CN112149592A - 图像处理方法、装置以及计算机设备 - Google Patents
图像处理方法、装置以及计算机设备 Download PDFInfo
- Publication number
- CN112149592A CN112149592A CN202011045250.9A CN202011045250A CN112149592A CN 112149592 A CN112149592 A CN 112149592A CN 202011045250 A CN202011045250 A CN 202011045250A CN 112149592 A CN112149592 A CN 112149592A
- Authority
- CN
- China
- Prior art keywords
- region
- image
- processed
- human body
- background
- 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 30
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000001514 detection method Methods 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 14
- 239000002131 composite material Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication 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
- 230000001788 irregular Effects 0.000 description 3
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种图像处理方法、装置以及计算机设备,涉及图像技术领域,缓解了抠像处理结果精细程度较低的技术问题。该方法包括:对待处理图像进行分割得到初始前景区域,通过人体姿态估计算法对初始前景区域中的目标人体进行检测得到人体关键区域;基于距离人体关键区域之间的像素距离值,对待处理图像进行划分,得到像素距离值在第一预设距离阈值内的第一区域以及像素距离值在第二预设距离阈值内的第二区域;将第二区域和初始前景区域形成的总体区域中除第一区域以外的区域确定为未知区域,将第一区域确定为最终前景区域;基于最终前景区域和未知区域,对待处理图像进行抠像处理,得到抠像处理结果。
Description
技术领域
本申请涉及图像技术领域,尤其是涉及一种图像处理方法、装置以及计算机设备。
背景技术
目前,短视频的应用越来越多,为视频换背景是常见的视频编辑需求,例如,用户拍了一段视频后,背景换上指定的某些宣传海报,在视频传播的同时也进行了宣传。再例如,用户在小区里拍的短视频,可以换上大海或高山的背景,能够增加视频的趣味性。
在对视频、画面等图像更换背景之前,需要对图像中的目标人物进行抠像,以将抠像出的目标人物图像应用至需要更换成的背景。
但是,人物图像中的发丝、服装等区域的图像较为细微复杂,很容易影响抠像处理的抠图效果,导致抠像处理结果的精细程度较低,进而会影响背景更换后的图像质量。
发明内容
本发明的目的在于提供一种图像处理方法、装置以及计算机设备,以缓解目前抠像处理结果的精细程度较低的技术问题。
第一方面,本申请实施例提供了一种图像处理方法,所述方法包括:
获取待处理图像,对所述待处理图像进行分割,得到初始前景区域,并通过人体姿态估计算法对所述初始前景区域中的目标人体进行检测,得到人体关键区域;
基于距离所述人体关键区域之间的像素距离值,对所述待处理图像进行划分,得到所述像素距离值在第一预设距离阈值内的第一区域以及所述像素距离值在第二预设距离阈值内的第二区域,其中,所述第一预设距离阈值小于所述第二预设距离阈值;
将所述第二区域和所述初始前景区域形成的总体区域中除所述第一区域以外的区域确定为未知区域,将所述第一区域确定为最终前景区域;
基于所述最终前景区域和所述未知区域,对所述待处理图像进行抠像处理,得到抠像处理结果。
在一个可能的实现中,所述待处理图像包含多帧的待处理画面;所述得到抠像处理结果的步骤之后,还包括:
针对每帧所述待处理画面对应的所述抠像处理结果,将所述抠像处理结果和当前帧对应时刻在预设背景视频中的背景画面进行融合,得到合成画面;
基于多帧的所述合成画面得到合成视频。
在一个可能的实现中,所述待处理图像包含多帧的待处理画面;所述对所述待处理图像进行分割,得到初始前景区域的步骤,包括:
基于所述待处理图像中的多帧所述待处理画面进行背景学习,得到背景模型;
利用所述背景模型对所述待处理图像中的每帧所述待处理画面进行背景检测,根据背景检测结果将所述待处理图像分割为初始前景区域和初始背景区域。
在一个可能的实现中,对所述待处理画面进行背景检测的方法包括下述任意一项或多项:
差分检测法、码书法、贝叶斯背景建模法。
在一个可能的实现中,所述基于所述最终前景区域和所述未知区域,对所述待处理图像进行抠像处理,得到抠像处理结果的步骤,包括:
将所述待处理图像中所述未知区域和所述最终前景区域以外的区域确定为背景区域;
基于所述最终前景区域、所述未知区域和所述背景区域,得到所述待处理画面的Trimap估计结果;
基于所述Trimap估计结果对所述待处理图像中的每帧待处理画面进行抠像处理,得到抠像处理结果。
在一个可能的实现中,所述人体关键区域包括:人体的关键点以及多个所述关键点之间的连接处。
在一个可能的实现中,所述第一预设距离阈值和所述第二预设距离阈值是根据不同的所述目标人体对应的人体关键区域所确定。
第二方面,提供了一种图像处理装置,包括:
检测模块,用于获取待处理图像,对所述待处理图像进行分割,得到初始前景区域,并通过人体姿态估计算法对所述初始前景区域中的目标人体进行检测,得到人体关键区域;
划分模块,用于基于距离所述人体关键区域之间的像素距离值,对所述待处理图像进行划分,得到所述像素距离值在第一预设距离阈值内的第一区域以及所述像素距离值在第二预设距离阈值内的第二区域,其中,所述第一预设距离阈值小于所述第二预设距离阈值;
确定模块,用于将所述第二区域和所述初始前景区域形成的总体区域中除所述第一区域以外的区域确定为未知区域,将所述第一区域确定为最终前景区域;
处理模块,用于基于所述最终前景区域和所述未知区域,对所述待处理图像进行抠像处理,得到抠像处理结果。
第三方面,本申请实施例又提供了一种计算机设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的第一方面所述方法。
第四方面,本申请实施例又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计算机可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行上述的第一方面所述方法。
本申请实施例带来了以下有益效果:
本申请实施例提供的一种图像处理方法、装置以及计算机设备,能够对获取到的待处理图像进行分割从而得到初始前景区域,并通过人体姿态估计算法对初始前景区域中的目标人体进行检测从而得到人体关键区域,然后,再基于距离人体关键区域之间的像素距离值,对待处理图像进行划分从而得到像素距离值在第一预设距离阈值内的第一区域以及像素距离值在第二预设距离阈值内的第二区域,其中的第一预设距离阈值小于第二预设距离阈值,之后,将第二区域和初始前景区域形成的总体区域中除第一区域以外的区域确定为未知区域,再将第一区域确定为最终前景区域,然后基于最终前景区域和未知区域,对待处理图像进行抠像处理从而得到抠像处理结果,本方案中,通过人体姿态估计算法检测出人体关键区域,再基于距离人体关键区域之间的像素距离值划分出距离人体关键区域远近不同的两种区域,进而将第二区域和初始前景区域形成的总体区域中除第一区域以外的区域作为未知区域,再将第一区域确定为最终前景区域,使未知区域和前景区域的确定结果更加精确,从而使基于各个精细区域的抠像处理结果更加精细,缓解了抠像处理结果的精细程度较低的技术问题。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本申请的一些实施方式,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,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的图像处理方法的流程示意图;
图2为本申请实施例提供的图像处理方法中,初始前景区域和初始背景区域的一个示例;
图3为本申请实施例提供的图像处理方法中,人体姿态估算结果的一个示例;
图4为本申请实施例提供的图像处理方法中,区域划分过程的一个示例;
图5为本申请实施例提供的图像处理方法中,待处理图像的一个示例;
图6为本申请实施例提供的图像处理方法中,区域划分结果的一个示例;
图7为本申请实施例提供的图像处理方法中,抠像处理结果的一个示例;
图8为本申请实施例提供的一种图像处理装置的结构示意图;
图9示出了本申请实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
本申请实施例中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,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单元。
目前,视频是由一帧帧画面组成的,对于有人物的视频,其发丝、服装等区域的手工抠图换背景工作量巨大,需要自动、高质量换背景的方法。而且,也很容易影响抠像处理的抠图效果,导致抠像处理结果的精细程度较低,进而会影响背景更换后的图像质量。
基于此,本申请实施例提供了一种图像处理方法、装置以及计算机设备,通过该方法可以缓解目前抠像处理结果的精细程度较低的技术问题。
下面结合附图对本发明实施例进行进一步地介绍。
图1为本申请实施例提供的一种图像处理方法的流程示意图。如图1所示,该方法包括:
步骤S110,获取待处理图像,对待处理图像进行分割,得到初始前景区域,并通过人体姿态估计算法对初始前景区域中的目标人体进行检测,得到人体关键区域。
本步骤中,对待处理图像进行分割后能够得到初始前景区域和初始背景区域,例如,如图2所示,初始前景区域为S1,初始背景区域为S2。当然,实际的区域形状可以是无规则形状,不局限于本申请实施例提供的图中形状。
对于通过人体姿态估计算法对初始前景区域中的目标人体进行检测的过程,示例性的,如图3所示,将视频中的人物画面作为前景,可以采用OpenPose、PoseNet等人物姿态估计方法检测出人物姿态,即体现人体姿态的人体关键区域。
其中,人体关键区域包括:人体的关键点以及多个所述关键点之间的连接处。通过姿态估计能够检测出人物的关键点及其连接。
步骤S120,基于距离人体关键区域之间的像素距离值,对待处理图像进行划分,得到像素距离值在第一预设距离阈值内的第一区域以及像素距离值在第二预设距离阈值内的第二区域。
其中,第一预设距离阈值小于第二预设距离阈值。
需要说明的是,第一预设距离阈值和第二预设距离阈值可以是根据不同的目标人体对应的人体关键区域所确定。示例性的,第一预设距离阈值和第二预设距离阈值的选取和初始前景区域的大小有关。例如,如果画面上有多个人物,可以对每个人物实体的关键点及其连接分别采用不同的第一预设距离阈值和第二预设距离阈值。
本步骤中,可以将检测出的关键点及其连接线作为目标区域,对图像进行距离变换。例如,记Pd为与目标区域距离低于d像素的图像区域,取一个阈值比较小的d值d1和阈值比较大的d2值,由此得到图4中Pd1和Pd2两个区域。
步骤S130,将第二区域和初始前景区域形成的总体区域中除第一区域以外的区域确定为未知区域,将第一区域确定为最终前景区域。
示例性的,如图4所示,图像中非Pd1的区域记为Bd1,非Pd2的区域记为Bd2。假设Pd1为Trimap的前景部分,Pd2∪S1–Pd1的区域记为未知区域。其他区域为背景区域。由此可见,对图像进行了3组划分。
当然,本申请实施例是为了解释清楚区域的划分,将各区域简化成矩形,实际的区域形状可以是无规则形状,不局限于图4中提供的区域形状。
在实际应用中,很多种情况会形成各种无规则形状的区域。例如,将图5中给定的图像进行前景区域、背景区域和未知区域的划分,图6中的白色区域表示前景区域,黑色区域表示背景区域,灰色区域表示待求的未知区域。
步骤S140,基于最终前景区域和未知区域,对待处理图像进行抠像处理,得到抠像处理结果。
本步骤中,可以采用但不限于图割、DeepMatting等方法,来抠出精细的前景图像。如图7所示,通过上述步骤可以将图5图像中的人物部分精确的抠取出。
通过人体姿态估计算法检测出人体关键区域,再基于距离人体关键区域之间的像素距离值划分出距离人体关键区域远近不同的两种区域,进而将第二区域和初始前景区域形成的总体区域中除第一区域以外的区域作为未知区域,再将第一区域确定为最终前景区域,使未知区域和前景区域的确定结果更加精确,从而使基于各个精细区域的抠像处理结果更加精细,缓解了抠像处理结果的精细程度较低的技术问题。
下面对上述步骤进行详细介绍。
在一些实施例中,待处理图像包含多帧的待处理画面;在步骤S140之后,该方法还可以包括以下步骤:
步骤a),针对每帧待处理画面对应的抠像处理结果,将抠像处理结果和当前帧对应时刻在预设背景视频中的背景画面进行融合,得到合成画面;
步骤b),基于多帧的合成画面得到合成视频。
本申请实施例中,精确抠像后可以将前景图像和背景视频在该时间点的画面进行Alpha融合,从而得到合成图像。如此一帧帧画面的处理,即得到了更换背景后的视频。
本申请实施例提供的图像处理方法可以作为一种全自动替换人物视频背景的方法,能够提高替换视频背景后的视频质量。
在一些实施例中,待处理图像包含多帧的待处理画面;上述步骤S110中对待处理图像进行分割,得到初始前景区域的过程可以包括如下步骤:
步骤c),基于待处理图像中的多帧待处理画面进行背景学习,得到背景模型;
步骤d),利用背景模型对待处理图像中的每帧待处理画面进行背景检测,根据背景检测结果将待处理图像分割为初始前景区域和初始背景区域。
在采用视频背景检测算法检测视频背景过程中,本申请实施例提供的方法与常见的背景检测方法不同,本申请实施例采用两遍式方法对其进行处理,即先遍历一遍视频的每一帧或者只遍历其中的N帧,学习背景模型,再利用背景模型处理视频的每一帧画面,从而更加精确、高效的将画面分割为前景和背景部分。
在上述步骤d)中,对待处理画面进行背景检测的方法包括下述任意一项或多项:差分检测法、码书法、贝叶斯背景建模法。本申请实施例中,对待处理画面进行背景检测的方法包含但不限于差分检测、码书、贝叶斯背景建模等等方法。
在一些实施例中,上述步骤S140可以包括如下步骤:
步骤e),将待处理图像中未知区域和最终前景区域以外的区域确定为背景区域;
步骤f),基于最终前景区域、未知区域和背景区域,得到待处理画面的Trimap估计结果;
步骤g),基于Trimap估计结果对待处理图像中的每帧待处理画面进行抠像处理,得到抠像处理结果。
需要说明的是,Trimap估计是对给定图像的一种粗略划分,将给定图像划分为前景、背景和待求未知区域,如图6所示,在Trimap图中,白色区域表示前景区域,黑色区域表示背景区域,灰色区域表示待求的未知区域。本申请实施例中,对原始视频的每一幅画面进行Trimap估计,再对原始视频的每一幅画面进行抠像(Matting)处理,抠像处理结果如图7所示。
图8提供了一种图像处理装置的结构示意图。如图8所示,图像处理装置800包括:
检测模块801,用于获取待处理图像,对所述待处理图像进行分割,得到初始前景区域,并通过人体姿态估计算法对所述初始前景区域中的目标人体进行检测,得到人体关键区域;
划分模块802,用于基于距离所述人体关键区域之间的像素距离值,对所述待处理图像进行划分,得到所述像素距离值在第一预设距离阈值内的第一区域以及所述像素距离值在第二预设距离阈值内的第二区域,其中,所述第一预设距离阈值小于所述第二预设距离阈值;
确定模块803,用于将所述第二区域和所述初始前景区域形成的总体区域中除所述第一区域以外的区域确定为未知区域,将所述第一区域确定为最终前景区域;
处理模块804,用于基于所述最终前景区域和所述未知区域,对所述待处理图像进行抠像处理,得到抠像处理结果。
本申请实施例提供的图像处理装置,与上述实施例提供的图像处理方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
如图9所示,本申请实施例提供的一种计算机设备900,包括:处理器901、存储器902和总线,所述存储器902存储有所述处理器901可执行的机器可读指令,当电子设备运行时,所述处理器901与所述存储器902之间通过总线通信,所述处理器901执行所述机器可读指令,以执行如上述图像处理方法的步骤。
具体地,上述存储器902和处理器901能够为通用的存储器和处理器,这里不做具体限定,当处理器901运行存储器902存储的计算机程序时,能够执行上述图像处理方法。
处理器901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901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901可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processing,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称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902,处理器901读取存储器902中的信息,结合其硬件完成上述方法的步骤。
对应于上述图像处理方法,本申请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计算机可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行上述图像处理方法的步骤。
本申请实施例所提供的图像处理装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的***、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,多个单元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通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
再例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元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,本申请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(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述图像处理方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的范围。都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
获取待处理图像,对所述待处理图像进行分割,得到初始前景区域,并通过人体姿态估计算法对所述初始前景区域中的目标人体进行检测,得到人体关键区域;
基于距离所述人体关键区域之间的像素距离值,对所述待处理图像进行划分,得到所述像素距离值在第一预设距离阈值内的第一区域以及所述像素距离值在第二预设距离阈值内的第二区域,其中,所述第一预设距离阈值小于所述第二预设距离阈值;
将所述第二区域和所述初始前景区域形成的总体区域中除所述第一区域以外的区域确定为未知区域,将所述第一区域确定为最终前景区域;
基于所述最终前景区域和所述未知区域,对所述待处理图像进行抠像处理,得到抠像处理结果。
2.根据权利要求1所述的图像处理方法,其特征在于,所述待处理图像包含多帧的待处理画面;所述得到抠像处理结果的步骤之后,还包括:
针对每帧所述待处理画面对应的所述抠像处理结果,将所述抠像处理结果和当前帧对应时刻在预设背景视频中的背景画面进行融合,得到合成画面;
基于多帧的所述合成画面得到合成视频。
3.根据权利要求1所述的图像处理方法,其特征在于,所述待处理图像包含多帧的待处理画面;所述对所述待处理图像进行分割,得到初始前景区域的步骤,包括:
基于所述待处理图像中的多帧所述待处理画面进行背景学习,得到背景模型;
利用所述背景模型对所述待处理图像中的每帧所述待处理画面进行背景检测,根据背景检测结果将所述待处理图像分割为初始前景区域和初始背景区域。
4.根据权利要求3所述的图像处理方法,其特征在于,对所述待处理画面进行背景检测的方法包括下述任意一项或多项:
差分检测法、码书法、贝叶斯背景建模法。
5.根据权利要求1所述的图像处理方法,其特征在于,所述基于所述最终前景区域和所述未知区域,对所述待处理图像进行抠像处理,得到抠像处理结果的步骤,包括:
将所述待处理图像中所述未知区域和所述最终前景区域以外的区域确定为背景区域;
基于所述最终前景区域、所述未知区域和所述背景区域,得到所述待处理画面的Trimap估计结果;
基于所述Trimap估计结果对所述待处理图像中的每帧待处理画面进行抠像处理,得到抠像处理结果。
6.根据权利要求1所述的图像处理方法,其特征在于,所述人体关键区域包括:人体的关键点以及多个所述关键点之间的连接处。
7.根据权利要求1所述的图像处理方法,其特征在于,所述第一预设距离阈值和所述第二预设距离阈值是根据不同的所述目标人体对应的人体关键区域所确定。
8.一种图像处理装置,其特征在于,包括:
检测模块,用于获取待处理图像,对所述待处理图像进行分割,得到初始前景区域,并通过人体姿态估计算法对所述初始前景区域中的目标人体进行检测,得到人体关键区域;
划分模块,用于基于距离所述人体关键区域之间的像素距离值,对所述待处理图像进行划分,得到所述像素距离值在第一预设距离阈值内的第一区域以及所述像素距离值在第二预设距离阈值内的第二区域,其中,所述第一预设距离阈值小于所述第二预设距离阈值;
确定模块,用于将所述第二区域和所述初始前景区域形成的总体区域中除所述第一区域以外的区域确定为未知区域,将所述第一区域确定为最终前景区域;
处理模块,用于基于所述最终前景区域和所述未知区域,对所述待处理图像进行抠像处理,得到抠像处理结果。
9.一种计算机设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
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计算机可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行所述权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011045250.9A CN112149592A (zh) | 2020-09-28 | 2020-09-28 | 图像处理方法、装置以及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011045250.9A CN112149592A (zh) | 2020-09-28 | 2020-09-28 | 图像处理方法、装置以及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112149592A true CN112149592A (zh) | 2020-12-29 |
Family
ID=73895165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011045250.9A Pending CN112149592A (zh) | 2020-09-28 | 2020-09-28 | 图像处理方法、装置以及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149592A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598694A (zh) * | 2020-12-31 | 2021-04-02 | 深圳市即构科技有限公司 | 视频图像处理方法、电子装置及存储介质 |
CN113269031A (zh) * | 2021-04-08 | 2021-08-17 | 天津天地伟业智能安全防范科技有限公司 | 分离图像绿植区域的方法、装置、电子设备及存储介质 |
WO2022213795A1 (zh) * | 2021-04-09 | 2022-10-13 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809666A (zh) * | 2014-12-30 | 2016-07-27 | 联芯科技有限公司 | 图像抠图方法及装置 |
JP2017091298A (ja) * | 2015-11-12 | 2017-05-25 | 日本電信電話株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
CN107452010A (zh) * | 2017-07-31 | 2017-12-08 | 中国科学院长春光学精密机械与物理研究所 | 一种自动抠图算法和装置 |
CN107516319A (zh) * | 2017-09-05 | 2017-12-26 | 中北大学 | 一种高精度简易交互式抠图方法、存储设备及终端 |
CN108961303A (zh) * | 2018-07-23 | 2018-12-07 | 北京旷视科技有限公司 | 一种图像处理方法、装置、电子设备和计算机可读介质 |
CN109448007A (zh) * | 2018-11-02 | 2019-03-08 | 北京迈格威科技有限公司 | 图像处理方法、图像处理装置及存储介质 |
CN109685822A (zh) * | 2019-01-11 | 2019-04-26 | 恒信东方文化股份有限公司 | 一种自动抠图方法 |
CN110335277A (zh) * | 2019-05-07 | 2019-10-15 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
CN112101370A (zh) * | 2020-11-11 | 2020-12-18 | 广州卓腾科技有限公司 | 一种纯色背景图像自动抠像算法、计算机可读存储介质及设备 |
-
2020
- 2020-09-28 CN CN202011045250.9A patent/CN112149592A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809666A (zh) * | 2014-12-30 | 2016-07-27 | 联芯科技有限公司 | 图像抠图方法及装置 |
JP2017091298A (ja) * | 2015-11-12 | 2017-05-25 | 日本電信電話株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
CN107452010A (zh) * | 2017-07-31 | 2017-12-08 | 中国科学院长春光学精密机械与物理研究所 | 一种自动抠图算法和装置 |
CN107516319A (zh) * | 2017-09-05 | 2017-12-26 | 中北大学 | 一种高精度简易交互式抠图方法、存储设备及终端 |
CN108961303A (zh) * | 2018-07-23 | 2018-12-07 | 北京旷视科技有限公司 | 一种图像处理方法、装置、电子设备和计算机可读介质 |
CN109448007A (zh) * | 2018-11-02 | 2019-03-08 | 北京迈格威科技有限公司 | 图像处理方法、图像处理装置及存储介质 |
CN109685822A (zh) * | 2019-01-11 | 2019-04-26 | 恒信东方文化股份有限公司 | 一种自动抠图方法 |
CN110335277A (zh) * | 2019-05-07 | 2019-10-15 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
CN112101370A (zh) * | 2020-11-11 | 2020-12-18 | 广州卓腾科技有限公司 | 一种纯色背景图像自动抠像算法、计算机可读存储介质及设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598694A (zh) * | 2020-12-31 | 2021-04-02 | 深圳市即构科技有限公司 | 视频图像处理方法、电子装置及存储介质 |
CN112598694B (zh) * | 2020-12-31 | 2022-04-08 | 抖动科技(深圳)有限公司 | 视频图像处理方法、电子装置及存储介质 |
CN113269031A (zh) * | 2021-04-08 | 2021-08-17 | 天津天地伟业智能安全防范科技有限公司 | 分离图像绿植区域的方法、装置、电子设备及存储介质 |
WO2022213795A1 (zh) * | 2021-04-09 | 2022-10-13 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112149592A (zh) | 图像处理方法、装置以及计算机设备 | |
US10841555B2 (en) | Image processing apparatus, image processing method, and storage medium | |
CN108171677B (zh) | 一种图像处理方法及相关设备 | |
KR101747216B1 (ko) | 표적 추출 장치와 그 방법 및 상기 방법을 구현하는 프로그램이 기록된 기록 매체 | |
CN109005368B (zh) | 一种高动态范围图像的生成方法、移动终端及存储介质 | |
CN107172354B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
US9235879B2 (en) | Apparatus, system, and method for temporal domain hole filling based on background modeling for view synthesis | |
CN110991310B (zh) | 人像检测方法、装置、电子设备及计算机可读介质 | |
CN108805838B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN107563979B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
CN107256543B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN108830184B (zh) | 黑眼圈识别方法及装置 | |
WO2017135120A1 (en) | Computationally efficient frame rate conversion system | |
CN111783665A (zh) | 一种动作识别方法、装置、存储介质和电子设备 | |
CN112767412B (zh) | 车辆部件级分割方法、装置以及电子设备 | |
CN111767868B (zh) | 人脸检测方法、装置、电子设备及存储介质 | |
CN108810407B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
Dosselmann et al. | A formal assessment of the structural similarity index | |
CN109451318B (zh) | 便于vr视频编码的方法、装置、电子设备及存储介质 | |
CN111627041B (zh) | 多帧数据的处理方法、装置及电子设备 | |
CN113628192A (zh) | 图像模糊检测方法、装置、设备、存储介质及程序产品 | |
JP2018147046A (ja) | 顔検出装置およびその制御方法 | |
CN111160358A (zh) | 一种图像二值化方法、装置、设备、介质 | |
CN112686845B (zh) | 一种图像处理的方法、装置及计算机可读介质 | |
CN114119609B (zh) | 图像污点浓度的检测方法、装置、设备及存储介质 |
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 |