【技术实现步骤摘要】
图像处理方法、装置、电子设备及存储介质
[0001]本公开实施例涉及图像处理
，尤其涉及一种图像处理方法、装置、电子设备及存储介质。
技术介绍
[0002]目前，需要为有头发的目标对象的图像中添加光头的特效时，通常是在采集图像的时候，通过佩戴物理头套将原本的头发遮住，直接采集目标对象的无头发的光头图像；或者，直接采集目标对象原本有头发的图像，采用人工修图的方式进行头发去除。这两种方式中，前者头套成本较高且效果不够真实，后者修图操作的人工成本较高，并且不能实时处理。
技术实现思路
[0003]本公开提供了一种图像处理方法、装置、电子设备及存储介质，以实现可以实时的去除图像中的目标对象，降低图像中元素对象去除的成本。
[0004]第一方面，本公开实施例提供了一种图像处理方法，该方法包括：
[0005]获取待处理图像，其中，所述待处理图像为具有预设对象的图像，所述预设对象的部分像素点位于所述待处理图像中主体轮廓区域内，部分像素点位于所述主体轮廓区域外；
[0006]将所述待处理图像输入...
【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，其中，所述待处理图像为具有预设对象的图像，所述预设对象的部分像素点位于所述待处理图像中主体轮廓区域内，部分像素点位于所述主体轮廓区域外；将所述待处理图像输入至预设对象去除处理模型，得到目标图像，其中，所述目标图像为与所述具有预设对象的图像对应的对象去除图像；所述预设对象去除处理模型是基于预先建立的无预设对象图像样本对集合进行训练得到的模型，其中，各无预设对象图像样本对中包括具有预设对象的原始图像，以及分别对位于所述主体轮廓区域外的预设对象像素点和位于所述主体轮廓区域内的预设对象像素点进行处理得到的预设对象去除图像。2.根据权利要求1所述的方法，其特征在于，所述无预设对象图像样本对的构造过程，包括：识别存在预设对象的原始图像中展示所述预设对象的主体轮廓区域；将位于所述主体轮廓区域内的所述预设对象的像素点处理为与所述主体轮廓区域内的非所述预设对象的像素点的像素信息一致的像素点，并将位于所述主体轮廓区域外的所述预设对象的像素点处理为与所述主体轮廓区域外的非所述预设对象的像素点的像素信息一致的像素点，得到目标对象去除图像；将所述原始图像和所述目标对象去除图像组成所述无预设对象样本对。3.根据权利要求1或2所述的方法，其特征在于，当所述预设对象为头发，所述主体轮廓为头颅轮廓时，所述无预设对象图像样本对的构造过程，包括：将存在预设对象的原始图像输入至经过预训练的头颅区域预测模型中，得到展示所述预设对象的头颅区域二值图像；将所述头颅区域二值图像与所述原始图像进行叠加，并将图像叠加结果输入至经过预训练的图像背景修补模型，得到将位于所述头颅区域外的所述预设对象去除的初阶对象去除图像；将所述初阶对象去除图像输入至经过预训练的面部皮肤修补模型中，得到将位于所述头颅区域内的所述预设对象去除的完全对象去除图像；将所述原始图像与所述完全对象去除图像组成所述无预设对象样本对。4.根据权利要求3所述的方法，其特征在于，所述头颅区域预测模型的训练过程，包括：获取任一存在所述预设对象的样本图像，并为所述样本图像匹配对应的三维头颅模型；将所述三维头颅模型进行平面投影得到与所述样本图像匹配的头颅区域二值图像；将所述样本图像作为模型输入图像，并将所述头颅区域二值图像作为模型期望输出图像进行神经网络模型训练，得到所述头颅区域预测模型。5.根据权利要求3所述的方法，其特征在于，所述图像背景修补模型的训练过程，包括：将预设头颅区域二值图像集合中的二值图像与预设背景图像集中背景图像进行随机组合，并将组合中的二值图像叠加于背景图像上，得到第一叠加样本图像；在所述第一叠加样本图像中对应头颅区域的外部进行所述预设对象像素标记，得到第一叠加样本标记图像；基于所述第一叠加样本图像和所述第一叠加样本标记图像进行神经网络模型训练，得
到所述图像背景修补模型。6.根据权利要求5所述的方法，其特征在于，所述基于所述第一叠加样本图像和所述第一叠加样本标记图像进行神经网络模型训练，得到所述图像背景修补模型，包括：将所述第一叠加样本标记图像输入到初始图像背景修补模型中得到第一模型生成图像...
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。