CN115471519A - 一种扫描件背景去除方法、装置、电子设备及存储介质 - Google Patents
一种扫描件背景去除方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115471519A CN115471519A CN202211123382.8A CN202211123382A CN115471519A CN 115471519 A CN115471519 A CN 115471519A CN 202211123382 A CN202211123382 A CN 202211123382A CN 115471519 A CN115471519 A CN 115471519A
- Authority
- CN
- China
- Prior art keywords
- picture
- scanned
- gray
- value
- saturation component
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 88
- 238000012545 processing Methods 0.000 claims abstract description 71
- 230000000694 effects Effects 0.000 claims abstract description 20
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims description 20
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 210000000746 body region Anatomy 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 5
- 238000002156 mixing Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
- G06T5/75—Unsharp masking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
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
本发明实施例公开一种扫描件背景去除方法、装置、电子设备及存储介质,其中,所述方法包括获取扫描件图片;分别采用多种具有不同处理效果的抠图算法处理扫描件图片,以提取扫描件图片中的主体;合成各种抠图算法的处理结果,得到背景去除后的扫描件图片。本发明实施例提供的技术方案可适用于扫描件去背景的场景,能够降低去背景的处理成本,提升处理速度。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种扫描件背景去除方法、装置、电子设备及存储介质。
背景技术
在PDF文档的处理中,会遇到很多扫描件,这些扫描件当时在被扫描时,经常会由于扫描仪或其它原因而带有底色,与原件效果差别很大,不利于阅读和打印。虽然有些情况下可以通过PS调整扫描件的亮度和对比度来处理扫描件的底色,然而有时处理效果并不是很好。因此,需要借助于专业的背景去除算法,将扫描件中不用的各种背景和噪点删除,藉以突显扫描主体。
目前,现有技术中常用的背景去除算法有:AI(Artificial Intelligence,人工智能)背景去除算法和服务端背景去除算法等。但是,这些算法的处理成本都比较高且速度不够快。
发明内容
有鉴于此,本发明实施例提供一种扫描件背景去除方法、装置、电子设备及存储介质,以较低成本提升背景去除速度。
第一方面,本发明实施例提供一种扫描件背景去除方法,应用于终端,所述方法包括:
获取扫描件图片;
分别采用多种具有不同处理效果的抠图算法处理扫描件图片,以提取扫描件图片中的主体;
合成各种抠图算法的处理结果,得到背景去除后的扫描件图片。
进一步的,每种抠图算法的处理结果为一张提取出部分或全部主体的中间图片;
合成各种抠图算法的处理结果,得到背景去除后的扫描件,包括:
将各种抠图算法处理得到的各张中间图片进行混合运算,得到背景去除的扫描件图片。
进一步的,多种具有不同处理效果的抠图算法包括如下任意两种或两种以上:局部灰度高斯评估法、局部灰度相对评估法、相对色彩评估法和绝对色彩评估法。
进一步的,采用局部灰度高斯评估法处理扫描件图片,包括:
获取扫描件图片的灰度图片;
对灰度图片进行锐化处理得到锐化图片;
采用基于局部自适应阈值的图片二值化算法,将锐化图片二值化,其中局部自适应阈值根据局部邻域块的高斯加权和确定。
进一步的,对灰度图片进行锐化处理得到锐化图片,包括:采用反锐化掩模USM增强算法,对灰度图片进行锐化处理得到锐化图片。
进一步的,采用局部灰度相对评估法处理扫描件图片,包括:
获取扫描件图片的灰度图片;
提取灰度图片的主体区,所述主体区为灰度值大于第一设定阈值的像素点组成的区域,其中所述第一设定阈值大于灰度图片的最小灰度值且小于最小灰度值与最大灰度值之间1/2处的灰度值。
进一步的,提取灰度图片的主体区,包括:采用图片掩膜技术,提取灰度图片的主体区;
其中,掩膜图片中像素点的值根据灰度图片中对应像素点的灰度值与第一设定阈值的大小确定。
进一步的,采用相对色彩评估法处理扫描件图片,包括:
获取扫描图片在色度饱和值HSV颜色空间中的饱和度分量图片;
采用大津法计算饱和度分量图片的二值化分割阈值;
按照计算得到的二值化分割阈值,提取饱和度分量上的主体区。
进一步的,按照计算得到的二值化分割阈值,提取饱和度分量上的主体区,包括:
采用如下公式,提取饱和度分量图片的主体区:
其中,hsvSij为饱和度分量图片中位于i行j列像素点的饱和度分量值,hsvS′ij为二值化后的饱和度分量图片中位于i行j列像素点的饱和度分量归一化值,th为饱和度分量图片的二值化分割阈值,S0为图片饱和度分量有效值范围内的最大值,Max为取最大值函数,Min为取最小值函数。
进一步的,采用绝对色彩评估法处理扫描件图片,包括:
获取扫描图片在色度饱和值HSV颜色空间中的饱和度分量图片;
提取饱和度分量图片的主体区,所述主体区为饱和度分量值大于第二设定阈值的像素点组成的区域。
第二方面,本发明实施例提供一种扫描件背景去除装置,应用于终端,所述装置包括:
扫描件获取单元,用于获取扫描件图片;
抠图单元,用于分别采用多种具有不同处理效果的抠图算法处理扫描件图片,以提取扫描件图片中的主体;
结果合成单元,用于合成各种抠图算法的处理结果,得到背景去除后的扫描件图片。
进一步的,每种抠图算法的处理结果为一张提取出部分或全部主体的中间图片;
结果合成单元用于合成各种抠图算法的处理结果,得到背景去除后的扫描件,具体包括:
将各种抠图算法处理得到的各张中间图片进行混合运算,得到背景去除的扫描件图片。
进一步的,多种具有不同处理效果的抠图算法包括如下任意两种或两种以上:局部灰度高斯评估法、局部灰度相对评估法、相对色彩评估法和绝对色彩评估法。
进一步的,抠图单元用于采用局部灰度高斯评估法处理扫描件图片,具体包括:
获取扫描件图片的灰度图片;
对灰度图片进行锐化处理得到锐化图片;
采用基于局部自适应阈值的图片二值化算法,将锐化图片二值化,其中局部自适应阈值根据局部邻域块的高斯加权和确定。
进一步的,抠图单元用于对灰度图片进行锐化处理得到锐化图片,具体包括:采用反锐化掩模USM增强算法,对灰度图片进行锐化处理得到锐化图片。
进一步的,抠图单元用于采用局部灰度相对评估法处理扫描件图片,包括:
获取扫描件图片的灰度图片;
提取灰度图片的主体区,所述主体区为灰度值大于第一设定阈值的像素点组成的区域,其中所述第一设定阈值大于灰度图片的最小灰度值且小于最小灰度值与最大灰度值之间1/2处的灰度值。
进一步的,抠图单元用于提取灰度图片的主体区,包括:采用图片掩膜技术,提取灰度图片的主体区;
其中,掩膜图片中像素点的值根据灰度图片中对应像素点的灰度值与第一设定阈值的大小确定。
进一步的,抠图单元用于采用相对色彩评估法处理扫描件图片,包括:
获取扫描图片在色度饱和值HSV颜色空间中的饱和度分量图片;
采用大津法计算饱和度分量图片的二值化分割阈值;
按照计算得到的二值化分割阈值,提取饱和度分量上的主体区。
进一步的,抠图单元用于按照计算得到的二值化分割阈值,提取饱和度分量上的主体区,包括:
采用如下公式,提取饱和度分量图片的主体区:
其中,hsvSij为饱和度分量图片中位于i行j列像素点的饱和度分量值,hsvS′ij为二值化后的饱和度分量图片中位于i行j列像素点的饱和度分量归一化值,th为饱和度分量图片的二值化分割阈值,S0为图片饱和度分量有效值范围内的最大值,Max为取最大值函数,Min为取最小值函数。
进一步的,抠图单元用于采用绝对色彩评估法处理扫描件图片,包括:
获取扫描图片在色度饱和值HSV颜色空间中的饱和度分量图片;
提取饱和度分量图片的主体区,所述主体区为饱和度分量值大于第二设定阈值的像素点组成的区域。
第三方面,本发明实施例提供一种电子设备,所述电子设备包括:壳体、处理器、存储器、电路板和电源电路,其中,电路板安置在壳体围成的空间内部,处理器和存储器设置在电路板上;电源电路,用于为上述电子设备的各个电路或器件供电;存储器用于存储可执行程序代码;处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行前述第一方面所述的扫描件背景去除方法。
第四方面,本发明的实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个中央处理器执行,以实现前述第一方面所述的扫描件背景去除方法。
本发明实施例提供的技术方案,无需访问服务器,也不必设计复杂的背景去除算法,只要在终端本地使用多种简单的抠图算法和图像混合运算,便可将扫描件图片中的背景去除,且方案能够集各算法优点于一体,达到优良的去背景效果,普适性好。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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发明的一些实施例,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它的附图。
图1为本发明实施例提供的一种扫描件背景去除方法的流程图;
图2为本发明实施例提供的一种原图(左侧)和使用局部灰度高斯评估法得到的抠图结果(右侧);
图3为本发明实施例提供的一种原图(左侧)和使用局部灰度相对评估法得到的抠图结果(右侧);
图4为本发明实施例提供的一种原图(左侧)和使用相对色彩评估法得到的抠图结果(右侧);
图5为本发明实施例提供的一种原图(左侧)和使用绝对色彩评估法得到的抠图结果(右侧);
图6为本发明实施例提供的一种扫描件背景去除装置的结构示意图;
图7为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
首先,本发明实施例提供了一种扫描件背景去除方法,该方法可以由对应的扫描件背景去除装置执行,应用于终端。参见图1,该方法具体包括如下步骤101-103。
步骤101、获取扫描件图片。
本步骤中可以通过用户手动上传或者主动读取的方式获取到图片格式的扫描件。如果扫描件格式为其它格式时也可以将其转换为图片格式。本发明实施例对扫描件图片的获取方式不作具体限定。
步骤102、分别采用多种具有不同处理效果的抠图算法处理扫描件图片,以提取扫描件图片中的主体。
本步骤中,可预先从适用于扫描件背景去除的抠图算法库中选取多种抠图算法处理扫描件图片。其中,抠图算法库中的各抠图算法参数可预先通过大量的样本训练确定,使其抠图优势发挥至最大。采用抠图算法处理扫描件图片后,会将图片中除背景之外的部分或全部主体抠出。所选取出的不同种抠图算法都有自己不同的处理效果,也即抠出的主体效果是不同的。比如,算法1对高饱和度扫描件图片的抠图效果较佳,算法2更适合用于对比度高的扫描件图片的抠图处理。并且,每种抠图算法可以只是抠出扫描件中图片中的部分主体,只要能够保证抠出的部分主体混合在一起后得到的是扫描件图片中除背景之外的全部主体即可。
需要说明的是,本发明实施例的核心思想是叠加多个不完美的抠图算法,最后得到一个较为合理的背景去除结果,克服单个抠图算法效果欠佳的弊端。本发明实施例对参与叠加的抠图算法以及抠图算法的数量均不作具体限定,可以是如下网址https://www.cnblogs.com/Imageshop/p/14617355.html公开的PhotoCopy(影印)算法、jsxyhelu提供的算法、基于局部方差和均值的改进算法等,又如网址https://blog.csdn.net/eternity1118_/article/details/50837462公开的伽马变换算法、替换背景的像素值算法,当然还可以是未来可以实现扫描件抠图的其它算法。但是,本发明实施例中选取的多种抠图算法应具有代表性,各有千秋,不同的抠图算法能够达到不同维度下很好的处理效果,混合在一起后尽量覆盖各种场景,普适性好,可以适用各种类型的扫描件图片背景去除。优选的,抠图算法库可以由技术人员动态更新,从中所选取的抠图算法种类也可动态调整,例如:加入新的抠图算法,和/或,去除已选择的抠图算法。为保证之前选取的抠图算法在原有样本训练下的正确性,后继如若选取抠图算法库中新的抠图算法加入时,可预先判断当前要进行处理的扫描件图片是否符合新的抠图算法所适用的扫描件图片类型,如果不是,则仅使用之前使用的多种旧抠图算法处理当前扫描件图片,而不再使用新的抠图算法,如果是,则会使用新的抠图算法以及之前使用的多种旧抠图算法分别处理当前扫描件图片。
步骤103、合成各种抠图算法的处理结果,得到背景去除后的扫描件图片。
具体实施时,每种抠图算法的处理结果为一张提取出部分或全部主体的中间图片。之后,将各种抠图算法处理得到的各张中间图片进行混合运算,得到背景去除的扫描件图片。需要说明的是,参与混合运算的各种中间图片的表示方式应是相同的,例如均为二值图片或者均为灰度图片,若采用不同种抠图算法处理扫描件图片得到的各中间图片表示方式不同,则应先转换表示方式再进行混合运算。混合运算后得到的背景去除后的扫描件图片可以为彩色图片。
本发明实施例中,先对扫描件图片使用多种抠图算法抠出具有各自特点的主体,进而将抠出的主体合成在一起达到背景去除目的,此方案能够集各家所长,充分发挥各抠图算法的优点,摒弃其缺点(一种抠图算法的背景去除缺点通过其中的其它抠图算法算法的背景去除优点克服),很好地去除扫描件图片的背景。
典型的,多种具有不同处理效果的抠图算法包括如下任意两种或两种以上:局部灰度高斯评估法、局部灰度相对评估法、相对色彩评估法和绝对色彩评估法。下面详细介绍其中的各抠图算法。
①局部灰度高斯评估法
采用局部灰度高斯评估法处理扫描件图片,包括:
获取扫描件图片的灰度图片;
对灰度图片进行锐化处理得到锐化图片;
采用基于局部自适应阈值的图片二值化算法,将锐化图片二值化,其中局部自适应阈值根据局部邻域块的高斯加权和确定。
其中,对灰度图片进行锐化处理得到锐化图片,包括:采用USM(unsharpmask,反锐化掩模)增强算法,对灰度图片进行锐化处理得到锐化图片。具体实施时,将灰度图片进行高斯模糊后与原图运算得到锐化图片,计算公式如下:
sharpen(i,j)=gray(i,j)*1.5-Gaussian(gray(i,j),σ)
sharpen(i,j)为锐化图片中第i行第j列像素点的值,gray(i,j)为灰度图片中第i行第j列像素点的值,Gaussian(gray(i,j),σ)为对灰度图片中第i行第j列像素点进行高斯模糊操作,σ为标准差。优选的,σ=3。
基于局部自适应阈值的图片二值化算法中,局部自适应阈值优选为局部邻域块的高斯加权和与常数C的差,其中局部邻域块大小优选为27,常数C是一个从锐化图片均值或加权均值提取的数值,优选为20。
上述局部灰度高斯评估法中的如下参数:标准差σ、局部邻域块大小以及常数C,可根据实际情况调节,具体可通过大量样本训练确定。局部灰度高斯评估法能够较好的提取出主体边缘,但是边缘内部有时会误判为背景区而被去掉,且边缘不平滑。如图2所示,左侧为扫描件图片,右侧为局部灰度高斯评估法抠图得到的图片。
②局部灰度相对评估法
采用局部灰度相对评估法处理扫描件图片,包括:
获取扫描件图片的灰度图片;
提取灰度图片的主体区,所述主体区为灰度值大于第一设定阈值的像素点组成的区域,其中所述第一设定阈值大于灰度图片的最小灰度值且小于最小灰度值与最大灰度值之间1/2处的灰度值。
上述局部灰度相对评估法中的参数(第一设定阈值)的取值可根据实际情况调节,具体可通过大量样本训练确定。优选的,第一设定阈值为灰度图片的最小灰度值与最大灰度值之间1/4处的灰度值。典型的,灰度图片像素点的灰度值的有效值范围为0~255时,第一设定阈值等于:
Valuemin+(Valuemax-Valuemin)*64/255
其中,Valuemin为灰度图片的最小灰度值,Valuemax为灰度图片的最大灰度值。
示例性的,提取灰度图片的主体区,包括:采用图片掩膜技术,提取灰度图片的主体区。其中,掩膜图片中像素点的值根据灰度图片中对应像素点的灰度值与第一设定阈值的大小确定。掩膜图片为一个与灰度图片大小相同的二进制图片。具体实施时,若灰度图片中像素点的灰度值大于第一设定阈值,则掩膜图片中相应像素点的值取1;若灰度图片中像素点的灰度值小于或等于第一设定阈值,则掩膜图片中相应像素点的值取0。
局部灰度相对评估法对于对比度较低的扫描件图片的抠图效果较好。如图3所示,左侧为扫描件图片,右侧为部灰度相对评估法抠图得到的图片。
③相对色彩评估法
采用相对色彩评估法处理扫描件图片,包括:
获取扫描图片在HSV颜色空间中的饱和度分量图片;
采用大津法(OTSU)计算饱和度分量图片的二值化分割阈值;
按照计算得到的二值化分割阈值,提取饱和度分量上的主体区。
其中,按照计算得到的二值化分割阈值,提取饱和度分量上的主体区,包括:
采用如下公式,提取饱和度分量图片的主体区:
其中,hsvSij为饱和度分量图片中位于i行j列像素点的饱和度分量值,hsvS′ij为二值化后的饱和度分量图片中位于i行j列像素点的饱和度分量归一化值,th为饱和度分量图片的二值化分割阈值,S0为图片饱和度分量有效值范围内的最大值,max为取最大值函数,Min为取最小值函数。
相对色彩评估法对饱和度分量图片直方图出现双峰的情况处理效果较好,适合用于提取扫描件图片中指定颜色的对象。如图4所示,左侧为扫描件图片,右侧为部灰度相对评估法抠图得到的图片。
④绝对色彩评估法
采用绝对色彩评估法处理扫描件图片,包括:
获取扫描图片在HSV颜色空间中的饱和度分量图片;
提取饱和度分量图片的主体区,所述主体区为饱和度分量值大于第二设定阈值的像素点组成的区域。
上述绝对色彩评估法中的参数:第二设定阈值,可根据实际情况调节,具体可通过大量样本训练确定。优选的,所述第二设定阈值为图片饱和度分量有效值范围3/4处的饱和度分量值。
如图5所示,左侧为扫描件图片,右侧为绝对色彩评估法抠图得到的图片。
再者,本发明实施例还提供了一种扫描件背景去除装置,该装置可以用于执行本发明实施例所述的扫描件背景去除方法,该装置可以由软件实现,而被集成在具有扫描件处理功能的电子设备中。其中,电子设备可以为终端设备。参见图6,该装置具体包括以下单元:
扫描件获取单元601,用于获取扫描件图片;
抠图单元602,用于分别采用多种具有不同处理效果的抠图算法处理扫描件图片,以提取扫描件图片中的主体;
结果合成单元603,用于合成各种抠图算法的处理结果,得到背景去除后的扫描件图片。
示例性的,每种抠图算法的处理结果为一张提取出部分或全部主体的中间图片;
结果合成单元603用于合成各种抠图算法的处理结果,得到背景去除后的扫描件,具体包括:
将各种抠图算法处理得到的各张中间图片进行混合运算,得到背景去除的扫描件图片。
示例性的,多种具有不同处理效果的抠图算法包括如下任意两种或两种以上:局部灰度高斯评估法、局部灰度相对评估法、相对色彩评估法和绝对色彩评估法。
示例性的,抠图单元602用于采用局部灰度高斯评估法处理扫描件图片,具体包括:
获取扫描件图片的灰度图片;
对灰度图片进行锐化处理得到锐化图片;
采用基于局部自适应阈值的图片二值化算法,将锐化图片二值化,其中局部自适应阈值根据局部邻域块的高斯加权和确定。
其中,抠图单元602用于对灰度图片进行锐化处理得到锐化图片,具体包括:采用反锐化掩模USM增强算法,对灰度图片进行锐化处理得到锐化图片。
示例性的,抠图单元602用于采用局部灰度相对评估法处理扫描件图片,包括:
获取扫描件图片的灰度图片;
提取灰度图片的主体区,所述主体区为灰度值大于第一设定阈值的像素点组成的区域,其中所述第一设定阈值大于灰度图片的最小灰度值且小于最小灰度值与最大灰度值之间1/2处的灰度值。
优选的,抠图单元602用于提取灰度图片的主体区,包括:采用图片掩膜技术,提取灰度图片的主体区;
其中,掩膜图片中像素点的值根据灰度图片中对应像素点的灰度值与第一设定阈值的大小确定。
示例性的,抠图单元602用于采用相对色彩评估法处理扫描件图片,包括:
获取扫描图片在色度饱和值HSV颜色空间中的饱和度分量图片;
采用大津法计算饱和度分量图片的二值化分割阈值;
按照计算得到的二值化分割阈值,提取饱和度分量上的主体区。
优选的,抠图单元602用于按照计算得到的二值化分割阈值,提取饱和度分量上的主体区,包括:
采用如下公式,提取饱和度分量图片的主体区:
其中,hsvSij为饱和度分量图片中位于i行j列像素点的饱和度分量值,hsvS′ij为二值化后的饱和度分量图片中位于i行j列像素点的饱和度分量归一化值,th为饱和度分量图片的二值化分割阈值,S0为图片饱和度分量有效值范围内的最大值,Max为取最大值函数,Min为取最小值函数。
示例性的,抠图单元602用于采用绝对色彩评估法处理扫描件图片,包括:
获取扫描图片在色度饱和值HSV颜色空间中的饱和度分量图片;
提取饱和度分量图片的主体区,所述主体区为饱和度分量值大于第二设定阈值的像素点组成的区域。
本发明实施例提供的扫描件背景去除装置与前述方法实施例属于同一发明构思,未在装置实施例中描述的技术细节可参见前述方法实施例中的相关描述,在此不再赘述。
图7为本发明电子设备一个实施例的结构示意图,可以实现本发明图1所示实施例的流程,如图7所示,上述电子设备可以包括:壳体71、处理器72、存储器73、电路板74和电源电路75,其中,电路板74安置在壳体71围成的空间内部,处理器72和存储器73设置在电路板74上;电源电路75,用于为上述电子设备的各个电路或器件供电;存储器73用于存储可执行程序代码;处理器72通过读取存储器73中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行前述任一实施例所述的扫描件背景去除方法。
处理器72对上述步骤的具体执行过程以及处理器72通过运行可执行程序代码来进一步执行的步骤,可以参见本发明图1所示实施例的描述,在此不再赘述。
该电子设备以多种形式存在,包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能,并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等,例如iPad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod),掌上游戏机,电子书,以及智能玩具和便携式车载导航设备。
(4)服务器:提供计算服务的设备,服务器的构成包括处理器、硬盘、内存、系统总线等,服务器和通用的计算机架构类似,但是由于需要提供高可靠的服务,因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据处理功能的电子设备。
再者,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或多个程序,所述一个或者多个程序可被一个或者多个中央处理器执行,以实现前述实施例所述的扫描件背景去除方法。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
为了描述的方便,描述以上装置是以功能分为各种单元/模块分别描述。当然,在实施本发明时可以把各单元/模块的功能在同一个或多个软件和/或硬件中实现。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种扫描件背景去除方法,其特征在于,应用于终端,所述方法包括:
获取扫描件图片;
分别采用多种具有不同处理效果的抠图算法处理扫描件图片,以提取扫描件图片中的主体;
合成各种抠图算法的处理结果,得到背景去除后的扫描件图片。
2.根据权利要求1所述的方法,其特征在于,每种抠图算法的处理结果为一张提取出部分或全部主体的中间图片;
合成各种抠图算法的处理结果,得到背景去除后的扫描件,包括:
将各种抠图算法处理得到的各张中间图片进行混合运算,得到背景去除的扫描件图片。
3.根据权利要求1或2所述的方法,其特征在于,多种具有不同处理效果的抠图算法包括如下任意两种或两种以上:局部灰度高斯评估法、局部灰度相对评估法、相对色彩评估法和绝对色彩评估法。
4.根据权利要求3所述的方法,其特征在于,采用局部灰度高斯评估法处理扫描件图片,包括:
获取扫描件图片的灰度图片;
对灰度图片进行锐化处理得到锐化图片;
采用基于局部自适应阈值的图片二值化算法,将锐化图片二值化,其中局部自适应阈值根据局部邻域块的高斯加权和确定。
5.根据权利要求4所述的方法,其特征在于,对灰度图片进行锐化处理得到锐化图片,包括:
采用反锐化掩模USM增强算法,对灰度图片进行锐化处理得到锐化图片。
6.根据权利要求3所述的方法,其特征在于,采用局部灰度相对评估法处理扫描件图片,包括:
获取扫描件图片的灰度图片;
提取灰度图片的主体区,所述主体区为灰度值大于第一设定阈值的像素点组成的区域,其中所述第一设定阈值大于灰度图片的最小灰度值且小于最小灰度值与最大灰度值之间1/2处的灰度值。
7.根据权利要求6所述的方法,其特征在于,提取灰度图片的主体区,包括:采用图片掩膜技术,提取灰度图片的主体区;
其中,掩膜图片中像素点的值根据灰度图片中对应像素点的灰度值与第一设定阈值的大小确定。
8.根据权利要求3所述的方法,其特征在于,采用相对色彩评估法处理扫描件图片,包括:
获取扫描图片在HSV颜色空间中的饱和度分量图片;
采用大津法计算饱和度分量图片的二值化分割阈值;
按照计算得到的二值化分割阈值,提取饱和度分量上的主体区。
10.根据权利要求3所述的方法,其特征在于,采用绝对色彩评估法处理扫描件图片,包括:
获取扫描图片在色度饱和值HSV颜色空间中的饱和度分量图片;
提取饱和度分量图片的主体区,所述主体区为饱和度分量值大于第二设定阈值的像素点组成的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211123382.8A CN115471519A (zh) | 2022-09-15 | 2022-09-15 | 一种扫描件背景去除方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211123382.8A CN115471519A (zh) | 2022-09-15 | 2022-09-15 | 一种扫描件背景去除方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115471519A true CN115471519A (zh) | 2022-12-13 |
Family
ID=84334065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211123382.8A Pending CN115471519A (zh) | 2022-09-15 | 2022-09-15 | 一种扫描件背景去除方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115471519A (zh) |
-
2022
- 2022-09-15 CN CN202211123382.8A patent/CN115471519A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11830230B2 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
Zhang et al. | The application of visual saliency models in objective image quality assessment: A statistical evaluation | |
CN108337551B (zh) | 一种屏幕录制方法、存储介质及终端设备 | |
US20200175658A1 (en) | Contrast enhancement and reduction of noise in images from cameras | |
CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
CN113688838B (zh) | 红色笔迹提取方法、系统、可读存储介质及计算机设备 | |
CN113781356A (zh) | 图像去噪模型的训练方法、图像去噪方法、装置及设备 | |
CN114494775A (zh) | 视频切分方法、装置、设备及存储介质 | |
CN110807110A (zh) | 结合局部和全局特征的图片搜索方法、装置及电子设备 | |
CN111882565A (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
CN112749696A (zh) | 一种文本检测方法及装置 | |
US20170150014A1 (en) | Method and electronic device for video denoising and detail enhancement | |
CN111666884A (zh) | 活体检测方法、装置、计算机可读介质及电子设备 | |
CN111401465A (zh) | 训练样本优化方法、装置、设备及存储介质 | |
CN115471519A (zh) | 一种扫描件背景去除方法、装置、电子设备及存储介质 | |
CN115393756A (zh) | 一种基于视觉图像的水印识别方法、装置、设备及介质 | |
CN113158745B (zh) | 一种基于多特征算子的乱码文档图片识别方法及系统 | |
Zhu et al. | A random-valued impulse noise removal algorithm via just noticeable difference threshold detector and weighted variation method | |
CN111986176B (zh) | 一种裂纹图像识别方法、系统、终端及可读存储介质 | |
CN113628196A (zh) | 一种图像内容的提取方法、装置、终端和存储介质 | |
CN110781345B (zh) | 视频描述生成模型的获取方法、视频描述生成方法及装置 | |
CN113537253A (zh) | 一种红外图像目标检测方法、装置、计算设备及存储介质 | |
CN111178340A (zh) | 图像识别方法及图像识别模型的训练方法 | |
CN108920512B (zh) | 一种基于游戏软件场景的推荐方法 | |
CN115908184B (zh) | 一种摩尔纹图案的自动去除方法和装置 |
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 |