图像处理方法、图像处理装置、电子设备和可读存储介质制造方法及图纸

本申请公开一种图像处理方法及装置、电子设备和存储介质。图像处理方法包括：利用初始深度学习网络处理训练人物图像以获得输出人像模板；处理预设人像模板以得到预设边缘过渡区域；确定输出人像模板中与预设边缘过渡区域对应的输出边缘过渡区域；根据预设边缘过渡区域和输出边缘过渡区域确定边缘损失；根据边缘损失对初始深度学习网络进行调整以得到调整深度学习网络。本申请的图像处理方法及装置、电子设备和存储介质中，由于调整深度学习网络是根据边缘损失调整得到的，因此利用调整深度学习网络处理图像后得到的输出人像模板的边缘更加准确，因此，不需要再额外采用边缘优化算法，从而使得获取人像区域的计算量更小。从而使得获取人像区域的计算量更小。从而使得获取人像区域的计算量更小。

【技术实现步骤摘要】
图像处理方法、图像处理装置、电子设备和可读存储介质


[0001]本申请涉及图像处理
，特别涉及一种图像处理方法、图像处理装置、电子设备和计算机可读存储介质。

技术介绍

[0002]在相关技术中，通常采用人像分割算法或者软分割技术(alpha matting)来抠图获得人像区域，然而，通过这些算法获得的人像区域的边缘不够准确，为了解决边缘不准确的问题，还需要单独对边缘区域进行优化，这无疑将会使得人像区域的计算量更大、获取速度变慢，提高了电子设备的运行功耗。

技术实现思路

[0003]本申请的实施例提供了一种图像处理方法、图像处理装置、电子设备和计算机可读存储介质。
[0004]本申请实施方式的图像处理方法包括：利用初始深度学习网络处理训练人物图像以获得输出人像模板；处理预设人像模板以得到预设边缘过渡区域；确定所述输出人像模板中与所述预设边缘过渡区域对应的输出边缘过渡区域；根据所述预设边缘过渡区域中的每个像素点的像素值和所述输出边缘过渡区域中的每个像素点的像素值确定边缘损失；根据所述边缘损失对所述初始深度学习网络进行调本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述图像处理方法包括：利用初始深度学习网络处理训练人物图像以获得输出人像模板；处理预设人像模板以得到预设边缘过渡区域；确定所述输出人像模板中与所述预设边缘过渡区域对应的输出边缘过渡区域；根据所述预设边缘过渡区域中的每个像素点的像素值和所述输出边缘过渡区域中的每个像素点的像素值确定边缘损失；根据所述边缘损失对所述初始深度学习网络进行调整以得到调整深度学习网络。2.根据权利要求1所述的图像处理方法，其特征在于，所述处理预设人像模板以得到预设边缘过渡区域，包括：对所述预设人像模板进行均值滤波处理以得到均值滤波图像，所述均值滤波图像包括滤波边缘过渡区域，所述滤波边缘过渡区域的像素值大于第一设定像素值且小于第二设定像素值；将所述预设人像模板中与所述滤波边缘过渡区域对应的区域确定为所述预设边缘过渡区域。3.根据权利要求1所述的图像处理方法，其特征在于，所述利用初始深度学习网络处理训练人物图像以获得输出人像模板，包括：对所述训练人物图像进行缩放处理以得到预设尺寸的缩放人物图像；对所述缩放人物图像进行归一化处理以得到归一化人物图像；利用所述初始深度学习网络处理所述归一化人物图像以获得所述输出人像模板。4.根据权利要求3所述的图像处理方法，其特征在于，所述利用所述初始深度学习网络处理所述归一化人物图像以获得所述输出人像模板，包括：尺寸调整步骤，处理所述归一化人物图像以得到调整图像；特征提取步骤，提取所述调整图像的特征图；以预设提取次数循环执行所述尺寸调整步骤和所述特征提取步骤，以得到多个不同尺寸的所述调整图像的特征图，其中，多个不同尺寸包括第一尺寸和第二尺寸，所述第一尺寸小于所述第二尺寸；第一上采样步骤，对第一尺寸的所述调整图像的特征图进行上采样处理以得到第一上采样特征图；第一融合步骤，将与所述第一上采样特征图尺寸相同的所述调整图像的特征图融合到所述第一上采样特征图中以得到融合特征图；第二上采样步骤，对所述融合特征图进行上采样处理以得到第二上采样特征图；第二融合步骤，将于所述第二上采样特征图尺寸相同的所述调整图像的特征图融合到所述第二上采样特征图中以得到新的融合特征图；循环执行所述第二上采样步骤和所述第二融合步骤直至所述融合特征图的尺寸变成所述第二尺寸，具有所述第二尺寸的所述融合特征图作为所述输出人像模板。5....

【专利技术属性】
技术研发人员：贾玉虎，
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：