CN111626919A - 图像合成方法、装置、电子设备及计算机可读存储介质 - Google Patents

图像合成方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN111626919A
CN111626919A CN202010382796.7A CN202010382796A CN111626919A CN 111626919 A CN111626919 A CN 111626919A CN 202010382796 A CN202010382796 A CN 202010382796A CN 111626919 A CN111626919 A CN 111626919A
Authority
CN
China
Prior art keywords
image
area
region
foreground
background image
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.)
Granted
Application number
CN202010382796.7A
Other languages
English (en)
Other versions
CN111626919B (zh
Inventor
周恺卉
朱延东
王长虎
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.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology 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 Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010382796.7A priority Critical patent/CN111626919B/zh
Publication of CN111626919A publication Critical patent/CN111626919A/zh
Application granted granted Critical
Publication of CN111626919B publication Critical patent/CN111626919B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G06T7/194—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
    • G06T2207/10024—Color 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本公开实施例公开了一种图像合成方法、装置、电子设备和计算机可读存储介质。其中该图像合成方法包括：获取前景图像；获取背景图像；在所述背景图像中分割出多个第一区域；根据预设的规则从所述多个第一区域中得到放置区域；将所述前景图像融合入所述背景图像的放置区域中得到第一合成图像。通过上述方法中的分割以及筛选出合适的放置区域，解决了现有技术中图像融合的不自然和缺乏真实感的技术问题。

Description

图像合成方法、装置、电子设备及计算机可读存储介质
技术领域
本公开涉及图像处理领域，尤其涉及一种图像合成方法、装置、电子设备及计算机可读存储介质。
背景技术
随着互联网技术的发展，互联网的传播形态正在不断的变革之中，从早期的PC电脑端，到今天的智能手机端，网民接入网络的方式越来越便捷，人们进入了一个移动互联网时代，以智能手机、平板电脑等为代表的移动终端已经日益大众化，移动互联网应用逐渐渗透到人们的日常生活当中，人们可以随时随地的享受着新技术带来的便利。在信息大爆炸的今天，单纯的文字、图片早已失去市场，取而代之的是融合文字、图片、声音等多种元素，能充分调动人的视觉、听觉和嗅觉等感官的多维立体表现形式。这其中，长视频和短视频成为信息传播的重要形式。
现有技术中存在将字体贴合到场景图像中的技术，比如需要将一个标语贴合到某个场景的墙面上或者柱子上等，但是现有技术中一般都仅仅是文字或者图像按照一定的规则直接贴合到预定的位置上，比如贴到墙面的中间或者四角，这种技术无法适应非文字的情况，非文字的图像通常具有比较复杂的颜色等，直接使用上述方案贴合会得到不自然的图像，缺乏真实感。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开实施例提供一种图像合成方法，包括：
获取前景图像；
获取背景图像；
在所述背景图像中分割出多个第一区域；
根据预设的规则从所述多个第一区域中得到放置区域；
将所述前景图像融合入所述背景图像的放置区域中得到第一合成图像。
第二方面，本公开实施例提供一种图像合成装置，包括：
前景图像获取模块，用于获取前景图像；
背景图像获取模块，用于获取背景图像；
背景图像分割模块，用于在所述背景图像中分割出多个第一区域；
放置区域选择模块，用于根据预设的规则从所述多个第一区域中得到放置区域；
合成模块，用于将所述前景图像融合入所述背景图像的放置区域中得到第一合成图像。
第三方面，本公开实施例提供一种电子设备，包括：至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述第一方面中的任一所述图像合成方法。
第四方面，本公开实施例提供一种非暂态计算机可读存储介质，其特征在于，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行前述第一方面中的任一所述图像合成方法。
本公开实施例公开了一种图像合成方法、装置、电子设备和计算机可读存储介质。其中该图像合成方法包括：获取前景图像；获取背景图像；在所述背景图像中分割出多个第一区域；根据预设的规则从所述多个第一区域中得到放置区域；将所述前景图像融合入所述背景图像的放置区域中得到第一合成图像。通过上述方法中的分割以及筛选出合适的放置区域，解决了现有技术中图像融合的不自然和缺乏真实感的技术问题。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为本公开实施例提供的图像合成方法的流程示意图；
图2为本公开实施例提供的图像合成方法中的步骤S103的一个具体实例示意图；
图3为本公开实施例提供的图像合成方法中的步骤S103进一步具体实例示意图；
图4为本公开实施例提供的图像合成方法中的步骤S302的一个具体实例示意图；
图5为本公开实施例提供的图像合成方法中的步骤S104的一个具体实例示意图；
图6为本公开实施例提供的图像合成装置的实施例的结构示意图；
图7为根据本公开实施例提供的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例提供的图像合成方法实施例的流程图，本实施例提供的该图像合成方法可以由一图像合成装置来执行，该图像合成装置可以实现为软件，或者实现为软件和硬件的组合，该图像合成装置可以集成设置在图像合成系统中的某设备中，比如图像合成服务器或者图像合成终端设备中。如图1所示，该方法包括如下步骤：
步骤S101，获取前景图像；
在本公开实施例中，所述前景图像为需要贴合到场景中的图像，示例性的所述前景图像为商品的标志或者logo等等。通常境况下，所述前景图像需要远小于场景，以便能够贴合到场景图像中的某个平面上。
可以理解的，所述前景图像可以使用任何方式获取，如从预设的存储位置获取或者通过图像传感器从真实场景中采集分割出来，在此不再赘述。
步骤S102，获取背景图像；
在本公开中，所述背景图像即为需要贴合前景图像的场景图像。
在本公开中实施例，从图像源获取所述背景图像，所述图像源可以为本地存储空间或者网络存储空间，无论从哪里获取背景图像，首选需要获取背景图像的存储地址，之后从该存储地址获取背景图像。
在本公开中，所述图像源可以是图像传感器，所述从图像源获取背景图像，包括从图像传感器中采集视频图像。所述图像传感器指可以采集图像的各种设备，典型的图像传感器为摄像机、摄像头、相机等。在该实施例中，所述图像传感器可以是移动终端上的摄像头，比如智能手机上的前置或者后置摄像头，摄像头采集的视频图像可以直接显示在手机的显示屏上。
可以理解的，所述背景图像为所述视频图像的一帧图像，所述视频包括多帧图像，可以将每一帧都作为背景图像执行本公开实施例中的图像合成方法，在此不再赘述。
步骤S103，在所述背景图像中分割出多个第一区域；
在该步骤中，在所述背景图像中分割出多个第一区域，其中所述第一区域适合放置所述前景图像，为所述前景图像的候选放置区域。
如图2所示，可选的，所述步骤S103包括：
步骤S201，通过预先确定的分割算法将所述背景图像分割成多个语义区域；
步骤S202，遍历每个所述语义区域计算每个语义区域的最小外接矩形；
步骤S203，筛选出所述满足第一条件的所述最小外接矩形所对应的第一语义区域。
在步骤S201中，可以使用任何现有的图像分割算法对所述背景图像进行分割得到多个语义区域，其中每个所述语义区域表示所述背景图像中的一类像素点的集合，所述一类像素点可以表示背景图像上的一个物体或者一个相对独立的区域等等。在步骤S202中，遍历在步骤S201中的到了每个语义区域，计算每个语义区域的最小外接矩形，以该最小外接矩形的尺寸来表示所述语义区域的尺寸。在步骤S203中，筛选出满足第一条件的最小外接矩形所对应的第一语义区域，示例性的，所述第一条件为：所述最小外接矩形的宽或高大于宽高阈值、所述最小外接矩形的面积大于面积阈值、所述最小外接矩形的宽高比大于宽高比阈值中的一个或多个。由此可以筛掉过小的语义区域，减少后续步骤的计算量。在该步骤中，可以直接将所述第一语义区域作为所述第一区域。
而实际的场景图像中，往往会有景深信息，因此有时候第一语义区域并不能很好的表示出一个可以贴合图像的贴合平面。由此，如图3所示，可选的，所述步骤S103还可以包括：
步骤S301，获取所述背景图像的深度信息；
步骤S302，根据所述深度信息拟合出表示所述第一语义区域的平面作为第一区域。
其中，在步骤S301中可以根据预设的深度信息获取算法来得到背景图像的深度信息，示例性的，所述深度信息为一张灰度图，在该灰度图中使用像素的灰度值来表示该像素点的深度值。在步骤S302中，通过所述深度信息拟合出表示所述第一语义区域的平面作为第一区域，即使用深度相近的像素点拟合出一个平面来表示其所在的第一语义区域。
如图4所示，可选的，所述步骤S302包括：
步骤S401，获取表示所述深度信息的灰度图；
步骤S402，在所述灰度图中的第一语义区域中选择多个相邻的像素点；
步骤S403，将所述多个相邻的像素点拟合成第一三维平面；
步骤S404，筛选出所述第一三维平面中满足第二条件的第二三维平面；
步骤S405，根据所述第二三维平面拟合出所述表示第一语义区域的平面作为第一区域。
在步骤S401中，获取表示所述深度信息的灰度图，该灰度图可以是深度信息获取算法的输出结果。在步骤S402中，选择灰度图中的多个相邻像素点，示例性的，在所述第一语义区域中随机选择k个像素点，其中k小于所述第一语义区域中的像素点的总数，之后选择所述k个像素点中的一个像素点作为基准像素点，之后选择该基准像素点附近的p个像素点，其中p为预设的值，其为正整数,由此得到p+1个像素点；在步骤S403中，示例性的，通过拟合算法，将所述p+1个像素点拟合成一个第一三维平面，对上述k个像素点中的每一个都执行步骤S402和步骤S403可以得到表示一个语义区域的多个第一三维平面；此时在步骤S404中对这些平面进行筛选，选出满足第二条件的第二三维平面，所述的第二条件可以是：所述第一语义区域中，到所述第二三维平面的距离小于一距离阈值的像素点的数量大于一数量阈值，即对于一个第一三维平面，计算该平面所在的第一语义区域中的所有像素点到所述第一三维平面的距离，之后统计该距离小于一距离阈值的像素点的数量，如果该数量大于一数量阈值，则将其选为第二三维平面；对第一语义区域中生成的所有第一三维平面均做该操作，得到多个第二三维平面。在步骤S405中，对每个第二三维平面做如下操作：统计所述第一语音区域中到所述第二三维平面的距离小于第二距离阈值的像素点，根据这些像素点拟合出第三三维平面，由此可以得到多个第三三维平面，之后选择所述第三三维平面中包括了最多的第一语义区域的像素点的第三三维平面作为所述第一区域。由此每个第一语义区域都可以得到一个第一区域作为候选的放置区域。
在得到上述多个第一区域之后，由于并不是每个区域都适合放置所述前景图像，进行需要根据前景图像的特征对所述多个第一区域进行进一步的筛选。
步骤S104,根据预设的规则从所述多个第一区域中得到放置区域；
其中，所述预设的规则与所述前景图像相关，在该步骤中需要计算前景图像与所述第一区域的关系，又该关系从所述多个第一区域中得到所述放置区域。
如图5所示，可选的，所述步骤S104包括：
步骤S501，提取所述第一区域的颜色直方图；
步骤S502，提取所述前景图像的颜色直方图；
步骤S503，计算上述两个颜色直方图的相似度；
步骤S504，选择所述相似度小于相似阈值的第一区域作为所述放置区域。
由于前景图像需要融合到第一区域中，如果第一区域的颜色和前景图像的颜色很相似，则融合之后可能会导致前景图像看不清楚，因此需要筛除掉与前景图像颜色相近的第一区域。在上述实施例中，首选获取第一区域和前景图像的颜色直方图，之后计算两个颜色直方图的相似度，如果相似度小于相似阈值则认为前景图像和第一区域的颜色差别较大，可以将所述第一区域作为放置区域。
可选的，由于第一区域和前景图像的面积可能比较大，或者可能在某些情况下，前景图像和第一区域整体上颜色差距不大，这样可能导致计算量比较大或者无法选出合适的放置区域，由此可以只对第一区域和前景图像相接的边缘部分进行上述提取直方图计算相似度的步骤即可，此时所述第一区域的颜色直方图为第一区域的边缘颜色直方图；所述前景图像的颜色直方图为所述前景图像的边缘颜色直方图。
进一步的，由于前景图像有尺寸限制，所以第一区域应该能够包围所述前景图像，这样才能比较好的将前景图像融合到背景图像上。因此，可选的所述步骤S104包括：
获取所述前景图像的尺寸；
计算所述第一区域的内接矩形的尺寸；
选择内接矩形的尺寸大于所述前景图像的尺寸的第一区域作为放置区域。
在上述步骤中，通过第一区域内接矩形和前景图像尺寸的比较，二选择尺寸比所述前景图像大的第一区域作为放置区域，可以理解的，所述前景图像的尺寸可以用所述前景图像的外接矩形来表示，在此不再赘述。
步骤S105，将所述前景图像融合入所述背景图像的放置区域中得到第一合成图像。
在该步骤中，将前景图像与所述放置区域融合得到第一合成图像。所述的融合可以是直接覆盖在所述放置区域中，或者是根据所述放置区域的平面角度等调整所述前景图像之后在覆盖在所述放置区域上。如所述放置区域可能是一个柱子上的弧形平面，则将所述前景图像做同样角度的变形，使其更贴合所述方式区域的表面。
通过上述步骤S101-步骤S105即可将一个前景图像融合到背景图像中，且可以根据预设的规则调整放置区域的选择，使得放置区域更加适合放置所述前景图像，以减少贴合不自然的情况。
进一步的，上述步骤S105所得到的第一合成图像，可能存在前景图像和北京图像的数据分布不一致的情况，自然形成的图像如直接从图像传感器中获取到的图像，其数据分布一般都是满足某个分布函数的，如假设彩色图像是64x64大小，则相当于图像的分布满足一个多变量分布函数，变量的总数是64x64x3。即每一个像素都是一个单变量分布，而整幅图像的所有像素构成了一个多变量分布。然而当在背景图像上融合了前景图像之后，由于前景图像和背景图像不是在同一个场景下获取的，因此在第一合成图像中，前景图像的部分的数据分布和背景图像的数据分布有可能不同，此时就可能导致第一合成图像不自然、不真实。因此可以进一步对所述第一合成图像进行调整，使其图像数据分布一致。
可选的，上述图像合成方法，还包括：
通所述过预设的映射关系将所述合成图像转换成第二合成图像，其中所述第二合成图像中的所述前景图像和所述背景图像的数据分布具有一致性。
所述的映射关系为从合成图像到真实图像的映射关系，其可以将合成图像映射成真实图像。即是说第二合成图像中的前景和背景的数据分布是一致的。
示例性的，所述预设的映射关系为预先训练好的图像生成模型，所述图像生成模型通过输入第一合成图像以及噪声图像来生成第二合成图像。在训练所述图像合成模型时，还需要一个判别模型来判断所述图像合成模型的合成效果。
示例性的，所述图像合成模型和所述判别模型都可以使用全卷积网络实现，在此不再赘述。训练所述模型时，使用的数据集为两个：A数据集为合成图像，B数据集为真实图像。使用以下函数作为损失函数：
L(G,D)＝Ex,y[logD(x,y)]+Ex,z[log(1-D(x,G(x,z))]
其中x表示A数据集中的合成图像，z代表噪声，G(x,z)表示网络生成的图像，y代表B数据集中的真实图像。G(x,z)即上述图像生成模型或预设的映射关系。经过上述损失函数的训练，可以得到图像生成模型G，此时通过向G输入步骤S105中得到的第一合成图像以及噪声z，可以得到调整后的第一合成图像即第二合成图像，所述第二合成图像在判别模型D的分类下会被分类成真实图像，其具有较高的真实感，由此可以修正所述第一合成图像中可能的不自然和缺乏真实感的问题。
本公开实施例公开了一种图像合成方法，该图像合成方法包括：获取前景图像；获取背景图像；在所述背景图像中分割出多个第一区域；根据预设的规则从所述多个第一区域中得到放置区域；将所述前景图像融合入所述背景图像的放置区域中得到第一合成图像。通过上述方法中的分割以及筛选出合适的放置区域，解决了现有技术中图像融合的不自然和缺乏真实感的技术问题。
在上文中，虽然按照上述的顺序描述了上述方法实施例中的各个步骤，本领域技术人员应清楚，本公开实施例中的步骤并不必然按照上述顺序执行，其也可以倒序、并行、交叉等其他顺序执行，而且，在上述步骤的基础上，本领域技术人员也可以再加入其他步骤，这些明显变型或等同替换的方式也应包含在本公开的保护范围之内，在此不再赘述。
图6为本公开实施例提供的图像合成装置实施例的结构示意图，如图6所示，该装置600包括：前景图像获取模块601、背景图像获取模块602、背景图像分割模块603和放置区域选择模块604。其中，
前景图像获取模块601，用于获取前景图像；
背景图像获取模块602，用于获取背景图像；
背景图像分割模块603，用于在所述背景图像中分割出多个第一区域；
放置区域选择模块604，用于根据预设的规则从所述多个第一区域中得到放置区域；
合成模块605，用于将所述前景图像融合入所述背景图像的放置区域中得到第一合成图像。
进一步的，所述图像合成装置，还包括：
图像调整模块，用于通所述过预设的映射关系将所述合成图像转换成第二合成图像，其中所述第二合成图像中的所述前景图像和所述背景图像的数据分布具有一致性。
进一步的，所述背景图像分割模块603，还用于：
通过预先确定的分割算法将所述背景图像分割成多个语义区域；
遍历每个所述语义区域计算每个语义区域的最小外接矩形；
筛选出所述满足第一条件的所述最小外接矩形所对应的第一语义区域。
进一步的，所述背景图像分割模块603，还用于：
获取所述背景图像的深度信息；
根据所述深度信息拟合出表示所述第一语义区域的平面作为第一区域。
进一步的，所述背景图像分割模块603，还用于：
获取表示所述深度信息的灰度图；
在该灰度图中的第一语义区域中选择多个相邻的像素点；
将所述多个相邻的像素点拟合成第一三维平面；
筛选出所述第一三维平面中满足第二条件的第二三维平面；
根据所述第二三维平面拟合出所述表示第一语义区域的平面作为第一区域。
进一步的，所述放置区域选择模块604，还用于：
提取所述第一区域的颜色直方图；
提取所述前景图像的颜色直方图；
计算上述两个颜色直方图的相似度；
选择所述相似度小于相似阈值的第一区域作为所述放置区域。
进一步的，所述第一区域的颜色直方图为第一区域的边缘颜色直方图；所述前景图像的颜色直方图为所述前景图像的边缘颜色直方图。
进一步的，所述放置区域选择模块604，还用于：
获取所述前景图像的尺寸；
计算所述第一区域的内接矩形的尺寸；
选择内接矩形的尺寸大于所述前景图像的尺寸的第一区域作为放置区域。
进一步的，在所述图像调整模块中：所述预设的映射关系为预先训练好的图像生成模型，所述图像生成模型通过输入第一合成图像以及噪声图像来生成第二合成图像。
图6所示装置可以执行图1-图5所示实施例的方法，本实施例未详细描述的部分，可参考对图1-图5所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图5所示实施例中的描述，在此不再赘述。
下面参考图7，其示出了适于用来实现本公开实施例的电子设备700的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取前景图像；获取背景图像；在所述背景图像中分割出多个第一区域；根据预设的规则从所述多个第一区域中得到放置区域；将所述前景图像融合入所述背景图像的放置区域中得到第一合成图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，提供了一种图像合成方法，包括：
获取前景图像；
获取背景图像；
在所述背景图像中分割出多个第一区域；
根据预设的规则从所述多个第一区域中得到放置区域；
将所述前景图像融合入所述背景图像的放置区域中得到第一合成图像。
进一步的，所述方法还包括：
通所述过预设的映射关系将所述合成图像转换成第二合成图像，其中所述第二合成图像中的所述前景图像和所述背景图像的数据分布具有一致性。
进一步的，所述在所述背景图像中分割出多个第一区域包括：
通过预先确定的分割算法将所述背景图像分割成多个语义区域；
遍历每个所述语义区域计算每个语义区域的最小外接矩形；
筛选出所述满足第一条件的所述最小外接矩形所对应的第一语义区域。
进一步的，所述在所述背景图像中分割出多个第一区域还包括：
获取所述背景图像的深度信息；
根据所述深度信息拟合出表示所述第一语义区域的平面作为第一区域。
进一步的，所述根据所述深度信息拟合出表示所述第一语义区域的平面作为第一区域，包括：
获取表示所述深度信息的灰度图；
在该灰度图中的第一语义区域中选择多个相邻的像素点；
将所述多个相邻的像素点拟合成第一三维平面；
筛选出所述第一三维平面中满足第二条件的第二三维平面；
根据所述第二三维平面拟合出所述表示第一语义区域的平面作为第一区域。
进一步的，所述根据预设的规则从所述多个第一区域中得到放置区域，包括：
提取所述第一区域的颜色直方图；
提取所述前景图像的颜色直方图；
计算上述两个颜色直方图的相似度；
选择所述相似度小于相似阈值的第一区域作为所述放置区域。
进一步的，所述第一区域的颜色直方图为第一区域的边缘颜色直方图；所述前景图像的颜色直方图为所述前景图像的边缘颜色直方图。
进一步的，所述据预设的规则从所述多个第一区域中得到放置区域，包括：
获取所述前景图像的尺寸；
计算所述第一区域的内接矩形的尺寸；
选择内接矩形的尺寸大于所述前景图像的尺寸的第一区域作为放置区域。
进一步的，所述预设的映射关系为预先训练好的图像生成模型，所述图像生成模型通过输入第一合成图像以及噪声图像来生成第二合成图像。
根据本公开的一个或多个实施例，提供了一种图像合成装置，包括：
前景图像获取模块，用于获取前景图像；
背景图像获取模块，用于获取背景图像；
背景图像分割模块，用于在所述背景图像中分割出多个第一区域；
放置区域选择模块，用于根据预设的规则从所述多个第一区域中得到放置区域；
合成模块，用于将所述前景图像融合入所述背景图像的放置区域中得到第一合成图像。
进一步的，所述图像合成装置，还包括：
图像调整模块，用于通所述过预设的映射关系将所述合成图像转换成第二合成图像，其中所述第二合成图像中的所述前景图像和所述背景图像的数据分布具有一致性。
进一步的，所述背景图像分割模块，还用于：
通过预先确定的分割算法将所述背景图像分割成多个语义区域；
遍历每个所述语义区域计算每个语义区域的最小外接矩形；
筛选出所述满足第一条件的所述最小外接矩形所对应的第一语义区域。
进一步的，所述背景图像分割模块，还用于：
获取所述背景图像的深度信息；
根据所述深度信息拟合出表示所述第一语义区域的平面作为第一区域。
进一步的，所述背景图像分割模块，还用于：
获取表示所述深度信息的灰度图；
在该灰度图中的第一语义区域中选择多个相邻的像素点；
将所述多个相邻的像素点拟合成第一三维平面；
筛选出所述第一三维平面中满足第二条件的第二三维平面；
根据所述第二三维平面拟合出所述表示第一语义区域的平面作为第一区域。
进一步的，所述放置区域选择模块，还用于：
提取所述第一区域的颜色直方图；
提取所述前景图像的颜色直方图；
计算上述两个颜色直方图的相似度；
选择所述相似度小于相似阈值的第一区域作为所述放置区域。
进一步的，所述第一区域的颜色直方图为第一区域的边缘颜色直方图；所述前景图像的颜色直方图为所述前景图像的边缘颜色直方图。
进一步的，所述放置区域选择模块，还用于：
获取所述前景图像的尺寸；
计算所述第一区域的内接矩形的尺寸；
选择内接矩形的尺寸大于所述前景图像的尺寸的第一区域作为放置区域。
进一步的，在所述图像调整模块中：所述预设的映射关系为预先训练好的图像生成模型，所述图像生成模型通过输入第一合成图像以及噪声图像来生成第二合成图像。
根据本公开的一个或多个实施例，提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述第一方面中的任一所述图像合成方法。
根据本公开的一个或多个实施例，提供了一种非暂态计算机可读存储介质，其特征在于，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行前述第一方面中的任一所述图像合成方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (13)

1.一种图像合成方法，其特征在于，包括：
获取前景图像；
获取背景图像；
在所述背景图像中分割出多个第一区域；
根据预设的规则从所述多个第一区域中得到放置区域；
将所述前景图像融合入所述背景图像的放置区域中得到第一合成图像。
2.如权利要求1所述的图像合成方法，其中，所述方法还包括：
通所述过预设的映射关系将所述合成图像转换成第二合成图像，其中所述第二合成图像中的所述前景图像和所述背景图像的数据分布具有一致性。
3.如权利要求1所述的图像合成方法，其中，所述在所述背景图像中分割出多个第一区域包括：
通过预先确定的分割算法将所述背景图像分割成多个语义区域；
遍历每个所述语义区域计算每个语义区域的最小外接矩形；
筛选出所述满足第一条件的所述最小外接矩形所对应的第一语义区域。
4.如权利要求3所述的图像合成方法，其中所述在所述背景图像中分割出多个第一区域还包括：
获取所述背景图像的深度信息；
根据所述深度信息拟合出表示所述第一语义区域的平面作为第一区域。
5.如权利要求4所述的图像合成方法，其中所述根据所述深度信息拟合出表示所述第一语义区域的平面作为第一区域，包括：
获取表示所述深度信息的灰度图；
在该灰度图中的第一语义区域中选择多个相邻的像素点；
将所述多个相邻的像素点拟合成第一三维平面；
筛选出所述第一三维平面中满足第二条件的第二三维平面；
根据所述第二三维平面拟合出所述表示第一语义区域的平面作为第一区域。
6.如权利要求1所述的图像合成方法，其中所述根据预设的规则从所述多个第一区域中得到放置区域，包括：
提取所述第一区域的颜色直方图；
提取所述前景图像的颜色直方图；
计算上述两个颜色直方图的相似度；
选择所述相似度小于相似阈值的第一区域作为所述放置区域。
7.如权利要求6所述的图像合成方法，其中：所述第一区域的颜色直方图为第一区域的边缘颜色直方图；所述前景图像的颜色直方图为所述前景图像的边缘颜色直方图。
8.如权利要求1或6所述的图像合成方法，其中所述据预设的规则从所述多个第一区域中得到放置区域，包括：
获取所述前景图像的尺寸；
计算所述第一区域的内接矩形的尺寸；
选择内接矩形的尺寸大于所述前景图像的尺寸的第一区域作为放置区域。
9.如权利要求2所述的图像合成方法，其中：
所述预设的映射关系为预先训练好的图像生成模型，所述图像生成模型通过输入第一合成图像以及噪声图像来生成第二合成图像。
10.一种图像合成装置，其特征在于，包括：
前景图像获取模块，用于获取前景图像；
背景图像获取模块，用于获取背景图像；
背景图像分割模块，用于在所述背景图像中分割出多个第一区域；
放置区域选择模块，用于根据预设的规则从所述多个第一区域中得到放置区域；
合成模块，用于将所述前景图像融合入所述背景图像的放置区域中得到第一合成图像。
11.如权利要求10所述的图像合成装置，其特征在于，所述装置还包括：
图像调整模块，用于通所述过预设的映射关系将所述合成图像转换成第二合成图像，其中所述第二合成图像中的所述前景图像和所述背景图像的数据分布具有一致性。
12.一种电子设备，包括：
存储器，用于存储计算机可读指令；以及
处理器，用于运行所述计算机可读指令，使得所述处理器运行时实现根据权利要求1-9中任意一项所述的图像合成方法。
13.一种非暂态计算机可读存储介质，用于存储计算机可读指令，当所述计算机可读指令由计算机执行时，使得所述计算机执行权利要求1-9中任意一项所述的图像合成方法。
CN202010382796.7A 2020-05-08 2020-05-08 图像合成方法、装置、电子设备及计算机可读存储介质 Active CN111626919B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010382796.7A CN111626919B (zh) 2020-05-08 2020-05-08 图像合成方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010382796.7A CN111626919B (zh) 2020-05-08 2020-05-08 图像合成方法、装置、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111626919A true CN111626919A (zh) 2020-09-04
CN111626919B CN111626919B (zh) 2022-11-15

Family

ID=72272665

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010382796.7A Active CN111626919B (zh) 2020-05-08 2020-05-08 图像合成方法、装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111626919B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106157273A (zh) * 2015-03-30 2016-11-23 阿里巴巴集团控股有限公司 生成合成图片的方法及装置
US9536344B1 (en) * 2007-11-30 2017-01-03 Roblox Corporation Automatic decoration of a three-dimensional model
CN107613161A (zh) * 2017-10-12 2018-01-19 北京奇虎科技有限公司 基于虚拟世界的视频数据处理方法及装置、计算设备
CN107820027A (zh) * 2017-11-02 2018-03-20 北京奇虎科技有限公司 视频人物装扮方法、装置、计算设备及计算机存储介质
CN108711144A (zh) * 2018-05-16 2018-10-26 上海白泽网络科技有限公司 增强现实方法及装置
US20180328724A1 (en) * 2015-06-10 2018-11-15 Pfu Limited Image processing system and method for detecting a target object area based on height information
CN109712223A (zh) * 2017-10-26 2019-05-03 北京大学 一种基于纹理合成的三维模型自动上色方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9536344B1 (en) * 2007-11-30 2017-01-03 Roblox Corporation Automatic decoration of a three-dimensional model
CN106157273A (zh) * 2015-03-30 2016-11-23 阿里巴巴集团控股有限公司 生成合成图片的方法及装置
US20180328724A1 (en) * 2015-06-10 2018-11-15 Pfu Limited Image processing system and method for detecting a target object area based on height information
CN107613161A (zh) * 2017-10-12 2018-01-19 北京奇虎科技有限公司 基于虚拟世界的视频数据处理方法及装置、计算设备
CN109712223A (zh) * 2017-10-26 2019-05-03 北京大学 一种基于纹理合成的三维模型自动上色方法
CN107820027A (zh) * 2017-11-02 2018-03-20 北京奇虎科技有限公司 视频人物装扮方法、装置、计算设备及计算机存储介质
CN108711144A (zh) * 2018-05-16 2018-10-26 上海白泽网络科技有限公司 增强现实方法及装置

Also Published As

Publication number Publication date
CN111626919B (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
CN110379020B (zh) 一种基于生成对抗网络的激光点云上色方法和装置
CN110796664B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN113642673B (zh) 图像生成方法、装置、设备及存储介质
CN112954450B (zh) 视频处理方法、装置、电子设备和存储介质
CN110062157B (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN110211195B (zh) 生成图像集合的方法、装置、电子设备和计算机可读存储介质
US11798181B2 (en) Method and system for location detection of photographs using topographic techniques
CN117221512A (zh) 捕获和编辑动态深度图像的技术
CN111402113B (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN114004905B (zh) 人物风格形象图的生成方法、装置、设备及存储介质
CN111626922B (zh) 图片生成方法、装置、电子设备及计算机可读存储介质
CN112714263B (zh) 视频生成方法、装置、设备及存储介质
CN110619602B (zh) 一种图像生成方法、装置、电子设备及存储介质
CN109816791B (zh) 用于生成信息的方法和装置
CN111626919B (zh) 图像合成方法、装置、电子设备及计算机可读存储介质
CN115953597B (zh) 图像处理方法、装置、设备及介质
CN111784726A (zh) 人像抠图方法和装置
CN115471477A (zh) 扫描数据的去噪方法、扫描方法、装置、设备和介质
CN112164066B (zh) 一种遥感图像分层分割方法、装置、终端及存储介质
CN114399696A (zh) 一种目标检测方法、装置、存储介质及电子设备
CN110390717B (zh) 3d模型重建方法、装置及电子设备
CN114140427A (zh) 一种物体检测方法及装置
CN111914850B (zh) 图片特征提取方法、装置、服务器和介质
CN112085035A (zh) 图像处理方法、装置、电子设备和计算机可读介质
CN111696041A (zh) 图像处理方法、装置及电子设备

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