CN112101369B - 图像分割方法和装置 - Google Patents
图像分割方法和装置 Download PDFInfo
- Publication number
- CN112101369B CN112101369B CN202011242449.0A CN202011242449A CN112101369B CN 112101369 B CN112101369 B CN 112101369B CN 202011242449 A CN202011242449 A CN 202011242449A CN 112101369 B CN112101369 B CN 112101369B
- Authority
- CN
- China
- Prior art keywords
- point
- target area
- target
- image
- intersection
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像分割方法和装置,用以解决现有技术在对图像进行分割时存在的分割结果不准确的问题。所述方法包括:获取待处理图像中的两个目标区域之间的逻辑关系以及各自的顶点的位置信息,其中,所述两个目标区域至少部分重合,所述两个目标区域为分别对所述待处理图像中两个不同的对象所在区域的轮廓线进行多边形近似处理得到;基于所述两个目标区域各自的顶点的位置信息,确定所述两个目标区域各自的边界之间的交点的位置信息;基于所述交点的位置信息和所述逻辑关系,从所述待处理图像中分割出所述两个不同的对象。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像分割方法和装置。
背景技术
图像语义分割(Semantic Segmentation)是图像领域的关键技术。现有技术中,通常是由人工借助labelme、labelimg等工具在图像上框选出对象所在的图像区域,以从图像中分割出该对象,便于后续标记该对象在计算机视觉深度训练中的具体含义。
然而,通过人工框选对象的方式可能无法准确定位各对象的轮廓点,尤其是在图像中包含多个对象且这些对象之间相互重叠覆盖时,致使框选出的对象所在的图像区域与其真实图像区域之间存在误差,从而得到的分割结果不准确,最终导致各对象的标注结果不准确。
发明内容
本申请实施例提供一种图像分割方法和装置,用以解决现有技术在对图像进行分割时存在的分割结果不准确的问题。
本申请实施例采用下述技术方案:
第一方面,本申请实施例提供一种图像分割方法,包括:
获取待处理图像中的两个目标区域之间的逻辑关系以及各自的顶点的位置信息,其中,所述两个目标区域至少部分重合,所述两个目标区域为分别对所述待处理图像中两个不同的对象所在区域的轮廓线进行多边形近似处理得到;
基于所述两个目标区域各自的顶点的位置信息,确定所述第一目标区域的边界与所述第二目标区域的边界之间的交点的位置信息;
基于所述交点的位置信息和所述逻辑关系,从所述待处理图像中分割出所述两个不同的对象。
第二方面,本申请实施例提供一种路面元素识别方法,包括:
获取待识别的道路图像中的目标区域,其中,所述目标区域为基于第一方面所述的方法对所述道路图像进行分割得到;
对所述目标区域进行特征提取,得到所述目标区域的特征信息;
基于所述目标区域的特征信息对所述道路图像进行分析,以识别出所述道路图像中的路面元素。
第三方面,本申请实施例提供一种图像分割装置,包括:
第一获取模块,用于获取待处理图像中的两个目标区域之间的逻辑关系以及各自的顶点的位置信息,其中,所述两个目标区域至少部分重合,所述两个目标区域为分别对所述待处理图像中两个不同的对象所在区域的轮廓线进行多边形近似处理得到;
第一确定模块,用于基于所述两个目标区域各自的顶点的位置信息,确定所述第一目标区域的边界与所述第二目标区域的边界之间的交点的位置信息;
图像分割模块,用于基于所述交点的位置信息和所述逻辑关系,从所述待处理图像中分割出所述两个不同的对象。
第四方面,本申请实施例提供一种路面元素识别装置,包括:
第二获取模块,用于获取待识别的道路图像中的目标区域,其中,所述目标区域为基于第一方面所述的方法对所述道路图像进行分割得到;
第三获取模块,用于对所述目标区域进行特征提取,得到所述目标区域的特征信息;
识别模块,用于基于所述目标区域的特征信息对所述道路图像进行分析,以识别出所述道路图像中的路面元素。
第五方面,本申请实施例提供一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现第一方面所述的方法。
第六方面,本申请实施例提供一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现第二方面所述的方法。
第七方面,本申请实施例提供一种计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如第一方面或第二方面所述的方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
通过各个目标区域的顶点的位置信息,确定两个目标区域各自的边界之间交点的位置信息,进一步根据交点的位置信息和两个目标区域之间的逻辑关系,对待处理图像进行分割处理,可以在两个目标区域之间相互重叠覆盖时,确保两个目标区域之间的重合区域的数据一致,进而可以准确分割出待处理图像中的各对象,相较于现有技术中通过人工框选对象的方式,准确率和效率更高。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请一实施例的一种图像分割方法的流程图;
图2是根据本申请另一实施例的一种图像分割方法的流程图;
图3是根据本申请一实施例的一种第一目标区域和第二目标区域的示意图;
图4是根据本申请一实施例的一种修正后的第一目标区域和第二目标区域的示意图;
图5A是根据本申请一实施例的一种第一双向链表的示意图;
图5B是根据本申请一实施例的一种第二双向链表的示意图;
图6是根据本申请再一实施例的一种图像分割方法的流程图;
图7是根据本申请一实施例的一种路面元素识别方法的流程图;
图8是根据本申请一实施例的一种图像分割装置的结构示意图;
图9是根据本申请一实施例的一种路面元素识别装置的结构示意图;
图10是根据本申请一实施例的一种电子设备的结构示意图;
图11是根据本申请另一实施例的一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
实施例1
请参考图1,图1是根据本申请一实施例的一种图像分割方法的流程图。如图1所示,该方法包括:
S102,获取待处理图像中的两个目标区域之间的逻辑关系以及各自的顶点的位置信息。
其中,所述两个目标区域至少部分重合。两个目标区域为分别对待处理图像中两个不同的对象所在区域的轮廓线进行多边形近似处理得到。
具体来说,可将待处理图像加载至预置的编辑界面中,使得用户可在该编辑界面中对待处理图像进行编辑操作,比如通过点击各个对象的大致轮廓以初步框选出各对象大致所在的区域。由此,通过获取到点击操作的位置信息(如在待处理图像中的坐标)可以确定各个对象所在区域的轮廓线,进一步通过对各个对象所在的轮廓线进行多边形近似处理,可得到表征各对象所在区域的目标区域。
其中,多边形可以例如包括但不限于:三角形、四边形以及其他任意由多条边构成的不规则的、封闭图形。
S104,基于两个目标区域各自的顶点的位置信息,确定两个目标区域各自的边界之间的交点的位置信息。
本申请实施例中,顶点的位置信息是指用于指示顶点在待处理图像中的位置的信息,例如,顶点的位置信息可以例如包括顶点在待处理图像中的坐标。
交点的位置信息是指用于指示交点在待处理图像中的位置的信息,例如,交点的位置信息可以包括但不限于:交点在待处理图像中的坐标、交点与各个目标区域的各顶点之间的相对位置关系、交点在各个目标区域中所处的边界等。可以理解的是,上述两个目标区域的边界之间可以存在多个交点。
S106,基于两个目标区域各自的边界之间交点的位置信息和两个目标区域之间逻辑关系,从待处理图像中分割出两个不同的对象。
通常情况下,两个目标区域之间的重合部分是由它们各自边界的交点依次连接所围成的区域,由此,在确定出两个目标区域的边界之间的交点的位置信息,可基于各交点的位置信息确定出这两个目标区域之间的重合区域,进一步可根据两个目标区域之间的逻辑关系,确定该重合区域所属的目标区域,进一步根据各个目标区域及该重合区域与目标区域之间的从属关系,对至少一个目标区域进行修正,并从待处理图像中分割出修正后的各个目标区域,由此可得到这两个目标区域分别指示的两个不同的对象。
在可选的实施方式中,可基于两个目标区域的边界之间的各交点的位置信息,以其中一个目标区域作为基准目标区域,从基准目标区域的任一顶点起,交替沿基准目标区域和另一目标区域的边界对各点(包括各个目标区域的顶点及边界的交点)进行遍历,以各个点的遍历顺序确定两个目标区域的重合区域,以便进一步从待分割图像中分割出上述两个不同的对象实际所在的区域,以得到准确的图像分割结果。
具体来说,如图2所示,上述步骤S106可以包括:
S1061,基于两个目标区域之间的逻辑关系,从两个目标区域中确定基准目标区域。
可选地,两个目标区域之间的逻辑可以指示两个目标区域之间的覆盖重合关系。例如,以两个目标区域分别为第一目标区域和第二目标区域为例,若两个目标区域之间的逻辑关系指示第一目标区域覆盖第二目标区域,则可将第一目标区域确定为基准目标区域;若两个目标区域之间的逻辑关系指示第二目标区域覆盖第一目标区域,则可将第二目标区域确定为基准目标区域。
S1062,以基准目标区域的任一顶点作为起点,重复执行遍历操作,直到遍历到的最后一个点与该顶点相同,以获取并记录入点、与入点对应的出点以及位于入点和出点之间的点。
更为具体地,遍历操作包括以下步骤:
S1062a,沿基准目标区域的边界,查找并记录在指定方向上位于当前的起点之后的点,直到查找到的点为交点,并将该交点作为入点。
值得说明的是,指定方向可以根据实际需要自定义设置,例如,指定方向可以设置为逆时针方向,或者,指定方向也可设置为顺时针方向。
S1062b,沿两个目标区域中除基准目标区域以外的另一目标区域的边界,查找并记录在指定方向上位于入点之后的点,直到查找到的点为交点。
S1062c,判断查找到的点是否与入点相同。
可通过比对查找到的点的位置信息与入点的位置信息,以此确定该交点与入点是否相同。例如,若查找到的交点在待处理图像中的坐标与入点在待处理图像中的坐标相同,则可确定该交点与该入点相同。
若判断结果为否,则重复执行上述步骤S1062a至S1062b,直到查找到的点与入点相同;若查找到的点与入点相同,则执行以下步骤S1062d至S1062e。
S1062d,将上一次查找到的交点作为与所述入点对应的出点,并将所述出点作为新的起点。
例如,以图3所示的第一目标区域和第二目标区域为例,第一目标区域为三角形,其顶点包括顶点A1、A2以及A3,第二目标区域为多条边构成的多边形,其顶点包括B1、B2、B3、B4以及B5。若两者之间的逻辑关系为第一目标区域覆盖第二目标区域,则可将第一目标区域作为基准目标区域。下面结合图3详细说明上述遍历操作的具体实施过程。
首先,以第一目标区域(基准目标区域)的顶点A1作为起点,基于逆时针方向,沿第二目标区域的边界A1A2查找并记录位于该顶点A1之后的点,得到交点C1,因而以交点C1作为入点;接着,基于逆时针方向,沿第二目标区域的边界B1B2查找并记录位于交点C1之后的点,得到顶点B1、交点C2;紧接着,基于逆时针方向,沿第一目标区域的边界A2A1查找并记录位于交点C2之后的点,得到交点C1,由于交点C1为入点,由此可将交点C2作为该入点对应的出点,本次遍历操作所记录的各点的顺序为:A1→C1→B1→C2→I1,进而可将C1、B2及C2依次围成的封闭区域确定为第一目标区域所指示的对象实际所在的部分区域。
接着,以出点C2作为新的起点,再次执行上述遍历操作S1062a至S1062d,得到的入点为交点C3,与该入点对应的出点为交点C4,本次遍历操作所记录的各点的顺序为:C2→A2→C3→B2→C4→C3,进而可将C3、B2以及C4依次围成的封闭区域确定为第一目标区域所指示的对象实际所在的部分区域。
紧接着,以出点C4作为新的起点,再次执行上述遍历操作S1062a至S1062d,得到的入点为交点C5,与该入点对应的出点为交点C6,本次遍历操作所记录的各点的顺序为:C4→C5→B4→C6→C5,进而可将C5、B4以及C6依次围成的封闭区域确定为第一目标区域所指示的对象实际所在的部分区域。
再接着,以出点C6作为新的起点,再次执行上述遍历操作S1062a至S1062d,得到的入点为交点C7,与该入点对应的出点为交点C10,本次遍历操作所记录的各点的顺序为:C6→A3→C7→B5→C10→C9→B3→C8→C7,进而可将C7、B5、C10、C9、B3以及C8依次围成的封闭区域确定为第一目标区域所指示的对象实际所在的部分区域。
再接着,以出点C10作为新的起点,重复执行上述遍历操作S1062a至S1062d,由于查找到的下一个点为A1,该点与初始的起点相同,因而停止上述遍历操作。
S1063,基于入点、与入点对应的出点以及位于入点和出点之间的点各自的位置信息及记录顺序,从待处理图像中分割出两个不同的对象。
由于相邻两个交点之间的线段即为两个目标区域之间的公共边界,在完成从入点起、经各个点回到入点的遍历路径后,该遍历路径所围成的区域实际上即为基准目标区域所指示的对象实际所在的区域,由此,可根据已记录的各个点的位置信息及记录顺序,确定出各个目标区域指示的对象实际所在的区域,从而可以将上述两个不同的对象从待处理图像中分割出。
仍以图3所示的第一目标区域和第二目标区域为例,可基于上述遍历操作的结果,分别从待处理图像中分割出第一目标区域所指示的对象实际所在的区域如图4的白色三角形部分,而第二目标区域所指示的对象实际所在的区域如图4中黑色部分所示。
需要说明的是,为方便本领域技术人员理解,图3以实线箭头表示执行遍历操作的遍历路径,以虚线箭头表示查找从入点到出点的记录顺序。
值得说明的是,本申请上述实施方式仅以第一目标区域覆盖第二目标区域为例进行说明。当然,在第二目标区域覆盖第一目标区域的情况下,则以第二目标区域作为基准目标区域,从基准目标区域的边界起,交替沿两个目标区域的边界进行上述遍历操作。
通过上述实施方式,基于两个区域之间的重合部分是由它们各自边界的交点依次连接所围成的区域这一思想,基于两个目标区域之间的逻辑关系确定出一个作为基准的目标区域,以该基准目标区域的边界起,采用交替沿两个目标区域的边界执行上述遍历操作,并记录各个点被遍历到的顺序,进一步基于各点的记录顺序及位置信息,可以准确得到上述两个不同的对象实际所在的区域。
考虑到在上述方案中,由于每查找到一个点都需要基于该点的位置信息判断下一步的遍历路径,增加了电子设备的工作量,降低了运算效率,对此,在另一种可选的方案中,可采用两个双向链表来分别存储两个目标区域的顶点及交点之间的相对位置关系,由此,可基于双向链表的流向执行遍历操作。
具体来说,在上述步骤S1061之前,本申请实施例提供的图像分割方法还可以包括:基于交点与各个目标区域的顶点之间的相对位置信息,建立各个目标区域对应的双向链表,其中,双向链表中的节点用于标识交点或者目标区域的顶点。相应地,在上述步骤S1061中,则以基准目标区域对应的双向链表中任一节点作为初始的起点,重复执行遍历操作,直到遍历到的最后一个节点与所述初始的起点相同。相应地,同时存在于两个目标区域各自对应的双向链表中的节点所标识的点,即为两个目标区域的边界之间的交点。相应地,上述遍历操作包括:沿基准目标区域对应的双向链表的流向,查找并记录位于当前的起点之后的节点,直到查找到的节点同时存在于两个目标区域各自对应的双向链表中,并将该节点作为入点;沿另一目标区域对应的双向链表的流向,查找并记录位于入点之后的节点,直到查找到的节点同时存在于两个目标区域各自对应的双向链表中;沿基准目标区域对应的双向链表的流向,查找并记录位于该节点之前的节点,直到查找到的节点同时存在于两个目标区域各自对应的双向链表中;若查找到的节点与所述入点不同,则重复执行上述沿另一目标区域对应的双向链表的流向,查找并记录位于所述入点之后的节点至所述沿所述基准目标区域对应的双向链表的流向,查找并记录位于该节点之前的节点的步骤,直到查找到的节点与所述入点相同;将上一次查找到的、同时存在于所述两个目标区域各自对应的双向链表中的节点作为与入点对应的出点,并将出点作为新的起点。
交点的位置信息还包括交点分别与各个目标区域的顶点之间的相对位置信息。其中,交点与任一目标区域的顶点之间的相对位置信息指示了交点与该目标区域的各个顶点之间的相对位置关系。由此,对于每一目标区域而言,可基于该目标区域的各顶点的位置信息,按照指定顺序(如逆时针顺序)对该目标区域的各顶点进行排序,得到有序序列,并采用双向链表对该有序序列进行存储,其中,该双向链表的节点的数据域data用于标识第一目标区域的顶点,该节点的前向指针域prior用于标识与该顶点相邻的上一个节点,该节点的后向指针域next用于标识与该顶点相邻的后一个节点;接着,可基于各个交点与该目标区域的顶点之间的相对位置信息,将所有的交点依次***该双向链表中,由此得到该目标区域对应的双向链表。
例如,仍以图3所示的第一目标区域和第二目标区域为例,如图5A所示,基于第一目标区域的各顶点(包括顶点A1、A2和A3)的位置信息,按照逆时针顺序对该第一目标区域的各顶点进行排序,得到有序序列,进一步采用双向链表对该有序序列进行存储,可得到初始的双向链表,该双向链表的流向指示第一目标区域的各顶点之间的顺序为:顶点A1→顶点A2→顶点A3。接着,可基于各个交点(包括交点C1至C10)与该第一目标区域的顶点之间的相对位置关系,将所有的交点依次***该双向链表中,可得到第一目标区域对应的双向链表。
如图5B所示,基于第二目标区域的各顶点(包括顶点B1至B5)的位置信息,按照逆时针顺序对该第二目标区域的各顶点进行排序,得到有序序列,进一步采用双向链表对该有序序列进行存储,可得到初始的双向链表,该双向链表的流向指示第二目标区域的各顶点之间的顺序为:顶点B1→顶点B2→顶点B3→顶点B4→顶点B5。接着,可基于各个交点(包括交点C1至C10)与该第二目标区域的各顶点之间的相对位置关系,将所有的交点依次***该双向链表中,可得到第二目标区域对应的双向链表。
下面以图5A和图5B所示的双向链表为例,详细说明上述遍历操作的具体实施过程。
由于第一目标区域和第二目标区域之间的逻辑关系为第一目标区域覆盖第二目标区域,则可将第一目标区域作为基准目标区域,为便于描述,以下将第一目标区域对应的双向链表称为“第一双向链表”,将第二目标区域对应的双向链表称为“第二双向链表”。
首先,以第一双向链表(基准目标区域对应的双向链表)的节点A1作为初始的起点,沿第一双向链表的流向,查找并记录位于该节点之后的点,得到节点C1,由于节点C1也存在于第二双向链表中,则将节点C1作为入点;接着,跳转至第二双向链表,沿第二双向链表的流向,查找并记录位于节点C1之后的节点,得到节点B1和节点C2;由于节点C2也存在于第一双向链表中,此时,跳转到第一双向链表,沿第一双向链表的流向,查找并记录位于节点C2之前的节点,得到节点C1,由于节点C1为入点,由此可将节点C2作为该入点对应的出点,本次遍历操作所记录的各节点的顺序为:A1→C1→B1→C2→I1,进而可将C1、B2及C2依次围成的封闭区域确定为第一目标区域所指示的对象实际所在的部分区域。
接着,以节点C2作为新的起点,再次执行上述遍历操作S1062a至S1062d,得到的入点为节点C3,与该入点对应的出点为节点C4,本次遍历操作所记录的各节点的顺序为:C2→A2→C3→B2→C4→C3,进而可将节点C3、B2以及C4依次围成的封闭区域确定为第一目标区域所指示的对象实际所在的部分区域。
紧接着,以节点C4作为新的起点,再次执行上述遍历操作S1062a至S1062d,得到的入点为节点C5,与该入点对应的出点为节点C6,本次遍历操作所记录的各节点的顺序为:C4→C5→B4→C6→C5,进而可将节点C5、B4以及C6依次围成的封闭区域确定为第一目标区域所指示的对象实际所在的部分区域。
再接着,以节点C6作为新的起点,再次执行上述遍历操作S1062a至S1062d,得到的入点为节点C7,与该入点对应的出点为节点C10,本次遍历操作所记录的各节点的顺序为:C6→A3→C7→B5→C10→C9→B3→C8→C7,进而可将节点C7、B5、C10、C9、B3以及C8依次围成的封闭区域确定为第一目标区域所指示的对象实际所在的部分区域。
再接着,以节点C10作为新的起点,重复执行上述遍历操作S1062a至S1062d,由于查找到的下一个节点为节点A1,该节点点与初始的起点相同,因而停止上述遍历操作。
通过上述实施方式,通过查询双向链表的方式对各交点进行遍历并记录记录各交点被遍历到的顺序,进一步基于各交点的记录顺序及位置信息,不仅可以准确得到两个目标区域之间的重合区域,且相较于前一种实施方式,实现简单、工作量更小、效率更高。
本申请实施例采用的上述至少一个技术方案中,通过各个目标区域的顶点的位置信息,确定两个目标区域各自的边界之间交点的位置信息,进一步根据交点的位置信息和两个目标区域之间的逻辑关系,对待处理图像进行分割处理,可以在两个目标区域之间相互重叠覆盖时,确保两个目标区域之间的重合区域的数据一致,进而可以准确分割出待处理图像中的各对象,相较于现有技术中通过人工框选对象的方式,准确率和效率更高。
实施例2
请参考图6,图6是根据本申请另一实施例的一种图像分割方法的流程图。本实施例在实施例1的基础上做了进一步改进,具体改进之处为:对实施例1中分割得到的第一目标区域和第二目标区域进行标注。本实施例中的图像分割方法的流程图如图6所示。
具体来说,在本实施例中,包括步骤S602至S608,其中,步骤S602与实施例1中的步骤S102大致相同,步骤S604与实施例1中的步骤S104大致相同,步骤S606与实施例1中的步骤S106大致相同,此处不再赘述,下面主要介绍不同之处,未在本实施例中详尽描述的技术细节,可参考实施例1所提供的图像分割方法,此处不再赘述。
S602,获取待处理图像中的两个目标区域之间的逻辑关系以及各自的顶点的位置信息。
其中,所述两个目标区域至少部分重合。两个目标区域为分别对待处理图像中两个不同的对象所在区域的轮廓线进行多边形近似处理得到。
S604,基于两个目标区域各自的顶点的位置信息,确定两个目标区域各自的边界之间的交点的位置信息。
S606,基于两个目标区域各自的边界之间交点的位置信息和两个目标区域之间逻辑关系,从待处理图像中分割出两个不同的对象。
S608,基于两个目标区域各自指示的对象,分别对修正后的基准目标区域及另一目标区域各自包含的像素点进行标注。
具体来说,可以采用不同的颜色或者不同的填充图案对不同目标区域包含的各个像素点进行标注。更为具体的,属于同一目标区域的像素点可以采用同一颜色或同一填充图案进行标注。
例如,以图4所示的分割结果为例,可采用白色对第一目标区域包含的所有像素点进行标注,而采用黑色对第二目标区域包含的所有像素点进行标注。
通过本实施例提供的图像分割方法,通过基于各个目标区域各自指示的对象对修正后的各个目标区域包含的像素点进行标注,可以对待处理图像中不同的对象进行准确区分,尤其是在两个目标区域之间相互重叠覆盖的情况下,能够保证各个目标区域的重合区域的数据完全一致,进而能够得到各个对象在计算机视觉深度训练中的准确且明确的含义,提高后续计算机视觉深度训练的准确率。
需要说明的是,本申请实施例提供的图像分割方法的执行主体可以是一种图像分割装置,该图像分割装置可以运行于电子设备中。在具体应用中,该电子设备可以为计算机、个人电脑(Personal Computer,PC)、手机等,该图像分割装置可以为用于图像处理的客户端软件,例如符合W3C(World Wide Web Consortium,万维网联盟)标准的浏览器。
本申请实施例提供的图像分割方法可应用多种场景,例如路面元素识别场景、环境图像中前景和背景识别等等,本申请实施例对图像分割方法的应用场景不做具体限定。
实施例3
请参见图7,本申请实施例还提供了一种路面元素识别方法,用于精确地识别道路图像中包含的路面元素。
在对道路图像中包含的路面元素进行识别时,通常需要先对道路图像中分割出包含路面元素的图像区域,进一步对分割出的图像区域进行识别以确定图像区域所指示的路面元素。
现有技术中,对道路图像的分割通常采用人工框选路面元素所在图像区域的方式。然而,由于该方式无法准确定位各路面元素的轮廓点,尤其是在道路图像中包含多个路面元素且这些路面元素之间相互重叠覆盖时,比如道路路面与其上行驶的车辆相互重叠,致使框选出的路面元素所在的图像区域与其真实的图像区域之间存在误差,从而影响后续对路面元素的识别结果的准确率。
鉴于上述问题,本申请实施例提供了一种路面元素识别方法。如图7所示,该方法包括以下步骤:
S702,获取待识别的道路图像中的目标区域。
其中,目标区域可以是通过本申请上述任一实施例提供的图像分割方法对道路图像进行分割得到的。
S704,对目标区域进行特征提取,得到目标区域的特征信息。
其中,目标区域的特征信息可以例如包括但不限于位置信息、形状信息等。
S706,基于目标区域的特征信息对道路图像进行分析,以识别出道路图像中的路面元素。
其中,路面元素可以例如包括但不限于:道路、道路的车道线、道路上行驶的车辆及行人、交通灯、道路旁的护栏、绿化带等。
可选地,可将目标区域的特征信息与预先设置的各种路面元素的特征信息进行比对,基于比对结果,确定目标区域所指示的路面元素。
可选地,也可以将目标区域的特征信息输入到预先训练的识别模型中,以得到目标区域所指示的路面元素。其中,识别模型可以是以大量样本图像区域的特征信息作为输入、以样本图像区域所指示的路面元素作为标签,通过机器学习算法进行训练得到。
当然,基于目标区域的特征信息对道路图像进行识别的具体实现方法还可以采用本领域的其他识别方法,本申请实施例对此不做限定。
通过本申请实施例提供的路面元素识别方法,由于道路图像中指示路面元素的目标区域是通过本申请上述任一实施例提供的图像分割方法得到的,因而分割出的目标区域更准确,尤其是在道路图像中存在多个路面元素且这些路面元素所在的图像区域相互重叠覆盖时,进而在基于分割得到的目标区域的特征信息进行路面元素识别时,可以得到准确的识别结果。
需要的是,本申请实施例提供的路面元素识别方法的执行主体可以是一种路面元素识别装置,该路面元素识别装置可以运行于电子设备中。在具体应用中,该电子设备可以为计算机、个人电脑(Personal Computer,PC)、手机等,该路面元素识别装置可以为用于图像处理的客户端软件,例如符合W3C标准的浏览器。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
实施例4
请参考图8,本申请实施例还提供了一种图像分割装置,如图8所示,该装置800具体包括:第一获取模块810、第一确定模块820以及图像分割模块830。
其中,第一获取模块810,用于获取待处理图像中的两个目标区域之间的逻辑关系以及各自的顶点的位置信息,其中,所述两个目标区域至少部分重合,所述两个目标区域为分别对所述待处理图像中两个不同的对象所在区域的轮廓线进行多边形近似处理得到。
第一确定模块820,用于基于所述两个目标区域各自的顶点的位置信息,确定所述两个目标区域各自的边界之间的交点的位置信息。
图像分割模块830,用于基于所述交点的位置信息和所述逻辑关系,从所述待处理图像中分割出所述两个不同的对象。
可选地,所述交点的位置信息包括所述交点分别在各个所述目标区域的边界中的位置信息;
所述图像分割模块830具体用于:
基于所述逻辑关系,从所述两个目标区域中确定基准目标区域;
以所述基准目标区域的任一顶点作为起点,重复执行遍历操作,直到遍历到的最后一个点与该顶点相同,以获取并记录入点、与所述入点对应的出点以及位于所述入点与所述出点之间的点;
基于所述入点、与所述入点对应的出点以及位于所述入点与所述出点之间的点各自的位置信息及记录顺序,从所述待处理图像中分割出所述两个不同的对象;
其中,所述遍历操作包括:
沿所述基准目标区域的边界,查找并记录在指定方向上位于当前的起点之后的点,直到查找到的点为交点,并将该交点作为入点;
沿所述两个目标区域中除所述基准目标区域以外的另一目标区域的边界,查找并记录在所述指定方向上位于所述入点之后的点,直到查找到的点为交点;
若查找的交点与所述入点不同,则重复执行上述沿所述基准目标区域的边界,查找并记录在指定方向上位于当前的起点之后的点至沿所述两个目标区域中除所述基准目标区域以外的另一目标区域的边界,查找并记录在所述指定方向上位于所述入点之后的点的步骤,直到查找到的点与所述入点相同;
将上一次查找到的交点作为与所述入点对应的出点,并将所述出点作为新的起点。
可选地,所述两个目标区域包括第一目标区域和第二目标区域;
所述图像分割模块830基于以下方式确定从所述两个目标区域中确定基准目标区域:
在所述逻辑关系指示所述第一目标区域覆盖所述第二目标区域的情况下,将所述第一目标区域确定为基准目标区域;
在所述逻辑关系指示所述第二目标区域覆盖所述第一目标区域的情况下,将所述第二目标区域确定为基准目标区域。
可选地,所述交点的位置信息还包括所述交点与各个所述目标区域的顶点之间的相对位置信息;
在所述图像分割模块830在以所述基准目标区域的任一顶点作为起点,重复执行遍历操作之前,所述装置800还包括:
建立模块,用于基于所述交点与各个所述目标区域的顶点之间的相对位置信息,建立各个所述目标区域对应的双向链表,其中,所述双向链表中的节点用于标识所述交点或所述目标区域的顶点;
所述图像分割模块830具体用于:
以所述基准目标区域对应的双向链表中任一节点作为初始的起点,重复执行遍历操作,直到遍历到的最后一个节点与所述初始的起点相同;
所述遍历操作包括:
沿所述基准目标区域对应的双向链表的流向,查找并记录位于当前的起点之后的节点,直到查找到的节点同时存在于所述两个目标区域各自对应的双向链表中,并将该节点作为入点;
沿另一目标区域对应的双向链表的流向,查找并记录位于所述入点之后的节点,直到查找到的节点同时存在于所述两个目标区域各自对应的双向链表中;
沿所述基准目标区域对应的双向链表的流向,查找并记录位于该节点之前的节点,直到查找到的节点同时存在于所述两个目标区域各自对应的双向链表中;
若查找到的节点与所述入点不同,则重复执行上述沿另一目标区域对应的双向链表的流向,查找并记录位于所述入点之后的节点至所述沿所述基准目标区域对应的双向链表的流向,查找并记录位于该节点之前的节点的步骤,直到查找到的节点与所述入点相同;
将上一次查找到的、同时存在于所述两个目标区域各自对应的双向链表中的节点作为与所述入点对应的出点,并将所述出点作为新的起点。
可选地,所述图像分割模块830基于以下方式从所述待处理图像中分割出所述两个不同的对象:
基于所述入点、与所述入点对应的出点以及位于所述入点与所述出点之间的点各自的记录顺序,对所述基准目标区域进行修正;
基于所述入点、与所述入点对应的出点以及位于所述入点与所述出点之间的点各自的位置信息,从所述待处理图像中分割出修正后的基准目标区域及另一目标区域,以得到所述两个不同的对象。
可选地,所述装置800还包括:
标注模块,用于在所述图像分割模块830从所述待处理图像中分割出修正后的基准目标区域及另一目标区域之后,基于所述两个目标区域各自指示的对象,分别对所述修正后的基准目标区域及另一目标区域各自包含的像素点进行标注。
通过本申请实施例提供的图像分割装置,通过各个目标区域的顶点的位置信息,确定两个目标区域各自的边界之间交点的位置信息,进一步根据交点的位置信息和两个目标区域之间的逻辑关系,对待处理图像进行分割处理,可以在两个目标区域之间相互重叠覆盖时,确保两个目标区域之间的重合区域的数据一致,进而可以准确分割出待处理图像中的各对象,相较于现有技术中通过人工框选对象的方式,准确率和效率更高。
实施例5
请参考图9,本申请实施例还提供了一种路面元素识别装置,如图9所示,该装置900具体包括:第二获取模块910、第三获取模块920以及识别模块930。
第二获取模块910,用于获取待识别的道路图像中的目标区域,其中,所述目标区域为基于本申请上述任一实施例提供的图像分割方法对所述道路图像进行分割得到。
第三获取模块920,用于对所述目标区域进行特征提取,得到所述目标区域的特征信息。
识别模块930,用于基于所述目标区域的特征信息对所述道路图像进行分析,以识别出所述道路图像中的路面元素。
通过本申请实施例提供的路面元素识别装置,由于道路图像中指示路面元素的目标区域是通过本申请上述任一实施例提供的图像分割方法得到的,因而分割出的目标区域更准确,尤其是在道路图像中存在多个路面元素且这些路面元素所在的图像区域相互重叠覆盖时,进而在基于分割得到的目标区域的特征信息进行路面元素识别时,可以得到准确的识别结果。
实施例6
图10是本申请的一个实施例电子设备的结构示意图。请参考图10,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成图像分割装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取待处理图像中的两个目标区域之间的逻辑关系以及各自的顶点的位置信息,其中,所述两个目标区域至少部分重合,所述两个目标区域为分别对所述待处理图像中两个不同的对象所在区域的轮廓线进行多边形近似处理得到;
基于所述两个目标区域各自的顶点的位置信息,确定所述第一目标区域的边界与所述第二目标区域的边界之间的交点的位置信息;
基于所述交点的位置信息和所述逻辑关系,从所述待处理图像中分割出所述两个不同的对象。
上述如本申请图1所示实施例揭示的图像分割装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1的方法,并实现图像分割装置在图1所示实施例的功能,本申请实施例在此不再赘述。
当然,除了软件实现方式之外,本申请的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图1所示实施例的方法,并具体用于执行以下操作:
获取待处理图像中的两个目标区域之间的逻辑关系以及各自的顶点的位置信息,其中,所述两个目标区域至少部分重合,所述两个目标区域为分别对所述待处理图像中两个不同的对象所在区域的轮廓线进行多边形近似处理得到;
基于所述两个目标区域各自的顶点的位置信息,确定所述第一目标区域的边界与所述第二目标区域的边界之间的交点的位置信息;
基于所述交点的位置信息和所述逻辑关系,从所述待处理图像中分割出所述两个不同的对象。
实施例7
图11是本申请的一个实施例电子设备的结构示意图。请参考图11,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图11中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成路面元素识别装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取待识别的道路图像中的目标区域,其中,所述目标区域为本申请上述任一实施例提供的图像分割方法对所述道路图像进行分割得到;
对所述目标区域进行特征提取,得到所述目标区域的特征信息;
基于所述目标区域的特征信息对所述道路图像进行分析,以识别出所述道路图像中的路面元素。
上述如本申请图7所示实施例揭示的路面元素识别装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图7的方法,并实现路面元素识别装置在图7所示实施例的功能,本申请实施例在此不再赘述。
当然,除了软件实现方式之外,本申请的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图7所示实施例的方法,并具体用于执行以下操作:
获取待识别的道路图像中的目标区域,其中,所述目标区域为本申请上述任一实施例提供的图像分割方法对所述道路图像进行分割得到;
对所述目标区域进行特征提取,得到所述目标区域的特征信息;
基于所述目标区域的特征信息对所述道路图像进行分析,以识别出所述道路图像中的路面元素。
总之,以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (8)
1.一种图像分割方法,其特征在于,包括:
获取待处理图像中的两个目标区域之间的逻辑关系以及各自的顶点的位置信息,其中,所述两个目标区域至少部分重合,所述两个目标区域为分别对所述待处理图像中两个不同的对象所在区域的轮廓线进行多边形近似处理得到;
基于所述两个目标区域各自的顶点的位置信息,确定所述两个目标区域各自的边界之间的交点的位置信息,所述交点的位置信息包括所述交点分别在各个所述目标区域的边界中的位置信息;
基于所述逻辑关系,从所述两个目标区域中确定基准目标区域;
以所述基准目标区域的任一顶点作为起点,重复执行遍历操作,直到遍历到的最后一个点与该顶点相同,以获取并记录入点、与所述入点对应的出点以及位于所述入点与所述出点之间的点;
基于所述入点、与所述入点对应的出点以及位于所述入点与所述出点之间的点各自的位置信息及记录顺序,从所述待处理图像中分割出所述两个不同的对象;
其中,所述遍历操作包括:
沿所述基准目标区域的边界,查找并记录在指定方向上位于当前的起点之后的点,直到查找到的点为交点,并将该交点作为入点;
沿所述两个目标区域中除所述基准目标区域以外的另一目标区域的边界,查找并记录在所述指定方向上位于所述入点之后的点,直到查找到的点为交点;
若查找的交点与所述入点不同,则重复执行上述沿所述基准目标区域的边界,查找并记录在指定方向上位于当前的起点之后的点至沿所述两个目标区域中除所述基准目标区域以外的另一目标区域的边界,查找并记录在所述指定方向上位于所述入点之后的点的步骤,直到查找到的点与所述入点相同;
将上一次查找到的交点作为与所述入点对应的出点,并将所述出点作为新的起点。
2.根据权利要求1所述的方法,其特征在于,所述两个目标区域包括第一目标区域和第二目标区域;
基于所述逻辑关系,从所述两个目标区域中确定基准目标区域,包括:
在所述逻辑关系指示所述第一目标区域覆盖所述第二目标区域的情况下,将所述第一目标区域确定为基准目标区域;
在所述逻辑关系指示所述第二目标区域覆盖所述第一目标区域的情况下,将所述第二目标区域确定为基准目标区域。
3.根据权利要求1所述的方法,其特征在于,所述交点的位置信息还包括所述交点与各个所述目标区域的顶点之间的相对位置信息;
在以所述基准目标区域的任一顶点作为起点,重复执行遍历操作之前,所述方法还包括:
基于所述交点与各个所述目标区域的顶点之间的相对位置信息,建立各个所述目标区域对应的双向链表,其中,所述双向链表中的节点用于标识所述交点或所述目标区域的顶点;
以所述基准目标区域的任一顶点作为起点,重复执行遍历操作,直到遍历到的最后一个点与该顶点相同,包括:
以所述基准目标区域对应的双向链表中任一节点作为初始的起点,重复执行遍历操作,直到遍历到的最后一个节点与所述初始的起点相同;
所述遍历操作包括:
沿所述基准目标区域对应的双向链表的流向,查找并记录位于当前的起点之后的节点,直到查找到的节点同时存在于所述两个目标区域各自对应的双向链表中,并将该节点作为入点;
沿另一目标区域对应的双向链表的流向,查找并记录位于所述入点之后的节点,直到查找到的节点同时存在于所述两个目标区域各自对应的双向链表中;
沿所述基准目标区域对应的双向链表的流向,查找并记录位于该节点之前的节点,直到查找到的节点同时存在于所述两个目标区域各自对应的双向链表中;
若查找到的节点与所述入点不同,则重复执行上述沿另一目标区域对应的双向链表的流向,查找并记录位于所述入点之后的节点至所述沿所述基准目标区域对应的双向链表的流向,查找并记录位于该节点之前的节点的步骤,直到查找到的节点与所述入点相同;
将上一次查找到的、同时存在于所述两个目标区域各自对应的双向链表中的节点作为与所述入点对应的出点,并将所述出点作为新的起点。
4.根据权利要求1所述的方法,其特征在于,基于所述入点、与所述入点对应的出点以及位于所述入点与所述出点之间的点各自的位置信息及记录顺序,从所述待处理图像中分割出所述两个不同的对象,包括:
基于所述入点、与所述入点对应的出点以及位于所述入点与所述出点之间的点各自的记录顺序,对所述基准目标区域进行修正;
基于所述入点、与所述入点对应的出点以及位于所述入点与所述出点之间的点各自的位置信息,从所述待处理图像中分割出修正后的基准目标区域及另一目标区域,以得到所述两个不同的对象。
5.根据权利要求4中所述的方法,其特征在于,在从所述待处理图像中分割出修正后的基准目标区域及另一目标区域之后,所述方法还包括:
基于所述两个目标区域各自指示的对象,分别对所述修正后的基准目标区域及另一目标区域各自包含的像素点进行标注。
6.一种图像分割装置,其特征在于,包括:
第一获取模块,用于获取待处理图像中的两个目标区域之间的逻辑关系以及各自的顶点的位置信息,其中,所述两个目标区域至少部分重合,所述两个目标区域为分别对所述待处理图像中两个不同的对象所在区域的轮廓线进行多边形近似处理得到;
第一确定模块,用于基于所述两个目标区域各自的顶点的位置信息,确定所述两个目标区域各自的边界之间的交点的位置信息,所述交点的位置信息包括所述交点分别在各个所述目标区域的边界中的位置信息;
图像分割模块,用于基于所述逻辑关系,从所述两个目标区域中确定基准目标区域;以所述基准目标区域的任一顶点作为起点,重复执行遍历操作,直到遍历到的最后一个点与该顶点相同,以获取并记录入点、与所述入点对应的出点以及位于所述入点与所述出点之间的点;基于所述入点、与所述入点对应的出点以及位于所述入点与所述出点之间的点各自的位置信息及记录顺序,从所述待处理图像中分割出所述两个不同的对象;
其中,所述遍历操作包括:沿所述基准目标区域的边界,查找并记录在指定方向上位于当前的起点之后的点,直到查找到的点为交点,并将该交点作为入点;沿所述两个目标区域中除所述基准目标区域以外的另一目标区域的边界,查找并记录在所述指定方向上位于所述入点之后的点,直到查找到的点为交点;沿所述基准目标区域的边界,查找并记录在所述指定方向上位于所述起点之后的点,直到查找到的点为交点;若查找到的交点与所述入点不同,则重复执行上述沿所述两个目标区域中除所述基准目标区域以外的另一目标区域的边界,查找并记录在所述指定方向上位于该入点之后的点至沿所述基准目标区域的边界,查找并记录在所述指定方向上位于所述起点之后的点的步骤,直到查找到的点与所述入点相同;将上一次查找到的交点作为与所述入点对应的出点,并将所述出点作为新的起点。
7.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现权利要求1至5中任一项所述的方法。
8.一种计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011242449.0A CN112101369B (zh) | 2020-11-09 | 2020-11-09 | 图像分割方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011242449.0A CN112101369B (zh) | 2020-11-09 | 2020-11-09 | 图像分割方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112101369A CN112101369A (zh) | 2020-12-18 |
CN112101369B true CN112101369B (zh) | 2021-02-05 |
Family
ID=73785109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011242449.0A Active CN112101369B (zh) | 2020-11-09 | 2020-11-09 | 图像分割方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112101369B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866930B (zh) * | 2019-11-18 | 2022-04-12 | 北京云聚智慧科技有限公司 | 语义分割辅助标注方法与装置 |
CN111199551A (zh) * | 2020-01-06 | 2020-05-26 | 北京农业信息技术研究中心 | 一种鱼类重叠图像的目标分割方法及*** |
CN111738271B (zh) * | 2020-03-04 | 2023-05-02 | 沈阳工业大学 | 自然环境中被遮挡果实的识别方法 |
-
2020
- 2020-11-09 CN CN202011242449.0A patent/CN112101369B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112101369A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11455805B2 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
CN110866930B (zh) | 语义分割辅助标注方法与装置 | |
CN110599453A (zh) | 一种基于图像融合的面板缺陷检测方法、装置及设备终端 | |
CN110910334B (zh) | 一种实例分割方法、图像处理设备及计算机可读存储介质 | |
CN114440903A (zh) | 一种高精地图构建方法、装置、存储介质及电子设备 | |
CN113345015A (zh) | 一种包裹位置检测方法、装置、设备及可读存储介质 | |
CN111914845A (zh) | 一种车牌中字符分层方法、装置及电子设备 | |
CN114626437A (zh) | 一种模型训练方法、装置、存储介质及电子设备 | |
CN112101369B (zh) | 图像分割方法和装置 | |
CN110874170A (zh) | 一种图像区域修正方法、图像分割方法及装置 | |
CN113008249A (zh) | 移动机器人的避让点检测方法、避让方法以及移动机器人 | |
CN112533060A (zh) | 一种视频处理方法及装置 | |
CN112434585A (zh) | 一种车道线的虚实识别方法、***、电子设备及存储介质 | |
CN112270319A (zh) | 一种事件标注方法、装置及电子设备 | |
CN117197796A (zh) | 一种车辆遮挡识别方法及相关装置 | |
CN110930520A (zh) | 一种语义分割标注方法、装置及设备 | |
CN111783180B (zh) | 图纸拆分方法及相关装置 | |
US20230118401A1 (en) | Graph-based video instance segmentation | |
CN114964210A (zh) | 地图绘制方法、装置、计算机设备及存储介质 | |
CN112184742B (zh) | 图形共边检测方法、装置、设备及计算机可读介质 | |
CN115115705A (zh) | 点云的标注方法及装置、车辆 | |
CN114936610A (zh) | 电子围栏拆分方法及装置 | |
CN114219812A (zh) | 标号避让方法、装置、电子设备及存储介质 | |
CN112949358A (zh) | 道路描述文件生成方法及设备 | |
CN113706552A (zh) | 一种激光反射率底图语义分割标注数据的生成方法及装置 |
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 |