CN104952089B - 一种图像处理方法及系统 - Google Patents
一种图像处理方法及系统 Download PDFInfo
- Publication number
- CN104952089B CN104952089B CN201410116571.1A CN201410116571A CN104952089B CN 104952089 B CN104952089 B CN 104952089B CN 201410116571 A CN201410116571 A CN 201410116571A CN 104952089 B CN104952089 B CN 104952089B
- Authority
- CN
- China
- Prior art keywords
- image
- target image
- gray processing
- pixel
- processing target
- 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.)
- Active
Links
Abstract
本发明涉及计算机技术领域,公开了一种图像处理方法及系统,该方法包括:获取灰度化目标图像;将所述灰度化目标图像进行尺度归一化,获得缩放后的目标图像;对所述缩放后的目标图像进行边缘检测,获得二值边缘图像;对所述二值边缘图像进行形态学闭运算,获得遮罩图像;将所述遮罩图像等比缩放至所述灰度化目标图像的大小,获得复原目标图像;将所述复原目标图像中的前景像素所在区域作为所述灰度化目标图像的待融合区域,并将所述待融合区域与预先导入的背景图像上的指定区域进行泊松融合,获得融合图像。实施本发明实施例,能够提高钢印效果的编辑效率,降低用户的技术门槛。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种图像处理方法及系统。
背景技术
在图像编辑应用中,钢印效果是较为流行的一种图像编辑效果。其中,在图像上编辑钢印效果不仅可以使图像信息更加丰富,还可以使图像变得更有趣味性。而在实际应用中,为了在图像上编辑出钢印效果,一般需要应用专业的编辑软件(如Photo Shop)来进行手工编辑,编辑过程不仅繁琐,而且还要求用户具有较高的技术门槛。
发明内容
本发明实施例公开了一种图像处理方法及系统,能够提高钢印效果的编辑效率,降低用户的技术门槛。
本发明实施例第一方面公开了一种图像处理方法,包括:
获取灰度化目标图像;
将所述灰度化目标图像进行尺度归一化,获得缩放后的目标图像;
对所述缩放后的目标图像进行边缘检测,获得二值边缘图像;
对所述二值边缘图像进行形态学闭运算,获得遮罩图像;
将所述遮罩图像等比缩放至所述灰度化目标图像的大小,获得复原目标图像;
将所述复原目标图像中的前景像素所在区域作为所述灰度化目标图像的待融合区域,并将所述待融合区域与预先导入的背景图像上的指定区域进行泊松融合,获得包括钢印效果的融合图像。
本发明实施例第二方面公开了一种图像处理系统,包括:
图像获取单元,用于获取灰度化目标图像;
尺度归一化单元,用于将所述灰度化目标图像进行尺度归一化,获得缩放后的目标图像;
边缘检测单元,用于对所述缩放后的目标图像进行边缘检测,获得二值边缘图像;
形态学闭运算单元,用于对所述二值边缘图像进行形态学闭运算,获得遮罩图像;
图像复原单元,用于将所述遮罩图像等比缩放至所述灰度化目标图像的大小,获得复原目标图像;
泊松融合单元,用于将所述复原目标图像中的前景像素所在区域作为所述灰度化目标图像的待融合区域,并将所述待融合区域与预先导入的背景图像上的指定区域进行泊松融合,获得包括钢印效果的融合图像。
本发明实施例中,系统在获取到灰度化目标图像之后,可以自动地对灰度化目标图像进行尺度归一化、边缘检测、形态学闭运算以及尺寸复原处理,在此基础上可以自动地将复原目标图像中的前景像素所在区域作为灰度化目标图像的待融合区域,并将此待融合区域与预先导入的背景图像上的指定区域进行泊松融合,从而可以获得包括钢印效果的融合图像。本发明实施例可以省去手工编辑操作,从而可以有效提高钢印效果的编辑效率;更进一步地,由于省去了手工编辑操作,还可以有效地降低用户的技术门槛。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种图像处理方法的流程图;
图2是本发明实施例公开的一种图像处理的效果图;
图3是本发明实施例公开的一种图像处理系统的结构图;
图4是本发明实施例公开的另一种图像处理系统的结构图;
图5是本发明实施例公开的另一种图像处理系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种图像处理方法及系统,能够提高钢印效果的编辑效率,降低用户的技术门槛。以下分别进行详细说明。
请参阅图1,图1是本发明实施例公开的一种图像处理方法的流程图。其中,图1所描述的图像处理方法适用于各种图像制作、图像编辑系统。如图1所示,该图像处理方法可以包括以下步骤。
S101、获取灰度化目标图像f。
在一个实施例中,可以由用户预先制作好灰度化目标图像f,并且由用户将预先制作好的灰度化目标图像f导入系统,使得系统可以接收用户导入的灰度化目标图像,实现获取灰度化目标图像f。
在另一个实施例中,可以由用户将彩色目标图像(即RGB目标图像)导入系统,使得系统可以接收用户导入的彩色目标图像,并自动对彩色目标图像进行灰度化,实现获得灰度化目标图像f。
S102、将灰度化目标图像f进行尺度归一化,获得缩放后的目标图像scale_f。
在一个实施例中,系统获取到灰度化目标图像f之后,可以先确定灰度化目标图像f的宽度和高度之间的最大值max(w,h),并计算该最大值max(w,h)与预设目标值dst_val(例如系统中dst_val=100)的比值s,以及按照比值s对灰度化目标图像f进行等比缩放,获得缩放后的目标图像scale_f。
S103、对缩放后的目标图像scale_f进行边缘检测,获得二值边缘图像edge。
在一个实施例中,系统获得缩放后的目标图像scale_f之后,可以对缩放后的目标图像scale_f进行3*3算子的索贝尔(Sobel)边缘检测,获得像素梯度图G,并计算像素梯度图G中的像素平均梯度M,以及计算预设显著因子k(例如系统中k=1.5)与像素平均梯度M之间的乘积k*M;更进一步地,系统可以将像素梯度图G中像素梯度大于乘积k*M的像素设置为前景像素(值为255),以及将像素梯度图G中像素梯度等于或小于乘积k*M的像素设置为背景像素(值为0),以获得二值边缘图像edge。
S104、对二值边缘图像edge进行形态学闭运算,获得遮罩图像mask1。
在一个实施例中,系统获得二值边缘图像edge之后,可以对二值边缘图像edge进行5*5算子的形态学闭运算,获得遮罩图像mask1。
本发明实施例中,系统对二值边缘图像edge进行形态学闭运算的目的在于将二值边缘图像edge中断裂的边缘“连通”起来,从而可以显著提升后续融合的效果。
S105、将遮罩图像mask1等比缩放至灰度化目标图像f的大小,获得复原目标图像mask2。
S106、将复原目标图像mask2中的前景像素所在区域作为灰度化目标图像f的待融合区域,并将此待融合区域与预先导入的背景图像上的指定区域进行泊松融合,获得包括钢印效果的融合图像。
本发明实施例中,系统获得复原目标图像mask2之后,可以将复原目标图像mask2中的前景像素所在区域作为灰度化目标图像f的待融合区域,并从复原目标图像mask2中提取出此待融合区域,并将此待融合区域与预先导入的背景图像上的指定区域进行泊松融合,获得包括钢印效果的融合图像。
本发明实施例中,将待融合区域与预先导入的背景图像上的指定区域进行泊松融合以获得包括钢印效果的融合图像的过程是本领域公知常识,本发明实施例不作详细介绍。
请参阅图2,图2是本发明实施例公开的一种图像处理的效果图。如图2所示,系统在获取到灰度化目标图像f之后,可以自动地对灰度化目标图像f进行尺度归一化、边缘检测、形态学闭运算以及尺寸复原处理,在此基础上可以自动地将复原目标图像中的前景像素所在区域作为灰度化目标图像的待融合区域,并将此待融合区域与预先导入的背景图像上的指定区域进行泊松融合,从而可以获得包括钢印效果的融合图像。
在图1所描述的图像处理方法中,可以省去手工编辑操作,从而可以有效提高钢印效果的编辑效率;更进一步地,由于省去了手工编辑操作,还可以有效地降低用户的技术门槛。
请参阅图3,图3是本发明实施例公开的一种图像处理系统的结构图。如图3所示,该图像处理系统可以包括以下单元。
图像获取单元301,用于获取灰度化目标图像f。
尺度归一化单元302,用于将该灰度化目标图像进行尺度归一化,获得缩放后的目标图像scale_f。
边缘检测单元303,用于对缩放后的目标图像scale_f进行边缘检测,获得二值边缘图像edge。
形态学闭运算单元304,用于对二值边缘图像edge进行形态学闭运算,获得遮罩图像mask1。
图像复原单元305,用于将遮罩图像mask1等比缩放至灰度化目标图像f的大小,获得复原目标图像mask2。
泊松融合单元306,用于将复原目标图像mask2中的前景像素所在区域作为灰度化目标图像f的待融合区域,并将此待融合区域与预先导入的背景图像上的指定区域进行泊松融合,获得包括钢印效果的融合图像。
在一个实施例中,可以由用户预先制作好灰度化目标图像f,并且由用户将预先制作好的灰度化目标图像f导入系统,使得图像获取单元301可以接收用户导入的灰度化目标图像,实现获取灰度化目标图像f。
在另一个实施例中,可以由用户将彩色目标图像(即RGB目标图像)导入系统,使得图像获取单元301可以接收用户导入的彩色目标图像,并自动对彩色目标图像进行灰度化,实现获得灰度化目标图像f。
请参阅图4,图4是本发明实施例公开的另一种图像处理系统的结构图。其中,图4所示的图像处理系统是由图3所示的图像处理系统进行优化得到的。在图4所示的图像处理系统中,尺度归一化单元302包括:
确定模块3021,用于确定灰度化目标图像f的宽度和高度之间的最大值max(w,h);
第一计算模块3022,用于计算该最大值max(w,h)与预设目标值dst_val(例如系统中dst_val=100)的比值s;
缩放模块3023,用于按照该比值s对灰度化目标图像f进行等比缩放,获得缩放后的目标图像scale_f。
请参阅图5,图5是本发明实施例公开的另一种图像处理系统的结构图。其中,图5所示的图像处理系统是由图4所示的图像处理系统进行优化得到的。在图5所示的图像处理系统中,边缘检测单元303包括:
边缘检测模块3031,用于对缩放后的目标图像scale_f进行3*3算子的Sobel边缘检测,获得像素梯度图G;
第二计算模块3032,用于计算像素梯度图G中的像素平均梯度M;
第三计算模块3033,用于计算预设显著因子k与像素平均梯度M之间的乘积k*M;
设置模块3034,用于将像素梯度图G中像素梯度大于乘积k*M的像素设置为前景像素,以及将像素梯度图G中像素梯度等于或小于乘积k*M的像素设置为背景像素,以获得二值边缘图像edge。
在一个实施例中,形态学闭运算单元304可以对二值边缘图像edge进行5*5算子的形态学闭运算,获得遮罩图像mask1。
本发明实施例中,形态学闭运算单元304对二值边缘图像edge进行形态学闭运算的目的在于将二值边缘图像edge中断裂的边缘“连通”起来,从而可以显著提升后续融合的效果。
在图3~图5所描述的图像处理系统中,可以省去手工编辑操作,从而可以有效提高钢印效果的编辑效率;更进一步地,由于省去了手工编辑操作,还可以有效地降低用户的技术门槛。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random AccessMemory,RAM)、磁盘或光盘等。
以上对本发明实施例公开的图像处理方法及系统进行了详细介绍,本文中应用了具体例子对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种图像处理方法,其特征在于,包括:
获取灰度化目标图像;
将所述灰度化目标图像进行尺度归一化,获得缩放后的目标图像;
对所述缩放后的目标图像进行3*3算子的索贝尔边缘检测,获得像素梯度图G;
计算所述像素梯度图G中的像素平均梯度M;
计算预设显著因子k与所述像素平均梯度M之间的乘积k*M;
将所述像素梯度图G中像素梯度大于所述乘积k*M的像素设置为前景像素,以及将所述像素梯度图G中像素梯度等于或小于所述乘积k*M的像素设置为背景像素,以获得二值边缘图像;
对所述二值边缘图像进行形态学闭运算,获得遮罩图像;
将所述遮罩图像等比缩放至所述灰度化目标图像的大小,获得复原目标图像;
将所述复原目标图像中的前景像素所在区域作为所述灰度化目标图像的待融合区域,并将所述待融合区域与预先导入的背景图像上的指定区域进行泊松融合,获得包括钢印效果的融合图像。
2.根据权利要求1所述的方法,其特征在于,所述获取灰度化目标图像包括:
接收导入的彩色目标图像;
对所述彩色目标图像进行灰度化,获得灰度化目标图像。
3.根据权利要求1所述的方法,其特征在于,所述将所述灰度化目标图像进行尺度归一化,获得缩放后的目标图像包括:
确定所述灰度化目标图像的宽度和高度之间的最大值;
计算所述最大值与预设目标值的比值;
按照所述比值对所述灰度化目标图像进行等比缩放,获得缩放后的目标图像。
4.根据权利要求1~3任一项所述的方法,其特征在于,所述对所述二值边缘图像进行形态学闭运算,获得遮罩图像包括:
对所述二值边缘图像进行5*5算子的形态学闭运算,获得遮罩图像。
5.一种图像处理系统,其特征在于,包括:
图像获取单元,用于获取灰度化目标图像;
尺度归一化单元,用于将所述灰度化目标图像进行尺度归一化,获得缩放后的目标图像;
边缘检测单元,用于对所述缩放后的目标图像进行边缘检测,获得二值边缘图像;
形态学闭运算单元,用于对所述二值边缘图像进行形态学闭运算,获得遮罩图像;
图像复原单元,用于将所述遮罩图像等比缩放至所述灰度化目标图像的大小,获得复原目标图像;
泊松融合单元,用于将所述复原目标图像中的前景像素所在区域作为所述灰度化目标图像的待融合区域,并将所述待融合区域与预先导入的背景图像上的指定区域进行泊松融合,获得包括钢印效果的融合图像;
其中所述边缘检测单元包括:
边缘检测模块,用于对所述缩放后的目标图像进行3*3算子的索贝尔边缘检测,获得像素梯度图G;
第二计算模块,用于计算所述像素梯度图G中的像素平均梯度M;
第三计算模块,用于计算预设显著因子k与所述像素平均梯度M之间的乘积k*M;
设置模块,用于将所述像素梯度图G中像素梯度大于所述乘积k*M的像素设置为前景像素,以及将所述像素梯度图G中像素梯度等于或小于所述乘积k*M的像素设置为背景像素,以获得二值边缘图像。
6.根据权利要求5所述的系统,其特征在于,所述图像获取单元用于接收导入的彩色目标图像,并对所述彩色目标图像进行灰度化,获得灰度化目标图像。
7.根据权利要求5所述的系统,其特征在于,所述尺度归一化单元包括:
确定模块,用于确定所述灰度化目标图像的宽度和高度之间的最大值;
第一计算模块,用于计算所述最大值与预设目标值的比值;
缩放模块,用于按照所述比值对所述灰度化目标图像进行等比缩放,获得缩放后的目标图像。
8.根据权利要求5~7任一项所述的系统,其特征在于,所述形态学闭运算单元用于对所述二值边缘图像进行5*5算子的形态学闭运算,获得遮罩图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410116571.1A CN104952089B (zh) | 2014-03-26 | 2014-03-26 | 一种图像处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410116571.1A CN104952089B (zh) | 2014-03-26 | 2014-03-26 | 一种图像处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104952089A CN104952089A (zh) | 2015-09-30 |
CN104952089B true CN104952089B (zh) | 2019-02-15 |
Family
ID=54166715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410116571.1A Active CN104952089B (zh) | 2014-03-26 | 2014-03-26 | 一种图像处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104952089B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909570A (zh) * | 2017-11-10 | 2018-04-13 | 南开大学 | 一种测量细胞内应变的方法 |
CN108932735B (zh) * | 2018-07-10 | 2021-12-28 | 广州众聚智能科技有限公司 | 一种生成深度学习样本的方法 |
CN110335288A (zh) * | 2018-09-26 | 2019-10-15 | 惠州学院 | 一种视频前景目标提取方法及装置 |
CN110544149A (zh) * | 2019-08-06 | 2019-12-06 | 尚尚珍宝(北京)网络科技有限公司 | 可穿戴产品的虚拟佩戴方法及装置 |
CN113284146B (zh) * | 2021-07-23 | 2021-10-22 | 天津御锦人工智能医疗科技有限公司 | 结直肠息肉图像的识别方法、装置及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663766A (zh) * | 2012-05-04 | 2012-09-12 | 云南大学 | 一种基于非真实感的艺术插画效果绘制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7489821B2 (en) * | 2003-04-08 | 2009-02-10 | International Business Machines Corporation | Method, system and program product for representing a perceptual organization of an image |
-
2014
- 2014-03-26 CN CN201410116571.1A patent/CN104952089B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663766A (zh) * | 2012-05-04 | 2012-09-12 | 云南大学 | 一种基于非真实感的艺术插画效果绘制方法 |
Non-Patent Citations (3)
Title |
---|
Marked Watershed and Image Morphology Based Motion Detection and Performance Analysis;Qingqing Fu et al.;《8th International Symposium on Image and Signal Processing and Analysis》;20130904;第159-164页 |
基于梯度特征的图像自动分割方法;李琨 等;《宇航学报》;20061130;20061130;第27卷(第6期);第1288-1292页 |
基于泊松方程的数字图像无缝拼合;张建桥 等;《现代电子技术》;20100915(第17期);第139-141页 |
Also Published As
Publication number | Publication date |
---|---|
CN104952089A (zh) | 2015-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104952089B (zh) | 一种图像处理方法及系统 | |
CN110969589B (zh) | 基于多流注意对抗网络的动态场景模糊图像盲复原方法 | |
CN103927717B (zh) | 基于改进型双边滤波的深度图像恢复方法 | |
CN103093419B (zh) | 一种检测图像清晰度的方法及装置 | |
CN109462747B (zh) | 基于生成对抗网络的dibr系统空洞填充方法 | |
EP2947627A1 (en) | Light field image depth estimation | |
EP3143589B1 (en) | Identifying features | |
CN103049914A (zh) | 基于边界的高分辨率深度图生成 | |
KR101426298B1 (ko) | 안개 제거율을 높인 영상보정장치 및 방법 | |
CN105243371A (zh) | 一种人脸美颜程度的检测方法、系统及拍摄终端 | |
CN105091847B (zh) | 一种测量距离的方法及电子设备 | |
CN105704348A (zh) | 利用深度恢复图像中的缺失信息的设备、系统和方法 | |
CN108124489B (zh) | 信息处理方法、装置、云处理设备以及计算机程序产品 | |
CN103996174A (zh) | 一种对Kinect深度图像进行空洞修复的方法 | |
CN104038699A (zh) | 对焦状态的提示方法和拍摄装置 | |
CN106971399B (zh) | 图像马赛克检测方法及装置 | |
CN104268899A (zh) | 基于帧间差分和背景差分的运动目标检测方法 | |
CN102446352A (zh) | 视频图像处理方法及装置 | |
CN106446905A (zh) | 渗透算法和自适应Canny算法相融合的表面裂纹纹理的提取方法 | |
CN103729858A (zh) | 一种视频监控系统中遗留物品的检测方法 | |
CN103854257A (zh) | 一种基于自适应三边滤波的深度图像增强方法 | |
CN110276831B (zh) | 三维模型的建构方法和装置、设备、计算机可读存储介质 | |
CN108447068A (zh) | 三元图自动生成方法及利用该三元图的前景提取方法 | |
CN103238168A (zh) | 图像处理装置、图像处理方法及图像处理程序 | |
WO2017096814A1 (zh) | 一种图像处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |