CN113923430A - 基于高清视频的实时抠像方法、装置、设备及存储介质 - Google Patents

基于高清视频的实时抠像方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113923430A
CN113923430A CN202111132411.2A CN202111132411A CN113923430A CN 113923430 A CN113923430 A CN 113923430A CN 202111132411 A CN202111132411 A CN 202111132411A CN 113923430 A CN113923430 A CN 113923430A
Authority
CN
China
Prior art keywords
pixel
color
target
classified
yuv
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.)
Pending
Application number
CN202111132411.2A
Other languages
English (en)
Inventor
吴迪云
许秋子
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.)
Shenzhen Realis Multimedia Technology Co Ltd
Original Assignee
Shenzhen Realis Multimedia 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 Shenzhen Realis Multimedia Technology Co Ltd filed Critical Shenzhen Realis Multimedia Technology Co Ltd
Priority to CN202111132411.2A priority Critical patent/CN113923430A/zh
Publication of CN113923430A publication Critical patent/CN113923430A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/67—Circuits for processing colour signals for matrixing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/2224—Studio circuitry; Studio devices; Studio equipment related to virtual studio applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Color Image Communication Systems (AREA)
  • Image Processing (AREA)
  • Processing Of Color Television Signals (AREA)

Abstract

本发明涉及图像处理技术领域，公开了一种基于高清视频的实时抠像方法、装置、设备及存储介质，用于将目标RGB高清图像转换至YUV空间中，在YUV空间中将像素坐标映射为颜色向量，基于颜色向量进行一系列计算对像素进行分类，并对分类好的像素进行颜色调整，从而得到目标YUV高清图像，解决了像素受环境颜色影响的问题，提高了在高清视频的基础上抠像的准确度。基于高清视频的实时抠像方法包括：获取高清视频数据，并根据高清视频数据生成目标RGB高清图像；将目标RGB图像转换至优化彩色视频信号YUV颜色空间，得到初始YUV高清图像；根据初始YUV高清图像进行像素分类，得到分类YUV高清图像；对分类YUV高清图像进行颜色调整，得到目标YUV高清图像。

Description

基于高清视频的实时抠像方法、装置、设备及存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于高清视频的实时抠像方法、装置、设备及存储介质。
背景技术
虚拟演播室技术已经广泛应用于电视拍摄中，其原理就是将计算机预先制作的三维场景和现场拍摄的人物活动图像进行实时合成，使场景中真实的人物和虚拟的三维场景合成。在虚拟演播室或影视虚拟预演中，高清视频实时抠像是其中关键技术之一。
在现有的技术中，视频抠像主要是将每一帧RGB像素转换到优化彩色视频信号(YUV)空间中再进行抠像，但是由于不同像素的颜色值域不同，所以在抠像过程中，当明亮度、色度与真实的误差较大时，对应的色度值Cr和Cb的波动较大，无法准确的进行像素分类，或者当像素受环境颜色影响时，抠出的图像会使得像素带有环境颜色，从而无法保证在高清视频的基础上实现精细干净的抠像。
发明内容
本发明的主要目的在于解决在对高清视频抠像的过程中无法对像素进行准确的分类且像素受环境颜色影响的问题。
本发明第一方面提供了一种基于高清视频的实时抠像方法，包括：获取高清视频数据，并根据所述高清视频数据生成目标RGB高清图像；将所述目标RGB图像转换至优化彩色视频信号YUV颜色空间得到初始YUV高清图像；根据所述初始YUV高清图像进行像素分类，得到分类YUV高清图像；对所述分类YUV高清图像进行颜色调整，得到目标YUV高清图像。
可选的，在本发明第一方面的第一种实现方式中，所述将所述目标RGB图像转换至优化彩色视频信号YUV颜色空间，得到初始YUV高清图像包括：基于预置转换公式，将所述目标RGB图像转换至YUV颜色空间，得到初始YUV高清图像；所述预置转换公式如下：
Figure BDA0003279810800000021
其中，R为红色像素分量、G为绿色像素分量、B为蓝色像素分量、Y为灰阶值、U以及V为色度值。
可选的，在本发明第一方面的第二种实现方式中所述根据所述初始YUV高清图像进行像素分类，得到分类YUV高清图像包括：读取预置前景颜色范围，并从所述初始YUV高清图像中读取多个待分类像素点的像素坐标，所述预置前景颜色范围由多个预置像素坐标确定；根据所述预置前景颜色范围在所述YUV颜色空间中定义颜色椭球体和椭球体中心坐标点，并将所述多个像素坐标一一映射到所述颜色椭球体中，得到多个像素颜色向量；针对所述多个待分类像素点中的每一个待分类像素点，根据对应的像素颜色向量和所述椭球体中心坐标点计算每个待分类像素点的颜色向量，生成多个颜色向量，每个颜色向量对应三个颜色分量；基于所述颜色椭球体提取三个轴半径分量，并基于所述三个轴半径分量和每个待分类像素点对应的三个颜色分量计算每个待分类像素点的三维坐标点对，生成多个三维坐标点对；根据所述多个三维坐标点对，对所述多个待分类像素点进行分类，得到多个分类后的像素点，并根据所述多个分类后的像素点生成分类YUV高清图像。
可选的，在本发明第一方面的第三种实现方式中，所述基于所述颜色椭球体提取三个轴半径分量，并基于所述三个轴半径分量和每个待分类像素点对应的三个颜色分量计算每个待分类像素点的三维坐标点对，生成多个三维坐标点对包括：基于所述颜色椭球体提取三个轴半径分量，并结合每个待分类像素点对应的三个颜色分量计算每个待分类像素点的第一中间值，得到多个第一中间值；计算所述多个第一中间值中的每一个第一中间值的第二中间值，得到每个待分类像素点的第二中间值，生成多个第二中间值，第二中间值成对出现；对所述多个第二中间值中的每一个第二中间值和对应的颜色向量进行三维坐标计算，得到每个待分类像素点对应的三维坐标点对，生成多个三维坐标点对。
可选的，在本发明第一方面的第四种实现方式中，所述根据所述多个三维坐标点对，对所述多个待分类像素点进行分类，得到多个分类后的像素点，并根据所述多个分类后的像素点生成分类YUV高清图像包括：对每个待分类像素点对应的三维坐标点对进行计算，得到每个待分类像素点对应的坐标点对欧式距离，生成多个坐标点对欧式距离，并根据每个待分类像素点对应的颜色向量和所述椭球体中心坐标点计算每个待分类像素点对应的向量欧式距离，得到多个向量欧式距离；判断每个待分类像素点对应的坐标点对欧式距离是否大于对应的向量欧式距离；若目标待分类像素点对应的坐标点对欧式距离大于对应的向量欧式距离，则判定所述目标待分类像素点为前景像素点，得到多个前景像素点；若目标待分类像素点对应的坐标点对欧式距离小于或者等于对应的向量欧式距离，则判定所述目标待分类像素点为背景像素点，得到多个背景像素点；将所述多个背景像素点设置为透明并保持所述多个前景像素点不变，得到分类YUV高清图像。
可选的，在本发明第一方面的第五种实现方式中，所述对所述分类YUV高清图像进行颜色调整，得到目标YUV高清图像包括：针对所述分类YUV高清图像中的每一个分类后的像素点，读取对应的目标红色像素分量、目标绿色像素分量和目标蓝色像素分量；根据所述高清视频数据对应的环境颜色、所述目标红色像素分量、目标绿色像素分量和目标蓝色像素分量判断目标分类后的像素点是否需要调整颜色；若判定所述目标分类后的像素点需要调整颜色，则按照预置公式计算出目标颜色像素，并替换所述目标分类后的像素点，得到目标YUV高清图像。
可选的，在本发明第一方面的第六种实现方式中，所述根据所述高清视频数据对应的环境颜色、所述目标红色像素分量、目标绿色像素分量和目标蓝色像素分量判断目标分类后的像素点是否需要调整颜色包括：读取所述高清视频数据对应的环境颜色；当所述高清视频数据对应的环境颜色为绿色时，计算所述目标红色像素分量和所述目标蓝色像素分量的像素分量和，得到第一目标对比像素分量；若所述第一目标对比像素分量小于所述目标绿色像素分量，则判定目标分类后的像素点需要调整颜色；当所述高清视频数据对应的环境颜色为红色时，计算所述目标绿色像素分量和所述目标蓝色像素分量的像素分量和，得到第二目标对比像素分量；若所述第二目标对比像素分量小于所述目标红色像素分量，则判定目标分类后的像素点需要调整颜色；当所述高清视频数据对应的环境颜色为蓝色时，计算所述目标红色像素分量和所述目标绿色像素分量的像素分量和，得到第三目标对比像素分量；若所述第三目标对比像素分量小于所述目标蓝色像素分量，则判定目标分类后的像素点需要调整颜色。
本发明第二方面提供了一种基于高清视频的实时抠像装置，包括：图像获取模块，用于获取高清视频数据，并根据所述高清视频数据生成目标RGB高清图像；图像转换模块，用于将所述目标RGB图像转换至优化彩色视频信号YUV颜色空间，得到初始YUV高清图像；像素分类模块，用于根据所述初始YUV高清图像进行像素分类，得到分类YUV高清图像；像素颜色调整模块，用于对所述分类YUV高清图像进行颜色调整，得到目标YUV高清图像。
可选的，在本发明第二方面的第一种实现方式中，所述图像转换模块具体用于：基于预置转换公式，将所述目标RGB图像转换至YUV颜色空间，得到初始YUV高清图像；所述预置转换公式如下：
Figure BDA0003279810800000041
其中，R为红色像素分量、G为绿色像素分量、B为蓝色像素分量、Y为灰阶值、U以及V为色度值。
可选的，在本发明第二方面的第二种实现方式中，所述像素分类模块包括：读取单元，用于读取预置前景颜色范围，并从所述初始YUV高清图像中读取多个待分类像素点的像素坐标，所述预置前景颜色范围由多个预置像素坐标确定；映射单元，用于根据所述预置前景颜色范围在所述YUV颜色空间中定义颜色椭球体和椭球体中心坐标点，并将所述多个像素坐标一一映射到所述颜色椭球体中，得到多个像素颜色向量；颜色向量计算单元，用于针对所述多个待分类像素点中的每一个待分类像素点，根据对应的像素颜色向量和所述椭球体中心坐标点计算每个待分类像素点的颜色向量，生成多个颜色向量，每个颜色向量对应三个颜色分量；坐标计算单元，用于基于所述颜色椭球体提取三个轴半径分量，并基于所述三个轴半径分量和每个待分类像素点对应的三个颜色分量计算每个待分类像素点的三维坐标点对，生成多个三维坐标点对；分类图像生成单元，用于根据所述多个三维坐标点对，对所述多个待分类像素点进行分类，得到多个分类后的像素点，并根据所述多个分类后的像素点生成分类YUV高清图像。
可选的，在本发明第二方面的第三种实现方式中，所述坐标计算单元具体用于：基于所述颜色椭球体提取三个轴半径分量，并结合每个待分类像素点对应的三个颜色分量计算每个待分类像素点的第一中间值，得到多个第一中间值；计算所述多个第一中间值中的每一个第一中间值的第二中间值，得到每个待分类像素点的第二中间值，生成多个第二中间值，第二中间值成对出现；对所述多个第二中间值中的每一个第二中间值和对应的颜色向量进行三维坐标计算，得到每个待分类像素点对应的三维坐标点对，生成多个三维坐标点对。
可选的，在本发明第二方面的第四种实现方式中，所述分类图像生成单元具体用于：对每个待分类像素点对应的三维坐标点对进行计算，得到每个待分类像素点对应的坐标点对欧式距离，生成多个坐标点对欧式距离，并根据每个待分类像素点对应的颜色向量和所述椭球体中心坐标点计算每个待分类像素点对应的向量欧式距离，得到多个向量欧式距离；判断每个待分类像素点对应的坐标点对欧式距离是否大于对应的向量欧式距离；若目标待分类像素点对应的坐标点对欧式距离大于对应的向量欧式距离，则判定所述目标待分类像素点为前景像素点，得到多个前景像素点；若目标待分类像素点对应的坐标点对欧式距离小于或者等于对应的向量欧式距离，则判定所述目标待分类像素点为背景像素点，得到多个背景像素点；将所述多个背景像素点设置为透明并保持所述多个前景像素点不变，得到分类YUV高清图像。
可选的，在本发明第二方面的第五种实现方式中，所述像素颜色调整模块包括：分量读取单元，用于针对所述分类YUV高清图像中的每一个分类后的像素点，读取对应的目标红色像素分量、目标绿色像素分量和目标蓝色像素分量；判断单元，用于根据所述高清视频数据对应的环境颜色、所述目标红色像素分量、目标绿色像素分量和目标蓝色像素分量判断目标分类后的像素点是否需要调整颜色；像素计算单元，若判定所述目标分类后的像素点需要调整颜色，则用于按照预置公式计算出目标颜色像素，并替换所述目标分类后的像素点，得到目标YUV高清图像。
可选的，在本发明第二方面的第六种实现方式中，所述判断单元具体用于：读取所述高清视频数据对应的环境颜色；当所述高清视频数据对应的环境颜色为绿色时，计算所述目标红色像素分量和所述目标蓝色像素分量的像素分量和，得到第一目标对比像素分量；若所述第一目标对比像素分量小于所述目标绿色像素分量，则判定目标分类后的像素点需要调整颜色；当所述高清视频数据对应的环境颜色为红色时，计算所述目标绿色像素分量和所述目标蓝色像素分量的像素分量和，得到第二目标对比像素分量；若所述第二目标对比像素分量小于所述目标红色像素分量，则判定目标分类后的像素点需要调整颜色；当所述高清视频数据对应的环境颜色为蓝色时，计算所述目标红色像素分量和所述目标绿色像素分量的像素分量和，得到第三目标对比像素分量；若所述第三目标对比像素分量小于所述目标蓝色像素分量，则判定目标分类后的像素点需要调整颜色。
本发明第三方面提供了一种基于高清视频的实时抠像设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于高清视频的实时抠像设备执行上述的基于高清视频的实时抠像方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于高清视频的实时抠像方法。
本发明提供的技术方案中，获取高清视频数据，并根据所述高清视频数据生成目标RGB高清图像；将所述目标RGB图像转换至优化彩色视频信号YUV颜色空间，得到初始YUV高清图像；根据所述初始YUV高清图像进行像素分类，得到分类YUV高清图像；对所述分类YUV高清图像进行颜色调整，得到目标YUV高清图像。本发明实施例中，将目标RGB高清图像转换至YUV空间中，在YUV空间中将像素坐标映射为颜色向量，基于颜色向量进行一系列计算对像素进行分类，并对分类好的像素进行颜色调整，从而得到目标YUV高清图像，解决了像素受环境颜色影响的问题，提高了在高清视频的基础上抠像的准确度，能够得到精细干净的高清抠像图像。
附图说明
图1为本发明实施例中基于高清视频的实时抠像方法的一个实施例示意图；
图2为本发明实施例中基于高清视频的实时抠像方法的另一个实施例示意图；
图3为本发明实施例中基于高清视频的实时抠像装置的一个实施例示意图；
图4为本发明实施例中基于高清视频的实时抠像装置的另一个实施例示意图；
图5为本发明实施例中基于高清视频的实时抠像设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于高清视频的实时抠像方法、装置、设备及存储介质，用于将目标RGB高清图像转换至YUV空间中，在YUV空间中将像素坐标映射为颜色向量，基于颜色向量进行一系列计算对像素进行分类，并对分类好的像素进行颜色调整，从而得到目标YUV高清图像，解决了像素受环境颜色影响的问题，提高了在高清视频的基础上抠像的准确度，能够得到精细干净的高清抠像图像。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中基于高清视频的实时抠像方法的一个实施例包括：
101、获取高清视频数据，并根据高清视频数据生成目标RGB高清图像；
服务器获取高清视频数据，并从高清视频数据中获取目标RGB高清图像。
当服务器在在线直播的情况下获取高清视频数据时，服务器通过视频卡采集高清视频数据，并设置帧读取的开始位置，得到帧位置，根据帧位置进行截取，得到一帧RGB高清图像，即目标RGB高清图像；当服务器在离线的情况下获取高清视频数据时，服务器获取高清视频流数据，并将每帧视频以RGB图像的形式导入，从而得到目标RGB图像。
需要说明的是，服务器可以根据高清视频数据获取多个目标RGB高清图像。为了便于说明，在本实施例中主要针对多个目标RGB高清图像中的一个目标RGB高清图像进行抠像说明。
可以理解的是，本发明的执行主体可以为基于高清视频的实时抠像装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
102、将目标RGB图像转换至优化彩色视频信号YUV颜色空间，得到初始YUV高清图像；
服务器将目标RGB图像转换至YUV颜色空间从而得到初始YUV高清图像。
为了RGB图像是在RGB颜色空间内的图像，RGB色彩空间的表示方法为采用R、G和B相加混色的原理，通过发出三种不同强度的电子束而产生色彩。RGB颜色空间中，任意光都可以用R、G和B三种颜色的不同分量进行相加混合而成。YUV颜色空间也被称为YCrCb颜色空间，主要用于优化彩色视频信号的传输。其中Y表示明亮度，也就是灰阶值，U和V表示的是色度，色度定义了色调和饱和度两种，分别用Cr和Cb来表示，其中，Cr反映的是RGB输入信号红色部分与RGB信号亮度值之间的差异，Cb反映的是RGB输入信号蓝色部分和RGB信号亮度值之间的差异。大量实验表明，在YUV颜色空间中分离背景色的效果比在RGB颜色空间好，所以本实施例将RGB图像转换至YUV颜色空间中，进行后续的背景色分离。
例如，服务器获取得到目标RGB图像A，服务器将目标RGB图像A转换至YUV颜色空间中，在转换的过程中，目标RGB高清图像中的R像素分量、G像素分量、B像素分量与灰阶值、色度值之间存在固定的转换关系，按照固定的转换关系，服务器将目标RGB图像A转换至YUV颜色空间中，从而得到初始YUV高清图像。
103、根据初始YUV高清图像进行像素分类，得到分类YUV高清图像；
服务器对初始YUV高清图像中的每一个像素点进行分类，从而得到包括前景像素点和背景像素点的分类YUV高清图像。
初始YUV高清图像中包括很多个像素点，服务器将这些像素点进行前景像素点和背景像素点的分类，然后将背景像素点的颜色变为透明，就完成了对图像的抠像。
例如，初始YUV高清图像中包括像素点1、像素点2、像素点3直至像素点n，其中服务器判定像素点10至像素点50为背景像素点，像素点1至像素点20以及像素点50至像素点n为前景像素点，从而得到分类YUV高清图像。最后服务器将背景像素点10至背景像素点50的像素颜色设置为透明，则完成对分类YUV高清图像的初步抠像。
104、对分类YUV高清图像进行颜色调整，得到目标YUV高清图像。
服务器对初始YUV图像进行像素分类之后，还需要将分类YUV高清图像调整为目标YUV高清图像。
服务器对虚拟直播或虚拟影视拍摄行业进行实时抠像时，场景人物，即前景像素点会受到环境光的影响，如果场景为绿幕背景，则环境光通常会将绿色反射在人物身体上，此时需要进行抑色处理。在本实施例中，服务器调整前景像素点中被环境光影响的像素点的颜色，从而得到目标YUV高清图像。例如前景像素点中像素点1、像素点2和像素点3被环境光影响，服务器则计算目标颜色，得到新的像素来替换像素点1、像素点2和像素点3，从而得到目标YUV高清图像。
本发明实施例中，将目标RGB高清图像转换至YUV空间中，在YUV空间中将像素坐标映射为颜色向量，基于颜色向量进行一系列计算对像素进行分类，并对分类好的像素进行颜色调整，从而得到目标YUV高清图像，解决了像素受环境颜色影响的问题，提高了在高清视频的基础上抠像的准确度，能够得到精细干净的高清抠像图像。
请参阅图2，本发明实施例中基于高清视频的实时抠像方法的另一个实施例包括：
201、获取高清视频数据，并根据高清视频数据生成目标RGB高清图像；
服务器获取高清视频数据，并从高清视频数据中获取目标RGB高清图像。
当服务器在在线直播的情况下获取高清视频数据时，服务器通过视频卡采集高清视频数据，并设置帧读取的开始位置，得到帧位置，并根据帧位置进行截取，得到一帧RGB高清图像，即目标RGB高清图像；当服务器在离线的情况下获取高清视频数据时，服务器获取高清视频流数据，并将每帧视频以RGB图像的形式导入，从而得到目标RGB图像。
需要说明的是，服务器可以根据高清视频数据获取多个目标RGB高清图像。为了便于说明，在本实施例中主要针对多个目标RGB高清图像中的一个目标RGB高清图像进行抠像说明。
202、将目标RGB图像转换至优化彩色视频信号YUV颜色空间，得到初始YUV高清图像；
服务器将目标RGB图像转换至YUV颜色空间，从而得到初始YUV高清图像。
为了RGB图像是在RGB颜色空间内的图像，RGB色彩空间的表示方法为采用R、G和B相加混色的原理，通过发出三种不同强度的电子束而产生色彩。RGB颜色空间中，任意光都可以用R、G和B三种颜色的不同分量进行相加混合而成。YUV颜色空间也被称为YCrCb颜色空间，主要用于优化彩色视频信号的传输。其中Y表示明亮度，也就是灰阶值，U和V表示的是色度，色度定义了色调和饱和度两种，分别用Cr和Cb来表示，其中，Cr反映的是RGB输入信号红色部分与RGB信号亮度值之间的差异，Cb反映的是RGB输入信号蓝色部分和RGB信号亮度值之间的差异。大量实验表明，在YUV颜色空间中分离背景色的效果比在RGB颜色空间好，所以本实施例将RGB图像转换至YUV颜色空间中，进行后续的背景色分离。
例如，服务器获取得到目标RGB图像A，服务器将目标RGB图像A转换至YUV颜色空间中，在转换的过程中，目标RGB高清图像中的R像素分量、G像素分量、B像素分量与灰阶值、色度值之间存在固定的转换关系，按照固定的转换关系，服务器将目标RGB图像A转换至YUV颜色空间中，从而得到初始YUV高清图像。
具体的，服务器基于预置转换公式将目标RGB图像转换至YUV颜色空间，得到初始YUV高清图像，预置转换公式如下：
Figure BDA0003279810800000101
其中，R为红色像素分量、G为绿色像素分量、B为蓝色像素分量、Y为灰阶值、U以及V为色度值。服务器按照此预置转换公式将目标RGB高清图像转换至YUV颜色空间，得到初始YUV高清图像。
203、根据初始YUV高清图像进行像素分类，得到分类YUV高清图像；
服务器对初始YUV高清图像中的每一个像素进行分类，从而得到包括前景像素点和背景像素点的分类YUV高清图像。
初始YUV高清图像中包括很多个像素，服务器将这些像素进行前景像素点和背景像素点的分类，然后将背景像素点的颜色变为透明，就完成了对图像的抠像。
例如，初始YUV高清图像中包括像素点1、像素点2、像素点3直至像素点n，其中服务器判定像素点10至像素点50为背景像素点，像素点1至像素点20以及像素点50至像素点n为前景像素点，最后服务器将背景像素点10至背景像素点50的像素颜色设置为透明，从而得到分类YUV高清图像。
具体的，服务器读取多个待分类像素点的像素坐标和由多个预置像素坐标组成的预置前景颜色范围；服务器根据预置前景颜色范围在YUV空间中定义颜色椭球体，并按照预置中心坐标公式定义椭球体中心坐标点，并将多个像素坐标一一映射到颜色椭球体中，得到多个像素颜色向量；并根据每一个待分类像素点和对应的像素颜色向量结合椭球体中心坐标点计算得到每个待分类像素点的包括三个颜色分量的颜色向量；然后服务器提取颜色椭球体的三个轴半径分量，基于每个颜色向量对应的三个颜色分量以及三个轴半径分量计算得到多个成对出现的三维坐标点对；最后，服务器根据多个三维坐标点对对待分类像素点进行分类，得到多个分类后的像素点，并根据多个分类后的像素点生成分类YUV高清图像。
假设预置像素坐标为(Ymin，Ymax)、(Umin，Umax)和(Vmin，Vmax)，则服务器读取的预置前景颜色范围为(Ymin，Ymax)，(Umin，Umax)，(Vmin，Vmax)；服务器按照预置中心坐标公式定义椭球体中心坐标点，预置中心坐标公式具体如下：
C＝(Ymax+Ymin，Umax+Umin，Vmax+Vmin)*0.5
其中，C为椭球体中心坐标点；假设多个待分类像素点中的一个待分类像素点的像素坐标为(u，v)，将该像素坐标映射到颜色椭球体中，得到像素颜色向量为yuv，服务器基于像素颜色向量和椭球体中心坐标点计算颜色向量，具体过程为：K＝yuv-C，其中K为该待分类像素点的颜色向量，K＝(k1，k2，k3)，(k1，k2，k3)为K的三个颜色分量；假设颜色椭球体的三个轴半径分量为(R1，R2，R3)，服务器基于(k1，k2，k3)这三个颜色分量和颜色椭球体的三个轴半径分量(R1，R2，R3)计算得到三维坐标点对P1和P2，并根据三维坐标点对P1和P2对该待分类像素点进行分类，得到分类后的像素点为背景像素点，按照此方法对其他待分类像素点进行分类，将多个背景像素点设置为透明并保持多个前景像素点不变，从而得到分类YUV高清图像。
计算三维坐标点对P1和P2的具体过程如下：
从颜色椭球体中提取三个轴半径分量，根据三个轴半径分量和多个颜色向量计算初始YUV高清图像中每一个待分类像素点的第一中间值，得到多个第一中间值；再对多个第一中间值进行计算，得到多个成对出现的第二中间值；然后服务器对每个第二中间值和对应的每个颜色向量进行三维坐标计算，得到多个成对出现的三维坐标点对。
假设颜色椭球体的三个轴半径分量为(R1，R2，R3)，其中一个待分类像素点对应的颜色向量为K＝(k1，k2，k3)，服务器按照如下公式进行计算，得到第一中间值：
Figure BDA0003279810800000121
其中，α为第一中间值。服务器再对第一中间值按照如下公式进行计算，得到第二中间值：
Figure BDA0003279810800000122
Figure BDA0003279810800000123
其中，t0和t1为成对出现的第二中间值。服务器按照如下公式对第二中间值进行计算，得到三维坐标点对：
p1＝C+K*t0
p2＝C+K*t1
其中，p1和p2为成对出现的三维坐标点对，C为上述提到的椭球体中心坐标点。
根据三维坐标点对P1和P2对该待分类像素点进行分类的具体过程如下：
服务器计算每个待分类像素点对应的坐标点对欧式距离和向量欧式距离，并判断每个待分类像素点对应的坐标点对欧式距离是否大于向量欧式距离，若大于，则判定对应的待分类像素点为前景像素点，得到多个前景像素点；若小于或者等于，则判定对应的待分类像素点为背景像素点，得到多个背景像素点；保持多个前景像素点的颜色不变，将多个背景像素点的颜色设置为透明，从而得到分类YUV高清图像。
服务器对待分类像素点分类的具体过程如下：
Figure BDA0003279810800000131
其中，mask用于指示待分类像素点为前景像素点还是背景像素点，当mask为0时，待分类像素点为背景像素点，当mask为1时，待分类像素点为前景像素点。式中，d(yuv，C)为向量欧式距离，即任意一个待分类像素点对应的颜色向量到椭球体中心坐标点的欧式距离；d(P1，P2)*0.5为坐标点对欧式距离，即任意一个待分类像素点对应的三维坐标点对之间的欧式距离，当任意一个待分类像素点对应的坐标点对欧式距离小于或者等于向量欧式距离时，则判定对应的待分类像素点为背景像素点，当任意一个坐标点对欧式距离大于向量欧式距离时，则判定对应的待分类像素点为前景像素点，按照此方式对多个待分类像素点进行分类，保持前景像素点的颜色不变，将背景像素点的颜色设置为透明，从而得到分类YUV高清图像。
需要说明的是，计算坐标点对欧式距离和向量欧式距离为现有技术，本发明实施例对此不做具体说明。
204、针对分类YUV高清图像中的每一个分类后的像素点，读取对应的目标红色像素分量、目标绿色像素分量和目标蓝色像素分量；
服务器读取分类YUV高清图像中每一个分类后的像素点的红色像素分量、绿色像素分量和蓝色像素分量。
205、根据高清视频数据对应的环境颜色、目标红色像素分量、目标绿色像素分量和目标蓝色像素分量判断目标分类后的像素点是否需要调整颜色；
服务器针对每一个分类后的像素点，根据高清视频数据对应的环境颜色、目标红色像素分量、目标绿色像素分量和目标蓝色像素分量判断分类后的像素点是否需要调整颜色。
具体的，在一种实施方式中，服务器读取高清视频数据对应的环境颜色，当高清视频数据对应的环境颜色为绿色时，服务器计算目标红色像素分量和目标蓝色像素分量的像素分量和，得到第一目标对比像素分量，并将第一目标对比像素分量与目标绿色像素分量进行对比；如果第一目标对比像素分量小于目标绿色像素分量，服务器则判定目标分类后的像素点需要调整颜色。
在另一种实施方式中，当高清视频数据对应的环境颜色为红色时，服务器计算目标绿色像素分量和目标蓝色像素分量的像素分量和，得到第二目标对比像素分量，并将第二目标对比像素分量与目标红色像素分量进行对比；如果第二目标对比像素分量小于目标红色像素分量，服务器则判定目标分类后的像素点需要调整颜色。
在其他实施方式中，当高清视频数据对应的环境颜色为蓝色时，服务器计算目标红色像素分量和目标绿色像素分量的像素分量和，得到第三目标对比像素分量，并将第三目标对比像素分量与目标蓝色像素分量进行对比；如果第三目标对比像素分量小于目标蓝色像素分量，服务器则判定目标分类后的像素点需要调整颜色。
206、若判定目标分类后的像素点需要调整颜色，则按照预置公式计算出目标颜色像素，并替换目标分类后的像素点，得到目标YUV高清图像。
如果服务器判定目标分类后的像素点需要调整颜色，服务器按照预置公式将对应的目标蓝色像素向量、目标红色像素向量和目标绿色像素向量输入预置公式进行计算，得到目标颜色像素，并替换目标分类后的像素点，从而得到目标YUV高清图像。
预置公式具体如下：
color＝[r，(r+b)*δ，b]δ∈(0，1)
其中，color为目标颜色像素，δ为一个可调变量，δ通常取值为0.5。服务器采用计算后得到的color替换目标分类后的像素点，从而得到目标YUV高清图像。
本发明实施例中，将目标RGB高清图像转换至YUV空间中，在YUV空间中将像素坐标映射为颜色向量，基于颜色向量进行一系列计算对像素进行分类，并对分类好的像素进行颜色调整，从而得到目标YUV高清图像，解决了像素受环境颜色影响的问题，提高了在高清视频的基础上抠像的准确度，能够得到精细干净的高清抠像图像。
上面对本发明实施例中基于高清视频的实时抠像方法进行了描述，下面对本发明实施例中基于高清视频的实时抠像装置进行描述，请参阅图3，本发明实施例中基于高清视频的实时抠像装置一个实施例包括：
图像获取模块301，用于获取高清视频数据，并根据所述高清视频数据生成目标RGB高清图像；
图像转换模块302，用于将所述目标RGB图像转换至优化彩色视频信号YUV颜色空间，得到初始YUV高清图像；
像素分类模块303，用于根据所述初始YUV高清图像进行像素分类，得到分类YUV高清图像；
像素颜色调整模块304，用于对所述分类YUV高清图像进行颜色调整，得到目标YUV高清图像。
本发明实施例中，将目标RGB高清图像转换至YUV空间中，在YUV空间中将像素坐标映射为颜色向量，基于颜色向量进行一系列计算对像素进行分类，并对分类好的像素进行颜色调整，从而得到目标YUV高清图像，解决了像素受环境颜色影响的问题，提高了在高清视频的基础上抠像的准确度，能够得到精细干净的高清抠像图像。
请参阅图4，本发明实施例中基于高清视频的实时抠像装置的另一个实施例包括：
图像获取模块301，用于获取高清视频数据，并根据所述高清视频数据生成目标RGB高清图像；
图像转换模块302，用于将所述目标RGB图像转换至优化彩色视频信号YUV颜色空间，得到初始YUV高清图像；
像素分类模块303，用于根据所述初始YUV高清图像进行像素分类，得到分类YUV高清图像；
像素颜色调整模块304，用于对所述分类YUV高清图像进行颜色调整，得到目标YUV高清图像。
可选的，所述图像转换模块302还可以具体用于：基于预置转换公式，将所述目标RGB图像转换至YUV颜色空间，得到初始YUV高清图像；所述预置转换公式如下：
Figure BDA0003279810800000161
其中，R为红色像素分量、G为绿色像素分量、B为蓝色像素分量、Y为灰阶值、U以及V为色度值。
可选的，所述像素分类模块303包括：
读取单元3031，用于读取预置前景颜色范围，并从所述初始YUV高清图像中读取多个待分类像素点的像素坐标，所述预置前景颜色范围由多个预置像素坐标确定；
映射单元3032，用于根据所述预置前景颜色范围在所述YUV颜色空间中定义颜色椭球体和椭球体中心坐标点，并将所述多个像素坐标一一映射到所述颜色椭球体中，得到多个像素颜色向量；
颜色向量计算单元3033，用于针对所述多个待分类像素点中的每一个待分类像素点，根据对应的像素颜色向量和所述椭球体中心坐标点计算每个待分类像素点的颜色向量，生成多个颜色向量，每个颜色向量对应三个颜色分量；
坐标计算单元3034，用于基于所述颜色椭球体提取三个轴半径分量，并基于所述三个轴半径分量和每个待分类像素点对应的三个颜色分量计算每个待分类像素点的三维坐标点对，生成多个三维坐标点对；
分类图像生成单元3035，用于根据所述多个三维坐标点对，对所述多个待分类像素点进行分类，得到多个分类后的像素点，并根据所述多个分类后的像素点生成分类YUV高清图像。
可选的，所述坐标计算单元3034还可以具体用于：
基于所述颜色椭球体提取三个轴半径分量，并结合每个待分类像素点对应的三个颜色分量计算每个待分类像素点的第一中间值，得到多个第一中间值；
计算所述多个第一中间值中的每一个第一中间值的第二中间值，得到每个待分类像素点的第二中间值，生成多个第二中间值，第二中间值成对出现；
对所述多个第二中间值中的每一个第二中间值和对应的颜色向量进行三维坐标计算，得到每个待分类像素点对应的三维坐标点对，生成多个三维坐标点对。
可选的，所述分类图像生成单元3035还可以具体用于：
对每个待分类像素点对应的三维坐标点对进行计算，得到每个待分类像素点对应的坐标点对欧式距离，生成多个坐标点对欧式距离，并根据每个待分类像素点对应的颜色向量和所述椭球体中心坐标点计算每个待分类像素点对应的向量欧式距离，得到多个向量欧式距离；
判断每个待分类像素点对应的坐标点对欧式距离是否大于对应的向量欧式距离；
若目标待分类像素点对应的坐标点对欧式距离大于对应的向量欧式距离，则判定所述目标待分类像素点为前景像素点，得到多个前景像素点；
若目标待分类像素点对应的坐标点对欧式距离小于或者等于对应的向量欧式距离，则判定所述目标待分类像素点为背景像素点，得到多个背景像素点；
将所述多个背景像素点设置为透明并保持所述多个前景像素点不变，得到分类YUV高清图像。
可选的，所述像素颜色调整模块304包括：
分量读取单元3041，用于针对所述分类YUV高清图像中的每一个分类后的像素点，读取对应的目标红色像素分量、目标绿色像素分量和目标蓝色像素分量；
判断单元3042，用于根据所述高清视频数据对应的环境颜色、所述目标红色像素分量、目标绿色像素分量和目标蓝色像素分量判断目标分类后的像素点是否需要调整颜色；
像素计算单元3043，若判定所述目标分类后的像素点需要调整颜色，则用于按照预置公式计算出目标颜色像素，并替换所述目标分类后的像素点，得到目标YUV高清图像。
可选的，所述判断单元3042具体用于：
读取所述高清视频数据对应的环境颜色；
当所述高清视频数据对应的环境颜色为绿色时，计算所述目标红色像素分量和所述目标蓝色像素分量的像素分量和，得到第一目标对比像素分量；
若所述第一目标对比像素分量小于所述目标绿色像素分量，则判定目标分类后的像素点需要调整颜色；
当所述高清视频数据对应的环境颜色为红色时，计算所述目标绿色像素分量和所述目标蓝色像素分量的像素分量和，得到第二目标对比像素分量；
若所述第二目标对比像素分量小于所述目标红色像素分量，则判定目标分类后的像素点需要调整颜色；
当所述高清视频数据对应的环境颜色为蓝色时，计算所述目标红色像素分量和所述目标绿色像素分量的像素分量和，得到第三目标对比像素分量；
若所述第三目标对比像素分量小于所述目标蓝色像素分量，则判定目标分类后的像素点需要调整颜色。
本发明实施例中，将目标RGB高清图像转换至YUV空间中，在YUV空间中将像素坐标映射为颜色向量，基于颜色向量进行一系列计算对像素进行分类，并对分类好的像素进行颜色调整，从而得到目标YUV高清图像，解决了像素受环境颜色影响的问题，提高了在高清视频的基础上抠像的准确度，能够得到精细干净的高清抠像图像。
上面图3和图4从模块化功能实体的角度对本发明实施例中的基于高清视频的实时抠像装置进行详细描述，下面从硬件处理的角度对本发明实施例中基于高清视频的实时抠像设备进行详细描述。
图5是本发明实施例提供的一种基于高清视频的实时抠像设备的结构示意图，该基于高清视频的实时抠像设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对基于高清视频的实时抠像设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在基于高清视频的实时抠像设备500上执行存储介质530中的一系列指令操作。
基于高清视频的实时抠像设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的基于高清视频的实时抠像设备结构并不构成对基于高清视频的实时抠像设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述基于高清视频的实时抠像方法的步骤。
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，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明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全部或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)执行本发明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-only memory，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。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于高清视频的实时抠像方法，其特征在于，所述基于高清视频的实时抠像方法包括：
获取高清视频数据，并根据所述高清视频数据生成目标RGB高清图像；
将所述目标RGB图像转换至优化彩色视频信号YUV颜色空间，得到初始YUV高清图像；
根据所述初始YUV高清图像进行像素分类，得到分类YUV高清图像；
对所述分类YUV高清图像进行颜色调整，得到目标YUV高清图像，具体包括：将目标RGB高清图像转换至YUV空间中，在YUV空间中将像素坐标映射为颜色向量，基于颜色向量对像素进行分类，并对分类好的像素进行颜色调整，以得到目标YUV高清图像。
2.根据权利要求1所述的基于高清视频的实时抠像方法，其特征在于，所述将所述目标RGB图像转换至优化彩色视频信号YUV颜色空间，得到初始YUV高清图像包括：
基于预置转换公式，将所述目标RGB图像转换至YUV颜色空间，得到初始YUV高清图像；
所述预置转换公式如下：
Figure FDA0003279810790000011
其中，R为红色像素分量、G为绿色像素分量、B为蓝色像素分量、Y为灰阶值、U以及V为色度值。
3.根据权利要求1所述的基于高清视频的实时抠像方法，其特征在于，所述根据所述初始YUV高清图像进行像素分类，得到分类YUV高清图像包括：
读取预置前景颜色范围，并从所述初始YUV高清图像中读取多个待分类像素点的像素坐标，所述预置前景颜色范围由多个预置像素坐标确定；
根据所述预置前景颜色范围在所述YUV颜色空间中定义颜色椭球体和椭球体中心坐标点，并将所述多个像素坐标——映射到所述颜色椭球体中，得到多个像素颜色向量；
针对所述多个待分类像素点中的每一个待分类像素点，根据对应的像素颜色向量和所述椭球体中心坐标点计算每个待分类像素点的颜色向量，生成多个颜色向量，每个颜色向量对应三个颜色分量；
基于所述颜色椭球体提取三个轴半径分量，并基于所述三个轴半径分量和每个待分类像素点对应的三个颜色分量计算每个待分类像素点的三维坐标点对，生成多个三维坐标点对；
根据所述多个三维坐标点对，对所述多个待分类像素点进行分类，得到多个分类后的像素点，并根据所述多个分类后的像素点生成分类YUV高清图像。
4.根据权利要求3所述的基于高清视频的实时抠像方法，其特征在于，所述基于所述颜色椭球体提取三个轴半径分量，并基于所述三个轴半径分量和每个待分类像素点对应的三个颜色分量计算每个待分类像素点的三维坐标点对，生成多个三维坐标点对包括：
基于所述颜色椭球体提取三个轴半径分量，并结合每个待分类像素点对应的三个颜色分量计算每个待分类像素点的第一中间值，得到多个第一中间值；
计算所述多个第一中间值中的每一个第一中间值的第二中间值，得到每个待分类像素点的第二中间值，生成多个第二中间值，第二中间值成对出现；
对所述多个第二中间值中的每一个第二中间值和对应的颜色向量进行三维坐标计算，得到每个待分类像素点对应的三维坐标点对，生成多个三维坐标点对。
5.根据权利要求3所述的基于高清视频的实时抠像方法，其特征在于，所述根据所述多个三维坐标点对，对所述多个待分类像素点进行分类，得到多个分类后的像素点，并根据所述多个分类后的像素点生成分类YUV高清图像包括：
对每个待分类像素点对应的三维坐标点对进行计算，得到每个待分类像素点对应的坐标点对欧式距离，生成多个坐标点对欧式距离，并根据每个待分类像素点对应的颜色向量和所述椭球体中心坐标点计算每个待分类像素点对应的向量欧式距离，得到多个向量欧式距离；
判断每个待分类像素点对应的坐标点对欧式距离是否大于对应的向量欧式距离；
若目标待分类像素点对应的坐标点对欧式距离大于对应的向量欧式距离，则判定所述目标待分类像素点为前景像素点，得到多个前景像素点；
若目标待分类像素点对应的坐标点对欧式距离小于或者等于对应的向量欧式距离，则判定所述目标待分类像素点为背景像素点，得到多个背景像素点；
将所述多个背景像素点设置为透明并保持所述多个前景像素点不变，得到分类YUV高清图像。
6.根据权利要求3所述的基于高清视频的实时抠像方法，其特征在于，所述对所述分类YUV高清图像进行颜色调整，得到目标YUV高清图像包括：
针对所述分类YUV高清图像中的每一个分类后的像素点，读取对应的目标红色像素分量、目标绿色像素分量和目标蓝色像素分量；
根据所述高清视频数据对应的环境颜色、所述目标红色像素分量、目标绿色像素分量和目标蓝色像素分量判断目标分类后的像素点是否需要调整颜色；
若判定所述目标分类后的像素点需要调整颜色，则按照预置公式计算出目标颜色像素，并替换所述目标分类后的像素点，得到目标YUV高清图像。
7.根据权利要求6所述的基于高清视频的实时抠像方法，其特征在于，所述根据所述高清视频数据对应的环境颜色、所述目标红色像素分量、目标绿色像素分量和目标蓝色像素分量判断目标分类后的像素点是否需要调整颜色包括：
读取所述高清视频数据对应的环境颜色；
当所述高清视频数据对应的环境颜色为绿色时，计算所述目标红色像素分量和所述目标蓝色像素分量的像素分量和，得到第一目标对比像素分量；
若所述第一目标对比像素分量小于所述目标绿色像素分量，则判定目标分类后的像素点需要调整颜色；
当所述高清视频数据对应的环境颜色为红色时，计算所述目标绿色像素分量和所述目标蓝色像素分量的像素分量和，得到第二目标对比像素分量；
若所述第二目标对比像素分量小于所述目标红色像素分量，则判定目标分类后的像素点需要调整颜色；
当所述高清视频数据对应的环境颜色为蓝色时，计算所述目标红色像素分量和所述目标绿色像素分量的像素分量和，得到第三目标对比像素分量；
若所述第三目标对比像素分量小于所述目标蓝色像素分量，则判定目标分类后的像素点需要调整颜色。
8.一种基于高清视频的实时抠像装置，其特征在于，所述基于高清视频的实时抠像装置包括：
图像获取模块，用于获取高清视频数据，并根据所述高清视频数据生成目标RGB高清图像；
图像转换模块，用于将所述目标RGB图像转换至优化彩色视频信号YUV颜色空间，得到初始YUV高清图像；
像素分类模块，用于根据所述初始YUV高清图像进行像素分类，得到分类YUV高清图像；
像素颜色调整模块，用于对所述分类YUV高清图像进行颜色调整，得到目标YUV高清图像。
9.一种基于高清视频的实时抠像设备，其特征在于，所述基于高清视频的实时抠像设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于高清视频的实时抠像设备执行如权利要求1-7中任意一项所述的基于高清视频的实时抠像方法。
10.一种计算机可读存储介质，所述计算机可读存储介质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如权利要求1-7中任一项所述基于高清视频的实时抠像方法。
CN202111132411.2A 2020-04-15 2020-04-15 基于高清视频的实时抠像方法、装置、设备及存储介质 Pending CN113923430A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111132411.2A CN113923430A (zh) 2020-04-15 2020-04-15 基于高清视频的实时抠像方法、装置、设备及存储介质

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010295321.4A CN111491149B (zh) 2020-04-15 2020-04-15 基于高清视频的实时抠像方法、装置、设备及存储介质
CN202111132411.2A CN113923430A (zh) 2020-04-15 2020-04-15 基于高清视频的实时抠像方法、装置、设备及存储介质

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202010295321.4A Division CN111491149B (zh) 2020-04-15 2020-04-15 基于高清视频的实时抠像方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN113923430A true CN113923430A (zh) 2022-01-11

Family

ID=71798083

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202111132411.2A Pending CN113923430A (zh) 2020-04-15 2020-04-15 基于高清视频的实时抠像方法、装置、设备及存储介质
CN202111133726.9A Pending CN113923431A (zh) 2020-04-15 2020-04-15 基于高清视频的实时抠像方法、装置、设备及存储介质
CN202010295321.4A Active CN111491149B (zh) 2020-04-15 2020-04-15 基于高清视频的实时抠像方法、装置、设备及存储介质

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN202111133726.9A Pending CN113923431A (zh) 2020-04-15 2020-04-15 基于高清视频的实时抠像方法、装置、设备及存储介质
CN202010295321.4A Active CN111491149B (zh) 2020-04-15 2020-04-15 基于高清视频的实时抠像方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (3) CN113923430A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023246311A1 (zh) * 2022-06-24 2023-12-28 京东方科技集团股份有限公司 图像色彩处理装置、方法及系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112991366B (zh) * 2021-02-18 2024-05-03 广州光锥元信息科技有限公司 对图像进行实时色度抠图的方法、装置及移动端
CN113537139A (zh) * 2021-08-03 2021-10-22 山西长河科技股份有限公司 一种人脸检测定位方法及装置
CN116048323B (zh) * 2022-05-27 2023-11-24 荣耀终端有限公司 图像处理方法及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050212820A1 (en) * 2004-03-26 2005-09-29 Ross Video Limited Method, system, and device for automatic determination of nominal backing color and a range thereof
KR20100072846A (ko) * 2008-12-22 2010-07-01 한국전자통신연구원 영상 분할 장치 및 방법
US8175384B1 (en) * 2008-03-17 2012-05-08 Adobe Systems Incorporated Method and apparatus for discriminative alpha matting
CA2780710A1 (en) * 2012-06-11 2013-12-11 Minglun Gong Video segmentation method
CN103581571A (zh) * 2013-11-22 2014-02-12 北京中科大洋科技发展股份有限公司 一种基于色彩三要素的视频抠像方法
CN103714539A (zh) * 2013-12-21 2014-04-09 浙江传媒学院 数字抠像处理中基于svm的交互式区域划分方法
CN104063865A (zh) * 2014-06-27 2014-09-24 小米科技有限责任公司 分类模型创建方法、图像分割方法及相关装置
CN106097366A (zh) * 2016-03-24 2016-11-09 南京航空航天大学 一种基于改进的Codebook前景检测的图像处理方法
CN106504264A (zh) * 2016-10-27 2017-03-15 锐捷网络股份有限公司 视频前景图像提取方法和装置
CN110047034A (zh) * 2019-03-27 2019-07-23 北京大生在线科技有限公司 在线教育场景下的抠图换背景方法、客户端及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9908831D0 (en) * 1999-04-19 1999-06-16 Orad Hi Tech Systems Limited Method and apparatus for creating artifical reflection
CN1564198A (zh) * 2004-04-13 2005-01-12 浙江大学 基于感知颜色空间的自然图像抠图方法
CN101764909B (zh) * 2008-12-08 2012-11-14 新奥特（北京）视频技术有限公司 一种确定图像中像素键值的方法
US20130329987A1 (en) * 2012-06-11 2013-12-12 Genesis Group Inc. Video segmentation method
CN103474009B (zh) * 2013-09-22 2015-10-28 深圳市优一城商业管理有限公司 智慧媒体系统及交互方法
CN104200470B (zh) * 2014-08-29 2017-02-08 电子科技大学 一种蓝屏抠图方法
CN107087123B (zh) * 2017-04-26 2020-04-21 杭州奥点科技股份有限公司 一种基于云端处理的实时高清抠像方法
CN109544568A (zh) * 2018-11-30 2019-03-29 长沙理工大学 目标图像分割方法、装置及设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050212820A1 (en) * 2004-03-26 2005-09-29 Ross Video Limited Method, system, and device for automatic determination of nominal backing color and a range thereof
US8175384B1 (en) * 2008-03-17 2012-05-08 Adobe Systems Incorporated Method and apparatus for discriminative alpha matting
KR20100072846A (ko) * 2008-12-22 2010-07-01 한국전자통신연구원 영상 분할 장치 및 방법
CA2780710A1 (en) * 2012-06-11 2013-12-11 Minglun Gong Video segmentation method
CN103581571A (zh) * 2013-11-22 2014-02-12 北京中科大洋科技发展股份有限公司 一种基于色彩三要素的视频抠像方法
CN103714539A (zh) * 2013-12-21 2014-04-09 浙江传媒学院 数字抠像处理中基于svm的交互式区域划分方法
CN104063865A (zh) * 2014-06-27 2014-09-24 小米科技有限责任公司 分类模型创建方法、图像分割方法及相关装置
CN106097366A (zh) * 2016-03-24 2016-11-09 南京航空航天大学 一种基于改进的Codebook前景检测的图像处理方法
CN106504264A (zh) * 2016-10-27 2017-03-15 锐捷网络股份有限公司 视频前景图像提取方法和装置
CN110047034A (zh) * 2019-03-27 2019-07-23 北京大生在线科技有限公司 在线教育场景下的抠图换背景方法、客户端及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHANG等: "Learning based alpha matting using support vector regression", 19TH IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING *
向娅玲等: "一种改进的基于 KNN 颜色线性模型抠图算法", 电视技术, vol. 39, no. 12 *
聂栋栋等: "改进的 KNN 抠图技术", 小型微型计算机系统, no. 6 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023246311A1 (zh) * 2022-06-24 2023-12-28 京东方科技集团股份有限公司 图像色彩处理装置、方法及系统

Also Published As

Publication number Publication date
CN111491149B (zh) 2022-03-08
CN111491149A (zh) 2020-08-04
CN113923431A (zh) 2022-01-11

Similar Documents

Publication Publication Date Title
CN111491149B (zh) 基于高清视频的实时抠像方法、装置、设备及存储介质
CN107516319B (zh) 一种高精度简易交互式抠图方法、存储设备及终端
CN106210501B (zh) 图像合成方法与图像处理装置
Van De Weijer et al. Edge-based color constancy
US20050244053A1 (en) Specifying flesh area on image
CN110352592B (zh) 成像设备和成像方法
US20120287286A1 (en) Image processing device, image processing method, and program
CN105141841B (zh) 摄像设备及其方法
KR20030021252A (ko) 컬러 분포에 기초한 오브젝트 추적
CN112601063A (zh) 一种混合色温白平衡方法
CN114881899B (zh) 一种用于可见光与红外图像对的快速保色融合方法及装置
CN116485979A (zh) 映射关系计算方法、颜色校准方法及电子设备
TWI649724B (zh) 確定圖像的光源和對圖像進行色覺適配的方法及設備
JP7374582B2 (ja) 画像処理装置、画像生成方法およびプログラム
CN114331835A (zh) 一种基于最优映射矩阵的全景图像拼接方法及装置
CN111681271B (zh) 一种多通道多光谱相机配准方法、系统及介质
US8509529B2 (en) Color-image representative color decision apparatus and method of controlling operation thereof
CN112435173A (zh) 一种图像处理和直播方法、装置、设备和存储介质
CN114390266B (zh) 一种图像白平衡处理方法、设备及计算机可读存储介质
CN116309224A (zh) 图像融合方法、装置、终端及计算机可读存储介质
CN116092423A (zh) 一种显示面板色彩校正方法及装置
KR102389284B1 (ko) 인공지능 기반 이미지 인페인팅 방법 및 디바이스
CN113824894A (zh) 曝光控制方法、装置、设备及存储介质
EP3407297B1 (en) Method and device for determining a characteristic of a display device
CN113762058A (zh) 一种视频合成方法、装置、计算机设备和存储介质

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