CN113781591A - 图像生成方法、装置、电子设备和计算机可读介质 - Google Patents
图像生成方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN113781591A CN113781591A CN202110089912.0A CN202110089912A CN113781591A CN 113781591 A CN113781591 A CN 113781591A CN 202110089912 A CN202110089912 A CN 202110089912A CN 113781591 A CN113781591 A CN 113781591A
- Authority
- CN
- China
- Prior art keywords
- type
- area
- color
- image
- region
- 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.)
- Pending
Links
- 230000000875 corresponding Effects 0.000 claims abstract description 54
- 239000003086 colorant Substances 0.000 claims description 13
- 230000000750 progressive Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 239000007787 solid Substances 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 18
- 239000000203 mixture Substances 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 5
- 230000003287 optical Effects 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 210000004027 cells Anatomy 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000000644 propagated Effects 0.000 description 2
- 210000003666 Nerve Fibers, Myelinated Anatomy 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006011 modification reaction Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Abstract
本公开的实施例公开了图像生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:对待处理图像的像素进行分类,确定至少一种像素类型;通过上述至少一种像素类型确定至少一种类型区域;对于上述至少一种类型区域中的类型区域,将该类型区域的颜色调整至目标颜色,得到对应该类型区域的目标颜色区域;将对应上述至少一种类型区域的至少一个目标颜色区域组合成目标图像。该实施方式提高了目标图像颜色的平滑性,同时也有利于减少噪声。
Description
技术领域 本公开的实施例涉及图像处理技术领域,具体涉及图像生成方法、装置、电子设备和计算机可读介质。 背景技术 图像通常包括多种色彩和内容,可以传到丰富的信息。为了进一步提高图像和场景的相关性,满足场景需求,可以对现有的图像的颜色进行调整。现有方法对图像的颜色调整过程中通常存在以下不足:没有根据图像的实际特点分区调整颜色,容易使得图像整体调整后出现噪声、颜色突兀不平滑等问题。 发明内容 本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。 本公开的一些实施例提出了图像生成方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。 第一方面,本公开的一些实施例提供了一种图像生成方法,该方法包括:对待处理图像的像素进行分类,确定至少一种像素类型;通过上述至少一种像素类型确定至少一种类型区域;对于上述至少一种类型区域中的类型区域,将该类型区域的颜色调整至目标颜色,得到对应该类型区域的目标颜色区域;将对应上述至少一种类型区域的至少一个目标颜色区域组合成目标图像。 第二方面,本公开的一些实施例提供了一种图像生成装置,该装置包括:像素类型分类单元,被配置成对待处理图像的像素进行分类,确定至少一种像素类型;类型区域确定单元,被配置成通过上述至少一种像素类型确定至少一种类型区域;目标颜色调整单元,被配置成对于上述至少一种类型区域中的类型区域,将该类型区域的颜色调整至目标颜色,得到对应该类型区域的目标颜色区域;目标图像生成单元,被配置成将对应上述至少一种类型区域的至少一个目标颜色区域组合成目标图像。 第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。 第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。 本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的图像生成方法得到的目标图像,目标图像的平滑性有所提高。具体来说,造成目标图像不够平滑的原因在于:没有针对待处理图像的像素类型及类型区域针对性调整颜色。基于此,本公开的一些实施例的图像生成方法首先将待处理图像的像素分类成多个像素类型,从像素级别分类可以大大提高颜色调整的有效性。然后基于多个像素类型确定多个类型区域,并分别将各个类型区域针对性地调整为对应的目标颜色区域。如此,实现了对不同的类型区域独立调整颜色,提高了颜色调整的针对性。也因为对每个类型区域独立调整颜色,使得最后得到的目标图像不仅实现了整体的颜色调整,同时实现了各个类型区域的针对性调整。如此,大大提高了目标图像颜色的平滑性,同时也有利于减少噪声。 附图说明 结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。 图1是本公开的一些实施例的图像生成方法的应用场景的示意图; 图2是根据本公开的图像生成方法的一些实施例的流程图; 图3是根据本公开的图像生成方法的另一些实施例的流程图; 图4是根据本公开的图像生成方法的又一些实施例的流程图; 图5是根据本公开的图像生成装置的一些实施例的结构示意图; 图6是适于用来实现本公开的一些实施例的电子设备的结构示意图; 图7是变化区域内的颜色色块结构图; 图8是对应图7的邻近关系的结构图; 图9是邻近匹配图像库内的一个邻近匹配图像的邻近关系的结构图。 具体实施方式 下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。 另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。 需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。 需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。 本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。 下面将参考附图并结合实施例来详细说明本公开。 图1是根据本公开一些实施例的图像生成方法的一个应用场景的示意图。 电子设备101接收到待处理图像102后,可以对待处理图像102包含的每个像素进行分类,以得到至少一种像素类型103。例如,像素类型103可以是纯色类型、渐进类型、高光类型、阴影类型、纹理类型和噪声类型等。其中,纯色类型可以是像素的颜色与周围像素的颜色相同;渐进类型可以是像素的颜色与周围像素的颜色近似;高光类型可以是像素的亮度超过设定的第一亮度阈值;阴影类型可以是像素的亮度低于设定的第二亮度阈值;纹理类型可以是像素包含纹理特征;噪声类型可以是属于噪声概率较大的像素。之后,电子设备101进一步对每一种像素类型103进行分析,确定至少一种像素类型103对应的至少一种类型区域104。例如,类型区域104可以是变化区域、稳定区域、调整区域和删除区域。其中,变化区域可以是用于颜色调整的图像区域;稳定区域可以认为是无需颜色调整的图像区域;调整区域可以是根据待处理图像特征来调整颜色的图像区域;删除区域可以是需要对图像内容进行删减的图像区域。执行主体分别将各个类型区域104调整成对应的目标颜色区域后,将各个目标颜色区域组合起来构成目标图像。如此,针对性考虑了待处理图像102的像素类型、类型区域,并根据不同的类型区域独立进行颜色调整。如此,使得对待处理图像102进行颜色调整后的目标图像包含的噪声有所降低,并提高了目标图像内颜色的平滑性。 应该理解,图1中的电子设备101数目仅仅是示意性的。根据实现需要,可以具有任意数目的电子设备101。 继续参考图2,图2示出了根据本公开的图像生成方法的一些实施例的流程200。该图像生成方法,包括以下步骤: 步骤201,对待处理图像的像素进行分类,确定至少一种像素类型。 在一些实施例中,图像生成方法的执行主体(例如图1所示的电子设备101)可以通过有线连接方式或者无线连接方式接收待处理图像。需要指出的是,上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。 为了针对性地分析待处理图像,执行主体可以对待处理图像的像素进行分析,将像素分为多种不同的像素类型。例如。执行主体可以根据像素的亮度、对比度等条件,将像素划分为可调整像素或不可调整像素等。对像素进行分类,实现了从像素级别调整待处理图像的颜色的准确性和有效性。 步骤202,通过上述至少一种像素类型确定至少一种类型区域。 在一些实施例中,不同的像素类型对应的像素所构成的图像区域,可以采用不同的颜色处理方式。即由不同像素类型的像素构成的图像区域可以是不同的类型区域。例如,由可调整像素构成的图像区域是可以调整颜色的图像区域;有不可调整像素构成的图像区域是不能调整颜色的图像区域等。如此,实现了对待处理图像的区域划分,提高了颜色调整的针对性和有效性。 步骤203,对于上述至少一种类型区域中的类型区域,将该类型区域的颜色调整至目标颜色,得到对应该类型区域的目标颜色区域。 执行主体可以分别将每个类型区域的颜色调整至对应的目标颜色,得到对应的目标颜色区域。如此,大大减少了颜色调整后的颜色突兀情况。 步骤204,将对应上述至少一种类型区域的至少一个目标颜色区域组合成目标图像。 目标颜色区域是针对类型区域进行颜色调整后得到的。因此,将各个目标颜色区域组合构成的目标图像,实现了对待处理图像的局部颜色调整,提高了颜色调整的整体效果。 通过本公开的一些实施例的图像生成方法得到的目标图像,目标图像的平滑性有所提高。具体来说,造成目标图像不够平滑的原因在于:没有针对待处理图像的像素类型及类型区域针对性调整颜色。基于此,本公开的一些实施例的图像生成方法首先将待处理图像的像素分类成多个像素类型,从像素级别分类可以大大提高颜色调整的有效性。然后基于多个像素类型确定多个类型区域,并分别将各个类型区域针对性地调整为对应的目标颜色区域。如此,实现了对不同的类型区域独立调整颜色,提高了颜色调整的针对性。也因为对每个类型区域独立调整颜色,使得最后得到的目标图像不仅实现了整体的颜色调整,同时实现了各个类型区域的针对性调整。如此,大大提高了目标图像颜色的平滑性,同时也有利于减少噪声。 继续参考图3,图3示出了根据本公开的图像生成方法的一些实施例的流程300。该图像生成方法,包括以下步骤: 步骤301,对于上述待处理图像的像素,将该像素导入预设的全卷积网络,得到该像素属于指定像素类型集合中每种指定像素类型的概率,将概率值最大的指定像素类型设置为该像素的像素类型。 图像生成方法的执行主体(例如图1所示的电子设备101)可以将待处理图像的像素导入预设的全卷积网络。其中,全卷积网络可以是根据多种指定像素类型的样本像素训练得到的。全卷积网络接收到像素后,可以计算得到该像素属于指定像素类型集合中每种指定像素类型的概率。其中,上述指定像素类型集合可以包括:纯色类型、渐进类型、高光类型、阴影类型、纹理类型和噪声类型。执行主体可以将概率值最大的指定像素类型设置为该像素的像素类型。如此,实现了对像素进行分类。 步骤302,通过上述至少一种像素类型确定至少一种类型区域。 在一些实施例的一些可选的实现方式中,通过上述至少一种像素类型确定至少一种类型区域,可以包括:将由上述纯色类型和渐进类型的像素构成的图像区域设置为变化区域;将由上述高光类型和阴影类型的像素构成的图像区域设置为稳定区域;将由上述高光类型、阴影类型和纹理类型的像素构成的图像区域设置为调整区域;将由上述噪声类型的像素构成的图像区域设置删除区域。 纯色类型和渐进类型的像素容易受到目标颜色的影响,执行主体可以将由上述纯色类型和渐进类型的像素构成的图像区域设置为变化区域。高光类型和阴影类型的像素对颜色调整不敏感,执行主体可以将由上述高光类型和阴影类型的像素构成的图像区域设置为稳定区域。高光类型、阴影类型和纹理类型的像素混合组成的图像区域在颜色调整过程中,更容易体现待处理图的纹理特征,执行主体可以将由上述高光类型、阴影类型和纹理类型的像素构成的图像区域设置为调整区域。噪声类型的像素在颜色调整过程中,容易出现颜色调整后的噪声点,执行主体可以将由上述噪声类型的像素构成的图像区域设置删除区域。 步骤303,对于上述至少一种类型区域中的类型区域,将该类型区域的颜色调整至目标颜色,得到对应该类型区域的目标颜色区域。 在一些实施例的一些可选的实现方式中,上述对于上述至少一种类型区域中的类型区域,将该类型区域的颜色调整至目标颜色,得到对应该类型区域的目标颜色区域,包括:响应于该类型区域为变化区域,且上述目标颜色为单色,将该类型区域的颜色调整至上述单色后,得到第一目标颜色区域。 当类型区域为变化区域,且目标颜色为单色时,执行主体可以直接将该类型区域的颜色调整至上述单色后,得到第一目标颜色区域。 在一些实施例的一些可选的实现方式中,上述对于上述至少一种类型区域中的类型区域,将该类型区域的颜色调整至目标颜色,得到对应该类型区域的目标颜色区域,包括: 第一步,响应于该类型区域为变化区域,且上述目标颜色为多色,对该类型区域进行颜色聚类,得到至少一个颜色色块。 当类型区域为变化区域,且目标颜色为多色时,为了保证调整后的颜色的平滑性,执行主体可以对类型区域进行颜色聚类,得到至少一个颜色色块。颜色色块可以认为是一个由相同或近似的像素组成的小的图像区域。 第二步,确定上述至少一个颜色色块之间的邻近关系。 变化区域由纯色类型和渐进类型的像素构成,因此,得到的多个颜色色块具有相似性。执行主体可以以颜色色块为单位,确定多个颜色色块之间的邻近关系。其中,邻近关系可以认为是不同颜色色块之间存在重叠或包含等关系。 第三步,将预设的邻近匹配图像库中的、与上述邻近关系相同的目标图像的颜色设置为该类型区域的目标颜色,得到第二目标颜色区域。 预设的邻近匹配图像库中包含了各种邻近关系情况下调整颜色后的邻近匹配图像。执行主体可以将邻近匹配图像库中的、与上述邻近关系相同的目标图像的颜色设置为该类型区域的目标颜色,得到第二目标颜色区域。其中,上述目标图像可以包含上述多色。此时,第二目标颜色区域可能包含多个不同的颜色区域。例如,目标颜色为红色,第二目标颜色区域可能存在粉色。如此,提高了对类型区域颜色调整的针对性和有效性,有利于提高目标图像的平滑性,降低图像突兀的情况。 图9为邻近匹配图像库内的一个邻近匹配图像的邻近关系的结构图。该图包括:a、b、c、d、e、f、g和h等多个颜色色块。每个颜色色块用圆圈表示,圆圈右下角的数字代表该颜色色块有几个节点。例如,颜色色块b的右下角数字为2,表示颜色色块b下有颜色色块f和颜色色块g两个节点。对应下图8的颜色色块有a、b、c、d、g和h。因此,可以将a、b、c、d、g和h对应的目标图像的颜色设置为图8中类型区域的目标颜色。 在一些实施例的一些可选的实现方式中,上述确定上述至少一个颜色色块之间的邻近关系,可以包括: 第一步,响应于上述变化区域包括由纯色类型的像素构成待处理区域,生成上述待处理区域的边界线。 当变化区域包括由纯色类型的像素构成待处理区域时,执行主体可以对待处理区域进行边界加强,生成待处理区域的边界线。例如,执行主体可以识别像素类型确定待处理区域的边界,然后对边界处的像素着色,得到边界线。 第二步,通过上述边界线确定颜色色块之间的连通区域。 边界线确定了颜色色块的区域,通过边界线可以确定颜色色块之间的重叠包含等关系,进而可以确定颜色色块之间的连通区域。 例如,变化区域可以存在5个颜色色块,对应的颜色色块结构图如图7所示。图7中,“1”表示待处理区域;“2”表示第一个颜色色块;“3”表示第二个颜色色块;“4”表示第三个颜色色块;“5”表示第四个颜色色块;“6”表示第五个颜色色块。 第三步,基于上述连通区域确定上述至少一个颜色色块之间的邻近关系。 连通区域至少与两个颜色色块相关,通过连通区域可以确定存在重叠或包含等关系的颜色色块,进而将与连通区域相关的颜色色块设置为具有邻近关系的颜色色块。则邻近关系可以是颜色色块之间的重叠或包含关系。由图7可知,颜色色块2、颜色色块3和颜色色块6相对独立。颜色色块4分别于颜色色块2和颜色色块3重叠;颜色色块5位于颜色色块3内,对应的邻近关系的结构图如图8所示。 在一些实施例的一些可选的实现方式中,上述对于上述至少一种类型区域中的类型区域,将该类型区域的颜色调整至目标颜色,得到对应该类型区域的目标颜色区域,包括: 第一步,响应于该类型区域为调整区域,提取上述调整区域的纹理特征。 调整区域由高光类型、阴影类型和纹理类型的像素构成。当类型区域为调整区域时,执行主体可以提取上述调整区域的纹理特征。纹理特征可以通过像素的rgb值来表征。 第二步,将预设的纹理图像库中的、与上述纹理特征相同的目标纹理图像的颜色设置为该类型区域的目标颜色,得到第三目标颜色区域。 执行主体可以将纹理特征与纹理图像库中的纹理图像进行匹配,进而确定出匹配成功的目标纹理图像。然后,执行主体可以将目标纹理图像的颜色设置为该类型区域的目标颜色,得到第三目标颜色区域。此处,目标纹理图像是与待处理图像的目标颜色相关的图像。如此,提高了对类型区域颜色调整的针对性和有效性,有利于提高目标图像的平滑性,降低图像突兀的情况。 具体的,执行主体可以对提取到的纹理特征进行聚类,得到多个不同的纹理簇。然后,执行主体可以通过纹理特征对应的rgb值在纹理图像库中搜索目标纹理图像。通过高斯核函数来表征对应纹理特征点的公式如下:
通过上述公式进一步计算高斯函数梯度,公式如下:
之后可以进行高斯核函数累加,累加公式如下:
其中,C(r,g,b)为r,g,b的高斯核函数;r0为邻近查找纹理特征点颜色值RGB中的R;g0为邻近查找纹理特征点颜色值RGB中的G;b0为邻近查找纹理特征点颜色值RGB中的B。 为了在纹理图像库中搜索与纹理特征点相似的纹理特征,执行主体可以对纹理特征点对应的rgh值更新,以找到目标纹理图像。对rgh值更新的公式如下:
其中,t为当前迭代搜索;t+1为下一迭代搜索。 如此,可以对纹理图像库中的纹理图像逐一搜索,直至找到目标纹理图像。 在一些实施例的一些可选的实现方式中,上述对于上述至少一种类型区域中的类型区域,将该类型区域的颜色调整至目标颜色,得到对应该类型区域的目标颜色区域,包括: 第一步,响应于该类型区域为删除区域,对该类型区域进行拟合得到拟合图像区域。 当类型区域为删除区域时,由于删除区域主要是由噪声类型的像素构成的,因此不能直接在删除区域的基础上调整颜色。执行主体可以首先对类型区域进行拟合得到拟合图像区域。其中,拟合图像区域可以认为是降低噪声后的图像区域。 第二步,将上述拟合图像区域与该类型区域进行叠加得到第四目标颜色区域。 执行主体可以将拟合图像区域与该类型区域进行叠加,从而使得第四目标颜色区域中减少或消除噪声。 在一些实施例的一些可选的实现方式中,上述对该类型区域进行拟合得到拟合图像区域,可以包括: 第一步,获取该类型区域内的每个像素的噪声概率,得到对应该类型区域的噪声概率矩阵。 执行主体可以获取类型区域内的每个像素的噪声概率,然后按照像素在类型区域内的坐标或像素之间的位置关系构建噪声概率矩阵。 第二步,对上述噪声概率矩阵内的噪声概率累加,得到噪声概率场。 执行主体可以通过高斯核函数等方式对噪声概率矩阵内的噪声概率累加,得到噪声概率场。其中,高斯核函数可以用于计算每个噪声像素与类型区域的中点之间的欧氏距离,本申请中可以用于表征两个噪声像素之间的差别。 噪声概率场的计算公式如下:
其中,F(x,y)为横坐标为x,纵坐标为y的像素的概率场;NOISE(x,y)为前面FCN网络判断像素是噪声的概率;G(x,y)为高斯核函数;σ(NOISE(x,y)·G(x,y))为对所有噪声场的激活函数映射函数。 高斯核函数的计算公式如下:
其中,σ为高斯函数的方差。 第三步,计算该类型区域的像素的图像梯度,得到该类型区域的梯度场。 执行主体可以进一步计算类型区域的像素的图像梯度,得到该类型区域的梯度场。其中,图像梯度是指图像某像素在x和y两个方向上的变化率(与相邻像素比较),是一个二维向量,由2个分量组成,X轴的变化、Y轴的变化。 图像梯度的计算公式为:
其中,Gxy为横坐标为x,纵坐标为y的像素的梯度值;thresh为梯度阈值化处理的门限值。 计算每个像素的图像梯度,得到类型区域的梯度场。 第四步,基于上述噪声概率场和梯度场训练拟合网络。 得到噪声概率场和梯度场后,执行主体可以通过噪声概率场和梯度场对应的噪声像素来训练拟合网络。得到的噪声场,可以对应得到非噪声场。非噪声场上各个像素点的取值为1与对应的噪声场上像素点取值的差值。具体的,执行主体可以先通过非噪声的概率场和梯度场来训练注意力函数。其中,注意力函数的计算公式如下: A(x,y)=wg·g(x,y)+wn·(1.0-F(x,y)) 其中,A(x,y)为横坐标为x,纵坐标为y的像素的网络训练注意力函数;wg为边缘的注意力权重;g(x,y)为横坐标为x,纵坐标为y的边缘像素的边缘注意力函数;wn为像素点是非噪声的注意力项,其取值为1与噪声的差值;n为像素的非噪声情况。 其中,g(x,y)的计算公式如下:
其中,g(x,y)为边缘注意力计算函数;WN为边缘连通性的权重;ci为梯度点通过聚类所属于某一类别;i为第i个类别;为第i个类别一共的梯度点个数;为对梯度点个数的激活映射;WG为连通性作为注意力机制的权重;σ(Gxy)为梯度值的激活函数;Ci为聚类完成后的第i个类别。 拟合网络的输入可以为噪声像素,拟合网络的输出可以为满足设定要求的噪声概率场和梯度场的像素。其中,设定要求的噪声概率场和梯度场与该类型区域的目标颜色相关。如此,可使得拟合网络通过满足目标颜色的噪声概率场和梯度场输出的像素,从而使得输出的像素满足目标颜色的要求。 其中,拟合网络的损失函数loss的计算公式如下:
其中,Axy为上式的注意力权重;Rxy为横坐标为x,纵坐标为y的像素的RGB中的R值;Gxy为横坐标为x,纵坐标为y的像素的RGB中的G值;Bxy为横坐标为x,纵坐标为y的像素的RGB中的B值;R为拟合网络输出像素x,y处RGB中的R值;G为拟合网络输出像素x,y处RGB中的G值;B为拟合网络输出像素x,y处RGB中的B值。 第五步,将该类型区域的像素输入上述拟合网络得到对应该类型区域的拟合图像区域。 得到拟合网络后,执行主体可以将类型区域的像素输入上述拟合网络得到对应该类型区域的拟合图像区域。 拟合图像区域每个像素的计算公式如下: Pout=(1-noise(x,y))·Poriginal+noise(x,y)·Ppredict 其中,Pout为最终输出的去噪声图片像素;noise(x,y)为横坐标为x,纵坐标为y的像素是噪声的概率;Poriginal为原始图元的像素值;Ppredict为网络预测的像素值。 如此,提高了对类型区域颜色调整的针对性和有效性,有利于提高目标图像的平滑性,降低图像突兀的情况。 步骤304,将对应上述至少一种类型区域的至少一个目标颜色区域组合成目标图像。 步骤304的内容与步骤204的内容相同,此处不再一一赘述。 进一步参考图4,其示出了图像生成方法的另一些实施例的流程400。该图像生成方法的流程400,包括以下步骤: 步骤401,对上述待处理图像进行预处理,去除上述待处理图像中的噪声。 在一些实施例中,图像生成方法运行于其上的执行主体(例如图1所示的电子设备101)可以对待处理图像进行预处理,消除待处理图像中较为明显的噪声。其中,上述预处理可以包括以下至少一项:锐度调整、亮度调整、对比度调整。 步骤402,对待处理图像的像素进行分类,确定至少一种像素类型。 步骤403,通过上述至少一种像素类型确定至少一种类型区域。 步骤404,对于上述至少一种类型区域中的类型区域,将该类型区域的颜色调整至目标颜色,得到对应该类型区域的目标颜色区域。 步骤405,将对应上述至少一种类型区域的至少一个目标颜色区域组合成目标图像。 步骤402至405的内容与步骤201至204的内容想相同,此处不再一一赘述。 从图4中可以看出,与图2对应的一些实施例的描述相比,图4对应的一些实施例中对待处理图像前对噪声进行了去除。由此,使得后续对待处理图像的处理的数据量更小,得到的目标图像的平滑性更好。 进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种图像生成装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。 如图5所示,一些实施例的图像生成装置500包括:像素类型分类单元501、类型区域确定单元502、目标颜色调整单元503和目标图像生成单元504。其中,像素类型分类单元501,被配置成对待处理图像的像素进行分类,确定至少一种像素类型;类型区域确定单元502,被配置成通过上述至少一种像素类型确定至少一种类型区域;目标颜色调整单元503,被配置成对于上述至少一种类型区域中的类型区域,将该类型区域的颜色调整至目标颜色,得到对应该类型区域的目标颜色区域;目标图像生成单元504,被配置成将对应上述至少一种类型区域的至少一个目标颜色区域组合成目标图像。 在一些实施例的可选实现方式中,上述像素类型分类单元501可以包括:像素类型分类子单元(图中未示出),被配置成对于上述待处理图像的像素,将该像素导入预设的全卷积网络,得到该像素属于指定像素类型集合中每种指定像素类型的概率,将概率值最大的指定像素类型设置为该像素的像素类型,上述指定像素类型集合包括:纯色类型、渐进类型、高光类型、阴影类型、纹理类型和噪声类型。 在一些实施例的可选实现方式中,上述类型区域确定单元502可以包括:变化区域设置子单元(图中未示出)、稳定区域设置子单元(图中未示出)、调整区域设置子单元(图中未示出)和删除区域设置子单元(图中未示出)。其中,变化区域设置子单元,被配置成将由上述纯色类型和渐进类型的像素构成的图像区域设置为变化区域;稳定区域设置子单元,被配置成将由上述高光类型和阴影类型的像素构成的图像区域设置为稳定区域;调整区域设置子单元,被配置成将由上述高光类型、阴影类型和纹理类型的像素构成的图像区域设置为调整区域;删除区域设置子单元,被配置成将由上述噪声类型的像素构成的图像区域设置删除区域。 在一些实施例的可选实现方式中,上述目标颜色调整单元503可以包括:第一目标颜色区域调整子单元(图中未示出),被配置成响应于该类型区域为变化区域,且上述目标颜色为单色,将该类型区域的颜色调整至上述单色后,得到第一目标颜色区域。 在一些实施例的可选实现方式中,上述目标颜色调整单元503可以包括:颜色色块获取子单元(图中未示出)、邻近关系确定子单元(图中未示出)和第二目标颜色区域调整子单元(图中未示出)。其中,颜色色块获取子单元,被配置成响应于该类型区域为变化区域,且上述目标颜色为多色,对该类型区域进行颜色聚类,得到至少一个颜色色块;邻近关系确定子单元,被配置成确定上述至少一个颜色色块之间的邻近关系;第二目标颜色区域调整子单元,被配置成将预设的邻近匹配图像库中的、与上述邻近关系相同的目标图像的颜色设置为该类型区域的目标颜色,得到第二目标颜色区域;上述目标图像包含上述多色。 在一些实施例的可选实现方式中,上述邻近关系确定子单元可以包括:边界线生成模块(图中未示出)、连通区域确定模块(图中未示出)和邻近关系确定模块(图中未示出)。其中,边界线生成模块,被配置成响应于上述变化区域包括由纯色类型的像素构成待处理区域,生成上述待处理区域的边界线;连通区域确定模块,被配置成通过上述边界线确定颜色色块之间的连通区域;邻近关系确定模块,被配置成基于上述连通区域确定上述至少一个颜色色块之间的邻近关系。 在一些实施例的可选实现方式中,上述目标颜色调整单元可以包括:纹理特征提取子单元(图中未示出)和第三目标颜色区域调整子单元(图中未示出)。其中,纹理特征提取子单元,被配置成响应于该类型区域为调整区域,提取上述调整区域的纹理特征;第三目标颜色区域调整子单元,被配置成将预设的纹理图像库中的、与上述纹理特征相同的目标纹理图像的颜色设置为该类型区域的目标颜色,得到第三目标颜色区域。 在一些实施例的可选实现方式中,上述目标颜色调整单元503可以包括:拟合图像区域获取子单元(图中未示出)和第四目标颜色区域调整子单元(图中未示出)。其中,拟合图像区域获取子单元,被配置成响应于该类型区域为删除区域,对该类型区域进行拟合得到拟合图像区域;第四目标颜色区域调整子单元,被配置成将上述拟合图像区域与该类型区域进行叠加得到第四目标颜色区域。 在一些实施例的可选实现方式中,上述拟合图像区域获取子单元可以包括:噪声概率矩阵获取模块(图中未示出)、噪声概率场获取模块(图中未示出)、梯度场获取模块(图中未示出)、拟合网络训练模块(图中未示出)和拟合图像区域获取模块(图中未示出)。其中,噪声概率矩阵获取模块,被配置成获取该类型区域内的每个像素的噪声概率,得到对应该类型区域的噪声概率矩阵;噪声概率场获取模块,被配置成对上述噪声概率矩阵内的噪声概率累加,得到噪声概率场;梯度场获取模块,被配置成计算该类型区域的像素的图像梯度,得到该类型区域的梯度场;拟合网络训练模块,被配置成基于上述噪声概率场和梯度场训练拟合网络;拟合图像区域获取模块,被配置成将该类型区域的像素输入上述拟合网络得到对应该类型区域的拟合图像区域。 在一些实施例的可选实现方式中,上述图像生成装置500还可以包括:噪声去除单元(图中未示出),被配置成对上述待处理图像进行预处理,去除上述待处理图像中的噪声,上述预处理包括以下至少一项:锐度调整、亮度调整、对比度调整。 可以理解的是,该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元,在此不再赘述。 如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。 通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。 特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的一些实施例的方法中限定的上述功能。 需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。 在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。 上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:对待处理图像的像素进行分类,确定至少一种像素类型;通过上述至少一种像素类型确定至少一种类型区域;对于上述至少一种类型区域中的类型区域,将该类型区域的颜色调整至目标颜色,得到对应该类型区域的目标颜色区域;将对应上述至少一种类型区域的至少一个目标颜色区域组合成目标图像。 可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。 附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。 描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括像素类型分类单元、类型区域确定单元、目标颜色调整单元和目标图像生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,目标图像生成单元还可以被描述为“用于将获取的目标颜色区域组合成目标图像的单元”。 本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。 以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。