立体化衣服模型不符合用户自身预期时，对旋转和裁剪后的所述二维平面图像重新进行款式套版和款式匹配处理，以生成新的3D立体化衣服模型。
[0046]本发明实施例提供的基于移动终端的实时立体试衣方法，用户可以随时随地利用移动终端实现立体试衣虚拟效果，结合人体的身体特征，识别衣服的各个重要特征点，使精确定位衣服各部分区域成为可能；根据所述二维平面图像、不同款式的衣服特征点，生成衣服款式形变系数，在移动终端上应用实时3D自适应建模算法，可对任意形状图像进行缩放、拉伸，从而实现用户对待试穿衣服所拍摄的原2D图像向3D图像贴图的影射，由此实现3D立体化衣服模型逼真贴图的生成；结合衣服款式形变系数，可以在3D立体化衣服模型上结合衣服的控制点的相对位置特征，以实现针对某款衣服2D图片形状的自适应跟踪变形，从而实现目标衣服3D模型的自适应建模输出，使与衣服2D图片有非常高象真度的3D立体化衣服模型的实时生成成为可能。此外，本发明根据所述待试穿衣服的特征点，进行不同款式的衣服特征点识别定位，因此可以通过少量3D试衣人体模型实现对多种款式衣服的试穿展示，缩短开发周期，降低开发难度和成本；用户可以在移动终端屏幕上对待试穿衣服的立体试穿效果进行实时360度触控展现，从各个角度直观感知不同款式衣服的立体试穿效果Ο
[0047]利用本发明在移动终端上进行立体试衣，用户只需手指点击屏幕进行简单的衣服套版和特征点位置确认操作，即可获得与原2D图片中衣服图像真度较高的3D立体衣服的上身效果，大大缩短了传统3D试衣间需要专业建模师为每一款新衣服建立定制3D建模的时间，特别适用于移动终端用户在互联网上进行大量衣服图片浏览时的实时立体试衣需求。
【附图说明】
[0048]图1是本发明提供的基于移动终端的实时立体试衣方法的一个实施例的步骤流程图。
[0049]图2是本发明提供的在二维平面图像中识别出待试穿衣服的特征点一个实施例的步骤流程图。
[0050]图3是本发明提供的建立3D立体化衣服模型的一个实施例的步骤流程图。
【具体实施方式】
[0051]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。
[0052]参见图1，是本发明提供的基于移动终端的实时立体试衣方法的一个实施例的步骤流程图。
[0053]在本实施例中，所述的基于移动终端的实时立体试衣方法，主要包括以下步骤S1?步骤S8:
[0054]步骤S1:通过移动终端获取待试穿衣服的二维(2D)平面图像。其中，可以利用移动终端自带的照相机，对现场的各种来源(包括服饰门店、互联网、杂志等)所显示的衣服进行拍照获得该二维平面图像，或者，该二维平面图像可以为通过下载、转送等方式获得而保存至移动终端上的图片。需要说明的是，移动终端还可以采用其他方式获取包含有待试穿衣服的二维平面图像。具体实施时，所述移动终端包括但不限于Android (安卓)、10S (苹果操作系统)、黑莓、塞班等便携式的智能移动设备，如智能手机终端、平板电脑、手提式计算机、掌上终端等。
[0055]步骤S2:对所述二维平面图像进行图像旋转和区域裁剪之后，进行款式套版和款式匹配处理。其中，对待试穿衣服的2D平面图像进行图像旋转和区域裁剪的主要目的是调整包含有衣服图像的2D平面图像的显示角度，以便于更加准确地定位出2D平面图像中的待试穿衣服的各个关键位置，方便款式套版和款式匹配。对裁剪好的2D平面图像，根据不同款式(如春、夏、秋、冬的不同款式)，或者服装类别(T恤、连衣裙、下身裙、牛仔裤、衬衣等)，人工选取指定款式或者直接套版；其中，服装类别中的连衣裙还包括长袖、短、无袖、长裙等类型。
[0056]步骤S3:结合试衣者的身体特征，在款式套版和款式匹配处理后的二维平面图像中识别出待试穿衣服的特征点。
[0057]具体实施时，所述步骤S3可以通过在移动终端运行相关算法自动识别衣服特征点，同时，可选地，用户还可以通过手动调整二维平面图像中的待试穿衣服的特征点的位置。
[0058]其中，当采用通过在移动终端运行相关算法自动识别衣服特征点时，优选地，如图2所示，所述步骤S3主要包括以下步骤:
[0059]步骤S31:采用K-MEANS算法，对待试穿衣服的二维平面图像的像素进行色彩分害J，形成待试穿衣服图像的多色图。优选地，所述多色图为四色图。
[0060]步骤S32:利用数学形态学(Mathematical Morphology)的开运算算子，对生成的所述待试穿衣服图像的多色图进行衣服图像背景区域识别及删除；
[0061]步骤S33:利用数学形态学的闭运算算子，在已删除背景区域的多色图上识别出待试穿的衣服图像区域。
[0062]步骤S34:根据试衣者的人体身体特征，在所述衣服图像区域上识别出待试穿衣服的特征点的坐标位置；所述特征点包括肩膀点、领口点、领口 V位置点、袖子外侧点和内侧点、腋窝点、腰位点、衣角点、裙摆衣角点中的一项或多项。
[0063]本发明实施例提出了一种基于数学形态学的衣服轮廓识别算法，能快速分割出2D衣服图片中的衣服对象，并能快速、精确识别出衣服轮廓。数学形态学的图象处理表现为一种邻域运算形式，一种特殊定义的邻域称之为“结构元素”(Structure Element)，在每个象素位置上它与二值图象对应的区域进行特定的逻辑运算，逻辑运算的结果为输出图像的相应象素。数学形态学运算的效果取决于结构元素的大小、内容以及逻辑运算的性质。常见的形态学运算有腐蚀(Eros1n)和膨胀(Dilat1n)。给定二值图像I(x，y)和作为结构元素的二值模板T (i, j)，则可以进行相关的腐蚀与膨胀运算。在本实施例中，开运算算子的运算过程为先腐蚀后膨胀的过程，用于消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积；闭运算算子为先膨胀后腐蚀的过程，用于填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。因此，通过上述步骤S32和步骤S33，可以实现在已删除背景区域的多色图上，精确地识别出待试穿的衣服图像区域。
[0064]在本实施例中，利用人体身体特征信息对衣服图像区域进行特征点定位时，所述步骤S34主要识别出以下衣服特征点的坐标位置，包括但不限于:
[0065]A.左、右肩膀点
[0066]B.左、右领口点
[0067]C.领口 V位置点
[0068]D.左、右袖子外侧点和内侧点(只针对有袖衣服)
[0069]E.左、右腋窝点
[0070]F.左、右腰位点
[0071]G.左、右衣角点(例如对非裙子类衣服)
[0072]H.左、右裙摆衣角点(特指对裙子类)
[0073]进一步地，所述步骤S3还包括:
[0074]步骤S35:在移动终端的衣服二维平面图像中显示所述特征点的坐标位置，并连接相邻的特征点，形成衣服的特征轮廓图。
[0075]本发明实施例提出的结合人体身体特征识别衣服各重要特征点的方法，使得精确定位衣服的各部分区域成为可能。
[0076]可选地，所述步骤S3还同时允许用户手动调整二维平面图像中的待试穿衣服的特征点的位置。具体实施时，用户通过手指点选取移动终端屏幕上显示的任意一个特征点进行锁定；移动终端通过跟踪用户手指移动位置，确定特征点的新位置，以实现对特征点位置的人工修正调整。
[0077]步骤S4:根据所述待试穿衣服的特征点，进行不同款式的衣服特征点识别定位。
[0078]步骤S5:根据所述二维平面图像、不同款式的衣服特征点，生成衣服款式形变系数，在移动终端上应用实时3D自适应建模算法，建立3D立体化衣服模型。
[0079]参看图3，是本发明提供的建立3D立体化衣服模型的一个实施例的