CN113034509A - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN113034509A CN113034509A CN202110216499.XA CN202110216499A CN113034509A CN 113034509 A CN113034509 A CN 113034509A CN 202110216499 A CN202110216499 A CN 202110216499A CN 113034509 A CN113034509 A CN 113034509A
- Authority
- CN
- China
- Prior art keywords
- distance
- color
- image
- reference point
- pixel 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 description 21
- 230000000694 effects Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000001914 filtration Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005286 illumination Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000007373 indentation Methods 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 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
- 230000011218 segmentation Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开关于一种图像处理方法及装置。该图像处理方法包括:获取图像上的颜色参考点;在预设空间中计算图像的每个像素点与颜色参考点之间的颜色距离;基于颜色距离对图像进行抠图。根据本公开的图像处理方法及装置,可实现在移动端实时执行抠图。
Description
技术领域
本公开涉及视频技术领域。更具体地,本公开涉及一种图像处理方法及装置。
背景技术
图像处理技术被广泛应用到各行各业,在影视制作、直播平台、增强现实等众多科技产业中扮演着重要的角色。图像处理通过估计前景图像的alpha透明度将其从绿幕中分离出来,发展到今天已经产生了许多不同的技术。然而,目前大部分抠图技术都涉及复杂计算,计算量非常庞大,速度十分缓慢;许多算法需要依靠价格昂贵的显卡支持,因此这些技术并不适用于移动端这种需要实时成像的场景。
发明内容
本公开的示例性实施例在于提供一种图像处理方法及装置,以至少解决相关技术中的图像处理的问题,也可不解决任何上述问题。
根据本公开的示例性实施例,提供一种图像处理方法,包括:获取图像上的颜色参考点;在预设空间中计算所述图像的每个像素点与颜色参考点之间的颜色距离;基于颜色距离对所述图像进行抠图。
可选地,预设空间可包括HSV空间和YCbCr空间中的至少一个。
可选地,当预设空间是HSV空间时,在预设空间中计算所述图像的每个像素点与颜色参考点之间的颜色距离的步骤可包括:将所述图像转换到HSV空间;计算每个像素点的色调与颜色参考点的色调之间的色调距离,并计算每个像素点的饱和度与颜色参考点的饱和度之间的饱和度距离;基于色调距离和饱和度距离计算每个像素点与颜色参考点之间的HSV颜色距离,作为每个像素点与颜色参考点之间的颜色距离。
可选地,基于色调距离和饱和度距离计算每个像素点与颜色参考点之间的HSV颜色距离的步骤可包括:确定所述图像的阴影区域;计算所述图像的阴影区域的每个像素点的亮度与颜色参考点的亮度之间的亮度距离;基于色调距离、饱和度距离和亮度距离计算所述图像的阴影区域的每个像素点与颜色参考点之间的HSV颜色距离。
可选地,基于色调距离、饱和度距离和亮度距离计算所述图像的阴影区域的每个像素点与颜色参考点之间的HSV颜色距离的步骤可包括:将色调距离、饱和度距离和亮度距离进行加权计算,获得所述图像的阴影区域的每个像素点与颜色参考点之间的HSV颜色距离。
可选地,当预设空间是YCbCr空间时,在预设空间中计算所述图像的每个像素点与颜色参考点之间的颜色距离的步骤可包括:将所述图像转换到YCbCr空间;计算每个像素点的蓝色浓度偏移量与颜色参考点的蓝色浓度偏移量之间的蓝色距离,并计算每个像素点的红色浓度偏移量与颜色参考点的红色浓度偏移量之间的红色距离;基于蓝色距离和红色距离计算每个像素点与颜色参考点之间的YCbCr颜色距离,作为每个像素点与颜色参考点之间的颜色距离。
可选地,基于蓝色距离和红色距离计算每个像素点与颜色参考点之间的YCbCr颜色距离的步骤可包括:将蓝色距离和红色距离进行加权计算,获得每个像素点与颜色参考点之间的YCbCr颜色距离。
可选地,当预设空间是HSV空间和YCbCr空间时,在预设空间中计算所述图像的每个像素点与颜色参考点之间的颜色距离的步骤可包括:在HSV空间中计算所述图像的每个像素点与颜色参考点之间的HSV颜色距离,并在YCbCr空间中计算所述图像的每个像素点与颜色参考点之间的YCbCr颜色距离;基于HSV颜色距离和YCbCr颜色距离计算所述图像的每个像素点与颜色参考点之间的颜色距离。
可选地,基于颜色距离对所述图像进行抠图的步骤可包括:基于颜色距离通过预设高斯函数计算所述图像的每个像素点的透明度;基于每个像素点的透明度对所述图像进行抠图。
可选地,所述图像处理方法还可包括:确定抠图得到的图像的边缘区域;以所述图像作为导向图像,将抠图得到的图像的边缘区域的每个像素点的透明度进行导向滤波。
可选地,所述图像处理方法还可包括:基于颜色参考点的颜色对抠图得到的图像进行溢色去除。
可选地,基于颜色参考点的颜色对抠图得到的图像进行溢色去除的步骤可包括:确定抠图得到的图像中与颜色参考点具有相同颜色的像素点;在HSV空间中降低确定的像素点的饱和度。
可选地,确定抠图得到的图像中与颜色参考点具有相同颜色的像素点的步骤可包括:分别在HSV空间和YCbCr空间中确定抠图得到的图像中与颜色参考点具有相同颜色的像素点;将抠图得到的图像中的在HSV空间和YCbCr空间中都被确定为与颜色参考点具有相同颜色的像素点,确定为与颜色参考点具有相同颜色的像素点。
根据本公开的示例性实施例,提供一种图像处理装置,包括:参考点获取单元,被配置为获取图像上的颜色参考点;距离计算单元,被配置为在预设空间中计算所述图像的每个像素点与颜色参考点之间的颜色距离;和图像抠图单元,被配置为基于颜色距离对所述图像进行抠图。
可选地,预设空间可包括HSV空间和YCbCr空间中的至少一个。
可选地,距离计算单元可被配置为:将所述图像转换到HSV空间;计算每个像素点的色调与颜色参考点的色调之间的色调距离,并计算每个像素点的饱和度与颜色参考点的饱和度之间的饱和度距离;基于色调距离和饱和度距离计算每个像素点与颜色参考点之间的HSV颜色距离,作为每个像素点与颜色参考点之间的颜色距离。
可选地,距离计算单元可被配置为:确定所述图像的阴影区域;计算所述图像的阴影区域的每个像素点的亮度与颜色参考点的亮度之间的亮度距离;基于色调距离、饱和度距离和亮度距离计算所述图像的阴影区域的每个像素点与颜色参考点之间的HSV颜色距离。
可选地,距离计算单元可被配置为:将色调距离、饱和度距离和亮度距离进行加权计算,获得所述图像的阴影区域的每个像素点与颜色参考点之间的HSV颜色距离。
可选地,距离计算单元可被配置为:将所述图像转换到YCbCr空间;计算每个像素点的蓝色浓度偏移量与颜色参考点的蓝色浓度偏移量之间的蓝色距离,并计算每个像素点的红色浓度偏移量与颜色参考点的红色浓度偏移量之间的红色距离;基于蓝色距离和红色距离计算每个像素点与颜色参考点之间的YCbCr颜色距离,作为每个像素点与颜色参考点之间的颜色距离。
可选地,距离计算单元可被配置为:将蓝色距离和红色距离进行加权计算,获得每个像素点与颜色参考点之间的YCbCr颜色距离。
可选地,距离计算单元可被配置为:在HSV空间中计算所述图像的每个像素点与颜色参考点之间的HSV颜色距离,并在YCbCr空间中计算所述图像的每个像素点与颜色参考点之间的YCbCr颜色距离;基于HSV颜色距离和YCbCr颜色距离计算所述图像的每个像素点与颜色参考点之间的颜色距离。
可选地,抠图单元可被配置为:基于颜色距离通过预设高斯函数计算所述图像的每个像素点的透明度;基于每个像素点的透明度对所述图像进行抠图。
可选地,所述图像处理装置还可包括导向滤波单元,被配置为:确定抠图得到的图像的边缘区域;以所述图像作为导向图像,将抠图得到的图像的边缘区域的每个像素点的透明度进行导向滤波。
可选地,所述图像处理装置还可包括溢色去除单元,被配置为:基于颜色参考点的颜色对抠图得到的图像进行溢色去除。
可选地,溢色去除单元可被配置为:确定抠图得到的图像中与颜色参考点具有相同颜色的像素点;在HSV空间中降低确定的像素点的饱和度。
可选地,溢色去除单元可被配置为:分别在HSV空间和YCbCr空间中确定抠图得到的图像中与颜色参考点具有相同颜色的像素点;将抠图得到的图像中的在HSV空间和YCbCr空间中都被确定为与颜色参考点具有相同颜色的像素点,确定为与颜色参考点具有相同颜色的像素点。
根据本公开的示例性实施例,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,以实现根据本公开的示例性实施例的图像处理方法。
根据本公开的示例性实施例,提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序被电子设备的处理器执行时,使得电子设备执行根据本公开的示例性实施例的图像处理方法。
根据本公开的示例性实施例,提供一种计算机程序产品,包括计算机程序/指令,当所述计算机程序/指令被处理器执行时,实现根据本公开的示例性实施例的图像处理方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
1、避免了大量的人工交互;
2、抠图效果更好,适用于不同光照下产生的不同的溢色去除;
3、实现了阴影保留程度的调节;
4、减少了抠图产生的边缘毛刺以及不平滑;
5、有效地消除了绿色溢出;
6、实现了移动端实时执行抠图。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1示出根据本公开的示例性实施例的图像处理方法的流程图。
图2示出根据本公开的一个示例性实施例的图像处理装置的框图。
图3示出根据本公开的另一示例性实施例的图像处理装置的框图。
图4是根据本公开的示例性实施例的电子设备400的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在此需要说明的是,在本公开中出现的“若干项之中的至少一项”均表示包含“该若干项中的任意一项”、“该若干项中的任意多项的组合”、“该若干项的全体”这三类并列的情况。例如“包括A和B之中的至少一个”即包括如下三种并列的情况:(1)包括A;(2)包括B;(3)包括A和B。又例如“执行步骤一和步骤二之中的至少一个”,即表示如下三种并列的情况:(1)执行步骤一;(2)执行步骤二;(3)执行步骤一和步骤二。
常用的实时图像处理技术主要包括:色差抠图技术(Color Difference Keying)、亮度抠图技术(Luma Keying)以及色度抠图技术(Chroma_Keying)。色差抠图利用R、G、B三通道的颜色差异来求解不透明度。色差抠图技术速度非常快,但是抠图效果不够理想。为了解决RGB空间不能很好的分离绿色的问题,亮度抠图技术利用图像的亮度信息,对其进行软阈值操作来求解不透明度。即在HLS空间对亮度分量L进行软阈值操作,从而得到从0到1平缓变化的alpha。然而该技术只考虑了图像的亮度信息,而忽略了图像的颜色信息,因此对于大部分图像的效果不是十分理想。色度抠图技术利用图像的颜色信息求解不透明度。色度抠图技术将彩色图像转换到HSV空间,然后对色度分量(H)进行软阈值分割。在实际应用中,受光照等环境因素的影响,色度分量不能完全区分颜色信息,需要对色度(H)、饱和度(S)和亮度(V)三通道加权求解不透明度。由于其快速并且能得到比较好的图像处理效果,色度抠图技术被广泛应用在实时场景。
在相关技术中,实时抠图设备主要包括:抠图模块、边缘模块和颜色模块。
首先,抠图模块将绿幕图像作为输入,使用抠图范围参数Average控制抠图阈值、强度参数sensitivity控制抠图强度以及补偿参数percent控制色彩补偿。实时抠图设备使用的核心算法为:c.a=clamp(((((1-clamp((c.g-(c.r*(1-percent)+c.b*percent)),0,1)))-Average)*(tan((45+44*sensitivity)/180*3.14159))+Average),0,1)。这里,c.r、c.g、c.b、c.a分别为图像的RGBA通道,clamp(float value,float min,float max)将value的值限制在min和max中。
进一步地,边缘模块将抠图模块得到的前景图像作为输入,对前景图像边缘进行模糊处理。通过边缘模糊程度来控制算法对图像的整体模糊处理,并迭代地进行多次模糊;引入边缘缩进强度intensity,通过边缘叠加次数控制边缘缩进强度,减掉原始没有模糊的图像得到有模糊的边缘,通过对此边缘的叠加得到完整的边缘,再利用原始图像减去边缘图像从而达到去除黑边的目的。
最后,使用颜色模块解决绿色溢出的问题,如果绿色通道的像素强度大于红色和蓝色通道的均值,则将其修改为红蓝通道的均值。
抠图模块在RGB色彩空间进行阈值处理,然而RGB空间不能很好的区分各种色彩,从而导致绿色没有完全抠除而其他颜色被去掉,这种情况在绿幕受到环境光干扰的时候尤其严重。
边缘模块中对图像进行模糊,由于无法准确的判断边缘,会导致图像的背景或前景内容也被模糊,从而降低了图像的分辨率,影响视觉质量。边缘模块中采用多次迭代的方式进行模糊,增加了算法的复杂度,带来额外的时间开销。
颜色模块为了解决绿色溢出的问题,用红蓝通道的均值替代过大的绿色值。由于黄色的色调接近绿色,所以在RGB空间黄色的绿色通道强度值也大于红蓝通道的均值,意味着采用这种去除溢色的方式会导致黄色也被修改,从而使得到的前景图像产生色差。
下面,将参照图1至图4具体描述根据本公开的示例性实施例的图像处理方法及装置。
图1示出根据本公开的示例性实施例的图像处理方法的流程图。图1中的图像处理方法可适用于对待抠图的图像(例如,但不限于,绿幕图像)进行抠图处理。
参照图1,在步骤S101,获取图像上的颜色参考点。这里,图像是待抠图的图像(例如,但不限于,绿幕图像)。
在一个示例中,用户可以选择图像(例如,但不限于,绿幕图像)中的一点作为要去除的颜色参考点,以基于用户选择的颜色参考点来进行抠图。在另一示例中,在不需要用户选择颜色参考点的情况下,可自动确定图像(例如,但不限于,绿幕图像)中的一点作为要去除的颜色参考点,从而在不需要用户的操作的情况下实现自动抠图,避免了大量的人工交互。可通过例如,但不限于,机器学习等方法来自动确定颜色参考点。
在步骤S102,在预设空间中计算图像的每个像素点与颜色参考点之间的颜色距离。
在本公开的示例性实施例中,预设空间可包括色调饱和度亮度(HSV)空间和亮度蓝色浓度偏移量红色浓度偏移量(YCbCr)空间中的至少一个。另外,预设空间还可包括其他图像空间,本公开对此不进行限制。
在本公开的示例性实施例中,当预设空间是HSV空间时,在预设空间中计算图像的每个像素点与颜色参考点之间的颜色距离时,可首先将图像转换到HSV空间,计算每个像素点的色调与颜色参考点的色调之间的色调距离,并计算每个像素点的饱和度与颜色参考点的饱和度之间的饱和度距离,然后基于色调距离和饱和度距离计算每个像素点与颜色参考点之间的HSV颜色距离,作为每个像素点与颜色参考点之间的颜色距离,从而得到HSV空间中的颜色距离。
在本公开的示例性实施例中,在基于色调距离和饱和度距离计算每个像素点与颜色参考点之间的HSV颜色距离时,可首先确定图像的阴影区域,计算图像的阴影区域的每个像素点的亮度与颜色参考点的亮度之间的亮度距离,然后基于色调距离、饱和度距离和亮度距离计算每个像素点与颜色参考点之间的HSV颜色距离,从而提高颜色距离的准确性。
在本公开的示例性实施例中,在基于色调距离、饱和度距离和亮度距离计算每个像素点与颜色参考点之间的HSV颜色距离时,可将色调距离、饱和度距离和亮度距离进行加权计算,获得每个像素点与颜色参考点之间的HSV颜色距离,从而提高颜色距离的准确性。
本公开还考虑了图像中的阴影部分的抠除问题。在本公开的示例性实施例中,可对图像中的阴影部分进行单独处理,并且可以控制阴影保留程度,从而实现对阴影保留程度的调节。对于阴影部分,本公开引入图像的亮度信息,在HSV计算色调(H)和饱和度(S)距离的同时,也对亮度值(V)的距离进行加权得到dis。可同样采用例如,但不限于,高斯函数对距离和透明度α值进行映射:α=exp(μ·(dis-shadow)),其中,μ为缩放因子,而shadow为用户可调节参数,通过调节shadow可以控制阴影保留程度。
在本公开的示例性实施例中,当预设空间是YCbCr空间时,在预设空间中计算图像的每个像素点与颜色参考点之间的颜色距离时,可首先将图像转换到YCbCr空间,计算每个像素点的蓝色浓度偏移量与颜色参考点的蓝色浓度偏移量之间的蓝色距离,并计算每个像素点的红色浓度偏移量与颜色参考点的红色浓度偏移量之间的红色距离,然后基于蓝色距离和红色距离计算每个像素点与颜色参考点之间的YCbCr颜色距离,作为每个像素点与颜色参考点之间的颜色距离,从而得到YCbCr空间中的颜色距离。
在本公开的示例性实施例中,在基于蓝色距离和红色距离计算每个像素点与颜色参考点之间的YCbCr颜色距离时,可将蓝色距离和红色距离进行加权计算,获得每个像素点与颜色参考点之间的YCbCr颜色距离,从而提高颜色距离的准确性。
在本公开的示例性实施例中,当预设空间是HSV空间和YCbCr空间时,在预设空间中计算图像的每个像素点与颜色参考点之间的颜色距离时,可首先在HSV空间中计算图像的每个像素点与颜色参考点之间的HSV颜色距离,并在YCbCr空间中计算图像的每个像素点与颜色参考点之间的YCbCr颜色距离,然后基于HSV颜色距离和YCbCr颜色距离计算图像的每个像素点与颜色参考点之间的颜色距离,从而提高颜色距离的准确性。
由于环境光影响,导致绿幕背景颜色不是统一的,也就意味着绿幕中存在很多和用户输入颜色点差异很大的绿色背景,在RGB空间很难区分饱和度以及亮度差异较大的绿色。所以本公开摒弃相关算法采用的仅在RGB空间对图像的颜色信息进行处理的方法。对于距离计算,本公开可将待抠图绿幕图像转换到HSV和YCbCr色彩空间,计算在HSV空间计算色调(H)和饱和度(S)的极坐标距离,并进行加权得到颜色距离disH;在YCbCr空间计算蓝色浓度偏移量(Cb)和红色浓度偏移量(Cr)的距离,并进行加权得到颜色距离disY;将两种色彩空间的乘积作为最终的色彩距离。为了实现背景和前景区域的平滑过度,本公开可采用例如,但不限于,高斯函数对色彩距离和透明度α值进行映射,即:α=exp(γ·(disH*disY-intensity)),其中,γ为缩放因子,intensity为用户可调节参数,通过调节intensity可以控制抠图强度。
在步骤S103,基于颜色距离对图像进行抠图。这样,实现了移动端实时执行抠图。
在本公开的示例性实施例中,在基于颜色距离对图像进行抠图时,可首先基于颜色距离通过预设高斯函数计算图像的每个像素点的透明度,然后基于每个像素点的透明度对图像进行抠图,从而提高抠图效果。
抠图得到的图像的alpha通道会受到光照的影响。如果环境光比较柔和,则在边缘过渡时比较平滑,不会产生跳变。然而,现实中的光线由于角度的问题,会导致在前景边缘部分不够平滑,会存在不规则跳变,所以在图像合成时会出现不自然的过渡。为了解决这个问题,在本公开的示例性实施例中,还可首先确定抠图得到的图像的边缘区域,然后以抠图前的图像作为导向图像,将抠图得到的图像的边缘区域的每个像素点的透明度进行导向滤波,从而减少了抠图产生的边缘毛刺以及不平滑。
具体来说,本公开可对alpha通道进行模糊。相比于在RGB空间处理,对alpha通道处理可以有效的避免对图像的背景区域产生模糊,并且有效的降低了算法的时间复杂度。本公开采用导向滤波算法进行模糊处理,导向滤波算法具有保持边缘的特性,这样可以达到模糊的效果,并且不会过度模糊导致边缘不清晰。具体地,对于每个像素位置,本公开可例如,但不限于,计算其局部范围内的统计值,即均值,方差和协方差,并将这些统计值作为滤波权重系数。
在本公开的示例性实施例中,还可基于颜色参考点的颜色对抠图得到的图像进行溢色去除,从而提高抠图效果。
在本公开的示例性实施例中,在基于颜色参考点的颜色对抠图得到的图像进行溢色去除时,可首先确定抠图得到的图像中与颜色参考点具有相同颜色的像素点,然后在HSV空间中降低确定的像素点的饱和度,从而适用于不同光照下产生的不同的溢色去除,提高了溢色去除的效果。
在本公开的示例性实施例中,在确定抠图得到的图像中与颜色参考点具有相同颜色的像素点时,可首先分别在HSV空间和YCbCr空间中确定抠图得到的图像中与颜色参考点具有相同颜色的像素点,然后将抠图得到的图像中的在HSV空间和YCbCr空间中都被确定为与颜色参考点具有相同颜色的像素点,确定为与颜色参考点具有相同颜色的像素点,从而提高抠图效果。
由于在拍摄过程中存在背景反光,绿幕背景下的前景会整体偏绿色,也就是溢色。为了解决溢色问题,本公开对图像中的绿色区域降低绿色饱和度(S),从而有效地消除了绿色溢出。具体地,可首先计算图像像素的绿色通道像素值,如果大于红色和蓝色通道的平均值,且同时满足在HSV颜色空间的色调(H)的值在绿色区间内,则判断当前像素为绿色。
以上已经结合图1对根据本公开的示例性实施例的图像处理方法进行了描述。在下文中,将参照图2和图3对根据本公开的示例性实施例的图像处理装置及其单元进行描述。
图2示出根据本公开的一个示例性实施例的图像处理装置的框图。
参照图2,图像处理装置包括参考点获取单元21、距离计算单元22和图像抠图单元23。
参考点获取单元21被配置为获取图像上的颜色参考点。
距离计算单元22被配置为在预设空间中计算图像的每个像素点与颜色参考点之间的颜色距离。
在本公开的示例性实施例中,预设空间可包括HSV空间和YCbCr空间中的至少一个。
在本公开的示例性实施例中,距离计算单元22可被配置为:将图像转换到HSV空间;计算每个像素点的色调与颜色参考点的色调之间的色调距离,并计算每个像素点的饱和度与颜色参考点的饱和度之间的饱和度距离;基于色调距离和饱和度距离计算每个像素点与颜色参考点之间的HSV颜色距离,作为每个像素点与颜色参考点之间的颜色距离。
在本公开的示例性实施例中,距离计算单元22可被配置为:确定图像的阴影区域;计算图像的阴影区域的每个像素点的亮度与颜色参考点的亮度之间的亮度距离;基于色调距离、饱和度距离和亮度距离计算图像的阴影区域的每个像素点与颜色参考点之间的HSV颜色距离。
在本公开的示例性实施例中,距离计算单元22可被配置为:将色调距离、饱和度距离和亮度距离进行加权计算,获得图像的阴影区域的每个像素点与颜色参考点之间的HSV颜色距离。
在本公开的示例性实施例中,距离计算单元22可被配置为:将图像转换到YCbCr空间;计算每个像素点的蓝色浓度偏移量与颜色参考点的蓝色浓度偏移量之间的蓝色距离,并计算每个像素点的红色浓度偏移量与颜色参考点的红色浓度偏移量之间的红色距离;基于蓝色距离和红色距离计算每个像素点与颜色参考点之间的YCbCr颜色距离,作为每个像素点与颜色参考点之间的颜色距离。
在本公开的示例性实施例中,距离计算单元22可被配置为:将蓝色距离和红色距离进行加权计算,获得每个像素点与颜色参考点之间的YCbCr颜色距离。
在本公开的示例性实施例中,距离计算单元22可被配置为:在HSV空间中计算图像的每个像素点与颜色参考点之间的HSV颜色距离,并在YCbCr空间中计算图像的每个像素点与颜色参考点之间的YCbCr颜色距离;基于HSV颜色距离和YCbCr颜色距离计算图像的每个像素点与颜色参考点之间的颜色距离。
图像抠图单元23被配置为基于颜色距离对图像进行抠图。
在本公开的示例性实施例中,抠图单元23可被配置为:基于颜色距离通过预设高斯函数计算图像的每个像素点的透明度;基于每个像素点的透明度对图像进行抠图。
图3示出根据本公开的另一示例性实施例的图像处理装置的框图。
参照图3,图像处理装置包括参考点获取单元31、距离计算单元32、图像抠图单元33、导向滤波单元34和溢色去除单元35。
参考点获取单元31被配置为获取图像上的颜色参考点。
距离计算单元32被配置为在预设空间中计算图像的每个像素点与颜色参考点之间的颜色距离。
在本公开的示例性实施例中,预设空间包括HSV空间和YCbCr空间中的至少一个。
在本公开的示例性实施例中,距离计算单元32可被配置为:将图像转换到HSV空间;计算每个像素点的色调与颜色参考点的色调之间的色调距离,并计算每个像素点的饱和度与颜色参考点的饱和度之间的饱和度距离;基于色调距离和饱和度距离计算每个像素点与颜色参考点之间的HSV颜色距离,作为每个像素点与颜色参考点之间的颜色距离。
在本公开的示例性实施例中,距离计算单元32可被配置为:确定图像的阴影区域;计算图像的阴影区域的每个像素点的亮度与颜色参考点的亮度之间的亮度距离;基于色调距离、饱和度距离和亮度距离计算图像的阴影区域的每个像素点与颜色参考点之间的HSV颜色距离。
在本公开的示例性实施例中,距离计算单元32可被配置为:
将色调距离、饱和度距离和亮度距离进行加权计算,获得图像的阴影区域的每个像素点与颜色参考点之间的HSV颜色距离。
在本公开的示例性实施例中,距离计算单元32可被配置为:将图像转换到YCbCr空间;计算每个像素点的蓝色浓度偏移量与颜色参考点的蓝色浓度偏移量之间的蓝色距离,并计算每个像素点的红色浓度偏移量与颜色参考点的红色浓度偏移量之间的红色距离;基于蓝色距离和红色距离计算每个像素点与颜色参考点之间的YCbCr颜色距离,作为每个像素点与颜色参考点之间的颜色距离。
在本公开的示例性实施例中,距离计算单元32可被配置为:将蓝色距离和红色距离进行加权计算,获得每个像素点与颜色参考点之间的YCbCr颜色距离。
在本公开的示例性实施例中,距离计算单元32可被配置为:在HSV空间中计算图像的每个像素点与颜色参考点之间的HSV颜色距离,并在YCbCr空间中计算图像的每个像素点与颜色参考点之间的YCbCr颜色距离;基于HSV颜色距离和YCbCr颜色距离计算图像的每个像素点与颜色参考点之间的颜色距离。
图像抠图单元33被配置为基于颜色距离对图像进行抠图。
在本公开的示例性实施例中,抠图单元33可被配置为:基于颜色距离通过预设高斯函数计算图像的每个像素点的透明度;基于每个像素点的透明度对图像进行抠图。
在本公开的示例性实施例中,参考点获取单元31、距离计算单元32和图像抠图单元33可以是分开的独立单元,也可以被包括在一个单元(例如,抠图单元)中,本公开对此不进行限制。
导向滤波单元34被配置为确定抠图得到的图像的边缘区域,并且以抠图前的图像作为导向图像,将抠图得到的图像的边缘区域的每个像素点的透明度进行导向滤波。
溢色去除单元35被配置为基于颜色参考点的颜色对抠图得到的图像进行溢色去除。
在本公开的示例性实施例中,溢色去除单元35可被配置为:确定抠图得到的图像中与颜色参考点具有相同颜色的像素点;在HSV空间中降低确定的像素点的饱和度。
在本公开的示例性实施例中,溢色去除单元35可被配置为:分别在HSV空间和YCbCr空间中确定抠图得到的图像中与颜色参考点具有相同颜色的像素点;将抠图得到的图像中的在HSV空间和YCbCr空间中都被确定为与颜色参考点具有相同颜色的像素点,确定为与颜色参考点具有相同颜色的像素点。
关于上述实施例中的装置,其中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
以上已经结合图2和图3对根据本公开的示例性实施例的图像处理装置进行了描述。接下来,结合图4对根据本公开的示例性实施例的电子设备进行描述。
图4是根据本公开的示例性实施例的电子设备400的框图。
参照图4,电子设备400包括至少一个存储器401和至少一个处理器402,所述至少一个存储器401中存储有计算机可执行指令集合,当计算机可执行指令集合被至少一个处理器402执行时,执行根据本公开的示例性实施例的图像处理的方法。
在本公开的示例性实施例中,电子设备400可以是PC计算机、平板装置、个人数字助理、智能手机、或其他能够执行上述指令集合的装置。这里,电子设备400并非必须是单个的电子设备,还可以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。电子设备400还可以是集成控制***或***管理器的一部分,或者可被配置为与本地或远程(例如,经由无线传输)以接口互联的便携式电子设备。
在电子设备400中,处理器402可包括中央处理器(CPU)、图形处理器(GPU)、可编程逻辑装置、专用处理器***、微控制器或微处理器。作为示例而非限制,处理器还可包括模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。
处理器402可运行存储在存储器401中的指令或代码,其中,存储器401还可以存储数据。指令和数据还可经由网络接口装置而通过网络被发送和接收,其中,网络接口装置可采用任何已知的传输协议。
存储器401可与处理器402集成为一体,例如,将RAM或闪存布置在集成电路微处理器等之内。此外,存储器401可包括独立的装置,诸如,外部盘驱动、存储阵列或任何数据库***可使用的其他存储装置。存储器401和处理器402可在操作上进行耦合,或者可例如通过I/O端口、网络连接等互相通信,使得处理器402能够读取存储在存储器中的文件。
此外,电子设备400还可包括视频显示器(诸如,液晶显示器)和用户交互接口(诸如,键盘、鼠标、触摸输入装置等)。电子设备400的所有组件可经由总线和/或网络而彼此连接。
根据本公开的示例性实施例,还提供一种包括指令的计算机可读存储介质,例如包括指令的存储器401,上述指令可由装置400的处理器402执行以完成上述方法。可选地,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
根据本公开的示例性实施例,还可提供一种计算机程序产品,该计算机程序产品包括计算机程序/指令,当所述计算机程序/指令被处理器执行时,实现根据本公开的示例性实施例的图像处理的方法。
以上已参照图1至图4描述了根据本公开的示例性实施例的图像处理方法及装置。然而,应该理解的是:图2和图3中所示的图像处理装置及其单元可分别被配置为执行特定功能的软件、硬件、固件或上述项的任意组合,图4中所示的电子设备并不限于包括以上示出的组件,而是可根据需要增加或删除一些组件,并且以上组件也可被组合。
根据本公开的图像处理方法及装置,通过首先获取图像上的颜色参考点,并且在预设空间中计算图像的每个像素点与颜色参考点之间的颜色距离,然后基于颜色距离对图像进行抠图,从而实现了移动端实时执行抠图。此外,本公开的图像处理方法及装置还由于大部分参数为固定值,因此可避免大量的人工交互;可利用彩色图像的HSV和YCbCr空间计算颜色距离,从而使得抠图效果更好,并且可适用于不同光照下产生的不同的溢色去除;可对于图像中的阴影进行单独的处理,从而实现阴影保留程度的调节;可对透明度进行滤波,从而减少抠图产生的边缘毛刺以及不平滑;可通过在RGB和HSV空间联合判断绿色,并降低其饱和度,从而有效地消除绿色溢出。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
获取图像上的颜色参考点;
在预设空间中计算所述图像的每个像素点与颜色参考点之间的颜色距离;
基于颜色距离对所述图像进行抠图。
2.根据权利要求1所述的图像处理方法,其特征在于,预设空间包括色调饱和度亮度HSV空间和亮度蓝色浓度偏移量红色浓度偏移量YCbCr空间中的至少一个。
3.根据权利要求2所述的图像处理方法,其特征在于,当预设空间是HSV空间时,在预设空间中计算所述图像的每个像素点与颜色参考点之间的颜色距离的步骤包括:
将所述图像转换到HSV空间;
计算每个像素点的色调与颜色参考点的色调之间的色调距离,并计算每个像素点的饱和度与颜色参考点的饱和度之间的饱和度距离;
基于色调距离和饱和度距离计算每个像素点与颜色参考点之间的HSV颜色距离,作为每个像素点与颜色参考点之间的颜色距离。
4.根据权利要求3所述的图像处理方法,其特征在于,基于色调距离和饱和度距离计算每个像素点与颜色参考点之间的HSV颜色距离的步骤包括:
确定所述图像的阴影区域;
计算所述图像的阴影区域的每个像素点的亮度与颜色参考点的亮度之间的亮度距离;
基于色调距离、饱和度距离和亮度距离计算所述图像的阴影区域的每个像素点与颜色参考点之间的HSV颜色距离。
5.根据权利要求4所述的图像处理方法,其特征在于,基于色调距离、饱和度距离和亮度距离计算所述图像的阴影区域的每个像素点与颜色参考点之间的HSV颜色距离的步骤包括:
将色调距离、饱和度距离和亮度距离进行加权计算,获得所述图像的阴影区域的每个像素点与颜色参考点之间的HSV颜色距离。
6.根据权利要求2所述的图像处理方法,其特征在于,当预设空间是YCbCr空间时,在预设空间中计算所述图像的每个像素点与颜色参考点之间的颜色距离的步骤包括:
将所述图像转换到YCbCr空间;
计算每个像素点的蓝色浓度偏移量与颜色参考点的蓝色浓度偏移量之间的蓝色距离,并计算每个像素点的红色浓度偏移量与颜色参考点的红色浓度偏移量之间的红色距离;
基于蓝色距离和红色距离计算每个像素点与颜色参考点之间的YCbCr颜色距离,作为每个像素点与颜色参考点之间的颜色距离。
7.根据权利要求6所述的图像处理方法,其特征在于,基于蓝色距离和红色距离计算每个像素点与颜色参考点之间的YCbCr颜色距离的步骤包括:
将蓝色距离和红色距离进行加权计算,获得每个像素点与颜色参考点之间的YCbCr颜色距离。
8.一种图像处理装置,其特征在于,包括:
参考点获取单元,被配置为获取图像上的颜色参考点;
距离计算单元,被配置为在预设空间中计算所述图像的每个像素点与颜色参考点之间的颜色距离;和
图像抠图单元,被配置为基于颜色距离对所述图像进行抠图。
9.一种电子设备/服务器,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,以实现如权利要求1至7中任一项所述的图像处理方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,当所述计算机程序被电子设备的处理器执行时,使得电子设备执行如权利要求1至7中任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110216499.XA CN113034509A (zh) | 2021-02-26 | 2021-02-26 | 图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110216499.XA CN113034509A (zh) | 2021-02-26 | 2021-02-26 | 图像处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113034509A true CN113034509A (zh) | 2021-06-25 |
Family
ID=76461711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110216499.XA Pending CN113034509A (zh) | 2021-02-26 | 2021-02-26 | 图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113034509A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409221A (zh) * | 2021-06-30 | 2021-09-17 | 深圳市斯博科技有限公司 | 一种图像颜色抠除方法、***、计算机设备及存储介质 |
CN113793395A (zh) * | 2021-09-15 | 2021-12-14 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种关键色提取方法及装置 |
CN117221504A (zh) * | 2023-11-07 | 2023-12-12 | 北京医百科技有限公司 | 一种视频抠像方法及装置 |
WO2024001360A1 (zh) * | 2022-06-28 | 2024-01-04 | 北京字跳网络技术有限公司 | 绿幕抠图方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226689A (zh) * | 2012-01-30 | 2013-07-31 | 展讯通信(上海)有限公司 | 检测红眼的方法及装置、去除红眼的方法及装置 |
WO2016127883A1 (zh) * | 2015-02-12 | 2016-08-18 | 阿里巴巴集团控股有限公司 | 一种图像区域检测方法及装置 |
CN111277772A (zh) * | 2020-03-09 | 2020-06-12 | 北京文香信息技术有限公司 | 一种抠图方法、装置、设备和存储介质 |
CN112132852A (zh) * | 2020-08-28 | 2020-12-25 | 稿定(厦门)科技有限公司 | 基于多背景色统计的自动抠图方法及装置 |
CN112233195A (zh) * | 2020-10-15 | 2021-01-15 | 北京达佳互联信息技术有限公司 | 调色方法、装置、电子设备及存储介质 |
CN112330692A (zh) * | 2020-11-11 | 2021-02-05 | 北京文香信息技术有限公司 | 一种抠图方法、装置、设备和存储介质 |
-
2021
- 2021-02-26 CN CN202110216499.XA patent/CN113034509A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226689A (zh) * | 2012-01-30 | 2013-07-31 | 展讯通信(上海)有限公司 | 检测红眼的方法及装置、去除红眼的方法及装置 |
WO2016127883A1 (zh) * | 2015-02-12 | 2016-08-18 | 阿里巴巴集团控股有限公司 | 一种图像区域检测方法及装置 |
CN111277772A (zh) * | 2020-03-09 | 2020-06-12 | 北京文香信息技术有限公司 | 一种抠图方法、装置、设备和存储介质 |
CN112132852A (zh) * | 2020-08-28 | 2020-12-25 | 稿定(厦门)科技有限公司 | 基于多背景色统计的自动抠图方法及装置 |
CN112233195A (zh) * | 2020-10-15 | 2021-01-15 | 北京达佳互联信息技术有限公司 | 调色方法、装置、电子设备及存储介质 |
CN112330692A (zh) * | 2020-11-11 | 2021-02-05 | 北京文香信息技术有限公司 | 一种抠图方法、装置、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
梁刚明: "基于结构超图的形态学新算子", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 02, pages 4 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409221A (zh) * | 2021-06-30 | 2021-09-17 | 深圳市斯博科技有限公司 | 一种图像颜色抠除方法、***、计算机设备及存储介质 |
CN113409221B (zh) * | 2021-06-30 | 2023-12-12 | 深圳万兴软件有限公司 | 一种图像颜色抠除方法、***、计算机设备及存储介质 |
CN113793395A (zh) * | 2021-09-15 | 2021-12-14 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种关键色提取方法及装置 |
CN113793395B (zh) * | 2021-09-15 | 2024-05-03 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种关键色提取方法及装置 |
WO2024001360A1 (zh) * | 2022-06-28 | 2024-01-04 | 北京字跳网络技术有限公司 | 绿幕抠图方法、装置及电子设备 |
CN117221504A (zh) * | 2023-11-07 | 2023-12-12 | 北京医百科技有限公司 | 一种视频抠像方法及装置 |
CN117221504B (zh) * | 2023-11-07 | 2024-01-23 | 北京医百科技有限公司 | 一种视频抠像方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113034509A (zh) | 图像处理方法及装置 | |
CN106846270B (zh) | 一种图像边缘增强方法及装置 | |
US8525847B2 (en) | Enhancing images using known characteristics of image subjects | |
CN109862389B (zh) | 一种视频处理方法、装置、服务器及存储介质 | |
CN107871303B (zh) | 一种图像处理方法及装置 | |
WO2014170886A1 (en) | System and method for online processing of video images in real time | |
CN109325918B (zh) | 一种图像处理的方法、装置及计算机存储介质 | |
CN113297937B (zh) | 一种图像处理方法、装置、设备及介质 | |
CN108961299B (zh) | 一种前景图像获得方法及装置 | |
CN110996174B (zh) | 一种视频画质增强方法及其相关设备 | |
JP2003271971A (ja) | ディジタルカラー画像信号における照度変化のリアルタイムの識別と補償のための方法 | |
CN110766637B (zh) | 一种视频处理方法、处理装置、电子设备及存储介质 | |
CN107424137B (zh) | 一种文本增强方法及装置、计算机装置、可读存储介质 | |
CN112819721A (zh) | 一种图像彩色噪声降噪的方法和*** | |
CN107256539B (zh) | 一种基于局部对比度的图像锐化方法 | |
CN113409221B (zh) | 一种图像颜色抠除方法、***、计算机设备及存储介质 | |
CN114511580A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN107277369B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
CN117218039A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN114266803A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111970501A (zh) | 纯色场景ae色彩处理方法、装置、电子设备及存储介质 | |
CN116959381A (zh) | 图像增强显示的方法、显示设备及电子设备 | |
CN111815729A (zh) | 一种实时美肤方法、装置、设备和计算机存储介质 | |
CN116468636A (zh) | 低照度增强方法、装置、电子设备和可读存储介质 | |
CN111836103A (zh) | 基于数据分析的防遮挡处理*** |
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 |