TWI661393B - 影像分割方法、電腦程式、存儲介質及電子裝置 - Google Patents
影像分割方法、電腦程式、存儲介質及電子裝置 Download PDFInfo
- Publication number
- TWI661393B TWI661393B TW107139740A TW107139740A TWI661393B TW I661393 B TWI661393 B TW I661393B TW 107139740 A TW107139740 A TW 107139740A TW 107139740 A TW107139740 A TW 107139740A TW I661393 B TWI661393 B TW I661393B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- bar graph
- segmentation
- value
- computer program
- Prior art date
Links
Landscapes
- Image Analysis (AREA)
Abstract
一種影像分割方法,所述方法包括:獲取影像和所述影像的深度圖像;獲取所述深度圖像的長條圖,所述長條圖包括橫坐標及縱坐標;採用聚類演算法對長條圖資料進行聚類,得到兩個類別及兩個類別的中心;確定長條圖中兩個類別的中心之間的對應縱坐標值最小的橫坐標值為分割閾值;確定所述分割閾值是否滿足預設條件;當所述分割閾值滿足預設條件時,根據所述分割閾值將所述影像分割成前景和背景兩個區域。本發明還提供一種電腦程式、存儲介質及電子裝置,可避免在影像深度分佈連續的位置進行前背景分割。
Description
本發明涉及數位影像處理技術領域,特別涉及一種影像分割方法、電腦程式、存儲介質及電子裝置。
目前,影像的後期處理,例如背景虛擬處理,需要事先將影像進行前背景分割處理。然而,現有的影像進行前背景分割處理往往存在在影像深度分佈連續的位置進行分割導致影像的前景和背景分割不恰當,進而影響影像的後期處理。
鑒於以上內容,有必要提供一種影像分割方法、電腦程式、存儲介質及電子裝置,可避免在影像深度分佈連續的位置進行前背景分割。
本發明的第一方面提供一種影像分割方法,所述方法包括:
獲取影像和所述影像的深度圖像;
獲取所述深度圖像的長條圖,所述長條圖包括橫坐標及縱坐標;
採用聚類演算法對長條圖資料進行聚類,得到兩個類別及兩個類別的中心;
確定長條圖中兩個類別的中心之間的對應縱坐標值最小的橫坐標值為分割閾值;
確定所述分割閾值是否滿足預設條件;
當所述分割閾值滿足預設條件時,根據所述分割閾值將所述影像分割成前景和背景兩個區域。
較佳的,所述獲取所述影像的深度圖像包括:
藉由雙目匹配演算法或者深度圖像採集裝置獲取所述影像的深度圖像。
較佳的,所述預設條件為所述長條圖中以所述分割閾值為中心的預設範圍內的縱坐標值的平均值小於預設值。或者,所述預設條件為所述長條圖中所述分割閾值對應的縱坐標值小於預設值。
較佳的,所述方法還包括:
當所述分割閾值不滿足預設條件時,確定所述影像不適合分割成所述前景和所述背景兩個區域。
較佳的,所述長條圖中的所述橫坐標代表所述深度圖像的圖元的深度值;
所述長條圖中的所述縱坐標代表對應每一所述深度值的所述圖元的個數。
較佳的,所述聚類演算法為K-means演算法。
本發明的第二方面提供一種電腦程式,所述電腦程式包括至少一個電腦程式指令,所述至少一個電腦程式指令用於被處理器執行以實現如上任意一項所述的影像分割方法。
本發明的協力廠商面提供一種存儲介質,所述存儲介質存儲至少一個電腦程式指令,所述至少一個電腦程式指令用於被處理器執行以實現如上任意一項所述的影像分割方法。
本發明的第四方面提供一種電子裝置,所述電子裝置包括處理器及記憶體,所述處理器用於執行所述記憶體中存儲的至少一個電腦程式指令以實現如上任意一項所述的影像分割方法。
本方案藉由獲取影像和所述影像的深度圖像;獲取所述深度圖像的長條圖,所述長條圖包括橫坐標及縱坐標;採用聚類演算法對長條圖資料進行聚類,得到兩個類別及兩個類別的中心;確定長條圖中兩個類別的中心之間的對應縱坐標值最小的橫坐標值為分割閾值;確定所述分割閾值是否滿足預設條件;當所述分割閾值滿足預設條件時,根據所述分割閾值將所述影像分割成前景和背景兩個區域,避免在影像深度分佈連續的位置進行前背景分割。
下面將結合本發明實施方式中的附圖,對本發明實施方式中的技術方案進行清楚、完整地描述,顯然,所描述的實施方式僅僅是本發明一部分實施方式,而不是全部的實施方式。基於本發明中的實施方式,本領域具有通常技藝者在沒有付出創造性勞動前提下所獲得的所有其他實施方式,都屬於本發明保護的範圍。
實施例一
圖1是本發明實施例一提供的影像分割方法的流程圖。根據不同的需求,該流程圖中步驟的順序可以改變,某些步驟可以省略。所述方法應用於電子裝置中,所述電子裝置可以為任何一種電子產品,例如,個人電腦、平板電腦、智慧手機、個人數位助理(Personal Digital Assistant,PDA)等。如圖1所示,所述影像分割方法可以包括以下步驟:
步驟S11,獲取影像和所述影像的深度圖像。
所述獲取影像和所述影像的深度圖像可包括:獲取影像,並藉由雙目匹配演算法獲取影像的深度圖像。所述獲取影像和所述影像的深度圖像還可包括:藉由深度圖像採集裝置獲取影像和所述影像的深度圖像。其中,所述深度圖像採集裝置可直接採集影像及影像的深度圖像。在本實施例中,所述深度圖像採集裝置可為Kinect攝像機。在其他實施例中,所述深度圖像採集裝置可為PrimeSense等感測器。
所述深度圖像為單色圖像,其大小和所述影像相同。所述深度圖像的灰度值為所述影像的圖元的深度值。所述深度值為所述影像所拍攝的景物和所述深度圖像採集裝置之間的距離。
步驟S12,獲取所述深度圖像的長條圖,所述長條圖包括橫坐標及縱坐標。
在本實施例中,在獲取所述深度圖像的長條圖,所述長條圖包括橫坐標及縱坐標之前,本方法還對所述深度圖像進行處理來消除雜訊。所述處理可為圖像平滑處理。在本實施例中,所述圖像平滑處理可為鄰域平均法、中值濾波法等等。
在本實施例中,所述長條圖為深度長條圖。在本實施例中,所述長條圖反映了所述深度圖像中具有所述深度值的圖元的個數,如圖2所示。其中,所述長條圖的橫坐標代表所述深度圖像的圖元的深度值,所述長條圖的縱坐標代表對應每一深度值的所述圖元的個數。在本實施例中,所述深度值的範圍是[0,255],所述圖元的個數的範圍是[0,3000]。
步驟S13,採用聚類演算法對長條圖資料進行聚類,得到兩個類別及兩個類別的中心。
在本實施例中,所述聚類演算法為K-means演算法。所述K-means演算法可為任意一種已知的K-means演算法。下面詳細介紹一種K-means演算法,而對其他的已知的K-means演算法不進行詳細介紹。所述K-means演算法包括:
a1: 從長條圖資料中選擇K個點作為初始類別的中心,K為大於一的整數;
a2:掃描長條圖中全部資料,計算每個點與類別的中心的距離,並根據最小距離將所述點歸入相應的類別;
a3:重新計算每個類別的中心;
a4:反覆運算預設次數或者新的類別的中心與原類別的中心相等或距離小於預設閾值時,演算法結束。在本實施例中,所述K=2,所述預設次數為10次,所述預設閾值為0.1。
在其他實施例中,所述聚類演算法為核密度估計演算法等。所述核密度估計演算法為任意一種已知的核密度估計演算法。由於核密度估計演算法為已知,在此不進行贅述。
在本實施例中,當聚類演算法結束後,在長條圖中得到所述兩個類別及所述兩個類別的中心。在本實施例中,以圖2所示的長條圖為例,所述兩個類別在圖3中以深淺不同的兩種灰色表示,所述兩個類別的中心的橫坐標值分別為106.19及236.28,在圖3中分別用虛線表示。
步驟S14,確定長條圖中兩個類別的中心之間的對應縱坐標值為最小值的橫坐標值為分割閾值。
例如:長條圖中橫坐標值106.19與橫坐標值236.28之間具有最小縱坐標值的橫坐標值為206,則確定所述橫坐標值206為分割閾值,在圖4中用點劃線表示。
在本實施例中,前景通常為距離影像採集裝置較近的景物,背景通常為距離影像採集裝置較遠的景物,前景和背景距離影像採集裝置的距離往往不同,使得在深度圖像中前景和背景的深度分佈不連續,從而可將兩個類別的中心之間的深度分佈不連續的位置設為分割閾值,實現前景和背景的有效分割。
步驟S15,確定所述分割閾值是否滿足預設條件。
所述預設條件可為所述長條圖中以所述分割閾值為中心的預設範圍內的縱坐標值的平均值小於預設值。在本實施例中,所述預設範圍為橫坐標值為[T-N,T+N]的範圍,T為所述分割閾值,N為正整數,例如N可為2。所述預設值為50~200,例如所述預設值為100。顯然,所述N及所述預設值不僅局限於上述值,可根據需要而設置為其他值。
所述預設條件還可為所述長條圖中所述分割閾值對應的縱坐標值小於預設值。所述預設值可為50~200,例如所述預設值為100。顯然,所述預設值不僅局限於上述值,可根據需要而設置為其他值。
步驟S16,當所述分割閾值滿足預設條件時,根據所述分割閾值將所述影像分割成前景和背景兩個區域。
所述預設條件可為所述長條圖中以所述分割閾值為中心的預設範圍內的縱坐標值的平均值小於預設值,或者為所述長條圖中所述分割閾值對應的縱坐標值小於預設值。在本實施例中,所述分割閾值滿足預設條件表示前景和背景之間具有清晰的界線,此時可根據所述分割閾值將所述影像分割成前景和背景兩個區域。具體來說,可將所述影像中深度值小於所述分割閾值的圖元劃分為所述前景,並將所述影像中深度值大於所述分割閾值的圖元劃分為所述背景。所述影像中深度值等於所述分割閾值的圖元可以劃分為所述前景或所述背景。在本實施例中,根據所述分割閾值將所述影像分割成前景和背景兩個區域後,可對影像進行後期處理,例如背景虛擬處理,改變背景等,從而實現各種功能。
實施例一提供的方法藉由獲取影像和所述影像的深度圖像;獲取所述深度圖像的長條圖,所述長條圖包括橫坐標及縱坐標;採用聚類演算法對長條圖資料進行聚類,得到兩個類別及兩個類別的中心;確定長條圖中兩個類別的中心之間的對應縱坐標值最小的橫坐標值為分割閾值;確定所述分割閾值是否滿足預設條件;當所述分割閾值滿足預設條件時,根據所述分割閾值將所述影像分割成前景和背景兩個區域,從而確定所述分割閾值為影像深度分佈不連續的位置,使得後續的前背景分割恰當,同時當前景和背景之間的邊界清晰時才進行前背景分割,進一步實現前背景的有效分割。
實施例二
圖5是本發明實施例二提供的影像分割方法的流程圖。根據不同的需求,該流程圖中步驟的順序可以改變,某些步驟可以省略。所述方法應用於電子裝置中,所述電子裝置可以為任何一種電子產品,例如,個人電腦、平板電腦、智慧手機、個人數位助理(Personal Digital Assistant,PDA)等。如圖5所示,所述影像分割方法可以包括以下步驟:
步驟S71,獲取影像和所述影像的深度圖像。
本實施例中步驟S71與所述實施例一中步驟S11一致,具體請參閱實施例一中步驟S11的相關描述,在此不進行贅述。
步驟S72,獲取所述深度圖像的長條圖,所述長條圖包括橫坐標及縱坐標。
本實施例中步驟S72與所述實施例一中步驟S12一致,具體請參閱實施例一中步驟S12的相關描述,在此不進行贅述。
步驟S73,採用聚類演算法對長條圖資料進行聚類,得到兩個類別及兩個類別的中心。
本實施例中步驟S73與所述實施例一中步驟S13一致,具體請參閱實施例一中步驟S13的相關描述,在此不進行贅述。
步驟S74,確定長條圖中兩個類別的中心之間的對應縱坐標值為最小值的橫坐標值為分割閾值。
本實施例中步驟S74與所述實施例一中步驟S14一致,具體請參閱實施例一中步驟S14的相關描述,在此不進行贅述。
步驟S75,確定所述分割閾值是否滿足預設條件。
本實施例中步驟S75與所述實施例一中步驟S15一致,具體請參閱實施例一中步驟S15的相關描述,在此不進行贅述。
步驟S76,當所述分割閾值滿足預設條件時,根據所述分割閾值將所述影像分割成前景和背景兩個區域。
本實施例中步驟S76與所述實施例一中步驟S16一致,具體請參閱實施例一中步驟S16的相關描述,在此不進行贅述。
步驟S77,當所述分割閾值不滿足預設條件時,確定所述影像不適合分割成前景和背景兩個區域。
所述分割閾值不滿足預設條件可為所述長條圖中以所述分割閾值為中心的所述預設範圍內的縱坐標值的平均值大於或等於預設值,或者為所述長條圖中所述分割閾值對應的縱坐標值大於或等於預設值。
在本實施例中,所述分割閾值不滿足預設條件表示前景和背景之間沒有清晰的界線,此時所述影像不適合分割成前景和背景兩個區域,所以放棄切分所述影像。
實施例二提供的方法藉由獲取影像和所述影像的深度圖像;獲取所述深度圖像的長條圖,所述長條圖包括橫坐標及縱坐標;採用聚類演算法對長條圖資料進行聚類,得到兩個類別及兩個類別的中心;確定長條圖中兩個類別的中心之間的對應縱坐標值最小的橫坐標值為分割閾值;確定所述分割閾值是否滿足預設條件;當所述分割閾值滿足預設條件時,根據所述分割閾值將所述影像分割成前景和背景兩個區域,當所述分割閾值不滿足預設條件時,確定所述影像不適合分割成前景和背景兩個區域,從而確定所述分割閾值為影像深度分佈不連續的位置,使得後續的前背景分割恰當,同時當前景和背景之間的邊界清晰時才進行前背景分割,進一步實現前背景的有效分割,並當前景和背景之間的邊界不清晰時不進行前背景分割,避免了前背景的分割不恰當。
實施例三
圖6為本發明實施例三提供的電子裝置的示意圖。
所述電子裝置8包括:記憶體81、至少一個處理器82、及存儲在所述記憶體81中並可在所述至少一個處理器82上運行的電腦程式83。所述至少一個處理器82用於執行所述電腦程式83以實現上述影像分割方法實施例中的步驟。
示例性的,所述電腦程式83可以被分割成一個或多個模組/單元,所述一個或者多個模組/單元被存儲在所述記憶體81中,並由所述至少一個處理器82執行,以完成本發明。所述一個或多個模組/單元可以是能夠完成特定功能的一系列電腦程式指令段,該指令段用於描述所述電腦程式83在所述電子裝置8中的執行過程。
所述電子裝置8可以為任何一種電子產品,例如,個人電腦、平板電腦、智慧手機、個人數位助理(Personal Digital Assistant,PDA)等。本領域具有通常技藝者可以理解,所述示意圖6僅僅是電子裝置8的示例,並不構成對電子裝置8的限定,所述電子裝置8可以包括比圖示更多或更少的部件,或者組合某些部件,或者不同的部件,例如所述電子裝置8還可以包括輸入輸出設備、網路接入設備、顯示幕等。
所述至少一個處理器82可以是中央處理單元(Central Processing Unit,CPU),還可以是其他通用處理器、數位訊號處理器(Digital Signal Processor,DSP)、專用積體電路(Application Specific Integrated Circuit,ASIC)、現成可程式設計閘陣列(Field-Programmable Gate Array,FPGA)或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。該處理器82可以是微處理器或者該處理器82也可以是任何常規的處理器等,所述處理器82是所述電子裝置8的控制中心,利用各種介面和線路連接整個電子裝置8的各個部分。
所述記憶體81可用於存儲所述電腦程式83和/或模組/單元,所述處理器82藉由運行或執行存儲在所述記憶體81內的電腦程式和/或模組/單元,以及調用存儲在記憶體81內的資料,實現所述電子裝置8的各種功能。所述記憶體81可主要包括存儲程式區和存儲資料區,其中,存儲程式區可存儲作業系統、至少一個功能所需的應用程式(比如聲音播放功能、圖像播放功能等)等;存儲資料區可存儲根據電子裝置8的使用所創建的資料(比如音訊資料、電話本等)等。此外,記憶體81可以包括高速隨機存取記憶體和非易失性記憶體,例如硬碟、記憶體、插接式硬碟、智慧存儲卡(Smart Media Card,SMC)、安全數位(Secure Digital,SD)卡、快閃記憶體卡(Flash Card)、至少一個磁碟記憶體件、快閃記憶體器件、或其他易失性固態記憶體件。
所述電子裝置8集成的模組/單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時,可以存儲在一個電腦可讀取存儲介質中。基於這樣的理解,本發明實現上述實施例方法中的全部或部分流程,也可以藉由電腦程式來控制相關的硬體來完成,所述的電腦程式可存儲於一電腦可讀存儲介質中,該電腦程式在被處理器執行時,可實現上述各個方法實施例的步驟。其中,所述電腦程式包括電腦程式代碼,所述電腦程式代碼可以為原始程式碼形式、物件代碼形式、可執行檔或某些中間形式等。所述電腦可讀介質可以包括:能夠攜帶所述電腦程式代碼的任何實體或裝置、記錄介質、U盤、移動硬碟、磁碟、光碟、電腦記憶體、唯讀記憶體(ROM,Read-Only Memory)、隨機存取記憶體(RAM,Random Access Memory)、電載波信號、電信信號以及軟體分發介質等。需要說明的是,所述電腦可讀介質包含的內容可以根據司法管轄區內立法和專利實踐的要求進行適當的增減,例如在某些司法管轄區,根據立法和專利實踐,電腦可讀介質不包括電載波信號和電信信號。
在本發明所提供的幾個實施例中,應該理解到,所揭露的電子裝置和方法,可以藉由其它的方式實現。例如,以上所描述的電子裝置實施例僅僅是示意性的。
對於本領域具有通常技藝者而言,顯然本發明不限於上述示範性實施例的細節,而且在不背離本發明的精神或基本特徵的情況下,能夠以其他的具體形式實現本發明。因此,無論從哪一點來看,均應將實施例看作是示範性的,而且是非限制性的,本發明的範圍由所附申請專利範圍而不是上述說明限定,因此旨在將落在申請專利範圍的等同要件的含義和範圍內的所有變化涵括在本發明內。不應將申請專利範圍中的任何附圖標記視為限制所涉及的申請專利範圍。此外,顯然“包括”一詞不排除其他單元或,單數不排除複數。最後應說明的是,以上實施例僅用以說明本發明的技術方案而非限制,儘管參照較佳實施例對本發明進行了詳細說明,本領域具有通常技藝者應當理解,可以對本發明的技術方案進行修改或等同替換,而不脫離本發明技術方案的精神範圍。
8‧‧‧電子裝置
81‧‧‧記憶體
82‧‧‧處理器
83‧‧‧電腦程式
圖1是本發明實施例一提供的影像分割方法的流程圖。 圖2是本發明一較佳實施例的深度圖像的長條圖。 圖3是本發明一較佳實施例的得到類別的中心的示意圖。 圖4是本發明一較佳實施例的確定分割閾值的示意圖。 圖5是本發明實施例二提供的影像分割方法的流程圖。 圖6是本發明實施例三提供的電子裝置的示意圖。
無
Claims (10)
- 一種影像分割方法,其中,所述方法包括: 獲取影像和所述影像的深度圖像; 獲取所述深度圖像的長條圖,所述長條圖包括橫坐標及縱坐標; 採用聚類演算法對長條圖資料進行聚類,得到兩個類別及兩個類別的中心; 確定長條圖中兩個類別的中心之間的對應縱坐標值最小的橫坐標值為分割閾值; 確定所述分割閾值是否滿足預設條件; 當所述分割閾值滿足預設條件時,根據所述分割閾值將所述影像分割成前景和背景兩個區域。
- 如申請專利範圍第1項所述的影像分割方法,其中,所述獲取所述影像的深度圖像包括: 藉由雙目匹配演算法或者深度圖像採集裝置獲取所述影像的深度圖像。
- 如申請專利範圍第1項所述的影像分割方法,其中: 所述預設條件為所述長條圖中以所述分割閾值為中心的預設範圍內的縱坐標值的平均值小於預設值。
- 如申請專利範圍第1項所述的影像分割方法,其中: 所述預設條件為所述長條圖中所述分割閾值對應的縱坐標值小於預設值。
- 如申請專利範圍第1項所述的影像分割方法,其中,所述方法還包括: 當所述分割閾值不滿足所述預設條件時,確定所述影像不適合分割成所述前景和所述背景兩個區域。
- 如申請專利範圍第1項所述的影像分割方法,其中: 所述長條圖中的所述橫坐標代表所述深度圖像的圖元的深度值; 所述長條圖中的所述縱坐標代表對應每一所述深度值的所述圖元的個數。
- 如申請專利範圍第1項所述的影像分割方法,其中: 所述聚類演算法為K-means演算法。
- 一種電腦程式,其中,所述電腦程式包括至少一個電腦程式指令,所述至少一個電腦程式指令用於被處理器執行以實現如申請專利範圍第1項至第7項中任意一項所述的影像分割方法。
- 一種存儲介質,其中,所述存儲介質存儲至少一個電腦程式指令,所述至少一個電腦程式指令用於被處理器執行以實現如申請專利範圍第1項至第7項中任意一項所述的影像分割方法。
- 一種電子裝置,其中,所述電子裝置包括處理器及記憶體,所述處理器用於執行所述記憶體中存儲的至少一個電腦程式指令以實現如申請專利範圍第1項至第7項中任意一項所述的影像分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107139740A TWI661393B (zh) | 2018-11-08 | 2018-11-08 | 影像分割方法、電腦程式、存儲介質及電子裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107139740A TWI661393B (zh) | 2018-11-08 | 2018-11-08 | 影像分割方法、電腦程式、存儲介質及電子裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI661393B true TWI661393B (zh) | 2019-06-01 |
TW202018660A TW202018660A (zh) | 2020-05-16 |
Family
ID=67764037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107139740A TWI661393B (zh) | 2018-11-08 | 2018-11-08 | 影像分割方法、電腦程式、存儲介質及電子裝置 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI661393B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201314582A (zh) * | 2011-09-29 | 2013-04-01 | Mediatek Singapore Pte Ltd | 前景物件偵測方法與裝置及背景偵測方法與裝置 |
CN103034997A (zh) * | 2012-11-30 | 2013-04-10 | 杭州易尊数字科技有限公司 | 一种适用于监控视频前/背景分离的前景检测方法 |
TW201322183A (zh) * | 2011-11-17 | 2013-06-01 | Hon Hai Prec Ind Co Ltd | 圖像分析裝置及分析方法 |
TW201742005A (zh) * | 2016-05-16 | 2017-12-01 | 安訊士有限公司 | 更新用於影像之背景相減的背景模型之方法和設備 |
-
2018
- 2018-11-08 TW TW107139740A patent/TWI661393B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201314582A (zh) * | 2011-09-29 | 2013-04-01 | Mediatek Singapore Pte Ltd | 前景物件偵測方法與裝置及背景偵測方法與裝置 |
TW201322183A (zh) * | 2011-11-17 | 2013-06-01 | Hon Hai Prec Ind Co Ltd | 圖像分析裝置及分析方法 |
CN103034997A (zh) * | 2012-11-30 | 2013-04-10 | 杭州易尊数字科技有限公司 | 一种适用于监控视频前/背景分离的前景检测方法 |
TW201742005A (zh) * | 2016-05-16 | 2017-12-01 | 安訊士有限公司 | 更新用於影像之背景相減的背景模型之方法和設備 |
Also Published As
Publication number | Publication date |
---|---|
TW202018660A (zh) | 2020-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108961303B (zh) | 一种图像处理方法、装置、电子设备和计算机可读介质 | |
CN109325954B (zh) | 图像分割方法、装置及电子设备 | |
WO2019134504A1 (zh) | 图像背景虚化方法、装置、存储介质及电子设备 | |
CN108596944B (zh) | 一种提取运动目标的方法、装置及终端设备 | |
CN111144242B (zh) | 一种三维目标检测方法、装置及终端 | |
CN111161299B (zh) | 影像分割方法、存储介质及电子装置 | |
WO2021068618A1 (zh) | 图像融合方法、装置、计算处理设备和存储介质 | |
JP2016526713A (ja) | トラッカ補助画像キャプチャ | |
JP2019504379A (ja) | 煙検出装置、方法及び画像処理装置 | |
CN110335216B (zh) | 图像处理方法、图像处理装置、终端设备及可读存储介质 | |
WO2021013049A1 (zh) | 前景图像获取方法、前景图像获取装置和电子设备 | |
WO2019237745A1 (zh) | 人脸图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN110415237B (zh) | 皮肤瑕疵检测方法、检测装置、终端设备及可读存储介质 | |
CN111091572B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
WO2021003936A1 (zh) | 图像分割方法、电子设备和计算机可读存储介质 | |
US9373053B2 (en) | Image processor with edge selection functionality | |
CN110503704B (zh) | 三分图的构造方法、装置和电子设备 | |
CN110708568B (zh) | 一种视频内容突变检测方法及装置 | |
US20170032580A1 (en) | Edge preserving color smoothing of 3d models | |
US20230214981A1 (en) | Method for detecting appearance defects of a product and electronic device | |
WO2021036442A1 (zh) | 循环保边平滑滤波的方法、装置和电子设备 | |
CN111179276A (zh) | 一种图像处理方法和装置 | |
CN109753957B (zh) | 图像显著性检测方法、装置、存储介质及电子设备 | |
WO2020001016A1 (zh) | 运动图像生成方法、装置、电子设备及计算机可读存储介质 | |
TWI661393B (zh) | 影像分割方法、電腦程式、存儲介質及電子裝置 |