CN110717919A - 图像处理方法、装置、介质和计算设备 - Google Patents
图像处理方法、装置、介质和计算设备 Download PDFInfo
- Publication number
- CN110717919A CN110717919A CN201910980725.4A CN201910980725A CN110717919A CN 110717919 A CN110717919 A CN 110717919A CN 201910980725 A CN201910980725 A CN 201910980725A CN 110717919 A CN110717919 A CN 110717919A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- pixels
- background
- preset
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000006243 chemical reaction Methods 0.000 claims description 42
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 230000003628 erosive effect Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 9
- 230000002452 interceptive effect Effects 0.000 abstract description 3
- 230000003993 interaction Effects 0.000 description 6
- 230000002829 reductive effect Effects 0.000 description 6
- 230000009466 transformation Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
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
本发明的实施方式提供了一种图像处理方法。所述方法包括首先获取图像;然后处理所述图像,得到第一灰度图像;接着将所述第一灰度图像中,像素值满足预设条件的像素确定为前景像素,像素值不满足所述预设条件的像素确定为待定背景像素,以得到掩膜图像;最后基于所述掩膜图像对所述图像进行抠图处理,得到抠图图像。本发明的方法在获取图像之后可以自动化完成抠图,减少用户在抠图过程中的交互操作,降低了抠图操作的门槛,为用户带来了更好的体验。此外,本发明的实施方式提供了一种图像处理装置、介质和计算设备。
Description
技术领域
本发明的实施方式涉及互联网技术领域,更具体地,本发明的实施方式涉及一种图像处理方法、装置、介质和计算设备。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
抠图是将图像中的用户感兴趣区域或物体提取出来,形成一张单独的图片,可用于后期的图像合成。可以实现抠图相关技术中主要包括使用photoshop抠图、基于trimap的抠图、以及基于scribble的抠图。
然而,使用photoshop抠图,对操作人员的专业性要求高,而且需要人工手动抠图,速度慢、效率低。
基于trimap的抠图,需要事先准备好尽可能准确的trimap,以trimap作为输入。其中,trimap中的每一个像素属于前景、背景或未知区域中的一种,其中未知区域多为前景与背景交汇的区域带。然后利用trimap中已知区域(前景、背景)的信息来预测未知区域中每个像素的前景、背景值及各自的占比。但是,精确的trimap制作是一件非常枯燥无味且耗时耗力的事情。
基于scribble的抠图,虽然相比于基于trimap的抠图交互更加友好,只需用不同颜色的画笔简单标记少量前景和背景区域,就可提取出较好的前景图像。但是由于输入的标记信息没有基于trimap的抠图那样精细,所以抠图结果往往也没那么精准。
可见,相关技术中进行抠图时不仅对操作人员专业性要求高,而且往往要求用户在抠图的过程中进行完全或部分的交互。
发明内容
为此,非常需要一种改进的图像处理方法,以使抠图时不仅能够减少用户交互操作并且还能够获得较为精准的抠图结果。
在本上下文中,本发明的实施方式期望提供一种可基本实现全自动抠图的图像处理方法、装置、介质及计算设备。
在本发明实施方式的第一方面中,提供了一种图像处理方法。所述方法包括:获取图像;处理所述图像,得到第一灰度图像;将所述第一灰度图像中,像素值满足预设条件的像素确定为前景像素,像素值不满足所述预设条件的像素确定为待定背景像素,以得到掩膜图像;以及基于所述掩膜图像对所述图像进行抠图处理,得到抠图图像。
在本发明的一个实施例中,所述处理所述图像,得到第一灰度图像包括:利用RGB灰度转换方法对所述图像进行转换,得到第二灰度图像;以及对所述第二灰度图像进行伽马变换,得到所述第一灰度图像。
在本发明的一个实施例中,所述对所述第二灰度图像进行伽马变换,得到所述第一灰度图像包括:通过将所述第二灰度图像中的每个像素的像素值除以255进行转换,得到第三灰度图像;通过将所述第三灰度图像中的每个像素按照伽马变换公式S=cry进行转换,得到第四灰度图像;其中,S为输出的像素值,c为常数,r为输入的像素值,y为伽马变换参数,其中,y>0;以及通过将所述第四灰度图像中的每个像素的像素值乘以255,对所述第四灰度图像进行转换,得到所述第一灰度图像。在本发明的一个实施例中,y>1。
在本发明的一个实施例中,所述图像的背景区域的颜色被设置为白色;所述将所述第一灰度图像中,像素值满足预设条件的像素确定为前景像素,像素值不满足所述预设条件的像素确定为待定背景像素,以得到掩膜图像包括:将像素值小于或等于预设阈值的像素,确定为所述前景像素,以及将像素值大于所述预设阈值的像素,确定为所述待定背景像素。
在本发明的一个实施例中,所述基于所述掩膜图像进行处理,得到抠图图像包括:对于所述掩膜图像中的每一个待定背景像素,基于所述待定背景像素的像素值、所述待定背景像素相邻的一个或多个像素的像素值,按照贝叶斯概率确定所述待定背景像素为前景像素的第一概率;将第一概率大于预定概率值的待定背景像素确定为确定的背景像素;以及从所述图像中抠除与所述掩膜图像中与所述确定的背景像素对应的像素,得到所述抠图图像。
在本发明的一个实施例中,所述方法还包括按照形态学腐蚀算法去除所述抠图图像的背景区域中的噪点。具体包括确定一预设大小和形状的结构化元素;对于所述抠图图像中的每个像素,通过将所述每个像素与所述结构化元素的中心重合来得到与所述每个像素对应的结构化区域,以及以所述抠图图像中所述结构化区域所覆盖的像素中的最小像素值来替换所述每个像素的像素值。
在本发明的一个实施例中,所述方法还包括按照漫水填充算法floodfill消除所述抠图图像的前景区域中的噪点。具体包括利用轮廓检测算法查找所述抠图图像中的连通区域;在所述连通区域中的像素个数小于预定个数时,确定所述连通区域为待填充区域;以及确定待填充区域的中心点,并判断所述中心点周围的像素的像素值与预定像素的像素值的差异值是否满足第二预定条件;如果是,则利用所述预定像素来填充满足所述第二预定条件的像素点。
在本发明实施方式的第二方面中,提供了一种图像处理装置。所述装置包括获取模块、处理模块、掩膜图像获得模块、以及抠图模块。所述获取模块用于获取图像。所述处理模块用于处理所述图像,得到第一灰度图像。所述掩膜图像获得模块用于将所述第一灰度图像中,像素值满足预设条件的像素确定为前景像素,像素值不满足所述预设条件的像素确定为待定背景像素,以得到掩膜图像。所述抠图模块用于基于所述掩膜图像对所述图像进行抠图处理,得到抠图图像。
在本发明的一个实施例中,所述处理模块包括灰度转换子模块以及伽马变换子模块。所述灰度转换子模块用于利用RGB灰度转换方法对所述图像进行转换,得到第二灰度图像。所述伽马变换子模块用于对所述第二灰度图像进行伽马变换,得到所述第一灰度图像。
在本发明的一个实施例中,所述伽马变换子模块具体用于:通过将所述第二灰度图像中的每个像素的像素值除以255进行转换,得到第三灰度图像;通过将所述第三灰度图像中的每个像素按照伽马变换公式S=cry进行转换,得到第四灰度图像;其中,S为输出的像素值,c为常数,r为输入的像素值,y为伽马变换参数,其中,y>0;以及通过将所述第四灰度图像中的每个像素的像素值乘以255,对所述第四灰度图像进行转换,得到所述第一灰度图像。在本发明的一个实施例中,y>1。
在本发明的一个实施例中,所述掩膜图像获得模块具体用于在所述图像的背景区域的颜色被设置为白色的情况下,将像素值小于或等于预设阈值的像素,确定为所述前景像素,以及将像素值大于所述预设阈值的像素,确定为所述待定背景像素。
在本发明的一个实施例中,所述抠图模块具体用于:对于所述掩膜图像中的每一个待定背景像素,基于所述待定背景像素的像素值、所述待定背景像素相邻的一个或多个像素的像素值,按照贝叶斯概率确定所述待定背景像素为前景像素的第一概率;将第一概率大于预定概率值的待定背景像素确定为确定的背景像素;以及从所述图像中抠除与所述掩膜图像中与所述确定的背景像素对应的像素,得到所述抠图图像。
在本发明的一个实施例中,所述装置还包括背景去噪模块。所述背景去噪模块用于按照形态学腐蚀算法去除所述抠图图像的背景区域中的噪点;具体包括确定一预设大小和形状的结构化元素;对于所述抠图图像中的每个像素,通过将所述每个像素与所述结构化元素的中心重合来得到与所述每个像素对应的结构化区域,以及以所述抠图图像中所述结构化区域所覆盖的像素中的最小像素值来替换所述每个像素的像素值。
在本发明的一个实施例中,所述装置还包括前景去噪模块。所述前景去噪模块用于按照漫水填充算法floodfill消除所述抠图图像的前景区域中的噪点;具体包括利用轮廓检测算法查找所述抠图图像中的连通区域;在所述连通区域中的像素个数小于预定个数时,确定所述连通区域为待填充区域;以及确定待填充区域的中心点,并判断所述中心点周围的像素的像素值与预定像素的像素值的差异值是否满足第二预定条件;如果是,则利用所述预定像素来填充满足所述第二预定条件的像素点。
在本发明实施方式的第三方面中,提供了一种计算机可读存储介质,其上存储有可执行指令,所述指令在被处理单元执行时使处理单元执行如上所述的方法。
在本发明实施方式的第四方面中,提供了一种计算设备。所述计算设备包括一个或多个存储单元以及一个或多个处理单元。其中,所述存储单元存储有可执行指令。所述处理单元执行所述可执行指令,用以实现如上所述的方法。
根据本发明实施方式的方法、装置、介质和计算设备,在获取到图像之后,可以基本实现全自动化地抠图,减少用户在抠图过程中的交互操作,降低了抠图操作的门槛。为用户带来了更好的体验。例如非专业人员也可以获得较为精准的抠图,能够有效提高用户体验。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1示意性地示出了根据本发明实施方式的图像处理方法和装置的应用场景;
图2示意性地示出了根据本发明实施例的图像处理方法所处理的一个图像;
图3示意性地示出了根据本发明实施例的图像处理方法的流程图;
图4示意性示出了根据本发明实施例得到图2所示图像对应的第一灰度图;
图5示意性地示出了根据本发明实施例的图像处理方法中处理得到第一灰度图像的方法流程;
图6示意性地示出了根据本发明实施例的图像处理方法中基于掩膜图像对图像进行抠图处理的方法流程;
图7示意性示出了根据本发明实施例得到图2所示图像对应的抠图图像的一个中间结果图示例;
图8示意性地示出了根据本发明另一实施例的图像处理方法的流程图;
图9示意性示出了根据本发明实施例对图7所示的中间结果图进行背景去噪后的示例;
图10示意性示出了根据本发明实施例对图7所示的中间结果图进行前景去噪后的效果示例;
图11示意性示出了根据本发明实施例的图像处理装置的框图;
图12示意性示出了适于实现根据本发明实施例的图像处理方法的程序产品的示意图;以及
图13示意性示出了适于实现根据本发明实施例的图像处理方法的计算设备的框图。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种***、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提出了一种图像处理方法、装置、介质和计算设备。
在本文中,需要理解的是,所涉及的术语说明如下:
前景:图像中感兴趣区域或物体;
背景:图像中感兴趣区域或物体之外的其他区域。
此外,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
下面参考本发明的若干代表性实施方式,详细阐释本发明的原理和精神。
发明概述
本发明人发现,无论是基于trimap的抠图还是基于scribble的抠图,其中用户交互的目的是为了基于用户交互输入来制作掩膜图像mask,然后基于掩膜图像来区分图像中的前景区域和背景区域。发明人发现,当将一个图像处理为对应的灰度图后,灰度图中前景区域的像素的像素值集中在一定范围内,背景区域的像素的像素值会集中在另一范围内,这样可以充分利用灰度图中前景区域和背景区域的像素的像素值的分布规律,来区分出图像中的前景区域和背景区域,这样就可以自动且相对准确的得到掩膜图像,实现自动抠图。
在介绍了本发明的基本原理之后,下面具体介绍本发明的各种非限制性实施方式。
应用场景总览
首先参考图1和图2
图1示意性地示出了根据本发明实施方式的图像处理方法和装置的应用场景。
如图1所示,该应用场景包括用户终端11和服务器12。用户终端11和服务器12通过网络连接。该网络可以为局域网、广域网、移动互联网等,可以包括各种连接类型,例如有线、无线通信链路等等。
用户终端11可以是但不限于便携设备(例如:手机、平板、笔记本电脑等),也可以为个人电脑(PC,Personal Computer)。用户可以使用用户终端11通过网络与服务器12交互,以接收或发送消息等。用户终端11上可以安装有各种通讯客户端应用,例如购物类应用、图像处理应用、网页浏览器应用、社交平台软件等(仅为示例)。
服务器12可以是提供各种服务的服务器,例如对用户利用用户终端11所上传的图像进行抠图处理的后台服务器。
图2示意性地示出了根据本发明实施例的图像处理方法所处理的一个图像20。
参考图2并结合图1的应用场景。例如,用户利用用户终端11向服务器12上传图像20。图像20例如可以是彩色图,也可以是灰度图。服务器12可以根据本发明实施例的方法对接收到的图像20进行处理,得到一抠图图像,并将该抠图图像反馈给用户终端11。在一个实施例中,该抠图图像中可以仅保留了图像20中的前景21,其他部分(例如,图像20中的白色背景部分)可以是完全透明的。
需要说明的是,本发明实施例所提供的图像处理方法可以由服务器12执行。相应地,本发明实施例所提供的图像处理装置、介质或计算设备一般可以设置于服务器12中。或者,本发明实施例所提供的图像处理方法也可以由不同于服务器12且能够与用户终端11和/或服务器12通信的其他网站服务器或网站服务器集群执行。相应地,本发明实施例所提供的图像处理装置、介质或计算设备也可以设置于不同于服务器12且能够与用户终端11和/或服务器12通信的其他网站服务器或网站服务器集群中。
应该理解,图1中的用户终端、网络和网站服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的用户终端、网络和服务器。
示例性方法
下面结合图1的应用场景和图2的图像20,参考图3~10来描述根据本发明示例性实施方式的图像处理方法的具体实现。需要注意的是,上述应用场景以及图像20仅是为了便于理解本发明的精神和原理而示出,本发明的实施方式在此方面不受任何限制。相反,本发明的实施方式可以应用于适用的任何场景,而且所处理的图像可以是任意的图像。
图3示意性地示出了根据本发明实施例的图像处理方法的流程图。
如图3所示,该图像处理方法可以包括操作S210~操作S240。
在操作S210,获取图像20。例如,服务器12接收用户利用用户终端11上传的图像20,或者服务器12根据用户操作指令从云端下载图像20等。
在操作S220,处理所述图像20,得到第一灰度图像40(例如,参考图4的示意)。
图4示意性示出了根据本发明实施例得到图2所示图像20的第一灰度图像40。
以图像20是白底彩色图(例如为RGB格式图)为例进行说明。该第一灰度图像40例如可以是将图像20从利用通用的RGB灰度转换方法初步转换为灰度图后,再进一步调整(例如,调整亮度、对比度、色阶或者进行伽马变换等)使偏白色的区域更白、偏黑色的区域更黑。这样第一灰度图像40中对应于图像20中的前景21部分的灰度值会集中地分布在0附近,而背景部分的灰度值则集中分布在255附近。本发明一实施例给出了处理所述图像20以得到第一灰度图像40的一个具体实现实例,详细内容参考下文中关于图5的描述。
在操作S230,将所述第一灰度图像40中,像素值满足预设条件的像素确定为前景像素,像素值不满足所述预设条件的像素确定为待定背景像素,以得到掩膜图像。
例如可以设置第一灰度图像40中前景像素的像素值的分布区间,然后将第一灰度图像40中像素值位于该分布区间的像素确定为前景像素,将第一灰度图像40位于该分布区间的以外的像素确定为待定背景像素。或者,类似的,例如可以设置背景像素的像素值的分布区间,将第一灰度图像40中像素值位于该分布区间的像素确定为待定背景像素,将第一灰度图像40位于该分布区间的以外的像素确定为前景像素。在实际应用中可以根据图像20的背景或前景21的颜色的分布集中程度来确定是设置背景像素还是前景像素的分布区间。
在操作S240,基于所述掩膜图像对所述图像20进行抠图处理,得到抠图图像。
图5示意性地示出了根据本发明实施例的图像处理方法中操作S220处理得到第一灰度图像40的方法流程。
如图5所示,根据本发明实施例操作S220可以包括操作S221~S222。
在操作S221,利用RGB灰度转换方法对所述图像20进行转换,得到第二灰度图像。例如,可以使用通用的RGB转灰度图的方法,图像20中每个像素的像素值通过式(1)转换为对应的灰度值,得到第二灰度图像
gray=0.229*R+0.587*G+0.114*B (1)
在操作S222,对所述第二灰度图像进行伽马变换,得到所述第一灰度图像40。例如,可以首先通过将所述第二灰度图像中的每个像素的像素值除以255进行转换,得到第三灰度图像;然后通过将所述第三灰度图像中的每个像素按照伽马变换公式进行转换,得到第四灰度图像;接着通过将所述第四灰度图像中的每个像素的像素值乘以255,对所述第四灰度图像进行转换,得到所述第一灰度图像40。
具体地,将图像20经过式(1)变换得到的第二灰度图像中,像素值的范围分布在0~255之间。其中,0表示黑色,255表示白色,其他数值表示灰色,越接近0,灰色越深,越接近255,灰色越浅。
对第二灰度图像中每一个像素值除以255进行归一化处理,可以使得到的第三灰度图像中每个像素的像素值在0~1之间,这样可以便于按照伽马变换公式进行转换。其中,伽马变换公式如下式(2)所示。
S=cry (2)
其中,S为输出的像素值,c为常数(例如,取值为1),r为输入的像素值,y为伽马变换参数,其中,y>0。
对第三灰度图像中的每个像素按照式(2)所示的伽马变换公式进行转换后,可以得到第四灰度图像。伽马变换作为图像增强的一种常用方法,可以通过非线性变换对图像中的像素值进行拉伸和压缩。
根据本发明的一个实施例,式(2)中y>1。y>1时,通过式(2)对第三灰度图像进行变换后,可以使第三灰度图像中灰度值较小的区域的灰度值更小,灰度值较大的区域的灰度值更大。若图像20的背景越接近纯白色,则y值越大效果越好,考虑到噪声信号的存在,可以取y=150。可见,y>1可以使灰度图中接近白色的像素的灰度值变得更大,接近黑色的像素的灰度值变得更小,从而使最终得到的第四灰度图像中前景和背景部分的像素值之间的差异更为明显。
经过式(2)所示的伽马变换公式转换之后得到的第四灰度图像中,像素值的分布仍在0~1之间。根据本发明的实施例,可以对第四灰度图像中的每个像素的像素值乘以255,使其取值范围还原为0~255之间,从而得到第一灰度图像40。
根据本发明的一个实施例,所述图像20的背景区域的颜色可以被设置为白色。根据本发明的一个实施例,对于背景为白色的图像20,在操作S230中得到掩膜图像的过程可以是,将像素值小于或等于预设阈值的像素,确定为所述前景像素,以及将像素值大于所述预设阈值的像素,确定为所述待定背景像素。即,掩膜图像中每个像素(i,j)的取值如式(3)所示:
其中,Iy(i,j)为第一灰度图像40中像素(i,j)的灰度值,threshold为预设阈值;,1代表该像素为前景像素,2代表该像素为待定背景像素。该预设阈值可以根据图像20的特点以及经验进行设置。例如对于背景为白色的图像20,该预设阈值可以设置为1。
根据本发明的一些实施例,若图像20不是白色背景的图像时,可以将该图像20处理为白色背景,或者近白色背景。其中对于近白色背景的图像在应用式(3)获取掩膜图像时,可以适当调整预设阈值的值。
根据本发明的实施例,在获得掩膜图像之后,在操作S240中可以以图像20以及掩膜图像作为输入数据,采用基于图理论的分割算法(例如,grabcut)进行抠图,以得到所述抠图图像。其中,抠图过程的一个具体实现实例可以参考图6的示意。
图6示意性地示出了根据本发明实施例的图像处理方法中操作S240中基于掩膜图像对图像20进行抠图处理的方法流程。
如图6所示,根据本发明的实施例,操作S240可以包括操作S241~操作S243。
在操作S241,对于所述掩膜图像中的每一个待定背景像素,基于所述待定背景像素的像素值、所述待定背景像素相邻的一个或多个像素的像素值,按照贝叶斯概率确定所述待定背景像素为前景像素的第一概率。
在操作S242,将第一概率大于预定概率值的待定背景像素确定为确定的背景像素。
在操作S243,从所述图像20中抠除与所述掩膜图像中与所述确定的背景像素对应的像素,得到所述抠图图像。其中抠除操作的具体实现,例如可以是将图像20中与确定的背景像素对应的像素的透明度设置为完全透明(例如100%),而将图像20中其他像素的透明度设置为完全不透明(例如0),从而,图像20中与确定的背景像素对应的像素就变成了透明的,仅留下需要保留的前景21。
根据本发明的一个实施例,可以结合图7示例的中间结果图70来说明对图像20中每个像素的透明度的设置过程。
图7示意性示出了根据本发明实施例得到图2所示图像20对应的抠图图像的一个中间结果图70示例。
具体地,图7为grabcut以图像20以及掩膜图像作为输入数据,输出的中间结果图70。其中,中间结果图70为一灰度图,白色部分的每个像素对应于掩膜图像中的前景像素,黑色部分的每个像素对应于操作S242中得到的确定的背景像素。
根据本发明的一个实施例,可以对中间结果图70中黑色部分的每个像素设置透明度为100%,对白色部分的每个像素设置透明度为0,然后将中间结果图70的每个像素的透明度叠加到图像20中对应的像素的透明通道中,就可以得到抠图图像。从而该抠图图像保留了图像20中的前景21,背景部分则是完全透明的。
图8示意性地示出了根据本发明另一实施例的图像处理方法的流程图。
如图8所示,根据本发明另一实施例,该方法除了操作S210~操作S240以外,还可以包括操作S250和/或操作S260。其中,操作S250和/或操作S260在操作S240之后执行。
在操作S250,按照形态学腐蚀算法去除所述抠图图像的背景区域中的噪点。例如可以首先确定一预设大小和形状的结构化元素;然后对于所述抠图图像中的每个像素,通过将所述每个像素与所述结构化元素的中心重合来得到与所述每个像素对应的结构化区域,以及以所述抠图图像中所述结构化区域所覆盖的像素中的最小像素值来替换所述每个像素的像素值。
为了简化示例以及描述清楚的便利,以下可以以图7中所示的中间结果图70替代抠图图像,来直观地说明对抠图图像进行背景去噪的具体实现。其中,对抠图图像进行背景去噪等同于将中间结果图70中的背景部分的噪点去除。
图9示意性示出了根据本发明实施例对图7所示的中间结果图70进行背景去噪后的示例。
对比图7和图9,中间结果图70中区域71附近的图像轮廓边缘有很多小小的白色噪点,而图像90与区域71对应的区域的图像边缘更为平滑。
为了消除中间结果图70中区域71附近的这些白色噪点,可以选取一预设大小和形状的结构化元素(例如3*3)。对于中间结果图70中的每个像素,通过将所述每个像素与该3*3大小的结构化元素的中心重合来得到与所述每个像素对应的结构化区域,然后取该结构化区域所覆盖的像素中所具有的最小像素值来替换所述每个像素的像素值,从而可以消除中间结果图70中的白色噪点,得到图像90。
继续参考图8。
在操作S260,按照漫水填充算法floodfill消除所述抠图图像的前景区域中的噪点。例如,可以首先利用轮廓检测算法查找所述抠图图像中的连通区域;然后在所述连通区域中的像素个数小于预定个数时,确定所述连通区域为待填充区域;接着确定待填充区域的中心点,并判断所述中心点周围的像素的像素值与预定像素的像素值的差异值是否满足第二预定条件;如果是,则利用所述预定像素来填充满足所述第二预定条件的像素点。
类似的,为了简化示例以及描述清楚的便利,可以以图7中所示的中间结果图70替代抠图图像,来示例性介绍对抠图图像进行前景去噪的具体实现。其中,对抠图图像进行前景去噪等同于将中间结果图70中的背景部分的噪点去除。
图10示意性示出了根据本发明实施例对图7所示的中间结果图70进行前景去噪后的效果示例。
对比图7和图10,中间结果图70中区域72中分布有一些黑色的噪点,而图像100与区域72对应的区域中黑色噪点已经被去除。
为了在消除中间结果图70中的这些黑色噪点,可以使用漫水填充算法foodfill对黑色噪点进行填充。
具体地例如,可以通过轮廓检测算法检测中间结果图70中的连通区域。当连通区域中的像素个数小于预定个数时(例如,200)时,确定该连通区域为待填充区域。
以待填充区域721为例继续说明如下。接下来计算该待填充区域721的中心点。其中,当该待填充区域721为不规则形状时,可以以该不规则形状的重心作为该待填充区域721的中心点。
然后,可以以待填充区域721的中心点作为floodfill方法的种子点,设种子点灰度值为pseed。在待填充区域721的中心点的周围(例如,4-邻域范围)不断迭代搜索灰度值在[pseed-50,pseed+50]范围内的像素,并利用预定像素(例如,灰度值为255)来填充搜索到的像素,直至搜索不到[pseed-50,pseed+50]范围内的像素为止。从而,将中间结果图70中的待填充区域721填充为预定像素,以消除噪点。
根据本发明的实施例,在获取到图像20之后,可以基本实现全自动化地抠图,减少用户在抠图过程中的交互操作,降低了抠图操作的门槛。为用户带来了更好的体验。例如非专业人员也可以使得精准的抠图,能够有效提高用户体验。
示例性装置
在介绍了本发明示例性实施方式的方法之后,接下来,参考图11对本发明示例性实施方式的图像处理装置进行示例性说明。
如图11所示,该图像处理装置1100可以包括获取模块1110、处理模块1120、掩膜图像获得模块1130、以及抠图模块1140。
所述获取模块1110例如可以执行操作S210,用于获取图像20。
所述处理模块1120例如可以执行操作S220,用于处理所述图像20,得到第一灰度图像40。
所述掩膜图像获得模块1130例如可以执行操作S230,用于将所述第一灰度图像40中,像素值满足预设条件的像素确定为前景像素,像素值不满足所述预设条件的像素确定为待定背景像素,以得到掩膜图像。
所述抠图模块1140例如可以执行操作S240,用于基于所述掩膜图像对所述图像20进行抠图处理,得到抠图图像。
在本发明的一个实施例中,所述处理模1120包括灰度转换子模块1121以及伽马变换子模块1122。
所述灰度转换子模块1121例如可以执行操作S221,用于利用RGB灰度转换方法对所述图像20进行转换,得到第二灰度图像。
所述伽马变换子模块1122例如可以执行操作S222,用于对所述第二灰度图像进行伽马变换,得到所述第一灰度图像40。在本发明的一个实施例中,所述伽马变换子模块1122可以具体用于首先通过将所述第二灰度图像中的每个像素的像素值除以255进行转换,得到第三灰度图像;然后通过将所述第三灰度图像中的每个像素按照伽马变换公式S=cry进行转换,得到第四灰度图像,其中,S为输出的像素值,c为常数,r为输入的像素值,y为伽马变换参数,其中,y>0;最后通过将所述第四灰度图像中的每个像素的像素值乘以255,对所述第四灰度图像进行转换,得到所述第一灰度图像40。在本发明的一个实施例中,y>1。
在本发明的一个实施例中,所述掩膜图像获得模块1130具体用于在所述图像20的背景区域的颜色被设置为白色的情况下,将像素值小于或等于预设阈值的像素,确定为所述前景像素,以及将像素值大于所述预设阈值的像素,确定为所述待定背景像素。
在本发明的一个实施例中,所述抠图模块1140例如可以具体执行操作S241~操作S243,具体用于首先对于所述掩膜图像中的每一个待定背景像素,基于所述待定背景像素的像素值、所述待定背景像素相邻的一个或多个像素的像素值,按照贝叶斯概率确定所述待定背景像素为前景像素的第一概率;然后将第一概率大于预定概率值的待定背景像素确定为确定的背景像素;最后从所述图像20中抠除与所述掩膜图像中与所述确定的背景像素对应的像素,得到所述抠图图像。
在本发明的一个实施例中,所述图像处理装置1100还可以包括背景去噪模块1150。
所述背景去噪模块1150例如可以执行操作S250,用于按照形态学腐蚀算法去除所述抠图图像的背景区域中的噪点。例如,首先确定一预设大小和形状的结构化元素;然后对于所述抠图图像中的每个像素,通过将所述每个像素与所述结构化元素的中心重合来得到与所述每个像素对应的结构化区域,以及以所述抠图图像中所述结构化区域所覆盖的像素中的最小像素值来替换所述每个像素的像素值。
在本发明的一个实施例中,所述图像处理装置1100还可以包括前景去噪模块1160。
所述前景去噪模块1160例如可以执行操作S260,用于按照漫水填充算法floodfill消除所述抠图图像的前景区域中的噪点。例如,首先利用轮廓检测算法查找所述抠图图像中的连通区域;然后在所述连通区域中的像素个数小于预定个数时,确定所述连通区域为待填充区域;接着确定待填充区域的中心点,并判断所述中心点周围的像素的像素值与预定像素的像素值的差异值是否满足第二预定条件;如果是,则利用所述预定像素来填充满足所述第二预定条件的像素点。
根据本发明的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本发明实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本发明实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本发明实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,获取模块1110、处理模块1120、掩膜图像获得模块1130、抠图模块1140、背景去噪模块1150、前景去噪模块1160、灰度转换子模块1121以及伽马变换子模块1122中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本发明的实施例,获取模块1110、处理模块1120、掩膜图像获得模块1130、抠图模块1140、背景去噪模块1150、前景去噪模块1160、灰度转换子模块1121以及伽马变换子模块1122中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块1110、处理模块1120、掩膜图像获得模块1130、抠图模块1140、背景去噪模块1150、前景去噪模块1160、灰度转换子模块1121以及伽马变换子模块1122中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
示例性介质
在介绍了本发明示例性实施方式的方法和装置之后,接下来,参考图12对适于实现本发明示例性实施方式的图像处理方法的程序产品进行说明。
本发明实施方式还提供了一种计算机可读存储介质,其上存储有可执行指令,所述指令在被处理单元执行时使处理单元执行参考图3~图10所描述的图像处理方法。
在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在计算设备上运行时,所述程序代码用于使所述计算设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的图像处理方法中的各种操作,例如,所述计算设备可以执行如图3中所示的操作S210,获取图像;操作S220,处理所述图像,得到第一灰度图像;在操作S230,将所述第一灰度图像中,像素值满足预设条件的像素确定为前景像素,像素值不满足所述预设条件的像素确定为待定背景像素,以得到掩膜图像;操作S240,基于所述掩膜图像对所述图像进行抠图处理,得到抠图图像。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
如图12所示,适于实现根据本发明实施例的图像处理方法的程序产品1200,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在计算设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆,RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言——诸如Java,C++等,还包括常规的过程式程序设计语言——诸如“C”,语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)一连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
示例性计算设备
在介绍了本发明示例性实施方式的方法、装置和介质之后,接下来,参考图13对适于实现本发明示例性实施方式的图像处理方法的计算设备进行说明。
本发明实施方式还提供了一种计算设备。所述计算设备包括一个或多个存储单元以及一个或多个处理单元。其中,所述存储单元存储有可执行指令。所述处理单元执行所述可执行指令,用以实现参考图3~图10所描述的图像处理方法。
本发明实施例还提供了一种计算设备。所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“***”。
在一些可能的实施方式中,根据本发明的计算设备可以至少包括至少一个处理单元、以及至少一个存储单元。其中,所述存储单元存储有程序代码,当所述程序代码被所述处理单元执行时,使得所述处理单元执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的图像处理方法的各种操作。例如,所述处理单元可以执行如图3中所示的操作S210,获取图像;操作S220,处理所述图像,得到第一灰度图像;在操作S230,将所述第一灰度图像中,像素值满足预设条件的像素确定为前景像素,像素值不满足所述预设条件的像素确定为待定背景像素,以得到掩膜图像;操作S240,基于所述掩膜图像对所述图像进行抠图处理,得到抠图图像
下面参照图13来描述适于实现本发明示例性实施方式的图像处理方法的计算设备1300。如图13所示的计算设备1300仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图13所示,计算设备1300以通用计算设备的形式表现。计算设备130的组件可以包括但不限于:上述至少一个处理单元1310、上述至少一个存储单元1320、连接不同***组件(包括存储单元1320和处理单元1310)的总线1330。
总线1330包括数据总线、控制总线和地址总线。
存储单元1320可以包括易失性存储器,例如随机存取存储器(RAM)1321和/或高速缓存存储器1322,还可以进一步包括只读存储器(ROM)1323。
存储单元1320还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325,这样的程序模块1324包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
计算设备1300也可以与一个或多个外部设备1340(例如键盘、指向设备、蓝牙设备等)通信,这种通信可以通过输入/输出(I/O)接口1350进行。并且,计算设备1300还可以通过网络适配器1360与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1360通过总线1330与计算设备1300的其它模块通信。应当明白,尽管图中未示出,可以结合计算设备1300使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
应当注意,尽管在上文详细描述中提及了装置的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (10)
1.一种图像处理方法,包括:
获取图像;
处理所述图像,得到第一灰度图像;
将所述第一灰度图像中,像素值满足预设条件的像素确定为前景像素,像素值不满足所述预设条件的像素确定为待定背景像素,以得到掩膜图像;以及
基于所述掩膜图像对所述图像进行抠图处理,得到抠图图像。
2.根据权利要求1所述的方法,其中,所述处理所述图像,得到第一灰度图像包括:
利用RGB灰度转换方法对所述图像进行转换,得到第二灰度图像;以及
对所述第二灰度图像进行伽马变换,得到所述第一灰度图像。
3.根据权利要求2所述的方法,所述对所述第二灰度图像进行伽马变换,得到所述第一灰度图像包括:
通过将所述第二灰度图像中的每个像素的像素值除以255进行转换,得到第三灰度图像;
通过将所述第三灰度图像中的每个像素按照伽马变换公式S=crγ进行转换,得到第四灰度图像;其中,S为输出的像素值,c为常数,r为输入的像素值,γ为伽马变换参数,其中,γ>0;以及
通过将所述第四灰度图像中的每个像素的像素值乘以255,对所述第四灰度图像进行转换,得到所述第一灰度图像。
4.根据权利要求3所述的方法,其中,所述图像的背景区域的颜色被设置为白色;所述将所述第一灰度图像中,像素值满足预设条件的像素确定为前景像素,像素值不满足所述预设条件的像素确定为待定背景像素,以得到掩膜图像包括:
将像素值小于或等于预设阈值的像素,确定为所述前景像素;以及
将像素值大于所述预设阈值的像素,确定为所述待定背景像素。
5.根据权利要求4所述的方法,其中,所述基于所述掩膜图像进行处理,得到抠图图像包括:
对于所述掩膜图像中的每一个待定背景像素,基于所述待定背景像素的像素值、所述待定背景像素相邻的一个或多个像素的像素值,按照贝叶斯概率确定所述待定背景像素为前景像素的第一概率;
将第一概率大于预定概率值的待定背景像素确定为确定的背景像素;以及
从所述图像中抠除与所述掩膜图像中与所述确定的背景像素对应的像素,得到所述抠图图像。
6.根据权利要求1所述的方法,其中,所述方法还包括按照形态学腐蚀算法去除所述抠图图像的背景区域中的噪点,具体包括:
确定一预设大小和形状的结构化元素;
对于所述抠图图像中的每个像素,
通过将所述每个像素与所述结构化元素的中心重合来得到与所述每个像素对应的结构化区域,以及
以所述抠图图像中所述结构化区域所覆盖的像素中的最小像素值来替换所述每个像素的像素值。
7.根据权利要求1所述的方法,其中,所述方法还包括按照漫水填充算法floodfill消除所述抠图图像的前景区域中的噪点,具体包括:
利用轮廓检测算法查找所述抠图图像中的连通区域;以及
在所述连通区域中的像素个数小于预定个数时,确定所述连通区域为待填充区域;以及
确定待填充区域的中心点,并判断所述中心点周围的像素的像素值与预定像素的像素值的差异值是否满足第二预定条件;
如果是,则利用所述预定像素来填充满足所述第二预定条件的像素点。
8.一种图像处理装置,包括:
获取模块,用于获取图像;
处理模块,用于处理所述图像,得到第一灰度图像;
掩膜图像获得模块,用于将所述第一灰度图像中,像素值满足预设条件的像素确定为前景像素,像素值不满足所述预设条件的像素确定为待定背景像素,以得到掩膜图像;以及
抠图模块,用于基于所述掩膜图像对所述图像进行抠图处理,得到抠图图像。
9.一种计算机可读存储介质,其上存储有可执行指令,所述指令在被处理单元执行时使处理单元执行根据权利要求1~7任意一项所述的方法。
10.一种计算设备,包括:
一个或多个存储单元,存储有可执行指令;
一个或多个处理单元,执行所述可执行指令,用以实现根据权利要求1~7任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910980725.4A CN110717919A (zh) | 2019-10-15 | 2019-10-15 | 图像处理方法、装置、介质和计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910980725.4A CN110717919A (zh) | 2019-10-15 | 2019-10-15 | 图像处理方法、装置、介质和计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110717919A true CN110717919A (zh) | 2020-01-21 |
Family
ID=69212657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910980725.4A Pending CN110717919A (zh) | 2019-10-15 | 2019-10-15 | 图像处理方法、装置、介质和计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110717919A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462161A (zh) * | 2020-03-31 | 2020-07-28 | 厦门亿联网络技术股份有限公司 | 一种实时视频人像提取的***、方法、存储介质和设备 |
CN112102174A (zh) * | 2020-09-25 | 2020-12-18 | 北京百度网讯科技有限公司 | 眼底图像处理方法、装置、设备以及存储介质 |
US10963988B2 (en) * | 2018-09-25 | 2021-03-30 | Fujifilm Corporation | Image processing device, image processing system, image processing method, and program |
CN112866573A (zh) * | 2021-01-13 | 2021-05-28 | 京东方科技集团股份有限公司 | 显示器、融合显示***及图像处理方法 |
CN112995534A (zh) * | 2021-02-05 | 2021-06-18 | 北京字跳网络技术有限公司 | 视频生成方法、装置、设备及可读存储介质 |
CN113240700A (zh) * | 2021-05-27 | 2021-08-10 | 广州博冠信息科技有限公司 | 图像处理方法及装置、计算机可读存储介质、电子设备 |
WO2021179751A1 (zh) * | 2020-03-13 | 2021-09-16 | 上海哔哩哔哩科技有限公司 | 图像处理方法和*** |
CN113627453A (zh) * | 2020-05-08 | 2021-11-09 | 珠海金山办公软件有限公司 | 一种纯色背景图像抠图方法、装置及电子设备 |
CN114140547A (zh) * | 2021-12-07 | 2022-03-04 | 北京百度网讯科技有限公司 | 图像生成方法和装置 |
CN114862897A (zh) * | 2022-04-24 | 2022-08-05 | 北京百度网讯科技有限公司 | 一种图像背景处理方法、装置及电子设备 |
CN115375535A (zh) * | 2022-10-21 | 2022-11-22 | 珠海金山办公软件有限公司 | 交互抠图方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184787A (zh) * | 2015-08-31 | 2015-12-23 | 广州市幸福网络技术有限公司 | 一种自动对人像进行抠图的证照相机及方法 |
CN107527333A (zh) * | 2017-07-31 | 2017-12-29 | 湖北工业大学 | 一种基于伽马变换的快速图像增强方法 |
CN108171677A (zh) * | 2017-12-07 | 2018-06-15 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及相关设备 |
-
2019
- 2019-10-15 CN CN201910980725.4A patent/CN110717919A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184787A (zh) * | 2015-08-31 | 2015-12-23 | 广州市幸福网络技术有限公司 | 一种自动对人像进行抠图的证照相机及方法 |
CN107527333A (zh) * | 2017-07-31 | 2017-12-29 | 湖北工业大学 | 一种基于伽马变换的快速图像增强方法 |
CN108171677A (zh) * | 2017-12-07 | 2018-06-15 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及相关设备 |
Non-Patent Citations (5)
Title |
---|
刘赏,等: "《计算机图像和视频处理实验教程》", 30 September 2014 * |
周筠,等: "《基于上下文的智能感知交互模式与***》", 30 November 2015 * |
宓超,等: "《装卸机器视觉及其应用》", 31 January 2016 * |
李大威,等: "《同济博士论丛 智能视频监控***中的目标检测与跟踪算法研究》", 30 September 2018 * |
郭凯,等: "《弹丸毁伤参数三维重构技术》", 31 December 2018 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10963988B2 (en) * | 2018-09-25 | 2021-03-30 | Fujifilm Corporation | Image processing device, image processing system, image processing method, and program |
WO2021179751A1 (zh) * | 2020-03-13 | 2021-09-16 | 上海哔哩哔哩科技有限公司 | 图像处理方法和*** |
CN111462161B (zh) * | 2020-03-31 | 2023-09-26 | 厦门亿联网络技术股份有限公司 | 一种实时视频人像提取的***、方法、存储介质和设备 |
CN111462161A (zh) * | 2020-03-31 | 2020-07-28 | 厦门亿联网络技术股份有限公司 | 一种实时视频人像提取的***、方法、存储介质和设备 |
CN113627453A (zh) * | 2020-05-08 | 2021-11-09 | 珠海金山办公软件有限公司 | 一种纯色背景图像抠图方法、装置及电子设备 |
CN112102174A (zh) * | 2020-09-25 | 2020-12-18 | 北京百度网讯科技有限公司 | 眼底图像处理方法、装置、设备以及存储介质 |
CN112102174B (zh) * | 2020-09-25 | 2024-05-14 | 北京百度网讯科技有限公司 | 眼底图像处理方法、装置、设备以及存储介质 |
CN112866573B (zh) * | 2021-01-13 | 2022-11-04 | 京东方科技集团股份有限公司 | 显示器、融合显示***及图像处理方法 |
CN112866573A (zh) * | 2021-01-13 | 2021-05-28 | 京东方科技集团股份有限公司 | 显示器、融合显示***及图像处理方法 |
CN112995534B (zh) * | 2021-02-05 | 2023-01-24 | 北京字跳网络技术有限公司 | 视频生成方法、装置、设备及可读存储介质 |
CN112995534A (zh) * | 2021-02-05 | 2021-06-18 | 北京字跳网络技术有限公司 | 视频生成方法、装置、设备及可读存储介质 |
CN113240700A (zh) * | 2021-05-27 | 2021-08-10 | 广州博冠信息科技有限公司 | 图像处理方法及装置、计算机可读存储介质、电子设备 |
CN113240700B (zh) * | 2021-05-27 | 2024-01-23 | 广州博冠信息科技有限公司 | 图像处理方法及装置、计算机可读存储介质、电子设备 |
CN114140547A (zh) * | 2021-12-07 | 2022-03-04 | 北京百度网讯科技有限公司 | 图像生成方法和装置 |
CN114140547B (zh) * | 2021-12-07 | 2023-03-14 | 北京百度网讯科技有限公司 | 图像生成方法和装置 |
CN114862897A (zh) * | 2022-04-24 | 2022-08-05 | 北京百度网讯科技有限公司 | 一种图像背景处理方法、装置及电子设备 |
CN115375535A (zh) * | 2022-10-21 | 2022-11-22 | 珠海金山办公软件有限公司 | 交互抠图方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110717919A (zh) | 图像处理方法、装置、介质和计算设备 | |
EP3655923B1 (en) | Weakly supervised anomaly detection and segmentation in images | |
CN108335306B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN108229485B (zh) | 用于测试用户界面的方法和装置 | |
CN110222694B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN109377508B (zh) | 图像处理方法和装置 | |
CN109344752B (zh) | 用于处理嘴部图像的方法和装置 | |
US11288798B2 (en) | Recognizing pathological images captured by alternate image capturing devices | |
CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
US8433145B2 (en) | Coefficient learning apparatus and method, image processing apparatus and method, program, and recording medium | |
Soma et al. | Implementation of a novel, fast and efficient image de-hazing algorithm on embedded hardware platforms | |
CN109697722B (zh) | 用于生成三分图的方法及装置 | |
US11295211B2 (en) | Multi-scale object detection with a trained neural network | |
US20230177729A1 (en) | Object oriented image normalization | |
CN113724282A (zh) | 图像处理方法和相关产品 | |
CN114511862B (zh) | 表格识别方法、装置及电子设备 | |
CN112967208B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN112801960B (zh) | 图像处理方法及装置、存储介质、电子设备 | |
US11200708B1 (en) | Real-time color vector preview generation | |
CN114241036A (zh) | 透明带边界的确定方法、装置、电子设备及存储介质 | |
CN116486467A (zh) | 眼睛检测框的确定方法、装置、设备及存储介质 | |
Fang et al. | An Improved DCP‐Based Image Defogging Algorithm Combined with Adaptive Fusion Strategy | |
CN114764839A (zh) | 动态视频生成方法、装置、可读存储介质及终端设备 | |
CN113139617A (zh) | 一种输电线路自主定位方法、装置及终端设备 | |
CN111507389A (zh) | 一种用于天空云量探测的UNet分割网络的训练方法与设备 |
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: 20200121 |