CN114723772A - 一种图像处理方法、装置、电子设备及存储介质 - Google Patents

一种图像处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114723772A
CN114723772A CN202210306661.1A CN202210306661A CN114723772A CN 114723772 A CN114723772 A CN 114723772A CN 202210306661 A CN202210306661 A CN 202210306661A CN 114723772 A CN114723772 A CN 114723772A
Authority
CN
China
Prior art keywords
color data
reference image
image
adaptive
background
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
CN202210306661.1A
Other languages
English (en)
Inventor
杜绪晗
郭铭
焦少慧
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.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network 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 Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202210306661.1A priority Critical patent/CN114723772A/zh
Publication of CN114723772A publication Critical patent/CN114723772A/zh
Pending legal-status Critical Current

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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本公开实施例公开了一种图像处理方法、装置、电子设备及存储介质。该方法包括：获取基准图像，基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据；基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值；基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取。通过本发明的技术方案，能够实现自适应确定背景颜色和划分阈值，提高前景提取的准确性。

Description

一种图像处理方法、装置、电子设备及存储介质
技术领域
本公开实施例涉及计算机数据处理技术领域，尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
随着多媒体技术的快速发展，抠图技术被广泛用于许多场景，例如电影制作、网课直播等，即将图像中的前景部分进行提取，去除或替换图像中的背景部分。
现有技术中，在对图像进行抠图时，背景颜色较为复杂，需要人工定义背景颜色和划分阈值，容易出现差错，导致前景提取的准确性差。
发明内容
本公开实施例提供了一种图像处理方法、装置、电子设备及存储介质，以实现自适应确定背景颜色和划分阈值，提高前景提取的准确性。
第一方面，本公开实施例提供了一种图像处理方法，包括：
获取基准图像，基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据；
基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值；
基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取。
第二方面，本公开实施例还提供了一种图像处理装置，包括：
颜色数据确定模块，用于获取基准图像，基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据；
图像阈值确定模块，用于基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值；
前景提取模块，用于基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取。
第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
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如本公开实施例任一所述的图像处理方法。
第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的图像处理方法。
本公开实施例的技术方案，获取基准图像，基于基准图像的颜色数据和标准背景颜色数据，确定基准图像的自适应背景颜色数据，得到了准确的背景颜色数据；进一步的，基于基准图像的颜色数据和自适应背景颜色数据确定基准图像的自适应划分阈值，实现了划分阈值的自适应获取，使得到的自适应划分阈值更加可靠；进一步的，基于可靠性更高的自适应划分阈值对基准图像和/或基准图像的相同背景图像进行前景提取，可以提升前景提取的准确性，并且可以减少图像处理的步骤，提升前景提取的处理速度。
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为本公开实施例提供的一种图像处理方法的流程示意图；
图2是本公开实施例提供的一种图像处理方法的流程示意图；
图3是本公开实施例提供的一种图像处理方法的流程示意图；
图4是本公开实施例提供的一种图像处理方法的流程示意图；
图5是本公开实施例提供的一种图像处理方法的流程示意图；
图6是本公开实施例提供的一种图像处理装置的结构示意图；
图7为本公开实施例提供的一种电子设备的结构示意图。
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”。
图1为本公开实施例所提供的一种图像处理方法流程示意图，本公开实施例适应于自适应确定背景颜色和划分阈值，自动进行图像前景提取的情况，该方法可以由本公开实施例提供的图像处理装置来执行，该图像处理装置可以通过软件和/或硬件的形式实现，可选的，通过电子设备来实现，该电子设备可以是移动终端或PC端等。如图1，本实施例的方法包括：
S110、获取基准图像，基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据。
S120、基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值。
S130、基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取。
本实施例中，基准图像指的是作为处理标准的图像，即基准图像处理完成后得到的自适应划分阈值可以用于对基准图像相关联的图像进行前景提取，以减少图像处理的步骤，从而提高前景提取的处理速度。在待处理图像为单一图像时，基准图像为待处理图像本身。在待处理图像为多个，且均为在相同背景的情况下，基准图像可以为待处理图像中的任意图像。
基准图像中可以包括前景和背景，其中，前景可以包括至少一个目标主体，背景可以是基准图像中除目标主体以外的部分。本实施例中，基准图像中包括单一颜色的背景，例如绿幕背景、蓝幕背景等，目标主体可以包括但不限于人、动物、树木、桌子、建筑等其他制定物体等，在此不做限定。
获取基准图像的方式包括但不限于：可以通过图像拍摄装置实时采集图像，将拍摄的一张或多张图像中确定基准图像；也可以通过预设存储位置或者其他设备调取基准图像；还可以从视频中的提取视频帧，并将提取的视频帧确定为基准图像，其中，该视频为相同单一颜色背景下拍摄的视频。
由于颜色变化的多样性，单一颜色背景也存在多种变化，以绿幕背景为例，由于幕布材质、颜色深浅、亮度明暗的不同，导致绿幕背景的具有颜色数据发生变化，为了准确的对图像进行前景提取，准确确定背景颜色数据是前提。本实施例中，通过确定基准图像对应的自适应背景颜色数据，替代了标准背景颜色数据，根据不同图像中背景的差异性，自适应的进行前景提取，提高了背景颜色数据的准确性，进一步提高了前景提取精度。
基准图像的自适应背景颜色数据可以根据基准图像的颜色数据和标准背景颜色数据进行确定。其中，基准图像的颜色数据指的是基准图像中各像素点的颜色信息，可以包括但不限于RGB数据、灰度值或者颜色分量等，标准背景颜色数据指的是标准背景中像素点的颜色信息。标准背景可以是由标准颜色构成的背景，例如，绿幕的标准RGB数据可以是(R：0，G：255，B:0)、蓝幕的标准RGB数据(R：0，G：0，B:255)等，在存在其它背景颜色的情况下，可适应对应设置标准RGB数据。自适应背景颜色数据可以是根据基准图像的颜色数据和标准背景颜色数据自适应确定的背景颜色数据，即自适应背景颜色数据可以随着基准图像的颜色数据的变化而变化，为可变量。可以理解的是，基准图像中背景的颜色可以是标准背景颜色，也可以不同标准背景颜色，不同基准图像的自适应背景颜色数据可以不同。直接采用标准背景颜色数据对图像进行前景提取，会导致提取的前景产生误差，本实施例通过确定自适应背景颜色数据，可以得到基准图像中背景对应的准确颜色数据，提高了背景颜色数据的可靠性。
在一些可选实施方式中，可以将基准图像中各像素点的颜色数据与标准背景颜色数据进行颜色的相似度计算，将相似度满足预设相似度范围的基准图像中像素点对应的颜色数据，确定为自适应背景颜色数据；需要说明的是，颜色的相似度可以通过像素点对应颜色数据作差得到，数据差值越小，表明相似度越高。其中，数据差值可以是基准图像中像素点与标准背景中像素点的灰度差值或颜色分量差值等，在此不做限定。在一些可选实施方式中，在背景区域面积大于前景区域面积的情况下，可以将基准图像中各像素点的颜色数据与标准背景颜色数据进行作差，得到数据差值，并统计各数据差值的出现次数，将出现次数最多的数据差值对应的颜色数据确定为自适应背景颜色数据。本实施例对确定自适应背景颜色数据的方法不做限定。
进一步的，在得到自适应背景颜色数据之后，可以基于基准图像的颜色数据和自适应背景颜色数据确定基准图像的自适应划分阈值。基准图像的自适应划分阈值指的是能够适应于基准图像所使用背景的前景/背景划分阈值，可以用于对图像中的前景和背景进行划分，以实现适应性地提取基准图像和/或基准图像的相同背景图像中的前景，提高前景提取的准确性。其中，基准图像的相同背景图像指的是与基准图像具有相同背景的图像。可以理解的是，背景相同的图像对应的颜色数据也相同，所以可以使用同一划分阈值进行前景提取，提高了大量具有相同背景的图像进行前景提取的效率。
在一些可选实施方式中，可以对基准图像中各像素点的颜色数据和自适应背景颜色数据进行作差，统计各数据差值出现的频率，将数据差值频率峰值对应的颜色数据和另一差值频率峰值的颜色数据的中间值确定为自适应划分阈值。其中，数据差值可以是灰度差值或者颜色差值等，在此不作限定。可以理解的是，某一数据差值出现的频率越高，表明该数据差值相对应像素点大概率位于前景或背景。在一种可选实施方式中，可以对基准图像中各像素点的颜色数据和自适应背景颜色数据进行聚类计算，根据聚类结果得到自适应阈值。本实施例对确定基准图像自适应阈值的方法不做限定。
需要说明的是，基准图像的自适应划分阈值可以包括一个或多个。若基准图像的自适应划分阈值为一个，则根据基准图像的单个自适应划分阈值，对基准图像和/或基准图像的相同背景图像进行划分，得到基准图像的前景和背景；若基准图像的自适应划分阈值为多个，则根据基准图像的多个自适应划分阈值，将基准图像划分为多个部分，例如前景部分、背景部分和过渡部分。其中，过渡部分指的是前景部分和背景部分交界处，此部分在划分中易划分错，较难处理。可以理解是的，设置多个自适应划分阈值，可以将难以处理的过渡部分进行单独处理，进行精细划分，可以有效提升前景提取的精度。
本公开实施例所提供的图像处理方法，通过获取基准图像，基于基准图像的颜色数据和标准背景颜色数据，确定基准图像的自适应背景颜色数据，得到了准确的背景颜色数据；进一步的，基于基准图像的颜色数据和自适应背景颜色数据确定基准图像的自适应划分阈值，实现了划分阈值的自适应获取，使得到的自适应划分阈值更加可靠；进一步的，基于可靠性更高的自适应划分阈值对基准图像和/或基准图像的相同背景图像进行前景提取，可以提升前景提取的准确性，并且可以减少图像处理的步骤，提升前景提取的处理速度。
参考图2，图2为本公开实施例提供的图像处理方法流程示意图，本实施例的方法与上述实施例中提供的图像处理方法中各个可选方案可以结合。本实施例提供的图像处理方法进行了进一步细化。可选的，所述基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据，包括：基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像中的初始背景区域；基于初始背景区域的颜色数据确定所述基准图像的自适应背景颜色数据。
如图2，本实施例的方法包括：
S210、获取基准图像，基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像中的初始背景区域。
S220、基于初始背景区域的颜色数据确定所述基准图像的自适应背景颜色数据。
S230、基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值。
S240、基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取。
在本实施例中，可以根据基准图像的颜色数据和标准背景颜色数据，确定基准图像中的初始背景区域。其中，初始背景区域指的是通过粗略计算得到基准图像中的背景区域。具体的，可以通过计算基准图像的颜色数据和标准背景颜色数据的差值，将数据差值小于预设阈值的像素点构成的区域，确定为基准图像中的初始背景区域。其中，数据差值可以是灰度差值或者颜色分量差值等，在此不作限定。可以理解的是，数据差值越小，表明基准图像中像素点的颜色与标准背景的颜色越接近，所以可以将数据差值小于预设阈值的像素点构成的区域确定为基准图像中的初始背景区域。初始背景区域的颜色数据可以用于确定基准图像的自适应背景颜色数据。示例性的，可以将初始背景区域的颜色数据的最大值、最小值或者均值确定为基准图像的自适应背景颜色数据，在此不做限定。
在一些实施例中，所述基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像中的初始背景区域，包括：将所述基准图像中各像素点的颜色数据分别确定与所述标准背景颜色数据的第一距离信息；基于所述第一距离信息与距离阈值，确定所述基准图像中的初始背景区域。
其中，第一距离信息可以是基准图像中各像素点的颜色数据分别与标准背景颜色数据的空间度量信息，例如，可以为欧式距离、马氏距离等。距离阈值可以是根据实验或经验预先设定阈值，可以用于对第一距离信息进行判断，并可以将符合要求的第一距离信息对应的像素点组成区域确定为基准图像中的初始背景区域。需要说明的是，距离信息可以有效表达基准图像中各像素点的颜色数据分别与标准背景颜色数据的差别，从而筛选出符合要求的初始背景区域，该方法计算简单，可以提升图像处理的速度。
示例性的，逐像素点计算基准图像的颜色数据与标准背景颜色数据的欧式距离，并根据欧氏距离筛选出满足距离阈值的像素点，将满足距离阈值的像素点组成的区域确定为基准图像中的初始背景区域。示例性的，可以是将第一距离信息小于距离阈值的像素点确定为初始背景区域中的像素点，以组成初始背景区域。
在上述各实施例的基础上，所述基于初始背景区域的颜色数据确定所述基准图像的自适应背景颜色数据，包括：将所述初始背景区域中颜色数据均值，确定为所述基准图像的自适应背景颜色数据。
示例性的，将初始背景区域中各像素值的颜色数据均值，确定为基准图像的自适应背景颜色数据，可以避免因少数异常像素点导致自适应背景颜色数据不准确的情况发生，从而提高自适应背景颜色数据的可靠性。其中，颜色数据均值可以是灰度均值或者颜色分量均值等，在此不做限定。
在上述各实施例的基础上，在基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据之前，还包括：分别将所述基准图像和标准背景数据的颜色编码模式转换为色亮分离模式，并在所述色亮分离模式下，分别提取所述基准图像的颜色数据和所述标准背景颜色数据。
其中，颜色编码模式指的可以是使用多个基础颜色(例如红色、绿色和蓝色)构建图像的模式，例如RGB颜色编码等；色亮分离模式指的可以是将图像明亮度和颜色数据分开存储的模式，例如YUV颜色编码等。可以理解的是，在色亮分离模式中，图像的颜色数据与明亮度是分开存储的，有利于快速提取基准图像的颜色数据和标准背景颜色数据。进一步的，基于在色亮分离模式下提取的颜色数据确定基准图像的自适应背影颜色数据，避免亮度分量的干扰，提高自适应背影颜色数据的准确度。
示例性的，分别将基准图像和标准背景数据的RGB颜色编码模式转换为YUV颜色编码模式，并在YUV颜色编码模式下，分别提取基准图像的颜色数据和标准背景颜色数据。
本公开实施例所提供的图像处理方法，通过获取基准图像，基于基准图像的颜色数据和标准背景颜色数据，确定基准图像中的初始背景区域，并根据得到的初始背景区域的颜色数据确定基准图像的自适应背景颜色数据，得到了跟随基准图像自适应的背景颜色数据，更加准确。
参考图3，图3为本公开实施例提供的图像处理方法流程示意图，本实施例的方法与上述实施例中提供的图像处理方法中各个可选方案可以结合。本实施例提供的图像处理方法进行了进一步细化。可选的，所述基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值，包括：基于所述自适应背景颜色数据和所述基准图像的颜色数据进行聚类处理，确定聚类中心数据；基于所述聚类中心数据确定所述基准图像的自适应划分阈值。
如图3，本实施例的方法包括：
S310、获取基准图像，基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据。
S320、基于所述自适应背景颜色数据和所述基准图像的颜色数据进行聚类处理，确定聚类中心数据。
S330、基于所述聚类中心数据确定所述基准图像的自适应划分阈值。
S340、基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取。
本实施例中，可以根据自适应背景颜色数据和基准图像的颜色数据进行聚类处理，确定聚类中心数据。其中，聚类中心数据指的是通过聚类处理得到的每一组聚类数据的类中心值，例如具有相似或相同特征的颜色数据集合的中心值(或者均值)，每一聚类类型可对应一聚类中心数据。可选的，基于所述自适应背景颜色数据和所述基准图像的颜色数据进行二聚类处理，相应的，得到两个聚类中心数据，可以理解的是，其中一个为前景的聚类中心数据，另一个为背景的聚类中心数据，从而实现前景和背景的划分。聚类中心数据可以通过聚类处理得到，聚类处理的方法可以包括但不限于K-Means聚类、高斯混合模型聚类、基于密度的聚类等，在此不做限定。
在一些实施例中，所述基于所述自适应背景颜色数据和所述基准图像的颜色数据进行聚类处理，确定聚类中心数据，包括：将所述基准图像中各像素点的颜色数据分别确定与所述自适应背景颜色数据的第二距离信息；基于所述第二距离信息进行聚类数为二的聚类处理，得到两个聚类中心数据。
其中，第二距离信息可以是基准图像中各像素点的颜色数据分别与自适应背景颜色数据的空间度量信息，例如，可以为欧式距离、马氏距离等。
本实施例中，聚类处理采用的模型可以为高斯混合模型，第二距离信息可以为欧式距离，其中，第二距离信息满足高斯分布，相应的，通过高斯混合模型进行聚类处理，便于提高聚类处理精度。示例性的，将基准图像中各像素点的颜色数据分别确定与自适应背景颜色数据的欧式距离，通过高斯混合模型对多个欧式距离进行聚类数为二的聚类处理，得到两个聚类中心数据。
进一步的，可以基于聚类中心数据确定基准图像的自适应划分阈值。具体的，可以将两个聚类中心数据的均值确定为确定基准图像的自适应划分阈值，或者，还可以将两个聚类中心数据的多个中间值确定为确定基准图像的自适应划分阈值。本实施例对自适应划分阈值的确定方法不做限定。
在上述各实施例的基础上，所述基于所述聚类中心数据确定所述基准图像的自适应划分阈值，包括：基于预设比例值，在两个聚类中心数据之间确定自适应划分阈值。
其中，预设比例值可以是根据经验预先设置的比例值，例如1:1、1:2等，对此不作限定。
示例性的，当预设比例值为1:1时，在两个聚类中心数据之间可以确定一个自适应划分阈值，即将两个聚类中心数据的均值确定为自适应划分阈值。当预设比例值包括两个比例值，例如1:2和2:1时，在两个聚类中心数据之间可以确定两个自适应划分阈值，即将两个聚类中心数据的两个中间值确定为自适应划分阈值。通过自适应划分阈值对基准图像或者基准图像的关联图像进行前景提取。
本公开实施例所提供的图像处理方法，通过根据自适应背景颜色数据和基准图像的颜色数据进行聚类处理，确定聚类中心数据，实现了前景和背景的颜色数据的聚类划分，即聚类中心数据具有代表性和可靠性，进一步的，根据具有代表性和可靠性的聚类中心数据确定基准图像的自适应划分阈值，使得到的自适应划分阈值更加可靠。
参考图4，图4为本公开实施例提供的图像处理方法流程示意图，本实施例的方法与上述实施例中提供的图像处理方法中各个可选方案可以结合。本实施例提供的图像处理方法进行了进一步细化。可选的，所述基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取，包括：对于进行前景提取的待处理图像，基于所述待处理图像的颜色数据和自适应划分阈值，确定图像掩模；基于图像掩模对所述待处理图像进行前景提取。
如图4，本实施例的方法包括：
S410、获取基准图像，基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据。
S420、基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值。
S430、对于进行前景提取的待处理图像，基于所述待处理图像的颜色数据和自适应划分阈值，确定图像掩模。
S440、基于图像掩模对所述待处理图像进行前景提取。
在本实施例中，待处理图像指的是待进行前景提取的图像，可以包括但不限于基准图像和/或基准图像的相同背景图像。图像掩模可以是对待处理图像中感兴趣区域进行保留或屏蔽的图像，图像掩模可以用于对待处理图像进行前景提取，即屏蔽背景，保留前景，从而实现前景的提取。自适应划分阈值可以是通过当前基准图像实时处理得到，也可以是从预设存储位置调取得到，在此不做限定。
在一些实施例中，图像掩模与待处理图像尺寸一致，且待处理图像中的前景区域对应掩模值为1，背景区域对应的掩模值为0，通过将图像掩模中的掩模值与待处理图像中像素点进行对应乘积，得到前景提取后的图像。示例性的，自适应划分阈值为一个数值，若待处理图像中像素点的颜色数据大于自适应划分阈值，则将像素点的掩模数据确定为1；若待处理图像中像素点的颜色数据小于自适应划分阈值，则将像素点的掩模数据确定为0。进一步的，将图像掩模1值区域在待处理图像对应区域进行保留，将图像掩模0值区域在待处理图像对应区域进行屏蔽，实现前景的提取。
在上述各实施例的基础上，所述自适应划分阈值包括前景阈值和背景阈值，所述前景阈值大于所述背景阈值；所述基于所述待处理图像的颜色数据和自适应划分阈值，确定图像掩模，包括：若所述待处理图像中像素点的颜色数据大于所述前景阈值，则将所述像素点的掩模数据确定为第一数据；若所述待处理图像中像素点的颜色数据小于所述背景阈值，则将所述像素点的掩模数据确定为第二数据；若所述待处理图像中像素点的颜色数据大于等于所述背景阈值，且小于等于所述前景阈值，则将所述像素点的掩模数据确定为待定数据。
其中，自适应划分阈值可以是颜色数据阈值，即前景阈值和背景阈值均为颜色数据阈值，前景阈值可以是用于判断前景的自适应阈值，背景阈值可以是用于判断背景的自适应阈值，前景阈值可以大于背景阈值。第一数据和第二数据仅用于区分掩模数据的类型，并非对数据的限定，例如第一数据可以为1，第二数据可以为0；待定数据指的是待判断数据，例如，可以用0和1以外的数值或者字符表示。
在一些实施例中，自适应划分阈值还可以是距离数据阈值，即前景阈值和背景阈值分别为距离数据阈值。相应的，基于各像素点与自适应背景颜色数据的欧式距离，分别与前景阈值和背景阈值进行比对，若待处理图像中像素点对应的与自适应背景颜色数据的欧式距离大于前景阈值，则将像素点的掩模数据确定为1；若待处理图像中像素点对应的与自适应背景颜色数据的欧式距离小于背景阈值，则将像素点的掩模数据确定为0；若待处理图像中像素点对应的与自适应背景颜色数据的欧式距离大于等于背景阈值，且小于等于前景阈值，则将像素点的掩模数据确定为待定数据。
在上述各实施例的基础上，在确定图像掩模之后，所述方法还包括：对所述图像掩模中待定数据形成的待定区域进行如下一种或多个处理：腐蚀处理和模糊处理。具体的，对图像掩模中掩模值为待定数据的位置所形成的待定区域进行腐蚀处理和模糊处理的一项或多项的处理。
其中，腐蚀处理可以是对图像掩模中待处理区域进行腐蚀，待处理区域可以是上述图像掩模中待定区域。腐蚀处理的方法包括多种，例如，将图像掩模与预设腐蚀模板进行卷积计算，得到预设腐蚀模板覆盖区域的像素点最小值，并将该最小值替换图像掩模中对应的像素点的像素值，使图像掩模产生腐蚀的效果。模糊处理可以是对图像掩模中待处理区域进行模糊，腐蚀处理的方法包括多种，例如，将图像掩模中各像素点周边像素的平均值确定为中间点的像素值，使图像掩模产生模糊的效果。通过腐蚀处理和/或模糊处理的方式对前景区域和背景区域之间的过渡区域进行识别，以准确得到前景区域和背景区域之间的边界，提高了前景提取的精确度。
本公开实施例所提供的图像处理方法，通过获取基准图像，基于基准图像的颜色数据和标准背景颜色数据，确定基准图像的自适应背景颜色数据，得到了准确的背景颜色数据；进一步的，基于基准图像的颜色数据和自适应背景颜色数据确定基准图像的自适应划分阈值，实现了划分阈值的自适应获取，使得到的自适应划分阈值更加可靠；进一步的，对于进行前景提取的待处理图像，基于待处理图像的颜色数据和自适应划分阈值，确定图像掩模，其中，图像掩模可以精准的屏蔽待处理图像中的背景，保留前景，实现前景提取。
参考图5，图5为本公开实施例提供的图像处理方法流程示意图，本实施例在上述实施例的基础上，提供了一个优选示例，对上述实施例图像处理方法进行具体说明。可选的，所述基准图像为视频中的首帧图像，所述基准图像的相同背景图像为所述基准图像视频所在视频中的各个视频帧。该视频中的各视频帧可以是基于同一绿幕背景采集得到的。
如图5，本实施例的方法包括：
S510：对视频的首帧图像进行处理。将RGB格式的首帧图像转换为YUV格式，定义标准绿色RGB颜色为(R:0,G:255,B:0)(即标准背景的颜色数据)，并转换为YUV格式，计算首帧图像各像素点的YUV颜色值和标准绿色的YUV颜色值的L2(欧氏)距离。
S520：设定欧氏距离大小的距离阈值，根据距离阈值对各像素点的欧氏距离进行判断，得到初始背景区域，初始背景区域内颜色的平均值可以作为准确的绿幕背景颜色(即自适应背景颜色数据)。计算当前帧逐像素点的YUV颜色值和准确绿幕背景的YUV颜色值的L2(欧式)距离。
S530：对S520中得到的欧式距离用高斯混合模型(Gaussian Mixed Model，GMM)进行聚类，指定聚类数为2类，得到两个聚类中心(前景和背景)，存储聚类中心的结果。
高斯混合模型的公式具体为：
Figure BDA0003565592080000181
其中，μ1和μ2为两个高斯分布的中心值，分别代表绿幕(背景)像素和前景像素的两个集合的分布。∑1和∑2为两个高斯分布的方差，分别代表两个高斯分布的分散程度。可以取两个聚类中心μ1和μ2预设比例的两个中间值为前景阈值和背景阈值(前景阈值必须满足大于背景阈值)。
S540：欧式距离大于等于前景阈值的像素点为前景(值为1)，欧式距离小于等于背景阈值的像素点为背景(值为0)，欧式距离处于前景阈值和背景阈值之间的像素点为待定数据(值为0-1之间)。最终得到和第一帧大小一致的矩阵作为图像掩膜(值为1的像素点为前景，值为0的为背景，处于0和1之间的为待定数据)；
S550：对S540中得到的初步结果进行腐蚀、模糊等后处理。
S560：后续帧(除首帧图像外)采用S530中得到的前景阈值和背景阈值，重复S540、S550，得到整个视频序列逐帧的图像掩膜，根据图像掩膜对待处理图像进行前景提取，得到前景提取结果。
本实施例所提出的图像处理方法，相比于传统算法，在针对前景中有绿色成分的视频序列处理时，可以有效的保护前景图像不被误抠除；在针对绿幕颜色不均匀、光照不均匀的视频序列处理时，可以更彻底的去除绿幕背景部分。
图6是本公开实施例所提供的一种图像处理装置的结构示意图。如图6所示，所述装置包括：
颜色数据确定模块610，用于获取基准图像，基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据；图像阈值确定模块620，用于基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值；前景提取模块630，用于基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取。
在本公开实施例的一些可选的实现方式中，颜色数据确定模块610，包括：
背景区域确定单元，用于基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像中的初始背景区域；
背景颜色确定单元，用于基于初始背景区域的颜色数据确定所述基准图像的自适应背景颜色数据。
在本公开实施例的一些可选的实现方式中，所述背景区域确定单元，还可以用于：
将所述基准图像中各像素点的颜色数据分别确定与所述标准背景颜色数据的第一距离信息；
基于所述第一距离信息与距离阈值，确定所述基准图像中的初始背景区域。
在本公开实施例的一些可选的实现方式中，所述背景颜色确定单元，还可以用于：
将所述初始背景区域中颜色数据均值，确定为所述基准图像的自适应背景颜色数据。
在本公开实施例的一些可选的实现方式中，所述装置还可以用于：
分别将所述基准图像和标准背景数据的颜色编码模式转换为色亮分离模式，并在所述色亮分离模式下，分别提取所述基准图像的颜色数据和所述标准背景颜色数据。
在本公开实施例的一些可选的实现方式中，图像阈值确定模块620，包括：
中心数据确定单元，用于基于所述自适应背景颜色数据和所述基准图像的颜色数据进行聚类处理，确定聚类中心数据；
划分阈值确定单元，用于基于所述聚类中心数据确定所述基准图像的自适应划分阈值。
在本公开实施例的一些可选的实现方式中，所述中心数据确定单元，还可以用于：
将所述基准图像中各像素点的颜色数据分别确定与所述自适应背景颜色数据的第二距离信息；
基于所述第二距离信息进行聚类数为二的聚类处理，得到两个聚类中心数据。
在本公开实施例的一些可选的实现方式中，所述划分阈值确定单元，还可以用于：
基于预设比例值，在两个聚类中心数据之间确定自适应划分阈值。
在本公开实施例的一些可选的实现方式中，前景提取模块630，包括：
图像掩模确定单元，用于对于进行前景提取的待处理图像，基于所述待处理图像的颜色数据和自适应划分阈值，确定图像掩模；
前景提取单元，用于基于图像掩模对所述待处理图像进行前景提取。
在本公开实施例的一些可选的实现方式中，所述自适应划分阈值包括前景阈值和背景阈值，所述前景阈值大于所述背景阈值；所述图像掩模确定单元还用于：
若所述待处理图像中像素点的颜色数据大于所述前景阈值，则将所述像素点的掩模数据确定为第一数据；
若所述待处理图像中像素点的颜色数据小于所述背景阈值，则将所述像素点的掩模数据确定为第二数据；
若所述待处理图像中像素点的颜色数据大于等于所述背景阈值，且小于等于所述前景阈值，则将所述像素点的掩模数据确定为待定数据。
在本公开实施例的一些可选的实现方式中，所述装置还用于：
对所述图像掩模中待定数据形成的待定区域进行如下一种或多个处理：腐蚀处理和模糊处理。
在本公开实施例的一些可选的实现方式中，所述基准图像为视频中的首帧图像，所述基准图像的相同背景图像为所述基准图像所在视频中的各个视频帧。
本公开实施例所提供的图像处理装置可执行本公开任意实施例所提供的图像处理方法，具备执行图像处理方法相应的功能模块和有益效果。
值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。
下面参考图7，其示出了适于用来实现本公开实施例的电子设备(例如图7中的终端设备或服务器)400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7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7所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：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406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备400，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409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。
本公开实施例提供的电子设备与上述实施例提供的图像处理方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。
本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的图像处理方法。
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。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，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。
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：
获取基准图像，基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据；
基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值；
基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取。
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，单元/模块的名称在某种情况下并不构成对该单元本身的限定。
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。
根据本公开的一个或多个实施例，【示例一】提供了一种图像处理方法，该方法包括：
获取基准图像，基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据；
基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值；
基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取。
根据本公开的一个或多个实施例，【示例二】提供了一种图像处理方法，还包括：
所述基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据，包括：
基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像中的初始背景区域；
基于初始背景区域的颜色数据确定所述基准图像的自适应背景颜色数据。
根据本公开的一个或多个实施例，【示例三】提供了一种图像处理方法，还包括：
所述基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像中的初始背景区域，包括：
将所述基准图像中各像素点的颜色数据分别确定与所述标准背景颜色数据的第一距离信息；
基于所述第一距离信息与距离阈值，确定所述基准图像中的初始背景区域。
根据本公开的一个或多个实施例，【示例四】提供了一种图像处理方法，还包括：
所述基于初始背景区域的颜色数据确定所述基准图像的自适应背景颜色数据，包括：
将所述初始背景区域中颜色数据均值，确定为所述基准图像的自适应背景颜色数据。
根据本公开的一个或多个实施例，【示例五】提供了一种图像处理方法，还包括：
在基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据之前，还包括：
分别将所述基准图像和标准背景数据的颜色编码模式转换为色亮分离模式，并在所述色亮分离模式下，分别提取所述基准图像的颜色数据和所述标准背景颜色数据。
根据本公开的一个或多个实施例，【示例六】提供了一种图像处理方法，还包括：
所述基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值，包括：
基于所述自适应背景颜色数据和所述基准图像的颜色数据进行聚类处理，确定聚类中心数据；
基于所述聚类中心数据确定所述基准图像的自适应划分阈值。
根据本公开的一个或多个实施例，【示例七】提供了一种图像处理方法，还包括：
所述基于所述自适应背景颜色数据和所述基准图像的颜色数据进行聚类处理，确定聚类中心数据，包括：
将所述基准图像中各像素点的颜色数据分别确定与所述自适应背景颜色数据的第二距离信息；
基于所述第二距离信息进行聚类数为二的聚类处理，得到两个聚类中心数据。
根据本公开的一个或多个实施例，【示例八】提供了一种图像处理方法，还包括：
所述基于所述聚类中心数据确定所述基准图像的自适应划分阈值，包括：
基于预设比例值，在两个聚类中心数据之间确定自适应划分阈值。
根据本公开的一个或多个实施例，【示例九】提供了一种图像处理方法，还包括：
所述基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取，包括：
对于进行前景提取的待处理图像，基于所述待处理图像的颜色数据和自适应划分阈值，确定图像掩模；
基于图像掩模对所述待处理图像进行前景提取。
根据本公开的一个或多个实施例，【示例十】提供了一种图像处理方法，还包括：
所述自适应划分阈值包括前景阈值和背景阈值，所述前景阈值大于所述背景阈值；
所述基于所述待处理图像的颜色数据和自适应划分阈值，确定图像掩模，包括：
若所述待处理图像中像素点的颜色数据大于所述前景阈值，则将所述像素点的掩模数据确定为第一数据；
若所述待处理图像中像素点的颜色数据小于所述背景阈值，则将所述像素点的掩模数据确定为第二数据；
若所述待处理图像中像素点的颜色数据大于等于所述背景阈值，且小于等于所述前景阈值，则将所述像素点的掩模数据确定为待定数据。
根据本公开的一个或多个实施例，【示例十一】提供了一种图像处理方法，还包括：
在确定图像掩模之后，所述方法还包括：
对所述图像掩模中待定数据形成的待定区域进行如下一种或多个处理：腐蚀处理和模糊处理。
根据本公开的一个或多个实施例，【示例十二】提供了一种图像处理方法，还包括：
所述基准图像为视频中的首帧图像，所述基准图像的相同背景图像为所述基准图像所在视频中的各个视频帧。
根据本公开的一个或多个实施例，【示例十三】提供了一种图像处理装置，该装置包括：
颜色数据确定模块，用于获取基准图像，基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据；
图像阈值确定模块，用于基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值；
前景提取模块，用于基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取。
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 (15)

1.一种图像处理方法，其特征在于，包括：
获取基准图像，基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据；
基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值；
基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取。
2.根据权利要求1所述的方法，其特征在于，所述基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据，包括：
基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像中的初始背景区域；
基于初始背景区域的颜色数据确定所述基准图像的自适应背景颜色数据。
3.根据权利要求2所述的方法，其特征在于，所述基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像中的初始背景区域，包括：
将所述基准图像中各像素点的颜色数据分别确定与所述标准背景颜色数据的第一距离信息；
基于所述第一距离信息与距离阈值，确定所述基准图像中的初始背景区域。
4.根据权利要求2所述的方法，其特征在于，所述基于初始背景区域的颜色数据确定所述基准图像的自适应背景颜色数据，包括：
将所述初始背景区域中颜色数据均值，确定为所述基准图像的自适应背景颜色数据。
5.根据权利要求1所述的方法，其特征在于，在基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据之前，还包括：
分别将所述基准图像和标准背景数据的颜色编码模式转换为色亮分离模式，并在所述色亮分离模式下，分别提取所述基准图像的颜色数据和所述标准背景颜色数据。
6.根据权利要求1所述的方法，其特征在于，所述基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值，包括：
基于所述自适应背景颜色数据和所述基准图像的颜色数据进行聚类处理，确定聚类中心数据；
基于所述聚类中心数据确定所述基准图像的自适应划分阈值。
7.根据权利要求6所述的方法，其特征在于，所述基于所述自适应背景颜色数据和所述基准图像的颜色数据进行聚类处理，确定聚类中心数据，包括：
将所述基准图像中各像素点的颜色数据分别确定与所述自适应背景颜色数据的第二距离信息；
基于所述第二距离信息进行聚类数为二的聚类处理，得到两个聚类中心数据。
8.根据权利要求要求6所述的方法，其特征在于，所述基于所述聚类中心数据确定所述基准图像的自适应划分阈值，包括：
基于预设比例值，在两个聚类中心数据之间确定自适应划分阈值。
9.根据权利要求1所述的方法，其特征在于，所述基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取，包括：
对于进行前景提取的待处理图像，基于所述待处理图像的颜色数据和自适应划分阈值，确定图像掩模；
基于图像掩模对所述待处理图像进行前景提取。
10.根据权利要求9所述的方法，其特征在于，所述自适应划分阈值包括前景阈值和背景阈值，所述前景阈值大于所述背景阈值；
所述基于所述待处理图像的颜色数据和自适应划分阈值，确定图像掩模，包括：
若所述待处理图像中像素点的颜色数据大于所述前景阈值，则将所述像素点的掩模数据确定为第一数据；
若所述待处理图像中像素点的颜色数据小于所述背景阈值，则将所述像素点的掩模数据确定为第二数据；
若所述待处理图像中像素点的颜色数据大于等于所述背景阈值，且小于等于所述前景阈值，则将所述像素点的掩模数据确定为待定数据。
11.根据权利要求10所述的方法，其特征在于，在确定图像掩模之后，所述方法还包括：
对所述图像掩模中待定数据形成的待定区域进行如下一种或多个处理：腐蚀处理和模糊处理。
12.根据权利要求1所述的方法，其特征在于，所述基准图像为视频中的首帧图像，所述基准图像的相同背景图像为所述基准图像所在视频中的各个视频帧。
13.一种图像处理装置，其特征在于，包括：
颜色数据确定模块，用于获取基准图像，基于所述基准图像的颜色数据和标准背景颜色数据，确定所述基准图像的自适应背景颜色数据；
图像阈值确定模块，用于基于所述基准图像的颜色数据和所述自适应背景颜色数据确定所述基准图像的自适应划分阈值；
前景提取模块，用于基于所述自适应划分阈值对所述基准图像和/或所述基准图像的相同背景图像进行前景提取。
14.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
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如权利要求1-12中任一所述的图像处理方法。
15.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-12中任一所述的图像处理方法。
CN202210306661.1A 2022-03-25 2022-03-25 一种图像处理方法、装置、电子设备及存储介质 Pending CN114723772A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210306661.1A CN114723772A (zh) 2022-03-25 2022-03-25 一种图像处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210306661.1A CN114723772A (zh) 2022-03-25 2022-03-25 一种图像处理方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114723772A true CN114723772A (zh) 2022-07-08

Family

ID=82239043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210306661.1A Pending CN114723772A (zh) 2022-03-25 2022-03-25 一种图像处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114723772A (zh)

Similar Documents

Publication Publication Date Title
CN108229526B (zh) 网络训练、图像处理方法、装置、存储介质和电子设备
CN112241714B (zh) 图像中指定区域的识别方法、装置、可读介质和电子设备
CN109859236B (zh) 运动物体检测方法、系统、计算设备及存储介质
CN110930296A (zh) 图像处理方法、装置、设备及存储介质
CN116188808B (zh) 图像特征提取方法和系统、存储介质及电子设备
CN111080595A (zh) 图像处理方法、装置、电子设备及计算机可读介质
US20180189978A1 (en) Machine vision processing system
CN114494298A (zh) 对象分割方法、装置、设备及存储介质
CN111385640A (zh) 视频封面的确定方法、装置、设备及存储介质
CN112967207A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN113742025A (zh) 页面生成方法、装置、设备和存储介质
CN113658196A (zh) 红外图像中船舶的检测方法、装置、电子设备和介质
CN111757100B (zh) 相机运动变化量的确定方法、装置、电子设备和介质
CN113628259A (zh) 图像的配准处理方法及装置
CN110689478B (zh) 图像风格化处理方法、装置、电子设备及可读介质
CN114650361A (zh) 拍摄模式确定方法、装置、电子设备和存储介质
CN110097520B (zh) 图像处理方法和装置
CN110555799A (zh) 用于处理视频的方法和装置
CN114723772A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN112215237B (zh) 图像处理方法及装置、电子设备和计算机可读存储介质
CN113435393B (zh) 森林火灾烟雾根节点检测方法、装置和设备
CN111784709B (zh) 图像处理方法、装置、电子设备和计算机可读介质
CN114022931A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN113762016A (zh) 关键帧选取方法和装置
CN114677464A (zh) 图像处理方法、图像处理装置、计算机设备及存储介质

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