肤色迁移方法、装置及电子设备与流程

1.本技术实施例涉及图像处理技术领域，尤其涉及一种肤色迁移方法、装置及电子设备。


背景技术：

2.随着美颜的流行，越来越多的用户希望通过美颜工具对图片或者视频中的人物进行美颜处理，即对图像中的面部及颈部、手臂等人体皮肤区域进行美化处理。常见的美颜处理方法包括肤色迁移等。
3.目前，通常采用直方图匹配的方式进行肤色迁移，例如：对源图像和参考图像进行图像分割，并按照亮度级别对分割后的图像进行直方图匹配，以获取迁移结果图像。
4.但是，采用这种方式在进行肤色迁移时，由于缺乏整体亮度分布信息，会导致迁移之后的图像存在亮度不均衡的问题，出现肤色迁移效果不佳的情况。


技术实现要素：

5.本技术实施例提供一种肤色迁移方法、装置及电子设备，以解决肤色迁移后图像亮度分布不合理、迁移效果较差的问题，提高肤色迁移的准确度与稳定性。
6.第一方面，本技术实施例中提供一种肤色迁移方法，该方法包括：
7.获取源图像与参照图像；
8.对源图像与参照图像进行分割，得到源图像的肤色区域和参照图像的肤色区域；
9.对源图像的肤色区域和参照图像的肤色区域分别进行lab颜色空间转换，得到lab颜色空间下的源图像的肤色区域和参照图像的肤色区域；
10.基于肤色转换规则，对lab颜色空间下的源图像的肤色区域进行初步肤色迁移，以得到初步肤色迁移图像；
11.根据lab颜色空间下的源图像的肤色区域的像素点的像素值和参照图像的肤色区域的像素点的像素值，计算颜色矩阵；
12.基于颜色矩阵，对初步肤色迁移图像进行颜色校正，以得到校正后的肤色迁移图像。
13.在一些实施例中，在得到lab颜色空间下的源图像的肤色区域和参照图像的肤色区域之后，方法还包括：
14.获取源图像的肤色区域的像素点的像素值分别在lab颜色空间下的a通道和b通道的收敛区域，以及参照图像的肤色区域的像素点的像素值分别在lab颜色空间下的a通道和b通道的收敛区域；
15.计算源图像的肤色区域的像素点的像素值分别在lab颜色空间下的a通道和b通道的平均值，以及参照图像的肤色区域的像素点的像素值分别在lab颜色空间下的a通道和b通道的平均值。
16.在一些实施例中，基于肤色转换规则，对lab颜色空间下的源图像的肤色区域进行
初步肤色迁移，以得到初步肤色迁移图像，包括：
17.遍历源图像的肤色区域的每一像素点；
18.若像素点满足肤色迁移条件，则基于肤色转换规则对像素点进行初步肤色迁移，得到像素点对应的初步肤色迁移像素值，以得到初步肤色迁移图像；
19.其中，肤色迁移条件包括像素点在lab颜色空间下的a通道的像素值在参照图像的肤色区域的像素点在lab颜色空间下的a通道的收敛区域内，或者像素点在lab颜色空间下的b通道的像素值在参照图像的肤色区域的像素点在lab颜色空间下的b通道的收敛区域内。
20.在一些实施例中，肤色转换规则包括：
[0021][0022]
其中，l
′
、a
′
、b
′
分别为初步肤色迁移之后的像素点在lab颜色空间下的l通道、a通道、b通道的像素值，l、a、b分别为所述源图像的肤色区域的像素点在lab颜色空间下的l通道、a通道、b通道的像素值，rsa1、rsb1分别为所述源图像和所述参照图像在同一像素范围内，所述源图像的肤色区域的像素点在lab颜色空间下的a通道、b通道的肤色像素的比重，rta1、rtb1分别为所述源图像和所述参照图像在同一像素范围内，所述参照图像的肤色区域的像素点在lab颜色空间下的a通道、b通道的肤色像素的比重，tam、tbm分别为所述参照图像的肤色区域的像素点的像素值在lab颜色空间下的a通道、b通道的平均值,sam、sbm分别为所述源图像的肤色区域的像素点的像素值在lab颜色空间下的a通道、b通道的平均值。
[0023]
在一些实施例中，方法还包括：
[0024]
计算所述源图像的肤色区域的像素点分别在lab颜色空间下的a通道、b通道的肤色像素的比重，以及所述参照图像的肤色区域的像素点分别在lab颜色空间下的a通道、b通道的肤色像素的比重，具体包括：
[0025][0026][0027][0028][0029]
其中，rsa1、rsb1分别为所述源图像和所述参照图像在同一像素范围内，所述源图像的肤色区域的像素点在lab颜色空间下的a通道、b通道的肤色像素的比重，sam、sbm分别为所述源图像的肤色区域的像素点的像素值在lab颜色空间下的a通道、b通道的平均值，sab、sbb分别为所述源图像中的肤色区域的像素点在lab颜色空间下的a通道、b通道的收敛区域的左端点的像素值，tam、tbm分别为所述参照图像的肤色区域的像素点的像素值在lab颜色
空间下的a通道、b通道的平均值，tab、tbb分别为所述参照图像中的肤色区域的像素点在lab颜色空间下的a通道、b通道的收敛区域的左端点的像素值,rta1、rtb1分别为所述源图像和所述参照图像在同一像素范围内，所述参照图像的肤色区域的像素点在lab颜色空间下的a通道、b通道的肤色像素的比重，sae、sbe分别为所述源图像中的肤色区域的像素点在lab颜色空间下的a通道、b通道的收敛区域的右端点的像素值,tbe为所述参照图像中的肤色区域的像素点在lab颜色空间下的b通道的收敛区域的右端点的像素值。
[0030]
在一些实施例中，根据lab颜色空间下的源图像的肤色区域的像素点的像素值和参照图像的肤色区域的像素点的像素值，计算颜色矩阵，包括：
[0031]
构建颜色矩阵函数；
[0032]
将源图像的肤色区域的每一像素点在lab颜色空间下的像素值与参照图像的肤色区域的每一像素点在lab颜色空间下的像素值代入颜色矩阵函数中，计算颜色矩阵；
[0033]
其中，颜色矩阵函数包括：
[0034][0035]
其中，为所述参照图像的肤色区域的像素点在lab颜色空间下的像素值，t
l
、ta、tb分别为所述参照图像的肤色区域的像素点在lab颜色空间下的l通道、a通道、b通道的像素值，m为颜色矩阵，为所述源图像的肤色区域的像素点在lab颜色空间下的像素值，s
l
、sa、sb分别为所述源图像的肤色区域的像素点在lab颜色空间下的l通道、a通道、b通道的像素值。
[0036]
在一些实施例中，颜色矩阵m为：
[0037][0038]
其中，a11 a12 a13＝1，a21 a22 a23＝1，a31 a32 a33＝1。
[0039]
在一些实施例中，基于颜色矩阵，对初步肤色迁移图像进行颜色校正，以得到校正后的肤色迁移图像，包括：
[0040]
基于颜色矩阵，对初步肤色迁移图像的每一像素点进行颜色校正，得到校正后的每一像素点在rgb颜色空间下的像素值，以得到校正后的肤色迁移图像；
[0041]
其中，基于颜色矩阵，对初步肤色迁移图像的每一像素点进行颜色校正，具体包括：
[0042]
[0043]
其中，为校正后的肤色迁移图像的像素点在rgb颜色空间下的像素值，r、g、b分别为校正后的肤色迁移图像的像素点在rgb颜色空间下的r通道、g通道、b通道的像素值，m为颜色矩阵，为初步肤色迁移图像的像素点在rgb颜色空间下的像素值，s
tr
、s
tg
、s
tb
分别为初步肤色迁移图像的像素点在rgb颜色空间下的r通道、g通道、b通道的像素值。
[0044]
第二方面，本技术实施例提供一种肤色迁移装置，包括：
[0045]
图像获取模块，用于获取源图像与参照图像；
[0046]
图像分割模块，用于对源图像与参照图像进行分割，得到源图像的肤色区域和参照图像的肤色区域；
[0047]
空间转换模块，用于对源图像的肤色区域和参照图像的肤色区域分别进行lab颜色空间转换，得到lab颜色空间下的源图像的肤色区域和参照图像的肤色区域；
[0048]
肤色迁移模块，用于基于肤色转换规则，对lab颜色空间下的源图像的肤色区域进行初步肤色迁移，以得到初步肤色迁移图像；
[0049]
矩阵计算模块，用于根据lab颜色空间下的源图像的肤色区域的像素点的像素值和参照图像的肤色区域的像素点的像素值，计算颜色矩阵；
[0050]
颜色校正模块，用于基于颜色矩阵，对初步肤色迁移图像进行颜色校正，以得到校正后的肤色迁移图像。
[0051]
第三方面，本技术实施例提供一种电子设备，包括：
[0052]
至少一个处理器，以及
[0053]
与至少一个处理器通信连接的存储器，其中，
[0054]
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上述第一方面提供的方法。
[0055]
第四方面，本技术实施例提供一种非易失性计算机可读存储介质，非易失性计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使电子设备执行如上述第一方面提供的方法。
[0056]
本技术实施例的有益效果：区别于现有技术的情况，本技术实施例提供一种肤色迁移方法，该方法包括：获取源图像与参照图像；对源图像与参照图像进行分割，得到源图像的肤色区域和参照图像的肤色区域；对源图像的肤色区域和参照图像的肤色区域分别进行lab颜色空间转换，得到lab颜色空间下的源图像的肤色区域和参照图像的肤色区域；基于肤色转换规则，对lab颜色空间下的源图像的肤色区域进行初步肤色迁移，以得到初步肤色迁移图像；根据lab颜色空间下的源图像的肤色区域的像素点的像素值和参照图像的肤色区域的像素点的像素值，计算颜色矩阵；基于颜色矩阵，对初步肤色迁移图像进行颜色校正，以得到校正后的肤色迁移图像。
[0057]
通过肤色转换规则，对lab颜色空间下的源图像的肤色区域进行初步肤色迁移，并基于颜色矩阵，对初步肤色迁移图像进行颜色校正，得到校正后的肤色迁移图像，本技术能够解决肤色迁移后图像亮度分布不合理、迁移效果较差的问题，提高肤色迁移的准确度与
稳定性。
附图说明
[0058]
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。
[0059]
图1是本技术实施例提供的一种肤色迁移方法的应用环境示意图；
[0060]
图2是本技术实施例提供的一种肤色迁移方法的流程示意图；
[0061]
图3是本技术实施例提供的一种肤色区域的示意图；
[0062]
图4是本技术实施例提供的一种计算像素点的收敛区域以及像素值的平均值的流程示意图；
[0063]
图5是本技术实施例提供的一种计算肤色区域的像素点分别在lab颜色空间下的a通道、b通道的肤色像素的比重的流程示意图；
[0064]
图6是图2中的步骤s204的细化流程图；
[0065]
图7是图2中的步骤s205的细化流程图；
[0066]
图8是本技术实施例提供的一种参照图像、源图像和校正后的肤色迁移图像的示意图；
[0067]
图9是图2中的步骤s206的细化流程示意图；
[0068]
图10是本技术实施例提供的一种肤色迁移装置的结构示意图；
[0069]
图11是本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0070]
下面结合具体实施例对本技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本技术，但不以任何形式限制本技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进。这些都属于本技术的保护范围。
[0071]
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。
[0072]
需要说明的是，如果不冲突，本技术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。
[0073]
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技术的技术领域的技术人员通常理解的含义相同。本说明书中在本技术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，不是用于限制本技术。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。
[0074]
此外，下面所描述的本技术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。
[0075]
请参阅图1，图1是本技术实施例提供的一种肤色迁移方法的应用环境示意图；
[0076]
如图1所示，该应用环境100包括：终端10和服务器20，该终端10和服务器20通过有线或无线通信方式进行通信。
[0077]
其中，终端10可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端10中可以设有客户端，该客户端可以是视频客户端、浏览器客户端、线上购物客户端、即时通信客户端等，本技术对客户端的类型不加以限定。
[0078]
终端10以及服务器20可以通过有线或无线通信方式进行直接或间接地连接，本技术在此不做限制。终端10可以接收服务器20发送的校正后的肤色迁移图像，并在可视化界面上对该校正后的肤色迁移图像进行展示。终端10可以响应于用户触发的肤色迁移指令，通过图像采集器件来获取源图像，终端10内还可以存储有参照图像库，响应于用户触发的肤色迁移指令，从参照图像库中选择一张图像作为参照图像，其中，该源图像包括但不限于人脸图像、人体全身图像等，该参照图像与源图像包括相同的人体皮肤覆盖的区域，该图像采集器件可以内置于终端10中，还可以外接于终端10，本技术对此不加以限定。
[0079]
终端10可以将该肤色迁移指令、采集到的源图像和从参照图像库中选择的参照图像均发送给服务器20，并接收服务器20返回的校正后的肤色迁移图像，进而将该校正后的肤色迁移图像展示在可视化界面上。
[0080]
可以理解的是，终端10可以泛指多个终端中的一个，本技术实施例仅以终端10来举例说明。本领域技术人员可以知晓，上述终端的数量可以更多或更少。比如上述终端可以仅为一个，或者上述终端为几十个或几百个，或者更多数量，本技术实施例对终端的数量和设备类型不加以限定。
[0081]
其中，服务器20可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0082]
服务器20以及终端10可以通过有线或无线通信方式进行直接或间接地连接，本技术在此不做限制。服务器20可以接收终端10发送的肤色迁移指令、源图像和参照图像，并根据该肤色迁移指令，对该源图像进行肤色迁移，得到校正后的肤色迁移图像，进而将该校正后的肤色迁移图像发送给终端10。
[0083]
可以理解的是，上述服务器20的数量可以更多或更少，本技术实施例对此不加以限定。当然，服务器20还可以包括其他功能服务器，以便提供更全面且多样化的服务。
[0084]
本技术的技术方案可适用于肤色迁移的各种场景，具体的，本技术的技术方案可用于在图像处理的场景中用于对人体图像进行肤色迁移。
[0085]
目前，通常采用直方图匹配的方式进行肤色迁移，通过分别对源图像和参考图像进行图像分割，得到源图像中的肤色区域和参考图像中的肤色区域；分别根据不同的亮度级别将源图像中的肤色区域和参考图像中的肤色区域划分为多个子区域；分别将源图像中的每个子区域与参考图像中同亮度级别的子区域进行直方图匹配，获得迁移结果图像。
[0086]
但是，这种方式会由于源图像中的阴影区域和/或高光区域所占比例与参考图像中的阴影区域和/或高光区域所占比例相差较大，容易导致迁移后的图像亮度不均衡，出现
肤色迁移不合理的情况。
[0087]
有鉴于此，本技术实施例提供一种肤色迁移方法、装置及电子设备，以解决肤色迁移后图像亮度分布不合理、迁移效果较差的问题，提高肤色迁移的准确度与稳定性。
[0088]
实施例一
[0089]
请参阅图2，图2是本技术实施例提供的一种肤色迁移方法的流程示意图；
[0090]
其中，该方法可应用于各种电子设备或服务器上，该方法的执行主体为电子设备或服务器的一个或至少两个处理器。
[0091]
如图2所示，该肤色迁移方法，包括：
[0092]
步骤s201：获取源图像与参照图像；
[0093]
具体的，源图像可以是用户的图像，即需要进行肤色迁移的图像，参照图像可以是模特的图像，即提供肤色模板的图像，肤色迁移是指将参照图像的肤色迁移到源图像中，理想情况下，迁移后的源图像和参照图像将具有相同的肤色，其中，该源图像和参照图像可以是人脸图像，也可以是包括人体肤色区域的人体图像。
[0094]
在一些实施例中，可以通过内置于终端的图像采集器件，比如摄像头，拍摄用户的图像作为源图像，或者，通过本地的图库选择相应的图像作为源图像；可以通过摄像头拍摄一张图像作为参照图像，也可以通过本地的图库选择相应的图像作为参照图像，也可以通过服务器下载模特的图像作为参照图像，并储存于终端的参照图像数据集中。
[0095]
步骤s202：对源图像与参照图像进行分割，得到源图像的肤色区域和参照图像的肤色区域；
[0096]
具体的，请参阅图3，图3是本技术实施例提供的一种肤色区域的示意图；
[0097]
如图3所示，左侧图片为源图像，右侧图片为进行分割之后的源图像，其中，进行分割之后的源图像包括肤色区域。
[0098]
具体的，肤色区域是指图像中皮肤所覆盖的区域，对源图像与参照图像进行分割，得到源图像的肤色区域和参照图像的肤色区域的方法是类似的。以源图像为例，将源图像输入预先训练好的人体解析模型中，得到源图像的肤色区域。
[0099]
具体的，该人体解析模型用于分割出源图像和参照图像的肤色区域。该人体解析模型的训练方法包括：
[0100]
获取训练集，其中，该训练集包括已知人体部位类别的若干张人物实例图像；
[0101]
构建神经网络模型；
[0102]
将训练集输入到神经网络模型中，当神经网络模型的损失函数收敛时，停止训练，输出训练完毕的神经网络模型，该训练完毕的神经网络模型即为人体解析模型。
[0103]
具体的，该训练集包括lookinperson(lip)数据集，此数据集包含19种人体部位和衣物的类别标注和16个关键点姿势标注，共有五万余张从coco数据集中裁剪出来的人物实例图像。lip数据集中加上背景的属性类别总共包含20种，分别为：背景、帽子、头发、手套、太阳镜、上衣、外套、围巾、裙子、袜子、裤子、连衣裙、连体裤、面部、左胳膊、右胳膊、左腿、右腿、左鞋子、右鞋子。
[0104]
具体的，该神经网络模型可以是deeplabv3 模型，包括多个依次连接的特征提取卷积层、aspp模块和softmax层，每一特征提取卷积层后均配置有激活函数层和归一化层。该神经网络模型的损失函数可以是交叉熵损失函数。可以理解的是，该人体解析模型能够
确定图像中的每一像素点对应的类别标签，并通过对图像中的属于同一类别的像素点进行归类，分割出不同类别的区域。
[0105]
在本技术实施例中，采用损失函数进行反向传播，使得人体解析模型收敛，其中，人体解析模型收敛包括损失达到最小和/或损失在一个范围内波动和/或训练次数达到一定数量。例如：采用adam算法优化模型参数，迭代次数设置为500次，初始化学习率设置为0.001,权重衰减设置为0.0005，每50次迭代，学习率衰减为原来的1/10，进行人体解析模型的训练直到收敛，以保存人体解析模型。
[0106]
在一些实施例中，还可以采用分割算法对源图像与参照图像进行分割，得到源图像的肤色区域和参照图像的肤色区域，该分割算法包括但不限于基于深度学习的人体解析方法、基于颜色空间的图像分割算法、基于深度学习的图像分割算法(例如，利用预训练的卷积神经网络对图像进行分割，该神经网络可以采用unet、segnet等结构)、基于特征点检测的图像分割算法(例如，先检测图像中的人脸特征点，然后将人脸特征点按照预设的顺序连接，形成封闭的区域，即肤色区域)。
[0107]
步骤s203：对源图像的肤色区域和参照图像的肤色区域分别进行lab颜色空间转换，得到lab颜色空间下的源图像的肤色区域和参照图像的肤色区域；
[0108]
具体的，人体解析模型输出的源图像的肤色区域和参照图像的肤色区域属于srgb颜色空间，需要从srgb颜色空间转为lab颜色空间，以将亮度值独立出来，便于后续进行亮度校正。其中，lab颜色空间由一个亮度通道和两个颜色通道组成，l表示亮度值，a代表从绿色到红色的分量，其取值范围为(-128～127)，其中127为红色,b代表从蓝色到黄色的分量，其取值范围为(-128～127)，其中127为黄色。
[0109]
具体的，源图像的肤色区域和参照图像的肤色区域从srgb颜色空间转为lab颜色空间，需要先从srgb颜色空间转为rgb颜色空间，然后由rgb颜色空间转为xyz空间，再由xyz空间转为lab颜色空间。
[0110]
在一些实施例中，源图像的肤色区域和参照图像的肤色区域从srgb颜色空间转为rgb颜色空间的转换公式，如下：
[0111][0112][0113]
其中，r、g、b分别为像素点在srgb颜色空间下的r通道、g通道、b通道的像素值，r、g、b分别为像素点在rgb颜色空间下的r通道、g通道、b通道的像素值，gamma(x)为gamma变换函数。
[0114]
在一些实施例中，源图像的肤色区域和参照图像的肤色区域从rgb颜色空间转为
xyz空间的转换公式，如下：
[0115][0116]
其中，x、y、z分别为像素点在xyz空间下的x坐标轴、y坐标轴、z坐标轴的坐标值，r、g、b分别为像素点在rgb颜色空间下的r通道、g通道、b通道的像素值，
[0117]
在一些实施例中，源图像的肤色区域和参照图像的肤色区域从xyz空间转为lab颜色空间的转换公式，如下：
[0118][0119]
其中，l、a、b分别为像素点在lab颜色空间下的l通道、a通道、b通道的像素值，x、y、z分别为像素点在xyz空间下的x坐标轴、y坐标轴、z坐标轴的坐标值，xn＝0.95047，yn＝1.0，zn＝1.08883，
[0120][0121]
其中，函数f(t)用于计算上述公式中的的函数值。
[0122]
具体的，将代入函数f(t)中得到的函数值，将代入函数f(t)中得到的函数值，将代入函数f(t)中得到的函数值。进而将计算得到的函数值代入到上述的xyz空间转为lab颜色空间的转换公式，以得到像素值l、a、b。
[0123]
请再参阅图4，图4是本技术实施例提供的一种计算像素点的收敛区域以及像素值的平均值的流程示意图；
[0124]
如图4所示，该计算像素点的收敛区域以及像素值的平均值的流程，包括：
[0125]
步骤s401：获取源图像的肤色区域的像素点的像素值分别在lab颜色空间下的a通道和b通道的收敛区域，以及参照图像的肤色区域的像素点的像素值分别在lab颜色空间下的a通道和b通道的收敛区域；
[0126]
具体的，源图像的肤色区域的像素点的像素值在lab颜色空间下的a通道的收敛区
域可以表示为[sab,sae],其中，sab为源图像的肤色区域的像素点在lab颜色空间下的a通道的最小像素值，sae为源图像的肤色区域的像素点在lab颜色空间下的a通道的最大像素值；源图像的肤色区域的像素点的像素值在lab颜色空间下的b通道的收敛区域可以表示为[,sbe],其中，sbb为源图像的肤色区域的像素点在lab颜色空间下的b通道的最小像素值，sbe为源图像的肤色区域的像素点在lab颜色空间下的b通道的最大像素值。
[0127]
具体的，参照图像的肤色区域的像素点的像素值在lab颜色空间下的a通道的收敛区域可以表示为[tab,tae]，其中，tab为参照图像的肤色区域的像素点在lab颜色空间下的a通道的最小像素值，tae为参照图像的肤色区域的像素点在lab颜色空间下的b通道的最大像素值；参照图像的肤色区域的像素点的像素值在lab颜色空间下的b通道的收敛区域可以表示为[,tbe]，其中，tbb为参照图像的肤色区域的像素点在lab颜色空间下的b通道的最小像素值，tbe为参照图像的肤色区域的像素点在lab颜色空间下的b通道的最大像素值。
[0128]
步骤s402：计算源图像的肤色区域的像素点的像素值分别在lab颜色空间下的a通道和b通道的平均值，以及参照图像的肤色区域的像素点的像素值分别在lab颜色空间下的a通道和b通道的平均值；
[0129]
具体的,在lab颜色空间下的a通道，对源图像的肤色区域的每一像素点的像素值进行求和，将得到的像素值之和除以肤色区域的像素点的个数，得到平均值，该平均值为源图像的肤色区域的像素点的像素值在lab颜色空间下的a通道的平均值。
[0130]
同理，在lab颜色空间下的b通道，对源图像的肤色区域的每一像素点的像素值进行求和，将得到的像素值之和除以肤色区域的像素点的个数，得到平均值，该平均值为源图像的肤色区域的像素点的像素值在lab颜色空间下的b通道的平均值。
[0131]
步骤s204：基于肤色转换规则，对lab颜色空间下的源图像的肤色区域进行初步肤色迁移，以得到初步肤色迁移图像；
[0132]
具体的，该肤色转换规则包括：
[0133][0134]
其中，l
′
、a
′
、b
′
分别为初步肤色迁移之后的像素点在lab颜色空间下的l通道、a通道、b通道的像素值，l、a、b分别为源图像的肤色区域的像素点在lab颜色空间下的l通道、a通道、b通道的像素值，rsa1、rsb1分别为源图像和参照图像在同一像素范围内，源图像的肤色区域的像素点在lab颜色空间下的a通道、b通道的肤色像素的比重，rta1、rtb1分别为源图像和参照图像在同一像素范围内，参照图像的肤色区域的像素点在lab颜色空间下的a通道、b通道的肤色像素的比重，tam、tbm分别为参照图像的肤色区域的像素点的像素值在lab颜色空间下的a通道、b通道的平均值,sam、sbm分别为源图像的肤色区域的像素点的像素值在lab颜色空间下的a通道、b通道的平均值。
[0135]
可以理解的是，通过对lab颜色空间下的源图像的肤色区域的每一个像素点进行初步肤色迁移，即利用该肤色转移规则对lab颜色空间下的源图像的肤色区域的每一个像素点进行初步肤色迁移，从而得到初步肤色迁移后的每一个像素点的像素值，进而能够得到初步肤色迁移图像。
[0136]
请参阅图5，图5是本技术实施例提供的一种计算肤色区域的像素点分别在lab颜色空间下的a通道、b通道的肤色像素的比重的流程示意图；
[0137]
如图5所示，该计算肤色区域的像素点分别在lab颜色空间下的a通道、b通道的肤色像素的比重的流程，包括：
[0138]
步骤s501：计算源图像的肤色区域的像素点分别在lab颜色空间下的a通道、b通道的肤色像素的比重，以及参照图像的肤色区域的像素点分别在lab颜色空间下的a通道、b通道的肤色像素的比重，具体包括：
[0139][0140][0141][0142][0143]
其中，rsa1、rsb1分别为源图像和参照图像在同一像素范围内，源图像的肤色区域的像素点在lab颜色空间下的a通道、b通道的肤色像素的比重，sam、sbm分别为源图像的肤色区域的像素点的像素值在lab颜色空间下的a通道、b通道的平均值，sab、sbb分别为源图像中的肤色区域的像素点在lab颜色空间下的a通道、b通道的收敛区域的左端点的像素值，tam、tbm分别为参照图像的肤色区域的像素点的像素值在lab颜色空间下的a通道、b通道的平均值，tab、tbb分别为参照图像中的肤色区域的像素点在lab颜色空间下的a通道、b通道的收敛区域的左端点的像素值,rta1、rtb1分别为源图像和参照图像在同一像素范围内，参照图像的肤色区域的像素点在lab颜色空间下的a通道、b通道的肤色像素的比重，sae、sbe分别为源图像中的肤色区域的像素点在lab颜色空间下的a通道、b通道的收敛区域的右端点的像素值,tbe为参照图像中的肤色区域的像素点在lab颜色空间下的b通道的收敛区域的右端点的像素值。
[0144]
需要说明的是，肤色像素的比重指的是源图像和参照图像两者在归一化尺度下的各自通道的肤色占比，归一化尺度指的是使源图像和参照图像处于同一尺度，即，使源图像和参照图像处于同一像素范围，使得源图像和参照图像能够在相同的像素范围内进行比较，例如：源图像的a通道的像素范围是(54，180)，而参照图像的a通道的像素范围是(12,170)，那么在同一尺度下，两者的像素范围为(12，180)。
[0145]
可以理解的是，源图像或参照图像的肤色区域的像素点在lab颜色空间下的a通道、b通道的肤色像素的比重，指的是在lab颜色空间下的a通道中，符合肤色范围的像素点的数量占源图像或参照图像的总像素点的数量的比重。
[0146]
具体的，请参阅图6，图6是图2中的步骤s204的细化流程图；
[0147]
如图6所示，该步骤s204，包括：
[0148]
步骤s2041：遍历源图像的肤色区域的每一像素点；
[0149]
具体的，在源图像的肤色区域按照顺序找出每一像素点，判断其是否满足肤色迁
移条件。
[0150]
步骤s2042：若像素点满足肤色迁移条件，则基于肤色转换规则对像素点进行初步肤色迁移，得到像素点对应的初步肤色迁移像素值，以得到初步肤色迁移图像；
[0151]
具体的，肤色迁移条件包括像素点在lab颜色空间下的a通道的像素值在参照图像的肤色区域的像素点在lab颜色空间下的a通道的收敛区域内，或者像素点在lab颜色空间下的b通道的像素值在参照图像的肤色区域的像素点在lab颜色空间下的b通道的收敛区域内。
[0152]
例如：假设当前的像素点为n(l,a,b)，其中，l为该像素点在lab颜色空间下的l通道的像素值，a为该像素点在lab颜色空间下的a通道的像素值，b为该像素点在lab颜色空间下的b通道的像素值。
[0153]
若当前的像素点n(l,a,b)满足肤色迁移条件，即a∈[tab,tae]或者b∈[tbb,tbe]，也就是像素点在lab颜色空间下的a通道的像素值在参照图像的肤色区域的像素点在lab颜色空间下的a通道的收敛区域内，或者像素点在lab颜色空间下的b通道的像素值在参照图像的肤色区域的像素点在lab颜色空间下的b通道的收敛区域内，则将该像素点n(l,a,b)在lab颜色空间下的l通道、a通道、b通道的像素值l、a、b代入肤色转换规则对应的公式中，进行像素值的转换，得到该像素点n(l,a,b)对应的初步肤色迁移像素值n(l
′
,a
′
,b
′
)，对肤色区域中的所有的满足肤色迁移条件的像素点进行初步肤色迁移，以得到初步肤色迁移图像。
[0154]
可以理解的是，若当前的像素点n(l,a,b)不满足肤色迁移条件，则无需将其在lab颜色空间下的各通道的像素值代入肤色转换规则对应的公式中，即，不进行像素值的转换。
[0155]
在本技术实施例中，通过获取源图像与参照图像，对源图像与参照图像进行分割，得到源图像的肤色区域和参照图像的肤色区域，然后对源图像的肤色区域和参照图像的肤色区域分别进行lab颜色空间转换，得到lab颜色空间下的源图像的肤色区域和参照图像的肤色区域，能够分离亮度像素值，并且基于肤色转换规则，对lab颜色空间下的源图像的肤色区域进行初步肤色迁移，得到初步肤色迁移图像，能够有效减少因为亮度分布不合理导致肤色迁移效果较差的情况。
[0156]
步骤s205：根据lab颜色空间下的源图像的肤色区域的像素点的像素值和参照图像的肤色区域的像素点的像素值，计算颜色矩阵；
[0157]
具体的，请参阅图7，图7是图2中的步骤s205的细化流程示意图；
[0158]
如图7所示，该步骤s205，包括：
[0159]
步骤s2051：构建颜色矩阵函数；
[0160]
具体的，该颜色矩阵函数包括：
[0161][0162]
其中，为参照图像的肤色区域的像素点在lab颜色空间下的像素值，t
l
、ta、tb分别为参照图像的肤色区域的像素点在lab颜色空间下的l通道、a通道、b通道的像素值，m
为颜色矩阵，为源图像的肤色区域的像素点在lab颜色空间下的像素值，s
l
、sa、sb分别为源图像的肤色区域的像素点在lab颜色空间下的l通道、a通道、b通道的像素值。
[0163]
其中，颜色矩阵m为：
[0164][0165]
其中，a11 a12 a13＝1，a21 a22 a23＝1，a31 a32 a33＝1。
[0166]
步骤s2052：将源图像的肤色区域的每一像素点在lab颜色空间下的像素值与参照图像的肤色区域的每一像素点在lab颜色空间下的像素值代入颜色矩阵函数中，计算颜色矩阵；
[0167]
具体的，将源图像的肤色区域的每一像素点在lab颜色空间下的l通道、a通道、b通道的像素值s
l
、sa、sb，与参照图像的肤色区域的每一像素点在lab颜色空间下的l通道、a通道、b通道的像素值t
l
、ta、tb，代入颜色矩阵函数中，进行迭代优化，以得到颜色矩阵的最优参数。例如：通过雅可比迭代法、高斯-赛德尔迭代法等迭代方法得到颜色矩阵的最优参数，或者调用opencv库，输入上述颜色矩阵函数的相关参数，得到颜色矩阵m的最优参数，其中，该最优参数中的a11、a22、a33无限趋近于1，该最优参数中的a12、a13、a21、a23、a31、a32无限趋近于0，并且，满足a11 a12 a13＝1，a21 a22 a23＝1，a31 a32 a33＝1的约束条件，例如：a11＝0.99998、a12＝0.00001、a13＝0.00001，a21＝0.0001，a22＝0.9996，a23＝0.0003，a31＝0.00002，a32＝0.00001，a33＝0.99997等。
[0168]
步骤s206：基于颜色矩阵，对初步肤色迁移图像进行颜色校正，以得到校正后的肤色迁移图像。
[0169]
具体的，基于颜色矩阵，对初步肤色迁移图像的每一像素点进行颜色校正，得到校正后的每一像素点的像素值，进而得到校正后的肤色迁移图像。
[0170]
具体的，请一并参阅图8和图9，图8是本技术实施例提供的一种参照图像、源图像和校正后的肤色迁移图像的示意图；
[0171]
图9是图2中的步骤s206的细化流程示意图；
[0172]
如图8所示，源图像是需要进行肤色迁移的图像，例如：用户的图像；参照图像是提供肤色模板的图像，例如：模特的图像，参照图像与源图像的肤色区域的肤色不同，校正后的肤色迁移图像与参照图像具有相似的肤色。
[0173]
具体的，肤色迁移的目标是将参照图像的肤色迁移到源图像中，理想情况下，迁移后的源图像和参照图像将具有相同的肤色。通过对源图像与参照图像进行图像分割与lab颜色空间转换、初步肤色迁移以及颜色校正之后，得到校正后的肤色迁移图像，校正后的肤色迁移图像即为与参照图像具有相似的肤色的源图像。需要说明的是，图像分割与lab颜色空间转换、初步肤色迁移以及颜色校正的具体实现方法已在上文详细说明，在此不再赘述。
[0174]
如图9所示，该步骤s206，包括：
[0175]
步骤s2061：基于颜色矩阵，对初步肤色迁移图像的每一像素点进行颜色校正，得到校正后的每一像素点在rgb颜色空间下的像素值，以得到校正后的肤色迁移图像；
[0176]
具体的，可通过如下公式对初步肤色迁移图像的每一像素点进行颜色校正：
[0177][0178]
其中，为校正后的肤色迁移图像的像素点在rgb颜色空间下的像素值，r、g、b分别为校正后的肤色迁移图像的像素点在rgb颜色空间下的r通道、g通道、b通道的像素值，m为颜色矩阵，为初步肤色迁移图像的像素点在rgb颜色空间下的像素值，s
tr
、s
tg
、s
tb
分别为初步肤色迁移图像的像素点在rgb颜色空间下的r通道、g通道、b通道的像素值。
[0179]
可以理解的是，通过上述公式得到的校正后的每一像素点的像素值属于rgb颜色空间，校正后的每一像素点组成的校正后的肤色迁移图像也属于rgb颜色空间。
[0180]
在一些实施例中，将初步肤色迁移图像从lab颜色空间转为xyz空间的转换公式，如下：
[0181][0182]
其中，x、y、z分别为初步肤色迁移图像的像素点在xyz空间下的x坐标轴、y坐标轴、z坐标轴的坐标值，l、a、b分别为初步肤色迁移图像的像素点在lab颜色空间下的l通道、a通道、b通道的像素值，xn＝0.95047，yn＝1.0，zn＝1.08883，
[0183][0184]
其中，函数f-1
(t)用于计算(t)用于计算f-11116 16-1200的函数值。
[0185]
具体的，将代入函数f-1
(t)中得到的函数值，将代入函数f-1
(t)中得到16 1500的函数值，将t＝1116 16-1200代入函数f-1中得到的函数值。进而将计算得到的函数值代入到上述的lab颜色空间转为xyz空间的转换公式，以得到坐标值x、y、z。
[0186]
在一些实施例中，将初步肤色迁移图像从xyz空间转为rgb颜色空间的转换公式，如下：
[0187][0188]
其中，s
tr
、s
tg
、s
tb
分别为初步肤色迁移图像的像素点在rgb颜色空间下的r通道、g通道、b通道的像素值，x、y、z分别为初步肤色迁移图像的像素点在xyz空间下的x坐标轴、y坐标轴、z坐标轴的坐标值，
[0189][0190]
在本技术实施例中，通过根据lab颜色空间下的源图像的肤色区域的像素点的像素值和参照图像的肤色区域的像素点的像素值，计算颜色矩阵，并基于该颜色矩阵，对初步肤色迁移图像进行颜色校正，得到校正后的肤色迁移图像，本技术实施例能够使得经过颜色校正的初步肤色迁移图像的肤色与参照图像的肤色匹配度更高，提高肤色迁移的稳定性。
[0191]
在本技术实施例中，通过提供一种肤色迁移方法，该方法包括：通过获取源图像与参照图像，对源图像与参照图像进行分割，得到源图像的肤色区域和参照图像的肤色区域，并对源图像的肤色区域和参照图像的肤色区域分别进行lab颜色空间转换，并且基于肤色转换规则，对lab颜色空间下的源图像的肤色区域进行初步肤色迁移，以得到初步肤色迁移图像，进一步根据lab颜色空间下的源图像的肤色区域的像素点的像素值和参照图像的肤色区域的像素点的像素值，计算颜色矩阵，并且，还基于颜色矩阵，对初步肤色迁移图像进行颜色校正，以得到校正后的肤色迁移图像，本技术能够解决肤色迁移后图像亮度分布不合理、迁移效果较差的问题，使得校正后的肤色迁移图像的肤色与参照图像的肤色更为匹配，提高肤色迁移的准确度与稳定性。
[0192]
实施例二
[0193]
请参阅图10，图10是本技术实施例提供的一种肤色迁移装置的结构示意图；
[0194]
其中，该装置可应用于各种电子设备或服务器上，例如：应用于电子设备或服务器的一个或至少两个处理器。
[0195]
如图10所示，该肤色迁移装置101，包括：
[0196]
图像获取模块1011，用于获取源图像与参照图像；
[0197]
图像分割模块1012，用于对源图像与参照图像进行分割，得到源图像的肤色区域和参照图像的肤色区域；
[0198]
空间转换模块1013，用于对源图像的肤色区域和参照图像的肤色区域分别进行lab颜色空间转换，得到lab颜色空间下的源图像的肤色区域和参照图像的肤色区域；
[0199]
肤色迁移模块1014，用于基于肤色转换规则，对lab颜色空间下的源图像的肤色区域进行初步肤色迁移，以得到初步肤色迁移图像；
[0200]
矩阵计算模块1015，用于根据lab颜色空间下的源图像的肤色区域的像素点的像
素值和参照图像的肤色区域的像素点的像素值，计算颜色矩阵；
[0201]
颜色校正模块1016，用于基于颜色矩阵，对初步肤色迁移图像进行颜色校正，以得到校正后的肤色迁移图像。
[0202]
在本技术实施例中，该肤色迁移装置亦可以由硬件器件搭建成的，例如，肤色迁移装置可以由一个或两个以上的芯片搭建而成，各个芯片可以互相协调工作，以完成上述各个实施例所阐述的肤色迁移方法。再例如，肤色迁移装置还可以由各类逻辑器件搭建而成，诸如由通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)、单片机、arm(acorn risc machine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合而搭建成。
[0203]
本技术实施例中的肤色迁移装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本或者个人数字助理(personal digital assistant，pda)等，非移动电子设备可以为服务器、网络附属存储器(network attached storage，nas)、个人计算机(personal computer，pc)、电视机(television，tv)、柜员机或者自助机等，本技术实施例不作具体限定。
[0204]
本技术实施例中的肤色迁移装置可以为具有操作系统的装置。该操作系统可以为安卓(android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本技术实施例不作具体限定。
[0205]
本技术实施例提供的肤色迁移装置能够实现图2实现的各个过程，为避免重复，这里不再赘述。
[0206]
需要说明的是，上述肤色迁移装置可执行本技术上述实施例所提供的肤色迁移方法，具备执行方法相应的功能模块和有益效果。未在肤色迁移装置实施例中详尽描述的技术细节，可参考上述实施例所提供的肤色迁移方法。
[0207]
在本技术实施例中，通过提供一种肤色迁移装置，包括：图像获取模块，用于获取源图像与参照图像；图像分割模块，用于对源图像与参照图像进行分割，得到源图像的肤色区域和参照图像的肤色区域；空间转换模块，用于对源图像的肤色区域和参照图像的肤色区域分别进行lab颜色空间转换，得到lab颜色空间下的源图像的肤色区域和参照图像的肤色区域；肤色迁移模块，用于基于肤色转换规则，对lab颜色空间下的源图像的肤色区域进行初步肤色迁移，以得到初步肤色迁移图像；矩阵计算模块，用于根据lab颜色空间下的源图像的肤色区域的像素点的像素值和参照图像的肤色区域的像素点的像素值，计算颜色矩阵；颜色校正模块，用于基于颜色矩阵，对初步肤色迁移图像进行颜色校正，以得到校正后的肤色迁移图像。
[0208]
通过获取源图像与参照图像，对源图像与参照图像进行分割，得到源图像的肤色区域和参照图像的肤色区域，然后对源图像的肤色区域和参照图像的肤色区域分别进行lab颜色空间转换，得到lab颜色空间下的源图像的肤色区域和参照图像的肤色区域，并且基于肤色转换规则，对lab颜色空间下的源图像的肤色区域进行初步肤色迁移，并基于颜色矩阵，对初步肤色迁移图像进行颜色校正，得到校正后的肤色迁移图像，本技术能够解决肤色迁移后图像亮度分布不合理、迁移效果较差的问题，提高肤色迁移的准确度与稳定性。
[0209]
实施例三
[0210]
请参阅图11，图11是本技术实施例提供的一种电子设备的结构示意图；
[0211]
如图11所示，该电子设备110包括一个或多个处理器111以及存储器112。其中，图11中以一个处理器111为例。
[0212]
处理器111和存储器112可以通过总线或者其他方式连接，图11中以通过总线连接为例。
[0213]
处理器111，用于提供计算和控制能力，以控制电子设备110执行相应任务，例如，控制电子设备110执行上述任一方法实施例中的肤色迁移方法，包括：获取源图像与参照图像；对源图像与参照图像进行分割，得到源图像的肤色区域和参照图像的肤色区域；对源图像的肤色区域和参照图像的肤色区域分别进行lab颜色空间转换，得到lab颜色空间下源图像的肤色区域和参照图像的肤色区域；基于肤色转换规则，对lab颜色空间下的源图像的肤色区域进行初步肤色迁移，以得到初步肤色迁移图像；根据lab颜色空间下的源图像的肤色区域的像素点的像素值和参照图像的肤色区域的像素点的像素值，计算颜色矩阵；基于颜色矩阵，对初步肤色迁移图像进行颜色校正，以得到校正后的肤色迁移图像。
[0214]
通过获取源图像与参照图像，对源图像与参照图像进行分割，得到源图像的肤色区域和参照图像的肤色区域，然后对源图像的肤色区域和参照图像的肤色区域分别进行lab颜色空间转换，得到lab颜色空间下的源图像的肤色区域和参照图像的肤色区域，并且基于肤色转换规则，对lab颜色空间下的源图像的肤色区域进行初步肤色迁移，并基于颜色矩阵，对初步肤色迁移图像进行颜色校正，得到校正后的肤色迁移图像，本技术能够解决肤色迁移后图像亮度分布不合理、迁移效果较差的问题，提高肤色迁移的准确度与稳定性。
[0215]
处理器111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)、硬件芯片或者其任意组合；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)、可编程逻辑器件(programmable logic device，pld)或其组合。上述pld可以是复杂可编程逻辑器件(complex programmable logic device，cpld)，现场可编程逻辑门阵列(field-programmable gate array，fpga)，通用阵列逻辑(generic array logic，gal)或其任意组合。
[0216]
存储器112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，如本技术实施例中的肤色迁移方法或肤色迁移方法对应的程序指令/模块。处理器111通过运行存储在存储器112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的肤色迁移方法。具体地，存储器112可以包括易失性存储器(volatile memory，vm)，例如随机存取存储器(random access memory，ram)；存储器112也可以包括非易失性存储器(non-volatile memory，nvm)，例如只读存储器(read-only memory，rom)，快闪存储器(flash memory)，硬盘(hard disk drive，hdd)或固态硬盘(solid-state drive，ssd)或其他非暂态固态存储器件；存储器112还可以包括上述种类的存储器的组合。
[0217]
存储器112可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器112可选包括相对于处理器111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111。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。
[0218]
一个或者多个模块存储在存储器112中，当被一个或者多个处理器111执行时，执行上述任意方法实施例中的肤色迁移方法，例如，执行以上描述的图2所示的各个步骤；也可实现图10的各个模块或单元的功能。
[0219]
在本技术实施例中，电子设备110还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，电子设备110还可以包括其他用于实现设备功能的部件，在此不做赘述。
[0220]
本技术实施例的电子设备以多种形式存在，在执行以上描述的图2所示的各个步骤；也可实现图10的各个单元的功能时，包括但不限于：移动终端、电子手表、固定终端、可穿戴设备等设备。
[0221]
本技术实施例还提供了一种计算机可读存储介质，例如包括程序代码的存储器，上述程序代码可由处理器执行以完成上述实施例中的肤色迁移方法。例如，该计算机可读存储介质可以是只读存储器(read-only memory,rom)、随机存取存储器(random access memory，ram)、只读光盘(compact disc read-only memory，cdrom)、磁带、软盘和光数据存储设备等。
[0222]
本技术实施例还提供了一种计算机程序产品，该计算机程序产品包括一条或多条程序代码，该程序代码存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该程序代码，处理器执行该程序代码，以完成上述实施例中提供的肤色迁移方法的方法步骤。
[0223]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来程序代码相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0224]
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，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，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。
[0225]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；在本技术的思路下，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，并存在如上述的本技术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技术进行了详细的说明，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技术各实施例技术方案的范围。