CN114677393A - 深度图像处理方法、装置、摄像设备、会议系统及介质 - Google Patents

深度图像处理方法、装置、摄像设备、会议系统及介质 Download PDF

Info

Publication number
CN114677393A
CN114677393A CN202210585803.2A CN202210585803A CN114677393A CN 114677393 A CN114677393 A CN 114677393A CN 202210585803 A CN202210585803 A CN 202210585803A CN 114677393 A CN114677393 A CN 114677393A
Authority
CN
China
Prior art keywords
image
point
foreground
pixel point
chroma
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210585803.2A
Other languages
English (en)
Other versions
CN114677393B (zh
Inventor
陈瑾
秦禹康
张勇
赵荣杰
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.)
Zhuhai Shixi Technology Co Ltd
Original Assignee
Zhuhai Shixi 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 Zhuhai Shixi Technology Co Ltd filed Critical Zhuhai Shixi Technology Co Ltd
Priority to CN202210585803.2A priority Critical patent/CN114677393B/zh
Publication of CN114677393A publication Critical patent/CN114677393A/zh
Application granted granted Critical
Publication of CN114677393B publication Critical patent/CN114677393B/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
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • 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)
  • Image Processing (AREA)

Abstract

本申请公开了一种深度图像处理方法、装置、摄像设备、会议系统及介质,用于对图像进行抠图,提高抠图的精细度。本申请方法包括:获取深度图像,并对深度图像进行初步处理,得到二值化图像,二值化图像包含有前景点区域以及后景点区域;对二值化图像进行腐蚀膨胀,得到初始三色灰度图,初始三色灰度图包含有三种不同灰度数值的前景点区域、后景点区域以及未知区域;获取与深度图像对应的彩度图,并根据彩度图中的彩度对初始三色灰度图中的未知区域进行调整;结合经过调整后的初始三色灰度图、彩度图以及深度图确定未知区域中各个像素点的前后景属性,从而根据前后景属性进行抠图处理,前景点属性表示像素点属于前景点或者后景点。

Description

深度图像处理方法、装置、摄像设备、会议系统及介质
技术领域
本申请涉及图像处理技术领域,尤其涉及一种深度图像处理方法、装置、摄像设备、会议系统及介质。
背景技术
在图像处理领域,抠图处理场景应用越来越多,抠图算法的发展也越来越迅速。抠图是把图片或影像的某一部分从原始图片或影像中分离出来成为单独的图层,方法有套索工具、选框工具、橡皮擦工具等直接选择、快速蒙版、钢笔勾画路径后转选区、抽出滤镜、外挂滤镜抽出、通道、计算、应用图像法等。
深度图像(Depth Images),也被称为距离影像(Range Images),是指将图像采集器采集到的场景中各点的距离(深度)值作为像素值的图像,它直接反映了景物可见表面的几何形状,利用它可以很方便地解决3D目标描述中的许多问题。
现有技术中,在对深度图像进行抠图时,由于深度图是根据激光反射来判断出距离大小,因此难以识别出暗色的物体,例如,若直接把深度图应用到抠图算法中来,暗色物体区域识别和处理效果不佳,会造成抠图不完全的情况。
发明内容
为了解决上述技术问题,本申请第一方面提供了一种深度图像处理方法,所述方法包括:
获取深度图像,并对所述深度图像进行初步处理,得到二值化图像,所述二值化图像包含有前景点区域以及后景点区域;
对所述二值化图像进行腐蚀膨胀,得到初始三色灰度图,所述初始三色灰度图包含有三种不同灰度数值的前景点区域、后景点区域以及未知区域;
获取与所述深度图像对应的彩度图,并根据所述彩度图中像素点之间的彩度关系以及空间距离关系对所述初始三色灰度图中的所述未知区域进行调整;;
结合经过调整后的初始三色灰度图、所述彩度图以及所述深度图确定所述未知区域中各个像素点的前后景属性,从而根据所述前后景属性进行抠图处理,所述前景点属性表示像素点属于前景点或者后景点。
可选的,所述对所述深度图像进行初步处理,得到二值化图像包括:
根据所述深度图像进行初始二值化处理,将深度值在预先设定的深度值范围内的像素点确定为前景点,在预先设定的深度值范围外的像素点确定为后景点,得到二值化图像。
可选的,所述对所述深度图像进行初步处理,得到二值化图像包括:
对所述深度图像进行初始二值化处理,得到初始二值化图像;
获取与所述深度图像对应的彩度图像,并在所述彩度图像中确定预先选定的种子点集合,所述种子点集合包含有多个已经确定前后景属性的像素点;
结合所述彩度图像,以所述种子点集合为基础,在所述初始二值化图像中进行区域生长,得到二值化图像。
可选的,所述结合所述彩度图像,以所述种子点集合为基础,在所述初始二值化图像中进行区域生长,得到二值化图像包括:
以单个种子点为基础,判断所述种子点对应的四领域的像素点是否满足预设的生长规则;
若满足,则将所述种子点从所述种子点集合中剔除,并将对应的像素点的前后景属性设为与所述种子点一致,且将对应的像素点纳入所述种子点集合中;
若不满足,则将所述种子点从所述种子点集合中剔除;
通过上述步骤遍历所述初始二值化图像,直至所述种子点集合为空。
可选的,所述生长规则为:
像素点与种子点的深度差值小于预设的第一阈值;
或;
所述像素点的彩度值的和小于预设的第二阈值;
或;
所述像素点的深度值为0,且像素点与种子点的彩度值差值的二范数小于预设的第三阈值。
可选的,所述获取与所述深度图像对应的彩度图,并根据所述彩度图中像素点之间的彩度关系以及空间距离关系对所述初始三色灰度图中的所述未知区域进行调整;包括:
根据获取到的深度图像对应的彩度图,在所述初始三色灰度图中确定出与目标像素点的彩度关系以及空间距离关系满足第一预设条件的像素点集合;
根据所述空间距离关系在所述像素点集合中确定参考像素点,并将所述目标像素点的灰度值调整为与所述参考像素点一致,从而使得所述目标像素点的前后景属性与所述参考像素点一致;
通过上述步骤遍历所述未知区域各个像素点,从而对所述位置区域进行调整。
可选的,所述第一预设条件为:
像素点与所述目标像素点的彩度差值小于第三阈值且像素点与所述目标像素点的空间距离差值小于第四阈值;
所述根据所述空间距离关系在所述像素点集合中确定参考像素点包括:
将所述像素点集合中,与所述目标像素点的空间距离差值最小的像素点确定为参考像素点。
可选的,若在所述像素点集合中,具有至少2个与所述目标像素点的空间距离差值最小的像素点,则保持所述目标像素点的灰度值。
可选的,所述结合经过调整后的初始三色灰度图、所述彩度图以及所述深度图确定所述未知区域中各个像素点的前后景属性,从而根据所述前后景属性进行抠图处理,所述前景点属性表示像素点属于前景点或者后景点包括:
在经过调整后的初始三色灰度图中确定N个与目标像素点的空间距离最近的前景点以及后景点,从而得到前景点集合以及后景点集合,所述N为大于1的整数,所述目标像素点为经过调整后的初始三色灰度图中未知区域的像素点;
在所述前景点集合或者所述后景点集合中随机选取一个原始像素点,并将所述原始像素点的权重初始化为1;
计算所述原始像素点与对应的集合中的其它像素点的空间距离差值;
并根据所计算得到的空间距离差值对所述原始像素点的权重进行更新;
通过上述步骤遍历所述前景点集合以及所述后景点集合,从而得到更新后的前景点集合以及更新后的后景点集合;
通过更新后的前景点集合以及更新后的后景点集合计算所述未知区域中所有像素点的alpha值;
根据所述alpha值确定所述未知区域中对应的像素点的前后景属性。
本申请第二方面提供了一种深度图像处理装置,所述装置包括:
第一处理单元,用于获取深度图像,并对所述深度图像进行初步处理,得到二值化图像,所述二值化图像包含有前景点区域以及后景点区域;
腐蚀膨胀单元,用于对所述二值化图像进行腐蚀膨胀,得到初始三色灰度图,所述初始三色灰度图包含有三种不同灰度数值的前景点区域、后景点区域以及未知区域;
第二处理单元,用于获取与所述深度图像对应的彩度图,并根据所述彩度图中像素点之间的彩度关系以及空间距离关系对所述初始三色灰度图中的所述未知区域进行调整;;
确定单元,用于结合经过调整后的初始三色灰度图、所述彩度图以及所述深度图确定所述未知区域中各个像素点的前后景属性,从而根据所述前后景属性进行抠图处理,所述前景点属性表示像素点属于前景点或者后景点;
本申请第三方面提供了一种摄像设备,所述摄像设备上保存有程序,所述程序在所述摄像设备上执行时执行如第一方面以及第一方面任一可选的所述方法。
本申请第四方面提供了一种视频会议系统,所述视频会议系统包括摄像设备和显示设备,所述摄像设备与所述显示设备通信连接,所述摄像设备或者所述显示设备上保存有程序,所述程序在所述摄像设备或者所述显示设备上执行时执行如第一方面以及第一方面任一可选的所述方法。
本申请第五方面提供了一种深度图像处理装置,所述装置包括:
处理器、存储器、输入输出单元以及总线;
所述处理器与所述存储器、所述输入输出单元以及所述总线相连;
所述存储器保存有程序,所述处理器调用所述程序以执行第一方面以及第一方面中任一项可选的所述方法。
本申请第六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上保存有程序,所述程序在计算机上执行时执行第一方面以及第一方面中任一项可选的所述方法。
从以上技术方案可以看出,本申请具有以下优点:
本申请提供的深度图像处理方法中,首先对需要抠图的深度图像进行初步处理的到二值化图像,二值化图像中包含有前景点区域以及后景点区域,再通过对二值化图像进行腐蚀膨胀得到初始三色灰度图,该初始三色灰度图中包含有三种不同灰度数值的前景点区域、后景点区域以及未知区域,进而通过结合彩度图来对初始三色灰度图中的未知区域进行调整,从而能够结合彩度图中像素之间的亲和力来缩小未知区域的大小,这有利于抠图的准确性,最后结合经过调整后的初始三色灰度图、所述彩度图以及所述深度图确定所述未知区域中各个像素点的前后景属性,从而根据所述前后景属性进行抠图处理,调整后的初始三色灰度图由于结合了彩度图这种像素之间的亲和力进行调整,能够作为比较良好的样本为后续的抠图操作提供基础,也使得未知区域内一部分因为深度信息缺失的像素点的信息被填补,另外,在确定未知区域的前后景属性时,还结合了深度图像以及彩度图,因此能够补全因为深度信息缺失的部分的信息,从而使得最终抠图的完整性和准确性极大的被提升。
附图说明
为了更清楚地说明本申请中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请中深度图像处理方法的一个实施例流程示意图;
图2为本申请中二值化图像示意图;
图3为本申请中初始三色灰度图示意图;
图4为本申请中计算alpha值的一个实施例子流程示意图;
图5为本申请中深度图像处理方法的一个实施例流程示意图;
图6为本申请中深度图像处理方法的效果对比示意图;
图7为本申请中深度图像处理装置的一个实施例结构示意图;
图8为本申请中深度图像处理装置的另一个实施例结构示意图。
具体实施方式
本申请提供了一种深度图像处理方法、装置、摄像设备、会议系统及介质,本申请提供的方法可以应用于各类设备上,例如可以应用于终端也可以应用于系统,可以应用于服务器上,例如终端可以是智能手机或电脑、平板电脑、智能电视、智能手表、便携计算机终端也可以是台式计算机等固定终端。
所述方法还可以应用于各类摄像设备上,即摄像设备上保存有程序,程序在执行时执行所述方法。所述方法还可以应用于各类视频会议系统,该视频会议系统包括摄像设备和显示设备,程序可以集成于摄像设备上,也可以集成于显示设备上,视频会议系统在运行时执行上述程序,程序在执行时执行本申请方法。
为方便阐述,本申请中以终端为执行主体进行举例说明。
本申请利用深度图和彩色图像进行抠图,也即区分出前景点,后景点。由于深度图是根据激光反射来判断出距离大小,此时黑色的(如头发),便无法在深度图上反应出来,则如果直接利用深度图进行抠图,效果较差。
而本申请方法结合深度图以及彩度图进行抠图,在抠图时能够结合彩度图来填补深度信息缺失的部分,通过将深度图纳入区域生长的阈值判定,进而将头发包含到前景点的区域中,得到较好的抠图效果,例如人体的头发部分,从而获得较为精细的抠图结果。下面通过具体实施例对本申请方法进行详细说明。
请参阅图1,图1为本申请提供的深度图像处理方法一个实施例流程示意图,该方法包括:
101、获取深度图像,并对所述深度图像进行初步处理,得到二值化图像,所述二值化图像包含有前景点区域以及后景点区域;
首先获取用于抠图的深度图像,对该深度图像进行初步处理得到二值化图像,该二值化图像包含有前景点区域以及后景点区域,其中通过不同的数值(例如0和1)进行表示。具体的过程可以是通过设定一定的深度值范围来进行深度截断或者通过结合对应彩度图来进行区域生长来获得二值化图像。即该步骤中,通过初步的处理来粗略确定图像中的前景点以及后景点。具体的,请参阅图2,图2为二值化图像示意图。
102、对所述二值化图像进行腐蚀膨胀,得到初始三色灰度图,所述初始三色灰度图包含有三种不同灰度数值的前景点区域、后景点区域以及未知区域;
在步骤101中得到二值化图像后,对该二值化图像进行腐蚀膨胀,得到初始三色灰度图,初始三色灰度图即包含有三种不同灰度数值的区域,分别是前景点区域、后景点区域以及未知区域,其中通过不同的灰度数值来进行表示,例如后景点的灰度表示为0,未知区域中的点的灰度表示为128,前景点的灰度表示为255;在腐蚀时,对前景点区域进行腐蚀,进而缩小前景点区域,对后景点部分也进行腐蚀,进而缩小后景点区域,将被腐蚀部分划定为未知区域,像素值赋值为128,其中被腐蚀区域包含了边界的大部分信息。
具体的,请参阅图3,图3为初始三色灰度图的示意图,其中包含有不同灰度值的前景点区域、未知区域以及后景点区域,其中黑色为后景点区域,中性灰为未知区域,白色为前景点区域。
103、获取与所述深度图像对应的彩度图,并根据所述彩度图中像素点之间的彩度关系以及空间距离关系对所述初始三色灰度图中的所述未知区域进行调整;;
在步骤102中已经获得包含有未知区域的初始三色灰度图,由于腐蚀操作使得未知区域的范围扩大,此时利用相邻像素的亲和力来减小未知区域的大小,具体方式的结合对应的彩度图来进行调整,其中一个调整的实施例可以是:根据获取到的深度图像对应的彩度图,在所述初始三色灰度图中确定出与目标像素点的彩度关系以及空间距离关系满足第一预设条件的像素点集合;根据所述空间距离关系在所述像素点集合中确定参考像素点,并将所述目标像素点的灰度值调整为与所述参考像素点一致,从而使得所述目标像素点的前后景属性与所述参考像素点一致;通过上述步骤遍历所述未知区域各个像素点,从而对所述位置区域进行调整。其中,第一预设条件可以是像素点与所述目标像素点的彩度差值小于第三阈值且像素点与所述目标像素点的空间距离差值小于第四阈值;所述根据所述空间距离关系在所述像素点集合中确定参考像素点包括:将所述像素点集合中,与所述目标像素点的空间距离差值最小的像素点确定为参考像素点。
下面通过一个例子进行进一步描述:
在未知区域中选取一个目标像素点(x,y),在初始三色灰度图中找出前景点以及后景点中与像素点(x,y)的彩度差值小于第三阈值,空间距离差值小于第四阈值的前景点集合以及后景点集合,统称为像素点集合。
在像素点集合中找出空间距离差值最小的点(x1,y1),该点即为参考像素点,如果该参考像素点属于前景点,则对应像素点(x,y)位置的三色图的值赋为255,如若该参考像素点属于后景点,则赋值为0,在另一种情况中,如果有多个空间距离差值最小的点,则对应位置的三色图的值不变。
104、结合经过调整后的初始三色灰度图、所述彩度图以及所述深度图确定所述未知区域中各个像素点的前后景属性,从而根据所述前后景属性进行抠图处理,所述前景点属性表示像素点属于前景点或者后景点。
在步骤103中,对初始三色灰度图进行了一定的调整,本步骤中利用调整后的初始三色灰度图作为抠图的基础,有利于获得更加精细的抠图结果。在进行抠图时,先结合经过调整后的初始三色灰度图、彩度图以及深度图,确定未知区域中各个像素点的前后景属性,前后景属性即表示对应的像素点属于前景点还是属于后景点,而该前后景属性可以通过计算该像素点对应的alpha值来进行确定,计算alpha值的具体方式可以有多种,例如请参阅图4,可以通过下述方式进行计算:
1041、在经过调整后的初始三色灰度图中确定N个与目标像素点的空间距离最近的前景点以及后景点,从而得到前景点集合以及后景点集合,所述N为大于1的整数,所述目标像素点为经过调整后的初始三色灰度图中未知区域的像素点;
在初始三色灰度图中选取一个目标像素点(x,y),确定出于该点(x,y)空间距离最近的N个前景点以及后景点,得到前景点集合以及后景点集合。
1042、在所述前景点集合或者所述后景点集合中随机选取一个原始像素点,并将所述原始像素点的权重初始化为1;
1043、计算所述原始像素点与对应的集合中的其它像素点的空间距离差值,并根据所计算得到的空间距离差值对所述原始像素点的权重进行更新;
分别对前景点以及后景点进行分类合并,以前景点为例,在前景点集合中随机选取一个原始像素点,并将原始像素点的权重初始化为1,该权重表示该原始像素点在前景点集合中的地位,根据彩度图,计算该前景点集合中的其它像素点(x1,y1)与该原始像素点的空间距离差值,如果该空间距离差值小于预设的阈值,则可以从前景点集合中删除对应的其它像素点(x1,y1),并且将原始像素点更新为:
Figure 449775DEST_PATH_IMAGE001
其中,
Figure 801122DEST_PATH_IMAGE002
表示目标像素点(x,y)在前景点集合中的权重,
Figure 747081DEST_PATH_IMAGE003
表示点(x1,y1)在前景点集合中的权重。
并将目标像素点对应的权重更新为:
Figure 158471DEST_PATH_IMAGE004
1044、通过上述步骤遍历所述前景点集合以及所述后景点集合,从而得到更新后的前景点集合以及更新后的后景点集合;
1045、通过更新后的前景点集合以及更新后的后景点集合计算所述未知区域中所有像素点的alpha值。
遍历前景点集合以及后景点集合中的所有像素点,从而获得更新后的前景点集合以及更新后的后景点集合,再进一步利用更新后的集合计算alpha值,能够提升样本的准确性,从而提高最终alpha值计算结果的准确性。
具体的,alpha值可以通过下述方式进行计算:
确定更新后的前景点集合对应的RGB值集合{F i },更新后的后景点集合对应的RGB值集合{B i },求出:
最小化色彩失真度
Figure 940614DEST_PATH_IMAGE005
再由小局部窗口中像素的所有颜色大致位于由真实前景和背景色F和B构成的颜色空间中的直线上这一限制,求出:
最小化区域色彩失真度
Figure 830072DEST_PATH_IMAGE006
其中:
Figure 364959DEST_PATH_IMAGE007
进而通过下述式子计算alpha值:
Figure 822616DEST_PATH_IMAGE008
其中I表示原始像素点的RGB值,
Figure 216688DEST_PATH_IMAGE009
为以(x,y)为中心,3*3领域中所有像素点的构成,在实际中也可以是其它的领域,例如8领域或者4领域。
进一步的,在另一种实施例方式中,为了将图像空间的统计信息考虑进去,可以包括如下步骤:
(1)定义从当前像素点到前后景点的能量:
Figure 34472DEST_PATH_IMAGE010
进而估算出像素点(x,y)属于前景点的概率
Figure 564810DEST_PATH_IMAGE011
,从而求出:
Figure 193369DEST_PATH_IMAGE012
Figure 74737DEST_PATH_IMAGE012
越小,则表示样本对越好,求出的alpha值越准确,最终抠图结果越精细。
具体的,通过如下式子进行计算:
Figure 696211DEST_PATH_IMAGE013
Figure 346635DEST_PATH_IMAGE014
表示图像空间距离,
Figure 871727DEST_PATH_IMAGE015
表示对RGB值求梯度;
Figure 974812DEST_PATH_IMAGE016
(2)构造结果目标函数
Figure 134398DEST_PATH_IMAGE017
,选取使结果目标函数最小的前景点和后景点
Figure 904908DEST_PATH_IMAGE018
,其中
Figure 609690DEST_PATH_IMAGE017
结合了能量和空间亲和力,以及用于选择良好背景和前景样本对的概率信息,可以表示为:
Figure 465650DEST_PATH_IMAGE019
其中,
Figure 428927DEST_PATH_IMAGE020
表示前景点
Figure 585102DEST_PATH_IMAGE021
对应位置到(x,y)的空间距离,
Figure 850998DEST_PATH_IMAGE022
同理,
Figure 538463DEST_PATH_IMAGE023
表示相应的权重;
(3)对前面所选取的最好的前后景点
Figure 180797DEST_PATH_IMAGE024
,求得对应的未知区域的像素点的alpha值:
Figure 784953DEST_PATH_IMAGE025
在另一个可能的实施例中,尽管样本选择过程考虑了局部像素组之间的亲和力,但依然有可能生成的蒙版中出现不连续性,此时需要使用额外的步骤来确保最终alpha值的局部平滑度,同时保持其独特的特征,具体步骤如下所示:
(4)以(x,y)为中心点,划定相对应的领域
Figure 221751DEST_PATH_IMAGE009
,其中对于领域属于未知区域的点(x1,y1)进行权重计算,分别包括空间距离权重
Figure 662091DEST_PATH_IMAGE026
、深度距离权重
Figure 639274DEST_PATH_IMAGE027
以及彩色距离权重
Figure 973303DEST_PATH_IMAGE028
,具体的,
通过如下式子进行计算:
Figure 705636DEST_PATH_IMAGE029
其中,
Figure 492326DEST_PATH_IMAGE030
代表(x,y)位置的深度,
Figure 7621DEST_PATH_IMAGE031
表示像素点(x,y)的RGB值,
Figure 334173DEST_PATH_IMAGE032
分别用于调整空间距离,深度距离和彩度距离的权重。
(5)计算出对应的适应度值
Figure 847194DEST_PATH_IMAGE033
,计算公式如下:
Figure 511393DEST_PATH_IMAGE034
(6)计算出加权平均后的alpha值:
Figure 830379DEST_PATH_IMAGE035
在计算得到alpha值之后,此时对于每个像素点而言,如果alpha值大于0.5,则设为前景点,对应二值图的像素位置赋值1,否则设定为后景点,对二值化图像对应像素位置赋值0,那么在进行抠图时,将彩度图每一个位置(x,y)的彩度值(R,G,B)与二值化图像相对应像素位置的值相乘,则此时如果是前景点,则抠图结果图与原彩度图保持一致,如果是后景点部分,则抠图结果图相对应像素位置的彩度值为(0,0,0),通过上述方式遍历整个图像,完成抠图。
本申请提供的深度图像处理方法中,首先对需要抠图的深度图像进行初步处理得到二值化图像,二值化图像中包含有前景点区域以及后景点区域,再通过对二值化图像进行腐蚀膨胀得到初始三色灰度图,该初始三色灰度图中包含有三种不同灰度数值的前景点区域、后景点区域以及未知区域,进而通过结合彩度图来对初始三色灰度图中的未知区域进行调整,从而能够结合彩度图中像素之间的亲和力来缩小未知区域的大小,这有利于抠图的准确性,最后结合经过调整后的初始三色灰度图、所述彩度图以及所述深度图确定所述未知区域中各个像素点的前后景属性,从而根据所述前后景属性进行抠图处理,调整后的初始三色灰度图由于结合了彩度图这种像素之间的亲和力进行调整,能够作为比较良好的样本为后续的抠图操作提供基础,也使得未知区域内一部分因为深度信息缺失的像素点的信息被填补,另外,在确定未知区域的前后景属性时,还结合了深度图像以及彩度图,因此能够补全因为深度信息缺失的部分的信息,从而使得最终抠图的完整性和准确性极大的被提升。
本申请提供的方法中,通过对深度图像进行初步处理,从而得到二值化图像,该步骤主要用于初步确定图像中的前景点和后景点,具体的可以有多种方式,例如一种方式为先对深度图像进行初始二值化处理,设定一个深度值范围,将深度值在该深度值范围内的像素点确定为前景点,在该深度值范围外的点确定为后景点,从而得到二值化图像。
在另一种方式中,可以通过结合彩度图进行区域生长从而获得二值化图像,下面将对该实施例方式进行详细说明:
请参阅图5,该实施例方法包括:
301、获取深度图像,并对所述深度图像进行初始二值化处理,得到初始化二值图像;
获取用于抠图的深度图像,先对该深度图像进行初始的二值化处理,其中包括将图像的每个像素点颜色初始化为0。
302、获取与所述深度图像对应的彩度图像,并在所述彩度图像中确定预先选定的种子点集合,所述种子点集合包含有多个已经确定前后景属性的像素点;
获取对应的彩度图,并在彩度图中选定几个像素点,作为种子点集合,可以人为来选定几个已经确定好前后景属性的像素点,例如人为选取前景点的m个初始的像素点,其中m是人为选取的种子点个数,形成种子点集合,,由于这几个位置的点已经被确定为前景点,因此把二值化图像中的对应像素位置的点的颜色值设定为1。
303、结合所述彩度图像,以所述种子点集合为基础,在所述初始二值化图像中进行区域生长,得到二值化图像;
以上述步骤302中的种子点集合为基础,在初始二值化图像中进行区域生长,其区域生长的具体方式可以是以单个种子点为基础,判断所述种子点对应的四领域的像素点是否满足预设的生长规则,其中,四领域为该种子点上、下、左以及右四个方向相邻的像素点区域。预设的生长规则可以为:
(1)像素点与种子点的深度差值小于预设的第一阈值;
或;
�2)所述像素点的彩度值的和小于预设的第二阈值;
或;
�3)所述像素点的深度值为0,且像素点与种子点的彩度值差值的二范数小于预设的第三阈值。
如果四领域内有像素点满足上述生长规则,则将所述种子点从所述种子点集合中剔除,并将对应的满足上述生长规则的像素点的前后景属性设为与所述种子点一致,且,将该像素点纳入种子点集合中,例如四领域内的有一个像素点满足上述生长规则,该种子点为前景点,那么该满足上述生长规则的像素点设为前景点,且将该像素点纳入种子点集合中;
如果四领域内的像素点不满足上述生长规则,则将所述种子点从所述种子点集合中剔除;
通过上述步骤遍历所述初始二值化图像,直至所有的种子点都被消耗完,即种子点集合为空。
本实施例中,通过结合彩度图来进行区域生长,能够根据像素之间的亲和力来自动确定前景点以及后景点,从而获得二值化图像,进行了区域生长的改进,在实际中,使得其可以将头发纳入为前景点中,得到的抠图效果较好。通过设定生长规则,能够充分结合彩度距离以及空间距离来进行区域生长,提高最终所获得的二值化图像的准确性,能够提升用于计算alpha值样本的优良性。
304、对所述二值化图像进行腐蚀膨胀,得到初始三色灰度图,所述初始三色灰度图包含有三种不同灰度数值的前景点区域、后景点区域以及未知区域;
对该二值化图像进行腐蚀膨胀,得到初始三色灰度图,初始三色灰度图即包含有三种不同灰度数值的区域,分别是前景点区域、后景点区域以及未知区域,其中通过不同的灰度数值来进行表示,例如后景点的灰度表示为0,未知区域中的点的灰度表示为128,前景点的灰度表示为255;在腐蚀时,对前景点区域进行腐蚀,进而缩小前景点区域,对后景点部分也进行腐蚀,进而缩小后景点区域,将被腐蚀部分划定为未知区域,像素值赋值为128,其中被腐蚀区域包含了边界的大部分信息。
305、获取与所述深度图像对应的彩度图,并根据所述彩度图中像素点之间的彩度关系以及空间距离关系对所述初始三色灰度图中的所述未知区域进行调整;;
在步骤304中已经获得包含有未知区域的初始三色灰度图,由于腐蚀操作使得未知区域的范围扩大,此时利用相邻像素的亲和力来减小未知区域的大小,具体方式的结合对应的彩度图来进行调整,其中一个调整的实施例可以是:根据获取到的深度图像对应的彩度图,在所述初始三色灰度图中确定出与目标像素点的彩度关系以及空间距离关系满足第一预设条件的像素点集合;根据所述空间距离关系在所述像素点集合中确定参考像素点,并将所述目标像素点的灰度值调整为与所述参考像素点一致,从而使得所述目标像素点的前后景属性与所述参考像素点一致;通过上述步骤遍历所述未知区域各个像素点,从而对所述未知区域进行调整。其中,第一预设条件可以是像素点与所述目标像素点的彩度差值小于第三阈值且像素点与所述目标像素点的空间距离差值小于第四阈值;所述根据所述空间距离关系在所述像素点集合中确定参考像素点包括:将所述像素点集合中,与所述目标像素点的空间距离差值最小的像素点确定为参考像素点。
下面通过一个例子进行进一步描述:
在未知区域中选取一个目标像素点(x,y),在初始三色灰度图中找出前景点以及后景点中与像素点(x,y)的彩度差值小于第三阈值,空间距离差值小于第四阈值的前景点集合以及后景点集合,统称为像素点集合。
在像素点集合中找出空间距离差值最小的点(x1,y1),该点即为参考像素点,如果该参考像素点属于前景点,则对应像素点�(x,y)位置的三色图的值赋为255,如若该参考像素点属于后景点,则赋值为0,在另一种情况中,如果有多个空间距离差值最小的点,则对应位置的三色图的值不变。
306、结合经过调整后的初始三色灰度图、所述彩度图以及所述深度图确定所述未知区域中各个像素点的前后景属性,从而根据所述前后景属性进行抠图处理,所述前后景属性表示像素点属于前景点或者后景点。
本实施例中步骤306与前述实施例中步骤104类似,其计算alpha值的方式可以与步骤104中类似。
请参阅图6,图6为本申请提供的深度图像处理方法应用于抠图处理的效果与现有技术中抠图算法的效果对比图。
请参阅图7,本申请还提供了一种深度图像处理装置,该装置包括:
第一处理单元401,用于获取深度图像,并对所述深度图像进行初步处理,得到二值化图像,所述二值化图像包含有前景点区域以及后景点区域;
腐蚀膨胀单元402,用于对所述二值化图像进行腐蚀膨胀,得到初始三色灰度图,所述初始三色灰度图包含有三种不同灰度数值的前景点区域、后景点区域以及未知区域;
第二处理单元403,用于获取与所述深度图像对应的彩度图,并根据所述彩度图中像素点之间的彩度关系以及空间距离关系对所述初始三色灰度图中的所述未知区域进行调整;;
确定单元404,用于结合经过调整后的初始三色灰度图、所述彩度图以及所述深度图确定所述未知区域中各个像素点的前后景属性,从而根据所述前后景属性进行抠图处理,所述前景点属性表示像素点属于前景点或者后景点。
可选的,第一处理单元401据具体用于:
根据所述深度图像进行初始二值化处理,将深度值在预先设定的深度值范围内的像素点确定为前景点,在预先设定的深度值范围外的像素点确定为后景点,得到二值化图像。
可选的,第一处理单元401据具体用于:
对所述深度图像进行初始二值化处理,得到初始化二值图像;
获取与所述深度图像对应的彩度图像,并在所述彩度图像中确定预先选定的种子点集合,所述种子点集合包含有多个已经确定前后景属性的像素点;
结合所述彩度图像,以所述种子点集合为基础,在所述初始二值化图像中进行区域生长,得到二值化图像。
可选的,第一处理单元401据具体用于:
以单个种子点为基础,判断所述种子点对应的四领域的像素点是否满足预设的生长规则;
若满足,则将所述种子点从所述种子点集合中剔除,并将对应的像素点的前后景属性设为与所述种子点一致,且将对应的像素点纳入所述种子点集合中;
若不满足,则将所述种子点从所述种子点集合中剔除;
通过上述步骤遍历所述初始二值化图像,直至所述种子点集合为空。
可选的,所述生长规则为:
像素点与种子点的深度差值小于预设的第一阈值;
或;
所述像素点的彩度值的和小于预设的第二阈值;
或;
所述像素点的深度值为0,且像素点与种子点的彩度值差值的二范数小于预设的第三阈值。
可选的,第二处理单元403,具体用于:
根据获取到的深度图像对应的彩度图,在所述初始三色灰度图中确定出与目标像素点的彩度关系以及空间距离关系满足第一预设条件的像素点集合;
根据所述空间距离关系在所述像素点集合中确定参考像素点,并将所述目标像素点的灰度值调整为与所述参考像素点一致,从而使得所述目标像素点的前后景属性与所述参考像素点一致;
通过上述步骤遍历所述未知区域各个像素点,从而对所述位置区域进行调整。
可选的,所述第一预设条件为:
像素点与所述目标像素点的彩度差值小于第三阈值且像素点与所述目标像素点的空间距离差值小于第四阈值;
所述根据所述空间距离关系在所述像素点集合中确定参考像素点包括:
将所述像素点集合中,与所述目标像素点的空间距离差值最小的像素点确定为参考像素点。
可选的,第二处理单元403具体用于:
若在所述像素点集合中,具有至少2个与所述目标像素点的空间距离差值最小的像素点,则保持所述目标像素点的灰度值。
可选的,确定单元404具体用于:
在经过调整后的初始三色灰度图中确定N个与目标像素点的空间距离最近的前景点以及N个后景点,从而得到前景点集合以及后景点集合,所述N为大于1的整数,所述目标像素点为经过调整后的初始三色灰度图中未知区域的像素点;
在所述前景点集合或者所述后景点集合中随机选取一个原始像素点,并将所述原始像素点的权重初始化为1;
计算所述原始像素点与对应的集合中的其它像素点的空间距离差值;
并根据所计算得到的空间距离差值对所述原始像素点的权重进行更新;
通过上述步骤遍历所述前景点集合以及所述后景点集合,从而得到更新后的前景点集合以及更新后的后景点集合;
通过更新后的前景点集合以及更新后的后景点集合计算所述未知区域中所有像素点的alpha值;
根据所述alpha值确定所述未知区域中对应的像素点的前后景属性。
本申请还提供了提供了一种摄像设备,所述摄像设备上保存有程序,所述程序在所述摄像设备上执行时执行如上任一所述深度图像处理方法。
请参阅图8,本申请还提供了一种深度图像处理装置,包括:
处理器501、存储器502、输入输出单元503、总线504;
处理器501与存储器502、输入输出单元503以及总线504相连;
存储器502保存有程序,处理器501调用程序以执行如上任一深度图像处理方法。
本申请还涉及一种计算机可读存储介质,计算机可读存储介质上保存有程序,其特征在于,当程序在计算机上运行时,使得计算机执行如上任一深度图像处理方法。
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。
在本申请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。例如,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,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,在本申请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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
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,本申请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)执行本申请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(ROM,read-onlymemory)、随机存取存储器(RAM,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (15)

1.一种深度图像处理方法,其特征在于,所述方法包括:
获取深度图像,并对所述深度图像进行初步处理,得到二值化图像,所述二值化图像包含有前景点区域以及后景点区域;
对所述二值化图像进行腐蚀膨胀,得到初始三色灰度图,所述初始三色灰度图包含有三种不同灰度数值的前景点区域、后景点区域以及未知区域;
获取与所述深度图像对应的彩度图,并根据所述彩度图中像素点之间的彩度关系以及空间距离关系对所述初始三色灰度图中的所述未知区域进行调整;
结合经过调整后的初始三色灰度图、所述彩度图以及所述深度图确定所述未知区域中各个像素点的前后景属性,从而根据所述前后景属性进行抠图处理,所述前景点属性表示像素点属于前景点或者后景点。
2.根据权利要求1中所述的深度图像处理方法,其特征在于,所述对所述深度图像进行初步处理,得到二值化图像包括:
根据所述深度图像进行初始二值化处理,将深度值在预先设定的深度值范围内的像素点确定为前景点,在预先设定的深度值范围外的像素点确定为后景点,得到二值化图像。
3.根据权利要求1中所述的深度图像处理方法,其特征在于,所述对所述深度图像进行初步处理,得到二值化图像包括:
对所述深度图像进行初始二值化处理,得到初始二值化图像;
获取与所述深度图像对应的彩度图像,并在所述彩度图像中确定预先选定的种子点集合,所述种子点集合包含有多个已经确定前后景属性的像素点;
结合所述彩度图像,以所述种子点集合为基础,在所述初始二值化图像中进行区域生长,得到二值化图像。
4.根据权利要求3中所述的深度图像处理方法,其特征在于,所述结合所述彩度图像,以所述种子点集合为基础,在所述初始二值化图像中进行区域生长,得到二值化图像包括:
以单个种子点为基础,判断所述种子点对应的四领域的像素点是否满足预设的生长规则;
若满足,则将所述种子点从所述种子点集合中剔除,并将对应的像素点的前后景属性设为与所述种子点一致,且将对应的像素点纳入所述种子点集合中;
若不满足,则将所述种子点从所述种子点集合中剔除;
通过上述步骤遍历所述初始二值化图像,直至所述种子点集合为空。
5.根据权利要求4中所述的深度图像处理方法,其特征在于,所述生长规则为:
像素点与种子点的深度差值小于预设的第一阈值;
或;
所述像素点的彩度值的和小于预设的第二阈值;
或;
所述像素点的深度值为0,且像素点与种子点的彩度值差值的二范数小于预设的第三阈值。
6.根据权利要求1中所述的深度图像处理方法,其特征在于,所述获取与所述深度图像对应的彩度图,并根据所述彩度图中像素点之间的彩度关系以及空间距离关系对所述初始三色灰度图中的所述未知区域进行调整;包括:
根据获取到的深度图像对应的彩度图,在所述初始三色灰度图中确定出与目标像素点的彩度关系以及空间距离关系满足第一预设条件的像素点集合;
根据所述空间距离关系在所述像素点集合中确定参考像素点,并将所述目标像素点的灰度值调整为与所述参考像素点一致,从而使得所述目标像素点的前后景属性与所述参考像素点一致;
通过上述步骤遍历所述未知区域各个像素点,从而对所述位置区域进行调整。
7.根据权利要求6中所述的深度图像处理方法,其特征在于,所述第一预设条件为:
像素点与所述目标像素点的彩度差值小于第三阈值且像素点与所述目标像素点的空间距离差值小于第四阈值;
所述根据所述空间距离关系在所述像素点集合中确定参考像素点包括:
将所述像素点集合中,与所述目标像素点的空间距离差值最小的像素点确定为参考像素点。
8.根据权利要求7中所述的深度图像处理方法,其特征在于,若在所述像素点集合中,具有至少2个与所述目标像素点的空间距离差值最小的像素点,则保持所述目标像素点的灰度值。
9.根据权利要求1中所述的深度图像处理方法,其特征在于,所述结合经过调整后的初始三色灰度图、所述彩度图以及所述深度图确定所述未知区域中各个像素点的前后景属性,从而根据所述前后景属性进行抠图处理,所述前景点属性表示像素点属于前景点或者后景点包括:
在经过调整后的初始三色灰度图中确定N个与目标像素点的空间距离最近的前景点以及后景点,从而得到前景点集合以及后景点集合,所述N为大于1的整数,所述目标像素点为经过调整后的初始三色灰度图中未知区域的像素点;
在所述前景点集合或者所述后景点集合中随机选取一个原始像素点,并将所述原始像素点的权重初始化为1;
计算所述原始像素点与对应的集合中的其它像素点的空间距离差值;
并根据所计算得到的空间距离差值对所述原始像素点的权重进行更新;
通过上述步骤遍历所述前景点集合以及所述后景点集合,从而得到更新后的前景点集合以及更新后的后景点集合;
通过更新后的前景点集合以及更新后的后景点集合计算所述未知区域中所有像素点的alpha值;
根据所述alpha值确定所述未知区域中对应的像素点的前后景属性。
10.根据权利要求1中所述的深度图像处理方法,其特征在于,所述对所述二值化图像进行腐蚀膨胀,得到初始三色灰度图,所述初始三色灰度图包含有三种不同灰度数值的前景点区域、后景点区域以及未知区域包括:
对所述前景点区域进行腐蚀,从而缩小所述前景点区域,对所述后景点区域也进行腐蚀,从而缩小所述后景点区域,被腐蚀的区域为未知区域,分别赋予所述前景点区域、所述后景点区域以及所述未知区域不同的灰度值,得到初始三色灰度图。
11.一种深度图像处理装置,其特征在于,所述装置包括:
第一处理单元,用于获取深度图像,并对所述深度图像进行初步处理,得到二值化图像,所述二值化图像包含有前景点区域以及后景点区域;
腐蚀膨胀单元,用于对所述二值化图像进行腐蚀膨胀,得到初始三色灰度图,所述初始三色灰度图包含有三种不同灰度数值的前景点区域、后景点区域以及未知区域;
第二处理单元,用于获取与所述深度图像对应的彩度图,并根据所述彩度图中像素点之间的彩度关系以及空间距离关系对所述初始三色灰度图中的所述未知区域进行调整;;
确定单元,用于结合经过调整后的初始三色灰度图、所述彩度图以及所述深度图确定所述未知区域中各个像素点的前后景属性,从而根据所述前后景属性进行抠图处理,所述前景点属性表示像素点属于前景点或者后景点。
12.一种摄像设备,其特征在于,所述摄像设备上保存有程序,所述程序在所述摄像设备上执行时执行如权利要求1至10中任一项所述方法。
13.一种视频会议系统,其特征在于,所述视频会议系统包括摄像设备和显示设备,所述摄像设备与所述显示设备通信连接,所述摄像设备或者所述显示设备上保存有程序,所述程序在所述摄像设备或者所述显示设备上执行时执行如权利要求1至10中任一项所述方法。
14.一种深度图像处理装置,其特征在于,所述装置包括:
处理器、存储器、输入输出单元以及总线;
所述处理器与所述存储器、所述输入输出单元以及所述总线相连;
所述存储器保存有程序,所述处理器调用所述程序以执行如权利要求1至10任一项所述方法。
15.一种计算机可读存储介质,所述计算机可读存储介质上保存有程序,所述程序在计算机上执行时执行如权利要求1至10中任一项所述方法。
CN202210585803.2A 2022-05-27 2022-05-27 深度图像处理方法、装置、摄像设备、会议系统及介质 Active CN114677393B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210585803.2A CN114677393B (zh) 2022-05-27 2022-05-27 深度图像处理方法、装置、摄像设备、会议系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210585803.2A CN114677393B (zh) 2022-05-27 2022-05-27 深度图像处理方法、装置、摄像设备、会议系统及介质

Publications (2)

Publication Number Publication Date
CN114677393A true CN114677393A (zh) 2022-06-28
CN114677393B CN114677393B (zh) 2022-09-30

Family

ID=82079639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210585803.2A Active CN114677393B (zh) 2022-05-27 2022-05-27 深度图像处理方法、装置、摄像设备、会议系统及介质

Country Status (1)

Country Link
CN (1) CN114677393B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115293960A (zh) * 2022-07-28 2022-11-04 珠海视熙科技有限公司 融合图像的光照调节方法、装置、设备及介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455984A (zh) * 2013-09-02 2013-12-18 清华大学深圳研究生院 一种Kinect深度图像获取方法与装置
CN103473780A (zh) * 2013-09-22 2013-12-25 广州市幸福网络技术有限公司 一种人像背景抠图的方法
US20140092221A1 (en) * 2012-09-28 2014-04-03 JVC Kenwood Corporation Image processing apparatus and method, and related computer program
CN104732506A (zh) * 2015-03-27 2015-06-24 浙江大学 一种基于人脸语义分析的人物照片颜色风格转换方法
CN105590312A (zh) * 2014-11-12 2016-05-18 株式会社理光 前景图像分割方法和装置
CN107481261A (zh) * 2017-07-31 2017-12-15 中国科学院长春光学精密机械与物理研究所 一种基于深度前景跟踪的彩色视频抠图方法
WO2019204577A1 (en) * 2018-04-18 2019-10-24 Trustees Of Tufts College System and method for multimedia analytic processing and display
CN111340773A (zh) * 2020-02-24 2020-06-26 齐鲁工业大学 一种视网膜图像血管分割方法
CN111563908A (zh) * 2020-05-08 2020-08-21 展讯通信(上海)有限公司 一种图像处理方法及相关装置
CN112101370A (zh) * 2020-11-11 2020-12-18 广州卓腾科技有限公司 一种纯色背景图像自动抠像算法、计算机可读存储介质及设备
CN112241960A (zh) * 2020-10-01 2021-01-19 深圳奥比中光科技有限公司 一种基于深度信息的抠图方法及系统
CN113205600A (zh) * 2021-05-24 2021-08-03 苏州城室科技有限公司 基于深度学习与孟塞尔色彩的区域建筑空间特征分析方法
CN113989167A (zh) * 2021-12-27 2022-01-28 杭州爱科科技股份有限公司 基于种子点自生长的轮廓提取方法、装置、设备及介质
CN114419091A (zh) * 2022-01-21 2022-04-29 奥比中光科技集团股份有限公司 一种前景抠图方法、装置及电子设备

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140092221A1 (en) * 2012-09-28 2014-04-03 JVC Kenwood Corporation Image processing apparatus and method, and related computer program
CN103455984A (zh) * 2013-09-02 2013-12-18 清华大学深圳研究生院 一种Kinect深度图像获取方法与装置
CN103473780A (zh) * 2013-09-22 2013-12-25 广州市幸福网络技术有限公司 一种人像背景抠图的方法
CN105590312A (zh) * 2014-11-12 2016-05-18 株式会社理光 前景图像分割方法和装置
CN104732506A (zh) * 2015-03-27 2015-06-24 浙江大学 一种基于人脸语义分析的人物照片颜色风格转换方法
CN107481261A (zh) * 2017-07-31 2017-12-15 中国科学院长春光学精密机械与物理研究所 一种基于深度前景跟踪的彩色视频抠图方法
WO2019204577A1 (en) * 2018-04-18 2019-10-24 Trustees Of Tufts College System and method for multimedia analytic processing and display
CN111340773A (zh) * 2020-02-24 2020-06-26 齐鲁工业大学 一种视网膜图像血管分割方法
CN111563908A (zh) * 2020-05-08 2020-08-21 展讯通信(上海)有限公司 一种图像处理方法及相关装置
CN112241960A (zh) * 2020-10-01 2021-01-19 深圳奥比中光科技有限公司 一种基于深度信息的抠图方法及系统
CN112101370A (zh) * 2020-11-11 2020-12-18 广州卓腾科技有限公司 一种纯色背景图像自动抠像算法、计算机可读存储介质及设备
CN113205600A (zh) * 2021-05-24 2021-08-03 苏州城室科技有限公司 基于深度学习与孟塞尔色彩的区域建筑空间特征分析方法
CN113989167A (zh) * 2021-12-27 2022-01-28 杭州爱科科技股份有限公司 基于种子点自生长的轮廓提取方法、装置、设备及介质
CN114419091A (zh) * 2022-01-21 2022-04-29 奥比中光科技集团股份有限公司 一种前景抠图方法、装置及电子设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JIWOON AHN 等: "Learning Pixel-level Semantic Affinity with Image-level Supervision", 《COMPUTER VISION AND PATTERN RECOGNITION》 *
王欣 等: "注意力机制和特征融合的自动抠图算法", 《计算机辅助设计与图形学学报》 *
邹 杰 等: "基于偏振度特征图的水下裂缝图像分割算法", 《计算机与现代化》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115293960A (zh) * 2022-07-28 2022-11-04 珠海视熙科技有限公司 融合图像的光照调节方法、装置、设备及介质
CN115293960B (zh) * 2022-07-28 2023-09-29 珠海视熙科技有限公司 融合图像的光照调节方法、装置、设备及介质

Also Published As

Publication number Publication date
CN114677393B (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
CN107452010B (zh) 一种自动抠图算法和装置
EP1958149B1 (en) Stereoscopic image display method and apparatus, method for generating 3d image data from a 2d image data input and an apparatus for generating 3d image data from a 2d image data input
US7612784B2 (en) Image processor and method, computer program, and recording medium
WO2018082185A1 (zh) 图像处理方法和装置
CN111563908B (zh) 一种图像处理方法及相关装置
EP2221763A1 (en) Image generation method, device, its program and recording medium stored with program
US20190385352A1 (en) Apparatus and method for generating a light intensity image
CN110248242B (zh) 一种图像处理和直播方法、装置、设备和存储介质
CN114677394B (zh) 抠图方法、装置、摄像设备、会议系统、电子设备及介质
CN110147816B (zh) 一种彩色深度图像的获取方法、设备、计算机存储介质
CN111612725A (zh) 一种基于可见光图像对比度增强的图像融合方法
CN110866882A (zh) 基于深度置信度的分层联合双边滤波深度图修复算法
CN113039576A (zh) 图像增强系统和方法
CN114677393B (zh) 深度图像处理方法、装置、摄像设备、会议系统及介质
Jacob et al. Colorization of grayscale images and videos using a semiautomatic approach
JP7374582B2 (ja) 画像処理装置、画像生成方法およびプログラム
Tan et al. Image haze removal based on superpixels and Markov random field
CN113888509A (zh) 一种图像清晰度的评价方法、装置、设备及存储介质
US20220139023A1 (en) Apparatus and method for generating a light intensity image
JP2000357226A (ja) 濃淡画像の2値化方法および濃淡画像の2値化プログラムを記録した記録媒体
CN115601616A (zh) 一种样本数据生成方法、装置、电子设备和存储介质
Sujitha et al. Underwater image enhancement by Multiscale fusion technique and Dehazing
Veeravasarapu et al. Fast and fully automated video colorization
JP2011113177A (ja) 被写体3次元モデルを構築する方法およびプログラム
Li et al. Quantitative evaluation for dehazing algorithms on synthetic outdoor hazy dataset

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