(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210068603.X (22)申请日 2022.01.20 (71)申请人 北京字跳网络技 术有限公司 地址 100190 北京市海淀区紫金 数码园4号 楼2层0207 (72)发明人 朱渊略　 (74)专利代理 机构 北京远智汇知识产权代理有 限公司 1 1659 代理人 鲁艳萍 (51)Int.Cl. G06F 9/451(2018.01) G06F 3/0481(2022.01) (54)发明名称 图像处理方法、 装置、 电子设备及存 储介质 (57)摘要 本公开实施例公开了一种图像处理方法、 装 置、 电子设备及存储介质， 其中， 该方法包括： 接 收针对目标展示图像输入的用于启用边缘展示 特效的边缘特效触发操作； 将所述目标展示图像 中的特效展示边缘 以第一预设展示方式展示于 目标展示区域中； 将所述目标展示图像中除所述 特效展示边缘之外的区域 以第二预设展示方式 展示于所述目标展示区域中。 本公开实施例的技 术方案， 能够通过与用户交互的方式， 满足用户 对目标展示图像中的边缘进行特效展示的需求， 进而， 响应于边缘特效触发操作， 将特效展示边 缘区别于其他图像信息进行展示， 突出展示目标 展示图像中的边缘信息， 增加了图像展示的丰富 性和趣味性， 提升 了用户体验。 权利要求书4页 说明书22页 附图6页 CN 114416260 A 2022.04.29 CN 114416260 A 1.一种图像处 理方法， 其特 征在于， 包括： 接收针对目标展示图像输入的用于启用边 缘展示特效的边 缘特效触发操作； 将所述目标展示图像中的特效展示 边缘以第一预设展示方式展示于目标展示区域中； 将所述目标展示图像中除所述特效展示边缘之外的区域以第二预设展示方式展示于 所述目标展示区域中。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述目标展示图像中的特效展示边 缘以第一预设展示方式展示于目标展示区域中， 包括： 将所述目标展示图像中的特效展示边缘处的各个目标边缘点， 以按照预设点亮顺序进 行点亮的方式， 动态展示于目标展示区域中。 3.根据权利要求1所述的方法， 其特征在于， 所述接收针对目标展示图像输入的用于启 用边缘展示特效的边 缘特效触发操作， 包括： 接收针对预先设置的边缘特效触发控件的控件触发操作， 展示图像获取界面； 其中， 所 述图像获取界面包括图像获取控 件； 基于所述图像获取控件获取目标展示图像， 并接收针对所述目标展示图像的上传触发 操作。 4.根据权利要求1所述的方法， 其特征在于， 在所述将所述目标展示图像中的特效展示 边缘以第一预设展示方式展示于目标展示区域中之前， 还 包括： 将所述目标展示图像输入至预先训练完成的目标边缘提取模型中， 得到与 所述目标展 示图像对应的目标边缘掩膜图像， 其中， 所述 目标边缘掩膜图像中包括所述 目标展示图像 中的目标提取边 缘； 根据所述目标提取边 缘确定所述目标展示图像中的特效展示 边缘。 5.根据权利要求4所述的方法， 其特征在于， 在所述将所述目标展示图像输入至预先训 练完成的目标边 缘提取模型中之前， 还 包括： 获取样本展示图像以及与所述样本展示图像对应的样本边缘掩膜图像， 其中， 所述样 本边缘掩膜图像中包括所述样本展示图像中的期望提取边 缘； 根据所述样本展示图像以及所述样本边缘掩膜图像对初始边缘提取模型进行训练， 其 中， 初始边 缘提取模型包括语义分割网络和判别器； 将训练完成的语义分割网络作为目标边 缘提取模型。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所述样本展示图像以及所述样本 边缘掩膜图像对初始边 缘提取模型进行训练， 包括： 将所述样本展示图像输入至语义分割网络中， 得到分割边 缘掩膜图像； 基于所述语义分割网络的生成损失函数、 所述分割边缘掩膜图像以及所述样本边缘掩 膜图像确定模型生成损失， 其中， 所述模型生成损失包括语义分割网络的图像生成损失以 及判别器对所述分割边 缘掩膜图像的图像判别损失； 根据所述模型生成损失对所述语义分割网络的模型参数进行调整。 7.根据权利要求6所述的方法， 其特征在于， 所述语义分割网络的生成损失函数包括第 一损失函数和第二损失函数； 所述基于所述语义分割网络的生成损失函数、 所述分割边缘掩膜图像以及所述样本边 缘掩膜图像确定模型生成损失， 包括：权　利　要　求　书 1/4 页 2 CN 114416260 A 2基于第一损失函数计算所述分割边缘掩膜图像以及所述样本边缘掩膜图像之间的损 失， 作为语义分割网络的图像生成损失； 基于第二损失函数计算所述判别器输出的与所述分割边缘掩膜图像对应的输出判别 结果与期望判别结果之间的图像判别损失； 根据所述图像生成损失和所述图像判别损失确定所述语义分割网络的模型生成损失。 8.根据权利要求7所述的方法， 其特征在于， 所述第 一损失函数包括二分类交叉熵损失 函数， 所述第二损失函数包括最小二乘损失函数， 所述语义分割网络的生成损失函数基于 如下公式表示： 其中， x表示样本展示图像， G(x)表示所述语义分割网络输出的与所述样本展示图像对 应的分割边缘掩膜图像， y表示与所述样本展示图像对应的样本边缘掩膜图像， LG(G(x),y) 表示所述语义分割网络的生成损失函数， Lbce(G(x),y)表示用于计算所述分割 边缘掩膜图 像以及所述样本边缘掩膜图像之间的损失的二分类交叉熵损失函数， c[G(x),x]表示由所 述分割边缘掩膜图像与所述样本展示图像进行拼接得到的假样本图像， Dk(c[G(x),x])表 示判别器的第k层网络所输出的假样本图像的图像判别结果， n表 示从k的最大取值， 为大于 1的正整数， αi表示第i个 像素点的权 重值。 9.根据权利要求7所述的方法， 其特征在于， 在所述基于第 二损失函数计算所述判别器 输出的与所述分割边缘掩膜图像对应的输出判别结果与期望判别结果之间的图像判别损 失之前， 还 包括： 根据所述期望判别结果对应的边缘像素点和出所述边缘像素点之外的像素点的数量 以及所述期望判别结果对应的像素点总 数量， 确定所述第二损失函数 的目标权重值， 并基 于所述目标权 重值对所述第二损失函数进行加权 。 10.根据权利要求5所述的方法， 其特征在于， 所述根据所述样本展示图像以及所述样 本边缘掩膜图像对初始边 缘提取模型进行训练， 包括： 根据语义分割网络输出与 所述样本展示图像对应的分割边缘掩膜图像、 所述样本展示 图像以及所述样本边缘掩膜图像确定判别器的样本训练图像， 其中， 所述样本训练图像包 括真样本图像和假样本图像； 将所述样本训练图像输入至判别器中， 得到所述判别器的输出判别结果， 并根据所述 判别器的判别损失函数、 所述输出判别结果与期 望判别结果确定所述判别器的模型判别损 失； 根据所述模型判别损失对所述判别器的模型参数进行调整。 11.根据权利要求10所述的方法， 其特征在于， 所述根据语义分割网络输出与 所述样本 展示图像对应的分割边缘掩膜图像、 所述样本展示图像以及所述样本边缘掩膜图像确定判 别器的样本训练图像， 包括： 将所述样本展示图像与语义分割网络输出与所述样本展示图像对应的分割边缘掩膜 图像进行拼接， 得到判别模型 的假样本图像， 将所述样本展示图像与所述样本边缘掩膜图 像进行拼接， 得到判别模型的真样本图像。 12.根据权利要求10所述的方法， 其特征在于， 所述判别损失函数包括第 三损失函数和权　利　要　求　书 2/4 页 3 CN 114416260 A 3