CN113450365B - Psd图片的自动切片方法及装置 - Google Patents

Psd图片的自动切片方法及装置 Download PDF

Info

Publication number
CN113450365B
CN113450365B CN202110804654.XA CN202110804654A CN113450365B CN 113450365 B CN113450365 B CN 113450365B CN 202110804654 A CN202110804654 A CN 202110804654A CN 113450365 B CN113450365 B CN 113450365B
Authority
CN
China
Prior art keywords
psd
picture
foreground
background
slicing
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
CN202110804654.XA
Other languages
English (en)
Other versions
CN113450365A (zh
Inventor
魏陈南
唐斌
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.)
Gaoding Xiamen Technology Co Ltd
Original Assignee
Gaoding Xiamen 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 Gaoding Xiamen Technology Co Ltd filed Critical Gaoding Xiamen Technology Co Ltd
Priority to CN202110804654.XA priority Critical patent/CN113450365B/zh
Publication of CN113450365A publication Critical patent/CN113450365A/zh
Priority to PCT/CN2022/080388 priority patent/WO2023284313A1/zh
Application granted granted Critical
Publication of CN113450365B publication Critical patent/CN113450365B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/73Deblurring; Sharpening
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/194Segmentation; Edge detection involving foreground-background segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Image Processing (AREA)

Abstract

本公开涉及一种PSD图片的自动切片方法及装置。所述方法包括:获取所述PSD图片;对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景;通过图像分割算法提取所述前景和所述背景的分布信息;根据所述前景和所述背景的分布信息,对所述PSD图片进行切片。本公开的方案可以在不依赖PSD文档结构化目录与图层命名的情况下实现PSD图片的自动切片,并且切片可以保持视觉元素的相互关系,不会被拆分到不同画布,从而在保证了PSD图片视觉设计关系的完整性的同时,降低了PSD图片的使用复杂度和设计师的使用成本。

Description

PSD图片的自动切片方法及装置
技术领域
本公开一般地涉及计算机技术领域。更具体地,本公开涉及PSD图片的自动切片方法及装置。
背景技术
目前,网页设计者习惯使用Photoshop参与进行网页设计,在使用Photoshop产生的PSD格式的图片文档时,经常需要对其进行切片,以便于PSD图片文档中各元素的转移使用。
然而,目前将PSD图片文档切片主要有两种方式:第一种是不考虑PSD图片文档视觉结构设计,而将PSD图片文档均等的拆分成高度一样的切片;第二种是在PSD图片文档中使用约定的目录结构与图层文件命名,标识出切片范围,再根据切片框定的区域来分割文档。针对这两种方式,存在如下问题:对PSD文档进行简单的均等切片处理,切分出来的文档区域一般会破坏原本PSD图片文档中的视觉设计划分,例如将一个视觉上完整的对象拆分到上下两个切片中;对PSD文档进行结构化约定和图层命名标识来标识切片范围,虽然可以规避视觉设计对象被拆分的问题,但由于约定化的结构命名的存在,大大提高了文档使用的复杂度,也增加了设计师使用的成本。
因此如何获得一种优化的切片方法为现有技术中需要解决的问题。
发明内容
为了至少部分地解决背景技术中提到的技术问题,本公开的方案提供了一种PSD图片的自动切片方法及装置。
根据本公开的第一方面,本公开提供一种PSD图片的自动切片方法,其中,所述方法包括:获取所述PSD图片;对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景;通过图像分割算法提取所述前景和所述背景的分布信息;根据所述前景和所述背景的分布信息,对所述PSD图片进行切片。
可选的,所述对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景包括:对所述PSD图片进行预处理;对预处理后的PSD图片进行二值化处理,确定所述PSD图片中的前景和背景。
可选的,所述对所述PSD图片进行预处理包括:对所述PSD图片进行灰度化处理;对灰度化处理后的PSD图片进行降噪和锐化处理。
可选的,所述对预处理后的PSD图片进行二值化处理,确定所述PSD图片中的前景和背景包括:通过大津算法获得预处理后的PSD图片的二值化阈值;根据所述二值化阈值对所述预处理后的PSD图片进行二值化处理。
可选的,所述通过图像分割算法提取所述前景和所述背景的分布信息包括:通过投影切割算法获得所述前景和所述背景的分布信息。
可选的,所述根据所述前景和所述背景的分布信息,对所述PSD图片进行切片包括:根据所述前景和所述背景的分布信息确定所述PSD图片的切割线;根据所述切割线,切割出所述前景,以将所述PSD图片切片。
根据本公开的第二方面,本公开提供一种PSD图片的自动切片装置,其中,所述装置包括:获取模块,其配置为用于获取所述PSD图片;处理模块,其配置为用于对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景;提取模块,其配置为用于通过图像分割算法提取所述前景和所述背景的分布信息;切片模块,其配置为用于根据所述前景和所述背景的分布信息,对所述PSD图片进行切片。
可选的,所述处理模块用于采取如下方式对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景:对所述PSD图片进行预处理;对预处理后的PSD图片进行二值化处理,确定所述PSD图片中的前景和背景。
可选的,所述处理模块用于采取如下方式对所述PSD图片进行预处理:对所述PSD图片进行灰度化处理;对灰度化处理后的PSD图片进行降噪和锐化处理。
可选的,所述处理模块用于采取如下方式对预处理后的PSD图片进行二值化处理,确定所述PSD图片中的前景和背景:通过大津算法获得预处理后的PSD图片的二值化阈值;根据所述二值化阈值对所述预处理后的PSD图片进行二值化处理。
可选的,所述提取模块用于采取如下方式通过图像分割算法提取所述前景和所述背景的分布信息:通过投影切割算法获得所述前景和所述背景的分布信息。
可选的,所述切片模块用于采取如下方式根据所述前景和所述背景的分布信息,对所述PSD图片进行切片:根据所述前景和所述背景的分布信息确定所述PSD图片的切割线;根据所述切割线,切割出所述前景,以将所述PSD图片切片。
根据本公开的第三方面,本公开提供一种PSD图片的自动切片装置,其中,所述装置包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现上述本公开的第一方面的方法。
根据本公开的第四方面,本公开提供一种计算机可读存储介质,其中,所述存储介质存储有计算机程序,所述计算机程序被执行时,实现上述本公开的第一方面的方法。
通过本公开的PSD图片的自动切片方法和装置,可以在不依赖PSD文档结构化目录与图层命名的情况下实现PSD图片的自动切片,并且切片可以保持视觉元素的相互关系,不会被拆分到不同画布,从而在保证了PSD图片视觉设计关系的完整性的同时,降低了PSD图片的使用复杂度和设计师的使用成本。
附图说明
通过参考附图阅读下文的详细描述,本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本公开的若干实施方式,并且相同或对应的标号表示相同或对应的部分其中:
图1是示出根据本公开的一个实施例的PSD图片的自动切片方法的流程图;
图2是示出根据本公开的一个实施例的PSD图片的自动切片装置的示意性框图。
具体实施方式
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,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域技术人员在没有做出创造性劳动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。
下面结合附图来详细描述本公开的具体实施方式。
本公开提供一种PSD图片的自动切片方法。参照图1,图1是示出根据本公开的一个实施例的PSD图片的自动切片方法的流程图。如图1中所示,所述方法包括以下步骤S101-S104。步骤S101:获取所述PSD图片。步骤S102:对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景。步骤S103:通过图像分割算法提取所述前景和所述背景的分布信息。步骤S104:根据所述前景和所述背景的分布信息,对所述PSD图片进行切片。
通过本公开的PSD图片的自动切片方法,可以在不依赖PSD文档结构化目录与图层命名的情况下实现PSD图片的自动切片,并且切片可以保持视觉元素的相互关系,不会被拆分到不同画布,从而在保证了PSD图片视觉设计关系的完整性的同时,降低了PSD图片的使用复杂度和设计师的使用成本。
在步骤S101中,可以获取所述PSD图片。
根据本公开的实施例,为了对PSD图片进行切片,首先应获取待切片的PSD图片。该PSD图片可以是通过任何适当途径获取到的,例如可以来自于图库,由设计人员专门设计等等。
在步骤S102中,可以对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景。
根据本公开的实施例,在获取到PSD图片后,可以借助二值化处理来确定所述PSD图片中的前景和背景。前景是指图片中被针对或待被使用的对象。后景是指图片中除前景以外的区域。
具体地,所述对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景可以包括:对所述PSD图片进行预处理;对预处理后的PSD图片进行二值化处理,确定所述PSD图片中的前景和背景。
根据本公开的实施例,在对PSD图片进行二值化处理之前,需要对PSD图片进行预处理,以便实现二值化处理或在二值化处理后具有更好的效果。
进一步地,所述对所述PSD图片进行预处理可以包括:对所述PSD图片进行灰度化处理;对灰度化处理后的PSD图片进行降噪和锐化处理。
为了进行二值化处理,首先对PSD图片进行灰度化处理,以便获得灰度图片。在对图片灰度化时,每个像素在灰度化后的灰度值可以等于该像素灰度化之前的红黄蓝三色的值的平均值,或者每个像素在灰度化后的灰度值还可以等于该像素灰度化之前的红黄蓝三色的值各自乘以不同的系数之后的和。本公开可以采用任何适用的灰度化方法,在此不作限制。
在对PSD图片进行灰度化处理之后,可以进行降噪和锐化处理。其中,降噪可以采用高斯滤波等任何适用的降噪算法来实现,锐化可以采用高通滤波等任何适用的锐化算法来实现。通过降噪和锐化处理,可以提高图片质量。
此外,对所述PSD图片进行预处理还可以仅包括对所述PSD图片进行灰度化处理。针对这种情况,获得的二值化处理后的PSD图片可以满足对图片质量要求不高的应用。
在对PSD图片进行完以上预处理之后,可以进行二值化处理,以便确定所述PSD图片中的前景和背景。更具体地,所述对预处理后的PSD图片进行二值化处理,确定所述PSD图片中的前景和背景可以包括:通过大津算法获得预处理后的PSD图片的二值化阈值;根据所述二值化阈值对所述预处理后的PSD图片进行二值化处理。
根据本公开的实施例,针对预处理后的PSD图片,可以通过大津算法来获得二值化阈值。大津算法会假定该图片包括两类像素,即前景像素和背景像素,并且会计算能将两类像素分开的最佳阈值,即二值化阈值。在获得二值化阈值后,可以对预处理后的PSD图片进行二值化处理,从而获得黑白图片,而该黑白图片中的黑白两色部分分别代表前景部分和后景部分。通过在大津算法中设定,可以将黑色设为背景部分,将白色设为前景部分,当然还可以根据需要将白色设为背景部分,将黑色设为前景部分。
此外,还可以通过其它任何适用的算法对预处理后的PSD图片进行二值化处理,只要能够区分出图片的前景和背景即可。
在步骤S103中,可以通过图像分割算法提取所述前景和所述背景的分布信息。
根据本公开的实施例,在对PSD图片区分出前景和背景后,可以通过图像分割算法提取前景和背景的分布信息。该分布信息可以包括前景和背景之间的边界线的坐标、尺寸大小等等。
具体地,所述通过图像分割算法提取所述前景和所述背景的分布信息可以包括:通过投影切割算法获得所述前景和所述背景的分布信息。
根据本公开的实施例,通过投影切割算法,可以逐行扫描如上获得的黑白图片,从而可以根据像素灰度(黑或白)来确定前景(例如白色部分)和背景(例如黑色部分)的分布信息。在该实施例中,分布信息例如可以是通过逐行扫描获得的上下边界线。根据投影切割算法可知,该上下边界线是贯穿整个图片的水平边界线,即在对图片进行逐行扫描时,在当前像素行中没有前景像素(白色像素)且上一像素行中有前景像素时,则可将该当前像素行作为下边界线;在当前像素行中有前景像素(白色像素)且上一像素行中没有前景像素时,则可将该当前像素行作为上边界线。
当然,还可以通过其它任何适用的图像分割算法来提取前景和背景的分布信息。
在步骤S104中,可以根据所述前景和所述背景的分布信息,对所述PSD图片进行切片。
根据本公开的实施例,在获得了前景和背景的分布信息之后,可以将前景从背景中分割出来,而不破坏前景的完整性。
具体地,所述根据所述前景和所述背景的分布信息,对所述PSD图片进行切片包括:根据所述前景和所述背景的分布信息确定所述PSD图片的切割线;根据所述切割线,切割出所述前景,以将所述PSD图片切片。
根据本公开的实施例,可以根据背景的分布信息,例如上述的边界线来确定切割线。具体地,在存在多条上、下边界线的情况下(存在多个前景的情况),可以在中间没有前景像素的相邻的上、下边界线之间取一条线,使得该条线与上、下边界线平行并且与上、下边界线间隔相同的距离,并且可以将该条线作为切割线。对于位于最上方的上边界线(对应于最上方的前景),其上方不存在与其相邻的下边界线(上方不存在前景),因此可以将该上边界线上方的与该上边界线间隔预设行数的像素行作为切割线。对于位于最下方的下边界线(对应于最下方的前景),其下方不存在与其相邻的上边界线(下方不存在前景),因此可以将该下边界线下方的与该下边界线间隔预设行数的像素行作为切割线。在存在多条切割线的情况下,沿着切割线对PSD图片进行横向(水平)切割以切割出前景,从而实现对PSD图片的切片。
应注意的是,每个切片中可包含多个前景,尤其多个前景在水平(横向)方向高低错落布置(至少一个相同像素行穿过多个前景)时,如上所述的切割线会将多个前景夹在其中。
此外,针对以上步骤S103和S104中的内容,通过类似方法,还可以通过投影切割算法,逐列扫描如上获得的黑白图片,获得左、右边界线,再通过该左、右边界线确定切割线,最后通过切割线纵向(垂直)切割,从而实现对PSD图片的切片。
本公开还提供一种PSD图片的自动切片装置。该装置用于执行以上结合图1所描述的PSD图片的自动切片方法实施例中的步骤。
参照图2,图2是示出根据本公开的一个实施例的PSD图片的自动切片装置100的示意性框图。该装置100包括获取模块101、处理模块102、提取模块103和切片模块104。该获取模块101配置为用于获取所述PSD图片。该处理模块102配置为用于对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景。该提取模块103配置为用于通过图像分割算法提取所述前景和所述背景的分布信息。该切片模块104配置为用于根据所述前景和所述背景的分布信息,对所述PSD图片进行切片。
根据本公开的实施例,所述处理模块102用于采取如下方式对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景:对所述PSD图片进行预处理;对预处理后的PSD图片进行二值化处理,确定所述PSD图片中的前景和背景。
根据本公开的实施例,所述处理模块102用于采取如下方式对所述PSD图片进行预处理:对所述PSD图片进行灰度化处理;对灰度化处理后的PSD图片进行降噪和锐化处理。
根据本公开的实施例,所述处理模块102用于采取如下方式对预处理后的PSD图片进行二值化处理,确定所述PSD图片中的前景和背景:通过大津算法获得预处理后的PSD图片的二值化阈值;根据所述二值化阈值对所述预处理后的PSD图片进行二值化处理。
根据本公开的实施例,所述提取模块103用于采取如下方式通过图像分割算法提取所述前景和所述背景的分布信息:通过投影切割算法获得所述前景和所述背景的分布信息。
根据本公开的实施例,所述切片模块104用于采取如下方式根据所述前景和所述背景的分布信息,对所述PSD图片进行切片:根据所述背景的分布信息确定所述PSD图片的切割线;根据所述前景的分布信息和所述切割线,切割出所述前景,以将所述PSD图片切片。
可以理解的是,关于以上参照图2描述的实施例中的PSD图片的自动切片装置,其中各个模块执行操作的具体方式已经在结合图1所描述的PSD图片的自动切片方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开实施例还提供一种页面组件生成装置,其中,所述装置包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现如下步骤:获取所述PSD图片;对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景;通过图像分割算法提取所述前景和所述背景的分布信息;根据所述前景和所述背景的分布信息,对所述PSD图片进行切片。
可以理解的是,所述处理器执行所述计算机程序时实现的步骤与上述方法中的各个步骤的实现方式基本一致,具体方式已经在有关PSD图片的自动切片方法的实施例中进行了详细描述,此处将不做详细阐述说明。
在另一方面中,本公开提供一种计算机可读存储介质,其中,所述存储介质存储有计算机程序,所述计算机程序被执行时,实现如下步骤:获取所述PSD图片;对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景;通过图像分割算法提取所述前景和所述背景的分布信息;根据所述前景和所述背景的分布信息,对所述PSD图片进行切片。
可以理解的是,所述处理器执行所述计算机程序时实现的步骤与上述方法中的各个步骤的实现方式基本一致,具体方式已经在有关PSD图片的自动切片方法的实施例中进行了详细描述,此处将不做详细阐述说明。
以上对本公开实施例进行了详细介绍,本文中应用了具体个例对本公开的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本公开的方法及其核心思想;同时,对于本领域的一般技术人员,依据本公开的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本公开的限制。
应当理解,本公开的权利要求、说明书及附图中的术语“第一”和“第二”、等是用于区别不同对象,而不是用于描述特定顺序。本公开的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本公开说明书中所使用的术语仅仅是出于描述特定实施例的目的,而并不意在限定本公开。如在本公开说明书和权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解,在本公开说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
以上对本公开实施例进行了详细介绍,本文中应用了具体个例对本公开的原理及实施方式进行了阐述,以上实施例的说明仅用于帮助理解本公开的方法及其核心思想。同时,本领域技术人员依据本公开的思想,基于本公开的具体实施方式及应用范围上做出的改变或变形之处,都属于本公开保护的范围。综上所述,本说明书内容不应理解为对本公开的限制。

Claims (14)

1.一种PSD图片的自动切片方法,其中,所述方法包括:
获取所述PSD图片;
对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景;
通过图像分割算法提取所述前景和所述背景的分布信息;
根据所述前景和所述背景的分布信息,对所述PSD图片进行切片。
2.根据权利要求1所述的PSD图片的自动切片方法,其中,所述对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景包括:
对所述PSD图片进行预处理;
对预处理后的PSD图片进行二值化处理,确定所述PSD图片中的前景和背景。
3.根据权利要求2所述的PSD图片的自动切片方法,其中,所述对所述PSD图片进行预处理包括:
对所述PSD图片进行灰度化处理;
对灰度化处理后的PSD图片进行降噪和锐化处理。
4.根据权利要求3所述的PSD图片的自动切片方法,其中,所述对预处理后的PSD图片进行二值化处理,确定所述PSD图片中的前景和背景包括:
通过大津算法获得预处理后的PSD图片的二值化阈值;
根据所述二值化阈值对所述预处理后的PSD图片进行二值化处理。
5.根据权利要求1至4中任一项所述的PSD图片的自动切片方法,其中,所述通过图像分割算法提取所述前景和所述背景的分布信息包括:
通过投影切割算法获得所述前景和所述背景的分布信息。
6.根据权利要求1至4中任一项所述的PSD图片的自动切片方法,其中,所述根据所述前景和所述背景的分布信息,对所述PSD图片进行切片包括:
根据所述前景和所述背景的分布信息确定所述PSD图片的切割线;
根据所述切割线,切割出所述前景,以将所述PSD图片切片。
7.一种PSD图片的自动切片装置,其中,所述装置包括:
获取模块,其配置为用于获取所述PSD图片;
处理模块,其配置为用于对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景;
提取模块,其配置为用于通过图像分割算法提取所述前景和所述背景的分布信息;
切片模块,其配置为用于根据所述前景和所述背景的分布信息,对所述PSD图片进行切片。
8.根据权利要求7所述的PSD图片的自动切片装置,其中,所述处理模块用于采取如下方式对所述PSD图片进行二值化处理,确定所述PSD图片中的前景和背景:
对所述PSD图片进行预处理;
对预处理后的PSD图片进行二值化处理,确定所述PSD图片中的前景和背景。
9.根据权利要求8所述的PSD图片的自动切片装置,其中,所述处理模块用于采取如下方式对所述PSD图片进行预处理:
对所述PSD图片进行灰度化处理;
对灰度化处理后的PSD图片进行降噪和锐化处理。
10.根据权利要求9所述的PSD图片的自动切片装置,其中,所述处理模块用于采取如下方式对预处理后的PSD图片进行二值化处理,确定所述PSD图片中的前景和背景:
通过大津算法获得预处理后的PSD图片的二值化阈值;
根据所述二值化阈值对所述预处理后的PSD图片进行二值化处理。
11.根据权利要求7至10中任一项所述的PSD图片的自动切片装置,其中,所述提取模块用于采取如下方式通过图像分割算法提取所述前景和所述背景的分布信息:
通过投影切割算法获得所述前景和所述背景的分布信息。
12.根据权利要求7至10中任一项所述的PSD图片的自动切片装置,其中,所述切片模块用于采取如下方式根据所述前景和所述背景的分布信息,对所述PSD图片进行切片:
根据所述前景和所述背景的分布信息确定所述PSD图片的切割线;
根据所述切割线,切割出所述前景,以将所述PSD图片切片。
13.一种PSD图片的自动切片装置,其中,所述装置包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1至6中任一项所述的方法。
14.一种计算机可读存储介质,其中,所述存储介质存储有计算机程序,所述计算机程序被执行时,实现如权利要求1至6中任一项所述的方法。
CN202110804654.XA 2021-07-16 2021-07-16 Psd图片的自动切片方法及装置 Active CN113450365B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110804654.XA CN113450365B (zh) 2021-07-16 2021-07-16 Psd图片的自动切片方法及装置
PCT/CN2022/080388 WO2023284313A1 (zh) 2021-07-16 2022-03-11 Psd图片的自动切片方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110804654.XA CN113450365B (zh) 2021-07-16 2021-07-16 Psd图片的自动切片方法及装置

Publications (2)

Publication Number Publication Date
CN113450365A CN113450365A (zh) 2021-09-28
CN113450365B true CN113450365B (zh) 2022-08-16

Family

ID=77816431

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110804654.XA Active CN113450365B (zh) 2021-07-16 2021-07-16 Psd图片的自动切片方法及装置

Country Status (2)

Country Link
CN (1) CN113450365B (zh)
WO (1) WO2023284313A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113450365B (zh) * 2021-07-16 2022-08-16 稿定(厦门)科技有限公司 Psd图片的自动切片方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102214355A (zh) * 2011-05-20 2011-10-12 西安工程大学 一种服装展示素材的抠图方法
CN110544281A (zh) * 2019-08-19 2019-12-06 南斗六星系统集成有限公司 一种图片批量压缩方法、介质、移动终端和装置
CN111724396A (zh) * 2020-06-17 2020-09-29 泰康保险集团股份有限公司 图像分割方法及装置、计算机可读存储介质、电子设备
CN112001362A (zh) * 2020-09-11 2020-11-27 汪秀英 一种图像分析方法、图像分析装置及图像分析系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9111444B2 (en) * 2012-10-31 2015-08-18 Raytheon Company Video and lidar target detection and tracking system and method for segmenting moving targets
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
CN105261021B (zh) * 2015-10-19 2019-03-08 浙江宇视科技有限公司 去除前景检测结果阴影的方法及装置
CN105528784B (zh) * 2015-12-02 2019-01-25 沈阳东软医疗系统有限公司 一种前景背景分割的方法和装置
JP6407467B1 (ja) * 2018-05-21 2018-10-17 株式会社Gauss 画像処理装置、画像処理方法およびプログラム
CN110008954B (zh) * 2019-03-29 2021-03-19 重庆大学 一种基于多阈值融合的复杂背景文本图像提取方法及系统
CN112381084B (zh) * 2020-10-12 2024-02-09 武汉沃亿生物有限公司 断层图像的轮廓自动识别方法
CN113450365B (zh) * 2021-07-16 2022-08-16 稿定(厦门)科技有限公司 Psd图片的自动切片方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102214355A (zh) * 2011-05-20 2011-10-12 西安工程大学 一种服装展示素材的抠图方法
CN110544281A (zh) * 2019-08-19 2019-12-06 南斗六星系统集成有限公司 一种图片批量压缩方法、介质、移动终端和装置
CN111724396A (zh) * 2020-06-17 2020-09-29 泰康保险集团股份有限公司 图像分割方法及装置、计算机可读存储介质、电子设备
CN112001362A (zh) * 2020-09-11 2020-11-27 汪秀英 一种图像分析方法、图像分析装置及图像分析系统

Also Published As

Publication number Publication date
WO2023284313A1 (zh) 2023-01-19
CN113450365A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
US11797886B2 (en) Image processing device, image processing method, and image processing program
EP1587295B1 (en) Boundary extracting method, program and device using the same
US8155443B2 (en) Image extracting apparatus, image extracting method and computer readable medium
JP4261005B2 (ja) 領域ベースのイメージ2値化システム
US9712717B2 (en) Image processing apparatus, region detection method and computer-readable, non-transitory medium
NL1015943C2 (nl) Interpretatie van gekleurde documenten.
JP2014057306A (ja) 画像位相一致を用いた文書画像の二値化及び分割
JP2008148298A (ja) 画像における異なった内容の領域を識別する方法、画像における異なった内容の領域を識別する装置、および画像における異なった内容の領域を識別するコンピュータ・プログラムを具現するコンピュータ読み取り可能な媒体
US11151402B2 (en) Method of character recognition in written document
US10970579B2 (en) Image processing apparatus for placing a character recognition target region at a position of a predetermined region in an image conforming to a predetermined format
US8824796B2 (en) Image processing apparatus, image processing method, and computer-readable, non-transitory medium
US10885326B2 (en) Character recognition method
US20130259383A1 (en) Image processing device that separates image into plural regions
CN113450365B (zh) Psd图片的自动切片方法及装置
Stamatopoulos et al. Automatic borders detection of camera document images
US9064179B2 (en) Region extraction apparatus, region extraction method, and computer program product
CN106033534A (zh) 基于直线检测的电子阅卷方法
US20170171407A1 (en) Information processing apparatus, information processing system, information processing method, and computer program product
CN110598575B (zh) 表格版面分析与提取方法及相关装置
Amin et al. Page segmentation and classification utilizing bottom-up approach
KR20150099116A (ko) Ocr를 이용한 컬러 문자 인식 방법 및 그 장치
CN113033562A (zh) 一种图像处理方法、装置、设备及存储介质
JP4825888B2 (ja) 文書画像処理装置および文書画像処理方法
CN109741426B (zh) 一种漫画形式转化方法和装置
CN112580452A (zh) 故障树的处理方法、装置、计算机可读存储介质以及处理器

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