CN110619637B - 基于模板的服装图像多特征统计分割方法 - Google Patents
基于模板的服装图像多特征统计分割方法 Download PDFInfo
- Publication number
- CN110619637B CN110619637B CN201910759635.2A CN201910759635A CN110619637B CN 110619637 B CN110619637 B CN 110619637B CN 201910759635 A CN201910759635 A CN 201910759635A CN 110619637 B CN110619637 B CN 110619637B
- Authority
- CN
- China
- Prior art keywords
- image
- template
- processed
- clothing
- segmentation
- 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
Images
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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于模板的服装图像多特征统计分割方法,利用电商服装模特拍摄环境的图像模板,得到颜色特征、几何特征,以及模特局部特征和服饰特征,辅助基于统计的图像分割方法,进行服装区域从背景中的自动稳定分割,以获得更好的分割效果。本发明对于场景光照变化、拍摄角度变化有很好的适应能力,且能够有效减少衣物阴影、服装拍摄场景常见干扰物对分割方法的干扰,同时也能够对吊带、流苏等服装细节进行保护,减少典型场景典型服装下的服装图像统计分割中过分割与欠分割现象。
Description
技术领域
本发明属于图像分割技术,具体为一种基于模板的服装图像多特征统计分割方法。
背景技术
随着市场的发展,电商通常需要一次性处理大批量的服装模特图片,从中稳定地分割出服装图像。人工去处理这些图像,会耗费大量的人力和时间,因此服装图像分割方法具很高的实用价值。
对于服饰的拍摄,背景多为纯白而非易于分割的绿色,以避免造成色差,同时会选用自然光拍摄而非闪光灯拍摄,以避免前景曝光过度造成服饰细节和层次感缺失,但只用自然光会边界往往不够清晰,这同样加大图像分割处理的难度。
在基于图论的图像分类算法中,从颜色相似性统计的角度出发,通常的处理方法为:1.根据交互或者自动算法得到待处理图像的初始像素分布,像素可能类别为“可能前景”、“可能背景”、“绝对前景”和“绝对背景”,其中“可能前景”和“可能背景”为类别尚不明确的像素。2.创建混合高斯模型(GMM),根据对输入图像像素类别的初判断,由GMM学习并创建新的像素分布,对分类未知的像素,根据它们与已知分类的像素关系来进行分类。因为服饰图像复杂性,上述方法对于衣物与模特细节的处理存在过分割、欠分割现象,例如将衣物阴影、与服饰部分相连的吊牌或小部分模特肢体、模特脚下的调整角度用的转盘等误判为前景,将衣物细节如吊带、流苏、与背景颜色相近部分误判为前景。
发明内容
本发明的目的在于提出了一种基于模板的服装图像多特征统计分割方法,以解决服装拍摄场景下服装图像在基于统计的图像分割中易出现的过分割、欠分割问题。
实现本发明的技术解决方案为:一种基于模板的服装图像多特征统计分割方法,具体步骤为:
步骤1、根据模板获取图像几何特征,对待处理图像进行尺度缩放和角度校正;
步骤2、根据模板获取图像颜色特征,结合RGB与HSV空间对图像模板与待处理图像进行相似判断,以得到待处理图像的初始像素类别;
步骤3、从模板中获取会造成欠分割问题的模特局部特征,将待处理图像中的对应模特局部特征区域的像素的初始像素类别置为“可能背景”;
步骤4、从模板中获取每种服装类型中会造成过分割问题的服饰特征,在待处理图像服饰特征区域内进行特征匹配,匹配得到的服饰细节对应像素的初始图像类别置为“绝对前景”;
步骤5、将步骤4得到的待处理图像像素类别输入混合高斯模型,对分类未知的像素,根据它们与已知分类的像素关系来进行分类,得到新的像素分布;
步骤6、分别将步骤3得到的待处理图像中的所有模特局部特征区域对应的新的像素类别输入步骤5的混合高斯模型,得到该区域新的像素分布;
步骤7、对新的像素分布取前景最大连通域;对前景最大连通域的轮廓取特征点,进行贝塞尔曲线插值得到轮廓,将原始待处理图像轮廓以外区域透明度置为0得到图像分割结果。
优选地,步骤1根据模板获取图像几何特征,对待处理图像进行尺度缩放和角度校正的具体方法为:
步骤1-1、确定图像模板的大小,将待处理图像缩放到与模板同样大小;
步骤1-2、将图像模板与待处理图像转换为灰度图,利用SURF算法对图像模板与待处理图像进行特征点匹配并提取最优配对,取最优配对坐标变化的均值得到平移矩阵,对待处理图像进行平移操作。
优选地,步骤2根据模板获取图像颜色特征,结合RGB与HSV空间对图像模板与待处理图像进行相似判断,以得到初始的像素类别的具体方法为:
步骤2-1、在RGB与HSV空间分别对比模板与待处理图像各像素的值,对于R、G、B或H、S、V各分量差值在阈值内的对应像素定义为“可能背景”,其余像素点设置为“可能前景”;
步骤2-2、获取待处理图像中亮度最大的颜色,按预设的权重对原始模板颜色和获取到的颜色进行融合得到新图像,对新图像和待处理图像进行相似判断,将相似像素设置为“可能背景”;
步骤2-3、根据衣物阴影区域的颜色特征,设置几种不同深浅的颜色,按预设的权重对原始模板颜色和设置的颜色进行融合得到新图像,对新图像和待处理图像进行相似判断,将相似像素设置为“可能背景”。
本发明与现有技术相比,其显著优点为:本发明对于场景光照变化、拍摄角度变化有很好的适应能力,且能够减少衣物阴影、服装拍摄场景常见干扰物对分割方法的干扰,同时也能够对吊带、流苏等服装细节进行保护。
下面结合附图对本发明做进一步详细的描述。
附图说明
图1为本发明所采用的原始模板及辅助图像示意图,其中,图1(a)为原始模板,为固定机位固定拍摄布景中的裸模照片;图1(b)为局部处理区域图像,描述异造成欠分割问题的特征,以在整体分割后再对这些区域进行局部分割;图1(c)为中心区域图像,描述模特所在大致位置;图1(d)为干扰区域图像,描述如模特脚底的转盘、衣物标签等杂物位置;图1(e)为易造成过分割问题的服装特征区域,如吊带、流苏等;图1(f)为模板调色集示例,包括为改善曝光问题而制作的模板集为和改善衣物阴影问题而制作的模板集。
图2为本发明的流程图。
图3为本发明对于服装图像切割问题的处理效果示意图,图1(a)为原始待处理图像,图1(b)为通过颜色识别算法去除无衣物区域的处理效果,图1(c)为本发明的处理效果;图1(d)为原始待处理图像,图1(e)为本算法的处理效果和未保护细节区域时的效果对比;图1(f)为原始待处理图像,图1(g)为本发明的处理效果和未进行局部分割时的效果对比。
具体实施方式
一种基于模板的服装图像多特征统计分割方法,利用电商服装模特拍摄环境的图像模板,得到颜色特征、几何特征,以及典型的模特局部特征和典型类别的服饰特征,辅助进行图像分割,如图2所示,具体步骤为:
步骤1、原始模板为固定机位固定拍摄布景中的裸模照片,如图1(a)所示,根据模板获取图像几何特征,对待处理图像进行尺度缩放和角度校正,具体为:
步骤1-1、确定图像模板的大小,将待处理图像缩放到与模板同样大小;
步骤1-2、将图像模板与待处理图像转换为灰度图,利用SURF算法对图像模板与待处理图像进行特征点匹配并提取最优配对,取最优配对坐标变化的均值得到平移矩阵,对待处理图像进行平移操作。
步骤2、根据模板获取图像颜色特征,结合RGB与HSV空间对图像模板与待处理图像进行相似判断,以得到待处理图像的初始像素类别,减少光照明暗、曝光、阴影的影响,具体为:
步骤2-1、在RGB与HSV空间分别对比模板与待处理图像各像素的值,对于R、G、B或H、S、V各分量差值在阈值内的对应像素定义为“可能背景”,其余像素点设置为“可能前景”;在某些实施例中,放宽对于HSV颜色空间的亮度参数V分量的要求,减少不同光照对于颜色特征的影响。
步骤2-2、获取待处理图像中亮度最大的颜色,此为曝光时易投影到模特肢体上的颜色。按预设的权重对原始模板颜色和获取到的颜色进行融合得到新图像,如图1(f)模板调色集的第一类调色图,对新图像和待处理图像进行相似判断,将相似像素设置为“可能背景”;
步骤2-3、根据衣物阴影区域的颜色特征,设置几种不同深浅的颜色,按预设的权重对原始模板颜色和设置的颜色进行融合得到新图像,如图1(f)模板调色集的第二类调色图,对新图像和待处理图像进行相似判断,将相似像素设置为“可能背景”。
步骤3、从模板中获取会造成欠分割问题的模特局部特征,如图像1(b)所示的衣物干扰和(d)所示的杂物干扰,将待处理图像中的对应模特局部特征区域的像素的初始像素类别置为“可能背景”,以排除常见干扰物(衣物阴影、与服饰部分相连的吊牌或小部分模特肢体、模特脚下的调整角度用的转盘等)对图像统计分割环节的影响。
步骤4、从模板中获取每种服装类型中会造成过分割问题的服饰特征,如图像1(e)所示,在待处理图像服饰特征区域内进行特征匹配,匹配得到的区域对应像素的初始图像类别置为“绝对前景”。在某些实施例中,可以设定会造成过分割问题的服饰特征,例如对吊带、流苏等服装细节进行保护。
步骤5、将步骤4得到的待处理图像像素类别输入混合高斯模型,对分类未知的像素,根据它们与已知分类的像素关系来进行分类,得到新的像素分布;
步骤6、分别将步骤3得到的待处理图像中的所有模特局部特征区域对应的新的像素类别输入步骤5的混合高斯模型,得到该区域新的像素分布;
步骤7、对新的像素分布取前景最大连通域;对前景最大连通域的轮廓取特征点,进行贝塞尔曲线插值得到轮廓,将原始待处理图像轮廓以外区域透明度置为0得到图像分割结果。
图3为本发明对于服装图像分割常见问题的处理效果与传统统计分割算法处理效果的对比,(a)-(c)展示了算法对于颜色与模特颜色相近的衣物的处理效果;图(d)、(e)展示算法对于易造成过分割问题的特征的处理效果;图(f)、(g)展示算法对于易造成欠分割问题的特征的处理效果。
对于测试的400张图片,传统统计分割算法有327张处理效果较好,73张存在过分割、欠分割问题,出现问题的特征包括:衣物边缘的半透明材质,吊带、流苏等小细节,镂空衣物,衣物颜色与背景颜色相近,模特定位转盘、吊带等杂物,衣物在手臂、腿部投射的阴影,强爆光下鲜艳衣物向模特肢体反光等。
本发明基于模板进行改进,测试结果以处理后的衣物像素为判断依据,与人工处理结果对比,排除如纯白模特纯白衣物的极端情况,分割结果的准确率范围为96.549%~99.956%,平均准确率为98.165%,本发明对于场景光照变化、拍摄角度变化有很好的适应能力,且能够有效减少衣物阴影、服装拍摄场景常见干扰物对分割方法的干扰,同时也能够对吊带、流苏等服装细节进行保护,减少典型场景典型服装下的服装图像统计分割中过分割与欠分割现象。
Claims (1)
1.一种基于模板的服装图像多特征统计分割方法,其特征在于,具体步骤为:
步骤1、根据模板获取图像几何特征,对待处理图像进行尺度缩放和角度校正,具体方法为:
步骤1-1、确定图像模板的大小,将待处理图像缩放到与模板同样大小;
步骤1-2、将图像模板与待处理图像转换为灰度图,利用SURF算法对图像模板与待处理图像进行特征点匹配并提取最优配对,取最优配对坐标变化的均值得到平移矩阵,对待处理图像进行平移操作;
步骤2、根据模板获取图像颜色特征,结合RGB与HSV空间对图像模板与待处理图像进行相似判断,以得到待处理图像的初始像素类别,具体方法为:
步骤2-1、在RGB与HSV空间分别对比模板与待处理图像各像素的值,对于R、G、B或H、S、V各分量差值在阈值内的对应像素定义为“可能背景”,其余像素点设置为“可能前景”;
步骤2-2、获取待处理图像中亮度最大的颜色,按预设的权重对原始模板颜色和获取到的颜色进行融合得到新图像,对新图像和待处理图像进行相似判断,将相似像素设置为“可能背景”;
步骤2-3、根据衣物阴影区域的颜色特征,设置几种不同明度的颜色,按预设的权重对原始模板颜色和设置的颜色进行融合得到新图像,对新图像和待处理图像进行相似判断,将相似像素设置为“可能背景”;
步骤3、从模板中获取会造成欠分割问题的模特局部特征,将待处理图像中的对应模特局部特征区域的像素的初始像素类别置为“可能背景”;
步骤4、从模板中获取每种服装类型中会造成过分割问题的服饰特征,在待处理图像服饰特征区域内进行特征匹配,匹配得到的区域对应像素的初始图像类别置为“绝对前景”;
步骤5、将步骤4得到的待处理图像像素类别输入混合高斯模型,对分类未知的像素,根据它们与已知分类的像素关系来进行分类,得到新的像素分布;
步骤6、分别将步骤3得到的待处理图像中的所有模特局部特征区域对应的新的像素类别输入步骤5的混合高斯模型,得到该区域新的像素分布;
步骤7、对新的像素分布取前景最大连通域;对前景最大连通域的轮廓取特征点,进行贝塞尔曲线插值得到轮廓,将原始待处理图像轮廓以外区域透明度置为0得到图像分割结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910759635.2A CN110619637B (zh) | 2019-08-16 | 2019-08-16 | 基于模板的服装图像多特征统计分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910759635.2A CN110619637B (zh) | 2019-08-16 | 2019-08-16 | 基于模板的服装图像多特征统计分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110619637A CN110619637A (zh) | 2019-12-27 |
CN110619637B true CN110619637B (zh) | 2023-05-09 |
Family
ID=68921802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910759635.2A Active CN110619637B (zh) | 2019-08-16 | 2019-08-16 | 基于模板的服装图像多特征统计分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110619637B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101686338B (zh) * | 2008-09-26 | 2013-12-25 | 索尼株式会社 | 分割视频中的前景和背景的系统和方法 |
CN105893925A (zh) * | 2015-12-01 | 2016-08-24 | 乐视致新电子科技(天津)有限公司 | 基于肤色的人手检测方法及装置 |
CN107230202B (zh) * | 2017-05-16 | 2020-02-18 | 淮阴工学院 | 路面病害图像的自动识别方法和系统 |
-
2019
- 2019-08-16 CN CN201910759635.2A patent/CN110619637B/zh active Active
Non-Patent Citations (1)
Title |
---|
André D. Mora ; et al.A template matching technique for artifacts detection in retinal images.2013 8th International Symposium on Image and Signal Processing and Analysis .2014,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN110619637A (zh) | 2019-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6980691B2 (en) | Correction of “red-eye” effects in images | |
CN102385753B (zh) | 一种基于光照分类的自适应图像分割方法 | |
CN109829914A (zh) | 检测产品缺陷的方法和装置 | |
Deb et al. | Shadow detection and removal based on YCbCr color space | |
US8577170B2 (en) | Shadow detection in a single image | |
Salamati et al. | Removing shadows from images using color and near-infrared | |
CN108319973A (zh) | 一种树上柑橘果实检测方法 | |
WO2007061779A1 (en) | Shadow detection in images | |
US20130342694A1 (en) | Method and system for use of intrinsic images in an automotive driver-vehicle-assistance device | |
CN110930321A (zh) | 一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法 | |
US8249342B1 (en) | Color analytics for a digital image | |
CN109272475B (zh) | 一种快速有效修复与强化水下图像颜色的方法 | |
TW201419219A (zh) | 從一組影像中取出深度邊緣的方法與裝置,以及攝影機 | |
CN110268442A (zh) | 在图像中检测背景物上的外来物的计算机实现的方法、在图像中检测背景物上的外来物的设备以及计算机程序产品 | |
CN108711160B (zh) | 一种基于hsi增强性模型的目标分割方法 | |
US8498496B2 (en) | Method and apparatus for filtering red and/or golden eye artifacts | |
Mayer et al. | Towards autonomous vision self-calibration for soccer robots | |
CN107038690A (zh) | 一种基于多特征融合的运动阴影去除方法 | |
CN110619637B (zh) | 基于模板的服装图像多特征统计分割方法 | |
CN110930358A (zh) | 一种基于自适应算法的太阳能面板图像处理方法 | |
Chondagar et al. | A review: Shadow detection and removal | |
JP2003030651A (ja) | デジタルイメージにおける影の識別方法 | |
CN115294440A (zh) | 输电线路识别方法、装置以及电子设备 | |
CN110728061B (zh) | 基于朗伯体反射建模的陶瓷表面气孔检测方法 | |
JP2015501968A (ja) | 固有画像の生成を改良するための後処理 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |