一种数字化美型眉毛的方法、电子设备及存储介质与流程

1.本发明实施例涉及图像处理技术领域，尤其涉及一种数字化美型眉毛的方法、电子设备及存储介质。


背景技术：

2.随着可摄像智能移动终端的普及和图像处理技术的发展，以及对外貌的重视，人们越来越热衷于利用智能移动终端上的应用对人脸图像进行美化或上妆，即数字化美颜，以展现出优化后的人脸图像。
3.其中，对眉毛的美化，目前主要是对眉毛进行颜色填充或覆盖，例如对原眉毛进行颜色填充不改变形状，或，将原眉毛用其它形状的眉毛模板直接覆盖替换，使得美化后的眉毛不自然，缺少真实感。


技术实现要素：

4.本发明实施例主要解决的技术问题是提供一种数字化美型眉毛的方法、电子设备及存储介质，能够自然地美化眉型，并使得美化眉型后的眉毛具有真实感。
5.为解决上述技术问题，第一方面，本发明实施例中提供给了一种数字化美型眉毛的方法，包括：
6.获取人脸图像，并获取所述人脸图像中眉毛的关键点；
7.根据所述眉毛的关键点，确定所述人脸图像中包括眉毛的几何区域；
8.将所述人脸图像、所述几何区域和目标眉型的形状特征，输入预设的图像变形模型，以对所述人脸图像中所述几何区域内各像素点的位置进行变形调整，获得变形后的第一目标人脸图像，所述第一目标人脸图像中眉毛的形状为所述目标眉型。
9.在一些实施例中，所述图像变形模型是基于opengles框架设置的。
10.在一些实施例中，所述图像变形模型为采用移动最小二乘法计算变形参数的图像变形算法。
11.在一些实施例中，所述图像变形算法包括仿射变换、相似变换或刚性变换。
12.在一些实施例中，所述根据所述眉毛的关键点，确定所述人脸图像中包括眉毛的几何区域的步骤，包括：
13.确定所述几何区域为眉毛的最小外接矩形。
14.在一些实施例中，所述方法还包括：
15.将所述第一目标人脸图像中包括眉毛的几何区域内各像素点的位置相对于所述人脸图像中包括眉毛的几何区域内各像素点的位置的变形，按预设衰减规则进行衰减，以获取衰减后的第二目标人脸图像，其中，所述第二目标人脸图像的几何区域中非眉毛的像素点相对于所述人脸图像的变形程度小于所述一目标人脸图像的几何区域中非眉毛的像素点相对于所述人脸图像的变形程度。
16.在一些实施例中，所述预设衰减规则包括由几何区域的中心至边界，所述第一目
标人脸图像中包括眉毛的几何区域内各像素点的位置相对于所述人脸图像中包括眉毛的几何区域内各像素点的位置的变形的衰减程度逐渐增加。
17.在一些实施例中，所述方法还包括：
18.将所述第二目标人脸图像与预设的眉毛素材图输入预设的图像融合模型进行融合，获得融合后的第三目标人脸图像，其中，所述图像融合模型是基于opengles框架设置的。
19.为解决上述技术问题，第二方面，本发明实施例中提供给了一种电子设备，包括存储器和至少一个处理器，所述至少一个处理器用于执行存储在所述存储器中的至少一个计算机程序，所述至少一个处理器在执行所述至少一个计算机程序时，使得所述电子设备实现如上第一方面所述的方法。
20.为解决上述技术问题，第三方面，本发明实施例中提供给了一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如上第一方面所述的方法。
21.本发明实施例的有益效果：区别于现有技术的情况，本发明实施例提供的数字化美型眉毛的方法、电子设备及存储介质，通过获取人脸图像，并获取人脸图像中眉毛的关键点，根据眉毛的关键点确定人脸图像中包括眉毛的几何区域，将人脸图像、几何区域和目标眉型的形状特征，输入预设的图像变形模型，从而，图像变形模型根据目标眉型的形状特征，对人脸图像中几何区域内各像素点的位置进行变形，获得变形后的第一目标人脸图像，使得第一目标人脸图像中眉毛的形状为该目标眉型，实现眉型的改变。其中，一方面，第一目标人脸图像中眉毛是在原眉毛的基础上进行像素点位置调整得到的，相比于传统的将具有目标眉型的眉毛直接贴合于原人脸图像上，更加自然；另一方面，几何区域不仅可以包括眉毛还包括可以眉毛周围的皮肤，将包括眉毛的几何区域内的各像素点的位置均进行变形调整，使得眉毛区域和非眉毛区域(皮肤区域)能够自然过渡，弱化眉毛像素点和皮肤像素点之间的分界线，使得变形后的眉毛更加真实。
附图说明
22.一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
23.图1为本发明一实施例提供的数字化美型眉毛的方法的运行环境示意图；
24.图2为本发明一实施例提供的电子设备的结构示意图；
25.图3为本发明一实施例提供的数字化美型眉毛的方法的流程示意图；
26.图4为本发明一实施例提供的人脸关键点的示意图；
27.图5为本发明一实施例提供的几何区域的示意图；
28.图6为本发明一实施例提供的美型眉毛前后的效果示意图；
29.图7为本发明一实施例提供的用于描述衰减程度的示意图；
30.图8为本发明一实施例提供的眉毛素材图；
31.图9为本发明一实施例提供的经图像融合后的第三目标人脸图像的示意图。
具体实施方式
32.下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
33.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。
34.需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互结合，均在本技术的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。此外，本文所采用的“第一”、“第二”、“第三”等字样并不对数据和执行次序进行限定，仅是对功能和作用基本相同的相同项或相似项进行区分。
35.除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
36.此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
37.图1是本发明实施例中数字化美型眉毛的方法的运行环境示意图，请参照图1，该运行环境包括电子设备10和图像获取装置20，所述电子设备10和所述图像获取装置20通信连接。
38.所述通信连接可以是有线连接，例如：光纤电缆，也可以是无线通信连接，例如：wifi连接、蓝牙连接、4g无线通信连接，5g无线通信连接等等。
39.所述图像获取装置20用于获取人脸图像，所述图像获取装置20可为能够拍摄图像的终端，例如：具有拍摄功能的手机、平板电脑、录像机或摄像头等。
40.所述电子设备10是能够按照程序运行，自动、高速处理海量数据的设备，其通常是由硬件系统和软件系统所组成，例如：计算机、智能手机等等。所述电子设备10可以是本地设备，其直接与所述图像获取装置20连接；也可以是云设备，例如：云服务器、云主机、云服务平台、云计算平台等，云设备通过网络与所述图像获取装置20连接，并且两者通过预定的通信协议通信连接，在一些实施例，该通信协议可以是tcp/ip、netbeui和ipx/spx等协议。
41.可以理解的是：所述图像获取装置20和所述电子设备10也可以集成在一起，作为一体式的设备，例如，带有摄像头的计算机或智能手机等。
42.所述电子设备10接收所述图像获取装置20发送的人脸图像，电子设备10对人脸图像中的眉毛进行美化，例如改变眉型，得到眉型美化后的人脸图像。
43.在上述图1的基础上，本发明的其他实施例提供了一种电子设备10，请参阅图2，为本发明实施例提供的一种电子设备10的硬件结构图，具体的，如图2所示，所述电子设备10包括通信连接的至少一个处理器11和存储器12(图2中以总线连接、一个处理器为例)。
44.其中，所述处理器11用于提供计算和控制能力，以控制电子设备10执行相应任务，
例如，控制所述电子设备10执行下述发明实施例提供的任意一种数字化美型眉毛的方法。
45.可以理解的是，所述处理器11可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processing，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
46.所述存储器12作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块，如本发明实施例中的数字化美型眉毛的方法对应的程序指令/模块。所述处理器11通过运行存储在存储器12中的非暂态软件程序、指令以及模块，可以实现下述任一方法实施例中数字化美型眉毛的方法。具体地，所述存储器12可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器12还可以包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
47.在一些实施例中，该电子设备还包括至少一个图像处理单元(gpu)，图像处理单元是一组高度可并行化处理任务的芯片组，它拥有专门处理深度缓存区，快速访问纹理和其他缓冲区的定制芯片，还具有能提供支持并行执行的可编程着色器的处理器。
48.可以理解的是，上述至少一个处理器11可以包括电子设备中独立的处理器，还可以包括图像处理单元中的处理器。上述至少一个处理器11通过通过运行存储在存储器12中的非暂态软件程序、指令以及模块，实现下述任一方法实施例中数字化美型眉毛的方法时，可以由电子设备中独立的处理器与图像处理单元中的处理器合作完成。
49.以下，对本技术实施例提供的数字化美型眉毛的方法进行详细说明，请参阅图3，该方法s20包括但不限制于以下步骤：
50.s21：获取人脸图像，并获取所述人脸图像中眉毛的关键点。
51.s22：根据所述眉毛的关键点，确定所述人脸图像中包括眉毛的几何区域。
52.s23：将所述人脸图像、所述几何区域和目标眉型的形状特征，输入预设的图像变形模型，以对所述人脸图像中所述几何区域内各像素点的位置进行变形调整，获得变形后的第一目标人脸图像，所述第一目标人脸图像中眉毛的形状为所述目标眉型。
53.其中，人脸图像为包括人脸的图像，可由上述图像获取装置获取，例如，人脸图像可以为由上述图像获取装置采集到的自拍照等。
54.为了对人脸图像中的眉毛进行美化，首先，获取人脸图像中眉毛的关键点，以对眉毛进行定位。具体的，如图4所示，采用现有的人脸关键点算法定位出人脸的若干关键点，包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等区域的点。然后，从若干个关键点中获取属于眉毛的关键点，如图4中编号为33
‑
42以及64
‑
71的关键点。可以理解的是，眉毛的关键点可以反映眉毛在人脸图像中的位置。
55.值得说明的是，现有的人脸关键点算法可以为active appearance models(aams)、constrained local models(clms)、explicit shape regression(esr)或supervised descent method(sdm)等。由上述人脸关键点算法获得人脸关键点的具体过程不再一一赘述。
56.在获得到眉毛的关键点后，基于眉毛的关键点反映眉毛在人脸图像中的位置，可以根据眉毛的关键点，确定人脸图像中包括眉毛的几何区域。可以理解的是，几何区域所反映在人脸图像中的位置区域为能框住眉毛的区域。在一些实施例中，几何区域可以是非规则的，例如可以为沿眉毛外缘围成的区域，在此实施例中，几何区域中的像素点包括眉毛像素点。在一些实施例中，几何区域也可以是规则的，例如，可以为矩形、正方形等，在此实施中，几何区域中的像素点包括眉毛像素点和非眉毛像素点(例如皮肤像素点)。
57.在一些实施例中，如图5所示，确定所述几何区域为眉毛的最小外接矩形，既能保证几何区域能够框住眉毛且包括皮肤像素点，还能避免因几何区域内的皮肤像素点过多影响非眉毛区域的像素点。图5中仅仅只是示例性说明，并不对几何区域构成任何限制。
58.然后，将人脸图像、几何区域和目标眉型的形状特征，输入预设的图像变形模型，图像变形模型根据目标眉型的形状特征，对人脸图像中几何区域内各像素点的位置进行变形调整，获得变形后的第一目标人脸图像，使得第一目标人脸图像中眉毛的形状为目标眉型。
59.其中，目标眉型可以为平眉、柳叶眉、欧式眉或剑眉等，目标眉型为原眉毛通过变形后需要生成的眉型。每种眉型都有各自的形状特征，体现在眉毛关键点上，以图4中的眉毛关键点为例进行示例性说明：对于平眉，眉峰和眉尾齐平，表现在关键点上呈关键点34、35、36、39、40、41大致在同一水平线上；对于柳叶眉，呈柳叶型弯曲，表现在关键点上呈关键点34、35、36的弯曲弧度大于预设弧度阈值、关键点39、40、41的弯曲弧度大于预设弧度阈值；对于欧式眉，眉峰较高、眉尾较低，表现在关键点上呈关键点33和34之间的距离大于预设距离阈值、关键点41和42之间的距离大于预设距离阈值；对于剑眉，呈倒八字，表现在关键点上呈关键点33的坐标高于关键点34的坐标、关键点42的坐标高于关键点41的坐标。
60.在获取到人脸图像中原眉毛的关键点，以及，获取到目标眉型的形状特征后，通过图像变形模型对原眉毛的关键点进行变形，生成变形后新的眉毛的关键点符合目标眉型的形状特征，从而，使得变形后得到的第一目标人脸图像中眉毛的形状为该目标眉型。
61.图像变形模型会根据人脸图像中原眉毛的关键点和目标眉型的形状特征所体现出的目标关键点，计算出眉毛从原来的关键点变形至目标关键点所需的变形参数，然后，将人脸图像中几何区域内的各像素点按上述变形参数进行变形，得到第一目标人脸图像。如图6所示，人脸图像a中眉毛为平眉，经图像变形模型处理后，得到的第一目标人脸图像b中眉毛为眉峰较高的欧式眉。
62.其中，图像变形模型为预先设置的图像变形算法，用于对图像进行变形处理。在一些实施例中，图像变形算法包括旋转、平移、仿射变换、刚性变换或相似变换等。变形参数与图像变形算法有关，例如，当图像变形算法为放射变换时，则变形参数包括线性转换矩阵m和平移向量t，对于几何区域中的任一像素点的位置x，经放射变换后，得到的像素点的位置y＝xm t。
63.其中，第一目标人脸图像中眉毛是在原眉毛的基础上进行像素点位置调整得到的，相比于传统的将具有目标眉型的眉毛直接贴合于原人脸图像上，更加自然；另一方面，几何区域不仅可以包括眉毛还可以包括眉毛周围的皮肤，将包括眉毛的几何区域内的各像素点的位置均进行变形调整，使得眉毛区域和非眉毛区域(皮肤区域)能够自然过渡，弱化眉毛像素点和皮肤像素点之间的分界线，使得变形后的眉毛更加真实。
64.在一些实施例中，该图像变形模型是基于opengles框架设置的，即在opengles框架中将图像变形算法编写形成图像变形模型。其中，opengles框架定义了一个跨编程语言、跨平台编程的专业图形程序接口，可用于二维或三维图像的处理和渲染。glsl(opengl shading language)是opengles的着色器语言，在opengles框架中通过这种语言编写程序运行在计算设备的图形处理单元(graphic processor unit,gpu)上以进行图像的处理和渲染。基于opengles框架中的程序是直接调用电子设备的图像处理单元(gpu)进行运算，运算速度快。
65.在此实施例中，通过获取人脸图像，并获取人脸图像中眉毛的关键点，根据眉毛的关键点确定人脸图像中包括眉毛的几何区域，将人脸图像、几何区域和目标眉型的形状特征，输入预设的图像变形模型，从而，图像变形模型根据目标眉型的形状特征，对人脸图像中几何区域内各像素点的位置进行变形，获得变形后的第一目标人脸图像，使得第一目标人脸图像中眉毛的形状为该目标眉型，实现眉型的改变。其中，一方面，第一目标人脸图像中眉毛是在原眉毛的基础上进行像素点位置调整得到的，相比于传统的将具有目标眉型的眉毛直接贴合于原人脸图像上，更加自然；另一方面，几何区域不仅可以包括眉毛还可以包括眉毛周围的皮肤，将包括眉毛的几何区域内的各像素点的位置均进行变形调整，使得眉毛区域和非眉毛区域(皮肤区域)能够自然过渡，弱化眉毛像素点和皮肤像素点之间的分界线，使得变形后的眉毛更加真实。
66.在一些实施例中，图像变形模型为采用移动最小二乘法计算变形参数的图像变形算法。其中，采用移动最小二乘法计算得到的变形参数准确，进一步使得变形后的眉型为目标眉型。以图像变形算法为仿射变形进行示例性说明移动最小二乘法的计算过程。
67.通过以下优化函数计算人脸图像中几何区域内的各像素点的变形参数，当最小化优化函数时，得到最优的变形参数。
[0068][0069]
其中，
[0070]
其中，v为人脸图像中几何区域内的任一像素点的位置，p
i
为人脸图像中眉毛的任一原关键点的位置，q
i
为原关键点p
i
变形后的目标关键点的位置，lv(p
i
)为原关键点p
i
经过仿射变换后的位置，w
i
为变形权重，设置为1。
[0071]
对于不同的像素点v，可以得到不同的变形参数，变形参数包括线性变换矩阵m和平移向量t，则放射变换函数l
v
(x)＝xm t，对优化函数求偏导并令其为0，可以得到t的表达式t＝q
*
‑
p
*
m，其中，p*原关键点的加权质心，q*为目标关键点的加权质心，具体的：
[0072][0073]
从而，l
v
(x)＝(x
‑
p
*
)m q
*
，则原优化函数为
[0074]
其中，
[0075]
为了找到一个放射变换来极小化优化函数，直接用古典方法求解优化问题得到：
[0076][0077]
从而，仿射变化的表达式为：
[0078][0079]
由因为pi是固定的，将原眉毛关键点pi和变形后的目标关键点qi分离开来，得到：
[0080][0081]
其中，
[0082]
对于每一待求变形后位置的像素点，建立上述优化函数求解一个仿射变换函数。从而，将人脸图像中几何区域内的各像素点的位置经对应的仿射变换函数f
a
(v)变换后得到第一目标人脸图像。
[0083]
在此实施例中，图像变形模型为采用移动最小二乘法计算变形参数的图像变形算法，采用移动最小二乘法计算得到的变形参数准确，进一步使得变形后的眉型为目标眉型，既能准确按用户需求改变眉型。
[0084]
在一些实施例中，将所述第一目标人脸图像中包括眉毛的几何区域内各像素点的位置相对于所述人脸图像中包括眉毛的几何区域内各像素点的位置的变形，按预设衰减规则进行衰减，以获取衰减后的第二目标人脸图像，其中，所述第二目标人脸图像的几何区域中非眉毛的像素点相对于所述人脸图像的变形程度小于所述一目标人脸图像的几何区域中非眉毛的像素点相对于所述人脸图像的变形程度。
[0085]
在此实施例中，按预设衰减规则减少第一目标人脸图像中包括眉毛的几何区域内各像素点的位置相对于人脸图像中包括眉毛的几何区域内各像素点的位置的变形，获得第二目标人脸图像，使得第二目标人脸图像的几何区域中非眉毛的像素点相对于人脸图像的变形程度小于第一目标人脸图像的几何区域中非眉毛的像素点相对于人脸图像的变形程度，即将第一目标人脸图像的几何区域中非眉毛的像素点的变形程度进行了回调，以防止几何区域内非眉毛像素点变形厉害，影响图像的整体效果，使得眉毛像素点变形不自然。
[0086]
在一些实施例中，所述预设衰减规则包括由几何区域的中心至边界，所述第一目标人脸图像中包括眉毛的几何区域内各像素的位置相对于所述人脸图像中包括眉毛的几何区域内各像素的位置的变形的衰减程度逐渐增加。
[0087]
如图7所示，由几何区域的中心o至任一边界s，第一目标人脸图像中包括眉毛的几何区域内各像素点的位置相对于人脸图像中包括眉毛的几何区域内各像素点的位置的变形的衰减程度逐渐增加，即从点o至边界s上的任一一点a，各像素点的位置的变形的衰减程度逐渐增加，例如，点o至点a的连线上点c的衰减程度大于点b的衰减程度，即在第二目标人脸图像中点c相对于原人脸图像的变形程度较小，点b相对于原人脸图像的变形程度较大。
[0088]
例如，设置衰减系数cita，几何区域中点距离中心点o的距离越小衰减系数越大，距离越大衰减系统不断衰减至0，衰减系数cita为：
[0089]
其中，x为到中心点o的距离，thre为常数，是一个经验值。较优的，
thre可以为2。
[0090]
衰减后得到的第二目标人脸图像中几何区域的像素点的位置为：
[0091]
fv2＝(fv1
‑
img_coordinate)*cita img_coordinate；
[0092]
其中，fv2为第二目标人脸图像中几何区域内的任一像素点的位置；fv1为第一目标人脸图像中几何区域内对应的像素点的位置，img_coordinate为原人脸图像中对应的像素点的位置，例如img_coordinate(1,5)为原人脸图像中第一行第五列的像素点的位置。
[0093]
从上述公式中可知，越靠近几何区域的中心点o,cita越大，衰减程度越小，像素点变形程度也越大；越远离几何区域的中心点o，cita越小，衰减程度越大，像素点变形程度也越小。从而，使得几何区域内非眉毛像素点不会因变形严重而影响图像的整体效果，使得眉毛像素点变形自然。
[0094]
在一些实施例中，该方法s20还包括：
[0095]
s24：将所述第二目标人脸图像与预设的眉毛素材图输入预设的图像融合模型进行融合，获得融合后的第三目标人脸图像，其中，所述图像融合模型是基于opengles框架预先设置的。
[0096]
如图8所示，眉毛素材图为包括眉毛模板的图像，眉毛模板可以为各种眉型的眉毛。可以理解的是，用户改变眉型后，可能存在缺陷，例如眉毛稀疏，与调整后的欧式眉不符合，从而，用户可以根据需要，对眉毛进一步进行美化。具体的，将第二目标人脸图像与预设的眉毛素材图，例如欧式眉眉毛素材图，输入预设的图像融合模型进行融合，获得融合后的第三目标人脸图像。如图9所示，为一实施例中，进行图像融合后的第三目标人脸图像。
[0097]
其中，图像融合模型用于将第二目标人脸图像中的眉毛像素点与眉毛素材图的像素点进行叠加，叠加区域自然，使得获得的第三目标人脸图像既具有第二目标人脸图像中眉毛的特征，又具有眉毛素材图中眉毛的特征，从而，实现对变形后第二目标人脸图像中的眉毛进行修饰的效果，相比于传统的直接将眉毛素材图贴合覆盖，更加自然真实。图像融合模型可以采用现有的图像融合算法，例如加权平均法、羽化算法、拉普拉斯金字塔融合等。
[0098]
可以理解的是，该图像融合模型也是基于opengles框架设置的，即在opengles框架中将图像融合算法编写形成图像融合模型。基于opengles框架中的程序是直接调用电子设备的图像处理单元(gpu)进行运算，从而，具有运算速度快的特点。
[0099]
在一些实施例中，还可以通过相关控件调整眉毛素材图的深浅，有利于用户自定义优化视觉效果。
[0100]
在此实施例中，通过将第二目标人脸图像与预设的眉毛素材图进行融合，使得融合获取的第三目标人脸图像既具有第二目标人脸图像中眉毛的特征，又具有眉毛素材图中眉毛的特征，从而，实现对变形后第二目标人脸图像中的眉毛进行修饰的效果，相比于传统的直接将眉毛素材图贴合覆盖，更加自然真实。
[0101]
在本技术的另一实施例中，提供了一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如上任一方法实施例中数字化美型眉毛的方法。
[0102]
需要说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际
的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0103]
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read
‑
only memory,rom)或随机存储记忆体(random access memory,ram)等。
[0104]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。