CN106355583A - 一种图像处理方法及装置 - Google Patents

一种图像处理方法及装置 Download PDF

Info

Publication number
CN106355583A
CN106355583A CN201610759871.0A CN201610759871A CN106355583A CN 106355583 A CN106355583 A CN 106355583A CN 201610759871 A CN201610759871 A CN 201610759871A CN 106355583 A CN106355583 A CN 106355583A
Authority
CN
China
Prior art keywords
point
image
background
prospect
point set
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610759871.0A
Other languages
English (en)
Inventor
詹肇楷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Qiu Ti Microelectronics Technology Co Ltd
Original Assignee
Chengdu Qiu Ti Microelectronics Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Qiu Ti Microelectronics Technology Co Ltd filed Critical Chengdu Qiu Ti Microelectronics Technology Co Ltd
Priority to CN201610759871.0A priority Critical patent/CN106355583A/zh
Publication of CN106355583A publication Critical patent/CN106355583A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种图像处理方法及装置，其方法包括：获取第一图像和第二图像；对所述第一图像进行稀疏采样得到一组采样点；在所述第二图像中对所述采样点进行匹配，得到一组匹配点对；计算每个匹配点对中两点的视差值；确定点击点，计算所述点击点在所述第一图像和所述第二图像中的视差值；计算所述点击点的视差值与每个匹配点对的视差值之间的差距，根据所述差距标定出前景采样点集和背景采样点集；以前所述前景采样点和背景采样点为基准，扩展得到前景点集和背景点集；依据所述前景点集和所述背景点集，基于稀疏点的抠图算法进行抠图。本发明在抠图过程中只需要求解出部分稀疏点的深度信息，极大地提高了抠图速度。

Description

一种图像处理方法及装置
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像处理方法及装置。
背景技术
抠图是指从图像或视频序列中精确地提取出前景对象的一种技术。抠图技术作为视觉特效领域的一种关键技术，被广泛地应用于图像编辑和电影制作等领域。由于抠图问题是一个欠约束的问题，因此，求解该问题需要增加额外的约束条件。传统的抠图方法利用三分图作为额外约束，然而，三分图的制作过程需要大量的用户交互，非常耗时。
发明内容
本发明的目的在于克服现有技术的不足，提供一种图像处理方法及装置，其方法在抠图过程中只需要求解出部分稀疏点的深度信息，可以极大地提高抠图速度。
本发明的目的是通过以下技术方案来实现的：一种图像处理方法，包括以下步骤：获取第一图像和第二图像；对所述第一图像进行稀疏采样得到一组采样点；在所述第二图像中对所述采样点进行匹配，得到一组匹配点对；计算每个匹配点对中两点的视差值；确定点击点，定义所述点击点所在位置为前景，计算所述点击点在所述第一图像和所述第二图像中的视差值； 计算所述点击点的视差值与每个匹配点对的视差值之间的差距，根据所述差距标定出前景采样点集和背景采样点集，其中若所述差距小于第一阈值，则标定该匹配点为前景点，若所述差距大于第二阈值，则标定该匹配点为背景点；以前所述前景采样点和背景采样点为基准，扩展得到前景点集和背景点集；依据所述前景点集和所述背景点集，基于稀疏点的抠图算法进行抠图。
所述方法还包括：对所述第二图像进行稀疏采样，并对每一个采样点在第一图像中进行匹配，得到多个匹配点对。
所述第一阈值小于所述第二阈值。
扩展得到前景点集和背景点集的方法包括：对所述前景采样点和背景采样点进行向量化处理，得到向量坐标；计算得到待扩展点的向量坐标；将所述待扩展点的向量坐标分别同所述前景采样点的向量坐标和所述背景点的向量坐标进行比较，将待扩展点确定为前景点或背景点。
所述向量坐标包括：颜色坐标，梯度坐标，距离坐标和深度坐标。
所述方法还包括对第一图像和第二图像进行对齐处理。
对齐处理后，生成一幅合成图像，在扩展前景点集和背景点集时，待扩展点位于所述合成图像上。
扩展前景点集和背景点集时，待扩展点位于所述第一图像上。
所述方法还包括：对所述匹配点对进行筛选，排除误匹配点对。
所述方法还包括，所述抠图算法为k最邻近算法。
一种图像处理装置，包括：图像获取模块，用于获取第一图像和第二图像；采样模块，用于对所述第一图像进行稀疏采样得到一组采样点；匹配模块，用于在所述第二图像中对所述采样点进行匹配，得到一组匹配点对；视差计算模块，用于计算每个匹配点对中两点的视差值；点击点生成模块，用于确定点击点，定义所述点击点所在位置为前景，计算所述点击点在所述第一图像和所述第二图像中的视差值； 分类标定模块，用于计算所述点击点的视差值与每个匹配点对的视差值之间的差距，根据所述差距标定出前景采样点集和背景采样点集，其中若所述差距小于第一阈值，则标定该匹配点为前景点，若所述差距大于第二阈值，则标定该匹配点为背景点；扩展模块，用于以前所述前景采样点和背景采样点为基准，扩展得到前景点集和背景点集；抠图模块，用于依据所述前景点集和所述背景点集，基于稀疏点的抠图算法进行抠图。
本发明的有益效果是：本发明利用图像的深度信息作为先验知识，根据点击点的深度信息和其它像素点的深度信息之间的关系进行抠图；在抠图过程中，无需求解出全图的深度信息，只需求解出部分稀疏点的深度信息，从而极大地提高了抠图速度。
附图说明
图1为本发明图像处理方法的流程图；
图2为本发明图像处理装置的示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，一种图像处理方法，包括以下步骤：
获取第一图像和第二图像，对第一图像和第二图像进行对齐处理。
对所述第一图像进行稀疏采样得到一组采样点；在所述第二图像中对所述采样点进行匹配，得到一组匹配点对；对所述第二图像进行稀疏采样，并对每一个采样点在第一图像中进行匹配，得到多个匹配点对；对所述匹配点对进行筛选，排除误匹配点对。
计算每个匹配点对中两点的视差值。
确定点击点，定义所述点击点所在位置为前景，计算所述点击点在所述第一图像和所述第二图像中的视差值；
计算所述点击点的视差值与每个匹配点对的视差值之间的差距，根据所述差距标定出前景采样点集和背景采样点集，其中若所述差距小于第一阈值，则标定该匹配点为前景点，若所述差距大于第二阈值，则标定该匹配点为背景点；
所述第一阈值小于所述第二阈值。
以前所述前景采样点和背景采样点为基准，扩展得到前景点集和背景点集。
扩展得到前景点集和背景点集的方法包括：对所述前景采样点和背景采样点进行向量化处理，得到向量坐标；计算得到待扩展点的向量坐标；将所述待扩展点的向量坐标分别同所述前景采样点的向量坐标和所述背景点的向量坐标进行比较，将待扩展点确定为前景点或背景点。
所述向量坐标包括：颜色坐标，梯度坐标，距离坐标和深度坐标。
对齐处理后，生成一幅合成图像，在扩展前景点集和背景点集时，待扩展点位于所述合成图像上。
扩展前景点集和背景点集时，待扩展点位于所述第一图像上。
依据所述前景点集和所述背景点集，基于稀疏点的抠图算法进行抠图；所述抠图算法可以为k最邻近算法。
如图2所示，一种图像处理装置，包括：图像获取模块，用于获取第一图像和第二图像；采样模块，用于对所述第一图像进行稀疏采样得到一组采样点；匹配模块，用于在所述第二图像中对所述采样点进行匹配，得到一组匹配点对；视差计算模块，用于计算每个匹配点对中两点的视差值；点击点生成模块，用于确定点击点，定义所述点击点所在位置为前景，计算所述点击点在所述第一图像和所述第二图像中的视差值； 分类标定模块，用于计算所述点击点的视差值与每个匹配点对的视差值之间的差距，根据所述差距标定出前景采样点集和背景采样点集，其中若所述差距小于第一阈值，则标定该匹配点为前景点，若所述差距大于第二阈值，则标定该匹配点为背景点；扩展模块，用于以前所述前景采样点和背景采样点为基准，扩展得到前景点集和背景点集；抠图模块，用于依据所述前景点集和所述背景点集，基于稀疏点的抠图算法进行抠图。
以上所述仅是本发明的优选实施方式，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，并能够在本文所述构想范围内，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 (11)

1.一种图像处理方法，其特征在于，包括以下步骤：
获取第一图像和第二图像；
对所述第一图像进行稀疏采样得到一组采样点；
在所述第二图像中对所述采样点进行匹配，得到一组匹配点对；
计算每个匹配点对中两点的视差值；
确定点击点，定义所述点击点所在位置为前景，计算所述点击点在所述第一图像和所述第二图像中的视差值；
计算所述点击点的视差值与每个匹配点对的视差值之间的差距，根据所述差距标定出前景采样点集和背景采样点集，其中若所述差距小于第一阈值，则标定该匹配点为前景点，若所述差距大于第二阈值，则标定该匹配点为背景点；
以前所述前景采样点和背景采样点为基准，扩展得到前景点集和背景点集；
依据所述前景点集和所述背景点集，基于稀疏点的抠图算法进行抠图。
2.根据权利要求1所述的图像处理方法，其特征在于，所述方法还包括：
对所述第二图像进行稀疏采样，并对每一个采样点在第一图像中进行匹配，得到多个匹配点对。
3.根据权利要求1所述的图像处理方法，其特征在于，所述第一阈值小于所述第二阈值。
4.根据权利要求1所述的图像处理方法，其特征在于，扩展得到前景点集和背景点集的方法包括：
对所述前景采样点和背景采样点进行向量化处理，得到向量坐标；
计算得到待扩展点的向量坐标；
将所述待扩展点的向量坐标分别同所述前景采样点的向量坐标和所述背景点的向量坐标进行比较，将待扩展点确定为前景点或背景点。
5.根据权利要求4的图像处理方法，其特征在于，所述向量坐标包括：颜色坐标，梯度坐标，距离坐标和深度坐标。
6.根据权利要求1所述的图像处理方法，其特征在于，所述方法还包括对第一图像和第二图像进行对齐处理。
7.根据权利要求6所述的图像处理方法，其特征在于，对齐处理后，生成一幅合成图像，在扩展前景点集和背景点集时，待扩展点位于所述合成图像上。
8.根据权利要求1所述的图像处理方法，其特征在于，扩展前景点集和背景点集时，待扩展点位于所述第一图像上。
9.根据权利要求1所述的图像处理方法，其特征在于，所述方法还包括：对所述匹配点对进行筛选，排除误匹配点对。
10.根据权利要求1所述的图像处理方法，其特征在于，所述方法还包括，所述抠图算法为k最邻近算法。
11.一种图像处理装置，其特征在于，包括：
图像获取模块，用于获取第一图像和第二图像；
采样模块，用于对所述第一图像进行稀疏采样得到一组采样点；
匹配模块，用于在所述第二图像中对所述采样点进行匹配，得到一组匹配点对；
视差计算模块，用于计算每个匹配点对中两点的视差值；
点击点生成模块，用于确定点击点，定义所述点击点所在位置为前景，计算所述点击点在所述第一图像和所述第二图像中的视差值；
分类标定模块，用于计算所述点击点的视差值与每个匹配点对的视差值之间的差距，根据所述差距标定出前景采样点集和背景采样点集，其中若所述差距小于第一阈值，则标定该匹配点为前景点，若所述差距大于第二阈值，则标定该匹配点为背景点；
扩展模块，用于以前所述前景采样点和背景采样点为基准，扩展得到前景点集和背景点集；
抠图模块，用于依据所述前景点集和所述背景点集，基于稀疏点的抠图算法进行抠图。
CN201610759871.0A 2016-08-30 2016-08-30 一种图像处理方法及装置 Pending CN106355583A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610759871.0A CN106355583A (zh) 2016-08-30 2016-08-30 一种图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610759871.0A CN106355583A (zh) 2016-08-30 2016-08-30 一种图像处理方法及装置

Publications (1)

Publication Number Publication Date
CN106355583A true CN106355583A (zh) 2017-01-25

Family

ID=57856335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610759871.0A Pending CN106355583A (zh) 2016-08-30 2016-08-30 一种图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN106355583A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961322A (zh) * 2018-05-18 2018-12-07 辽宁工程技术大学 一种适用于降落序列影像的误匹配剔除方法
CN110148102A (zh) * 2018-02-12 2019-08-20 腾讯科技（深圳）有限公司 图像合成方法、广告素材合成方法及装置
CN110751668A (zh) * 2019-09-30 2020-02-04 北京迈格威科技有限公司 图像处理方法、装置、终端、电子设备及可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102917175A (zh) * 2012-09-13 2013-02-06 西北工业大学 基于相机阵列合成孔径成像的遮挡多目标自动抠像方法
CN103871051A (zh) * 2014-02-19 2014-06-18 小米科技有限责任公司 图像处理方法、装置和电子设备
CN104616286A (zh) * 2014-12-17 2015-05-13 浙江大学 快速的半自动多视图深度修复方法
US9223404B1 (en) * 2012-01-27 2015-12-29 Amazon Technologies, Inc. Separating foreground and background objects in captured images
CN105809716A (zh) * 2016-03-07 2016-07-27 南京邮电大学 融合超像素与三维自组织背景减除法的前景提取方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9223404B1 (en) * 2012-01-27 2015-12-29 Amazon Technologies, Inc. Separating foreground and background objects in captured images
CN102917175A (zh) * 2012-09-13 2013-02-06 西北工业大学 基于相机阵列合成孔径成像的遮挡多目标自动抠像方法
CN103871051A (zh) * 2014-02-19 2014-06-18 小米科技有限责任公司 图像处理方法、装置和电子设备
CN104616286A (zh) * 2014-12-17 2015-05-13 浙江大学 快速的半自动多视图深度修复方法
CN105809716A (zh) * 2016-03-07 2016-07-27 南京邮电大学 融合超像素与三维自组织背景减除法的前景提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周伟: "一种实时的自动抠图方法研究", 《西南师范大学学报》 *
陈佳坤 等: "一种用于立体图像匹配的改进稀疏匹配算法", 《计算机技术与发展》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110148102A (zh) * 2018-02-12 2019-08-20 腾讯科技（深圳）有限公司 图像合成方法、广告素材合成方法及装置
CN110148102B (zh) * 2018-02-12 2022-07-15 腾讯科技（深圳）有限公司 图像合成方法、广告素材合成方法及装置
CN108961322A (zh) * 2018-05-18 2018-12-07 辽宁工程技术大学 一种适用于降落序列影像的误匹配剔除方法
CN108961322B (zh) * 2018-05-18 2021-08-10 辽宁工程技术大学 一种适用于降落序列影像的误匹配剔除方法
CN110751668A (zh) * 2019-09-30 2020-02-04 北京迈格威科技有限公司 图像处理方法、装置、终端、电子设备及可读存储介质
CN110751668B (zh) * 2019-09-30 2022-12-27 北京迈格威科技有限公司 图像处理方法、装置、终端、电子设备及可读存储介质

Similar Documents

Publication Publication Date Title
CN105528785B (zh) 一种双目视觉图像立体匹配方法
CN110264416B (zh) 稀疏点云分割方法及装置
CN109308719B (zh) 一种基于三维卷积的双目视差估计方法
CN102831582B (zh) 一种微软体感装置深度图像增强方法
CN105374019B (zh) 一种多深度图融合方法及装置
CN105956539B (zh) 一种应用背景建模和双目视觉原理的人体身高测量方法
CN103310421B (zh) 针对高清图像对的快速立体匹配方法及视差图获取方法
CN102651135B (zh) 一种基于优化方向采样的自然图像抠图方法
TWI497450B (zh) 視訊物件追蹤方法
CN102892021B (zh) 一种合成虚拟视点图像的新方法
CN112801074B (zh) 一种基于交通摄像头的深度图估计方法
CN107622480B (zh) 一种Kinect深度图像增强方法
CN102065313A (zh) 平行式相机阵列的未标定多视点图像校正方法
CN108470356A (zh) 一种基于双目视觉的目标对象快速测距方法
CN105930795A (zh) 一种基于人体骨骼关节点间空间向量的行走状态识别方法
CN101765019B (zh) 一种用于运动模糊和光照变化图像的立体匹配方法
CN103177260B (zh) 一种彩色图像边界提取方法
CN104182968B (zh) 宽基线多阵列光学探测***模糊动目标分割方法
CN106355583A (zh) 一种图像处理方法及装置
CN111105451B (zh) 一种克服遮挡效应的驾驶场景双目深度估计方法
CN107909611A (zh) 一种利用微分几何理论提取空间曲线曲率特征的方法
CN104200453A (zh) 基于图像分割和可信度的视差图像校正方法
CN103337064A (zh) 图像立体匹配中的一种误匹配点剔除方法
CN108021857B (zh) 基于无人机航拍图像序列深度恢复的建筑物检测方法
CN103646397B (zh) 基于多源数据融合的实时合成孔径透视成像方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170125