特效展示方法、装置、电子设备及存储介质与流程

1.本公开实施例涉及图像处理技术，尤其涉及一种特效展示方法、装置、电子设备及存储介质。


背景技术：

2.目前，用户若想更换图像中的发型，通常只能在后期使用图像处理软件去处理。需要手动将拍摄的图像导入至软件中，并在软件中将输入图像与各个发型模板图进行匹配，手动调整输入图像以使输入图像与发型模板图贴合，进而实现图像发型更换。
3.然而，这种手动后处理的方式需要专业用户不断与处理软件进行交互，效率较低，对用户的专业性也有要求，操作步骤复杂，使用不便，而且，一旦图像或视频发生变化时，需要重新手动处理，发型更换速度相对滞后，影响用户体验。


技术实现要素：

4.本公开提供一种特效展示方法、装置、电子设备及存储介质，以实现对图像中的发型的自动更换，提高对图像中的发型更换效率，解决了现有技术中更换图像发型操作复杂以及效率低下的技术问题。
5.第一方面，本公开实施例提供了一种特效展示方法，包括：
6.接收针对发型变换特效的特效触发操作，展示图像展示区域，并于所述图像展示区域内展示包含发型信息的待变换图像；
7.当检测到达到预设的变换效果展示条件时，于所述图像展示区域内展示与所述待变换图像对应的发型变换图像；
8.其中，所述待变换图像中的发型信息与所述发型变换图像中的发型信息至少部分不同。
9.第二方面，本公开实施例还提供了一种特效展示装置，包括：
10.第一展示模块，用于接收针对发型变换特效的特效触发操作，展示图像展示区域，并于所述图像展示区域内展示包含发型信息的待变换图像；
11.第二展示模块，用于当检测到达到预设的变换效果展示条件时，于所述图像展示区域内展示与所述待变换图像对应的发型变换图像；
12.其中，所述待变换图像中的发型信息与所述发型变换图像中的发型信息至少部分不同。
13.第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
14.一个或多个处理器；
15.存储装置，用于存储一个或多个程序，
16.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开任一实施例提供的特效展示方法。
17.第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述
是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
37.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
38.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
39.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
40.可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
41.例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
42.作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
43.可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。
44.可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
45.图1为本公开实施例所提供的一种特效展示方法的流程示意图，本公开实施例适用于响应于用户的特效触发操作，生成并展示与待变换图像对应的发型变换图像，以将待变换图像中的发型信息变换为其它发型信息的情况，该方法可以由特效展示方法装置来执行，该装置可以通过软件和/或硬件的形式实现，可选的，通过电子设备来实现，该电子设备可以是移动终端、pc端或服务器等。
46.如图1所示，所述方法包括：
47.s110、接收针对发型变换特效的特效触发操作，展示图像展示区域，并于图像展示区域内展示包含发型信息的待变换图像。
48.其中，发型变换特效可以是用于将图像中的发型进行变换并生成包含变换后的发型的图像。示例性的，发型变换特效可以包括发型长度变换特效、发型弯曲度变换特效、发型颜色变换特效以及发型透明度变换特效中的至少一种。发型信息可包括所述待变换图像中的头发区域或毛发区域中的至少部分像素点的显示信息。
49.具体的，用户可以通过触发终端设备的可视化界面上的发型变换控件，生成用于展示发型变换特效的特效触发操作。例如，在检测到用户单击可视化界面上的发型变换按钮时，确定接收到针对发型变换特效的特效触发操作；或者，在检测到用户上传包含发型信
息的图像时，确定接收到针对发型变换特效的特效触发操作；或者，在检测到用户双击可视化界面上展示的图像的发型部位时，确定接收到针对发型变换特效的特效触发操作；或者，在检测到用户点击某一预设发型时，确定接收到针对发型变换特效的特效触发操作，等。
50.具体的，在检测到特效触发操作后，可以在可视化界面上显示图像展示区域。其中，图像展示区域可以是可视化界面上的全局区域或局部区域。具体的，可以在检测到特效触发操作后，在可视化界面上显示拍摄图像控件和图像选择控件，若检测到用户触发拍摄图像控件，则调用摄像头模组，以启动相机拍摄待变换图像；若检测到用户触发图像选择控件，则调用本地内存中的历史图像或视频，以便于用户选取待变换图像。或者，也可以在检测到特效触发操作后，获取用户的直播显示画面，将直播显示画面作为待变换图像。
51.当然，还可以在获取到用户拍摄、选择或直播界面中的待变换图像后，检测待变换图像中是否存在发型信息，若否，则在可视化界面上展示提示信息，以使用户重新确定待变换图像，直至待变换图像中存在发型信息。
52.进一步的，在图像展示区域内展示包含发型信息的待变换图像。其中，待变换图像可以是需要进行发型变换的图像，待变换图像中的发型信息可以理解为初始发型信息。可选的，待变换图像可以是用户拍摄的图像、录制的视频中的图像帧或直播显示画面。
53.s120、当检测到达到预设的变换效果展示条件时，于图像展示区域内展示与待变换图像对应的发型变换图像。
54.其中，待变换图像中的发型信息与发型变换图像中的发型信息至少部分不同。示例性的，待变换图像中的头发区域或毛发区域的像素点显示信息，与发型变换图像中的头发区域或毛发区域的像素点显示信息均不相同；或者，待变换图像中的头发区域或毛发区域的像素点显示信息，与发型变换图像中的头发区域或毛发区域的像素点显示信息之间，存在部分相同像素点显示信息以及部分不同像素点显示信息。
55.发型变换图像中的发型信息可以理解为目标发型信息。在本公开实施例中，可以在检测到特效触发操作时，确定用户需要变换的目标发型，进而根据目标发型以及待变换图像，生成与待变换图像对应的发型变换图像。
56.其中，确定用户需要变换的目标发型，可以是：根据特效触发操作确定目标发型，如将用户点击或选取的预设发型确定为目标发型；或者，根据用户的历史发型更换记录，确定目标发型，如将用户更换次数最多的预设发型确定为目标发型；或者，根据待变换图像中的发型信息以及预设发型变换映射表，确定与待变换图像对应的目标发型，其中，预设发型映射表包括各初始发型以及各初始发型对应的变换发型。
57.示例性的，根据目标发型以及待变换图像，生成与待变换图像对应的发型变换图像，可以是：根据目标发型对应的模板图像以及待变换图像，生成与待变换图像对应的发型变换图像；或者，获取目标发型对应的预先训练的发型变换模型，将待变换图像输入至该发型变换模型，得到与待变换图像对应的发型变换图像。
58.具体的，本公开实施例可以在检测到达到预设的变换效果展示条件时，在图像展示区域内展示将待变换图像中的发型信息进行变换后的发型变换图像。
59.其中，预设的变换效果展示条件可以是发型变换图像已生成，或者，在展示待变换图像后经过预设时长，或者，用户触发变换效果展示操作，等。即，可以在检测到发型变换图像已生成，或，在展示待变换图像后经过预设时长，或，接收到变换效果展示操作时，展示与
待变换图像对应的发型变换图像。
60.可选的，在将待变换图像与发型变换图像于图像展示区域内进行对照展示，或者，将图像展示区域内展示的待变换图像替换为发型变换图像。
61.本公开实施例的技术方案，通过接收针对发型变换特效的特效触发操作，展示图像展示区域，并在该图像展示区域内显示包含发型信息的待变换图像，进而在检测到达到预设的变换效果展示条件时，在图像展示区域内展示与待变换图像对应的发型变换图像，以展示与待变换图像中的发型信息至少部分不同的发型变换图像，实现了对图像中的发型的自动更换，该方法可以响应于用户的特效触发操作实时更换图像中的发型，无需用户后续手动操作，提高了对图像中的发型的更换效率以及实时性，解决了现有技术中更换图像发型操作复杂以及效率低下的技术问题，并且，不受限于专业用户，具有普适性，操作简单，提升了用户体验。
62.图2为本公开实施例所提供的一种特效展示方法的流程示意图，本公开实施例在上述各实施例的基础上，对生成与待处理图像对应的发型变换图像的过程进行了示例性说明。参见图2，该特效展示方法包括：
63.s210、接收针对发型变换特效的特效触发操作，展示图像展示区域，并于图像展示区域内展示包含发型信息的待变换图像。
64.s220、根据待变换图像确定待处理图像以及与待处理图像对应的头发掩膜图像。
65.其中，待处理图像可以是待变换图像经过预处理后的图像。头发掩膜图像可以是待处理图像的头发mask图像。具体的，本公开实施例可以先对待变换图像进行预处理，得到待处理图像，进一步的，对待处理图像进行处理，得到与待处理图像对应的头发掩膜图像。
66.示例性的，根据待变换图像确定待处理图像以及与待处理图像对应的头发掩膜图像，包括：对待变换图像进行图像预处理，得到与待变换图像对应的待处理图像，其中，图像预处理包括面部对齐处理、尺寸变换处理以及锐化处理中的至少一项；基于预设的头发分割算法对待处理图像进行处理得到与待处理图像对应的头发掩膜图像。
67.具体的，对待变换图像进行面部对齐处理，可以是将待变换图像中的面部区域与预设模板图像中的面部区域进行对齐，其中，预设模板图像中的面部区域可以为预设模板图像的中间区域。如，可以通过对待变换图像进行旋转、缩放、平移等操作，实现待变换图像中的面部区域与预设模板图像中的面部区域的对齐。
68.对待变换图像进行尺寸变换处理，可以是通过缩放和/或裁剪，将待变换图像的尺寸变换为预设尺寸，如，将待变换图像的尺寸变换为512*512。对待变换图像进行锐化处理，可以是将增强待变换图像中的边缘部分，对待变换图像中的高频部分进行补偿，以使待变换图像的画质更清晰。
69.需要说明的是，对待变换图像进行面部对齐处理的目的在于：将待变换图像的面部移动至中间位置，便于进行后续的发型变换处理，同时，也可以提高处理后的图像精度。对待变换图像进行尺寸变换处理的目的在于：将待变换图像调整为预设尺寸，便于进行后续的发型变换处理。对待变换图像进行锐化处理的目的在于：增加待变换图像中的边缘部分，以提高处理后的图像精度。
70.可选的，可以先对待变换图像进行面部对齐处理，然后，对面部对齐处理后的待变换图像进行尺寸变换处理，进一步的，对尺寸变换处理后的待变换图像进行锐化处理，得到
待处理图像。
71.进一步的，在得到待处理图像后，可以通过预设的头发分割算法对待处理图像进行分割处理，以得到待处理图像中的头发区域，进而根据分割出的头发区域确定与待处理图像对应的头发掩膜图像。可选的，预设的头发分割算法可以是图像边缘分割算法、图像阈值分割算法、基于区域的分割算法或语义分割算法等。
72.在该示例性的实施方式中，通过对待变换图像进行面部对齐处理、尺寸变换处理以及锐化处理中的至少一项，得到与待变换图像对应的待处理图像，进而根据头发分割算法确定待处理图像对应的头发掩膜图像，实现了待处理图像与头发掩膜图像的准确确定，通过对待处理图像进行预处理，便于后续可以直接根据待处理图像确定发型变换图像，提高发型变换图像的清晰度和生成效率，并且，通过确定头发的掩膜图像，以便于后续根据头发的掩膜图像生成发型变换图像，进一步的提高了生成发型变换图像的效率。
73.s230、根据待处理图像、头发掩膜图像以及预先训练完成的发型变换模型，对待变换图像中的发型信息进行变换，得到与待变换图像对应的模型变换图像。
74.其中，发型变换模型可以是预先训练好的深度学习模型或神经网络模型。示例性的，发型变换模型可以是生成式对抗网络模型、卷积神经网络模型、深度交叉模型、注意因子分解机模型或深度强化学习网络等。具体的，发型变换模型用于对输入的图像中的发型信息进行变换，并输出发型信息变换后的图像。
75.可选的，可以预先构建一个发型变换网络，采用预先构建的样本集对发型变换网络进行训练，根据发型变换网络输出的预测图像以及样本集中的标签图像，计算损失函数，并根据损失函数的计算结果对发型变换网络中的参数进行反向调整，直至满足迭代停止条件，得到发型变换模型。在训练发型变换模型的过程中，可以采用无监督或有监督的方式训练发行变换模型，本公开实施例对此不进行限定。
76.具体的，训练完成的发型变换模型，可以根据输入的待处理图像和头发掩膜图像，输出与该待变换图像对应的模型变换图像。其中，模型变换图像可以是发型变换模型输出的对待变换图像中的发型信息进行变换后的图像。
77.示例性的，发型变换模型可以包括两个输入端，第一输入端的输入为待处理图像，第二输入端的输入为头发掩膜图像，待处理图像和头发掩膜图像经过发型变换模型的图像处理层后，可以提取待处理图像和头发掩膜图像的相关特征，经过图像输出层后，可以输出与该待变换图像对应的模型变换图像。又或者，发型变换模型可以包括一个输入端，将待处理图像和头发掩膜图像进行拼接或融合后，将拼接或融合的结果输入至发型变换模型，得到发型变换模型输出的模型变换图像。其中，将待处理图像和头发掩膜图像进行拼接，可以是将待处理图像和头发掩膜图像的通道进行拼接；如，待处理图像为3通道的rgb(red green blue，红绿蓝)图像，头发掩膜图像为1通道的灰度图像，则拼接后可以得到一个4通道的图像。
78.s240、根据模型变换图像和预先训练完成的区域修复模型，确定与待处理图像对应的发型变换图像。
79.其中，区域修复模型用于对所述模型变换图像中的至少一个感兴趣区域进行修复。在本公开实施例中，所述感兴趣区域可以为位于模型变换图像的头发区域的周围区域。示例性地，所述感兴趣区域包括面部区域、服饰区域以及图像背景区域等区域中的至少一
个。
80.示例性的，区域修复模型可以包括背景修复模型，具体的，考虑到在对待变换图像进行发型变换的过程中，如卷发变直发，可能会丢失被卷发所遮挡的背景信息，因此，在本公开实施例中，可以预先训练一个用于修复图像中的背景信息的背景修复模型，以对发型变换模型输出的模型变换图像进行背景修复，得到发型变换模型。
81.或者，区域修复模型可以包括服饰修复模型，具体的，考虑到在对待变换图像进行发型变换的过程中，如长发变短发，可能会丢失被长发所遮挡的服饰部分的细节，因此，在本公开实施例中，可以预先训练一个用于修复图像中的服饰细节的服饰修复模型，以对发型变换模型输出的模型变换图像进行服饰修复，得到发型变换图像。
82.在本公开实施例中，服饰修复模型可以是深度学习模型或神经网络模型。示例性的，服饰修复模型可以是生成式对抗网络模型、卷积神经网络模型或深度强化学习网络等。示例性的，可以预先构建一个服饰修复网络，采用预先构建的样本集对服饰修复网络进行训练，根据服饰修复网络输出的预测图像以及样本集中的标签图像，计算损失函数，并根据损失函数的计算结果对服饰修复网络中的参数进行反向调整，直至满足迭代停止条件，得到服饰修复模型。
83.具体的，训练完成的服饰修复模型，可以根据输入的模型变换图像，输出与该模型变换图像对应的发型变换图像。示例性的，服饰修复模型可以检测输入的模型变换图像中的服饰区域，并检测服饰区域中的模糊区域，对模糊区域进行修补处理，得到发型变换图像。其中，服饰区域中的模糊区域可以是待处理图像中的发型信息和模型变换图像中的发型信息之间的发型信息差所覆盖区域。例如，对模糊区域进行修补处理，可以是：针对模糊区域中的每一个像素点，可以根据像素点邻近区域内的其它像素点的取值更新该像素点的取值。
84.在本公开实施例中，考虑到在通过发型变换模型输出模型变换图像之前，通过对待变换图像进行了面部对象、尺寸变换或锐化等预处理，得到了待处理图像，因此，还可以在得到模型变换图像之后，在输入至区域修复模型之前，对模型变换图像进行后处理，以使模型变换图像与待变换图像的面部位置、图像方向或尺寸等信息保持一致。
85.例如，在根据模型变换图像和预先训练完成的区域修复模型，确定与待处理图像对应的发型变换图像之前，还包括：根据待变换图像对模型变换图像进行调整，以使模型变换图像与待变换图像的面部对齐。其中，对模型变换图像进行调整包括平移、旋转或缩放模型变换图像。
86.具体的，可以通过调整模型变换图像的方向或尺寸，使得模型变换图像中的面部区域与待变换图像中的面部区域对齐。示例性的，可以根据待变换图像中的面部区域设置多个锚点，如根据眉毛、眼睛、鼻梁等区域设置锚点，并确定在模型变换图像中与各锚点对应的参考点，将锚点与锚点对应的参考点进行空间位置对准，进而实现模型变换图像与待变换图像的面部对齐。
87.通过该方式，可以在得到发型变换模型输出的发型变换的模型变换图像后，根据待变换图像对模型变换图像进行调整，使得模型变换图像与待变换图像的面部对齐，进而使得发型变换图像与待变换图像的面部位置、图像方向、图像大小等信息保持一致，便于后续对发型变换图像的展示，如，若直接在待变换图像的展示位置展示与待变换图像的面部
位置、图像方向、图像大小一致的发型变换图像，提高用户体验。
88.s250、当检测到达到预设的变换效果展示条件时，于图像展示区域内展示与待变换图像对应的发型变换图像。
89.本公开实施例的技术方案，通过待变换图像确定待处理图像以及与待处理图像对应的头发掩膜图像，进而根据待处理图像、头发掩膜图像以及发型变换模型，得到模型变换图像，根据模型变换图像和区域修复模型，得到发型变换图像，实现了对待处理图像的发型变换以及区域修复，在提高针对图像中的发型信息的变换效率的同时，避免了由于变换图像中的发型信息所造成的丢失图像中的某一区域细节的情形，进一步的提高了用户体验。
90.图3为本公开实施例所提供的一种特效展示方法的流程示意图，本公开实施例在上述各实施例的基础上，对根据发型变换模型生成与待变换图像对应的模型变换图像的过程进行了补充说明。参见图3，该特效展示方法包括：
91.s310、接收针对发型变换特效的特效触发操作，展示图像展示区域，并于图像展示区域内展示包含发型信息的待变换图像。
92.s320、根据待变换图像确定待处理图像以及与待处理图像对应的头发掩膜图像。
93.s330、将待处理图像和头发掩膜图像进行图像拼接，得到目标输入图像，将目标输入图像输入至预先训练完成的发型变换模型中，经由发型变换模型的发型变换层，得到与待变换图像对应的初始变换图像。
94.其中，发型变换模型包括发型变换层和与发型变换层连接的图像输出层，图像输出层基于注意力机制构建。
95.具体的，待处理图像和头发掩膜图像进行图像拼接，可以是将待处理图像的通道与头发掩膜图像的通道拼接，如待处理图像为3通道的rgb图像，头发掩膜图像为1通道的灰度图像，则拼接后的目标输入图像为4通道的图像。
96.进一步的，将目标输入图像输入至发型变换模型后，发型变换模型根据发型变换层对目标输入图像进行处理，并输出初始变换图像。其中，初始变换图像可以是对待处理图像中的发型信息进行变换的初始图像。具体的，初始变换图像包括红通道、绿通道、蓝通道和透明通道，即初始变换图像为4通道的图像。初始变换图像中的红通道、绿通道和蓝通道，可以构成第一图像，初始变换图像中的透明通道，可以构成第二图像。
97.s340、经由发型变换模型的图像输出层对初始变换图像进行处理，得到待变换图像中的发型信息变换后的模型变换图像。
98.在得到初始变换图像后，进一步的，图像输出层可以对初始变换图像进行处理，得到模型变换图像。示例性的，图像输出层可以直接输出初始变换图像，作为模型变换图像，或者，图像输出层还可以基于注意力机制，确定初始变换图像中的感兴趣区域，对感兴趣区域进行增强处理，基于增强处理的结果输出模型变换图像。
99.在一种可选的实施方式中，经由发型变换模型的图像输出层对初始变换图像进行处理，得到待变换图像中的发型信息变换后的模型变换图像，可以是：通过发型变换模型的图像输出层，将目标输入图像、由初始变换图像中的红通道、绿通道和蓝通道构成的第一图像以及由透明通道构成的第二图像进行图像融合，得到待变换图像中的发型信息变换后的模型变换图像。
100.即，图像输出层可以将目标输入图像、第一图像以及第二图像进行图像融合，将融
合的结果输出，作为模型变换图像。示例性的，图像输出层在融合目标输入图像、第一图像以及第二图像的过程中，可以将目标输入图像、第一图像以及第二图像中的全部图像信息进行融合；或者，图像输出层还可以基于注意力机制，分别在目标输入图像、第一图像以及第二图像中选取部分图像信息作为感兴趣区域，基于将各感兴趣区域进行融合，如，在目标输入图像中选取处头部或发型以外的图像区域，在第一图像和第二图像中选取头部或发型对应的图像区域。
101.在该可选的实施方式中，通过发型变换模型中的图像输出层，根据发型变换层输出的初始变换图像中的第一图像和第二图像，与目标输入图像一并进行图像融合，得到模型变换图像，实现了基于注意力机制的模型变换图像的生成，使得后续确定的发型变换图像满足注意力机制，提高了发型变换图像的视觉效果，进一步的提高了用户体验。
102.s350、根据模型变换图像和预先训练完成的区域修复模型，确定与待处理图像对应的发型变换图像，当检测到达到预设的变换效果展示条件时，于图像展示区域内展示与待变换图像对应的发型变换图像。
103.本公开实施例的技术方案，将待处理图像和头发掩膜图像进行图像拼接，得到目标输入图像，将目标输入图像输入至发型变换模型中，通过发型变换模型的发型变换层，得到由红通道、绿通道、蓝通道和透明通道构成的初始变换图像，进而通过发型变换模型的基于注意力机制构建的图像输出层，对初始变换图像进行处理，得到符合注意力机制的模型变换图像，进而使得后续确定的发型变换图像满足注意力机制，提高了发型变换图像的视觉效果，进一步的提高了用户体验。
104.图4为本公开实施例所提供的一种特效展示方法的流程示意图，本公开实施例在上述各实施例的基础上，对将目标输入图像、第一图像以及第二图像进行融合的过程进行了示例性说明。参见图4，该特效展示方法包括：
105.s410、接收针对发型变换特效的特效触发操作，展示图像展示区域，并于图像展示区域内展示包含发型信息的待变换图像。
106.s420、根据待变换图像确定待处理图像以及与待处理图像对应的头发掩膜图像，将待处理图像和头发掩膜图像进行图像拼接，得到目标输入图像。
107.s430、将目标输入图像输入至预先训练完成的发型变换模型中，经由发型变换模型的发型变换层，得到与待变换图像对应的初始变换图像。
108.s440、通过发型变换模型的图像输出层，获取由目标输入图像中的红通道、绿通道和蓝通道构成的原始彩色图像，确定原始彩色图像的灰度图像。
109.其中，目标输入图像中的红通道、绿通道和蓝通道构成的原始彩色图像，可以是待处理图像。具体的，图像输出层可以根据目标输入图像中的红通道、绿通道和蓝通道，确定待处理图像，即原始彩色图像，并对原始彩色图像进行二值化处理，得到原始彩色图像的灰度图像。
110.s450、基于预设导向滤波算法对灰度图像以及由透明通道构成的第二图像进行滤波处理，得到目标透明图像。
111.其中，预设导向滤波算法可以用于对第二图像进行保边平滑，即提取第二图像的边缘细节，保留第二图像的边缘区域的细节，并平滑边缘内外区域。
112.具体的，通过预设导向滤波算法对灰度图像以及由透明通道构成的第二图像进行
滤波处理，得到目标透明图像，可以是：通过预设导向滤波算法，将灰度图像作为引导图，对第二图像进行滤波处理，得到目标透明图像。
113.基于此方式得到的目标透明图像，大体上与第二图像相似，但纹理部分与灰度图像相似，使得目标透明图像中保持了灰度图像的边缘性，进而使得根据该目标透明图像得到的模型变换图像，保留更多的边缘细节，进一步的提高了发型变换图像的图像精度。
114.s460、将原始彩色图像、由初始变换图像中的红通道、绿通道和蓝通道构成的第一图像以及目标透明图像进行图像融合，得到待变换图像中的发型信息变换后的模型变换图像。
115.具体的，本公开实施例将原始彩色图像、第一图像以及目标透明图像进行图像融合，将融合后的图像作为模板变换图像。示例性的，可以基于注意力机制分别从原始彩色图像、第一图像以及目标透明图像中选择感兴趣区域，将选取的各个感兴趣区域进行融合，得到模型变换图像；其中，各感兴趣区域可以是相互不重叠的区域，也可以是相互重叠的区域。如，可以从原始彩色图像中选择背景区域作为感兴趣区域，在第一图像中选择除背景区域之外的区域作为感兴趣区域。当然，也可以直接将原始彩色图像、第一图像以及目标透明图像进行图像融合。
116.在一种可选的实施方式中，将原始彩色图像、由初始变换图像中的红通道、绿通道和蓝通道构成的第一图像以及目标透明图像进行图像融合，得到待变换图像中的发型信息变换后的模型变换图像，可以是：将由初始变换图像中的红通道、绿通道和蓝通道构成的第一图像和目标透明图像相乘，得到模型变换图像的前景图像；根据原始彩色图像和目标透明图像确定模型变换图像的背景图像；将前景图像和背景图像相加，得到待变换图像中的发型信息变换后的模型变换图像。
117.具体的，可以将目标透明图像作为第一图像对应的前景掩膜图像，将第一图像与目标透明图像相乘，得到包含人物的前景图像。可以根据目标透明图像确定原始彩色图像对应的背景掩膜图像，将原始彩色图像与背景掩膜图像相乘，得到包含除人物之外的其它信息的背景图像。进一步的，将前景图像和背景图像融合，得到模型变换图像。
118.在该可选的实施方式中，通过第一图像和目标透明图像得到前景图像，通过原始彩色图像和目标透明图像得到背景图像，进而根据前景图像和背景图像构建模型变换图像，实现了基于注意力机制的模型变换图像的确定，提高了模型变换图像的精度，进而提高了发型变换图像的精度。
119.示例性的，根据原始彩色图像和目标透明图像确定模型变换图像的背景图像，包括：根据预设透明度值和目标透明图像的透明度值确定第三图像；将原始彩色图像与第三图像进行乘积运算，得到模型变换图像的背景图像。
120.其中，预设透明度值可以是预先设置的透明度阈值。例如，若目标透明图像的透明度值是经过归一化后的数值，则预设透明度值可以为1，若目标透明图像的透明度值未经过归一化处理，则预设透明度值可以是255。具体的，根据预设透明度值和目标透明图像的透明度值确定第三图像，可以是：根据预设透明度值构建参考图像，其中，参考图像中每个像素点的透明度值均为预设透明度值，将参考图像与目标透明图像相减，基于相减的结果确定第三图像。
121.进一步的，在得到第三图像后，即原始彩色图像对应的背景掩膜图像后，可以将原
始彩色图像与第三图像相乘，将相乘的结果作为背景图像。
122.在该示例性的实施方式中，通过预设透明度值和目标透明图像的透明度值确定第三图像，实现了原始彩色图像对应的背景掩膜图像的确定，进而通过原始彩色图像与第三图像得到背景图像，实现了基于注意力机制的背景提取，进而提高了模型变换图像的精度，提高了用户体验。
123.s470、根据模型变换图像和预先训练完成的区域修复模型，确定与待处理图像对应的发型变换图像，当检测到达到预设的变换效果展示条件时，于图像展示区域内展示与待变换图像对应的发型变换图像。
124.本公开实施例的技术方案，通过获取目标输入图像中红通道、绿通道和蓝通道构成的原始彩色图像，确定原始彩色图像的灰度图像，进而根据预设导向滤波算法，对灰度图像和第二图像进行滤波处理，得到目标透明图像，将原始彩色图像、第一图像和目标透明图像进行融合，得到模型变换图像，实现了基于注意力机制的模型变换图像的确定，使得发型变换图像满足注意力机制，提高了发型变换图像的视觉效果，同时，通过导向滤波还可以使得模型变换图像保留更多的边缘细节，进一步的提高了发型变换图像的精度。
125.图5a为本公开实施例所提供的一种特效展示方法的流程示意图，本公开实施例在上述各实施例的基础上对根据预先训练完成的区域修复模型确定与待处理图像对应的发型变换图像的过程进行了示例性说明。参见图5a，该特效展示方法包括：
126.s510、接收针对发型变换特效的特效触发操作，展示图像展示区域，并于图像展示区域内展示包含发型信息的待变换图像。
127.s520、根据待变换图像确定待处理图像以及与待处理图像对应的头发掩膜图像。
128.s530、根据待处理图像、头发掩膜图像以及预先训练完成的发型变换模型，对待变换图像中的发型信息进行变换，得到与待变换图像对应的模型变换图像。
129.s540、将模型变换图像输入至预先训练完成的服饰修复模型中，以对模型变换图像中的服饰信息进行修复，得到目标修复图像，根据目标修复图像确定与待处理图像对应的发型变换图像。
130.具体的，区域修复模型可以包括服饰修复模型。在本公开实施例中，可以将模型变换图像输入至预先训练完成的服饰修复模型，得到服饰修复模型输出的对模型变换图像中的服饰进行修复的目标修复图像。进一步的，可以直接将目标修复图像确定为发型变换图像，或者，还可以对目标修复图像进行处理，将处理的结果作为发型变换图像。例如，对目标修复图像进行美颜处理，或者，对目标修复图像进行亮度增强处理，等。
131.示例性的，根据目标修复图像确定与待处理图像对应的发型变换图像，包括：通过下述方式中的至少一种方式对目标修复图像进行调整，得到与待处理图像对应的发型变换图像：
132.对目标修复图像进行裁剪处理，以使目标修复图像中的面部区域的显示位置满足预设位置条件；
133.确定目标修复图像中的待处理区域，对待处理区域进行锐化处理；
134.对目标修复图像中的黑边像素点进行模糊处理。
135.其中，对目标修复图像进行裁剪处理，可以是：定位目标修复图像中的面部区域，并截取目标修复图像中的面部区域，将截取后的面部区域进行缩放调整，使得面部区域的
显示位置满足预设位置条件，其中，预设位置条件可以是位于图像中间区域；或者，将图像划分为九宫格，位于设定宫格区域。
136.对目标修复图像进行锐化处理，可以是增强目标修复图像中的边缘部分。对目标修复图像中的黑边像素点进行模糊处理，可以是：对目标修复图像的边框进行模糊处理；即，确定目标修复图像中的边框区域，将边框区域内的像素点确定为黑边像素点，对黑边像素点进行模糊处理。
137.可选的，先对目标修复图像进行裁剪处理，进一步的，对裁剪处理后的目标修复图像进行锐化处理，最后，对锐化后的目标修复图像中的黑边像素点进行模糊处理。
138.在该实施方式中，通过对服饰修复模型输出的目标修复图像进行裁剪处理、锐化处理和模糊处理中的至少一种，实现了对发型变换以及服饰修复后的图像的调整，使得最终输出的发型变换图像的视觉效果更强，提高了用户体验。
139.s550、当检测到达到预设的变换效果展示条件时，于图像展示区域内展示与待变换图像对应的发型变换图像。
140.本公开实施例的技术方案，在得到发型变换模型输出的模型变换图像后，将模型变换图像输入至预先训练好的服饰修复模型，得到服饰修复模型输出的目标修复图像，实现了对图像中的发型变换以及发型变换后的服饰修复，并且，根据目标修复图像确定发型变换图像，可以进一步对服饰修复后的图像做处理得到最终输出的发型变换图像，如锐化处理、裁剪处理等，进一步的提高了发型变换图像的视觉效果。
141.示例性的，本公开实施例还提供一种特效展示方法，该方法包括如下步骤：
142.步骤1、接收针对发型变换特效的特效触发操作，展示图像展示区域，并于所述图像展示区域内展示包含发型信息的待变换图像。参见图5b，图5b为本公开实施例所提供的一种待变换图像。
143.步骤2、对待变换图像进行图像预处理，得到与待变换图像对应的待处理图像，其中，图像预处理包括面部对齐处理、尺寸变换处理以及锐化处理中的至少一项；基于预设的头发分割算法对待处理图像进行处理得到与待处理图像对应的头发掩膜图像。参见图5c-图5d，图5c为本公开实施例所提供的一种与待变换图像对应的待处理图像，图5d为本公开实施例所提供的一种与待处理图像对应的头发掩膜图像。
144.步骤3、根据待处理图像、头发掩膜图像以及预先训练完成的发型变换模型，对待变换图像中的发型信息进行变换，得到与待变换图像对应的模型变换图像。参见图5e，图5e为本公开实施例所提供的一种与待变换图像对应的模型变换图像。
145.步骤4、根据待变换图像对模型变换图像进行调整，以使模型变换图像与待变换图像的面部对齐。参见图5f，图5f为本公开实施例所提供的模型变换图像调整后的结果。
146.步骤5、将模型变换图像输入至预先训练完成的服饰修复模型中，以对模型变换图像中的服饰信息进行修复，得到目标修复图像。参见图5g，图5g为本公开实施例所提供的一种与模型变换图像对应的目标修复图像。
147.步骤6、对目标修复图像进行裁剪处理，以使目标修复图像中的面部区域的显示位置满足预设位置条件；确定目标修复图像中的待处理区域，对待处理区域进行锐化处理；对目标修复图像中的黑边像素点进行模糊处理，得到与待处理图像对应的发型变换图像。参见图5h，图5h为本公开实施例所提供的一种与待处理图像对应的发型变换图像。
148.通过上述步骤，实现了对图像中的发型变换，以及，实现了发型变换后的服饰修复，提高了图像的视觉效果；并且，在修复后经过裁剪、锐化以及模糊处理，突出图像中的面部信息，进一步的提高了发型变换图像的视觉效果。
149.图6为本公开实施例所提供的一种特效展示装置的结构示意图，如图6所示，所述装置包括：第一展示模块610和第二展示模块620。
150.第一展示模块610，用于接收针对发型变换特效的特效触发操作，展示图像展示区域，并于所述图像展示区域内展示包含发型信息的待变换图像；
151.第二展示模块620，用于当检测到达到预设的变换效果展示条件时，于所述图像展示区域内展示与所述待变换图像对应的发型变换图像；
152.其中，所述待变换图像中的发型信息与所述发型变换图像中的发型信息至少部分不同。
153.本公开实施例所提供的技术方案，通过第一展示模块，接收针对发型变换特效的特效触发操作，展示图像展示区域，并在该图像展示区域内显示包含发型信息的待变换图像，进而通过第二展示模块，在检测到达到预设的变换效果展示条件时，在图像展示区域内展示与待变换图像对应的发型变换图像，以展示与待变换图像中的发型信息至少部分不同的发型变换图像，实现了对图像中的发型的自动更换，该方法可以响应于用户的特效触发操作实时更换图像中的发型，无需用户后续手动操作，提高了对图像中的发型的更换效率以及实时性，解决了现有技术中更换图像发型操作复杂以及效率低下的技术问题，并且，不受限于专业用户，具有普适性，操作简单，提升了用户体验。
154.可选的，所述特效展示装置包括变换图像生成模块，所述变换图像生成模块，用于根据所述待变换图像确定待处理图像以及与所述待处理图像对应的头发掩膜图像；根据所述待处理图像、所述头发掩膜图像以及预先训练完成的发型变换模型，对所述待变换图像中的发型信息进行变换，得到与所述待变换图像对应的模型变换图像；根据所述模型变换图像和预先训练完成的区域修复模型，确定与所述待处理图像对应的发型变换图像。
155.可选的，所述变换图像生成模块包括预处理单元，所述预处理单元，用于对所述待变换图像进行图像预处理，得到与所述待变换图像对应的待处理图像，其中，所述图像预处理包括面部对齐处理、尺寸变换处理以及锐化处理中的至少一项；基于预设的头发分割算法对所述待处理图像进行处理得到与所述待处理图像对应的头发掩膜图像。
156.可选的，所述预处理单元，还用于根据所述待变换图像对所述模型变换图像进行调整，以使所述模型变换图像与所述待变换图像的面部对齐。
157.可选的，所述发型变换模型包括发型变换层和与所述发型变换层连接的图像输出层，所述图像输出层基于注意力机制构建；所述变换图像生成模块包括第一模型输出单元，所述第一模型输出单元，用于将所述待处理图像和所述头发掩膜图像进行图像拼接，得到目标输入图像；将所述目标输入图像输入至预先训练完成的发型变换模型中，经由所述发型变换模型的发型变换层，得到与所述待变换图像对应的初始变换图像，其中，所述初始变换图像包括红通道、绿通道、蓝通道和透明通道；经由所述发型变换模型的图像输出层对所述初始变换图像进行处理，得到所述待变换图像中的发型信息变换后的模型变换图像。
158.可选的，所述第一模型输出单元，还用于通过所述发型变换模型的图像输出层，将所述目标输入图像、由所述初始变换图像中的红通道、绿通道和蓝通道构成的第一图像以
及由透明通道构成的第二图像进行图像融合，得到所述待变换图像中的发型信息变换后的模型变换图像。
159.可选的，所述第一模型输出单元，还用于获取由所述目标输入图像中的红通道、绿通道和蓝通道构成的原始彩色图像，确定所述原始彩色图像的灰度图像；基于预设导向滤波算法对所述灰度图像以及由透明通道构成的第二图像进行滤波处理，得到目标透明图像；将所述原始彩色图像、由所述初始变换图像中的红通道、绿通道和蓝通道构成的第一图像以及所述目标透明图像进行图像融合。
160.可选的，所述第一模型输出单元，还用于将由所述初始变换图像中的红通道、绿通道和蓝通道构成的第一图像和所述目标透明图像相乘，得到模型变换图像的前景图像；根据所述原始彩色图像和所述目标透明图像确定模型变换图像的背景图像；将所述前景图像和所述背景图像相加，得到所述待变换图像中的发型信息变换后的模型变换图像。
161.可选的，所述第一模型输出单元，还用于根据预设透明度值和所述目标透明图像的透明度值确定第三图像；将所述原始彩色图像与所述第三图像进行乘积运算，得到模型变换图像的背景图像。
162.可选的，所述区域修复模型包括服饰修复模型；所述变换图像生成模块包括第二模型输出单元，所述第二模型输出单元，用于将所述模型变换图像输入至预先训练完成的服饰修复模型中，以对所述模型变换图像中的服饰信息进行修复，得到目标修复图像；根据所述目标修复图像确定与所述待处理图像对应的发型变换图像。
163.所述第二模型输出单元，还用于通过下述方式中的至少一种方式对所述目标修复图像进行调整，得到与所述待处理图像对应的发型变换图像：对所述目标修复图像进行裁剪处理，以使所述目标修复图像中的面部区域的显示位置满足预设位置条件；确定所述目标修复图像中的待处理区域，对所述待处理区域进行锐化处理；对所述目标修复图像中的黑边像素点进行模糊处理。
164.本公开实施例所提供的特效展示装置可执行本公开任意实施例所提供的特效展示方法，具备执行方法相应的功能模块和有益效果。
165.值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。
166.图7为本公开实施例所提供的一种电子设备的结构示意图。下面参考图7，其示出了适于用来实现本公开实施例的电子设备(例如图7中的终端设备或服务器)700的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
167.如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储装置708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、rom 702以及ram 703通过总线704彼此相连。编辑/输出(i/o)接口705也连接至总线704。
168.通常，以下装置可以连接至i/o接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
169.特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从rom 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。
170.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
171.本公开实施例提供的电子设备与上述实施例提供的特效展示方法属于同一发明构思，未在本公开实施例中详尽描述的技术细节可参见上述实施例，并且本公开实施例与上述实施例具有相同的有益效果。
172.本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的特效展示方法。
173.需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
174.在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
175.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
176.上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
177.上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收针对发型变换特效的特效触发操作，展示图像展示区域，并于所述图像展示区域内展示包含发型信息的待变换图像；当检测到达到预设的变换效果展示条件时，于所述图像展示区域内展示与所述待变换图像对应的发型变换图像；其中，所述待变换图像中的发型信息与所述发型变换图像中的发型信息至少部分不同。
178.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
179.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
180.描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
181.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
182.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom
或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
183.根据本公开的一个或多个实施例，【示例一】提供了一种特效展示方法，包括：
184.接收针对发型变换特效的特效触发操作，展示图像展示区域，并于所述图像展示区域内展示包含发型信息的待变换图像；
185.当检测到达到预设的变换效果展示条件时，于所述图像展示区域内展示与所述待变换图像对应的发型变换图像；
186.其中，所述待变换图像中的发型信息与所述发型变换图像中的发型信息至少部分不同。
187.根据本公开的一个或多个实施例，【示例二】提供了一种特效展示方法，还包括：
188.可选的，在所述于所述图像展示区域内展示与所述待变换图像对应的发型变换图像之前，还包括：
189.根据所述待变换图像确定待处理图像以及与所述待处理图像对应的头发掩膜图像；
190.根据所述待处理图像、所述头发掩膜图像以及预先训练完成的发型变换模型，对所述待变换图像中的发型信息进行变换，得到与所述待变换图像对应的模型变换图像；
191.根据所述模型变换图像和预先训练完成的区域修复模型，确定与所述待处理图像对应的发型变换图像。
192.根据本公开的一个或多个实施例，【示例三】提供了一种特效展示方法，还包括：
193.可选的，所述根据所述待变换图像确定待处理图像以及与所述待处理图像对应的头发掩膜图像，包括：
194.对所述待变换图像进行图像预处理，得到与所述待变换图像对应的待处理图像，其中，所述图像预处理包括面部对齐处理、尺寸变换处理以及锐化处理中的至少一项；
195.基于预设的头发分割算法对所述待处理图像进行处理得到与所述待处理图像对应的头发掩膜图像。
196.根据本公开的一个或多个实施例，【示例四】提供了一种特效展示方法，还包括：
197.可选的，在所述根据所述模型变换图像和预先训练完成的区域修复模型，确定与所述待处理图像对应的发型变换图像之前，还包括：
198.根据所述待变换图像对所述模型变换图像进行调整，以使所述模型变换图像与所述待变换图像的面部对齐。
199.根据本公开的一个或多个实施例，【示例五】提供了一种特效展示方法，还包括：
200.可选的，所述发型变换模型包括发型变换层和与所述发型变换层连接的图像输出层，所述图像输出层基于注意力机制构建；
201.所述根据所述待处理图像、所述头发掩膜图像以及预先训练完成的发型变换模型，对所述待变换图像中的发型信息进行变换，得到与所述待变换图像对应的模型变换图像，包括：
202.将所述待处理图像和所述头发掩膜图像进行图像拼接，得到目标输入图像；
203.将所述目标输入图像输入至预先训练完成的发型变换模型中，经由所述发型变换模型的发型变换层，得到与所述待变换图像对应的初始变换图像，其中，所述初始变换图像
包括红通道、绿通道、蓝通道和透明通道；
204.经由所述发型变换模型的图像输出层对所述初始变换图像进行处理，得到所述待变换图像中的发型信息变换后的模型变换图像。
205.根据本公开的一个或多个实施例，【示例六】提供了一种特效展示方法，还包括：
206.可选的，所述经由所述发型变换模型的图像输出层，得到所述待变换图像中的发型信息变换后的模型变换图像，包括：
207.通过所述发型变换模型的图像输出层，将所述目标输入图像、由所述初始变换图像中的红通道、绿通道和蓝通道构成的第一图像以及由透明通道构成的第二图像进行图像融合，得到所述待变换图像中的发型信息变换后的模型变换图像。
208.根据本公开的一个或多个实施例，【示例七】提供了一种特效展示方法，还包括：
209.可选的，所述将所述目标输入图像、由所述初始变换图像包括红通道、绿通道和蓝通道构成的第一图像以及由透明通道构成的第二图像进行图像融合，包括：
210.获取由所述目标输入图像中的红通道、绿通道和蓝通道构成的原始彩色图像，确定所述原始彩色图像的灰度图像；
211.基于预设导向滤波算法对所述灰度图像以及由透明通道构成的第二图像进行滤波处理，得到目标透明图像；
212.将所述原始彩色图像、由所述初始变换图像中的红通道、绿通道和蓝通道构成的第一图像以及所述目标透明图像进行图像融合。
213.根据本公开的一个或多个实施例，【示例八】提供了一种特效展示方法，还包括：
214.可选的，所述将所述原始彩色图像、由所述初始变换图像中的红通道、绿通道和蓝通道构成的第一图像以及所述目标透明图像进行图像融合，得到所述待变换图像中的发型信息变换后的模型变换图像，包括：
215.将由所述初始变换图像中的红通道、绿通道和蓝通道构成的第一图像和所述目标透明图像相乘，得到模型变换图像的前景图像；
216.根据所述原始彩色图像和所述目标透明图像确定模型变换图像的背景图像；
217.将所述前景图像和所述背景图像相加，得到所述待变换图像中的发型信息变换后的模型变换图像。
218.根据本公开的一个或多个实施例，【示例九】提供了一种特效展示方法，还包括：
219.可选的，所述根据所述原始彩色图像和所述目标透明图像确定模型变换图像的背景图像，包括：
220.根据预设透明度值和所述目标透明图像的透明度值确定第三图像；
221.将所述原始彩色图像与所述第三图像进行乘积运算，得到模型变换图像的背景图像。
222.根据本公开的一个或多个实施例，【示例十】提供了一种特效展示方法，还包括：
223.可选的，所述区域修复模型包括服饰修复模型；所述根据所述模型变换图像和预先训练完成的区域修复模型，确定与所述待处理图像对应的发型变换图像，包括：
224.将所述模型变换图像输入至预先训练完成的服饰修复模型中，以对所述模型变换图像中的服饰信息进行修复，得到目标修复图像；
225.根据所述目标修复图像确定与所述待处理图像对应的发型变换图像。
226.根据本公开的一个或多个实施例，【示例十一】提供了一种特效展示方法，还包括：
227.可选的，所述根据所述目标修复图像确定与所述待处理图像对应的发型变换图像，包括：
228.通过下述方式中的至少一种方式对所述目标修复图像进行调整，得到与所述待处理图像对应的发型变换图像：
229.对所述目标修复图像进行裁剪处理，以使所述目标修复图像中的面部区域的显示位置满足预设位置条件；
230.确定所述目标修复图像中的待处理区域，对所述待处理区域进行锐化处理；
231.对所述目标修复图像中的黑边像素点进行模糊处理。
232.根据本公开的一个或多个实施例，【示例十二】提供了一种特效展示装置，包括：
233.第一展示模块，用于接收针对发型变换特效的特效触发操作，展示图像展示区域，并于所述图像展示区域内展示包含发型信息的待变换图像；
234.第二展示模块，用于当检测到达到预设的变换效果展示条件时，于所述图像展示区域内展示与所述待变换图像对应的发型变换图像；
235.其中，所述待变换图像中的发型信息与所述发型变换图像中的发型信息至少部分不同。
236.以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
237.此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
238.尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。