[发明专利]图像打光方法和装置

说明书

本发明实施例提供一种图像打光方法和装置，该方法包括：确定初始图像的打光操作类型对应的卷积神经网络；通过卷积神经网络，获取初始图像的局部特征信息和全局特征信息；通过卷积神经网络，基于局部特征信息和全局特征信息，获取初始图像的融合特征信息；通过卷积神经网络，基于初始图像的亮度分量图，获取最大池化结果图和最小池化结果图；基于融合特征信息、最大池化结果图和最小池化结果图，获取初始图像的双边网格矩阵；根据双边网格矩阵对初始图像进行仿射变换得到目标图像，目标图像为对初始图像按照打光操作类型打光后的图像。本发明实施例提供的图像打光方法效果更好。

技术领域

本发明涉及图像处理技术，尤其涉及一种图像打光方法和装置。

背景技术

随着终端设备(如手机、平板、手环等)的摄像头像素不断提升，越来越多的用户开始频繁使用终端设备进行人像拍摄并进行人像拍摄后的图像美化以获取理想的人像拍摄效果。理想的人像拍摄需要专业的布光，对人脸施加适量的光照以达到较好的拍照效果，而大多数实际拍摄场景下很难达到理想的布光环境，因此实际拍摄得到的图像中的人像通常存在面部阴暗、缺乏立体感、面部光线不均匀等问题。

为解决上述问题，常见解决方案为根据人像照片对人像进行3D建模，调整人像上的光照，对图像进行渲染，获取打光后的图像。现有打光方式在人脸识别、基于图像的渲染、以及电影后期制作等领域都有着非常广泛的应用。

但是，人像建模受人脸识别影响较大，在人脸识别不准确时，建模误差也较大。故现有的图像打光方案复杂、效率较低。

发明内容

本发明实施例提供一种图像打光方法和装置。

第一方面，本发明实施例提供一种图像打光方法，包括：

确定初始图像的打光操作类型对应的卷积神经网络；

通过所述卷积神经网络，获取所述初始图像的局部特征信息和全局特征信息；

通过所述卷积神经网络，基于所述局部特征信息和所述全局特征信息，获取所述初始图像的融合特征信息；

通过所述卷积神经网络，基于所述初始图像的亮度分量图，获取最大池化结果图和最小池化结果图；

基于所述融合特征信息、所述最大池化结果图和所述最小池化结果图，获取所述初始图像的双边网格矩阵；

根据所述双边网格矩阵对所述初始图像进行仿射变换得到目标图像，所述目标图像为对所述初始图像按照所述打光操作类型打光后的图像。

通过采用深度学习的卷积神经网络技术，以及具体通过采用卷积神经网络对初始图像进行特征提取，并根据初始图像的最大池化结果图和最小池化结果图获取初始图像的自适应的双边网格矩阵，根据双边网格矩阵获取初始图像的目标图像，使得图像打光效果更自然。

结合本发明任一实施例，可选的，所述根据所述双边网格矩阵对所述初始图像进行仿射变换得到目标图像，包括：

根据所述双边网格矩阵、所述最大池化结果图和所述最小池化结果图，对所述初始图像的亮度分量图进行切片处理，获取仿射变换矩阵；

根据所述仿射变换矩阵对所述初始图像进行仿射变换得到所述目标图像。

通过对初始图像的亮度分量图进行切片处理，可简化图像打光算法，提高图像打光速度，降低图像打算算法对硬件设备的性能要求，使得图像打光方法可部署在终端设备中。

结合本发明任一实施例，可选的，所述根据所述双边网格矩阵对所述初始图像进行仿射变换得到目标图像，包括：

根据所述双边网格矩阵、所述最大池化结果图和所述最小池化结果图，对所述初始图像的亮度分量图进行切片处理，得到残差矩阵；

根据所述残差矩阵和所述初始图像得到所述目标图像。