CN108038817A - 一种图像背景虚化方法、终端及计算机可读存储介质 - Google Patents
一种图像背景虚化方法、终端及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108038817A CN108038817A CN201711035035.9A CN201711035035A CN108038817A CN 108038817 A CN108038817 A CN 108038817A CN 201711035035 A CN201711035035 A CN 201711035035A CN 108038817 A CN108038817 A CN 108038817A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- intermediate images
- matrix
- gradient
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000003313 weakening effect Effects 0.000 title claims abstract description 29
- 230000009977 dual effect Effects 0.000 claims abstract description 24
- 238000003708 edge detection Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims description 99
- 230000001629 suppression Effects 0.000 claims description 63
- 230000015654 memory Effects 0.000 claims description 28
- 230000000052 comparative effect Effects 0.000 claims description 15
- 230000006854 communication Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 9
- 238000009472 formulation Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 7
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000003786 synthesis reaction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000009527 percussion Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像背景虚化方法、终端及计算机可读存储介质,针对现有技术只能通过双摄像头实现图像背景虚化功能的缺陷,以及拍摄背景虚化图像耗时长、所拍图像质量差的问题,通过移动终端中的摄像单元获取一张包含有至少两个主体的临时图像,根据边缘检测算法从中提取待突出显示的目标图像,最后将目标图像合并到对临时图像进行高斯模糊运算后得到的整体模糊图像中,将得到背景虚化的图片,由于该方法能够通过单摄像头实现,且不需要在拍照过程中对主体进行聚焦,并且相比现有技术该方法不需要对两张图片进行处理从而简化了图像处理过程,实现了通过终端单摄像头,达到拍照图像质量高、处理图像耗时少的背景虚化拍照功能。
Description
技术领域
本发明涉及终端图像技术领域,更具体地说,涉及一种图像背景虚化方法、终端及计算机可读存储介质。
背景技术
随着人们对终端拍照的要求不断增多,终端的拍照质量以及拍照功能,已经成为评价终端好坏的一个重要指标。但是有些拍照功能只有专业相机才能实现,例如,只有单反才能够实现目标物体清晰展示而目标物体背景得到虚化的背景虚化拍照功能。
在现有技术中,通过双摄像头可以实现突出目标物体的背景虚化功能,具体有两种实现方式,其中一种方式为分别利用双摄像头的第一摄像头和第二摄像头进行拍照得到两张图片,由于第一摄像头的清晰度高于第二摄像头,所以第一摄像头拍照得到的图片比第二摄像头拍照得到图片更清晰,再通过合成两张清晰度不同的图片就能得到背景虚化的图片,但是这种方式的实现,需要终端具有两个摄像头,对于常使用单摄像头的大众而言,实现该方式所需的成本更高;对于另一种实现方式:先搜索到与对焦位置有相同相位深度的主体并通过分离得到该主体的图像,再将剩下的图像区域进行虚化处理得到主体的背景图像,最后将主体图像和背景进行合成,得到最终的背景虚化的图像,由于该方式存在主体对焦不准、主体图像获取不准确的缺陷,将导致得到图片的图像质量很差,另外,这种方式需要对两张图像进行合成,而该合成将耗费时间使拍照时间拉长,大大降低了用户的拍照体验。
因此,通过终端单摄像头,实现高质量图像的拍摄,且用时较短的背景虚化拍照功能,成为各终端厂商亟待解决的问题。
发明内容
本发明要解决的技术问题在于:在现有实现图像背景虚化技术中,需要拍摄两张图片来合成,且该合成过程耗时长,用户使用体验不佳的问题,针对该技术问题,提供一种图像背景虚化方法、终端及计算机可读存储介质。
为解决上述技术问题,本发明提供一种图像背景虚化方法,方法包括:
通过移动终端中的摄像单元获取一张临时图像,临时图像中包括至少两个主体;
根据预设的边缘检测算法从临时图像中提取目标图像,目标图像为至少两个主体中待突出显示的主体图像;
对临时图像进行高斯模糊运算处理,得到一张整体模糊图像;
将目标图像合并至整体模糊图像中,得到背景虚化图片。
可选的,预设的边缘检测算法为Canny边缘检测算法;
根据预设的边缘检测算法从临时图像中提取目标图像包括:
根据Canny边缘检测算法从临时图像提取得到第一图像和第二图像,第一图像为主体边缘细节较多的图像,第二图像为主体边缘细节较少的图像;
以第二图像为基础,从第一图像中提取主体的边缘细节补充至第二图像中对应的主体图像上,得到一张所有主体边缘完整的边缘图像;
比较边缘图像中各主体图像的图像面积,并选择图像面积最大的主体图像作为目标图像。
可选的,根据Canny边缘检测算法从临时图像提取得到第一图像和第二图像包括:
通过预设的高斯滤波器,对临时图像进行灰度平滑处理,获得已平滑图像;
根据一阶偏导的有限差分计算方法,计算出已平滑图像中每个像素的像素灰度的梯度,梯度包括梯度幅值和梯度方向;
根据梯度,对梯度幅值进行非极大值抑制处理,获得非极大值抑制图像,非极大值抑制图像为已平滑图像中所有像素对应的梯度幅值的图像;
根据非极大值抑制图像中的梯度幅值,通过双阈值算法提取得到第一图像和第二图像。
可选的,根据梯度,对梯度幅值进行非极大值抑制处理,获得非极大值抑制图像包括:
将梯度中具有相同梯度幅值对应的像素连成至少一条梯度线;
沿着梯度线,对已平滑图像中每个像素的梯度幅值与其对应的相邻像素的梯度幅值进行大小关系的比较;
若比较结果为已平滑图像中像素的梯度幅值大于所述相邻像素的梯度幅值,则保留该像素的梯度幅值;
若比较结果为所述已平滑图像中像素的梯度幅值不大于所述相邻像素的梯度幅值,将该像素的梯度幅值置0;
根据比较结果生成非极大值抑制图像。
可选的,根据非极大值抑制图像中的梯度幅值,通过双阈值算法提取得到第一图像和第二图像包括:
预设第一阈值和第二阈值,第一阈值小于第二阈值;
将非极大值抑制图像中的像素的梯度幅值与第一阈值进行比较;
若非极大值抑制图像中的像素的梯度幅值小于第一阈值,则将像素对应于已平滑图像中的像素的像素灰度置为0,得到第一图像;
将非极大值抑制图像中的像素的梯度幅值与第二阈值比较;
若非极大值抑制图像中的像素的梯度幅值小于第二阈值,则将像素对应于已平滑图像中像素的像素灰度置为0,得到第二图像。
可选的,对临时图像进行高斯模糊运算处理,得到一张整体模糊图像包括:
根据临时图像中各像素的像素数据,将临时图像转换为临时图像矩阵,临时图像矩阵中各矩阵元素值对应于各像素的像素数据,像素数据包括像素的像素灰度;
对临时图像矩阵进行高斯模糊运算,得到临时图像模糊矩阵;
将临时图像模糊矩阵作为整体模糊图像。
可选的,将目标图像合并至整体模糊图像中,得到背景虚化图片包括:
根据目标图像,从临时图像矩阵中分离出一个与目标图像对应的目标图像矩阵,目标图像矩阵的维度大小与临时图像矩阵维度大小相同;
将临时图像模糊矩阵与目标图像矩阵进行矩阵相加,获得背景虚化图像矩阵;
根据背景虚化图像矩阵,生成背景虚化图像。
可选的,根据目标图像,从临时图像矩阵中分离出一个与目标图像对应的目标图像矩阵包括:
根据目标图像与临时图像的中像素的对应关系,从临时图像矩阵中提取出目标图像对应像素的矩阵元素值,并将其余像素的矩阵元素值置为0,分离得到目标图像矩阵。
进一步地,本发明还提供了一种终端,终端包括处理器、存储器及通信总线;
通信总线用于实现处理器和存储器之间的连接通信;
处理器用于执行存储器中存储的一个或者多个程序,以实现上述图像背景虚化方法的步骤。
进一步地,本发明还提供了一种计算机可读存储介质,计算机可读存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现上述图像背景虚化方法的步骤。
有益效果
本发明提供一种图像背景虚化方法、终端及计算机可读存储介质,针对现有技术中只能通过双摄像头实现图像背景虚化功能的缺陷,以及由双摄像头拍摄得到背景虚化图像所造成的拍摄过程耗时长、拍摄图像质量差的问题,通过在移动终端中的摄像单元获取一张包含有至少两个主体的临时图像后,根据预设的边缘检测算法对获得的临时图像进行处理,从该临时图像的所有主体的图像中提取得到待突出显示的主体图像,该主体图像就是需要进行突出显示的目标图像,随后对临时图像进行高斯模糊运算处理,就能得到一张整体模糊图像,该图像就是虚化的背景图像,最后通过将目标图像合并到整体模糊图像中,将得到背景虚化的图片。由于该图像背景虚化方法不仅能通过双摄像头还能通过单摄像头实现,解决了单摄像头不能拍摄出背景虚化图片的问题,并且由于该图像背景虚化方法不需要在拍照过程中对主体进行聚焦,而是直接从拍摄获得的临时图像中提取主体图像,所以不会因为对焦不准、图像获取不准确的而造成图像质量差的问题,同时,由于该方法仅仅涉及一张图片的处理而不需要对两张图片进行合成处理,避免了由于合成处理时间耗时长而导致的拍照时间长的问题,大大提高了用户的拍照体验。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1为实现本发明各个实施例一个可选的移动终端的硬件结构示意图。
图2为本发明第一实施例提供的图像背景虚化方法基本流程图;
图3为本发明第一实施例提供的另一图像背景虚化方法流程图;
图4为本发明第二实施例提供的图像背景虚化方法细化流程图;
图5为本发明第二实施例提供的第一种图像示意图;
图6为本发明第二实施例提供的第二种图像示意图;
图7为本发明第二实施例提供的第三种图像示意图;
图8为本发明第二实施例提供的第四种图像示意图;
图9为本发明第三实施例提供的终端的结构示意图;
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
终端可以以各种形式来实施。例如,本发明中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant,PDA)、便捷式媒体播放器(Portable Media Player,PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端,以及诸如数字TV、台式计算机等固定终端。
后续描述中将以移动终端为例进行说明,本领域技术人员将理解的是,除了特别用于移动目的的元件之外,根据本发明的实施方式的构造也能够应用于固定类型的终端。
请参阅图1,其为实现本发明各个实施例的一种移动终端的硬件结构示意图,该移动终端100可以包括:RF(Radio Frequency,射频)单元101、WiFi模块102、音频输出单元103、A/V(音频/视频)输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解,图1中示出的移动终端结构并不构成对移动终端的限定,移动终端可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图1对移动终端的各个部件进行具体的介绍:
射频单元101可用于收发信息或通话过程中,信号的接收和发送,具体的,将基站的下行信息接收后,给处理器110处理;另外,将上行的数据发送给基站。通常,射频单元101包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外,射频单元101还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于GSM(Global System of Mobile communication,全球移动通讯***)、GPRS(General Packet Radio Service,通用分组无线服务)、CDMA2000(CodeDivision Multiple Access 2000,码分多址2000)、WCDMA(Wideband Code DivisionMultiple Access,宽带码分多址)、TD-SCDMA(Time Division-Synchronous CodeDivision Multiple Access,时分同步码分多址)、FDD-LTE(Frequency DivisionDuplexing-Long Term Evolution,频分双工长期演进)和TDD-LTE(Time DivisionDuplexing-Long Term Evolution,分时双工长期演进)等。
WiFi属于短距离无线传输技术,移动终端通过WiFi模块102可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图1示出了WiFi模块102,但是可以理解的是,其并不属于移动终端的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
音频输出单元103可以在移动终端100处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时,将射频单元101或WiFi模块102接收的或者在存储器109中存储的音频数据转换成音频信号并且输出为声音。而且,音频输出单元103还可以提供与移动终端100执行的特定功能相关的音频输出(例如,呼叫信号接收声音、消息接收声音等等)。音频输出单元103可以包括扬声器、蜂鸣器等等。
A/V输入单元104用于接收音频或视频信号。A/V输入单元104可以包括图形处理器(Graphics Processing Unit,GPU)1041和麦克风1042,图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元106上。经图形处理器1041处理后的图像帧可以存储在存储器109(或其它存储介质)中或者经由射频单元101或WiFi模块102进行发送。麦克风1042可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风1042接收声音(音频数据),并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由射频单元101发送到移动通信基站的格式输出。麦克风1042可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。
移动终端100还包括至少一种传感器105,比如光传感器、运动传感器以及其他传感器。具体地,光传感器包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板1061的亮度,接近传感器可在移动终端100移动到耳边时,关闭显示面板1061和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于手机还可配置的指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061,可以采用液晶显示器(LiquidCrystalDisplay,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1061。
用户输入单元107可用于接收输入的数字或字符信息,以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地,用户输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1071上或在触控面板1071附近的操作),并根据预先设定的程式驱动相应的连接装置。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器110,并能接收处理器110发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1071。除了触控面板1071,用户输入单元107还可以包括其他输入设备1072。具体地,其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种,具体此处不做限定。
进一步的,触控面板1071可覆盖显示面板1061,当触控面板1071检测到在其上或附近的触摸操作后,传送给处理器110以确定触摸事件的类型,随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图1中,触控面板1071与显示面板1061是作为两个独立的部件来实现移动终端的输入和输出功能,但是在某些实施例中,可以将触控面板1071与显示面板1061集成而实现移动终端的输入和输出功能,具体此处不做限定。
接口单元108用作至少一个外部装置与移动终端100连接可以通过的接口。例如,外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元108可以用于接收来自外部装置的输入(例如,数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端100和外部装置之间传输数据。
存储器109可用于存储软件程序以及各种数据。存储器109可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器109可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器110是移动终端的控制中心,利用各种接口和线路连接整个移动终端的各个部分,通过运行或执行存储在存储器109内的软件程序和/或模块,以及调用存储在存储器109内的数据,执行移动终端的各种功能和处理数据,从而对移动终端进行整体监控。处理器110可包括一个或多个处理单元;优选的,处理器110可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器110中。
移动终端100还可以包括给各个部件供电的电源111(比如电池),优选的,电源111可以通过电源管理***与处理器110逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
尽管图1未示出,移动终端100还可以包括蓝牙模块等,在此不再赘述。
基于上述移动终端硬件结构,提出本发明方法各个实施例。
第一实施例
图2为本实施例提供的图像背景虚化方法基本流程图,该方法包括:
S201、通过移动终端中的摄像单元获取一张临时图像。
S202、根据预设的边缘检测算法从所述临时图像中提取目标图像。
S203、对所述临时图像进行高斯模糊运算处理,得到一张整体模糊图像。
S204、将所述目标图像合并至所述整体模糊图像中,得到背景虚化图片。
对于步骤S201,在实际的应用中,终端相机将会在帧缓冲存储器FrameBuffer中生成一张当前的图像,通过移动终端中的摄像单元取出帧缓冲存储器中的图像得到一张临时图像,该临时图像为数字图像,该图像上的数据包括有像素灰度在内的像素数据。
在步骤S202中,根据预设的边缘检测算法从所述临时图像中提取目标图像,其中,根据该步骤提取出的目标图像就是临时图像中需要进行突出的图像主体的图像,在实际的应用中,具体可以通过图3所示流程图的步骤实现:
S301、利用高斯滤波器对临时图像进行平滑处理,获得已平滑图像。
具体的,该步骤包括通过预设的高斯滤波器,对所述临时图像进行灰度平滑处理,获得已平滑图像。
在实际应用中,对于某一个坐标为(x,y)的像素点,假定其像素灰度为f(x,y),则通过高斯卷积核函数hx,y,σ对图像f(x,y)进行处理获得已平滑的图像g(x,y),具体的,得到已平滑图像具体的运算过程为:
g(x,y)=h(x,y,σ)*f(x,y)
其中,*表示卷积,σ表示方差,g(x,y)的表示已平滑图像中坐标为(x,y)像素点的像素灰度,具体的,在本实施例中,高斯卷积核函数包括:
S302、根据一阶偏导的有限差分计算方法,计算出已平滑图像中每个像素的梯度。
该步骤通过根据一阶偏导的有限差分计算方法,可以计算出所述已平滑图像中每个像素的像素灰度的梯度,计算出的梯度包括梯度幅值和梯度方向。
在本实施例的一些示例中,可以先通过2x2的一阶有限差分近似计算出已平滑图像x,y偏导数,分别用Gx,Gy表示,具体的计算方式如下:
Gx≈f′x(x,y)=[fx+1,y)-f(x,y)+f(x+1,y+1)-f(x,y+1)]/2
Gy≈f′y(x,y)=[f(x,y+1)-f(x,y)+f(x+1,y+1)-f(x+1,y)]/2
则其像素梯度的幅度和方位角可以用如下公式计算:
梯度的幅值:
梯度的方向角:θ(x,y)=arctan(Gx/Gy)
其中,A(x,y)表示像素梯度幅值,反映了图像边缘的强度;θ(x,y)表示梯度方向,反映了边缘的方向。
S303、对梯度幅值进行非极大值抑制处理。
由于在S302中计算出的梯度对应的图像轮廓边缘的像素不止一个,而是多个像素构成的轮廓边缘,所以通过该S303步骤,实现通过保留图像中的局部的最大梯度抑制其他梯度,达到过滤出有用的轮廓边缘信息。在实际应用中,对梯度幅值进行非极大值抑制进行处理的步骤,具体可以通过以下方式实现:
沿着所述梯度线,对所述已平滑图像中每个像素的梯度幅值与其对应的相邻像素的梯度幅值进行大小关系的比较;
若比较结果为所述已平滑图像中像素的梯度幅值大于所述相邻像素的梯度幅值,则保留该像素的梯度幅值;
若比较结果为所述已平滑图像中像素的梯度幅值不大于所述相邻像素的梯度幅值,将该像素的梯度幅值置0;
根据比较结果生成所述非极大值抑制图像。
在本实施例的一些示例中,通过沿着相同梯度幅值构成的梯度线,将每个像素的梯度值与该像素相邻像素的梯度值进行比较,若该点的梯度值不比相邻点的像素的梯度值大,则将该点的梯度值A(x,y)设置成0,若该点的梯度值小于相邻点的像素的梯度值,则保留该点的梯度值A(x,y)不变,最后得到非极大值抑制图像。需要理解的是,该非极大值抑制图像上的梯度值与已平滑图像中像素是一一对应的,通过上述处理后,在非极大值抑制图像上,梯度值小于相邻像素梯度值的像素梯度值被置为0,梯度值大于相邻像素梯度值的像素梯度值被保留下来,得到非极大值抑制处理对应的梯度数值表,通过表可以得到图像中个主体边缘的轮廓。
S304、利用双阈值算法检测图像边缘得到边缘信息较多的第一图像和边缘信息较少的第二图像。
在该步骤中,由于得到的非极大值抑制图像拥有图像中每个主体边缘信息,所以需要对有用边缘信息进行筛选,在实际应用中,利用双阈值算法检测图像边缘,获得第一图像和第二图像具体可以通过以下步骤实现:
预设第一阈值和第二阈值,所述第一阈值小于第二阈值;
将所述非极大值抑制图像中的像素的梯度幅值与所述第一阈值进行比较;
若所述非极大值抑制图像中的像素的梯度幅值小于所述第一阈值,则将所述像素对应于所述已平滑图像中的像素的像素灰度置为0,得到所述第一图像;
将所述非极大值抑制图像中的像素的梯度幅值与所述第二阈值比较;
若所述非极大值抑制图像中的像素的梯度幅值小于所述第二阈值,则将所述像素对应于所述已平滑图像中像素的像素灰度置为0,得到所述第二图像。
在本实施例的一些示例中,对非极大值抑制图像作用的第一阈值th1和第二阈值th2,两者关系为th1=0.4th2,通过将非极大值抑制图像中梯度值小于第一阈值th1的像素的像素灰度值设为0,可以得到第一图像,同样的,将非极大值抑制图像中梯度值小于第二阈值th2的像素的像素灰度值设为0,可以得到第二图像。由于对第二图像进行筛选的第二阈值比对第一图像进行筛选的第一阈值高,所以相比第一图像,第二图像去除大部分噪音,但同时也损失了有用的边缘信息,而对第一图像进行筛选的第一阈值相对较低,则在第一图像上保留了较多的边缘信息。
S305、以第二图像为基础,将第一图像中的边缘信息补充到第二图像上,得到一系列图像块。
在该步骤中,由于第二图像过滤掉了无用的边缘信息,但是相对的,其具有的有用边缘信息也被过滤掉了,所以以第二图像为基础,以第一图像中的边缘信息来补充连结第二图像的主体边缘,能够得到临时图像中一系列主体的图像边缘轮廓。
在本实施例的一些示例中,对非极大值抑制图像作用两个阈值th1和th2,两者关系th1=0.4th2,具体的,th1和th2的数值由具体算法实现。将梯度值小于th1的像素的灰度值设为0,得到图像1。将梯度值小于th2的像素的灰度值设为0,得到图像2,由于对图像2进行处理的阈值th2较高,得到的图像2图像轮廓更少,而对图像1处理的阈值th1较低,得到的图像1图像轮廓更多,所以可以通过以图像2为基础,以图像1为补充来连结图像的轮廓,得到一系列的图像块。
S306、比较所有图像块的面积,面积最大图像块的即为待突出显示的目标图像。
该步骤之前,由于在找到临时图像中的图像边缘轮廓包括临时图像中的全部主体,所以需要对找出待突出显示的主体,在实际的应用过程中,通过比较得到的各主体图像的图像面积,可以找到面积最大的主体图像,这个主体图像就是我们要突出显示的目标图像。在本实施例的一些示例中,比较得到的图像块的面积,将面积最大的图像块对应的主体作为待突出主体。
通过S202中一系列步骤的处理后,最终将能区分出临时图像中需要进行突出显示的目标图像,再通过步骤S203,对临时图像进行相应的处理将得到目标图像的背景图像,在实际的应用中,可以通过以下步骤实现:
根据所述临时图像中各像素的像素数据,将所述临时图像转换为临时图像矩阵;
对所述临时图像矩阵进行高斯模糊运算,得到临时图像模糊矩阵;
将所述临时图像模糊矩阵作为所述整体模糊图像。
在该步骤中,得到的临时图像矩阵中各矩阵元素值对应于临时图像中各像素的像素数据,该像素数据包括至少有像素的像素灰度数据。
在实际应用中,是能够通过临时图像模糊矩阵按照一定的方式生成整体模糊图像,但是由于对图像的处理都是涉及对图像对应的图像矩阵进行处理,所以生成模糊图像即一张虚化的背景图像是毫无意义的,所以在上述步骤中,直接将临时图像模糊矩阵作为所述整体模糊图像。
在本实施例中的一些实例中,通过具有预设参数的高斯模糊算法对矩阵进行模糊运算,得到模糊图像矩阵,具体的参数设置将根据具体图像进行设定。
在步骤S204中,即在对所述临时图像进行高斯模糊运算处理,得到一张整体模糊图像之后,需要将所述目标图像合并至所述整体模糊图像中,得到背景虚化图片,该步骤的实现具体为:
根据所述目标图像,从所述临时图像矩阵中分离出一个与所述目标图像对应的目标图像矩阵,所述目标图像矩阵的维度大小与所述临时图像矩阵维度大小相同;
将所述临时图像模糊矩阵与所述目标图像矩阵进行矩阵相加,获得背景虚化图像矩阵;
根据所述背景虚化图像矩阵,生成所述背景虚化图像。
在以上的步骤中,需要明白的一点是具有相同矩阵维度大小的矩阵才能进行矩阵相加计算,所以生成的目标图像矩阵的矩阵维度大小与临时图像矩阵的矩阵维度大小相同。最后,在通过背景虚化图像矩阵生成的背景虚化图像中,需要突出显示的主体的将能清晰的展示而该主体的背景为模糊展示,从而突出了待突出显示的图像主体。
在实际的应用中,具体的由临时图像矩阵分离出目标图像矩阵的步骤可以通过以下步骤实现:
根据所述目标图像与所述临时图像的中像素的对应关系,从所述临时图像矩阵中提取出所述目标图像对应像素的矩阵元素值,并将其余像素的矩阵元素值置为0,分离得到所述目标图像矩阵。
在该步骤中,因为图像中的像素数据与图像的矩阵有着对应的关系,所以可以通过临时图像矩阵分离出目标图像的图像矩阵,得到一个和临时图像矩阵维度大小相同的矩阵。
在本实施例的另一些示例中,得到的目标图像矩阵中矩阵元素数据具体为,目标图像区域对应位置的矩阵元素数据为目标图像区域的图像数据,而矩阵的非目标图像区域位置的矩阵元素数据为0。
本实施例提供一种图像背景虚化方法,针对现有技术中只能通过双摄像头实现图像背景虚化功能的缺陷,以及由双摄像头拍摄得到背景虚化图像所造成的拍摄过程耗时长、拍摄图像质量差的问题,通过。由于该图像背景虚化方法能通过单摄像头实现,在拍照过程中对主体进行聚焦,且不需要对两张图片进行合成处理,避免了只能通过双摄像头才能实现背景虚化的拍照功能,且拍照图像质量差,处理图像耗时长问题,大大提高了用户的拍照体验。
第二实施例
图4为本发明第二实施例提供的通知消息的提示方法细化流程图,该图像背景虚化方法包括:
S401、开启相机进行拍照。
在实际应用过程中,在拍照过程时,摄像单元将在帧缓存存储器FrameBuffer中生成一张拍摄的照片。
S402、取出帧缓存存储器FrameBuffer中的图像得到临时图像。
S403、利用高斯滤波器对临时图像进行平滑处理,获得已平滑图像。
具体的,对图像f(x,y)进行高斯卷积核函数平滑处理得到已平滑图像g(x,y)g(x,y)=h(x,y,σ)*f(x,y),其中*表示卷积,σ表示方差。
S404、根据一阶偏导的有限差分计算方法,计算出已平滑图像中每个像素的梯度。
具体的,可以先通过2x2的一阶有限差分近似计算出x和y的偏导数:
fx'(x,y)≈Gx=[f(x+1,y)-f(x,y)+f(x+1,y+1)-f(x,y+1)]/2
fy'(x,y)≈Gy=[f(x,y+1)-f(x,y)+f(x+1,y+1)-f(x+1,y)]/2
再通过以下公式可以计算得到已平滑图像的梯度幅度和方向角:
梯度的幅值:
梯度的方向角:θ(x,y)=arctan(Gx/Gy)
其中,A(x,y)反映了图像边缘的强度,θ(x,y)反映了边缘的方向。
S405、对梯度幅值进行非极大值抑制处理。
沿着相同梯度幅值构成的梯度线,将每个像素的梯度值与该像素相邻像素的梯度值进行比较,若该点的梯度值不比相邻点的像素的梯度值大,则将该点的梯度值A(x,y)设置成0,若该点的梯度值小于相邻点的像素的梯度值,则保留该点的梯度值A(x,y)不变,得到非极大值抑制图像。
S406、利用双阈值算法检测图像边缘得到边缘信息较多的第一图像和边缘信息较少的第二图像。
具体的,预设两个阈值th1和th2,两者关系th1=0.4th2,将梯度值小于th1的像素的灰度值设为0,得到如图5所示的第一图像,在该第一图像中图像的轮廓更多,图像具有的边缘信息更多;同样的,将梯度值小于th2的像素的灰度值设为0,得到如图6所示的第二图像,该第二图像中图像的轮廓更少,图像具有的边缘信息也更少。
S407、以第二图像为基础,将第一图像中的边缘信息补充到第二图像上,得到一系列图像块。
通过将第一图像的边缘信息补充到第二图像中,能够得到如图7所示的图像,在该图像中具有各个图像主体的图像块。
S408、比较所有图像块的面积,面积最大图像块的即为待突出显示的目标图像。
比较补充连接后得到的图像的面积,可以得到待突出的主体图像为图中的人物,该人物图像即为目标图像。
S409、根据临时图像的像素数据,得到临时图像矩阵。
S410、根据目标图像,从临时图像矩阵中分离出目标图像矩阵。
S411、对临时图像矩阵运用高斯模糊运算,得到模糊后整体图像矩阵。
S412、将模糊后整体图像矩阵与目标图像矩阵进行矩阵相加,得到虚化处理后的图像矩阵。
S413、将得到的图像矩阵保存为一张背景虚化的照片。
在本实施例中,得到的背景虚化图像参见图8所示。
本实施例提供一种图像背景虚化方法,通过获取一张临时图像,对临时图像进行图像分割、图像虚化等的图像处理,实现了背景虚化的功能,由于该方法能通过双摄像头还能通过单摄像头实现,解决了单摄像头不能拍摄出背景虚化图片的问题,图像质量差的问题,避免了由于合成处理两种照片耗时长的问题,大大提高了用户的拍照体验。
第三实施例
本实施例还提供了一种终端,参见图9所示,该移动终端包括:处理器51、存储器52和通信总线53,处理器51和存储器52之间的通信通过所述通信总线53实现。
处理器51通常控制自身所属的服务器的总体操作。例如,处理器51执行计算和确认等操作。其中,处理器51可以是中央处理器(CPU)。在本实施例中,处理器51至少需要具备这样的功能:在移动终端中的摄像单元获取一张包含有至少两个主体的临时图像后,根据预设的边缘检测算法对获得的临时图像进行处理,从该临时图像的所有主体的图像中提取得到待突出显示的主体图像,该主体图像就是需要进行突出显示的目标图像,随后对临时图像进行高斯模糊运算处理,得到一张整体模糊图像。
在实际应用中,存储器52存储处理器51可读、处理器51可执行的软件代码,其包含用于控制处理器51执行以上描述的功能的指令(即软件执行功能)。在本实施例中,存储器52至少需要存储有实现处理器51执行上述图像背景虚化功能需要的程序。
存储器52,一般采用半导体存储单元,包括随机存储器(RAM),只读存储器(ROM),以及高速缓存(CACHE),RAM是其中最重要的存储器。存储器52是计算机中重要的部件之一,它是与CPU进行沟通的桥梁,计算机中所有程序的运行都是在内存中进行的,其作用是用于暂时存放CPU中的运算数据,以及与硬盘等外部存储器交换的数据,只要计算机在运行中,CPU就会把需要运算的数据调到内存中进行运算,当运算完成后CPU再将结果传送出来,内存的运行也决定了计算机的稳定运行。
在本实施例中,所述处理器51在从临时图像中提取得到目标图像的步骤中,具体是通过Canny边缘检测算法进行边缘检测,对的主体边缘进行连接得到,具体的实现方式包括通过根据Canny边缘检测算法从所述临时图像提取得到第一图像和第二图像,所述第一图像为主体边缘细节较多的图像,所述第二图像为主体边缘细节较少的图像;
以所述第二图像为基础,从所述第一图像中提取所述主体的边缘细节补充至所述第二图像中对应的主体图像上,得到一张所有主体边缘完整的边缘图像;
比较所述边缘图像中各主体图像的图像面积,并选择所述图像面积最大的主体图像作为所述目标图像。
在实际应用中,在根据Canny边缘检测算法从所述临时图像提取得到第一图像和第二图像的步骤中,具体通过预设的高斯滤波器,对所述临时图像进行灰度平滑处理,获得已平滑图像;
根据一阶偏导的有限差分计算方法,计算出所述已平滑图像中每个像素的像素灰度的梯度,所述梯度包括梯度幅值和梯度方向;
根据所述梯度,对所述梯度幅值进行非极大值抑制处理,获得非极大值抑制图像,所述非极大值抑制图像为所述已平滑图像中所有像素对应的梯度幅值的图像;
根据所述非极大值抑制图像中的梯度幅值,通过双阈值算法提取得到所述第一图像和所述第二图像。
在实际应用中需要对图像进行非极大值抑制处理,具体可以通过如下的处理步骤进行:通过沿着所述梯度线,对所述已平滑图像中每个像素的梯度幅值与其对应的相邻像素的梯度幅值进行大小关系的比较;
若比较结果为所述已平滑图像中像素的梯度幅值大于所述相邻像素的梯度幅值,则保留该像素的梯度幅值;
若比较结果为所述已平滑图像中像素的梯度幅值不大于所述相邻像素的梯度幅值,将该像素的梯度幅值置0;
根据比较结果生成所述非极大值抑制图像
在实际应用中,提取得到所述第一图像和所述第二图像具体是通过双阈值算法进行提取,具体为预设第一阈值和第二阈值,所述第一阈值小于第二阈值;
将所述非极大值抑制图像中的像素的梯度幅值与所述第一阈值进行比较;
若所述非极大值抑制图像中的像素的梯度幅值小于所述第一阈值,则将所述像素对应于所述已平滑图像中的像素的像素灰度置为0,得到所述第一图像;
将所述非极大值抑制图像中的像素的梯度幅值与所述第二阈值比较;
若所述非极大值抑制图像中的像素的梯度幅值小于所述第二阈值,则将所述像素对应于所述已平滑图像中像素的像素灰度置为0,得到所述第二图像。
本实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现以下步骤:
通过移动终端中的摄像单元获取一张临时图像,临时图像中包括至少两个主体;
根据预设的边缘检测算法从临时图像中提取目标图像,目标图像为至少两个主体中待突出显示的主体图像;
对临时图像进行高斯模糊运算处理,得到一张整体模糊图像;
将目标图像合并至整体模糊图像中,得到背景虚化图片。
在本实施例中,移动终端中的摄像单元还可以通过终端上摄像单元从帧缓冲存储器中获取临时图像,所述处理器通过执行所述计算机可读存储介质中存储的一个或者多个程序实现从临时图像中提取目标图像时,具体可以通过以下步骤实现:
通过预设的高斯滤波器,对所述临时图像进行灰度平滑处理,获得已平滑图像;
根据一阶偏导的有限差分计算方法,计算出所述已平滑图像中每个像素的像素灰度的梯度,所述梯度包括梯度幅值和梯度方向;
根据所述梯度,对所述梯度幅值进行非极大值抑制处理,获得非极大值抑制图像,所述非极大值抑制图像为所述已平滑图像中所有像素对应的梯度幅值的图像;
根据所述非极大值抑制图像中的梯度幅值,通过双阈值算法提取得到所述第一图像和所述第二图像。
进一步的,在实现获得非极大值抑制图像具体是沿着所述梯度线,对所述已平滑图像中每个像素的梯度幅值与其对应的相邻像素的梯度幅值进行大小关系的比较;
若比较结果为所述已平滑图像中像素的梯度幅值大于所述相邻像素的梯度幅值,则保留该像素的梯度幅值;
若比较结果为所述已平滑图像中像素的梯度幅值不大于所述相邻像素的梯度幅值,将该像素的梯度幅值置0;
根据比较结果生成所述非极大值抑制图像。
进一步的,实现通过双阈值算法提取得到第一图像和第二图像具体是通过预设第一阈值和第二阈值,所述第一阈值小于第二阈值;
将所述非极大值抑制图像中的像素的梯度幅值与所述第一阈值进行比较;
若所述非极大值抑制图像中的像素的梯度幅值小于所述第一阈值,则将所述像素对应于所述已平滑图像中的像素的像素灰度置为0,得到所述第一图像;
将所述非极大值抑制图像中的像素的梯度幅值与所述第二阈值比较;
若所述非极大值抑制图像中的像素的梯度幅值小于所述第二阈值,则将所述像素对应于所述已平滑图像中像素的像素灰度置为0,得到所述第二图像。
进一步的,所述处理器通过执行所述计算机可读存储介质中存储的一个或者多个程序,还用于实现以下步骤:
根据所述目标图像,从所述临时图像矩阵中分离出一个与所述目标图像对应的目标图像矩阵,所述目标图像矩阵的维度大小与所述临时图像矩阵维度大小相同;
将所述临时图像模糊矩阵与所述目标图像矩阵进行矩阵相加,获得背景虚化图像矩阵;
根据所述背景虚化图像矩阵,生成所述背景虚化图像。
进一步的,从临时图像矩阵中分离出一个与所述目标图像对应的目标图像矩阵具体是通过根据所述目标图像与所述临时图像的中像素的对应关系,从所述临时图像矩阵中提取出所述目标图像对应像素的矩阵元素值,并将其余像素的矩阵元素值置为0,分离得到所述目标图像矩阵。
综上所述,本发明提供一种图像背景虚化方法、终端及计算机可读存储介质,针对现有技术中只能通过双摄像头实现图像背景虚化功能的缺陷,以及由双摄像头拍摄得到背景虚化图像所造成的拍摄过程耗时长、拍摄图像质量差的问题,由于该图像背景虚化方法不仅能通过双摄像头还能通过单摄像头实现,解决了单摄像头不能拍摄出背景虚化图片的问题,并且由于该图像背景虚化方法不需要在拍照过程中对主体进行聚焦,而是直接从拍摄获得的临时图像中提取主体图像,所以不会因为对焦不准、图像获取不准确的而造成图像质量差的问题,同时,由于该方法仅仅涉及一张图片的处理而不需要对两张图片进行合成处理,避免了由于合成处理时间耗时长而导致的拍照时间长的问题,大大提高了用户的拍照体验。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种图像背景虚化方法,其特征在于,所述方法包括:
通过移动终端中的摄像单元获取一张临时图像,所述临时图像中包括至少两个主体;
根据预设的边缘检测算法从所述临时图像中提取目标图像,所述目标图像为所述至少两个主体中待突出显示的主体图像;
对所述临时图像进行高斯模糊运算处理,得到一张整体模糊图像;
将所述目标图像合并至所述整体模糊图像中,得到背景虚化图片。
2.如权利要求1所述的图像背景虚化方法,其特征在于,所述预设的边缘检测算法为Canny边缘检测算法;
所述根据预设的边缘检测算法从所述临时图像中提取目标图像包括:
根据Canny边缘检测算法从所述临时图像提取得到第一图像和第二图像,所述第一图像为主体边缘细节较多的图像,所述第二图像为主体边缘细节较少的图像;
以所述第二图像为基础,从所述第一图像中提取所述主体的边缘细节补充至所述第二图像中对应的主体图像上,得到一张所有主体边缘完整的边缘图像;
比较所述边缘图像中各主体图像的图像面积,并选择所述图像面积最大的主体图像作为所述目标图像。
3.如权利要求2所述的图像背景虚化方法,其特征在于,所述根据Canny边缘检测算法从所述临时图像提取得到第一图像和第二图像包括:
通过预设的高斯滤波器,对所述临时图像进行灰度平滑处理,获得已平滑图像;
根据一阶偏导的有限差分计算方法,计算出所述已平滑图像中每个像素的像素灰度的梯度,所述梯度包括梯度幅值和梯度方向;
根据所述梯度,对所述梯度幅值进行非极大值抑制处理,获得非极大值抑制图像,所述非极大值抑制图像为所述已平滑图像中所有像素对应的梯度幅值的图像;
根据所述非极大值抑制图像中的梯度幅值,通过双阈值算法提取得到所述第一图像和所述第二图像。
4.如权利要求3所述的图像背景虚化方法,其特征在于,所述根据所述梯度,对所述梯度幅值进行非极大值抑制处理,获得非极大值抑制图像包括:
将所述梯度中具有相同梯度幅值对应的像素连成至少一条梯度线;
沿着所述梯度线,对所述已平滑图像中每个像素的梯度幅值与其对应的相邻像素的梯度幅值进行大小关系的比较;
若比较结果为所述已平滑图像中像素的梯度幅值大于所述相邻像素的梯度幅值,则保留该像素的梯度幅值;
若比较结果为所述已平滑图像中像素的梯度幅值不大于所述相邻像素的梯度幅值,将该像素的梯度幅值置0;
根据比较结果生成所述非极大值抑制图像。
5.如权利要求3所述的图像背景虚化方法,其特征在于,所述根据所述非极大值抑制图像中的梯度幅值,通过双阈值算法提取得到所述第一图像和所述第二图像包括:
预设第一阈值和第二阈值,所述第一阈值小于第二阈值;
将所述非极大值抑制图像中的像素的梯度幅值与所述第一阈值进行比较;
若所述非极大值抑制图像中的像素的梯度幅值小于所述第一阈值,则将所述像素对应于所述已平滑图像中的像素的像素灰度置为0,得到所述第一图像;
将所述非极大值抑制图像中的像素的梯度幅值与所述第二阈值比较;
若所述非极大值抑制图像中的像素的梯度幅值小于所述第二阈值,则将所述像素对应于所述已平滑图像中像素的像素灰度置为0,得到所述第二图像。
6.如权利要求1-5任一项所述的图像背景虚化方法,其特征在于,所述对所述临时图像进行高斯模糊运算处理,得到一张整体模糊图像包括:
根据所述临时图像中各像素的像素数据,将所述临时图像转换为临时图像矩阵,所述临时图像矩阵中各矩阵元素值对应于所述各像素的像素数据,所述像素数据包括像素的像素灰度;
对所述临时图像矩阵进行高斯模糊运算,得到临时图像模糊矩阵;
将所述临时图像模糊矩阵作为所述整体模糊图像。
7.如权利要求6所述的图像背景虚化方法,其特征在于,所述将所述目标图像合并至所述整体模糊图像中,得到背景虚化图片包括:
根据所述目标图像,从所述临时图像矩阵中分离出一个与所述目标图像对应的目标图像矩阵,所述目标图像矩阵的维度大小与所述临时图像矩阵维度大小相同;
将所述临时图像模糊矩阵与所述目标图像矩阵进行矩阵相加,获得背景虚化图像矩阵;
根据所述背景虚化图像矩阵,生成所述背景虚化图像。
8.如权利要求7所述的图像背景虚化方法,其特征在于,所述根据所述目标图像,从所述临时图像矩阵中分离出一个与所述目标图像对应的目标图像矩阵包括:
根据所述目标图像与所述临时图像的中像素的对应关系,从所述临时图像矩阵中提取出所述目标图像对应像素的矩阵元素值,并将其余像素的矩阵元素值置为0,分离得到所述目标图像矩阵。
9.一种终端,其特征在于,所述终端包括处理器、存储器及通信总线;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的一个或者多个程序,以实现如权利要求1至8中任一项所述的图像背景虚化方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至8中任一项所述的图像背景虚化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711035035.9A CN108038817A (zh) | 2017-10-30 | 2017-10-30 | 一种图像背景虚化方法、终端及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711035035.9A CN108038817A (zh) | 2017-10-30 | 2017-10-30 | 一种图像背景虚化方法、终端及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108038817A true CN108038817A (zh) | 2018-05-15 |
Family
ID=62092638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711035035.9A Pending CN108038817A (zh) | 2017-10-30 | 2017-10-30 | 一种图像背景虚化方法、终端及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108038817A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902598A (zh) * | 2019-02-01 | 2019-06-18 | 北京清帆科技有限公司 | 一种针对复杂背景的图像预处理技术 |
CN110177212A (zh) * | 2019-06-26 | 2019-08-27 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
CN111815505A (zh) * | 2020-07-14 | 2020-10-23 | 北京字节跳动网络技术有限公司 | 用于处理图像的方法、装置、设备和计算机可读介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587586A (zh) * | 2008-05-20 | 2009-11-25 | 株式会社理光 | 一种图像处理装置及图像处理方法 |
JP2013072988A (ja) * | 2011-09-27 | 2013-04-22 | Sharp Corp | 複眼カメラおよびこれを用いた連続自動合焦制御方法、制御プログラム、可読記憶媒体 |
CN103366352A (zh) * | 2012-03-30 | 2013-10-23 | 北京三星通信技术研究有限公司 | 用于产生背景被虚化的图像的设备和方法 |
CN105005980A (zh) * | 2015-07-21 | 2015-10-28 | 深圳Tcl数字技术有限公司 | 图像处理方法及装置 |
CN105141858A (zh) * | 2015-08-13 | 2015-12-09 | 上海斐讯数据通信技术有限公司 | 照片背景虚化***及其方法 |
CN105513105A (zh) * | 2015-12-07 | 2016-04-20 | 天津大学 | 基于显著图的图像背景虚化方法 |
CN105592271A (zh) * | 2015-12-21 | 2016-05-18 | 深圳市金立通信设备有限公司 | 一种图像处理的方法及终端 |
US20160217556A1 (en) * | 2015-01-23 | 2016-07-28 | Sos S. Agaian | Systems and methods for automatic image enhancement utilizing feedback control |
CN105979165A (zh) * | 2016-06-02 | 2016-09-28 | 广东欧珀移动通信有限公司 | 虚化照片生成方法、装置和移动终端 |
CN106683061A (zh) * | 2017-01-05 | 2017-05-17 | 南京觅踪电子科技有限公司 | 一种基于修正的多尺度retinex算法对医疗图像进行增强的方法 |
CN106683147A (zh) * | 2017-01-23 | 2017-05-17 | 浙江大学 | 一种图像背景虚化的方法 |
-
2017
- 2017-10-30 CN CN201711035035.9A patent/CN108038817A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587586A (zh) * | 2008-05-20 | 2009-11-25 | 株式会社理光 | 一种图像处理装置及图像处理方法 |
JP2013072988A (ja) * | 2011-09-27 | 2013-04-22 | Sharp Corp | 複眼カメラおよびこれを用いた連続自動合焦制御方法、制御プログラム、可読記憶媒体 |
CN103366352A (zh) * | 2012-03-30 | 2013-10-23 | 北京三星通信技术研究有限公司 | 用于产生背景被虚化的图像的设备和方法 |
US20160217556A1 (en) * | 2015-01-23 | 2016-07-28 | Sos S. Agaian | Systems and methods for automatic image enhancement utilizing feedback control |
CN105005980A (zh) * | 2015-07-21 | 2015-10-28 | 深圳Tcl数字技术有限公司 | 图像处理方法及装置 |
CN105141858A (zh) * | 2015-08-13 | 2015-12-09 | 上海斐讯数据通信技术有限公司 | 照片背景虚化***及其方法 |
CN105513105A (zh) * | 2015-12-07 | 2016-04-20 | 天津大学 | 基于显著图的图像背景虚化方法 |
CN105592271A (zh) * | 2015-12-21 | 2016-05-18 | 深圳市金立通信设备有限公司 | 一种图像处理的方法及终端 |
CN105979165A (zh) * | 2016-06-02 | 2016-09-28 | 广东欧珀移动通信有限公司 | 虚化照片生成方法、装置和移动终端 |
CN106683061A (zh) * | 2017-01-05 | 2017-05-17 | 南京觅踪电子科技有限公司 | 一种基于修正的多尺度retinex算法对医疗图像进行增强的方法 |
CN106683147A (zh) * | 2017-01-23 | 2017-05-17 | 浙江大学 | 一种图像背景虚化的方法 |
Non-Patent Citations (1)
Title |
---|
王贵彬: "基于Canny算子与形态学融合的边缘检测算法", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902598A (zh) * | 2019-02-01 | 2019-06-18 | 北京清帆科技有限公司 | 一种针对复杂背景的图像预处理技术 |
CN110177212A (zh) * | 2019-06-26 | 2019-08-27 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
CN110177212B (zh) * | 2019-06-26 | 2021-01-26 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
CN111815505A (zh) * | 2020-07-14 | 2020-10-23 | 北京字节跳动网络技术有限公司 | 用于处理图像的方法、装置、设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI696146B (zh) | 影像處理方法、裝置、電腦可讀儲存媒體和行動終端 | |
CN107172364A (zh) | 一种图像曝光补偿方法、装置和计算机可读存储介质 | |
CN107592471A (zh) | 一种高动态范围图像拍摄方法及移动终端 | |
CN111405199B (zh) | 一种图像拍摄方法和电子设备 | |
CN107610075A (zh) | 图像合成方法及移动终端 | |
CN107317963A (zh) | 一种双摄像头移动终端控制方法、移动终端及存储介质 | |
CN107820016A (zh) | 双屏终端的拍摄显示方法、双屏终端和计算机存储介质 | |
CN107730460B (zh) | 一种图像处理方法及移动终端 | |
CN109711226A (zh) | 二维码识别方法、装置、移动终端及可读存储介质 | |
CN107566749A (zh) | 拍摄方法及移动终端 | |
CN107820022A (zh) | 一种拍照方法及移动终端 | |
CN108182726A (zh) | 三维重建方法、云端服务器及计算机可读存储介质 | |
CN109671034B (zh) | 一种图像处理方法及终端设备 | |
CN108171743A (zh) | 拍摄图像的方法、设备及计算机可存储介质 | |
CN109300099A (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN107404618A (zh) | 一种拍摄方法及终端 | |
CN108282617A (zh) | 移动终端拍摄方法、移动终端及计算机可读存储介质 | |
CN108038817A (zh) | 一种图像背景虚化方法、终端及计算机可读存储介质 | |
CN108307105A (zh) | 一种拍摄方法、终端及计算机可读存储介质 | |
CN107798662B (zh) | 一种图像处理方法及移动终端 | |
CN108171667A (zh) | 一种图像处理方法、终端和计算机可读存储介质 | |
CN107395971A (zh) | 一种图像采集方法、设备和计算机可读存储介质 | |
CN107743199A (zh) | 图像处理方法、移动终端及计算机可读存储介质 | |
CN107948531A (zh) | 一种图像处理方法、终端和计算机可读存储介质 | |
CN107743198A (zh) | 一种拍照方法、终端及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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: 20180515 |