图像处理方法、装置、终端及存储介质制造方法及图纸

本申请实施例公开了一种图像处理方法、装置、终端及存储介质，属于计算机技术领域，所述方法包括：获取目标图像；提取目标图像中的第一局部图像，第一局部图像是包含指定类型对象的图像；通过预设分类对应的图像生成模型生成第二局部图像，预设分类是指定类型对象的至少两种分类中的一种，图像生成模型是预先通过N个第一样本图像训练获得的机器学习模型，第一样本图像包含预设分类的指定类型对象，第二局部图像的几何尺寸和第一局部图像的几何尺寸相同；将目标图像中的第一局部图像替换为第二局部图像，经过图像处理后的目标图像中的第一局部图像替换为第二局部图像，简化了用户替换图像中指定区域的操作步骤，提高了图像处理效果。

Image processing method, device, terminal and storage medium

The embodiment of the present application discloses an image processing method, device, terminal and storage medium, belonging to the field of computer technology. The method includes: acquiring a target image; extracting a first local image in the target image, which is an image containing a specified type of object; and generating an image corresponding to a preset classification. Modeling generates a second local image. Presupposition classification is one of at least two classifications for a given type of object. The image generation model is a machine learning model obtained by training N first sample images in advance. The first sample image contains the specified type object of the presupposition classification, the geometric size of the second local image and the first one. The geometric size of the local image is the same; the first local image in the target image is replaced by the second local image, and the first local image in the target image is replaced by the second local image after the image processing, which simplifies the operation steps of the user replacing the designated area in the image and improves the image processing effect.

【技术实现步骤摘要】
图像处理方法、装置、终端及存储介质
本申请实施例涉及计算机
，特别涉及一种图像处理的方法、装置、终端及存储介质。
技术介绍
随着摄影摄像技术的不断发展，包括手机和平板电脑在内的移动终端的功能日益强大。通过移动终端中设置的摄像头，用户可以实现拍摄照片，录制视频或者进行视频聊天等功能。相关技术中，当用户通过摄像头拍摄到图片后，用户可能因为图片中的指定区域光线灰暗或者不够美观而希望进行替换。比如，用户可能会因为图片中的模块区域而希望更换该区域的图像。此时，用户要手动圈出需要被替换的区域的范围，此后，用户还需要手动选择进行替换的图像素材。随后，终端将使用图像素材填充用户圈出的区域。然而，由于不同的图片需要替换的区域不同且终端提供的图像素材固定，造成替换图像指定区域的步骤繁琐且视觉效果单调。
技术实现思路
本申请实施例提供了一种图像处理的方法、装置、终端及存储介质，可以解决由于不同的图片需要替换的区域不同且终端提供的图像素材固定，造成替换图像指定区域的步骤繁琐且视觉效果单调的问题。所述技术方案如下：根据本申请的第一方面，提供了一种图像处理方法，所述方法包括：获取目标图像；提取所述目标图像中的第一局部图像，所述第一局部图像是包含指定类型对象的图像；通过预设分类对应的图像生成模型生成第二局部图像，所述预设分类是所述指定类型对象的至少两种分类中的一种，所述图像生成模型是预先通过N个第一样本图像训练获得的机器学习模型，所述第一样本图像包含所述预设分类的指定类型对象，所述第二局部图像的几何尺寸和所述第一局部图像的几何尺寸相同；将所述目标图像中的所述第一局部图像替换为所述第二局部图像。根据本申请的第二方面，提供了一种图像处理装置，所述装置包括：获取单元，用于获取目标图像；提取单元，用于提取所述目标图像中的第一局部图像，所述第一局部图像是包含指定类型对象的图像；生成单元，用于通过预设分类对应的图像生成模型生成第二局部图像，所述预设分类是所述指定类型对象的至少两种分类中的一种，所述图像生成模型是预先通过N个第一样本图像训练获得的机器学习模型，所述第一样本图像包含所述预设分类的指定类型对象，所述第二局部图像的几何尺寸和所述第一局部图像的几何尺寸相同；替换单元，用于将所述目标图像中的所述第一局部图像替换为所述第二局部图像。根据本申请的第三方面，提供了一种终端，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如第一方面所述的图像处理方法。根据本申请的第四方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如第一方面所述的图像处理方法。本申请实施例提供的技术方案带来的有益效果是：在执行本申请实施例提供的方案时，终端能够通过获取目标图像，提取目标图像中包含指定类型对象的第一局部图像，并能够通过预设分类对应的图像生成模型生成第二局部图像，该第二局部图像的几何尺寸和第一局部图像的几何尺寸相同，将目标图像中的第一局部图像替换为第二局部图像。其中，图像生成模型对应的预设分类，是指定类型对应的至少两种分类中的一种，该模型是预先通过N个第一样本图像训练获得的机器学习模型，同时第一样本图像包含有预设分类的指定类型对象。可见，本申请实施例提供的方案能够在无人操控情形下自动将目标图像中包含指定类型对象的第一局部图像替换为第二局部图像，且由于生成的第二局部图像的图像是经过预设分类的指定类型对象训练出的模型生成的图像，因此经过图像处理后的目标图像能够将原第一局部图像替换为含有预设分类的指定类型对象的图像，简化了用户替换图像中指定区域的操作步骤，提高了图像处理效果。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请一个示例性实施例提供的图像处理方法的流程图；图2是基于图1所示实施例提供的一种第一局部图像的示意图；图3是基于图1所示实施例提供的一种用户确定预设分类的交互示意图；图4是本申请另一个示例性实施例提供的图像处理的流程图；图5是基于图4所示实施例提供的一种获取目标图像的过程示意图；图6是基于图4所示实施例提供一种几何参考点的位置的示意图；图7是基于图4所示实施例提供的一种提取第一局部图像的过程示意图；图8示出了本申请一个示例性实施例提供的图形处理装置的结构框图；图9是本申请一个示例性实施例提供的终端的结构框图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。为了本申请实施例所示方案易于理解，下面将对本申请实施例中出现的若干名词进行解释。第一局部图像：指目标图像中的部分区域组成的图像，该第一局部图像可以是目标图像中的一个闭合区域的图像，也可以是两个或者两个以上的闭合区域的图像。极端情况下，第一局部图像也可以是目标图像本身。其中，目标图像中包含有指定类型对象，该指定类型对象可以是天空对象、海洋对象、河流对象、湖泊对象、山丘对象、草原对象或道路对象中至少一种。目标图像：指包含有第一局部图像的图像，该目标图像可以由终端从待处理图像中筛选而得到。可选地，终端可以通过图像识别的方式确定待处理图像中是否包含指定类型对象，将指定类型对象对应的部分图像确定为第一局部图像。可选地，本申请实施例还能够通过图像识别模型识别待处理图像是否为目标图像，该图像识别模型是预想通过第二样本图像训练获得的机器学习模型，该第二样本图像包括标注有对应的图像类型的图像，该图像类型包括目标类型和非目标类型两种，属于目标类型的图像中包含指定类型对象，属于非目标类型的图像中不包含指定类型对象。需要说明的是，图像识别模型可以是CNN(ConvolutionalNeuralNetwork，卷积神经网络)模型，例如VGG(VisualGeometryGroup，超分辨率测试序列)模型、YOLO(YouOnlyLookOnce，一瞥)模型或RCNN(RegionswithCNNfeatures，基于卷积神经网络特征的区域方法)模型中至少一种模型。图像生成模型，指预先通过N个第一样本图像训练获得的机器学习模型，该图像生成模型可以对应预设分类，该预设分类可以是指定类型对象的至少两种分类中的一种。可选地，当指定类型对象是天空对象时，预设分类可以是晴朗类型、多云类型或阴雨类型中的一种。需要说明的是，终端中可以同时集成对应晴朗类型的图像生成模型、对应多云类型的图像生成模型和对应阴雨类型的图像生成模型。在另一种可能实现的方式中，终端还可以根据时间设置更多的图像生成模型，例如对应晴朗类型的图像生成模型，可以替换为对应日出时刻的晴朗类型的图像生成模型，对应中午的晴朗类型的图像生成模型，对应日落时刻的晴朗类型的图像生成模型，对应夜间的晴朗类型的图像生成模型。在实际应用中，图像生成模型可以是GNN(GenerativeAdversarialNets，生成式对抗网络)模型。比如，该模型可以通过一个晴朗天空图像(第一训练样本)的集合进行训练，进而转化为对应晴朗类型本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括：获取目标图像；提取所述目标图像中的第一局部图像，所述第一局部图像是包含指定类型对象的图像；通过预设分类对应的图像生成模型生成第二局部图像，所述预设分类是所述指定类型对象的至少两种分类中的一种，所述图像生成模型是预先通过N个第一样本图像训练获得的机器学习模型，所述第一样本图像包含所述预设分类的指定类型对象，所述第二局部图像的几何尺寸和所述第一局部图像的几何尺寸相同；将所述目标图像中的所述第一局部图像替换为所述第二局部图像。

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获取目标图像；提取所述目标图像中的第一局部图像，所述第一局部图像是包含指定类型对象的图像；通过预设分类对应的图像生成模型生成第二局部图像，所述预设分类是所述指定类型对象的至少两种分类中的一种，所述图像生成模型是预先通过N个第一样本图像训练获得的机器学习模型，所述第一样本图像包含所述预设分类的指定类型对象，所述第二局部图像的几何尺寸和所述第一局部图像的几何尺寸相同；将所述目标图像中的所述第一局部图像替换为所述第二局部图像。2.根据权利要求1所述的方法，其特征在于，所述通过预设分类对应的图像生成模型生成第二局部图像之前，还包括：从所述指定类型对象的至少两种分类中确定出所述预设分类；根据所述预设分类从至少两个图像生成模型中确定对应的所述图像生成模型。3.根据权利要求2所述的方法，其特征在于，所述从所述指定类型对象的至少两种分类中确定出所述预设分类，包括：接收选择操作信号，所述选择操作信号是接收到基于所述至少两种分类执行的选择操作时生成的信号；根据所述选择操作信号将所述选择操作对应的分类确定为所述预设分类。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：对人脸进行表情识别，获取所述人脸的表情类型，所述人脸是所述图像中包含的人脸；将所述至少两种分类中，与所述人脸的表情类型相对应的分类确定为所述预设分类。5.根据权利要求4所述的方法，其特征在于，当所述目标图像包括至少两张人脸时，对所述人脸进行表情识别，获取所述人脸的表情类型，包括：分别对所述目标图像中的所述至少两个人脸进行表情识别，获得所述至少两个人脸各自的表情类型；基于所述至少两个人脸各自的表情类型，将所占比例最高的表情类型确定为所述目标图像中人脸的表情类型。6.根据权利要求1所述的方法，其特征在于，所述获取图像，包括：将待处理图像输入图像识别模型，获得所述待处理图像对应的图像类型，所述图像识别模型是预先通过第二样本图像训练获得的机器学习模型，所述第二样本图像包括标注有对应的图像类型的图像；确定所述图像类型为目标类型的所述待处理图像为所述目标图像；其中，所述图像类型包括所述目标类型和非目标类型，属于所述目标类型的图像中包含所述指定类型对象，属于所述非目标类型的图像中不包含所述指定类型对象。7.根据权利要求6所述的方法，其特征在于，所述方法还包括：采集包含所述指定类型对象的图像；将所述包含所述指定类型对象的图像划分为M个图像块，M是正整数；为所述M个图像块分别添加标签，所述标签用于指示对应的图像块的所述图像类型；获取所述M个图像块为所述第二样本图像。8.根据权利要求6所述的方法，其特征在于，所述提取所述目标图像中的第一局部图像，包括：将所述目标图像划分为Q个图像块，Q为正整数；对于所述Q个图像块中的每一个图像块，确定所述图像块中属于所述第一局部图像的区域的几何参考点，所述...

【专利技术属性】
技术研发人员：张弓，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东,44