CN111192276B - 图像处理方法、装置、电子设备及存储介质 - Google Patents
图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111192276B CN111192276B CN201911306168.4A CN201911306168A CN111192276B CN 111192276 B CN111192276 B CN 111192276B CN 201911306168 A CN201911306168 A CN 201911306168A CN 111192276 B CN111192276 B CN 111192276B
- Authority
- CN
- China
- Prior art keywords
- target
- detection line
- detection
- detected
- point
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 213
- 238000012545 processing Methods 0.000 claims abstract description 56
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 13
- 238000010276 construction Methods 0.000 claims description 31
- 238000000605 extraction Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 14
- 230000015572 biosynthetic process Effects 0.000 claims description 12
- 238000003786 synthesis reaction Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 17
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T7/12—Edge-based segmentation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
一种基于图像识别的图像处理方法、装置、电子设备及存储介质,所述方法包括构建图像处理界面并导入原始图像;获取原始图像中外轮廓标识点;根据外轮廓标识点构建外轮廓;根据外轮廓在原始图像中构建多条检测线;识别检测线中的拐点检测线以及正常检测线;将拐点检测线转换为正常检测线;识别正常检测线上的背景像素和目标像素;根据目标像素提取原始图像中的目标图像;将目标图像与预定背景进行合成。本发明图像处理方法在图像处理界面通过AI智能识别图像中的轮廓标识点,并自动对原始图像进行精细抠图,降低了抠图操作的难度。
Description
技术领域
本发明涉及一种用于图像处理方法、装置、电子设备及存储介质。
背景技术
目前市面上的大多数图片处理应用,例如专业性比较强的Photoshop,可对图像进行非常精细的抠图、美化、合成图像的操作,但是,专业性要求特别强,并不适合于普通大众,且依赖于使用者的图像操作技术水平的高低。另外,图像处理应用程序,例如,美图秀秀等应用程序,可以对图像进行简单的裁剪以及美化合成新图像等操作,但并不能进行精细化抠图以及背景合成的操作。且大多数这些图像处理软件都是基于人工肉眼识别,手动对图片进行操作处理,耗费在上面的人力时间是非常多的,智能化程度还远远不够。
发明内容
有鉴于此,有必要提供一种提高图像处理智能程度的图像处理方法。
一种图像处理方法,包括:
在侦测到构建指令时,构建图像处理界面并导入原始图像;
在侦测到获取指令时,获取所述原始图像中外轮廓标识点;
在侦测到轮廓构建指令时,根据所述外轮廓标识点构建外轮廓;
在侦测到检测线建立时,根据所述外轮廓在所述原始图像中构建多条检测线;
在侦测到第一识别指令时,识别所述检测线中的拐点检测线以及正常检测线;
在侦测到转换指令时,将所述拐点检测线转换为所述正常检测线;
在侦测到第二识别指令时,识别所述正常检测线上的背景像素和目标像素;
在侦测到提取指令时,根据所述目标像素提取所述原始图像中的目标图像;
在侦测到合成指令时,将所述目标图像与预定背景进行合成。
优选地,所述根据所述外轮廓标识点构建外轮廓的步骤包括:
根据所述原始图像建立像素坐标系,且以所述原始图像的左上角的点为原点;
对每个所述外轮廓标识点以第一函数进行赋值,以得到第一参数;
识别多个所述第一参数中的最大值和最小值分别作为所述目标图像的轮廓起点和轮廓终点;
将所述轮廓标识点的像素坐标以所述轮廓起点和所述轮廓终点作为起始点并沿顺时针排序;
将排序后的相邻两个所述轮廓标识点之间进行连线,以形成所述外轮廓。
优选地,所述原始图像由多个像素点构成;所述第一函数为(point.y*imgW)+(point.x+1);其中,point.y表示所述像素点在所述像素坐标系中沿Y轴的坐标,point.x表示所述像素点在所述像素坐标系中沿X轴的坐标,imgW表示所述原始图像的宽度。
优选地,所述识别所述检测线中的拐点检测线以及正常检测线的步骤包括:
获取一条所述检测线作为目标检测线;
计算所述目标检测线与所述外轮廓的交点坐标作为检测交点;
获取所述目标检测线对应的所述检测交点的数量作为目标参数,设定与所述目标检测线相邻的检测线作为对照检测线;
识别所述对照检测线与所述外轮廓的交点数量作为对照参数;
判断所述目标参数与所述对照参数是否一致;
在所述目标参数与所述对照参数不一致时,标识所述目标检测线为拐点检测线;
在所述目标参数与所述对照参数线一致时,标识所述目标检测线为正常检测线。
优选地,所述将所述拐点检测线转换为所述正常检测线的步骤包括:
提取所述拐点检测线对应的所述检测交点;
将所述检测交点中与至少两个对照交点在X轴上的差值在预定差值范围内的所述检测交点作为拐点;
在所述拐点检测线中添加一个与所述拐点坐标一致的检测交点。
优选地,所述识别所述正常检测线上的背景像素和目标像素的步骤之前还包括:
将所有所述检测交点根据X坐标排序;
依次将所述检测交点进行连线形成多条线段;
将多条所述线段根据排列顺序交替设定为背景线段和目标线段;
将所述背景线段上的像素设定为所述背景像素并将所述目标线段上的像素设定为所述目标像素。
优选地,所述根据所述目标像素获取所述原始图像中的所述目标图像的步骤包括:
将所述原始图像根据指定接口程序转换为纹理数据;
将所述背景像素对应的所述纹理数据的透明度调整为预定值;
将调整后的所述纹理数据输入至目标程序中以形成所述目标图像。
此外,为了实现上述目的,本发明还提出一种图像处理装置,所述图像处理装置包括:
所述图像处理装置包括:
界面构建模块,用于在侦测到构建指令时构建图像处理界面并导入原始图像;
获取模块,用于在侦测到获取指令时获取所述原始图像中外轮廓标识点;
轮廓构建模块,用于在侦测到轮廓构建指令时根据所述外轮廓标识点构建外轮廓;
检测线建立模块,用于在侦测到检测线建立时根据所述外轮廓在所述原始图像中构建多条检测线;
第一识别模块,用于在侦测到第一识别指令时识别所述检测线中的拐点检测线以及正常检测线;
转换模块,用于在侦测到转换指令时将所述拐点检测线转换为所述正常检测线;
第二识别模块,用于在侦测到第二识别指令时识别所述正常检测线上的背景像素和目标像素;
提取模块,用于在侦测到提取指令时根据所述目标像素提取所述原始图像中的目标图像;
合成模块,用于在侦测到合成指令时将所述目标图像与预定背景进行合成。
此外,为了实现上述目的,本发明还提出一种电子设备,所述电子设备包括处理器和存储器,处理器用于执行存储器中存储的计算机程序时执行如下步骤:
在侦测到构建指令时,构建图像处理界面并导入原始图像;
在侦测到获取指令时,获取所述原始图像中外轮廓标识点;
在侦测到轮廓构建指令时,根据所述外轮廓标识点构建外轮廓;
在侦测到检测线建立时,根据所述外轮廓在所述原始图像中构建多条检测线;
在侦测到第一识别指令时,识别所述检测线中的拐点检测线以及正常检测线;
在侦测到转换指令时,将所述拐点检测线转换为所述正常检测线;
在侦测到第二识别指令时,识别所述正常检测线上的背景像素和目标像素;
在侦测到提取指令时,根据所述目标像素提取所述原始图像中的目标图像;
在侦测到合成指令时,将所述目标图像与预定背景进行合成。
此外,为了实现上述目的,本发明还提出一种存储介质,所述存储介质为计算机可读存储介质,存储有至少一个指令,所述至少一个指令被处理器执行时实现如下步骤:
在侦测到构建指令时,构建图像处理界面并导入原始图像;
在侦测到获取指令时,获取所述原始图像中外轮廓标识点;
在侦测到轮廓构建指令时,根据所述外轮廓标识点构建外轮廓;
在侦测到检测线建立时,根据所述外轮廓在所述原始图像中构建多条检测线;
在侦测到第一识别指令时,识别所述检测线中的拐点检测线以及正常检测线;
在侦测到转换指令时,将所述拐点检测线转换为所述正常检测线;
在侦测到第二识别指令时,识别所述正常检测线上的背景像素和目标像素;
在侦测到提取指令时,根据所述目标像素提取所述原始图像中的目标图像;
在侦测到合成指令时,将所述目标图像与预定背景进行合成。
上述图像处理方法、装置、电子设备及存储介质,在图像处理界面通过AI智能识别图像中的轮廓标识点,并自动对原始图像进行精细抠图,降低了抠图操作的难度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明图像处理方法的示意图。
图2为图1中步骤S12的细化流程示意图。
图3为图1中步骤S13的细化流程示意图。
图4为图1中步骤S14的细化流程示意图。
图5为图1中步骤S15的细化流程示意图。
图6为图1中步骤S16的细化流程示意图。
图7为图1中步骤S17的细化流程示意图。
图8为本发明图像处理装置的功能模块图。
图9为本发明实施例的电子设备结构示意图。
主要元件符号说明
图像处理装置 1
界面构建模块 10
获取模块 20
轮廓构建模块 30
检测线建立模块 40
第一识别模块 50
转换模块 60
第二识别模块 70
提取模块 80
合成模块 90
存储器 102
通信总线 104
处理器 106
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象,而非用于描述特定顺序。此外,术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、***、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括没有列出的步骤或模块,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
下面结合附图对本发明图像处理方法的具体实施方式进行说明。
本发明的至少一个实施例中,所述图像处理方法应用于至少一电子设备及服务器构成的图像处理***中。所述图像处理***提供一可视化界面。所述可视化界面用于向用户提供人机交互接口,用户可以在通过手机或电脑等电子设备连接到所述图像处理***。所述电子设备和所述服务器之间根据预设协议进行数据传输。优选地,所述预设协议包括,但不限于以下任意一种:HTTP协议(Hyper Text Transfer Protocol,超文本传输协议)、HTTPS协议(Hyper Text Transfer Protocol over Secure Socket Layer,以安全为目标的HTTP协议)等。本发明的至少一个实施例中,所述服务器可以是单一的服务器,也可以为由几个功能服务器共同组成的服务器群。所述电子设备可以是任意具有网络连接功能的终端,例如,所述电子设备可以为个人计算机、平板电脑、智能手机、个人数字助理(PersonalDigital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能式穿戴式设备、导航装置等等的可移动设备,或者台式电脑、数字TV等等固定设备。所述电子设备具有存储器(如图9所示)。所述存储器可用于存储图像数据。所述图像处理方法用于在图像处理界面将原始图像中的目标图像进行抠图,并与指定背景进行合成。
请参阅图1,为本发明图像处理方法的示意图。
S10、在侦测到构建指令时,构建图像处理界面并导入原始图像。
在本发明的至少一个实施例中,所述图像处理界面为H5页面。在其他实施例中,所述图像处理界面可以为其他类型的网页界面。
S11、在侦测到获取指令时,获取所述原始图像中目标图像的外轮廓标识点。
在本发明的至少一个实施例中,所述原始图像由多个像素点构成。所述外轮廓标识点利用人工智能识别技术识别。所述人工智能识别技术为利用人工神经网络的方法建立目标图像模型,并利用样品集对所述目标图像模型进行训练,在所述原始图像输入至所述图像模型时判断所述原始图像中是否具有目标图像,并在所述原始图像中具有所述目标图像时获取所述目标图像的所述轮廓标识点。所述轮廓标识点为拐点,其可根据用户的需求进行设定。
S12、在侦测到轮廓构建指令时,根据所述外轮廓标识点构建所述目标图像的外轮廓。
请一并参阅图2,在本发明的至少一个实施例中,所述根据所述外轮廓标识点构建所述目标图像的所有外轮廓点的步骤可进一步包括:
S121、根据所述原始图像建立像素坐标系,且以所述原始图像的左上角的点为原点;
S122、对每个所述外轮廓标识点以第一函数进行赋值,以得到第一参数;
S123、识别多个所述第一参数中的最大值和最小值分别作为所述目标图像的轮廓起点和轮廓终点;
S124、将所述轮廓标识点的像素坐标以所述轮廓起点和所述轮廓终点作为起始点并沿顺时针排序;
S125、将排序后的相邻两个所述轮廓标识点之间进行连线,以形成所述外轮廓。
在本发明的至少一个实施例中,所述第一函数为(point.y*imgW)+(point.x+1)。其中,point.y表示所述像素点在所述像素坐标系中沿Y轴的坐标,point.x表示所述像素点在所述像素坐标系中沿X轴的坐标,imgW表示所述原始图像的宽度。
S13、在侦测到检测线建立时,根据所述外轮廓在所述原始图像中构建多条检测线。
请一并参阅图3,在本发明的至少一个实施例中,所述根据所述外轮廓在所述原始图像中构建多条检测线的步骤可进一步包括:
S131、将所述外轮廓上具有相同Y坐标的像素点划分为一个检测组;
S132、根据每个所述检测组对应的Y坐标构建多条检测线。
在本发明的至少一个实施例中,所述检测线为与所述X轴平行的直线。
S14、在侦测到第一识别指令时,识别所述检测线中的拐点检测线以及正常检测线。
请一并参阅图4,在本发明的至少一个实施例中,所述识别所述检测线中的拐点检测线以及正常检测线的步骤可进一步包括:
S141、获取一条所述检测线作为目标检测线;
S142、计算所述目标检测线与所述外轮廓的交点坐标作为检测交点;
S143、获取所述目标检测线对应的所述检测交点的数量作为目标参数,
S144、设定与所述目标检测线相邻的检测线作为对照检测线;
S145、识别所述对照检测线与所述外轮廓的交点数量作为对照参数;
S146、判断所述目标参数与所述对照参数是否一致;
S147、在所述目标参数与所述对照参数不一致时,标识所述目标检测线为拐点检测线;
S148、在所述目标参数与所述对照参数线一致时,标识所述目标检测线为正常检测线。
S15、在侦测到转换指令时,将所述拐点检测线转换为所述正常检测线。
请一并参阅图5,在本发明的至少一个实施例中,所述将所述拐点检测线转换为所述正常检测线的步骤可进一步包括:
S151、提取所述拐点检测线对应的所述检测交点;
S152、将所述检测交点中与至少两个对照交点在X轴上的差值在预定差值范围内的所述检测交点作为拐点;
S153、在所述拐点检测线中添加一个与所述拐点坐标一致的检测交点。
在本发明的至少一个实施例中,所述预定差值为1个像素。在其他实施方式中,所述预定差值也可以为2个像素。所述对照交点为所述对照检测线上与所述检测交点距离最近的像素点。
S16、在侦测到第二识别指令时,识别所述正常检测线上的背景像素和目标像素。
请一并参阅图6,在本发明的至少一个实施例中,所述识别所述正常检测线上的背景像素和目标像素的步骤可进一步包括:
S161、将所有所述检测交点根据X坐标排序;
S162、依次将所述检测交点进行连线形成多条线段;
S163、将多条所述线段根据排列顺序交替设定为背景线段和目标线段;
S164、将所述背景线段上的像素设定为所述背景像素并将所述目标线段上的像素设定为所述目标像素。
在本发明的至少一个实施例中,所述线段为平行于所述X轴的线段。
S17、在侦测到提取指令时,根据所述目标像素提取所述原始图像中的所述目标图像。
在本发明的至少一个实施例中,每个所述像素由至少由三个子像素单元构成。其中,三个子像素单元可以为红色子像素、蓝色子像素以及绿色子像素。所述纹理数据为二维数组,其包括8位无符号整数值。每个数组包括第一参数R、第二参数G、第三参数B以及第四参数A。所述第一参数R表示红色子像素的颜色值。所述第二参数B表示蓝色子像素的颜色值。所述第三参数G表示绿色子像素的颜色值。所述第四参数A表示透明度。
请一并参阅图7,在本发明的至少一个实施例中,所述根据所述目标像素获取所述原始图像中的所述目标图像的步骤可进一步包括:
S171、将所述原始图像根据指定接口程序转换为纹理数据;
S172、将所述背景像素对应的所述纹理数据的透明度调整为预定值;
S173、将调整后的所述纹理数据输入至目标程序中以形成所述目标图像。
在本发明的至少一个实施例中,所述目标程序为Canvas,其采用JAVASCRIPT语言编写。所述指定接口程序为CanvasRenderingContext2D。其中,所述预定值为0。
S18、在侦测到合成指令时,将所述目标图像与预定背景进行合成。
在本发明的至少一个实施例中,上述所有指令可以是通过电子设备接收的数据请求指令。所述电子设备可以包括键盘、触摸屏等,但是本公开的示例实施例中的用户输入方式不限于此。可以为用户在可视化界面上通过特定的操作产生。具体地,所述用户的操作包括,但不限于:滑动操作、点击操作(如:单击操作、双击操作等等)。具体地,所述预设按键可以是所述电子设备上的实体按键,也可以是所述电子设备上的虚拟按键等等(例如:所述虚拟按键可以是所述电子设备的显示器上的一个虚拟图标等),本发明在此不做限制。
上述图像处理方法,在图像处理界面通过AI智能识别图像中的轮廓标识点,并自动对原始图像进行精细抠图,降低了抠图操作的难度。进一步地,采用H5页面作为图像处理界面,可实现在线图像处理,无需下载图像处理应用程序,可使得上述图像处理方法更广泛的应用于不同环境中。
请参照图8,本发明提供一种图像处理装置1,应用于一个或多个设备中。本发明的至少一个实施例中,所述图像处理装置1应用于至少一电子设备及服务器构成的图像处理***中。所述电子设备和所述服务器之间根据预设协议进行数据传输。所述图像处理装置1用于在图像处理界面将原始图像中的目标图像进行抠图,并与指定背景进行合成。
在本发明的一个实施例中,所述图像处理装置1包括:
界面构建模块10,用于在侦测到构建指令时构建图像处理界面并导入原始图像。
在本发明的至少一个实施例中,所述图像处理界面为H5页面。在其他实施例中,所述图像处理界面可以为其他类型的网页界面。
获取模块20,用于在侦测到获取指令时获取所述原始图像中外轮廓标识点。
在本发明的至少一个实施例中,所述原始图像由多个像素点构成。所述外轮廓标识点利用人工智能识别技术识别。所述人工智能识别技术为利用人工神经网络的方法建立目标图像模型,并利用样品集对所述目标图像模型进行训练,在所述原始图像输入至所述图像模型时判断所述原始图像中是否具有目标图像,并在所述原始图像中具有所述目标图像时获取所述目标图像的所述轮廓标识点。所述轮廓标识点为拐点,其可根据用户的需求进行设定。
轮廓构建模块30,用于在侦测到轮廓构建指令时根据所述外轮廓标识点构建所述目标图像的外轮廓。
所述轮廓构建模块30进一步地根据所述原始图像建立像素坐标系,且以所述原始图像的左上角的点为原点。所述轮廓构建模块30进一步地对每个所述外轮廓标识点以第一函数进行赋值,以得到第一参数。所述轮廓构建模块30进一步地识别多条所述第一参数中的最大值和最小值分别作为所述目标图像的轮廓起点和轮廓终点。所述轮廓构建模块30进一步地将所述轮廓标识点的像素坐标以所述轮廓起点和轮廓终点作为起始点并沿顺时针排序。所述轮廓构建模块30进一步地将排序后的相邻两个所述轮廓标识点之间进行连线,以形成所述外轮廓。
在本发明的至少一个实施例中,所述第一函数为(point.y*imgW)+(point.x+1)。其中,point.y表示所述像素点在所述像素坐标系中沿Y轴的坐标,point.x表示所述像素点在所述像素坐标系中沿X轴的坐标,imgW表示所述原始图像的宽度。
检测线建立模块40,用于在侦测到检测线建立时根据所述外轮廓在所述原始图像中构建多条检测线。
所述检测线建立模块40进一步地将所述外轮廓上具有相同Y坐标的像素点划分为一个检测组,并根据每个所述检测组对应的Y坐标构建多条检测线。
在本发明的至少一个实施例中,所述检测线为与所述X轴平行的直线。
第一识别模块50,用于在侦测到第一识别指令时识别所述检测线中的拐点检测线以及正常检测线。
所述第一识别模块50进一步地获取一条所述检测线作为目标检测线,计算所述目标检测线与所述外轮廓的交点坐标作为检测交点,获取所述目标检测线对应的所述检测交点的数量作为目标参数,设定与所述目标检测线相邻的检测线作为对照检测线,识别所述对照检测线与所述外轮廓的交点数量作为对照参数。
所述第一识别模块50进一步地判断所述目标参数与所述对照参数是否一致。在所述目标参数与所述对照参数不一致时,所述识别模块50进一步地标识所述目标检测线为拐点检测线。在所述目标参数与所述对照参数线一致时,所述第一识别模块50进一步地标识所述目标检测线为正常检测线。
转换模块60,用于在侦测到转换指令时将所述拐点检测线转换为所述正常检测线。
所述转换模块60进一步地提取所述拐点检测线对应的所述检测交点,将所述检测交点中与至少两个对照交点在X轴上的差值在预定差值范围内的所述检测交点作为拐点,并在所述拐点检测线中添加一个与所述拐点坐标一致的检测交点。在本发明的至少一个实施例中,所述预定差值为1个像素。在其他实施方式中,所述预定差值也可以为2个像素。所述对照交点为所述对照检测线上与所述检测交点距离最近的像素点。
第二识别模块70,用于在侦测到第二识别指令时识别所述正常检测线上的背景像素和目标像素。
所述第二识别模块70进一步地将所有所述检测交点根据X坐标排序,依次将所述检测交点进行连线形成多条线段,将多条所述线段根据排列顺序交替设定为背景线段和目标线段,并将所述背景线段上的像素设定为所述背景像素并将所述目标线段上的像素设定为所述目标像素。在本发明的至少一个实施例中,所述线段为平行于所述X轴的线段。
提取模块80,用于在侦测到提取指令时根据所述目标像素提取所述原始图像中的所述目标图像。
在本发明的至少一个实施例中,每个所述像素由至少由三个子像素单元构成。其中,三个子像素单元可以为红色子像素、蓝色子像素以及绿色子像素。所述纹理数据为二维数组,其包括8位无符号整数值。每个数组包括第一参数R、第二参数G、第三参数B以及第四参数A。所述第一参数R表示红色子像素的颜色值。所述第二参数B表示蓝色子像素的颜色值。所述第三参数G表示绿色子像素的颜色值。所述第四参数A表示透明度。
所述提取模块80进一步地将所述原始图像根据指定接口程序转换为纹理数据,将所述背景像素对应的所述纹理数据的透明度调整为预定值,并将调整后的所述纹理数据输入至目标程序中以形成所述目标图像。在本发明的至少一个实施例中,所述目标程序为Canvas,其采用JAVASCRIPT语言编写。所述指定接口程序为CanvasRendering Context2D。其中,所述预定值为0。
合成模块90,用于在侦测到合成指令时将所述目标图像与预定背景进行合成。
上述图像处理装置,在图像处理界面通过AI智能识别图像中的轮廓标识点,并自动对原始图像进行精细抠图,降低了抠图操作的难度,且无需下载应用程序,可更广泛的应用于不同环境中。
请参阅图9,其为本发明实施例提供的电子设备的示意图。所述电子设备包括处理器106、存储器102及通信总线104。
所述存储器102用于存储程序代码。所述存储器102可以是集成电路中没有实物形式的具有存储功能的电路,或者,所述存储器102也可以是具有实物形式的存储器,如内存条、TF卡(Trans-flash Card)、智能媒体卡(smart media card)、安全数字卡(securedigital card)、快闪存储器卡(flash card)等储存设备。所述存储器102可通过通信总线104与处理器106进行数据通信。所述存储器102中可以包括操作***、网络通信模块以及图像处理程序。操作***是管理和控制电子设备硬件和软件资源的程序,支持图像处理程序以及其它软件和/或程序的运行。网络通信模块用于实现所述存储器102内部各组件之间的通信,以及与图像处理设备中其它硬件和软件之间通信。
所述处理器106可以包括一个或者多个微处理器、数字处理器。所述处理器106可调用所述存储器102中存储的程序代码以执行相关的功能。例如,图8中所述的各个模块是存储在所述存储器102中的程序代码,并由所述处理器106所执行,以实现一种图像处理方法。所述处理器106又称中央处理器(CPU,Central Processing Unit),是一块超大规模的集成电路,是运算核心(Core)和控制核心(Control Unit)。
所述处理器106用于执行所述存储器102中存储的多个计算机指令以实现图像处理方法,所述处理器106可执行多个指令从而实现以下步骤:
S10、在侦测到构建指令时,构建图像处理界面并导入原始图像。
在本发明的至少一个实施例中,所述图像处理界面为H5页面。在其他实施例中,所述图像处理界面可以为其他类型的网页界面。
S11、在侦测到获取指令时,获取所述原始图像中外轮廓标识点。
在本发明的至少一个实施例中,所述原始图像由多个像素点构成。所述外轮廓标识点利用人工智能识别技术识别。所述人工智能识别技术为利用人工神经网络的方法建立目标图像模型,并利用样品集对所述目标图像模型进行训练,在所述原始图像输入至所述图像模型时判断所述原始图像中是否具有目标图像,并在所述原始图像中具有所述目标图像时获取所述目标图像的所述轮廓标识点。所述轮廓标识点为拐点,其可根据用户的需求进行设定。
请一并参阅图2,S12、在侦测到轮廓构建指令时,根据所述外轮廓标识点构建外轮廓。
在本发明的至少一个实施例中,所述根据所述外轮廓标识点构建所述外轮廓的步骤可进一步包括:
S121、根据所述原始图像建立像素坐标系,且以所述原始图像的左上角的点为原点;
S122、对每个所述外轮廓标识点以第一函数进行赋值,以得到第一参数;
S123、识别多个所述第一参数中的最大值和最小值分别作为所述目标图像的轮廓起点和轮廓终点;
S124、将所述轮廓标识点的像素坐标以所述轮廓起点和所述轮廓终点作为起始点并沿顺时针排序;
S125、将排序后的相邻两个所述轮廓标识点之间进行连线,以形成外轮廓。
在本发明的至少一个实施例中,所述第一函数为(point.y*imgW)+(point.x+1)。其中,point.y表示所述像素点在所述像素坐标系中沿Y轴的坐标,point.x表示所述像素点在所述像素坐标系中沿X轴的坐标,imgW表示所述原始图像的宽度。
S13、在侦测到检测线建立时,根据所述外轮廓在所述原始图像中构建多条检测线。
请一并参阅图3,在本发明的至少一个实施例中,所述根据所述外轮廓在所述原始图像中构建多条检测线的步骤可进一步包括:
S131、将所述外轮廓上具有相同Y坐标的像素点划分为一个检测组;
S132、根据每个所述检测组对应的Y坐标构建多条检测线。
在本发明的至少一个实施例中,所述检测线为与所述X轴平行的直线。
S14、在侦测到第一识别指令时,识别所述检测线中的拐点检测线以及正常检测线。
请一并参阅图4,在本发明的至少一个实施例中,所述识别所述检测线中的拐点检测线以及正常检测线的步骤可进一步包括:
S141、获取一条所述检测线作为目标检测线;
S142、计算所述目标检测线与所述外轮廓的交点坐标作为检测交点;
S143、获取所述目标检测线对应的所述检测交点的数量作为目标参数;
S144、设定与所述目标检测线相邻的检测线作为对照检测线;
S145、识别所述对照检测线与所述外轮廓的交点数量作为对照参数;
S146、判断所述目标参数与所述对照参数是否一致;
S147、在所述目标参数与所述对照参数不一致时,标识所述目标检测线为拐点检测线;
S148、在所述目标参数与所述对照参数线一致时,标识所述目标检测线为正常检测线。
S15、在侦测到转换指令时,将所述拐点检测线转换为所述正常检测线。
请一并参阅图5,在本发明的至少一个实施例中,所述将所述拐点检测线转换为所述正常检测线的步骤可进一步包括:
S151、提取所述拐点检测线对应的所述检测交点;
S152、将所述检测交点中与至少两个对照交点在X轴上的差值在预定差值范围内的所述检测交点作为拐点;
S153、在所述拐点检测线中添加一个与所述拐点坐标一致的检测交点。
在本发明的至少一个实施例中,所述预定差值为1个像素。在其他实施方式中,所述预定差值也可以为2个像素。所述对照交点为所述对照检测线上与所述检测交点距离最近的像素点。
S16、在侦测到第二识别指令时,识别所述正常检测线上的背景像素和目标像素。
请一并参阅图6,在本发明的至少一个实施例中,所述识别所述正常检测线上的背景像素和目标像素的步骤可进一步包括:
S161、将所有所述检测交点根据X坐标排序;
S162、依次将所述检测交点进行连线形成多条线段;
S163、将多条所述线段根据排列顺序交替设定为背景线段和目标线段;
S164、将所述背景线段上的像素设定为所述背景像素并将所述目标线段上的像素设定为所述目标像素。
在本发明的至少一个实施例中,所述线段为平行于所述X轴的线段。
S17、在侦测到提取指令时,根据所述目标像素提取所述原始图像中的所述目标图像。
在本发明的至少一个实施例中,每个所述像素由至少由三个子像素单元构成。其中,三个子像素单元可以为红色子像素、蓝色子像素以及绿色子像素。所述纹理数据为二维数组,其包括8位无符号整数值。每个数组包括第一参数R、第二参数G、第三参数B以及第四参数A。所述第一参数R表示红色子像素的颜色值。所述第二参数B表示蓝色子像素的颜色值。所述第三参数G表示绿色子像素的颜色值。所述第四参数A表示透明度。
请一并参阅图7,在本发明的至少一个实施例中,所述根据所述目标像素获取所述原始图像中的所述目标图像的步骤可进一步包括:
S171、将所述原始图像根据指定接口程序转换为纹理数据;
S172、将所述背景像素对应的所述纹理数据的透明度调整为预定值;
S173、将调整后的所述纹理数据输入至目标程序中以形成所述目标图像。
在本发明的至少一个实施例中,所述目标程序为Canvas,其采用JAVASCRIPT语言编写。所述指定接口程序为CanvasRendering Context2D。其中,所述预定值为0。
S18、在侦测到合成指令时,将所述目标图像与预定背景进行合成。
上述图像处理方法,在图像处理界面通过AI智能识别图像中的轮廓标识点,并自动对原始图像进行精细抠图,降低了抠图操作的难度。进一步地,采用H5页面作为图像处理界面,可实现在线图像处理,无需下载图像处理应用程序,可使得上述图像处理方法更广泛的应用于不同环境中。
本发明还提供一种存储介质。所述存储介质为计算机可读存储介质。所述计算机可读存储介质上存储有计算机指令。所述计算机指令可被存储于存储器102上,且当被一个或多个处理器106执行时,从而实现如上文方法实施例所述的图像处理方法,例如图1所示的S10-S18,在此不再赘述。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性或其它的形式。
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模块,即可以位于一个地方,或者也可以分布到多个网络模块上。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实施例方案的目的。
另外,在本发明的各个实施例中的各功能模块可以集成在一个处理器中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
还需要说明的是,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。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种图像处理方法,其特征在于,所述图像处理方法包括:
在侦测到构建指令时,构建图像处理界面并导入原始图像;
在侦测到获取指令时,获取所述原始图像中外轮廓标识点;
在侦测到轮廓构建指令时,根据所述外轮廓标识点构建外轮廓;
在侦测到检测线建立时,根据所述外轮廓在所述原始图像中构建多条检测线;
在侦测到第一识别指令时,识别所述检测线中的拐点检测线以及正常检测线;
在侦测到转换指令时,将所述拐点检测线转换为所述正常检测线;
在侦测到第二识别指令时,识别所述正常检测线上的背景像素和目标像素;
在侦测到提取指令时,根据所述目标像素提取所述原始图像中的目标图像,包括:将所述原始图像根据指定接口程序转换为纹理数据;将所述背景像素对应的所述纹理数据的透明度调整为预定值;将调整后的所述纹理数据输入至目标程序中以形成所述目标图像;
在侦测到合成指令时,将所述目标图像与预定背景进行合成。
2.如权利要求1所述的图像处理方法,其特征在于,所述根据所述外轮廓标识点构建外轮廓的步骤包括:
根据所述原始图像建立像素坐标系,且以所述原始图像的左上角的点为原点;
对每个所述外轮廓标识点以第一函数进行赋值,以得到第一参数;
识别多个所述第一参数中的最大值和最小值分别作为所述目标图像的轮廓起点和轮廓终点;
将所述轮廓标识点的像素坐标以所述轮廓起点和所述轮廓终点作为起始点并沿顺时针排序;
将排序后的相邻两个所述轮廓标识点之间进行连线,以形成所述外轮廓。
3.如权利要求2所述的图像处理方法,其特征在于,所述原始图像由多个像素点构成;所述第一函数为(point.y*imgW)+(point.x+1);其中,point.y表示所述像素点在所述像素坐标系中沿Y轴的坐标,point.x表示所述像素点在所述像素坐标系中沿X轴的坐标,imgW表示所述原始图像的宽度。
4.如权利要求1至3中任意一项所述的图像处理方法,其特征在于,所述识别所述检测线中的拐点检测线以及正常检测线的步骤包括:
获取一条所述检测线作为目标检测线;
计算所述目标检测线与所述外轮廓的交点坐标作为检测交点;
获取所述目标检测线对应的所述检测交点的数量作为目标参数,
设定与所述目标检测线相邻的检测线作为对照检测线;
识别所述对照检测线与所述外轮廓的交点数量作为对照参数;
判断所述目标参数与所述对照参数是否一致;
在所述目标参数与所述对照参数不一致时,标识所述目标检测线为拐点检测线;
在所述目标参数与所述对照参数线一致时,标识所述目标检测线为正常检测线。
5.如权利要求4所述的图像处理方法,其特征在于,所述将所述拐点检测线转换为所述正常检测线的步骤包括:
提取所述拐点检测线对应的所述检测交点;
将所述检测交点中与至少两个对照交点在X轴上的差值在预定差值范围内的所述检测交点作为拐点;
在所述拐点检测线中添加一个与所述拐点具有相同坐标的检测交点。
6.如权利要求5所述的图像处理方法,其特征在于,所述识别所述正常检测线上的背景像素和目标像素的步骤之前还包括:
将所有所述检测交点根据X坐标排序;
依次将所述检测交点进行连线形成多条线段;
将多条所述线段根据排列顺序交替设定为背景线段和目标线段;
将所述背景线段上的像素设定为所述背景像素并将所述目标线段上的像素设定为所述目标像素。
7.一种图像处理装置,其特征在于,所述图像处理装置包括:
界面构建模块,用于在侦测到构建指令时构建图像处理界面并导入原始图像;
获取模块,用于在侦测到获取指令时获取所述原始图像中外轮廓标识点;
轮廓构建模块,用于在侦测到轮廓构建指令时根据所述外轮廓标识点构建外轮廓;
检测线建立模块,用于在侦测到检测线建立时根据所述外轮廓在所述原始图像中构建多条检测线;
第一识别模块,用于在侦测到第一识别指令时识别所述检测线中的拐点检测线以及正常检测线;
转换模块,用于在侦测到转换指令时将所述拐点检测线转换为所述正常检测线;
第二识别模块,用于在侦测到第二识别指令时识别所述正常检测线上的背景像素和目标像素;
提取模块,用于在侦测到提取指令时根据所述目标像素提取所述原始图像中的目标图像,包括:将所述原始图像根据指定接口程序转换为纹理数据;将所述背景像素对应的所述纹理数据的透明度调整为预定值;将调整后的所述纹理数据输入至目标程序中以形成所述目标图像;
合成模块,用于在侦测到合成指令时将所述目标图像与预定背景进行合成。
8.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至6中任意一项所述的图像处理方法。
9.一种存储介质,其特征在于,所述存储介质为计算机可读存储介质,存储有至少一个指令,所述至少一个指令被处理器执行时实现如权利要求1至6中任意一项所述图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911306168.4A CN111192276B (zh) | 2019-12-18 | 2019-12-18 | 图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911306168.4A CN111192276B (zh) | 2019-12-18 | 2019-12-18 | 图像处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111192276A CN111192276A (zh) | 2020-05-22 |
CN111192276B true CN111192276B (zh) | 2024-04-09 |
Family
ID=70707331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911306168.4A Active CN111192276B (zh) | 2019-12-18 | 2019-12-18 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111192276B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105006002A (zh) * | 2015-08-31 | 2015-10-28 | 北京华拓金融服务外包有限公司 | 自动图像抠图方法和装置 |
CN108960011A (zh) * | 2017-05-23 | 2018-12-07 | 湖南生物机电职业技术学院 | 部分遮挡的柑橘果实图像识别方法 |
CN109271654A (zh) * | 2018-07-19 | 2019-01-25 | 平安科技(深圳)有限公司 | 模型轮廓的切分方法及装置、存储介质、终端 |
CN110097570A (zh) * | 2019-04-30 | 2019-08-06 | 腾讯科技(深圳)有限公司 | 一种图像处理方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010097438A (ja) * | 2008-10-16 | 2010-04-30 | Keyence Corp | 画像処理を用いた輪郭情報抽出方法、画像処理におけるパターンモデルの作成方法、画像処理におけるパターンモデルの位置決め方法、画像処理装置、画像処理プログラム及びコンピュータで読み取り可能な記録媒体 |
JP5742399B2 (ja) * | 2011-04-06 | 2015-07-01 | 富士ゼロックス株式会社 | 画像処理装置及びプログラム |
-
2019
- 2019-12-18 CN CN201911306168.4A patent/CN111192276B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105006002A (zh) * | 2015-08-31 | 2015-10-28 | 北京华拓金融服务外包有限公司 | 自动图像抠图方法和装置 |
CN108960011A (zh) * | 2017-05-23 | 2018-12-07 | 湖南生物机电职业技术学院 | 部分遮挡的柑橘果实图像识别方法 |
CN109271654A (zh) * | 2018-07-19 | 2019-01-25 | 平安科技(深圳)有限公司 | 模型轮廓的切分方法及装置、存储介质、终端 |
CN110097570A (zh) * | 2019-04-30 | 2019-08-06 | 腾讯科技(深圳)有限公司 | 一种图像处理方法和装置 |
Non-Patent Citations (2)
Title |
---|
人物证件照的自动换底算法;王明楸等;福建电脑(第06期);第12-13页 * |
基于单幅图像的自动抠图技术研究;孙国星等;《信息技术与信息化》;第84-90页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111192276A (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7135125B2 (ja) | 近赤外画像の生成方法、近赤外画像の生成装置、生成ネットワークの訓練方法、生成ネットワークの訓練装置、電子機器、記憶媒体及びコンピュータプログラム | |
US9396560B2 (en) | Image-based color palette generation | |
CN106682632B (zh) | 用于处理人脸图像的方法和装置 | |
CN110555795A (zh) | 高解析度风格迁移 | |
CN107679466B (zh) | 信息输出方法和装置 | |
Huang et al. | RGB-D salient object detection by a CNN with multiple layers fusion | |
CN112150347B (zh) | 从有限的修改后图像集合中学习的图像修改样式 | |
CN107862664A (zh) | 一种图像非真实感绘制方法及*** | |
CN112328345A (zh) | 用于确定主题色的方法、装置、电子设备及可读存储介质 | |
CN111047509A (zh) | 一种图像特效处理方法、装置及终端 | |
WO2020034981A1 (zh) | 编码信息的生成方法和识别方法 | |
CN109255355A (zh) | 图像处理方法、装置、终端、电子设备及计算机可读介质 | |
JP5042346B2 (ja) | 情報表示装置、方法及びプログラム | |
CN108595211B (zh) | 用于输出数据的方法和装置 | |
CN114298902A (zh) | 一种图像对齐方法、装置、电子设备和存储介质 | |
CN116982073A (zh) | 媒体项中基于用户输入的干扰移除 | |
EP3410389A1 (en) | Image processing method and device | |
CN107818323A (zh) | 用于处理图像的方法和装置 | |
CN114663570A (zh) | 贴图生成方法、装置、电子装置及可读存储介质 | |
CN117422851A (zh) | 虚拟换衣方法及其装置、电子设备 | |
CN111192276B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
WO2020124442A1 (zh) | 推送方法及相关产品 | |
CN112634444B (zh) | 一种基于三维信息的人体姿态迁移方法、装置、存储介质及终端 | |
CN110738227A (zh) | 模型训练方法及装置、识别方法、存储介质及电子设备 | |
CN114972466A (zh) | 图像处理方法、装置、电子设备和可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |