CN111724396A - 图像分割方法及装置、计算机可读存储介质、电子设备 - Google Patents

图像分割方法及装置、计算机可读存储介质、电子设备 Download PDF

Info

Publication number
CN111724396A
CN111724396A CN202010555845.2A CN202010555845A CN111724396A CN 111724396 A CN111724396 A CN 111724396A CN 202010555845 A CN202010555845 A CN 202010555845A CN 111724396 A CN111724396 A CN 111724396A
Authority
CN
China
Prior art keywords
image
processed
color
value
calculating
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
CN202010555845.2A
Other languages
English (en)
Other versions
CN111724396B (zh
Inventor
付晓
马文伟
王亚领
刘设伟
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.)
Taikang Insurance Group Co Ltd
Taikang Online Property Insurance Co Ltd
Original Assignee
Taikang Insurance Group Co Ltd
Taikang Online Property Insurance 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 Taikang Insurance Group Co Ltd, Taikang Online Property Insurance Co Ltd filed Critical Taikang Insurance Group Co Ltd
Priority to CN202010555845.2A priority Critical patent/CN111724396B/zh
Publication of CN111724396A publication Critical patent/CN111724396A/zh
Application granted granted Critical
Publication of CN111724396B publication Critical patent/CN111724396B/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
    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—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
    • G06T2207/20024—Filtering details

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

本发明实施例是关于一种图像分割方法及装置、计算机可读存储介质、电子设备，涉及计算技术领域，该方法包括：根据预设的第一颜色空间计算待处理图像的均值图，并根据均值图计算待处理图像的颜色显著性图；计算颜色显著性图的分割阈值，并根据分割阈值对待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域；利用预设的像素值对待处理图像的灰度图像中的有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图；利用背景阈值图对替换后的灰度图像中的无色区域进行分割，得到待处理图像的背景图像以及前景图像。本发明实施例提高了前景图像的准确率。

Description

图像分割方法及装置、计算机可读存储介质、电子设备
技术领域
本发明实施例涉及计算机技术领域，具体而言，涉及一种图像分割方法、图像分割装置、计算机可读存储介质以及电子设备。
背景技术
随着计算机视觉技术的发展，纸质文件通过扫描或者拍照转换为OCR(OpticalCharacter Recognition，光学字符识别)文本图像，无纸化管理逐渐成为实现自动化的显著标志，文本图像可以使纸质文件信息在互联网传输、存储过程中得到很好地应用。OCR图像中的文本信息对比度越高，后续的文字定位识别过程将会产生更高的精度，若需要增强图像中的文本信息，则不可避免地需要对图像进行背景和前景的分割，但是由于拍照图像中往往存在光照不均匀等问题，图像预处理中的背景前景分割一直受到广泛研究。
为了解决上述问题，可以对图像中文本进行增强，进而可以优化图像中的文本区域的对比度，加强文字区域的特征。常用的图像增强方法有：统计正方图增强、图像平滑锐化、空间域增强和频率域增强等。
但是，上述方案存在如下缺陷：一方面，传统的图像增强算法通常都是对全图进行增强，这会导致在类似票据图像这种存在很多干扰信息的图像中，背景中的干扰信息也会被增强，因此会使得分割的前景部分图像的精确度较低；另一方面，如果针对图像中某个特殊部分进行增强，首先需要将需要增强的部分分割出来，虽然在OCR图像中，背景普遍是亮度较高的像素点，前景文本通常是亮度较暗的像素点，但是由于图像的光照强度并不是全图一致的，这将导致采用单一的阈值对图像进行分割，会产生较大的分割误差，前景图像分割不准确。
因此，需要提供一种新的图像分割方法及装置。
需要说明的是，在上述背景技术部分发明的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于提供一种图像分割方法、图像分割装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的前景图像分割的准确率较低的问题。
根据本公开的一个方面，提供一种图像分割方法，包括：
根据预设的第一颜色空间计算待处理图像的均值图，并根据所述均值图计算所述待处理图像的颜色显著性图；
计算所述颜色显著性图的分割阈值，并根据所述分割阈值对所述待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域；
利用预设的像素值对所述待处理图像的灰度图像中的所述有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图；
利用背景阈值图对所述替换后的灰度图像中的无色区域进行分割，得到待处理图像的背景图像以及前景图像。
在本公开的一种示例性实施例中，根据预设的第一颜色空间计算待处理图像的均值图，并根据所述均值图计算所述待处理图像的颜色显著性图包括：
计算所述待处理图像的每个像素点在所述预设的第一颜色空间中所包括的各个颜色通道中的通道值；
根据各所述像素点的通道值，计算所述待处理图像的均值图；
根据各所述像素点的通道值以及所述均值图计算所述待处理图像的颜色显著性图。
在本公开的一种示例性实施例中，根据各所述像素点的通道值以及所述均值图计算所述待处理图像的颜色显著性图包括：
计算各所述像素点的通道值与所述均值图之间的差值，并对各所述差值的绝对值进行求和运算；
计算所述求和运算结果的平均值，并将所述求和运算结果的平均值作为所述待处理图像的颜色显著性图。
在本公开的一种示例性实施例中，计算所述颜色显著性图的分割阈值，并根据所述分割阈值对所述待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域包括：
基于预设的阈值分割算法计算所述颜色显著性图的分割阈值，并判断所述待处理图像的像素点的当前像素值是否大于所述分割阈值；
如果所述像素点的像素值大于所述分割阈值，则将该像素点作为显著有色像素点；否则，将该像素点作为显著无色像素点；
根据各所述显著有色像素点生成所述有显著性颜色的有色区域，并根据所述显著无色像素点生成所述无显著性颜色的无色区域。
在本公开的一种示例性实施例中，利用预设的像素值对所述待处理图像的灰度图像中的所述有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图包括：
根据预设的第二颜色空间对所述待处理图像进行转换，得到所述待处理图像的灰度图像；
利用预设的像素值对所述灰度图像中的所述有色区域中包括的像素点的当前像素值进行替换，得到替换后的灰度图像；
对所述替换后的灰度图像进行高斯滤波处理，得到所述背景阈值图。
在本公开的一种示例性实施例中，所述图像分割方法还包括：
对所述待处理图像的有色区域以及所述待处理图像的背景图像进行线性提亮，以增加所述前景图像与所述背景图像之间的对比度。
在本公开的一种示例性实施例中，对所述待处理图像的有色区域以及所述待处理图像的背景图像进行线性提亮包括：
利用预设的像素值以及预设的线性提亮系数，对所述待处理图像的有色区域以及所述待处理图像的背景图像中包括的像素点的当前像素值进行线性增加处理，得到各所述像素点的目标像素值；
利用各所述目标像素值对各所述当前像素值进行替换，以完成对所述待处理图像的有色区域以及所述待处理图像的背景图像的线性提亮。
根据本公开的一个方面，提供一种图像分割装置，包括：
第一计算模块，用于根据预设的第一颜色空间计算待处理图像的均值图，并根据所述均值图计算所述待处理图像的颜色显著性图；
像素点分割模块，用于计算所述颜色显著性图的分割阈值，并根据所述分割阈值对所述待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域；
高斯滤波模块，用于利用预设的像素值对所述待处理图像的灰度图像中的所述有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图；
图像分割模块，用于利用背景阈值图对所述替换后的灰度图像中的无色区域进行分割，得到待处理图像的背景图像以及前景图像。
根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的图像分割方法。
根据本公开的一个方面，提供一种电子设备，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的图像分割方法。
本发明实施例提供的一种图像分割方法及装置，一方面，根据预设的第一颜色空间计算待处理图像的均值图，并根据均值图计算待处理图像的颜色显著性图；然后计算颜色显著性图的分割阈值，并根据分割阈值对待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域；再利用预设的像素值对待处理图像的灰度图像中的有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图；最后利用背景阈值图对所述替换后的灰度图像中的无色区域进行分割，得到待处理图像的背景图像以及前景图像；解决了现有技术中由于传统的图像增强算法通常都是对全图进行增强，这会导致在类似票据图像这种存在很多干扰信息的图像中，背景中的干扰信息也会被增强，因此会使得分割的前景部分图像的精确度较低的问题；另一方面，解决了现有技术中如果针对图像中某个特殊部分进行增强，首先需要将需要增强的部分分割出来，虽然在OCR图像中，背景普遍是亮度较高的像素点，前景文本通常是亮度较暗的像素点，但是由于图像的光照强度并不是全图一致的，这将导致采用单一的阈值对图像进行分割，会产生较大的分割误差，前景图像分割不准确的问题；再一方面，通过利用背景阈值图对待处理图像的灰度图像中的无色区域进行分割，得到待处理图像的背景图像以及前景图像，确保了图像中每个像素点都存在一个对应的阈值，并且考虑了全图的光照信息，进一步的提高了前景图像的准确率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。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的前提下，还可以根据这些附图获得其他的附图。
图1示意性示出根据本发明示例实施例的一种图像分割方法的流程图。
图2示意性示出根据本发明示例实施例的一种根据预设的第一颜色空间计算待处理图像的均值图，并根据所述均值图计算所述待处理图像的颜色显著性图的方法流程图。
图3示意性示出根据本发明示例实施例的一种计算所述颜色显著性图的分割阈值，并根据所述分割阈值对所述待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域的方法流程图。
图4示意性示出根据本发明示例实施例的一种利用预设的像素值对所述待处理图像的灰度图像中的所述有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图的方法流程图。
图5示意性示出根据本发明示例实施例的另一种图像分割方法的流程图。
图6、图7以及图8分别示意性示出根据本发明示例实施例的一种利用上述图像分割方法得到的效果示例图。
图9示意性示出根据本发明示例实施例的一种图像分割装置的框图。
图10示意性示出根据本发明示例实施例的一种用于实现上述图像分割方法的电子设备。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了一种图像分割方法，该方法可以运行于服务器、服务器集群或云服务器等；当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该图像分割方法可以包括以下步骤：
步骤S110.根据预设的第一颜色空间计算待处理图像的均值图，并根据所述均值图计算所述待处理图像的颜色显著性图；
步骤S120.计算所述颜色显著性图的分割阈值，并根据所述分割阈值对所述待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域；
步骤S130.利用预设的像素值对所述待处理图像的灰度图像中的所述有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图；
步骤S140.利用背景阈值图对所述替换后的灰度图像中的无色区域进行分割，得到待处理图像的背景图像以及前景图像。
上述图像分割方法中，一方面，根据预设的第一颜色空间计算待处理图像的均值图，并根据均值图计算待处理图像的颜色显著性图；然后计算颜色显著性图的分割阈值，并根据分割阈值对待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域；再利用预设的像素值对待处理图像的灰度图像中的有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图；最后利用背景阈值图对所述替换后的灰度图像中的无色区域进行分割，得到待处理图像的背景图像以及前景图像；解决了现有技术中由于传统的图像增强算法通常都是对全图进行增强，这会导致在类似票据图像这种存在很多干扰信息的图像中，背景中的干扰信息也会被增强，因此会使得分割的前景部分图像的精确度较低的问题；另一方面，解决了现有技术中如果针对图像中某个特殊部分进行增强，首先需要将需要增强的部分分割出来，虽然在OCR图像中，背景普遍是亮度较高的像素点，前景文本通常是亮度较暗的像素点，但是由于图像的光照强度并不是全图一致的，这将导致采用单一的阈值对图像进行分割，会产生较大的分割误差，前景图像分割不准确的问题；再一方面，通过利用背景阈值图对待处理图像的灰度图像中的无色区域进行分割，得到待处理图像的背景图像以及前景图像，确保了图像中每个像素点都存在一个对应的阈值，并且考虑了全图的光照信息，进一步的提高了前景图像的准确率。
以下，将结合附图对本发明示例实施例图像分割方法中涉及的各步骤进行详细的解释以及说明。
首先，对本发明示例实施例的应用场景以及发明目的进行解释以及说明。具体的，本发明解决票据图像OCR(Optical Character Recognition，光学字符识别)识别项目中的打印字部分对比度差、印章压盖和预打印字压盖导致识别精度差的情况，利用一种新的自适应算法准确地将图像中的显著颜色信息、背景和打印字信息分割开，然后通过提升显著颜色和背景信息的像素值，来达到增强打印字信息对比度的目的。
其中，自适应的阈值分割方法，可以有效解决由于光照全图不一致导致的前景文本分割不准确问题。另一方面，抑制背景底纹和显著颜色的信息可以缓解票据图像OCR项目中的压盖文字不清晰的情况，进一步提高整个OCR项目的精度，且本发明中提出的针对全图光照的自适应分割方法可以应用于更多其他类型的图像的OCR识别项目中。
其次，对步骤S110-步骤S140进行解释以及说明。
在步骤S110中，根据预设的第一颜色空间计算待处理图像的均值图，并根据所述均值图计算所述待处理图像的颜色显著性图。
在本示例实施例中，参考图2所示，根据预设的第一颜色空间计算待处理图像的均值图，并根据所述均值图计算所述待处理图像的颜色显著性图可以包括步骤S210-步骤S230。其中：
在步骤S210中，计算所述待处理图像的每个像素点在所述预设的第一颜色空间中所包括的各个颜色通道中的通道值。
在步骤S220中，根据各所述像素点的通道值，计算所述待处理图像的均值图。
在步骤S230中，根据各所述像素点的通道值以及所述均值图计算所述待处理图像的颜色显著性图。
在本示例实施例中，首先，计算各所述像素点的通道值与所述均值图之间的差值，并对各所述差值的绝对值进行求和运算；其次，计算所述求和运算结果的平均值，并将所述求和运算结果的平均值作为所述待处理图像的颜色显著性图。
以下，将对步骤S210-步骤S230及其涉及的步骤进行解释以及说明。首先，对上述待处理图像进行说明。具体的，本发明实施例中所提及的待处理图像主要是票据图像，可以包括医疗门诊收费票据，也可以包括整成发票票据等等。本发明示例实施例中，以医疗门诊收费票据中的印章图像为例，进行解释以及说明。其次，由于票据中的打印字信息一般是呈现灰色或者黑色，是一种不显著的颜色信息，因此可以计算出颜色显著图。具体的计算过程可以如下所示：
首先，在RGB颜色空间(预设的第一颜色空间)计算印章图像(待处理图像)的每个像素点在R、G以及B三个通道中的数值结果(通道值)，其次，根据各像素点的通道值，计算所述待处理图像的均值图。具体可以如下公式(1)所示：
M_rgb＝(R+G+B)/3； 公式(1)
其中，M_rgb为均值图，R、G以及B为各像素点在RGB通道中的通道值。
最后，根据各像素点在RGB通道中的通道值与均值图之间的差值的绝对值之和的平均数，计算印章图像的颜色显著性图。具体可以如下公式(2)所示：
S＝(abs(R-M_rgb)+abs(G-M_rgb)+abs(B-M_rgb))/3； 公式(2)
其中，abs()表示绝对值函数。
在步骤S120中，计算所述颜色显著性图的分割阈值，并根据所述分割阈值对所述待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域。
在本示例实施例中，参考图3所示，计算所述颜色显著性图的分割阈值，并根据所述分割阈值对所述待处理图像的当前像素点进行分割，得到包括有显著性颜色的有色区域以及无显著性颜色的无色区域可以包括步骤S310-步骤S330。其中：
在步骤S310中，基于预设的阈值分割算法计算所述颜色显著性图的分割阈值，并判断所述待处理图像的像素点的当前像素值是否大于所述分割阈值。
在步骤S320中，如果所述像素点的像素值大于所述分割阈值，则将该像素点作为显著有色像素点；否则，将该像素点作为显著无色像素点。
在步骤S330中，根据各所述显著有色像素点生成所述有显著性颜色的有色区域，并根据所述显著无色像素点生成所述无显著性颜色的无色区域。
以下，将对步骤S310-步骤S330进行解释以及说明。首先，该预设的阈值分割算法可以包括OTSU(最大类间方差法)，其是一种确定图像二值化分割阈值的算法，用该方法求得的阈值以后，利用该阈值进行图像二值化分割，可以使得前景与背景图像的类间方差最大。其次，利用OTSU算法计算显著性图S的分割阈值t，然后对图中的像素点的当前像素值进行判断，得到分割结果，具体分割过程可以如下公式(3)所示：
Figure BDA0002544212760000101
其中，记分割二值化图binary中，值为1的部分为有色部分Color(显著有色像素点)，值为0的部分为无色部分Colorless(显著无色像素点)；最后，再根据显著有色像素点生成待处理图像的有色区域，并根据显著无色像素点生成待处理图像的无色区域。其中，由显著无色像素点生成无色区域中包括了背景偏白色的部分以及打印字偏灰黑色的部分。
在步骤S130中，利用预设的像素值对所述待处理图像的灰度图像中的所述有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图。
在本示例实施例中，参考图4所示，利用预设的像素值对所述待处理图像的灰度图像中的所述有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图可以包括步骤S410-步骤S430。其中：
在步骤S410中，根据预设的第二颜色空间对所述待处理图像进行转换，得到所述待处理图像的灰度图像。
在步骤S420中，利用预设的像素值对所述灰度图像中的所述有色区域中包括的像素点的当前像素值进行替换，得到替换后的灰度图像。
在步骤S430中，对所述替换后的灰度图像进行高斯滤波处理，得到所述背景阈值图。
以下，将对步骤S410-步骤S430进行解释以及说明。首先，将图像从RGB空间转换到灰度空间(第二颜色空间)，得到待处理图像的灰度图Gray；其次，通过Gray[Color]＝255(预设的像素值)将灰度图中的有色区域的中包括的当前像素点的当前像素值进行替换，得到替换后的灰度图像Gray*；其中，替换后的灰度图像可以最大程度的削弱显著性颜色部分(有色区域)的对比度；最后，对替换后的灰度图像Gray*进行高斯滤波处理，得到背景阈值图。其中，具体的高斯滤波过程可以如下公式(4)以及公式(5)所示：
B[i,h]＝wοGray*； 公式(4)
Figure BDA0002544212760000111
其中，w是高斯滤波核，核的尺寸为70*70，△i以及△j分别为滤波核中位置(i,j)到核中心点的横纵坐标偏移量的绝对值，σ2表示高斯滤波的方差，具体的取值可以为1.5；进一步的，将大尺度的高斯滤波核与替换后的灰度图Gray*进行矩阵卷积操作，即可得到按照光照自适应的背景阈值图B。此处需要补充说明的是，高斯滤波核的尺寸以及高斯滤波的方差也可以取其他值，本领域的技术人员可以根据实际需要自行选取，本示例对此不做特殊限制。
在步骤S140中，利用背景阈值图对所述替换后的灰度图像中的无色区域进行分割，得到待处理图像的背景图像以及前景图像。
在本示例实施例中，利用上述背景阈值图B将灰度图像Gray中的无色区域进行分割，即可得到背景图像以及前景图像；其中，背景图像为Back部分，前景图像为打印字Word部分。具体的：
Word＝Colorless[Gray*<B]； 公式(6)
Back＝Colorless[Gray*>B]。 公式(7)
进一步的，为了可以增加背景和打印字之间的对比程度，该图像分割方法还包括：对所述待处理图像的有色区域以及所述待处理图像的背景图像进行线性提亮，以增加所述前景图像与所述背景图像之间的对比度。具体的，首先，可以利用预设的像素值以及预设的线性提亮系数，对所述待处理图像的有色区域以及所述待处理图像的背景图像中包括的像素点的当前像素值进行线性增加处理，得到各所述像素点的目标像素值；其次，可以利用各所述目标像素值对各所述当前像素值进行替换，以完成对所述待处理图像的有色区域以及所述待处理图像的背景图像的线性提亮。
譬如，可以通过如下公式(8)完成对背景图像的线性提亮：
Figure BDA0002544212760000112
其中，I标识待增强的原始图像，也就是待处理图像的有色区域以及待处理图像的背景图像；I[m,n,c]表示图像上坐标为(m,n)位置处，在RGB颜色空间中，该像素点的通道值为c，α为预设的提亮系数，可以根据需要自行设置，具体取值可以是除开1以外的任何自然数，本示例对此不做特殊限制。进一步的，通过对除了打印字之外其他部分每个通道像素值的线性提亮，不仅可以有效地将有色区域进行抑制，还能增加背景和打印字之间的对比程度，达到增强打印字的效果。
以下，结合图5对本发明示例实施例的图像分割方法进行进一步的解释以及说明。参考图5所示，该图像分割方法可以包括以下步骤：
步骤S501，获取印章图像；
步骤S502，在RGB颜色空间计算显著性图S；
步骤S503，利用OTSU算法对显著性图S进行二值化分割，得到显著颜色部分(Color)以及显著无色部分(Colorless)；
步骤S504，对印章图像的灰度图像中的显著颜色部分(Color)的像素点的像素值进行替换，并对替换后的灰度图像进行高斯滤波处理，得到背景阈值图；
步骤S505，利用背景阈值图对显著无色部分进行分割，得到背景部分以及打印字部分；
步骤S506，对除开打印字部分的像素点的像素值进行线性提升，得到对比增强图像。其中，具体得到的效果图可以参考图6、图7以及图8所示；其中，在图6、图7以及图8中，左侧的为待处理图像，右侧为经过本发明示例实施例提供的方法处理后的图像。
本发明示例实施例提供的图像分割方法，一方面，利用RGB颜色空间计算出了颜色显著性图，然后自适应地将图像中的显著性颜色与无明显颜色(背景和打印字)区域分割开；然后将原图的灰度图像中的显著颜色部分用255代替，并进行大尺度的高斯滤波得到背景阈值图，并用该阈值图对灰度图进行分割得到准确的前景文本部分；最后将颜色显著部分和背景部分的像素值线性提升，从而达到增加前景文本对比度的目的。
另一方面，这种背景阈值图的计算方法确保了图像中每个像素点都存在一个对应的阈值，考虑了全图的光照信息，使文本前景部分的分割更加准确；其次，对分割出的颜色和背景部分像素点进行提亮，可以增加打印文字这类颜色较暗的部分对比度，提高后续的文本检测识别精度。本发明涉及到图像处理、计算机视觉等领域，自适应性非常高，适用于多种不同光照强度图像OCR项目的图像增强阶段。
再一方面，利用大尺度的高斯核对灰度图进行高斯模糊之后，可以自适应分割图像的背景和前景，从而更加准确地将需要增强的文本区域分离出来，提高OCR项目中检测识别方法对感兴趣部分的敏感度。同时，还可以削弱显著性颜色部分的信息，并将其与背景部分以一种线性压缩的方式进行提升，可以有效地解决票据OCR项目中印章和预打印字压盖导致识别不出文本的情况。
本发明示例实施例还提供了一种图像分割装置。参考图9所示，该图像分割装置可以包括第一计算模块910、像素点分割模块920、高斯滤波模块930以及图像分割模块940。其中：
第一计算模块910可以用于根据预设的第一颜色空间计算待处理图像的均值图，并根据所述均值图计算所述待处理图像的颜色显著性图；
像素点分割模块920可以用于计算所述颜色显著性图的分割阈值，并根据所述分割阈值对所述待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域；
高斯滤波模块930可以用于利用预设的像素值对所述待处理图像的灰度图像中的所述有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图；
图像分割模块940可以用于利用背景阈值图对所述替换后的灰度图像中的无色区域进行分割，得到待处理图像的背景图像以及前景图像。
在本公开的一种示例性实施例中，根据预设的第一颜色空间计算待处理图像的均值图，并根据所述均值图计算所述待处理图像的颜色显著性图包括：
计算所述待处理图像的每个像素点在所述预设的第一颜色空间中所包括的各个颜色通道中的通道值；
根据各所述像素点的通道值，计算所述待处理图像的均值图；
根据各所述像素点的通道值以及所述均值图计算所述待处理图像的颜色显著性图。
在本公开的一种示例性实施例中，根据各所述像素点的通道值以及所述均值图计算所述待处理图像的颜色显著性图包括：
计算各所述像素点的通道值与所述均值图之间的差值，并对各所述差值的绝对值进行求和运算；
计算所述求和运算结果的平均值，并将所述求和运算结果的平均值作为所述待处理图像的颜色显著性图。
在本公开的一种示例性实施例中，计算所述颜色显著性图的分割阈值，并根据所述分割阈值对所述待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域包括：
基于预设的阈值分割算法计算所述颜色显著性图的分割阈值，并判断所述待处理图像的像素点的当前像素值是否大于所述分割阈值；
如果所述像素点的像素值大于所述分割阈值，则将该像素点作为显著有色像素点；否则，将该像素点作为显著无色像素点；
根据各所述显著有色像素点生成所述有显著性颜色的有色区域，并根据所述显著无色像素点生成所述无显著性颜色的无色区域。
在本公开的一种示例性实施例中，利用预设的像素值对所述待处理图像的灰度图像中的所述有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图包括：
根据预设的第二颜色空间对所述待处理图像进行转换，得到所述待处理图像的灰度图像；
利用预设的像素值对所述灰度图像中的所述有色区域中包括的像素点的当前像素值进行替换，得到替换后的灰度图像；
对所述替换后的灰度图像进行高斯滤波处理，得到所述背景阈值图。
在本公开的一种示例性实施例中，所述图像分割装置还包括：
线性提亮模块，可以用于对所述待处理图像的有色区域以及所述待处理图像的背景图像进行线性提亮，以增加所述前景图像与所述背景图像之间的对比度。
在本公开的一种示例性实施例中，对所述待处理图像的有色区域以及所述待处理图像的背景图像进行线性提亮包括：
利用预设的像素值以及预设的线性提亮系数，对所述待处理图像的有色区域以及所述待处理图像的背景图像中包括的像素点的当前像素值进行线性增加处理，得到各所述像素点的目标像素值；
利用各所述目标像素值对各所述当前像素值进行替换，以完成对所述待处理图像的有色区域以及所述待处理图像的背景图像的线性提亮。
上述图像分割装置中各模块的具体细节已经在对应的图像分割方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图10来描述根据本发明的这种实施方式的电子设备1000。图10显示的电子设备1000仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示，电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于：上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030以及显示单元1040。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1010执行，使得所述处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元1010可以执行如图1中所示的步骤S110：根据预设的第一颜色空间计算待处理图像的均值图，并根据所述均值图计算所述待处理图像的颜色显著性图；步骤S120：计算所述颜色显著性图的分割阈值，并根据所述分割阈值对所述待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域；步骤S130：利用预设的像素值对所述待处理图像的灰度图像中的所述有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图；步骤S140：利用背景阈值图对所述替换后的灰度图像中的无色区域进行分割，得到待处理图像的背景图像以及前景图像。
存储单元1020可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)10201和/或高速缓存存储单元10202，还可以进一步包括只读存储单元(ROM)10203。
存储单元1020还可以包括具有一组(至少一个)程序模块10205的程序/实用工具10204，这样的程序模块10205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1030可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1000也可以与一个或多个外部设备1100(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1000交互的设备通信，和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且，电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本发明实施方式的方法。
在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
根据本发明的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其他实施例。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。

Claims (10)

1.一种图像分割方法，其特征在于，包括：
根据预设的第一颜色空间计算待处理图像的均值图，并根据所述均值图计算所述待处理图像的颜色显著性图；
计算所述颜色显著性图的分割阈值，并根据所述分割阈值对所述待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域；
利用预设的像素值对所述待处理图像的灰度图像中的所述有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图；
利用所述背景阈值图对所述替换后的灰度图像中的所述无色区域进行分割，得到待处理图像的背景图像以及前景图像。
2.根据权利要求1所述的图像分割方法，其特征在于，根据预设的第一颜色空间计算待处理图像的均值图，并根据所述均值图计算所述待处理图像的颜色显著性图包括：
计算所述待处理图像的每个像素点在所述预设的第一颜色空间中所包括的各个颜色通道中的通道值；
根据各所述像素点的通道值，计算所述待处理图像的均值图；
根据各所述像素点的通道值以及所述均值图计算所述待处理图像的颜色显著性图。
3.根据权利要求1所述的图像分割方法，其特征在于，根据各所述像素点的通道值以及所述均值图计算所述待处理图像的颜色显著性图包括：
计算各所述像素点的通道值与所述均值图之间的差值，并对各所述差值的绝对值进行求和运算；
计算所述求和运算结果的平均值，并将所述求和运算结果的平均值作为所述待处理图像的颜色显著性图。
4.根据权利要求1所述的图像分割方法，其特征在于，计算所述颜色显著性图的分割阈值，并根据所述分割阈值对所述待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域包括：
基于预设的阈值分割算法计算所述颜色显著性图的分割阈值，并判断所述待处理图像的像素点的当前像素值是否大于所述分割阈值；
如果所述像素点的像素值大于所述分割阈值，则将该像素点作为显著有色像素点；否则，将该像素点作为显著无色像素点；
根据各所述显著有色像素点生成所述有显著性颜色的有色区域，并根据所述显著无色像素点生成所述无显著性颜色的无色区域。
5.根据权利要求1所述的图像分割方法，其特征在于，利用预设的像素值对所述待处理图像的灰度图像中的所述有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图包括：
根据预设的第二颜色空间对所述待处理图像进行转换，得到所述待处理图像的灰度图像；
利用预设的像素值对所述灰度图像中的所述有色区域中包括的像素点的当前像素值进行替换，得到替换后的灰度图像；
对所述替换后的灰度图像进行高斯滤波处理，得到所述背景阈值图。
6.根据权利要求1所述的图像分割方法，其特征在于，所述图像分割方法还包括：
对所述待处理图像的有色区域以及所述待处理图像的背景图像进行线性提亮，以增加所述前景图像与所述背景图像之间的对比度。
7.根据权利要求6所述的图像分割方法，其特征在于，对所述待处理图像的有色区域以及所述待处理图像的背景图像进行线性提亮包括：
利用预设的像素值以及预设的线性提亮系数，对所述待处理图像的有色区域以及所述待处理图像的背景图像中包括的像素点的当前像素值进行线性增加处理，得到各所述像素点的目标像素值；
利用各所述目标像素值对各所述当前像素值进行替换，以完成对所述待处理图像的有色区域以及所述待处理图像的背景图像的线性提亮。
8.一种图像分割装置，其特征在于，包括：
第一计算模块，用于根据预设的第一颜色空间计算待处理图像的均值图，并根据所述均值图计算所述待处理图像的颜色显著性图；
像素点分割模块，用于计算所述颜色显著性图的分割阈值，并根据所述分割阈值对所述待处理图像的当前像素点进行分割，得到有显著性颜色的有色区域以及无显著性颜色的无色区域；
高斯滤波模块，用于利用预设的像素值对所述待处理图像的灰度图像中的所述有色区域进行替换，并对替换后的灰度图像进行高斯滤波得到背景阈值图；
图像分割模块，用于利用背景阈值图对所述替换后的灰度图像中的所述无色区域进行分割，得到待处理图像的背景图像以及前景图像。
9.一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，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的图像分割方法。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-9任一项所述的图像分割方法。
CN202010555845.2A 2020-06-17 2020-06-17 图像分割方法及装置、计算机可读存储介质、电子设备 Active CN111724396B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010555845.2A CN111724396B (zh) 2020-06-17 2020-06-17 图像分割方法及装置、计算机可读存储介质、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010555845.2A CN111724396B (zh) 2020-06-17 2020-06-17 图像分割方法及装置、计算机可读存储介质、电子设备

Publications (2)

Publication Number Publication Date
CN111724396A true CN111724396A (zh) 2020-09-29
CN111724396B CN111724396B (zh) 2023-07-14

Family

ID=72567284

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010555845.2A Active CN111724396B (zh) 2020-06-17 2020-06-17 图像分割方法及装置、计算机可读存储介质、电子设备

Country Status (1)

Country Link
CN (1) CN111724396B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113450365A (zh) * 2021-07-16 2021-09-28 稿定（厦门）科技有限公司 Psd图片的自动切片方法及装置
CN113506231A (zh) * 2021-08-03 2021-10-15 泰康保险集团股份有限公司 针对图像中像素的处理方法、装置、介质及电子设备
GB2608491A (en) * 2021-04-26 2023-01-04 Adobe Inc Multi-modal image color segmenter and editor

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030053692A1 (en) * 2001-07-07 2003-03-20 Hong Qi He Method of and apparatus for segmenting a pixellated image
US8059892B1 (en) * 2008-10-01 2011-11-15 Hewlett-Packard Development Company, L.P. Image enhancement method and apparatus
CN102968782A (zh) * 2012-09-12 2013-03-13 苏州大学 一种彩色图像中显著对象的自动抠取方法
CN102982545A (zh) * 2012-11-22 2013-03-20 清华大学深圳研究生院 一种图像深度估计方法
CN103679173A (zh) * 2013-12-04 2014-03-26 清华大学深圳研究生院 图像显著区域检测方法
CN103996189A (zh) * 2014-05-05 2014-08-20 小米科技有限责任公司 图像分割方法及装置
CN104091326A (zh) * 2014-06-16 2014-10-08 小米科技有限责任公司 图标分割方法和装置
CN104103082A (zh) * 2014-06-06 2014-10-15 华南理工大学 一种基于区域描述和先验知识的图像显著性检测方法
US20160094829A1 (en) * 2014-06-30 2016-03-31 Nokia Corporation Method And Apparatus For Downscaling Depth Data For View Plus Depth Data Compression
CN105631455A (zh) * 2014-10-27 2016-06-01 阿里巴巴集团控股有限公司 一种图像主体提取方法及系统
CN107180439A (zh) * 2016-07-15 2017-09-19 重庆大学 一种基于Lab色度空间的色偏特征提取和色偏检测方法
US20170372162A1 (en) * 2016-06-24 2017-12-28 Ebay Automated saliency map estimation
EP3373195A1 (en) * 2017-03-06 2018-09-12 Continental Automotive GmbH Device for determining a crack on and/or within a vehicle windscreen
CN109242877A (zh) * 2018-09-21 2019-01-18 新疆大学 图像分割方法及装置
CN110390327A (zh) * 2019-06-25 2019-10-29 北京百度网讯科技有限公司 前景提取方法、装置、计算机设备及存储介质
CN111062934A (zh) * 2019-12-25 2020-04-24 陈金选 一种织物图像缺陷实时检测方法
CN111091129A (zh) * 2019-12-24 2020-05-01 沈阳建筑大学 一种基于多重颜色特征流形排序的图像显著区域提取方法
WO2020107716A1 (zh) * 2018-11-30 2020-06-04 长沙理工大学 目标图像分割方法、装置及设备

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030053692A1 (en) * 2001-07-07 2003-03-20 Hong Qi He Method of and apparatus for segmenting a pixellated image
US8059892B1 (en) * 2008-10-01 2011-11-15 Hewlett-Packard Development Company, L.P. Image enhancement method and apparatus
CN102968782A (zh) * 2012-09-12 2013-03-13 苏州大学 一种彩色图像中显著对象的自动抠取方法
CN102982545A (zh) * 2012-11-22 2013-03-20 清华大学深圳研究生院 一种图像深度估计方法
CN103679173A (zh) * 2013-12-04 2014-03-26 清华大学深圳研究生院 图像显著区域检测方法
CN103996189A (zh) * 2014-05-05 2014-08-20 小米科技有限责任公司 图像分割方法及装置
CN104103082A (zh) * 2014-06-06 2014-10-15 华南理工大学 一种基于区域描述和先验知识的图像显著性检测方法
CN104091326A (zh) * 2014-06-16 2014-10-08 小米科技有限责任公司 图标分割方法和装置
US20160094829A1 (en) * 2014-06-30 2016-03-31 Nokia Corporation Method And Apparatus For Downscaling Depth Data For View Plus Depth Data Compression
CN105631455A (zh) * 2014-10-27 2016-06-01 阿里巴巴集团控股有限公司 一种图像主体提取方法及系统
US20170372162A1 (en) * 2016-06-24 2017-12-28 Ebay Automated saliency map estimation
CN107180439A (zh) * 2016-07-15 2017-09-19 重庆大学 一种基于Lab色度空间的色偏特征提取和色偏检测方法
EP3373195A1 (en) * 2017-03-06 2018-09-12 Continental Automotive GmbH Device for determining a crack on and/or within a vehicle windscreen
CN109242877A (zh) * 2018-09-21 2019-01-18 新疆大学 图像分割方法及装置
WO2020107716A1 (zh) * 2018-11-30 2020-06-04 长沙理工大学 目标图像分割方法、装置及设备
CN110390327A (zh) * 2019-06-25 2019-10-29 北京百度网讯科技有限公司 前景提取方法、装置、计算机设备及存储介质
CN111091129A (zh) * 2019-12-24 2020-05-01 沈阳建筑大学 一种基于多重颜色特征流形排序的图像显著区域提取方法
CN111062934A (zh) * 2019-12-25 2020-04-24 陈金选 一种织物图像缺陷实时检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
BREEZERO: "常见的图像分割方法有以下几种", pages 1 - 2, Retrieved from the Internet <URL:https://blog.csdn.net/breezero/article/details/80008042> *
X. YANG, X. GAO, D. TAO, X. LI AND J. LI: "《An Efficient MRF Embedded Level Set Method for Image Segmentation》", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》, vol. 24, no. 1, pages 9 - 21 *
刘毅, 黄兵, 孙怀江,等: "《利用视觉显著性与图割的图像分割算法》", 《计算机辅助设计与图形学学报》, vol. 25, no. 3, pages 402 - 409 *
刘江: "《车辆目标提取算法研究》", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 2016, pages 138 - 887 *
吴祯: "《模拟人类视觉的显著性检测及应用研究》", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 2020, pages 138 - 1216 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2608491A (en) * 2021-04-26 2023-01-04 Adobe Inc Multi-modal image color segmenter and editor
GB2608491B (en) * 2021-04-26 2023-09-06 Adobe Inc Multi-modal image color segmenter and editor
CN113450365A (zh) * 2021-07-16 2021-09-28 稿定（厦门）科技有限公司 Psd图片的自动切片方法及装置
CN113450365B (zh) * 2021-07-16 2022-08-16 稿定（厦门）科技有限公司 Psd图片的自动切片方法及装置
CN113506231A (zh) * 2021-08-03 2021-10-15 泰康保险集团股份有限公司 针对图像中像素的处理方法、装置、介质及电子设备
CN113506231B (zh) * 2021-08-03 2023-06-27 泰康保险集团股份有限公司 针对图像中像素的处理方法、装置、介质及电子设备

Also Published As

Publication number Publication date
CN111724396B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
CN111724396B (zh) 图像分割方法及装置、计算机可读存储介质、电子设备
CN110189336B (zh) 图像生成方法、系统、服务器及存储介质
CN110222694B (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN108830780B (zh) 图像处理方法及装置、电子设备、存储介质
CN110705583A (zh) 细胞检测模型训练方法、装置、计算机设备及存储介质
US20210064859A1 (en) Image processing system, image processing method, and storage medium
CN110390327B (zh) 前景提取方法、装置、计算机设备及存储介质
CN108734161B (zh) 冠字号区域的识别方法、装置、设备及存储介质
CN111062365B (zh) 识别混合排版文字的方法、设备、芯片电路和计算机可读存储介质
CN110490204A (zh) 图像处理方法、图像处理装置及终端
CN113487473A (zh) 一种添加图像水印的方法、装置、电子设备及存储介质
CN113762235A (zh) 检测页面叠加区域的方法和装置
CN111784703B (zh) 一种图像分割方法、装置、电子设备和存储介质
CN112598687A (zh) 图像分割方法和装置、存储介质、电子设备
JP2021196451A (ja) 画像変換装置、画像変換方法及び画像変換用コンピュータプログラム
US20140320527A1 (en) Hardware glyph cache
CN113506231B (zh) 针对图像中像素的处理方法、装置、介质及电子设备
CN115797533A (zh) 模型描边方法、装置、设备及存储介质
CN113870280A (zh) 预测以细胞为基质的抗体核型类别的方法、设备和介质
CN107085849B (zh) 一种图像二值化处理方法、装置、设备和存储介质
CN111696154A (zh) 坐标定位方法、装置、设备及存储介质
CN111159976A (zh) 文本位置标注方法、装置
CN111160358A (zh) 一种图像二值化方法、装置、设备、介质
CN111899181A (zh) 去除图像中的阴影的方法和装置
CN111210455B (zh) 图像中预印信息的提取方法及装置、介质及电子设备

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