[发明专利]基于法线贴图进行人体光照渲染的处理方法及装置

说明书

本发明涉及一种基于法线贴图进行人体光照渲染的处理方法及装置，所述方法包括获取原始图像，根据原始图像获取人体mask图，得到待处理人体mask图；根据原始图像生成法线贴图；采用Opengl应用程序对法线贴图进行渲染，得到渲染图像，将待处理人体mask图与第一渲染图像进行混合处理，得到渲染人像图；对原始图像的背景进行渲染，得到背景打光效果图；将渲染人像图与背景打光效果图进行混合处理，输出图像混合结果。本发明通过opengl模拟实际打光效果，在保持支持实时编辑的基础上，提供了支持多光源、调整光的颜色、光的方向、光的类型等多样编辑能力，使得模拟出来的光照也比较具有真实的光照效果。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于法线贴图进行人体光照渲染的处理方法及装置。

背景技术

随着现有技术的发展，当下对人体图片的处理功能越来越多，如去痘，美肤，塑形等，都可以对照片进行美化。但是针对照片由于拍摄光线不好的后处理，目前市场上很少有相应的解决对策。现有方式一般是对单张图片进行模拟打光的处理，基本都是通过神经网络的机器学习的方式，在经过大量的人像光照图片训练后，在输入的图片的基础上去计算出光源所在位置，并生成对应的照明结果。这类实现的优点在于只要数据集足够大，就能够模拟出足够真实的效果。但它有以下两个缺点：一：需要耗费大量资源去训练，如Google的人像光效，它采用了64台不同的摄像机，331个LED光源，还有将近100个人，去帮助神经网络去训练，成本较高。二：训练出来的数据集比较大，有几十M，导致它就无法直接放到手机端，需要放在服务器端去交互，因此无法满足毫秒级处理要求，由于其训练模型原因，也无法提供多光源，多色彩等打光效果。

综上所述，现有的人像打光都是通过神经网络的机器学习方式，通过大量的数据学习后，才能返回出一个比较好的重打光效果。而机器学习进行人体打光的方式无法直接放到移动端，需要部署在服务器端，从而造成无法在移动端进行实时生成打光效果，也无法调整光的参数，比如光的颜色、光的方向等问题。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种基于法线贴图进行人体光照渲染的处理方法及装置，以解决现有技术中无法在移动端进行实时生成打光效果，也无法调整光的参数，比如光的颜色、光的方向的问题。

为实现以上目的，本发明采用如下技术方案：一种基于法线贴图进行人体光照渲染的处理方法，包括：

获取原始图像，根据所述原始图像获取人体mask图，并对所述人体mask图进行预处理，得到待处理人体mask图；

根据所述原始图像生成法线贴图；其中，所述法线贴图的每个像素点对应所述原始图像中每个像素点的法线向量；

采用Opengl应用程序对所述法线贴图进行渲染，得到渲染图像，将所述待处理人体mask图与所述第一渲染图像进行混合处理，得到渲染人像图；

对所述原始图像的背景进行渲染，得到背景打光效果图；

将所述渲染人像图与所述背景打光效果图进行混合处理，输出图像混合结果。

进一步的，所述根据所述原始图像获取人体mask图，包括：

将所述原始图像输入至预训练的人体识别模型，得到人体mask图。

进一步的，所述对所述人体mask图进行预处理，包括：

对所述人体mask图的边缘进行去锯齿处理，将去锯齿处理后得到的图像确定为待处理图像。

进一步的，所述根据所述原始图像生成法线贴图，包括：

获取所述原始图像中当前像素四周的像素点；

通过所述四周的像素点生成互相垂直的两条向量；其中，两条所述向量均与法线垂直，根据正交法生成法线。