CN109685822A - 一种自动抠图方法 - Google Patents
一种自动抠图方法 Download PDFInfo
- Publication number
- CN109685822A CN109685822A CN201910026838.0A CN201910026838A CN109685822A CN 109685822 A CN109685822 A CN 109685822A CN 201910026838 A CN201910026838 A CN 201910026838A CN 109685822 A CN109685822 A CN 109685822A
- Authority
- CN
- China
- Prior art keywords
- point
- background
- prospect
- unknown
- optimal sample
- 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
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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Spectrometry And Color Measurement (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种自动抠图方法,涉及图像处理技术领域。本申请的主要技术方案为:接收原始图像,对原始图像进行预处理生成三分图;对三分图进行透明度处理,得到最终前景和透明图;接收用户指定的待用背景,根据所述最终前景与所述待用背景通过所述透明图进行融合,输出融合后的图像。采用本申请的自动抠图方法解决了人工PS抠图的资源浪费问题,提高抠图效率。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种自动抠图方法。
背景技术
在传统的照相馆,需要人工PS抠图,特别在人体边缘和头发的处理上需要大量工作 量才能保障抠图质量,需要浪费大量人力。
传统的自动抠图方法分为两种,一种是手动标注trimap(trimap为静态图像抠图算 法,对给定图像进行粗略划分,即将给定图像划分为前景、背景和待求未知区域);基 于手动标注前景和背景或手动标注过度生成trimap,然后依据trimap计算透明图。由于 该方法需要人工参与,所以费事费力。另一种是无需手动标注trimap,在原图像中直接 扣掉背景色,该方法的缺点是前景内部和背景色相似的区域很容易被扣掉。为解决现有 抠图方法的缺陷,本申请应运而生。
发明内容
本申请提供一种自动抠图方法,包括:接收原始图像,对所述原始图像进行预处理生成三分图;对所述三分图进行透明度处理,得到最终前景和透明图;接收用户指定的 待用背景,根据所述最终前景与所述待用背景通过所述透明图进行融合,输出融合后的 图像。
如上的,其中,对原始图像进行预处理,具体包括如下子步骤:将RGB格式的原 始图像转化为HSV颜色空间;在HSV颜色空间中,根据背景色的色域范围分割前景和 背景;获取人体关键点,对人体关键点进行连接和扩展,生成人体姿势,根据人体姿势 对分割的前景、背景进行处理,生成三分图。
如上的,其中,将RGB格式的原始图像转化为HSV颜色空间,具体为:
V=Cmax
其中,R’=R/255、G’=G/255、B’=B/255;R为RGB格式的原始图像中的红色, G为RGB格式的原始图像中的绿色,B为RGB格式的原始图像中的绿色, Cmax=max(R’,G’,B’);Cmin=min(R’,G’,B’);Δ=Cmax-Cmin。
如上的,其中,所述方法还包括采用梯度算法提取前景的边缘信息。
如上的,其中,根据人体姿势对分割的前景、背景进行处理,具体为:判断前景内部背景色是否与人体姿势相交,如果是则将该内部背景色作为三分图中的前景,否则将 其作为三分图中的未知区域。
如上的,其中,对三分图进行透明度处理,具体包括如下子步骤:将未知区域中的满足条件的未知点扩展为前景或背景;从未知区域中取样选择最佳样本对,并对未知区 域内未找到最佳样本对的未知点选择最佳样本对;从所有最佳样本对中选出所有未知点 的最优样本对,得到新的前景、背景和透明度;对得到的新的前景、背景和透明度进行 局部平滑处理,得到透明图。
如上的,其中,将未知区域中的满足条件的未知点扩展为前景或背景,具体为:对未知区域中的每个未知点执行如下操作:对于一个未知点,在其一定的邻域半径内,如 果有已知的背景点或前景点,则计算该未知点颜色和已知点颜色的距离,然后将该未知 点归属于和其颜色距离小于设定值且最靠近该点的对象。
如上的,其中,根据最优样本对得到新的前景、背景和透明度,具体为:
其中Fg为最优样本对中的前景点,Bg为最优样本点中的背景点,δf为最优样本对的前景点与当前点的颜色距离均值,δb为最优样本对的背景点与当前点的颜色距离均值,计算得到的F为新的前景,B为新的背景,α为透明度。
如上的,其中,对得到的新的前景、背景和透明度进行局部平滑处理,得到透明图,具体包括如下子步骤:
根据最优样本对的前景点Fg、最优样本点中的背景点Bg、F为新的前景,B为新 的背景,原始图像C,计算得到可信度f,具体为:
M(f,b)=||C-[αF+(1-α)B]||
其中,ε为无限接近0的常数,λ为常数10;
然后,根据各点的可信度fi,最优样本点与未知点的颜色距离均值δ,未知点与前景点的颜色距离df,未知点与背景点的颜色距离db,经样本选择后得到的各前景点Fi, 经样本选择后得到的各背景点Bi,计算生成的最终前景F和最终背景B,具体为:
最后,根据最终前景F、最终背景B、各点的可信度fi、各前景点Fi和各背景点Bi、 未知点与最优样本点的颜色距离di以及各点的透明度αi计算得到最终的透明度α′,得到 透明图,具体为:
α′=pc*α+(1-pc)*pa
经计算得到最终前景和透明图。
如上的,其中,通过计算C′=α′F+(1-α′)B′,得到融合后的图像;其中,α′为透明图的透明度,F为最终前景,B′为待用背景,计算得到的C′即为融合后的图像。
本申请实现的有益效果如下:
(1)解决了人工PS抠图的资源浪费问题
(2)将抠图与新背景实现自动完成,提高抠图效率。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其 他的附图。
图1为本申请提供的自动抠图方法流程图;
图2为对原始图像进行预处理的方法流程图;
图3为对三分图进行透明度处理的方法流程图。
具体实施方式
下面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。
实施例一
本申请实施例一提供一种自动抠图方法,如图1所示,包括:
步骤11:接收原始图像,对原始图像进行预处理,生成三分图trimap;
参见图2,本实施例中,对原始图像进行预处理,具体包括如下子步骤:
步骤21:将RGB格式的原始图像转化为HSV颜色空间;
RGB色彩模式是工业界的一种颜色标准,通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色,RGB代表红、绿、蓝三个通道 的颜色;
HSV(Hue,Saturation,Value)颜色空间是根据颜色的直观特性创建的一种颜色空间, 颜色的参数分别是:色调(H)、饱和度(S)和明度(V);
其中,采用下述公式(1)将RGB格式转化为HSV颜色空间:
V=Cmax (3)
其中,R’=R/255、G’=G/255、B’=B/255;Cmax=max(R’,G’,B’);Cmin=min(R’,G’,B’); Δ=Cmax-Cmin。
步骤22:在HSV颜色空间中,根据背景色的色域范围分割前景和背景;
作为一个实施例,采用trimap静态抠图算法分割前景和背景,trimap静态抠图算法 处理的背景色为绿色,通过设定绿色区间的色调门限值,提取图像中绿色的像素点作为背景,其他像素点作为前景;
进一步地,使用sobel梯度算法提取前景的边缘信息,在保留细小发丝的同时,减少 背景色被划分为未知区域。
步骤23:采用openpose算法获取人体关键点,对人体关键点进行连接和扩展,生成人体姿势,根据人体姿势对分割的前景、背景作进一步处理,生成三分图trimap;
具体的,根据绿色确定背景色和前景,可能会出现在前景内部出现背景色,例如图像中的人物服装为绿色等,因此在提取人体关键点生成人体姿势后,判断前景内部背景 色是否与人体姿势相交,是则将该内部背景色作为前景,否则将其作为未知区域;
生成的三分图trimap包括前景、背景及前景和背景交界处的未知区域。
步骤12:对三分图trimap进行透明度处理,得到最终前景和透明图;
具体的,参见图3,对三分图进行透明度处理,具体包括如下子步骤:
步骤31:将未知区域中的满足条件的未知点扩展为前景或背景;
具体的,对于一个未知点,在其一定的邻域半径内,如果有已知的背景点或前景点, 则计算该未知点颜色和这些已知点颜色的距离,然后将该未知点归属于和其颜色距离小 于设定值且最靠近该点的对象,例如,该未知点在半径为10的邻域内,有一个背景点和两个前景点,该未知点与背景点的颜色距离为5,与两个前景点的颜色距离分别为3和8, 则与该未知点距离最小的点为前景点,则将该未知点归属于前景;
优选地,采用从未知点逐渐向外部循环的方式查找,此种方式在第一次找到某个点 颜色距离小于设定值,该点即为第一个符合颜色距离条件且同时符合物理距离最小的要 求的点。
步骤32:从未知区域中取样,选择最佳样本对;
具体的,对剩余的未知区域内的每个点按一定的规律取样,选择最佳的一对前景和 背景取样点组成最佳样本对,该最佳样本对中的前景取样点和背景取样点满足与未知点 的物理距离尽可能的小,计算公式为:
M(f,b)=||C-[αF+(1-α)B]|| (4)
g(f,b)=M(f,b)×D(f)×D(b) (5)
其中,C是观察到的图像颜色,F为图像前景点颜色分量值,B为图像背景点颜色分量值、α为未知区域颜色分量值,D(f)为未知点与前景点的物理距离,D(b)为未知点与 背景点的物理距离;采用上述公式依次对采样对进行计算,得到的g(f,b)的值最小的采 样对即为最佳样本对;
优选地,在取样点搜索时,以每个取样点为中心的扇形区域内,相邻像素搜索不重叠的扇形区域,在每个搜索路径上,如果搜索到第一点为背景点,则停止搜索,如果搜 索到的第一个点为前景点,则采用二分法搜索背景点,加快搜索速度;
二分法具体为:对于区间[a,b]上连续不断且f(a)·f(b)<0的函数y=f(x),通过不断 地把函数f(x)的零点所在的区间一分为二,使区间的两个端点逐步逼近零点,进而得到零点近似值,以此搜索背景点。
步骤33:对未知区域内未找到最佳样本对的未知点选择最佳样本对,选出所有未知 点的最优样本对,得到新的前景、背景和透明度;
在步骤32中,并不是每个未知点都可以找到一组最佳样本对,而且相邻的未知点通 常有相近的最佳样本对,所以对每个未知点在一定半径邻域内共享其他未知点的最佳样 本对,即将该未知点邻域内的所有未知点的最佳样本对组成集合,再在其中选出最佳的两组样本对求均值,作为最后的最优样本对,通过下述公式计算新的前景、背景、透明 度及可信度:
其中,Fg为最优样本对中的前景点,Bg为最优样本点中的背景点,δf为最优样本对的 前景点与当前点的颜色距离均值,δb为最优样本对的背景点与当前点的颜色距离均值,ε为 无限接近0的常数0.0000……01,λ为常数10,F为新的前景,B为新的背景,α为透明度,f为可信度。
步骤34:对得到的前景、背景和透明度进行局部平滑处理,得到最终前景、背景和透明 度图;
具体的,通过计算得到的可信度对未知区域进行平滑处理,在未知点一定半径邻域内, 通过下述公式按距离远近和可信度的乘积作为颜色权重,计算最终前景点和背景点:
其中,df是未知点与前景点的颜色距离,db是未知点与背景点的颜色距离,Fi为经样 本选择后得到的各前景点,Bi为经样本选择后得到的各背景点,δ为最优样本点与未知点的 颜色距离均值,fi为可信度,计算生成的F为最终前景,B为最终背景;
然后,计算最终的透明度,具体为:
α′=pc*α+(1-pc)*pa (16)
其中,di为未知点与邻域点的物理距离,即欧式距离;fi为可信度;αi为各点的透明度, α′为计算得到的最终的透明度。
对图像进行局部平滑处理是为了消除或尽量减少噪声的影响,改善图像的质量。
返回参见图1,步骤13:接收用户指定的待用背景,将最终前景与该待用背景,通过透 明图进行融合,输出融合后的图像;
本实施例中,将最终前景和用户指定的任意背景,通过透明图进行融合,得到融合后的 图像,具体为通过计算:
C′=α′F+(1-α′)B′ (14)
其中,F为图像的最终前景,B′为待用图像背景、α′为计算得到的最终透明度;计算得到的C′为融合后的图像。
本申请实现的有益效果如下:
(1)解决了人工PS抠图的资源浪费问题
(2)将抠图与新背景实现自动完成,提高抠图效率;
(3)能够保留任务边缘细节部分,特别对头发丝的处理也能根根毕现。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性 概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然,本领域的技术人员可以对本 申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改 和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和 变型在内。
Claims (10)
1.一种自动抠图方法,其特征在于,包括:
接收原始图像,对所述原始图像进行预处理生成三分图;
对所述三分图进行透明度处理,得到最终前景和透明图;
接收用户指定的待用背景,根据所述最终前景与所述待用背景通过所述透明图进行融合,输出融合后的图像。
2.根据权利要求1所述的自动抠图方法,其特征在于,对原始图像进行预处理,具体包括如下子步骤:
将RGB格式的原始图像转化为HSV颜色空间;
在HSV颜色空间中,根据背景色的色域范围分割前景和背景;
获取人体关键点,对人体关键点进行连接和扩展,生成人体姿势,根据人体姿势对分割的前景、背景进行处理,生成三分图。
3.根据权利要求2所述的自动抠图方法,其特征在于,将RGB格式的原始图像转化为HSV颜色空间,具体为:
V=Cmax
其中,R’=R/255、G’=G/255、B’=B/255;R为RGB格式的原始图像中的红色,G为RGB格式的原始图像中的绿色,B为RGB格式的原始图像中的绿色,Cmax=max(R’,G’,B’);Cmin=min(R’,G’,B’);Δ=Cmax-Cmin。
4.根据权利要求2所述的自动抠图方法,其特征在于,还包括采用梯度算法提取前景的边缘信息。
5.根据权利要求2所述的自动抠图方法,其特征在于,根据人体姿势对分割的前景、背景进行处理,具体为:判断前景内部背景色是否与人体姿势相交,如果是则将该内部背景色作为三分图中的前景,否则将其作为三分图中的未知区域。
6.根据权利要求1所述的自动抠图方法,其特征在于,对三分图进行透明度处理,具体包括如下子步骤:
将未知区域中的满足条件的未知点扩展为前景或背景;
从未知区域中取样选择最佳样本对,并对未知区域内未找到最佳样本对的未知点选择最佳样本对;从所有最佳样本对中选出所有未知点的最优样本对,得到新的前景、背景和透明度;
对得到的新的前景、背景和透明度进行局部平滑处理,得到透明图。
7.根据权利要求6所述的自动抠图方法,其特征在于,将未知区域中的满足条件的未知点扩展为前景或背景,具体为:对未知区域中的每个未知点执行如下操作:对于一个未知点,在其一定的邻域半径内,如果有已知的背景点或前景点,则计算该未知点颜色和已知点颜色的距离,然后将该未知点归属于和其颜色距离小于设定值且最靠近该点的对象。
8.根据权利要求6所述的自动抠图方法,其特征在于,根据最优样本对得到新的前景、背景和透明度,具体为:
其中,Fg为最优样本对中的前景点,Bg为最优样本点中的背景点,δf为最优样本对的前景点与当前点的颜色距离均值,δb为最优样本对的背景点与当前点的颜色距离均值,计算得到的F为新的前景,B为新的背景,α为透明度。
9.根据权利要求6所述的自动抠图方法,其特征在于,对得到的新的前景、背景和透明度进行局部平滑处理,得到透明图,具体包括如下子步骤:
根据最优样本对的前景点Fg、最优样本点中的背景点Bg、F为新的前景,B为新的背景,原始图像C,计算得到可信度f,具体为:
M(f,b)=||C-[αF+(1-α)B]||
其中,ε为无限接近0的常数,λ为常数10;
然后,根据各点的可信度fi,最优样本点与未知点的颜色距离均值δ,未知点与前景点的颜色距离df,未知点与背景点的颜色距离db,经样本选择后得到的各前景点Fi,经样本选择后得到的各背景点Bi,计算生成的最终前景F和最终背景B,具体为:
最后,根据最终前景F、最终背景B、各点的可信度fi、各前景点Fi和各背景点Bi、未知点与最优样本点的颜色距离di以及各点的透明度αi计算得到最终的透明度α′,得到透明图,具体为:
α′=pc*α+(1-pc)*pa
经计算得到最终前景和透明图。
10.根据权利要求1所述的自动抠图方法,其特征在于,通过计算C′=α′F+(1-α′)B′,得到融合后的图像;其中,α′为透明图的透明度,F为最终前景,B′为待用背景,计算得到的C′即为融合后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910026838.0A CN109685822A (zh) | 2019-01-11 | 2019-01-11 | 一种自动抠图方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910026838.0A CN109685822A (zh) | 2019-01-11 | 2019-01-11 | 一种自动抠图方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109685822A true CN109685822A (zh) | 2019-04-26 |
Family
ID=66192193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910026838.0A Pending CN109685822A (zh) | 2019-01-11 | 2019-01-11 | 一种自动抠图方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685822A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097570A (zh) * | 2019-04-30 | 2019-08-06 | 腾讯科技(深圳)有限公司 | 一种图像处理方法和装置 |
CN110097560A (zh) * | 2019-04-30 | 2019-08-06 | 上海艾麒信息科技有限公司 | 抠图方法以及装置 |
CN110111342A (zh) * | 2019-04-30 | 2019-08-09 | 贵州民族大学 | 一种抠图算法的优化选取方法及装置 |
CN110335279A (zh) * | 2019-07-02 | 2019-10-15 | 武汉瑞宏峰科技有限公司 | 实时绿幕抠像方法、装置、设备及存储介质 |
CN110400323A (zh) * | 2019-07-30 | 2019-11-01 | 上海艾麒信息科技有限公司 | 一种自动抠图系统、方法以及装置 |
CN110708476A (zh) * | 2019-09-17 | 2020-01-17 | 广州秀美网络文化传媒有限公司 | 一种实时图像处理方法及装置 |
CN112053417A (zh) * | 2019-06-06 | 2020-12-08 | 西安诺瓦星云科技股份有限公司 | 图像处理方法、装置和系统以及计算机可读存储介质 |
CN112149592A (zh) * | 2020-09-28 | 2020-12-29 | 上海万面智能科技有限公司 | 图像处理方法、装置以及计算机设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036517A (zh) * | 2014-07-01 | 2014-09-10 | 成都品果科技有限公司 | 一种基于梯度采样的图像抠图方法 |
EP3032497A2 (en) * | 2014-12-09 | 2016-06-15 | Thomson Licensing | Method and apparatus for color correction |
CN108961258A (zh) * | 2017-05-18 | 2018-12-07 | 北京金山云网络技术有限公司 | 一种前景图像获得方法及装置 |
-
2019
- 2019-01-11 CN CN201910026838.0A patent/CN109685822A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036517A (zh) * | 2014-07-01 | 2014-09-10 | 成都品果科技有限公司 | 一种基于梯度采样的图像抠图方法 |
EP3032497A2 (en) * | 2014-12-09 | 2016-06-15 | Thomson Licensing | Method and apparatus for color correction |
CN108961258A (zh) * | 2017-05-18 | 2018-12-07 | 北京金山云网络技术有限公司 | 一种前景图像获得方法及装置 |
Non-Patent Citations (1)
Title |
---|
EDUARDO S.L.GASTAL ET AL: "Shared Sampling for Real-Time Alpha Matting", 《COMPUTER GRAPHICS FORUM》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097570A (zh) * | 2019-04-30 | 2019-08-06 | 腾讯科技(深圳)有限公司 | 一种图像处理方法和装置 |
CN110097560A (zh) * | 2019-04-30 | 2019-08-06 | 上海艾麒信息科技有限公司 | 抠图方法以及装置 |
CN110111342A (zh) * | 2019-04-30 | 2019-08-09 | 贵州民族大学 | 一种抠图算法的优化选取方法及装置 |
CN110111342B (zh) * | 2019-04-30 | 2021-06-29 | 贵州民族大学 | 一种抠图算法的优化选取方法及装置 |
CN112053417A (zh) * | 2019-06-06 | 2020-12-08 | 西安诺瓦星云科技股份有限公司 | 图像处理方法、装置和系统以及计算机可读存储介质 |
CN110335279A (zh) * | 2019-07-02 | 2019-10-15 | 武汉瑞宏峰科技有限公司 | 实时绿幕抠像方法、装置、设备及存储介质 |
CN110400323A (zh) * | 2019-07-30 | 2019-11-01 | 上海艾麒信息科技有限公司 | 一种自动抠图系统、方法以及装置 |
CN110708476A (zh) * | 2019-09-17 | 2020-01-17 | 广州秀美网络文化传媒有限公司 | 一种实时图像处理方法及装置 |
CN110708476B (zh) * | 2019-09-17 | 2021-10-29 | 广州秀美网络文化传媒有限公司 | 一种实时图像处理方法及装置 |
CN112149592A (zh) * | 2020-09-28 | 2020-12-29 | 上海万面智能科技有限公司 | 图像处理方法、装置以及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685822A (zh) | 一种自动抠图方法 | |
WO2018201662A1 (zh) | 嘴唇渲染颜色的方法、装置及电子设备 | |
KR101554403B1 (ko) | 화상 처리 장치, 화상 처리 방법, 및 제어 프로그램이 기록된 기억 매체 | |
JP7469330B2 (ja) | 機械画像色の抽出および抽出された色を用いた機械画像構築 | |
Beigpour et al. | Multi-illuminant estimation with conditional random fields | |
CN108230331A (zh) | 图像处理方法和装置、电子设备、计算机存储介质 | |
CN109344724A (zh) | 一种证件照自动背景替换方法、系统及服务器 | |
CN108447068B (zh) | 三元图自动生成方法及利用该三元图的前景提取方法 | |
CN110163810B (zh) | 一种图像处理方法、装置以及终端 | |
CN105122306B (zh) | 区域分割方法以及检查装置 | |
JP2004509486A (ja) | 色かぶり検出及び除去方法 | |
CN103581571A (zh) | 一种基于色彩三要素的视频抠像方法 | |
CN112101370B (zh) | 一种纯色背景图像自动抠像方法、计算机可读存储介质及设备 | |
US20030095704A1 (en) | Determination of an illuminant of digital color image by segmentation and filtering | |
CN108564528A (zh) | 一种基于显著性检测的肖像照片自动背景虚化方法 | |
CN109146991A (zh) | 一种图片格式转换方法、装置、设备和存储介质 | |
CN106530309A (zh) | 一种基于移动平台的视频抠图方法及系统 | |
CN109671113B (zh) | 一种基于图像技术的色纺面料的测配色方法 | |
CN107169973A (zh) | 一种图像的背景去除和合成方法及装置 | |
CN110108362A (zh) | 基于slic超像素分割的色差自适应在线检测方法及装置 | |
WO2024060576A1 (zh) | 一种基于暗通道先验的图像去雾方法 | |
CN113034509A (zh) | 图像处理方法及装置 | |
CN110969631A (zh) | 一种精细化照片染发方法及系统 | |
Wong et al. | An integrated method to remove color cast and contrast enhancement for underwater image | |
CN109886885A (zh) | 一种基于Lab色彩空间和Retinex的图像增强方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190426 |