CN101188018B - 一种在排版过程中进行自动退地的方法及装置 - Google Patents
一种在排版过程中进行自动退地的方法及装置 Download PDFInfo
- Publication number
- CN101188018B CN101188018B CN2007101789005A CN200710178900A CN101188018B CN 101188018 B CN101188018 B CN 101188018B CN 2007101789005 A CN2007101789005 A CN 2007101789005A CN 200710178900 A CN200710178900 A CN 200710178900A CN 101188018 B CN101188018 B CN 101188018B
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- energy function
- value
- cluster
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种在排版过程中进行自动退地的方法及装置,该技术基于GrabCut方法应用于排版领域,另外,该技术还包括:根据图像颜色空间的不同,对该图像的每个颜色空间分配一个内存块;对于灰度图及二值图,采用彩虹伪彩色编码将该灰度图及二值图转换为具有红绿蓝(RGB)三色的图像;对于较大尺寸的图像,计算像素点4邻域范围内的权重、均值、协方差及高斯概率分布。通过本发明提供的技术方案,可以对排版过程中包含各种颜色空间的图像通过一次人工交互完成自动退地,并且可以得到准确的分割结果,同时可以在自动退地过程中进行取消操作,方便用户结束自动退地或重新选择退地区域。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种在排版过程中进行自动退地的技术。
背景技术
作为图像处理领域中的经典问题,图像分割问题一直是研究的热点之一。所谓图像分割,是指将一幅图像中用户感兴趣的部分(称为目标)和其它部分(称为背景)区分开来,从而对目标进行后继处理。随着科学技术的发展,图像分割所采用的技术从单纯利用图像本身的信息(如灰度级、梯度值等)进行分割扩展到与其它学科相结合(如模式识别、神经网络等)进行分割,学者们提出了很多分割方法。但是,到目前为止,所有的分割方法都很难达到一劳永逸的效果,每种分割方法对某一类图像有着良好的分割效果但对另一类图像却效果不好,这也是目前仍然不断涌现新的分割方法的原因所在。
这些方法都是将图像整体作为输入,期望能够用分割算法本身区分目标和背景。由于图像存在的二义性,有时很难区分目标到底是什么,此时很容易得到错误的结果;另外,不加约束的对图像整体进行处理,背景所包含的内容(颜色、灰度、纹理等)不可避免的会对目标产生影响,这也加大了分割目标的难度。显然,加入适当人工干预的半自动分割方法能够降低分割难度且更能够得到良好的分割结果,这种半自动分割方法称为Image Matting方法,目前这类方法中比较常用的有以下几种:
(1)贝叶斯及泊松方法:
首先用户通过交互手段大致确定图像中背景区域、目标区域及二者相交处的区域(称为不透明区域),将图像转换为一幅三元图。这样图像分割问题就转化为对目标区域中的像素估计其前景色、背景色及不透明度的问题,通过贝叶斯理论或泊松方法求解多项式方程得到分割结果。此类方法用户至少需要三次交互过程,而且不透明区域不能够太大且目标和背景区域的颜色分布差异要足够大才能够得到好的分割结果。
(2)GraphCut方法:
这种方法用户只需指定部分像素为目标或背景,而不需要提供三元图,方法将图像的分割问题巧妙的转化为图论中的最大流-最小割问题,通过求解方程得到分割结果。此方法理论上相对第三类方法来说减少了一次交互过程,但是对不连通的目标或背景区域,需要对每一个连通区域都要进行交互操作,在实际过程中并不能减少交互次数。此外,这种方法利用的是图像灰度直方图信息,只能将图像首先转换为灰度图像后进行处理,无法利用图像的颜色信息从而降低了结果的准确性。
(3)GrabCut方法:
GrabCut方法针对GraphCut方法的缺点进行了改进。用户只需进行一次交互操作指定图像中的目标区域即可,大大简化了用户操作;另外,在对图像的目标和背景进行建模时采用混合高斯模型代替了灰度直方图,从而可以直接利用图像中包含更多信息的RGB颜色数据得到更准确的数据。
虽然在图像处理领域中,Image Matting技术已经十分成熟且成功应用在诸如Photoshop等专业图像处理软件中,但在排版软件中仍然很少应用此类技术。随着排版行业的飞速发展,对功能和效果要求越来越高,简单如Adobe Indesign中的Detect Edges仅使用阈值和容忍度两个参数进行图像分割的方法基本不能达到好的效果。另外,排版软件需要尽可能简单的人工交互过程,通过对上述方法的比较可以发现,采用GrabCut方法仅需要一次人工交互,对人工交互提供的限制条件十分宽松,非专业人士也能够熟练使用,而且此方法还能够处理彩色图像。但是,GrabCut方法不能简单应用到排版过程中,因为此方法仅处理红绿蓝(RGB)三色颜色空间的图像,对包含更多颜色空间(如CMYK)的图像来说,将颜色空间转换为RGB颜色后,必然会损失一定的信息;对灰度图像甚至是二值图像来说,由于仅存在256阶甚至是2阶灰度信息,通过试验发现直接使用GrabCut方法很难达到好的效果。
发明内容
本发明提供了一种在排版过程中进行自动退地的方法及装置,该技术能够对排版过程中包含各种颜色空间的图像进行自动退地,只需进行一次人工交互,并能够得到准确的分割结果,满足排版技术在图像处理方面对功能和效果的要求。
本发明实施例通过如下技术方案实现:
本发明实施例是供了一种在排版过程中进行自动退地的方法,该方法包括:
确定图像的目标和背景区域,并确定出所述目标和背景区域中每个像素点的颜色分量的值,其中,根据图像颜色空间的不同,对该图像的每个颜色空间分配一个内存块,利用所分配的内存块,存储对应颜色空间中所确定出的所述目标和背景区域中每个像素点的颜色分量的值;
对所述每个像素点的颜色分量的值分别进行均值聚类分析,得到目标和背景区域中每个像素点所属的聚类,并将目标和背景区域按照所述像素点所属的聚类分割为多个小区域块;
对于大于设定的参考图像尺寸的图像,根据每个像素点所属的小区域块和所在的聚类,计算每个像素点4邻域范围内的权重、均值、协方差及高斯概率分布,并得到每个像素点对应的能量函数,或,对于小于或等于设定的参考图像尺寸的图像,根据每个像素点所属的小区域块和所在的聚类,计算每个像素点8邻域范围内的权重、均值、协方差及高斯概率分布,并得到每个像素点对应的能量函数;
采用最大流-最小割算法求解得到的每个像素点对应的能量函数的最小值;
将所述能量函数的最小值与设定的能量函数阈值进行比较,根据比较结果进行自动退地。
本发明实施例还提供了一种在排版过程中进行自动退地的装置,该装置包括颜色分量值确定单元、聚类分析单元、能量函数获得单元、能量函数最小值计算单元和自动退地完成单元。
其中,颜色分量值确定单元,用于确定图像的目标和背景区域,并确定出所述目标和背景区域中每个像素点的颜色分量的值,其中,根据图像颜色空间的不同,对该图像的每个颜色空间分配一个内存块,利用所分配的内存块,存储对应颜色空间中所确定出的所述目标和背景区域中每个像素点的颜色分量的值;
聚类分析单元,用于对所述每个像素点的颜色分量的值分别进行聚类分析,得到目标和背景区域中每个像素点所属的聚类,并将目标和背景区域按照所述像素点所属的聚类分割为多个小区域块;
能函数获得单元,用于根据每个像素点所属的小区域块和所在的聚类,计算每个像素点设定邻域范围内的权重、均值、协方差及高斯概率分布,得到每个像素点对应的能量函数;
能量函数最小值计算单元,用于采用最大流-最小割算法求解得到的每个像素点对应能量函数的最小值;
自动退地完成单元,用于将所述能量函数的最小值与设定的能量函数阈值进行比较,根据比较结果进行自动退地;
其中,所述能量函数获得单元包括:
4邻域计算模块,用于对于大于设定的参考图像尺寸的图像,根据每个像素点所属的小区域块和所在的聚类,计算每个像素点4邻域范围内的权重、均值、协方差及高斯概率分布;或,
8邻域计算模块,用于对于小于或等于设定的参考图像尺寸的图像,根据每个像素点所属的小区域块和所在的聚类,计算每个像素点8邻域范围内的权重、均值、协方差及高斯概率分布。
由以上技术方案可以看出,本发明实施例提供的技术方案,基于GrabCut方法,能够在排版过程中对排版面进行自动退地,能够丰富排版技术的版面艺术效果,也能够满足排版技术在图像处理方面对功能和效果的要求。
附图说明
图1为本发明第一实施例中在排版过程中进行自动退地的方法流程图;
图2A、图2B、图2C为本发明第一实施例中在排版过程中进行自动退地的显示图;
图3A、图3B、图3C为本发明第一实施例中在排版过程中进行自动退地的显示图;
图4为本发明第二实施例中在排版过程中进行自动退地的装置示意图。
具体实施方式
本实施例提出了一种在排版过程中进行自动退地的方法及装置,该技术应用于排版领域,能够对排版过程中包含各种颜色空间的图像进行自动退地,只需进行一次人工交互,并能够得到准确的分割结果,同时能够在自动退地过程中进行取消操作以便用户重新选择退地区域。现结合说明书附图对本发明的技术方案进行详细说明:
本发明第一实施例提出了一种在排版过程中进行自动退地的方法,该方法包括:
(a)、将用户在版面上选择的矩形区域的坐标转换为图像坐标系的像素坐标,将其与图像本身矩形区域的像素坐标求交,将图像中位于交集之外的像素置为背景,将交集内的像素置为目标。目标点不透明属性置为1,背景的不透明属性置为0,初始化目标区域和背景区域的混合高斯模型(GMM);
根据图像颜色空间的不同,对该图像的每个颜色空间分配一个内存块,利用所分配的内存块,存储对应颜色空间中所确定出的所述目标和背景区域中每个像素点的颜色分量的值,并获得排入版面中图像本身的包括图像的颜色空间和每个像素点的颜色分量值的颜色空间信息,完成GrabCut的初始化;
对于灰度图及二值图,首先采用彩虹伪彩色编码将该灰度图及二值图转换为具有RGB三色的图像,为每个颜色空间分配一个内存块,每个内存块分别用以存储每个像素点R、G、B值,其取值范围为0到255。
(b)、对目标和背景区域中每个像素点的颜色分量的值分别进行K均值聚类分析,得到目标和背景区域中每个像素点所属的聚类,并将目标和背景区域按照所述像素点所属的聚类初步分割为多个小区域块。
(c)、对每一个像素点,根据每个像素点所属的小区域块和所在的聚类,计算每个像素点8邻域范围内的权重、均值、协方差及高斯概率分布,得到每个像素点对应的Gibbs能量函数;
考虑到对每一个像素点,根据其所属的小区域块和所在的聚类,需要计算其8邻域范围内的权重、均值、协方差及高斯概率分布,若图像尺寸较大,则计算量非常大。为了满足排版技术对效率的要求,设定一个参考图像尺寸(如:1000*1000像素的图像),对于大于该图像尺寸的图像,根据每个像素点所属的小区域块和所在的聚类,计算每个像素点4邻域范围内的权重、均值、协方差及高斯概率分布;对于小于该图像尺寸的图像,根据每个像素点所属的小区域块和所在的聚类,计算每个像素点8邻域范围内的权重、均值、协方差及高斯概率分布。
(d)、采用最大流-最小割算法求解得到的每个像素点对应的Gibbs能量函数的最小值。
(e)、将所述能量函数的最小值与设定的能量函数阈值进行比较,根据比较结果进行自动退地。具体方法如下:
设置一个能量函数阈值A,若得到的Gibbs能量函数的最小值大于A,则从(b)步骤重新开始计算,得到新的Gibbs能量函数的最小值;若得到的Gibbs能量函数的最小值小于A,则说明Gibbs能量函数收敛,从而完成自动退地。
根据用户的需要,若想结束自动退地或想重新选择退地区域,则在确定结束自动退地或重新选择退地区域后,释放已分配的内存,图像恢复到退地前的初始状态。
下面结合图1流程图,在排版过程中进行自动退地的详细过程进行说明:
S101、判断图像是否是灰度图或二值图,如果是则进行步骤S102,否则进行步骤S103;
S102、采用彩虹伪彩色编码将图像转换为具有RGB三色的图像,然后执行步骤S103;
S103、根据图像颜色空间的不同,对图像每个颜色空间分配一个内存块,用以存储对应颜色空间的每个像素点的颜色分量的值;
S104、对每个像素点的颜色分量的值分别进行K均值聚类分析,得到每个像素点所在的聚类,并将目标和背景区域按照所述像素点所属的聚类初步分割为多个小区域块;
S105、设置一个尺寸,判断图像的大小是否超过该尺寸,如果是则进行步骤S106,否则进行步骤S107;
S106、根据每个像素点所属的小区域块和所在的聚类,计算每一个像素点4邻域范围内的权重、均值、协方差及高斯概率分布;
S107、根据每个像素点所属的小区域块和所在的聚类,计算每一个像素点8邻域范围内的权重、均值、协方差及高斯概率分布;
S108、根据每个像素点的权重、均值、协方差及高斯概率分布等信息,得到每个像素点对应的Gibbs能量函数;
S109、采用最大流-最小割算法求解得到的每个像素点对应的Gibbs能量函数的最小值;
S110、设定一个数值,判断得到的Gibbs能量函数的最小值是否小于该设定的值,如果是,则完成自动退地,否则进行步骤S103。
下面结合附图2A到附图2C,对本发明第一实施例提供的方法进行具体应用时的过程进行详细说明:
首先,在版面上排入一张图片,如图2A所示,通过菜单选择或快捷键选中“框选区域”工具,在版面上框选用户感兴趣的区域,如图2A中虚线框所示。
其次,通过菜单选择或快捷键选中“自动退地”工具,程序弹出进度条,显示当前处理进度,如图2B所示。处理完毕后自动得到完成退地后图像分割结果,如图2C所示。若在退地过程中点击取消按钮,则释放已分配的内存,图像恢复到退地前的初始状态。
下面结合附图3A到附图3C,对本发明第一实施例提供的方法进行具体应用时的过程进行详细说明:
首先,在版面上排入一张图片,如果用户在版面上拖曳图像块,使其外包框与对应的图像块不重合,如图3A所示。通过菜单选择或快捷键选中“框选区域”工具,在版面上框选用户感兴趣的区域,程序自动将框选区域、外包框矩形区域和图像块区域三者进行求交,得到的结果作为进行自动退地的框选区域,以保证进行GrabCut算法时所选择的区域在图像块范围内,如图3B所示虚线框为作为进行自动退地的框选区域。
其次通过菜单选择或快捷键选中“自动退地”工具,程序弹出进度条,显示当前处理进度,处理完毕后自动得到完成退地后图像分割结果,如图3C所示。若在退地过程中点击取消按钮,则释放已分配的内存,图像恢复到退地前的初始状态。
本发明第二实施例提出了一种在排版过程中进行自动退地的装置,如图4所示,该装置包括颜色分量值确定单元、聚类分析单元、能量函数获得单元、能量函数最小值计算单元和自动退地完成单元。
其中,颜色分量值确定单元,用于确定图像的目标和背景区域,并确定出所述目标和背景区域中每个像素点的颜色分量的值;
聚类分析单元,用于对所述每个像素点的颜色分量的值分别进行聚类分析,得到目标和背景区域中每个像素点所属的聚类,并将目标和背景区域按照所述像素点所属的聚类分割为多个小区域块;
能量函数获得单元,用于根据每个像素点所属的小区域块和所在的聚类,计算每个像素点设定邻域范围内的权重、均值、协方差及高斯概率分布,得到每个像素点对应的能量函数;
能量函数最小值计算单元,用于采用最大流-最小割算法求解得到的每个像素点对应能量函数的最小值;
自动退地完成单元,用于将所述能量函数的最小值与设定的能量函数阈值进行比较,根据比较结果进行自动退地。
如果图像是灰度图及二值图,则该装置还包括:
预处理单元,用于对于灰度图及二值图,采用彩虹伪彩色编码将该灰度图及二值图转换为具有RGB三色的图像。
所述颜色分量值确定单元包括:
存储模块,用于根据图像颜色空间的不同,对该图像的每个颜色空间分配一个内存块,利用所分配的内存块,存储对应颜色空间中所确定出的所述目标和背景区域中每个像素点的颜色分量的值。
为了方便用户操作,该装置还提供了释放单元,用于确定结束自动退地或重新选择退地区域后,释放已对该图像的每个颜色空间分配的内存。
所述能量函数获得单元包括:
4邻域计算模块,用于对于大于设定的参考图像尺寸的图像,根据每个像素点所属的小区域块和所在的聚类,计算每个像素点4邻域范围内的权重、均值、协方差及高斯概率分布;或,
8邻域计算模块,用于对于小于或等于设定的参考图像尺寸的图像,根据每个像素点所属的小区域块和所在的聚类,计算每个像素点8邻域范围内的权重、均值、协方差及高斯概率分布。
所述自动退地完成单元包括:比较模块和完成模块。
其中,所述比较模块,用于将所述能量函数的最小值与设定的能量函数阈值进行比较,当所述能量函数的最小值小于所述能量函数阈值时,则触发所述完成模块;否则,触发聚类分析单元工作;
所述完成模块,用于根据所述能量函数的最小值小于所述能量函数阈值的比较结果,确定该能量函数收敛,完成自动退地。通过上述实施例,可以对排版过程中包含各种颜色空间的图像进行自动退地,只需进行一次人工交互,并可以得到准确的分割结果,满足了排版技术的不断发展对图像处理技术的功能和效果提出的要求。
另外,根据图像颜色空间的不同,对图像每个颜色空间分配一个内存块,用以存储对应颜色空间的每个像素点的颜色分量的值,这样不但实现简单,并且避免了将其它颜色空间转变为RGB颜色空间时造成的信息丢失。
另外,对于灰度图及二值图,采用彩虹伪彩色编码将该灰度图及二值图转换为具有RGB三色的彩色图像,这样可以保证对灰度图及二值图的自动退地产生更好的效果。
另外,在图像较大时,只计算像素点4邻域范围内的权重、均值、协方差及高斯概率分布,大大降低了计算量,在提高处理速度的同时也能够保证分割结果的正确性。
另外,提供了取消操作,用户若要结束自动退地或要重新选择退地区域,则释放已分配的内存,方便用户操作。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种在排版过程中进行自动退地的方法,其特征在于,包括:
确定图像的目标和背景区域,并确定出所述目标和背景区域中每个像素点的颜色分量的值,其中,根据图像颜色空间的不同,对该图像的每个颜色空间分配一个内存块,利用所分配的内存块,存储对应颜色空间中所确定出的所述目标和背景区域中每个像素点的颜色分量的值;
对所述每个像素点的颜色分量的值分别进行聚类分析,得到目标和背景区域中每个像素点所属的聚类,并将目标和背景区域按照所述像素点所属的聚类分割为多个小区域块;
对于大于设定的参考图像尺寸的图像,根据每个像素点所属的小区域块和所在的聚类,计算每个像素点4邻域范围内的权重、均值、协方差及高斯概率分布,并得到每个像素点对应的能量函数,或,对于小于或等于设定的参考图像尺寸的图像,根据每个像素点所属的小区域块和所在的聚类,计算每个像素点8邻域范围内的权重、均值、协方差及高斯概率分布,并得到每个像素点对应的能量函数;
采用最大流-最小割算法求解得到的每个像素点对应的能量函数的最小值;
将所述能量函数的最小值与设定的能量函数阈值进行比较,根据比较结果进行自动退地。
2.如权利要求1所述的方法,其特征在于,还包括:
对于灰度图及二值图,采用彩虹伪彩色编码将该灰度图及二值图转换为具有红绿蓝RGB三色的图像。
3.如权利要求1所述的方法,其特征在于,还包括:
确定结束自动退地或重新选择退地区域后,释放已对该图像的每个颜色空间分配的内存。
4.如权利要求1所述的方法,其特征在于,所述将所述能量函数的最小值与设定的能量函数阈值进行比较,根据比较结果进行自动退地,包括:
将所述能量函数的最小值与设定的能量函数阈值进行比较,当所述能量函数的最小值小于所述能量函数阈值时,则确定该能量函数收敛,完成自动退地;否则,转入对所述每个像素点的颜色分量的值分别进行聚类分析的过程。
5.一种在排版过程中进行自动退地的装置,其特征在于,该装置包括:
颜色分量值确定单元,用于确定图像的目标和背景区域,并确定出所述目标和背景区域中每个像素点的颜色分量的值,其中,根据图像颜色空间的不同,对该图像的每个颜色空间分配一个内存块,利用所分配的内存块,存储对应颜色空间中所确定出的所述目标和背景区域中每个像素点的颜色分量的值;
聚类分析单元,用于对所述每个像素点的颜色分量的值分别进行聚类分析,得到目标和背景区域中每个像素点所属的聚类,并将目标和背景区域按照所述像素点所属的聚类分割为多个小区域块;
能量函数获得单元,用于根据每个像素点所属的小区域块和所在的聚类,计算每个像素点设定邻域范围内的权重、均值、协方差及高斯概率分布,得到每个像素点对应的能量函数;
能量函数最小值计算单元,用于采用最大流-最小割算法求解得到的每个像素点对应能量函数的最小值;
自动退地完成单元,用于将所述能量函数的最小值与设定的能量函数阈值进行比较,根据比较结果进行自动退地;
其中,所述能量函数获得单元包括:
4邻域计算模块,用于对于大于设定的参考图像尺寸的图像,根据每个像素点所属的小区域块和所在的聚类,计算每个像素点4邻域范围内的权重、均值、协方差及高斯概率分布;或,
8邻域计算模块,用于对于小于或等于设定的参考图像尺寸的图像,根据每个像素点所属的小区域块和所在的聚类,计算每个像素点8邻域范围内的权重、均值、协方差及高斯概率分布。
6.如权利要求5所述的装置,其特征在于,还包括:
预处理单元,用于对于灰度图及二值图,采用彩虹伪彩色编码将该灰度图及二值图转换为具有RGB三色的图像。
7.如权利要求5所述的装置,其特征在于,还包括:
释放单元,用于确定结束自动退地或重新选择退地区域后,释放已对该图像的每个颜色空间分配的内存。
8.如权利要求5所述的装置,其特征在于,所述自动退地完成单元包括:
比较模块和完成模块;
所述比较模块,用于将所述能量函数的最小值与设定的能量函数阈值进行比较,当所述能量函数的最小值小于所述能量函数阈值时,则触发所述完成模块;否则,触发聚类分析单元工作;
所述完成模块,用于根据所述能量函数的最小值小于所述能量函数阈值的比较结果,确定该能量函数收敛,完成自动退地。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007101789005A CN101188018B (zh) | 2007-12-06 | 2007-12-06 | 一种在排版过程中进行自动退地的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007101789005A CN101188018B (zh) | 2007-12-06 | 2007-12-06 | 一种在排版过程中进行自动退地的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101188018A CN101188018A (zh) | 2008-05-28 |
CN101188018B true CN101188018B (zh) | 2010-08-25 |
Family
ID=39480393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007101789005A Expired - Fee Related CN101188018B (zh) | 2007-12-06 | 2007-12-06 | 一种在排版过程中进行自动退地的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101188018B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012149687A1 (zh) * | 2011-05-05 | 2012-11-08 | 中国科学院自动化研究所 | 视网膜血管提取方法 |
WO2020107319A1 (zh) * | 2018-11-29 | 2020-06-04 | 深圳市大疆创新科技有限公司 | 图像处理方法和设备,以及视频处理器 |
CN110009712B (zh) | 2019-03-01 | 2021-05-04 | 华为技术有限公司 | 一种图文排版方法及其相关装置 |
CN112365047B (zh) * | 2020-11-10 | 2021-08-27 | 世纪开元智印互联科技集团股份有限公司 | 一种拼版优化方法及系统 |
CN115019112A (zh) * | 2022-08-09 | 2022-09-06 | 威海凯思信息科技有限公司 | 基于图像的目标对象检测方法、装置及电子设备 |
CN115830641B (zh) * | 2023-02-08 | 2023-06-09 | 四川弘和通讯集团有限公司 | 一种员工识别方法、装置、电子设备及存储介质 |
CN116030417B (zh) * | 2023-02-13 | 2023-08-04 | 四川弘和数智集团有限公司 | 一种员工识别方法、装置、设备、介质及产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1445984A (zh) * | 2003-04-14 | 2003-10-01 | 浙江大学 | 数字图像处理中以任意图像为背景的快速抠图方法 |
US20040008886A1 (en) * | 2002-07-02 | 2004-01-15 | Yuri Boykov | Using graph cuts for editing photographs |
CN1595432A (zh) * | 2004-07-05 | 2005-03-16 | 南京大学 | 基于聚类学习器集成的数字图像分割方法 |
US20050271273A1 (en) * | 2004-06-03 | 2005-12-08 | Microsoft Corporation | Foreground extraction using iterated graph cuts |
EP1750226A2 (en) * | 2005-08-01 | 2007-02-07 | Siemens Medical Solutions USA, Inc. | Editing of presegmented images/volumes with the multilabel random walker or graph cut segmentations |
-
2007
- 2007-12-06 CN CN2007101789005A patent/CN101188018B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040008886A1 (en) * | 2002-07-02 | 2004-01-15 | Yuri Boykov | Using graph cuts for editing photographs |
CN1445984A (zh) * | 2003-04-14 | 2003-10-01 | 浙江大学 | 数字图像处理中以任意图像为背景的快速抠图方法 |
US20050271273A1 (en) * | 2004-06-03 | 2005-12-08 | Microsoft Corporation | Foreground extraction using iterated graph cuts |
CN1595432A (zh) * | 2004-07-05 | 2005-03-16 | 南京大学 | 基于聚类学习器集成的数字图像分割方法 |
EP1750226A2 (en) * | 2005-08-01 | 2007-02-07 | Siemens Medical Solutions USA, Inc. | Editing of presegmented images/volumes with the multilabel random walker or graph cut segmentations |
Also Published As
Publication number | Publication date |
---|---|
CN101188018A (zh) | 2008-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101188018B (zh) | 一种在排版过程中进行自动退地的方法及装置 | |
CN102360490B (zh) | 基于颜色转换和编辑传播的图像季节特征增强方法 | |
CN103942794B (zh) | 一种基于置信度的图像协同抠图方法 | |
CN103632361B (zh) | 一种图像分割方法和系统 | |
CN106228545B (zh) | 一种佛像类唐卡一致性破损区域的自动分割方法 | |
CN103559719B (zh) | 一种交互式图像分割方法 | |
CN109145769A (zh) | 融合图像分割特征的目标检测网络设计方法 | |
CN103186904B (zh) | 图片轮廓提取方法及装置 | |
CN107452010A (zh) | 一种自动抠图算法和装置 | |
CN107403183A (zh) | 整合目标检测和图像分割为一体的智能分割方法 | |
CN101706965A (zh) | 基于高斯混合模型区域图像彩色化处理的方法 | |
CA2613116A1 (en) | Video object cut and paste | |
CN104835196B (zh) | 一种车载红外图像彩色化三维重建方法 | |
CN103761736B (zh) | 一种基于贝叶斯和谐度的图像分割方法 | |
CN102147921A (zh) | 基于图论的中医舌质、舌苔分离算法 | |
CN104657980A (zh) | 一种改进的基于Meanshift的多通道图像分割算法 | |
CN103208115A (zh) | 基于测地线距离的图像显著性区域检测方法 | |
CN103824259B (zh) | 一种基于视觉区域比重平衡法则的图像构图美化方法和系统 | |
CN103051915A (zh) | 一种交互式立体视频关键帧的制作方法及制作装置 | |
CN105118076A (zh) | 基于过度分割和局部与全局一致性的图像彩色化方法 | |
CN104574307A (zh) | 一种绘画作品图像的主要颜色提取方法 | |
CN104008547A (zh) | 一种基于骨架角点的可视化人体切片图像序列化分割方法 | |
CN106203496A (zh) | 基于机器学习的水文曲线提取方法 | |
CN109598770A (zh) | 一种城市建筑物的智能配色方法及智能配色系统 | |
CN110232418A (zh) | 一种语义识别方法、终端及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100825 Termination date: 20191206 |