[发明专利]图像着色方法和装置

说明书

本发明公开了一种图像着色方法及装置，属于图像处理技术领域。所述图像着色方法包括：获取待着色的灰度图像；对所述灰度图像进行分类，确定所述灰度图像的类型为人脸图像或者人物图像；将所述灰度图像输入到与所述灰度图像的类型对应的基于神经网络的图像着色模型中，得到所述灰度图像中各个像素的色彩信息；当所述灰度图像为人脸图像时，所述图像着色模型为人脸图像着色模型，当所述灰度图像为人物图像时，所述图像着色模型为人物图像着色模型；将所述灰度图像和所述色彩信息合成为彩色图像。由于不同类型的灰度图像的整体颜色以及轮廓差别很大，所以采用不同的着色模型进行着色，着色得到的彩色图像更贴近真实图像，效果好。

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像着色方法和装置。

背景技术

随着移动互联网的发展，人们对图像视觉效果的要求也越来越高。例如，日常生活中用户要求照片更加清晰，色彩更加真实。然而由于技术原因，年代较为久远的照片大多为黑白照片，黑白照片的视觉效果很难与彩色照片相比，所以需要将黑白照片转换为彩色照片。

随着深度学习技术的发展，采用神经网络模型进行黑白照片的着色，成为将黑白照片转换为彩色照片的有效手段。然而，目前采用神经网络模型进行着色得到的彩色照片的效果与真实照片相差较大，效果比较差，同时处理速度较慢。

发明内容

为了解决现有技术中采用神经网络模型进行黑白照片的着色，得到的彩色照片的效果与真实照片相差较大，效果比较差的问题，本发明实施例提供了一种图像着色方法和装置。所述技术方案如下：

第一方面，本发明实施例提供了一种图像着色方法，所述图像着色方法包括：

获取待着色的灰度图像；

对所述灰度图像进行分类，确定所述灰度图像的类型为人脸图像或者人物图像；

将所述灰度图像输入到与所述灰度图像的类型对应的基于神经网络的图像着色模型中，得到所述灰度图像中各个像素的色彩信息；当所述灰度图像为人脸图像时，所述图像着色模型为人脸图像着色模型，当所述灰度图像为人物图像时，所述图像着色模型为人物图像着色模型；

将所述灰度图像和所述色彩信息合成为彩色图像。

在本发明实施例的一种实现方式中，所述对所述灰度图像进行分类，确定所述灰度图像的类型为人脸图像或者人物图像，包括：

检测所述灰度图像中人脸的数量和大小；

当所述灰度图像中仅存在一个人脸且所述人脸在所述灰度图像中所占比例的大小超过设定值时，判断所述灰度图像为人脸图像；

当所述灰度图像中存在至少两个人脸，或者所述人脸在所述灰度图像中所占比例的大小未超过设定值时，判断所述灰度图像为人物图像。

在本发明实施例的另一种实现方式中，所述将所述灰度图像和所述色彩信息合成为彩色图像，包括：

将所述灰度图像和所述色彩信息合成为LAB颜色模型图像；

将所述LAB颜色模型图像转换为红绿蓝颜色模型图像。

在本发明实施例的另一种实现方式中，所述图像着色方法还包括：

通过深度学习技术训练所述人脸图像着色模型和所述人物图像着色模型。

在本发明实施例的另一种实现方式中，所述通过深度学习技术训练所述人脸图像着色模型，包括：

获取人脸图像样本；

将所述人脸图像样本中的每一张人脸图像由红绿蓝颜色模型图像转换为LAB颜色模型图像；

采用转换得到的所有的LAB颜色模型图像对深度卷积生成对抗网络进行训练，得到所述人脸图像着色模型。