一种图像光照估计方法、装置、电子设备及存储介质制造方法及图纸

本公开实施例公开了一种图像光照估计方法、装置、电子设备及存储介质，其中该方法包括：获取第一图像中感兴趣区域的关键点，并基于所述关键点确定所述感兴趣区域的凸包；将所述第一图像中所述凸包外像素的像素值置为第一数值，得到第二图像；根据所述第二图像中像素的亮度值，确定所述感兴趣区域的光照状态信息。通过截取感兴趣区域凸包，能够排除环境光照和周围像素颜色对感兴趣区域光照估计的干扰；通过根据像素亮度值确定光照状态信息，能够提高场景普适性，减少光照评估结果抖动性，提高光照估计结果的鲁棒性，从而提高光照估计的准确率。的准确率。的准确率。

【技术实现步骤摘要】
一种图像光照估计方法、装置、电子设备及存储介质


[0001]本公开实施例涉及图像处理
，尤其涉及一种图像光照估计方法、装置、电子设备及存储介质。

技术介绍

[0002]现有技术中，主要基于传统图像算法和深度学习方法来实现图像光照估计。
[0003]在对图像中感兴趣区域进行光照估计的情况下，现有技术的不足之处至少包括：
[0004]基于传统图像算法进行光照估计，不仅无法排除感兴趣区域外的光照的干扰，还容易受感兴趣区域周围像素颜色的干扰，导致光照估计的准确率较低。
[0005]基于深度学习方法进行光照估计，模型训练效果过于依赖训练集。例如，当训练集为小领域内的感兴趣区域图像时，模型容易过拟合，导致模型无法使用于其他场景。此外，在同一场景下模型还容易受环境变化、感兴趣区域移动等因素的影响，光照评估结果会产生较大的抖动，导致光照估计的准确率较低。

技术实现思路

[0006]本公开实施例提供了一种图像光照估计方法、装置、电子设备及存储介质，能够提高光照估计的准确率。
[0007]第一方面，本公开实施例提供了一种图像光照估计方法，包括：
[0008]获取第一图像中感兴趣区域的关键点，并基于所述关键点确定所述感兴趣区域的凸包；
[0009]将所述第一图像中所述凸包外像素的像素值置为第一数值，得到第二图像；
[0010]根据所述第二图像中像素的亮度值，确定所述感兴趣区域的光照状态信息。
[0011]第二方面，本公开实施例还提供了一种图像光照估计装置，包括：
[0012]凸包确定模块，用于获取第一图像中感兴趣区域的关键点，并基于所述关键点确定所述感兴趣区域的凸包；
[0013]像素值设置模块，用于将所述第一图像中所述凸包外像素的像素值置为第一数值，得到第二图像；
[0014]光照状态确定模块，用于根据所述第二图像中像素的亮度值，确定所述感兴趣区域的光照状态信息。
[0015]第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
[0016]一个或多个处理器；
[0017]存储装置，用于存储一个或多个程序，
[0018]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例任一所述的图像光照估计方法。
[0019]第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的图像光
照估计方法。
[0020]本公开实施例的技术方案，获取第一图像中感兴趣区域的关键点，并基于关键点确定感兴趣区域的凸包；将第一图像中凸包外像素的像素值置为第一数值，得到第二图像；根据第二图像中像素的亮度值，确定感兴趣区域的光照状态信息。通过截取感兴趣区域凸包，能够排除环境光照和周围像素颜色对感兴趣区域光照估计的干扰；通过根据像素亮度值确定光照状态信息，能够提高场景普适性，减少光照评估结果抖动性，提高光照估计结果的鲁棒性，从而提高光照估计的准确率。
附图说明
[0021]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
[0022]图1为本公开实施例一所提供的一种图像光照估计方法的流程示意图；
[0023]图2为本公开实施例二所提供的一种图像光照估计方法中人脸图像光照估计的流程框图；
[0024]图3为本公开实施例三所提供的一种图像光照估计装置的结构示意图；
[0025]图4为本公开实施例四所提供的一种电子设备的结构示意图。
具体实施方式
[0026]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0027]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0028]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0029]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0030]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0031]实施例一
[0032]图1为本公开实施例一所提供的一种图像光照估计方法流程示意图，本公开实施例适用于对图像中局部的感兴趣区域进行光照估计的情形，例如适用于对人脸图像中人脸区域进行光照估计的情形。该方法可以由图像光照估计装置来执行，该装置可以通过软件和/或硬件的形式实现，该装置可配置于电子设备中，例如配置于手机、电脑等移动终端设
备中。
[0033]如图1所示，本实施例提供的图像光照估计方法，包括：
[0034]S110、获取第一图像中感兴趣区域的关键点，并基于关键点确定感兴趣区域的凸包。
[0035]本公开实施例中，第一图像可以为当前采集的图像，也可以为从预设存储空间读取的图像。在不同业务场景下，第一图像的感兴趣区域可以不同，例如在人脸美化的场景下，感兴趣区域可以为人脸区域；又如在花卉识别的场景下，感兴趣区域可以为花卉区域。在计算几何图形学中，凸包可以认为是针对给定的二维平面上的点集，利用最外层的点连接起来构成的凸多边形，它能够包围点集中所有的点。在本实施例中，凸包可以理解为基本包围感兴趣区域中像素点的凸多边形。
[0036]其中，可以利用针对感兴趣区域预先训练的机器学习模型，对第一图像中相应的感兴趣区域进行关键点识别，以获取感兴趣区域的关键点。进而，可以利用关键点对感兴趣区域的轮廓进行拟合，并将拟合结果作为感兴趣区域的凸包，以使凸包可基本上包围感兴趣区域中的像素点(可简称为像素)。
[0037]S120、将第一图像中凸包外像素的像素值置为第一数值，得到第二图像。
[0038]在确定感兴趣区域凸包后，可以将第一图像中凸包内像素的像素值保持原始像素值，将第一图像中凸包外像素的像素值设置为第一数值。其中，可统计凸包内各像素的像素值，并可以将像素值范围内不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像光照估计方法，其特征在于，包括：获取第一图像中感兴趣区域的关键点，并基于所述关键点确定所述感兴趣区域的凸包；将所述第一图像中所述凸包外像素的像素值置为第一数值，得到第二图像；根据所述第二图像中像素的亮度值，确定所述感兴趣区域的光照状态信息。2.根据权利要求1所述的方法，其特征在于，所述将所述第一图像中所述凸包外像素的像素值置为第一数值，得到第二图像，包括：根据所述凸包确定二值化图像，其中所述二值化图像与所述第一图像的分辨率相同，且所述二值化图像中与所述凸包外像素对应的像素的像素值为零；根据所述二值化图像与所述第一图像，生成第二图像。3.根据权利要求1所述的方法，其特征在于，所述第二图像中像素的亮度值基于下述步骤确定：将所述第二图像转换到包含有亮度通道的颜色空间，并将所述颜色空间中亮度通道的图像作为第三图像；根据所述第三图像中像素的像素值，确定所述第二图像中像素的亮度值。4.根据权利要求1所述的方法，其特征在于，所述第一数值为零；所述第二图像中像素值为零的像素，对应的亮度值同样为零；所述根据所述第二图像中像素的亮度值，确定所述感兴趣区域的光照状态信息，包括：将所述第二图像划分为第二数值个子区域，计算各所述子区域内亮度值非零的像素的亮度均值；统计所述亮度均值大于第三数值的子区域的个数，得到第四数值；根据所述第四数值与所述第二数值的比值，确定所述感兴趣区域的光照状态信息。5.根据权利要求4所述的方法，其特征在于，所述光照状态信息包括光照强度信息和/或曝光强度信息；其中，与所述曝光强度...

【专利技术属性】
技术研发人员：曾伟宏，王旭，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：