本申请涉及数据处理领域，具体地，涉及一种虚拟穿衣图像的矫正方法及其系统。
背景技术：
现有技术中，虚拟试衣的方式已经越来越普及，而在虚拟试衣类产品中，将各种衣服服饰拍照产生图像后，需要将衣服图像进行变换处理，再贴合到模特身上，以实现试穿衣服的效果。但是传统的方式无法完成将服装图像完成贴合到多个角度人台中，通常需要手动执行，因此虚拟穿衣的效果并不理想。
因此需要一种虚拟穿衣图像的矫正方法及其系统，使服装图像的自动匹配到多个角度的数字人台中，提供服装展示的更多选择。
技术实现要素：
本申请的目的在于提供一种虚拟穿衣图像的处理方法，具体包括以下步骤：获取多角度的人台图片；根据多角度的人台图片，构建与每个角度的人台图片对应的多角度的数字人台图像；获取多角度的带有人台的原始图像；在多角度的带有人台的原始图像中，获取多角度的目标图像；对多角度的目标图像进行矫正；将矫正后的多角度的目标图像与多角度的数字人台图像进行匹配。
如上的，其中，多角度的带有人台的原始图像与多角度的人台图片的角度一一对应，多角度的数字人台图像与多角度的目标图像的角度一一对应。
如上的，其中，获取多角度的带有人台的原始图像，包括，将每个角度的带有人台的原始图像按照灰度级划分为c0和c1两部分，其中c0部分灰度级出现的概率为
如上的，其中，对多角度的目标图像进行矫正具体包括以下子步骤：识别多角度的目标图像的类型；根据多角度的目标图像的类型，对多角度的目标图像进行初次匹配；根据初次匹配的结果，对多角度的目标图像进行矫正。
如上的，其中，根据服装特征点与人台特征点完成多角度的目标图像与多角度的数字人台图像的初次匹配。
如上的，其中，服装特征点包括服装的开口部位的两个点。
如上的，其中，人台特征点包括数字人台图像中的指定人体部位。
如上的，其中，其中预先在多角度的目标图像的指定位置处标定服装特征点，服装特征点在所述目标图像中的位置为服装特征点坐标。
如上的，其中，根据初次匹配的结果，对多角度的目标图像进行矫正包括，查看初次匹配后的人台特征点的坐标与服装特征点的坐标是否重合。
一种虚拟穿衣图像的矫正系统，包括处理器，其中处理器执行上述任意一项的方法。
本申请具有以下有益效果：
本申请提供的虚拟穿衣图像的矫正方法及其系统能够获取服装图像，并将该图像自动匹配到对应的数字人台上，一次拍摄服装可以匹配多个角度的数字人台，对于服装展示提供了更多选择，并降低了服装展示制作成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是根据本申请实施例提供的虚拟穿衣图像的矫正方法的方法流程图；
图2是根据本申请实施例提供的虚拟穿衣图像的矫正系统的内部结构图。
具体实施方式
下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请涉及一种虚拟穿衣图像矫正方法及其系统。根据本申请，根据提取拍摄服装，可以自动匹配到数字人台上，一次拍摄服装可以匹配多个数字人台。
如图1所示为本申请提供的虚拟穿衣图像的矫正方法流程图，具体包括以下步骤：
步骤s110：获取多角度的人台图片。
具体地，其中多角度人台图片为拍摄的真实状态的人台图片。
步骤s120：根据多角度的人台图像，构建与每个角度的人台图片对应的多角度的数字人台图像。
其中根据拍摄的多角度的人台图片构建数字人台图像，构建的数字人台图像也为多角度的数字人台图像。具体地，其中多角度的人台图片与构建的多角度的数字人台图像为一一对应的关系。
优选地，可参考现有方式进行数字人台图像的构建，例如。
步骤s130：获取多角度的带有人台的原始图像。
其中，将步骤s110中的人台穿上服装并对其进行拍摄，从而获取多角度的带有人台的原始图像。带有人台的原始图像中包括上装或下装图像。
步骤s140：在多角度的带有人台的原始图像中，获取多角度目标图像。
具体地，其中获取的目标图像为去除人台后的服装图像，步骤s140具体包括以下子步骤：
步骤s1401：确定多角度的带有人台的原始图像的稳定程度。
其中计算带有人台的原始图像的稳定值，当带有人台的原始图像越混乱，稳定值越小，稳定程度越小。当带有人台的原始图像越有序，稳定值越大，稳定程度越高。其中稳定值h具体表示为：
其中，
优选地，在获取稳定值之前，可将多角度的带有人台的原始图像转换为灰度图像。
步骤s1402：根据多角度的带有人台的原始图像的稳定程度确定分割阈值，根据分割阈值确定目标图像。
具体地，其中若稳定值大于第一指定阈值且小于第二指定阈值，则说明此时图像的明亮程度不会过于明亮也不会过于暗沉，方便确定分割阈值。其中分割阈值属于[0,255]。
其中第一指定阈值小于第二指定阈值，具体数值可根据实际情况进行调整确定，在此不进行限定。
其中，设任意角度的带有人台的原始图像有l个灰度级，
进一步地，设定分割阈值前，将带有人台的原始图像按照灰度级划分为c0和c1两部分，其中c0部分灰度级出现的概率为
c0部分的灰度均值
其中，t为自然数，i表示第i个灰度级，l为带有人台的原始图像的灰度级总数，
c1部分的灰度均值表示为：
其中，t为自然数，i表示第i个灰度级，l为带有人台的原始图像的灰度级总数，
其中c0部分的方差
其中，t为自然数，i表示第i个灰度级，
其中c1部分的方差
其中，t为自然数，i表示第i个灰度级，l为带有人台的原始图像的灰度级总数，
再进一步地，设定三个评判函数，三个评判函数分别为：
其中
其中，
取三个评判函数
根据上述方法，能够在任意角度的带有人台的原始图像中确定对应角度的目标图像，从而完成多角度目标图像的确定。
优选地，在获取多角度的目标图像后，由于目标图像是存在于人台上的，因此以目标图像的做左上角为原点构建坐标系，获取任意目标图像在对应人台中的位置。
步骤s150：对多角度的目标图像进行矫正。
具体地，其中步骤s140中获取了目标图像，对获取的目标图像进行矫正。
具体地，其中步骤s150具体包括以下子步骤：
步骤s1501：识别多角度的目标图像的类型。
本实施例只对单个的上装图像或下装图像进行匹配，因此需要识别目标图像为上装图像还是下装图像，其中多角度的目标图像的类型相同。
步骤s1502：根据多角度的目标图像的类型，对多角度的目标图像进行初次匹配。
其中，通过将多角度的目标图像与对应的数字人台图像对齐，实现对目标图像的矫正处理。
具体地，其中预先在多角度的目标图像上进行服装特征点坐标的标定，其中服装特征点有多个，可以在服装的指定位置处标定某几个点作为服装特征点。作为举例，将服装中的左袖口开口处设定2个点为服装特征点，将衣服中的下摆边缘的开口处设定2个点为服装特征点，再比如将服装的肩部的左右两点作为服装特征点，服装特征点在目标图像中的位置为服装特征点坐标。
进一步地，预先在多角度的数字人台图像中进行人台特征点的标定，人台特征点有多个，将数字人台图像中的指定人体部位作为人台特征点。例如在人台的左胳膊的手腕处最外侧的左右两点为人台特征点；人台肩部的左右两侧为人台特征点；在人台的腰部位置，设定腰部最外侧的左右两点为人台特征点等；或者，在人台的脚踝处，设定脚踝部位最外侧的左右两点为人台特征点等。人台特征点在数字人台图像中的位置为人台特征点坐标。
其中，由于数字人台图像是通过人台图片构建的，因此二者中的人台的比例应是一致的，通过目标图像的服装特征点的坐标与数字人台图像的人台特征点坐标进行对应匹配。
具体地，服装特征点与人台特征点存在对应关系，例如左袖口开口处的服装特征点与人台的左胳膊的手腕处的人台特征点为对应关系，服装的肩部的服装特征点与人台的肩部的人台特征点为对应关系等，因此，将对应的特征点进行一一对准，从而完成多角度的目标图像与对应的多角度的数字人台图像的初次匹配。
步骤s1503：根据初次匹配的结果，对多角度的目标图像进行矫正。
其中，由于本实施例是针对单个上装图像或下装图像与数字人台图像的匹配，目标图像的服装特征点的数量以及坐标等都相对直观，因此可根据服装特征点的坐标与人台特征点的坐标进行目标图像的矫正。
具体地，查看初次匹配后的人台特征点的坐标与服装特征点的坐标是否重合。多角度的目标图像与多角度的人台图像是一一对应的关系，理论上，数字人台图像是根据人台图片构建的，二者的比例应为一致，但是实际状态下，数字人台图像可能与人台图片中的比例存在差异，因此，需要查看初次匹配后的人台特征点的坐标与服装特征点的坐标是否重合，判断目标图像是否完美贴合在数字人台中。
其中，判断重合的人台特征点的坐标与服装特征点的坐标的数量，若二者重合的坐标数量小于第一指定阈值，则对目标图像进行整体矫正。
具体地，对目标图像按照一定比例进行整体缩放，并判断整体缩放后，重合的人台特征点的坐标与服装特征点的坐标的数量是否存在变化，若重合的坐标数量增加，大于第一指定阈值，则对目标图像进行局部矫正。
进一步地，查找与的人台特征点坐标不重合的服装特征点的坐标，并对该服装特征点进行局部矫正，例如将该服装特征点进行拉伸或收缩，完成该服装特征点与人台特征点的坐标重合。其他补充和的服装特征点也可以按照该方式进行局部矫正，或者按照其他合适的方式进行局部矫正，在此不进行限定。
其中，若在整体缩放前，判断的重合的人台特征点的坐标与服装特征点的坐标的数量大于第一指定阈值，则直接对目标图像进行局部矫正，局部矫正的方法参考上述描述。
步骤s160：将矫正后的目标图像与数字人台图像进行匹配。
其中，查看矫正后的目标图像的边缘是否完全覆盖在数字人台图像中，若全部覆盖，则完成目标图像与数字人台图像的最终匹配。
本申请还提供了虚拟穿衣图像的处理系统，如图2所示，虚拟穿衣图像的处理系统包括处理器，其中处理器执行步骤s110-s160的方法，处理器包括了人台图片获取单元201、构建单元202、原始图像获取单元203、目标图像获取单元204、矫正单元205、匹配单元206。
其中人台图片获取单元201用于获取多角度的人台图片。
构建单元202与人台图片获取单元201连接，用于根据多角度的人台图片，构建与每个角度的人台图片对应的多角度的数字人台图像。
具体地，构建单元202具体包括稳定程度确定模块、分割阈值确定模块。
其中稳定程度确定模块，用于确定多角度的带有人台的原始图像的稳定程度。
分割阈值确定模块与稳定程度确定模块连接，用于根据每个角度的带有人台的原始图像的稳定程度确定分割阈值，根据分割阈值确定多角度的目标图像。
原始图像获取单元203与构建单元202连接，用于获取多角度的带有人台的原始图像。
目标图像获取单元204与原始图像获取单元203连接，用于在多角度的带有人台的原始图像中，获取多角度的目标图像。
矫正单元205与目标图像获取单元204连接，用于对多角度的目标图像进行矫正。
匹配单元206与矫正单元205连接，用于将矫正后的多角度的目标图像与多角度的数字人台图像进行匹配。
本申请具有以下有益效果：
本申请提供的虚拟穿衣图像的矫正方法及其系统能够获取服装图像，并将该图像自动匹配到对应的数字人台上，一次拍摄服装可以匹配多个角度的数字人台，对于服装展示提供了更多选择，并降低了服装展示制作成本。
虽然当前申请参考的示例被描述，其只是为了解释的目的而不是对本申请的限制，对实施方式的改变，增加和/或删除可以被做出而不脱离本申请的范围。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
1.一种虚拟穿衣图像的矫正方法，其特征在于，具体包括以下步骤：
获取多角度的人台图片；
根据多角度的人台图片，构建与每个角度的人台图片对应的多角度的数字人台图像；
获取多角度的带有人台的原始图像；
在多角度的带有人台的原始图像中，获取多角度的目标图像；
对多角度的目标图像进行矫正；
将矫正后的多角度的目标图像与多角度的数字人台图像进行匹配。
2.如权利要求1所述的虚拟穿衣图像的矫正方法，其特征在于，多角度的带有人台的原始图像与多角度的人台图片的角度一一对应，多角度的数字人台图像与多角度的目标图像的角度一一对应。
3.如权利要求1所述的虚拟穿衣图像的矫正方法，其特征在于，获取多角度的带有人台的原始图像，包括，将每个角度的带有人台的原始图像按照灰度级划分为c0和c1两部分，其中c0部分灰度级出现的概率为
4.如权利要求1所述的虚拟穿衣图像的矫正方法，其特征在于，对多角度的目标图像进行矫正具体包括以下子步骤：
识别多角度的目标图像的类型；
根据多角度的目标图像的类型，对多角度的目标图像进行初次匹配；
根据初次匹配的结果，对多角度的目标图像进行矫正。
5.如权利要求4所述的虚拟穿衣图像的矫正方法，其特征在于，根据服装特征点与人台特征点完成多角度的目标图像与多角度的数字人台图像的初次匹配。
6.如权利要求5所述的虚拟穿衣图像的矫正方法，其特征在于，服装特征点包括服装的开口部位的两个点。
7.如权利要求6所述的虚拟穿衣图像的矫正方法，其特征在于，人台特征点包括数字人台图像中的指定人体部位。
8.如权利要求7所述的虚拟穿衣图像的矫正方法，其特征在于，其中预先在多角度的目标图像的指定位置处标定服装特征点，服装特征点在所述目标图像中的位置为服装特征点坐标。
9.如权利要求8所述的虚拟穿衣图像的矫正方法，其特征在于，根据初次匹配的结果，对多角度的目标图像进行矫正包括，查看初次匹配后的人台特征点的坐标与服装特征点的坐标是否重合。
10.一种虚拟穿衣图像的矫正系统，其特征在于，包括处理器，其中处理器执行权利要求1-9任意一项所述的方法。
技术总结