如何调整人像照片头顶到照片边框距离？
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了如何调整人像照片头顶到照片边框距离？相关的知识，希望对你有一定的参考价值。
如何调整人像照片头顶到照片边框距离？调整人像照片头顶到照片边框距离，首先要用到图像处理工具，如PS，具体方法要根据具体情况：一、背景是纯色的。
1、缩小距离，直接进行裁剪。
2、扩大距离，裁剪后，再涂上相同的颜色。
二、背景是不是纯色，而是景物的，这要根据具体来抠图处理后再修复背景。1、三分法构图
三分法构图的原则就是将主体安排在两横两竖线上，特别是四个交叉点。拍摄人像时，将人物放置在两条竖线的其中一条上，另一侧留空，会让人更有想象空间，画面更加平衡。
2、人物的视线方向留白
人眼是心灵的窗户，视线方向留白会给人以想象，通过眼神和留白的方式引起情感共鸣。
3、人物的运动方向要留白
让人物的运动方向放空留白，让观众明白这留白处是人物即将达到的地方，画面的视觉效果更加平衡。同时适当的留白会让运动人物更有动感和视觉冲击力。
4、大场景、小人物
让人物占据画面的比例小一些，通过大场景与小人物的对比来表现环境氛围和人物的状态。
5、避免“撞墙”
如下图所示，画面色彩人物都很美，但人物的视线方向和朝向都是画面边框，无形中有“撞墙”的感觉，画面整体不协调。 参考技术A 随着社会的进步，第一代身份证已经完全停止使用。从而全国均使用第二代身份证。对于“二代证”，在制作时最为重要的是照片的拍摄。“二代证”使用的照片为申领人近期彩色正面免冠人像的数码化图像，位于身份证背面右侧，规格为32mm×26mm。即数字照片为358像素(宽)×441像素(高)规格。头像在照片矩形框内水平居中稍偏上，其中脸部宽207±14像素，头顶发迹距照片上边沿7-21像素，眼睛所在位置距照片下边沿的距离不不于207像素，当头顶发迹距照片上边沿距离与眼睛所在位置距照片下边沿的距离不能同时满足上述要求的情况下，应当优先保证眼睛所在位置距照片下边沿的距离不小于207像素，特殊情况下可部分切除耸立过高的头发。图片分辩率350dpi，24位RGB真色颜色模式，采用JPEG压缩技术，压缩品质因子70。规定居民不着制式服装，常戴眼镜的居民应配戴眼镜。要求人像清晰、层次丰富、神态自然、无明显畸变。白色背景、无边框。但是无论在拍摄还是在传输制作过程中，由于制证的任务非常繁重，因此往往也会有错过的照片。但是一旦发现照片有误，就要经过重新拍摄等阶段，反而会给制证者带来更多的不便。目前各地上传的制证信息到制证中心后发现照片质量不合格的每年多达近30余万条，大部分只能降低标准来制证(如果将信息退回重新采集，老百姓需第二次前来拍照，极不方便，实际操作也不可能，同时老百姓不能按时拿到证件)。
在实际的证件照拍摄过程中，由于每个人的体型(例如身高、体重、骨骼尺寸)有着较大的差异，很难要求每个申请人都能够在规定的拍摄有效区域内完成拍摄，因此，在现实证件照的制作过程中，根据不同人物的不同需求，往往需要通过软件程序对证件照片中的人物边框进行处理，使之满足制证要求。
随着通信技术的不断更新和发展，移动终端的拍摄功能也在逐渐完善。例如，在拍摄时，若用户对预览图像中的背景区域不是很满意，可保留预览图像中的人物区域，将背景区域进行虚化处理，以达到遮盖原有的背景区域的效果，或者用户在拍照时，对人物在证件照中所占比例不是很满意，无法满足需求，因此通过对拍照者在证件照中人物所处的位置进行调整，以达到满足职业照片拍摄的需求。
申请号为CN201310287996.4的中国专利公开了一种照片质量控制管理方法，用于为了达到所述目的，本发明所采用的技术方案包括第二代身份证人像照片质量控制方法，由数据采集点通过VPN专网采集初始人像照片信息，并且将照片编号，将照片信息进行如下处理：步骤1：人工判定照片内容是否人像；步骤2：对照片规格进行检测，步骤3：对符合规格的照片中人像进行检测，步骤4：将合格的照片信息和个人信息结合，形成完整的个人信息文件；最后将审核无误的照片归档记录。
上述现有技术虽然提出了一种照片质量控制管理方法，但传统的证件照处理方法主要是通过人工判断图像背景区域，然后通过图像处理软件进行描取人物目标边缘等相关操作来调整人物边框距离，然而在实际操作中，这些传统方法存在很多不足：对人工依赖性强，耗时耗力效率不高，获取的人物边框区域准确度较低，人物比例失调、人物目标边缘信息丢失严重，证件照换底效果不佳。很显然，传统方法无法适应于对各类证件照图像背景区域的获取，满足不了全自动获取证件照图像背景的发展要求，也无法满足普通人群自助制作证件照的应用需求。
因此，有必要对现有技术的不足和缺陷进行改进，提供一种证件照片人像边距智能控制方法，通过将拍摄照片中的人物图像、人物边框图像以及拍摄背景图像进行单独提取，并根据用户的实际需要进行匹配，实现了证件照片人物边框尺寸的调整，为用户的日常证件照片拍摄提供了极大的便利，满足了用户对证件照的拍摄需求，使得用户可以根据需求随时进行证件照的拍摄，而不必在拍摄时调整坐姿或站姿等以适应证件照的人物比例要求，提升了用户的体验。
有鉴于此特提出本发明。
技术实现要素：
本发明要解决的技术问题在于克服现有技术的不足，提供一种可以克服上述问题或者至少部分地解决上述问题的证件照片人像边距智能控制方法。
为解决上述技术问题，本发明采用技术方案的基本构思是：一种证件照片人像边距智能控制方法，用于拍摄设备，所述的人像边距控制方法保护：
拍摄设备获取拍摄图像；
在拍摄设备接收到调整人像边距指令时，在拍摄图像上选取人物图像；
将人物图像与指定边框图像进行合成，并得到预览图像；
预览图像得到确认后生成合成图像。
其中，所述在拍摄图像上选取人物图像，包括：
拍摄设备内预设的预设背景图像；
将拍摄到的拍摄图像的像素与预设背景图像的像素进行比对，通过拍摄图像与预设背景图像的像素差确定拍摄图像中的人物图像以及拍摄背景图像。
进一步地，所述在拍摄图像上选取人物图像，包括：
在将拍摄到的拍摄图像的像素与预设背景图像的像素进行比对中，预设背景图像的像素与拍摄图像的拍摄背景图像具有相同像素。
更进一步地，所述在拍摄图像上选取人物图像，包括：
拍摄前预设的预设背景图像能够根据用户需求改变不同的像素。
此外，所述在拍摄图像上选取人物图像，还包括：
通过将拍摄图像与预设背景图像以及人物图像的像素差进行比对确定的、以人物图像边缘的像素为集合的人物边框图像。
进一步地，所述在拍摄图像上选取人物图像，还包括：
拍摄设备内预设的、能够根据用户需求进行边框尺寸调整的预设边框图像。
同时，将人物图像与指定边框图像进行合成，并得到预览图像，还包括：
将获取的人物图像的人物边框图像与预设边框图像比对，并调整预设边框图像的像素和尺寸。
进一步地，将人物图像与指定边框图像进行合成，并得到预览图像，还包括：
合成预设边框图像与人物边框图像，进而得到预览图像；
其中，人物边框图像处于预设边框图像内。
更进一步地，将人物图像与指定边框图像进行合成，并得到预览图像，还包括：
对人物图像的皮肤区域像素取平均值，并将该平均值作为人物像素的皮肤；
对人物图像的头发区域像素取平均值，并将该平均值作为人物像素的头发。
另外，在拍摄设备接收到调整人物边框图像指令，包括：
在拍摄图像上选取人物图像、人物边框图像以及拍摄背景图像；
其中，在获得人物图像、人物边框图像以及拍摄图像的拍摄背景图像后，对拍摄图像进行平滑处理。 参考技术B 1、三分法构图
三分法构图的原则就是将主体安排在两横两竖线上，特别是四个交叉点。拍摄人像时，将人物放置在两条竖线的其中一条上，另一侧留空，会让人更有想象空间，画面更加平衡。
2、人物的视线方向留白
人眼是心灵的窗户，视线方向留白会给人以想象，通过眼神和留白的方式引起情感共鸣。
3、人物的运动方向要留白
让人物的运动方向放空留白，让观众明白这留白处是人物即将达到的地方，画面的视觉效果更加平衡。同时适当的留白会让运动人物更有动感和视觉冲击力。
4、大场景、小人物
让人物占据画面的比例小一些，通过大场景与小人物的对比来表现环境氛围和人物的状态。
5、避免“撞墙”
如下图所示，画面色彩人物都很美，但人物的视线方向和朝向都是画面边框，无形中有“撞墙”的感觉，画面整体不协调。 参考技术C 调整人像照片头顶到照片边框距离，首先要用到图像处理工具，如PS，具体方法要根据具体情况：
一、背景是纯色的。
1、缩小距离，直接进行裁剪。
2、扩大距离，裁剪后，再涂上相同的颜色。
二、背景是不是纯色，而是景物的，这要根据具体来抠图处理后再修复背景。 参考技术D 把人像存储选取，用内容识别缩放，把图片放大
看机器学习如何驾驭光影：一键为照片增光添彩的“人像光效”
文 / Yun-Ta Tsai 和 Rohit Pandey，Google Research 软件工程师
职业的人像摄影师能够通过专用设备（例如外置闪光灯与反光板）和专业知识，捕捉恰到好处的光照效果，从而拍摄出令人赞不决口的照片。为了让用户更好地排出专业的人像外观，我们最近发布了人像光效 (Portrait Light)，这是专为 Pixel 相机和 Google 相册应用推出的一项新的摄影后期功能，可为人像添加模拟的定向光源，在方向与强度两方面补充原始照片的光效。
使用和不使用人像光效的图片示例：注意人像光效如何勾勒出脸部轮廓，增加维度细节、立体感和视觉效果
人像光效
https://blog.google/products/photos/new-helpful-editor/
在 Pixel 4、Pixel 4a、Pixel 4a (5G) 和 Pixel 5 上的 Pixel 相机中，人像光效会自动对默认模式下的图片和包含人的照片（无论只有一人还是一小群人时）应用摄影后期功能。在人像模式照片中，人像光效配合已有的浅景深特效，提供更丰富的光影，可带来如在摄影棚一般的效果。由于对光影的喜好因人而异，因此Pixel 用户在人像模式下可根据自己的喜好，在 Google 相册中手动重新定位和调整所应用光线的亮度。对于在 Pixel 2 或后续型号上运行 Google 相册的用户，这种补光功能也可用于许多先前拍摄的人像照片。
Pixel 用户可以在拍摄后根据自己的喜好在 Google 照片中调整人像的光效
人像模式
https://ai.googleblog.com/2017/10/portrait-mode-on-pixel-2-and-pixel-2-xl.html
今天，我们来介绍一下人像光效背后的技术。
-
自动定向光补 充 (Automatic directional light placement)：对于给定的人像，该算法将合成的定向光放置于场景中，与摄影师在现实世界中补充外置光源的方式一致。 拍摄后合成补光 (Synthetic post-capture relighting)：对于给定的照明方向和人像，以看起来真实且自然的方式添加合成光。
-
Light Stage
https://augmentedperception.github.io/therelightables/
这些创新使人像光效能够随时为移动设备上的每个人像增加吸引人的光效。
自动光源补充
摄影师通常依靠感知线索决定如何使用外置光源增强环境光照。他们评估落在脸上的光照强度和方向，并调整拍摄对象的头部姿势以补充光线。为了引导人像光效自动放置光源，我们开发了这两种感知信号的等效计算。
首先，我们训练了一种全新的机器学习模型，根据输入的人像估算场景的高动态范围全向光照轮廓。这种新的光照估算模型将人脸视为光探头，推断所有方向的场景中所有光源的方向、相对强度和颜色。我们还使用 估算人像拍摄对象的头部姿势。
根据输入人像估算高动态范围全向光照轮廓：每个图片右侧的三个球体，即漫反射（顶部）、哑光银（中间）和镜面（底部）使用估算的照明进行渲染，每个球体都反映环境照明的颜色、强度和方向
通过这些线索，我们可以确定合成光照的源方向。在摄影棚人像摄影中，仰视场景时，主外置光源或主光位于视线上方约 30° 处，与照相机轴偏离 30° 至 60°。我们遵循这个经典人像外观准则，增强场景中任何预先存在的光照方向，同时力求达到平衡、巧妙的主光与补光光照比（约 2:1）。
由数据驱动的人像补光
根据所需的光照方向和人像，我们接下来训练了一个新的机器学习模型，以便将定向光源的照明添加到原始照片中。训练模型需要提供数百万对带有和不带额外光线的人像。在正常情况下拍摄此类数据集将是不可能的，因为它需要近乎完美地匹配在不同光照条件下拍摄的人像。
取而代之的是，我们通过使用 Light Stage 计算照明系统拍摄 70 个不同的人来生成训练数据。这种球形照明装置包括 64 个视角不同的照相机和 331 个可单独编程的 LED 光源。我们拍摄了每种光线照射下的每个个体（one-light-at-a-time，OLAT），这将生成其反射场或球形环境的离散部分所照亮的外观。反射场编码拍摄对象的皮肤、头发和衣服的独特颜色和反光属性，即每种材料的光泽或暗淡程度。由于光的叠加原理，这些 OLAT 图片可以线性叠加在一起，以渲染出逼真的拍摄对象图片，就像被摄者出现在任何基于图片的照明环境中一样，并正确地表示像次表面散射这样的复杂光传输现象。
我们使用 Light Stage 拍摄了不同脸型、性别、肤色、发型和着装/配饰的许多人。对于每个人，我们在不同的各种光照环境中生成合成人像，包括添加和不添加定向光的图片，从而渲染出数百万对图片。此数据集提升了模型在不同光照环境下的性能。
使用 360° 计算照明装置 Google Light Stage 一次点亮一盏灯，对个体进行拍照
左图：来自个人拍摄的反射场的示例图片，在 Light Stage 中的外观为一次点亮一盏灯的照明下的外观；右图：这些图片可以叠加在一起，在任何新颖的光照环境中形成拍摄对象的外观
通过商图片学习保留细节的补光
我们不是尝试直接预测输出补光图片，而是训练补光模型以输出低分辨率商图片 (Quotient Image)，即每像素乘数，在上采样时可应用于原始输入图片，在添加额外光源的情况下生成所需的输出图片。此技术计算效率高，并且只促进低频光照变化，而不影响高频图片细节，高频图片细节直接从输入端传输以保持图片质量。
通过几何估算监督补光
当摄影师在场景中添加额外的光源时，光源相对于拍摄对象的面部几何形状的方向将决定面部每个部分的亮度。为了对光源从相对无光表面反射的光学行为建模，我们首先训练一个机器学习模型，以根据输入的照片估算表面法线，然后应用兰伯特定律计算所需照明方向的“光可见性图”。我们将这个光可见性图作为商图片预测器的输入，以确保使用基于物理学的洞见对模型进行训练。
我们的补光网络流水线。根据输入人像，我们估算每个像素的表面法线，然后将其用于计算光可见性图。对模型进行训练以生成低分辨率商图片，在上采样并作为乘数应用于原始图片时，会产生在场景中综合添加额外光源的原始人像
我们优化了整个流水线，使其在移动设备上以交互式帧速率运行，并且模型的总大小不到 10 MB。以下是几个人像光效的实际运行示例。
人像光效演示效果
充分利用人像光效
您可以在 Pixel 相机中尝试使用人像光效，然后根据自己的喜好在 Google 照片中调整光的位置和亮度。对于使用的用户，可以在拍摄后应用人像光效，以获得更大的创作灵活性，在光影之间找到适当的平衡。在 Google 照片库的现有图片上，针对面部曝光不足之处尝试使用人像光效，让您的拍摄对象光彩照人。它特别适合处理单人直面相机摆姿势的图片。
我们正在依托机器学习开启移动相机的创意摄影后期光照控制之旅，而人像光效是这一旅程的第一步。
致谢
人像光效是 Google Research、Google Daydream、Pixel 和 Google 照片团队合作的结晶。主要贡献者包括：Yun-Ta Tsai、Rohit Pandey、Sean Fanello、Chloe LeGendre、Michael Milne、Ryan Geiss、Sam Hasinoff、Dillon Sharlet、Christoph Rhemann、Peter Denny、Kaiwen Guo、Philip Davidson、Jonathan Taylor、Mingsong Dou、Pavel Pidlypenskyi、Peter Lincoln、Jay Busch、Matt Whalen、Jason Dourgarian、Geoff Harvey、Cynthia Herrera、Sergio Orts Escolano、Paul Debevec、Jonathan Barron、Sofien Bouaziz、Clement Ng、Rachit Gupta、Jesse Evans、Ryan Campbell、Sonya Mollinger、Emily To、Yichang Shih、Jana Ehmann、Wan-Chun Alex Ma、Christina Tong、Tim Smith、Tim Ruddick、Bill Strathearn、Jose Lima、Chia-Kai Liang、David Salesin、Shahram Izadi、Navin Sarma、Nisha Masharani、Zachary Senzer。
更多 AI 相关阅读：
以上是关于如何调整人像照片头顶到照片边框距离？的主要内容，如果未能解决你的问题，请参考以下文章