CN110930321A - 一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法 - Google Patents

一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法 Download PDF

Info

Publication number
CN110930321A
CN110930321A CN201911075087.8A CN201911075087A CN110930321A CN 110930321 A CN110930321 A CN 110930321A CN 201911075087 A CN201911075087 A CN 201911075087A CN 110930321 A CN110930321 A CN 110930321A
Authority
CN
China
Prior art keywords
image
blue
green
digital image
mask
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
Application number
CN201911075087.8A
Other languages
English (en)
Inventor
娄志君
刘涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Enjiu Software Co Ltd
Original Assignee
Hangzhou Enjiu Software Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Enjiu Software Co Ltd filed Critical Hangzhou Enjiu Software Co Ltd
Priority to CN201911075087.8A priority Critical patent/CN110930321A/zh
Publication of CN110930321A publication Critical patent/CN110930321A/zh
Pending legal-status Critical Current

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
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-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
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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

Abstract

本发明公开了一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法，包括如下步骤：(1)获取蓝/绿幕数字图像；(2)对得到的蓝/绿幕数字图像进行处理，得到蒙版图像；(3)对得到的蒙版图像进行边缘提取；(4)确定边缘轮廓信息，得到轮廓的最小外接矩形；(5)针对步骤(1)得到的蓝/绿幕数字图像，利用得到的最小外接矩形，画出Grabcut算法所需要的Trimap图；(6)用Grabcut算法分割前景和背景，实现图像抠取。本发明的能够自动选取目标区域的蓝/绿幕数字图像抠取方法，能够自动计算和设置参数，无需人工干预或人机交互。准确率高，抠取目标效果好。

Description

一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法
技术领域
本发明涉及数字图像的前景与背景分割领域，尤其涉及一种能够自动选取目标区域的Grabcut蓝/绿幕数字图像的抠取方法。
背景技术
目前数字图像的分割领域内，针对绿幕图像的抠取的方法是色度键(ChromaKey)：以绿幕背景为颜色阈值指定颜色范围，范围内的像素被当做背景，相应的Alpha通道值为0，范围外的像素被当做前景，相应的Alpha通道值为1。采用这种传统的方法时，与背景具有相同颜色的前景部分也会被当做背景去除，在前景的边缘和细小物体的处理效果上很不理想。另外一种方法是将处理自然图像的图切算法Grabcut用于蓝绿幕数字图像上，可以取得较好的抠取效果，但是该算法需要人工干预，事先在图像上划出大致的前景区域，无法实现无人工干预的大量的数字图像的抠取。因此，蓝绿幕数字图像的抠取技术有待提高。
发明内容
鉴于目前数字图像抠取技术领域存在的上述不足，本发明提供了一种自动选取目标区域的Grabcut蓝/绿幕数字图像抠取方法，能够自动划分前景区域，无需人工干预，提高了数字图像抠取的效率，对前景目标边缘的处理取得很好的效果。
为达到上述目的，本发明的实施采用如下技术方案：
一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法，包括如下步骤：
(1)获取蓝/绿幕数字图像；
(2)对得到的蓝/绿幕数字图像进行处理，得到蒙版图像；
(3)对得到的蒙版图像进行边缘提取；
(4)确定边缘轮廓信息，得到轮廓的最小外接矩形；
(5)针对步骤(1)得到的蓝/绿幕数字图像，利用得到的最小外接矩形，画出Grabcut算法所需要的Trimap图；
(6)用Grabcut算法分割前景和背景，实现图像抠取。
作为优选，步骤(1)中，得到的获取蓝/绿幕数字图像中，幕布在整幅图像中所占面积最大，且超过整幅图像面积的一半，幕布饱和度为100～255。为了进一步提高抠图效率和精确度，选择的蓝/绿幕数字图像最好是背景均匀的蓝/绿幕数字图像。拍摄过程需保证蓝/绿幕布布光均匀。
步骤(1)中，所述的蓝/绿幕数字图像一般是RGB图像，可以是原始获取在均匀蓝/绿幕下拍摄的原始图像，也可以是经过预处理的蓝/绿幕数字图像或者由自带预处理功能的图像采集装置获得的图像。所述的预处理可以是单独针对获得的图像的预处理(比如利用图像处理软件进行预处理等)，也可是采集图像设备自带的预处理，比如所述蓝/绿幕数字图像可以是带有预处理功能的图像采集装置(比如相机等)得到的经过预处理后的图像。所述预处理主要包括曝光补偿、去噪、调整图像大小等。其中调整图像大小可以根据所选择的机器运算能力来调整，当然当机器运行能力足够时，完全可以选择不对图像大小进行调整。
本发明中，步骤(2)中的处理步骤主要是在HSV颜色空间进行。
步骤(2)中，从图像中提取绿色背景的上下限阈值、去除绿色背景并生成二值化蒙版、用形态学方法对模板进行优化和去噪。
作为优选，步骤(2)中，对得到的蓝/绿幕数字图像进行处理，得到蒙版图像的过程为：
(2-1)将得到的蓝/绿幕数字图像转换到HSV颜色空间，确定蓝/绿背景的H、S、V阈值；
(2-2)利用得到的H、S、V阈值，针对得到的HSV颜色空间图像进行二值化处理，得到蒙版图像。
作为进一步优选，步骤(2-1)中，在计算蓝/绿背景的H、S、V阈值时，首先得到图像H、S、V三个通道的直方图，然后：
取H通道直方图的差分最大值处所对应的横坐标为蓝/绿背景的H下限值，H的上限值固定为蓝色/绿色的色调最大值；
取S通道直方图的差分的第一个峰值处所对应的横坐标为S的下限值，S的上限值为255；
取V通道直方图的差分的第一个峰值处所对应的横坐标为V的下限值，V的上限值为255。
作为优选，步骤(2-2)中，针对得到的HSV颜色空间图像进行二值化处理过程为：针对图像中的每个像素点，其HSV值均在阈值范围内时，其像素值变为255；HSV值中至少一个值在阈值范围外时，其像素值变为0。
作为优选，步骤(2-2)中，经过所述二值化处理后，得到二值化初始蒙版图像，针对该初始蒙版图像进行优化处理，得到最终的蒙版图像。
作为优选，所述优化处理的过程为：
对得到的二值化图像进行形态学close运算，先膨胀后腐蚀，关闭蒙版白色背景中的黑色，滤除残留噪声，得到经过形态学处理后的蒙版；
对经过形态学处理后的蒙版进行高斯模糊运算，进一步去除蒙版中的噪声，得到最终的蒙版。
作为优选，步骤(3)中，用Sobel算子检测蒙版的边缘，对所提取的边缘图像进行高斯模糊运算，得到最终的蒙版边缘。具体讲，首先，用Sobel算子分别求蒙版图像在x方向和y方向上的导数，接着将以上导数矩阵相减，得到蒙版图像中的边缘。然后，对所提取的边缘图像进行高斯模糊运算，目的是使中断的边缘像素连接起来，不至于在后面的轮廓计算过程中造成误判。
步骤(4)中，检测目标轮廓、获取和保存目标的最小外接矩形信息、步骤(5)中，在初始图像中画出目标的最小外接矩形。
作为优选，步骤(4)中，确定边缘轮廓信息，得到轮廓的最小外接矩形的过程如下：
(4-1)在边缘图像中寻找边缘的水平方向、垂直方向、对角线方向的起点和终点坐标，即得到边缘图像的若干组轮廓信息；
(4-2)计算计算每组轮廓的面积，按轮廓面积大小对轮廓进行降序排序，保存面积最大的轮廓的各像素点坐标，得到该轮廓的最小外接矩形信息。
具体讲，首先，调用openCV里的函数findContours，在边缘图像中寻找边缘的水平方向、垂直方向、对角线方向的起点和终点坐标，即得到边缘图像的若干组轮廓信息。然后，计算各组轮廓的最小外接矩形。调用openCV里的函数contourArea计算每组轮廓的面积，按轮廓面积大小对轮廓进行降序排序。保存面积最大的轮廓的各像素点坐标。最后，调用openCV里的函数minAreaRect得到该轮廓的最小外接矩形信息，包括：外接矩形的中心点坐标、宽、高、旋转角度。接着调用openCV里的函数boxPoints得到最小外接矩形的四个顶点(左下，左上，右上，右下)的坐标。
最后，在步骤(5)中，调用openCV里的函数drawContours，在步骤(1)得到的图像中，利用得到的最小外界矩形信息，画出轮廓对应的外接矩形，得到Grabcut算法所需要的Trimap图。
步骤(6)中，所述的Grabcut图割算法分割图像、提取目标对象包括：以最小外接矩形所圈定的图像作为Grabcut算法的Trimap图、用Grabcut算法分割背景和前景目标、将背景设置为全白。具体讲，以步骤(5)得到的Grabcut算法所需要的Trimap图为处理对象，并将该Trimap的左上顶点坐标、宽、高参数传递给Grabcut函数。Grabcut函数用Trimap图划分前景目标区域，并将Trimap外的像素当成背景，对前景和背景的混合高斯模型GMM进行初始化，通过最小割估计和模型参数学习的迭代过程，最终实现前景目标(前景)和背景的分割，然后将背景设置为全白，最后将将合成后图像转换到RGB颜色空间，得到完成目标抠取的图像。
本发明实施的优点：本发明的能够自动选取目标区域的蓝/绿幕数字图像抠取方法，能够自动计算和设置参数，无需人工干预或人机交互。准确率高，抠取目标效果好。
附图说明
图1为本发明的能够自动选取目标区域的蓝/绿幕数字图像抠取方法的流程图；
图2为初始得到的绿幕数字图像；
图3为经过预处理的绿幕数字图像；
图4为绿幕数字图像对应的H、S、V三个通道的直方图和RGB三通道的直方图；
图5为生成二值化初始蒙版图像并优化的图像：(a)为初始二值化图像，(b)为经过形态学处理后的蒙版图像，(c)为高斯模糊函数作用于经过形态学处理后的蒙版后的最终的蒙版图像；
图6为提取边缘的图像：(a)为用Sobel算子检测蒙版中的边缘的图像；(b)为经过高斯模糊运算后的边缘图像；
图7为边缘轮廓的外接矩形图，即目标图像的Trimap图。
图8为最终抠取得到的图像。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述。
实施例
在本实施例中，如图1所示，本发明是一种自动选取Trimap的Grabcut蓝/绿幕数字图像抠取算法，包括以下步骤：
S1、获取背景均匀的蓝/绿幕数字图像，参见图2。拍摄过程需保证蓝/绿幕布布光均匀，蓝/绿色饱和度高S数值在100以上，成像后幕布在整幅图像中所占面积最大，且超过整幅图像面积的一半。
S2、对图像进行预处理，包括曝光补偿、去噪以及调整图像大小，参见图3，本实施例中，初始得到的蓝/绿幕数字图像没有经过预处理，在步骤S2中实现预处理。对于由自带预处理功能的图像采集装置(比如相机)采集的图像，该图像已经经过曝光补偿、去噪等处理，一般不需要另外的后处理操作。图像大小的调整需要根据具体使用的机器的处理能力来调整。
S3、将图像转换到HSV颜色空间，参见图4。一般得到的图像为RGB格式图像，可以采用现有的方法将得到的图像转化为HSV颜色空间图像。
S4、计算蓝/绿背景的HSV阈值。以绿幕背景为例，为提取背景颜色的HSV阈值信息，首先计算出图像H、S、V三个通道的直方图。
H通道直方图描述图像的色调分布，绿色是图像中占比最大的色调，取H通道直方图的差分最大值处所对应横坐标为绿色背景的H阈值下限，H阈值的上限值固定为绿色的色调最大值77。
S通道直方图描述图像的饱和度分布，由于背景的绿色饱和度高，且像素数量占大多数，故选取设定绿色背景的S阈值的上限值为255，下限值为S通道直方图的差分的第一个峰值处所对应的横坐标。在设置时，可以设定差分峰值的判断阈值，以提高识别度。
V通道直方图描述图像的亮度分布，由于绿色是图像中占多数的主导颜色，故V通道直方图即RGB三通道中的G通道直方图。选取V通道直方图的差分的第一个峰值处所对应的横坐标为绿色背景的V阈值下限，且将V阈值的上限设定为255。
S5、生成二值化初始蒙版图像并优化参见图5。首先，以S4中得到的HSV三通道的阈值为上下限，若像素的HSV数值在设置阈值范围内，则该的像素的值设置为255，否则阈值范围外的像素值为0，从而生成二值化初始蒙版，参见图5中(a)。然后，用形态学close运算，先膨胀后腐蚀，关闭蒙版白色背景中的黑色，滤除残留噪声，参见图5中(b)。最后，将高斯模糊函数作用于经过形态学处理后的蒙版图像，进一步去除蒙版中的噪声，参见图5中(c)。
S6、提取初始蒙版边缘，参见图6。首先，用Sobel算子分别求蒙版图像在x方向和y方向上的导数，接着将以上导数矩阵相减，得到蒙版图像中的边缘，参见图6中的(a)；然后，对所提取的边缘图像进行高斯模糊运算，目的是使中断的边缘像素连接起来，不至于在后面的轮廓计算过程中造成误判，参见图6中(b)。
S7、计算边缘轮廓并画出轮廓的最小外接矩形，参见图7。
首先，调用openCV里的函数findContours，在边缘图像中寻找边缘的水平方向、垂直方向、对角线方向的起点和终点坐标，即得到边缘图像的若干组轮廓信息。
然后，计算轮廓的最小外接矩形。调用openCV里的函数contourArea计算每组轮廓的面积，按轮廓面积大小对轮廓进行降序排序。保存面积最大的轮廓的各像素点坐标。调用openCV里的函数minAreaRect得到该轮廓的最小外接矩形信息，包括：外接矩形的中心点坐标、宽、高、旋转角度。接着调用openCV里的函数boxPoints得到最小外接矩形的四个顶点(左下，左上，右上，右下)的坐标。最后，调用openCV里的函数drawContours，在S2得到的图像中，利用得到的最小外界矩形信息，画出轮廓对应的外接矩形，得到Grabcut算法所需要的Trimap图。
S9、用Grabcut算法分割前景和背景，参见图8。以S7得到的最小外接矩形所包围的图像区域作为Grabcut算法所需要的Trimap图，并将该Trimap的左上顶点坐标、宽、高参数传递给Grabcut函数。Grabcut函数用Trimap图划分前景目标区域，并将Trimap外的像素当成背景，对前景和背景的混合高斯模型GMM进行初始化，通过最小割估计和模型参数学习的迭代过程，最终实现前景目标(前景)和背景的分割，然后将背景设置为全白，最后将将合成后图像转换到RGB颜色空间，得到完成目标抠取的图像。

Claims (10)

1.一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法，其特征在于，包括如下步骤：
(1)获取蓝/绿幕数字图像；
(2)对得到的蓝/绿幕数字图像进行处理，得到蒙版图像；
(3)对得到的蒙版图像进行边缘提取；
(4)确定边缘轮廓信息，得到轮廓的最小外接矩形；
(5)针对步骤(1)得到的蓝/绿幕数字图像，利用得到的最小外接矩形，画出Grabcut算法所需要的Trimap图；
(6)用Grabcut算法分割前景和背景，实现图像抠取。
2.根据权利要求1所述的能够自动选取目标区域的蓝/绿幕数字图像抠取方法，其特征在于，步骤(1)中，得到的获取蓝/绿幕数字图像中，幕布在整幅图像中所占面积最大，且超过整幅图像面积的一半，幕布饱和度为100～255。
3.根据权利要求1所述的能够自动选取目标区域的蓝/绿幕数字图像抠取方法，其特征在于，步骤(1)中，得到的获取蓝/绿幕数字图像为经过预处理的图像或者由自带预处理功能的图像采集装置获得的图像。
4.根据权利要求1所述的能够自动选取目标区域的蓝/绿幕数字图像抠取方法，其特征在于，步骤(2)中，对得到的蓝/绿幕数字图像进行处理，得到蒙版图像的过程为：
(2-1)将得到的蓝/绿幕数字图像转换到HSV颜色空间，确定蓝/绿背景的H、S、V阈值；
(2-2)利用得到的H、S、V阈值，针对得到的HSV颜色空间图像进行二值化处理，得到蒙版图像。
5.根据权利要求4所述的能够自动选取目标区域的蓝/绿幕数字图像抠取方法，其特征在于，步骤(2-1)中，在计算蓝/绿背景的H、S、V阈值时，首先得到图像H、S、V三个通道的直方图，然后：
取H通道直方图的差分最大值处所对应的横坐标为蓝/绿背景的H下限值，H的上限值固定为蓝色/绿色的色调最大值；
取S通道直方图的差分的第一个峰值处所对应的横坐标为S的下限值，S的上限值为255；
取V通道直方图的差分的第一个峰值处所对应的横坐标为V的下限值，V的上限值为255。
6.根据权利要求4所述的能够自动选取目标区域的蓝/绿幕数字图像抠取方法，其特征在于，步骤(2-2)中，针对得到的HSV颜色空间图像进行二值化处理过程为：针对图像中的每个像素点，其HSV值均在阈值范围内时，其像素值变为255；HSV值中至少一个值在阈值范围外时，其像素值变为0。
7.根据权利要求4所述的能够自动选取目标区域的蓝/绿幕数字图像抠取方法，其特征在于，步骤(2-2)中，经过所述二值化处理后，得到二值化初始蒙版图像，针对该初始蒙版图像进行优化处理，得到最终的蒙版图像。
8.根据权利要求7所述的能够自动选取目标区域的蓝/绿幕数字图像抠取方法，其特征在于，所述优化处理的过程为：
对得到的二值化图像进行形态学close运算，先膨胀后腐蚀，关闭蒙版白色背景中的黑色，滤除残留噪声，得到经过形态学处理后的蒙版；
对经过形态学处理后的蒙版进行高斯模糊运算，进一步去除蒙版中的噪声，得到最终的蒙版。
9.根据权利要求1所述的能够自动选取目标区域的蓝/绿幕数字图像抠取方法，其特征在于，步骤(3)中，用Sobel算子检测蒙版的边缘，对所提取的边缘图像进行高斯模糊运算，得到最终的蒙版边缘。
10.根据权利要求1所述的能够自动选取目标区域的蓝/绿幕数字图像抠取方法，其特征在于，步骤(4)中，确定边缘轮廓信息，得到轮廓的最小外接矩形的过程如下：
(4-1)在边缘图像中寻找边缘的水平方向、垂直方向、对角线方向的起点和终点坐标，即得到边缘图像的若干组轮廓信息；
(4-2)计算计算每组轮廓的面积，按轮廓面积大小对轮廓进行降序排序，保存面积最大的轮廓的各像素点坐标，得到该轮廓的最小外接矩形信息。
CN201911075087.8A 2019-11-06 2019-11-06 一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法 Pending CN110930321A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911075087.8A CN110930321A (zh) 2019-11-06 2019-11-06 一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911075087.8A CN110930321A (zh) 2019-11-06 2019-11-06 一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法

Publications (1)

Publication Number Publication Date
CN110930321A true CN110930321A (zh) 2020-03-27

Family

ID=69853320

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911075087.8A Pending CN110930321A (zh) 2019-11-06 2019-11-06 一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法

Country Status (1)

Country Link
CN (1) CN110930321A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111862110A (zh) * 2020-06-30 2020-10-30 辽宁向日葵教育科技有限公司 一种绿幕抠像方法、系统、设备和可读存储介质
CN112102345A (zh) * 2020-09-16 2020-12-18 成都威爱新经济技术研究院有限公司 一种基于深度相机和Lidar的绿幕抠像方法
WO2022135434A1 (zh) * 2020-12-24 2022-06-30 苏州科瓴精密机械科技有限公司 一种障碍物识别方法、装置、设备、介质及除草机器人
WO2022179487A1 (zh) * 2021-02-24 2022-09-01 影石创新科技股份有限公司 用于制作隐身特效的视频处理方法、滤镜、设备及介质
WO2023077650A1 (zh) * 2021-11-02 2023-05-11 北京鸿合爱学教育科技有限公司 三色图生成方法及相关设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007257623A (ja) * 2006-03-24 2007-10-04 Mitsubishi Electric Research Laboratories Inc あるシーンについて取得されたビデオのアルファマットを求める方法およびシステム
US20080246777A1 (en) * 2007-04-03 2008-10-09 Richard Lee Swanson Method and apparatus for background replacement in still photographs
US20110038536A1 (en) * 2009-08-14 2011-02-17 Genesis Group Inc. Real-time image and video matting
CN105678724A (zh) * 2015-12-29 2016-06-15 北京奇艺世纪科技有限公司 图像的背景替换方法及装置
CN107730528A (zh) * 2017-10-28 2018-02-23 天津大学 一种基于grabcut算法的交互式图像分割与融合方法
CN109145922A (zh) * 2018-09-10 2019-01-04 成都品果科技有限公司 一种自动抠图系统
CN109413338A (zh) * 2018-09-28 2019-03-01 北京戏精科技有限公司 一种实时图像处理的方法及系统
CN109886896A (zh) * 2019-02-28 2019-06-14 闽江学院 一种蓝色车牌分割与矫正方法
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

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007257623A (ja) * 2006-03-24 2007-10-04 Mitsubishi Electric Research Laboratories Inc あるシーンについて取得されたビデオのアルファマットを求める方法およびシステム
US20080246777A1 (en) * 2007-04-03 2008-10-09 Richard Lee Swanson Method and apparatus for background replacement in still photographs
US20110038536A1 (en) * 2009-08-14 2011-02-17 Genesis Group Inc. Real-time image and video matting
CN105678724A (zh) * 2015-12-29 2016-06-15 北京奇艺世纪科技有限公司 图像的背景替换方法及装置
CN107730528A (zh) * 2017-10-28 2018-02-23 天津大学 一种基于grabcut算法的交互式图像分割与融合方法
CN109145922A (zh) * 2018-09-10 2019-01-04 成都品果科技有限公司 一种自动抠图系统
CN109413338A (zh) * 2018-09-28 2019-03-01 北京戏精科技有限公司 一种实时图像处理的方法及系统
CN109886896A (zh) * 2019-02-28 2019-06-14 闽江学院 一种蓝色车牌分割与矫正方法
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
能纪涛;徐士彪;葛水英;: "基于视觉显著性和图割优化的图像自动分割" *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111862110A (zh) * 2020-06-30 2020-10-30 辽宁向日葵教育科技有限公司 一种绿幕抠像方法、系统、设备和可读存储介质
CN112102345A (zh) * 2020-09-16 2020-12-18 成都威爱新经济技术研究院有限公司 一种基于深度相机和Lidar的绿幕抠像方法
WO2022135434A1 (zh) * 2020-12-24 2022-06-30 苏州科瓴精密机械科技有限公司 一种障碍物识别方法、装置、设备、介质及除草机器人
WO2022179487A1 (zh) * 2021-02-24 2022-09-01 影石创新科技股份有限公司 用于制作隐身特效的视频处理方法、滤镜、设备及介质
WO2023077650A1 (zh) * 2021-11-02 2023-05-11 北京鸿合爱学教育科技有限公司 三色图生成方法及相关设备

Similar Documents

Publication Publication Date Title
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
US8000526B2 (en) Detecting redeye defects in digital images
US10592754B2 (en) Shadow removing method for color image and application
CN111415363B (zh) 一种图像边缘识别方法
EP1800259B1 (en) Image segmentation method and system
CN111260616A (zh) 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法
CN110309806B (zh) 一种基于视频图像处理的手势识别系统及其方法
IES20060564A2 (en) Improved foreground / background separation
US9438769B1 (en) Preserving smooth-boundaried objects of an image
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
CN110268442B (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
Zhu et al. Automatic object detection and segmentation from underwater images via saliency-based region merging
CN112861654A (zh) 一种基于机器视觉的名优茶采摘点位置信息获取方法
CN112258545A (zh) 一种烟叶图像在线背景处理系统及在线背景处理方法
CN109272475A (zh) 一种快速有效修复与强化水下图像颜色的方法
CN111768455A (zh) 一种基于图像的木材区域和主色提取方法
CN110930358A (zh) 一种基于自适应算法的太阳能面板图像处理方法
CN111414877B (zh) 去除颜色边框的表格裁切方法、图像处理设备和存储介质
CN112270683B (zh) 一种ihc数字预览图识别和组织前景分割方法及系统
CN115272362A (zh) 一种数字病理全场图像有效区域分割方法、装置
Khan et al. Shadow removal from digital images using multi-channel binarization and shadow matting
Jain et al. Shadow removal for umbrageous information recovery in aerial images
CN109191481B (zh) 不良曝光条件下的鞋印图像快速阈值分割方法
CN112950484A (zh) 一种对摄影影像进行颜色污染祛除的方法
Enze et al. Study on Noise Reduction Method of low Illuminance Image Based on Noise Feature

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200327