图像处理方法、装置、电子设备和计算机可读存储介质制造方法及图纸

本申请涉及一种图像处理方法和装置、电子设备、计算机可读存储介质，该方法包括：获取待处理图像，将待处理图像输入至预设图像处理网络中进行磨皮处理，生成磨皮结果图像。由于训练集中各原始图像的瑕疵修复标注图像及标注中性灰图层，均为采用人工方式对原始图像进行磨皮处理所采用的标注中性灰图层或所生成的瑕疵修复标注图像，因此，基于该训练集对初始图像处理网络进行训练，就提高了所生成的预设图像处理网络的准确性。进而，将待处理图像输入至预设图像处理网络中进行磨皮处理，所生成的磨皮结果图像就能够接近或达到人工修图所生成的图像的磨皮效果。提高了经过预设图像处理网络所生成的磨皮结果图像的真实性，满足了用户的美化需求。用户的美化需求。用户的美化需求。

【技术实现步骤摘要】
图像处理方法、装置、电子设备和计算机可读存储介质


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

技术介绍

[0002]随着计算机技术的快速发展，图像处理相关技术也得到了较快发展。现在的电子设备中的相机类、美颜类或其他图像处理类应用程序中，均可以对图像进行一定程度的美颜处理，以对图像进行美化。例如，通过上述图像处理类应用程序对图像进行磨皮处理，能够在一定程度上去除人脸的皱纹及瑕疵，对图像进行美化。
[0003]采用上述应用程序对图像进行磨皮处理所生成的图像，虽然能够在一定程度上去除人脸的皱纹及瑕疵，但是，与经过人工修图所生成的图像相比，依然显得不真实、不能满足用户的美化需求。

技术实现思路

[0004]本申请实施例提供了一种图像处理方法、装置、电子设备、计算机可读存储介质，可以提高对图像进行磨皮处理的效果。
[0005]一方面，提供了一种图像处理方法，包括：
[0006]获取待处理图像；
[0007]将所述待处理图像输入至预设图像处理网络中进行磨皮处理，生成磨皮结果图像；所述预设图像处理网络为基于训练集中各原始图像的瑕疵修复标注图像及标注中性灰图层，对初始图像处理网络进行训练所生成的网络。
[0008]另一方面，提供了一种图像处理网络的训练方法，包括：
[0009]获取训练集，所述训练集中包括原始图像、所述原始图像的瑕疵修复标注图像及所述原始图像的标注中性灰图层；
[0010]根据所述原始图像、所述原始图像的瑕疵修复标注图像及所述原始图像的标注中性灰图层，对初始图像处理网络中进行训练，生成预设图像处理网络。
[0011]另一方面，提供了一种图像处理装置，包括：
[0012]待处理图像获取模块，用于获取待处理图像；
[0013]磨皮处理模块，用于将所述待处理图像输入至预设图像处理网络中进行磨皮处理，生成磨皮结果图像；所述预设图像处理网络为基于训练集中各原始图像的瑕疵修复标注图像及标注中性灰图层，对初始图像处理网络进行训练所生成的网络。
[0014]另一方面，提供了一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上所述的方法的步骤。
[0015]另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法的步骤。
[0016]另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上所述的方法的步骤。
[0017]上述图像处理方法和装置、电子设备、计算机可读存储介质，获取待处理图像，将待处理图像输入至预设图像处理网络中进行磨皮处理，生成磨皮结果图像。由于训练集中各原始图像的瑕疵修复标注图像及标注中性灰图层，均为采用人工方式对原始图像进行磨皮处理所采用的标注中性灰图层，或所生成的瑕疵修复标注图像，因此，标注中性灰图层及瑕疵修复标注图像的准确性较高。因此，基于该训练集对初始图像处理网络进行训练，就提高了所生成的预设图像处理网络的准确性。进而，将待处理图像输入至预设图像处理网络中进行磨皮处理，所生成的磨皮结果图像就能够接近或达到人工修图所生成的图像的磨皮效果。最终，提高了经过预设图像处理网络所生成的磨皮结果图像的真实性，满足了用户的美化需求。
附图说明
[0018]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。
[0019]图1为一个实施例中图像处理方法的应用环境图；
[0020]图2为一个实施例中图像处理方法的流程图；
[0021]图3为图2中将待处理图像输入至预设图像处理网络中进行磨皮处理，生成磨皮结果图像方法的流程图；
[0022]图4为图3中将待处理图像输入至瑕疵修复网络中进行瑕疵修复，生成瑕疵修复图像方法的流程图；
[0023]图5为一个实施例中对待处理图像进行磨皮处理的示意图；
[0024]图6为一个实施例中瑕疵修复网络的训练过程的流程图；
[0025]图7为一个实施例中中性灰图层预测网络的训练过程的流程图；
[0026]图8为一个实施例中图像处理网络的训练方法的流程图；
[0027]图9为一个具体的实施例中图像处理方法的流程图；
[0028]图10为一个具体的实施例中图像处理方法的示意图；
[0029]图11为一个实施例中图像处理装置的结构框图；
[0030]图12为图11中磨皮处理模块的结构框图；
[0031]图13为一个实施例中图像处理网络的训练装置的结构框图；
[0032]图14为一个实施例中电子设备的内部结构示意图。
具体实施方式
[0033]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0034]可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，
但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一图像处理结果称为第二图像处理结果，且类似地，可将第二图像处理结果称为第一图像处理结果。第一图像处理结果和第二图像处理结果两者都是图像处理结果，但其不是同一图像处理结果。
[0035]图1为一个实施例中图像处理方法的应用环境示意图。如图1所示，该应用环境包括电子设备120。其中，电子设备120可以获取待处理图像110；将待处理图像110输入至预设图像处理网络中进行磨皮处理，生成磨皮结果图像130；预设图像处理网络为基于训练集中各原始图像的瑕疵修复标注图像及标注中性灰图层，对初始图像处理网络进行训练所生成的网络。其中，电子设备120可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。
[0036]图2为一个实施例中图像处理方法的流程图。本实施例中的图像处理方法，以运行于图1中的电子设备上为例进行描述。如图2所示，图像处理方法包括步骤220至步骤240，其中，
[0037]步骤220，获取待处理图像。
[0038]其中，待处理图像可以是指电子设备通过摄像头采集的图像。在其他情况下，待处理图像也可以是存储在电子设备本地的图像，还可以是电子设备从网络下载的图像等，本申请对此不做限定。
[0039]电子设备获取到了待处理图像之后，可以先对待处理图像进行预处理本文档来自技高网...

【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，包括：获取待处理图像；将所述待处理图像输入至预设图像处理网络中进行磨皮处理，生成磨皮结果图像；所述预设图像处理网络为基于训练集中各原始图像的瑕疵修复标注图像及标注中性灰图层，对初始图像处理网络进行训练所生成的网络。2.根据权利要求1所述的方法，其特征在于，所述预设图像处理网络包括瑕疵修复网络及中性灰图层预测网络；所述将所述待处理图像输入至预设图像处理网络中进行磨皮处理，生成磨皮结果图像，包括：将所述待处理图像输入至所述瑕疵修复网络中进行瑕疵修复，生成瑕疵修复图像；将所述瑕疵修复图像输入至所述中性灰图层预测网络中进行中性灰图层预测，生成所述瑕疵修复图像的中性灰图层；将所述瑕疵修复图像及所述中性灰图层进行融合，生成所述磨皮结果图像。3.根据权利要求2所述的方法，其特征在于，所述瑕疵修复网络包括瑕疵检测网络；所述将所述待处理图像输入至所述瑕疵修复网络中进行瑕疵修复，生成瑕疵修复图像，包括：将所述待处理图像输入至所述瑕疵检测网络中进行瑕疵检测，生成瑕疵掩膜图；基于所述瑕疵掩膜图及所述待处理图像，对所述待处理图像进行瑕疵修复，生成所述瑕疵修复图像。4.根据权利要求2或3所述的方法，其特征在于，所述将所述瑕疵修复图像输入至所述中性灰图层预测网络中进行中性灰图层预测，生成所述瑕疵修复图像的中性灰图层，包括：将所述瑕疵修复图像输入至所述中性灰图层预测网络中，确定所述瑕疵修复图像的中性灰图层的预测灰度值；基于所述预测灰度值，生成所述瑕疵修复图像的中性灰图层。5.根据权利要求2或3所述的方法，其特征在于，所述将所述瑕疵修复图像及所述中性灰图层进行融合，生成所述磨皮结果图像，包括：将所述瑕疵修复图像及所述中性灰图层在柔光混合模式下进行融合，生成所述磨皮结果图像。6.根据权利要求2所述的方法，其特征在于，所述方法还包括：将所述训练集中的所述原始图像输入至初始瑕疵修复网络中，生成与所述原始图像对应的瑕疵修复预测图像；根据所述原始图像的瑕疵修复标注图像及所述瑕疵修复预测图像，计算损失函数的值；根据所述损失函数的值调整所述初始瑕疵修复网络的参数，生成所述瑕疵修复网络。7.根据权利要求6所述的方法，其特征在于，所述初始瑕疵修复网络包括YOLO神经网络。8.根据权利要求7所述的方法，其特征在于，所述YOLO神经网络包括YOLO V3神经网络、YOLO V4神经网络、YOLO V5神经网络中的任意一种。9.根据权利要求2所述的方法，其特征在于，所述方法还包括：将所述训练集中的所述原始图像输入至初始中性灰图层预测网络中...

【专利技术属性】
技术研发人员：王钊，
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：