CN103593834B - 一种智能添加景深的图像增强方法 - Google Patents

Abstract

本发明涉及一种智能添加景深的图像增强方法，其通过在原始图像上进行标注得到标注区域，并对标注区域的边界进行向外的判断，从而得到实际的主体区域，然后在标注区域或主体区域生成蒙版层，最后根据生成的蒙版层将原始图像与高斯模糊图像进行混合计算得到智能添加景深的结果图像，从而实现快速、准确的对图像进行智能景深的添加，效果更加自然。

Description

一种智能添加景深的图像增强方法

技术领域

本发明涉及一种图像增强方法，特别是一种智能添加景深的图像增强方法。

背景技术

随着生活水平与科技水平的不断提高，拍照成为我们日常生活中一种普通的行为，我们可以随意地拍摄所要的影像，用以记录值得纪念的一刻或景象。为了能凸显拍摄的主体，通常会利用浅景深的技巧使得拍摄的主体清晰而背景模糊，从而让拍摄主体从背景中抽离出来。让拍摄主体可以更具吸引力。我们要为拍摄后的图像添加景深的话，虽然现有的图像处理软件可以满足需要，但是它需要繁琐的步骤以及调整才能够制造出好的景深效果。

发明内容

本发明为解决上述问题，提供了一种基于标注主体的智能添加景深的图像增强方法，以实现快速、准确地对图像进行智能景深的添加。

为实现上述目的，本发明采用的技术方案为：

一种智能添加景深的图像增强方法，其特征在于，包括以下步骤：

10.接收原始图像；

20.在原始图像上进行标注得到标注区域；

30.对标注区域的边界进行向外的判断，判断***的像素点是否与标注区域的像素点相似；如果是，则将标注区域向外扩张，并重复执行步骤30继续进行向外的判断，直到不相似为止，将标注区域与扩张区域相加得到主体区域并在主体区域生成蒙版层；否则在标注区域生成蒙版层；

40.对原始图像进行高斯模糊处理，得到高斯模糊图像；

50.根据生成的蒙版层将原始图像与高斯模糊图像进行混合计算得到智能添加景深的结果图像。

作为一种较佳实施例，所述步骤20中在原始图像上进行标注得到标注区域，主要是采用贝塞尔曲线来绘制用户标注的点，然后将其连成一个封闭的区间。

作为一种较佳实施例，所述步骤20中在原始图像上进行标注得到标注区域，主要是对原始图像进行人脸检测，若检测到人脸，则将该人脸区域设为标注区域。

作为一种较佳实施例，所述步骤30中对标注区域的边界进行向外的判断，主要是在检测到人脸后利用皮肤识别原理对人脸区域及与其相邻的区域进行皮肤识别，若识别为皮肤则将人脸区域及相邻区域设为主体区域并在生成蒙版层。

作为一种较佳实施例，所述步骤30中对标注区域的边界进行向外的判断，主要是在没有检测到人脸后将用户手动设置的区域作为标注区域，并将标注区域的边界的所有像素点向外扩大，同时判断扩大后的像素点是否与扩大前的像素点相似，若相似则继续向外扩张直到不相似为止，并将标注区域及扩大后像素点设为主体区域。

作为一种较佳实施例，所述判断扩大后的像素点是否与扩大前的像素点相似，主要是根据分水岭分割方法来判断。

作为一种较佳实施例，所述步骤30中生成蒙版层的方法主要是利用渐变原理，将标注区域及向外扩张的区域内的颜色设置为白色，将其他区域的颜色设置为黑色，而标注区域及向外扩张的区域的最外层的颜色采用白色与黑色之间的灰度色来渐变，从而生成蒙版层。

作为一种较佳实施例，所述步骤30中还包括对所述生成的蒙版层进行高斯模糊处理。

作为一种较佳实施例，所述步骤40中对原始图像进行高斯模糊处理或是步骤30中对蒙版层进行高斯模糊处理，主要是采用正态分布计算图像中每个像素的变换，其中，

在N维空间的正态分布方程为：

在二维空间的正态分布方程为：

其中r是模糊半径(r²＝u²+v²)，σ是正态分布的标准偏差，u是原像素点在x轴上的位置偏移值，v是原像素点在y轴上的位置偏移值。

作为一种较佳实施例，所述步骤40中对原始图像进行高斯模糊处理，其采用的所述模糊半径r是根据用户要处理的景深程度来确定，其范围为6至30。

作为一种较佳实施例，所述步骤30中对蒙版层进行高斯模糊处理，其采用的所述模糊半径r的范围为10至16。

作为一种较佳实施例，所述步骤50中根据生成的蒙版层将原始图像与高斯模糊图像进行混合计算，其混合计算的公式为：

alpha＝maskColor/255.0；

resultColor＝oralColor*(1.0-alpha)+alpha*gaussColor；

其中，alpha代表蒙版层上对应像素点上的透明度；maskColor为蒙版层上对应像素点的颜色值；resultColor为结果图像上对应像素点的颜色值；oralColor为原始图像上对应像素点的颜色值；gaussColor为高斯图像上对应像素点的颜色值。

本发明的有益效果是：

(1)本发明通过在原始图像上进行标注得到标注区域，并对标注区域的边界进行向外的判断，从而得到实际的主体区域，然后在标注区域或主体区域生成蒙版层，最后根据生成的蒙版层将原始图像与高斯模糊图像进行混合计算得到智能添加景深的结果图像，从而实现快速、准确的对图像进行智能景深的添加。

(2)通过贝塞尔曲线绘制标注区域，使得标注区域更能满足用户需求。

(3)通过人脸检测得到标注区域，使得标注区域更加智能化。

(4)通过渐变原理生成蒙版层，使得过渡更自然，更好地融合。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明智能添加景深的图像增强方法的流程简图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、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。

如图1所示，本发明的一种智能添加景深的图像增强方法，包括以下步骤：

10.接收原始图像；

20.在原始图像上进行标注得到标注区域；

30.对标注区域的边界进行向外的判断，判断***的像素点是否与标注区域的像素点相似；如果是，则将标注区域向外扩张，并重复执行步骤30继续进行向外的判断，直到不相似为止，将标注区域与扩张区域相加得到主体区域并在主体区域生成蒙版层；否则在标注区域生成蒙版层；

40.对原始图像进行高斯模糊处理，得到高斯模糊图像；

50.根据生成的蒙版层将原始图像与高斯模糊图像进行混合计算得到智能添加景深的结果图像。

其中，所述步骤20中在原始图像上进行标注得到标注区域，一方面可以采用贝塞尔曲线来绘制用户标注的点，然后将其连成一个封闭的区间；或者，还可以采用对原始图像进行人脸检测，若检测到人脸，则将该人脸区域设为标注区域；上述人脸检测方法为可采用现有技术，此处不做赘述。

对于通过人脸检测来获得标注区域的方法，所述步骤30中对标注区域的边界进行向外的判断，主要是在检测到人脸后利用皮肤识别原理对人脸区域及与其相邻的区域进行皮肤识别，若识别为皮肤则将人脸区域及相邻区域设为主体区域并在生成蒙版层，即识别为皮肤的区域则不添加景深，而不是皮肤的区域则需要添加景深；若没有检测到人脸，则将用户手动设置的区域作为标注区域，并将标注区域的边界的所有像素点向外扩大，同时判断扩大后的像素点是否与扩大前的像素点相似，若相似则继续向外扩张直到不相似为止，并将标注区域及扩大后像素点设为主体区域；所谓向外扩大，即将区域内的边界像素点，如果是上边界的像素点则向上扩大；如果是下边界的像素点，则向下扩大；如果是左边界的像素点，则向左扩大；如果是右边界的像素点，则向右扩大。

上述判断扩大后的像素点是否与扩大前的像素点相似，主要是根据分水岭分割方法来判断；分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。

分水岭的计算过程是一个迭代标注过程，分水岭比较经典的计算方法是L.Vincent提出的，在该算法中，分水岭计算分两个步骤，一个是排序过程，一个是淹没过程。首先对每个像素的灰度级进行从低到高排序，然后在从低到高实现淹没过程中，对每一个局部极小值在h阶高度的影响域采用先进先出(FIFO)结构进行判断及标注。

分水岭变换得到的是输入图像的集水盆图像，集水盆之间的边界点，即为分水岭。显然，分水岭表示的是输入图像极大值点。因此，为得到图像的边缘信息，通常把梯度图像作为输入图像，即

式中，f(x,y)表示原始图像，grad(f(x,y))表示求原始图像的梯度运算。。

作为一种较佳实施例，所述步骤30中生成蒙版层的方法主要是利用渐变原理，将标注区域及向外扩张的区域内的颜色设置为白色，将其他区域的颜色设置为黑色，而标注区域及向外扩张的区域的最外层的颜色采用白色与黑色之间的灰度色来渐变，从而生成蒙版层。

作为一种较佳实施例，所述步骤30中还包括对所述生成的蒙版层进行高斯模糊处理。

作为一种较佳实施例，所述步骤40中对原始图像进行高斯模糊处理或是步骤30中对蒙版层进行高斯模糊处理，主要是采用正态分布计算图像中每个像素的变换，其中，

在N维空间的正态分布方程为：

在二维空间的正态分布方程为：

其中r是模糊半径(r²＝u²+v²)，σ是正态分布的标准偏差，u是原像素点在x轴上的位置偏移值，v是原像素点在y轴上的位置偏移值。

作为一种较佳实施例，所述步骤40中对原始图像进行高斯模糊处理，其采用的所述模糊半径r是根据用户要处理的景深程度来确定，其范围为6至30，优选为8。

作为一种较佳实施例，所述步骤30中对蒙版层进行高斯模糊处理，其采用的所述模糊半径r的范围为10至16，优选为12。

作为一种较佳实施例，所述步骤50中根据生成的蒙版层将原始图像与高斯模糊图像进行混合计算，其混合计算的公式为：

alpha＝maskColor/255.0；

resultColor＝oralColor*(1.0-alpha)+alpha*gaussColor；

其中，alpha代表蒙版层上对应像素点上的透明度；maskColor为蒙版层上对应像素点的颜色值；resultColor为结果图像上对应像素点的颜色值；oralColor为原始图像上对应像素点的颜色值；gaussColor为高斯图像上对应像素点的颜色值。

本发明通过在原始图像上进行标注得到标注区域，并对标注区域的边界进行向外的判断，从而得到实际的主体区域，然后在标注区域或主体区域生成蒙版层，最后根据生成的蒙版层将原始图像与高斯模糊图像进行混合计算得到智能添加景深的结果图像，使获得的主体区域将是比用户选取的主体区域大而且可能是不规则的，从而实现快速、准确的对图像进行智能景深的添加，效果更加自然。

上述说明示出并描述了本发明的优选实施例，如前，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (12)

1.一种智能添加景深的图像增强方法，其特征在于，包括以下步骤：

10.接收原始图像；

20.在原始图像上进行标注得到标注区域；

30.对标注区域的边界进行向外的判断，判断***的像素点是否与标注区域的像素点相似；如果是，则将标注区域向外扩张，并重复执行步骤30继续进行向外的判断，直到不相似为止，将标注区域与扩张区域相加得到主体区域并在主体区域生成蒙版层；否则在标注区域生成蒙版层；

40.对原始图像进行高斯模糊处理，得到高斯模糊图像；

50.根据生成的蒙版层将原始图像与高斯模糊图像进行混合计算得到智能添加景深的结果图像。

2.根据权利要求1所述的一种智能添加景深的图像增强方法，其特征在于：所述步骤20中在原始图像上进行标注得到标注区域，是采用贝塞尔曲线来绘制用户标注的点，然后将其连成一个封闭的区间。

3.根据权利要求1所述的一种智能添加景深的图像增强方法，其特征在于：所述步骤20中在原始图像上进行标注得到标注区域，是对原始图像进行人脸检测，若检测到人脸，则将该人脸区域设为标注区域。

4.根据权利要求3所述的一种智能添加景深的图像增强方法，其特征在于：所述步骤30中对标注区域的边界进行向外的判断，是在检测到人脸后利用皮肤识别原理对人脸区域及与其相邻的区域进行皮肤识别，若识别为皮肤则将人脸区域及相邻区域设为主体区域并在生成蒙版层。

5.根据权利要求3所述的一种智能添加景深的图像增强方法，其特征在于：所述步骤30中对标注区域的边界进行向外的判断，是在没有检测到人脸后将用户手动设置的区域作为标注区域，并将标注区域的边界的所有像素点向外扩大，同时判断扩大后的像素点是否与扩大前的像素点相似，若相似则继续向外扩张直到不相似为止，并将标注区域及扩大后像素点设为主体区域。

6.根据权利要求5所述的一种智能添加景深的图像增强方法，其特征在于：所述判断扩大后的像素点是否与扩大前的像素点相似，是根据分水岭分割方法来判断。

7.根据权利要求1所述的一种智能添加景深的图像增强方法，其特征在于：所述步骤30中生成蒙版层的方法是利用渐变原理，将标注区域及向外扩张的区域内的颜色设置为白色，将其他区域的颜色设置为黑色，而标注区域及向外扩张的区域的最外层的颜色采用白色与黑色之间的灰度色来渐变，从而生成蒙版层。

8.根据权利要求1所述的一种智能添加景深的图像增强方法，其特征在于：所述步骤30中还包括对所述生成的蒙版层进行高斯模糊处理。

9.根据权利要求8所述的一种智能添加景深的图像增强方法，其特征在于：所述步骤40中对原始图像进行高斯模糊处理或是步骤30中对蒙版层进行高斯模糊处理，是采用正态分布计算图像中每个像素的变换，其中，

在N维空间的正态分布方程为：

$G\left(r\right)=\frac{1}{{\left(\sqrt{2{\mathrm{\π\σ}}^2}\right)}^N}{e}^{-r^2/\left(2{\mathrm{\σ}}^2\right)};$

在二维空间的正态分布方程为：

$G(u,v)=\frac{1}{2{\mathrm{\π\σ}}^2}{e}^{-(u^2+v^2)/\left(2{\mathrm{\σ}}^2\right)};$

其中r是模糊半径，r²＝u²+v²，σ是正态分布的标准偏差，u是原像素点在x轴上的位置偏移值，v是原像素点在y轴上的位置偏移值。

10.根据权利要求9所述的一种智能添加景深的图像增强方法，其特征在于：所述步骤40中对原始图像进行高斯模糊处理，其采用的所述模糊半径r是根据用户要处理的景深程度来确定，其范围为6至30。

11.根据权利要求9所述的一种智能添加景深的图像增强方法，其特征在于：所述步骤30中对蒙版层进行高斯模糊处理，其采用的所述模糊半径r的范围为10至16。

12.根据权利要求1所述的一种智能添加景深的图像增强方法，其特征在于：所述步骤50中根据生成的蒙版层将原始图像与高斯模糊图像进行混合计算，其混合计算的公式为：

alpha＝maskColor/255.0；

resultColor＝oralColor*(1.0-alpha)+alpha*gaussColor；

其中，alpha代表蒙版层上对应像素点上的透明度；maskColor为蒙版层上对应像素点的颜色值；resultColor为结果图像上对应像素点的颜色值；oralColor为原始图像上对应像素点的颜色值；gaussColor为高斯图像上对应像素点的颜色值。