CN111784715A - 一种图像分离方法及其系统 - Google Patents

一种图像分离方法及其系统 Download PDF

Info

Publication number
CN111784715A
CN111784715A CN202010813837.3A CN202010813837A CN111784715A CN 111784715 A CN111784715 A CN 111784715A CN 202010813837 A CN202010813837 A CN 202010813837A CN 111784715 A CN111784715 A CN 111784715A
Authority
CN
China
Prior art keywords
image
detected
point
region
points
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
CN202010813837.3A
Other languages
English (en)
Other versions
CN111784715B (zh
Inventor
徐小君
骞一凡
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.)
Seven Teng Robot Co ltd
Original Assignee
Beijing Yingmaiqi 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 Yingmaiqi Technology Co ltd filed Critical Beijing Yingmaiqi Technology Co ltd
Priority to CN202010813837.3A priority Critical patent/CN111784715B/zh
Publication of CN111784715A publication Critical patent/CN111784715A/zh
Application granted granted Critical
Publication of CN111784715B publication Critical patent/CN111784715B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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

Landscapes

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

Abstract

本申请涉及图像处理技术领域，尤其涉及一种图像分离方法及其系统，其中，图像分离方法包括：将待抠图图像分割成多个待检测区域；检测待检测区域的感知重要度；将感知重要度大于阈值的待检测区域所包围的区域作为目标图像进行抠图。本申请提供的图像分离方法及其系统，将感知重要度大于阈值的待检测区域包围的区域作为目标图像，从而实现自动识别图像中未知的目标图像，将识别出的目标图像进行抠图，进而实现自动对图像中的目标图像进行抠图。

Description

一种图像分离方法及其系统
技术领域
本申请涉及图像处理技术领域，尤其涉及一种图像分离方法及其系统。
背景技术
近年来，随着拍摄设备的不断发展和人们需求的不断提高，往往需要对拍摄的图像中的目标图像进行分离抠图，将扣出来的目标图像和其他图像进行融合，产生新的图像。但是，现有技术中，通常是人为识别图像中已知的目标图像，然后人为的通过抠图工具对已知的目标图像进行抠图。但是，若使用计算机自动抠图，那么在图像中往往会出现不知道哪部分区域是待进行抠图的目标图像，也就是使用计算机进行自动抠图时，难以对未知的目标图像进行抠图，所以难以对所有图像(已知目标图像的图像和未知目标图像的图像)进行自动抠图，从而对计算机自动抠图造成了很大的不便。
因此，如何自动识别图像中的未知的目标图像，以自动对所有图像中的目标图像进行抠图，是目前本领域技术人员急需解决的技术问题。
发明内容
本申请提供了一种图像分离方法及其系统，能够自动识别图像中的未知的目标图像，以自动对所有图像中的目标图像进行抠图。
为解决上述技术问题，本申请提供如下技术方案：
一种图像分离方法，包括如下步骤：步骤S110、将待抠图图像分割成多个待检测区域；步骤S120、检测待检测区域的感知重要度；步骤S130、将感知重要度大于阈值的待检测区域所包围的区域作为目标图像进行抠图。
如上所述的图像分离方法，其中，优选的是，将待抠图图像分割成多个待检测区域，具体包括如下子步骤：步骤S111、在待抠图图像中选取均匀分布的多个中心点；步骤S112、对每个选取好的中心点设置相应的搜索范围，其中每个中心点周围相邻的所有中心点的搜索范围合起来能够覆盖该中心点的搜索范围；步骤S113、计算中心点的搜索范围内的像素点与其中心点或其周围的所有中心点的颜色空间差，并将其分配至所得颜色空间差最小值对应的中心点，以形成该中心点对应的待检测区域。
如上所述的图像分离方法，其中，优选的是，选取好的中心点的周围nL×nL区域为搜索区域，其中n为大于或等于2系数，L为相邻的两个中心点之间的距离。
如上所述的图像分离方法，其中，优选的是，相邻的两个中心点之间的距离相等。
如上所述的图像分离方法，其中，优选的是，将选取好的中心点移动至该中心点周围预定邻域中最低绝对梯度位置的像素点上，以修正选取好的中心点。
一种图像分离系统，包括：分割模块、检测模块和目标图像确定模块；分割模块将待抠图图像分割成多个待检测区域；检测模块检测待检测区域的感知重要度；目标图像确定模块将感知重要度大于阈值的待检测区域所包围的区域作为目标图像进行抠图。
如上所述的图像分离系统，其中，优选的是，分割模块包括：选取模块、搜索范围设置模块和待检测区域形成模块；选取模块在待抠图图像中选取均匀分布的多个中心点；搜索范围设置模块对每个选取好的中心点设置相应的搜索范围，其中每个中心点周围相邻的所有中心点的搜索范围合起来能够覆盖该中心点的搜索范围；待检测区域形成模块计算中心点的搜索范围内的像素点与其中心点或其周围的所有中心点的颜色空间差，并将其分配至所得颜色空间差最小值对应的中心点，以形成该中心点对应的待检测区域。
如上所述的图像分离系统，其中，优选的是，选取好的中心点的周围nL×nL区域为搜索区域，其中n为大于或等于2系数，L为相邻的两个中心点之间的距离。
如上所述的图像分离系统，其中，优选的是，相邻的两个中心点之间的距离相等。
如上所述的图像分离系统，其中，优选的是，将选取好的中心点移动至该中心点周围预定邻域中最低绝对梯度位置的像素点上，以修正选取好的中心点。
相对上述背景技术，本申请提供的图像分离方法及其系统，将感知重要度大于阈值的待检测区域包围的区域作为目标图像，从而实现自动识别图像中未知的目标图像，将识别出的目标图像进行抠图，进而实现自动对图像中的目标图像进行抠图。
附图说明
为了更清楚地说明本发明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发明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是本申请实施例提供的图像分离方法的流程图；
图2是本申请实施例提供的分割待检测区域的方法的流程图；
图3是本申请一个实施例提供的检测感知重要度的方法的流程图；
图4是本申请另一实施例提供的检测感知重要度的方法的流程图；
图5是本申请实施例提供的图像分离系统的示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
实施例一
请参阅图1，图1是本申请实施例提供的图像分离方法的流程图。
本申请提供了一种图像分离方法，包括如下步骤：
步骤S110、将待抠图图像分割成多个待检测区域；
将待抠图图像分割成若干个大小和形状均不同，并且形状不规则的待检测区域，每个待检测区域的边界贴近待抠图图像中物体的边界，也就是说分割出的每个待检测区域的边界优选的是待抠图图像中物体的边界，或者说分割出的每个待检测区域的边界与待抠图图像中物体的边界之间具有预定距离，从而使得分割出的每个待检测区域都是一个具有代表性的区域，并且其不仅含有底层的颜色、方向信息，而且还包含了中层的结构信息，进而使得分割出的待检测区域作为基本计算单位，可以保证最终的计算结果更加准确。
请参阅图2，图2是本申请实施例提供的分割待检测区域的方法的流程图；
将待抠图图像分割成多个待检测区域，具体包括如下子步骤：
步骤S111、在待抠图图像中选取均匀分布的多个中心点；
例如：待抠图图像具有M个像素点，在M个像素点中选取K个像素点作为中心点，并且K个中心点相邻的两个中心点之间的距离相等。具体的，K个中心点中相邻的两个中心点之间的距离为
Figure BDA0002631978110000041
通过相邻的两个中心点之间的距离相等以保证K个中心点能够均匀的分布在待抠图的图像中。
另外，为了避免选取的中心点落在后续形成的待检测区域的边界上，以免影响后续形成的待检测区域的准确度，对选取好的的中心点进行移位，以修正选取好的中心点。具体的，将选取好的中心点移动至该中心点周围预定邻域中最低绝对梯度位置的像素点上，例如：将选取好的中心点移动至该中心点周围5×5的邻域中最低绝对梯度位置的像素点上，或者将选取好的中心点移动至该中心点周围3×3邻域中最低绝对梯度位置的像素点上，从而修正选取好的中心点。
在上述基础上，将待抠图的图像进行灰度化处理，具体的，通过以下公式R＝G＝B＝wr*R+wg*G+wb*B进行灰度化处理，其中wr、wg、wb分别为R、G、B的权值，R、G、B为各个像素点的三种颜色的值。灰度化处理后的待抠图的图像是一个二维函数f(x，y)，其中x、y为灰度图像中的像素点的坐标值，每个像素点的绝对梯度R(x，y)＝|f(x，y)-f(x+1，y+1)+|f(x+1，y)-f(x，y)+1|，从而通过像素点的绝对梯度进行上述的中心点的修正。
步骤S112、对每个选取好的中心点设置相应的搜索范围，其中每个中心点周围相邻的所有中心点的搜索范围合起来能够覆盖该中心点的搜索范围；
例如：中心点1周围相邻的有中心点2、中心点3、中心点4、中心点5、中心点6、中心点7、中心点8、中心点9，那么中心点2相应的搜索范围2、中心点3相应的搜索范围3、中心点4相应的搜索范围4、中心点5相应的搜索范围5、中心点6相应的搜索范围6、中心点7相应的搜索范围7、中心点8相应的搜索范围8、中心点9相应的搜索范围9合起来能够完全覆盖住中心点1相应的搜索范围1。
具体的，选取好的中心点的周围nL×nL区域为搜索区域，其中n为系数，可以选取大于或等于2的整数或者是小数，优选的n＝2，相应的搜索区域为选取好的中心点的周围2L×2L区域，从而可以保证每个中心点的搜索范围可以被其周围相邻的其他中心点的搜索范围合起来覆盖。
步骤S113、计算中心点的搜索范围内的像素点与其中心点或其周围的所有中心点的颜色空间差，并将其分配至所得颜色空间差最小值对应的中心点，以形成该中心点对应的待检测区域。
一般一个像素点会属于多个中心点的搜索空间，也就是一个像素点会被多个中心点的搜索空间所覆盖，分别计算该像素点与覆盖该像素点的每个搜索范围的中心之间的颜色空间差，将该像素点分配至所得到的颜色空间差的最小值所对应的中心点。依次计算所有像素点与其所在的搜索范围的中心点的颜色空间差，将所有像素点分配给相应的中心点，从而形成所有中心点所对应的待检测区域。
例如：分别计算搜索范围1内的像素点与中心点1、中心点2、中心点3、中心点4、中心点5、中心点6、中心点7、中心点8、中心点9之间的颜色空间差，假如计算得到的各个颜色空间差中像素点与中心点2之间的颜色空间差最小，那么将搜索范围1内的该像素点分配给中心点2，以为中心点2形成相应的待检测区域。
另外，对搜索范围的每个像素点，计算该像素点与其所在的多个搜索范围内的中心点之间的颜色空间差，具体的，颜色空间差
Figure BDA0002631978110000061
其中，Lc为该像素点与中心点之间的颜色差、Ls为该像素点与中心点之间的距离差，p为固定常数，p取值[1,40]，优选的p＝10，L为相邻的两个中心点之间的距离。
其中，
Figure BDA0002631978110000062
li为像素点i的亮度、lj为中心点j的亮度、ai为像素点i的一个颜色通道、aj为中心点j的一个颜色通道、bi为像素点i的另一个颜色通道、bj为中心点j的另一个颜色通道。具体的，a是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值)；b是从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)。
若待抠图图像为二维图像，则
Figure BDA0002631978110000063
xi为像素点i的x坐标、xj为中心点j的x坐标、yi为像素点i的y坐标、yj为中心点j的y坐标。若待抠图图像为三维图像，则
Figure BDA0002631978110000064
xi为像素点i的x坐标、xj为中心点j的x坐标、yi为像素点i的y坐标、yj为中心点j的y坐标、zi为像素点i的z坐标、zj为中心点j的z坐标。
步骤S120、检测待检测区域的感知重要度；
请参阅图3，图3是本申请一个实施例提供的检测感知重要度的方法的流程图；
具体的，检测待检测区域的感知重要度，包括如下子步骤：
步骤S121、计算每个待检测区域的颜色的平均信息熵H(α)；
具体的，设A(α)＝{β0，β1，...，βq-1}为待检测区域α中所有像素点的样本集合，B(α)表示以待检测区域α为中心的周围邻域内的所有待检测区域的集合，待检测区域α的颜色的平均信息熵为
Figure BDA0002631978110000071
其中，p(μ)为B(α)内的所有待检测区域的颜色值概率密度(例如：在Lab色空间中颜色值概率密度为待检测区域的所有像素点相对于中心点的平均色差的概率密度)；V为以α为中心的B(α)内所有待检测区域的数量；B(α)内的所有待检测区域的颜色值概率密度
Figure BDA0002631978110000072
其中，m(βd)为A(α)中像素点βd对应的特征等级，d为从1到V的整数；δ[m(βd)-μ]为狄克拉函数，用来判断像待检测区域的平均颜色值是否等于集合B(α)中第μ个待检测区域的平均颜色值，等于为1，不等为0。
步骤S122、将平均信息熵H(α)作为待检测区域的感知重要度。
若待检测区域α的平均信息熵H(α)大于预设阈值，则该待检测区域α与其周围邻域的待检测区域间差异较大，那么该待检测区域α的感知重要度较大，反之若待检测区域α的平均信息熵H(α)小于预设阈值，则该待检测区域α与其周围邻域的待检测区域间差异较小，那么该待检测区域α的感知重要度就较小。
请参阅图4，图4是本申请另一实施例提供的检测感知重要度的方法的流程图；
另外，检测待检测区域的感知重要度，具体还可以包括如下子步骤：
步骤S121’、将待抠图图像的物理边缘位置上的一圈待检测区域作为感知重要度对比集合；
例如：拍摄的图像为长方形，则将长方形的待抠图图像的物理边缘(也就是长方形待抠图图像的四个边缘)位置上的一圈待检测区域作为感知重要度对比集合C＝{c1，c2，...，cθ}，其中c1，c2，...，cθ为待抠图图像物理边缘位置上的一圈待检测区域。接下来，将位于待抠图图像中部的待检测区域与感知重要度对比集合进行比较，从而得到位于待抠图图像中部的待检测区域的感知重要度。
为了保证接下来计算的位于待抠图图像中部的待检测区域的感知重要度的精确性，从而保证检测目标的准确性，优选的，计算感知重要度对比集合中的所有待检测区域的颜色均值，然后将感知重要度对比集合中的每一个待检测区域的颜色均值与感知重要度对比集合中的所有待检测区域的颜色均值进行比较，将感知重要度对比集合中的颜色均值小于感知重要度对比集合中的所有待检测区域的颜色均值的待检测区域从感知重要度对比集合中删除，以修正感知重要度对比集合。
步骤S122’、计算位于待抠图图像中部的每个待检测区域的平均颜色特征向量；
本实施例中所说的颜色特征向量是指Lab色彩模型中亮度L、色坐标值a和有关色彩的b三个要素组成的向量，记作(L，a，b)，a表示从洋红色至绿色的范围，b表示从黄色至蓝色的范围。
具体的，计算位于待抠图图像中部的待检测区域中每个像素点的颜色特征向量，然后将每个像素点的颜色特征向量球平均，得到位于待抠图图像中部的待检测区域的平均颜色特征向量，记作(Lτ，aτ，bτ)，其中τ为位于待抠图图像中部的待检测区域的编号。
步骤S123’、计算感知重要度对比集合中所有待检测区域的平均颜色特征向量；
具体的，计算感知重要度对比集合中每个待检测区域的平均颜色特征向量，计算方法如上，然后将感知重要度对比集合中的所有待检测区域的平均颜色特征向量求平均，得到该感知重要度对比集合中所有待检测区域的平均颜色特征向量(Lψ，aψ，bψ)，其中ψ为感知重要度对比集合中待检测区域的数量。
步骤S124’、将位于待抠图图像中部的每个待检测区域的平均颜色特征向量均与感知重要度对比集合中所有待检测区域的平均颜色特征向量进行比较得到位于待抠图图像中部的每个待检测区域的颜色变化值；
具体的，通过公式
Figure BDA0002631978110000081
计算得到位于待抠图图像中部的每个待检测区域的颜色变化值D。
步骤S125’、将颜色变化值作为位于待抠图图像中部的每个待检测区域的感知重要度。
步骤S130、将感知重要度大于阈值的待检测区域所包围的区域作为目标图像进行抠图。
将感知重要度大于阈值的待检测区域包围的区域作为目标图像，从而实现自动识别图像中未知的目标图像，将识别出的目标图像进行抠图，进而实现自动对图像中的目标图像进行抠图。
实施例二
请参阅图5，图5是本申请实施例提供的图像分离系统的示意图；
本申请提供了一种图像分离系统500，包括：分割模块510、检测模块520和目标图像确定模块530。
分割模块510将待抠图图像分割成多个待检测区域；
将待抠图图像分割成若干个大小和形状均不同，并且形状不规则的待检测区域，每个待检测区域的边界贴近待抠图图像中物体的边界，也就是说分割出的每个待检测区域的边界优选的是待抠图图像中物体的边界，或者说分割出的每个待检测区域的边界与待抠图图像中物体的边界之间具有预定距离，从而使得分割出的每个待检测区域都是一个具有代表性的区域，并且其不仅含有底层的颜色、方向信息，而且还包含了中层的结构信息，进而使得分割出的待检测区域作为基本计算单位，可以保证最终的计算结果更加准确。
具体的，分割模块510包括：选取模块511、搜索范围设置模块512和待检测区域形成模块513。
选取模块511在待抠图图像中选取均匀分布的多个中心点。
例如：待抠图图像具有M个像素点，在M个像素点中选取K个像素点作为中心点，并且K个中心点相邻的两个中心点之间的距离相等。具体的，K个中心点中相邻的两个中心点之间的距离为
Figure BDA0002631978110000091
通过相邻的两个中心点之间的距离相等以保证K个中心点能够均匀的分布在待抠图的图像中。
另外，为了避免选取的中心点落在后续形成的待检测区域的边界上，以免影响后续形成的待检测区域的准确度，对选取好的的中心点进行移位，以修正选取好的中心点。具体的，将选取好的中心点移动至该中心点周围预定邻域中最低绝对梯度位置的像素点上，例如：将选取好的中心点移动至该中心点周围5×5的邻域中最低绝对梯度位置的像素点上，或者将选取好的中心点移动至该中心点周围3×3邻域中最低绝对梯度位置的像素点上，从而修正选取好的中心点。
在上述基础上，将待抠图的图像进行灰度化处理，具体的，通过以下公式R＝G＝B＝wr*R+wg*G+wb*B进行灰度化处理，其中wr、wg、wb分别为R、G、B的权值，R、G、B为各个像素点的三种颜色的值。灰度化处理后的待抠图的图像是一个二维函数f(x，y)，其中x、y为灰度图像中的像素点的坐标值，每个像素点的绝对梯度R(x，y)＝|f(x，y)-f(x+1，y+1)+|f(x+1，y)-f(x，y)+1|，从而通过像素点的绝对梯度进行上述的中心点的修正。
搜索范围设置模块512对每个选取好的中心点设置相应的搜索范围，其中每个中心点周围相邻的所有中心点的搜索范围合起来能够覆盖该中心点的搜索范围；
例如：中心点1周围相邻的有中心点2、中心点3、中心点4、中心点5、中心点6、中心点7、中心点8、中心点9，那么中心点2相应的搜索范围2、中心点3相应的搜索范围3、中心点4相应的搜索范围4、中心点5相应的搜索范围5、中心点6相应的搜索范围6、中心点7相应的搜索范围7、中心点8相应的搜索范围8、中心点9相应的搜索范围9合起来能够完全覆盖住中心点1相应的搜索范围1。
具体的，选取好的中心点的周围nL×nL区域为搜索区域，其中n为系数，可以选取大于或等于2的整数或者是小数，优选的n＝2，相应的搜索区域为选取好的中心点的周围2L×2L区域，从而可以保证每个中心点的搜索范围可以被其周围相邻的其他中心点的搜索范围合起来覆盖。
待检测区域形成模块513计算中心点的搜索范围内的像素点与其中心点或其周围的所有中心点的颜色空间差，并将其分配至所得颜色空间差最小值对应的中心点，以形成该中心点对应的待检测区域。
一般一个像素点会属于多个中心点的搜索空间，也就是一个像素点会被多个中心点的搜索空间所覆盖，分别计算该像素点与覆盖该像素点的每个搜索范围的中心之间的颜色空间差，将该像素点分配至所得到的颜色空间差的最小值所对应的中心点。依次计算所有像素点与其所在的搜索范围的中心点的颜色空间差，将所有像素点分配给相应的中心点，从而形成所有中心点所对应的待检测区域。
例如：分别计算搜索范围1内的像素点与中心点1、中心点2、中心点3、中心点4、中心点5、中心点6、中心点7、中心点8、中心点9之间的颜色空间差，假如计算得到的各个颜色空间差中像素点与中心点2之间的颜色空间差最小，那么将搜索范围1内的该像素点分配给中心点2，以为中心点2形成相应的待检测区域。
另外，对搜索范围的每个像素点，计算该像素点与其所在的多个搜索范围内的中心点之间的颜色空间差，具体的，颜色空间差
Figure BDA0002631978110000111
其中，Lc为该像素点与中心点之间的颜色差、Ls为该像素点与中心点之间的距离差，p为固定常数，p取值[1,40]，优选的p＝10，L为相邻的两个中心点之间的距离。
其中，
Figure BDA0002631978110000112
li为像素点i的亮度、lj为中心点j的亮度、ai为像素点i的一个颜色通道、aj为中心点j的一个颜色通道、bi为像素点i的另一个颜色通道、bj为中心点j的另一个颜色通道。具体的，a是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值)；b是从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)。
若待抠图图像为二维图像，则
Figure BDA0002631978110000113
xi为像素点i的x坐标、xj为中心点j的x坐标、yi为像素点i的y坐标、yj为中心点j的y坐标。若待抠图图像为三维图像，则
Figure BDA0002631978110000114
xi为像素点i的x坐标、xj为中心点j的x坐标、yi为像素点i的y坐标、yj为中心点j的y坐标、zi为像素点i的z坐标、zj为中心点j的z坐标。
检测模块520检测待检测区域的感知重要度。具体的，检测模块520包括：计算模块521和确定模块522。
计算模块521计算每个待检测区域的颜色的平均信息熵H(α)；
具体的，设A(α)＝{β0，β1，...，βq-1}为待检测区域α中所有像素点的样本集合，B(α)表示以待检测区域α为中心的周围邻域内的所有待检测区域的集合，待检测区域α的颜色的平均信息熵为
Figure BDA0002631978110000121
其中，p(μ)为B(α)内的所有待检测区域的颜色值概率密度(例如：在Lab色空间中颜色值概率密度为待检测区域的所有像素点相对于中心点的平均色差的概率密度)；V为以α为中心的B(α)内所有待检测区域的数量；B(α)内的所有待检测区域的颜色值概率密度
Figure BDA0002631978110000122
其中，m(βd)为A(α)中像素点βd对应的特征等级，d为从1到V的整数；δ[m(βd)-μ]为狄克拉函数，用来判断像待检测区域的平均颜色值是否等于集合B(α)中第μ个待检测区域的平均颜色值，等于为1，不等为0。
确定模块522将平均信息熵H(α)作为待检测区域的感知重要度。
若待检测区域α的平均信息熵H(α)大于预设阈值，则该待检测区域α与其周围邻域的待检测区域间差异较大，那么该待检测区域α的感知重要度较大，反之若待检测区域α的平均信息熵H(α)小于预设阈值，则该待检测区域α与其周围邻域的待检测区域间差异较小，那么该待检测区域α的感知重要度就较小。
另外，检测模块520还可以是包括：计算模块521、确定模块522、集合构建模块523和对比模块524。
集合构建模块523将待抠图图像的物理边缘位置上的一圈待检测区域作为感知重要度对比集合；
例如：拍摄的图像为长方形，则将长方形的待抠图图像的物理边缘(也就是长方形待抠图图像的四个边缘)位置上的一圈待检测区域作为感知重要度对比集合C＝{c1，c2，…，cθ}，其中c1，c2，…，cθ为待抠图图像物理边缘位置上的一圈待检测区域。接下来，将位于待抠图图像中部的待检测区域与感知重要度对比集合进行比较，从而得到位于待抠图图像中部的待检测区域的感知重要度。
为了保证接下来计算的位于待抠图图像中部的待检测区域的感知重要度的精确性，从而保证检测目标的准确性，优选的，计算感知重要度对比集合中的所有待检测区域的颜色均值，然后将感知重要度对比集合中的每一个待检测区域的颜色均值与感知重要度对比集合中的所有待检测区域的颜色均值进行比较，将感知重要度对比集合中的颜色均值小于感知重要度对比集合中的所有待检测区域的颜色均值的待检测区域从感知重要度对比集合中删除，以修正感知重要度对比集合。
计算模块521计算位于待抠图图像中部的每个待检测区域的平均颜色特征向量；
本实施例中所说的颜色特征向量是指Lab色彩模型中亮度L、色坐标值a和有关色彩的b三个要素组成的向量，记作(L，a，b)，a表示从洋红色至绿色的范围，b表示从黄色至蓝色的范围。
具体的，计算位于待抠图图像中部的待检测区域中每个像素点的颜色特征向量，然后将每个像素点的颜色特征向量球平均，得到位于待抠图图像中部的待检测区域的平均颜色特征向量，记作(Lτ，aτ，bτ)，其中τ为位于待抠图图像中部的待检测区域的编号。
计算模块521还计算感知重要度对比集合中所有待检测区域的平均颜色特征向量；
具体的，计算感知重要度对比集合中每个待检测区域的平均颜色特征向量，计算方法如上，然后将感知重要度对比集合中的所有待检测区域的平均颜色特征向量求平均，得到该感知重要度对比集合中所有待检测区域的平均颜色特征向量(Lψ，aψ，bψ)，其中ψ为感知重要度对比集合中待检测区域的数量。
对比模块524将位于待抠图图像中部的每个待检测区域的平均颜色特征向量均与感知重要度对比集合中所有待检测区域的平均颜色特征向量进行比较得到位于待抠图图像中部的每个待检测区域的颜色变化值；
具体的，通过公式
Figure BDA0002631978110000141
计算得到位于待抠图图像中部的每个待检测区域的颜色变化值D。
确定模块522将颜色变化值作为位于待抠图图像中部的每个待检测区域的感知重要度。
目标图像确定模块530将感知重要度大于阈值的待检测区域所包围的区域作为目标图像进行抠图。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (10)

1.一种图像分离方法，其特征在于，包括如下步骤：
步骤S110、将待抠图图像分割成多个待检测区域；
步骤S120、检测待检测区域的感知重要度；
步骤S130、将感知重要度大于阈值的待检测区域所包围的区域作为目标图像进行抠图。
2.根据权利要求1所述的图像分离方法，其特征在于，将待抠图图像分割成多个待检测区域，具体包括如下子步骤：
步骤S111、在待抠图图像中选取均匀分布的多个中心点；
步骤S112、对每个选取好的中心点设置相应的搜索范围，其中每个中心点周围相邻的所有中心点的搜索范围合起来能够覆盖该中心点的搜索范围；
步骤S113、计算中心点的搜索范围内的像素点与其中心点或其周围的所有中心点的颜色空间差，并将其分配至所得颜色空间差最小值对应的中心点，以形成该中心点对应的待检测区域。
3.根据权利要求2所述的图像分离方法，其特征在于，选取好的中心点的周围nL×nL区域为搜索区域，其中n为大于或等于2系数，L为相邻的两个中心点之间的距离。
4.根据权利要求2所述的图像分离方法，其特征在于，相邻的两个中心点之间的距离相等。
5.根据权利要求2所述的图像分离方法，其特征在于，将选取好的中心点移动至该中心点周围预定邻域中最低绝对梯度位置的像素点上，以修正选取好的中心点。
6.一种图像分离系统，其特征在于，包括：分割模块、检测模块和目标图像确定模块；
分割模块将待抠图图像分割成多个待检测区域；检测模块检测待检测区域的感知重要度；目标图像确定模块将感知重要度大于阈值的待检测区域所包围的区域作为目标图像进行抠图。
7.根据权利要求6所述的图像分离系统，其特征在于，分割模块包括：选取模块、搜索范围设置模块和待检测区域形成模块；
选取模块在待抠图图像中选取均匀分布的多个中心点；搜索范围设置模块对每个选取好的中心点设置相应的搜索范围，其中每个中心点周围相邻的所有中心点的搜索范围合起来能够覆盖该中心点的搜索范围；待检测区域形成模块计算中心点的搜索范围内的像素点与其中心点或其周围的所有中心点的颜色空间差，并将其分配至所得颜色空间差最小值对应的中心点，以形成该中心点对应的待检测区域。
8.根据权利要求7所述的图像分离系统，其特征在于，选取好的中心点的周围nL×nL区域为搜索区域，其中n为大于或等于2系数，L为相邻的两个中心点之间的距离。
9.根据权利要求7所述的图像分离系统，其特征在于，相邻的两个中心点之间的距离相等。
10.根据权利要求7所述的图像分离系统，其特征在于，将选取好的中心点移动至该中心点周围预定邻域中最低绝对梯度位置的像素点上，以修正选取好的中心点。
CN202010813837.3A 2020-08-13 2020-08-13 一种图像分离方法及其系统 Active CN111784715B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010813837.3A CN111784715B (zh) 2020-08-13 2020-08-13 一种图像分离方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010813837.3A CN111784715B (zh) 2020-08-13 2020-08-13 一种图像分离方法及其系统

Publications (2)

Publication Number Publication Date
CN111784715A true CN111784715A (zh) 2020-10-16
CN111784715B CN111784715B (zh) 2022-01-04

Family

ID=72762043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010813837.3A Active CN111784715B (zh) 2020-08-13 2020-08-13 一种图像分离方法及其系统

Country Status (1)

Country Link
CN (1) CN111784715B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567731A (zh) * 2011-12-06 2012-07-11 北京航空航天大学 一种感兴趣区域提取方法
US20140226856A1 (en) * 2013-02-06 2014-08-14 Fujitsu Limited Method and apparatus for semi-automatic finger extraction
KR101698314B1 (ko) * 2015-12-09 2017-01-20 경북대학교 산학협력단 영상 통계정보에 기반한 정지장면 분할장치 및 그 방법
CN108596921A (zh) * 2018-05-10 2018-09-28 苏州大学 图像显著区域检测的方法、装置、设备及可读存储介质
CN108921820A (zh) * 2018-05-30 2018-11-30 咸阳师范学院 一种基于特征聚类和颜色对比度的图像显著性目标检测方法
CN110503656A (zh) * 2019-08-28 2019-11-26 苏州大学 一种超像素分割方法及相关设备
CN111526417A (zh) * 2020-04-20 2020-08-11 北京英迈琪科技有限公司 一种视频图像传输方法及传输系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567731A (zh) * 2011-12-06 2012-07-11 北京航空航天大学 一种感兴趣区域提取方法
US20140226856A1 (en) * 2013-02-06 2014-08-14 Fujitsu Limited Method and apparatus for semi-automatic finger extraction
KR101698314B1 (ko) * 2015-12-09 2017-01-20 경북대학교 산학협력단 영상 통계정보에 기반한 정지장면 분할장치 및 그 방법
CN108596921A (zh) * 2018-05-10 2018-09-28 苏州大学 图像显著区域检测的方法、装置、设备及可读存储介质
CN108921820A (zh) * 2018-05-30 2018-11-30 咸阳师范学院 一种基于特征聚类和颜色对比度的图像显著性目标检测方法
CN110503656A (zh) * 2019-08-28 2019-11-26 苏州大学 一种超像素分割方法及相关设备
CN111526417A (zh) * 2020-04-20 2020-08-11 北京英迈琪科技有限公司 一种视频图像传输方法及传输系统

Also Published As

Publication number Publication date
CN111784715B (zh) 2022-01-04

Similar Documents

Publication Publication Date Title
CN108549891B (zh) 基于背景与目标先验的多尺度扩散显著目标检测方法
CN107452010B (zh) 一种自动抠图算法和装置
JP3740065B2 (ja) 領域分割された映像の領域特徴値整合に基づいた客体抽出装置およびその方法
CN106023257B (zh) 一种基于旋翼无人机平台的目标跟踪方法
JP5458905B2 (ja) 画像におけるシャドーの検知装置および検知方法
US7664315B2 (en) Integrated image processor
US8774503B2 (en) Method for color feature extraction
CN102722891A (zh) 一种图像显著度检测的方法
CN105809716B (zh) 融合超像素与三维自组织背景减除法的前景提取方法
CN111274964B (zh) 一种基于无人机视觉显著性分析水面污染物的检测方法
CN106815587B (zh) 图像处理方法及装置
CN111310768B (zh) 基于鲁棒性背景先验和全局信息的显著性目标检测方法
CN104657980A (zh) 一种改进的基于Meanshift的多通道图像分割算法
CN107085848A (zh) 一种rgb‑d图显著性的检测方法
CN104599288A (zh) 一种基于肤色模板的特征跟踪方法及装置
CN107895140A (zh) 基于人脸肤色的色情图片识别办法
CN107452013A (zh) 基于Harris角点检测和Sugeno模糊积分的显著性检测方法
CN114359323A (zh) 一种基于视觉注意机制的图像目标区域检测方法
CN107578424A (zh) 一种基于时空分类的动态背景差分检测方法、系统及装置
CN107610148B (zh) 一种基于双目立体视觉系统的前景分割方法
Rahimzadeganasl et al. Automatic building detection based on CIE LUV color space using very high resolution pleiades images
CN109741337B (zh) 基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法
CN105574841A (zh) 一种基于颜色的图像分割方法及装置
CN110717910B (zh) 基于卷积神经网络的ct图像目标检测方法及ct扫描仪
CN111784715B (zh) 一种图像分离方法及其系统

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Xu Xiaojun

Inventor after: Qian Yifan

Inventor after: Zhu Dong

Inventor after: Yang Yi

Inventor before: Xu Xiaojun

Inventor before: Qian Yifan

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211208

Address after: 401120 No.1-4, 16th floor, no.6, Yangliu North Road, Yubei District, Chongqing

Applicant after: Chongqing QiTeng Technology Co.,Ltd.

Address before: 102400 no.18-d11961, Jianshe Road, Kaixuan street, Liangxiang, Fangshan District, Beijing

Applicant before: Beijing yingmaiqi Technology Co.,Ltd.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 401122 No. 21-1, building 7, No. 2, Huizhu Road, Yubei District, Chongqing

Applicant after: Chongqing QiTeng Technology Co.,Ltd.

Address before: 401120 No.1-4, 16th floor, no.6, Yangliu North Road, Yubei District, Chongqing

Applicant before: Chongqing QiTeng Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 401122 No. 21-1, building 7, No. 2, Huizhu Road, Yubei District, Chongqing

Patentee after: Seven Teng Robot Co.,Ltd.

Address before: 401122 No. 21-1, building 7, No. 2, Huizhu Road, Yubei District, Chongqing

Patentee before: Chongqing QiTeng Technology Co.,Ltd.

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Method and System for Image Separation

Effective date of registration: 20230810

Granted publication date: 20220104

Pledgee: Chongqing Yuzhong Sub branch of China Construction Bank Corp.

Pledgor: Seven Teng Robot Co.,Ltd.

Registration number: Y2023980051686