CN104331868A - 一种图像边缘的优化方法 - Google Patents

Abstract

本发明公开了一种图像边缘的优化方法，其通过在原始图像的待处理区域加载蒙版图，并对蒙版图进行最小值计算得到最小值图，再对最小值图进行模糊处理得到模糊图像，最后将原始图像与模糊图像进行混合计算得到结果图像，从而使得结果图像中的处理后区域与处理前区域之间的过渡边缘更自然，特别是在进行图像美容处理过程中，能够更好的保留眼睛、眉毛、嘴唇等细节，从而得到更好的美容效果。

Description

一种图像边缘的优化方法

技术领域

本发明涉及图像处理方法，特别是一种图像边缘的优化方法。

背景技术

蒙版是一种特殊的选区，它的目的并不是对选区进行操作，相反，而是要保护选区的不***作，同时，不处于蒙版范围的地方则可以进行编辑与处理。PS中的图层蒙版中只能用黑白色及灰色，黑色就是蒙住当前图层的内容，显示当前图层下面的层的内容来，白色则是显示当前层的内容，灰色则是半透明状，前图层下面的层的内容则若隐若现。

在图像处理的过程中，我们很经常使用蒙版层来对原始图和完整效果图进行透明度混合，但是由于蒙版层的生硬导致我们在处理的效果不佳，而我们经常使用的方案是直接对蒙版层使用高斯模糊使得其过渡自然。但是高斯模糊会导致整个蒙版层扩大，特别是在美容处理时，会导致眼睛、眉毛、嘴唇等细节丢失，从而导致美容的效果不佳。

发明内容

本发明为解决上述问题，提供了一种图像边缘的优化方法，从而使蒙版层的过渡更自然，并且在实际应用中的美容效果更好，细节保留得更完善。

为实现上述目的，本发明采用的技术方案为：

一种图像边缘的优化方法，其特征在于，包括以下步骤：

10.接收原始图像；

20.在原始图像的待处理区域加载蒙版图；

30.对蒙版图进行最小值计算，得到最小值图；

40.对最小值图进行模糊处理，得到模糊图像；

50.将原始图像与模糊图像进行混合计算得到结果图像。

优选的，所述的步骤30中，对蒙版图进行最小值计算，主要是在当前像素点为中心的，半径为r1的(2*r1+1)*(2*r1+1)的矩形范围内的最小值，通过最小值计算，得到缩小的蒙版图，即最小值图。

优选的，所述的步骤40中，对最小值图进行模糊处理，该模糊处理的半径值r与最小值计算的半径值r1的关系为：

r＝M*r1；

其中，r为模糊处理的半径值；r1为最小值计算的半径值；M为固定的一个值，范围为1.5到3之间。

优选的，所述的步骤40中的模糊处理主要采用高斯模糊处理或均值模糊处理。

优选的，所述的蒙版图为黑白图，其白色区域表示完整效果图像，黑色区域表示原始图像，所述步骤50中将原始图像与高斯模糊图像进行混合计算得到结果图像，其计算方法如下：

result＝(src*(255-mask)+mask*dest)/255.0

其中，result为结果图像上对应像素点的颜色；src为原始图像上对应像素点的颜色；dest为完整效果图像上对应像素点的颜色；mask为蒙版图上对应像素点的颜色。

本发明的有益效果是：

本发明的一种图像边缘的优化方法，其通过在原始图像的待处理区域加载蒙版图，并对蒙版图进行最小值计算得到最小值图，再对最小值图进行模糊处理得到模糊图像，最后将原始图像与模糊图像进行混合计算得到结果图像，从而使得结果图像中的处理后区域与处理前区域之间的过渡边缘更自然，特别是在进行图像美容处理过程中，能够更好的保留眼睛、眉毛、嘴唇等细节，从而得到更好的美容效果。

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为本发明一种图像边缘的优化方法的流程简图。

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，本发明的一种图像边缘的优化方法，其包括以下步骤：

10.接收原始图像；

20.在原始图像的待处理区域加载蒙版图；

30.对蒙版图进行最小值计算，得到最小值图；

40.对最小值图进行模糊处理，得到模糊图像；

50.将原始图像与模糊图像进行混合计算得到结果图像。

所述的蒙版图为黑白图，其白色区域表示完整效果图像，黑色区域表示原始图像。

所述的步骤30中，对蒙版图进行最小值计算，主要是在当前像素点为中心的，半径为r1的(2*r1+1)*(2*r1+1)的矩形范围内的最小值，通过最小值计算，得到缩小的蒙版图，即最小值图。

所述的步骤40中，对最小值图进行模糊处理，该模糊处理的半径值r与最小值计算的半径值r1的关系为：

r＝M*r1；

其中，r为模糊处理的半径值；r1为最小值计算的半径值；M为固定的一个值，范围为1.5到3之间，本实施例中最优值为2，具体由各种效果而定。

所述的步骤40中的模糊处理主要采用一些能够使黑白过渡自然的模糊算法，例如高斯模糊处理或均值模糊处理。

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：

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

在二维空间的正态分布方程为：

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

其中,r是模糊半径，r²＝u²+υ²，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。

均值模糊处理是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素；该临近像素是指以目标象素为中心的周围8个象素，构成一个滤波模板，即去掉目标象素本身；再用模板中的全体像素的平均值来代替原来像素值。

所述步骤50中将原始图像与高斯模糊图像进行混合计算得到结果图像，其计算方法如下：

result＝(src*(255-mask)+mask*dest)/255.0

其中，result为结果图像上对应像素点的颜色；src为原始图像上对应像素点的颜色；dest为完整效果图像上对应像素点的颜色；mask为蒙版图上对应像素点的颜色。

上述说明示出并描述了本发明的优选实施例，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 (5)

1.一种图像边缘的优化方法，其特征在于，包括以下步骤：

10.接收原始图像；

20.在原始图像的待处理区域加载蒙版图；

30.对蒙版图进行最小值计算，得到最小值图；

40.对最小值图进行模糊处理，得到模糊图像；

50.将原始图像与模糊图像进行混合计算得到结果图像。

2.根据权利要求1所述的一种图像边缘的优化方法，其特征在于：所述的步骤30中，对蒙版图进行最小值计算，主要是在当前像素点为中心的，半径为r1的(2*r1+1)*(2*r1+1)的矩形范围内的最小值，通过最小值计算，得到缩小的蒙版图，即最小值图。

3.根据权利要求2所述的一种图像边缘的优化方法，其特征在于：所述的步骤40中，对最小值图进行模糊处理，该模糊处理的半径值r与最小值计算的半径值r1的关系为：

r＝M*r1；

其中，r为模糊处理的半径值；r1为最小值计算的半径值；M为固定的一个值，范围为1.5到3之间。

4.根据权利要求1所述的一种图像边缘的优化方法，其特征在于：所述的步骤40中的模糊处理主要采用高斯模糊处理或均值模糊处理。

5.根据权利要求1所述的一种图像边缘的优化方法，其特征在于：所述的蒙版图为黑白图，其白色区域表示完整效果图像，黑色区域表示原始图像，所述步骤50中将原始图像与高斯模糊图像进行混合计算得到结果图像，其计算方法如下：

result＝(src*(255-mask)+mask*dest)/255.0

其中，result为结果图像上对应像素点的颜色；src为原始图像上对应像素点的颜色；dest为完整效果图像上对应像素点的颜色；mask为蒙版图上对应像素点的颜色。