[發(fā)明專利]一種利用數(shù)字圖像處理和變形的眉毛更換方法

有效

• 申請?zhí)枺?/td>: 201711494697.2
• 申請日: 2017-12-31
• 公開（公告）號: CN108062742B
• 公開（公告）日: 2021-05-04
• 發(fā)明（設計）人: 容李慶;袁亞榮;羅杰;林鍇;湯俊杰;陳純敏
• 申請（專利權）人: 廣州二元科技有限公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06T3/40;G06T5/50
• 代理公司: 廣州凱東知識產權代理有限公司 44259
• 代理人: 姚迎新

1.一種利用數(shù)字圖像處理和變形的眉毛更換方法，其特征在于包括以下步驟：

1)原始圖像輸入人臉識別系統(tǒng)和五官定位系統(tǒng)，得到人臉的位置坐標信息和人臉關鍵點的坐標信息，其中包含左右眉毛的關鍵點坐標信息；

2)將原圖進行歸一化處理，歸一化的目的是為了使得圖像的像素值集中在0.0～1.0之間，以方便后續(xù)步驟的數(shù)字圖像處理；

3)提取左右眉毛部分和左右眼睛部位的關鍵點坐標，分別組成關鍵點坐標集合；

4)分別得到左右眉毛輪廓的擬合曲線，以及擬合曲線上的坐標合集；

5)根據(jù)眉毛的擬合曲線計算曲線每個坐標點的斜率值，對曲線進行求導數(shù)，代入曲線中每個坐標點值，得到斜率的一個合集；

6)獲取需要更換的眉毛樣本以及數(shù)據(jù)，眉毛樣本為僅包含眉毛在內的最小化尺寸圖片，每個眉毛樣本又包含一份文本文件，該文本文件記錄了眉毛樣本的關鍵點坐標位置；

7)構建一個與原圖尺寸大小完全一致的圖像，像素值全為1.0；

8)根據(jù)五官定位中獲取的眉毛坐標計算眉毛的寬度和高度，取眉毛橫軸坐標最小值與最大值的差為眉毛寬度，取眉毛縱軸坐標的最小值與最大值的差為眉毛的高度；

9)計算眉毛樣本中的眉毛寬度和高度；

10)根據(jù)眉毛的最高點計算與眼睛最高點之間的差距，判斷眉毛樣本經過等比例縮放后的高度與該差距的大小關系；當樣本眉毛的高度大于該差距的三分之二時將眉毛高度通過縮放至差值的三分之二大小；

11)計算尋求原始圖像中的眉毛的中心點位置，以及眉毛樣本的中心點的位置坐標；

12)對眉毛樣本圖像進行歸一化處理，通過圖像剪切的方法將眉毛樣本合成到步驟7)所構建的圖像中；

13)根據(jù)眉毛樣本文本中的坐標信息分別得到左右樣本眉毛輪廓的擬合曲線，分別進行求導數(shù)從而求出每個曲線上的點的斜率的集合；

14)設定一個閾值，分別一一對應原始圖像眉毛的曲線斜率集合與眉毛樣本的曲線斜率集合之間的差值，當差值大于閾值的時候則利用原始眉毛的斜率求出眉毛樣本該點新的坐標值，組合成為一個需要變形的坐標的合集；

15)對需要變形的坐標的合集進行變形；

16)去除原始圖像中的眉毛，對原圖像的眉毛進行去除修復操作；

17)使用圖像融合方式將步驟15得到的圖像與步驟16處理后的圖像進行圖像融合處理；

18)將融合后的圖像進行還原操作，得到最終的效果圖。

2.根據(jù)權利要求1所述的一種利用數(shù)字圖像處理和變形的眉毛更換方法，其特征在于：

所述步驟2)中，歸一化處理公式如下所示：

C＝(A-MinValue)/(MaxValue-MinValue)

中MinValue取值為0.0，MaxValue取值為255.0，A為原圖圖像像素點值，C為原圖歸一化處理后的像素點值。

3.根據(jù)權利要求1所述的一種利用數(shù)字圖像處理和變形的眉毛更換方法，其特征在于：

所述步驟4)中，利用道格拉斯-普克算法分別得到左右眉毛輪廓的擬合曲線。

4.根據(jù)權利要求1所述的一種利用數(shù)字圖像處理和變形的眉毛更換方法，其特征在于：

所述步驟6)中，關鍵點位置組合與五官定位中獲取的眉毛關鍵點進行一一的對應關系。

5.根據(jù)權利要求1所述的一種利用數(shù)字圖像處理和變形的眉毛更換方法，其特征在于：

所述步驟12)中，合成的位置為眉毛圖像的中心點與空白圖中坐標與原圖中眉毛的中心點坐標相同的點進行重合。

6.根據(jù)權利要求1所述的一種利用數(shù)字圖像處理和變形的眉毛更換方法，其特征在于：

所述步驟13)中，根據(jù)眉毛樣本文本中的坐標信息利用道格拉斯-普克算法分別得到左右樣本眉毛輪廓的擬合曲線。

7.根據(jù)權利要求1所述的一種利用數(shù)字圖像處理和變形的眉毛更換方法，其特征在于：

所述步驟17)中的融合公式為：

P＝MxN

其中P為單個像素融合后的結果，M和N分別為兩張圖像中坐標相同的單點像素值。

8.根據(jù)權利要求1所述的一種利用數(shù)字圖像處理和變形的眉毛更換方法，其特征在于：

所述步驟18)中的還原操作公式為：

Z＝Y x(MaxValue-MinValue)+MinValue

其中MinValue取值為0.0，MaxValue取值為255.0，Y為融合后圖像的像素點值，Z為還原處理后的像素點值。