所述待选择图像上。
6.根据本公开的另一方面，提供了一种图像处理装置，包括：确定模块，用于确定真实世界的多个图像中的待选择图像；融合模块，用于基于所述多个图像的位姿信息，获得融合位姿信息；变换模块，用于基于所述融合位姿信息对预设的虚拟信息进行变换处理，以获得变换后的虚拟信息；显示模块，用于将所述变换后的虚拟信息，显示在所述待选择图像上。
7.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能够执行如上述任一方面的任一项所述的方法。
8.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执行根据上述任一方面的任一项所述的方法。
9.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，所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。
10.根据本公开的技术方案，可以提高图像稳定性。
11.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
12.附图用于更好地理解本方案，不构成对本公开的限定。其中：
13.图1是根据本公开第一实施例的示意图；
14.图2是根据本公开第二实施例的示意图；
15.图3是根据本公开第三实施例的示意图；
16.图4是根据本公开第四实施例的示意图；
17.图5是根据本公开第五实施例的示意图；
18.图6是根据本公开第六实施例的示意图；
19.图7是根据本公开第七实施例的示意图；
20.图8是用来实现本公开实施例的图像处理方法中任一方法的电子设备的示意图。
具体实施方式
21.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和精神。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。
22.图1是根据本公开第一实施例的示意图，本实施例提供一种图像处理方法，该方法包括：
23.101、确定真实世界的多个图像中的待选择图像。
24.102、基于所述多个图像的位姿信息，获得融合位姿信息。
25.103、基于所述融合位姿信息对预设的虚拟信息进行变换处理，以获得变换后的虚拟信息。
26.104、将所述变换后的虚拟信息，显示在所述待选择图像上。
27.其中，用户使用的电子设备上可以安装应用(application，app)，电子设备上的app可以称为客户端。该app可以具有ar功能，比如为ar试鞋功能。
28.用户使用的电子设备可以包括各种终端设备、智能家居设备、可穿戴式设备等，终端设备比如为手机、平板电脑等，智能家居设备比如为智能音箱等，可穿戴式设备比如为智能手表、智能眼镜等。
29.如图2所示，以用户使用的电子设备为手机201为例，手机可以具有摄像头，通过手机摄像头可以采集真实世界的图像。
30.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。
31.真实世界的图像，是指待融合虚拟信息的真实世界的图像，以虚拟试鞋为例，真实世界的图像比如为用户的脚部图像。
32.摄像头可以具有视频功能，通过开启视频功能，手机可以获得脚部图像的多个图像，在视频中，这多个图像可以为连续的多帧图像。
33.如图2所示，以手机与云端交互为例，手机201通过摄像头采集到多个图像后，可以将多个图像发送给服务端202，服务端可以为本地服务器或者云端。
34.服务端接收到多个图像后，针对多个图像中的各个图像，可以对各个图像进行位姿估计，以获得各个图像的位姿信息。
35.位姿(pose)，是指位置和姿态，可以用三维坐标(x,y,z)和三个角度(俯仰角、偏航角、翻滚角)表示。
36.获得各个图像的位姿信息后，可以对其进行融合，以获得融合位姿信息。
37.融合，也可以称为信息融合、数据融合，是指利用计算机技术，对从单个和多个信息源获取的数据和信息进行关联、相关和综合等处理，以完成所需的决策和估计任务等信息处理过程。
38.本实施例的融合位姿信息，是指，从多个位姿信息获得一个融合位姿信息。
39.虚拟信息，是指待融入真实世界的图像中的虚拟信息，以虚拟试鞋为例，虚拟信息可以为虚拟的鞋子三维模型。
40.虚拟信息，初始时，可以具有设定的初始位姿，为了与真实世界的图像更好融合，可以基于融合位姿信息调整虚拟信息的位姿，即，对虚拟信息进行变换处理。
41.服务端获得变换后的虚拟信息，可以将其反馈给客户端，在客户端上进行显示。
42.可以理解的是，如果手机有足够性能，也可以由手机本地进行待选择图的确定、位姿信息的计算、融合，以及虚拟信息的变换处理等。
43.虚拟信息显示在待选择图像上后，即实现了虚拟信息与真实世界的“融合”，即实现了ar功能。
44.本公开实施例中，通过对多个图像的位姿信息进行融合，基于融合位姿信息对虚拟信息进行变换，以及将变换后的虚拟信息显示到真实世界的图像上，可以提高图像稳定性。
45.一些实施例中，所述多个图像为所述真实世界的视频流中的多帧图像，所述多帧图像包括当前图像以及所述当前图像之前的第一预设个数的图像，所述确定真实世界的多个图像中的待选择图像，包括：将所述当前图像之前的第一预设个数的图像中，与所述当前图像间隔第二预设个数的图像，作为所述待选择图像，所述第二预设个数小于或等于所述第一预设个数。
46.其中，上述的多帧图像可以为连续多帧图像，比如，可以采用摄像头采集到连续多帧图像。
47.假设当前图像用i
t
表示，第一预设个数用n表示，则连续多帧图像分别为：i
t-n
、i
t-n+1
、...、i
t-1
、i
t
。
48.假设第二预设个数用m表示，则待选择图像为i
t-m
。
49.其中，m和n均为正整数，且m小于等于n。
50.通过选择当前图像之前的图像作为待选择图像，则针对待选择图像来讲，融合位姿信息将融合待选择图像之前以及之后的信息，从而可以提高稳定性。
51.一些实施例中，所述第一预设个数为偶数，所述第二预设个数为所述第一预设个数的一半。
52.比如，参见图3，可以选择为n＝4，即获得当前图像以及当前图像之前的4帧图像作为连续多帧图像，还可以选择m＝n/2＝2，即，选择当前图像之前的第2帧图像作为待选择图像。
53.由于第二预设个数与第一预设个数的一半，则针对待选择图像来讲，其处于多帧图像的中间位置，将融合一致的前后信息，提高融合位姿信息的有效性，进而提高图像的稳定性。
54.一些实施例中，所述基于所述多个图像的位姿信息，获得融合位姿信息，包括：对
所述多个图像的位姿信息进行加权求和，以获得所述融合位姿信息。
55.其中，融合位姿信息可以为各个图像的位姿信息的加权求和值。
56.计算公式可以如下：
[0057][0058]
其中，p为融合位姿信息，pi为第i帧图像的位姿信息，wi是第i帧图像的权重值，i＝1,...,l，l为多个图像的个数，*为乘法运算。
[0059]
其中，多个图像可以存储在长度为l的队列中，l可以选择为5。
[0060]
wi可以预先确定。
[0061]
p1～p5可以通过位姿估计确定。
[0062]
位姿估计(pose estimation)是计算机视觉领域的技术之一，在使用视觉传感器估计机器人位姿进行控制、机器人导航、增强现实以及其它方面都有着极大的应用。位姿估计这一过程的基础是找到现实世界和图像投影之间的对应点。然后根据这些点对的类型，如2d-2d,2d-3d,3d-3d，采取相应的位姿估计方法。当然同一类型的点对也有基于代数和非线性优化的方法之分，如直接线性变换(direct linear transform，dlt)和光束平差法(bundle adjustment，ba)等。
[0063]
通过对多个图像的位姿信息进行加权求和，可以简便快速地获得融合位姿信息。
[0064]
一些实施例中，所述加权求和基于所述多个图像对应的权重值进行，所述方法还包括：确定所述多个图像对应的权重值，所述权重值与间隔个数成反比，所述间隔个数为所述权重值对应的图像与所述待选择图像之间间隔的图像的个数。
[0065]
即，相对待选择图像，距离待选择图像越近的图像的权重值越大，反之越小。
[0066]
具体计算公式可以为：
[0067][0068]
其中，i是图像索引，wi是第i帧图像的权重值，i＝1,...,l，l为多个图像的个数，t是待选择图像的索引，一般可以选择为||为绝对值运算，为向下取整运算。
[0069]
基于图3所示的5帧图像，这5帧图像的权重值的关系可以如图4所示，参见图4，用高度表示权重值的大小，其中，待选择图像的权重值最大，待选择图像的前后图像的权重值依次减小。
[0070]
通过权重值与间隔个数成反比，可以获得更准确的融合位姿信息，从而提高虚拟信息与真实世界的图像的融合效果。
[0071]
一些实施例中，所述真实世界的图像为脚部图像，所述虚拟信息为虚拟的鞋子三维模型。
[0072]
即，本实施例的方法可以应用于虚拟试鞋场景。
[0073]
下面针对虚拟试鞋场景进行说明。
[0074]
图5是根据本公开第五实施例的示意图，本实施例提供一种图像处理方法，本实施例以虚拟试鞋场景为例，该方法包括：
[0075]
501、开启ar试鞋后，连续采集多帧脚部图像。
[0076]
比如，用户可以在自身使用的电子设备上安装具有ar试鞋功能的app，开启该app中的ar试鞋功能。
[0077]
开启ar试鞋功能后，用户可以将电子设备上的摄像头对准用户的脚部，从而利用电子设备上的摄像头采集到脚部图像。
[0078]
其中，采集脚部图像时，可以连续采集，从而获得多帧脚部图像。
[0079]
502、存储多帧脚部图像。
[0080]
503、对所述多帧脚部图像中的各帧脚部图像进行位姿估计，以获得所述各帧脚部图像的位姿信息。
[0081]
504、对所述各帧脚部图像的位姿信息进行融合，以获得融合位姿信息。
[0082]
505、基于所述融合位姿信息，对虚拟的鞋子三维模型进行变换处理，以获得变换后的鞋子三维模型。
[0083]
其中，鞋子三维模型可以设置初始位姿，为了与脚部图像更好融合，可以基于脚部图像的位姿信息调整鞋子三维模型的位姿。
[0084]
相关技术中，如图6的上部分所示，是基于单帧图像的位姿信息调整鞋子三维模型(用三角形状表示)，而本实施例中，参见图6的下部分，基于多帧图像的位姿信息获得融合位姿信息，之后，基于融合位姿信息调整鞋子三维模型。
[0085]
基于位姿信息(不论是单帧图像的位姿信息或者融合位姿信息)调整鞋子三维模型时，可以采用相关技术实现，比如，可以基于位姿信息获得变换矩阵(该矩阵一般为4*4的矩阵)，在鞋子三维模型的初始位姿的基础上，乘以该变换矩阵，以获得变换后的鞋子三维模型。
[0086]
通过基于融合位姿信息调整鞋子三维模型，由于参考了更多的信息，可以提高鞋子三维模型的准确度。
[0087]
506、在所述多帧脚部图像中确定待选择图像。
[0088]
比如，存储的多帧图像包括5帧图像，可以选择中间帧的图像作为待选择图像。
[0089]
507、将所述变换后的鞋子三维模型，显示在所述待选择图像上。
[0090]
其中，可以采用渲染模块对鞋子三维模型进行渲染，以渲染在待选择图像上。
[0091]
相关技术中，如图6的上部分所示，是将鞋子三维模型显示在当前图像(i
t
)上，但是，这种方式显示鞋子三维模型时，会发生鞋子三维模型的抖动问题，即图像的稳定性较差。
[0092]
而本实施例中，如图6的上部分所示，是将鞋子三维模型显示在当前图像之前的某个图像(i
t-2
)上，可以提高图像的稳定性。
[0093]
可以理解的是，本实施例中未做详细说明的内容，可以参见其他实施例中的相关描述。
[0094]
可以理解的是，如无必须的时序限定关系，上述各步骤之间的时序关系为不限定。
[0095]
本实施例中，基于融合位姿信息调整鞋子三维模型，由于更全面的信息作为辅助，可以提高鞋子三维模型的准确度和稳定度，通过将鞋子三维模型显示在当前图像之前的待选择图像上，待选择图像可以参考其前后图像的信息，可以进一步提高稳定度。
[0096]
图7是本公开第八实施例的示意图，本实施例提供一种图像处理装置，该装置700
包括：确定模块701、融合模块702、变换模块703和显示模块704。
[0097]
确定模块701用于确定真实世界的多个图像中的待选择图像；融合模块702用于基于所述多个图像的位姿信息，获得融合位姿信息；变换模块703用于基于所述融合位姿信息对预设的虚拟信息进行变换处理，以获得变换后的虚拟信息；显示模块704用于将所述变换后的虚拟信息，显示在所述待选择图像上。
[0098]
一些实施例中，所述多个图像为所述真实世界的视频流中的多帧图像，所述多帧图像包括当前图像以及所述当前图像之前的第一预设个数的图像，所述确定模块701进一步用于：将所述当前图像之前的第一预设个数的图像中，与所述当前图像间隔第二预设个数的图像，作为所述待选择图像，所述第二预设个数小于或等于所述第一预设个数。
[0099]
一些实施例中，所述第一预设个数为偶数，所述第二预设个数为所述第一预设个数的一半。
[0100]
一些实施例中，所述融合模块702进一步用于：对所述多个图像的位姿信息进行加权求和，以获得所述融合位姿信息。
[0101]
一些实施例中，所述加权求和基于所述多个图像对应的权重值进行，所述装置还包括：获取模块，用于确定所述多个图像对应的权重值，所述权重值与间隔个数成反比，所述间隔个数为所述权重值对应的图像与所述待选择图像之间间隔的图像的个数。
[0102]
一些实施例中，所述真实世界的图像为脚部图像，所述虚拟信息为虚拟的鞋子三维模型。
[0103]
本公开实施例中，通过对多个图像的位姿信息进行融合，基于融合位姿信息对虚拟信息进行变换，以及将变换后的虚拟信息显示到真实世界的图像上，可以提高图像稳定性。
[0104]
可以理解的是，本公开实施例中，不同实施例中的相同或相似内容可以相互参考。
[0105]
可以理解的是，本公开实施例中的“第一”、“第二”等只是用于区分，不表示重要程度高低、时序先后等。
[0106]
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
[0107]
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、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，个人数字助理、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。
[0108]
如图8所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(rom)802中的计算机程序或者从存储单元808加载到随机访问存储器(ram)803中的计算机程序，来执行各种适当的动作和处理。在ram 803中，还可存储电子设备800操作所需的各种程序和数据。计算单元801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
[0109]
电子设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以
及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800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。
[0110]
计算单元801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801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801执行上文所描述的各个方法和处理，例如图像处理方法。例如，在一些实施例中，图像处理方法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808。在一些实施例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元808而被载入和/或安装到电子设备800上。当计算机程序加载到ram 803并由计算单元801执行时，可以执行上文描述的图像处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像处理方法。
[0111]
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)、复杂可编程逻辑设备(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。
[0112]
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。
[0113]
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。
[0114]
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。
[0115]
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。
[0116]
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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。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。
[0117]
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，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，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。
[0118]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。