一种虚拟穿衣图像的矫正方法及其系统技术方案

本申请公开了一种虚拟穿衣图像的矫正方法及其系统，其中虚拟穿衣图像的矫正方法具体包括以下步骤：获取多角度的人台图片；根据多角度的人台图片，构建与每个角度的人台图片对应的多角度的数字人台图像；获取多角度的带有人台的原始图像；在多角度的带有人台的原始图像中，获取多角度的目标图像；对多角度的目标图像进行矫正；将矫正后的多角度的目标图像与多角度的数字人台图像进行匹配。本申请提供的虚拟穿衣图像的矫正方法及其系统能够获取服装图像，并将该图像自动匹配到对应的数字人台上，一次拍摄服装可以匹配多个角度的数字人台，对于服装展示提供了更多选择，并降低了服装展示制作成本。

【技术实现步骤摘要】
一种虚拟穿衣图像的矫正方法及其系统
本申请涉及数据处理领域，具体地，涉及一种虚拟穿衣图像的矫正方法及其系统。
技术介绍
现有技术中，虚拟试衣的方式已经越来越普及，而在虚拟试衣类产品中，将各种衣服服饰拍照产生图像后，需要将衣服图像进行变换处理，再贴合到模特身上，以实现试穿衣服的效果。但是传统的方式无法完成将服装图像完成贴合到多个角度人台中，通常需要手动执行，因此虚拟穿衣的效果并不理想。因此需要一种虚拟穿衣图像的矫正方法及其系统，使服装图像的自动匹配到多个角度的数字人台中，提供服装展示的更多选择。
技术实现思路
本申请的目的在于提供一种虚拟穿衣图像的处理方法，具体包括以下步骤：获取多角度的人台图片；根据多角度的人台图片，构建与每个角度的人台图片对应的多角度的数字人台图像；获取多角度的带有人台的原始图像；在多角度的带有人台的原始图像中，获取多角度的目标图像；对多角度的目标图像进行矫正；将矫正后的多角度的目标图像与多角度的数字人台图像进行匹配。如上的，其中，多角度的带有人台的原始图像与多角度的人台图片的角度一一对应，多角度的数字人台图像与多角度的目标图像的角度一一对应。如上的，其中，获取多角度的带有人台的原始图像，包括，将每个角度的带有人台的原始图像按照灰度级划分为C0和C1两部分，其中C0部分灰度级出现的概率为，C1部分灰度级出现的概率为，其中t为自然数，i为第i个灰度级，为第i个灰度级出现的概率，L为每个角度的带有人台的原始图像的灰度级总数。如上的，其中，对多角度的目标图像进行矫正具体包括以下子步骤：识别多角度的目标图像的类型；根据多角度的目标图像的类型，对多角度的目标图像进行初次匹配；根据初次匹配的结果，对多角度的目标图像进行矫正。如上的，其中，根据服装特征点与人台特征点完成多角度的目标图像与多角度的数字人台图像的初次匹配。如上的，其中，服装特征点包括服装的开口部位的两个点。如上的，其中，人台特征点包括数字人台图像中的指定人体部位。如上的，其中，其中预先在多角度的目标图像的指定位置处标定服装特征点，服装特征点在所述目标图像中的位置为服装特征点坐标。如上的，其中，根据初次匹配的结果，对多角度的目标图像进行矫正包括，查看初次匹配后的人台特征点的坐标与服装特征点的坐标是否重合。一种虚拟穿衣图像的矫正系统，包括处理器，其中处理器执行上述任意一项的方法。本申请具有以下有益效果：本申请提供的虚拟穿衣图像的矫正方法及其系统能够获取服装图像，并将该图像自动匹配到对应的数字人台上，一次拍摄服装可以匹配多个角度的数字人台，对于服装展示提供了更多选择，并降低了服装展示制作成本。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。图1是根据本申请实施例提供的虚拟穿衣图像的矫正方法的方法流程图；图2是根据本申请实施例提供的虚拟穿衣图像的矫正系统的内部结构图。具体实施方式下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本申请涉及一种虚拟穿衣图像矫正方法及其系统。根据本申请，根据提取拍摄服装，可以自动匹配到数字人台上，一次拍摄服装可以匹配多个数字人台。如图1所示为本申请提供的虚拟穿衣图像的矫正方法流程图，具体包括以下步骤：步骤S110：获取多角度的人台图片。具体地，其中多角度人台图片为拍摄的真实状态的人台图片。步骤S120：根据多角度的人台图像，构建与每个角度的人台图片对应的多角度的数字人台图像。其中根据拍摄的多角度的人台图片构建数字人台图像，构建的数字人台图像也为多角度的数字人台图像。具体地，其中多角度的人台图片与构建的多角度的数字人台图像为一一对应的关系。优选地，可参考现有方式进行数字人台图像的构建，例如。步骤S130：获取多角度的带有人台的原始图像。其中，将步骤S110中的人台穿上服装并对其进行拍摄，从而获取多角度的带有人台的原始图像。带有人台的原始图像中包括上装或下装图像。步骤S140：在多角度的带有人台的原始图像中，获取多角度目标图像。具体地，其中获取的目标图像为去除人台后的服装图像，步骤S140具体包括以下子步骤：步骤S1401：确定多角度的带有人台的原始图像的稳定程度。其中计算带有人台的原始图像的稳定值，当带有人台的原始图像越混乱，稳定值越小，稳定程度越小。当带有人台的原始图像越有序，稳定值越大，稳定程度越高。其中稳定值H具体表示为：其中，表示灰度值x在带有人台的原始图像中出现的频率，其中灰度值x的具体数值取带有人台的原始图像中全部灰度值的最小灰度值。其中稳定值能够表示图像的明亮程度。其中明亮程度越高，稳定值越大；明亮程度越低，稳定值越小。优选地，在获取稳定值之前，可将多角度的带有人台的原始图像转换为灰度图像。步骤S1402：根据多角度的带有人台的原始图像的稳定程度确定分割阈值，根据分割阈值确定目标图像。具体地，其中若稳定值大于第一指定阈值且小于第二指定阈值，则说明此时图像的明亮程度不会过于明亮也不会过于暗沉，方便确定分割阈值。其中分割阈值属于[0,255]。其中第一指定阈值小于第二指定阈值，具体数值可根据实际情况进行调整确定，在此不进行限定。其中，设任意角度的带有人台的原始图像有L个灰度级，为第i个灰度级所包含的像素个数，N为总的像素个数，则，设为第i个灰度级出现的概率，表示为，则有。进一步地，设定分割阈值前，将带有人台的原始图像按照灰度级划分为C0和C1两部分，其中C0部分灰度级出现的概率为，C1部分灰度级出现的概率为，其中t为自然数，i表示第i个灰度级。C0部分的灰度均值表示为：其中，t为自然数，i表示第i个灰度级，L为带有人台的原始图像的灰度级总数，为第i个灰度级出现的概率，为C0部分灰度级出现的概率。C1部分的灰度均值表示为：其中，t为自然数，i表示第i个灰度级，L为带有人台的原始图像的灰度级总数，为第i个灰度级出现的概率，为C1部分灰度级出现的概率。其中C0部分的方差表示为：其中，t为自然数，i表示第i个灰度级，为第i个灰度级出现的概率，为C0部分灰度级出现的概率，表示C0部分的灰度均值。其中C1部分的方差表示为：其中，t为自然数，i表示第i个灰度级，L为带有人台的原始图像的灰度级总数，为第i个灰度级出现的概率，为C1部分灰度级出现的本文档来自技高网...

【技术保护点】
1.一种虚拟穿衣图像的矫正方法，其特征在于，具体包括以下步骤：/n获取多角度的人台图片；/n根据多角度的人台图片，构建与每个角度的人台图片对应的多角度的数字人台图像；/n获取多角度的带有人台的原始图像；/n在多角度的带有人台的原始图像中，获取多角度的目标图像；/n对多角度的目标图像进行矫正；/n将矫正后的多角度的目标图像与多角度的数字人台图像进行匹配。/n

【技术特征摘要】
1.一种虚拟穿衣图像的矫正方法，其特征在于，具体包括以下步骤：
获取多角度的人台图片；
根据多角度的人台图片，构建与每个角度的人台图片对应的多角度的数字人台图像；
获取多角度的带有人台的原始图像；
在多角度的带有人台的原始图像中，获取多角度的目标图像；
对多角度的目标图像进行矫正；
将矫正后的多角度的目标图像与多角度的数字人台图像进行匹配。


2.如权利要求1所述的虚拟穿衣图像的矫正方法，其特征在于，多角度的带有人台的原始图像与多角度的人台图片的角度一一对应，多角度的数字人台图像与多角度的目标图像的角度一一对应。


3.如权利要求1所述的虚拟穿衣图像的矫正方法，其特征在于，获取多角度的带有人台的原始图像，包括，将每个角度的带有人台的原始图像按照灰度级划分为C0和C1两部分，其中C0部分灰度级出现的概率为，C1部分灰度级出现的概率为，其中t为自然数，i为第i个灰度级，为第i个灰度级出现的概率，L为每个角度的带有人台的原始图像的灰度级总数。


4.如权利要求1所述的虚拟穿衣图像的矫正方法，其特征在于，对多角度的目标图像进行矫正具体包括以下子步骤：
识别...

【专利技术属性】
技术研发人员：李小波，秦晓飞，李昆仑，
申请(专利权)人：恒信东方文化股份有限公司，
类型：发明
国别省市：北京;11