一种基于人脸照片的简笔画生成方法与流程

本发明一种基于人脸照片的简笔画生成方法属于图像处理领域。

背景技术：

由计算机生成人脸卡通肖像或称为漫画肖像，它主要包括两种方法：一是对照片人脸的轮廓进行夸张变形方法，二是对人脸纹理的卡通化处理方法。

对照片人脸的轮廓进行夸张变形主要是通过人脸轮廓提取，获得表示人脸的线条特征，然后对线条进行一些变形，从而生成人脸的“卡通线条画”。比如文献1，孙红玉、屠长河、孟祥旭，基于形状演化的线条画风格转换与变形。公开自：计算机辅助设计与图形学学报，vol.18，no.3。

第二种方法通过对人脸的额纹理进行处理，可以进一步丰富卡通效果的表达，比如油画效果、铅笔画和其他效果等。比如文献2，陈洪，郑南宁，梁林，徐迎庆，沈向洋，基于样本学习的肖像画自动生成算法。公开自：计算机学报，2003年2期。

由于处理结果带有人脸阴影，所以目前已有的人脸处理方法无法将其结果直接用到巧克力3d打印机中，这将会使打印出来的效果无法满足客户的要求。并且已有的技术处理时间较长。

技术实现要素：

针对上述问题，本发明提供了一种基于人脸照片的简笔画生成方法。

本发明的目的是这样实现的：

一种基于人脸照片的简笔画生成方法，包括以下步骤：

步骤a、人脸数据库的收集，利用网上开源的数据库作为训练对象；

步骤b、利用收集到的数据库对人脸识别和关键点检测模型进行训练；

步骤c、对真实人脸图片进行特征点提取；

步骤d、将输入的图片素描化；

步骤e、基于所提取的特征点，对人脸、五官、头发、服饰等进行定位和分割；

步骤f、对分割后的图像进行平滑、强化、灰度化、二值化操作；

步骤g、将处理完的部件重新组合，形成最终结果。

进一步地，所述一种基于人脸照片的简笔画生成方法，所述步骤c中对真实人脸图片进行特征点提取，包括以下步骤：

步骤c1、使用hog特征检测和一个线性分类器或线性svm实现一个人脸检测模型；

步骤c2、利用hog特征检测算法，找到人脸的hog特征或者梯度特征，通过hog特征和线性分类器，找到一部分的人脸边缘，也就是人脸的位置；用一个方框去框出图片中的人脸，称此方框为人脸方框；

步骤c3、选择一个已训练好的开源形状预测模型，存于dat文件中，将人脸方框内的图片输入到开源形状预测模型,得到68个关键点。

进一步地，所述一种基于人脸照片的简笔画生成方法，所述步骤d中将输入的图片素描化，包括以下步骤：

步骤d1、用一个小的真实人脸数据库和人脸素描库进行素描化模型的训练；

步骤d2、真实人脸与人脸素描存在一一对应的关系，利用haar特征检测算法分别对两者进行haar特征检测，使用k近邻算法找到素描图的特征周围最近的k个像素的信息，包括位置、灰度值，并记录下来，找到素描图与真实人脸之间的隐性关系；

步骤d3、将训练好的模型运用到输入的图片上，从而进行素描化。

进一步地，所述一种基于人脸照片的简笔画生成方法，所述步骤e中基于所提取的特征点，对人脸、五官、头发、服饰等进行定位和分割，是利用特征点在坐标系中的坐标，我们能够找到近似于某个五官中心的点，以这个点作为五官中心，向四个方向扩展不同的参数作为方框的边界所在，由此形成能够框选出人脸、五官的长方形方框，用于后续的图像强化；对于头发服饰定位和分割，通过实际实验，确定2号通道能够较好地与后续代码配合，得到头发和服饰的边缘，实现了定位和分割，为了方便编写代码，也将头发和服饰的灰度化、二值化放到了get_cloth_hair模块中，对应的结果便被放到了一张新的画板中。

进一步地，所述一种基于人脸照片的简笔画生成方法，所述步骤f中对分割后的图像进行平滑、强化、灰度化、二值化操作，操作如下：

平滑：

使用开源库opencv的代码能快速地将bgr通道中的图像进行平滑，降低灰度图的边缘梯度，得到更好的效果，方便找出边缘，因为有些部位的梯度过高，会使模型认为是边缘，其实只是一些由于光线导致的错误结果；

强化、二值化：

在五官的定位、分割操作得到的方框中，对五官进行各别的二值化，由于照片的采集效果，想要使五官的二值化效果得到最佳，需要对各个五官使用不同的阈值进行二值化；

灰度化：

使用开源库opencv的代码便能快速地得到灰度图。

进一步地，所述一种基于人脸照片的简笔画生成方法，所述步骤g中将处理完的部件重新组合，形成最终结果，是能够将各个强化的五官，加深各个五官的边缘，分别放到已有头发和服饰的画板中，并且位置与输入图片相对应。

有益效果：

本发明一种基于人脸照片的简笔画生成方法，与现有技术相比，具有以下优势：

1、五官定位更加准确；

2、本发明不需要大量的样本用于训练，所需要的图片数据更少；

3、本发明训练所需时间更短，而且对硬件要求低，不会导致成本提高；

4、本发明训练模型非常充分，规避了容易出错的细节环节；

5、能够提供给巧克力3d打印机打印，且能够广泛应用。

附图说明

图1是一种基于人脸照片的简笔画生成方法流程图。

图2是真实人脸图片提取特征点图。

图3是真实人脸转换灰度图。

图4是真实人脸图片提取衣服轮廓图。

图5是真实人脸图片转缩小灰度图。

图6是真实人脸图片转缩小灰度图中提取人脸图。

图7是真实人脸图片转换素描图。

图8是五官效果图。

图9是期望结果图。

具体实施方式

下面结合附图对本发明具体实施方式作进一步详细描述。

一种基于人脸照片的简笔画生成方法，如图1所示，包括以下步骤：

步骤a、人脸数据库的收集，利用网上开源的数据库作为训练对象；

步骤b、利用收集到的数据库对人脸识别和关键点检测模型进行训练；

步骤c、对真实人脸图片进行特征点提取；

步骤d、将输入的图片素描化；

步骤e、基于所提取的特征点，对人脸、五官、头发、服饰等进行定位和分割；

步骤f、对分割后的图像进行平滑、强化、灰度化、二值化操作；

步骤g、将处理完的部件重新组合，形成最终结果。

具体地，所述一种基于人脸照片的简笔画生成方法，所述步骤c中对真实人脸图片进行特征点提取，包括以下步骤：

步骤c1、使用hog特征检测和一个线性分类器或线性svm实现一个人脸检测模型；

步骤c2、利用hog特征检测算法，找到人脸的hog特征或者梯度特征，通过hog特征和线性分类器，找到一部分的人脸边缘，也就是人脸的位置；用一个方框去框出图片中的人脸，称此方框为人脸方框；

步骤c3、选择一个已训练好的开源形状预测模型，存于dat文件中，将人脸方框内的图片输入到开源形状预测模型,得到68个关键点。

具体地，所述一种基于人脸照片的简笔画生成方法，所述步骤d中将输入的图片素描化，包括以下步骤：

步骤d1、用一个小的真实人脸数据库和人脸素描库进行素描化模型的训练；

步骤d2、真实人脸与人脸素描存在一一对应的关系，利用haar特征检测算法分别对两者进行haar特征检测，使用k近邻算法找到素描图的特征周围最近的k个像素的信息，包括位置、灰度值，并记录下来，找到素描图与真实人脸之间的隐性关系；

步骤d3、将训练好的模型运用到输入的图片上，从而进行素描化，由于数据库较小，但是数据较为优秀，所以能够快速、杰出地完成素描化。

具体地，所述一种基于人脸照片的简笔画生成方法，所述步骤e中基于所提取的特征点，对人脸、五官、头发、服饰等进行定位和分割，是利用特征点在坐标系中的坐标，我们能够找到近似于某个五官中心的点，以这个点作为五官中心，向四个方向扩展不同的参数作为方框的边界所在，由此形成能够框选出人脸、五官的长方形方框，用于后续的图像强化；对于头发服饰定位和分割，通过实际实验，确定2号通道能够较好地与后续代码配合，得到头发和服饰的边缘，实现了定位和分割，为了方便编写代码，也将头发和服饰的灰度化、二值化放到了get_cloth_hair模块中，对应的结果便被放到了一张新的画板中。

具体地，所述一种基于人脸照片的简笔画生成方法，所述步骤f中对分割后的图像进行平滑、强化、灰度化、二值化操作，操作如下：

平滑：

使用开源库opencv的代码能快速地将bgr通道中的图像进行平滑，降低灰度图的边缘梯度，得到更好的效果，方便找出边缘，因为有些部位的梯度过高，会使模型认为是边缘，其实只是一些由于光线导致的错误结果；

强化、二值化：

在五官的定位、分割操作得到的方框中，对五官进行各别的二值化，由于照片的采集效果，想要使五官的二值化效果得到最佳，需要对各个五官使用不同的阈值进行二值化；

灰度化：

使用开源库opencv的代码便能快速地得到灰度图。

所述一种基于人脸照片的简笔画生成方法，所述步骤g中将处理完的部件重新组合，形成最终结果，是能够将各个强化的五官，加深各个五官的边缘，分别放到已有头发和服饰的画板中，并且位置与输入图片相对应。

本发明组合了照片素描化、特征提取、灰度化、二值化、平滑处理、图像分割等步骤，生成了人物简笔画，为了能够准确提取人脸的特征，本发明对输入的人脸图片数据提取特征点的数目至少为64，收集的数据库中至少包括88幅。

本次实施方式本发明以88幅图片作为训练集，训练了提取64和198个特征点的模型。

对于真实人脸照片的处理过程如下：

步骤1、将训练完成的模型应用到输入的真实人脸图片上，得到特征点；如图2所示，是输入的真实图片和提取出来的特征点。

步骤2、将输入的图像和背景转换成灰度图，如图3所示，是转换后的灰度图；

步骤3、通过特定算法，将人和衣服进行平滑处理、灰度化、二值化，然后将边缘提取出来，如图4所示，是提取出来的衣服轮廓；

步骤4、将输入的图片进行缩小，提取出人脸后转换成素描图；如图5所示，是转缩小后的灰度，图6是从图5中提取的人脸，如图5所示，如图7所示，是转换后的素描图；

步骤5、根据得到的特征点，将所需要重点处理的五官：眼睛、鼻子、眉毛、嘴巴等提取出来并进行强化，然后作相应的灰度化和二值化处理，如图8所示，五官处理的效果图；

步骤6、将得到的轮廓、五官等进行处理，得到最终结果，如图9所示，是最终效果图。