CN105139415A - 图像前后景分割方法、装置及终端 - Google Patents

Abstract

本公开是关于图像前后景分割方法、装置及终端，其中，该方法包括：获取待分割图像的前景区域、可能前景区域和背景区域；根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素；根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值；根据所述待分割图像中每个像素作为目标前景区域的概率值，对所述待分割图像进行前后景分割。本公开实施例能检测出每个像素的近邻像素，在全图范围内考虑各个像素的相似性，能够实现更为精细的前后景分割，分割精确率较高。

Description

图像前后景分割方法、装置及终端

技术领域

本申请涉及图像处理技术领域，尤其涉及图像前后景分割方法、装置及终端。

背景技术

在图像处理领域，图像的前后景分割的需求较大，比如经常需要将图像中的人物分割出来并合成至其他背景中。相关技术中的前后景分割算法，通常是根据用户指定的部分前后景区域，将前景和后景分别构建统计模型，表示各自像素统计上的规律性；由于受限于统计模型的精度，若模型分量多，容易使前后景模型混淆；若模型分量少，容易漏掉某些重要的特征，所以分割精细度不够理想。

发明内容

为克服相关技术中存在的问题，本公开提供了图像前后景分割方法、装置及终端。

根据本公开实施例的第一方面，提供一种图像前后景分割方法，所述方法包括：

获取待分割图像的前景区域、可能前景区域和背景区域；

根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素；

根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值；

根据所述待分割图像中每个像素作为目标前景区域的概率值，对所述待分割图像进行前后景分割。

可选的，所述获取待分割图像的前景区域、可能前景区域和背景区域，包括：

利用图像识别算法标记出所述待分割图像中的前景区域和可能前景区域，标记所述待分割图像中的前景区域和可能前景区域之外的区域为背景区域；

或，

获取输入的对所述待分割图像的前景区域、可能前景区域和背景区域的标记指令，根据所述标记指令确定所述待分割图像的前景区域、可能前景区域和背景区域。

可选的，所述根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素，包括：

将待分割图像中每个像素的颜色信息和空间位置信息输入至预设的非局部近邻算法模型中，根据所述非局部近邻算法模型的输出结果得到所述每个像素的近邻像素。

可选的，所述根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值，包括：

根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，求解每个像素的透明度作为所述概率值。

可选的，所述根据所述待分割图像中每个像素作为目标前景区域的概率值，对所述待分割图像进行前后景分割，包括：

对所述待分割图像中各个像素的透明度进行自适应二值化；

根据各个像素的自适应二值化后的透明度，检测所述待分割图像中的轮廓；

检测各条轮廓所包围的区域的面积，将面积最大的区域确定为所述目标前景区域；

从所述待分割图像中分割出所述目标前景区域。

根据本公开实施例的第二方面，提供一种图像前后景分割装置，所述装置包括：

区域获取单元，被配置为获取待分割图像的前景区域、可能前景区域和背景区域；

近邻像素确定单元，被配置为根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素；

概率值确定单元，被配置为根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值；

分割单元，被配置为根据所述待分割图像中每个像素作为目标前景区域的概率值，对所述待分割图像进行前后景分割。

可选的，所述区域获取单元，包括：

区域标记子单元，被配置为利用图像识别算法标记出所述待分割图像中的前景区域和可能前景区域，标记所述待分割图像中的前景区域和可能前景区域之外的区域为背景区域；

或，

区域确定子单元，被配置为获取输入的对所述待分割图像的前景区域、可能前景区域和背景区域的标记指令，根据所述标记指令确定所述待分割图像的前景区域、可能前景区域和背景区域。

可选的，所述近邻像素确定单元，包括：

近邻像素输出子单元，被配置为将待分割图像中每个像素的颜色信息和空间位置信息输入至预设的非局部近邻算法模型中，根据所述非局部近邻算法模型的输出结果得到所述每个像素的近邻像素。

可选的，所述概率值确定单元，包括：

透明度求解子单元，被配置为根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，求解每个像素的透明度作为所述概率值。

可选的，所述分割单元，包括：

自适应二值化子单元，被配置为对所述待分割图像中各个像素的透明度进行自适应二值化；

轮廓检测子单元，被配置为根据各个像素的自适应二值化后的透明度，检测所述待分割图像中的轮廓；

目标前景区域确定子单元，被配置为检测各条轮廓所包围的区域的面积，将面积最大的区域确定为所述目标前景区域；

分割子单元，被配置为从所述待分割图像中分割出所述目标前景区域。

根据本公开实施例的第三方面，提供一种终端，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取待分割图像的前景区域、可能前景区域和背景区域；

根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素；

根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值；

根据所述待分割图像中每个像素作为目标前景区域的概率值，对所述待分割图像进行前后景分割。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开中，根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素，再结合前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值，最后根据每个像素的概率值，对所述待分割图像进行前后景分割。本公开实施例能检测出每个像素的近邻像素，在全图范围内考虑各个像素的相似性，能够实现更为精细的前后景分割，分割精确率较高。

本公开中，可以利用图像识别算法识别并标记出前景区域、可能前景区域和背景区域，也可以是获取用户输入的标记指令，上述方式能准确地确定待分割图像的前景区域、可能前景区域和背景区域，提高图像分割精度。

本公开中，利用非局部近邻算法可以检测出每个像素的近邻像素，在全图范围内考虑各个像素的相似性，能够实现更为精细的前后景分割，分割精确率较高。

本公开中，通过求解像素的透明度，能准确地确定像素作为目标前景区域的概率值。

本公开中，可以根据自适应二值化后的透明度，检测图像中的轮廓及各条轮廓所包围的区域的面积，将面积最大的区域确定为目标前景区域，因此能精确地确定目标前景区域，图像的分割精度较高。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是本公开根据一示例性实施例示出的一种图像前后景分割方法的流程图。

图2是本公开根据一示例性实施例示出的一种图像前后景分割方法的应用场景示意图。

图3是本公开根据一示例性实施例示出的一种图像前后景分割装置框图。

图4是本公开根据一示例性实施例示出的另一种图像前后景分割装置框图。

图5是本公开根据一示例性实施例示出的另一种图像前后景分割装置框图。

图6是本公开根据一示例性实施例示出的另一种图像前后景分割装置框图。

图7是本公开根据一示例性实施例示出的另一种图像前后景分割装置框图。

图8是本公开根据一示例性实施例示出的一种用于图像前后景分割装置框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

如图1所示，图1是根据一示例性实施例示出的一种图像前后景分割方法的流程图，该方法可以应用于终端中，包括以下步骤：

在步骤101中，获取待分割图像的前景区域、可能前景区域和背景区域。

在步骤102中，根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素。

在步骤103中，根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值。

在步骤104中，根据所述待分割图像中每个像素作为目标前景区域的概率值，对所述待分割图像进行前后景分割。

本公开实施例中涉及的终端可以是智能终端，例如，智能手机、平板电脑、PDA(PersonalDigitalAssistant，个人数字助理)、个人计算机等。

本公开提供的实施例中，根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素，再结合前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值，最后根据每个像素的概率值，对所述待分割图像进行前后景分割。本公开实施例能检测出每个像素的近邻像素，在全图范围内考虑各个像素的相似性，能够实现更为精细的前后景分割，分割精确率较高。

其中，对于步骤101，前景区域是指图像中的待分割目标，可能前景区域是指有可能成为待分割目标的区域。

在实际应用中，获取待分割图像的前景区域、可能前景区域和背景区域，可以有多种方式，例如可以是利用图像识别算法进行自动识别，也可以是由用户标记。

第一种方式：利用图像识别算法标记出所述待分割图像中的前景区域和可能前景区域，标记所述待分割图像中的前景区域和可能前景区域之外的区域为背景区域。

本实施例中，图像中的待分割目标通常是物体或人物；若待分割目标是物体，可以利用图像物体识别算法进行识别，确定待分割图像的前景区域、可能前景区域和背景区域。其中，图像物体识别算法可以是基于外观模型的物体识别算法，或者也可以是基于结构的物体识别算法等。

若待分割目标是人物，可以利用人物识别算法进行识别，确定待分割图像的前景区域、可能前景区域和背景区域。人物识别算法可以包括人脸检测算法、人体躯干检测算法等，利用人物识别算法从待分割图像中检测人脸区域、头发区域、躯干区域等确定为前景区域，进一步再确定可能前景区域和背景区域。其中，人脸检测算法可以具体为基于Haar特征的AdaBoost分类器检测算法，或者基于H-SV和C'bC'r的二阶高斯混合肤色模型和脸部特征识别算法等；需要说明的是，上述算法的具体处理过程可以参见相关技术中的处理过程，对此本公开实施例不再进行赘述。

第二种方式：获取输入的对所述待分割图像的前景区域、可能前景区域和背景区域的标记指令，根据所述标记指令确定所述待分割图像的前景区域、可能前景区域和背景区域。

本公开实施例中，可以由用户标记待分割图像的前景区域、可能前景区域和背景区域，终端可以获取用户输入的标记指令，进而根据标记指令确定待分割图像的前景区域、可能前景区域和背景区域。

需要说明的是，上述两种方式可以择一执行，也可以同时执行。由上述实施例可见，可以利用图像识别算法识别并标记出前景区域、可能前景区域和背景区域，也可以是获取用户输入的标记指令，上述方式能准确地确定待分割图像的前景区域、可能前景区域和背景区域，提高图像分割精度。

对于步骤102，颜色信息可以是像素的RGB(Red、Green、Blue红绿蓝)颜色空间的各个分量，或者是HSV(Hue色调，Saturation饱和度，Value亮度)颜色空间的各个分量，空间位置信息可以是像素的空间坐标。

本公开提供的实施例中，利用像素的颜色信息和空间位置信息，可以分析每个像素与周边其他像素的相关性，进而准确确定每个像素的近邻像素。

在一个可选的实现方式中，所述根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素，可以包括：

将待分割图像中每个像素的颜色信息和空间位置信息输入至预设的非局部近邻算法模型中，根据所述非局部近邻算法模型的输出结果得到所述每个像素的近邻像素。

本实施例中，非局部近邻算法即KNN(k-NearestNeighbor)matting算法，该算法的思想是：如果一个样本在特征空间中的K个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。本实施例采用该算法，将每个像素的颜色信息和空间位置信息输入该算法后，可以对每个像素采用K近邻聚类，从而找到每个像素的K个最相近的近邻像素。

由上述实施例可见，利用非局部近邻算法可以检测出每个像素的近邻像素，在全图范围内考虑各个像素的相似性，能够实现更为精细的前后景分割，分割精确率较高。

对于步骤103中，由于在步骤101中标记了待分割图像的前景区域、可能前景区域和背景区域，当检测出每个像素的K个最相近的近邻像素时，结合已标记的前景区域、可能前景区域和背景区域，可以求出每个像素作为目标前景区域的概率值，以确定出准确的前景区域。

在一个可选的实现方式中，所述根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值，包括：

根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，求解每个像素的透明度作为所述概率值。

本实施例中，图像I可以表示为前景图像F和背景图像B的线性组合：

I＝αF+(1-α)B

其中，α为像素的透明度，α∈[0,1]。

要完成图像分割，需要确定图像的前景F、背景B和透明度α；。当α＝1时，表示该像素为前景；当α＝0时，表示该像素为背景；当0＜α＜1时，表示该像素为前景和背景的叠加。

要完成图像分割工作，即需要确定各个像素的α值。本公开提供的实施例，通过求解像素的透明度，能准确地确定像素作为目标前景区域的概率值。

对于步骤104，目标前景区域，即图像中待分割目标的区域；当确定了每个像素作为目标前景区域的概率值，则可以执行进一步的前后景分割。

在一个可选的实现方式中，根据所述待分割图像中每个像素作为目标前景区域的概率值，对所述待分割图像进行前后景分割，包括：

对所述待分割图像中各个像素的透明度进行自适应二值化。

根据各个像素的自适应二值化后的透明度，检测所述待分割图像中的轮廓。

检测各条轮廓所包围的区域的面积，将面积最大的区域确定为所述目标前景区域。

从所述待分割图像中分割出所述目标前景区域。

本公开实施例中，可以将各个像素的透明度进行自适应二值化，得到的透明度值只有0或1，0表示确定的背景，1表示确定的前景。

为了能得到平滑的目标前景区域，可以根据各个像素的自适应二值化后的透明度，检测所述待分割图像中的轮廓，之后检测各条轮廓所包围的区域的面积，将面积最大的区域确定为所述目标前景区域，从待分割图像中分割出所述目标前景区域。其中，在检测所述待分割图像中的轮廓时，可以采用现有的轮廓检测算法。

在对待分割图像中各个像素的透明度进行自适应二值化之前，还可以对待分割图像进行形态学滤波去除孤立噪点，接着进行中值滤波以实现平滑，从而提高图像的分割精度。

由上述实施例可见，可以根据自适应二值化后的透明度，检测图像中的轮廓及各条轮廓所包围的区域的面积，将面积最大的区域确定为目标前景区域，因此能精确地确定目标前景区域，图像的分割精度较高。

如图2所示，图2是根据一示例性实施例示出的一种利用图1所示图像前后景分割方法进行图像前后景分割的示意图，图2中示出了待分割图像，该待分割图像中包括一人物区域，该人物区域确定为目标前景区域，即该图像的待分割目标。

首先，利用图像识别算法进行人脸检测、肤色检测、头发估计、躯干估计，获得前景区域，将灰度值标记为255；之后标记出人物可能存在的区域，该区域中除去已经标记为255的像素外都标记为128，表示可能前景区域；剩余的区域则为背景区域，标记为0；标记后可以得到三值图Trimap。

接着，可以将三值图Trimap图归一化，可将255归一化为1，128归一化为0.5。之后采用knnmatting算法(基于非局部最近邻的matting算法)求解各像素的近邻像素，以及全部像素的alpha(透明度)值图，alpha值范围在[0，1]之间，表明各像素属于目标前景区域的概率大小。

最后，可以对alpha图进行形态学滤波去除孤立噪点；再进行中值滤波以平滑；再将图片自适应二值化，得到的图片中只有0，1二值；最后寻找图中所有轮廓，找出面积最大的区域作为人所在的目标前景区域，其余为背景区域，从而完成前后景分割。

与前述图像前后景分割方法的实施例相对应，本公开还提供了图像前后景分割装置及其所应用的终端的实施例。

如图3所示，图3是本公开根据一示例性实施例示出的一种图像前后景分割装置框图，所述装置包括：区域获取单元31、近邻像素确定单元32、概率值确定单元33和分割单元34。

其中，区域获取单元31，被配置为获取待分割图像的前景区域、可能前景区域和背景区域。

近邻像素确定单元32，被配置为根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素。

概率值确定单元33，被配置为根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值。

分割单元34，被配置为根据所述待分割图像中每个像素作为目标前景区域的概率值，对所述待分割图像进行前后景分割。

由上述实施例可见，根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素，再结合前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值，最后根据每个像素的概率值，对所述待分割图像进行前后景分割。本公开实施例能检测出每个像素的近邻像素，在全图范围内考虑各个像素的相似性，能够实现更为精细的前后景分割，分割精确率较高。

如图4所示，图4是本公开根据一示例性实施例示出的另一种图像前后景分割装置框图，该实施例在前述图3所示实施例的基础上，所述区域获取单元31，可以包括区域标记子单元311或区域确定子单元312，也可同时包括上述两个子单元。为了示例方便，图4中同时示出了上述两个子单元。

其中，区域标记子单元311，被配置为利用图像识别算法标记出所述待分割图像中的前景区域和可能前景区域，标记所述待分割图像中的前景区域和可能前景区域之外的区域为背景区域。

区域确定子单元312，被配置为获取输入的对所述待分割图像的前景区域、可能前景区域和背景区域的标记指令，根据所述标记指令确定所述待分割图像的前景区域、可能前景区域和背景区域。

由上述实施例可见，可以利用图像识别算法识别并标记出前景区域、可能前景区域和背景区域，也可以是获取用户输入的标记指令，上述方式能准确地确定待分割图像的前景区域、可能前景区域和背景区域，提高图像分割精度。

如图5所示，图5是本公开根据一示例性实施例示出的另一种图像前后景分割装置框图，该实施例在前述图3所示实施例的基础上，所述近邻像素确定单元32，包括：近邻像素输出子单元321。

其中，近邻像素输出子单元321，被配置为将待分割图像中每个像素的颜色信息和空间位置信息输入至预设的非局部近邻算法模型中，根据所述非局部近邻算法模型的输出结果得到所述每个像素的近邻像素。

由上述实施例可见，利用非局部近邻算法可以检测出每个像素的近邻像素，在全图范围内考虑各个像素的相似性，能够实现更为精细的前后景分割，分割精确率较高。

如图6所示，图6是本公开根据一示例性实施例示出的另一种图像前后景分割装置框图，该实施例在前述图3所示实施例的基础上，所述概率值确定单元33，包括：透明度求解子单元331。

其中，透明度求解子单元331，被配置为根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，求解每个像素的透明度作为所述概率值。

由上述实施例可见，通过求解像素的透明度，能准确地确定像素作为目标前景区域的概率值。

如图7所示，图7是本公开根据一示例性实施例示出的另一种图像前后景分割装置框图，该实施例在前述图3所示实施例的基础上，所述分割单元34，包括：自适应二值化子单元341、轮廓检测子单元342、目标前景区域确定子单元343和分割子单元344。

其中，自适应二值化子单元341，被配置为对所述待分割图像中各个像素的透明度进行自适应二值化。

轮廓检测子单元342，被配置为根据各个像素的自适应二值化后的透明度，检测所述待分割图像中的轮廓。

目标前景区域确定子单元343，被配置为检测各条轮廓所包围的区域的面积，将面积最大的区域确定为所述目标前景区域。

分割子单元344，被配置为从所述待分割图像中分割出所述目标前景区域。

由上述实施例可见，可以根据自适应二值化后的透明度，检测图像中的轮廓及各条轮廓所包围的区域的面积，将面积最大的区域确定为目标前景区域，因此能精确地确定目标前景区域，图像的分割精度较高。

相应的，本公开还提供一种图像前后景分割装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取待分割图像的前景区域、可能前景区域和背景区域；

根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素；

根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值；

根据所述待分割图像中每个像素作为目标前景区域的概率值，对所述待分割图像进行前后景分割。

上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

如图8所示，图8是本公开根据一示例性实施例示出的一种用于图像前后景分割装置800的一结构示意图。例如，装置800可以是具有路由功能的移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图8，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理***，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器，微波传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行一种图像前后景分割方法，所述方法包括：

获取待分割图像的前景区域、可能前景区域和背景区域；

根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素；

根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值；

根据所述待分割图像中每个像素作为目标前景区域的概率值，对所述待分割图像进行前后景分割。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

以上所述仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。

Claims (11)

1.一种图像前后景分割方法，其特征在于，所述方法包括：

获取待分割图像的前景区域、可能前景区域和背景区域；

根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素；

根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值；

根据所述待分割图像中每个像素作为目标前景区域的概率值，对所述待分割图像进行前后景分割。

2.根据权利要求1所述的方法，其特征在于，所述获取待分割图像的前景区域、可能前景区域和背景区域，包括：

利用图像识别算法标记出所述待分割图像中的前景区域和可能前景区域，标记所述待分割图像中的前景区域和可能前景区域之外的区域为背景区域；

或，

获取输入的对所述待分割图像的前景区域、可能前景区域和背景区域的标记指令，根据所述标记指令确定所述待分割图像的前景区域、可能前景区域和背景区域。

3.根据权利要求1所述的方法，其特征在于，所述根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素，包括：

将待分割图像中每个像素的颜色信息和空间位置信息输入至预设的非局部近邻算法模型中，根据所述非局部近邻算法模型的输出结果得到所述每个像素的近邻像素。

4.根据权利要求1所述的方法，其特征在于，所述根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值，包括：

根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，求解每个像素的透明度作为所述概率值。

5.根据权利要求4所述的方法，其特征在于，所述根据所述待分割图像中每个像素作为目标前景区域的概率值，对所述待分割图像进行前后景分割，包括：

对所述待分割图像中各个像素的透明度进行自适应二值化；

根据各个像素的自适应二值化后的透明度，检测所述待分割图像中的轮廓；

检测各条轮廓所包围的区域的面积，将面积最大的区域确定为所述目标前景区域；

从所述待分割图像中分割出所述目标前景区域。

6.一种图像前后景分割装置，其特征在于，所述装置包括：

区域获取单元，被配置为获取待分割图像的前景区域、可能前景区域和背景区域；

近邻像素确定单元，被配置为根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素；

概率值确定单元，被配置为根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值；

分割单元，被配置为根据所述待分割图像中每个像素作为目标前景区域的概率值，对所述待分割图像进行前后景分割。

7.根据权利要求6所述的装置，其特征在于，所述区域获取单元，包括：

区域标记子单元，被配置为利用图像识别算法标记出所述待分割图像中的前景区域和可能前景区域，标记所述待分割图像中的前景区域和可能前景区域之外的区域为背景区域；

或，

区域确定子单元，被配置为获取输入的对所述待分割图像的前景区域、可能前景区域和背景区域的标记指令，根据所述标记指令确定所述待分割图像的前景区域、可能前景区域和背景区域。

8.根据权利要求6所述的装置，其特征在于，所述近邻像素确定单元，包括：

近邻像素输出子单元，被配置为将待分割图像中每个像素的颜色信息和空间位置信息输入至预设的非局部近邻算法模型中，根据所述非局部近邻算法模型的输出结果得到所述每个像素的近邻像素。

9.根据权利要求6所述的装置，其特征在于，所述概率值确定单元，包括：

透明度求解子单元，被配置为根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，求解每个像素的透明度作为所述概率值。

10.根据权利要求9所述的装置，其特征在于，所述分割单元，包括：

自适应二值化子单元，被配置为对所述待分割图像中各个像素的透明度进行自适应二值化；

轮廓检测子单元，被配置为根据各个像素的自适应二值化后的透明度，检测所述待分割图像中的轮廓；

目标前景区域确定子单元，被配置为检测各条轮廓所包围的区域的面积，将面积最大的区域确定为所述目标前景区域；

分割子单元，被配置为从所述待分割图像中分割出所述目标前景区域。

11.一种终端，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取待分割图像的前景区域、可能前景区域和背景区域；

根据所述待分割图像中每个像素的颜色信息和空间位置信息确定每个像素的近邻像素；

根据所述前景区域、可能前景区域和背景区域及每个像素的近邻像素，确定每个像素作为目标前景区域的概率值；

根据所述待分割图像中每个像素作为目标前景区域的概率值，对所述待分割图像进行前后景分割。