图像处理方法、装置、设备及存储介质

技术领域

本发明涉及图像处理领域，尤其涉及一种图像处理方法、装置、设备及存储介质。

背景技术

目前，教育机构的讲师在进行线上直播培训时，需要布置代表该机构的背景墙，由于实体的背景墙可能会存在颜色差异，导致各个讲师的背景颜色不统一，此外，在直播培训过程中还需要对讲师进行美颜处理，现有技术中虽然出现了对直播培训的讲师进行美颜处理的方案，但这些方案大多是通过人脸检测模型来检测人脸再根据人脸检测框采用肤色检测算法得到人脸区域，这个过程由于需要对人脸框做进一步处理才能得到人脸区域的轮廓，导致图像美颜及更换背景的实时性较差。

发明内容

鉴于以上内容，本发明提供一种图像处理方法、装置、设备及存储介质，其目的在于解决现有技术中图像美颜及更换背景的实时性较差技术问题。

为实现上述目的，本发明提供一种图像处理方法，该方法包括：

接收用户发出的图像处理请求，获取请求中携带的待处理的原始图像；

对所述原始图像执行预处理操作，将执行预处理操作后的原始图像输入预先训练好的图像分割模型，得到第一分割图像；

将所述第一分割图像的前景区域的像素值设为预设目标值得到所述第一分割图像的背景区域，基于预设计算规则将所述背景区域替换为预设目标背景得到第二分割图像；

提取出所述第二分割图像中前景区域的人脸区域，并确定所述人脸区域的目标轮廓，对所述人脸区域的目标轮廓执行美颜操作，得到目标图像并反馈至所述用户。

优选的，所述对所述原始图像执行预处理操作之前，所述方法还包括：

判断所述原始图像的清晰度值是否小于第一预设阈值，当所述原始图像的清晰度值小于第一预设阈值时，检测预先连续拍摄的其他帧原始图像中是否存在清晰度值大于或等于第一预设阈值的原始图像，若存在，将清晰度值大于或等于第一预设阈值的原始图像替换所述待处理的原始图像。

优选的，所述图像分割模型是基于Portrait Net训练得到的，具体的训练过程包括：

获取预设数量的原始样本图像，对各原始样本图像执行预处理操作后分配预设标签，将原始样本图像作为自变量、原始样本图像对应的预设标签作为因变量生成样本集；

将所述样本集按照预设比例分成训练集及验证集；

利用所述训练集中的各自变量及各因变量对Portrait Net模型进行训练，每隔预设周期利用所述验证集中各变量及各因变量对Portrait Net模型的准确率进行验证；及

当验所述准确率大于第二预设阈值时，结束训练得到所述图像分割模型。

优选的，所述预设计算规则包括：

new＝image*alpha+bg*(1-alpha)

其中，new表示所述第二分割图像的像素值，image表示原始图像的像素值，alpha表示mask模板的像素值，bg表示所述预设目标背景的像素值。

优选的，所述对所述人脸区域的目标轮廓执行美颜操作，包括：

获取所述人脸区域的目标轮廓中各像素点的RGB值，为各像素点的RGB值增加预设值；

将增加预设值后的人脸区域及预设评价表反馈至所述用户并生成时间戳，基于所述时间戳实时侦测是否在预设时长内接收到所述用户提交的目标评价表；

若是，根据所述目标评分表中的选项值与美颜策略的映射关系，对增加预设值后的人脸区域执行该美颜策略对应的美颜操作得到所述目标图像。

优选的，所述预设值包括第一预设值和第二预设值，所述为各像素点的RGB值增加预设值包括：

当所述人脸区域的目标轮廓为第一类型的人脸区域时，为各像素点的RGB值增加第一预设值；

当所述人脸区域的目标轮廓为第二类型的人脸区域时，为各像素点的RGB值增加第二预设值。

优选的，所述接收用户发出的图像处理请求之前，所述方法还包括：

获取所述用户的身份信息，将所述身份信息与具备发起图像处理请求权限的白名单进行匹配，当匹配成功时，执行后续步骤，当匹配失败时，拒绝所述请求并反馈预设提示信息。

为实现上述目的，本发明还提供一种图像处理装置，该图像处理装置包括：

接收模块：用于接收用户发出的图像处理请求，获取请求中携带的待处理的原始图像；

第一处理模块：用于对所述原始图像执行预处理操作，将执行预处理操作后的原始图像输入预先训练好的图像分割模型，得到第一分割图像；

第二处理模块：用于将所述第一分割图像的前景区域的像素值设为预设目标值得到所述第一分割图像的背景区域，基于预设计算规则将所述背景区域替换为预设目标背景得到第二分割图像；

第三处理模块：用于提取出所述第二分割图像中前景区域的人脸区域，并确定所述人脸区域的目标轮廓，对所述人脸区域的目标轮廓执行美颜操作，得到目标图像并反馈至所述用户。

为实现上述目的，本发明还提供一种电子设备，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的程序，所述程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的图像处理方法的任意步骤。

为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有图像处理程序，所述图像处理程序被处理器执行时，实现如上所述图像处理方法的任意步骤。

本发明提出的图像处理方法、装置、设备及存储介质，本方案相比传统的布置背景墙省时省力，且本方案提出的实时分割能既能分割出整个人体也能同时分割人脸用于人脸美白功能，省去了采用人脸检测模型来检测人脸再根据人脸检测框采用肤色检测算法得到人脸轮廓区域的时间，具有更强实时性。

附图说明

图1为本发明图像处理方法较佳实施例的流程图示意图；

图2为本发明图像处理装置较佳实施例的模块示意图；

图3为本发明电子设备较佳实施例的示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明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发明，并不用于限定本发明。基于本发明中的实施例，本领域普通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。

本发明提供一种图像处理方法。参照图1所示，为本发明图像处理方法的实施例的方法流程示意图。该方法可以由一个电子设备执行，该电子设备可以由软件和/或硬件实现。图像处理方法包括：

步骤S10：接收用户发出的图像处理请求，获取请求中携带的待处理的原始图像。

本方案的应用场景可以是培训机构的讲师进行线上课程的直播培训时，需要对讲师的背景图像进行替换以及对讲师人脸图像进行美颜的场景，需要说明的是，本方案的图像处理的实际应用场景并不仅限于此。当用户(讲师)需要进行线上培训直播时，用户可以开启终端上用于线上培训的应用程序并发起图像处理的请求，图像处理在本实施例中可以是指更换标准背景及人脸美白处理，终端可以通过自带的摄像装置实时拍摄用户的原始人脸图像，终端在接收到用户发出的图像请求之后，解析该请求获取请求中携带的原始图像，其中，请求中可以包括原始图像，也可以包括待处理的原始图像的存储路径。也就是说，原始图像可以是用户在提交图像处理请求时一并录入，也可以是用户提交图像请求之后应用程序从请求指定的地址中获取的。可以理解的是，图像处理请求可以是通过人机交互界面由用户主动发起，也可以是用户开启直播培训时自动发起的。

在一个实施例中，所述接收用户发出的图像处理请求之前，所述方法还包括：

获取所述用户的身份信息，将所述身份信息与具备发起图像处理请求权限的白名单进行匹配，当匹配成功时，执行后续步骤，当匹配失败时，拒绝所述请求并反馈预设提示信息。

将用户的身份信息与预设数据库中的具备图像处理权限的白名单进行匹配，白名单可以是指具有具备直播培训权限的用户名单，当白名单中存在与用户身份信息匹配的数据时，认为用户具备发起图像处理请求的权限，允许该用户发起的请求，当白名单中不存在与用户身份信息匹配的数据时，认为用户不具备权限，拒绝该用户的请求并发送预设提示信息，并发送预设的提示信息，提示信息可以是“无权限”等。

步骤S20：对所述原始图像执行预处理操作，将执行预处理操作后的原始图像输入预先训练好的图像分割模型，得到第一分割图像。

在本实施例中，在获取到用户的原始图像之后，由于需要将原始图像输入模型进行分割处理时计算量会较大，因此，可以对原始图像进行预处理，使得原始图像降维，减少了模型对原始图像进行分割图像处理的计算量。其中，预处理操作可以是指对原始图像进行灰度化处理，灰度化处理是将原始彩色图像转化为灰度图像的过程，彩色图像分为R，G，B三个分量，分别显示出红绿蓝等各种颜色，灰度化就是使彩色的R，G，B分量相等的过程。灰度值大的像素点比较亮(像素值最大为255，为白色)，反之比较暗(像素最下为0，为黑色)。进一步地，对原始图像执行灰度化处理的方法可以是最大值法、平均值法或加权平均值法的任意一种。

在一个实施例中，所述对所述原始图像执行预处理操作之前，所述方法还包括：

判断所述原始图像的清晰度值是否小于第一预设阈值，当所述原始图像的清晰度值小于第一预设阈值时，检测预先连续拍摄的其他帧原始图像中是否存在清晰度值大于或等于第一预设阈值的原始图像，若存在，将清晰度值大于或等于第一预设阈值的原始图像替换所述待处理的原始图像。

可以根据多种灰度梯度函数计算原始图像的清晰度值，例如，Brenner梯度函数、Laplacian梯度函数、SMD(灰度方差)函数等。

在一个实施例中，所述图像分割模型是基于Portrait Net训练得到的，具体的训练过程包括：

获取预设数量的原始样本图像，对各原始样本图像执行预处理操作后分配预设标签，将原始样本图像作为自变量、原始样本图像对应的预设标签作为因变量生成样本集；

将所述样本集按照预设比例分成训练集及验证集；

利用所述训练集中的各自变量及各因变量对Portrait Net模型进行训练，每隔预设周期利用所述验证集中各变量及各因变量对Portrait Net模型的准确率进行验证；及

当验所述准确率大于第二预设阈值时，结束训练得到所述图像分割模型。

原始样本图像可以是指讲师上课的图像，采用labelme标注工具将女性讲师的人脸区域标注为1，非人脸人体区域标注为3，人脸区域和人体区域为前景区域，背景区域为0生成mask图片(label)，类似的男性讲师的人脸区域标注为2。

Portrait Net的loss是由mask loss加boundary loss组成，其中mask loss用来计算像素分类的二值交叉熵loss，boundary loss为了保证网络的娇小，并在最后一层增加了一个conv层用来预测边界，边界的label来自对分割gt的canny算子的输出，增加boundary loss可以较好的分割出人像边缘。

步骤S30：将所述第一分割图像的前景区域的像素值设为预设目标值得到所述第一分割图像的背景区域，基于预设计算规则将所述背景区域替换为预设目标背景得到第二分割图像。

在本实施例中，将第一分割图像的前景区域(即人脸区域和人体区域)的像素值设置为255，可以将前景区域全部找出来，从第一分割图像中抠除前景区域可以得到第一分割图像的背景区域，再根据目标背景区域及预设计算规则可以合成第二分割图像，第二分割图像在本实施中是指原始图像的背景区域替换为预设的目标背景区域的图像。

在一个实施例中，所述预设计算规则包括：

new＝image*alpha+bg*(1-alpha)

其中，new表示所述第二分割图像的像素值，image表示原始图像的像素值，alpha表示mask模板的像素值，bg表示所述预设目标背景的像素值。需要说明的是，new、image、alpha及bg的大小是一样的，且每张图像的像素序号是对应的。例如，图像大小均为112*112，即每张图像有112*112个像素点，则new的第i个像素点的像素值是根据image的第i个像素点的像素值、alpha的第i个像素点的像素值、bg的第i个像素点的像素值计算得到的。

获取第一分割图像的背景区域，根据上述计算公式将第一分割图像的背景区域替换成目标背景区域，可以对培训讲师的图像背景进行重新编辑，提高用户体验，同时无需人工干预，实现一键式背景替换。

步骤S40：提取出所述第二分割图像中前景区域的人脸区域，并确定所述人脸区域的目标轮廓，对所述人脸区域的目标轮廓执行美颜操作，得到目标图像并反馈至所述用户。

在本实施例中，可以根据第二分割图像的掩码值提取出第二分割图像中前景区域的人脸区域，第二分割图像mask图里面1，2，3分别代表女性讲师的人脸区域、男性讲师的人脸区域、非人脸的人体区域，提取出第二分割图像中前景区域的人脸区域之后，根据相关的函数确定出人脸区域的目标轮廓，可以采用cv2.findContours()函数来查找检测人脸的轮廓(得到轮廓边界上的所有坐标点)，根据轮廓面积cv2.contourArea进行排序取出人脸区域的目标轮廓，再对人脸区域的目标轮廓执行美颜操作。

在一个实施例中，所述对所述人脸区域的目标轮廓执行美颜操作，包括：

获取所述人脸区域的目标轮廓中各像素点的RGB值，为各像素点的RGB值增加预设值；

将增加预设值后的人脸区域及预设评价表反馈至所述用户并生成时间戳，基于所述时间戳实时侦测是否在预设时长内接收到所述用户提交的目标评价表；

若是，根据所述目标评分表中的选项值与美颜策略的映射关系，对增加预设值后的人脸区域执行该美颜策略对应的美颜操作得到所述目标图像。

一张图像会使用R、G、B来保存图像的颜色信息，三个值的取值范围是0-255，该取值越靠近0，图像越黑，越靠近255，图像越白，等于255的时候该像素点为白色，因此可以通过增加人脸区域各像素点的RGB值的大小来对人脸区域进行美白。根据预设评价表得到用户对增加预设RGB值后的人脸区域的反馈信息，可以在人机交互界面展示预设评价表供用户反馈并提交，预设评价表可以包括：问题“您对该美颜操作的意见是？”，选项值：“偏白”、“不够白”、“无意见”，每个选项值有预先配置在映射关系表的美颜策略，若在预设时长内未接收到用户提交的目标评价表或者接收到用户“无意间”的评价，则不作进一步处理。若在预设时长内接收到用户提交的目标评价表，例如，在3秒钟内接收到用户提交的“偏白”，则对增加预设值后的人脸区域的RGB像素值减小第三预设值得到目标图像。可以结合用户的反馈意见对人脸区域做进一步调整，增加了美颜操作的灵活性。

进一步地，所述预设值包括第一预设值和第二预设值，所述为各像素点的RGB值增加预设值包括：

当所述人脸区域的目标轮廓为第一类型的人脸区域时，为各像素点的RGB值增加第一预设值；当所述人脸区域的目标轮廓为第二类型的人脸区域时，为各像素点的RGB值增加第二预设值。

第一预设值大于第二预设值，第一类型的人脸区域可以是女性讲师的人脸区域，第二类型的人脸区域可以是男性讲师的人脸区域，女性讲师的美白度相较于男性讲师的美白度较高。

参照图2所示，为本发明图像处理装置100的功能模块示意图。

本发明所述图像处理装置100可以安装于电子设备中。根据实现的功能，所述图像处理装置100可以包括接收模块110、第一处理模块120、第二处理模块130及第三处理模块140。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

接收模块110，用于接收用户发出的图像处理请求，获取请求中携带的待处理的原始图像。

本方案的应用场景可以是培训机构的讲师进行线上课程的直播培训时，需要对讲师的背景图像进行替换以及对讲师人脸图像进行美颜的场景，需要说明的是，本方案的图像处理的实际应用场景并不仅限于此。当用户(讲师)需要进行线上培训直播时，用户可以开启终端上用于线上培训的应用程序并发起图像处理的请求，图像处理在本实施例中可以是指更换标准背景及人脸美白处理，终端可以通过自带的摄像装置实时拍摄用户的原始人脸图像，终端在接收到用户发出的图像请求之后，解析该请求获取请求中携带的原始图像，其中，请求中可以包括原始图像，也可以包括待处理的原始图像的存储路径。也就是说，原始图像可以是用户在提交图像处理请求时一并录入，也可以是用户提交图像请求之后应用程序从请求指定的地址中获取的。可以理解的是，图像处理请求可以是通过人机交互界面由用户主动发起，也可以是用户开启直播培训时自动发起的。

在一个实施例中，所述接收用户发出的图像处理请求之前，所述方法还包括：

获取所述用户的身份信息，将所述身份信息与具备发起图像处理请求权限的白名单进行匹配，当匹配成功时，执行后续步骤，当匹配失败时，拒绝所述请求并反馈预设提示信息。

将用户的身份信息与预设数据库中的具备图像处理权限的白名单进行匹配，白名单可以是指具有具备直播培训权限的用户名单，当白名单中存在与用户身份信息匹配的数据时，认为用户具备发起图像处理请求的权限，允许该用户发起的请求，当白名单中不存在与用户身份信息匹配的数据时，认为用户不具备权限，拒绝该用户的请求并发送预设提示信息，并发送预设的提示信息，提示信息可以是“无权限”等。

第一处理模块120，用于对所述原始图像执行预处理操作，将执行预处理操作后的原始图像输入预先训练好的图像分割模型，得到第一分割图像。

在本实施例中，在获取到用户的原始图像之后，由于需要将原始图像输入模型进行分割处理时计算量会较大，因此，可以对原始图像进行预处理，使得原始图像降维，减少了模型对原始图像进行分割图像处理的计算量。其中，预处理操作可以是指对原始图像进行灰度化处理，灰度化处理是将原始彩色图像转化为灰度图像的过程，彩色图像分为R，G，B三个分量，分别显示出红绿蓝等各种颜色，灰度化就是使彩色的R，G，B分量相等的过程。灰度值大的像素点比较亮(像素值最大为255，为白色)，反之比较暗(像素最下为0，为黑色)。进一步地，对原始图像执行灰度化处理的方法可以是最大值法、平均值法或加权平均值法的任意一种。

在一个实施例中，所述对所述原始图像执行预处理操作之前，所述方法还包括：

判断所述原始图像的清晰度值是否小于第一预设阈值，当所述原始图像的清晰度值小于第一预设阈值时，检测预先连续拍摄的其他帧原始图像中是否存在清晰度值大于或等于第一预设阈值的原始图像，若存在，将清晰度值大于或等于第一预设阈值的原始图像替换所述待处理的原始图像。

可以根据多种灰度梯度函数计算原始图像的清晰度值，例如，Brenner梯度函数、Laplacian梯度函数、SMD(灰度方差)函数等。

在一个实施例中，所述图像分割模型是基于Portrait Net训练得到的，具体的训练过程包括：

获取预设数量的原始样本图像，对各原始样本图像执行预处理操作后分配预设标签，将原始样本图像作为自变量、原始样本图像对应的预设标签作为因变量生成样本集；

将所述样本集按照预设比例分成训练集及验证集；

利用所述训练集中的各自变量及各因变量对Portrait Net模型进行训练，每隔预设周期利用所述验证集中各变量及各因变量对Portrait Net模型的准确率进行验证；及

当验所述准确率大于第二预设阈值(例如，90％)时，结束训练得到所述图像分割模型。

原始样本图像可以是指讲师上课的图像，采用labelme标注工具将女性讲师的人脸区域标注为1，非人脸人体区域标注为3，人脸区域和人体区域为前景区域，背景区域为0生成mask图片(label)，类似的男性讲师的人脸区域标注为2。

Portrait Net的loss是由mask loss加boundary loss组成，其中mask loss用来计算像素分类的二值交叉熵loss，boundary loss为了保证网络的娇小，并在最后一层增加了一个conv层用来预测边界，边界的label来自对分割gt的canny算子的输出，增加boundary loss可以较好的分割出人像边缘。

第二处理模块130，用于将所述第一分割图像的前景区域的像素值设为预设目标值得到所述第一分割图像的背景区域，基于预设计算规则将所述背景区域替换为预设目标背景得到第二分割图像。

在本实施例中，将第一分割图像的前景区域(即人脸区域和人体区域)的像素值设置为255，可以将前景区域全部找出来，从第一分割图像中抠除前景区域可以得到第一分割图像的背景区域，再根据目标背景区域及预设计算规则可以合成第二分割图像，第二分割图像在本实施中是指原始图像的背景区域替换为预设的目标背景区域的图像。

在一个实施例中，所述预设计算规则包括：

new＝image*alpha+bg*(1-alpha)

其中，new表示所述第二分割图像的像素值，image表示原始图像的像素值，alpha表示mask模板的像素值，bg表示所述预设目标背景的像素值。需要说明的是，new、image、alpha及bg的大小是一样的，且每张图像的像素序号是对应的。例如，图像大小均为112*112，即每张图像有112*112个像素点，则new的第i个像素点的像素值是根据image的第i个像素点的像素值、alpha的第i个像素点的像素值、bg的第i个像素点的像素值计算得到的。

获取第一分割图像的背景区域，根据上述计算公式将第一分割图像的背景区域替换成目标背景区域，可以对培训讲师的图像背景进行重新编辑，提高用户体验，同时无需人工干预，实现一键式背景替换。

第三处理模块140，用于提取出所述第二分割图像中前景区域的人脸区域，并确定所述人脸区域的目标轮廓，对所述人脸区域的目标轮廓执行美颜操作，得到目标图像并反馈至所述用户。

在本实施例中，可以根据第二分割图像的掩码值提取出第二分割图像中前景区域的人脸区域，第二分割图像mask图里面1，2，3分别代表女性讲师的人脸区域、男性讲师的人脸区域、非人脸的人体区域，提取出第二分割图像中前景区域的人脸区域之后，根据相关的函数确定出人脸区域的目标轮廓，可以采用cv2.findContours()函数来查找检测人脸的轮廓(得到轮廓边界上的所有坐标点)，根据轮廓面积cv2.contourArea进行排序取出人脸区域的目标轮廓，再对人脸区域的目标轮廓执行美颜操作。

在一个实施例中，所述对所述人脸区域的目标轮廓执行美颜操作，包括：

获取所述人脸区域的目标轮廓中各像素点的RGB值，为各像素点的RGB值增加预设值；

将增加预设值后的人脸区域及预设评价表反馈至所述用户并生成时间戳，基于所述时间戳实时侦测是否在预设时长内接收到所述用户提交的目标评价表；

若是，根据所述目标评分表中的选项值与美颜策略的映射关系，对增加预设值后的人脸区域执行该美颜策略对应的美颜操作得到所述目标图像。

一张图像会使用R、G、B来保存图像的颜色信息，三个值的取值范围是0-255，该取值越靠近0，图像越黑，越靠近255，图像越白，等于255的时候该像素点为白色，因此可以通过增加人脸区域各像素点的RGB值的大小来对人脸区域进行美白。根据预设评价表得到用户对增加预设RGB值后的人脸区域的反馈信息，可以在人机交互界面展示预设评价表供用户反馈并提交，预设评价表可以包括：问题“您对该美颜操作的意见是？”，选项值：“偏白”、“不够白”、“无意见”，每个选项值有预先配置在映射关系表的美颜策略，若在预设时长内未接收到用户提交的目标评价表或者接收到用户“无意间”的评价，则不作进一步处理。若在预设时长内接收到用户提交的目标评价表，例如，在3秒钟内接收到用户提交的“偏白”，则对增加预设值后的人脸区域的RGB像素值减小第三预设值得到目标图像。可以结合用户的反馈意见对人脸区域做进一步调整，增加了美颜操作的灵活性。

进一步地，所述预设值包括第一预设值和第二预设值，所述为各像素点的RGB值增加预设值包括：

当所述人脸区域的目标轮廓为第一类型的人脸区域时，为各像素点的RGB值增加第一预设值；当所述人脸区域的目标轮廓为第二类型的人脸区域时，为各像素点的RGB值增加第二预设值。

第一预设值大于第二预设值，第一类型的人脸区域可以是女性讲师的人脸区域，第二类型的人脸区域可以是男性讲师的人脸区域，女性讲师的美白度相较于男性讲师的美白度较高。

参照图3所示，为本发明电子设备1较佳实施例的示意图。

该电子设备1包括但不限于：存储器11、处理器12、显示器13及网络接口14。所述电子设备1通过网络接口14连接网络，获取原始数据。其中，所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobilecommunication，GSM)、宽带码分多址(Wideband Code Division Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi、通话网络等无线或有线网络。

其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器11可以是所述电子设备1的内部存储单元，例如该电子设备1的硬盘或内存。在另一些实施例中，所述存储器11也可以是所述电子设备1的外部存储设备，例如该电子设备1配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器11还可以既包括所述电子设备1的内部存储单元也包括其外部存储设备。本实施例中，存储器11通常用于存储安装于所述电子设备1的操作系统和各类应用软件，例如图像处理程序10的程序代码等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述电子设备1的总体操作，例如执行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行图像处理程序10的程序代码等。

显示器13可以称为显示屏或显示单元。在一些实施例中显示器13可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-EmittingDiode，OLED)触摸器等。显示器13用于显示在电子设备1中处理的信息以及用于显示可视化的工作界面，例如显示数据统计的结果。

网络接口14可选地可以包括标准的有线接口、无线接口(如WI-FI接口)，该网络接口14通常用于在所述电子设备1与其它电子设备之间建立通信连接。

图3仅示出了具有组件11-14以及图像处理程序10的电子设备1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

可选地，所述电子设备1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode，OLED)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

该电子设备1还可以包括射频(Radio Frequency，RF)电路、传感器和音频电路等等，在此不再赘述。

在上述实施例中，处理器12执行存储器11中存储的图像处理程序10时可以实现如下步骤：

接收用户发出的图像处理请求，获取请求中携带的待处理的原始图像；

对所述原始图像执行预处理操作，将执行预处理操作后的原始图像输入预先训练好的图像分割模型，得到第一分割图像；

将所述第一分割图像的前景区域的像素值设为预设目标值得到所述第一分割图像的背景区域，基于预设计算规则将所述背景区域替换为预设目标背景得到第二分割图像；

提取出所述第二分割图像中前景区域的人脸区域，并确定所述人脸区域的目标轮廓，对所述人脸区域的目标轮廓执行美颜操作，得到目标图像并反馈至所述用户。

所述存储设备可以为电子设备1的存储器11，也可以为与电子设备1通讯连接的其它存储设备。

关于上述步骤的详细介绍，请参照上述图2关于图像处理装置100实施例的功能模块图以及图1关于图像处理方法实施例的流程图的说明。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质可以是非易失性的，也可以是易失性的。该计算机可读存储介质可以是硬盘、多媒体卡、SD卡、闪存卡、SMC、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器等等中的任意一种或者几种的任意组合。所述计算机可读存储介质中包括存储数据区和存储程序区，存储数据区存储根据区块链节点的使用所创建的数据，存储程序区存储有图像处理程序10，所述图像处理程序10被处理器执行时实现如下操作：

接收用户发出的图像处理请求，获取请求中携带的待处理的原始图像；

对所述原始图像执行预处理操作，将执行预处理操作后的原始图像输入预先训练好的图像分割模型，得到第一分割图像；

将所述第一分割图像的前景区域的像素值设为预设目标值得到所述第一分割图像的背景区域，基于预设计算规则将所述背景区域替换为预设目标背景得到第二分割图像；

提取出所述第二分割图像中前景区域的人脸区域，并确定所述人脸区域的目标轮廓，对所述人脸区域的目标轮廓执行美颜操作，得到目标图像并反馈至所述用户。

本发明之计算机可读存储介质的具体实施方式与上述图像处理方法的具体实施方式大致相同，在此不再赘述。

在另一个实施例中，本发明所提供的图像处理方法，为进一步保证上述所有出现的数据的私密和安全性，上述所有数据还可以存储于一区块链的节点中。例如原始图像及目标图像等，这些数据均可存储在区块链节点中。

需要说明的是，本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

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上述实施例方法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，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的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，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，电子装置，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。