The invention relates to a hair tone adjustment method and device, which includes: acquiring the image to be processed and adjusting the size of the image to be processed to obtain the input image; inputting the input image into the pre-trained convolutional neural network model to obtain the hair feature map, the convolutional neural network model includes the coding network and the decoding network, and the coding network consists of multiple coding modules. The decoding network consists of several decoding modules. The input of the first decoding module is input image. The input of the first decoding module of the decoding network is the output of the last coding module in the coding network. The decoding module is used for deconvolution and deep separable convolution. According to the hair feature map, the hair region of the input image is adjusted to the target color. When decoding, the hair segmentation area is predicted by the coding module and the upper decoding module, which is helpful to improve the accuracy of prediction.
【技术实现步骤摘要】
一种发色调整方法及装置
本专利技术涉及图像处理
,尤其是涉及一种发色调整方法及装置。
技术介绍
随着移动终端配置的提高,通过移动终端拍照并对照片进行处理提高了用户使用移动终端的积极性。其中,对照片的处理包括对人物图像的发色进行调整,例如,将发色从黑色调整为黄色。现有技术中,发色调整的步骤主要包括:首先,对人物图像进行头发分割,得到头发区域和其他区域;然后,对头发区域进行颜色调整。其中,头发分割可以通过深度学习实现,包括:首先,获取原始图像;然后,对原始图像进行人脸检测,得到人脸关键点,并利用人脸关键点生成人脸关键部位描述图;再然后,将原始图像和人脸关键部位描述图合并,获得4通道图像;最后,将4通道图像输入卷积神经网络模型,通过卷积神经网络模型推断出每个像素点是头发的概率,从而获得头发概率图,并利用头发概率图对原始图像进行头发分割,上述卷积神经网络模型包括:卷积层、最大池化层、上池化层、加权层和最大化层。然而,上述卷积神经网络模型的结构较简单,导致分割结果准确度较低。
技术实现思路
本专利技术的实施例提供一种发色调整方法及装置,可以在解码时根据编码模块和上一级解码模块共同预测头发分割区域,有助于提高预测的准确度。根据本专利技术的实施例的第一方面,提供了一种发色调整方法,所述方法包括:获取待处理图像,并对所述待处理图像进行尺寸调整,得到输入图像;将所述输入图像输入至预先训练得到的卷积神经网络模型中,得到头发特征图,所述卷积神经网络模型包括编码网络和解码网络,所述编码网络由多个编码模块级联组成,所述编码模块用于进行深度可分离卷积运算,其中第一个编码模块的输入为 ...
【技术保护点】
1.一种发色调整方法,其特征在于,所述方法包括:获取待处理图像,并对所述待处理图像进行尺寸调整,得到输入图像;将所述输入图像输入至预先训练得到的卷积神经网络模型中,得到头发特征图,所述卷积神经网络模型包括编码网络和解码网络,所述编码网络由多个编码模块级联组成,所述编码模块用于进行深度可分离卷积运算,其中第一个编码模块的输入为所述输入图像,所述解码网络由多个解码模块级联组成,所述解码网络的第一个解码模块的输入为编码网络中最后一个编码模块的输出,所述解码模块用于进行反卷积运算和深度可分离卷积运算;根据所述头发特征图将所述输入图像的头发区域调整为目标颜色。
【技术特征摘要】
1.一种发色调整方法,其特征在于,所述方法包括:获取待处理图像,并对所述待处理图像进行尺寸调整,得到输入图像;将所述输入图像输入至预先训练得到的卷积神经网络模型中,得到头发特征图,所述卷积神经网络模型包括编码网络和解码网络,所述编码网络由多个编码模块级联组成,所述编码模块用于进行深度可分离卷积运算,其中第一个编码模块的输入为所述输入图像,所述解码网络由多个解码模块级联组成,所述解码网络的第一个解码模块的输入为编码网络中最后一个编码模块的输出,所述解码模块用于进行反卷积运算和深度可分离卷积运算;根据所述头发特征图将所述输入图像的头发区域调整为目标颜色。2.根据权利要求1所述的方法,其特征在于,所述解码网络的每个解码网络的输入为目标编码模块的输出与上一级解码网络的输出的加权图像,所述目标编码模块为与所述上一级解码网络的输出为尺寸相同的特征图像。3.根据权利要求1所述的方法,其特征在于,所述卷积神经网络模型在训练过程中通过如下步骤计算损失值:计算所述解码网络输出的特征图像的二分类交叉熵;计算所述解码网络输出的特征图像与所述输入图像之间的梯度损失值;计算所述二分类交叉熵和所述梯度损失值的加权值得到损失值。4.根据权利要求1所述的方法,其特征在于,所述根据所述头发特征图将所述输入图像的头发区域调整为目标颜色的步骤,包括:对于所述输入图像中的每个像素点,从所述头发特征图中获取所述像素点位置对应的特征值;在所述特征值为预设目标特征值的情况下,将所述像素点的颜色值调整为所述目标颜色,所述目标特征值表示所述像素点属于头发区域。5.根据权利要求4所述的方法,其特征在于,所述目标颜色针对不同位置的像素点不同,根据颜色调整操作变化。6.根据权利要求4所述的方法,其特征在于,在所述对于所述输入图像中的每个像素点,从所述头发特征图中获取所述像素点位置对应的特征值的步骤之前,还包括:对所述输入图像进行如下处理中的至少一种:锐化处理、平滑处理、亮度调整。7.根据权利要求1所述的方法,其特征在于,在所述根据所述头发特征图将所述输入图像的头发区域调整为目标颜色的步骤之后,所述方法还包括:将所述颜色值经过调整的输入图像的尺寸调整为所述待处理图像的尺寸。8....
【专利技术属性】
技术研发人员:邓裕强,何晓芬,
申请(专利权)人:广州市久邦数码科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。