一种图像匹配的方法及其系统与流程

[0001]
本申请涉及数据处理领域，具体地，涉及一种图像匹配的方法及其系统。


背景技术：

[0002]
现有技术中，虚拟试衣的方式已经越来越普及，而在虚拟试衣类产品中，将各种衣服服饰拍照产生图像后，需要将衣服图像进行变换处理，再贴合到模特身上，以实现试穿衣服的效果。为达到此目的，通常使用人工调节的方法，使用图像处理软件进行图像修整变形，效率低且针对性弱，没有适用于人体和服装的针对性处理逻辑，并且自动程度不高。
[0003]
因此需要一种更加快速且准确的方法对服装与人台图像进行适配，使服装图像中的衣服能够完美贴合在人台图像中。


技术实现要素：

[0004]
本申请的目的在于提供一种图像匹配的方法及其系统，能够将相同姿势的衣服图像和人台进行精细的矫正匹配，使其达到较真实的效果，解决虚拟试衣和拍摄场地需求和成本问题的限制。
[0005]
为达到上述目的，本申请提供了一种图像匹配的方法，其特征在于，具体包括以下步骤：获取待处理图像；从待处理图像中获取第一目标图像；从第一目标图像中分别获取第二目标图像与第三目标图像；对获取的第二目标图像以及第三目标图像进行信息标定；根据信息标定对第二目标图像进行调整；将第二目标图像与第三目标图像进行渲染输出。
[0006]
如上的，其中，获取的第一目标图像为带有服装的人台图像。
[0007]
如上的，其中，从待处理图像中获取第一目标图像具体包括以下子步骤：确定待处理图像的稳定程度；根据待处理图像的稳定程度确定分割阈值，根据分割阈值确定第一目标图像。
[0008]
如上的，其中，其中稳定值h具体表示为：其中，表示灰度值x在待处理图像中出现的频率。
[0009]
如上的，其中，第二目标图像为服装图像，包括上装图像和/或下装图像。第三目标图像为人台图像。
[0010]
如上的，其中，从第一目标图像中分别获取第二目标图像与第三目标图像具体包括以下步骤：确定检测阈值和跟踪阈值；根据检测阈值确定第一目标图像的第一目标点；根据第一目标点与跟踪阈值确定第二目标点与第三目标点，根据第二目标点确定第二目标图像，以及根据第三目标点确定第三目标图像。
[0011]
如上的，其中，检测阈值大于跟踪阈值。
[0012]
如上的，其中，以第一目标点为基准，查找与第一目标点相邻的点的灰度值是否大于跟踪阈值，若第一目标点相邻的点的灰度值大于跟踪阈值，则将其作为第二目标点，多个第二目标点构成第二目标图像。
[0013]
一种图像匹配系统，具体包括：待处理图像获取单元、第一目标图像获取单元、第一目标图像处理单元、信息标定单元、调整单元以及输出单元；待处理图像获取单元，用于获取待处理图像；第一目标图像获取单元，用于从待处理图像中获取第一目标图像；第一目标图像处理单元，用于从第一目标图像中分别获取第二目标图像与第三目标图像；信息标定单元，用于对获取的第二目标图像以及第三目标图像进行信息标定；调整单元，用于根据信息标定对第二目标图像进行调整；输出单元，用于将第二目标图像与第三目标图像进行渲染输出。
[0014]
如上的，其中，第一获取单元具体包括稳定程度确定模块、分割阈值确定模块；其中稳定程度确定模块，用于确定待处理图像的稳定程度；分割阈值确定模块，用于根据待处理图像的稳定程度确定分割阈值，根据分割阈值确定第一目标图像。
[0015]
本申请具有以下有益效果：（1）本申请提供的图像匹配的方法及其系统能够将相同姿势的衣服图像和人台进行精细的矫正，使其达到较真实的效果。
[0016]
（2）本申请提供的图像匹配的方法及其系统能够进行服装图像与人台图像的自动匹配，无需手动调节，降低了人员成本和时间成本，同时使多件服装间的穿搭成为可能，大大提高了展示系统的可用性。
附图说明
[0017]
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0018]
图1是根据本申请实施例提供的图像匹配的方法流程图；图2是根据本申请实施例提供的图像匹配系统的内部结构图。
具体实施方式
[0019]
下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0020]
本申请涉及一种图像贴合矫正的方法及其系统。根据本申请，能够将相同姿势的服装图像和人台进行精细的匹配，使其达到较真实的效果，解决虚拟试衣和拍摄场地需求和成本问题的限制。
[0021]
如图1所示为本申请提供的图像匹配的方法流程图，具体包括以下步骤：步骤s110：获取待处理图像。
[0022]
其中，其中待处理图像为拍摄带有服装的人台图像，该图像中包括了背景等信息。
[0023]
步骤s120：从待处理图像中获取第一目标图像。
[0024]
具体地，其中获取的第一目标图像为除去背景后，带有服装的人台图像，步骤s120具体包括以下子步骤：步骤s1201：确定待处理图像的稳定程度。
[0025]
其中计算待处理图像的稳定值，当待处理图像越混乱，稳定值越小，稳定程度越小。当待处理图像越有序，稳定值越大，稳定程度越高。其中稳定值h具体表示为：其中，表示灰度值x在待处理图像中出现的频率，其中灰度值x的具体数值取待处理图像中全部灰度值的最小灰度值。其中稳定值能够表示图像的明亮程度。其中明亮程度越高，稳定值越大；明亮程度越低，稳定值越小。
[0026]
优选地，在获取稳定值之前，可将待处理图像转换为灰度图像。
[0027]
步骤s1202：根据待处理图像的稳定程度确定分割阈值，根据分割阈值确定第一目标图像。
[0028]
具体地，其中若稳定值大于第一指定阈值且小于第二指定阈值，则说明此时图像的明亮程度不会过于明亮也不会过于暗沉，方便确定分割阈值。其中分割阈值属于[0,255]。
[0029]
其中第一指定阈值小于第二指定阈值，具体数值可根据实际情况进行调整确定，在此不进行限定。
[0030]
其中，设待处理图像有l个灰度级，为第i个灰度级所包含的像素个数，n为总的像素个数，则，设为第i个灰度级出现的概率，表示为，则有。
[0031]
进一步地，设定分割阈值前，将图像按照灰度级划分为c0和c1两部分，其中c0部分灰度级出现的概率为，c1部分灰度级出现的概率为，其中t为自然数，i表示第i个灰度级。
[0032]
c0部分的灰度均值表示为：其中，t为自然数，i表示第i个灰度级，l为待处理图像的灰度级总数，为第i个灰度
级出现的概率，为c0部分灰度级出现的概率。
[0033]
c1部分的灰度均值表示为：其中，t为自然数，i表示第i个灰度级，l为待处理图像的灰度级总数，为第i个灰度级出现的概率，为c1部分灰度级出现的概率。
[0034]
其中c0部分的方差表示为：其中，t为自然数，i表示第i个灰度级，为第i个灰度级出现的概率，为c0部分灰度级出现的概率，表示c0部分的灰度均值。
[0035]
其中c1部分的方差表示为：其中，t为自然数，i表示第i个灰度级，l为待处理图像的灰度级总数，为第i个灰度级出现的概率，为c1部分灰度级出现的概率，表示c1部分的灰度均值。
[0036]
再进一步地，设定三个评判函数，三个评判函数分别为：，，其中，， 。
[0037]
其中，为c0部分灰度级出现的概率，表示c0部分的灰度均值，为c1部分灰度级出现的概率，表示c1部分的灰度均值，i表示第i个灰度级，为第i个灰度级出现的概率，l为待处理图像的灰度级总数，表示c0部分的方差，表示c1部分的方
差。
[0038]
取三个评判函数、、的最大值所对应的阈值即为分割阈值，根据分割阈值划分的c0即为第一目标图像。
[0039]
步骤s130：从第一目标图像中分别获取第二目标图像与第三目标图像。
[0040]
其中第二目标图像为服装图像，具体可以为上装图像和/或下装图像。第三目标图像为人台图像。本实施例将第一目标图像划分为第二目标图像与第三目标图像。
[0041]
具体地，其中步骤s130具体包括以下步骤：步骤s1301：确定检测阈值和跟踪阈值。
[0042]
具体地，其中检测阈值的具体数值大于跟踪阈值的具体数值。检测阈值和跟踪阈值为划分第二目标图像和第三目标图像的阈值，可以根据实际情况进行数值的确定，具体数值在此不进行限定。
[0043]
优选地，检测阈值以及跟踪阈值可根据第一目标图像的特征值选取，例如为第一目标图像的灰度或彩色值变换得到的特征值。
[0044]
步骤s1302：根据检测阈值确定第一目标图像的第一目标点。
[0045]
具体地，对第一目标图像进行检测，将第一图像中灰度值大于或等于检测阈值的点标记为第一目标点。
[0046]
步骤s1303：根据第一目标点与跟踪阈值确定第二目标点与第三目标点，根据第二目标点确定第二目标图像，以及根据第三目标点确定第三目标图像。
[0047]
具体地，其中以第一目标点为基准，查找与第一目标点相邻的点的灰度值是否大于跟踪阈值，例如等灰度值是否大于跟踪阈值。若第一目标点相邻的点的灰度值大于跟踪阈值，则将其作为第二目标点。多个第二目标点构成第二目标图像。
[0048]
进一步地，依然以第一目标点为基准，查找与第一目标点相邻的点的灰度值是否大于跟踪阈值，例如等灰度值是否大于跟踪阈值。若第一目标点相邻的点的灰度值小于跟踪阈值，则将其作为第三目标点。多个第三目标点构成第三目标图像。
[0049]
步骤s140：对获取的第二目标图像以及第三目标图像进行信息标定。
[0050]
其中信息标定为对第二目标图像和第三目标图像进行特征点的标注。
[0051]
具体地，对第二目标图像进行信息标定包括，在第二图像上标定服装类型（根据服装类型可以区别是上装图像或下装图像）、上下服装的服装特征点坐标。优选地，以第二目标图像左上角为坐标原点开始进行标定。
[0052]
具体地，其中服装类型可以包括：短袖衣服、长袖衣服、短袖外套、长袖外套、背心、吊带、短裤、长裤、裙子、短袖连衣裙、长袖连衣裙、背心裙、吊带连衣裙等类型。
[0053]
其中在第二目标图像中，在服装指定位置处标定某几个点作为服装特征点，例如短袖衣服中的左袖口开口处设定2个点为服装特征点，将衣服中的下摆边缘的开口处设定2个点为服装特征点，再比如将服装的肩部的左右两点作为服装特征点，服装特征点在第二目标图像中的位置为服装特征点坐标。
[0054]
其中对人台图像进行信息标定包括，在人台图像上标定人体骨骼节点的坐标信息，以及根据人体骨骼节点的坐标信息获取人体外部轮廓坐标。优选地，以人台图像左上角为坐标原点。
[0055]
其中人体骨骼的节点可包括：小腹部、肚脐部、胸部、两肩中间、喉部；肩部、肘部、手腕部；大腿根部、膝盖、脚腕等节点。其中人体骨骼节点应与服装的特征点存在部分对应或一一对应的关系，例如标定的手腕部与标定的左袖口开口处标定服装特征点为对应关系。
[0056]
人体外部轮廓上的若干个骨骼节点在人台图像中的像素位置即为人体外部轮廓坐标。
[0057]
优选地，将进行信息标定后的服装图像和人台图像存储在json（javascript object notation, 对象简谱）的配置文件中，其中服装图像的配置文件中还会标注拍摄服装时，服装与人体骨骼节点的对应位置。
[0058]
步骤s150：根据信息标定对第二目标图像进行调整。
[0059]
具体地，其中将第二目标图像与第三目标图像进行适配，在适配过程中对第二目标图像进行调整。其中对第二目标图像进行调整之前，还包括，判断第二目标图像与第三目标图像是否适配。
[0060]
具体地，可根据第二目标图像中标定的服装特征点以及第三目标图像中标定的骨骼节点进行匹配，判断第二目标图像与第三目标图像是否适配。其中判断第二目标图像与第三目标图像是否适配具体包括以下子步骤：步骤s1501：以第三目标图像标定的信息为基准，将第二目标图像与第三目标图像进行贴合。
[0061]
具体地，由于服装特征点与人体骨骼节点存在对应关系，因此可以人体骨骼为基准，将对应的服装特征点与其进行贴合。将多个对应的服装特征点与人体骨骼节点均进行贴合，完成第二目标图像与第三目标图像的贴合。
[0062]
步骤s1502：对贴合后的第二目标图像进行服装特征点坐标的更新。
[0063]
具体地，第二目标图像贴合到第三图像后，将此时第二目标图像中服装特征点的坐标作为更新后的服装特征点坐标。
[0064]
步骤s1503：根据更新后的服装特征点坐标判断贴合后的第二目标图像与第三目标图像的坐标是否适配。
[0065]
具体地，因此可判断服装特征点坐标与人体外部轮廓坐标是否重合。若重合，则说明第二目标图像与第三目标图像适配，则执行步骤s160。若服装特征点坐标与人体外部轮廓坐标的距离不重合，则对第二目标图像进行适配调整。
[0066]
进一步地，对第二目标图像进行适配调整具体为，判断服装特征点坐标与人体外部轮廓坐标的距离，根据二者坐标之间的距离对第二目标图像进行适配调整，适配调整为对第二图像进行膨胀或收缩。
[0067]
其中更新后的服装特征点坐标与人体外部轮廓坐标之间的指定距离p具体表示为：
其中，表示更新后的服装特征点的横坐标，表示更新后的服装特征点的纵坐标，表示人体骨骼节点横坐标，表示人体骨骼节点纵坐标。
[0068]
具体地，若服装特征点坐标与人体骨骼节点坐标的距离小于指定距离，则对第二目标图像进行膨胀处理，具体通过调整该点的服装特征点坐标，使服装特征点坐标向人体外部轮廓坐标靠拢，具体使服装特征点坐标与人体外部轮廓坐标的距离差值达到最小，最终使第二目标图像的该位置进行膨胀。
[0069]
若服装特征点坐标与人体外部轮廓坐标的距离大于指定距离，则对第二目标图像进行收缩处理，具体通过调整该点的服装特征点坐标，使服装特征点坐标向人体外部轮廓坐标靠拢，具体使服装特征点坐标与人体外部轮廓坐标的距离差值达到最小，最终使第二目标图像的该位置进行收缩。
[0070]
本实施通过对服装特征点进行逐个调整，使服装图像适配于人台图像，同时利用上述方法，能够使服装图像适配于任何人台图像，该方式提高了服装调整的准确性，也进一步提高了与人台图像的适配度。
[0071]
步骤s160：将第二目标图像与第三目标图像进行渲染输出。
[0072]
由于第二目标图像与第三目标图像已经完成了适配，因此可能存在第二目标图像与第三目标图像出现像素不连续的问题，会造成图像中颜色饱和度出现空白，因此其中在输出之前，还包括对适配后的第二目标图像与第三目标图像进行检测处理。
[0073]
其中对适配后的第二目标图像与第三目标图像进行检测处理之前，还包括对适配后的第三目标图像进行区域划分，可按照人体部位划分为不同区域，例如将左胳膊划分为一个区域，将右胳膊划分为一个区域，将脖子以上划分一个区域等。
[0074]
其中划分的各区域的像素点的颜色饱和度值具体表示为：其中，为输入的服装图像的颜色值，表示控制像素颜色混合的标准参数，一般为0.8，为当前划分区域中像素点h与像素点i的距离，s表示当前划分的区域的区域面积，表示像素点h的像素半径。
[0075]
其中对各区域的像素点进行检测，若各像素点的颜色饱和度值大于指定阈值，则使用合成引擎进行输出，否则流程退出。
[0076]
本申请还提供了图像匹配系统，如图2所示，图像匹配系统其中包括了待处理图像获取单元201、第一目标图像获取单元202、第一目标图像处理单元203、信息标定单元204、调整单元205以及输出单元206。
[0077]
其中待处理图像获取单元201用于获取待处理图像。
[0078]
第一目标图像获取单元202与获取单元201连接，用于从待处理图像中获取第一目标图像。
[0079]
具体地，第一获取单元202具体包括稳定程度确定模块、分割阈值确定模块。
[0080]
其中稳定程度确定模块，用于确定待处理图像的稳定程度。
[0081]
分割阈值确定模块与稳定程度确定模块连接，用于根据待处理图像的稳定程度确定分割阈值，根据分割阈值确定第一目标图像。
[0082]
第一目标图像处理单元203与第一获取单元202连接，用于从第一目标图像中分别获取第二目标图像与第三目标图像。
[0083]
信息标定单元204与第二获取单元203连接，用于对获取的第二目标图像以及第三目标图像进行信息标定。
[0084]
调整单元205与信息标定单元204连接，用于根据信息标定对第二目标图像进行调整。
[0085]
输出单元206与调整单元205连接，用于将第二目标图像与第三目标图像进行渲染输出。
[0086]
本申请具有以下有益效果：（1）本申请提供的图像匹配的方法及其系统能够将服装图像和人台进行精细的匹配，使其达到较真实的效果。
[0087]
（2）本申请提供的图像匹配的方法及其系统能够进行服装图像与人台图像的自动匹配，无需手动调节，降低了人员成本和时间成本，同时使多件服装间的穿搭成为可能，大大提高了展示系统的可用性。
[0088]
虽然当前申请参考的示例被描述，其只是为了解释的目的而不是对本申请的限制，对实施方式的改变，增加和/或删除可以被做出而不脱离本申请的范围。
[0089]
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。