CN112634312B - 图像背景处理方法、装置、电子设备及存储介质 - Google Patents

图像背景处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112634312B
CN112634312B CN202011619776.3A CN202011619776A CN112634312B CN 112634312 B CN112634312 B CN 112634312B CN 202011619776 A CN202011619776 A CN 202011619776A CN 112634312 B CN112634312 B CN 112634312B
Authority
CN
China
Prior art keywords
pixel
information
pixel point
target
sampling
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.)
Active
Application number
CN202011619776.3A
Other languages
English (en)
Other versions
CN112634312A (zh
Inventor
程俊奇
四建楼
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.)
Shanghai Sensetime Intelligent Technology Co Ltd
Original Assignee
Shanghai Sensetime Intelligent 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 Shanghai Sensetime Intelligent Technology Co Ltd filed Critical Shanghai Sensetime Intelligent Technology Co Ltd
Priority to CN202011619776.3A priority Critical patent/CN112634312B/zh
Publication of CN112634312A publication Critical patent/CN112634312A/zh
Priority to PCT/CN2021/103535 priority patent/WO2022142219A1/zh
Priority to TW110127790A priority patent/TW202228073A/zh
Application granted granted Critical
Publication of CN112634312B publication Critical patent/CN112634312B/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
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • 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
    • G06T7/90—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
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本公开提供了一种图像背景处理方法、装置、电子设备及存储介质，该方法包括：获取原始图像；利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域的分割结果，所述至少三类区域包括前景区域、背景区域和所述前景区域与所述背景区域之间的边界区域；基于所述至少三类区域的分割结果，确定所述至少三类区域中分别包括的像素点的透明度信息；基于所述至少三类区域中分别包含的像素点的透明度信息以及待替换的目标背景的像素信息，生成目标图像。

Description

图像背景处理方法、装置、电子设备及存储介质
技术领域
本公开涉及图像处理技术领域，具体而言，涉及一种图像背景处理方法、装置、电子设备及存储介质。
背景技术
图像分割技术是指将图像分成互不重叠、具有各自特征的区域的技术，图像分割技术可以应用于多种场景，比如，图像分割技术可以应用于图像背景替换场景。
在直播行业中，在设置了直播背景之后，存在需要对直播画面中的背景图像进行替换的情况，比如，在直播画面的背景图像为绿色图像时，需要将该直播画面中的绿色图像替换为设置的背景图像，增加直播画面展示的灵活性。因此提出一种图像背景处理方法尤为重要。
发明内容
有鉴于此，本公开至少提供一种图像背景处理方法、装置、电子设备及存储介质。
第一方面，本公开提供了一种图像背景处理方法，包括：
获取原始图像；
利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域的分割结果，所述至少三类区域包括前景区域、背景区域和所述前景区域与所述背景区域之间的边界区域；
基于所述至少三类区域的分割结果，确定所述至少三类区域中分别包括的像素点的透明度信息；
基于所述至少三类区域中分别包含的像素点的透明度信息以及待替换的目标背景的像素信息，生成目标图像。
在将图像划分为前景区域和背景区域时，由于像素点的分布较为稠密，使得对图像进行前景区域和背景区域的分割时不可避免的会产生误差，造成位于前景区域和背景区域交接处的部分像素点的分割错误，比如，将实质上位于背景区域上的像素点，分割到了前景区域上。为了避免上述问题，可以将原始图像分割为至少三类区域，至少三类区域包括前景区域、背景区域、和前景区域与背景区域之间的边界区域，将位于前景区域和背景区域交接处的像素点划分至边界区域中，可以提高分割结果的准确度。
进一步，基于至少三类区域的分割结果，确定至少三类区域中包括的像素点的透明度信息，通过设置的透明度信息控制不同区域内像素点的透明程度，比如可以将背景区域的透明度信息设置为1(不透明)，减少采样像素信息表征的背景颜色对待替换的目标背景的像素信息的干扰，使得经过背景替换得到的目标图像中目标背景区域和前景区域更加精确，优化图像处理效果。
一种可能的实施方式中，在利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域的分割结果之前，还包括：
对所述原始图像进行尺寸缩小处理；
在对尺寸缩小处理后的原始图像进行分割处理，得到至少三类区域的分割结果之后，还包括：
将所述至少三类区域的分割结果映射回尺寸缩小处理前的原始图像上。
上述实施方式中，对原始图像进行尺寸缩小处理后，尺寸缩小处理后的原始图像的容量较小，故在利用尺寸缩小处理后的原始图像进行分割处理时，可以减少执行设备的资源消耗。且得到的分割结果又映射回原始图像的尺寸，使得利用分割结果进行背景替换得到的目标图像更为精确。
一种可能的实施方式中，所述利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域分割结果，包括：
确定所述原始图像中各像素点的像素信息分别与所述采样像素点的采样像素信息之间的颜色相似度；
利用各所述像素点对应的颜色相似度，对所述原始图像进行分割处理，得到至少三类区域的分割结果。
一般的，背景区域内像素点对应的颜色位于同一色域内，而位于同一色域内的像素点之间的颜色相似度较高，位于不同色域内的像素点之间的颜色相似度较低，故可以利用各个像素点对应的颜色相似度，对原始图像进行分割处理，较准确的得到至少三类区域的分割结果。同时，采样像素点为位于原始图像背景区域内的像素点，采样像素点的采样像素信息对应的颜色能够表征原始图像中背景区域的颜色，故通过确定原始图像中各像素点的像素信息分别与采样像素点的采样像素信息之间的颜色相似度，可以较准确的确定原始图像中各像素点的像素信息对应的颜色、与背景区域的颜色之间的相似度。
一种可能的实施方式中，所述确定所述原始图像中各像素点的像素信息分别与所述采样像素点的采样像素信息之间的颜色相似度，包括：
将所述原始图像中各像素点的像素信息转换到目标颜色空间下的目标像素信息；所述目标颜色空间基于所述采样像素点的采样像素信息确定；
确定各像素点在所述目标颜色空间下的目标像素信息分别与所述采样像素点在所述目标颜色空间下的目标采样像素信息之间的颜色相似度。
上述实施方式中，目标颜色空间可以基于采样像素点的采样像素信息确定，使得在对应的目标颜色空间下能够获取到原始图像中较为丰富的像素特征。进而，可以较准确的确定各像素点在确定的目标颜色空间下的目标像素信息分别与采样像素点在目标颜色空间下的目标采样像素信息之间的颜色相似度。比如，在采样像素点的颜色为红、绿等明亮的颜色时，目标颜色空间可以为YCRCB颜色空间，即在采样像素点对应的颜色较为明亮时，在YCRCB颜色空间下能够获取到原始图像中较为丰富的像素特征。
一种可能的实施方式中，所述方法还包括：
确定所述原始图像中像素信息与所述采样像素点的采样像素信息匹配的第一像素点集合；
所述确定各像素点在所述目标颜色空间下的目标像素信息分别与所述采样像素点在所述目标颜色空间下的目标采样像素信息之间的颜色相似度，包括：
将所述第一像素点集合中各第一像素点的像素信息转换为目标颜色空间下的第一像素信息；
基于各第一像素点的第一像素信息，生成所述目标颜色空间下的高斯颜色模型；
将所述原始图像中各像素点的目标像素信息以及所述采样像素点的目标采样像素信息输入至所述高斯颜色模型中，得到各像素点的目标像素信息分别与所述采样像素点的目标采样像素信息之间的颜色相似度。
上述方法中，第一像素点集合中的各个像素点的像素信息与采样像素点的采样像素信息匹配，比如，第一像素点集合中的各个像素点的像素信息对应的颜色、与采样像素点的采样像素信息对应的颜色位于同一色域内。由于采样像素点位于背景区域内，故可以确定第一像素点集合中的各个像素点也位于背景区域内，使得利用第一像素点在目标颜色空间下的第一像素信息，生成的目标颜色空间下的高斯颜色模型较为精准，进一步的可以较准确的确定原始图像中各个像素点的颜色相似度。
一种可能的实施方式中，所述确定所述原始图像中像素信息与所述采样像素点的采样像素信息匹配的第一像素点集合，包括：
将所述原始图像各像素点的像素信息转换为色调饱和度明度HSV颜色空间下的像素信息；所述采样像素点在HSV颜色空间下的采样像素信息为第一采样像素信息；
从各所述像素点在HSV颜色空间下的像素信息中筛选出与所述第一采样像素信息位于同一色域内的像素点集合；
所述筛选出的像素点集合为所述第一像素点集合。
由于HSV颜色空间可以将整个颜色空间分成不同的色域，故将原始图像各像素点的像素信息转换为HSV颜色空间下的像素信息后，可以较准确的从各像素点在HSV颜色空间下的像素信息中筛选出与第一采样像素信息位于同一色域内的像素点集合。
一种可能的实施方式中，所述利用各所述像素点对应的颜色相似度，对所述原始图像进行分割处理，得到至少三类区域的分割结果，包括：
遍历所述原始图像中的像素点，对遍历到的像素点执行分割处理，得到遍历到的像素点的分割结果；在得到遍历到的全部像素点的分割结果后，生成所述至少三类区域的分割结果；
其中，所述分割处理包括：
在检测到所述遍历到的像素点的颜色相似度小于第一阈值的情况下，确定所述遍历到的像素点在前景区域；
在检测到所述遍历到的像素点的颜色相似度大于或等于第二阈值的情况下，确定所述遍历到的像素点在背景区域；
在检测到所述遍历到的像素点的颜色相似度大于或等于所述第一阈值，且小于所述第二阈值的情况下，确定所述遍历到的像素点在边界区域。
这里，通过遍历原始图像中的像素点，根据像素点的颜色相似度，较准确的确定像素点的分割结果，使得生成的至少三类区域的分割结果较为精准。
一种可能的实施方式中，所述基于所述至少三类区域的分割结果，确定所述至少三类区域中分别包括的像素点的透明度信息，包括：
将在前景区域中的像素点的透明度信息确定为预设的第一透明度值；以及，将在背景区域中的像素点的透明度信息确定为预设的第二透明度值；
以及，基于在边界区域中的像素点的像素信息以及所述采样像素点的采样像素信息，确定所述在边界区域中的像素点的透明度信息。
这里，为不同区域内的像素点设置不同的透明度信息，通过设置的透明度信息可以控制不同区域内的像素点的像素信息，对待替换的目标背景的像素信息的影响程度，以提高生成的目标图像的处理效果。
一种可能的实施方式中，所述基于在边界区域中的像素点的像素信息以及所述采样像素点的采样像素信息，确定所述在边界区域中的像素点的透明度信息，包括：
确定在边界区域中的各像素点的像素信息分别与所述采样像素点的采样像素信息在目标颜色空间下的颜色相似度；
基于在边界区域中各像素点对应的颜色相似度、以及第一界限值和第二界限值，确定在所述边界区域中各像素点的透明度信息。
这里，可以确定边界区域中各像素点对应的颜色相似度，通过确定的颜色相似度、和第一界限值、第二界限值，较准确的确定边界区域中各像素点的透明度信息。
一种可能的实施方式中，所述基于在边界区域中各像素点对应的颜色相似度、以及第一界限值和第二界限值，确定在所述边界区域中各像素点的透明度信息，包括：
针对所述边界区域中的每个像素点，在所述像素点对应的所述颜色相似度小于所述第一界限值的情况下，将所述像素点的透明度信息设置为所述预设的第一透明度值；
在所述像素点对应的所述颜色相似度大于或等于所述第二界限值的情况下，将所述像素点的透明度信息设置为所述预设的第二透明度值；
在所述像素点对应的所述颜色相似度大于或等于所述第一界限值，且小于所述第二界限值的情况下，基于所述像素点对应的所述颜色相似度、所述第一界限值以及所述第二界限值，确定所述像素点的透明度信息。
这里，可以基于边界区域内的各个像素点的颜色相似度，确定边界区域内每个像素点的透明度信息。比如，在边界区域中像素点的颜色相似度小于第一界限值时，表征该像素点属于前景区域的可能性较高，故可以将该像素点的透明度信息设置为第一透明度值；在边界区域中像素点的颜色相似度大于或等于第二界限值时，表征该像素点属于背景区域的可能性较高，故可以将该像素点的透明度信息设置为第二透明度值，进而实现了对边界区域内的各个像素点的再一次筛选，以提高边界区域中各个像素点的透明度信息的准确度。
一种可能的实施方式中，所述基于所述至少三类区域中分别包含的像素点的透明度信息以及待替换的目标背景的像素信息，生成目标图像，包括：
针对所述至少三类区域中的每个像素点，基于所述像素点对应的透明度信息、所述像素点的像素信息、所述采样像素点的采样像素信息、以及与所述像素点的位置对应的所述目标背景的像素信息，确定所述像素点的中间像素信息；
基于每个所述像素点的所述中间像素信息、所述透明度信息、和与所述像素点的位置对应的所述目标背景的像素信息，确定每个像素点的目标像素信息；
基于各个像素点的目标像素信息，生成所述目标图像。
采用上述方法，可以先确定像素点对应的中间像素信息，该中间像素信息构成的中间图像可以为消除了采样像素信息对应的背景颜色、并粗略叠加了目标背景的图像，即中间像素信息为消除了采样像素信息影响后的像素信息；进而基于每个像素点的中间像素信息、透明度信息、和与像素点的位置对应的目标背景的像素信息，确定的每个像素点的目标像素信息为消除了采样像素信息影响后的像素信息；故基于各个像素点的目标像素信息，可以使得生成的目标图像的效果较好。
一种可能的实施方式中，所述基于所述像素点对应的透明度信息、所述像素点的像素信息、所述采样像素点的采样像素信息、以及与所述像素点的位置对应的所述目标背景的像素信息，确定所述像素点的中间像素信息，包括：
将所述像素点对应的所述透明度信息与所述采样像素信息相乘，得到第一乘积信息；以及将所述透明度信息与所述像素点的位置对应的所述目标背景的像素信息相乘，得到第二乘积信息；
将所述像素点的像素信息与所述第一乘积信息相减，再将得到的差值与所述第二乘积信息相加，得到所述像素点的中间像素信息。
一种可能的实施方式中，所述基于每个所述像素点的所述中间像素信息、所述透明度信息、和与所述像素点的位置对应的所述目标背景的像素信息，确定每个像素点目标像素信息，包括：
将所述像素点的透明度信息与所述像素点的位置对应的所述目标背景的像素信息相乘，得到第三乘积信息；将预设基准值与所述像素点的透明度信息相减，再将得到的差值与所述中间像素信息相乘，得到第四乘积信息；
将所述第三乘积信息与所述第四乘积信息的和，确定为所述像素点的目标像素信息。
以下装置、电子设备等的效果描述参见上述方法的说明，这里不再赘述。
第二方面，本公开提供了一种图像背景处理装置，包括：
获取模块，用于获取原始图像；
分割模块，用于利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域的分割结果，所述至少三类区域包括前景区域、背景区域和所述前景区域与所述背景区域之间的边界区域；
第一确定模块，用于基于所述至少三类区域的分割结果，确定所述至少三类区域中分别包括的像素点的透明度信息；
生成模块，用于基于所述至少三类区域中分别包含的像素点的透明度信息以及待替换的目标背景的像素信息，生成目标图像。
一种可能的实施方式中，在利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域的分割结果之前，还包括：
处理模块，用于对所述原始图像进行尺寸缩小处理；
在对尺寸缩小处理后的原始图像进行分割处理，得到至少三类区域的分割结果之后，还包括：
映射模块，用于将所述至少三类区域的分割结果映射回尺寸缩小处理前的原始图像上。
一种可能的实施方式中，所述分割模块，在利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域分割结果时，用于：
确定所述原始图像中各像素点的像素信息分别与所述采样像素点的采样像素信息之间的颜色相似度；
利用各所述像素点对应的颜色相似度，对所述原始图像进行分割处理，得到至少三类区域的分割结果。
一种可能的实施方式中，所述分割模块，在确定所述原始图像中各像素点的像素信息分别与所述采样像素点的采样像素信息之间的颜色相似度时，用于：
将所述原始图像中各像素点的像素信息转换到目标颜色空间下的目标像素信息；所述目标颜色空间基于所述采样像素点的采样像素信息确定；
确定各像素点在所述目标颜色空间下的目标像素信息分别与所述采样像素点在所述目标颜色空间下的目标采样像素信息之间的颜色相似度。
一种可能的实施方式中，所述装置还包括：
第二确定模块，用于确定所述原始图像中像素信息与所述采样像素点的采样像素信息匹配的第一像素点集合；
所述分割模块，在确定各像素点在所述目标颜色空间下的目标像素信息分别与所述采样像素点在所述目标颜色空间下的目标采样像素信息之间的颜色相似度时，用于：
将所述第一像素点集合中各第一像素点的像素信息转换为目标颜色空间下的第一像素信息；
基于各第一像素点的第一像素信息，生成所述目标颜色空间下的高斯颜色模型；
将所述原始图像中各像素点的目标像素信息以及所述采样像素点的目标采样像素信息输入至所述高斯颜色模型中，得到各像素点的目标像素信息分别与所述采样像素点的目标采样像素信息之间的颜色相似度。
一种可能的实施方式中，所述第二确定模块，在确定所述原始图像中像素信息与所述采样像素点的采样像素信息匹配的第一像素点集合时，用于：
将所述原始图像各像素点的像素信息转换为色调饱和度明度HSV颜色空间下的像素信息；所述采样像素点在HSV颜色空间下的采样像素信息为第一采样像素信息；
从各所述像素点在HSV颜色空间下的像素信息中筛选出与所述第一采样像素信息位于同一色域内的像素点集合；
所述筛选出的像素点集合为所述第一像素点集合。
一种可能的实施方式中，所述分割模块，在利用各所述像素点对应的颜色相似度，对所述原始图像进行分割处理，得到至少三类区域的分割结果时，用于：
遍历所述原始图像中的像素点，对遍历到的像素点执行分割处理，得到遍历到的像素点的分割结果；在得到遍历到的全部像素点的分割结果后，生成所述至少三类区域的分割结果；
其中，所述分割处理包括：
在检测到所述遍历到的像素点的颜色相似度小于第一阈值的情况下，确定所述遍历到的像素点在前景区域；
在检测到所述遍历到的像素点的颜色相似度大于或等于第二阈值的情况下，确定所述遍历到的像素点在背景区域；
在检测到所述遍历到的像素点的颜色相似度大于或等于所述第一阈值，且小于所述第二阈值的情况下，确定所述遍历到的像素点在边界区域。
一种可能的实施方式中，所述第一确定模块，在基于所述至少三类区域的分割结果，确定所述至少三类区域中分别包括的像素点的透明度信息时，用于：
将在前景区域中的像素点的透明度信息确定为预设的第一透明度值；以及，将在背景区域中的像素点的透明度信息确定为预设的第二透明度值；
以及，基于在边界区域中的像素点的像素信息以及所述采样像素点的采样像素信息，确定所述在边界区域中的像素点的透明度信息。
一种可能的实施方式中，所述第一确定模块，在基于在边界区域中的像素点的像素信息以及所述采样像素点的采样像素信息，确定所述在边界区域中的像素点的透明度信息时，用于：
确定在边界区域中的各像素点的像素信息分别与所述采样像素点的采样像素信息在目标颜色空间下的颜色相似度；
基于在边界区域中各像素点对应的颜色相似度、以及第一界限值和第二界限值，确定在所述边界区域中各像素点的透明度信息。
一种可能的实施方式中，所述第一确定模块，在基于在边界区域中各像素点对应的颜色相似度、以及第一界限值和第二界限值，确定在所述边界区域中各像素点的透明度信息时，用于：
针对所述边界区域中的每个像素点，在所述像素点对应的所述颜色相似度小于所述第一界限值的情况下，将所述像素点的透明度信息设置为所述预设的第一透明度值；
在所述像素点对应的所述颜色相似度大于或等于所述第二界限值的情况下，将所述像素点的透明度信息设置为所述预设的第二透明度值；
在所述像素点对应的所述颜色相似度大于或等于所述第一界限值，且小于所述第二界限值的情况下，基于所述像素点对应的所述颜色相似度、所述第一界限值以及所述第二界限值，确定所述像素点的透明度信息。
一种可能的实施方式中，所述生成模块，在基于所述至少三类区域中分别包含的像素点的透明度信息以及待替换的目标背景的像素信息，生成目标图像时，用于：
针对所述至少三类区域中的每个像素点，基于所述像素点对应的透明度信息、所述像素点的像素信息、所述采样像素点的采样像素信息、以及与所述像素点的位置对应的所述目标背景的像素信息，确定所述像素点的中间像素信息；
基于每个所述像素点的所述中间像素信息、所述透明度信息、和与所述像素点的位置对应的所述目标背景的像素信息，确定每个像素点的目标像素信息；
基于各个像素点的目标像素信息，生成所述目标图像。
一种可能的实施方式中，所述生成模块，在基于所述像素点对应的透明度信息、所述像素点的像素信息、所述采样像素点的采样像素信息、以及与所述像素点的位置对应的所述目标背景的像素信息，确定所述像素点的中间像素信息时，用于：
将所述像素点对应的所述透明度信息与所述采样像素信息相乘，得到第一乘积信息；以及将所述透明度信息与所述像素点的位置对应的所述目标背景的像素信息相乘，得到第二乘积信息；
将所述像素点的像素信息与所述第一乘积信息相减，再将得到的差值与所述第二乘积信息相加，得到所述像素点的中间像素信息。
一种可能的实施方式中，所述生成模块，在基于每个所述像素点的所述中间像素信息、所述透明度信息、和与所述像素点的位置对应的所述目标背景的像素信息，确定每个像素点目标像素信息时，用于：
将所述像素点的透明度信息与所述像素点的位置对应的所述目标背景的像素信息相乘，得到第三乘积信息；将预设基准值与所述像素点的透明度信息相减，再将得到的差值与所述中间像素信息相乘，得到第四乘积信息；
将所述第三乘积信息与所述第四乘积信息的和，确定为所述像素点的目标像素信息。
第三方面，本公开提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述第一方面或任一实施方式所述的图像背景处理方法的步骤。
第四方面，本公开提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述第一方面或任一实施方式所述的图像背景处理方法的步骤。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本公开实施例所提供的一种图像背景处理方法的流程示意图；
图2示出了本公开实施例所提供的一种图像背景处理方法中，包括至少三类区域的三值图像的示意图；
图3示出了本公开实施例所提供的一种图像背景处理方法中，得到至少三类区域的分割结果的方式的流程示意图；
图4示出了本公开实施例所提供的一种图像背景处理装置的架构示意图；
图5示出了本公开实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
诸如直播行业中，在设置了直播背景之后，存在需要对直播画面中的背景图像进行替换的情况，比如，在直播画面的背景图像为绿色图像时，需要将该直播画面中的绿色图像替换为设置的背景图像，增加直播画面展示的灵活性。一般的，可以对直播场景图像进行分割，确定直播场景图像中包括的背景区域和前景区域，再将直播场景图像的背景区域的背景颜色，替换为设置的待替换颜色，比如，可以确定待替换颜色对应的像素信息，将直播场景图像上位于背景区域内的像素点的像素信息，替换为设置的待替换颜色对应的像素信息，实现直播场景图像的背景颜色替换。
但是，直播场景图像中会存在光线不均、背景不平整、前景图像中存在与背景颜色相同的区域等问题，在根据上述方法进行背景颜色替换时，容易造成背景区域和前景区域错误分割的情况发生，比如，造成分割后的前景区域中包括属于背景区域的像素点，在对直播场景图像的背景区域进行颜色替换时，无法对前景区域中包括的属于背景区域的像素点的像素信息进行替换，使得背景颜色替换后生成的图像的前景区域中存在替换前的原始背景颜色，使得背景颜色替换后生成的图像的效果较差。
针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。
下面将结合本公开中附图，对本公开中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
为便于对本公开实施例进行理解，首先对本公开实施例所公开的一种图像背景处理方法进行详细介绍。本公开实施例所提供的图像背景处理方法的执行主体一般为具有一定计算能力的计算机设备，该计算机设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该图像背景处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
参见图1所示，为本公开实施例所提供的图像背景处理方法的流程示意图，该方法包括S101-S104，其中：
S101，获取原始图像；
S102，利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域的分割结果，所述至少三类区域包括前景区域、背景区域和所述前景区域与所述背景区域之间的边界区域；
S103，基于所述至少三类区域的分割结果，确定所述至少三类区域中分别包括的像素点的透明度信息；
S104，基于所述至少三类区域中分别包含的像素点的透明度信息以及待替换的目标背景的像素信息，生成目标图像。
在将图像划分为前景区域和背景区域时，由于像素点的分布较为稠密，使得对图像进行前景区域和背景区域的分割时不可避免的会产生误差，造成位于前景区域和背景区域交接处的部分像素点的分割错误，比如，将实质上位于背景区域上的像素点，分割到了前景区域上。为了避免上述问题，可以将原始图像分割为至少三类区域，至少三类区域包括前景区域、背景区域、和前景区域与背景区域之间的边界区域，将位于前景区域和背景区域交接处的像素点划分至边界区域中，可以提高分割结果的准确度。
进一步，基于至少三类区域的分割结果，确定至少三类区域中包括的像素点的透明度信息，通过设置的透明度信息控制不同区域内像素点的透明程度，比如可以将背景区域的透明度信息设置为1(不透明)，减少采样像素信息表征的背景颜色对待替换的目标背景的像素信息的干扰，使得经过背景替换得到的目标图像中目标背景区域和前景区域更加精确，优化图像处理效果。
下述对S101-S104进行具体说明。
针对S101：
原始图像可以为任一需要进行背景处理的图像，比如，原始图像可以为需要进行背景处理的证件照；或者，原始图像可以为直播场景中的直播图像等。其中，原始图像可以为在任一颜色空间下的图像，比如，原始图像可以为红绿蓝(redgreenblue，RGB)图像。
针对S102：
这里，可以先从原始图像的背景区域中确定采样像素点，根据该采样像素点的采样像素信息，对原始图像进行分割处理，得到至少三类区域的分割结果，即确定了原始图像上的前景区域、背景区域、和前景区域与背景区域之间的边界区域。具体实施时，可以基于至少三类区域的分割结果，生成分割结果对应的、与原始图像的尺寸一致的三值图像，其中，该三值图像中位于前景区域内的像素点的像素信息可以为第一像素值(比如第一像素值可以为0)，位于边界区域内的像素点的像素信息可以为第二像素值(比如第二像素值可以为2)，位于背景区域内的像素点的像素信息可以为第三像素值(比如第三像素值可以为255)。
参见图2所示的一种图像背景处理方法中，包括至少三类区域的三值图像的示意图。该图中，黑色对应的区域为前景区域，白色对应的区域为背景区域，位于白色与黑色之间的灰色对应的区域为边界区域。
具体实施时，可以响应触发的采样像素点确定操作，确定采样像素点的位置信息，再基于采样像素点的位置信息，确定采样像素点的采样像素信息，其中，该采样像素点的采样像素信息可以为原始图像中采样像素点的像素信息。比如，可以检测用户从原始图像的背景区域中选择的一采样像素点，再可以根据采样像素点的位置信息，确定采样像素点的采样像素信息。
或者，也可以利用用于图像分割的神经网络，确定原始图像上的背景区域，并随机从背景区域中确定采样像素点的位置信息，再可以基于采样像素点的位置信息，确定采样像素点的采样像素信息。
再或者，还可以使用聚类算法，聚类得到原始图像上颜色信息偏差较小的多个像素点；并基于聚类得到的多个像素点分别在原始图像上的位置信息，确定采样像素点的位置信息。比如，可以将聚类得到的多个像素点的位置信息求平均值，得到采样像素点的位置信息；或者，也可以随机从颜色信息一致的多个像素点中，选择一个像素点，作为采样像素点，并将选择的像素点的位置信息，确定为采样像素点的位置信息；再可以基于采样像素点的位置信息，确定采样像素点的采样像素信息。
其中，采样像素点的采样像素信息为采样像素点在原始图像上的像素信息，在原始图像为RGB图像时，该采样像素信息可以包括红R、绿G、蓝B三个颜色通道上的像素值。
一种可选实施方式中，在利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域的分割结果之前，还包括：对所述原始图像进行尺寸缩小处理。比如，可以通过下采样或降采样的方式，对原始图像进行尺寸缩小处理，得到尺寸缩小处理后的原始图像。其中，尺寸缩小处理后的原始图像的尺寸可以根据实际需要进行设置。
在对尺寸缩小处理后的原始图像进行分割处理，得到至少三类区域的分割结果之后，还包括：将所述至少三类区域的分割结果映射回尺寸缩小处理前的原始图像上。
示例性的，可以利用插值算法，将至少三类区域的分割结果映射会尺寸缩小处理前的原始图像上。比如，针对背景区域，可以将背景区域内的像素点进行插值处理，映射到尺寸缩小处理前的原始图像上，确定尺寸缩小处理前的原始图像上的背景区域。其中，尺寸缩小处理前的原始图像上的前景区域、和边界区域的确定过程，可参考上述尺寸缩小处理前的原始图像上的背景区域的确定过程，此处不再进行详述。
上述实施方式中，对原始图像进行尺寸缩小处理后，尺寸缩小处理后的原始图像的容量较小，故在利用尺寸缩小处理后的原始图像进行分割处理时，可以减少执行设备的资源消耗。且得到的分割结果又映射回原始图像的尺寸，使得利用分割结果进行背景替换得到的目标图像更为精确。
一种可选实施方式中，参见图3所示，S102的步骤具体可通过如下方式实现：
S301，确定所述原始图像中各像素点的像素信息分别与所述采样像素点的采样像素信息之间的颜色相似度；
S302，利用各所述像素点对应的颜色相似度，对所述原始图像进行分割处理，得到至少三类区域的分割结果。
一般的，背景区域内像素点对应的颜色位于同一色域内，而位于同一色域内的像素点之间的颜色相似度较高，位于不同色域内的像素点之间的颜色相似度较低，故可以利用各个像素点对应的颜色相似度，对原始图像进行分割处理，较准确的得到至少三类区域的分割结果。同时，采样像素点为位于原始图像背景区域内的像素点，采样像素点的采样像素信息对应的颜色能够表征原始图像中背景区域的颜色，故通过确定原始图像中各像素点的像素信息分别与采样像素点的采样像素信息之间的颜色相似度，可以较准确的确定原始图像中各像素点的像素信息对应的颜色、与背景区域的颜色之间的相似度。
在S301中，针对原始图像中的每个像素点，确定该像素点的像素信息与采样像素点的采样像素信息之间的颜色相似度；即得到原始图像中的每个像素点的颜色相似度。其中，该原始图像可以为尺寸缩小处理前的原始图像，也可以为尺寸缩小处理后的原始图像。
在该原始图像为尺寸缩小处理后的原始图像时，可以确定尺寸缩小处理后的原始图像中各个像素点对应的颜色相似度，再利用各个像素点对应的颜色相似度，对原尺寸缩小处理后的原始图像进行分割处理，得到至少三类区域的分割结果；最后，可以将至少三类区域的分割结果映射回尺寸缩小处理前的原始图像上，得到尺寸缩小处理前的原始图像中包括的前景区域、背景区域和边界区域。
一种可选实施方式中，S301中，确定所述原始图像中各像素点的像素信息分别与所述采样像素点的采样像素信息之间的颜色相似度，包括：
S3011，将所述原始图像中各像素点的像素信息转换到目标颜色空间下的目标像素信息；所述目标颜色空间基于所述采样像素点的采样像素信息确定；
S3012，确定各像素点在所述目标颜色空间下的目标像素信息分别与所述采样像素点在所述目标颜色空间下的目标采样像素信息之间的颜色相似度。
上述实施方式中，目标颜色空间可以基于采样像素点的采样像素信息确定，使得在对应的目标颜色空间下能够获取到原始图像中较为丰富的像素特征。进而，可以较准确的确定各像素点在确定的目标颜色空间下的目标像素信息分别与采样像素点在目标颜色空间下的目标采样像素信息之间的颜色相似度。比如，在采样像素点的颜色为红、绿等明亮的颜色时，目标颜色空间可以为YCRCB颜色空间，即在采样像素点对应的颜色较为明亮时，在YCRCB颜色空间下能够获取到原始图像中较为丰富的像素特征。
在S3011中，可以基于采样像素点的采样像素信息，确定原始图像对应的目标颜色空间。比如，在采样像素信息表征该采样像素点的颜色较为鲜艳(比如，采样像素点对应的颜色为红色、绿色等)，则确定原始图像对应的目标颜色空间可以为YCRCB颜色空间；在采样像素信息表征该采样像素点的颜色较为暗淡(比如，采样像素点的颜色为黑色、灰色、白色等)，则确定原始图像对应的目标颜色空间可以为RGB颜色空间。
或者，还可以响应于触发的选择操作，确定目标颜色空间。比如，可以响应于触发的选择操作，确定目标颜色空间为RGB颜色空间，或者确定目标颜色空间为色调饱和度明度(HueSaturation Value，HSV)颜色空间，再或者确定目标颜色空间为YCRCB颜色空间等。
这里，在原始图像为RGB图像、目标颜色空间为RGB颜色空间时，则原始图像中各像素点的像素信息与目标像素信息一致。在原始图像为RGB图像、目标颜色空间为YCRCB颜色空间时，可以将原始图像中各像素点的像素信息转换到YCRCB颜色空间下，生成各像素点在YCRCB颜色空间下的目标像素信息。
一种可选实施方式中，所述方法还包括：S105，确定所述原始图像中像素信息与所述采样像素点的采样像素信息匹配的第一像素点集合。
示例性的，第一像素点集合中包括的各个像素点在原始图像中的像素信息为与采样像素点的采样像素信息属于同一色域内的像素信息。比如，在采样像素点的采样像素信息位于青色色域内，则第一像素点集合中包括的各个像素点的像素信息均为处于青色色域内的像素信息。
在一种可选实施方式中，S105中，可以根据下述步骤确定所述原始图像中像素信息与所述采样像素点的采样像素信息匹配的第一像素点集合：
S1051，将所述原始图像各像素点的像素信息转换为色调饱和度明度HSV颜色空间下的像素信息；所述采样像素点在HSV颜色空间下的采样像素信息为第一采样像素信息；
S1052，从各所述像素点在HSV颜色空间下的像素信息中筛选出与所述第一采样像素信息位于同一色域内的像素点集合；
S1053，所述筛选出的像素点集合为所述第一像素点集合。
由于HSV颜色空间可以将整个颜色空间分成不同的色域，故将原始图像各像素点的像素信息转换为HSV颜色空间下的像素信息后，可以较准确的从各像素点在HSV颜色空间下的像素信息中筛选出与第一采样像素信息位于同一色域内的像素点集合。
示例性说明，在原始图像为RGB图像时，针对原始图像中的每个像素点，可以根据RGB与HSV之间的像素转换公式，将该像素点的像素信息转换至HSV颜色空间下，得到原始图像各像素点在HSV颜色空间下的像素信息。其中，原始图像各像素点在HSV颜色空间下的像素信息中包括采样像素点在HSV颜色空间下的第一采样像素信息。
再可以确定采样像素点的第一采样像素信息所属的色域，从各像素点在HSV颜色空间下的像素信息中筛选出与第一采样像素信息位于同一色域内的像素点集合。比如，在确定采样像素点的第一采样像素信息属于蓝色色域，则从各像素点在HSV颜色空间下的像素信息中筛选位于蓝色色域内的像素点集合；并将筛选出的像素点集合确定为第一像素点集合。
进而，在确定了第一像素点集合之后，可以利用第一像素点的像素信息，确定各像素点在所述目标颜色空间下的目标像素信息分别与所述采样像素点在所述目标颜色空间下的目标采样像素信息之间的颜色相似度。
在一种可选实施方式中，S3012可以根据下述方式实现：
步骤一、将所述第一像素点集合中各第一像素点的像素信息转换为目标颜色空间下的第一像素信息；
步骤二、基于各第一像素点的第一像素信息，生成所述目标颜色空间下的高斯颜色模型；
步骤三、将所述原始图像中各像素点的目标像素信息以及所述采样像素点的目标采样像素信息输入至所述高斯颜色模型中，得到各像素点的目标像素信息分别与所述采样像素点的目标采样像素信息之间的颜色相似度。
上述实施方式中，第一像素点集合中的各个像素点的像素信息与采样像素点的采样像素信息匹配，比如，第一像素点集合中的各个像素点的像素信息对应的颜色、与采样像素点的采样像素信息对应的颜色位于同一色域内。由于采样像素点位于背景区域内，故可以确定第一像素点集合中的各个像素点也位于背景区域内，使得利用第一像素点在目标颜色空间下的第一像素信息，生成的目标颜色空间下的高斯颜色模型较为精准，进一步的可以较准确的确定原始图像中各个像素点的颜色相似度。
可以将第一像素点集合中各第一像素点的像素信息转换为目标颜色空间下，生成第一像素点集合中各个第一像素点的第一像素信息。其中，第一像素点集合中各第一像素点的像素信息可以为在原始图像上的像素信息。
利用各第一像素点的第一像素信息，构建目标颜色空间下的高斯颜色模型。其中，高斯颜色模型是由用于表征各第一像素点的第一像素信息的一个或多个正态分布曲线构成的模型。
再使用构建的高斯颜色模型，对原始图像中各像素点的目标像素信息和目标采样像素信息进行处理，得到各像素点的目标像素信息分别与采样像素点的目标采样像素信息之间的颜色相似度。比如，针对原始图像中的第一像素点的目标像素信息，可以利用确定的高斯颜色模型指示的目标均值和目标方差，确定第一像素点的目标像素信息与采样像素点的目标采样像素信息之间的颜色相似度。
其中，目标采样像素信息为目标像素点在目标颜色空间下的像素信息。在原始图像为背景颜色相同的纯色背景图像时，颜色相似度可以为像素点的目标像素信息所对应的颜色、与采样像素点的目标采样像素信息所对应的颜色(可以表征原始图像中的背景区域对应的颜色)之间的相似程度。
在S302中，利用各所述像素点对应的颜色相似度，对所述原始图像进行分割处理，得到至少三类区域的分割结果，可以包括：遍历所述原始图像中的像素点，对遍历到的像素点执行分割处理，得到遍历到的像素点的分割结果；在得到遍历到的全部像素点的分割结果后，生成所述至少三类区域的分割结果。
遍历原始图像中的像素点，利用像素点对应的颜色相似度，对遍历到的像素点执行分割处理，得到遍历到的像素点的分割结果。示例性的，可以针对原始图像中的遍历到的每个像素点，根据该像素点对应的颜色相似度，确定该像素点所属的目标区域(该像素点的分割结果)，该目标区域为至少三种区域(前景区域、边界区域、背景区域)中的一种。进而，可以使用遍历到的全部像素点的分割结果，生成至少三类区域的分割结果。
其中，所述分割处理包括：
S3021，在检测到所述遍历到的像素点的颜色相似度小于第一阈值的情况下，确定所述遍历到的像素点在前景区域；
S3022，在检测到所述遍历到的像素点的颜色相似度大于或等于第二阈值的情况下，确定所述遍历到的像素点在背景区域；
S3023，在检测到所述遍历到的像素点的颜色相似度大于或等于所述第一阈值，且小于所述第二阈值的情况下，确定所述遍历到的像素点在边界区域。
这里，通过遍历原始图像中的像素点，根据像素点的颜色相似度，较准确的确定像素点的分割结果，使得生成的至少三类区域的分割结果较为精准。
在检测到遍历到的像素点的颜色相似度小于第一阈值时，表征遍历到的像素点对应的颜色、与采样像素点对应的颜色(可以表征原始图像中背景区域对应的颜色)之间相似程度较低，遍历到的该像素点属于背景区域内的可能性较低，故确定遍历到的该像素点在前景区域。
在检测到遍历到的像素点的颜色相似度大于或等于第二阈值时，表征遍历到的像素点对应的颜色、与采样像素点对应的颜色之间相似程度较高，遍历到的该像素点属于背景区域内的可能性较高，故确定遍历到的该像素点在背景区域。
在检测到遍历到的像素点的颜色相似度大于或等于第一阈值，且小于第二阈值时，无法准确的确定该像素点属于前景区域或背景区域，则可以确定遍历到的像素点属于前景区域和背景区域之间的边界区域。
其中，第一阈值和第二阈值可以根据实际需要进行设置，第一阈值小于第二阈值。比如，设置的第一阈值可以为0.3，第二阈值可以为0.8，在检测到遍历到的像素点的颜色相似度小于0.3时，则该像素点在前景区域；在检测到遍历到的该像素点的颜色相似度大于或等于0.8时，则该像素点在背景区域；在检测到遍历到的该像素点大于或等于0.3、且小于0.8时，则该像素点在边界区域。
为了较全面的确定原始图像中的边界区域，避免前景区域中残留背景区域中的像素点，造成颜色替换后生成的目标图像中残留有原始背景颜色的情况发生，可以对确定的边界区域进行形态学操作中的膨胀操作，得到膨胀操作后的至少三类区域的分割结果。其中，膨胀操作为形态学操作中用于扩大图像中目标区域面积的基本运算。
在使用尺寸缩小处理后的原始图像确定分割结果时，可以在得到尺寸缩小处理后的原始图像对应的至少三类区域的分割结果后，对得到的至少三类区域指示的边界区域进行膨胀操作，得到尺寸缩小处理后的原始图像对应的、膨胀操作后的至少三类区域的分割结果；再将尺寸缩小处理后的原始图像对应的、膨胀操作后的至少三类区域的分割结果，映射回尺寸缩小处理前的原始图像上。
或者，也可以在将至少三类区域的分割结果映射回尺寸缩小处理前的原始图像上之后，对尺寸缩小处理前的原始图像对应的至少三类区域指示的边界区域进行膨胀操作，得到尺寸缩小处理前的原始图像对应的、膨胀操作后的至少三类区域的分割结果。
针对S103：
在S103中，基于至少三类区域的分割结果，确定至少三类区域中分别包括的像素点的透明度信息，可以包括下述三种情况：
情况一、将在前景区域中的像素点的透明度信息确定为预设的第一透明度值；
情况二、将在背景区域中的像素点的透明度信息确定为预设的第二透明度值；
情况三，基于在边界区域中的像素点的像素信息以及所述采样像素点的采样像素信息，确定所述在边界区域中的像素点的透明度信息。
这里，为不同区域内的像素点设置不同的透明度信息，通过设置的透明度信息可以控制不同区域内的像素点的像素信息，对待替换的目标背景的像素信息的影响程度，以提高生成的目标图像的处理效果。
这里，第一透明度值、第二透明度值可以根据需要进行设置。比如，第一透明度值可以设置为0，第二透明度值可以设置为1。
在情况三中，基于在边界区域中的像素点的像素信息以及所述采样像素点的采样像素信息，确定所述在边界区域中的像素点的透明度信息，可以包括：
S1031，确定在边界区域中的各像素点的像素信息分别与所述采样像素点的采样像素信息在目标颜色空间下的颜色相似度；
S1032，基于在边界区域中各像素点对应的颜色相似度、以及第一界限值和第二界限值，确定在所述边界区域中各像素点的透明度信息。
这里，可以确定边界区域中各像素点对应的颜色相似度，通过确定的颜色相似度、和第一界限值、第二界限值，较准确的确定边界区域中各像素点的透明度信息。
在S1031中，可以确定边界区域中的各像素点的像素信息在目标颜色空间下的目标像素信息；再将边界区域中各像素点的目标像素信息输入至高斯颜色模型中，得到边界区域中各像素点的像素信息分别与采样像素点的采样像素信息在目标颜色空间下的颜色相似度。
在S1032中，基于在边界区域中各像素点对应的颜色相似度、以及第一界限值和第二界限值，确定在所述边界区域中各像素点的透明度信息，包括：
针对所述边界区域中的每个像素点，在所述像素点对应的所述颜色相似度小于所述第一界限值的情况下，将所述像素点的透明度信息设置为所述预设的第一透明度值；
在所述像素点对应的所述颜色相似度大于或等于所述第二界限值的情况下，将所述像素点的透明度信息设置为所述预设的第二透明度值；
在所述像素点对应的所述颜色相似度大于或等于所述第一界限值，且小于所述第二界限值的情况下，基于所述像素点对应的所述颜色相似度、所述第一界限值以及所述第二界限值，确定所述像素点的透明度信息。
这里，可以基于边界区域内的各个像素点的颜色相似度，确定边界区域内每个像素点的透明度信息。比如，在边界区域中像素点的颜色相似度小于第一界限值时，表征该像素点属于前景区域的可能性较高，故可以将该像素点的透明度信息设置为第一透明度值；在边界区域中像素点的颜色相似度大于或等于第二界限值时，表征该像素点属于背景区域的可能性较高，故可以将该像素点的透明度信息设置为第二透明度值，进而实现了对边界区域内的各个像素点的再一次筛选，以提高边界区域中各个像素点的透明度信息的准确度。
第一界限值和第二界限值可以根据需要进行设置，其中，第一界限值小于第二界限值；第一界限值与第一阈值可以一致，也可以不一致；以及第二界限值与第二阈值可以一致，也可以不一致。
在边界区域中的像素点的颜色相似度小于第一界限值时，表征边界区域中的该像素点属于前景区域的可能性较高，故可以将该像素点的透明度信息设置为预设的第一透明度值；在该像素点对应的颜色相似度大于或等于第二界限值时，表征该边界区域的像素点属于背景区域的可能性较高，故可以将像素点的透明度信息设置为预设的第二透明度值。
在该像素点对应的颜色相似度大于或等于第一界限值，且小于第二界限值时，可以利用第一界限值、和第二界限值，对该像素点的颜色相似度进行归一化处理，将归一化处理后的颜色相似度，确定为该像素点的透明度信息。
具体实施时，在该像素点对应的颜色相似度大于或等于第一界限值、且小于第二界限值时，可以根据下述公式确定像素点的透明度信息：
Figure BDA0002877922770000211
其中，xt为像素点的透明度信息，xin为像素点的颜色相似度；xmin为第一界限值；xmax为第二界限值。
针对S104：
待替换的目标背景可以根据需要进行选择，比如，待替换的目标背景可以为确定的待替换的背景图像，该背景图像可以为包括多种颜色的非纯色图像，也可以为包括单一颜色的纯色图像。其中，该待替换的背景图像与原始图像的尺寸一致。
具体实施时，针对原始图像上的每个像素点，可以从待替换的背景图像中确定与像素点的位置对应的目标背景的像素信息。再基于至少三类区域中分别包含的像素点的透明度信息、和各个像素点分别对应的待替换的目标背景的像素信息，生成目标图像。
一种可选实施方式中，S104可以根据下述方式具体实现：
S1041，针对所述至少三类区域中的每个像素点，基于所述像素点对应的透明度信息、所述像素点的像素信息、所述采样像素点的采样像素信息、以及与所述像素点的位置对应的所述目标背景的像素信息，确定所述像素点的中间像素信息；
S1042，基于每个像素点的所述中间像素信息、所述透明度信息、和与所述像素点的位置对应的所述目标背景的像素信息，确定每个像素点的目标像素信息；
S1043，基于各个像素点的目标像素信息，生成所述目标图像。
采用上述方法，可以先确定像素点对应的中间像素信息，该中间像素信息构成的中间图像可以为消除了采样像素信息对应的背景颜色、并粗略叠加了目标背景的图像，即中间像素信息为消除了采样像素信息影响后的像素信息；进而基于每个像素点的中间像素信息、透明度信息、和与像素点的位置对应的目标背景的像素信息，确定的每个像素点的目标像素信息为消除了采样像素信息影响后的像素信息；故基于各个像素点的目标像素信息，可以使得生成的目标图像的效果较好。
在S1041中，可以将所述像素点对应的所述透明度信息与所述采样像素信息相乘，得到第一乘积信息；以及将所述透明度信息与所述像素点的位置对应的所述目标背景的像素信息相乘，得到第二乘积信息；进而，将所述像素点的像素信息与所述第一乘积信息相减，再将得到的差值与所述第二乘积信息相加，得到所述像素点的中间像素信息。
具体实施时，针对原始图像中的每个像素点，可以根据下述公式，确定该像素点对应的中间像素信息：
pm＝pin-xt×cs+xt×ct；
其中，pm为像素点的中间像素信息；pin为对应像素点在原始图像上的像素信息；xt为对应像素点的透明度信息，即为混合系数；cs为采样像素点的采样像素信息；ct为与像素点的位置对应的目标背景的像素信息。
针对原始图像上的每个像素点，基于该像素点的位置信息，可以从待替换背景图像中确定与该像素点匹配的目标像素点，并将该目标像素点在待替换背景图像上的像素信息，确定为该像素点对应的目标颜色信息。
在S1042中，将所述像素点的透明度信息与所述像素点的位置对应的所述目标背景的像素信息相乘，得到第三乘积信息；将预设基准值与所述像素点的透明度信息相减，再将得到的差值与所述中间像素信息相乘，得到第四乘积信息；将所述第三乘积信息与所述第四乘积信息的和，确定为所述像素点的目标像素信息。
具体实施时，针对原始图像中的每个像素点，可以根据下述公式确定像素点的目标像素信息：
pt＝(1-xt)×pm+xt×ct；
其中，pt为每个像素点的目标像素信息，pm为对应像素点的中间像素信息，此处预设基准值设置为1。
在S1043中，基于确定的各个像素点对应的目标像素信息，生成了目标图像。
示例性的，原始图像可以为包括纯色背景的图像，即原始图像的背景区域中包括一种背景颜色；或者，原始图像可以为包括多种背景颜色的图像，且原始图像中包括的背景颜色的数量较少，比如，原始图像可以为包括红色背景和蓝色背景的图像。
在原始图像为纯色背景的图像时，可以利用本公开提供的图像背景处理方法，对原始图像进行一次背景处理，生成目标图像。在原始图像为包括多种背景颜色的图像时，可以分别基于多种背景颜色中的每种背景颜色，确定采样像素点的采样像素信息，再利用本公开提供的图像背景处理方法，对原始图像进行多次背景处理，生成目标图像。
比如，原始图像为包括红色背景和蓝色背景的图像时，可以利用本公开提供的图像背景处理方法，从红色背景中确定第一采样像素点的采样像素信息，对原始图像进行一次背景处理，生成第一次背景处理后的中间图像；再利用本公开提供的图像背景处理方法，从蓝色背景中确定第二采样像素点的采样像素信息，对中间图像进行一次背景处理，生成目标图像。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于相同的构思，本公开实施例还提供了一种图像背景处理装置，参见图4所示，为本公开实施例提供的图像背景处理装置的架构示意图，包括获取模块401、分割模块402、第一确定模块403、生成模块404，具体的：
获取模块401，用于获取原始图像；
分割模块402，用于利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域的分割结果，所述至少三类区域包括前景区域、背景区域和所述前景区域与所述背景区域之间的边界区域；
第一确定模块403，用于基于所述至少三类区域的分割结果，确定所述至少三类区域中分别包括的像素点的透明度信息；
生成模块404，用于基于所述至少三类区域中分别包含的像素点的透明度信息以及待替换的目标背景的像素信息，生成目标图像。
一种可能的实施方式中，在利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域的分割结果之前，还包括：
处理模块405，用于对所述原始图像进行尺寸缩小处理；
在对尺寸缩小处理后的原始图像进行分割处理，得到至少三类区域的分割结果之后，还包括：
映射模块406，用于将所述至少三类区域的分割结果映射回尺寸缩小处理前的原始图像上。
一种可能的实施方式中，所述分割模块402，在利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域分割结果时，用于：
确定所述原始图像中各像素点的像素信息分别与所述采样像素点的采样像素信息之间的颜色相似度；
利用各所述像素点对应的颜色相似度，对所述原始图像进行分割处理，得到至少三类区域的分割结果。
一种可能的实施方式中，所述分割模块402，在确定所述原始图像中各像素点的像素信息分别与所述采样像素点的采样像素信息之间的颜色相似度时，用于：
将所述原始图像中各像素点的像素信息转换到目标颜色空间下的目标像素信息；所述目标颜色空间基于所述采样像素点的采样像素信息确定；
确定各像素点在所述目标颜色空间下的目标像素信息分别与所述采样像素点在所述目标颜色空间下的目标采样像素信息之间的颜色相似度。
一种可能的实施方式中，所述装置还包括：
第二确定模块407，用于确定所述原始图像中像素信息与所述采样像素点的采样像素信息匹配的第一像素点集合；
所述分割模块402，在确定各像素点在所述目标颜色空间下的目标像素信息分别与所述采样像素点在所述目标颜色空间下的目标采样像素信息之间的颜色相似度时，用于：
将所述第一像素点集合中各第一像素点的像素信息转换为目标颜色空间下的第一像素信息；
基于各第一像素点的第一像素信息，生成所述目标颜色空间下的高斯颜色模型；
将所述原始图像中各像素点的目标像素信息以及所述采样像素点的目标采样像素信息输入至所述高斯颜色模型中，得到各像素点的目标像素信息分别与所述采样像素点的目标采样像素信息之间的颜色相似度。
一种可能的实施方式中，所述第二确定模块407，在确定所述原始图像中像素信息与所述采样像素点的采样像素信息匹配的第一像素点集合时，用于：
将所述原始图像各像素点的像素信息转换为色调饱和度明度HSV颜色空间下的像素信息；所述采样像素点在HSV颜色空间下的采样像素信息为第一采样像素信息；
从各所述像素点在HSV颜色空间下的像素信息中筛选出与所述第一采样像素信息位于同一色域内的像素点集合；
所述筛选出的像素点集合为所述第一像素点集合。
一种可能的实施方式中，所述分割模块402，在利用各所述像素点对应的颜色相似度，对所述原始图像进行分割处理，得到至少三类区域的分割结果时，用于：遍历所述原始图像中的像素点，对遍历到的像素点执行分割处理，得到遍历到的像素点的分割结果；在得到遍历到的全部像素点的分割结果后，生成所述至少三类区域的分割结果；
其中，所述分割处理包括：
在检测到所述遍历到的像素点的颜色相似度小于第一阈值的情况下，确定所述遍历到的像素点在前景区域；
在检测到所述遍历到的像素点的颜色相似度大于或等于第二阈值的情况下，确定所述遍历到的像素点在背景区域；
在检测到所述遍历到的像素点的颜色相似度大于或等于所述第一阈值，且小于所述第二阈值的情况下，确定所述遍历到的像素点在边界区域。
一种可能的实施方式中，所述第一确定模块403，在基于所述至少三类区域的分割结果，确定所述至少三类区域中分别包括的像素点的透明度信息时，用于：
将在前景区域中的像素点的透明度信息确定为预设的第一透明度值；以及，将在背景区域中的像素点的透明度信息确定为预设的第二透明度值；
以及，基于在边界区域中的像素点的像素信息以及所述采样像素点的采样像素信息，确定所述在边界区域中的像素点的透明度信息。
一种可能的实施方式中，所述第一确定模块403，在基于在边界区域中的像素点的像素信息以及所述采样像素点的采样像素信息，确定所述在边界区域中的像素点的透明度信息时，用于：
确定在边界区域中的各像素点的像素信息分别与所述采样像素点的采样像素信息在目标颜色空间下的颜色相似度；
基于在边界区域中各像素点对应的颜色相似度、以及第一界限值和第二界限值，确定在所述边界区域中各像素点的透明度信息。
一种可能的实施方式中，所述第一确定模块403，在基于在边界区域中各像素点对应的颜色相似度、以及第一界限值和第二界限值，确定在所述边界区域中各像素点的透明度信息时，用于：
针对所述边界区域中的每个像素点，在所述像素点对应的所述颜色相似度小于所述第一界限值的情况下，将所述像素点的透明度信息设置为所述预设的第一透明度值；
在所述像素点对应的所述颜色相似度大于或等于所述第二界限值的情况下，将所述像素点的透明度信息设置为所述预设的第二透明度值；
在所述像素点对应的所述颜色相似度大于或等于所述第一界限值，且小于所述第二界限值的情况下，基于所述像素点对应的所述颜色相似度、所述第一界限值以及所述第二界限值，确定所述像素点的透明度信息。
一种可能的实施方式中，所述生成模块404，在基于所述至少三类区域中分别包含的像素点的透明度信息以及待替换的目标背景的像素信息，生成目标图像时，用于：
针对所述至少三类区域中的每个像素点，基于所述像素点对应的透明度信息、所述像素点的像素信息、所述采样像素点的采样像素信息、以及与所述像素点的位置对应的所述目标背景的像素信息，确定所述像素点的中间像素信息；
基于每个所述像素点的所述中间像素信息、所述透明度信息、和与所述像素点的位置对应的所述目标背景的像素信息，确定每个像素点的目标像素信息；基于各个像素点的目标像素信息，生成所述目标图像。
一种可能的实施方式中，所述生成模块404，在基于所述像素点对应的透明度信息、所述像素点的像素信息、所述采样像素点的采样像素信息、以及与所述像素点的位置对应的所述目标背景的像素信息，确定所述像素点的中间像素信息时，用于：
将所述像素点对应的所述透明度信息与所述采样像素信息相乘，得到第一乘积信息；以及将所述透明度信息与所述像素点的位置对应的所述目标背景的像素信息相乘，得到第二乘积信息；
将所述像素点的像素信息与所述第一乘积信息相减，再将得到的差值与所述第二乘积信息相加，得到所述像素点的中间像素信息。
一种可能的实施方式中，所述生成模块404，在基于每个所述像素点的所述中间像素信息、所述透明度信息、和与所述像素点的位置对应的所述目标背景的像素信息，确定每个像素点目标像素信息时，用于：
将所述像素点的透明度信息与所述像素点的位置对应的所述目标背景的像素信息相乘，得到第三乘积信息；将预设基准值与所述像素点的透明度信息相减，再将得到的差值与所述中间像素信息相乘，得到第四乘积信息；
将所述第三乘积信息与所述第四乘积信息的和，确定为所述像素点的目标像素信息。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模板可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
基于同一技术构思，本公开实施例还提供了一种电子设备。参照图5所示，为本公开实施例提供的电子设备的结构示意图，包括处理器501、存储器502、和总线503。其中，存储器502用于存储执行指令，包括内存5021和外部存储器5022；这里的内存5021也称内存储器，用于暂时存放处理器501中的运算数据，以及与硬盘等外部存储器5022交换的数据，处理器501通过内存5021与外部存储器5022进行数据交换，当电子设备500运行时，处理器501与存储器502之间通过总线503通信，使得处理器501在执行以下指令：获取原始图像；
利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域的分割结果，所述至少三类区域包括前景区域、背景区域和所述前景区域与所述背景区域之间的边界区域；
基于所述至少三类区域的分割结果，确定所述至少三类区域中分别包括的像素点的透明度信息；
基于所述至少三类区域中分别包含的像素点的透明度信息以及待替换的目标背景的像素信息，生成目标图像。
此外，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的图像背景处理方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的图像背景处理方法的步骤，具体可参见上述方法实施例，在此不再赘述。
其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (15)

1.一种图像背景处理方法，其特征在于，包括：
获取原始图像；
利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域的分割结果，所述至少三类区域包括前景区域、背景区域和所述前景区域与所述背景区域之间的边界区域；
基于所述至少三类区域的分割结果，确定所述至少三类区域中分别包括的像素点的透明度信息；
基于所述至少三类区域中分别包含的像素点的透明度信息以及待替换的目标背景的像素信息，生成目标图像；
所述基于所述至少三类区域中分别包含的像素点的透明度信息以及待替换的目标背景的像素信息，生成目标图像，包括：
针对所述至少三类区域中的每个像素点，基于所述像素点对应的透明度信息、所述像素点的像素信息、所述采样像素点的采样像素信息、以及与所述像素点的位置对应的所述目标背景的像素信息，确定所述像素点的中间像素信息；
基于每个所述像素点的所述中间像素信息、所述透明度信息、和与所述像素点的位置对应的所述目标背景的像素信息，确定每个像素点的目标像素信息；
基于各个像素点的目标像素信息，生成所述目标图像。
2.根据权利要求1所述的方法，其特征在于，在利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域的分割结果之前，还包括：
对所述原始图像进行尺寸缩小处理；
在对尺寸缩小处理后的原始图像进行分割处理，得到至少三类区域的分割结果之后，还包括：
将所述至少三类区域的分割结果映射回尺寸缩小处理前的原始图像上。
3.根据权利要求1或2所述的方法，其特征在于，所述利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域分割结果，包括：
确定所述原始图像中各像素点的像素信息分别与所述采样像素点的采样像素信息之间的颜色相似度；
利用各所述像素点对应的颜色相似度，对所述原始图像进行分割处理，得到至少三类区域的分割结果。
4.根据权利要求3所述的方法，其特征在于，所述确定所述原始图像中各像素点的像素信息分别与所述采样像素点的采样像素信息之间的颜色相似度，包括：
将所述原始图像中各像素点的像素信息转换到目标颜色空间下的目标像素信息；所述目标颜色空间基于所述采样像素点的采样像素信息确定；
确定各像素点在所述目标颜色空间下的目标像素信息分别与所述采样像素点在所述目标颜色空间下的目标采样像素信息之间的颜色相似度。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
确定所述原始图像中像素信息与所述采样像素点的采样像素信息匹配的第一像素点集合；
所述确定各像素点在所述目标颜色空间下的目标像素信息分别与所述采样像素点在所述目标颜色空间下的目标采样像素信息之间的颜色相似度，包括：
将所述第一像素点集合中各第一像素点的像素信息转换为目标颜色空间下的第一像素信息；
基于各第一像素点的第一像素信息，生成所述目标颜色空间下的高斯颜色模型；
将所述原始图像中各像素点的目标像素信息以及所述采样像素点的目标采样像素信息输入至所述高斯颜色模型中，得到各像素点的目标像素信息分别与所述采样像素点的目标采样像素信息之间的颜色相似度。
6.根据权利要求5所述的方法，其特征在于，所述确定所述原始图像中像素信息与所述采样像素点的采样像素信息匹配的第一像素点集合，包括：
将所述原始图像各像素点的像素信息转换为色调饱和度明度HSV颜色空间下的像素信息；所述采样像素点在HSV颜色空间下的采样像素信息为第一采样像素信息；
从各所述像素点在HSV颜色空间下的像素信息中筛选出与所述第一采样像素信息位于同一色域内的像素点集合；
所述筛选出的像素点集合为所述第一像素点集合。
7.根据权利要求3所述的方法，其特征在于，所述利用各所述像素点对应的颜色相似度，对所述原始图像进行分割处理，得到至少三类区域的分割结果，包括：
遍历所述原始图像中的像素点，对遍历到的像素点执行分割处理，得到遍历到的像素点的分割结果；在得到遍历到的全部像素点的分割结果后，生成所述至少三类区域的分割结果；
其中，所述分割处理包括：
在检测到所述遍历到的像素点的颜色相似度小于第一阈值的情况下，确定所述遍历到的像素点在前景区域；
在检测到所述遍历到的像素点的颜色相似度大于或等于第二阈值的情况下，确定所述遍历到的像素点在背景区域；
在检测到所述遍历到的像素点的颜色相似度大于或等于所述第一阈值，且小于所述第二阈值的情况下，确定所述遍历到的像素点在边界区域。
8.根据权利要求1所述的方法，其特征在于，所述基于所述至少三类区域的分割结果，确定所述至少三类区域中分别包括的像素点的透明度信息，包括：
将在前景区域中的像素点的透明度信息确定为预设的第一透明度值；以及，将在背景区域中的像素点的透明度信息确定为预设的第二透明度值；
以及，基于在边界区域中的像素点的像素信息以及所述采样像素点的采样像素信息，确定所述在边界区域中的像素点的透明度信息。
9.根据权利要求8所述的方法，其特征在于，所述基于在边界区域中的像素点的像素信息以及所述采样像素点的采样像素信息，确定所述在边界区域中的像素点的透明度信息，包括：
确定在边界区域中的各像素点的像素信息分别与所述采样像素点的采样像素信息在目标颜色空间下的颜色相似度；
基于在边界区域中各像素点对应的颜色相似度、以及第一界限值和第二界限值，确定在所述边界区域中各像素点的透明度信息。
10.根据权利要求9所述的方法，其特征在于，所述基于在边界区域中各像素点对应的颜色相似度、以及第一界限值和第二界限值，确定在所述边界区域中各像素点的透明度信息，包括：
针对所述边界区域中的每个像素点，在所述像素点对应的所述颜色相似度小于所述第一界限值的情况下，将所述像素点的透明度信息设置为所述预设的第一透明度值；
在所述像素点对应的所述颜色相似度大于或等于所述第二界限值的情况下，将所述像素点的透明度信息设置为所述预设的第二透明度值；
在所述像素点对应的所述颜色相似度大于或等于所述第一界限值，且小于所述第二界限值的情况下，基于所述像素点对应的所述颜色相似度、所述第一界限值以及所述第二界限值，确定所述像素点的透明度信息。
11.根据权利要求1所述的方法，其特征在于，所述基于所述像素点对应的透明度信息、所述像素点的像素信息、所述采样像素点的采样像素信息、以及与所述像素点的位置对应的所述目标背景的像素信息，确定所述像素点的中间像素信息，包括：
将所述像素点对应的所述透明度信息与所述采样像素信息相乘，得到第一乘积信息；以及将所述透明度信息与所述像素点的位置对应的所述目标背景的像素信息相乘，得到第二乘积信息；
将所述像素点的像素信息与所述第一乘积信息相减，再将得到的差值与所述第二乘积信息相加，得到所述像素点的中间像素信息。
12.根据权利要求1所述的方法，其特征在于，所述基于每个所述像素点的所述中间像素信息、所述透明度信息、和与所述像素点的位置对应的所述目标背景的像素信息，确定每个像素点目标像素信息，包括：
将所述像素点的透明度信息与所述像素点的位置对应的所述目标背景的像素信息相乘，得到第三乘积信息；将预设基准值与所述像素点的透明度信息相减，再将得到的差值与所述中间像素信息相乘，得到第四乘积信息；
将所述第三乘积信息与所述第四乘积信息的和，确定为所述像素点的目标像素信息。
13.一种图像背景处理装置，其特征在于，包括：
获取模块，用于获取原始图像；
分割模块，用于利用所述原始图像的背景区域上的采样像素点的采样像素信息，对所述原始图像进行分割处理，得到至少三类区域的分割结果，所述至少三类区域包括前景区域、背景区域和所述前景区域与所述背景区域之间的边界区域；
第一确定模块，用于基于所述至少三类区域的分割结果，确定所述至少三类区域中分别包括的像素点的透明度信息；
生成模块，用于基于所述至少三类区域中分别包含的像素点的透明度信息以及待替换的目标背景的像素信息，生成目标图像；
所述生成模块，在基于所述至少三类区域中分别包含的像素点的透明度信息以及待替换的目标背景的像素信息，生成目标图像时，用于：
针对所述至少三类区域中的每个像素点，基于所述像素点对应的透明度信息、所述像素点的像素信息、所述采样像素点的采样像素信息、以及与所述像素点的位置对应的所述目标背景的像素信息，确定所述像素点的中间像素信息；
基于每个所述像素点的所述中间像素信息、所述透明度信息、和与所述像素点的位置对应的所述目标背景的像素信息，确定每个像素点的目标像素信息；
基于各个像素点的目标像素信息，生成所述目标图像。
14.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至12任一所述的图像背景处理方法的步骤。
15.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至12任一所述的图像背景处理方法的步骤。
CN202011619776.3A 2020-12-31 2020-12-31 图像背景处理方法、装置、电子设备及存储介质 Active CN112634312B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011619776.3A CN112634312B (zh) 2020-12-31 2020-12-31 图像背景处理方法、装置、电子设备及存储介质
PCT/CN2021/103535 WO2022142219A1 (zh) 2020-12-31 2021-06-30 图像背景处理方法、装置、电子设备及存储介质
TW110127790A TW202228073A (zh) 2020-12-31 2021-07-28 圖像背景處理方法、裝置、電子設備及儲存媒體

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011619776.3A CN112634312B (zh) 2020-12-31 2020-12-31 图像背景处理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112634312A CN112634312A (zh) 2021-04-09
CN112634312B true CN112634312B (zh) 2023-02-24

Family

ID=75287336

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011619776.3A Active CN112634312B (zh) 2020-12-31 2020-12-31 图像背景处理方法、装置、电子设备及存储介质

Country Status (3)

Country Link
CN (1) CN112634312B (zh)
TW (1) TW202228073A (zh)
WO (1) WO2022142219A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112634312B (zh) * 2020-12-31 2023-02-24 上海商汤智能科技有限公司 图像背景处理方法、装置、电子设备及存储介质
CN113436284A (zh) * 2021-07-30 2021-09-24 上海商汤智能科技有限公司 一种图像处理方法、装置、计算机设备和存储介质
CN115797345B (zh) * 2023-02-06 2023-04-25 青岛佳美洋食品有限公司 一种海鲜烘烤异常识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015169061A1 (zh) * 2014-05-05 2015-11-12 小米科技有限责任公司 图像分割方法及装置
CN105139415A (zh) * 2015-09-29 2015-12-09 小米科技有限责任公司 图像前后景分割方法、装置及终端
CN107452010A (zh) * 2017-07-31 2017-12-08 中国科学院长春光学精密机械与物理研究所 一种自动抠图算法和装置
CN109344724A (zh) * 2018-09-05 2019-02-15 深圳伯奇科技有限公司 一种证件照自动背景替换方法、系统及服务器
CN109978890A (zh) * 2019-02-25 2019-07-05 平安科技（深圳）有限公司 基于图像处理的目标提取方法、装置及终端设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5045619B2 (ja) * 2008-09-08 2012-10-10 ソニー株式会社 画像処理装置および方法、並びにプログラム
CN101777180B (zh) * 2009-12-23 2012-07-04 中国科学院自动化研究所 基于背景建模和能量最小化的复杂背景实时替换方法
GB201217721D0 (en) * 2012-10-03 2012-11-14 Holition Ltd Video image processing
CN112634312B (zh) * 2020-12-31 2023-02-24 上海商汤智能科技有限公司 图像背景处理方法、装置、电子设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015169061A1 (zh) * 2014-05-05 2015-11-12 小米科技有限责任公司 图像分割方法及装置
CN105139415A (zh) * 2015-09-29 2015-12-09 小米科技有限责任公司 图像前后景分割方法、装置及终端
CN107452010A (zh) * 2017-07-31 2017-12-08 中国科学院长春光学精密机械与物理研究所 一种自动抠图算法和装置
CN109344724A (zh) * 2018-09-05 2019-02-15 深圳伯奇科技有限公司 一种证件照自动背景替换方法、系统及服务器
CN109978890A (zh) * 2019-02-25 2019-07-05 平安科技（深圳）有限公司 基于图像处理的目标提取方法、装置及终端设备

Also Published As

Publication number Publication date
WO2022142219A1 (zh) 2022-07-07
TW202228073A (zh) 2022-07-16
CN112634312A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN112634312B (zh) 图像背景处理方法、装置、电子设备及存储介质
JP7357998B2 (ja) 画像処理方法、スマート機器及びコンピュータプログラム
CN107403421B (zh) 一种图像去雾方法、存储介质及终端设备
JP6499188B2 (ja) 飽和画像を非飽和画像に変換する方法
CN113012059B (zh) 一种文字图像的阴影消除方法、装置及电子设备
CN112800850B (zh) 一种视频处理方法、装置、电子设备及存储介质
EP3855387A1 (en) Image processing method and apparatus, electronic device, and readable storage medium
CN110049242B (zh) 一种图像处理方法和装置
JP6779688B2 (ja) 画像処理装置、画像処理方法、コンピュータプログラム
CN111131688B (zh) 一种图像处理方法、装置及移动终端
CN108875759B (zh) 一种图像处理方法、装置及服务器
CN108205671A (zh) 图像处理方法及装置
CN111626967A (zh) 图像增强方法、装置、计算机装置及可读存储介质
CN113132695A (zh) 镜头阴影校正方法、装置及电子设备
CN115082400A (zh) 一种图像处理方法、装置、计算机设备及可读存储介质
CN111784703A (zh) 一种图像分割方法、装置、电子设备和存储介质
CN113658118B (zh) 图像噪声程度估计方法、装置、电子设备及存储介质
CN111179370A (zh) 一种图片生成方法、装置、电子设备及存储介质
EP3751511A1 (en) Image processing apparatus, image forming apparatus, display apparatus, image processing program, and image processing method
CN109242750B (zh) 图片签名方法、图片匹配方法、装置、设备及存储介质
CN108053452B (zh) 一种基于混合模型的数字图像色彩提取方法
CN107341770B (zh) 动态范围扩展高亮信息恢复
CN112070096B (zh) 颜色识别方法、装置、终端设备和存储介质
CN113191376A (zh) 图像处理方法、装置、电子设备和可读存储介质
CN113395407A (zh) 图像处理装置、图像处理方法及计算机可读介质

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40042923

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant