[发明专利]一种发色调整方法及装置

说明书

本发明涉及一种发色调整方法及装置，所述方法包括：获取待处理图像，并对待处理图像进行尺寸调整，得到输入图像；将输入图像输入至预先训练得到的卷积神经网络模型中，得到头发特征图，卷积神经网络模型包括编码网络和解码网络，编码网络由多个编码模块级联组成，编码模块用于进行深度可分离卷积运算，其中第一个编码模块的输入为输入图像，解码网络由多个解码模块级联组成，解码网络的第一个解码模块的输入为编码网络中最后一个编码模块的输出，解码模块用于进行反卷积运算和深度可分离卷积运算；根据头发特征图将输入图像的头发区域调整为目标颜色。在解码时根据编码模块和上一级解码模块共同预测头发分割区域，有助于提高预测的准确度。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种发色调整方法及装置。

背景技术

随着移动终端配置的提高，通过移动终端拍照并对照片进行处理提高了用户使用移动终端的积极性。其中，对照片的处理包括对人物图像的发色进行调整，例如，将发色从黑色调整为黄色。

现有技术中，发色调整的步骤主要包括：首先，对人物图像进行头发分割，得到头发区域和其他区域；然后，对头发区域进行颜色调整。其中，头发分割可以通过深度学习实现，包括:首先，获取原始图像；然后，对原始图像进行人脸检测，得到人脸关键点，并利用人脸关键点生成人脸关键部位描述图；再然后，将原始图像和人脸关键部位描述图合并，获得4 通道图像；最后，将4通道图像输入卷积神经网络模型，通过卷积神经网络模型推断出每个像素点是头发的概率，从而获得头发概率图，并利用头发概率图对原始图像进行头发分割，上述卷积神经网络模型包括：卷积层、最大池化层、上池化层、加权层和最大化层。

然而，上述卷积神经网络模型的结构较简单，导致分割结果准确度较低。

发明内容

本发明的实施例提供一种发色调整方法及装置，可以在解码时根据编码模块和上一级解码模块共同预测头发分割区域，有助于提高预测的准确度。

根据本发明的实施例的第一方面，提供了一种发色调整方法，所述方法包括：

获取待处理图像，并对所述待处理图像进行尺寸调整，得到输入图像；

将所述输入图像输入至预先训练得到的卷积神经网络模型中，得到头发特征图，所述卷积神经网络模型包括编码网络和解码网络，所述编码网络由多个编码模块级联组成，所述编码模块用于进行深度可分离卷积运算，其中第一个编码模块的输入为所述输入图像，所述解码网络由多个解码模块级联组成，所述解码网络的第一个解码模块的输入为编码网络中最后一个编码模块的输出，所述解码模块用于进行反卷积运算和深度可分离卷积运算；

根据所述头发特征图将所述输入图像的头发区域调整为目标颜色。

根据本发明的实施例的第二方面，提供了一种发色调整装置，所述装置包括：

尺寸调整模块，用于获取待处理图像，并对所述待处理图像进行尺寸调整，得到输入图像；

头发特征预测模块，用于将所述输入图像输入至预先训练得到的卷积神经网络模型中，得到头发特征图，所述卷积神经网络模型包括编码网络和解码网络，所述编码网络由多个编码模块级联组成，所述编码模块用于进行深度可分离卷积运算，其中第一个编码模块的输入为所述输入图像，所述解码网络由多个解码模块级联组成，所述解码网络的第一个解码模块的输入为编码网络中最后一个编码模块的输出，所述解码模块用于进行反卷积运算和深度可分离卷积运算；

颜色调整模块，用于根据所述头发特征图将所述输入图像的头发区域调整为目标颜色。