CN104091326A - 图标分割方法和装置 - Google Patents

Abstract

本公开提供图标分割方法和装置，所述方法包括：根据颜色特征值对目标图标进行图像预分割；计算所述图像预分割后的每个颜色区域的显著性值；根据所述显著性值区分出所述图标的前景和背景；对所述图标的前景和背景进行分割。本公开可以提高图像分割算法的效率，使得所述图像分割算法可以实时的应用在移动设备上。

Description

图标分割方法和装置

技术领域

本公开涉及图像处理技术领域，尤其涉及图标分割方法和装置。

背景技术

所谓图像分割，指的是将图像细分为多个图像子区域(像素的集合)的过程，其目的是简化或改变图像的表示形式，使得图像更容易理解和分析。

目前移动设备上的图像分割技术在最近一些年得到了长足的发展。随着移动设备上多媒体信息处理能力的增强，如何高效、准确的将图像进行自动的二值分割，然后迅速的将分割结果应用于图像处理的各个方面是目前一直研发的方向。

相关技术中的图标分割算法一般都是采用交互式的获取前景和背景的样本点，然后对前景和背景的样本点分别建立模型，最后综合图像的边缘信息，采用Graph-cut(图像分割)的优化算法来对图像进行二值分割，算法本身较复杂。而且，由于相关技术中图标分割算法不对图标的内容进行分析，必须交互式的获取前景和背景的样本点，并且需要针对每个像素进行判定，因此算法的效率比较低下，无法满足移动设备对图标进行分割时的实时性要求。

发明内容

为克服相关技术中存在的问题，本公开提供一种图标分割方法和装置。

根据本公开实施例的第一方面，提供一种图标分割方法，所述方法包括：

根据颜色特征值对目标图标进行图像预分割；

计算所述图像预分割后的每个颜色区域的显著性值；

根据所述显著性值区分出所述图标的前景和背景；

对所述图标的前景和背景进行分割。

可选的，所述计算所述图像预分割后的每个颜色区域的显著性值包括：

统计每个颜色区域的像素个数；

计算每个颜色区域与其他各颜色区域的颜色差异值

计算每个颜色区域与其他各颜色区域的位置差异值；

以所述像素个数、所述颜色差异值以及所述位置差异值为参数，计算所述每个颜色区域的显著性值。

可选的，所述计算每个颜色区域与其他各颜色区域的颜色差异值包括：

计算每个颜色区域与其他各颜色区域的平均颜色值之间的欧氏距离作为所述颜色差异值；

可选的，所述计算每个颜色区域与其他各颜色区域的位置差异值包括：

计算每个颜色区域与其他各颜色区域的质心之间的欧氏距离作为所述位置差异值。

可选的，所述以所述像素个数、所述颜色差异值以及所述位置差异值为参数，计算所述每个颜色区域的显著性值包括：

根据公式 $S_i={\mathrm{\Σ}}_{j=1,j\≠i}^{N}w\left(R_j\right)D_s(R_i,R_j)D_c(R_i,R_j)$ 计算所述每个颜色区域的显著性值；其中所述S_i表示区域R_i的显著性值；w(R_j)表示区域R_j中的像素点个数；D_s(R_i，R_j)表示区域R_i和区域R_j的位置差异值；D_c(R_i，R_j)表示区域R_i和区域R_j的颜色差异值；N表示所述图标预分割后的颜色区域的总数；i表示1～N之间的整数。

可选的，所述根据所述显著性值区分出所述图标的前景和背景包括：

将所述显著性值进行归一化处理；

判断所述归一化处理后的显著性值是否大于或等于阈值；

当所述归一化处理后的显著性值大于或等于阈值时，则确定所述显著性值对应的颜色区域为前景区域，

当所述归一化处理后的显著性值小于阈值时，则确定所述显著性值对应的颜色区域为背景区域。

可选的，对所述图标进行基于颜色特征值的图像预分割之前，还包括：将所述图标的颜色转换到标准颜色空间。

可选的，所述对所述图标进行基于颜色特征值的图像预分割包括：对所述图标进行基于五类基本颜色特征值的图像预分割。

根据本公开实施例的第二方面，提供一种图标分割装置，所述装置包括：

预分割模块，用于根据颜色特征值对目标图标进行图像预分割；

计算模块，用于计算所述图像预分割后的每个颜色区域的显著性值；

区分模块，用于根据所述显著性值区分出所述图标的前景和背景；

分割模块，用于对所述图标的前景和背景进行分割。

可选的，所述计算模块包括：

所述计算模块包括：

统计子模块，用于统计每个颜色区域的像素个数；

第一计算子模块，用于计算每个颜色区域与其他各颜色区域的颜色差异值；

第二计算子模块，用于计算每个颜色区域与其他各颜色区域的位置差异值；

第三计算子模块，用于以所述像素个数、所述颜色差异值以及所述位置差异值为参数，计算每个颜色区域的显著性值。

可选的，所述区分模块包括：

归一子模块，用于将所述显著性值进行归一化处理；

判断子模块，用于判断所述归一化处理后的显著性值是否大于或等于阈值；

确定子模块，用于在所述归一化处理后的显著性值大于或等于阈值时，确定所述显著性值对应的颜色区域为前景区域；用于在所述归一化处理后的显著性值小于阈值时，确定所述显著性值对应的颜色区域为背景区域。

可选的，所述装置还包括：

转换模块，用于将所述图标的颜色转换到标准颜色空间。

可选的，所述预分割模块包括：

第一预分割子模块，用于对所述图标进行基于五类基本颜色特征值的图像预分割。

根据本公开实施例的第三方面，提供一种图标分割装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

根据颜色特征值对目标图标进行图像预分割；

计算所述图像预分割后的每个颜色区域的显著性值；

根据所述显著性值区分出所述图标的前景和背景；

对所述图标的前景和背景进行分割。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开的以上实施例中，通过对所述图标进行分割前，先进行基于颜色特征值的图像预分割，然后计算所述图像预分割后的每个颜色区域的显著性值，并通过对所述显著性值进行阈值化处理从而实现了部分颜色区域的合并，可以有效的减少图标分割的计算面积，因此提高了图像分割算法的效率，使得所述图像分割算法可以实时的应用在移动设备上。

本公开的以上实施例中，也可以通过将所述图标的颜色转换到标准颜色空间，从而能够避免因为图标背景渐变色较多而导致的图像分割效果不佳。

本公开的以上实施例中，也可以通过对所述图标进行基于五类基本颜色特征值的图像预分割，在不降低图像分割效果的前提下，能够避免对所述图标进行基于颜色特征值的精确分割，从而降低了计算量；尤其适用于对单一背景图标的图像分割。

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。

图1是根据一示例性实施例示出的一种图标分割方法的流程示意图；

图2是根据一示例性实施例示出的另一种图标分割方法的流程示意图；

图3是根据一示例性实施例示出的对单一背景图标进行图标分割示意图；

图4是根据一示例性实施例示出的一种图标分割装置的示意框图；

图5是根据一示例性实施例示出的另一种图标分割装置的示意框图；

图6是根据一示例性实施例示出的另一种图标分割装置的示意框图；

图7是根据一示例性实施例示出的另一种图标分割装置的示意框图；

图8是根据一示例性实施例示出的另一种图标分割装置的示意框图；

图9是根据一示例性实施例示出的一种用于图标分割装置的一结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性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。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

如图1所示，图1是根据一示例性实施例示出的一种图标分割方法，该图标分割方法用于终端中，包括以下步骤：

在步骤101中，根据颜色特征值对目标图标进行图像预分割；

在本实施例中，可以根据预设的图像分割算法对所述图标进行基于颜色特征值的精确分割，在所述图标的颜色空间中基于每种颜色特征值分别进行分割，例如，可以采用K-Mean算法(硬聚类算法)在所述图标的颜色空间中基于每种颜色特征值分别进行聚类，聚类后所述图标变成了一块块的颜色区域，每个颜色区域都有它的平均颜色值和相应的质心。所谓质心，是指所述颜色区域中所有像素XY坐标的平均值；所谓颜色特征值，是用于表征每种颜色特征的取值，例如，RGB颜色空间中的颜色特征值的取值范围为0～255，那么0～255范围内每一个取值都分别代表一种独立的颜色种类。

其中，所述预设的图像分割算法可以是K-Mean算法(硬聚类算法)、分水岭(watershed)算法、均值漂移(Mean shift)算法等。在本公开对所述预设的图像分割算法不作特别限定。

在步骤102中，计算所述图像预分割后的每个颜色区域的显著性值；

在本实施例中，在对预分割后形成的颜色区域进行显著性计算时，可以选择所述颜色区域中能够表征与其他颜色区域差异的特征值作为计算所述颜色区域显著性值的参数，然后选择合适的数学模型，将选择出的参数引入所述数学模型以分别计算出预分割后的各颜色区域的显著性值。

其中，所述参数的选择，在本公开中不作特别限定，只要是能够表征一个颜色区域与其他颜色区域差异的特征值均可作为所述参数；

例如，在本实施例中，可以选择每个颜色区域内的像素个数、颜色区域之间的颜色差异值以及颜色区域之间的位置差异值作为计算所述显著性值的参数；

另外，所述数学模型的选择，在本公开中也不作特别限定，本领域技术人员可根据实际的应用需求选择合适的数据模型；

例如，当选择了每个颜色区域内的像素个数、颜色区域之间的颜色差异值以及颜色区域之间的位置差异值作为计算所述显著性值的参数时，可以选择数学模型 $S_i={\mathrm{\Σ}}_{j=1,j\≠i}^{N}w\left(R_j\right)D_s(R_i,R_j)D_c(R_i,R_j)$ 来计算所述显著性值；其中上述数学模型中，w(R_j)表示区域R_j中的像素点个数；D_s(R_i，R_j)表示区域R_i和区域R_j的位置差异值；D_c(R_i，R_j)表示区域R_i和区域R_j的颜色差异值。

在步骤103中，根据所述显著性值区分出所述图标的前景和背景；

在本实施例中，当计算出预分割后的各颜色区域的显著性值后，可对各颜色区域的显著性值进行分析，或将所述各颜色区域的显著性值构建成一个显著程度的度量模型，然后根据显著性值的分析结果或所述度量模型对所述图标进行前景区域和背景区域的区分。

在步骤104中，对所述图标的前景和背景进行分割。

在本实施例中，当区分出所述图标的前景和背景区域后，根据区分出的前景区域和背景区域对所述图标再次进行图像分割，以得到最终的图像分割结果。

由上述实施例可见，通过对所述图标进行分割前，先进行基于颜色特征值的图像预分割，然后计算所述图像预分割后的每个颜色区域的显著性值，并通过显著性值区分出所述图标的前景和背景，实现了在对所述图标进行分割前对所述图标的内容进行分析，从而提高了图像分割算法的效率，使得所述图像分割算法可以实时的应用在移动设备上。

如图2所示，图2是根据一示例性实施例示出的另一种图标分割方法的流程图，该图标分割方法用于终端中，包括以下步骤：

在步骤201中，对图标进行基于颜色特征值的图像预分割；

在本实施例中，可以根据预设的图像分割算法对所述图标进行基于颜色特征值的精确分割，例如可以通过K-Mean算法在所述图标的颜色空间中对所述图标进行基于每种颜色特征值的向量聚类，将所述图标直接聚类成不同的颜色区域，聚类后每个颜色区域都有它的平均颜色值和相应的质心。当然，也可以通过其他算法对所述图标进行基于颜色特征值的预分割，在本实施例中仅以通过K-Mean算法对所述图标进行基于颜色特征值的向量聚类作为较佳实施例，并不用于限定本公开。

在步骤202中，统计每个颜色区域的像素个数、计算每个颜色区域与其他各颜色区域的颜色差异值以及每个颜色区域与其他各颜色区域的位置差异值；

在本实施例中，在对每个颜色区域进行显著性值的计算前，可以选择每个颜色区域的像素个数、每个颜色区域与其他各颜色区域的颜色差异值以及每个颜色区域与其他各颜色区域的位置差异值，作为计算每个颜色区域显著性值的参数。

其中，所述每个颜色区域的像素个数，可以借助统计工具或者采用预设的统计算法进行统计，本公开中不作特别限定；

所述颜色差异值，可以用每个颜色区域与其他各颜色区域的平均颜色值之间的欧氏距离来表征，可通过以下计算公式计算得出：

D_c(R_i，R_j)＝exp(-(Color(R_i)-Color(R_j))²)

在上述公式中，D_c(R_i，R_j)表示区域R_i和区域R_j的颜色差异值；Color(R_i)和Color(R_j)分别表示区域R_i的平均颜色值(R_i，G_i，B_i)和区域R_j的平均颜色值(R_j，G_j，B_j)。

所述位置差异值可以用每个颜色区域与其他各颜色区域的质心之间的欧氏距离来表征，可通过以下计算公式计算得出：

$D_s(R_i,R_j)=\exp (-{(\mathrm{Center}\left(R_i\right)-\mathrm{Center}\left(R_j\right))}^2/{\mathrm{\δ}}_s^2)$

在上述公式中，D_s(R_i，R_j)表示区域R_i和区域R_j的位置差异值；Center(R_i)和Center(R_j)分别表示区域R_i的质心(X_i，Y_i)和区域R_j的质心(X_j，Y_j)；为位置标准差，在本实施例中可以取工程经验值0.4。

值得说明的是，所述颜色平均值为三维(R，G，B)向量，而质心为二维(X，Y)向量，因此在根据上述公式计算所述位置差异值时，引入所述位置标准差可以校正位置差异值的偏离程度。

在步骤203中，以所述像素个数、所述颜色差异值以及所述位置差异值为参数，计算所述每个颜色区域的显著性值；

在本实施例中，选择每个颜色区域的像素个数、每个颜色区域与其他各颜色区域的颜色差异值以及每个颜色区域与其他各颜色区域的位置差异值作为计算每个颜色区域显著性值的参数。当选定了上述参数后，将上述参数引入选定的数据模型对预分割后的各颜色区域分别进行显著性计算，以得到显著性值。

例如，可以通过以下数学模型对各颜色区域进行显著性计算：

$S_i=\underset{j=1,j\≠i}{\overset{N}{\mathrm{\Σ}}}w\left(R_j\right)D_s(R_i,R_j)D_c(R_i,R_j)$

在上述数学模型中，所述S_i表示区域R_i的显著性值；w(R_j)表示区域R_j中的像素点个数；D_s(R_i，R_j)表示区域R_i和区域R_j的位置差异值；D_c(R_i，R_j)表示区域R_i和区域R_j的颜色差异值；N表示所述图标预分割后的颜色区域的总数；i表示1～N之间的整数。

在步骤204中，将所述显著性值进行归一化处理；

在本实施例中，对计算出的各颜色区域的显著性值进行归一化处理时，可以将所述显著性值统一归一化到区间[0，1]。

例如，可以对步骤203中的数学模型进行归一化处理，得到如下的显著程度的度量模型：

$P\left(R_i\right)=\frac{S_i}{M{\mathrm{ax}}_{j=1}^n\left\{S_j\right\}}$

其中，P(R_i)表示颜色区域R_i归一化处理后的显著性值；i表示1～N之间的整数。

在步骤205中，判断所述归一化处理后的显著性值是否大于或等于阈值；

在步骤206中，当所述归一化处理后的显著性值大于或等于阈值时，则确定所述显著性值对应的颜色区域为前景区域；当所述归一化处理后的显著性值小于阈值时，则确定所述显著性值对应的颜色区域为背景区域。

在本实施例中，基与对图标分割效率上的考虑，为了使对所述图标进行分割时尽可能的高效，可以直接对所述显著程度的度量模型进行阈值化处理，判断各颜色区域归一化处理后的显著性值是否大于或等于所述阈值；对于归一化处理后的显著性值大于或等于所述阈值的所述颜色区域，则确定为前景区域；相反，对于归一化处理后的显著性值低于所述阈值的所述颜色区域，则确定为背景区域。其中所述阈值大小，在本公开不作特别限定，阈值的大小取决于实际的需求。

例如，移动设备上的系统图标多为单一背景的图标，因此按照本实施例的方案对移动设备上的单一背景的系统图标进行分割时，根据预分割后的各颜色区域的显著性值区分出前景区域和背景区域后，此时所述单一背景的系统图标大部分的背景区域的显著值通常都低于0.5，而大部分前景区域(像素个数少，颜色跟背景差异大)的显著性值通常都大于0.5。因此，在本实施例中，对移动设备上的系统图标进行图像分割时，所述阈值可以取工程经验值0.5。

值得说明的是，对各颜色区域归一化处理后的显著性值直接进行阈值化处理，等同于将显著性值大于或等于所述阈值的颜色区域以及显著值低于所述阈值的颜色区域分别进了合并，因此可以有效的减小图标分割的计算面积。

在步骤207中，对所述图标的前景和背景进行分割；

在本实施例中，当区分出了所述图标的前景区域和背景区域后，此时可以直接对所述前景区域和背景区域进行再次分割，以得到所述图标的分割结果，并应用到系统的桌面图标中。

例如，将按照前景区域和背景区域分割后的图标应用到系统的桌面图标时，可以减弱图标中背景区域的透明度，从而让整个图标呈现一种融入桌面背景的效果；或者可以通过改变前景区域和背景区域的颜色，从而生成不同颜色不同风格的桌面图标。

由上述实施例可见，通过对所述图标进行分割前，先进行基于颜色特征值的图像预分割，然后计算所述图像预分割后的每个颜色区域的显著性值，并通过对所述显著性值进行阈值化处理从而实现了部分颜色区域的合并，可以有效的减少图标分割的计算面积，因此提高了图像分割算法的效率，使得所述图像分割算法可以实时的应用在移动设备上，并且更加高效。

在另一个可选的实施例中，结合上述图1或图2示出的实施例，在执行前述步骤101或201前，可以将所述图标的颜色转换到标准颜色空间；

例如，可以将所述图标的颜色转换到CIE-Lab或CIE-Luv颜色空间；

在本实施例中，通过将所述图标的颜色转换到标准颜色空间，可以有效消除图标背景的渐变色，从而避免了因为图标背景渐变色较多而导致的图像分割效果不佳。

在另一个可选的实施例中，结合上述图1或图2示出的实施例，由于移动设备上的系统图标多为单一背景的图标，在对单一背景的图标进行预分割时，可以按照超过五类以上的颜色特征值进行精确分割，其分割效果并不会有明显改善，因此在执行所述步骤201或202时，也可以只对所述图标进行五类基本颜色特征值的图像预分割；其中所述五类基本颜色是指，红、黄、蓝、绿和紫五种基本色彩。

例如，请参见图3，对背景单一的图标进行图像分割时，按照五类基本颜色特征值进行图像预分割，预分割后所述图标包含五个颜色区域A、B、C、D和E，分别对应所述五种基本颜色；因此，在显著性分析阶段，只需要对所述颜色区域A、B、C、D和E进行显著性计算，得到显著性分析结果，然后对所述显著性分析结果按照如图2所示实施例进行归一化、阈值化处理后，以区分出所述图标的前景区域和背景区域，并对所述前景区域和背景区域进行再次分割，得到最终的图标分割结果。

在本实施例中，通过对所述图标进行基于五类基本颜色特征值的图像预分割，在不降低图像分割效果的前提下，能够避免对所述图标进行基于超过五类颜色特征值的精确分割，从而降低了计算量；本实施例尤其适用于对单一背景图标的图像分割。

与前述图标分割方法实施例相对应，本公开还提供了图标分割装置的实施例。

图4是根据一示例性实施例示出的一种图标分割装置的示意框图。

如图4所示，根据一示例性实施例示出的一种图标分割装置400，包括：预分割模块401、计算模块402、区分模块403、分割模块404；其中：

所述预分割模块401被配置为，对所述图标进行基于颜色特征值的图像预分割；

所述计算模块402被配置为，计算所述图像预分割后的每个颜色区域的显著性值；

所述区分模块403被配置为，根据所述显著性值区分出所述图标的前景和背景；

所述分割模块404被配置为，对所述图标的前景和背景进行分割。

上述实施例中，通过对所述图标进行分割前，先进行基于颜色特征值的图像预分割，然后计算所述图像预分割后的每个颜色区域的显著性值，并通过显著性值区分出所述图标的前景和背景，实现了在对所述图标进行分割前对所述图标的内容进行分析，从而提高了图像分割算法的效率，使得所述图像分割算法可以实时的应用在移动设备上。

请参见图5，图5是本公开根据一示例性实施例示出的另一种图标分割装置框图，该实施例在前述图4所示实施例的基础上，所述计算模块402可以包括统计子模块402A、第一计算子模块402B、第二计算子模块402C和第三计算子模块402D；

其中，所述统计子模块402A被配置为，统计每个颜色区域的像素个数；

所述第一计算子模块402B被配置为，计算每个颜色区域与其他各颜色区域的颜色差异值；

所述第二计算子模块402C被配置为，计算每个颜色区域与其他各颜色区域的位置差异值；

所述第三计算子模块402D被配置为，以所述像素个数、所述颜色差异值以及所述位置差异值为参数，计算所述每个颜色区域的显著性值。

请参见图6，图6是本公开根据一示例性实施例示出的另一种图标分割装置框图，该实施例在前述图4所示实施例的基础上，所述区分模块403可以包括归一子模块403A、判断子模块403B和确定子模块403C；

其中，所述归一子模块403A被配置为，将所述显著性值进行归一化处理；

所述判断子模块403B被配置为，判断所述归一化处理后的显著性值是否大于或等于阈值；

所述确定子模块403C被配置为，在所述归一化处理后的显著性值大于或等于阈值时，确定所述显著性值对应的颜色区域为前景区域；在所述归一化处理后的显著性值小于阈值时，确定所述显著性值对应的颜色区域为背景区域。

请参见图7，图7是本公开根据一示例性实施例示出的另一种图标分割装置框图，该实施例在前述图4所示实施例的基础上，所述图标分割装置400还可以包括转换模块405；

所述转换模块405被配置为，将所述图标的颜色转换到标准颜色空间；

其中所述标准颜色空间可以为CIE-Lab或CIE-Luv颜色空间；

需要说明的是，上述图7所示的装置实施例中示出的转换模块405的结构也可以包含在前述图5或图6的装置实施例中，对此本公开不进行限制。

在本实施例中，通过将所述图标的颜色转换到标准颜色空间，可以有效消除图标背景的渐变色，从而避免了因为图标背景渐变色较多而导致的图像分割效果不佳。

请参见图8，图8是本公开根据一示例性实施例示出的另一种图标分割装置框图，该实施例在前述图4所示实施例的基础上，所述预分割模401还可以包括第一预分割子模块401A：

所述第一预分割子模块401A被配置为，对所述图标进行基于五类基本颜色特征值的图像预分割。其中所述五类基本颜色是指，红、黄、蓝、绿和紫五种基本色彩。

在本实施例中，通过对所述图标进行基于五类基本颜色特征值的图像预分割，在不降低图像分割效果的前提下，能够避免对所述图标进行基于颜色特征值的精确分割，从而降低了计算量；本实施例尤其适用于对单一背景图标的图像分割。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

相应的，本公开还提供一种图标分割装置，所述图标分割装置包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：

根据颜色特征值对目标图标进行图像预分割；

计算所述图像预分割后的每个颜色区域的显著性值；

根据所述显著性值区分出所述图标的前景和背景；

对所述图标的前景和背景进行分割。

相应的，本公开还提供一种终端，所述终端包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

根据颜色特征值对目标图标进行图像预分割；

计算所述图像预分割后的每个颜色区域的显著性值；

根据所述显著性值区分出所述图标的前景和背景；

对所述图标的前景和背景进行分割。

图9是根据一示例性实施例示出的一种图标分割装置的结构示意图。

如图9所示，根据一示例性实施例示出的一种图标分割装置900，该装置900可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图9，装置900可以包括以下一个或多个组件：处理组件901，存储器902，电源组件903，多媒体组件904，音频组件905，输入/输出(I/O)的接口906，传感器组件907，以及通信组件908。

处理组件901通常控制装置900的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件901可以包括一个或多个处理器909来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件901可以包括一个或多个模块，便于处理组件901和其他组件之间的交互。例如，处理部件901可以包括多媒体模块，以方便多媒体组件904和处理组件901之间的交互。

存储器902被配置为存储各种类型的数据以支持在装置900的操作。这些数据的示例包括用于在装置900上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器902可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件903为装置900的各种组件提供电力。电源组件903可以包括电源管理系统，一个或多个电源，及其他与为装置900生成、管理和分配电力相关联的组件。

多媒体组件904包括在所述装置900和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件904包括一个前置摄像头和/或后置摄像头。当装置900处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件905被配置为输出和/或输入音频信号。例如，音频组件905包括一个麦克风(MIC)，当装置900处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器902或经由通信组件908发送。在一些实施例中，音频组件905还包括一个扬声器，用于输出音频信号。

I/O接口902为处理组件901和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件907包括一个或多个传感器，用于为装置900提供各个方面的状态评估。例如，传感器组件907可以检测到装置900的打开/关闭状态，组件的相对定位，例如所述组件为装置900的显示器和小键盘，传感器组件907还可以检测装置900或装置900一个组件的位置改变，用户与装置900接触的存在或不存在，装置900方位或加速/减速和装置900的温度变化。传感器组件907可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件907还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件907还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件908被配置为便于装置900和其他设备之间有线或无线方式的通信。装置900可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件908经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件908还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置900可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器902，上述指令可由装置900的处理器909执行以完成上述方法。例如，所述非临时性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。

其中，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种图标分割方法，包括：

根据颜色特征值对目标图标进行图像预分割；

计算所述图像预分割后的每个颜色区域的显著性值；

根据所述显著性值区分出所述图标的前景和背景；

对所述图标的前景和背景进行分割。

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 (13)

1.一种图标分割方法，其特征在于，所述方法包括：

根据颜色特征值对目标图标进行图像预分割；

计算所述图像预分割后的每个颜色区域的显著性值；

根据所述显著性值区分出所述图标的前景和背景；

对所述图标的前景和背景进行分割。

2.如权利要求1所述的方法，其特征在于，所述计算所述图像预分割后的每个颜色区域的显著性值包括：

统计每个颜色区域的像素个数；

计算每个颜色区域与其他各颜色区域的颜色差异值；

计算每个颜色区域与其他各颜色区域的位置差异值；

以所述像素个数、所述颜色差异值以及所述位置差异值为参数，计算所述每个颜色区域的显著性值。

3.如权利要求2所述的方法，其特征在于，所述计算每个颜色区域与其他各颜色区域的颜色差异值包括：

计算每个颜色区域与其他各颜色区域的平均颜色值之间的欧氏距离作为所述颜色差异值；

所述计算每个颜色区域与其他各颜色区域的位置差异值包括：

计算每个颜色区域与其他各颜色区域的质心之间的欧氏距离作为所述位置差异值。

4.如权利要求2所述的方法，其特征在于，所述以所述像素个数、所述颜色差异值以及所述位置差异值为参数，计算所述每个颜色区域的显著性值包括：

根据公式 $S_i={\mathrm{\Σ}}_{j=1,j\≠i}^{N}w\left(R_j\right)D_s(R_i,R_j)D_c(R_i,R_j)$ 计算所述每个颜色区域的显著性值；其中所述S_i表示区域R_i的显著性值；w(R_j)表示区域R_j中的像素点个数；D_s(R_i，R_j)表示区域R_i和区域R_j的位置差异值；D_c(R_i，R_j)表示区域R_i和区域R_j的颜色差异值；N表示所述图标预分割后的颜色区域的总数；i表示1～N之间的整数。

5.如权利要求1所述的方法，其特征在于，所述根据所述显著性值区分出所述图标的前景和背景包括：

将所述显著性值进行归一化处理；

判断所述归一化处理后的显著性值是否大于或等于阈值；

当所述归一化处理后的显著性值大于等于阈值时，则确定所述显著性值对应的颜色区域为前景区域，当所述归一化处理后的显著性值小于阈值时，则确定所述显著性值对应的颜色区域为背景区域。

6.如权利要求1所述的方法，其特征在于，对所述图标进行基于颜色特征值的图像预分割之前，还包括：

将所述图标的颜色转换到标准颜色空间。

7.如权利要求1所述的方法，其特征在于，所述对所述图标进行基于颜色特征值的图像预分割包括：

对所述图标进行基于五类基本颜色特征值的图像预分割。

8.一种图标分割装置，其特征在于，所述装置包括：

预分割模块，用于根据颜色特征值对目标图标进行图像预分割；

计算模块，用于计算所述图像预分割后的每个颜色区域的显著性值；

区分模块，用于根据所述显著性值区分出所述图标的前景和背景；

分割模块，用于对所述图标的前景和背景进行分割。

9.如权利要求7所述的装置，其特征在于，所述计算模块包括：

统计子模块，用于统计每个颜色区域的像素个数；

第一计算子模块，用于计算每个颜色区域与其他各颜色区域的颜色差异值；

第二计算子模块，用于计算每个颜色区域与其他各颜色区域的位置差异值；

第三计算子模块，用于以所述像素个数、所述颜色差异值以及所述位置差异值为参数，计算所述每个颜色区域的显著性值。

10.如权利要求7所述的装置，其特征在于，所述区分模块包括：

归一子模块，用于将所述显著性值进行归一化处理；

判断子模块，用于判断所述归一化处理后的显著性值是否大于或等于阈值；

确定子模块，用于在所述归一化处理后的显著性值大于或者等于阈值时，确定所述显著性值对应的颜色区域为前景区域；用于在所述归一化处理后的显著性值小于阈值时，确定所述显著性值对应的颜色区域为背景区域。

11.如权利要求7所述的装置，其特征在于，所述装置还包括：

转换模块，用于将所述图标的颜色转换到标准颜色空间。

12.如权利要求7所述的装置，其特征在于，所述预分割模块包括：

第一预分割子模块，用于对所述图标进行基于五类基本颜色特征值的图像预分割。

13.一种图标分割装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

根据颜色特征值对目标图标进行图像预分割；

计算所述图像预分割后的每个颜色区域的显著性值；

根据所述显著性值区分出所述图标的前景和背景；

对所述图标的前景和背景进行分割。