CN101276476A - 对2d卡通动画的前景背景分离方法 - Google Patents
对2d卡通动画的前景背景分离方法 Download PDFInfo
- Publication number
- CN101276476A CN101276476A CNA2008101066636A CN200810106663A CN101276476A CN 101276476 A CN101276476 A CN 101276476A CN A2008101066636 A CNA2008101066636 A CN A2008101066636A CN 200810106663 A CN200810106663 A CN 200810106663A CN 101276476 A CN101276476 A CN 101276476A
- Authority
- CN
- China
- Prior art keywords
- background
- video
- probability
- prospect
- cartoon
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
对2D卡通动画的前景背景分离方法,属于图像处理技术领域,该方法包括如下步骤:a.基于颜色对各帧图像进行分割,分割成若干区域;b.对各帧图像进行视频对齐;c.视频的去视角变换和全景视频的生成,将视频中的视角变化去除,得到一个视角固定的全景视频;d.初始背景图像构造;e.计算所有区域的背景概率;f.所有区域按背景概率降序排列,构建区域队列;g.判断是否队列中第一个区域的背景概率大于等于一个阈值,若是,则顺序进入h,若否,则退出循环进入i;h.从队列中取出第一个区域对背景图像进行优化;i.留在队列中的区域,即为各帧的前景区域;j.从而实现前景背景分离。本发明所生成的图像背景在前景处于频繁运动情况下,仍能获得较小误差。
Description
技术领域
本发明属于图像处理技术领域,特别涉及一种针对2D卡通动画的前景背景分离方法。
背景技术
卡通动画历史悠久,已经出现大量深受民众欢迎的艺术作品。不论年龄老幼,每个人都有着各自喜欢的卡通形象和风格。当前这些卡通动画大多以栅格动画形式进行保存。如果将这些已经存在的艺术作品重新利用,使用动画中的角色根据个人的设计生成新的动画,前景和背景的分离是一个重要的过程。经过剔除背景以后的卡通形象可以进行动作重排、颜色改变等多种编辑。
传统2D卡通动画的制作流程决定了卡通动画的特点是:画面相对简单,并且分块明显,从内容上是由一个静止的背景和运动的前景构成,其中可能包含摄像机的运动。根据卡通这一特点,卡通动画的前景背景分离可以采用基于颜色分块结果进行分离和优化。
从对于图像序列,如果假设背景和相机都是静止的,前景背景分离的通常方法是,将各帧图像做平均,使用均值或者中值作为背景图像的像素颜色。该方法生成的背景在前景频繁运动的部分误差较大。
发明内容
本发明需要解决的技术问题是,针对已有技术中,图像前景背景通常的分离方法是将各帧图像作平均,该方法精确度无法得以保证,所生成的背景在前景频繁运动的部分误差较大,为了克服这一缺陷,就需要重新开发出的一种新的分离方法,使得新生成的背景,即便在前景频繁运动下,其误差也不大。本发明的目的是提供一种针对2D卡通动画的前景背景分离方法。首先根据颜色对卡通动画各帧进行分离,对背景图像填充和优化,最终实现前景背景分离。
为实现本发明目的所采用的技术方案是,一种对2D卡通动画的前景背景分离方法,其特征在于,该方法包括如下步骤:
a.基于颜色对各帧图像进行分割,分割成若干区域;
b.对各帧图像进行视频对齐;
c.视频的去视角变换和全景视频的生成,将视频中的视角变化去除,得到一个视角固定的全景视频;
d.初始背景图像构造;
e.计算所有区域的背景概率;
f.所有区域按背景概率降序排列,构建区域队列;
g.判断是否队列中第一个区域的背景概率大于等于一个阈值,若是,则顺序进入h,若否,则退出循环进入i;
h.从队列中取出第一个区域对背景图像进行优化;
i.留在队列中的区域,即为各帧的前景区域;
j.从而实现前景背景分离;
在上述方法中,可以采用任意基于颜色的图像分割方法对动画各帧进行分割。
在上述方法中,可以采用SIFT特征点匹配(即scale invariant features transform缩写为:SIFT尺度不变特征变换)和RANSAC(即Random Sample Consensus,缩写为:RANSAC随机抽样一致性算法)方法剔除噪音点的进行视频各帧对齐。
本发明的有益效果是,本发明所生成的图像背景在前景处于频繁运动情况下,仍能获得较小误差。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明:
图1为本发明的算法流程图。
具体实施方式
参照图1表示本发明的算法流程图。输入数据为一个卡通动画片段。本算法首先使用基于颜色的图像分割方法对动画各帧进行分割,根据方法流程按如下步骤操作:
a.基于颜色对各帧图像进行分割,分割成若干区域;
b.对各帧图像进行视频对齐;
c.视频的去视角变换和全景视频的生成,将视频中的视角变化去除,得到一个视角固定的全景视频;
d.初始背景概率;
e.计算所有区域的背景概率;
f.所有区域按背景概率降序排列,构建区域队列;
g.判断是否队列中第一个区域的背景概率大于等于一个阈值,若是,则顺序进入h,若否,则退出循环进入i;
h.从队列中取出第一个区域对背景图像进行优化;
i.留在队列中的区域,即为各帧的前景区域;
j.从而实现前景背景分离;
本算法统计在所有帧中对应位置存在的像素集合,以该集合的中值作为背景图像的初始颜色,以该集合中与中值差异小于一个阈值的像素子集个数所占全集的比例作为背景图像上该像素的背景概率。所述阈值选取原则为人眼察觉的颜色差异,一般为10。
所述背景图像的优化过程为:对于背景区域上背景概率小于该区域背景概率的点,使用区域的颜色和背景概率替换背景图像对应点的颜色和背景概率。
Claims (5)
1.一种对2D卡通动画的前景背景分离方法,其特征在于:该方法包括如下步骤:
a.基于颜色对各帧图像进行分割,分割成若干区域;
b.对各帧图像进行视频对齐;
c.视频的去视角变换和全景视频的生成,将视频中的视角变化去除,得到一个视角固定的全景视频;
d.初始背景图像构造;
e.计算所有区域的背景概率;
f.所有区域按背景概率降序排列,构建区域队列;
g.判断是否队列中第一个区域的背景概率大于等于一个阈值,若是,则顺序进入h,若否,则退出循环进入i;
h.从队列中取出第一个区域对背景图像进行优化;
i.留在队列中的区域,即为各帧的前景区域;
j.从而实现前景背景分离。
2.根据权利要求1所述的对2D卡通动画的前景背景分离方法,其特征在于:可以采用任意基于颜色的图像分割方法对动画各帧进行分割。
3.根据权利要求1所述的对2D卡通动画的前景背景分离方法,其特征在于:可以采用尺度不变特征变换进行特征点匹配,并按照随机抽样一致性算法,剔除噪音点,进行视频各帧对齐。
4.根据权利要求1所述的对2D卡通动画的前景背景分离方法,其特征在于:所述阈值选取原则为人眼察觉的颜色差异,一般为10。
5.根据权利要求1所述的对2D卡通动画的前景背景分离方法,其特征在于:所述背景图像的优化过程为:对于背景区域上背景概率小于该区域背景概率的点,使用区域的颜色和背景概率替换背景图像对应点的颜色和背景概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101066636A CN101276476A (zh) | 2008-05-14 | 2008-05-14 | 对2d卡通动画的前景背景分离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101066636A CN101276476A (zh) | 2008-05-14 | 2008-05-14 | 对2d卡通动画的前景背景分离方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101276476A true CN101276476A (zh) | 2008-10-01 |
Family
ID=39995889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008101066636A Pending CN101276476A (zh) | 2008-05-14 | 2008-05-14 | 对2d卡通动画的前景背景分离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101276476A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074032A (zh) * | 2009-11-24 | 2011-05-25 | 新奥特(北京)视频技术有限公司 | 一种基于图片序列的动画生成方法和装置 |
CN103795961A (zh) * | 2012-10-30 | 2014-05-14 | 三亚中兴软件有限责任公司 | 会议电视网真系统及其图像处理方法 |
CN103973993A (zh) * | 2013-02-01 | 2014-08-06 | 宏达国际电子股份有限公司 | 影像合成装置及方法 |
CN108010108A (zh) * | 2017-12-02 | 2018-05-08 | 天津大行道动漫文化发展有限公司 | 一种卡通人物背景动检及处理方法 |
CN112734791A (zh) * | 2021-01-18 | 2021-04-30 | 烟台南山学院 | 一种基于正则误差建模的在线视频前景背景分离方法 |
-
2008
- 2008-05-14 CN CNA2008101066636A patent/CN101276476A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074032A (zh) * | 2009-11-24 | 2011-05-25 | 新奥特(北京)视频技术有限公司 | 一种基于图片序列的动画生成方法和装置 |
CN103795961A (zh) * | 2012-10-30 | 2014-05-14 | 三亚中兴软件有限责任公司 | 会议电视网真系统及其图像处理方法 |
CN103973993A (zh) * | 2013-02-01 | 2014-08-06 | 宏达国际电子股份有限公司 | 影像合成装置及方法 |
CN108010108A (zh) * | 2017-12-02 | 2018-05-08 | 天津大行道动漫文化发展有限公司 | 一种卡通人物背景动检及处理方法 |
CN112734791A (zh) * | 2021-01-18 | 2021-04-30 | 烟台南山学院 | 一种基于正则误差建模的在线视频前景背景分离方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985181B (zh) | 一种基于检测分割的端对端人脸标注方法 | |
CN110032942B (zh) | 基于时域分段及特征差分的动作识别方法 | |
CN108898145A (zh) | 一种结合深度学习的图像显著目标检测方法 | |
WO2017219263A1 (zh) | 基于双向递归卷积神经网络的图像超分辨率增强方法 | |
CN113591795B (zh) | 一种基于混合注意力特征金字塔结构的轻量化人脸检测方法和系统 | |
CN110008832A (zh) | 基于深度学习人物图像自动分割方法、信息数据处理终端 | |
CN107464217B (zh) | 一种图像处理方法及装置 | |
CN110827312B (zh) | 一种基于协同视觉注意力神经网络的学习方法 | |
CN101945223A (zh) | 视频一致性融合处理方法 | |
CN102930518A (zh) | 基于改进的稀疏表示的图像超分辨率方法 | |
CN111127610A (zh) | 一种点云数据三维可视化渲染方法与计算方法 | |
CN101276476A (zh) | 对2d卡通动画的前景背景分离方法 | |
CN102402784A (zh) | 一种基于最近特征线流形学习的人脸图像超分辨率方法 | |
CN109636807A (zh) | 一种图像分割与像素复原的葡萄病害叶片分割法 | |
CN110956681A (zh) | 一种结合卷积网络和邻域相似性的人像背景自动替换方法 | |
CN111414938B (zh) | 一种板式换热器内气泡的目标检测方法 | |
CN114581434A (zh) | 基于深度学习分割模型的病理图像处理方法、电子设备 | |
CN109583334A (zh) | 一种基于时空关联神经网络的动作识别方法及其系统 | |
CN110728178B (zh) | 一种基于深度学习的事件相机车道线提取方法 | |
CN103914822A (zh) | 基于超像素分割的交互式视频前景对象提取方法 | |
CN115661459A (zh) | 一种使用差异信息的2D mean teacher模型 | |
CN1971615A (zh) | 一种基于人脸照片的卡通肖像生成方法 | |
CN104504715A (zh) | 基于局部四元数矩特征的图像分割方法 | |
Zhang et al. | Feature calibrating and fusing network for RGB-D salient object detection | |
Zhao et al. | Real-time and temporal-coherent foreground extraction with commodity RGBD camera |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20081001 |