CN112598687A - 图像分割方法和装置、存储介质、电子设备 - Google Patents
图像分割方法和装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN112598687A CN112598687A CN202110008276.4A CN202110008276A CN112598687A CN 112598687 A CN112598687 A CN 112598687A CN 202110008276 A CN202110008276 A CN 202110008276A CN 112598687 A CN112598687 A CN 112598687A
- Authority
- CN
- China
- Prior art keywords
- data
- image
- edge
- segmentation
- foreground
- 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
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
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
- G06T15/205—Image-based rendering
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本公开是关于一种图像分割方法和装置、存储介质、电子设备,涉及图像处理技术领域,该方法包括:对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据;根据所述边缘分割数据,自所述轮廓边缘向远离所述轮廓边缘的图像区域膨胀处理,以确定包括属于前景图像的数据和属于背景图像的数据的过渡数据;根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,根据所述目标掩膜图像对所述待处理图像进行图像处理。本公开使得背景图像和前景图像之间的分割边缘更加自然。
Description
技术领域
本公开涉及图像处理技术领域,具体而言,涉及一种图像分割方法、图像分割装置、存储介质以及电子设备。
背景技术
在图像处理技术领域中,背景虚化是一种常用的图像处理方法。
通常,可以通过待处理图像的掩膜图像对该带处理图像中的前景图像和背景图像进行分割。其中,具体的分割过程为:对于前景图像,不做任何处理;对于背景图像,将背景图像中所包括的当前像素点的颜色,用与该当前像素点对应的周边像素点所具有的颜色值进行加权平均处理,得到新的颜色值,并将该新的颜色值赋值给该当前像素点,以形成模糊效果;最后,根据背景图像的各像素点的模糊结果形成一条分割线,以达到分割结果。
但是,采用这种背景虚化方式会导致待处理图像的前景图像与背景图像的过渡区域会出现一条明显的分割线,使得前景图像和背景图像的边缘分割不自然。
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公开的背景的理解,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
本公开的目的在于提供一种图像分割方法、图像分割装置、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背景图像和前景图像分割不自然的问题。
根据本公开的一个方面,提供一种图像分割方法,包括:
对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据;
根据所述边缘分割数据,自所述轮廓边缘向远离所述轮廓边缘的图像区域膨胀处理,以确定包括属于前景图像的数据和属于背景图像的数据的过渡数据;
根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,根据所述目标掩膜图像对所述待处理图像进行图像处理。
在本公开的一种示例性实施例中,对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据,包括:
获取所述当前掩膜图像数据中包括的前景图像数据;
对所述前景图像数据预设范围内所包括的所述当前掩膜图像数据进行遍历,判断所述前景图像数据预设范围内是否包括背景图像数据;
当所述前景图像数据预设范围内包括所述背景图像数据时,对所述前景图像数据进行标记,得到所述边缘分割数据。
在本公开的一种示例性实施例中,根据所述边缘分割数据,自所述轮廓边缘向远离所述轮廓边缘的图像区域膨胀处理,以确定包括属于前景图像的数据和属于背景图像的数据的过渡数据,包括:
根据所述边缘分割数据,对所述当前掩膜图像数据进行前向膨胀处理,得到所述属于前景图像的数据;
根据所述边缘分割数据,对所述当前掩膜图像数据进行后向膨胀处理,得到所述属于背景图像的数据。
在本公开的一种示例性实施例中,根据所述边缘分割数据,对所述当前掩膜图像数据进行前向膨胀处理,得到所述属于前景图像的数据,包括:
对所述边缘分割数据预设范围内包括的所述当前掩膜图像数据进行遍历,得到所述边缘分割数据预设范围内包括的前景图像数据;
对所述前景图像数据进行标记,得到所述属于前景图像的数据。
在本公开的一种示例性实施例中,根据所述边缘分割数据,对所述当前掩膜图像数据进行后向膨胀处理,得到所述属于背景图像的数据,包括:
对所述边缘分割数据预设范围内包括的所述当前掩膜图像数据进行遍历,得到所述边缘分割数据预设范围内包括的背景图像数据;
对所述背景图像数据进行标记,得到所述属于背景图像的数据。
在本公开的一种示例性实施例中,根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,包括:
根据所述边缘分割数据、所述靠近边缘但属于前景图像的数据以及所述靠近边缘但属于背景图像的数据,生成目标掩膜图像数据;
将所述目标掩膜图像数据输入至预设的卷积神经网络模型中,得到与所述目标掩膜图像数据对应的第一特征图;
对所述第一特征图中包括的特征设定感兴趣区域,并对所述感兴趣区域进行二值分类,得到目标感兴趣区域;
对所述目标感兴趣区域进行池化操作,得到与所述目标掩膜图像数据对应的第二特征图,根据所述第二特征图得到所述目标掩膜图像。
在本公开的一种示例性实施例中,根据所述目标掩膜图像对所述待处理图像进行图像处理,包括:
根据目标掩膜图像数据中包括的背景图像数据,得到与所述背景图像数据对应的目标掩膜图像中包括的背景图像的权重;
根据所述目标掩膜图像中包括的背景图像的权重对所述待处理图像进行分割处理。
根据本公开的一个方面,提供一种图像分割装置,包括:
边缘分割数据获取模块,用于对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据;
膨胀处理模块,用于根据所述边缘分割数据,自所述轮廓边缘向远离所述轮廓边缘的图像区域膨胀处理,以确定包括属于前景图像的数据和属于背景图像的数据的过渡数据;
分割处理模块,用于根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,根据所述目标掩膜图像对所述待处理图像进行图像处理。
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一项所述的图像分割方法。
本公开实施例提供的一种图像分割方法,一方面,对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据;根据所述边缘分割数据,自所述轮廓边缘向远离所述轮廓边缘的图像区域膨胀处理,以确定包括属于前景图像的数据和属于背景图像的数据的过渡数据;根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,根据所述目标掩膜图像对所述待处理图像进行图像处理,由于对当前掩膜图像数据进行遍历得到边缘分割数据,并根据边缘分割数据对当前掩膜图像数据进行膨胀处理,得到属于前景图像的数据以及属于背景图像的数据,根据边缘分割数据、属于前景图像的数据以及属于背景图像的数据生成目标掩膜图像,并根据生成的目标掩膜图像对待处理图像进行处理,使得背景图像和前景图像之间的分割边缘更加自然;另一方面,由于不需要对背景图像中当前像素点的颜色值进行加权处理,进而提高了图像分割的效率。
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图像分割系统的框图。
图3示意性示出根据本发明示例实施例的一种获取边缘分割数据的方法流程图。
图4示意性示出根据本发明示例实施例的一种对掩膜图像数据进行膨胀处理的方法流程图。
图5示意性示出根据本发明示例实施例的一种目标掩膜图像的示意图。
图6示意性示出根据本发明示例实施例的一种基于现有技术生成的掩膜图像的示意图。
图7示意性示出根据本发明示例实施例的一种根据目标掩膜图像生成的待处理图像的示意图。
图8示意性示出根据本发明示例实施例的一种根据现有技术的掩膜图像生成的待处理图像的示意图。
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。
在图像处理中,处于图像焦点位置的物体称为前景,处于图像非焦点位置的物体称为背景,为了突出图像中的主体部分,通常会对图像中的背景部分进行模糊处理,这种图像处理方式称为背景虚化。其中,模糊处理可以通过模糊算法对图像中包括的像素点的颜色值进行处理,最终达到降低图像噪声的目的。
在对图像进行背景虚化时需要根据图像中的数据点对图像进行渲染,而图像中的每个点代表的信息仅包括:该点的颜色以及位置,所以在对图像渲染时无法区分该图像中哪一点属于前景部分,哪一点属于背景部分。
由于在图像中无法区分该图像的前景部分与背景部分,因此通过生成该图像的掩膜图像,与掩膜图像对应的掩膜图像数据所包括的信息除了位置信息还包括颜色信息:红色和白色,其中,红色代表该点属于前景部分,白色代表该点属于背景部分,对于前景部分在渲染时,不做任何处理,对于背景部分,则通过模糊算法进行处理。但是,这种处理方法会导致前景图像和背景图像之间出现一条特别明显的分割线。
基于上述一个或者多个问题,本示例实施方式首先提供了一种图像分割方法,该方法可以运行于设备终端,该设备终端可以包括PC端、移动端等,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,本示例实施例对此不做具体限定。参考图1所示,该图像分割方法可以包括以下步骤:
步骤S110.对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据;
步骤S120.根据所述边缘分割数据,自所述轮廓边缘向远离所述轮廓边缘的图像区域膨胀处理,以确定包括属于前景图像的数据和属于背景图像的数据的过渡数据;
步骤S130.根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,根据所述目标掩膜图像对所述待处理图像进行图像处理。
上述图像分割方法,一方面,对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据;根据所述边缘分割数据,自所述轮廓边缘向远离所述轮廓边缘的图像区域膨胀处理,以确定包括属于前景图像的数据和属于背景图像的数据的过渡数据;根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,根据所述目标掩膜图像对所述待处理图像进行图像处理,由于对当前掩膜图像数据进行遍历得到边缘分割数据,并根据边缘分割数据对当前掩膜图像数据进行膨胀处理,得到属于前景图像的数据以及属于背景图像的数据,根据边缘分割数据、属于前景图像的数据以及属于背景图像的数据生成目标掩膜图像,并根据生成的目标掩膜图像对待处理图像进行处理,使得背景图像和前景图像之间的分割边缘更加自然;另一方面,由于不需要对待处理图像的背景图像中当前像素点得颜色值进行加权处理,进而提高了图像分割的效率。
以下,对本公开示例实施例的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,对本公开示例实施例的应用场景以及目的进行解释以及说明。
具体的,本公开示例实施例可以用于图像分割场景中,主要用于对与待处理图像对应的掩膜图像数据进行处理,得到包含信息更多的目标掩膜图像数据,进而根据目标掩膜图像数据生成目标掩膜图像,根据目标掩膜图像对待处理图像进行处理。
本公开示例实施例以待处理图像的当前掩膜图像数据为基础,通过对当前掩膜图像数据进行遍历以及膨胀处理,得到目标掩膜图像数据,使得目标掩膜图像数据包含更多信息,并根据目标掩膜图像数据生成目标掩膜图像,通过目标掩膜图像对待处理图像进行分割处理,使得待处理图像中背景图像和前景图像之间的边缘分割更加自然,其中,边缘分割为待处理图像中前景部分与背景部分之间的分界线。具体如下:一方面,对待处理图像的当前掩膜图像数据进行遍历得到边缘分割数据,通过边缘分割数据对待处理图像对应的当前掩膜图像数据进行膨胀处理,得到属于前景图像的数据以及属于背景图像的数据,并通过边缘分割数据、属于前景图像的数据以及属于背景图像的数据生成目标掩膜图像数据,提高了掩膜图像数据所包含的信息的丰富程度;另一方面,根据目标掩膜图像数据生成目标掩膜图像,并根据目标掩膜图像对待处理图像进行分割处理,使得待处理图像的背景图像与前景图像的分割边缘更加自然;进一步的,另一方面,由于不需要对待处理图像的背景图像中当前像素点得颜色值进行加权处理,进而提高了图像分割的效率。
其次,对本公开示例实施例中涉及的图像分割系统进行解释以及说明。参考图2所示,该图像分割系统可以包括数据处理模块210以及显示模块220。其中,数据处理模块210,用于对与待处理图像对应的当前掩膜图像数据进行处理,得到目标掩膜图像;显示模块220,与数据处理模块210网络连接,用于显示待处理图像以及经过图像处理的图像。
以下将结合图2对步骤S110-步骤S130进行解释以及说明。
在步骤S110中,对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据。
其中,掩膜图像数据可以为二维数组,可以根据该二维数组生成一张图片,其中二维数组的大小可以为与该二维数组对应的图片中包括的像素点的个数,二维数组中的元素代表了对应的像素点的信息,举例而言,二维数组中第n行第m列的元素,可以代表要生成的图片中第n行第m列的像素点包含的信息,其中,m、n均为正整数。当前景图像数据的预设范围内存在背景图像数据时,该前景图像数据可以为前景图像的轮廓边缘数据。参考表1所示的掩膜图像数据,其中,M、N均为正整数,表1所示的数组中值为-100代表该值对应的像素点属于背景部分,值为100代表该值对应的像素点属于前景部分,即,第M列、M+1列以及M+2列为背景图像数据,第M+3列、M+4列、M+5列以及M+6列为前景图像数据。
表1掩膜图像数据
…… | 第M列 | 第M+1列 | 第M+2列 | 第M+3列 | 第M+4列 | 第M+5列 | 第M+6列 |
第N行 | -100 | -100 | -100 | 100 | 100 | 100 | 100 |
第N+1行 | -100 | -100 | -100 | 100 | 100 | 100 | 100 |
第N+2行 | -100 | -100 | -100 | 100 | 100 | 100 | 100 |
第N+3行 | -100 | -100 | -100 | 100 | 100 | 100 | 100 |
第N+4行 | -100 | -100 | -100 | 100 | 100 | 100 | 100 |
第N+5行 | -100 | -100 | -100 | 100 | 100 | 100 | 100 |
第N+6行 | -100 | -100 | -100 | 100 | 100 | 100 | 100 |
在本示例实施例中,参考图3所示的确定边缘分割数据的方法流程图,对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据,可以包括步骤S310-步骤S330:
步骤S310:获取所述当前掩膜图像数据中包括的前景图像数据;
步骤S320:对所述前景图像数据预设范围内所包括的所述当前掩膜图像数据进行遍历,判断所述前景图像数据预设范围内是否包括背景图像数据;
步骤S330:当所述前景图像数据预设范围内包括所述背景图像数据时,对所述前景图像数据进行标记,得到所述边缘分割数据。
以下将对步骤S310-步骤S330进行解释以及说明,具体的,首先,获取与待处理图像对应的当前掩膜图像数据,对该当前掩膜图像数据进行遍历,得到当前掩膜图像数据中包括的前景图像数据;然后,对得到的前景图像数据预设范围内的数据进行遍历,查询预设范围内是否包括背景图像数据,在本示例实施例中预设范围可以为以该前景图像数据为中心的3*3范围,也可以为以该前景图像数据为中心的4*4范围,在本示例实施例中对预设范围不做具体的限定,本领域技术人员可以根据需要确定预设范围;当前景图像数据的预设范围内包括背景图像数据时,对该前景图像数据进行标记。
举例而言,预设范围为3*3时,参考表1所示的掩膜图像数据,首先,确定掩膜图像数据中包括的前景图像数据,即,图3中第M+3列的元素值为100的数据;其次,以第M+3列的元素为中心,遍历每个元素3*3范围内是否包含背景图像数据,即,判断3*3范围内是否包含元素值为-100的数据;当3*3范围内包括元素值为-100的数据时,则该第x行第y列元素值为100的数据属于待处理图像中边缘分割的部分,其中,x、y均为正整数,边缘分割可以为图像中前景图像与背景图像之间的边界线,对该元素值为100的数据进行标记,将其值置为0,在本示例实施例中,可以将前景图像数据的值标记为0,也可以将前景图像数据的值标记为10,在本示例实施例中对标记值不做具体限定;标记得到的元素值为0的数据即为边缘分割数据,标记结果参考表2所示。
表2边缘分割数据标记结果表
…… | 第M列 | 第M+1列 | 第M+2列 | 第M+3列 | 第M+4列 | 第M+5列 | 第M+6列 |
第N行 | -100 | -100 | -100 | 0 | 100 | 100 | 100 |
第N+1行 | -100 | -100 | -100 | 0 | 100 | 100 | 100 |
第N+2行 | -100 | -100 | -100 | 0 | 100 | 100 | 100 |
第N+3行 | -100 | -100 | -100 | 0 | 100 | 100 | 100 |
第N+4行 | -100 | -100 | -100 | 0 | 100 | 100 | 100 |
第N+5行 | -100 | -100 | -100 | 0 | 100 | 100 | 100 |
第N+6行 | -100 | -100 | -100 | 0 | 100 | 100 | 100 |
在步骤S120中,根据所述边缘分割数据,自所述轮廓边缘向远离所述轮廓边缘的图像区域膨胀处理,以确定包括属于前景图像的数据和属于背景图像的数据的过渡数据。
得到边缘分割数据后,以边缘分割数据为基础对远离轮廓边缘的掩膜图像数据进行膨胀处理,得到属于前景图像的数据以及属于背景图像的数据,参考图4所示,得到上述数据可以包括步骤S410以及步骤S420:
步骤S410.根据所述边缘分割数据,对所述当前掩膜图像数据进行前向膨胀处理,得到所述属于前景图像的数据。
在本示例实施例中,根据所述边缘分割数据,对所述当前掩膜图像数据进行前向膨胀处理,得到所述属于前景图像的数据,包括:
对所述边缘分割数据预设范围内包括的所述当前掩膜图像数据进行遍历,得到所述边缘分割数据预设范围内包括的前景图像数据;
对所述前景图像数据进行标记,得到所述属于前景图像的数据。
具体的,首先,以边缘分割数据为中心,对边缘分割数据预设范围内包括的掩膜图像数据进行遍历,其中预设范围可以为以该边缘分割数据为中心的3*3范围,也可以为以该边缘分割数据为中心的4*4范围,在本示例实施例中对预设范围不做具体限定;其次,判断预设范围内是否包含前景图像数据,当预设范围内包含前景图像数据时,对包含的前景图像数据进行标记,可以将预设范围内的前景图像数据标记为1,也可以将预设范围内的前景图像数据标记为2,在本示例实施例中对预设范围内前景图像数据的标记值不做具体的限定,但是,本示例实施例中预设范围内的前景图像数据的标记值与步骤S330中对前景图像数据的标记值不同。举例而言:
基于表2所示的边缘分割数据标记结果表,以该边缘分割数据为中心,即,以第M+3列元素数值为0的数据为中心,遍历元素数值为0的数据3*3范围内包括的掩膜图像数据,判断3*3范围内是否包含元素数值为100的数据,当3*3范围内包含元素数值为100的数据时,将元素数值为100的数据标记为1,其中,标记为1的数据即为属于前景图像的数据,标记结果参考表3所示。
表3靠近边缘但属于前景图像的数据标记结果表
…… | 第M列 | 第M+1列 | 第M+2列 | 第M+3列 | 第M+4列 | 第M+5列 | 第M+6列 |
第N行 | -100 | -100 | -100 | 0 | 1 | 100 | 100 |
第N+1行 | -100 | -100 | -100 | 0 | 1 | 100 | 100 |
第N+2行 | -100 | -100 | -100 | 0 | 1 | 100 | 100 |
第N+3行 | -100 | -100 | -100 | 0 | 1 | 100 | 100 |
第N+4行 | -100 | -100 | -100 | 0 | 1 | 100 | 100 |
第N+5行 | -100 | -100 | -100 | 0 | 1 | 100 | 100 |
第N+6行 | -100 | -100 | -100 | 0 | 1 | 100 | 100 |
步骤S420.根据所述边缘分割数据,对所述当前掩膜图像数据进行后向膨胀处理,得到所述属于背景图像的数据。
在本示例实施例中,根据所述边缘分割数据,对所述当前掩膜图像数据进行后向膨胀处理,得到所述属于背景图像的数据,包括:
对所述边缘分割数据预设范围内包括的所述当前掩膜图像数据进行遍历,得到所述边缘分割数据预设范围内包括的背景图像数据;
对所述背景图像数据进行标记,得到所述属于背景图像的数据。
具体的,首先,以边缘分割数据为中心,对边缘分割数据预设范围内包括的掩膜图像数据进行遍历,其中预设范围可以为以该边缘分割数据为中心的3*3范围,也可以为以该边缘分割数据为中心的4*4范围,在本示例实施例中对预设范围不做具体限定;其次,判断预设范围内是否包含背景图像数据,当预设范围内包含背景图像数据时,对包含的背景图像数据进行标记,可以将预设范围内的背景图像数据标记为-1,也可以将预设范围内的前景图像数据标记为-2,在本示例实施例中对预设范围内前景图像数据的标记值不做具体的限定,但是,本示例实施例中预设范围内的背景图像数据的标记值与预设范围内的前景图像数据的标记值以及步骤S330中对前景图像数据的标记值均不同。举例而言:
基于表3所示的边缘分割数据,以该边缘分割数据为中心,即,以第M+3列元素数值为0的数据为中心,遍历元素数值为0的数据3*3范围内包括的掩膜图像数据,判断3*3范围内是否包含元素数值为-100的数据,当3*3范围内包含元素数值为-100的数据时,将元素数值为-100的数据标记为-1,其中,标记为-1的数据即为属于背景图像的数据,标记结果参考表4所示。
表4靠近边缘但属于背景图像的数据标记结果表
…… | 第M列 | 第M+1列 | 第M+2列 | 第M+3列 | 第M+4列 | 第M+5列 | 第M+6列 |
第N行 | -100 | -100 | -1 | 0 | 1 | 100 | 100 |
第N+1行 | -100 | -100 | -1 | 0 | 1 | 100 | 100 |
第N+2行 | -100 | -100 | -1 | 0 | 1 | 100 | 100 |
第N+3行 | -100 | -100 | -1 | 0 | 1 | 100 | 100 |
第N+4行 | -100 | -100 | -1 | 0 | 1 | 100 | 100 |
第N+5行 | -100 | -100 | -1 | 0 | 1 | 100 | 100 |
第N+6行 | -100 | -100 | -1 | 0 | 1 | 100 | 100 |
在步骤S130中,根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,根据所述目标掩膜图像对所述待处理图像进行图像处理。
其中,过渡数据包括属于前景图像的数据以及属于背景图像的数据。
在本示例实施例中,根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,包括:
根据所述边缘分割数据、所述属于前景图像的数据以及所述属于背景图像的数据,生成目标掩膜图像数据;
将所述目标掩膜图像数据输入至预设的卷积神经网络模型中,得到与所述目标掩膜图像数据对应的第一特征图;
对所述第一特征图中包括的特征设定感兴趣区域,并对所述感兴趣区域进行二值分类,得到目标感兴趣区域;
对所述目标感兴趣区域进行池化操作,得到与所述目标掩膜图像数据对应的第二特征图,根据所述第二特征图得到所述目标掩膜图像。
其中,表4所示的掩膜图像数据为经过一次前向膨胀处理和一次后向膨胀处理得到的掩膜图像数据,根据步骤S410以及步骤S420对表4所示的掩膜图像数据进行多次膨胀处理,每次遍历的预设范围以及标记的值均不同,举例而言,在进行第二次前向膨胀处理以及第二次后向膨胀处理时,预设范围可以大于第一次膨胀处理时的预设范围,当进行第二次膨胀处理时,预设范围可以为以边缘分割数据为中心的4*4范围,也可以为以边缘分割数据为中心的5*5范围,在本示例实施例中对第二次进行膨胀处理时的预设范围不做具体限定。当预设范围为以边缘分割数据为中心的4*4范围时,在执行步骤S410的前向膨胀时,可以将属于前景图像的数据标记为2;在执行步骤S420的后向膨胀时,可以将属于背景图像的数据标记为-2。当进行第三次膨胀处理时,为了保证数据处理的效率,预设范围可以大于第二次膨胀处理时的范围,随着预设范围的增大,当边缘分割数据的预设范围内不包含元素值为100的前景图像数据以及元素值为-100的背景图像数据时,得到的掩膜图像数据可以为目标掩膜图像数据,参考表5所示。
表5目标掩膜图像数据表
…… | 第M列 | 第M+1列 | 第M+2列 | 第M+3列 | 第M+4列 | 第M+5列 | 第M+6列 |
第N行 | -3 | -2 | -1 | 0 | 1 | 2 | 3 |
第N+1行 | -3 | -2 | -1 | 0 | 1 | 2 | 3 |
第N+2行 | -3 | -2 | -1 | 0 | 1 | 2 | 3 |
第N+3行 | -3 | -2 | -1 | 0 | 1 | 2 | 3 |
第N+4行 | -3 | -2 | -1 | 0 | 1 | 2 | 3 |
第N+5行 | -3 | -2 | -1 | 0 | 1 | 2 | 3 |
第N+6行 | -3 | -2 | -1 | 0 | 1 | 2 | 3 |
在表5所示的目标掩膜图像数据表中,目标掩膜图像数据中所包括的信息除了原来是否为背景点的信息外,还可以包括每个像素点是否为分割边缘以及到分割边缘的距离,其中,当元素值为0时,代表该像素点为分割边缘点;当元素值在0~100之间时,代表该像素点靠近边缘但属于前景图像,且元素值越小,则到分割边缘的距离越近;当元素值在-100~0时,代表该像素点靠近边缘但属于背景图像,且元素值越大,则到分割边缘的距离越近。
预设的卷积神经网络模型可以为ResNet(Deep Residual Networks,深度残差网络)模型,也可以为VGG(Visual Geometry Group)模型,在本示例实施例中对卷积神经网络模型不作具体的限定。根据目标掩膜图像数据生成目标掩膜图像的过程为:
首先,将目标掩膜图像输入至预设的卷积神经网络模型中,得到与目标掩膜图像数据对应的第一特征图;其次,对第一特征图中包括的每一点设定预设个数的感兴趣区域,获得多个候选的感兴趣区域,将多个候选的感兴趣区域输入至RPN(Region ProposalNetwork,区域生成网络)中,对该多个候选的感兴趣区域进行二值分类以及bb回归(bounding box regression,边框回归),以过滤掉一部分候选的感兴趣区域;再次,对剩余的感兴趣区域进行ROLAlign(Region Of Interest Align,对齐感兴趣区域)操作,即,将待处理图像和第一特征图的分辨率对应起来,然后将第一特征集合与固定的特征对应起来;最后,基于感兴趣区域,通过FCN(Fully Convolution Network,全卷积网络)生成目标掩膜图像,参考图5所示的目标掩膜图像以及图6所示的基于现有技术生成的掩膜图像,可以得到本示例实施例中得到的目标掩膜图像的前景图像的边缘会产生一道过渡带,以使得背景图像与前景图像的边缘分割更加自然。
在得到目标掩膜图像后,根据所述目标掩膜图像对所述待处理图像进行图像处理,包括:
根据目标掩膜图像数据中包括的背景图像数据,得到与所述背景图像数据对应的目标掩膜图像中包括的背景图像的权重;
根据所述目标掩膜图像中包括的背景图像的权重对所述待处理图像进行分割处理。
具体的,首先,将生成的目标掩膜图像交给OpenGL ES(OpenGL for EmbeddedSystems)处理,其中OpenGL ES是OpenGL(Open Graphics Library,开放图形库)三维图形API的子集,为3D图形处理硬件指定标准的软件接口,是OpenGL规范的一种形式,适用于嵌入式设备;其次,在OpenGL ES中根据目标掩膜图像数据重新计算背景图像数据的权重,其中越靠近前景图像的背景图像数据所占的权重越小,其进行模糊处理时,模糊度也就越低;其次,根据目标掩膜图像得到待处理图像中的前景图像与背景图像;最后,根据背景图像数据所占的权重对待处理图像进行处理。参考图7所示的根据本公开示例实施例得到的经过处理的图像以及图8所示的根据现有技术处理得到的图像,可以得到,根据本公开示例实施例得到的经过处理的图像的背景图像与前景图像之间的边缘分割更加自然。
本公开示例实施例提供的图像分割方法以及图像分割系统至少具有以下优点:
一方面,对与待处理图像对应的当前掩膜图像数据进行遍历得到边缘分割数据,通过该边缘分割数据对当前掩膜图像数据进行膨胀处理,得到属于前景图像的数据以及属于背景图像的数据,并根据边缘分割数据、属于前景图像的数据以及属于背景图像的数据生成目标掩膜图像数据,使得目标掩膜图像数据中包含更多的信息;
另一方面,根据目标掩膜图像数据计算背景图像数据的权重,以及根据目标掩膜图像得到待处理图像的背景图像以及前景图像,并根据背景图像数据的权重对待处理图像进行处理,使得待处理图像的背景图像以及前景图像之间的边缘分割更加自然;
进一步,由于不需要对待处理图像的背景图像中当前像素点的颜色值进行加权处理,进而提高了图像分割的效率。
本公开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:边缘分割数据获取模块910、膨胀处理模块920以及分割处理模块930。其中:
边缘分割数据获取模块910,用于对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据;
膨胀处理模块920,用于根据所述边缘分割数据,自所述轮廓边缘向远离所述轮廓边缘的图像区域膨胀处理,以确定包括属于前景图像的数据和属于背景图像的数据的过渡数据;
分割处理模块930,用于根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,根据所述目标掩膜图像对所述待处理图像进行图像处理。
在本公开的一种示例性实施例中,对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据,包括:
获取所述当前掩膜图像数据中包括的前景图像数据;
对所述前景图像数据预设范围内所包括的所述当前掩膜图像数据进行遍历,判断所述前景图像数据预设范围内是否包括背景图像数据;
当所述前景图像数据预设范围内包括所述背景图像数据时,对所述前景图像数据进行标记,得到所述边缘分割数据。
在本公开的一种示例性实施例中,根据所述边缘分割数据,自所述轮廓边缘向远离所述轮廓边缘的图像区域膨胀处理,以确定包括属于前景图像的数据和属于背景图像的数据的过渡数据,包括:
根据所述边缘分割数据,对所述当前掩膜图像数据进行前向膨胀处理,得到所述属于前景图像的数据;
根据所述边缘分割数据,对所述当前掩膜图像数据进行后向膨胀处理,得到所述属于背景图像的数据。
在本公开的一种示例性实施例中,根据所述边缘分割数据,对所述当前掩膜图像数据进行前向膨胀处理,得到所述属于前景图像的数据,包括:
对所述边缘分割数据预设范围内包括的所述当前掩膜图像数据进行遍历,得到所述边缘分割数据预设范围内包括的前景图像数据;
对所述前景图像数据进行标记,得到所述属于前景图像的数据。
在本公开的一种示例性实施例中,根据所述边缘分割数据,对所述当前掩膜图像数据进行后向膨胀处理,得到所述属于背景图像的数据,包括:
对所述边缘分割数据预设范围内包括的所述当前掩膜图像数据进行遍历,得到所述边缘分割数据预设范围内包括的背景图像数据;
对所述背景图像数据进行标记,得到所述属于背景图像的数据。
在本公开的一种示例性实施例中,根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,包括:
根据所述边缘分割数据、所述靠近边缘但属于前景图像的数据以及所述靠近边缘但属于背景图像的数据,生成目标掩膜图像数据;
将所述目标掩膜图像数据输入至预设的卷积神经网络模型中,得到与所述目标掩膜图像数据对应的第一特征图;
对所述第一特征图中包括的特征设定感兴趣区域,并对所述感兴趣区域进行二值分类,得到目标感兴趣区域;
对所述目标感兴趣区域进行池化操作,得到与所述目标掩膜图像数据对应的第二特征图,根据所述第二特征图得到所述目标掩膜图像。
在本公开的一种示例性实施例中,根据所述目标掩膜图像对所述待处理图像进行图像处理,包括:
根据目标掩膜图像数据中包括的背景图像数据,得到与所述背景图像数据对应的目标掩膜图像中包括的背景图像的权重;
根据所述目标掩膜图像中包括的背景图像的权重对所述待处理图像进行分割处理。
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图像分割方法的电子设备。
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”。
下面参考图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,电子设备以通用计算设备的形式表现。电子设备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:对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据;步骤S120:根据所述边缘分割数据,自所述轮廓边缘向远离所述轮廓边缘的图像区域膨胀处理,以确定包括属于前景图像的数据和属于背景图像的数据的过渡数据;步骤S130:根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,根据所述目标掩膜图像对所述待处理图像进行图像处理。
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:
对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据;
根据所述边缘分割数据,自所述轮廓边缘向远离所述轮廓边缘的图像区域膨胀处理,以确定包括属于前景图像的数据和属于背景图像的数据的过渡数据;
根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,根据所述目标掩膜图像对所述待处理图像进行图像处理。
2.根据权利要求1所述的图像分割方法,其特征在于,对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据,包括:
获取所述当前掩膜图像数据中包括的前景图像数据;
对所述前景图像预设范围内所包括的所述当前掩膜图像数据进行遍历,判断所述前景图像数据预设范围内是否包括背景图像数据;
当所述前景图像数据预设范围内包括所述背景图像数据时,对所述前景图像数据进行标记,得到所述边缘分割数据。
3.根据权利要求2所述的图像分割方法,其特征在于,根据所述边缘分割数据,自所述轮廓边缘向远离所述轮廓边缘的图像区域膨胀处理,以确定包括属于前景图像的数据和属于背景图像的数据的过渡数据,包括:
根据所述边缘分割数据,对所述当前掩膜图像数据进行前向膨胀处理,得到所述属于前景图像的数据;
根据所述边缘分割数据,对所述当前掩膜图像数据进行后向膨胀处理,得到所述属于背景图像的数据。
4.根据权利要求3所述的图像分割方法,其特征在于,根据所述边缘分割数据,对所述当前掩膜图像数据进行前向膨胀处理,得到所述属于前景图像的数据,包括:
对所述边缘分割数据预设范围内包括的所述当前掩膜图像数据进行遍历,得到所述边缘分割数据预设范围内包括的前景图像数据;
对所述前景图像数据进行标记,得到所述属于前景图像的数据。
5.根据权利要求3所述的图像分割方法,其特征在于,根据所述边缘分割数据,对所述当前掩膜图像数据进行后向膨胀处理,得到所述属于背景图像的数据,包括:
对所述边缘分割数据预设范围内包括的所述当前掩膜图像数据进行遍历,得到所述边缘分割数据预设范围内包括的背景图像数据;
对所述背景图像数据进行标记,得到所述属于背景图像的数据。
6.根据权利要求1所述的图像分割方法,其特征在于,根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,包括:
根据所述边缘分割数据、所述属于前景图像的数据以及所述属于背景图像的数据,生成目标掩膜图像数据;
将所述目标掩膜图像数据输入至预设的卷积神经网络模型中,得到与所述目标掩膜图像数据对应的第一特征图;
对所述第一特征图中包括的特征设定感兴趣区域,并对所述感兴趣区域进行二值分类,得到目标感兴趣区域;
对所述目标感兴趣区域进行池化操作,得到与所述目标掩膜图像数据对应的第二特征图,根据所述第二特征图得到所述目标掩膜图像。
7.根据权利要求6所述的图像分割方法,其特征在于,根据所述目标掩膜图像对所述待处理图像进行图像处理,包括:
根据目标掩膜图像数据中包括的背景图像数据,得到与所述背景图像数据对应的目标掩膜图像中包括的背景图像的权重;
根据所述目标掩膜图像中包括的背景图像的权重对所述待处理图像进行分割处理。
8.一种图像分割装置,其特征在于,包括:
边缘分割数据获取模块,用于对与待处理图像对应的当前掩膜图像数据进行遍历,得到所述当前掩膜图像数据所包括的前景图像的轮廓边缘的轮廓边缘数据,对所述前景图像的轮廓边缘数据进行标记,得到边缘分割数据;
膨胀处理模块,用于根据所述边缘分割数据,自所述轮廓边缘向远离所述轮廓边缘的图像区域膨胀处理,以确定包括属于前景图像的数据和属于背景图像的数据的过渡数据;
分割处理模块,用于根据所述边缘分割数据和所述过渡数据生成目标掩膜图像,根据所述目标掩膜图像对所述待处理图像进行图像处理。
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1-7任一项所述的图像分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110008276.4A CN112598687B (zh) | 2021-01-05 | 2021-01-05 | 图像分割方法和装置、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110008276.4A CN112598687B (zh) | 2021-01-05 | 2021-01-05 | 图像分割方法和装置、存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112598687A true CN112598687A (zh) | 2021-04-02 |
CN112598687B CN112598687B (zh) | 2023-07-28 |
Family
ID=75207349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110008276.4A Active CN112598687B (zh) | 2021-01-05 | 2021-01-05 | 图像分割方法和装置、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112598687B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115984780A (zh) * | 2023-02-23 | 2023-04-18 | 合肥英特灵达信息技术有限公司 | 工业固体废物出入库判别方法、装置、电子设备及介质 |
WO2024016923A1 (zh) * | 2022-07-18 | 2024-01-25 | 北京字跳网络技术有限公司 | 特效图的生成方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587586A (zh) * | 2008-05-20 | 2009-11-25 | 株式会社理光 | 一种图像处理装置及图像处理方法 |
CN109697689A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 存储介质、电子设备、视频合成方法及装置 |
WO2019134504A1 (zh) * | 2018-01-05 | 2019-07-11 | Oppo广东移动通信有限公司 | 图像背景虚化方法、装置、存储介质及电子设备 |
CN110598610A (zh) * | 2019-09-02 | 2019-12-20 | 北京航空航天大学 | 一种基于神经选择注意的目标显著性检测方法 |
CN110992322A (zh) * | 2019-11-25 | 2020-04-10 | 创新奇智(青岛)科技有限公司 | 基于卷积神经网络的贴片掩膜检测系统及检测方法 |
CN111127486A (zh) * | 2019-12-25 | 2020-05-08 | Oppo广东移动通信有限公司 | 图像分割方法、装置、终端及存储介质 |
CN111311481A (zh) * | 2018-12-12 | 2020-06-19 | Tcl集团股份有限公司 | 背景虚化方法、装置、终端设备及存储介质 |
CN111402111A (zh) * | 2020-02-17 | 2020-07-10 | 深圳市商汤科技有限公司 | 图像虚化方法、装置、终端及计算机可读存储介质 |
CN111767920A (zh) * | 2020-06-30 | 2020-10-13 | 北京百度网讯科技有限公司 | 感兴趣区域的提取方法、装置、电子设备及存储介质 |
-
2021
- 2021-01-05 CN CN202110008276.4A patent/CN112598687B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587586A (zh) * | 2008-05-20 | 2009-11-25 | 株式会社理光 | 一种图像处理装置及图像处理方法 |
CN109697689A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 存储介质、电子设备、视频合成方法及装置 |
WO2019134504A1 (zh) * | 2018-01-05 | 2019-07-11 | Oppo广东移动通信有限公司 | 图像背景虚化方法、装置、存储介质及电子设备 |
US20200334793A1 (en) * | 2018-01-05 | 2020-10-22 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method and device for blurring image background, storage medium and electronic apparatus |
CN111311481A (zh) * | 2018-12-12 | 2020-06-19 | Tcl集团股份有限公司 | 背景虚化方法、装置、终端设备及存储介质 |
CN110598610A (zh) * | 2019-09-02 | 2019-12-20 | 北京航空航天大学 | 一种基于神经选择注意的目标显著性检测方法 |
CN110992322A (zh) * | 2019-11-25 | 2020-04-10 | 创新奇智(青岛)科技有限公司 | 基于卷积神经网络的贴片掩膜检测系统及检测方法 |
CN111127486A (zh) * | 2019-12-25 | 2020-05-08 | Oppo广东移动通信有限公司 | 图像分割方法、装置、终端及存储介质 |
CN111402111A (zh) * | 2020-02-17 | 2020-07-10 | 深圳市商汤科技有限公司 | 图像虚化方法、装置、终端及计算机可读存储介质 |
CN111767920A (zh) * | 2020-06-30 | 2020-10-13 | 北京百度网讯科技有限公司 | 感兴趣区域的提取方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024016923A1 (zh) * | 2022-07-18 | 2024-01-25 | 北京字跳网络技术有限公司 | 特效图的生成方法、装置、设备及存储介质 |
CN115984780A (zh) * | 2023-02-23 | 2023-04-18 | 合肥英特灵达信息技术有限公司 | 工业固体废物出入库判别方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112598687B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830780B (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN110675407B (zh) | 一种图像实例分割方法、装置、电子设备及存储介质 | |
CN109344762B (zh) | 图像处理方法和装置 | |
US10536164B2 (en) | Adapting image vectorization operations using machine learning | |
CN109472852B (zh) | 点云图像的显示方法及装置、设备及存储介质 | |
CN112598687B (zh) | 图像分割方法和装置、存储介质、电子设备 | |
CN110390327B (zh) | 前景提取方法、装置、计算机设备及存储介质 | |
US10846889B2 (en) | Color handle generation for digital image color gradients using machine learning | |
CN112752158B (zh) | 一种视频展示的方法、装置、电子设备及存储介质 | |
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 | |
CN116109824A (zh) | 基于扩散模型的医学影像及像素级标注生成方法及装置 | |
CN111640123A (zh) | 无背景图像的生成方法、装置、设备及介质 | |
CN110969641A (zh) | 图像处理方法和装置 | |
CN111292335A (zh) | 一种前景掩模特征图的确定方法、装置及电子设备 | |
CN111724396A (zh) | 图像分割方法及装置、计算机可读存储介质、电子设备 | |
CN111523531A (zh) | 文字处理方法、装置、电子设备及计算机可读存储介质 | |
CN113506305B (zh) | 三维点云数据的图像增强方法、语义分割方法及装置 | |
US11055526B2 (en) | Method, system and apparatus for processing a page of a document | |
CN114332458A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111815748B (zh) | 一种动画处理方法、装置、存储介质及电子设备 | |
CN111783777A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN115797533A (zh) | 模型描边方法、装置、设备及存储介质 | |
CN112465692A (zh) | 图像处理方法、装置、设备及存储介质 | |
JP7245370B2 (ja) | フロー誘導適応学習を使用するビデオ・コンテンツ削除 | |
CN110619600B (zh) | 神经网络模型训练方法及装置、存储介质及电子设备 |
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 |