本发明涉及通信领域,特别涉及一种发送风格化视频的方法及电子设备。
背景技术:
现有的基于图像处理的人脸风格化方法,采用了图像像素值的线性变换,这样使得生成图像颜色单一,生硬,并且不能很好的融入背景之中去,因此用户体验较差;
现有的基于机器学习的人脸风格化生成方法,采用了贝叶斯模型,考虑像素点的先验/后验概率,并且结合了马尔可夫模型,因此计算时间较长,完全不能满足手机应用的需求,另外求解完备方程也消耗了较长的时间。
技术实现要素:
为了解决上述问题,本发明提供一种发送风格化视频的方法及电子设备。
所述技术方案如下:
第一方面,提供了一种发送风格化视频的方法,所述方法包括:
获取当前视频帧中的人脸图像;
对所述人脸图像进行风格化处理,获得风格化后的人脸图像;
将当前视频帧中的人脸图像替换为风格化后的人脸图像,获得风格化后的当前视频帧;
发送风格化后的当前视频帧。
结合第一方面,在第一种可能的实现方式中,所述对所述人脸图像进行风格化处理,获得风格化后的人脸图像包括:
获取所述人脸图像中人脸对应的特征点;
根据所述特征点获取图像中人脸对应的区域;
对所述人脸对应的区域进行标准归一化;
对标准归一化后的所述人脸对应的区域进行直方图均衡化;
对直方图均衡化后的所述人脸对应的区域进行像素值的线性变换,得到目标区域图像;
将所述目标区域图像和预设的背景图像进行合成,得到风格化后的人脸图像。
结合第一方面的第一种可能的实现方式,在第二种可能的实现方式中,所述获取图像中人脸对应的特征点包括:
识别人脸中的眼睛,鼻子,嘴巴的位置并获取相应的特征点。
结合第一方面的第一种可能的实现方式,在第三种可能的实现方式中,所述根据所述特征点获取图像中人脸对应的区域包括:
根据所述特征点获取人脸的轮廓;
获取所述轮廓内的图像为所述人脸对应的区域。
结合第一方面的第一种可能的实现方式,在第四种可能的实现方式中,所述对所述人脸对应的区域进行标准归一化包括:
根据预设的标准人脸图像对所述人脸对应的区域进行标准归一化。
结合第一方面的第一种可能的实现方式,在第五种可能的实现方式中,所述对标准归一化后的所述人脸对应的区域进行直方图均衡化包括:
如果所述人脸对应的区域为灰度图像,则获取所述人脸对应的区域的直方图;
对所述直方图进行均衡化,删除超出预设阈值的部分。
结合第一方面的第一种可能的实现方式,在第六种可能的实现方式中,所述对标准归一化后的所述人脸对应的区域进行直方图均衡化还包括:
如果所述人脸对应的区域为彩色图像,则获取所述人脸对应的区域对应的灰度图像以及所述人脸对应的区域的r,g,b分量分别对应的图像;
分别获取所述人脸对应的区域的r,g,b分量分别对应的图像以及所述灰 度图像的直方图;
对每个所述直方图进行均衡化,删除超出预设阈值的部分。
结合第一方面的第五种可能的实现方式,在第七种可能的实现方式中,所述对直方图均衡化后的所述人脸对应的区域进行像素值的线性变换,得到目标区域图像包括:
根据所述直方图均衡化后的所述人脸对应的区域中每个像素的灰度值进行线性变换,得到目标区域图像。
结合第一方面的第六种可能的实现方式,在第八种可能的实现方式中,所述对直方图均衡化后的所述人脸对应的区域进行像素值的线性变换,得到目标区域图像还包括:
根据所述直方图均衡化后的所述人脸对应的区域中每个像素的r,g,b分量值以及灰度值分别进行线性变换;
将所述r,g,b分量值分别进行线性变换得到的图像合成为所述目标区域图像;
将所述灰度值进行线性变换得到的图像作为所述目标区域图像对应的灰度图像。
结合第一方面的第七种可能的实现方式,在第九种可能的实现方式中,所述将所述目标区域图像和预设的背景图像进行合成,得到风格化后的人脸图像包括:
将所述目标区域图像和所述预设的背景图像进行合成,得到风格化后的人脸图像。
结合第一方面的第八种可能的实现方式,在第十种可能的实现方式中,所述将所述目标区域图像和预设的背景图像进行合成,得到风格化后的人脸图像还包括:
将所述目标区域图像,所述目标区域图像对应的灰度图像和所述预设的背景图像进行合成,得到风格化后的人脸图像。
结合第一方面,在第十一种可能的实现方式中,所述对所述人脸图像进行风格化处理,获得风格化后的人脸图像包括:
对所述人脸图像,预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则进行分片;
对于所述人脸图像中的每个分片,在预设的人脸库中查找与其最相近的n个图像分片;
根据查找到的n个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重;
获取所述n个图像分片在风格化图像库中对应的n个风格化图像分片;
根据所述权重将所述n个风格化图像分片合成为所述人脸图像分片的风格化分片;
将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像。
结合第一方面的第十一种可能的实现方式,在第十二种可能的实现方式中,所述分片的大小为32像素×32像素。
结合第一方面的第十一种可能的实现方式,在第十三种可能的实现方式中,所述对于所述人脸图像中的每个分片,在预设的人脸库中查找与其最相近的n个图像分片包括:
对于所述人脸图像中的每个分片,根据k近邻算法在预设的人脸库中查找与其最相近的n个图像分片。
结合第一方面的第十一种可能的实现方式,在第十四种可能的实现方式中,所述根据查找到的n个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重包括:
根据查找到的n个图像分片与所述人脸图像中对应分片的相似度,通过多元线性回归算法分别计算每个图像分片的权重。
结合第一方面的第十一种可能的实现方式,在第十五种可能的实现方式中, 所述将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像包括:
将所述人脸图像的所有分片的风格化分片以线性组合的方式合成为所述人脸图像的风格化图像。
第二方面,提供了一种电子设备,所述电子设备包括:
人脸图像获取模块,用于获取当前视频帧中的人脸图像;
风格化处理模块,用于对所述人脸图像进行风格化处理,获得风格化后的人脸图像;
替换模块,用于将当前视频帧中的人脸图像替换为风格化后的人脸图像,获得风格化后的当前视频帧;
发送模块,用于发送风格化后的当前视频帧。
结合第二方面,在第一种可能的实现方式中,所述风格化处理模块具体包括:
特征点获取模块,用于获取图像中人脸对应的特征点;
人脸区域获取模块,用于根据所述特征点获取图像中人脸对应的区域;
归一化模块,用于对所述人脸对应的区域进行标准归一化;
直方图均衡化模块,用于对标准归一化后的所述人脸对应的区域进行直方图均衡化;
线性变换模块,用于对直方图均衡化后的所述人脸对应的区域进行像素值的线性变换,得到目标区域图像;
第一合成模块,用于将所述目标区域图像和预设的背景图像进行合成,得到风格化后的人脸图像。
结合第二方面的第一种可能的实现方式,在第二种可能的实现方式中,所述特征点获取模块具体用于:
识别人脸中的眼睛,鼻子,嘴巴的位置并获取相应的特征点。
结合第二方面的第一种可能的实现方式,在第三种可能的实现方式中,所 述人脸区域获取模块具体用于:
根据所述特征点获取人脸的轮廓;
获取所述轮廓内的图像为所述人脸对应的区域。
结合第二方面的第一种可能的实现方式,在第四种可能的实现方式中,所述归一化模块具体用于:
根据预设的标准人脸图像对所述人脸对应的区域进行标准归一化。
结合第二方面的第一种可能的实现方式,在第五种可能的实现方式中,所述直方图均衡化模块具体用于:
如果所述人脸对应的区域为灰度图像,则获取所述人脸对应的区域的直方图;
对所述直方图进行均衡化,删除超出预设阈值的部分。
结合第二方面的第一种可能的实现方式,在第六种可能的实现方式中,所述直方图均衡化模块还用于:
如果所述人脸对应的区域为彩色图像,则获取所述人脸对应的区域对应的灰度图像以及所述人脸对应的区域的r,g,b分量分别对应的图像;
分别获取所述人脸对应的区域的r,g,b分量分别对应的图像以及所述灰度图像的直方图;
对每个所述直方图进行均衡化,删除超出预设阈值的部分。
结合第二方面的第五种可能的实现方式,在第七种可能的实现方式中,所述线性变换模块具体用于:
根据所述直方图均衡化后的所述人脸对应的区域中每个像素的灰度值进行线性变换,得到目标区域图像。
结合第二方面的第六种可能的实现方式,在第八种可能的实现方式中,所述线性变换模块还用于:
根据所述直方图均衡化后的所述人脸对应的区域中每个像素的r,g,b分量值以及灰度值分别进行线性变换;
将所述r,g,b分量值分别进行线性变换得到的图像合成为所述目标区域图像;
将所述灰度值进行线性变换得到的图像作为所述目标区域图像对应的灰度图像。
结合第二方面的第七种可能的实现方式,在第九种可能的实现方式中,所述第一合成模块具体用于:
将所述目标区域图像和所述预设的背景图像进行合成,得到风格化后的人脸图像。
结合第二方面的第八种可能的实现方式,在第十种可能的实现方式中,所述第一合成模块还用于:
将所述目标区域图像,所述目标区域图像对应的灰度图像和所述预设的背景图像进行合成,得到风格化后的人脸图像。
结合第二方面,在第十一种可能的实现方式中,所述风格化处理模块具体包括:
分割模块,用于对人脸图像,预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则进行分片;
查找模块,用于对于所述人脸图像中的每个分片,在预设的人脸库中查找与其最相近的n个图像分片;
计算模块,用于根据查找到的n个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重;
获取模块,用于获取所述n个图像分片在风格化图像库中对应的n个风格化图像分片;
第二合成模块,用于根据所述权重将所述n个风格化图像分片合成为所述人脸图像分片的风格化分片;
所述第二合成模块还用于将所述人脸图像的所有分片的风格化分片合成为 所述人脸图像的风格化图像。
结合第二方面的第十一种可能的实现方式,在第十二种可能的实现方式中,所述分片的大小为32像素×32像素。
结合第二方面的第十一种可能的实现方式,在第十三种可能的实现方式中,所述查找模块具体用于:
对于所述人脸图像中的每个分片,根据k近邻算法在预设的人脸库中查找与其最相近的n个图像分片。
结合第二方面的第十一种可能的实现方式,在第十四种可能的实现方式中,所述计算模块具体用于:
根据查找到的n个图像分片与所述人脸图像中对应分片的相似度,通过多元线性回归算法分别计算每个图像分片的权重。
结合第二方面的第十一种可能的实现方式,在第十五种可能的实现方式中,所述第二合成模块具体用于:
将所述人脸图像的所有分片的风格化分片以线性组合的方式合成为所述人脸图像的风格化图像。
第三方面,提供了一种电子设备,所述设备包括存储器、摄像头、发送模块以及与所述存储器、摄像头、发送模块连接的处理器,其中,所述存储器用于存储一组程序代码,所述处理器调用所述存储器所存储的程序代码用于执行以下操作:
人脸图像获取模块,用于获取当前视频帧中的人脸图像;
风格化处理模块,用于对所述人脸图像进行风格化处理,获得风格化后的人脸图像;
替换模块,用于将当前视频帧中的人脸图像替换为风格化后的人脸图像,获得风格化后的当前视频帧;
发送模块,用于发送风格化后的当前视频帧。
结合第三方面,在第一种可能的实现方式中,所述处理器调用所述存储器 所存储的程序代码用于执行以下操作:
获取图像中人脸对应的特征点;
根据所述特征点获取图像中人脸对应的区域;
对所述人脸对应的区域进行标准归一化;
对标准归一化后的所述人脸对应的区域进行直方图均衡化;
对直方图均衡化后的所述人脸对应的区域进行像素值的线性变换,得到目标区域图像;
将所述目标区域图像和预设的背景图像进行合成,得到风格化后的人脸图像。
结合第三方面的第一种可能的实现方式,在第二种可能的实现方式中,所述处理器调用所述存储器所存储的程序代码用于执行以下操作:
识别人脸中的眼睛,鼻子,嘴巴的位置并获取相应的特征点。
结合第三方面的第一种可能的实现方式,在第三种可能的实现方式中,所述处理器调用所述存储器所存储的程序代码用于执行以下操作:
根据所述特征点获取人脸的轮廓;
获取所述轮廓内的图像为所述人脸对应的区域。
结合第三方面的第一种可能的实现方式,在第四种可能的实现方式中,所述处理器调用所述存储器所存储的程序代码用于执行以下操作:
根据预设的标准人脸图像对所述人脸对应的区域进行标准归一化。
结合第三方面的第一种可能的实现方式,在第五种可能的实现方式中,所述处理器调用所述存储器所存储的程序代码用于执行以下操作:
如果所述人脸对应的区域为灰度图像,则获取所述人脸对应的区域的直方图;
对所述直方图进行均衡化,删除超出预设阈值的部分。
结合第三方面的第一种可能的实现方式,在第六种可能的实现方式中,所述处理器调用所述存储器所存储的程序代码用于执行以下操作:
如果所述人脸对应的区域为彩色图像,则获取所述人脸对应的区域对应的灰度图像以及所述人脸对应的区域的r,g,b分量分别对应的图像;
分别获取所述人脸对应的区域的r,g,b分量分别对应的图像以及所述灰度图像的直方图;
对每个所述直方图进行均衡化,删除超出预设阈值的部分。
结合第三方面的第五种可能的实现方式,在第七种可能的实现方式中,所述处理器调用所述存储器所存储的程序代码用于执行以下操作:
根据所述直方图均衡化后的所述人脸对应的区域中每个像素的灰度值进行线性变换,得到目标区域图像。
结合第三方面的第六种可能的实现方式,在第八种可能的实现方式中,所述处理器调用所述存储器所存储的程序代码用于执行以下操作:
根据所述直方图均衡化后的所述人脸对应的区域中每个像素的r,g,b分量值以及灰度值分别进行线性变换;
将所述r,g,b分量值分别进行线性变换得到的图像合成为所述目标区域图像;
将所述灰度值进行线性变换得到的图像作为所述目标区域图像对应的灰度图像。
结合第三方面的第七种可能的实现方式,在第九种可能的实现方式中,所述处理器调用所述存储器所存储的程序代码用于执行以下操作:
将所述目标区域图像和所述预设的背景图像进行合成,得到风格化后的人脸图像。
结合第三方面的第八种可能的实现方式,在第十种可能的实现方式中,所述处理器调用所述存储器所存储的程序代码用于执行以下操作:
将所述目标区域图像,所述目标区域图像对应的灰度图像和所述预设的背景图像进行合成,得到风格化后的人脸图像。
结合第三方面,在第十一种可能的实现方式中,所述处理器调用所述存储 器所存储的程序代码用于执行以下操作:
对人脸图像,预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则进行分片;
对于所述人脸图像中的每个分片,在预设的人脸库中查找与其最相近的n个图像分片;
根据查找到的n个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重;
获取所述n个图像分片在风格化图像库中对应的n个风格化图像分片;
根据所述权重将所述n个风格化图像分片合成为所述人脸图像分片的风格化分片;
将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像。
结合第三方面的第十一种可能的实现方式,在第十二种可能的实现方式中,所述分片的大小为32像素×32像素。
结合第三方面的第十一种可能的实现方式,在第十三种可能的实现方式中,所述处理器调用所述存储器所存储的程序代码用于执行以下操作:
对于所述人脸图像中的每个分片,根据k近邻算法在预设的人脸库中查找与其最相近的n个图像分片。
结合第三方面的第十一种可能的实现方式,在第十四种可能的实现方式中,所述处理器调用所述存储器所存储的程序代码用于执行以下操作:
根据查找到的n个图像分片与所述人脸图像中对应分片的相似度,通过多元线性回归算法分别计算每个图像分片的权重。
结合第三方面的第十一种可能的实现方式,在第十五种可能的实现方式中,所述处理器调用所述存储器所存储的程序代码用于执行以下操作:
将所述人脸图像的所有分片的风格化分片以线性组合的方式合成为所述人脸图像的风格化图像。
本发明实施例提供了一种发送风格化视频的方法及电子设备,能够实时的通过输入图片来生成对应的个性化人脸,标准归一化使得人脸图像正面对齐,直方图均衡可以增强图像对比度,使得人脸更美观;能够实时的通过输入图片来生成对应的个性化人脸,图像分块可以使得生成图像具有灵活自动的特点,多元线性回归可以找到合适的系数,从而使得在样本库中对应的到较准确的眼睛,鼻子和嘴的结果,同时算法简单,具有效率高、速度快的优点。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,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。
图1是本发明实施例提供的一种基于图像处理的人脸风格化的方法的流程图;
图2是本发明实施例提供的一种基于图像处理的人脸风格化的方法的流程图;
图3是本发明实施例提供的一种基于图像处理的人脸风格化的方法的流程图;
图4是本发明实施例提供的一种基于图像处理的人脸风格化的方法的流程图;
图5是本发明实施例提供的一种基于图像处理的人脸风格化的方法的流程图;
图6是本发明实施例提供的一种电子设备的结构示意图;
图7是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
本发明实施例提供了一种发送风格化视频的方法及电子设备,能够实时的通过输入图片来生成对应的个性化人脸,标准归一化使得人脸图像正面对齐,直方图均衡可以增强图像对比度,使得人脸更美观;能够实时的通过输入图片来生成对应的个性化人脸,图像分块可以使得生成图像具有灵活自动的特点,多元线性回归可以找到合适的系数,从而使得在样本库中对应的到较准确的眼睛,鼻子和嘴的结果,同时算法简单,具有效率高、速度快的优点。
实施例一
本发明实施例提供了一种发送风格化视频的方法,参照图1所示,该方法流程包括:
101、获取当前视频帧中的人脸图像。
具体的,该过程可以为:
识别当前视频帧中的人脸;
获取人脸所在区域的图像。
其中,该识别过程可以是通过对当前视频帧进行显著性检测和/或根据描述该人脸的特征点实现的,本发明实施例对具体的检测过程不加以限定。
102、对所述人脸图像进行风格化处理,获得风格化后的人脸图像。
具体的,该过程可以为:
通过基于图像处理的人脸风格化方法对所述人脸图像进行风格化处理,获得风格化后的人脸图像;或者,
通过基于机器学习的人脸风格化方法对所述人脸图像进行风格化处理,获得风格化后的人脸图像。
103、将当前视频帧中的人脸图像替换为风格化后的人脸图像,获得风格化后的当前视频帧。
具体的,该过程可以为:
用所述风格化后的人脸图像替换当前视频帧中的人脸图像,获得风格化后的当前视频帧;或者,用所述风格化后的人脸图像和预设的背景图像替换当前视频帧,获得风格化后的当前视频帧。
104、发送风格化后的当前视频帧。
具体的,该过程可以为:
对所述风格化后的当前视频帧进行编码,发送编码后的所述风格化后的当前视频帧。
本发明实施例提供了一种发送风格化视频的方法及电子设备,具有算法简单,效率高、速度快的优点。
实施例二
本发明实施例提供了一种发送风格化视频的方法,参照图2所示,对于黑白视频,该方法流程包括:
201、获取当前视频帧中的人脸图像。
该步骤与步骤101相同,此处不再赘述。
202、获取所述人脸图像中人脸对应的特征点。
具体的,该过程可以为:
使用主动形状模型(asm,activeshapemodel)识别人脸中的眼睛,鼻子,嘴巴的位置并获取相应的特征点,示例性的该特征点可以为49个,本发明实施例对具体的特征点个数不加限定。
203、根据所述特征点获取图像中人脸对应的区域。
具体的,该过程可以为:
根据所述特征点获取人脸的轮廓;
获取所述轮廓内的图像为所述人脸对应的区域。
示例性的,该区域为矩形区域。
204、对所述人脸对应的区域进行标准归一化。
具体的,该过程可以为:
根据预设的标准人脸图像对所述人脸对应的区域进行标准归一化。
首先根据对应的眼睛,鼻子,嘴巴的坐标位置关系计算出旋转,放缩和平移(rotation,scale,translation,rst)变换矩阵,再根据rst变换矩阵得到变换后的人脸图像。
示例性的,假设预设的标准人脸图像的眼睛,鼻子,嘴巴的对应坐标矩阵为[x,y],其中x,y为向量,所述人脸对应区域中眼睛,鼻子,嘴巴对应的坐标矩阵为[x',y'],其中x',y'为向量,那么有公式:
[x,y]=[x',y']×[t](1)
其中[t]为rst变换矩阵。
根据公式(1)和[x,y]以及[x',y'],利用多元线性回归(multivariablelinearregression)方法可以解出[t],记所述人脸对应的区域为image,则对所述人脸对应的区域image进行标准归一化得到的变换后的人脸图像image'=image×[t],本发明实施例对具体的标准归一化方法不加限定。
205、对标准归一化后的所述人脸对应的区域进行直方图均衡化。
具体的,该过程可以为:
获取所述人脸对应的区域的直方图;
对所述直方图进行均衡化,删除超出预设阈值的部分。
示例性的,阈值=32,本发明实施例对具体的阈值不加限定。
206、对直方图均衡化后的所述人脸对应的区域进行像素值的线性变换,得到目标区域图像。
具体的,该过程可以为:
取线性变换公式为:y=8x-1,其中x为变换前所述人脸对应的区域的像素的灰度值,或者是像素的r,g,b分量值。
根据所述直方图均衡化后的所述人脸对应的区域中每个像素的灰度值进行线性变换,得到目标区域图像。
207、将所述目标区域图像和预设的背景图像进行合成,得到风格化后的人脸图像。
具体的,该过程可以为:
将所述目标区域图像和所述预设的背景图像进行合成,得到风格化后的人脸图像。
示例性的,将两幅图像的对应像素的像素值逐点相乘,得到合成后的风格化的人脸图像,本发明实施例对具体的合成方法不加限定。
208、将当前视频帧中的人脸图像替换为风格化后的人脸图像,获得风格化后的当前视频帧。
该步骤与步骤103相同,此处不再赘述。
209、发送风格化后的当前视频帧。
该步骤与步骤104相同,此处不再赘述。
本发明实施例提供了一种发送风格化视频的方法,能够实时的根据即时视频帧来生成对应的个性化人脸,标准归一化使得人脸图像正面对齐,直方图均衡可以增强图像对比度,使得人脸更美观,同时算法简单,具有效率高、速度快的优点。
实施例三
本发明实施例提供了一种发送风格化视频的方法,参照图3所示,对于彩色视频,该方法流程包括:
301、获取当前视频帧中的人脸图像。
该步骤与步骤101相同,此处不再赘述。
302、获取所述人脸图像中人脸对应的特征点。
该步骤与步骤202相同,此处不再赘述。
303、根据所述特征点获取图像中人脸对应的区域。
该步骤与步骤203相同,此处不再赘述。
304、对所述人脸对应的区域进行标准归一化。
该步骤与步骤204相同,此处不再赘述。
305、对标准归一化后的所述人脸对应的区域进行直方图均衡化。
具体的,该过程可以为:
获取所述人脸对应的区域对应的灰度图像以及所述人脸对应的区域的r,g,b分量分别对应的图像;
分别获取所述人脸对应的区域的r,g,b分量分别对应的图像以及所述灰度图像的直方图;
对每个所述直方图进行均衡化,删除超出预设阈值的部分。
示例性的,阈值=32,本发明实施例对具体的阈值不加限定。
306、对直方图均衡化后的所述人脸对应的区域进行像素值的线性变换,得到目标区域图像。
具体的,该过程可以为:
取线性变换公式为:y=8x-1,其中x为变换前所述人脸对应的区域的像素的灰度值,或者是像素的r,g,b分量值。
根据所述直方图均衡化后的所述人脸对应的区域中每个像素的r,g,b分量值以及灰度值分别进行线性变换;
将所述r,g,b分量值分别进行线性变换得到的图像合成为所述目标区域图像;
将所述灰度值进行线性变换得到的图像作为所述目标区域图像对应的灰度图像。
307、将所述目标区域图像和预设的背景图像进行合成,得到风格化后的人脸图像。
具体的,该过程可以为:
将所述目标区域图像,所述目标区域图像对应的灰度图像和所述预设的背景图像进行合成,得到风格化后的人脸图像。
示例性的,将三幅图像的对应像素的像素值逐点相乘,得到合成后的风格化的人脸图像,本发明实施例对具体的合成方法不加限定。
308、将当前视频帧中的人脸图像替换为风格化后的人脸图像,获得风格化后的当前视频帧。
该步骤与步骤103相同,此处不再赘述。
309、发送风格化后的当前视频帧。
该步骤与步骤104相同,此处不再赘述。
本发明实施例提供了一种发送风格化视频的方法,能够实时的根据即时视频帧来生成对应的个性化人脸,标准归一化使得人脸图像正面对齐,直方图均衡可以增强图像对比度,使得人脸更美观,同时算法简单,具有效率高、速度快的优点。
实施例四
本发明实施例提供了一种发送风格化视频的方法,参照图4所示,该方法流程包括:
401、获取当前视频帧中的人脸图像。
该步骤与步骤101相同,此处不再赘述。
402、对所述人脸图像,预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则进行分片。
具体的,该过程可以包括:
将人脸图像,预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则分为大小为32像素×32像素的分片。
403、对于所述人脸图像中的每个分片,在预设的人脸库中查找与其最相近的n个图像分片。
具体的,该过程可以包括:
根据k最近邻(k-nearestneighbor,knn)分类算法,取出欧式距离最小的 n个图像分片。
示例性的,n=5。
404、根据查找到的n个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重。
具体的,该过程可以包括:
根据多元线性回归模型(multivariablelinearregressionmodel)分别计算n个图像分片的权重。
405、获取所述n个图像分片在风格化图像库中对应的n个风格化图像分片。
具体的,该过程可以包括:
根据在预设人脸库中查找到的n个图像分片,在风格化图像库中获取对应的n个风格化图像分片。
需要说明的是,本发明实施例对步骤404和步骤405的执行顺序不加限定,可以先执行步骤404,再执行步骤405,也可以先执行步骤405,再执行步骤404,还可以同时执行步骤404和步骤405。
406、根据所述权重将所述n个风格化图像分片合成为所述人脸图像分片的风格化分片。
具体的,该过程可以包括:
根据公式(2)计算合成后的图像分片中的每个像素的像素值。
其中ij为合成后图像分片中的第j个像素,ijk为n个图像分片中第k个图像分片的第j个像素,该像素的位置与ij相对应,wk是n个图像分片中第k个图像分片对应的权重。
407、将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像。
具体的,该过程可以包括:
根据步骤402中的划分规则将所有的风格化分片拼接为该人脸图像的风格化图像。
408、将当前视频帧中的人脸图像替换为风格化后的人脸图像,获得风格化后的当前视频帧。
该步骤与步骤103相同,此处不再赘述。
409、发送风格化后的当前视频帧。
该步骤与步骤103相同,此处不再赘述。
本发明实施例提供了一种发送风格化视频的方法,能够实时的根据即时视频帧来生成对应的个性化人脸,图像分块可以使得生成图像具有灵活自动的特点,多元线性回归可以找到合适的系数,从而使得在样本库中对应的到较准确的眼睛,鼻子和嘴的结果,同时算法简单,具有效率高、速度快的优点。
实施例五
本发明实施例提供了一种发送风格化视频的方法,参照图5所示,该方法流程包括:
501、获取当前视频帧中的人脸图像。
该步骤与步骤101相同,此处不再赘述。
502、对所述人脸图像,预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则进行分片。
具体的,该过程可以包括:
将人脸图像,预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则分为大小为64像素×64像素的分片。
503、对于所述人脸图像中的每个分片,在预设的人脸库中查找与其最相近的n个图像分片。
具体的,该过程可以包括:
根据k最近邻(k-nearestneighbor,knn)分类算法,取出欧式距离最小的 n个图像分片。
示例性的,n=3。
504、根据查找到的n个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重。
具体的,该步骤与步骤404相同,在此不再加以赘述。
505、获取所述n个图像分片在风格化图像库中对应的n个风格化图像分片。
具体的,该步骤与步骤405相同,在此不再加以赘述。
需要说明的是,本发明实施例对步骤504和步骤505的执行顺序不加限定,可以先执行步骤504,再执行步骤505,也可以先执行步骤505,再执行步骤504,还可以同时执行步骤504和步骤505。
506、根据所述权重将所述n个风格化图像分片合成为所述人脸图像分片的风格化分片。
具体的,该步骤与步骤406相同,在此不再加以赘述。
507、将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像。
具体的,该过程可以包括:
根据步骤502中的划分规则将所有的风格化分片拼接为该人脸图像的风格化图像。
508、将当前视频帧中的人脸图像替换为风格化后的人脸图像,获得风格化后的当前视频帧。
该步骤与步骤103相同,此处不再赘述。
509、发送风格化后的当前视频帧。
该步骤与步骤104相同,此处不再赘述。
本发明实施例提供了一种发送风格化视频的方法,能够实时的根据即时视频帧来生成对应的个性化人脸,图像分块可以使得生成图像具有灵活自动的特点,多元线性回归可以找到合适的系数,从而使得在样本库中对应的到较准确 的眼睛,鼻子和嘴的结果,同时算法简单,具有效率高、速度快的优点。
实施例六
本发明实施例提供了一种电子设备,参照图6所示,该电子设备包括:
人脸图像获取模块601,用于获取当前视频帧中的人脸图像;
风格化处理模块602,用于对所述人脸图像进行风格化处理,获得风格化后的人脸图像;
替换模块603,用于将当前视频帧中的人脸图像替换为风格化后的人脸图像,获得风格化后的当前视频帧;
发送模块604,用于发送风格化后的当前视频帧。
可选的,风格化处理模块602具体包括:
特征点获取模块605,用于获取图像中人脸对应的特征点;
人脸区域获取模块606,用于根据所述特征点获取图像中人脸对应的区域;
归一化模块607,用于对所述人脸对应的区域进行标准归一化;
直方图均衡化模块608,用于对标准归一化后的所述人脸对应的区域进行直方图均衡化;
线性变换模块609,用于对直方图均衡化后的所述人脸对应的区域进行像素值的线性变换,得到目标区域图像;
第一合成模块610,用于将所述目标区域图像和预设的背景图像进行合成,得到风格化后的人脸图像。
可选的,特征点获取模块605具体用于:
识别人脸中的眼睛,鼻子,嘴巴的位置并获取相应的特征点。
可选的,人脸区域获取模块606具体用于:
根据所述特征点获取人脸的轮廓;
获取所述轮廓内的图像为所述人脸对应的区域。
可选的,归一化模块607具体用于:
根据预设的标准人脸图像对所述人脸对应的区域进行标准归一化。
可选的,直方图均衡化模块608具体用于:
如果所述人脸对应的区域为灰度图像,则获取所述人脸对应的区域的直方图;
对所述直方图进行均衡化,删除超出预设阈值的部分。
可选的,直方图均衡化模块608还用于:
如果所述人脸对应的区域为彩色图像,则获取所述人脸对应的区域对应的灰度图像以及所述人脸对应的区域的r,g,b分量分别对应的图像;
分别获取所述人脸对应的区域的r,g,b分量分别对应的图像以及所述灰度图像的直方图;
对每个所述直方图进行均衡化,删除超出预设阈值的部分。
可选的,线性变换模块609具体用于:
根据所述直方图均衡化后的所述人脸对应的区域中每个像素的灰度值进行线性变换,得到目标区域图像。
可选的,线性变换模块609还用于:
根据所述直方图均衡化后的所述人脸对应的区域中每个像素的r,g,b分量值以及灰度值分别进行线性变换;
将所述r,g,b分量值分别进行线性变换得到的图像合成为所述目标区域图像;
将所述灰度值进行线性变换得到的图像作为所述目标区域图像对应的灰度图像。
可选的,第一合成模块610具体用于:
将所述目标区域图像和所述预设的背景图像进行合成,得到风格化后的人脸图像。
可选的,第一合成模块610还用于:
将所述目标区域图像,所述目标区域图像对应的灰度图像和所述预设的背景图像进行合成,得到风格化后的人脸图像。
可选的,风格化处理模块602还包括:
分割模块611,用于对人脸图像,预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则进行分片;
查找模块612,用于对于所述人脸图像中的每个分片,在预设的人脸库中查找与其最相近的n个图像分片;
计算模块613,用于根据查找到的n个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重;
获取模块614,用于获取所述n个图像分片在风格化图像库中对应的n个风格化图像分片;
第二合成模块615,用于根据所述权重将所述n个风格化图像分片合成为所述人脸图像分片的风格化分片;
第二合成模块615还用于将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像。
其中,所述分片的大小为32像素×32像素。
可选的,查找模块612具体用于:
对于所述人脸图像中的每个分片,根据k近邻算法在预设的人脸库中查找与其最相近的n个图像分片。
可选的,计算模块613具体用于:
根据查找到的n个图像分片与所述人脸图像中对应分片的相似度,通过多元线性回归算法分别计算每个图像分片的权重。
可选的,第二合成模块615还用于:
将所述人脸图像的所有分片的风格化分片以线性组合的方式合成为所述人脸图像的风格化图像。
本发明实施例提供了一种电子设备,能够实时的根据即时视频帧来生成对应的个性化人脸,图像分块可以使得生成图像具有灵活自动的特点,多元线性 回归可以找到合适的系数,从而使得在样本库中对应的到较准确的眼睛,鼻子和嘴的结果,同时算法简单,具有效率高、速度快的优点。
实施例七
本发明实施例提供了一种电子设备,参照图7所示,所述设备包括存储器701、摄像头702、发送模块703以及与存储器701、摄像头702、发送模块703连接的处理器704,其中,存储器701用于存储一组程序代码,处理器704调用存储器701所存储的程序代码用于执行以下操作:
人脸图像获取模块,用于获取当前视频帧中的人脸图像;
风格化处理模块,用于对所述人脸图像进行风格化处理,获得风格化后的人脸图像;
替换模块,用于将当前视频帧中的人脸图像替换为风格化后的人脸图像,获得风格化后的当前视频帧;
发送模块,用于发送风格化后的当前视频帧。
可选的,处理器704调用存储器701所存储的程序代码用于执行以下操作:
获取图像中人脸对应的特征点;
根据所述特征点获取图像中人脸对应的区域;
对所述人脸对应的区域进行标准归一化;
对标准归一化后的所述人脸对应的区域进行直方图均衡化;
对直方图均衡化后的所述人脸对应的区域进行像素值的线性变换,得到目标区域图像;
将所述目标区域图像和预设的背景图像进行合成,得到风格化后的人脸图像。
可选的,处理器704调用存储器701所存储的程序代码用于执行以下操作:
识别人脸中的眼睛,鼻子,嘴巴的位置并获取相应的特征点。
可选的,处理器704调用存储器701所存储的程序代码用于执行以下操作:
根据所述特征点获取人脸的轮廓;
获取所述轮廓内的图像为所述人脸对应的区域。
可选的,处理器704调用存储器701所存储的程序代码用于执行以下操作:
根据预设的标准人脸图像对所述人脸对应的区域进行标准归一化。
可选的,处理器704调用存储器701所存储的程序代码用于执行以下操作:
如果所述人脸对应的区域为灰度图像,则获取所述人脸对应的区域的直方图;
对所述直方图进行均衡化,删除超出预设阈值的部分。
可选的,处理器704调用存储器701所存储的程序代码用于执行以下操作:
如果所述人脸对应的区域为彩色图像,则获取所述人脸对应的区域对应的灰度图像以及所述人脸对应的区域的r,g,b分量分别对应的图像;
分别获取所述人脸对应的区域的r,g,b分量分别对应的图像以及所述灰度图像的直方图;
对每个所述直方图进行均衡化,删除超出预设阈值的部分。
可选的,处理器704调用存储器701所存储的程序代码用于执行以下操作:
根据所述直方图均衡化后的所述人脸对应的区域中每个像素的灰度值进行线性变换,得到目标区域图像。
可选的,处理器704调用存储器701所存储的程序代码用于执行以下操作:
根据所述直方图均衡化后的所述人脸对应的区域中每个像素的r,g,b分量值以及灰度值分别进行线性变换;
将所述r,g,b分量值分别进行线性变换得到的图像合成为所述目标区域图像;
将所述灰度值进行线性变换得到的图像作为所述目标区域图像对应的灰度图像。
可选的,处理器704调用存储器701所存储的程序代码用于执行以下操作:
将所述目标区域图像和所述预设的背景图像进行合成,得到风格化后的人脸图像。
可选的,处理器704调用存储器701所存储的程序代码用于执行以下操作:
将所述目标区域图像,所述目标区域图像对应的灰度图像和所述预设的背景图像进行合成,得到风格化后的人脸图像。
可选的,处理器704调用存储器701所存储的程序代码用于执行以下操作:
对人脸图像,预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则进行分片;
对于所述人脸图像中的每个分片,在预设的人脸库中查找与其最相近的n个图像分片;
根据查找到的n个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重;
获取所述n个图像分片在风格化图像库中对应的n个风格化图像分片;
根据所述权重将所述n个风格化图像分片合成为所述人脸图像分片的风格化分片;
将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像。
可选的,所述分片的大小为32像素×32像素。
可选的,处理器704调用存储器701所存储的程序代码用于执行以下操作:
对于所述人脸图像中的每个分片,根据k近邻算法在预设的人脸库中查找与其最相近的n个图像分片。
可选的,处理器704调用存储器701所存储的程序代码用于执行以下操作:
根据查找到的n个图像分片与所述人脸图像中对应分片的相似度,通过多元线性回归算法分别计算每个图像分片的权重。
可选的,处理器704调用存储器701所存储的程序代码用于执行以下操作:
将所述人脸图像的所有分片的风格化分片以线性组合的方式合成为所述人脸图像的风格化图像。
本发明实施例提供了一种电子设备,能够实时的根据即时视频帧来生成对 应的个性化人脸,图像分块可以使得生成图像具有灵活自动的特点,多元线性回归可以找到合适的系数,从而使得在样本库中对应的到较准确的眼睛,鼻子和嘴的结果,同时算法简单,具有效率高、速度快的优点。
以上仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭示如上,然而并非用以限定本发明,本领域普通技术人员在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。