CN106127744B - 图像前景和背景边界显著性评估方法及系统 - Google Patents
图像前景和背景边界显著性评估方法及系统 Download PDFInfo
- Publication number
- CN106127744B CN106127744B CN201610437416.9A CN201610437416A CN106127744B CN 106127744 B CN106127744 B CN 106127744B CN 201610437416 A CN201610437416 A CN 201610437416A CN 106127744 B CN106127744 B CN 106127744B
- Authority
- CN
- China
- Prior art keywords
- boundary
- value
- contrast
- background
- score
- 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
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 13
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 230000035508 accumulation Effects 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 abstract description 9
- 230000004069 differentiation Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 11
- 230000007704 transition Effects 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种图像前景和背景边界显著性评估方法及系统,所述方法包括边界定位、边界对比度计算以及边界显著性评分,对应的系统包括边界定位模块、边界对比度计算模块以及边界显著性评分模块。本发明方法及系统对于纯净背景的图像,在给定若干背景点的情况下,能自动定位到前、背景边界,对边界对比度进行计算,并对给定图片的前、背景边界是否显著进行评估,进而有效评估背景是否与前景有很好的区分,以提前预估图像分割质量,能广泛应用到图像分割技术领域,如移动终端拍摄证件照片的抠图中。
Description
技术领域
本发明涉及一种边界显著性评估方法及系统,尤其是图像前景和背景边界显著性评估方法及系统,属于图像处理领域。
背景技术
图像分割是计算机图像处理的基础性操作之一,目前一些图像分割算法(例如GrabCut)在前景、背景边界对比较大的情况下有很好的分割效果,而对前景、背景的边界对比不显著的情况下效果不佳。
然而,在很多情况下,需要在对图片进行分割之前预估分割效果是否良好,例如在证件照片自动抠图处理时,就需要预估分割效果,以便及时反馈给用户,不满足较佳抠图效果时提示用户进行重拍。
因此,如何评估背景是否与前景有很好的区分,以保证图像分割质量,是本领域技术人员需要解决的技术难题。
发明内容
本发明的目的是为了解决上述现有技术的缺陷,提供了一种图像前景和背景边界显著性评估方法,该方法能自动定位到前、背景边界,对边界对比度进行计算,并对给定图片的前、背景边界是否显著进行评估,进而有效评估背景是否与前景有很好的区分。
本发明的另一目的在于提供一种图像前景和背景边界显著性评估系统。
本发明的目的可以通过采取如下技术方案达到:
图像前景和背景边界显著性评估方法,所述方法包括边界定位、边界对比度计算以及边界显著性评分;
所述边界对比度计算包括:
从边界定位后的图像左上角开始,以4*4像素的方块区域为单位循环扫描,若存在方块曾入过背景队列Q,且该方块的上、下、左、右这四个邻域的4*4像素方块区域中至少有一个未入过背景队列Q,则判断该方块为边界区域;
分别扫描边界区域的上、下、左、右、左上、左下、右上、右下这八个邻域4*4像素方块区域,若存在方块曾入过背景队列Q,则跳过该方块;若存在方块未入过背景队列Q,则计算该方块所在方向的某个方块区域中每个像素与该边界区域的R/G/B均值之差的绝对值之和,记为gap;若gap大于指定阈值,则将gap的值累加到区域对比度累加和,记为sum1;将sum1除以加入累加和运算的像素总数N,得到的值作为边界区域的对比度值bc;
所述边界显著性评分,包括:
将对比度值bc小于对比度临界值H的边界区域进行扣分,而对比度值bc大于或等于对比度临界值H的边界区域则不扣分;
将对比度满分值I减去所有边界区域的扣分之和,得到边界显著性分数。
进一步的,所述边界定位包括:
将原始图像进行长、宽等比例缩放,缩放至列宽为某个像素的图像;
创建两个与缩放后图像相同大小的二维矩阵,分别记为MIV和MIBQ,对MIV和MIBQ中的每个元素进行初始化;其中,MIV用于标示图像确定背景信息,MIBQ用于标示图像方块是否在背景队列Q中;
设定确定为背景的若干点,以这些点为起点的4*4像素的方块区域集合作为边界寻找的背景队列Q的初始值,并将MIBQ相应的点设为特定值J,以标示该点已在背景队列Q中;
对背景队列Q进行入队、出队操作。
进一步的,所述对背景队列Q进行入队、出队操作,具体包括:
计算背景队列Q首元素q的4*4像素的方块区域的R/G/B均值向量,记为a;
分别计算首元素q的4*4像素的方块区域的上、下、左、右、左上、左下、右上、右下这八个邻域的4*4像素方块区域的R/G/B的均值,记为b;
计算a-b的R/G/B的绝对值之和,记为sum,若sum小于或等于预设值L,且邻域的点不在背景队列Q中,则将该邻域的左上角顶点加入背景队列Q,并将该点在MIBQ中的值设为特定值J,以标示该点已在背景队列Q中;其中,所述邻域的点不在背景队列Q中是指邻域的点在MIBQ中的值为初始化的值;
首元素q出队,并将首元素q的4*4像素的方块区域在MIV中相应的点设为特定值K,以标示入过背景队列Q。
进一步的,所述首元素q的4*4像素的方块区域的上、下、左、右、左上、左下、右上、右下这八个邻域中,若存在邻域在MIV中相应点的值为特定值K,则表示该邻域曾入过背景队列Q,跳过此邻域。
进一步的,所述将对比度值bc小于对比度临界值H的边界区域进行扣分,如下式:
所述将对比度满分值I减去所有边界区域的扣分之和,如下式:
score=I-∑marking
其中,score为边界显著性分数,当计算得到的score<0时,将score设为0。
进一步的,所述将对比度值bc小于对比度临界值H的边界区域进行扣分,如下式:
其中,Δs=∑(|Δx|+|Δy|),Δs为每个低对比度边界到其他低对比度边界距离的度量,|Δx|、|Δy|分别表示与其他低对比度边界的行距和列距;
所述将对比度满分值I减去所有边界区域的扣分之和,如下式:
score=I-∑M
其中,score为边界显著性分数,当计算得到的score<0时,将score设为0。
本发明的另一目的可以通过采取如下技术方案达到:
图像前景和背景边界显著性评估系统,所述系统包括边界定位模块、边界对比度计算模块以及边界显著性评分模块;
所述边界对比度计算模块包括:
边界区域寻找单元,用于从边界定位后的图像左上角开始,以4*4像素的方块区域为单位循环扫描,若存在方块曾入过背景队列Q,且该方块的上、下、左、右这四个邻域的4*4像素方块区域中至少有一个未入过背景队列Q,则判断该方块为边界区域;
计算单元,用于分别扫描边界区域的上、下、左、右、左上、左下、右上、右下这八个邻域4*4像素方块区域,若存在方块曾入过背景队列Q,则跳过该方块;若存在方块未入过背景队列Q,则计算该方块所在方向的某个方块区域中每个像素与边界区域的R/G/B均值之差的绝对值之和,记为gap;若gap大于指定阈值,则将gap的值累加到区域对比度累加和,记为sum1;将sum1除以加入累加和运算的像素总数N,得到的值作为边界区域的对比度值bc;
所述边界显著性评分模块包括:
扣分单元,用于将对比度值bc小于对比度临界值H的边界区域进行扣分,而对比度值bc大于或等于对比度临界值H的边界区域则不扣分;
评分单元,用于将对比度满分值I减去所有边界区域的扣分之和,得到边界显著性分数。
进一步的,所述边界定位模块包括:
缩放单元,用于将原始图像进行长、宽等比例缩放,缩放至列宽为某个像素的图像;
创建单元,用于创建两个与缩放后图像相同大小的二维矩阵,分别记为MIV和MIBQ,对MIV和MIBQ中的每个元素进行初始化;其中,MIV用于标示图像确定背景信息,MIBQ用于标示图像块是否在背景队列Q中;
设定单元,用于设定确定为背景的若干点,以这些点为起点的4*4像素的方块区域集合作为边界寻找的背景队列Q的初始值,并将MIBQ相应的点设为特定值J,以标示该点已在背景队列Q中;
入队、出队单元,用于对背景队列Q进行入队、出队操作。
所述入队、出队单元,具体包括:
R/G/B均值向量计算子单元,用于计算背景队列Q首元素q的4*4像素的方块区域的R/G/B均值向量,记为a;
R/G/B的均值计算子单元,用于分别计算首元素q的4*4像素的方块区域的上、下、左、右、左上、左下、右上、右下这八个邻域的4*4像素方块区域的R/G/B的均值,记为b;
R/G/B的绝对值之和计算子单元,用于计算a-b的R/G/B的绝对值之和,记为sum,若sum小于或等于预设值L,且邻域的点不在背景队列Q中,则将该邻域的左上角顶点加入背景队列Q,并将该点在MIBQ中的值设为特定值J,以标示该点已在背景队列Q中;其中,所述邻域的点不在背景队列Q中是指邻域的点在MIBQ中的值为初始化的值;
首元素出队子单元,用于首元素q出队,并将首元素q的4*4像素的方块区域在MIV中相应的点设为0,以标示入过背景队列Q。
进一步的,所述R/G/B的均值计算子单元中,首元素q的4*4像素的方块区域的上、下、左、右、左上、左下、右上、右下这八个邻域中,若存在邻域在MIV中相应点的值为特定值K,则表示该邻域曾入过背景队列Q,跳过此邻域。
进一步的,所述扣分单元中,将对比度值bc小于对比度临界值H的边界区域进行扣分,如下式:
所述评分单元中,将对比度满分值I减去所有边界区域的扣分之和,如下式:
score=I-∑marking
其中,score为边界显著性分数,当计算得到的score<0时,将score设为0。
进一步的,所述扣分单元中,将对比度值bc小于对比度临界值H的边界区域进行扣分,如下式:
其中,Δs=∑(|Δx|+|Δy|),Δs为每个低对比度边界到其他低对比度边界距离的度量,|Δx|、|Δy|分别表示与其他低对比度边界的行距和列距;
所述评分单元中,将对比度满分值I减去所有边界区域的扣分之和,如下式:
score=I-∑M
其中,score为边界显著性分数,当计算得到的score<0时,将score设为0。
本发明相对于现有技术具有如下的有益效果:
1、本发明方法及系统对于纯净背景的图像(一般为证照图像),在给定若干(可以是一个或多个)背景点的情况下,能自动定位到前、背景边界,对边界对比度进行计算,并对给定图片的前、背景边界是否显著进行评估,进而有效评估背景是否与前景有很好的区分,以提前预估图像分割(如grabcut方法等)质量,能广泛应用到图像分割技术领域,如移动终端拍摄证件照片的抠图中。
2、本发明方法及系统在边界定位时,将原始图像进行缩放,不仅可以降低计算时间,而且边界过渡区域的宽度随图像大小有所变化,缩放使得边界过度区域宽度归一化,方便后续处理。
3、本发明方法及系统在边界显著性评分时,由于边界对比度越小的地方对抠图影响越大,因此选择特定的扣分函数,加大对低对比度边界处的惩罚,同时考虑到连续低对比度边界区域比零散单个对比度边界块对抠图影响更大,可以对特定的扣分函数进行适当的矫正,减小较高对比度边界处的惩罚而加大低对比度边界处的惩罚。
附图说明
图1为本发明实施例1的图像前景和背景边界显著性评估方法流程图。
图2为本发明实施例1的图像前景和背景边界显著性评估方法中边界定位流程图。
图3a为本发明实施例1在边界定位前的原始图像。
图3b为本发明实施例1在边界定位后的图像。
图4为本发明实施例1的图像前景和背景边界显著性评估方法中边界对比度计算流程图。
图5为本发明实施例1的图像前景和背景边界显著性评估方法中边界显著性评分流程图。
图6为本发明实施例1的单个边界扣分曲线图。
图7为本发明实施例2的边界显著性分数为100的图像。
图8为本发明实施例2的边界显著性分数为28的图像。
图9为本发明实施例3的图像前景和背景边界显著性评估系统结构框图。
图10为本发明实施例3的图像前景和背景边界显著性评估系统中入队、出队单元结构框图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1:
如图1所示,本实施例的图像前景和背景边界显著性评估方法包括边界定位、边界对比度计算以及边界显著性评分;
边界定位是基础,将原始图像缩放至列宽为某个像素(本实施例为240像素)的图像,以一些指定4*4像素的方块区域为背景,先将这些背景区域作为背景队列的种子(在应用到申请号为201510547197.5、名称为“一种自动对人像进行抠图的证照相机及方法”的发明专利申请中,可以采用给定完全包含前景的两个矩形,这两个矩形由前期算法得到,其他一般应用中可以指定确定为背景的点即可,之外的图像边缘的所有4*4像素的方块区域初始化背景队列的种子,其中背景队列是数据结构中的标准队列),然后对队列头元素进行处理,扫描其周围与该方块相似的方块(例如在本实施例中,采用R/G/B均值之差的绝对值之和小于或等于10为标准)、没有入过背景队列且不在背景队列的方块判为背景区域入队,队列头元素出队并作已入过队标记以防重复入队,继续处理队列头元素,直到背景队列为空。
如图2所示,本实施例的边界定位包括以下步骤:
S1、将原始图像进行长、宽等比例缩放,缩放至列宽为某个像素的图像(如240像素),缩放的目的有两个:1)降低计算时间;2)边界过渡区域的宽度随图像大小有所变化,缩放使得边界过度区域宽度归一化,方便后续处理;
S2、创建两个与缩放后图像相同大小的二维矩阵,分别记为MIV和MIBQ,对MIV和MIBQ中的每个元素进行初始化,本实施例初始化为255(仅作为一个标记值);其中,MIV用于标示图像确定背景信息,MIBQ用于标示图像方块是否在背景队列Q中;
S3、设定确定为背景的若干点,以这些点为起点的4*4像素的方块区域集合作为边界寻找的背景队列Q的初始值,并将MIBQ相应的点设为特定值J(本实施例的特定值J为250),以标示该点已在背景队列Q中,防止同一点重复入队;
S4、对背景队列Q进行入队、出队操作,具体包括:
S41、计算背景队列Q首元素q的4*4像素的方块区域的R/G/B均值向量,记为a;方块区域大小选择4*4像素的原因是:实验表明,在纯净背景下,这个大小能较为精细的定位到边缘区域,方块区域太小容易受噪点干扰而达不到边界,造成边界定位失败,而方块区域太大定位边界太粗糙,效果也不好;
S42、分别计算首元素q的4*4像素的方块区域的上、下、左、右、左上、左下、右上、右下这八个邻域的4*4像素方块区域的R/G/B的均值,记为b;
S43、计算a-b的R/G/B的绝对值之和,记为sum,sum值越小两块区域越相似,若sum小于或等于预设值L(本实施例的预设值L为10,选择10的原因是:实验表明,在纯净背景下,这个预设值足够定位到边界,太小会造成算法边界定位失败,太大有将前景判为背景而得到错误的边界的风险),且邻域的点不在背景队列Q中,则将该邻域的左上角顶点加入背景队列Q,并将该点在MIBQ中的值设为特定值J(本实施例的特定值J为250),以标示该点已在背景队列Q中;其中,所述邻域的点不在背景队列Q中是指邻域的点在MIBQ中的值为初始化的值;
S44、首元素q出队,并将首元素q的4*4像素的方块区域在MIV中相应的点设为特定值K(本实施例的特定值K为0),以标示入过背景队列Q,且可用来方便查看最终的边界定位结果;因此,在上述步骤S42中,若存在邻域在MIV中相应点的值为特定值K,则表示该邻域曾入过背景队列Q,跳过此邻域。
S5、若背景队列Q为空,结束操作;否则,返回步骤S41。
边界定位前的原始图像如图3a所示,边界定位后如图3b所示(注:本发明中的黑白图片只为专利申请展示使用),边界定位不需要达到抠图效果,定位到这个程度已足够用于下一步计算,计算边界对比度时会将背景像素和一些过渡区像素过滤掉,因此这样的边界定位不会影响最终结果。
边界对比度计算是本发明方法的核心,要求较为细致的处理。首先,找到边界:从图片左上角开始,以4*4像素的方块区域为单位循环扫描,若该方块同时满足两个条件,则判断为该方块为边界区域:1)该方块曾入过背景队列;2)该方块的上、下、左、右4个邻域4*4方块区域中至少有1个没有入过背景队列;其次,计算边界对比度:分别扫描上、下、左、右、左上、左下、右上、右下共八个邻域4*4像素方块区域,若该方块曾入过背景队列则跳过该方块,否则计算该该方块所在方向某个方块区域中(如8*8方块区域,将邻域拓展8*8有两个用意:a、使得过滤掉邻域内背景像素后仍包括足够的前景像素以减小偏差;b、让更多的前景像素加入以减小过渡区域像素的影响)每个像素与本边界方块R/G/B均值之差的绝对值之和,若该值大于指定阈值,则将该值累加到区域对比度累加和sum1;最后,将对比度累加和sum1除以加入累加和运算的像素总数,得到的值作为该边界处的对比度值bc。
如图4所示,本实施例的边界对比度计算包括以下步骤:
S1’、找到边界:从边界定位后的图像左上角开始,以4*4像素的方块区域为单位循环扫描,记录每个方块区域左上角顶点坐标(x,y),若方块同时满足下面2个条件,则判断该方块为边界区域:
1)该方块曾入过背景队列Q,即MIBQ相应点(也就是在方块区域左上角顶点坐标处,下同)的值为250(特定值J);
2)该方块的上、下、左、右这四个邻域的4*4像素方块区域中至少有一个未入过背景队列Q,即MIBQ相应点的值为255(初始值);
S2’、计算边界对比度:分别扫描边界区域的上、下、左、右、左上、左下、右上、右下这八个邻域4*4像素方块区域,进行下面的操作:
1)若存在方块曾入过背景队列Q,即MIBQ相应点的值为250(特定值J,说明其为背景区域),则跳过该方块;
2)若存在方块未入过背景队列Q,即MIBQ相应点的值为255(初始值,说明其包含前景区域),则计算该方块所在方向的某个方块区域(本实施例采用8*8像素的方块区域,大小可根据具体情况来定)中每个像素与该边界区域的R/G/B均值之差的绝对值之和,记为gap;
3)若gap大于指定阈值(在应用到申请号为201510547197.5、名称为“一种自动对人像进行抠图的证照相机及方法”的发明专利申请中采用30,以消除背景像素点和过渡区像素点的影响),则将gap的值累加到区域对比度累加和,记为sum1;
4)将sum1除以加入累加和运算的像素总数N,得到的值作为边界区域的对比度值bc;
S3’、若正在处理的4*4的方块区域到达图像右下角边界,则计算结束;否则,返回步骤S1’。
边界显著性评分是对边界对比度计算的整体上的整理,其结果是整个方法的输出,在本实施例中,边界显著性满分记为I(本实施例中I为100),对比度临界值记为H(本实施例的H为90),将对比度值bc小于比度临界值H的边界进行扣分,而对大于比度临界值H的边界不扣分。
如图5所示,本实施例的边界显著性评分包括以下步骤:
S1”、将对比度值bc小于对比度临界值H(本实施例的对比度临界值H为90)的边界区域加入集合C,并将集合C中的每个元素(即对比度值bc小于对比度临界值H的边界区域)进行扣分,而对比度值bc大于或等于对比度临界值H的边界区域则不扣分;其中,将对比度值bc小于对比度临界值H的边界区域进行扣分,如下式:
之所以选择这个扣分函数,是因为考虑到对抠图效果的影响:边界对比度越小的地方对抠图影响越大,需要加大对低对比度边界处的惩罚,因此构建了一个这样的单个边界扣分曲线,如图6所示。
S2”、将对比度满分值I(本实施例的对比度满分值I为100)减去所有边界区域的扣分之和,得到边界显著性分数;其中,将对比度满分值I减去所有边界区域的扣分之和,如下式:
score=I-∑marking
其中,score为边界显著性分数,当计算得到的score<0时,将score设为0。
实施例2:
本实施例与上述实施例1的区别之处在于:在边界显著性评分中,考虑到连续低对比度边界区域比零散单个对比度边界块对抠图影响更大,因此对每个扣分项marking进行适当的矫正,将与其他低对比度边界的距离因素作为一个扣分因子加入到每个低对比度边界的扣分项marking之中,单个低对比度边界的扣分公式修改为:
其中,Δs=∑(|Δx|+|Δy|),Δs为每个低对比度边界到其他低对比度边界距离的度量,|Δx|、|Δy|分别表示与其他低对比度边界的行距和列距;加入因子的用意与实施例1类似,减小较高对比度边界处的惩罚而加大低对比度边界处的惩罚。
因此,将对比度满分值I减去所有边界区域的扣分之和,如下式:
score=I-∑M
其中,score为边界显著性分数,当计算得到的score<0时,将score设为0。
边界显著性分数为100的图像如图7所示,边界显著性分数为28的图像如图8所示,一般大于90分抠图效果即会较好(注:本发明中的黑白图片只为专利申请展示使用)。
实施例3:
如图9所示,本实施例的图像前景和背景边界显著性评估系统包括边界定位模块、边界对比度计算模块以及边界显著性评分模块;
所述边界定位模块包括:
缩放单元,用于将原始图像进行长、宽等比例缩放,缩放至列宽为某个像素的图像;
创建单元,用于创建两个与缩放后图像相同大小的二维矩阵,分别记为MIV和MIBQ,对MIV和MIBQ中的每个元素进行初始化;其中,MIV用于标示图像确定背景信息,MIBQ用于标示图像块是否在背景队列Q中;
设定单元,用于设定确定为背景的若干点,以这些点为起点的4*4像素的方块区域集合作为边界寻找的背景队列Q的初始值,并将MIBQ相应的点设为特定值J,以标示该点已在背景队列Q中;
入队、出队单元,用于对背景队列Q进行入队、出队操作;
所述边界对比度计算模块包括:
边界区域寻找单元,用于从边界定位后的图像左上角开始,以4*4像素的方块区域为单位循环扫描,若存在方块曾入过背景队列Q,且该方块的上、下、左、右这四个邻域的4*4像素方块区域中至少有一个未入过背景队列Q,则判断该方块为边界区域;
计算单元,用于分别扫描边界区域的上、下、左、右、左上、左下、右上、右下这八个邻域4*4像素方块区域,若存在方块曾入过背景队列Q,则跳过该方块;若存在方块未入过背景队列Q,则计算该方块所在方向的某个方块区域中每个像素与边界区域的R/G/B均值之差的绝对值之和,记为gap;若gap大于指定阈值,则将gap的值累加到区域对比度累加和,记为sum1;将sum1除以加入累加和运算的像素总数N,得到的值作为边界区域的对比度值bc;
所述边界显著性评分模块包括:
扣分单元,用于将对比度值bc小于对比度临界值H的边界区域进行扣分,而对比度值bc大于或等于对比度临界值H的边界区域则不扣分;其中,将对比度值bc小于对比度临界值H的边界区域进行扣分,如下式:
评分单元,用于将对比度满分值I减去所有边界区域的扣分之和,得到边界显著性分数;其中,将对比度满分值I减去所有边界区域的扣分之和,如下式:
score=I-∑marking
其中,score为边界显著性分数,当计算得到的score<0时,将score设为0。
所述入队、出队单元如图10所示,具体包括:
R/G/B均值向量计算子单元,用于计算背景队列Q首元素q的4*4像素的方块区域的R/G/B均值向量,记为a;
R/G/B的均值计算子单元,分别计算首元素q的4*4像素的方块区域的上、下、左、右、左上、左下、右上、右下这八个邻域的4*4像素方块区域的R/G/B的均值,记为b;其中,若存在邻域在MIV中相应点的值为特定值K,则表示该邻域曾入过背景队列Q,跳过此邻域。
R/G/B的绝对值之和计算子单元,计算a-b的R/G/B的绝对值之和,记为sum,若sum小于或等于预设值L(本实施例中L为10),且邻域的点不在背景队列Q中,则将该邻域的左上角顶点加入背景队列Q,并将该点在MIBQ中的值设为特定值J,以标示该点已在背景队列Q中;其中,所述邻域的点不在背景队列Q中是指邻域的点在MIBQ中的值为初始化的值;
首元素出队子单元,首元素q出队,并将首元素q的4*4像素的方块区域在MIV中相应的点设为0,以标示入过背景队列Q。
实施例4:
本实施例与实施例3的区别之处在于:所述扣分单元中,将对比度值bc小于对比度临界值H的边界区域进行扣分,如下式:
其中,Δs=∑(|Δx|+|Δy|),Δs为每个低对比度边界到其他低对比度边界距离的度量,|Δx|、|Δy|分别表示与其他低对比度边界的行距和列距;
所述评分单元中,将对比度满分值I减去所有边界区域的扣分之和,如下式:
score=I-∑M
其中,score为边界显著性分数,当计算得到的score<0时,将score设为0。
在此需要说明的是,上述实施例提供的系统仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
本领域普通技术人员可以理解实现上述各实施例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,相应的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘或光盘等。
综上所述,本发明方法及系统对于纯净背景的图像(一般为证照图像),在给定若干(可以是一个或多个)背景点的情况下,能自动定位到前、背景边界,并对给定图片的前、背景边界是否显著进行评估,进而有效评估背景是否与前景有很好的区分,以提前预估图像分割(如grabcut方法等)质量,能广泛应用到图像分割技术领域,如移动终端拍摄证件照片的抠图中。
以上所述,仅为本发明专利优选的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (12)
1.图像前景和背景边界显著性评估方法,其特征在于:所述方法包括边界定位、边界对比度计算以及边界显著性评分;
所述边界定位包括:
创建两个与缩放后图像相同大小的二维矩阵,分别记为MIV和MIBQ,对MIV和MIBQ中的每个元素进行初始化;其中,MIV用于标示图像确定背景信息,MIBQ用于标示图像方块是否在背景队列Q中;
设定确定为背景的若干点,以这些点为起点的4*4像素的方块区域集合作为边界寻找的背景队列Q的初始值,并将MIBQ相应的点设为特定值J,以标示该点已在背景队列Q中;
对背景队列Q进行入队、出队操作;
所述边界对比度计算包括:
从边界定位后的图像左上角开始,以4*4像素的方块区域为单位循环扫描,若存在方块曾入过背景队列Q,且该方块的上、下、左、右这四个邻域的4*4像素方块区域中至少有一个未入过背景队列Q,则判断该方块为边界区域;
分别扫描边界区域的上、下、左、右、左上、左下、右上、右下这八个邻域4*4像素方块区域,若存在方块曾入过背景队列Q,则跳过该方块;若存在方块未入过背景队列Q,则计算该方块所在方向的某个方块区域中每个像素与该边界区域的R/G/B均值之差的绝对值之和,记为gap;若gap大于指定阈值,则将gap的值累加到区域对比度累加和,记为sum1;将sum1除以加入累加和运算的像素总数N,得到的值作为边界区域的对比度值bc;
所述边界显著性评分,包括:
将对比度值bc小于对比度临界值H的边界区域进行扣分,而对比度值bc大于或等于对比度临界值H的边界区域则不扣分;
将对比度满分值I减去所有边界区域的扣分之和,得到边界显著性分数。
2.根据权利要求1所述的图像前景和背景边界显著性评估方法,其特征在于:所述边界定位在创建两个与缩放后图像相同大小的二维矩阵之前,还包括:
将原始图像进行长、宽等比例缩放,缩放至列宽为某个像素的图像。
3.根据权利要求1所述的图像前景和背景边界显著性评估方法,其特征在于:所述对背景队列Q进行入队、出队操作,具体包括:
计算背景队列Q首元素q的4*4像素的方块区域的R/G/B均值向量,记为a;
分别计算首元素q的4*4像素的方块区域的上、下、左、右、左上、左下、右上、右下这八个邻域的4*4像素方块区域的R/G/B的均值,记为b;
计算a-b的R/G/B的绝对值之和,记为sum,若sum小于或等于预设值L,且邻域的点不在背景队列Q中,则将该邻域的左上角顶点加入背景队列Q,并将该点在MIBQ中的值设为特定值J,以标示该点已在背景队列Q中;其中,所述邻域的点不在背景队列Q中是指邻域的点在MIBQ中的值为初始化的值;
首元素q出队,并将首元素q的4*4像素的方块区域在MIV中相应的点设为特定值K,以标示入过背景队列Q。
4.根据权利要求3所述的图像前景和背景边界显著性评估方法,其特征在于:所述首元素q的4*4像素的方块区域的上、下、左、右、左上、左下、右上、右下这八个邻域中,若存在邻域在MIV中相应点的值为特定值K,则表示该邻域曾入过背景队列Q,跳过此邻域。
5.根据权利要求1所述的图像前景和背景边界显著性评估方法,其特征在于:所述将对比度值bc小于对比度临界值H的边界区域进行扣分,如下式:
所述将对比度满分值I减去所有边界区域的扣分之和,如下式:
score=I-∑marking
其中,score为边界显著性分数,当计算得到的score<0时,将score设为0。
6.根据权利要求1所述的图像前景和背景边界显著性评估方法,其特征在于:所述将对比度值bc小于对比度临界值H的边界区域进行扣分,如下式:
其中,Δs=∑(|Δx|+|Δy|),Δs为每个低对比度边界到其他低对比度边界距离的度量,|Δx|、|Δy|分别表示与其他低对比度边界的行距和列距;
所述将对比度满分值I减去所有边界区域的扣分之和,如下式:
score=I-∑M
其中,score为边界显著性分数,当计算得到的score<0时,将score设为0。
7.图像前景和背景边界显著性评估系统,其特征在于:所述系统包括边界定位模块、边界对比度计算模块以及边界显著性评分模块;
所述边界定位模块包括:
创建单元,用于创建两个与缩放后图像相同大小的二维矩阵,分别记为MIV和MIBQ,对MIV和MIBQ中的每个元素进行初始化;其中,MIV用于标示图像确定背景信息,MIBQ用于标示图像块是否在背景队列Q中;
设定单元,用于设定确定为背景的若干点,以这些点为起点的4*4像素的方块区域集合作为边界寻找的背景队列Q的初始值,并将MIBQ相应的点设为特定值J,以标示该点已在背景队列Q中;
入队、出队单元,用于对背景队列Q进行入队、出队操作;
所述边界对比度计算模块包括:
边界区域寻找单元,用于从边界定位后的图像左上角开始,以4*4像素的方块区域为单位循环扫描,若存在方块曾入过背景队列Q,且该方块的上、下、左、右这四个邻域的4*4像素方块区域中至少有一个未入过背景队列Q,则判断该方块为边界区域;
计算单元,用于分别扫描边界区域的上、下、左、右、左上、左下、右上、右下这八个邻域4*4像素方块区域,若存在方块曾入过背景队列Q,则跳过该方块;若存在方块未入过背景队列Q,则计算该方块所在方向的某个方块区域中每个像素与边界区域的R/G/B均值之差的绝对值之和,记为gap;若gap大于指定阈值,则将gap的值累加到区域对比度累加和,记为sum1;将sum1除以加入累加和运算的像素总数N,得到的值作为边界区域的对比度值bc;
所述边界显著性评分模块包括:
扣分单元,用于将对比度值bc小于对比度临界值H的边界区域进行扣分,而对比度值bc大于或等于对比度临界值H的边界区域则不扣分;
评分单元,用于将对比度满分值I减去所有边界区域的扣分之和,得到边界显著性分数。
8.根据权利要求7所述的图像前景和背景边界显著性评估系统,其特征在于:所述边界定位模块在创建单元之前,还包括:
缩放单元,用于将原始图像进行长、宽等比例缩放,缩放至列宽为某个像素的图像。
9.根据权利要求7所述的图像前景和背景边界显著性评估系统,其特征在于:所述入队、出队单元,具体包括:
R/G/B均值向量计算子单元,用于计算背景队列Q首元素q的4*4像素的方块区域的R/G/B均值向量,记为a;
R/G/B的均值计算子单元,用于分别计算首元素q的4*4像素的方块区域的上、下、左、右、左上、左下、右上、右下这八个邻域的4*4像素方块区域的R/G/B的均值,记为b;
R/G/B的绝对值之和计算子单元,用于计算a-b的R/G/B的绝对值之和,记为sum,若sum小于或等于预设值L,且邻域的点不在背景队列Q中,则将该邻域的左上角顶点加入背景队列Q,并将该点在MIBQ中的值设为特定值J,以标示该点已在背景队列Q中;其中,所述邻域的点不在背景队列Q中是指邻域的点在MIBQ中的值为初始化的值;
首元素出队子单元,用于首元素q出队,并将首元素q的4*4像素的方块区域在MIV中相应的点设为0,以标示入过背景队列Q。
10.根据权利要求9所述的图像前景和背景边界显著性评估系统,其特征在于:所述R/G/B的均值计算子单元中,首元素q的4*4像素的方块区域的上、下、左、右、左上、左下、右上、右下这八个邻域中,若存在邻域在MIV中相应点的值为特定值K,则表示该邻域曾入过背景队列Q,跳过此邻域。
11.根据权利要求7所述的图像前景和背景边界显著性评估系统,其特征在于:所述扣分单元中,将对比度值bc小于对比度临界值H的边界区域进行扣分,如下式:
所述评分单元中,将对比度满分值I减去所有边界区域的扣分之和,如下式:
score=I-∑marking
其中,score为边界显著性分数,当计算得到的score<0时,将score设为0。
12.根据权利要求7所述的图像前景和背景边界显著性评估系统,其特征在于:所述扣分单元中,将对比度值bc小于对比度临界值H的边界区域进行扣分,如下式:
其中,Δs=∑(|Δx|+|Δy|),Δs为每个低对比度边界到其他低对比度边界距离的度量,|Δx|、|Δy|分别表示与其他低对比度边界的行距和列距;
所述评分单元中,将对比度满分值I减去所有边界区域的扣分之和,如下式:
score=I-∑M
其中,score为边界显著性分数,当计算得到的score<0时,将score设为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610437416.9A CN106127744B (zh) | 2016-06-17 | 2016-06-17 | 图像前景和背景边界显著性评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610437416.9A CN106127744B (zh) | 2016-06-17 | 2016-06-17 | 图像前景和背景边界显著性评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106127744A CN106127744A (zh) | 2016-11-16 |
CN106127744B true CN106127744B (zh) | 2019-05-14 |
Family
ID=57471050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610437416.9A Active CN106127744B (zh) | 2016-06-17 | 2016-06-17 | 图像前景和背景边界显著性评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106127744B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392850B (zh) * | 2017-06-30 | 2020-08-25 | 联想(北京)有限公司 | 图像处理方法及其系统 |
CN109829924B (zh) * | 2019-01-18 | 2020-09-08 | 武汉大学 | 一种基于主体特征分析的图像质量评价方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982545A (zh) * | 2012-11-22 | 2013-03-20 | 清华大学深圳研究生院 | 一种图像深度估计方法 |
CN103914834A (zh) * | 2014-03-17 | 2014-07-09 | 上海交通大学 | 一种基于前景先验和背景先验的显著性物体检测方法 |
CN105261021A (zh) * | 2015-10-19 | 2016-01-20 | 浙江宇视科技有限公司 | 去除前景检测结果阴影的方法及装置 |
CN105654475A (zh) * | 2015-12-25 | 2016-06-08 | 中国人民解放军理工大学 | 基于可区分边界和加权对比度的图像显著性检测方法及其装置 |
-
2016
- 2016-06-17 CN CN201610437416.9A patent/CN106127744B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982545A (zh) * | 2012-11-22 | 2013-03-20 | 清华大学深圳研究生院 | 一种图像深度估计方法 |
CN103914834A (zh) * | 2014-03-17 | 2014-07-09 | 上海交通大学 | 一种基于前景先验和背景先验的显著性物体检测方法 |
CN105261021A (zh) * | 2015-10-19 | 2016-01-20 | 浙江宇视科技有限公司 | 去除前景检测结果阴影的方法及装置 |
CN105654475A (zh) * | 2015-12-25 | 2016-06-08 | 中国人民解放军理工大学 | 基于可区分边界和加权对比度的图像显著性检测方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106127744A (zh) | 2016-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785291B (zh) | 一种车道线自适应检测方法 | |
US20200293809A1 (en) | Image processing apparatus, image processing method, and storage medium | |
US20110211233A1 (en) | Image processing device, image processing method and computer program | |
CN109479082B (zh) | 图象处理方法及装置 | |
US8711141B2 (en) | 3D image generating method, 3D animation generating method, and both 3D image generating module and 3D animation generating module thereof | |
KR101390756B1 (ko) | 안면 특징 검출 방법 및 장치 | |
US20160247037A1 (en) | Method and system for recognizing information on a card | |
CN108961158B (zh) | 一种图像合成方法及装置 | |
CN110796041B (zh) | 主体识别方法和装置、电子设备、计算机可读存储介质 | |
EP3306527B1 (en) | A method of cropping an image, an apparatus for cropping an image, a program and a storage medium | |
CN110276769B (zh) | 一种视频画中画架构中直播内容定位方法 | |
JP2018195084A (ja) | 画像処理装置及び画像処理方法、プログラム、記憶媒体 | |
CN106127744B (zh) | 图像前景和背景边界显著性评估方法及系统 | |
CN108510574B (zh) | 一种基于样例学习并增强视觉质量的3d图像裁剪方法 | |
CN111242074A (zh) | 一种基于图像处理的证件照背景替换方法 | |
CN113129229A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
US20070230785A1 (en) | Motion detecting method and apparatus | |
JP6797046B2 (ja) | 画像処理装置及び画像処理プログラム | |
CN114494775A (zh) | 视频切分方法、装置、设备及存储介质 | |
CN116342519A (zh) | 一种基于机器学习的图像处理方法 | |
CN109726613A (zh) | 一种用于检测的方法和装置 | |
CN114674826A (zh) | 基于布匹的视觉检测方法及检测系统 | |
WO2017128646A1 (zh) | 一种图像处理的方法及装置 | |
CN113840135A (zh) | 色偏检测方法、装置、设备及存储介质 | |
CN117710703A (zh) | 图像处理方法、装置、计算机设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |