图像处理方法和装置的制造方法
【技术领域】
[0001]本发明涉及图片处理领域，具体来说，涉及一种图像处理方法和图像处理装置。
【背景技术】
[0002]目前，市场上对图像的识别和提取方法主要是采用对特殊物体的模式识别和基于颜色区域的图像分割的方式。
[0003]其中，对于特殊物体的模式识别方式来说，其主要是利用已有的图像来对特定的物体进行模式提取的方式，然后再通过对目标图像进行模式匹配，从达到提取已知特征的物体的目的。但是，该模式识别方式实施的前提是需要存在对应不同类型物体的物体模式，而为了获取不同类型的物体模式，在现有技术中是采用对某种模式进行反复的学习或建模的方式实现对某种物体的模式的获取的，显然，前期的准备工作是十分漫长和复杂的；此夕卜，对应不同类型物体的物体模式，其定义也不同，这就更加大了对特殊物体建模的难度。
[0004]而在现有技术中，除了经过几十年研究的人脸识别具有较高成功率外(例如，社交网络服务网站Facebook利用人脸识别技术对照片上的人物进行标识)，采用特殊物体的模式识别的方式对图像中其他的物体，如风景、植物、动物、生活用品、衣物等内容的识别和提取往往很难成功，因为，物体在不同图像中的角度、大小、颜色和周围环境等方面均是存在差异的，并且，一些物品(例如，衣服)本身其特征就是存在非常大的差异的，因此，获取特殊物体的模式本身就是存在极大难度的。显然，对于特殊物体的模式识别方式来说，其也仅仅可以在人脸识别方面得到比较广泛的应用。
[0005]另一方面，对于基于颜色区域的图像分割方式来说，其主要是利用图像中不同物体的颜色或轮廓来对图像进行分割，从而达到提取图像中的内容的目的。但是，基于颜色区域的图像分割方法对图像的颜色、亮度等因素的依赖性较强，特别是对照片的光学效果的依赖性更加强，因此，如果图像中物体的轮廓不清晰或颜色相似，则会导致提取的准确度降低。另外，该方法还受限于用于界定图像颜色划分区域的阈值，其中，阈值的确定一般是依赖于人为的经验，而如果阈值确定的不合理，则同样会导致提取的准确度降低。
[0006]由此可见，现有技术中对图像物体的识别和提取方法是存在识别、提取的对象类型少、精度低的问题。
[0007]针对相关技术中对图像的识别、提取的对象类型少、精度低的问题，目前尚未提出有效的解决方案。
【发明内容】
[0008]针对相关技术中对图像的识别、提取的对象类型少、精度低的问题，本发明提出一种图片处理方法和图片处理装置，能够对图像中的任何被标记物体进行精确识别和区域提取，不仅对提取物体的类型(例如头像)没有限制，还提高了对图像中物体提取的准确度；还能够准确的确定每个被标记物体所对应的数据，在保持原图物体展现效果的同时实现对识别物体的纹理替换。
[0009]本发明的技术方案是这样实现的:
[0010]根据本发明的一个方面，提供了一种图片处理方法。
[0011]该图片处理方法包括:
[0012]基于图像中不同物体所对应的标记，确定每个物体所占的区域；
[0013]确定图像中每个被标记物体所对应的数据；
[0014]在接收到用户输入的纹理数据的情况下，利用输入的纹理数据对部分或全部被标记物体所对应的数据进行替换。
[0015]其中，在确定每个物体所占的区域时，可通过确定图像中的有效标记区域；并对有效标记区域进行单联通区域的提取，从而获得有效标记区域内的所有单联通区域；并根据不同物体所对应的标记的差异，对获取的每个单联通区域进行拆分，从而确定每个物体所占的区域。
[0016]此外，在确定图像中的有效标记区域时，还可通过统计矩阵和/或有效标记矩阵来确定。
[0017]另外，在确定图像中每个被标记物体所对应的数据时，可忽略所占区域的面积小于预定阈值的物体。
[0018]此外，在确定每个物体所占的区域后，如果接收到用户在图像中增加的新标记，则进行叠加有效区域的计算，并基于对每个单联通区域进行拆分后的结果、以及新标记的区域重新进行单连通区域拆分。
[0019]优选的，在确定每个物体所占的区域时，可将具有相同标记的物体的区域进行合并。
[0020]另外，在利用输入的纹理数据对部分或全部被标记物体所对应的数据进行替换时，可通过对图像的原始图像进行特征点提取；并对完成特征点提取的原始图像进行三角剖分，从而得到原始图像的凹凸面；并根据凹凸面，获取原始图像在三维空间的网格数据；根据用户需要在图像中进行纹理替换的位置确定需要进行替换的凹凸面所在的位置；根据网格数据和贴图算法将目标纹理覆盖至确定的凹凸面所在的位置。
[0021]此外，该图像处理方法还可包括:
[0022]提取已覆盖目标纹理的凹凸面添加到图像中的对应位置。
[0023]根据本发明的另一方面，提供了一种图片处理装置。
[0024]该图像处理装置包括:
[0025]第一确定模块，用于基于图像中不同物体所对应的标记，来确定每个物体所占的区域；
[0026]第二确定模块，用于确定图像中每个被标记物体所对应的数据；
[0027]替换模块，用于在接收到用户输入的纹理数据的情况下，利用输入的纹理数据对部分或全部被标记物体所对应的数据进行替换。
[0028]其中，确定模块还可用于确定图像中的有效标记区域；并对有效标记区域进行单联通区域的提取，从而获得有效标记区域内的所有单联通区域；并根据不同物体所对应的标记的差异，对获取的每个单联通区域进行拆分，从而确定每个物体所占的区域。
[0029]本发明基于图像中不同物体所对应的标记，能够对图像中的任何被标记物体进行精确识别和区域提取，不仅对提取物体的类型(例如头像)没有限制，还提高了对图像中物体提取的准确度；还能够准确的确定每个被标记物体所对应的数据，在保持原图物体展现效果的同时实现对识别物体的纹理替换。
【附图说明】
[0030]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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。
[0031]图1是根据本发明实施例的图像处理方法的流程图；
[0032]图2是根据本发明一具体实施例的图像处理方法的流程图；
[0033]图3是根据本发明实施例的原始图像的示意图；
[0034]图4是根据本发明实施例的提取有效标记区域的示意图；
[0035]图5是根据本发明实施例的对有效标记区域提取单联通区域的示意图；
[0036]图6是根据本发明实施例的对单联通区域拆分的示意图；
[0037]图7是根据本发明实施例的对具有相同标记的物体的区域合并的示意图；
[0038]图8是根据本发明实施例的对图像进行目标纹理替换的示意图；
[0039]图9是根据本发明实施例的图像特征点提取的示意图；
[0040]图10是根据本发明实施例的图像三角剖分构建凹凸面的示意图；
[0041]图11是根据本发明实施例的图像处理装置的框图。
【具体实施方式】
[0042]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，显然，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。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
[0043]根据本发明的实施例，提供了一种图像处理方法。
[0044]如图1所示，根据本发明实施例的图像处理方法包括:
[0045]步骤S101，基于图像中不同物体所对应的标记，确定每个物体所占的区域；
[0046]步骤S103，确定图像中每个被标记物体所对应的数据；
[0047]步骤S105，在接收到用户输入的纹理数据的情况下，利用输入的纹理数据对部分或全部被标记物体所对应的数据进行替换。
[0048]通过本发明的上述方案，能够对图像中的任何被标记物体进行精确识别和区域提取，不仅对提取物体的类型(例如头像)没有限制，还提高了对图像中物体提取的准确度；还能够准确的确定每个被标记物体所对应的数据，在保持原图物体展现效果的同时实现对识别物体的纹理替换。
[0049]在上述过程中，所谓的标记是指用户在图像中选择的物体所构成的一个图像，其中，该标记可以是不同的用户利用不同的颜色对同一副图像中不同的物体进行不同的颜色的标注后标记形成的一个图像，其中，被标记图像的