CN109544586A - 前景轮廓提取方法和装置以及计算机可读存储介质 - Google Patents
前景轮廓提取方法和装置以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109544586A CN109544586A CN201710858072.3A CN201710858072A CN109544586A CN 109544586 A CN109544586 A CN 109544586A CN 201710858072 A CN201710858072 A CN 201710858072A CN 109544586 A CN109544586 A CN 109544586A
- Authority
- CN
- China
- Prior art keywords
- pixel
- point
- profile
- sawtooth
- transition point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000007704 transition Effects 0.000 claims abstract description 78
- 238000001514 detection method Methods 0.000 claims description 55
- 102000008297 Nuclear Matrix-Associated Proteins Human genes 0.000 claims description 38
- 108010035916 Nuclear Matrix-Associated Proteins Proteins 0.000 claims description 38
- 210000000299 nuclear matrix Anatomy 0.000 claims description 38
- 238000000605 extraction Methods 0.000 claims description 28
- 238000007689 inspection Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 11
- 238000006748 scratching Methods 0.000 description 5
- 230000002393 scratching effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种前景轮廓提取方法和装置以及计算机可读存储介质，涉及图像处理领域。前景轮廓提取方法包括：根据划分临界值和图像中每个像素点的颜色键值，将图像中的像素点划分为前景点和背景点；将颜色键值与划分临界值的差距小于预设范围的像素点确定为过渡点；判断包括过渡点的轮廓检测区域中是否存在背景点；如果包括过渡点的轮廓检测区域中存在背景点，将过渡点确定为轮廓点。本发明通过首先基于颜色键值确定与前景点和背景点都较为接近的过渡点，再从空间位置上进行考虑、将距离背景点较近的过渡点确定为轮廓点，从而能够准确地识别前景对象的轮廓，并且计算复杂度低，可以适用于实时提取轮廓的应用场景。
Description
技术领域
本发明涉及图像处理领域，特别涉及一种前景轮廓提取方法和装置以及计算机可读存储介质。
背景技术
在当前全民直播的时代，越来越多的视频平台推出具备实时抠像功能的应用。在虚拟演播厅等应用中，采用抠像技术，可将绿幕、蓝幕等背景替换成其他场景，这个新的场景可以是虚拟的图片，也可以是来自另一个真实场景的视频。在抠像的过程中，需要根据前景对象的轮廓将前景对象提取出来。
在相关技术中提供了一些提取轮廓的算法，例如开源计算机视觉库(Open SourceComputer Vision Library，简称：OpenCV)提供的轮廓获取方法cvFindContours。通过这种方法提取的轮廓包括多条直线或多个曲线段的连接而成的拟合结果，会损失前景对象边缘的部分信息，使提取的前景轮廓不准确。如果将采用这种方式获得的前景对象与新背景合成，则在视觉上过渡不够自然。并且这种方式耗时较大，无法应用于实时抠像处理的应用场景。
发明内容
本发明实施例所要解决的一个技术问题是：如何提高前景轮廓提取的准确性。
根据本发明实施例的第一个方面，提供一种前景轮廓提取方法，包括：根据划分临界值和图像中每个像素点的颜色键值，将图像中的像素点划分为前景点和背景点；将颜色键值与划分临界值的差距小于预设范围的像素点确定为过渡点；判断包括过渡点的轮廓检测区域中是否存在背景点；如果包括过渡点的轮廓检测区域中存在背景点，将过渡点确定为轮廓点。
在一个实施例中，轮廓检测区域为以过渡点为中心的矩形轮廓检测区域。
在一个实施例中，前景轮廓提取方法还包括：将图像中的每个像素点的第一颜色通道和第二颜色通道的差值确定为每个像素点的颜色键值。
在一个实施例中，前景轮廓提取方法还包括：将图像中每个像素点的颜色值确定为每个像素点的颜色键值。
在一个实施例中，前景轮廓提取方法还包括：对轮廓点构成的轮廓区域进行平滑处理；提取处理后的轮廓点和前景点获得抠像结果。
在一个实施例中，平滑处理为去锯齿处理；对轮廓点构成的轮廓区域进行平滑处理包括：获得锯齿检测区域，其中，锯齿检测区域中包括轮廓区域中的至少一个像素点；根据锯齿检测区域中像素点的行列数建立具有相同行列数的检查核矩阵；将锯齿检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值；判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配；如果赋值后的检查核矩阵与直角锯齿判别模板匹配，则对锯齿检测区域进行去锯齿处理。
根据本发明实施例的第二个方面，提供一种前景轮廓提取装置，包括：前景背景划分模块，被配置为根据划分临界值和图像中每个像素点的颜色键值，将图像中的像素点划分为前景点和背景点；过渡点确定模块，被配置为将颜色键值与划分临界值的差距小于预设范围的像素点确定为过渡点；判断模块，被配置为判断包括过渡点的轮廓检测区域中是否存在背景点；轮廓点确定模块，被配置为如果包括过渡点的轮廓检测区域中存在背景点，将过渡点确定为轮廓点。
在一个实施例中，轮廓检测区域为以过渡点为中心的矩形轮廓检测区域。
在一个实施例中，前景轮廓提取装置还包括：颜色键值确定模块，被配置为将图像中的每个像素点的第一颜色通道和第二颜色通道的差值确定为每个像素点的颜色键值。
在一个实施例中，前景轮廓提取装置还包括：颜色键值确定模块，被配置为将图像中每个像素点的颜色值确定为每个像素点的颜色键值。
在一个实施例中，前景轮廓提取装置还包括：前景提取模块，被配置为对轮廓点构成的轮廓区域进行平滑处理，并提取处理后的轮廓点和前景点获得抠像结果。
在一个实施例中，前景提取模块进一步被配置为：获得锯齿检测区域，其中，锯齿检测区域中包括轮廓区域中的至少一个像素点；根据锯齿检测区域中像素点的行列数建立具有相同行列数的检查核矩阵；将锯齿检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值；判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配；如果赋值后的检查核矩阵与直角锯齿判别模板匹配，则对锯齿检测区域进行去锯齿处理。
根据本发明实施例的第三个方面，提供一种前景轮廓提取装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行前述任意一种前景轮廓提取方法。
根据本发明实施例的第四个方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现前述任意一种前景轮廓提取方法。
上述发明中的一个实施例具有如下优点或有益效果：本发明通过首先基于颜色键值确定与前景点和背景点都较为接近的过渡点，再从空间位置上进行考虑、将距离背景点较近的过渡点确定为轮廓点，从而能够准确地识别前景对象的轮廓，并且计算复杂度低，可以适用于实时提取轮廓的应用场景。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
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性的前提下，还可以根据这些附图获得其他的附图。
图1A为本发明前景轮廓提取方法一个实施例的流程图。
图1B为本发明轮廓点确定方法的一个示意图。
图2为本发明前景点、背景点和过渡点的确定方法的一个实施例的流程图。
图3为本发明前景点、背景点和过渡点确定方法的另一个实施例的流程图。
图4为本发明前景轮廓提取方法的另一个实施例的流程图。
图5A为本发明锯齿处理方法的一个实施例的流程图。
图5B为锯齿检测区域的示意图。
图5C～5F为直角锯齿图像的示意图。
图6A、6B分别为去锯齿处理前和去锯齿处理后的锯齿检测区域的示意图。
图7为本发明前景轮廓提取装置的一个实施例的结构图。
图8为本发明前景轮廓提取装置的另一个实施例的结构图。
图9为本发明前景轮廓提取装置的又一个实施例的结构图。
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。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。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1A为本发明前景轮廓提取方法一个实施例的流程图。如图1A所示，该实施例的前景轮廓提取方法包括步骤S102～S110。
在步骤S102中，根据划分临界值和图像中每个像素点的颜色键值，将图像中的像素点划分为前景点和背景点。
颜色键值是根据像素点的颜色信息确定的，可以是像素点的颜色值本身，也可以是根据像素点的颜色值进行计算后获得的结果。像素点的颜色值可以是表示像素点的整体颜色的值，也可以是像素点的各个颜色通道的值。
在抠像时，前景点是指需要进行提取的对象中的像素点，背景点是指需要去除的像素点。例如，图像中包括绿幕和坐在绿幕前的人，则表示人的像素点是前景点，表示绿幕的像素点是背景点。
前景点和背景点是相互独立的像素点，即，图像中的像素点或者是前景点、或者是像素点。而图像中的前景点和背景点在满足条件的情况下还可以是过渡点，即，某个像素点可以同时为背景点和过渡点，也可以同时为前景点和过渡点。
在步骤S104中，将颜色键值与划分临界值的差距小于预设范围的像素点确定为过渡点。
过渡点是基于颜色键值来确定的。
过渡点为与用于划分背景点和前景点的划分临界值的差距小于预设范围的像素点。即，位于前景点和背景点的划分边缘的、与前景点和背景点都很接近的像素点。从而，可以确定出很可能位于前景对象的轮廓的像素点。
在步骤S106中，判断包括过渡点的轮廓检测区域中是否存在背景点。
在一个实施例中，轮廓检测区域可以为以过渡点为中心的矩形轮廓检测区域。当然，根据需要，也可以采用其他方式设置轮廓检测区域，例如以过渡点为左上角设置矩形轮廓检测区域等等，这里不再赘述。
在步骤S108中，如果包括过渡点的轮廓检测区域中存在背景点，将过渡点确定为轮廓点。
如果存在，说明该过渡点附近存在背景点，该过渡点很可能是前景和背景之间的边缘部分，从而可以将其确定为轮廓点。
因此，轮廓点是在过渡点的基础上，参考了位置信息来进行确定的。
上述实施例的方法首先基于颜色键值确定与前景点和背景点都较为接近的过渡点，再从空间位置上进行考虑、将距离背景点较近的过渡点确定为轮廓点，从而能够准确地识别前景对象的轮廓，并且计算复杂度低，可以适用于实时提取轮廓的应用场景。
参考图1B所示的轮廓点确定方法的示例。图1B是图像的局部图，每个虚线格表示一个像素。其中，由点填充的格子表示前景点，由斜线填充的格子表示过渡点，空白格子表示背景点。为了便于说明，图1B中左侧三列过渡点均为前景点，右侧两列过渡点均为背景点。图1B中的实线框11、12、13分别表示以过渡点110、120和130为中心的矩形轮廓检测区域。
在图1B中，实线框11中仅包括前景点，因此过渡点110不是轮廓点；实线框12中包括前景点和背景点，因此过渡点120可以被确定为轮廓点；实现框13中只包括背景点，因此过渡点130可以被确定为轮廓点。
下面示例性地介绍两种确定图像中的过渡点和背景点的方法。
图2为本发明前景点、背景点和过渡点的确定方法的一个实施例的流程图。如图2所示，该实施例的前景点、背景点和过渡点的确定方法包括步骤S202～S208。
在步骤S202中，获得图像中每个像素点的第一颜色通道和第二颜色通道的值。
每个像素都包括红(R)、绿(G)、蓝(B)颜色通道，可以根据不同颜色通道的差值来确定该像素的颜色是否与背景色相近。
例如，当图像内容为位于绿幕前的人，目标为获取人的轮廓，则可以红绿通道进行计算。
在步骤S204中，根据图像中的每个像素点的第一颜色通道和第二颜色通道的差值确定每个像素点的颜色键值。
在一个实施例中，可以将第一颜色通道和第二颜色通道的差值进行线性增强、得到颜色键值。
设像素点的判断键值为key，第一颜色通道为绿色通道、并且值为g，第二颜色通道为红色通道、并且值为r，则可以采用公式(1)确定像素点的颜色键值。
key＝3*(g-r)-255 (1)
即，对像素点的第一颜色通道和第二颜色通道的差值进行线性增强后得到颜色键值。
在步骤S206中，根据划分临界值和图像中每个像素点的颜色键值，将图像中的像素点划分为前景点和背景点。
在步骤S208中，将颜色键值属于过渡范围的像素点确定为过渡点，过渡范围包括划分临界值、或者过渡范围的端点为划分临界值。
例如，划分临界值为0，则过渡范围例如可以设置为(-50,0)，也可以设置为(-25,25)等等。
通过上述实施例的方法，能够根据不同颜色通道的颜色键值差来确定前景点、背景点和过渡点。
图3为本发明前景点、背景点和过渡点确定方法的另一个实施例的流程图。如图3所示，该实施例的前景点、背景点和过渡点确定方法包括步骤S302～S304。
在步骤S302中，将图像中每个像素点的颜色值作为每个像素的颜色键值。
颜色的表示有多种方式，例如可以通过RGB(红绿蓝)值、十六进制颜色码等等表示。
如果采用类似RGB这种具有不同通道的颜色表示方式，则可以为各个通道分别设置颜色键值范围。
在步骤S304中，根据划分临界值和图像中每个像素点的颜色键值，将图像中的像素点划分为前景点和背景点。
在步骤S306中，将颜色键值属于过渡范围的像素点确定为过渡点，过渡范围包括划分临界值、或者过渡范围的端点为划分临界值。
通过上述实施例的方法，能够根据像素点本身的颜色值来确定前景点、背景点和过渡点。
在确定了轮廓点之后，本发明的实施例还可以对轮廓点进行进一步的处理。下面参考图4描述本发明另一个实施例的前景轮廓提取方法。
图4为本发明前景轮廓提取方法的另一个实施例的流程图。如图4所示，该实施例的前景轮廓提取方法包括步骤S402～S410。
在步骤S402中，根据划分临界值和图像中每个像素点的颜色键值，将图像中的像素点划分为前景点和背景点。
在步骤S404中，将颜色键值与划分临界值的差距小于预设范围的像素点确定为过渡点。
在步骤S406中，判断包括过渡点的轮廓检测区域中是否存在背景点。
在步骤S408中，如果包括过渡点的轮廓检测区域中存在背景点，将所述过渡点确定为轮廓点。
步骤S402～S408的具体实施方式可以参考步骤S102～S108，这里不再赘述。
在步骤S410中，对轮廓点构成的轮廓区域进行平滑处理。
例如，可以对轮廓区域进行平滑、去锯齿、羽化、模糊等处理。
在步骤S412中，提取处理后的轮廓点和前景点获得抠像结果。
由于该实施例主要针对轮廓进行处理，因此在使提取的抠像结果边缘平滑的同时，能够减少对前景信息的影响，使抠像结果更好。
下面介绍对轮廓区域进行去锯齿处理的一个示例性的实施例。
图5A为本发明锯齿处理方法的一个实施例的流程图。如图5A所示，该实施例的方法包括步骤S502～S510。
在步骤S502中，获得锯齿检测区域，其中，锯齿检测区域中包括轮廓区域中的至少一个像素点。
即，锯齿检测区域中包括至少一个轮廓点。
在步骤S504中，根据锯齿检测区域中像素点的行列数建立具有相同行列数的检查核矩阵。
锯齿检测区域为进行锯齿检测和处理的单位，一个锯齿检测区域中包括多个像素点。可以将以图像中的一个像素点为中心的矩形区域作为该实施例中的锯齿检测区域。
检查核矩阵和锯齿检测区域具有相同的行列数，并且检查核矩阵中的每个元素与锯齿检测区域中相应位置的像素点对应。例如，检查核矩阵中第1行第3列的元素对应锯齿检测区域中第1行第3列的像素点。
在步骤S506中，将锯齿检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值。
第一数值和第二数值是不同的值，其数值本身没有含义，设置第一数值和第二数值的目的是为了区分前景点和背景点。例如，可以设第一数值为0、第二数值为1，或者，第一数值为1、第二数值为0等等。
图5B为锯齿检测区域的示意图。其中，每个格子代表一个像素点，空白格表示前景点，使用斜线填充的格子为背景点。从而，当第一数值为1、第二数值为0时，图5B对应的检查核矩阵可以如矩阵(1)所示。
在步骤S508中，判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配。
直角锯齿判别模板可以是根据直角锯齿图像预先生成的模板，其具体形式可以为矩阵、编码结果等等。直角锯齿图像为需要进行去锯齿处理的图像，其中通常包括边缘呈“L”型的前景点或背景点。
在一个实施例中，直角锯齿图像中的第一行或最后一行为前景点、第一列或最后一列为前景点、其余像素点为背景点，或者，直角锯齿图像中的第一行或最后一行为背景点、第一列或最后一列为背景点、其余像素点前景点。
直角锯齿图像例如可以参考图5C～5F的示例。在图5C～5F中，每个格子代表一个像素点，空白格表示前景点，使用斜线填充的格子为背景点。
当然，图5C～5F只是列举出了部分直角锯齿图像，并非所有直角锯齿图像。本领域技术人员可以根据需要设置其他形式的直角锯齿图像，这里不再赘述。
在一个实施例中，可以首先获取直角锯齿图像，然后根据直角锯齿图像的行列数建立具有相同行列数的直角锯齿判别矩阵，最后采用与对检查核矩阵进行编码相同的方法对直角锯齿判别矩阵进行编码，获得直角锯齿判别编码模板。
直角锯齿判别模板可以是直角锯齿判别矩阵模板。即，直角锯齿判别模板为直角锯齿图像所对应的矩阵。可以通过比较检查核矩阵与直角锯齿判别模板是否相同来判定相应的矩形检测区域是否具有直角锯齿。
直角锯齿判别模板也可以是直角锯齿判别编码模板。可以按照预设的规则将检查核矩阵转换为一串数字，例如，可以按照从左至右、从上至下的顺序依次组合矩阵中的数字，获得检查核编码结果。此外，还可以将矩阵中数字的组合结果转换为特定进制的数字串，该特定进制与检查核编码结果的进制相同。
在步骤S510中，如果赋值后的检查核矩阵与直角锯齿判别模板匹配，则对锯齿检测区域进行去锯齿处理。
在该实施例中，匹配的含义是指赋值后的检查核矩阵与直角锯齿判别模板相同、或者赋值后的检查核矩阵经过处理后与直角锯齿判别模板相同。即，检查核矩阵所对应的锯齿检测区域中包括直角锯齿图像。
在进行去锯齿处理时，可以通过消除锯齿检测区域中的直角实现，例如在前景点所形成的直角中将突出的角的部分从前景中去除，或者将前景点形成的直角所产生的凹陷进行填充等等。
上述实施例的方法将锯齿检测区域中的像素点信息转换为矩阵中的前景、背景信息，从而可以利用检查核矩阵与直角锯齿判别模板是否匹配来判断锯齿检测区域中是否有直角锯齿、并对直角锯齿进行处理，从而降低了图像锯齿处理的复杂度，提高了处理效率，适用于实时性较强的图像锯齿处理场景。
在步骤S510的去锯齿过程中，可以连接锯齿检测区域的一条对角线，使对角线的两侧中位于第一侧的点均为前景点或者均为背景点，再将对角线的两侧中位于第二侧和对角线上的点填充为与第一侧类型相反的点。
锯齿检测区域的矩形中包括两条对角线，选择两个端点均不为直角锯齿所在方向对应的端点的对角线。例如，直角锯齿所在方向为右上方，则连接矩形的左上角和右下角形成对角线，从而会使对角线的其中一侧仅包括同一种像素点。
图6A为待处理的一个锯齿检测区域，其中，空白区域表示背景点，斜线区域表示前景点。连接左上角和右下角，使对角线的右侧均为背景点。左侧中存在一个前景点组成的凹陷的直角锯齿，则将对角线左侧像素点和对角线上的像素点也填充为前景点，如图6B所示。
在进行填充时，可以使被填充的点仍然采用原本的颜色值，仅仅是将其类型由背景点变换为前景点。此外，也可以在类型变换的同时将其颜色填充为与周围的前景点相近的颜色等等，这里不再赘述。
图7为本发明前景轮廓提取装置的一个实施例的结构图。如图7所示，该实施例的前景轮廓提取装置包括：前景背景划分模块71，被配置为根据划分临界值和图像中每个像素点的颜色键值，将图像中的像素点划分为前景点和背景点；过渡点确定模块72，被配置为将颜色键值与划分临界值的差距小于预设范围的像素点确定为过渡点；判断模块73，被配置为判断包括过渡点的轮廓检测区域中是否存在背景点；轮廓点确定模块74，被配置为如果包括过渡点的轮廓检测区域中存在背景点，将过渡点确定为轮廓点。
在一个实施例中，轮廓检测区域为以过渡点为中心的矩形轮廓检测区域。
在一个实施例中，前景轮廓提取装置70还可以包括颜色键值确定模块75。
颜色键值确定模块75可以被配置为将图像中的每个像素点的第一颜色通道和第二颜色通道的差值确定为每个像素点的颜色键值，也可以被配置为将图像中每个像素点的颜色值确定为每个像素点的颜色键值。
在一个实施例中，前景轮廓提取装置还可以包括：前景提取模块76，被配置为对轮廓点构成的轮廓区域进行平滑处理，并提取处理后的轮廓点和前景点获得抠像结果。
在一个实施例中，前景提取模块76可以进一步被配置为：获得锯齿检测区域，其中，锯齿检测区域中包括轮廓区域中的至少一个像素点；根据锯齿检测区域中像素点的行列数建立具有相同行列数的检查核矩阵；将锯齿检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值；判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配；如果赋值后的检查核矩阵与直角锯齿判别模板匹配，则对锯齿检测区域进行去锯齿处理。
图8为本发明前景轮廓提取装置的另一个实施例的结构图。如图8所示，该实施例的装置800包括：存储器810以及耦接至该存储器810的处理器820，处理器820被配置为基于存储在存储器810中的指令，执行前述任意一个实施例中的前景轮廓提取方法。
其中，存储器810例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。
图9为本发明前景轮廓提取装置的又一个实施例的结构图。如图9所示，该实施例的装置900包括：存储器910以及处理器920，还可以包括输入输出接口930、网络接口940、存储接口950等。这些接口930，940，950以及存储器910和处理器920之间例如可以通过总线960连接。其中，输入输出接口930为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口940为各种联网设备提供连接接口。存储接口950为SD卡、U盘等外置存储设备提供连接接口。
本发明的实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现前述任意一种前景轮廓提取方法。
本领域内的技术人员应当明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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，均应包含在本发明的保护范围之内。
Claims (14)
1.一种前景轮廓提取方法，其特征在于，包括：
根据划分临界值和图像中每个像素点的颜色键值，将图像中的像素点划分为前景点和背景点；
将颜色键值与划分临界值的差距小于预设范围的像素点确定为过渡点；
判断包括过渡点的轮廓检测区域中是否存在背景点；
如果包括过渡点的轮廓检测区域中存在背景点，将所述过渡点确定为轮廓点。
2.根据权利要求1所述的前景轮廓提取方法，其特征在于，所述轮廓检测区域为以所述过渡点为中心的矩形轮廓检测区域。
3.根据权利要求1所述的前景轮廓提取方法，其特征在于，还包括：
将图像中的每个像素点的第一颜色通道和第二颜色通道的差值确定为每个像素点的颜色键值。
4.根据权利要求1所述的前景轮廓提取方法，其特征在于，还包括：
将图像中每个像素点的颜色值确定为每个像素点的颜色键值。
5.根据权利要求1～4中任一项所述的前景轮廓提取方法，其特征在于，还包括：
对所述轮廓点构成的轮廓区域进行平滑处理；
提取处理后的轮廓点和前景点获得抠像结果。
6.根据权利要求5所述的前景轮廓提取方法，其特征在于，所述平滑处理为去锯齿处理；
所述对所述轮廓点构成的轮廓区域进行平滑处理包括：
获得锯齿检测区域，其中，所述锯齿检测区域中包括轮廓区域中的至少一个像素点；
根据锯齿检测区域中像素点的行列数建立具有相同行列数的检查核矩阵；
将锯齿检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值；
判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配；
如果赋值后的检查核矩阵与直角锯齿判别模板匹配，则对所述锯齿检测区域进行去锯齿处理。
7.一种前景轮廓提取装置，其特征在于，包括：
前景背景划分模块，被配置为根据划分临界值和图像中每个像素点的颜色键值，将图像中的像素点划分为前景点和背景点；
过渡点确定模块，被配置为将颜色键值与划分临界值的差距小于预设范围的像素点确定为过渡点；
判断模块，被配置为判断包括过渡点的轮廓检测区域中是否存在背景点；
轮廓点确定模块，被配置为如果包括过渡点的轮廓检测区域中存在背景点，将所述过渡点确定为轮廓点。
8.根据权利要求7所述的前景轮廓提取装置，其特征在于，所述轮廓检测区域为以所述过渡点为中心的矩形轮廓检测区域。
9.根据权利要求7所述的前景轮廓提取装置，其特征在于，还包括：
颜色键值确定模块，被配置为将图像中的每个像素点的第一颜色通道和第二颜色通道的差值确定为每个像素点的颜色键值。
10.根据权利要求7所述的前景轮廓提取装置，其特征在于，还包括：
颜色键值确定模块，被配置为将图像中每个像素点的颜色值确定为每个像素点的颜色键值。
11.根据权利要求7～10中任一项所述的前景轮廓提取装置，其特征在于，还包括：
前景提取模块，被配置为对所述轮廓点构成的轮廓区域进行平滑处理，并提取处理后的轮廓点和前景点获得抠像结果。
12.根据权利要求11所述的前景轮廓提取装置，其特征在于，所述前景提取模块进一步被配置为：
获得锯齿检测区域，其中，所述锯齿检测区域中包括轮廓区域中的至少一个像素点；
根据锯齿检测区域中像素点的行列数建立具有相同行列数的检查核矩阵；
将锯齿检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值；
判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配；
如果赋值后的检查核矩阵与直角锯齿判别模板匹配，则对所述锯齿检测区域进行去锯齿处理。
13.一种前景轮廓提取装置，其特征在于，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求1～6中任一项所述的前景轮廓提取方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～6中任一项所述的前景轮廓提取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710858072.3A CN109544586A (zh) | 2017-09-21 | 2017-09-21 | 前景轮廓提取方法和装置以及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710858072.3A CN109544586A (zh) | 2017-09-21 | 2017-09-21 | 前景轮廓提取方法和装置以及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109544586A true CN109544586A (zh) | 2019-03-29 |
Family
ID=65827703
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710858072.3A Pending CN109544586A (zh) | 2017-09-21 | 2017-09-21 | 前景轮廓提取方法和装置以及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109544586A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101989353A (zh) * | 2010-12-10 | 2011-03-23 | 中国科学院深圳先进技术研究院 | 图像抠图方法 |
| CN102999901A (zh) * | 2012-10-17 | 2013-03-27 | 中国科学院计算技术研究所 | 基于深度传感器的在线视频分割后的处理方法及系统 |
| EP2582135A2 (en) * | 2010-06-11 | 2013-04-17 | Samsung Electronics Co., Ltd | 3d video encoding/decoding apparatus and 3d video encoding/decoding method using depth transition data |
-
2017
- 2017-09-21 CN CN201710858072.3A patent/CN109544586A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2582135A2 (en) * | 2010-06-11 | 2013-04-17 | Samsung Electronics Co., Ltd | 3d video encoding/decoding apparatus and 3d video encoding/decoding method using depth transition data |
| CN101989353A (zh) * | 2010-12-10 | 2011-03-23 | 中国科学院深圳先进技术研究院 | 图像抠图方法 |
| CN102999901A (zh) * | 2012-10-17 | 2013-03-27 | 中国科学院计算技术研究所 | 基于深度传感器的在线视频分割后的处理方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 彭真明等: "形态学分割", 《光电图像处理及应用》 * |
| 杨飞等: "一种基于灰度阈值的天地背景轮廓线提取方法", 《光电技术应用》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10373380B2 (en) | 3-dimensional scene analysis for augmented reality operations | |
| Recky et al. | Windows detection using k-means in cie-lab color space | |
| CN110189336B (zh) | 图像生成方法、系统、服务器及存储介质 | |
| US8264546B2 (en) | Image processing system for estimating camera parameters | |
| EP2494525B1 (en) | A method for automatic material classification and texture simulation for 3d models | |
| US8130244B2 (en) | Image processing system | |
| CN107451976B (zh) | 一种图像处理方法及装置 | |
| CN105069754B (zh) | 基于在图像上无标记增强现实的系统和方法 | |
| WO2017157109A1 (en) | Image processing method and terminal | |
| US10930059B2 (en) | Method and apparatus for processing virtual object lighting inserted into a 3D real scene | |
| CN102196292A (zh) | 基于人机交互生成视频深度图序列的方法及系统 | |
| CN113301409B (zh) | 视频合成方法、装置、电子设备和可读存储介质 | |
| CN109934873B (zh) | 标注图像获取方法、装置及设备 | |
| CN101968895A (zh) | 二维图像转换系统及方法 | |
| US10650577B2 (en) | Graphics processing systems | |
| KR20130120202A (ko) | 3차원 영상 시스템에서 영상 객체를 추출하기 위한 장치 및 그 방법 | |
| CN112070137A (zh) | 训练数据集的生成方法、目标对象检测方法及相关设备 | |
| CN110827333B (zh) | 一种继电保护的压板拼接识别方法、系统及介质 | |
| CN109753983A (zh) | 图像分类方法、装置和计算机可读存储介质 | |
| CN109993760A (zh) | 一种图片的边缘检测方法和装置 | |
| CN109544586A (zh) | 前景轮廓提取方法和装置以及计算机可读存储介质 | |
| CN105678815A (zh) | 一种获取颜色卡编码的方法及装置 | |
| US20160267702A1 (en) | Graphics processing systems | |
| TWI595446B (zh) | 擴充實境中基於深度攝影機之遮蔽邊緣品質改善方法 | |
| CN114926429A (zh) | 一种线迹长度检测方法、装置、设备及可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190329 |
|
| RJ01 | Rejection of invention patent application after publication |