[发明专利]图像处理方法、装置、电子设备及计算机可读介质

说明书

本公开涉及一种图像处理方法、装置、电子设备及计算机可读介质。涉及图像处理领域，该方法包括：对图像进行分割处理以获取所述图像中的指定区域与背景区域；对所述指定区域进行上色处理；计算进行上色处理之后的指定区域与所述背景区域的梯度分布信息；以及通过所述指定区域与所述背景区域的梯度分布信息对所述图像进行泊松重建，以获取展示图像。本公开的图像处理方法、装置、电子设备及计算机可读介质，能够高效精准的对虚拟染发效果进行还原，提升图像显示效果。

技术领域

本公开涉及图像处理领域，具体而言，涉及一种图像处理方法、装置、电子设备及计算机可读介质。

背景技术

染发现已成为人们改变造型常用方法，由于对染发之后的效果的不确定，使得大多数人对染发采取谨慎态度，为了更好的为用户提供选择参考，也为了增加图像的趣味性，对用户图像进行虚拟染发的图像处理技术开始涌现。现有技术中已存在二维染发方案，即为在用户通过上传照片后，通过图像处理，给用户呈现不同染色效果。现有技术方案虽然连接了用户虚拟变美与真实变美的桥梁，但是存在非实时、头发分割不精确、染色失真等缺点。

因此，需要一种新的图像处理方法、装置、电子设备及计算机可读介质。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本公开提供一种图像处理方法、装置、电子设备及计算机可读介质，能够高效，精准的对虚拟染发效果进行还原，提升图像显示效果。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提出一种图像处理方法，该方法包括：对图像进行分割处理以获取所述图像中的指定区域与背景区域；对所述指定区域进行上色处理；计算进行上色处理之后的指定区域与所述背景区域的梯度分布信息；以及通过所述指定区域与所述背景区域的梯度分布信息对所述图像进行泊松重建，以获取展示图像。

在本公开的一种示例性实施例中，还包括：通过深度学习算法建立用于对所述图像进行分割处理的图像分割模型；对图像进行分割处理以获取所述图像中的指定区域与背景区域包括：将所述图像输入图像分割模型以获取所述图像中的指定区域与背景区域。

在本公开的一种示例性实施例中，通过深度学习算法建立用于对所述图像进行分割处理的图像分割模型包括：将样本图像进行图像预处理，生成样本数据；对所述样本数据进行标记；以及通过所述样本数据对深度学习算法模型进行训练，获取所述图像分割模型。

在本公开的一种示例性实施例中，对所述样本数据进行标记包括：通过labelme对所述样本数据进行多边形标记。

在本公开的一种示例性实施例中，将样本图像进行图像预处理包括：对所述样本图像进行图像增广处理。

在本公开的一种示例性实施例中，所述深度学习算法模型包括：全卷积神经网络模型；通过所述样本数据对深度学习算法模型进行训练，获取所述图像分割模型包括：将所述样本数据输入全卷积神经网络模型中；全卷积神经网络模型通过8个卷积层处理所述样本数据，获得卷积数据；通过样本数据的标记与所述卷积数据确定所述所述图像分割模型。

在本公开的一种示例性实施例中，计算进行上色处理之后的指定区域与所述背景区域的梯度分布信息包括：通过拉普拉斯变换获取上色处理之后的所述指定区域的第一梯度分布信息；通过拉普拉斯变换获取所述背景区域的第二梯度分布信息；以及通过所述第一梯度分布信息与所述第二梯度分布信息获取所述梯度分布信息。

在本公开的一种示例性实施例中，通过所述第一梯度分布信息与所述第二梯度分布信息获取所述梯度分布信息包括：将所述第一梯度分布信息作为掩膜覆盖到所述第二梯度分布信息上，以获取所述梯度分布信息。