一种虚拟美瞳瞳片的制作和显示方法与流程

本发明涉及计算机视觉技术领域，尤其涉及一种虚拟美瞳瞳片的制作和显示方法。

背景技术：

随着移动互联网的深入发展，越来越多用户开始使用手机、平板电脑等移动平台进行网络购物。与传统店铺购物相比，基于移动平台的网络购物有不受时间地点约束、种类齐全、价格低廉等优点，但是网络购物最大的缺点是对商品的观察不如传统店铺全面直观。网上商城通常只能通过图片或视频对商品进行展示，顾客难以利用这种方式精确选择适合自己的个性化商品。

CN201610113132.4公开了虚拟试戴方法、虚拟试戴装置，方法包括：采集至少一组用户脸部图像；根据所述用户脸部图像进行识别检测，得到人脸眼睛坐标和人脸鼻梁坐标；将所述人脸眼睛坐标中两眼的瞳距按照比例放缩的方式得到眼镜图像；根据人脸鼻梁坐标计算出脸部图像与眼镜图像的拟合位置，并通过所述拟合位置和所述眼镜图像得到试戴眼镜的人脸图像；将所述人脸图像进行输出，完成虚拟试戴。由于根据所述用户脸部图像进行识别检测，使得试戴的结果更加精确，更加美观。由于将所述人脸眼睛坐标中两眼的瞳距按照比例放缩的方式得到眼镜图像，能够符合不同用户脸型以及不同类型的眼镜。另外，通过电脑或者手机实现在线试戴，操作简单并实时反馈试戴的效果。然而这样的眼镜试戴方法不管是在精度、美观度还是速度上都有短板，难以有效地应用到手机、平板电脑等移动平台上。而且美瞳是一种典型的个性化商品，受到网上展示不直观的影响，用户难以在网络购物的过程中体验到真实的试戴感觉，从而难以选择适合自己的个性化美瞳。

技术实现要素：

针对现有技术中不存在虚拟美瞳试戴制作和试戴显示的方法的技术问题，本发明公开了一种虚拟美瞳瞳片的制作和显示方法。

本发明的具体实现方式如下：

本发明公开了一种虚拟美瞳瞳片的制作方法，其具体包括以下的步骤：

Step1.生成纯色圆形或者圆环的图片PureColor，并制作美瞳的纹理图片base和渐变图片mask，纯色圆形图片PureColor、纹理图片base和渐变图片mask均同心；纯色圆形图片PureColor由事先设置好的纯色颜色进行填充，在圆形或者圆环范围内的alpha通道值为255，其余区域的alpha通道值为0。Step2.为美瞳的纹理图片base添加PureColor纯色的底色，得到虚拟美瞳的中间瞳片。Step3.按照美瞳的渐变图片mask的alpha值重写Step2生成的瞳片，得到虚拟美瞳的目标瞳片。通过上述方法，得到的虚拟美瞳的目标图片，该瞳片效果真实，客户满意度好。

更进一步地，上述纹理图片base中，有颜色的部分的alpha值为255，显示为不透明，白色部分的alpha值为0，显示为全透明。

更进一步地，上述渐变图片mask为黑色，从中间圆心开始，逐渐增大alpha值，从而构成美瞳瞳片的渐变效果。

更进一步地，上述Step2中为美瞳的纹理图片base添加PureColor纯色的底色的具体过程为：base的像素乘以alpha／255加上PureColor的像素乘以1减去alpha/255。该方法使base的颜色更加鲜亮，对比更加明显。添加颜色的时候是按照base的alpha值来添加的。

本发明还公开了一种虚拟美瞳瞳片的显示方法，其具体包括以下的步骤：步骤一、获取照片中的人脸并检测出人脸上的瞳孔位置，同时采用上述方法得到美瞳瞳片的目标图片；步骤二，将美瞳瞳片的目标瞳片与瞳孔进行叠加，得到戴了美瞳瞳片的人脸图像。通过上述方法，将获取到的虚拟美瞳瞳片与人脸图像进行叠加，得到实际的试戴效果，既简单方便，用户体验又好。极大地方便了用户的网上购物体验，提高了美瞳产品的销售量。

更进一步地，上述获取照片中的人脸并检测出人脸上的瞳孔位置具体包括：1.使用人脸点检测算法做人脸检测，标注出瞳孔的大概范围；2.使用循环反馈算法精确的计算出瞳孔的位置和大小。采用上述方法获得的瞳孔位置更加精确，试戴效果更好。

更进一步地，上述方法还包括对美瞳做高光处理。

更进一步地，上述方法还包括对美瞳边缘做拉普拉斯融合，从左右瞳孔圆心开始，融合半径为美瞳半径的0.85倍。

通过采用以上的技术方案，本发明具有以下的有益效果：本发明是针对Adroid，iOS等移动平台的美瞳试戴方法与系统，通过美瞳的制作和显示让消费者可以直观的，轻松的在移动平台购买美瞳。解决网购中遇到的诸如不合适，效果不理想等问题。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为美瞳的纹理图。

图2为美瞳瞳片的渐变效果图。

图3为美瞳瞳片的制作流程图。

图4为美瞳瞳片试戴的显示过程的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，很显然，下文所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明针对Android，iOS等移动平台的软硬件特点，提供了一种虚拟美瞳瞳片的制作与显示方法。为适应本发明的方法，我们对美瞳的素材有一定的要求。

alpha通道是一个8位的灰度通道，该通道用256级灰度来记录图像中的透明度信息，定义透明、不透明和半透明区域，其中黑表示不透明，白表示透明，灰表示半透明。

首先，素材可以为两张200*200像素含alpha通道的格式图片（比如PNG格式或者其他的格式），分别称为纹理图片base和渐变图片mask。其中，base定义美瞳的纹理。图1中，黑色部分的alpha值为255，显示为不透明，相反，白色部分的alpha值为0，显示为全透明，以此类推。当然，Base不一定必须是黑色，这里的黑色只是列举了其中的一个例子来进行说明。Mask为黑色，从中间圆心（图片的中心）开始，按照需求逐渐增大alpha值，从而构成美瞳瞳片的渐变效果。

虚拟美瞳的制作流程大致分为以下的三个步骤。

Step1.纯色底色图片的生成。底色的颜色可以自由搭配。具体方法为：

首先生成与base等半径的纯色圆形图案（PureColor）。PureColor可以是心圆，也可以是圆环。半径为base边长的一半（当base为200*200像素时，PureColor的半径为100），PureColor与base同心。圆或者圆环范围由事先设置好的颜色进行填充，在圆或者圆环范围内的alpha 值（不透明度）为255，其余区域的alpha值为0。

Step2.为base添加纯色的底色，这样的操作可以使base的颜色更加鲜亮，对比更加明显。添加颜色的时候是按照base的alpha值来添加的。具体的说，就是base的像素乘以alpha／255加上PureColor的像素乘以1减去alpha/255。用公式表示为：

dst(i,j)RGB=

base(i,j) RGB*alpha(i,j)/255+pureColor(i,j)RGB*(1-alpha(i,j)/255)。其中i、j分别为横、纵坐标的值，dst(i,j)RGB指的是得到的最新的目标图片横坐标为i，纵坐标为j的像素点的RGB像素值。alpah(i,j)为alpha通道的值，大小在0到255，这里除以255得到一个0到1的比例值。这个比例代表其他通道（BRG）所需要呈现出的色彩深浅。base(i,j) RGB指的是纹理图片base横坐标为i，纵坐标为j的像素点的RGB像素值。pureColor(i,j)RGB指的是纯色圆形图案pureColor横坐标为i，纵坐标为j的像素点的RGB像素值。

Step3.按照mask的alpha值重写Step2生成的图片。Base和PureColor都含有alpha通道，但为了整体实现逼真的效果，需要舍弃这两张图片的alpha通道。因此，我们在此步骤中一般可以重写图片的alpha 通道。比如做法可以是把定义渐变效果的mask的alpha值原原本本的复制到目标图片中去。

整个美瞳瞳片制作过程的流程图如图4所示。

上述的操作确保了美瞳能在图片中逼真的显示。除此之外，瞳孔的定位也是非常重要的，直接影响美瞳位置的精准度。由于瞳孔的定位方法不属于本发明重点改进的内容。这里只做简单的叙述。

其具体可以包括以下的两个步骤：

1.使用CLM算法(CLM（Constrained local model）人脸点检测算法)做人脸检测，标注出瞳孔的大概范围。

2.使用JS_ELSD算法精确的计算出瞳孔的位置和大小。

JS_ELSD （John Suu Ellipse and line Segment Detector）

是John Suu在ELSD（Ellipse and line Segment Detector）算法基础上用统计手法改良后的瞳孔检测算法。

得到瞳孔的精确信息之后（圆心，半径等），就可以将做好的瞳片，叠加上去了。具体步骤如下：

（1）计算瞳孔区域的高光区域，对美瞳做高光处理。高光处理的步骤如下：

计算瞳孔区域的灰度信息，求出灰度平均值。这里设定了一个阈值，若某点的灰度值超过灰度平均值乘以阈值，则说明这点属于高光点。本方法中，高光点又分为两类，一类接近纯白色，一类为含底色的高光点。对于接近白色的高光点，采用直接复制到done图片。done图片为经过处理后我们最终应该得到的图片。高光因为基本为白色，深浅有区别，采用直接复制的做法可以较为完全的保留高光的自然感上面的方法。对于含底色的高光点，将美瞳对应区域的像素提高到同样的灰度水平，再复制到done上面。其余不属于高光的部分，按照输入的权值加权叠加。

（2）对美瞳边缘做拉普拉斯融合。从左右瞳孔圆心开始，融合半径为美瞳半径的0.85倍，这样做可以很好的保证融合效果，使目标图片最接近真实效果，从而提高消费者的购买满意度。

本发明能很好的适用各大平台，本方法基本的计算过程较为简单，对内存和cpu的消耗少，对于现阶段的PC没有丝毫压力，而在计算能力较为弱的移动平台，性能也不会有很大的下降。在最终效果的显示方面，处理效果逼真，准确，其采用多层叠加的方式，仿照自然的光线折射，反射原理，把渐变，颜色，高光等自然元素分开处理，相互作用。高光，以及渐变效果明显。有效的解决了同类产品中效果不真实的缺点。在各大平台的处理速度处理速度方面，平均耗时都在8ms以下。由此可看出本发明针对实时性处理的巨大潜力。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。