图像处理方法、系统及电子设备与流程

1.本发明涉及计算机技术领域，尤其涉及一种图像处理方法、系统及电子设备。


背景技术：

2.商家对自家服饰的宣传，使用真人展示的效果肯定要比仅展示服饰效果要更好、更直观。但服饰颜色比较多时，如果每件服饰都找一个模特进行拍摄，那么拍摄成本会很高。
3.现有技术中存在一些技术，商家(或称为用户)不需要找真人模特把每一种颜色都穿一遍来拍摄，可通过一些图像工具来改变服饰颜色。但使用图像工具需要商家预先学习，掌握一定的工具使用技能。学习 成本高，且换色后的展示效果不够真实。


技术实现要素：

4.本发明提供一种解决上述问题或至少部分地解决上述问题的图像处理方法、系统及电子设备。
5.在本发明的一个实施例中，提供了一种图像处理方法。该方法包括：
6.确定目标图像、所述目标图像中的换色对象及换色需求；
7.利用分割对象不同的多个分割模型，分别对所述目标图像进行处理，得到多个分割区域；
8.根据所述多个分割区域，确定所述目标图像中所述换色对象对应的目标区域；
9.基于所述换色需求，对所述目标区域进行换色处理；
10.显示换色后的所述目标图像。
11.在本发明的另一个实施例中，还提供了一种图像处理方法。该方法包括：
12.响应于用户的操作，获取含有展示物的目标图像及展示物的目标花色；
13.利用分割对象不同的多个分割模型，分别对所述目标图像进行处理，得到多个分割区域；
14.根据所述多个分割区域，确定所述目标图像中所述展示物对应的目标区域；
15.按照目标花色，对所述目标区域进行换色操作；
16.显示换色后的所述目标图像。
17.在本发明的又一实施例中，还提供了一种图像处理方法。该方法包括：
18.响应于用户的操作，获取服饰展示图像及服饰换色需求；
19.利用第一分割模型，分割出所述服饰展示图像中服饰对应区域，得到第一分割区域；
20.利用至少一个第二分割模型，分割出所述服饰展示图像中除所述服饰外的至少一个对象对应的区域，得到至少一个第二分割区域；
21.根据所述至少一个第二分割区域，确定所述第一分割区域的区域边界，得到目标区域；
22.基于所述服饰换色需求，对所述目标区域进行换色处理；
23.显示换色后的所述服饰展示图像。
24.在本发明的又一实施例中，还提供了一种图像处理系统。该系统包括：
25.应用层，用于接收用户输入的目标图像、所述目标图像中的换色对象及换色需求；
26.区域处理层，具有针对不同分割对象的多个分割模型，用于利用分割对象不同的多个分割模型，分别对所述目标图像进行处理，得到多个分割区域；根据所述多个分割区域，确定所述目标图像中所述换色对象对应的目标区域；
27.换色处理层，具有颜色迁移模型，用于按照所述换色需求，对所述目标区域进行换色处理；
28.所述应用层，还用于将换色后的所述目标图像发送至所述用户对应的客户端设备。
29.在本发明的又一实施例中，还提供了一种图像处理系统。该系统包括：
30.应用层，用于接收用户输入的目标图像、所述目标图像中的换色对象及换色需求；
31.区域处理层，具有针对不同分割对象的多个分割模型，用于利用分割对象不同的多个分割模型，分别对所述目标图像进行处理，得到多个分割区域；根据所述多个分割区域，确定所述目标图像中所述换色对象对应的目标区域；
32.换色处理层，具有颜色迁移模型，用于按照所述换色需求，对所述目标区域进行换色处理；
33.所述应用层，还用于将换色后的所述目标图像发送至所述用户对应的客户端设备。
34.在本发明的又一实施例中，还提供了一种图像处理系统。该系统包括：
35.客户端，用于获取用户输入目标图像、所述目标图像中的换色对象及换色需求，并发送至服务端；
36.服务端，用于利用分割对象不同的多个分割模型，分别对所述目标图像进行处理，得到多个分割区域；根据所述多个分割区域，确定所述目标图像中所述换色对象对应的目标区域；基于所述换色需求，对所述目标区域进行换色处理；
37.所述客户端，还用于显示所述服务端反馈的换色后的所述目标图像。
38.在本发明的又一实施例中，还提供了一种电子设备。该电子设备包括：
39.所述存储器，用于存储一条或多条计算机指令；
40.所述处理器，与所述存储器耦合，用于执行所述至少一条或多条计算机指令，以用于实现上述各实施例所述方法中的步骤。
41.本发明实施例提供的技术方案，在确定了目标图像(如含展示物的目标图像、服饰展示图像)、目标图像中的换色对象(如展示物、服饰等)及换色需求(如展示物的目标花色、服饰换色需求)的基础上，进一步地是根据利用分割对象不同的多个分割模型，分别对目标图像进行处理所得到的多个分割区域，来综合确定出目标图像中换色对象对应的目标区域，该目标区域的确定充分考虑了目标图像中所包含的不同分割对象间对应的分割结果之间的相互影响关系，基于该相互影响关系，根据非换色对象对应的分割区域(即第二分割区域)来确定换色对象对应的分割区域(即第一分割区域)的区域边界，从而得到目标区域，这能有效保证目标区域的精准性。之后，按照换色需求，利用颜色迁移模型对目标区域进行换
色处理来得到换色后的目标图像，能够使目标图像中换色对象具有较好的换色效果，可给予用户较为真实的观感。而且，上述本方案整个换色过程全程自动化、无需用户参与，可减少用户学习成本。
附图说明
42.为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
43.图1示出了本发明一实施例提供的图像处理方法的流程示意图；
44.图2示出了从应用界面角度示出了本发明实施例提供的技术方案的示意图；
45.图3示出了本发明另一实施例提供的图像处理方法的流程示意图；
46.图4示出了本发明又一实施例提供的图像处理方法的流程示意图；
47.图5示出了本技术一实施例提供的图像处理系统的示意图；
48.图6示出了本技术一实施例提供的图像处理方法的原理性示意图；
49.图7示出了本技术一实施例从系统软件架构层面提供的图像处理系统的架构示意图；
50.图8示出了本技术一实施例提供的图像处理装置的结构示意图；
51.图9示出了本技术另一实施例提供的图像处理装置的结构示意图；
52.图10示出了本技术又一实施例提供的图像处理装置的结构示意图；
53.图11示出了本技术一实施例提供的电子设备的原理性结构示意图。
具体实施方式
54.现有技术中存在一种方案，是使用图像工具，比如ps(photoshop)来改变目标图像中模特身上服饰颜色。该方案主要处理步骤为：目标图像导入图像工具并显示在图像工具提供的编辑界面上，然后商家利用图像工具提供的各种功能模块，来改变模特身上服饰颜色。该方案前期需要商家对图像工具预先学习，掌握一定的图像工具使用技能，这无疑需要商家花费大量学习时间。而且，对于服饰的具有与人体皮肤相似的颜色部分，在使用图像工具改变服饰颜色时，同时也会改变模特的一些显露身体区域的颜色，比如可能会致使模特的脖颈、手等的颜色发生改变。另外，图像工具不具有通用性，难以改变深色服饰的颜色。为此，本发明提供了如下各实施例以解决现有技术中的问题，能快速地、并以较为真实性改变服饰颜色的方案，且该方案无需商家预先学习。
55.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。在本发明的说明书、权利要求书及上述附图中描述的一些流程中，包含了按照特定顺序出现的多个操作，这些操作可以不按照其在本文中出现的顺序来执行或并行执行。操作的序号如101、102等，仅仅是用于区分各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第
二”是不同的类型。此外，下述的各实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
56.在介绍本发明提供的各实施例之前，对本发明实施例提供的技术方案使用的场景做出简要的介绍。
57.本发明实施例提供的技术方案，可适用于的场景可以为但不限于改变模特身上服饰颜色的场景。例如，参见图2所述的场景，采用本发明实施例提供的方案可为商家提供改变模特穿着服饰颜色的服务，换句话也就是说，为商家提供模特穿着服饰换色的服务(以下可简称为服饰换色服务)。具体地：商家可以通过客户端设备401(如智能手机、台式计算机、平板电脑等)上传模特图像a(如之前拍摄的模特穿着淡蓝色衬衫裙a的照片)；然后，商家在客户端设备的交互界面所提供的输入区上，输入欲将淡蓝色衬衫裙颜色变更为的目标颜色(如暗红色、青色等)，点击“换色”控件，便能够将模特身上衬衫裙的颜色由原来的“淡蓝色”改变为如“暗红色”或“青色”等，得到模特穿着不同颜色的衬衫裙的多个模特图像。因该服饰换色是在利用多个分割模型对模特图像a进行处理，精确地确定出衬衫裙对应的区域基础上，采用基于颜色迁移相关算法得到的颜色迁移模型实现的，所以具有较高的性能和精度，衬衫裙颜色还原性较好，效果逼真。此外，若商家不只是想要将该模特穿着不同颜色的衬衫裙的多个模特图像在电商平台进行推广，还想要制作广告外投展示，比如制作橱窗广告画报、ppc广告或视频广告等，还可以将该模特穿着不同颜色的衬衫裙的多个模特图像应用于广告中，以制作不同的动态展示效果，进一步提高衬衫裙的展示效果，提高衬衫裙的点击率。上述中，ppc广告是一种广告模式，用于引导查看该ppc广告的人点击进入广告商家的网站或应用等。
58.这里需补充说明的是，在图2中示出的衬衫裙是的不同颜色时采用不同灰度方式显示出来的，在该图中，模特图像a中的衬衫裙及从模特图像a中分割出的衬衫裙(即图像b中示出的衬衫裙)的颜色相同，比如为淡蓝色。模特图像a’中的衬衫裙的颜色即为目标颜色，比如为暗红色、青色等，此处不作限定。
59.除了服饰换色之外，本发明提供的技术方案还适用于其它类型商品，比如鞋靴、包(手提包、书包、箱包等)、围巾、帽子、手套、皮带、饰品(如手镯、戒指、项链、耳环、头饰等)、手表、手持电子设备(如手机、笔记本电脑、平板电脑等)等等，本发明实施例对此并不作限定。在下文各实施例中，主要是以服饰为例来介绍本发明提供的技术方案的。
60.上述中，本发明中用于确定模特图像中服饰对应区域的多个分割模型，均为语义分割模型，是通过大量训练样本对机器学习模型训练得到；同时，用于执行服饰换色的颜色迁移模型也可以是经对机器学习模型训练得到，这里颜色迁移模型也可以是基于普通算法得到，本发明对此不再限定。对于模型训练可由服务端负责。例如，假设颜色迁移模型也是经训练获得，服务端对分割模型、颜色迁移模型进行训练，然后将完成训练的分割模型、颜色迁移模型下发至客户端；客户端将接收搭配的分割模型、颜色迁移模型自动装载于本地，之后便可在本地直接利用分割模型对客户端用户输入的模特图像执行语义分割以确定出模特图像中服饰对应的区域，之后进一步地基于客户端用户输入的目标颜色，利用颜色迁移模块对模特图像中服饰进行换色处理，将服饰颜色改变成为目标颜色。或者，上述分割模型、颜色迁移模型等的训练，以及利用分割模型、颜色迁移模型等完成模特图像中服饰换色
的一种可实现技术方案为：
72.1011、显示换色服务界面；
73.1012、响应于用户通过所述换色服务界面的输入操作，获取用户输入的所述目标图像、所述目标图像中的换色对象及换色需求。
74.在确定了目标图像、目标图像中的换色对象及换色需求后，为后续实现按换色需求对目标图像中的换色对象执行换色处理，一关键技术问题是如何精准地确定出目标图像中换色对象对应的目标区域。换色对象对应的目标区域确定过程，也就指的是将待处理的换色对象从目标图像的背景中分割出来的过程，即图像分割。图像分割是图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术，这是因图像分割、特征提取等会将图像转化为更抽象、更紧凑的形式，使得更高层的分析和理解成为可能。图像分割的本质是正确地划分属性空间，使得具有相同属性的像素归属于同一区域，不同属性的像素归属于不同的区域；从另一个角度说，图像分割也可以被认为是像素的标记处理，属于同一区域的像素被表上相同的号。
75.现有方案，在利用图像分割技术确定目标图像中换色对象对应的目标区域时，往往仅针对换色对象进行简单的单一分割，然后直接将分割出的区域作为换色对象对应的目标区域，其并未考虑到目标图像中其他的非换色对象的分割结果对换色对象的分割结果的影响，这易存在提取结果不够准确的问题。本实施例提供的技术方案，为保证确定出的换色对象对应的目标区域具有较高准确度，会将目标图像中包含的所有对象均作为分割对象，针对每一个分割对象均会执行一次目标图像的分割处理以得到相应的多个分割区域，通过该多个分割区域来综合确定出换色对象对应的目标区域。
76.具体实现时，本实施例会先对目标图像中可能包含的不同对象进行研究分析，确定出目标图像中可能包含的所有对象，针对该可能包含的所有对象来训练得到相应的多个分割模型并部署于本实施例的执行主体(即客户端)；当需对一具体的目标图像(如图2示出的模特图像a)进行处理以确定出换色对象(如淡蓝色衬衫裙)对应的目标区域时，客户端可在通过图像识别技术识别出该目标图像中包含的不同对象的基础上，从自身内存储的多个分割模型中选择出适用于分割目标图像中不同对象的多个分割模型，以利用该选择出的多个分割模型分别对目标图像进行处理，从而得到相应的多个分割区域。基于此，上述102中的分割对象即可指的是经对目标图像进行识别所确定出的目标图像中包含的不同对象，相应地，在上述102“利用分割对象不同的多个分割模型，对所述目标图像进行处理，得到多个分割区域”之前，本实施例提供的所述方案还可以包括如下步骤：
77.a01、对所述目标图像进行识别；
78.a02、根据图像识别结果，确定适于分割所述目标图像中不同对象的多个分割模型。
79.举例来说，仍以服饰换色场景为例，经研究，商家在找模特拍摄具有某种颜色服饰(如图2示出的淡蓝色服饰a)时，为了更能展示出该服饰的效果，往往还会针对服饰搭配其它配饰，如手提包、丝巾等，为此，针对该场景下拍摄得到的模特图像，包含的对象除了服饰和模特之外，还可以包含手提包、丝巾等其他对象；其中，服饰为换色对象，模特、手提包、丝巾等为非换色对象。本实施例执行主体内将会部署于有服饰分割模型、模特分割模型、配饰分割模型等多个分割模型，进一步地，因服饰和模特具有紧密相关性，为实现将服饰从模特
身上更好分割出来，可对模特进一步细划分，以专门针对模特细训练出相应的多个分割模型。具体地，如模特可以被细化分为包括人体、皮肤、头发等，相应地，上述模特分割模型可具体包括人体分割模型、皮肤分割模型、头发分割模型等。
80.当接收到如图2示出的模特图像a，需要确定出模特图像a中淡蓝色衬衫裙对应的目标区域以对衬衫裙进行换色处理时，此时经对模特图像a识别分析，确定出该模特图像a中包含的对象为淡蓝色衬衫裙和模特的人体、头发、皮肤，换句化也就是说，模特图像a中包含的分割对象为衬衫裙、模特人体、头发及皮肤，衬衫裙为换色对象，模特人体、头发及皮肤为非换色对象；基于该图像识别结果即可确定出适用于分割该模特图像a的多个分割模型即为：服饰分割模型、人体分割模型、皮肤分割模型及头发分割模型，后续执行主体也就可以从自身所预存的多个分割模型中，分别调取出服饰分割模型、人体分割模型、皮肤分割模型及头发分割模型，以对模特图像进行处理，得到相应的衬衫裙对应的区域、模特人体对应的区域、皮肤对应的区域及头发对应的区域。
81.综合上文内容，上述102中的分割对象也即包含有换色对象及非换色对象，具体实施时，换色对象及非换色对象分别所指定的类型根据实际情况而确定，此处不作限定，目标图像中除换色对象之外的其他对象，均为非换色对象。关于换色对象及非换色对象的具体描述可参见上述相关示例，此处不再作具体赘述。相应地，分割对象不同的多个分割模型，可包括两大类分割模型，即用于分割换色对象的第一分割模块及用于分割非换色对象的第二分割模型，第二分割模型的数量为至少一个。具体地，参见图2并承接上述示例，设图2中示出的目标图像为模特图像a，模特图像a中衬衫裙为换色对象，模特人体、皮肤及头发等为非换色对象，则第一分割模型为服饰分割模型，至少一个第二分割模型包括人体分割模型、皮肤分割模型、头发分割模型。
82.上述第一分割模型及至少一个第二分割模型均为语义分割模型，是采用机器学习技术(如深度学习技术)，基于大量训练样本对待训练机器学习模型进行训练得到的。训练过程可在服务端实现，训练完成后的第一个分割模型及至少一个第二分割模型可被部署于客户端，以便客户端可直接从本地调用第一分割模块及至少一个第二分割模型对目标图像执行分割处理，以确定目标图像中换色对象对应的目标区域。具体实现时，服务端对待训练机器学习模型进行训练以得到相应的分割模型的实现过程如下：
83.a11、获取训练样本图；所述训练样本图中包含分割对象及分割对象所属类别；
84.a12、将所述样本图作为待训练机器学习模型的输入，执行所述机器学习模型得到输出结果；
85.a13、根据所述输出结果及所述样本图中的所述分割对象所述类别，优化机器学习模块。
86.具体实施时，上述训练样本图可以基于获取到的数据图集确定，数据图集可以从网络上公开的一些公共数据图集中获得。公共数据图集就是具有数据图集的持有方公开大众读取使用的数据图集。本实施例中对公共数据图集的选择不作具体限定。获取到数据图集后，可以根据实际需求来选择适于作为训练的样本图。比如，本实施例中是对如图2示出的模特图像进行分割以提取出模特所穿着的服饰，从而对服饰执行换色处理，则在训练机器学习模型以得到用于分割出服饰对应的区域的服饰分割模型时，数据图集中那些服饰图像均适合作为训练样本图；又比如，在训练机器学习模型以得到用于分割出服饰配饰品对
应区域的服饰配饰品分割模型时，则数据图集中那些饰品图像、人物图像等均适于作为训练样本图，等等。将训练样本图输入至待训练机器学习模型后，执行机器学习模型即可得到相应的输出结果，输出结果中包含有样本图中分割对象的预估所属类别；根据输出结果及样本图中的分割对象所属类别，可对机器学习模型进行优化，从而得到相应的分割模型。关于优化机器学习模型的具体实现过程可参见现有方案。
87.上述机器学习模型是基于机器学习算法构建的，机器学习算法可包括但不限于如下中的至少一种：逻辑回归算法、决策树算法、随机森林算法、支持向量机算法等。
88.这里需补充说明的是：实际应用中，不难发现数据图中的图像的分辨率一般都比较低(如只有256*192)，采用低分辨率图像作为训练样本图时，训练出分割模型输出的分割结果会具有低精确性，为提高样本图的分别率以提高分割模型的精确性，可在将样本图输入至待训练机器学习模型之前，采用图像超分辨率重建手段来提升样本图质量。即通过软件处理方法，从低分辨率图像中重建出图像的细节信息，从而获得更高质量的超分辨率图像。具体在对图像进行分辨率的提升可采用但不限于如下方法：基于插值的超分辨率重建方法、基于重建的超分辨率重建方法、基于学习的超分辨率重建方法等，关于利用上述手段来提供图像分辨率的具体实现过程，可参见现有方案，此处不作具体赘述。当然，在具体实施例时，若样本图为高分辨率的图像，则可直接将高分辨率的图像输入至机器学习模型，无需经过上述方法提升图像的分辨率。
89.进一步地，利用经上述步骤训练得到分割对象不同的多个分割模型，多个分割模型包括第一分割模型及至少一个第二分割模型，本实施例即可分别对目标图像进行处理得到相应的多个分割分区。多个分割区域具体可包括：
90.通过所述第一分割模型对所述目标图像处理后得到的所述换色对象对应的第一分割区域；
91.通过所述第二分割模型对所述目标图像处理后得到的非换色对象对应的第二分割区域。
92.例如，继续参见图2并承接本步骤中的上述示例，假设换色对象为模特图像a中的衬衫裙，第一分割模型为服饰分割模型，通过服饰分割模型对目标图像进行处理可得到的第一分割区域即为衬衫裙对应的区域(下文简称服饰区域)；相应地，非换色对象为模特，更具体地为模特的人体、皮肤、头发等，第二分割模型可以为人体分割模型、头发分割模型、皮肤分割模型等，分别利用人体分割模型、头发分割模型、皮肤分割模型等，对目标图像进行处理，可得到如下几个第二分割区域：人体对应的区域(下文简称人体区域，或第二分割区域)、皮肤对应的区域(下文简称皮肤区域，或第三分割区域)、头发对应的区域(下文简称头发区域，或第四分割区域)等等，此处不作限定。
93.综合上述第一分割区域与第二分割区域间的关系，可以来精准地确定出换色对象对应的目标区域。具体地，考虑到在第一分割模型及第二分割模型对目标图像分割精确的情况下，分别利用第一分割模型及至少一个第二分割模型得到的第一分割区域、第二分割区域，各区域间的边界将会是适配拼接关系，区域并不会发生部分重叠，此时第一分割区域即可直接作为目标区域；反之，第一分割区域与第二分割区域存在部分重叠，则说明第一分割模型与相应的第二分割模型分别对目标图像进行处理所得到的分割结果发生冲突，出现像素错划分，此情况下，可基于第二分割区域的区域边界对第一分割区域的区域边界进行
处理，以提高第一分割区域的区域边界精准性，最终得到精度较高的目标区域。即，
94.在一具体可实现技术方案中，上述103“根据所述多个分割区域，确定所述目标图像中所述换色对象对应的目标区域”，可具体包括：
95.1031、确定所述第一分割区域与所述第二分割区域是否存在部分重叠；
96.1032、存在时，根据所述第二分割区域的区域边界，对所述第一分割区域的区域边界进行边界处理；
97.1033、将边界处理后的所述第一分割区域作为所述目标区域。
98.上述1031中，可以通过提取第一分割区域与第二分割区域的像素特征点，然后通过但不限于像素特征点匹配算法来确定第一分割区域与第二分割区域是否存在部分重叠。关于具体实现确定地分割区域与第二分割区域是否存在部分重叠的具体实现，可参见现有方案。
99.上述1032中，在第一分割区域与第二分割区域存在部分重叠情况下，往往是因第一分割模型与相应的第二分割模型分别对目标图像进行分割处理时，对像素错划分导致的，分割模型的准确度是影响分割结果的关键因素，为此可以依据分割模型的准确度来根据第二分割区域的区域边界对第一分割区域的区域边界进行边界处理；其中，准确度与上述通过训练机器学习模型以得到相应的分割模型时，对机器学习模型的优化程度相关的。此外，进一步地，还可以综合分割结果的重要程度来根据第二分割区域的区域边界对第一分割区域的区域边界进行边界处理；其中，重要程度可指的是分割对象对应的分割结果对换色对象展示效果的影响程度。
100.具体实施时，可以基于分割模型的准确度及相应分割结果的重要程度，为不同的分割模型分配相应的权重；其中，分割模型的权重越大可表明该分割模型的准确度和/或其相应分割结果的重要程度也就相对较高，相应地，由该分割模型对目标图像进行处理所得到的分割区域的准确度和/或重要程度也就相对较高。基于此，当第一分割区域与第二分割区域存在部分重叠时，可依据第一分割区域对应的第一分割模型的权重及第二分割区域对应的第二分割模型的权重间的大小关系，来确定是否根据第二分割区域的区域边界对第一分割区域的区域边界进行边界处理。比如，因在第一分割模型的权重小于第二分割模型的权重的情况下，即可表明第一分割区域的准确度和/或重要程度小于第二分割区域的准确度和/或重要程度的，这种情况下，可根据第二分割区域的区域边界对第一分割区域的区域边界进行边界处理；反之，在第一分割模型的权重大于或等于第二分割模型的权重的情况下，则可直接将第一分割区域作为目标区域。
101.基于上文内容，在上述步骤1032“根据所述第二分割区域的区域边界，对所述第一分割区域的区域边界进行边界处理”之前，本实施例提供的方案，还包括：
102.a21、获取所述第一分割模型及所述第二分割模型分别对应的权重；
103.a22、在所述第一分割模型的权重小于所述第二分割模型的权重时，触发根据所述第二分割区域的区域边界对所述第一分割区域的区域边界进行边界处理的操作。
104.举例来说，仍参见图2并承接上文示例，以模特图像a中的衬衫裙作为为换色对象，假设第一分割模型为服饰分割模型，第二分割模型包括：人体分割模型、皮肤分割模型及头发分割模型，设定人体分割模型的准确度最高，头发分割模型对应的分割结果重要程度最高，为人体分割模型、头发分割模型分别所分配的权重均大于服饰分割模型、皮肤分割模
型。假设图2中示出的模特为长发且部分披散于人体胸前侧，此时头发会对衬衫裙产生部分遮挡，若经服饰分割模型对模特图像a进行处理得到的服饰区域与经头发分割模型对模特图像进行处理得到的头发区域存有部分重叠时，因服饰分割模型的权重小于头发分割模型的权重，即表明服饰区域的准确度和/或重要程度低于头发区域，此种情况下，可以基于第二分割区域的区域边界，对第一分割区域的区域边界执行如内缩处理，直至第第一分割区域与第二分割区域无重叠部分。关于上述具体实现第一分割区域及第二分割区域无重叠部分的具体实现可参见现有方案，比如，现有方案中重叠细胞核处理过程的实现原理等，此处就不再具体赘述。
105.上述1033中，在完成第一分割区域的边界处理后，即可将第一分割区域作为目标图像中换色对象对应的目标区域(如图2中的图像b)。
106.基于确定出的换色对象对应的目标区域，接下来就可以针对目标区域进行分析处理，得到目标区域的区域信息，如区域的亮度、纹理或轮廓等，之后基于用户输入的换色需求、目标图像、目标区域的区域信息，采用相应地的如颜色迁移相关算法对换色对象执行换色处理。
107.在图像处理中，颜色迁移指的是将一副图像作为颜色参考图像，依据该颜色参考图像提供的颜色，利用相应地的颜色迁移相关算法来改变另一副待处理图像的颜色信息，使得新生成图像在保存有原待处理图像的几何结构形状信息的同时，又具有颜色参考图像的色彩信息；上述颜色参考图像作用是提供目标颜色，待处理图像主要作用是提供几何结构形状信息，为便于描述，通常将颜色参考图像称为源图像、待处理图像称为目标图像。实际中，可将颜色迁移表示一种变换t，c(x，y)＝t(f(x，y)),该式中f(x，y)为源图像，c(x，y)为新生成图像。
108.不同的应用场景下，利用颜色迁移技术实现颜色迁移所要达到的目的也将不同，本实施例提供的技术方案，在服饰应用场景，目的为是使在保持模特图像中模特所穿着的服饰的几何结构细节不变的情况下，来改变该服饰的布料颜色。例如，如图2所示，假设本实施例提供的源图像为暗红色衬衣裙的平铺图像(图中未示出)，本实施例目的如是将源图像中衬衣裙的暗红色转移到模特图像a的淡蓝色衬衣裙上去，使模特图像a中衬衣裙的颜色由“淡蓝色”变更为“暗红色”，从而得到衬衣裙换色后的模特图像a’,该模特图像a’在保存了原模特图像a中衬衣裙的几何结构形状信息的同时，又有具有源图像中暗红色衬衣裙的色彩信息。
109.基于上述对颜色迁移相关的描述，为实现本实施例所要达到的目的，在一具体可实现的技术方案中，上述101中确定出的换色需求可以包括目标颜色，目标颜色可以由用户输入的源图像提供，关于源图像的相关介绍可参见上述相关内容。相应地，上述104“基于所述换色需求，对所述目标区域进行换色处理”，可具体包括：
110.1041、获取颜色迁移模型；
111.1042、将所述目标颜色、所述目标图像、所述目标区域的区域信息输入所述颜色迁移模型，执行所述颜色迁移模型，输出所述目标区域换为所述目标颜色后的所述目标图像。
112.上述1041中，颜色迁移模型是基于相应的颜色迁移算法构建的，颜色迁移相关算法可以为但不限于全局颜色迁移算法、用户交互颜色迁移算法、基于神经网络的颜色迁移算法等。其中，
113.全局颜色迁移算法指的是：通过对转换到lαβ颜色空间的图像进行简单的统计学计算实现如彩色图像间全局颜色迁移算法；这里，使用lαβ颜色空间的原因为：因lαβ颜色空间维度坐标包含亮度(l)分量的坐标，相比于经典rgb颜色空间，lαβ颜色空间能更好地描述换色对象(如服饰的布料)图像的纹理噪声。
114.用户交互颜色迁移算法，又可称为样本块颜色迁移算法，其指的是：由用户从目标图像和源图像中分别选出适当大小、位置与数量的样本块，并指定目标图像样本块与元图像样本块的对应关系，以此来实现颜色迁移。
115.关于对上述颜色迁移算法及颜色空间的具体介绍可参见现有技术，此处不作赘述。另外，因图像采集设备及图像显示设备使用的均是rgb颜色空间，故在未对目标颜色、目标图像及目标区域进行任何颜色空间处理的情况下，目标颜色、目标图像及目标区域均指的是在rgb颜色空间下对应的颜色值或rgb图像。
116.上述1042中，目标区域的区域信息，可基于所采用的颜色迁移算法采用相应的获取方式来得到，下面以全局颜色迁移算法为例来举一示例，简要说明一下来对目标区域进行换色的实现原理，具体地包括如下几个主要步骤：
117.1、去颜色空间的相关性，即利用rgb颜色空间与lαβ颜色空间的转换关系，将提供目标颜色的源图像及目标区域对应的图像有rgb空间转换到lαβ颜色空间；并分别计算得到目标颜色的均值和标准差，以及目标区域的区域信息(如目标区域的颜色信息)的均值和标准差；
118.2、利用如下公式，将目标颜色的均值和标准差，传递给目标区域对应的图像，使得目标区域对应的图像与源图像具有一致的标准差和均值：
[0119][0120][0121][0122]
上式中，l
dst
、α
dst
、β
dst
分别表示目标区域对应的图像像素在lαβ颜色空间的三个通道值；为目标区域三个通道各自的整体均值，为目标区域三个通道各自的整体标准差；为目标区域三个通道各自的整体均值，为目标区域三个通道各自的整体均值，为目标区域三个通道各自的整体标准差；为目标区域变换后三个通道各自的通道值；
[0123]
3、目标区域变化后的图像数据转换到rgb颜色空间下并于目标图像合并，显示合成后的目标图像。
[0124]
考虑到用户有时除了想要该便换色对象的颜色之外，可能还存在如想要更改换色对象的材质纹理等的其他需求，比如，参见图2所示，用户可以除了想要改变模特图像a中衬衫裙的颜色外，可能同时还想要将衬衫裙的材质由“涤纶材质”改变为“丝绸材质”的需求。为满足用户的如想要更改换色对象的材质纹理等的其他需求，上述换色需求还可以包括目
标材质纹理；相应地，上述104“基于所述换色需求，对所述目标区域进行换色处理”，还可包含如下步骤：
[0125]
1043、将所述目标图像中的所述目标区域的材质纹理替换为所述目标材质纹理。
[0126]
本实施例技术方案，在对目标区域进行换色过程中，引入材质纹理可以使得最后合成的目标图像中的换色对象，比如服饰具有多的布料纹理细节，利用提高服饰展示效果。
[0127]
上述105中，经由以上处理步骤对目标图像进行换色后，为便于用户观看换色效果，即可以将换色后的目标图像显示于客户端提供的交互界面上。
[0128]
综上，本实施例提供的技术方案，在确定了目标图像(如服饰展示图像)、目标图像中的换色对象(如服饰等)及换色需求(如目标颜色、目标材质纹理)的基础上，进一步地是根据利用分割对象不同的多个分割模型，分别对目标图像进行处理所得到的多个分割区域，来综合确定出目标图像中换色对象对应的目标区域，该目标区域的确定充分考虑了目标图像中所包含的不同分割对象间对应的分割结果之间的相互影响关系，基于该相互影响关系，根据非换色对象对应的分割区域(即第二分割区域)来确定换色对象对应的分割区域(即第一分割区域)的区域边界，从而得到目标区域，这能有效保证目标区域的精准性。之后，按照换色需求，利用颜色迁移模型对目标区域进行换色处理来得到换色后的目标图像，能够使目标图像中换色对象具有较好的换色效果，可给予用户较为真实的观感。而且，上述本方案整个换色过程全程自动化、无需用户参与，可减少用户学习成本。
[0129]
下面结合具体的应用场景，如改变模特的展示物的花色、改变模特穿着的服饰颜色等场景，对本发明提供的技术方案进行说明。
[0130]
如图3所示，本发明另一实施例提供的一种图像处理方法的流程示意图。本实施例提供的所述方法是针对改变模特的展示物的花色场景提出的，该方法的执行主体可以客户端，所述客户端可以是智能手机、台式电脑、笔记本电脑、平板电脑、智能穿戴设备等等，本实施例对此不作限定。具体的，所述方法包括：
[0131]
201、响应于用户的操作，获取含有展示物的目标图像及展示物的目标花色；
[0132]
202、利用分割对象不同的多个分割模型，分别对所述目标图像进行处理，得到多个分割区域；
[0133]
203、根据所述多个分割区域，确定所述目标图像中所述展示物对应的目标区域；
[0134]
204、按照目标花色，对所述目标区域进行换色操作；
[0135]
205、显示换色后的所述目标图像。
[0136]
本实施例中的展示物可以是服饰、饰品、电子产品、包(如手提包、箱包、背包等)、鞋靴、帽子、围巾、手套等等。其中，饰品可以是项链、手表、戒指、头饰、耳环等，本实施例对此不作限定。而花色可以指的是布料等的花纹、颜色等，此处不作限定。
[0137]
如图2所示的例子，用户可通过交互界面输入含有展示物的目标图像(如模特图像a)及展示物的目标花色(图中未示出)。用户点击交互界面上的“换色”控件后便可看到换色后的目标图像图像。对于执行本实施例方法的主体(如手机、电脑等)来说，在用户输入含有展示物的目标图像和目标花色后，先确定多个分割模型，然后利用多个分割模型对目标图像进行处理得到多个分割区，从而根据多个分割综合得到目标图像展示物对应的目标区域，以最终按目标花色对目标区域进行换色操作，得到换色后的目标图像(如图中模特穿着暗红色衣裙的换色后的目标图像)。
[0138]
针对改变模特穿着的服饰颜色、材质纹理等场景，在本发明又一实施例还提供了一种图像处理方法。如图4示出的本发明又一实施例提供的图像处理方法的流程示意图。本实施例提供的所述方法的执行主体可以客户端，所述客户端可以是智能手机、台式电脑、笔记本电脑、平板电脑、智能穿戴设备等等，本实施例对此不作限定。具体的，所述方法包括：
[0139]
301、响应于用户的操作，获取服饰展示图像及服饰换色需求；
[0140]
302、利用第一分割模型，分割出所述服饰展示图像中服饰对应区域，得到第一分割区域；
[0141]
303、利用至少一个第二分割模型，分割出所述服饰展示图像中除所述服饰外的至少一个对象对应的区域，得到至少一个第二分割区域；
[0142]
304、根据所述至少一个第二分割区域，确定所述第一分割区域的区域边界，得到目标区域；
[0143]
305、基于所述服饰换色需求，对所述目标区域进行换色处理；
[0144]
306、显示换色后的所述服饰展示图像。
[0145]
有关上述301～302的内容，可参见上文中的相应内容，此次不作赘述。
[0146]
上述中，服饰展示图像为模特服饰展示图像。相应地，上述303“利用至少一个第二分割模型，分割出所述服饰展示图像中除所述服饰外的至少一个对象对应的区域，得到至少一个第二分割区域”，可包括如下中的至少一项：
[0147]
3031、利用人体分割模型，分割出所述模特服饰展示图像中人体对应的区域，得到第二分割区域；
[0148]
3032、利用皮肤分割模型，分割出所述模特服饰展示图像中皮肤对应的区域，得到第三分割区域；
[0149]
3033、利用头发分割模型，分割出所述模特服饰展示图像中头发对应的区域，得到第四分割区域。
[0150]
上述304“根据所述至少一个第二分割区域，确定所述第一分割区域的区域边界，得到目标区域”，包括：
[0151]
3041、若所述第二分割区域与所述第一分割区域的区域边界部分重叠，则按照所述第二分割区域，对所述第一分割区域的区域边界进行边界处理；
[0152]
3042、若所述第三分割区域与所述第一分割区域的区域边界部分重叠，则按照所述第三分割区域，对所述第一分割区域的区域边界进行边界处理；
[0153]
3043、若所述第四分割区域与所述第一分割区域的区域边界部分重叠，则按照所述第四分割区域，对所述第一分割区域的区域边界进行边界处理；
[0154]
3044、将边界处理后的所述第一分割区域作为所述目标区域。
[0155]
同样的，有关上述3031～3033以及3041～3044的内容，可参见上文中的相应内容，此次不作赘述。
[0156]
本发明一实施例还提供一种图像处理系统。如图5所示，所述图像处理系统包括：
[0157]
客户端401，用于获取用户输入目标图像、所述目标图像中的换色对象及换色需求，并发送至服务端；
[0158]
服务端402，用于利用分割对象不同的多个分割模型，分别对所述目标图像进行处理，得到多个分割区域；根据所述多个分割区域，确定所述目标图像中所述换色对象对应的
目标区域；基于所述换色需求，对所述目标区域进行换色处理；
[0159]
所述客户端401，还用于显示所述服务端反馈的换色后的所述目标图像。
[0160]
如图5所示，服务端训练好的多个分割模型存储于本地，服务端可以为但不限于单个服务器、服务器集群、部署在服务器上的虚拟服务器或云端等等。客户端可以是但不限于：台式计算机、笔记本电脑、手机、平板电脑等。
[0161]
这里需补充说明的是：如图6及图2所示，上述分割模型也可以部署于客户端401，服务端402用于训练分割对象不同的多个分割模型并发送至客户端401；客户端401，用于接收服务端发送的分割对象不同的多个分割模型后，自动装载于本地或更新本地已有的多个分割模型；该种情况下，客户端401将具体用于：用于获取用户输入目标图像、所述目标图像中的换色对象及换色需求；利用分割对象不同的多个分割模型，分别对所述目标图像进行处理，得到多个分割区域；根据所述多个分割区域，确定所述目标图像中所述换色对象对应的目标区域；基于所述换色需求，对所述目标区域进行换色处理；显示所述服务端反馈的换色后的所述目标图像。
[0162]
本发明提供的技术方案还可采用如图7所示的系统架构来实现。图7所示的系统架构对应的系统可部署在服务端侧的单个服务器、服务器集群、部署在服务器上的虚拟服务器或云端等等。图7所示的系统架构对应的系统也可部署在客户端侧的计算机上。如图7所示，所述图像处理系统包括：应用层、区域处理层及换色处理层。其中，
[0163]
应用层，用于接收用户输入的目标图像、所述目标图像中的换色对象及换色需求；
[0164]
区域处理层，具有针对不同分割对象的多个分割模型，用于利用分割对象不同的多个分割模型，分别对所述目标图像进行处理，得到多个分割区域；根据所述多个分割区域，确定所述目标图像中所述换色对象对应的目标区域；
[0165]
换色处理层，具有颜色迁移模型，用于按照所述换色需求，对所述目标区域进行换色处理；
[0166]
所述应用层，还用于将换色后的所述目标图像发送至所述用户对应的客户端设备。
[0167]
下面结合具体的应用场景对本发明各实施例提供的技术方案进行说明。采用本发明实施例提供的技术方案可为商家提供商品对象换色的服务。例如，商家用户可通过客户端上传模特图像(如之前拍摄的模特穿着淡蓝色衬衫裙的照片)、以及输入模特图像中需进行换色的换色对象(如衬衫裙)、换色需求(如目标颜色，该目标颜色可以由包含除淡蓝色之外的其他颜色(如暗红色)衬衫裙的平铺图)。然后商家用户点击“换色”控件，便能得到模特穿着如暗红色衬衫裙的模特图像。因为在生成该换色后的模特图像过程时，确定原模特图像所需进行换色的衬衫裙对应的区域(以下简称服饰区域)时，是综合利用多个分割模型对原模特图像中的所有对象进行分割得到的多个分割区域来确定的，这提高了服饰区域的准确性，能够保证仅对服饰区域进行换色处理，而不会对其他非换色区域产生影响。在执行换色过程中，是利用颜色迁移模型完成的，保证了衬衫裙换色后能高度还原衬衫裙的结构纹理、亮度、阴影等的还原，能达到以假乱真效果，且整个换色过程自动完成、无需商家干预。若商家用户不只是想要将该换色后的图像在电商平台进行推广，还想要制作成进一步地制作成视频等进行线上推广，由于该换色后的图像具有较好的换色效果，可以用于为视频增加动态效果。
[0168]
实际上，基于本发明各实施例提供的技术方案，还可为商家提供批量处理服饰换色的服务。比如，当季新品某一服饰x具有4中颜色，即颜色1、颜色2、颜色3、颜色4；对于该服饰x，拍摄有模特穿着颜色1服饰x的模特图像，则针对该服饰x的其他三种颜色，即颜色2、颜色3、颜色4，可以拍摄成相应的平铺图；之后，将模特图像、模特图像中所需换色的服饰x的标识，以及三个分别包含颜色2服饰x、颜色3服饰x及颜色3服饰x的平铺图，一次性上传，然后点击“批量处理”控件，客户端设备的后端或服务端设备便依次针对模特图、模特图像中的服饰x与三个平铺图进行处理，即可得到模特分别穿着颜色2、颜色3及颜色4这三种颜色的服饰x的模特图像，这样用户就不需要进行多次输入操作，简化了操作，提高了效率。
[0169]
可见，本发明各实施例提供的技术方案，节省了服饰展示的拍摄成本，更快的适应服饰颜色不同的变化，可以实时的根据颜色变化，更换展示效果。
[0170]
上面仅结合了模特换装场景进行了说明，本发明实施例提供的技术方案也可应用在其他场景，以为不同需求类型的用户使用，本文不一一例举。
[0171]
图8示出了本发明一实施例提供的图像处理装置的结构示意图。如图8所示，所述装置包括：确定模块51、处理模块52及显示模块53。其中，确定模块51，用于确定目标图像、所述目标图像中的换色对象及换色需求；处理模块52，用于利用分割对象不同的多个分割模型，分别对所述目标图像进行处理，得到多个分割区域；确定模块51，还用于根据所述多个分割区域，确定所述目标图像中所述换色对象对应的目标区域；处理模块52，还用于基于所述换色需求，对所述目标区域进行换色处理；显示模块53，用于显示换色后的所述目标图像。
[0172]
进一步地，上述多个分割模型包括第一分割模型及至少一个第二分割模型；所述多个分割区域包括：通过所述第一分割模型对所述目标图像处理后得到的所述换色对象对应的第一分割区域；通过所述第二分割模型对所述目标图像处理后得到的非换色对象对应的第二分割区域；相应地，
[0173]
上述确定模块51，在用于“根据所述多个分割区域，确定所述目标图像中的目标区域”时，具体用于：确定所述第一分割区域与所述第二分割区域是否存在部分重叠；存在时，根据所述第二分割区域的区域边界，对所述第一分割区域的区域边界进行边界处理；将边界处理后的所述第一分割区域作为所述目标区域。
[0174]
进一步地，本实施例提供的所述方法还包括：获取模块，用于获取所述第一分割模型及所述第二分割模型分别对应的权重；触发模块，用于在所述第一分割模型的权重小于所述第二分割模型的权重时，触发根据所述第二分割区域的区域边界对所述第一分割区域的区域边界进行边界处理的操作。
[0175]
进一步地，上述换色需求包括目标颜色；相应地，上述处理模块52，在用于基于所述换色需求，对所述目标区域进行换色处理时，具体用于：获取颜色迁移模型；将所述目标颜色、所述目标图像、所述目标区域的区域信息输入所述颜色迁移模型，执行所述颜色迁移模型，输出所述目标区域换为所述目标颜色后的所述目标图像。
[0176]
进一步地，上述换色需求还包括目标材质纹理；相应地，处理模块，在用于基于所述换色需求，对所述目标区域进行换色处理时，还具体用于：将所述目标图像中的所述目标区域的材质纹理替换为所述目标材质纹理。
[0177]
进一步地，本实施例提供的所述方法还包括：识别模型，用于对所述目标图像进行
识别；上述确定模块51，还用于根据图像识别结果，确定适于分割所述目标图像中不同对象的多个分割模型。
[0178]
进一步地，上述显示模块53，还用于显示换色服务界面；上述获取模块还用于响应于用户通过所述换色服务界面的输入操作，获取用户输入的所述目标图像、所述目标图像中的换色对象及换色需求。
[0179]
这里需要说明的是：上述实施例提供的图像处理装置可实现上述各方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述各方法实施例中的相应内容，此处不再赘述。
[0180]
本发明另一实施例提供的图像处理装置，其结构如图9所示。所述图像处理装置包括：获取模块61、处理模块62、确定模块63、换色模块64及显示模块65。其中，所述获取模块61，用于响应于用户的操作，获取含有展示物的目标图像及展示物的目标花色；所述处理模块62，用于利用分割对象不同的多个分割模型，分别对所述目标图像进行处理，得到多个分割区域；所述确定模块63，用于根据所述多个分割区域，确定所述目标图像中所述展示物对应的目标区域；所述换色模块64，用于按照目标花色，对所述目标区域进行换色操作；所述显示模块65，用于显示换色后的所述目标图像。
[0181]
这里需要说明的是：上述实施例提供的图像处理装置可实现上述各方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述各方法实施例中的相应内容，此处不再赘述。
[0182]
本发明又一实施例提供的用于图像处理装置的结构示意图。其结构如图10所示。所述图像处理装置包括：获取模块71、分割模块72、确定模块73、换色模块74及显示模块75。其中，所述获取模块71，用于响应于用户的操作，获取服饰展示图像及服饰换色需求；所述分割模块72，用于利用第一分割模型，分割出所述服饰展示图像中服饰对应区域，得到第一分割区域；以及还用于利用至少一个第二分割模型，分割出所述服饰展示图像中除所述服饰外的至少一个对象对应的区域，得到至少一个第二分割区域；所述确定模块73，用于根据所述至少一个第二分割区域，确定所述第一分割区域的区域边界，得到目标区域；所述换色模块74，用于基于所述服饰换色需求，对所述目标区域进行换色处理；所述显示模块75，用于显示换色后的所述服饰展示图像。
[0183]
进一步地，上述服饰展示图像为模特服饰展示图像；相应地，上述分割模块72，在用于利用至少一个第二分割模型，分割出所述服饰展示图像中除所述服饰外的至少一个对象对应的区域，得到至少一个第二分割区域时，具体用于：利用至少一个第二分割模型，分割出所述服饰展示图像中除所述服饰外的至少一个对象对应的区域，得到至少一个第二分割区域，包括如下中的至少一项：利用人体分割模型，分割出所述模特服饰展示图像中人体对应的区域，得到第二分割区域；利用皮肤分割模型，分割出所述模特服饰展示图像中皮肤对应的区域，得到第三分割区域；利用头发分割模型，分割出所述模特服饰展示图像中头发对应的区域，得到第四分割区域。
[0184]
进一步地，上述确定模块73，在用于根据所述至少一个第二分割区域，确定所述第一分割区域的区域边界，得到目标区域时，具体用于：若所述第二分割区域与所述第一分割区域的区域边界部分重叠，则按照所述第二分割区域，对所述第一分割区域的区域边界进行边界处理；若所述第三分割区域与所述第一分割区域的区域边界部分重叠，则按照所述
第三分割区域，对所述第一分割区域的区域边界进行边界处理；若所述第四分割区域与所述第一分割区域的区域边界部分重叠，则按照所述第四分割区域，对所述第一分割区域的区域边界进行边界处理；将边界处理后的所述第一分割区域作为所述目标区域。
[0185]
这里需要说明的是：上述实施例提供的图像处理装置可实现上述各方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述各方法实施例中的相应内容，此处不再赘述。
[0186]
图11示出了本发明一实施例提供的电子设备的原理性结构示意图。所述电子设备包括处理器81及存储器83。其中，所述存储器83用于存储一条或多条计算机指令；所述处理器81，与所述存储器83耦合，用于所述至少一条或多条计算机指令(如实现数据存储逻辑的计算机指令)，以用于实现：
[0187]
确定目标图像、所述目标图像中的换色对象及换色需求；
[0188]
利用分割对象不同的多个分割模型，分别对所述目标图像进行处理，得到多个分割区域；
[0189]
根据所述多个分割区域，确定所述目标图像中所述换色对象对应的目标区域；
[0190]
基于所述换色需求，对所述目标区域进行换色处理；
[0191]
显示换色后的所述目标图像。
[0192]
这里需要说明的是：所述处理器除可实现上述各步骤外，还可实现上述数据处理方法实施例中提供的其他方法步骤，具体可参见上述实施例中详述内容，此处不作赘述。存储器33可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0193]
进一步，如图11所示，电子设备还包括：通信组件85、电源组件82及显示器84等其它组件。图11中仅示意性给出部分组件，并不意味着电子设备只包括图11所示组件。
[0194]
本发明另一实施例提供了一种电子设备，其原理性结构图如上述图11所示。具体的，所述电子设备包括处理器及存储器。其中，所述存储器用于存储一条或多条计算机指令；所述处理器，与所述存储器耦合，用于执行所述至少一条或多条计算机指令，以用于实现：
[0195]
响应于用户的操作，获取含有展示物的目标图像及展示物的目标花色；
[0196]
利用分割对象不同的多个分割模型，分别对所述目标图像进行处理，得到多个分割区域；
[0197]
根据所述多个分割区域，确定所述目标图像中所述展示物对应的目标区域；
[0198]
按照目标花色，对所述目标区域进行换色操作；
[0199]
显示换色后的所述目标图像。
[0200]
这里需要说明的是：所述处理器除可实现上述各步骤外，还可实现上述图像处理方法实施例中提供的其他方法步骤，具体可参见上述实施例中详述内容，此处不作赘述。
[0201]
本发明还一实施例提供了一种电子设备，其原理性结构图如上述图11所示。具体的，所述电子设备包括处理器及存储器。其中，所述存储器用于存储一条或多条计算机指令；所述处理器，与所述存储器耦合，用于执行所述至少一条或多条计算机指令，以用于实
现：
[0202]
响应于用户的操作，获取服饰展示图像及服饰换色需求；
[0203]
利用第一分割模型，分割出所述服饰展示图像中服饰对应区域，得到第一分割区域；
[0204]
利用至少一个第二分割模型，分割出所述服饰展示图像中除所述服饰外的至少一个对象对应的区域，得到至少一个第二分割区域；
[0205]
根据所述至少一个第二分割区域，确定所述第一分割区域的区域边界，得到目标区域；
[0206]
基于所述服饰换色需求，对所述目标区域进行换色处理；
[0207]
显示换色后的所述服饰展示图像。
[0208]
这里需要说明的是：所述处理器除可实现上述各步骤外，还可实现上述数据处理方法实施例中提供的其他方法步骤，具体可参见上述实施例中详述内容，此处不作赘述。
[0209]
本发明还有一实施例提供一种计算机程序产品(说明书附图中无相应附图示出)。该计算机程序产品包括计算机程序或指令，当所述计算机程序或指令被处理器执行时，致使所述处理器能够实现上述各方法实施例中的步骤。
[0210]
相应地，本发明实施例还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被计算机执行时能够实现上述各实施例提供的方法步骤或功能。
[0211]
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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0212]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0213]
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；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精神和范围。