CN105513050B - 一种目标图像提取方法及装置 - Google Patents
一种目标图像提取方法及装置 Download PDFInfo
- Publication number
- CN105513050B CN105513050B CN201510833965.3A CN201510833965A CN105513050B CN 105513050 B CN105513050 B CN 105513050B CN 201510833965 A CN201510833965 A CN 201510833965A CN 105513050 B CN105513050 B CN 105513050B
- Authority
- CN
- China
- Prior art keywords
- seed point
- pixel
- point set
- seed
- image
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种图像提取方法及装置,应用于终端,所述终端确定前景图像并确定一个第一种子点;获得前景图像中满足与所述每个第一种子点之间预设距离要求的点作为第一种子点;获得前景图像中每个角点,获得角点中满足与所述每个第一种子点之间预设距离要求的点作为第二种子点;获得前景图像中满足与所述每个第二种子点之间预设距离要求的点作为第三种子点;若所述第一种子点集合和第三种子点集合中种子点的变化量小于设定的第一数量阈值,则将所述第三种子点集合确定为目标图像。由于在本发明实施例中,用户只仅需要在待提取图像中手工选取最少一个种子点,终端就可以自动提取出所需目标图像,提升了用户交互体验。
Description
技术领域
本发明涉及图像处理领域,特别涉及一种目标图像提取方法及装置。
背景技术
对于前景图像较为复杂,背景图像较为单一的图像,如图1所示的宫廷服饰图案的图像,为了将前景图像中用户感兴趣的目标图像部分提取出来,如若要将图1中的龙纹提取出来,会采用如图2所示的目标图像提取方法,所述方法应用于终端,包括如下步骤:
S201:按照预设的提取方法,从原始图像中确定出前景图像。
S202:在所述前景图像中的目标图像中的确定若干个像素点作为种子点。
S203:针对所述前景图像中每个像素点,确定该像素点与所述每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,则将所述像素点作为种子点,如果否,则不将所述像素点作为种子点。
S204:将所述第一种子点的集合确定为目标图像。
利用该方法,用户可以通过手动选取不同数量和位置的初始种子点的方式,将原始图像中待提取的任何目标图像元素提取出来。但该方法对所述的初始种子点的数量和所在图中的位置都有较高的要求,有时为了达到满意的提取效果,需要用户手动选取几十个甚至更多的初始种子点,而且所述初始种子点的选择并不是随机的,而是需要针对不同的待提取图像的特征选取特定位置的初始种子点。该方法对用户确定种子点的经验依赖较大,而一般无经验用户需要经过一定的培训才能使用这一方法,而且一般需要用户确定较多的种子点,从而造成该方法的用户交互体验较差。
发明内容
本发明实施例公开了一种目标图像提取方法及装置,简化了提取目标图像时的用户操作,提升了用户交互体验。
为达到上述目的,本发明实施例公开了一种目标图像提取方法,应用于终端,所述方法包括:
A、按照预设的提取方法,从原始图像中确定出前景图像,所述目标图像包含在所述前景图像中;
B、在所述前景图像中的目标图像中确定一个像素点作为种子点,并将所述种子点的坐标添加到第一种子点集合中;
C、针对所述前景图像中每个像素点,确定该像素点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第一种子点集合中;
D、根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第二种子点集合中;
E、针对所述前景图像中每个像素点,确定该像素点与所述第二种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第三种子点集合中;
F、判断所述第一种子点集合和第三种子点集合中种子点的变化量是否小于设定的第一数量阈值,如果是,将所述第三种子点集合中的种子点确定为目标图像的像素点,否则,将所述第三种子点集合作为第一种子点集合,执行步骤D。
较佳的,在步骤E之后,步骤F之前所述方法还包括:
G、根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第三种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第四种子点集合中;
H、判断所述第二种子点集合和第四种子点集合中种子点的变化量是否小于设定的第二数量阈值,如果是,则将所述第四种子点集合中的种子点所确定的闭合区域中的像素点确定为目标图像的像素点,否则,执行后续步骤。
较佳的,所述方法还包括:
确定所述第三种子点集合中的种子点与所述第四种子点集合中的种子点所确定的闭合区域中的像素点的交集,将所述交集中的像素点确定为目标图像的像素点。
较佳的,所述判断所述第一种子点集合和第三种子点集合中种子点的变化量是否小于设定的第一数量阈值包括:
判断所述第一种子点集合和第三种子点集合中种子点数量的变化量是否小于设定的第一数量阈值;
所述判断所述第二种子点集合和第四种子点集合中种子点的变化量是否小于设定的第二数量阈值包括:
判断所述第二种子点集合和第四种子点集合中种子点数量的变化量是否小于设定的第二数量阈值。
较佳的,在所述前景图像中的角点检测得到每个角点的坐标,包括:
在所述前景图像中根据Harris角点检测算法得到每个角点的坐标。
本发明实施例还公开了一种目标图像提取装置,应用于终端,所述装置包括:
前景图像提取模块,用于按照预设的提取方法,从原始图像中确定出前景图像,所述目标图像包含在所述前景图像中;
初始第一种子点确定模块,用于在所述前景图像中的目标图像中的确定一个像素点作为种子点,并将所述种子点的坐标添加到第一种子点集合中;
第一种子点确定模块,用于针对所述前景图像中每个像素点,确定该像素点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第一种子点集合中;
第二种子点确定模块,用于根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第二种子点集合中;
第三种子点确定模块,用于针对所述前景图像中每个像素点,确定该像素点与所述第二种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第三种子点集合中;
第一目标图像像素点确定模块,用于判断所述第一种子点集合和第三种子点集合中种子点的变化量是否小于设定的第一数量阈值,如果是,将所述第三种子点集合中的种子点确定为目标图像的像素点,否则,将所述第三种子点集合作为第一种子点集合,并将所述第一种子点集合发送到所述第二种子点确定模块。
较佳的,所述装置还包括:
第四种子点确定模块,用于根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第三种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第四种子点集合中;
第二目标图像像素点确定模块,用于判断所述第二种子点集合和第四种子点集合中种子点的变化量是否小于设定的第二数量阈值,如果是,则将所述第四种子点集合中的种子点所确定的闭合区域中的像素点确定为目标图像的像素点,否则,转入第一目标图像像素点确定模块。
较佳的,所述装置还包括:
第三目标图像像素点确定模块,用于确定所述第三种子点集合中的种子点与所述第四种子点集合中的种子点所确定的闭合区域中的像素点的交集,将所述交集中的像素点确定为目标图像的像素点。
较佳的,所述第一目标图像像素点确定模块,具体用于判断所述第一种子点集合和第三种子点集合中种子点数量的变化量是否小于设定的第一数量阈值;
所述第二目标图像像素点确定模块,具体用于判断所述第二种子点集合和第四种子点集合中种子点数量的变化量是否小于设定的第二数量阈值。
较佳的,所述第二种子点确定模块,具体用于在所述前景图像中根据Harris角点检测算法得到每个角点的坐标。
由上述的技术方案可见,本发明实施例提供了一种目标图像提取方法及装置,应用于终端,所述终端按照预设的提取方法,从原始图像中确定出前景图像,在所述前景图像中的目标图像中确定一个像素点作为种子点,并将所述种子点的坐标添加到第一种子点集合中;针对所述前景图像中每个像素点,确定该像素点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第一种子点集合中;根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第二种子点集合中;针对所述前景图像中每个像素点,确定该像素点与所述第二种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第三种子点集合中;判断所述第一种子点集合和第三种子点集合中种子点的变化量是否小于设定的第一数量阈值,如果是,将所述第三种子点集合中的种子点确定为目标图像的像素点,否则,将所述第三种子点集合作为第一种子点集合,执行前述确定第二种子点的步骤。由于在本发明实施例中,用户只仅需要在待提取图像中手工选取一个种子点,简化了提取目标图像时的用户操作,提升了用户交互体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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为宫廷服饰图案示意图;
图2为现有技术中目标图像提取方法的流程示意图;
图3为本发明实施例一提供的一种目标图像提取方法的流程示意图;
图4为本发明实施例提供的识别出图像中角点的示意图;
图5为本发明实施例二提供的一种目标图像提取方法的流程示意图;
图6为本发明实施例一提供的一种目标图像提取装置的结构示意图。
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作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。
下面通过具体实施例,对本发明进行详细说明。
图3为本发明实施例一提供的一种目标图像提取方法的流程示意图,该方法应用于终端,包括如下步骤:
S301:按照预设的提取方法,从原始图像中确定出前景图像。
所述目标图像包含在所述前景图像中。在如图1所示的宫廷服饰图案中,其背景图像为单一的黑色,包含龙纹图像、祥云图像等,可以选定一个阈值,将该图像中像素点灰度值大于该阈值的像素点的集合确定为前景图像,则图1中的龙纹图案、祥云图案等都为前景图像中的一部分,其中目标图像为龙纹图像。
S302:在所述前景图像中的目标图像中确定一个像素点作为种子点,并将所述种子点的坐标添加到第一种子点集合中。
用户可以通过鼠标在原始图像上点击、或者输入像素点坐标等人机交互方式,在所述前景图像中的目标图像中确定一个像素点作为种子点,其中所述目标图像是用户主观识别出的图像,如图1中,要把龙纹图像作为目标图像提取出来,则用户最初只需要在龙纹图像上选择一个像素点作为种子点。
S303:针对所述前景图像中每个像素点,确定该像素点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第一种子点集合中,如果否,则不将所述像素点作为种子点。
该步骤是对于每个前景图像中的像素点依次进行的,在计算之处该第一种子点集合中包含一个像素点,针对前景图像中的每个像素点,根据该像素点与前景图像中每个像素点的距离,根据该距离,确定是否将前景图像中的像素点添加到第一种子点集合中。
S304:根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第二种子点集合中,如果否,则不将所述角点作为种子点。
图像中的点可以被分为角点和非角点两类,角点通常被定义为两条边的交点,一般将图像中亮度变化剧烈的点或图像边缘上曲率取极大值的点认为是角点。如图4中所示,A区域中像素灰度值在水平、垂直两个方向上均有较大的变化,所以A区域中存在角点;而B区域中像素灰度值只在垂直方向上有较大变化,而在水平方向上无变化,所述B区域中只存在非角点的像素点;C区域中像素灰度值在水平和垂直区域均无较大变化,所以C区域中也只存在非角点的像素点。
角点检测是计算机视觉系统中用来获得图像特征的一种方法,广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中。常用的角点检测算法包括莫拉维茨(Moravec)角点检测算法、哈里斯(Harris)角点检测算法和快速(FAST)角点检测算法等,其中Harris角点检测算法是最常用的一种灰度图像角点检测算法。由于角点检测为现有技术,本发明不再赘述。
步骤S303对第一种子点集合进行了更新,根据识别得到的角点,针对每个角点以及第一种子点集合中的每个种子点之间的距离,确定位于第二种子点集合中的像素点,其中第二种子点集合中包含的像素点为角点。
S305:针对所述前景图像中每个像素点,确定该像素点与所述第二种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第三种子点集合中,如果否,则不将所述像素点作为种子点。
通过该步骤,可以识别到与第二种子点集合中的角点距离在第一距离阈值范围内的像素点,从而确定第三种子点集合中的种子点。
S306:判断所述第一种子点集合和第三种子点集合中种子点的变化量是否小于设定的第一数量阈值,如果是,执行S307,否则,执行S308。
比较第三种子点集合中种子点的数量与所述第一种子点集合中种子点数量的变化量是否小于设定的第一数量阈值,如所述第三种子点集合中种子点的数量与所述第一种子点集合中种子点数量的变化量为20,设定的第一数量阈值为50,即认为两次图像像素点数量变化不超过50,就认为这两次图像相同,那么此时就可以确定当前待确定目标图像,即当前所述第三种子点的集合所构成的图像就为最终要获得的目标图像。
S307:将所述第三种子点集合中的种子点确定为目标图像的像素点。
S308:将所述第三种子点集合作为第一种子点集合,执行步骤S304。
将第三种子点集合作为第一种子点集合执行步骤S304时,由于前景图像中的角点的坐标已经确定,因此针对每个角点,确定该角点与第一种子点集合中每个种子点间的每个距离,并确定该距离中的最小值,根据该最小值设定的第二距离阈值的比较,确定是否将该角点作为种子点添加到第二种子点集合中。
如果所述像素点数量的变化量大于设定的第一数量阈值,就认为这两次图像具有较大的差异,则要继续上述的循环过程,将所述第三种子点集合作为第一种子点集合,执行步骤S304,直到当前的第三种子点集合中的种子点数量与所述第一种子点集合中种子点数量的变化量小于设定的第一数量阈值。
本发明实施例中,所述终端接收用户确定的第一种子点的位置信息,针对所述前景图像中每个像素点,确定该像素点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第一种子点集合中;再检测出前景图像中的角点,根据每个角点到所述第一种子点的集合中种子点的距离的最小值与第二距离阈值的大小,从所述角点中确定出第二种子点集合;再根据前景图像中每个像素点到所述第二种子点的集合中种子点的距离的最小值与第一距离阈值的大小,从所述前景图像的像素点中确定出第三种子点集合,判断所述第一种子点集合和第三种子点集合中种子点的变化量是否小于设定的第一数量阈值,如果是,将所述第三种子点集合中的种子点确定为目标图像的像素点,否则,将所述第三种子点集合作为第一种子点集合,再次执行确定出第二种子点集合的步骤。由于在本发明实施例中,用户只仅需要在待提取图像中手工选取一个种子点,简化了提取目标图像时的用户操作,提升了用户交互体验。
在本发明实施例一中,确定出第二种子点集合,即勾勒出所述目标图像的大致轮廓是关键的一步。在本发明提供的另一种实施例中,可以只对目标图像轮廓进行勾勒的是否完整进行判断,若判断已勾勒完整,则将已勾勒出的闭合区域中的像素点确定为目标图像的像素点。基于本发明实施例一所述的方法,在图3所示流程中,在S305之后、步骤S306之前,还可以包括:
根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第三种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第四种子点集合中;
判断所述第二种子点集合和第四种子点集合中种子点的变化量是否小于设定的第二数量阈值,如果是,则将所述第四种子点集合中的种子点所确定的闭合区域中的像素点确定为目标图像的像素点,否则,执行后续步骤。
图5为本发明实施例二提供的一种目标图像提取方法的流程示意图,该方法应用于终端,包括如下步骤:
S501:按照预设的提取方法,从原始图像中确定出前景图像。
S502:在所述前景图像中的目标图像中的确定一个像素点作为种子点,并将所述种子点的坐标添加到第一种子点集合中。
S503:针对所述前景图像中每个像素点,确定该像素点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第一种子点集合中,如果否,则不将所述像素点作为种子点。
S504:根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第二种子点集合中,如果否,则不将所述角点作为种子点。
S505:针对所述前景图像中每个像素点,确定该像素点与所述第二种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第三种子点集合中,如果否,则不将所述像素点作为种子点。
S506:根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第三种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第四种子点集合中;
这时确定的第四种子点集合所构成的图像即为更进一步确定的所述目标图像的大致轮廓,之后可以判断两次所确定的图像轮廓是否有较大的变化,若没有,则就可将本次得到的第四种子点集合中的种子点所围成的闭合区域中的像素点确定为目标图像中的像素点。
S507:判断所述第二种子点集合和第四种子点集合中种子点的变化量是否小于设定的第二数量阈值,如果是,执行S508,否则,执行S509。
S508:将所述第四种子点集合中的种子点所确定的闭合区域中的像素点确定为目标图像的像素点。
如前所述,若所述第二种子点集合和第四种子点集合中种子点的变化量小于设定的第二数量阈值,则认为两次所勾勒出的目标图像的轮廓大致相同,再继续进行轮廓勾勒已经意义不大,则把当前第四种子点集合中种子点所围成的闭合区域中的像素点确定为目标图像中的像素点。若所述第二种子点集合和第四种子点集合中种子点的变化量大于设定的第二数量阈值,则认为两次所勾勒出的目标图像的轮廓相差较大,则按照本发明实施例一所述的方法进行目标图像的像素点的确定。
S509:判断所述第一种子点集合和第三种子点集合中种子点的变化量是否小于设定的第一数量阈值,如果是,执行S510,否则,执行S511。
S510:将所述第三种子点集合中的种子点确定为目标图像的像素点。
S511:将所述第三种子点集合作为第一种子点集合,执行步骤S504。
最终,所述终端可以选择由所述第三种子点集合中的种子点确定的目标图像为最终的目标图像点,或者选择由所述第四种子点集合中的种子点所确定的闭合区域中的像素点确定的目标图像为最终的目标图像。
本发明实施例中,所述终端在获得所述第三种子点集合后,针对前景图像中的每一个角点,计算该角点到所述第三种子点集合中的每个种子点的距离,并取所述距离的最小值,并判断所述最小值是否小于预设的第二距离阈值,若小于,则将对应的角点确定为第四种子点并添加到第四种子点集合中,并比较所述第四种子点集合中的种子点与所述第二种子点集合中的种子点的数量,若数量差值小于预设的第二数量阈值,则意味着两次所勾勒出的目标图像的轮廓大致相同,则把当前第四种子点集合中种子点所围成的闭合区域中的像素点确定为目标图像中的像素点即可。由于所述终端根据所勾勒的目标图像的轮廓的变化来判断所述目标图像是否确定,更加简化了确定目标图像的操作。
在本发明提供的另一种实施例中,可以将本发明实施例二中确定出的两种目标图像像素点取交集,将所述交集中的像素点确定为目标图像的像素点,能够使所确定出的目标图像更加准确。所以基于本发明实施例二所述的方法,图5所示步骤还可以包括:
确定所述第三种子点集合中的种子点与所述第四种子点集合中的种子点所确定的闭合区域中的像素点的交集,将所述交集中的像素点确定为目标图像的像素点。
本发明实施例提供了一种图像提取方法,应用于终端,所述终端按照预设的提取方法,从原始图像中确定出前景图像,在所述前景图像中的目标图像中确定一个像素点作为种子点,并将所述种子点的坐标添加到第一种子点集合中;针对所述前景图像中每个像素点,确定该像素点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第一种子点集合中;根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第二种子点集合中;针对所述前景图像中每个像素点,确定该像素点与所述第二种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第三种子点集合中;判断所述第一种子点集合和第三种子点集合中种子点的变化量是否小于设定的第一数量阈值,如果是,将所述第三种子点集合中的种子点确定为目标图像的像素点,否则,将所述第三种子点集合作为第一种子点集合,执行前述确定第二种子点的步骤。由于在本发明实施例中,用户只仅需要在待提取图像中手工选取一个种子点,简化了提取目标图像时的用户操作,提升了用户交互体验。
图6为为本发明实施例一提供的一种目标图像提取装置的结构示意图,应用于终端,所述装置包括:
前景图像提取模块601,用于按照预设的提取方法,从原始图像中确定出前景图像,所述目标图像包含在所述前景图像中;
初始第一种子点确定模块602,用于在所述前景图像中的目标图像中的确定一个像素点作为种子点,并将所述种子点的坐标添加到第一种子点集合中;
第一种子点确定模块603,用于针对所述前景图像中每个像素点,确定该像素点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第一种子点集合中;
第二种子点确定模块604,用于根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第二种子点集合中;
第三种子点确定模块605,用于针对所述前景图像中每个像素点,确定该像素点与所述第二种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第三种子点集合中;
第一目标图像像素点确定模块606,用于判断所述第一种子点集合和第三种子点集合中种子点的变化量是否小于设定的第一数量阈值,如果是,将所述第三种子点集合中的种子点确定为目标图像的像素点,否则,将所述第三种子点集合作为第一种子点集合,并将所述第一种子点集合发送到所述第二种子点确定模块604。
进一步地,所述装置还包括:
第四种子点确定模块(图中未示出),用于根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第三种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第四种子点集合中;
第二目标图像像素点确定模块(图中未示出),用于判断所述第二种子点集合和第四种子点集合中种子点的变化量是否小于设定的第二数量阈值,如果是,则将所述第四种子点集合中的种子点所确定的闭合区域中的像素点确定为目标图像的像素点,否则,转入第一目标图像像素点确定模块606。
进一步地,所述装置还包括:
第三目标图像像素点确定模块(图中未示出),用于确定所述第三种子点集合中的种子点与所述第四种子点集合中的种子点所确定的闭合区域中的像素点的交集,将所述交集中的像素点确定为目标图像的像素点。
进一步地,所述第一目标图像像素点确定模块606,具体用于判断所述第一种子点集合和第三种子点集合中种子点数量的变化量是否小于设定的第一数量阈值;
所述第二目标图像像素点确定模块,具体用于判断所述第二种子点集合和第四种子点集合中种子点数量的变化量是否小于设定的第二数量阈值。
进一步地,所述第二种子点确定模块604,具体用于在所述前景图像中根据Harris角点检测算法得到每个角点的坐标。
本发明实施例提供了一种图像提取方法及装置,应用于终端,所述终端按照预设的提取方法,从原始图像中确定出前景图像,在所述前景图像中的目标图像中确定一个像素点作为种子点,并将所述种子点的坐标添加到第一种子点集合中;针对所述前景图像中每个像素点,确定该像素点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第一种子点集合中;根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第二种子点集合中;针对所述前景图像中每个像素点,确定该像素点与所述第二种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第三种子点集合中;判断所述第一种子点集合和第三种子点集合中种子点的变化量是否小于设定的第一数量阈值,如果是,将所述第三种子点集合中的种子点确定为目标图像的像素点,否则,将所述第三种子点集合作为第一种子点集合,执行前述确定第二种子点的步骤。由于在本发明实施例中,用户只仅需要在待提取图像中手工选取一个种子点,简化了提取目标图像时的用户操作,提升了用户交互体验。
对于系统/装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本领域普通技术人员可以理解实现上述方法实施方式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,所述的程序可以存储于计算机可读取存储介质中,这里所称得的存储介质,如:ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种目标图像提取方法,其特征在于,应用于终端,所述方法包括:
A、按照预设的提取方法,从原始图像中确定出前景图像,所述目标图像包含在所述前景图像中;
B、在所述前景图像中的目标图像中确定一个像素点作为种子点,并将所述种子点的坐标添加到第一种子点集合中;
C、针对所述前景图像中每个像素点,确定该像素点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第一种子点集合中;
D、根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第二种子点集合中;
E、针对所述前景图像中每个像素点,确定该像素点与所述第二种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第三种子点集合中;
F、判断所述第一种子点集合和第三种子点集合中种子点的变化量是否小于设定的第一数量阈值,如果是,将所述第三种子点集合中的种子点确定为目标图像的像素点,否则,将所述第三种子点集合作为第一种子点集合,执行步骤D。
2.根据权利要求1所述的方法,其特征在于,在步骤E之后,步骤F之前所述方法还包括:
G、根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第三种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第四种子点集合中;
H、判断所述第二种子点集合和第四种子点集合中种子点的变化量是否小于设定的第二数量阈值,如果是,则将所述第四种子点集合中的种子点所确定的闭合区域中的像素点确定为目标图像的像素点,否则,执行后续步骤。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
确定所述第三种子点集合中的种子点与所述第四种子点集合中的种子点所确定的闭合区域中的像素点的交集,将所述交集中的像素点确定为目标图像的像素点。
4.根据权利要求2所述的方法,其特征在于,所述判断所述第一种子点集合和第三种子点集合中种子点的变化量是否小于设定的第一数量阈值包括:
判断所述第一种子点集合和第三种子点集合中种子点数量的变化量是否小于设定的第一数量阈值;
所述判断所述第二种子点集合和第四种子点集合中种子点的变化量是否小于设定的第二数量阈值包括:
判断所述第二种子点集合和第四种子点集合中种子点数量的变化量是否小于设定的第二数量阈值。
5.根据权利要求1~4任一项所述的方法,其特征在于,在所述前景图像中的角点检测得到每个角点的坐标,包括:
在所述前景图像中根据Harris角点检测算法得到每个角点的坐标。
6.一种目标图像提取装置,其特征在于,应用于终端,所述装置包括:
前景图像提取模块,用于按照预设的提取方法,从原始图像中确定出前景图像,所述目标图像包含在所述前景图像中;
初始第一种子点确定模块,用于在所述前景图像中的目标图像中的确定一个像素点作为种子点,并将所述种子点的坐标添加到第一种子点集合中;
第一种子点确定模块,用于针对所述前景图像中每个像素点,确定该像素点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第一种子点集合中;
第二种子点确定模块,用于根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第一种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第二种子点集合中;
第三种子点确定模块,用于针对所述前景图像中每个像素点,确定该像素点与所述第二种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第一距离阈值,如果是,将所述像素点作为种子点添加到第三种子点集合中;
第一目标图像像素点确定模块,用于判断所述第一种子点集合和第三种子点集合中种子点的变化量是否小于设定的第一数量阈值,如果是,将所述第三种子点集合中的种子点确定为目标图像的像素点,否则,将所述第三种子点集合作为第一种子点集合,并将所述第一种子点集合发送到所述第二种子点确定模块。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第四种子点确定模块,用于根据在所述前景图像中的角点检测得到的每个角点的坐标,针对每个角点,确定所述角点与所述第三种子点集合中每个种子点间距离的最小值,判断所述最小值是否小于设定的第二距离阈值,如果是,将所述角点作为种子点添加到第四种子点集合中;
第二目标图像像素点确定模块,用于判断所述第二种子点集合和第四种子点集合中种子点的变化量是否小于设定的第二数量阈值,如果是,则将所述第四种子点集合中的种子点所确定的闭合区域中的像素点确定为目标图像的像素点,否则,转入第一目标图像像素点确定模块。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第三目标图像像素点确定模块,用于确定所述第三种子点集合中的种子点与所述第四种子点集合中的种子点所确定的闭合区域中的像素点的交集,将所述交集中的像素点确定为目标图像的像素点。
9.根据权利要求7所述的装置,其特征在于,所述第一目标图像像素点确定模块,具体用于判断所述第一种子点集合和第三种子点集合中种子点数量的变化量是否小于设定的第一数量阈值;
所述第二目标图像像素点确定模块,具体用于判断所述第二种子点集合和第四种子点集合中种子点数量的变化量是否小于设定的第二数量阈值。
10.根据权利要求6~9任一所述的装置,其特征在于,所述第二种子点确定模块,具体用于在所述前景图像中根据Harris角点检测算法得到每个角点的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510833965.3A CN105513050B (zh) | 2015-11-25 | 2015-11-25 | 一种目标图像提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510833965.3A CN105513050B (zh) | 2015-11-25 | 2015-11-25 | 一种目标图像提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105513050A CN105513050A (zh) | 2016-04-20 |
CN105513050B true CN105513050B (zh) | 2018-06-15 |
Family
ID=55721007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510833965.3A Active CN105513050B (zh) | 2015-11-25 | 2015-11-25 | 一种目标图像提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105513050B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106373139A (zh) * | 2016-08-18 | 2017-02-01 | 广州视源电子科技股份有限公司 | 一种图像处理方法及装置 |
CN109117837B (zh) * | 2018-07-26 | 2021-12-07 | 上海鹰瞳医疗科技有限公司 | 感兴趣区域确定方法和设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101256669A (zh) * | 2008-03-20 | 2008-09-03 | 华南师范大学 | 序列图像分割的方法、装置 |
EP2357609A1 (en) * | 2009-12-23 | 2011-08-17 | Intrasense | Adaptative hit-or-miss region growing for vessel segmentation in medical imaging |
CN102298698B (zh) * | 2011-05-30 | 2013-04-10 | 河海大学 | 基于角点与边缘信息融合的遥感图像飞机检测方法 |
CN103116630A (zh) * | 2013-02-03 | 2013-05-22 | 苏州市职业大学 | 一种基于sift种子区域增长的彩色图像检索方法 |
CN104008547A (zh) * | 2014-05-28 | 2014-08-27 | 大连理工大学 | 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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7139433B2 (en) * | 2003-03-13 | 2006-11-21 | Sharp Laboratories Of America, Inc. | Compound image compression method and apparatus |
-
2015
- 2015-11-25 CN CN201510833965.3A patent/CN105513050B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101256669A (zh) * | 2008-03-20 | 2008-09-03 | 华南师范大学 | 序列图像分割的方法、装置 |
EP2357609A1 (en) * | 2009-12-23 | 2011-08-17 | Intrasense | Adaptative hit-or-miss region growing for vessel segmentation in medical imaging |
CN102298698B (zh) * | 2011-05-30 | 2013-04-10 | 河海大学 | 基于角点与边缘信息融合的遥感图像飞机检测方法 |
CN103116630A (zh) * | 2013-02-03 | 2013-05-22 | 苏州市职业大学 | 一种基于sift种子区域增长的彩色图像检索方法 |
CN104008547A (zh) * | 2014-05-28 | 2014-08-27 | 大连理工大学 | 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 |
Non-Patent Citations (2)
Title |
---|
基于特征点和区域生长的目标图像分割方法;许敬 等;《探测与控制学报》;20120226;第34卷(第1期);第6-9页 * |
基于粗精双线区域生长法的多目标识别;李珊珊 等;《中国水运(学术版)》;20060930;第06卷(第09期);第127-128页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105513050A (zh) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7236545B2 (ja) | ビデオターゲット追跡方法と装置、コンピュータ装置、プログラム | |
CN109934121B (zh) | 一种基于YOLOv3算法的果园行人检测方法 | |
Carozza et al. | Markerless vision‐based augmented reality for urban planning | |
CN105940430B (zh) | 人员计数方法及其装置 | |
CN112084869B (zh) | 一种基于紧致四边形表示的建筑物目标检测方法 | |
CN104463855B (zh) | 一种基于频域和空域结合的显著区域检测方法 | |
KR102106135B1 (ko) | 행동 인식 기반의 응용 서비스 제공 장치 및 그 방법 | |
CN103020606B (zh) | 一种基于时空上下文信息的行人检测方法 | |
US9330336B2 (en) | Systems, methods, and media for on-line boosting of a classifier | |
CN106033601A (zh) | 检测异常情形的方法和装置 | |
CN103093198B (zh) | 一种人群密度监测方法及装置 | |
CN105046206B (zh) | 基于视频中运动先验信息的行人检测方法及装置 | |
US20130121561A1 (en) | Method, System and Computer Program Product for Detecting an Object in Response to Depth Information | |
CN106897681A (zh) | 一种遥感图像对比分析方法及系统 | |
CN107633226A (zh) | 一种人体动作跟踪识别方法及系统 | |
CN104615996B (zh) | 一种多视角二维人脸特征点自动定位方法 | |
CN110634131B (zh) | 一种裂缝图像识别与建模方法 | |
CN110188780B (zh) | 用于定位多目标特征点的深度学习模型的构建方法及装置 | |
US20230281913A1 (en) | Radiance Fields for Three-Dimensional Reconstruction and Novel View Synthesis in Large-Scale Environments | |
CN108596032B (zh) | 一种视频中打架行为检测方法、装置、设备及介质 | |
CN112836625A (zh) | 人脸活体检测方法、装置、电子设备 | |
CN110287907A (zh) | 一种对象检测方法和装置 | |
CN110309808A (zh) | 一种大范围尺度空间下的自适应烟雾根节点检测方法 | |
CN105513050B (zh) | 一种目标图像提取方法及装置 | |
CN110097524A (zh) | 基于融合卷积神经网络的sar图像目标检测方法 |
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 |