一种虚拟穿衣图像的处理方法及其系统与流程

[0001]
本申请涉及数据处理领域，具体地，涉及一种虚拟穿衣图像的处理方法。


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。但是多个角度人台服装拍摄完成之后，由于服装图片的数量过多，在传输过程中容易出现传输速度慢，机器出现卡顿，造成虚拟试衣的速度不理想。
[0003]
因此需要一种虚拟穿衣图像的处理方法，使服装图像的存储体积减小，服装图像中的衣服能够更快速的贴合在人台图像中。


技术实现要素：

[0004]
本申请的目的在于提供一种虚拟穿衣图像的处理方法及其系统，能够在虚拟试衣的过程中将服装图像的存储体积减小，加快虚拟试衣的速度。
[0005]
为达到上述目的，本申请提供了一种虚拟穿衣图像的处理方法，具体包括以下步骤：获取多角度的待处理图像；在多角度的待处理图像中获取多角度的目标图像；根据多角度的目标图像确定每个角度的目标图像的服装外部轮廓；根据每个服装外部轮廓确定与每个角度的目标图像对应的第一最大外接矩形；对获取的每个第一最大外接矩形进行处理，获取多角度目标图像的第二最大外接矩形；根据第二最大外接矩形对每个角度的目标图像进行裁剪，输出裁剪后的目标图像。
[0006]
如上的，其中，从待处理图像中获取目标图像具体包括以下子步骤：确定每个角度的待处理图像的稳定程度；根据每个角度的待处理图像的稳定程度确定分割阈值，根据分割阈值确定目标图像。
[0007]
如上的，其中，确定分割阈值前，还包括，将每个角度的待处理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为第i个灰度级，为第i个灰度级出现的概率，l为每个角度的待处理图像的灰度级总数。
[0008]
如上的，其中，设定三个评判函数，三个评判函数的最大值所对应的阈值即为分割阈值。
[0009]
如上的，其中，设定三个评判函数，三个评判函数分别为：
其中，，；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为每个角度的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。
[0010]
如上的，其中，根据目标图像确定服装外部轮廓具体包括以下步骤：对每个角度的目标图像分别进行扫描，确定服装外部轮廓的起点和终点；根据服装外部轮廓的起点，确定服装外部轮廓的边界点位置；根据服装外部轮廓的边界点的位置对服装外部轮廓的边界点进行判断，完成服装外部轮廓的确定。
[0011]
如上的，其中，其中根据服装外部轮廓的上下左右的服装外部轮廓边界点的坐标确定第一最大外接矩形，第一最大外接矩形的数量为多个。
[0012]
如上的，其中，将多个第一最大外接矩形放入同一界面中进行处理，最终获取数量为一个的第二最大外接矩形。
[0013]
如上的，其中，获取第二最大外接矩形包括，将指定的两个第一最大外接矩形进行整合处理，重新定义重叠区域的像素点，重叠区域的全部像素点构成第二最大外接矩形。
[0014]
一种虚拟穿衣图像的处理系统，其特征在于，包括处理器，其中处理器执行上述之一的方法。
[0015]
本申请具有以下有益效果：本申请提供的虚拟穿衣图像的处理方法及其系统能够在虚拟试衣的过程中将服装图像的存储体积减小，能有效降低图片的存储空间且不影响图片质量，同时加快了虚拟试衣的速度。
附图说明
[0016]
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。
[0017]
图1是根据本申请实施例提供的虚拟穿衣图像的处理方法的方法流程图；
图2是根据本申请实施例提供的虚拟穿衣图像的处理系统的内部结构图。
具体实施方式
[0018]
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。
[0019]
本申请涉及一种虚拟穿衣图像处理方法及其系统。根据本申请，在虚拟试衣的过程中将服装图像的存储体积减小，加快虚拟试衣的速度。
[0020]
如图1所示为本申请提供的虚拟穿衣图像处理方法流程图，具体包括以下步骤：步骤s110：获取多角度的待处理图像。
[0021]
待处理图像为拍摄时带有服装的人台图像的jpg格式的图像，该图像中包括了背景等信息。其中，待处理图像的角度不同是由于包含的人台图像的拍摄角度不同。
[0022]
步骤s120：在多角度的待处理图像中获取多角度的目标图像。
[0023]
具体地，其中获取的多角度的目标图像为去除人台后的多角度的服装图像，优选为上装服装图像，步骤s120具体包括以下子步骤：步骤s1201：确定每个角度的待处理图像的稳定程度。
[0024]
其中计算每个多角度待处理图像的稳定值，当待处理图像越混乱，稳定值越小，表示稳定程度越小。当待处理图像越有序，稳定值越大，则表示稳定程度越高。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。
[0025]
优选地，在获取稳定值之前，可将每个角度的待处理图像转换为灰度图像。
[0026]
步骤s1202：根据每个角度的待处理图像的稳定程度确定分割阈值，根据分割阈值确定目标图像。
[0027]
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。其中分割阈值的范围属于[0,255]。
[0028]
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。
[0029]
其中，设每个角度的待处理图像有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
。
[0030]
进一步地，设定分割阈值前，将每个角度的待处理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。
[0031]
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。
[0032]
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。
[0033]
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。
[0034]
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。
[0035]
再进一步地，设定三个评判函数，三个评判函数分别为：
其中，，。
[0036]
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为每个角度的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。
[0037]
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即为每个角度的待处理图像中的目标图像。
[0038]
根据上述方法，能够在每个多角度待处理图像中，分割出人台图像与目标图像，例如将只穿了上半身服装的人台图像作为目标图像保留，而将下半身的人台图像删除，并将分割出的目标图像保留在待处理图像中，由于人台图像的拍摄角度不同，因此分割出的目标图像的角度也不同，其中包括一个或多个多角度的目标图像。
[0039]
步骤s130：根据多角度的目标图像确定每个角度的目标图像的服装外部轮廓。
[0040]
其中步骤s130具体包括以下子步骤：步骤1301：对每个角度的目标图像分别进行扫描，确定服装外部轮廓的起点和终点。
[0041]
具体地，在扫描过程中，将扫描的第一个点标记为p，记录p点的坐标，将其作为服装外部轮廓的起点和终点。
[0042]
步骤s1302：根据服装外部轮廓的起点，确定服装外部轮廓的边界点位置。
[0043]
具体地，读取p点的坐标，在p点的8个邻域中，从p点的0点方向开始，按照顺时针方向搜索，确定服装外部轮廓的边界点位置。
[0044]
其中顺时针方向搜索具体为以p点为中心，按照向量0-7的顺时针方向搜索，向量0-7构成p点的8邻域。
[0045]
步骤s1303：根据服装外部轮廓的边界点的位置对服装外部轮廓的边界点进行判断，完成服装外部轮廓的确定。
[0046]
具体地，根据服装外部轮廓的边界点位置，逐一判断服装外部轮廓的边界点的像素值。
[0047]
若服装外部轮廓的边界点的像素值与起点p点相同，则依然作为服装外部轮廓的边界点，否则作为服装外部轮廓的新的起点q，记录新的起点q的坐标以及像素值。
[0048]
进一步地，将q点置为p点，重复执行步骤s1302和s1303，不断根据新的起点确定服装外部轮廓边界点，直至回到p点结束。将确定的服装外部轮廓的边界点连接，得到服装外服轮廓。
[0049]
步骤s140：根据每个服装外部轮廓确定与每个角度的目标图像对应的第一最大外
接矩形。
[0050]
其中根据服装外部轮廓的上下左右的服装外部轮廓边界点的坐标确定第一最大外接矩形。第一最大外接矩形与每个角度的目标图像对应，第一最大外接矩形的数量为多个。
[0051]
具体地，其中以任意角度的目标图像为例，将该角度的目标图像的中心点作为基准点，将离基准点最远的左侧服装外部轮廓边界点为第一外接点，将离基准点最远的右侧服装外部轮廓边界点为第二外接点，将离基准点最远的上侧服装外部轮廓边界点为第三外接点，将离基准点最远的下侧服装外部轮廓边界点为第四外接点。进一步地，将第一、二外接点进行沿垂直方向延伸，将第三、四外接点沿水平方向延伸，直至第一至四外接点连接形成一个四边形，将该四边形作为与该角度的目标图像对应的第一最大外接矩形。以此类推，获取与每个角度的目标图像对应的第一最大外接矩形。
[0052]
步骤s150：对获取的每个第一最大外接矩形进行处理，获取多角度目标图像的第二最大外界矩形。
[0053]
其中由于每个目标图像的角度不同，每个第一最大外接矩形的大小可能不同，因此需要将多个第一最大外接矩形放入同一界面中进行处理。具体地，将多个第一最大外接矩形进行整合处理，获取多角度目标图像的第二最大外接矩形，其中第二最大外接矩形是数量唯一（数量为一个）的第二最大外接矩形。
[0054]
具体地，其中若第一最大外接矩形的数量为多个，则将指定的两个第一最大外接矩形进行整合处理，将两个第一最大外接矩形放入同一界面进行叠加，能够直观得出两个第一外接矩形的重叠区域。其中指定的两个第一最大外接矩形为叠加后最内层和最外层的两个第一最大外接矩形。
[0055]
其中将两个第一最大外接矩形分别定义为w和v，重新定义重叠区域的像素点，由于重叠区域中的像素点同时出现在第一最大外接矩形w和v中，因此对该部分的像素点进行重新构建，得到第一最大外接矩形w和v重叠后的重叠区域的像素点，重叠区域的全部像素点构成第二最大外接矩形。
[0056]
其中重新定义后的重叠区域的像素点具体表示为：其中，表示像素点(r,t)在第一最大外接矩形w的距离变换值，其中距离变化值可根据像素点(r,t)与第一最大外接矩形w距离最近的点的距离值求得，其中，x表示与像素点(r,t)距离最近的第一最大外接矩形w中的像素点的横坐标，y表示与像素点(r,t)距离最近的第一最大外接矩形w中的像素点的纵坐标。表示像素点(r,t)在第一最大外接矩形v的距离变换值，其中距离变化值可根据像素点(r,t)与第一最大外接矩形v距离最近的点的距离值，其中
，表示与像素点(r,t)距离最近的第一最大外接矩形v中的像素点的横坐标，表示与像素点(r,t)距离最近的第一最大外接矩形v中的像素点的纵坐标。表示第一最大外接矩形w中，和第一最大外接矩形v的发生重叠的重叠区域的像素均值，表示第一最大外接矩形v中，和第一最大外接矩形w的发生重叠的重叠区域的像素均值，表示第一最大外接矩形w中，和第一最大外接矩形v的发生重叠的重叠区域的像素方差，表示第一最大外接矩形v中，和第一最大外接矩形w的发生重叠的重叠区域的像素方差，表示像素点(r,t)所在的第一最大外接矩形w中的像素方差，表示像素点(r,t)所在的第一最大外接矩形v的像素方差。
[0057]
进一步地，获取第二最大外接矩形后，由于目标图像在第二最大外接矩形当中，因此根据第二最大外接矩形的边界点进行处理，具体检测边界点是否平滑，其中平滑度g具体表示为：其中，m、n分别表示第二最大外接矩形的长和宽，表示第二最大外接矩形上的任意像素点的横坐标和纵坐标，表示偏导数。
[0058]
其中若平滑度g大于指定数值，说明第二最大外接矩形足够平滑，则执行步骤s160。
[0059]
步骤s160：根据第二最大外接矩形对每个角度的目标图像进行裁剪，输出裁剪后的目标图像。
[0060]
其中，由于待处理图像的图片面积较大，因此根据第二最大外接矩形对每个角度的目标图像进行裁剪，使其从所在的待处理图像中分割出来，在根据最大外接矩形对第二目标图像和待处理目标对象进行裁剪之前，具体包括以下子步骤：步骤s1601：判断第二最大外接矩形与每个角度的待处理目标对象是否适配。
[0061]
由于最大外接矩形是通过目标图像进行获取的，而目标图像存在于第二目标图像之中，因此无需对最大外接矩形于第二目标图像进行适配判断。虽然目标图像是由待处理图像中提取的，但是提取的过程中若出现尺寸转化错误等因素，则会影响待处理目标对象和最大外接矩形的适配关系，因此，需要对第二最大外接矩形与每个角度的待处理目标对象进行适配判断。
[0062]
其中适配判断可根据每个角度的待处理图像和最大外接矩形的面积进行判断，具体将待处理图像和最大外接矩形的面积进行比对，由于待处理图像中包含目标图像，因此
正常情况下待处理图像的面积应始终大于第二最大外接矩形的面积，若每个角度的待处理图像的面积大于最大外接矩形，则执行步骤s1602，否则流程退出。
[0063]
其中每个角度的待处理图像的面积a具体表示为：其中，为任意角度的待处理图像的长，为任意角度的待处理图像的宽，为当纵坐标为j时，任意角度的待处理图像中的横坐标最大值，为纵坐标为j时，任意角度的待处理图像中的横坐标最小值，j为自然数，为任意角度的待处理图像中的纵坐标最大值，为纵坐标为j时，任意角度的待处理图像中目标图像的横坐标最小值与该待处理图像横坐标最小值之差，为纵坐标为j时，任意角度的待处理图像中目标图像的横坐标最大值与该待处理图像横坐标最大值之差，为任意角度的待处理图像中的目标图像的横坐标最小值，为待处理图像中的目标图像的横坐标最大值。
[0064]
其中第二最大外接矩形的面积b具体表示为：其中c表示第二最大外接矩形的长，d表示第二最大外接矩形的宽。
[0065]
若待处理图像的面积a大于最大外接矩形b，则执行步骤s1602，否则流程退出。
[0066]
步骤s1602：对每个角度的目标图像进行信息标定。
[0067]
具体地，对目标图像进行信息标定包括，在目标图像上标定服装的服装特征点坐标。优选地，以目标图像左上角为坐标原点开始进行标定。
[0068]
其中在目标图像中，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。
[0069]
步骤s1603：第二最大外接矩形根据标定的信息对目标图像进行裁剪。
[0070]
具体地，以目标图像的中心点为基准，将第二目标图像中离中心点最远的任意服装特征点坐标为基准坐标，将第二最大外接矩形的一条边置于离基准坐标指定距离处。
[0071]
进一步地，当第二最大外接矩形的一条边置于离基准坐标指定距离处后，获取最大外接矩形的各点坐标，检查目标图像中服装特征点的坐标是否均小于第二最大外接矩形的各点坐标，若目标图像中服装特征点的坐标均小于最大外接矩形的各点坐标，说明第二最大外接矩形位于第二目标图像的外围，则继续执行。否则流程退出。
[0072]
再进一步地，按照第二最大外接矩形对目标图像进行裁剪之前，还包括，对此时的目标图像和待处理图像分别进行检测处理。检测处理具体包括对目标图像和待处理图像进行区域划分，具体可将目标图像和待处理图像进行等区域划分，划分为若干区域。
[0073]
其中划分的各区域的像素点的颜色饱和度值具体表示为：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。
[0074]
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，则按照第二最大外接矩形对目标图像进行裁剪，否则流程退出。
[0075]
其中按照上述方法裁剪后，目标图像从待处理图像中分离出来，目标图像完成了压缩，目标图像的图片体积缩小了大约10%以上，能有效降低图片的存储空间，但却并不影响图片质量。
[0076]
本申请还提供了虚拟穿衣图像的处理系统，如图2所示，虚拟穿衣图像的处理系统包括处理器，其中处理器执行步骤s110-s160的方法，处理器包括了待处理图像获取单元201、目标图像获取单元202、服装轮廓确定单元203、第一最大外接轮廓确定单元204、第二最大外接轮廓确定单元205、裁剪单元206。
[0077]
其中待处理图像获取单元201用于获取多角度的待处理图像。
[0078]
目标图像获取单元202与待处理图像获取单元201连接，用于从多角度待处理图像中获取多角度的目标图像。
[0079]
具体地，目标图像获取单元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，用于确定每个角度的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，用于根据每个角度的待处理图像的稳定程度确定分割阈值，根据分割阈值确定每个角度的目标图像。
[0082]
服装轮廓确定单元203与目标图像获取单元202连接，用于根据每个角度的目标图像确定服装外部轮廓。
[0083]
第一最大外接轮廓确定单元204与服装轮廓确定单元203连接，用于根据服装外部轮廓确定第一最大外接矩形。
[0084]
第二最大外接轮廓确定单元205与第一最大外接轮廓确定单元204连接，用于对获取的每个第一最大外接矩形进行处理，获取多角度目标图像的第二最大外界矩形。
[0085]
裁剪单元206与第二最大外接轮廓确定单元205连接，用于根据第二最大外接矩形对目标图像进行裁剪，输出裁剪后的目标图像。
[0086]
本申请具有以下有益效果：（1）本申请提供的虚拟穿衣图像的处理方法及其系统能够在虚拟试衣的过程中将服装
图像的存储体积减小，能有效降低图片的存储空间且不影响图片质量，同时加快了虚拟试衣的速度。
[0087]
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。
[0088]
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。