CN112954198B - 图像处理方法、装置和电子设备 - Google Patents

Abstract

本公开实施例公开了一种图像处理方法、装置和电子设备。该方法的一具体实施方式包括：获取相机在不同拍摄位姿下拍摄的待处理图像，待处理图像包括在同一场景所拍摄的、包括目标对象的图像和场景图像的第一图像、和包括场景图像的第二图像；相机的拍摄位姿根据预设机械臂的位姿的自动调整而调整；根据第一图像和第二图像，确定用于分割场景的图像和目标对象的图像的目标蒙版；利用目标蒙版从第一图像中裁剪出目标对象的图像。通过自动调整拍摄位姿的相机拍摄待处理图像，节约了成本，并通过自动标注出第一图像中的目标对象的图像对应的目标蒙版，继而可以裁剪出第一图像中包括的目标对象的图像，缩减了标注流程，减轻了工作人员的负担。

Description

图像处理方法、装置和电子设备

技术领域

本公开涉及互联网技术领域，尤其涉及一种图像处理方法、装置和电子设备。

背景技术

数据采集与数据标注是在训练机器学习模型前所需的重要流程。通常研究者会先通过互联网搜集、在现实中采集或使用算法合成等方法获取数据，然后对数据进行标注。当数据完成标注之后，可以用于训练机器学习模型。

就目标检测、实例分割等计算机视觉任务所需的数据而言，其需要的数据规模通常在1万到10万量级。在这样的数据规模下，数据采集与标注的流程是缓慢而消耗大量人工的。随着深度学习技术的发展，参数规模更大、网络结构更复杂的模型对数据通常有着更高的需求。但在数据获取方面，工业界目前仍然处于以人工采集标注为主的状态。

上述方式目前广泛用于通用计算机视觉技术，如在较宽泛类别物体上的目标识别等。对于某一领域的专业任务，我们需要更加细分的数据与标注。举例来说，通用数据集可以提供大量水果的图片与标注信息，使得视觉模型可以学习识别苹果与香蕉。但设想我们有一个给苹果品种细分分类的计算机视觉任务，此时通用数据集对任务的帮助就极其有限，从而我们又有了重新进行数据采集与人工标注的需求。这种方式通常会耗费大量时间和人力。

发明内容

提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开实施例提供了一种图像处理方法、装置和电子设备。

第一方面，本公开实施例提供了一种图像处理方法，该方法包括：获取相机在不同拍摄位姿下拍摄的待处理图像，所述待处理图像包括在同一场景所拍摄的、包括目标对象的图像和所述场景图像的第一图像、和包括所述场景图像的第二图像；所述相机由预设机械臂夹持，所述相机的拍摄位姿根据所述预设机械臂的位姿的自动调整而调整；根据所述第一图像和所述第二图像，确定用于分割所述场景的图像和目标对象的图像的目标蒙版；利用所述目标蒙版从所述第一图像中裁剪出所述目标对象的图像。

第二方面，本公开实施例提供了一种图像处理装置，该装置包括：获取模块，用于获取相机在不同拍摄位姿下拍摄的待处理图像，所述待处理图像包括在同一场景所拍摄的、包括目标对象的图像和所述场景图像的第一图像、和包括所述场景图像的第二图像；所述相机由预设机械臂夹持，所述相机的拍摄位姿根据所述预设机械臂的位姿的自动调整而调整；确定模块，用于根据所述第一图像和所述第二图像，确定用于分割所述场景的图像和目标对象的图像的目标蒙版；裁剪模块，用于利用所述目标蒙版从所述第一图像中裁剪出所述目标对象的图像。

第三方面，本公开实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现第一方面所述的图像处理方法。

第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面所述的图像处理方法的步骤。

本公开实施例提供的图像处理方法、装置和电子设备，获取相机在不同拍摄位姿下拍摄的待处理图像，所述待处理图像包括在同一场景所拍摄的、包括目标对象的图像和所述场景图像的第一图像、和包括所述场景图像的第二图像；所述相机由预设机械臂夹持，所述相机的拍摄位姿根据所述预设机械臂的位姿的自动调整而调整；根据所述第一图像和所述第二图像，确定用于分割所述场景的图像和目标对象的图像的目标蒙版；利用所述目标蒙版从所述第一图像中裁剪出所述目标对象的图像。通过预设机械臂夹持相机，使相机可以自动调整位姿。通过自动调整拍摄位姿的相机拍摄待处理图像，大幅度节约了成本，并通过自动标注出第一图像中的目标对象的图像对应的目标蒙版，继而可以裁剪出第一图像中包括的目标对象的图像，缩减了标注流程，减轻了工作人员的负担。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为根据本公开的图像处理方法的一个实施例的流程图；

图2a为根据本公开的图像处理方法的一个应用场景的示意图；

图2b为处理图2a所示的待处理图像得到的目标蒙版的示意图；

图3为本公开涉及的确定目标蒙版的一个实施例的流程示意图；

图4为根据本公开的图像处理装置的一个实施例的结构示意图；

图5为本公开的一个实施例的图像处理方法可以应用于其中的示例性系统架构；

图6为根据本公开实施例提供的电子设备的基本结构的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

请参考图1，其示出了根据本公开的图像处理方法的一个实施例的流程图，如图1所示，该图像处理方法包括以下步骤101至步骤103。

步骤101，获取相机在不同拍摄位姿下拍摄的待处理图像，所述待处理图像包括在同一场景所拍摄的、包括目标对象的图像和所述场景图像的第一图像、和包括所述场景图像的第二图像；所述相机由预设机械臂夹持，所述相机的拍摄位姿根据所述预设机械臂的位姿的自动调整而调整。

上述待处理图像可以包括第一图像和第二图像。其中，第一图像中包括采集场景对应的场景图像以及采集场景中的目标对象对应的图像；第二图像中包括场景图像。例如，当前场景为桌面，桌面上没有放置任何对象。此时拍摄得到的图像(仅包括桌面)可以视为第二图像；如图2a所示，当在桌面上放置了一个矿泉水瓶201之后，可以将桌面视为场景，将矿泉水瓶201视为目标对象。此时拍摄得到的图像(包括桌面和矿泉水瓶201)可以视为第一图像(也即，如图2a所示的整体图像)。

在一些应用场景中，所述待处理图像可以由相机在不同拍摄位姿下拍摄而得。在这些应用场景中，相机的位姿可以自动调整。也即，相机可以自动调整至多个拍摄位姿，以多方位拍摄目标对象。

在这些应用场景中，用户可以提前设置多个拍摄位姿，以使得相机可以自动调整至预先示教的多个拍摄位姿。例如，在以放置物品的平台底面中心为原点，穿越平台底面中心的第一直线为横轴，穿越平台底面中心的、与第一直线垂直的第二直线为纵轴，穿越平台底面中心的、与第一直线和第二直线均垂直的第三直线为竖轴，以1米为坐标单位所建立的空间直角坐标系中，可以预先设置多个拍摄位姿。第一拍摄位姿例如可以为处于坐标(0,0,2)的位置、相机水平放置时对应的位姿，第二拍摄位姿例如可以为处于坐标(0,1,2)的位置、相机水平放置时对应的位姿，第三拍摄位姿例如可以为处于坐标(0,1,0)的位置、相机偏离水平面15度放置时对应的位姿。这样，可以使相机自动调整至上述的第一拍摄位姿、第二拍摄位姿、第三拍摄位姿拍摄目标对象。这里，可以在同一位姿下拍摄一张或者多张图像，具体以实际需求而定，此处不作限定。

实践中，用户可以先在设置的拍摄位姿上拍摄第二图像，然后再将物品放置在场景中之后，在同一拍摄位姿下再拍摄包含物品与场景的第一图像，以缩减拍摄时间。

在一些应用场景中，可以预先设置在各个拍摄位姿下拍摄第一图像的数量，以及拍摄第二图像的数量。这样，可以一次性将需要的图像采集完全。这里所需要的图像例如可以包括深度图像、彩色图像等。相关技术中，可以使用多个相机同时采集目标对象的图像。这样虽然可以在一定程度上加快待处理图像的采集效率，但是会因为需要购买多个相机，带来较大的成本负担。

通过位姿可自动调整的相机，可以在获取到多个待处理图像的基础上，节约成本。

在一些应用场景中，所述相机可以由预设机械臂夹持，所述相机的拍摄位姿可以根据预设机械臂的位姿的自动调整而调整。

通过上述预设机械臂夹持相机，使得相机可以跟随预设机械臂的自动调整而自动调整拍摄位姿。

在一些可选的实现方式中，所述预设机械臂在预设控制程序的控制下位姿可自动调整。

上述预设控制程序可以用于控制预设机械臂摆动至对应的位姿。例如，预设机械臂可以在预设控制程序的控制下，将相机调整到上述第一拍摄位姿。这里，将相机调整到第一拍摄位姿时，预设机械臂拥有属于自己的夹持位姿。这里的夹持位姿可以视为预设控制程序控制的预设机械臂的位姿。

预设控制程序控制预设机械臂调整至下一位姿时，预设机械臂夹持的相机随之调整至下一拍摄位姿继续拍摄目标对象，当处于当前拍摄位姿的相机将待处理图像采集完全之后，可以通过预设控制程序继续调整至下一拍摄位姿。这样，可以自动调整相机位置，并且使拍摄位姿的位置可以相对稳定，避免拍摄的第一图像和第二图像产生过多噪点。

步骤102，根据所述第一图像和所述第二图像，确定用于分割所述场景的图像和目标对象的图像的目标蒙版。

获取到第一图像和第二图像之后，可以基于这两者，确定上述目标蒙版。这里的目标蒙版可以用于表征目标对象的具体轮廓信息。例如，对于目标对象为矩形的包装盒，该目标对象的图像对应的目标蒙版可以为矩形。在一些应用场景中，为了区分目标蒙版与场景对应的场景选区。可以将目标蒙版设置为白色区域，场景选区设置为黑色区域等可以直观区分出目标蒙版的显示样式。例如，将上述图2a所示的待处理图像处理之后得到的如图2b所示的图像中，矿泉水瓶201的轮廓对应的白色区域202可以视为目标蒙版，剩余的黑色区域203可以视为场景选区。

步骤103，利用所述目标蒙版从所述第一图像中裁剪出所述目标对象的图像。

当确定了目标蒙版之后，可以利用目标蒙版从第一图像中裁剪出目标对象的图像。也即，可以通过目标蒙版将目标对象的图像从第一图像中分离出来。例如，确定了目标对象包装盒的图像对应的目标蒙版为矩形区域时，可以按照该矩形区域的轮廓进行裁剪。此时，裁剪出的图像可以是包装盒的图像。

实践中，为了获得更多用于训练机器学习模型的训练数据，通常会先将需要检测或者分割的目标对象的图像从当前所在的图像(包括场景的图像和目标对象的图像)中裁剪出来，继而可以将裁剪出来的目标对象的图像融合于包含其他场景的图像中，以此达到增强训练数据的目的。相关技术中存在利用图像中的多个预先设置的特殊信息实现确定出目标对象的图像的蒙版的自动标注方法。这些特殊信息例如可以包括对拍摄场景、拍摄光照或者目标对象本身的透明度等的限制信息。也即，可以通过预先设置的这些限制信息在包含拍摄场景的图像和目标对象的图像对应的整体图像(例如，上述第一图像)中确定出目标对象的图像的目标蒙版。但是为了提高上述的自动标注方法的可信度，需要设置较多的特殊信息，使得标注流程较为冗长，给工作人员带来了较大的工作负担。

在本实施例中，通过首先获取相机在不同拍摄位姿下拍摄的待处理图像，所述待处理图像包括在同一场景所拍摄的、包括目标对象的图像和所述场景图像的第一图像、和包括所述场景图像的第二图像；所述相机由预设机械臂夹持，所述相机的拍摄位姿根据所述预设机械臂的位姿的自动调整而调整；然后，根据所述第一图像和所述第二图像，确定用于分割所述场景的图像和目标对象的图像的目标蒙版；最后，利用所述目标蒙版从所述第一图像中裁剪出所述目标对象的图像。通过自动调整拍摄位姿的相机拍摄待处理图像，大幅节约了成本，并通过自动标注出第一图像中的目标对象的图像对应的目标蒙版，继而可以裁剪出第一图像中包括的目标对象的图像，缩减了标注流程，减轻了工作人员的工作负担。

在一些可选的实现方式中，所述拍摄位姿包括相机的拍摄俯角和拍摄转角。

在一些应用场景中，可以利用预设机械臂使相机处于不同的拍摄俯角和拍摄转角下拍摄目标对象。继而可以拍摄到处于不同角度的目标对象，使拍摄的图像可以将目标对象展现得更加全面。例如，可以使相机处于不同的10个俯角和30个转角下拍摄目标对象，得到300张待处理图像。

在一些可选的实现方式中，对于所述相机的每一个拍摄位姿，所述第一图像包括相机在该拍摄位姿下所拍摄的所述目标对象的不同侧面的图像。

在这些应用场景中，相机可以在同一拍摄位姿下对目标对象的不同侧面进行拍摄。例如，相机在当前拍摄位姿下拍摄了目标对象的正面之后，可以将目标对象旋转，使相机可以在该拍摄位姿下拍摄目标对象的左面。这样，能够采集到同一拍摄角度对应的场景下的目标对象的不同侧面的图像，减轻了在确定目标蒙版时对场景图像的处理难度。

在一些可选的实现方式中，对于每一个拍摄位姿，所述第一图像包括相机在该拍摄位姿下对设置在旋转台上的、不同旋转角度的该目标对象进行拍摄得到的多个图像。

在一些应用场景中，第一图像可以包括将目标对象放置于旋转台上、在不同旋转角度下拍摄得到的图像。这里的旋转台例如可以包括具有一定转速的转台。这样，每隔固定时间，旋转台带动目标对象旋转对应的角度，目标对象可以呈现该旋转角度下的状态。在每一个旋转角度下可以拍摄多个第一图像。继而无需通过人工手动调整目标对象的拍摄角度，减轻工作负担。

在一些可选的实现方式中，所述第一图像为第一深度图像，所述第二图像为第二深度图像。请参考图3，其示出了本公开涉及的确定目标蒙版的一个实施例的流程示意图，如图3所示，上述步骤102可以包括以下步骤：

步骤1021a，响应于确定所述目标对象为非透光物体，获取所述第一深度图像和所述第二深度图像各像素点的值的差值；

在一些应用场景中，可以确定目标对象是否为非透光物体。这里的非透光物体可以包括不透明的物体，例如木质品、纸制品等。

如果确定了目标对象为非透光物体，可以计算目标对象对应的第一深度图像和第二深度图像上的同一像素点的像素值的差值。例如，像素点A在第一深度图像中的像素值为2米，像素点A在第二深度图像中的像素值为1米。此时，像素点A对应的差值为1米。以此类推，计算出各个像素点在第一深度图像和第二深度图像中对应的差值。

步骤1022a，根据所述差值确定所述非透光物体的图像对应的粗糙蒙版。

得到第一深度图像和第二深度图像各像素点的值的差值之后，可以确定出目标对象的图像的粗糙蒙版。

将第一深度图像和第二深度图像各像素点的值作差之后，如果像素点的值(例如场景中的同一点对应的像素值)相同，则在作差后得到的蒙版中将没有该像素点的痕迹或者痕迹较轻。因此，在作差后得到的蒙版中非透光物体的痕迹较为明显。因而，可以将痕迹较为明显的蒙版区域确定为非透光物体的图像对应的粗糙蒙版。这里，由于深度相机的光学镜头和深度镜头存在视差，即便经过校准，深度图像上仍然会有视差导致的无数据区域以及环境影响(例如拍摄时相机抖动)造成的噪点，因此得到的蒙版较为粗糙。

通过上述步骤1021a和步骤1022a，利用第一深度图像和第二深度图像可以有效规避色彩特征导致的无法区分非透光物体本身及其影子的问题，通过将两个深度图像的像素值作差，可以确定出较为清晰的非透光物体的粗糙蒙版。

在一些可选的实现方式中，所述第一图像包括相机在任一拍摄位姿下对设置在旋转台上的、不同旋转角度的该目标对象进行拍摄得到的多个彩色第一图像，以及上述步骤102可以包括步骤1021b：响应于确定所述目标对象为透光物体，根据所述多个彩色第一图像，确定所述目标对象的图像对应的稠密光流，并根据所述稠密光流确定所述透光物体的图像对应的粗糙蒙版。

上述稠密光流可以视为通过计算目标对象的图像上所有的点的偏移量，从而形成的稠密的光流场。通过这个稠密的光流场，可以进行像素级别的图像配准。

在一些应用场景中，可以确定目标对象是否为透光物体。这里的透光物体可以包括透明物体、半透明物体等。例如水晶杯、玻璃等。

如果确定了目标对象为透光物体，可以通过多个彩色第一图像确定出目标对象的图像对应的稠密光流。例如，可以计算同一拍摄位姿下的、物体旋转固定角度前、旋转固定角度后，拍摄得到的两个彩色第一图像上的所有像素点的偏移量，从而可以形成一个稠密的光流场。通过这个稠密的光流场可以确定出透光物体的图像对应的粗糙蒙版。

这里，只能确定出透光物体的图像对应的粗糙蒙版是因为在计算其稠密光流时，需要透光物体在旋转过程中的变化较为显著。也即，如果变化不显著的话，得到的蒙版较为粗糙。

通过计算旋转中的透光物体的图像对应的稠密光流，可以有效识别出在非全透射角度下的该透光物体，继而可以确定出较为清晰的透光物体的粗糙蒙版。

在一些可选的实现方式中，所述第一图像包括所述目标对象的第一彩色图像，所述第二图像包括第二彩色图像；以及上述步骤102还可以包括：

步骤1，获取所述第一彩色图像和所述第二彩色图像的各像素点基于预设颜色模型的差异，并根据各像素点的所述差异确定蒙版补充像素。

上述预设颜色模型可以包括用于表征色调、饱和度、明度的颜色模型(也即，Hue、Saturation、Value颜色模型，简称“HSV”)。

实践中，可以获取所述第一彩色图像和所述第二彩色图像各像素点的饱和度值之差、明度值之差；再将所述饱和度值之差、所述明度值之差满足第一预设条件的各像素确定为所述蒙版补充像素。

这里的第一预设条件包括HSV值之差大于预设阈值。

可以在HSV色域选择饱和度和明度，确定出第一彩色图像和第二彩色图像的各像素点的饱和度之差、明度之差。然后确定饱和度之差是否大于预设饱和度差异阈值；以及明度之差是否大于预设明度差异阈值。将饱和度之差大于预设饱和度差异阈值，且明度之差大于预设明度差异阈值的像素点确定为所述蒙版补充像素。上述饱和度差异阈值例如可以为S1＝20％，明度差异阈值例如可以为V1＝30％。

步骤2，基于所述蒙版补充像素对所述粗糙蒙版进行调整，以得到所述目标蒙版。

例如，可以将原来不在上述粗糙蒙版内的像素点补充到上述粗糙蒙版内。

在本实施例的一些可选的实现方式中，上述步骤102进一步可以包括如下步骤：

步骤3，按照预设消噪规则消除所述粗糙蒙版中的噪点，得到目标蒙版；

上述预设消噪规则例如可以包括膨胀腐蚀处理、高斯模糊处理等。利用预设消噪规则，可以消除粗糙蒙版中的噪点，消除噪点后的粗糙蒙版可以视为目标蒙版。

在一些可选的实现方式中，上述步骤3可以包括：基于预设分割规则修正消噪后的粗糙蒙版中目标对象与场景的分割环带，得到所述目标蒙版。

上述预设分割规则例如可以包括基于高斯混合模型建模(GMM)的图像分割算法(GrabCut算法)。

实践中，可以通过上述图像分割算法进一步处理消噪后的粗糙蒙版，以将得到的目标蒙版的边缘区域修整得更加精确。

在一些应用场景中，多个噪点可能将粗糙蒙版分割成多个蒙版区域，此时，当利用上述的膨胀腐蚀处理或者高斯模糊处理之后，如果噪点已经被消除干净，则多个蒙版区域可以被连接为一体。

在一些可选的实现方式中，上述步骤3还可以包括：步骤A，检测消噪后的粗糙蒙版是否连通；

在一些应用场景中，如果利用上述预设消噪规则对粗糙蒙版进行了消噪处理之后，噪点没有被消除干净，则会导致粗糙蒙版中存在多个不连通的蒙版区域。因此，可以检测消噪后的粗糙蒙版是否连通，以判断噪点是否被消除干净。

步骤B，若是，将消噪后的粗糙蒙版确定为所述目标蒙版；

当检测到消噪后的粗糙蒙版连通，可以视为粗糙蒙版中的噪点已经被消除干净，继而可以将消噪后的粗糙蒙版确定为目标蒙版。

步骤C，若否，将所述消噪后的粗糙蒙版中最大连通分量对应的蒙版区域确定为所述目标蒙版。

当检测到消噪后的粗糙蒙版不连通，可以视为粗糙蒙版中的噪点没有被消除干净，此时，可以将消噪后的粗糙蒙版中最大连通分量对应的蒙版区域确定为目标蒙版。例如，消噪后的粗糙蒙版包括第一蒙版区域和第二蒙版区域。第一蒙版区域为长2厘米、宽3厘米的矩形，第二蒙版区域为长0.2厘米，宽0.3厘米的矩形。此时，可以将第一蒙版区域确定为目标蒙版。这样，可以使消噪后的粗糙蒙版在贴近于目标对象的基础上保持较高的完整性，从而利于确定出较为完整的目标蒙版。

通过上述步骤1至步骤3，可以对粗糙蒙版进行调整，得到与目标对象的图像更加贴近的目标蒙版。

请参考图4，其示出了根据本公开的图像处理装置的一个实施例的结构示意图，如图4所示，图像处理装置包括获取模块401、确定模块402和裁剪模块403。其中，获取模块401，用于获取相机在不同拍摄位姿下拍摄的待处理图像，所述待处理图像包括在同一场景所拍摄的、包括目标对象的图像和所述场景图像的第一图像、和包括所述场景图像的第二图像；所述相机由预设机械臂夹持，所述相机的拍摄位姿根据所述预设机械臂的位姿的自动调整而调整；确定模块402，用于根据所述第一图像和所述第二图像，确定用于分割所述场景的图像和目标对象的图像的目标蒙版；裁剪模块403，用于利用所述目标蒙版从所述第一图像中裁剪出所述目标对象的图像。

需要说明的是，该图像处理装置的获取模块401、确定模块402和裁剪模块403的具体处理及其所带来的技术效果可分别参考图1对应实施例中步骤101至步骤103的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，所述预设机械臂在预设控制程序的控制下位姿可自动调整。

在本实施例的一些可选的实现方式中，所述拍摄位姿包括相机的拍摄俯角和拍摄转角。

在本实施例的一些可选的实现方式中，对于所述相机的每一个拍摄位姿，所述第一图像包括相机在该拍摄位姿下所拍摄的所述目标对象的不同侧面的图像。

在本实施例的一些可选的实现方式中，对于每一个拍摄位姿，所述第一图像包括相机在该拍摄位姿下对设置在旋转台上的、不同旋转角度的该目标对象进行拍摄得到的多个图像。

在本实施例的一些可选的实现方式中，所述第一图像为第一深度图像，所述第二图像为第二深度图像；确定模块402进一步用于：响应于确定所述目标对象为非透光物体，获取所述第一深度图像和所述第二深度图像各像素点的值的差值；根据所述差值确定所述非透光物体的图像对应的粗糙蒙版。

在本实施例的一些可选的实现方式中，所述第一图像包括相机在任一拍摄位姿下对设置在旋转台上的、不同旋转角度的该目标对象进行拍摄得到的多个彩色第一图像，以及确定模块402进一步用于：响应于确定所述目标对象为透光物体，根据所述多个彩色第一图像，确定所述目标对象的图像对应的稠密光流，并根据所述稠密光流确定所述透光物体的图像对应的粗糙蒙版。

在本实施例的一些可选的实现方式中，所述第一图像包括所述目标对象的第一彩色图像，所述第二图像包括第二彩色图像；以及确定模块402进一步用于：获取所述第一彩色图像和所述第二彩色图像的各像素点基于预设颜色模型的差异，并根据各像素点的所述差异确定蒙版补充像素；基于所述蒙版补充像素对所述粗糙蒙版进行调整，以得到所述目标蒙版。

在本实施例的一些可选的实现方式中，所述预设颜色模型包括表征色调、饱和度、明度的颜色模型；以及确定模块402进一步用于：获取所述第一彩色图像和所述第二彩色图像各像素点的饱和度值之差、明度值之差；将所述饱和度值之差、所述明度值之差满足第一预设条件的各像素确定为所述蒙版补充像素。

在本实施例的一些可选的实现方式中，所述确定模块402进一步用于：按照预设消噪规则消除所述粗糙蒙版中的噪点，得到目标蒙版。

在本实施例的一些可选的实现方式中，确定模块402进一步用于：基于预设分割规则修正消噪后的粗糙蒙版中目标对象与场景的分割环带，得到所述目标蒙版。

在本实施例的一些可选的实现方式中，确定模块402进一步用于：检测消噪后的粗糙蒙版是否连通；若是，将消噪后的粗糙蒙版确定为所述目标蒙版；若否，将所述消噪后的粗糙蒙版中最大连通分量对应的蒙版区域确定为所述目标蒙版。

请参考图5，其示出了本公开的一个实施例的图像处理方法可以应用于其中的示例性系统架构。

如图5所示，系统架构可以包括终端设备501、502、503，网络504，服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。上述终端设备和服务器可以利用诸如HTTP(HyperText Transfer Protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，Ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

终端设备501、502、503可以通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种客户端应用，例如视频发布应用、搜索类应用、新闻资讯类应用。

终端设备501、502、503可以是硬件，也可以是软件。当终端设备501、502、503为硬件时，可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备501、502、503为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器505可以是可以提供各种服务的服务器，例如接收终端设备501、502、503发送的图像获取请求，对图像获取请求进行分析处理，并将分析处理结果(例如与上述获取请求对应的图像数据)发送给终端设备501、502、503。

需要说明的是，本公开实施例所提供的图像处理方法可以由服务器执行，也可以由终端设备执行，相应地，图像处理装置可以设置在服务器中，也可以设置在终端设备中。

应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图6，其示出了适于用来实现本公开实施例的电子设备(例如图5中的服务器或终端设备)的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取相机在不同拍摄位姿下拍摄的待处理图像，所述待处理图像包括在同一场景所拍摄的、包括目标对象的图像和所述场景图像的第一图像、和包括所述场景图像的第二图像；所述相机由预设机械臂夹持，所述相机的拍摄位姿根据所述预设机械臂的位姿的自动调整而调整；根据所述第一图像和所述第二图像，确定用于分割所述场景的图像和目标对象的图像的目标蒙版；利用所述目标蒙版从所述第一图像中裁剪出所述目标对象的图像。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该单元本身的限定，例如，确定模块402还可以被描述为“根据所述第一图像和所述第二图像，确定用于分割所述场景的图像和目标对象的图像的目标蒙版的模块”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (14)

1.一种图像处理方法，其特征在于，包括：

获取相机在不同拍摄位姿下拍摄的待处理图像，所述待处理图像包括在同一场景所拍摄的、包括目标对象的图像和场景图像的第一图像、和包括所述场景图像的第二图像；所述相机由预设机械臂夹持，所述相机的拍摄位姿根据所述预设机械臂的位姿的自动调整而调整；

根据所述第一图像和所述第二图像，确定用于分割所述场景图像和所述目标对象的图像的目标蒙版；

利用所述目标蒙版从所述第一图像中裁剪出所述目标对象的图像；

其中，所述第一图像包括相机在任一拍摄位姿下对设置在旋转台上的、不同旋转角度的该目标对象进行拍摄得到的多个彩色第一图像，以及

所述根据所述第一图像和所述第二图像，确定用于分割所述场景图像和所述目标对象的图像的目标蒙版，包括：响应于确定所述目标对象为透光物体，根据所述多个彩色第一图像，确定所述目标对象的图像对应的稠密光流，并根据所述稠密光流确定所述透光物体的图像对应的粗糙蒙版。

2.根据权利要求1所述的方法，其特征在于，所述预设机械臂在预设控制程序的控制下位姿可自动调整。

3.根据权利要求1所述的方法，其特征在于，所述拍摄位姿包括相机的拍摄俯角和拍摄转角。

4.根据权利要求1所述的方法，其特征在于，对于所述相机的每一个拍摄位姿，所述第一图像包括相机在该拍摄位姿下所拍摄的所述目标对象的不同侧面的图像。

5.根据权利要求4所述的方法，其特征在于，对于每一个拍摄位姿，所述第一图像包括相机在该拍摄位姿下对设置在旋转台上的、不同旋转角度的该目标对象进行拍摄得到的多个图像。

6.根据权利要求1所述的方法，其特征在于，所述第一图像为第一深度图像，所述第二图像为第二深度图像；以及

所述根据所述第一图像和所述第二图像，确定用于分割所述场景图像和目标对象的图像的目标蒙版，包括：

响应于确定所述目标对象为非透光物体，获取所述第一深度图像和所述第二深度图像各像素点的值的差值；

根据所述差值确定所述非透光物体的图像对应的粗糙蒙版。

7.根据权利要求1或6所述的方法，其特征在于，所述第二图像包括第二彩色图像；以及

所述根据所述第一图像和所述第二图像，确定用于分割所述场景图像和目标对象的图像的目标蒙版，还包括：

获取所述彩色第一图像和所述第二彩色图像的各像素点基于预设颜色模型的差异，并根据各像素点的所述差异确定蒙版补充像素；

基于所述蒙版补充像素对所述粗糙蒙版进行调整，以得到所述目标蒙版。

8.根据权利要求7所述的方法，其特征在于，所述预设颜色模型包括表征色调、饱和度、明度的颜色模型；以及

所述获取所述彩色第一图像和所述第二彩色图像的各像素点基于预设颜色模型的差异，并根据各像素点的所述差异确定蒙版补充像素，包括：

获取所述彩色第一图像和所述第二彩色图像各像素点的饱和度值之差、明度值之差；

将所述饱和度值之差、所述明度值之差满足第一预设条件的各像素确定为所述蒙版补充像素。

9.根据权利要求8所述的方法，其特征在于，所述根据所述第一图像和所述第二图像，确定用于分割所述场景图像和目标对象的图像的目标蒙版，还包括：

按照预设消噪规则消除所述粗糙蒙版中的噪点，得到目标蒙版。

10.根据权利要求9所述的方法，其特征在于，所述按照预设消噪规则消除所述粗糙蒙版中的噪点，得到目标蒙版，包括：

基于预设分割规则修正消噪后的粗糙蒙版中目标对象与场景的分割环带，得到所述目标蒙版。

11.根据权利要求9所述的方法，其特征在于，所述按照预设消噪规则消除所述粗糙蒙版中的噪点，得到目标蒙版，包括：

检测消噪后的粗糙蒙版是否连通；

若是，将消噪后的粗糙蒙版确定为所述目标蒙版；

若否，将所述消噪后的粗糙蒙版中最大连通分量对应的蒙版区域确定为所述目标蒙版。

12.一种图像处理装置，其特征在于，包括：

获取模块，用于获取相机在不同拍摄位姿下拍摄的待处理图像，所述待处理图像包括在同一场景所拍摄的、包括目标对象的图像和场景图像的第一图像、和包括所述场景图像的第二图像；所述相机由预设机械臂夹持，所述相机的拍摄位姿根据所述预设机械臂的位姿的自动调整而调整；

确定模块，用于根据所述第一图像和所述第二图像，确定用于分割所述场景图像和所述目标对象的图像的目标蒙版；

裁剪模块，用于利用所述目标蒙版从所述第一图像中裁剪出所述目标对象的图像；

其中，所述第一图像包括相机在任一拍摄位姿下对设置在旋转台上的、不同旋转角度的该目标对象进行拍摄得到的多个彩色第一图像，以及

所述确定模块，进一步还用于响应于确定所述目标对象为透光物体，根据所述多个彩色第一图像，确定所述目标对象的图像对应的稠密光流，并根据所述稠密光流确定所述透光物体的图像对应的粗糙蒙版。

13.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现权利要求1-11中任一所述的方法。

14.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-11中任一所述的方法。

Images