[go: up one dir, main page]

CN107403185B - 人像颜色转换方法和人像颜色转换系统 - Google Patents

人像颜色转换方法和人像颜色转换系统 Download PDF

Info

Publication number
CN107403185B
CN107403185B CN201610342048.XA CN201610342048A CN107403185B CN 107403185 B CN107403185 B CN 107403185B CN 201610342048 A CN201610342048 A CN 201610342048A CN 107403185 B CN107403185 B CN 107403185B
Authority
CN
China
Prior art keywords
portrait
vector
macroblock
feature
original image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610342048.XA
Other languages
English (en)
Other versions
CN107403185A (zh
Inventor
夏思烽
杨撒博雅
刘家瑛
郭宗明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking University
Peking University Founder Group Co Ltd
Beijing Founder Electronics Co Ltd
Original Assignee
Peking University
Peking University Founder Group Co Ltd
Beijing Founder Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Peking University, Peking University Founder Group Co Ltd, Beijing Founder Electronics Co Ltd filed Critical Peking University
Priority to CN201610342048.XA priority Critical patent/CN107403185B/zh
Publication of CN107403185A publication Critical patent/CN107403185A/zh
Application granted granted Critical
Publication of CN107403185B publication Critical patent/CN107403185B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明提出了一种人像颜色转换方法和一种人像颜色转换系统，其中，人像颜色转换方法包括：根据接收到的人像颜色转换命令，在原图和目标图中获取人像宏块；在特征空间中，根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，其中，所述特征空间的特征向量包括：RGB颜色空间的R向量、G向量和B向量以及ιαβ颜色空间中的α向量和β向量；根据聚类结果和预定颜色转换公式，对所述原图进行人像颜色转换，得到转换结果图。通过本发明的技术方案，进行人像颜色转换时，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。

Description

人像颜色转换方法和人像颜色转换系统
技术领域
本发明涉及图像处理技术领域，具体而言，涉及一种人像颜色转换方法和一种人像颜色转换系统。
背景技术
目前，在人像风格化的处理中，人像颜色转换是很重要的一步，而人像因其自身的特点，往往可以分为头发、脸和衣服三个主要的部分。
在以往的图像颜色风格转换算法中，一般利用调色板颜色的关系进行图像重新着色，以实现颜色风格转换，也可以通过使用者交互提供信息来对图像进行颜色风格转换。在一些方案中，还可以进一步特征像素点进行优化。
然而，上述方案都要依赖于使用者的交互来建立原图与目标图的联系，在原图与目标图的颜色分布差别较大时，也就是亮度差别较大时，转换结果并不理想。
因此，如何进一步优化人像颜色转换的效果，成为目前亟待解决的技术问题。
发明内容
本发明正是基于上述问题，提出了一种新的技术方案，可以在人像颜色转换过程中，减少亮度对聚类的影响，优化转换的效果。
有鉴于此，本发明的一方面提出了一种人像颜色转换方法，其特征在于，包括：根据接收到的人像颜色转换命令，在原图和目标图中获取人像宏块；在特征空间中，根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，其中，所述特征空间的特征向量包括：RGB颜色空间的R向量、G向量和B向量以及ιαβ颜色空间中的α向量和β向量；根据聚类结果和预定颜色转换公式，对所述原图进行人像颜色转换，得到转换结果图。
在该技术方案中，进行人像颜色转换时，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。这样一来，特征空间中应用的特征向量公式为：f＝f(R；G；B；α；β)。在人像颜色转换过程中，通过聚类将原图与目标图分为差别较大的头发、脸和衣服三部分进行颜色转换，可以优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格。
在上述技术方案中，优选地，所述根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，具体包括：在所述特征空间中，根据所述聚类公式计算所述原图和所述目标图的任一特征点到各个人像宏块的聚类中心点的距离；将所述距离最小的人像宏块设置为所述任一特征点对应的人像宏块，所述聚类公式为：
Figure GDA0002670692080000021
其中，S表示任一特征点(x，y)到任一人像宏块的聚类中心点的距离，wx，y表示任一特征点(x，y)在所述任一人像宏块中对应的类，
Figure GDA0002670692080000022
表示任一特征点(x，y)在所述目标图中的特征向量，T表示转置，
Figure GDA0002670692080000023
表示所述原图中对应第i个人像宏块的聚类中心的特征向量，i表示人像宏块的序号，Γ用于控制特征向量各维度的权值。
在该技术方案中，在原图与目标图中各自进行以下步骤：根据在图片中截取出的宏块，在特征空间中计算图片的每个像素点到各个宏块的聚类中心点的距离，然后根据计算的距离将每个像素点聚类到与它距离最小的那个宏块，最后，整个图片相当于被划分为了多个宏块，比如，分为差别较大的头发、脸和衣服三个人像宏块。通过该技术方案，优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格，当然，人像宏块包括但不限于头发、脸和衣服三种，也可以是根据需要除此之外的其他类型的宏块。其中，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
在上述任一技术方案中，优选地，所述特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2。
在该技术方案中，可以在进行聚类时设置特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2，当然，也可以根据实际需要为这些向量设置其他权值。
在上述任一技术方案中，优选地，在所述对所述原图进行人像颜色转换之后，还包括：对所述转换结果图进行平滑处理。
在该技术方案中，完成颜色转换后可以对转换结果图进行平滑处理，以消除聚类不准确等问题产生的瑕疵，获得优质的图像效果。
在上述任一技术方案中，优选地，所述预定颜色转换公式为：
Figure GDA0002670692080000031
其中，
Figure GDA0002670692080000032
表示所述转换结果图IC的特征点(x，y)的颜色值，
Figure GDA0002670692080000033
表示所述原图Is的特征点(x，y)的颜色值，(x，y)∈Ωi，Ωi表示所述原图和所述目标图中由第i个人像宏块聚类出来的区域。
Figure GDA0002670692080000034
和
Figure GDA0002670692080000035
分别为所述原图和所述目标图的对应区域的均值，
Figure GDA0002670692080000036
和
Figure GDA0002670692080000037
分别为所述原图和所述目标图的对应区域的标准差。
在该技术方案中，可以对每个原图的特征点也就是像素点，根据其所属类和目标图对应类的均值和标准差，在ιαβ颜色空间的各维度上统一进行颜色转换，从而以减少亮度对聚类的影响，优化转换的效果。
本发明的另一方面提出了一种人像颜色转换系统，包括：宏块获取单元，根据接收到的人像颜色转换命令，在原图和目标图中获取人像宏块；聚类单元，在特征空间中，根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，其中，所述特征空间的特征向量包括：RGB颜色空间的R向量、G向量和B向量以及ιαβ颜色空间中的α向量和β向量；颜色转换单元，根据聚类结果和预定颜色转换公式，对所述原图进行人像颜色转换，得到转换结果图。
在该技术方案中，进行人像颜色转换时，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。这样一来，特征空间中应用的特征向量公式为：f＝f(R；G；B；α；β)。在人像颜色转换过程中，通过聚类将原图与目标图分为差别较大的头发、脸和衣服三部分进行颜色转换，可以优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格。
在上述技术方案中，优选地，所述聚类单元包括：距离计算单元，在所述特征空间中，根据所述聚类公式计算所述原图和所述目标图的任一特征点到各个人像宏块的聚类中心点的距离；宏块确定单元，将所述距离最小的人像宏块设置为所述任一特征点对应的人像宏块，所述聚类公式为：
Figure GDA0002670692080000041
其中，S表示任一特征点(x，y)到任一人像宏块的聚类中心点的距离，wx，y表示任一特征点(x，y)在所述任一人像宏块中对应的类，
Figure GDA0002670692080000042
表示任一特征点(x，y)在所述目标图中的特征向量，T表示转置，
Figure GDA0002670692080000043
表示所述原图中对应第i个人像宏块的聚类中心的特征向量，i表示人像宏块的序号，Γ用于控制特征向量各维度的权值。
在该技术方案中，在原图与目标图中各自进行以下步骤：根据在图片中截取出的宏块，在特征空间中计算图片的每个像素点到各个宏块的聚类中心点的距离，然后根据计算的距离将每个像素点聚类到与它距离最小的那个宏块，最后，整个图片相当于被划分为了多个宏块，比如，分为差别较大的头发、脸和衣服三个人像宏块。通过该技术方案，优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格，当然，人像宏块包括但不限于头发、脸和衣服三种，也可以是根据需要除此之外的其他类型的宏块。其中，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
在上述任一技术方案中，优选地，所述特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2。
在该技术方案中，可以在进行聚类时设置特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2，当然，也可以根据实际需要为这些向量设置其他权值。
在上述任一技术方案中，优选地，还包括：平滑处理单元，在所述对所述原图进行人像颜色转换之后，对所述转换结果图进行平滑处理。
在该技术方案中，完成颜色转换后可以对转换结果图进行平滑处理，以消除聚类不准确等问题产生的瑕疵，获得优质的图像效果。
在上述任一技术方案中，优选地，所述预定颜色转换公式为：
Figure GDA0002670692080000051
其中，
Figure GDA0002670692080000052
表示所述转换结果图IC的特征点(x，y)的颜色值，
Figure GDA0002670692080000053
表示所述原图Is的特征点(x，y)的颜色值，(x，y)∈Ωi，Ωi表示所述原图和所述目标图中由第i个人像宏块聚类出来的区域，
Figure GDA0002670692080000054
和
Figure GDA0002670692080000055
分别为所述原图和所述目标图的对应区域的均值，
Figure GDA0002670692080000056
和
Figure GDA0002670692080000057
分别为所述原图和所述目标图的对应区域的标准差。
在该技术方案中，可以对每个原图的特征点也就是像素点，根据其所属类和目标图对应类的均值和标准差，在ιαβ颜色空间的各维度上统一进行颜色转换，从而以减少亮度对聚类的影响，优化转换的效果。
通过以上技术方案，进行人像颜色转换时，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
附图说明
图1示出了根据本发明的一个实施例的人像颜色转换方法的流程图；
图2示出了根据本发明的一个实施例的人像颜色转换系统的框图；
图3示出了根据本发明的一个实施例的人像的原图示意图；
图4示出了根据本发明的一个实施例的人像的目标图示意图；
图5示出了根据本发明的一个实施例的转换结果图的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明的一个实施例的人像颜色转换方法的流程图。
如图1所示，根据本发明的一个实施例的人像颜色转换方法，包括：
步骤102，根据接收到的人像颜色转换命令，在原图和目标图中获取人像宏块；
步骤104，在特征空间中，根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，其中，所述特征空间的特征向量包括：RGB颜色空间的R向量、G向量和B向量以及ιαβ颜色空间中的α向量和β向量；
步骤106，根据聚类结果和预定颜色转换公式，对所述原图进行人像颜色转换，得到转换结果图。
在该技术方案中，进行人像颜色转换时，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。这样一来，特征空间中应用的特征向量公式为：f＝f(R；G；B；α；β)。在人像颜色转换过程中，通过聚类将原图与目标图分为差别较大的头发、脸和衣服三部分进行颜色转换，可以优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格。
在上述技术方案中，优选地，步骤104具体包括：在所述特征空间中，根据所述聚类公式计算所述原图和所述目标图的任一特征点到各个人像宏块的聚类中心点的距离；将所述距离最小的人像宏块设置为所述任一特征点对应的人像宏块，所述聚类公式为：
Figure GDA0002670692080000061
其中，S表示任一特征点(x，y)到任一人像宏块的聚类中心点的距离，wx，y表示任一特征点(x，y)在所述任一人像宏块中对应的类，
Figure GDA0002670692080000062
表示任一特征点(x，y)在所述目标图中的特征向量，T表示转置，
Figure GDA0002670692080000063
表示所述原图中对应第i个人像宏块的聚类中心的特征向量，i表示人像宏块的序号，Γ用于控制特征向量各维度的权值。
在该技术方案中，在原图与目标图中各自进行以下步骤：根据在图片中截取出的宏块，在特征空间中计算图片的每个像素点到各个宏块的聚类中心点的距离，然后根据计算的距离将每个像素点聚类到与它距离最小的那个宏块，最后，整个图片相当于被划分为了多个宏块，比如，分为差别较大的头发、脸和衣服三个人像宏块。通过该技术方案，优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格，当然，人像宏块包括但不限于头发、脸和衣服三种，也可以是根据需要除此之外的其他类型的宏块。其中，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
在上述任一技术方案中，优选地，所述特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2。
在该技术方案中，可以在进行聚类时设置特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2，当然，也可以根据实际需要为这些向量设置其他权值。
在上述任一技术方案中，优选地，在步骤106之后，还包括：对所述转换结果图进行平滑处理。
在该技术方案中，完成颜色转换后可以对转换结果图进行平滑处理，以消除聚类不准确等问题产生的瑕疵，获得优质的图像效果。
在上述任一技术方案中，优选地，所述预定颜色转换公式为：
Figure GDA0002670692080000071
其中，
Figure GDA0002670692080000072
表示所述转换结果图IC的特征点(x，y)的颜色值，
Figure GDA0002670692080000073
表示所述原图Is的特征点(x，y)的颜色值，(x，y)∈Ωi，Ωi表示所述原图和所述目标图中由第i个人像宏块聚类出来的区域，
Figure GDA0002670692080000074
和
Figure GDA0002670692080000075
分别为所述原图和所述目标图的对应区域的均值，
Figure GDA0002670692080000076
和
Figure GDA0002670692080000077
分别为所述原图和所述目标图的对应区域的标准差。
在该技术方案中，可以对每个原图的特征点也就是像素点，根据其所属类和目标图对应类的均值和标准差，在ιαβ颜色空间的各维度上统一进行颜色转换，从而以减少亮度对聚类的影响，优化转换的效果。
图2示出了根据本发明的一个实施例的人像颜色转换系统的框图。
如图2所示，根据本发明的一个实施例的人像颜色转换系统200，包括：宏块获取单元202、聚类单元204和颜色转换单元206。
其中，宏块获取单元202用于根据接收到的人像颜色转换命令，在原图和目标图中获取人像宏块；聚类单元204用于在特征空间中根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，其中，所述特征空间的特征向量包括：RGB颜色空间的R向量、G向量和B向量以及ιαβ颜色空间中的α向量和β向量；颜色转换单元206用于根据聚类结果和预定颜色转换公式，对所述原图进行人像颜色转换，得到转换结果图。
在该技术方案中，进行人像颜色转换时，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。这样一来，特征空间中应用的特征向量公式为：f＝f(R；G；B；α；β)。在人像颜色转换过程中，通过聚类将原图与目标图分为差别较大的头发、脸和衣服三部分进行颜色转换，可以优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格。
在上述技术方案中，优选地，聚类单元204包括：距离计算单元2042，在所述特征空间中，根据所述聚类公式计算所述原图和所述目标图的任一特征点到各个人像宏块的聚类中心点的距离；宏块确定单元2044，将所述距离最小的人像宏块设置为所述任一特征点对应的人像宏块，所述聚类公式为：
Figure GDA0002670692080000081
其中，S表示任一特征点(x，y)到任一人像宏块的聚类中心点的距离，wx，y表示任一特征点(x，y)在所述任一人像宏块中对应的类，
Figure GDA0002670692080000082
表示任一特征点(x，y)在所述目标图中的特征向量，T表示转置，
Figure GDA0002670692080000083
表示所述原图中对应第i个人像宏块的聚类中心的特征向量，i表示人像宏块的序号，Γ用于控制特征向量各维度的权值。
在该技术方案中，在原图与目标图中各自进行以下步骤：根据在图片中截取出的宏块，在特征空间中计算图片的每个像素点到各个宏块的聚类中心点的距离，然后根据计算的距离将每个像素点聚类到与它距离最小的那个宏块，最后，整个图片相当于被划分为了多个宏块，比如，分为差别较大的头发、脸和衣服三个人像宏块。通过该技术方案，优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格，当然，人像宏块包括但不限于头发、脸和衣服三种，也可以是根据需要除此之外的其他类型的宏块。其中，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
在上述任一技术方案中，优选地，所述特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2。
在该技术方案中，可以在进行聚类时设置特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2，当然，也可以根据实际需要为这些向量设置其他权值。
在上述任一技术方案中，优选地，还包括：平滑处理单元208，在所述对所述原图进行人像颜色转换之后，对所述转换结果图进行平滑处理。
在该技术方案中，完成颜色转换后可以对转换结果图进行平滑处理，以消除聚类不准确等问题产生的瑕疵，获得优质的图像效果。
在上述任一技术方案中，优选地，所述预定颜色转换公式为：
Figure GDA0002670692080000091
其中，
Figure GDA0002670692080000092
表示所述转换结果图IC的特征点(x，y)的颜色值，
Figure GDA0002670692080000093
表示所述原图Is的特征点(x，y)的颜色值，(x，y)∈Ωi，Ωi表示所述原图和所述目标图中由第i个人像宏块聚类出来的区域，
Figure GDA0002670692080000094
和
Figure GDA0002670692080000095
分别为所述原图和所述目标图的对应区域的均值，
Figure GDA0002670692080000096
和
Figure GDA0002670692080000097
分别为所述原图和所述目标图的对应区域的标准差。
在该技术方案中，可以对每个原图的特征点也就是像素点，根据其所属类和目标图对应类的均值和标准差，在ιαβ颜色空间的各维度上统一进行颜色转换，从而以减少亮度对聚类的影响，优化转换的效果。
在本发明的技术方案中，在聚类过程中的特征向量中加入了ιαβ颜色空间中的α向量和β向量，以减少亮度对聚类的影响。在颜色转换过程中，通过聚类将原图与目标图分为差别较大的头发、脸和衣服三部分进行颜色转换，优化了转换的效果，使效果更加自然并贴近目标的颜色风格。
对于原图与目标图进行人脸检测，一般可检测出位置特定的66个人脸上的特征点，并基于检测的特征点取出对应头发、脸和衣服的三个宏块；接着，以三个宏块为聚类中心，在特征空间中聚类出人像的头发、脸和衣服三个部分；对每个原图的像素点，根据其所属类和目标图对应类的均值和标准差进行颜色转换，转换后再对结果进行平滑处理以消除聚类错误而导致的瑕疵。
下面结合图3至图5的具体实施例对本发明的技术方案进行详细描述。
将如图3所示的人像原图进行特征点的获取，其特征点分布情况如图4所示，共计检测出66个特征点，其中，在原图的第25个特征点上方取头发的宏块，在原图上在第23个特征点上面取脸的宏块。
同样，如图4所示，在作为目标图的油画中也获取66个特征点，并取宏块，其中，为了避免油画中过暗部分影响聚类效果，可以取油画中眼角下的块作为脸的宏块。
RGB颜色空间为使用红绿蓝三原色描述颜色的颜色空间，其R、G、B分别代表红、绿、蓝三色。根据获取的宏块，由RGB颜色空间的R向量、G向量、B向量以及ιαβ颜色空间的α向量和β向量组成的归一化了的特征向量：
f＝f(R；G；B；α；β)
通过聚类公式在特征空间中聚类出对应人像宏块的人像部分，聚类公式为：
Figure GDA0002670692080000101
其中，S表示任一特征点(x，y)到任一人像宏块的聚类中心点的距离，wx，y表示任一特征点(x，y)在任一人像宏块中对应的类，
Figure GDA0002670692080000102
表示任一特征点(x，y)在目标图中的特征向量，T表示转置，
Figure GDA0002670692080000103
表示原图中对应第i个人像宏块的聚类中心的特征向量，i表示人像宏块的序号，Γ用于控制特征向量各维度的权值，特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2。
在该技术方案中，在原图与目标图中各自进行以下步骤：根据在图片中截取出的宏块，在特征空间中计算图片的每个像素点到各个宏块的聚类中心点的距离，然后根据计算的距离将每个像素点聚类到与它距离最小的那个宏块，最后，整个图片相当于被划分为了多个宏块，比如，分为差别较大的头发、脸和衣服三个人像宏块。通过该技术方案，优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格，当然，人像宏块包括但不限于头发、脸和衣服三种，也可以是根据需要除此之外的其他类型的宏块。其中，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
对每个原图的像素点，根据其所属类和目标图对应类的均值和标准差在ιαβ颜色空间各维度上统一进行如下转换：
Figure GDA0002670692080000111
得到如图5所示的转换结果图，其中，
Figure GDA0002670692080000112
表示转换结果图IC的特征点(x，y)的颜色值，
Figure GDA0002670692080000113
表示原图Is的特征点(x，y)的颜色值，(x，y)∈Ωi，Ωi表示原图和目标图中由第i个人像宏块聚类出来的区域，
Figure GDA0002670692080000114
和
Figure GDA0002670692080000115
分别为原图和目标图的对应区域的均值，
Figure GDA0002670692080000116
和
Figure GDA0002670692080000117
分别为原图和目标图的对应区域的标准差。
按如上方法转换完后，对结果图IC进行平滑处理，消除因为聚类差错而导致的瑕疵。
以上结合附图详细说明了本发明的技术方案，通过本发明的技术方案，进行人像颜色转换时，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种人像颜色转换方法，其特征在于，包括：
根据接收到的人像颜色转换命令，在原图和目标图中获取人像宏块；
在特征空间中，根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，其中，所述特征空间的特征向量包括：RGB颜色空间的R向量、G向量和B向量以及ιαβ颜色空间中的α向量和β向量；
根据聚类结果和预定颜色转换公式，对所述原图进行人像颜色转换，得到转换结果图；
所述根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，具体包括：
在所述特征空间中，根据所述聚类公式计算所述原图和所述目标图的任一特征点到各个人像宏块的聚类中心点的距离；
将所述距离最小的人像宏块设置为所述任一特征点对应的人像宏块，所述聚类公式为：
Figure FDA0002670692070000011
其中，S表示任一特征点(x，y)到任一人像宏块的聚类中心点的距离，wx，y表示任一特征点(x，y)在所述任一人像宏块中对应的类，
Figure FDA0002670692070000014
表示任一特征点(x，y)在所述目标图中的特征向量，T表示转置，
Figure FDA0002670692070000015
表示所述原图中对应第i个人像宏块的聚类中心的特征向量，i表示人像宏块的序号，Γ用于控制特征向量各维度的权值。
2.根据权利要求1所述的人像颜色转换方法，其特征在于，所述特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2。
3.根据权利要求1或2所述的人像颜色转换方法，其特征在于，在所述对所述原图进行人像颜色转换之后，还包括：
对所述转换结果图进行平滑处理。
4.根据权利要求1或2所述的人像颜色转换方法，其特征在于，所述预定颜色转换公式为：
Figure FDA0002670692070000021
其中，
Figure FDA00026706920700000211
表示所述转换结果图IC的特征点(x，y)的颜色值，
Figure FDA0002670692070000023
表示所述原图Is的特征点(x，y)的颜色值，(x，y)∈Ωi，Ωi表示所述原图和所述目标图中由第i个人像宏块聚类出来的区域，
Figure FDA0002670692070000024
和
Figure FDA0002670692070000025
分别为所述原图和所述目标图的对应区域的均值，
Figure FDA0002670692070000026
和
Figure FDA0002670692070000027
分别为所述原图和所述目标图的对应区域的标准差。
5.一种人像颜色转换系统，其特征在于，包括：
宏块获取单元，根据接收到的人像颜色转换命令，在原图和目标图中获取人像宏块；
聚类单元，在特征空间中，根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，其中，所述特征空间的特征向量包括：RGB颜色空间的R向量、G向量和B向量以及ιαβ颜色空间中的α向量和β向量；
颜色转换单元，根据聚类结果和预定颜色转换公式，对所述原图进行人像颜色转换，得到转换结果图；
所述聚类单元包括：
距离计算单元，在所述特征空间中，根据所述聚类公式计算所述原图和所述目标图的任一特征点到各个人像宏块的聚类中心点的距离；
宏块确定单元，将所述距离最小的人像宏块设置为所述任一特征点对应的人像宏块，所述聚类公式为：
Figure FDA0002670692070000028
其中，S表示任一特征点(x，y)到任一人像宏块的聚类中心点的距离，wx，y表示任一特征点(x，y)在所述任一人像宏块中对应的类，
Figure FDA00026706920700000212
表示任一特征点(x，y)在所述目标图中的特征向量，T表示转置，
Figure FDA00026706920700000213
表示所述原图中对应第i个人像宏块的聚类中心的特征向量，i表示人像宏块的序号，Γ用于控制特征向量各维度的权值。
6.根据权利要求5所述的人像颜色转换系统，其特征在于，所述特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2。
7.根据权利要求5或6所述的人像颜色转换系统，其特征在于，还包括：
平滑处理单元，在所述对所述原图进行人像颜色转换之后，对所述转换结果图进行平滑处理。
8.根据权利要求5或6所述的人像颜色转换系统，其特征在于，所述预定颜色转换公式为：
Figure FDA0002670692070000031
其中，
Figure FDA0002670692070000038
表示所述转换结果图IC的特征点(x，y)的颜色值，
Figure FDA0002670692070000033
表示所述原图Is的特征点(x，y)的颜色值，(x，y)∈Ωi，Ωi表示所述原图和所述目标图中由第i个人像宏块聚类出来的区域，
Figure FDA0002670692070000034
和
Figure FDA0002670692070000035
分别为所述原图和所述目标图的对应区域的均值，
Figure FDA0002670692070000036
和
Figure FDA0002670692070000037
分别为所述原图和所述目标图的对应区域的标准差。
CN201610342048.XA 2016-05-20 2016-05-20 人像颜色转换方法和人像颜色转换系统 Expired - Fee Related CN107403185B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610342048.XA CN107403185B (zh) 2016-05-20 2016-05-20 人像颜色转换方法和人像颜色转换系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610342048.XA CN107403185B (zh) 2016-05-20 2016-05-20 人像颜色转换方法和人像颜色转换系统

Publications (2)

Publication Number Publication Date
CN107403185A CN107403185A (zh) 2017-11-28
CN107403185B true CN107403185B (zh) 2020-12-04

Family

ID=60389493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610342048.XA Expired - Fee Related CN107403185B (zh) 2016-05-20 2016-05-20 人像颜色转换方法和人像颜色转换系统

Country Status (1)

Country Link
CN (1) CN107403185B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509846B (zh) * 2018-02-09 2022-02-11 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机设备、存储介质及计算机程序产品
CN110580677B (zh) * 2018-06-08 2024-06-21 北京搜狗科技发展有限公司 一种数据处理方法、装置和用于数据处理的装置
CN110083430B (zh) * 2019-04-30 2022-03-29 成都映潮科技股份有限公司 一种系统主题色更换方法、装置及介质
CN111080511B (zh) * 2019-11-18 2020-12-25 杭州时光坐标影视传媒股份有限公司 一种端到端的高分辨率多特征提取的人脸交换方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102214361A (zh) * 2010-04-09 2011-10-12 索尼公司 信息处理设备、方法和程序
CN103065317A (zh) * 2012-12-28 2013-04-24 中山大学 一种基于色彩分类的局部色彩转移方法及其装置
CN104636728A (zh) * 2015-02-09 2015-05-20 金陵科技学院 一种图像处理方法
CN104732506A (zh) * 2015-03-27 2015-06-24 浙江大学 一种基于人脸语义分析的人物照片颜色风格转换方法
CN104899845A (zh) * 2015-05-10 2015-09-09 北京工业大学 一种基于lαβ空间场景迁移的多曝光图像融合方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7324693B2 (en) * 2003-04-23 2008-01-29 Eastman Kodak Company Method of human figure contour outlining in images
US8498448B2 (en) * 2011-07-15 2013-07-30 International Business Machines Corporation Multi-view object detection using appearance model transfer from similar scenes
CN104967885B (zh) * 2015-03-27 2019-01-11 哈尔滨工业大学深圳研究生院 一种基于视频内容感知的广告推荐方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102214361A (zh) * 2010-04-09 2011-10-12 索尼公司 信息处理设备、方法和程序
CN103065317A (zh) * 2012-12-28 2013-04-24 中山大学 一种基于色彩分类的局部色彩转移方法及其装置
CN104636728A (zh) * 2015-02-09 2015-05-20 金陵科技学院 一种图像处理方法
CN104732506A (zh) * 2015-03-27 2015-06-24 浙江大学 一种基于人脸语义分析的人物照片颜色风格转换方法
CN104899845A (zh) * 2015-05-10 2015-09-09 北京工业大学 一种基于lαβ空间场景迁移的多曝光图像融合方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于K均值聚类和区域匹配的颜色迁移技术;张子迎 等;《系统仿真学报》;20151008(第10期);第2360-2362页 *

Also Published As

Publication number Publication date
CN107403185A (zh) 2017-11-28

Similar Documents

Publication Publication Date Title
CN107403185B (zh) 人像颜色转换方法和人像颜色转换系统
CN106845455B (zh) 基于肤色检测的图像处理方法、系统及服务器
JP6445775B2 (ja) 画像処理装置、画像処理方法
CN105654469B (zh) 一种婴儿大便颜色的自动分析方法及系统
JP6213745B2 (ja) 画像処理方法及び装置
CN105046643B (zh) 一种基于亮度自适应配准的图像拼接方法
CN102779351A (zh) 基于局部线性模型优化的交互式灰度图像彩色化方法
CN112150368B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN110569859B (zh) 一种服装图像的颜色特征提取方法
CN106384354A (zh) 基于slic算法的超像素分割方法
CN106683063B (zh) 一种图像去噪的方法与装置
CN105761292B (zh) 一种基于颜色转移和修正的图像着色方法
CN106530265A (zh) 一种基于色度坐标的自适应图像融合方法
CN111079637A (zh) 田间图像中分割油菜花的方法、装置、设备及存储介质
CN112749645A (zh) 基于监控视频的服装颜色检测方法、装置和设备
US9384561B2 (en) Method of selecting a region of interest
CN104581105A (zh) 基于色温距离变换权重图和块可靠性修正的自动白平衡方法
JP6771134B2 (ja) 画像補正方法及び画像補正装置
CN105608673B (zh) 图像颜色量化与抖动方法和系统
CN102542526A (zh) 一种图像去色方法
JP5558431B2 (ja) 画像処理装置、方法及びプログラム
CN109191482A (zh) 一种基于区域自适应光谱角阈值的图像合并分割方法
CN111311517B (zh) 基于抠图的颜色校正优化方法
WO2025020650A1 (zh) 全景图的生成方法、装置、设备、存储介质和程序产品
CN114693697A (zh) 图像处理方法、装置、设备及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201204

CF01 Termination of patent right due to non-payment of annual fee