[发明专利]一种精细化照片染发方法及系统

说明书

本发明公开了一种精细化照片染发方法及系统，染发方法包括步骤：S1、基于卷积神经网络，对头发样本数据进行分割网络模型训练；S2、基于训练后的分割网络模型对原图照片进行头发区域分割，得到分割图mask；S3、对所述分割图mask进行高斯滤波，得到滤波效果图；S4、根据滤波效果图得到原图照片中的头发区域，对头发区域进行颜色调节，得到第一染色照片；S5、将原图照片、滤波效果图、第一染色照片进行Alpha融合，得到第二染色照片；S6、基于所述原图照片计算头发概率图；S7、将原图照片、第二染色照片、头发概率图进行头发精细化融合，得到最终染发照片。本发明计算头发概率图，有效减弱了皮肤和衣服等区域对头发染色的影响，过渡自然、违和感小。

技术领域

本发明涉及照片处理领域，具体涉及一种精细化照片染发方法及系统。

背景技术

妆容造型是女性日常生活中不可或缺的重要环节，发型及发色更是对女性的整体妆容形象具有关键影响，因此如何选择适合自己的发色逐渐成为女性群体关注的热点问题。染发现己成为人们改变造型常用方法，由于对染发之后的效果的不确定，使得大多数人对染发采取谨慎态度，为了更好的为用户提供选择参考，也为了增加图像的趣味性，对用户图像进行虚拟染发的图像处理技术开始涌现。用户通过上传照片后，通过图像处理，给用户呈现不同染色效果。

在虚拟染发的功能实现过程中，头发区域的分割是最基础、也是最重要的一步，其主要侧重于做基于人脸的分割，或者头发区域手动标定。公开号为CN 109903257A的发明专利申请公开了一种基于图像语义分割的虚拟头发染色方法，并具体公开了：S11：对收集的数据集进行头发标注，获得多发型多状态下的头发标注样本；将头发标注样本代入预先建立的数据增强算法，得到数据增强后的数据集；S12：基于图像语义分割网络训练S11得到的所述数据集，得到深度学习模型；通过所述深度学习模型识别输入图像的头发区域，进行语义分割；S13：对图像的头发区域进行归一化处理，得到归一化后的图像；将归一化后的图像进行颜色通道分离，完成头发染色，得到头发染色后的染色图像。

上述基于图像语义分割的语义分割的虚拟头发染色方法，能够在一定程度上提高虚拟头发染色的精确度和鲁棒性，然而，其通过深度学习模型对图像的头发区域进行分割，存在分割不精确的问题，分割结果中，除了头发区域，还有误分割的皮肤区域和衣服等背景区域。因此，对于头发区域尤其是头发丝的分割尚不精准的情况下，该头发染色方法存在头发和皮肤区域的过渡效果非常差、无法自然过渡、分界线明显的问题。

因此，如何实现在头发分割不精确的情况下，将头发区域进行精确染发、皮肤区域则不受影响是本领域亟待解决的问题。

发明内容

本发明的目的是针对现有技术的缺陷，提供了一种精细化照片染发方法及系统。通过计算头发概率图，将头发概率图引入染发融合的过程中，有效减弱了皮肤和衣服等区域对头发染色的影响，过渡自然、违和感小。

为了实现以上目的，本发明采用以下技术方案：

一种精细化照片染发方法，包括步骤：

S1、基于卷积神经网络，对头发样本数据进行分割网络模型训练；

S2、基于训练后的分割网络模型对原图照片进行头发区域分割，得到分割图mask；

S3、对所述分割图mask进行高斯滤波，得到滤波效果图；

S4、根据滤波效果图得到原图照片中的头发区域，对头发区域进行颜色调节，得到第一染色照片；

S5、将原图照片、滤波效果图、第一染色照片进行Alpha融合，得到第二染色照片；

S6、基于所述原图照片计算头发概率图；

S7、将原图照片、第二染色照片、头发概率图进行头发精细化融合，得到最终染发照片。

进一步地，所述步骤S6具体为：