CN116051575A - 图像分割方法、装置、计算机设备、存储介质程序产品 - Google Patents

图像分割方法、装置、计算机设备、存储介质程序产品 Download PDF

Info

Publication number
CN116051575A
CN116051575A CN202211719577.9A CN202211719577A CN116051575A CN 116051575 A CN116051575 A CN 116051575A CN 202211719577 A CN202211719577 A CN 202211719577A CN 116051575 A CN116051575 A CN 116051575A
Authority
CN
China
Prior art keywords
image
target object
segmented
outline
area
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
CN202211719577.9A
Other languages
English (en)
Inventor
李楠
张其俊
马冰
肖佳佳
王邓江
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.)
Suzhou Wanji Iov Technology Co ltd
Original Assignee
Suzhou Wanji Iov 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 Suzhou Wanji Iov Technology Co ltd filed Critical Suzhou Wanji Iov Technology Co ltd
Priority to CN202211719577.9A priority Critical patent/CN116051575A/zh
Publication of CN116051575A publication Critical patent/CN116051575A/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
    • G06T7/11—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
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/759—Region-based matching
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种图像分割方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待分割图像中目标对象的标注框区域，以根据标注框区域和参考图像获取目标对象的轮廓，进而根据目标对象的轮廓在待分割图像中标注出目标对象，得到目标对象的分割图像。其中，参考图像表示与待分割图像对应，且不存在目标对象的环境图像。整个图像分割过程无需对待分割图像中每一像素点进行前景与背景的标注，并且是基于待分割图像中的标注框区域(即待分割图像中的部分区域)实现图像分割的，大大减少了分割过程中的数据处理量，节省了分割耗时，进而提高了图像分割效率。

Description

图像分割方法、装置、计算机设备、存储介质程序产品
技术领域
本申请涉及计算机技术领域，特别是涉及一种图像分割方法、装置、计算机设备、存储介质和程序产品。
背景技术
图像实例分割(简称“图像分割”)是计算机视觉领域的一个重要研究方向，通常是在目标检测的基础上进一步进行语义分割，分离图像中的前景(即目标)与背景，实现像素级别的目标分离，整个过程兼顾了目标检测和语义分割的特点。
传统分割方法中需要对待分割图像进行像素级别的标注，以确定待分割图像中属于前景区域的像素点和属于背景区域的像素点，继而实现前景区域与背景区域的分离。然而，传统分割方法中标注数据量大，且标注过程耗时，大大降低了分割效率。
发明内容
基于此，有必要针对上述技术问题，提供一种图像分割方法、装置、计算机设备、存储介质和程序产品。
第一方面，本申请提供了一种图像分割方法，包括：
获取待分割图像中目标对象的标注框区域；
根据标注框区域和参考图像获取目标对象的轮廓；其中，参考图像表示与待分割图像对应，且不存在目标对象的环境图像；
根据目标对象的轮廓在待分割图像中标注出目标对象，得到目标对象的分割图像。
在其中一个实施例中，根据标注框区域和参考图像获取目标对象的轮廓，包括：
在参考图像中确定与标注框区域匹配的参考区域；
根据参考区域和标注框区域之间的像素差异，获取目标对象的轮廓。
在其中一个实施例中，根据参考区域和标注框区域之间的像素差异，获取目标对象的轮廓，包括：
对参考区域和标注框区域进行像素值的差分处理，得到对应标注框区域中每个像素点的差分绝对值；
根据差分绝对值对标注框区域进行二值化处理，得到对应标注框区域的二值化图像；
对二值化图像进行轮廓提取，得到目标对象的轮廓。
在其中一个实施例中，根据目标对象轮廓在待分割图像中标注出目标对象，得到目标对象的分割图像，包括：
将二值化图像中目标对象的轮廓内的像素点的透明度均设置为完全不透明，并将二值化图像中目标对象的轮廓上，以及目标对象的轮廓外的像素点的透明度设置为完全透明，得到轮廓掩膜图像；
根据轮廓掩膜图像在待分割图像中标注出目标对象，形成目标对象的分割图像。
在其中一个实施例中，根据轮廓掩膜图像在待分割图像中标注出目标对象，形成目标对象的分割图像，包括：
合并轮廓掩膜图像和标注框区域，形成包括目标对象的目标图像；
将目标图像与待分割图像进行匹配，确定待分割图像中与目标图像匹配的目标区域；
采用预设标注方式对目标区域进行标注，得到目标对象的分割图像。
在其中一个实施例中，上述方法还包括：
对目标对象的分割图像进行数据增强处理，得到处理后的目标对象的分割图像；其中，数据增强处理包括：
增大目标对象的分割图像中目标对象与非目标对象之间的对比度；和/或，增加目标对象的分割图像中的噪声。
第二方面，本申请还提供了一种图像分割装置，包括：
标注获取模块，用于获取待分割图像中目标对象的标注框区域；
轮廓提取模块，用于根据标注框区域和参考图像获取目标对象的轮廓；其中，参考图像表示与待分割图像对应，且不存在目标对象的环境图像；
实例分割模块，用于根据目标对象的轮廓在待分割图像中标注出目标对象，得到目标对象的分割图像。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述任一项图像分割方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项图像分割方法的步骤。
第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述任一项图像分割方法的步骤。
上述图像分割方法、装置、计算机设备、存储介质和计算机程序产品中，通过获取待分割图像中目标对象的标注框区域，以根据标注框区域和参考图像获取目标对象的轮廓，进而根据目标对象的轮廓在待分割图像中标注出目标对象，得到目标对象的分割图像。其中，参考图像表示与待分割图像对应，且不存在目标对象的环境图像。整个图像分割过程无需对待分割图像中每一像素点进行前景与背景的标注，并且是基于待分割图像中的标注框区域(即待分割图像中的部分区域)实现图像分割的，大大减少了分割过程中的数据处理量，节省了分割耗时，进而提高了图像分割效率。
附图说明
图1为一个实施例中图像分割方法的流程示意图；
图2为一个实施例中获取目标对象的轮廓的流程示意图；
图3为另一个实施例中获取目标对象的轮廓的流程示意图；
图4为一个实施例中得到目标对象的分割图像的流程示意图；
图5为另一个实施例中得到目标对象的分割图像的流程示意图；
图6为一个实施例中图像分割装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种图像分割方法，本实施例以该方法应用于计算机设备进行举例说明，该方法包括以下步骤：
S110、获取待分割图像中目标对象的标注框区域。
其中，标注框区域为待分割图像中标注框的在所区域，标注框用于框选目标对象。对待分割图像进行目标检测后，即可得到待分割图像中的标签信息，该标签信息用于指示标注框的所在区域，所在区域具体可以采用标注框的位置以及尺寸表征。
可选地，上述标注框可以是矩形标注框，还可以是其他形状的标注框。
可选地，计算机设备可从路侧数据集中获取待分割图像，并读取该待分割图像所对应的标签信息，以确定待分割图像中标注框的所在区域即标注框区域。其中，路侧数据集中包括路侧图像采集装置在固定位置所采集到的大量的场景图像，计算机设备可从中任选一帧或多帧场景图像作为待分割图像。
S120、根据标注框区域和参考图像获取目标对象的轮廓。
其中，参考图像表示与待分割图像对应，且不存在目标对象的环境图像，即参考图像为与待分割图像为同一场景下，不包括目标对象时的环境图像，并且参考图像与待分割图像的尺寸、分辨率等相关属性参数均相同。
可选地，针对待分割图像中的标注框区域，计算机设备可在参考图像中确定对应标注框区域的图像区域，并基于该图像区域与标注框区域获取标注框区域中目标对象的轮廓。
S130、根据目标对象的轮廓在待分割图像中标注出目标对象，得到目标对象的分割图像。
可选地，在得到目标对象的轮廓后，计算机设备则进一步根据目标对象的轮廓在待分割图像中标注出对应的目标对象，以得到目标对象的分割图像。
本实施例中，计算机设备通过获取待分割图像中目标对象的标注框区域，以根据标注框区域和参考图像获取目标对象的轮廓，进而根据目标对象的轮廓在待分割图像中标注出目标对象，得到目标对象的分割图像。其中，参考图像表示与待分割图像对应，且不存在目标对象的环境图像。整个图像分割过程无需对待分割图像中每一像素点进行前景与背景的标注，并且是基于待分割图像中的标注框区域(即待分割图像中的部分区域)实现图像分割的，大大减少了分割过程中的数据处理量，节省了分割耗时，进而提高了图像分割效率。
实际应用中，可基于图像间的像素差异确定目标对象的轮廓。基于此，在其中一个实施例中，如图2所示，上述S120、根据标注框区域和参考图像获取目标对象的轮廓，包括：
S210、在参考图像中确定与标注框区域匹配的参考区域。
可选地，计算机设备可根据待分割图像中标注框区域的位置以及尺寸在参考图像中确定相同位置以及尺寸的区域，并将该区域作为与标注框区域匹配的参考区域。例如，计算机设备根据待分割图像S中的标注框区域M在待分割图像S中的位置以及尺寸，在参考图像S’中确定相同位置以及尺寸的区域M’，该区域M’即为与标注框区域M匹配的参考区域。
S220、根据参考区域和标注框区域之间的像素差异，获取目标对象的轮廓。
其中，参考区域为参考图像中与标注框区域的位置以及尺寸所匹配的区域，参考图像为不包括目标对象的环境图像，参考区域相应地也不包括目标对象。
在参考区域中不包括目标对象，而标注框区域中包括目标对象的情况下，参考区域与标注框区域之间的像素差异则是目标对象所带来的像素差异。基于此，计算机设备即可在得到参考图像中与标注框区域匹配的参考区域后，获取参考区域和标注框区域之间的像素差异，以根据像素差异在标注框区域确定目标对象所在区域，进而根据目标对象所在区域获取目标对象的轮廓。
图像之间的像素差异即为对应像素点之间像素值的差异，在其中一个实施例中，如图3所示，上述S220、根据参考区域和标注框区域之间的像素差异，获取目标对象的轮廓，则包括：
S310、对参考区域和标注框区域进行像素值的差分处理，得到对应标注框区域中每个像素点的差分绝对值。
其中，参考区域与标注框区域的尺寸相同，并且参考图像与待分割图像的分辨率相同，因此参考区域与标注框区域之间的像素点一一对应。
可选地，计算机设备对参考区域和标注框区域进行像素值的差分处理，即获取参考区域和标注框区域中对应像素点的像素值之差，并对像素值之差取绝对值作为差分绝对值，即可得到对应标注框区域中每个像素点的差分绝对值。
其中，差分处理的计算公式如下：
Ut(,j)＝|Pt(i,j)-0(i,j)|
其中，Ut(,j)表示像素点(,j)所对应的差分绝对值，Pt(i,j)为待分割图像，P0(i,j)为参考图像。
可选地，参考图像也可以是路侧数据集中与待分割图像采集时刻相邻的图像。在待分割图像为目标对象首次出现的图像时，参考图像即为待分割图像的前一帧图像。
S320、根据差分绝对值对标注框区域进行二值化处理，得到对应标注框区域的二值化图像。
可选地，在得到对应标注框区域中每个像素点的差分绝对值后，计算机设备根据每个像素点的差分绝对值对标注框区域进行二值化处理，以得到采用参数0和1表征像素值的标注框区域的二值化图像。
可选地，计算机设备遍历标注框区域中的每一个像素点，将每个像素点的差分绝对值与预设阈值进行比较，若差分绝对值大于预设阈值，计算机设备即可确定标注框区域中对应像素点属于前景区域(即目标对象所在区域)，则将对应像素点的像素值置为1；若差分绝对值小于或者等于预设阈值，计算机设备即可确定标注框区域中对应像素点属于背景区域(即非目标对象所在区域)，则将对应像素点的像素值置为0。遍历结束后，即可得到实现前景区域与背景区域分离的对应标注框区域的二值化图像。
S330、对二值化图像进行轮廓提取，得到目标对象的轮廓。
可选地，得到上述对应标注框区域的二值化图像后，计算机设备采用边缘提取算法对该二值化图像进行轮廓提取，即可得到目标对象的轮廓。
本实施例中，计算机设备在参考图像中确定与标注框区域匹配的参考区域，并根据参考区域和标注框区域之间的像素差异，获取目标对象的轮廓。其中，具体可对参考区域和标注框区域进行像素值的差分处理，得到对应标注框区域中每个像素点的差分绝对值，并根据差分绝对值对标注框区域进行二值化处理，得到对应标注框区域的二值化图像，进而再对二值化图像进行轮廓提取，得到目标对象的轮廓。上述方法中像素值的差分处理所得到的参考图像与标注框区域之间的像素差异可准确定位目标对象的位置，二值化处理实现前景区域与背景区域的分离，滤除了标注框区域中除过目标对象的冗余信息，实现了对于目标对象的轮廓的精准提取，进而提高了图像分割精度。
为进一步提高图像分割精度，在其中一个实施例中，如图4所示，上述S130、根据目标对象的轮廓在待分割图像中标注出目标对象，得到目标对象的分割图像，则包括：
S410、将二值化图像中目标对象的轮廓内的像素点的透明度均设置为完全不透明，并将二值化图像中目标对象的轮廓上，以及目标对象的轮廓外的像素点的透明度设置为完全透明，得到轮廓掩膜图像。
其中，二值化图像中，目标对象的轮廓内的像素点即对应目标对象所在区域，目标对象的轮廓上，以及目标对象的轮廓外的像素点即对应非目标对象所在区域。轮廓掩膜图像用于反映目标对象的轮廓，轮廓掩膜图像中仅包括目标对象的轮廓信息(如位置、形状)，而不包括像素值。
可选地，计算机设备基于二值化图像得到目标对象的轮廓后，再采用目标对象的轮廓对二值化图像进行进一步地的处理，以得到目标对象的轮廓所对应的轮廓掩膜图像。其中，对于二值化图像上的每一个像素点，计算机设备将对应目标对象的轮廓内的像素点的透明度均设置为完全不透明，同时将对应目标对象的轮廓上的像素点的透明度，以及对应目标对象的轮廓外的像素点的透明度设置为完全透明，不同像素点对应不同透明度的轮廓掩膜图像。
S420、根据轮廓掩膜图像在待分割图像中标注出目标对象，形成目标对象的分割图像。
可选地，得到目标对象的轮廓所对应的轮廓掩膜图像后，计算机设备即可基于该轮廓掩膜图像在待分割图像中标注出目标对象，形成目标对象的分割图像。
在一可选地实施例中，如图5所示，上述S420、根据轮廓掩膜图像在待分割图像中标注出目标对象，形成目标对象的分割图像，包括：
S510、合并轮廓掩膜图像和标注框区域，形成包括目标对象的目标图像。
可选地，计算机设备可直接合并轮廓掩膜图像和标注框区域，合并的过程即为将对应像素点在轮廓掩膜图像中的透明度赋予标注框区域中对应的像素点，透明度为完全不透明的像素点即可视，透明度为完全透明的像素点即不可视，合并后即可得到仅可视标注框区域中目标对象所在区域，而其余非目标对象区域不可视，即仅包括目标对象的目标图像。
S520、将目标图像与待分割图像进行匹配，确定待分割图像中与目标图像匹配的目标区域。
可选地，得到上述仅包括目标对象的目标图像后，计算机设备进一步将目标图像与待分割图像进行匹配，以在待分割图像中确定与目标图像的图像特征、形状以及尺寸等多维度信息均匹配的目标区域。
S530、采用预设标注方式对目标区域进行标注，得到目标对象的分割图像。
可选地，预设标注方式可以是采用预设颜色将目标区域标注，还可以是将目标区域的轮廓勾勒标注，还可以是在目标区域采用文字标注目标对象的类型。本实施例中，对于预设标注方式的表现形式不做具体限制，以实现标注/警示/提示/区别与其他区域的作用即可。
可选地，计算机设备采用预设颜色对待分割图像中的目标区域进行标注，即可得到目标对象的分割图像。
本实施例中，计算机设备将二值化图像中目标对象的轮廓内的像素点的透明度均设置为完全不透明，并将二值化图像中目标对象的轮廓上，以及目标对象的轮廓外的像素点的透明度设置为完全透明，得到轮廓掩膜图像，进而根据轮廓掩膜图像在待分割图像中标注出目标对象，形成目标对象的分割图像。其中，具体可通过合并目标轮廓掩膜和标注框区域，形成包括目标对象的目标图像，并将目标图像与待分割图像进行匹配，确定待分割图像中与目标图像匹配的目标区域，以采用预设标注方式对目标区域进行标注，得到目标对象的分割图像。通过轮廓掩膜图像确定目标图像的过程可保持原始待分割图像中目标对象所在区域的所有信息，为后续与待分割图像进行匹配确定目标区域提供了准确且丰富的配准数据，进而提高了所确定的目标区域的准确性，相应提高了图像分割的准确性。
得到目标对象的分割图像后，为提高目标对象的分割图像的显示效果，在其中一个实施例中，上述方法还包括：
对目标对象的分割图像进行数据增强处理，得到处理后的目标对象的分割图像；其中，数据增强处理包括：
增大目标对象的分割图像中目标对象与非目标对象之间的对比度；和/或，增加目标对象的分割图像中的噪声。
可选地，为实现对于目标对象的分割图像中目标对象的突出显示，计算机设备可通过增大对应目标对象处像素点的灰度值的方式，增大分割图像中目标对象与非目标对象之间的对比度，以实现对于目标对象的分割图像中目标对象的突出显示。
可选地，为使得目标对象的分割图像更近真实场景，提高场景还原度，计算机设备可增加分割图像中的噪声，使得目标对象的分割图像更近真实场景。
可选地，计算机设备可采用如下高斯噪声函数为目标对象的分割图像增加噪声：
Figure BDA0004028237790000091
其中，z表示分割图像中图像像元的灰度值，μ表示z的期望，σ表示z的标准差。
在其中一个可选地实施例中，上述方法还可以包括：
根据目标对象的分割图像训练得到用于实现图像分割的图像分割模型。
可选地，为了提高图像分割模型的鲁棒性，需采样大量的目标对象的分割图像作为训练样本，为提高样本数据的多样性，上述数据增强处理还可以包括为目标对象的分割图像添加随机点。
其中，添加随机点的大体过程如下：
在分割图像中创建坐标轴，利用随机生成器和种子在指定区域内创建随机点。在x轴和y轴上分别标识该区域的随机值，这些值将成为点的x坐标和y坐标。如果要在x轴上随机选择点，则将选择随机数数据流中下一个未使用的值并将其变换为“均匀”分布，其中min值和max值分别为x范围的min值和max值。对y轴执行相同的操作。上述所得到的两个随机值将表示第一个随机点。重复此过程，直到满足指定的点数。
将处理后的目标对象的分割图像中的轮廓信息写入对应的实例分割标注文件，以便后续训练时读取。
本实施例中，计算机设备可对于得到的目标对象的分割图像进行进一步地数据增强处理，可通过增强对比度的方式使得目标对象的分割图像中目标对象的突出显示，还可以通过增加噪声的方式使得目标对象的分割图像更近真实场景，还可以通过添加随机点的方式丰富分割图像的样式，为训练图像分割模型提供多样的训练样本。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种图像分割装置，包括：标注获取模块601、轮廓提取模块602和实例分割模块603，其中：
标注获取模块601用于获取待分割图像中目标对象的标注框区域；
轮廓提取模块602用于根据标注框区域和参考图像获取目标对象的轮廓；其中，参考图像表示与待分割图像对应，且不存在目标对象的环境图像；
实例分割模块603用于根据目标对象的轮廓在待分割图像中标注出目标对象，得到目标对象的分割图像。
在其中一个实施例中，轮廓提取模块602具体用于：
在参考图像中确定与标注框区域匹配的参考区域；根据参考区域和标注框区域之间的像素差异，获取目标对象的轮廓。
在其中一个实施例中，轮廓提取模块602具体用于：
对参考区域和标注框区域进行像素值的差分处理，得到对应标注框区域中每个像素点的差分绝对值；根据差分绝对值对标注框区域进行二值化处理，得到对应标注框区域的二值化图像；对二值化图像进行轮廓提取，得到目标对象的轮廓。
在其中一个实施例中，实例分割模块603具体用于：
将二值化图像中目标对象的轮廓内的像素点的透明度均设置为完全不透明，并将二值化图像中目标对象的轮廓上，以及目标对象的轮廓外的像素点的透明度设置为完全透明，得到轮廓掩膜图像；根据轮廓掩膜图像在待分割图像中标注出目标对象，形成目标对象的分割图像。
在其中一个实施例中，实例分割模块603具体用于：
合并轮廓掩膜图像和标注框区域，形成包括目标对象的目标图像；将目标图像与待分割图像进行匹配，确定待分割图像中与目标图像匹配的目标区域；采用预设标注方式对目标区域进行标注，得到目标对象的分割图像。
在其中一个实施例中，上述装置还包括：增强处理模块，具体用于：
对目标对象的分割图像进行数据增强处理，得到处理后的目标对象的分割图像；其中，数据增强处理包括：增大目标对象的分割图像中目标对象与非目标对象之间的对比度；和/或，增加目标对象的分割图像中的噪声。
上述图像分割装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种图像分割方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取待分割图像中目标对象的标注框区域；根据标注框区域和参考图像获取目标对象的轮廓；其中，参考图像表示与待分割图像对应，且不存在目标对象的环境图像；根据目标对象的轮廓在待分割图像中标注出目标对象，得到目标对象的分割图像。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
在参考图像中确定与标注框区域匹配的参考区域；根据参考区域和标注框区域之间的像素差异，获取目标对象的轮廓。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
对参考区域和标注框区域进行像素值的差分处理，得到对应标注框区域中每个像素点的差分绝对值；根据差分绝对值对标注框区域进行二值化处理，得到对应标注框区域的二值化图像；对二值化图像进行轮廓提取，得到目标对象的轮廓。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
将二值化图像中目标对象的轮廓内的像素点的透明度均设置为完全不透明，并将二值化图像中目标对象的轮廓上，以及目标对象的轮廓外的像素点的透明度设置为完全透明，得到轮廓掩膜图像；根据轮廓掩膜图像在待分割图像中标注出目标对象，形成目标对象的分割图像。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
合并轮廓掩膜图像和标注框区域，形成包括目标对象的目标图像；将目标图像与待分割图像进行匹配，确定待分割图像中与目标图像匹配的目标区域；采用预设标注方式对目标区域进行标注，得到目标对象的分割图像。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
对目标对象的分割图像进行数据增强处理，得到处理后的目标对象的分割图像；其中，数据增强处理包括：增大目标对象的分割图像中目标对象与非目标对象之间的对比度；和/或，增加目标对象的分割图像中的噪声。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取待分割图像中目标对象的标注框区域；根据标注框区域和参考图像获取目标对象的轮廓；其中，参考图像表示与待分割图像对应，且不存在目标对象的环境图像；根据目标对象的轮廓在待分割图像中标注出目标对象，得到目标对象的分割图像。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在参考图像中确定与标注框区域匹配的参考区域；根据参考区域和标注框区域之间的像素差异，获取目标对象的轮廓。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对参考区域和标注框区域进行像素值的差分处理，得到对应标注框区域中每个像素点的差分绝对值；根据差分绝对值对标注框区域进行二值化处理，得到对应标注框区域的二值化图像；对二值化图像进行轮廓提取，得到目标对象的轮廓。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将二值化图像中目标对象的轮廓内的像素点的透明度均设置为完全不透明，并将二值化图像中目标对象的轮廓上，以及目标对象的轮廓外的像素点的透明度设置为完全透明，得到轮廓掩膜图像；根据轮廓掩膜图像在待分割图像中标注出目标对象，形成目标对象的分割图像。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
合并轮廓掩膜图像和标注框区域，形成包括目标对象的目标图像；将目标图像与待分割图像进行匹配，确定待分割图像中与目标图像匹配的目标区域；采用预设标注方式对目标区域进行标注，得到目标对象的分割图像。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对目标对象的分割图像进行数据增强处理，得到处理后的目标对象的分割图像；其中，数据增强处理包括：增大目标对象的分割图像中目标对象与非目标对象之间的对比度；和/或，增加目标对象的分割图像中的噪声。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取待分割图像中目标对象的标注框区域；根据标注框区域和参考图像获取目标对象的轮廓；其中，参考图像表示与待分割图像对应，且不存在目标对象的环境图像；根据目标对象的轮廓在待分割图像中标注出目标对象，得到目标对象的分割图像。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在参考图像中确定与标注框区域匹配的参考区域；根据参考区域和标注框区域之间的像素差异，获取目标对象的轮廓。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对参考区域和标注框区域进行像素值的差分处理，得到对应标注框区域中每个像素点的差分绝对值；根据差分绝对值对标注框区域进行二值化处理，得到对应标注框区域的二值化图像；对二值化图像进行轮廓提取，得到目标对象的轮廓。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将二值化图像中目标对象的轮廓内的像素点的透明度均设置为完全不透明，并将二值化图像中目标对象的轮廓上，以及目标对象的轮廓外的像素点的透明度设置为完全透明，得到轮廓掩膜图像；根据轮廓掩膜图像在待分割图像中标注出目标对象，形成目标对象的分割图像。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
合并轮廓掩膜图像和标注框区域，形成包括目标对象的目标图像；将目标图像与待分割图像进行匹配，确定待分割图像中与目标图像匹配的目标区域；采用预设标注方式对目标区域进行标注，得到目标对象的分割图像。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对目标对象的分割图像进行数据增强处理，得到处理后的目标对象的分割图像；其中，数据增强处理包括：增大目标对象的分割图像中目标对象与非目标对象之间的对比度；和/或，增加目标对象的分割图像中的噪声。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种图像分割方法，其特征在于，所述方法包括：
获取待分割图像中目标对象的标注框区域；
根据所述标注框区域和参考图像获取所述目标对象的轮廓；其中，所述参考图像表示与所述待分割图像对应，且不存在目标对象的环境图像；
根据所述目标对象的轮廓在所述待分割图像中标注出所述目标对象，得到所述目标对象的分割图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述标注框区域和参考图像获取所述目标对象的轮廓，包括：
在所述参考图像中确定与所述标注框区域匹配的参考区域；
根据所述参考区域和所述标注框区域之间的像素差异，获取所述目标对象的轮廓。
3.根据权利要求2所述的方法，其特征在于，所述根据所述参考区域和所述标注框区域之间的像素差异，获取所述目标对象的轮廓，包括：
对所述参考区域和所述标注框区域进行像素值的差分处理，得到对应所述标注框区域中每个像素点的差分绝对值；
根据所述差分绝对值对所述标注框区域进行二值化处理，得到对应所述标注框区域的二值化图像；
对所述二值化图像进行轮廓提取，得到所述目标对象的轮廓。
4.根据权利要求3所述的方法，其特征在于，所述根据所述目标对象轮廓在所述待分割图像中标注出所述目标对象，得到所述目标对象的分割图像，包括：
将所述二值化图像中所述目标对象的轮廓内的像素点的透明度均设置为完全不透明，并将所述二值化图像中所述目标对象的轮廓上，以及所述目标对象的轮廓外的像素点的透明度设置为完全透明，得到轮廓掩膜图像；
根据所述轮廓掩膜图像在所述待分割图像中标注出所述目标对象，形成所述目标对象的分割图像。
5.根据权利要求4所述的方法，其特征在于，所述根据所述轮廓掩膜图像在所述待分割图像中标注出所述目标对象，形成所述目标对象的分割图像，包括：
合并所述轮廓掩膜图像和所述标注框区域，形成包括所述目标对象的目标图像；
将所述目标图像与所述待分割图像进行匹配，确定所述待分割图像中与所述目标图像匹配的目标区域；
采用预设标注方式对所述目标区域进行标注，得到所述目标对象的分割图像。
6.根据权利要求1至5中任一项所述的方法，其特征在于，所述方法还包括：
对所述目标对象的分割图像进行数据增强处理，得到处理后的所述目标对象的分割图像；其中，所述数据增强处理包括：
增大所述目标对象的分割图像中所述目标对象与非目标对象之间的对比度；和/或，增加所述目标对象的分割图像中的噪声。
7.一种图像分割装置，其特征在于，所述装置包括：
标注获取模块，用于获取待分割图像中目标对象的标注框区域；
轮廓提取模块，用于根据所述标注框区域和参考图像获取所述目标对象的轮廓；其中，所述参考图像表示与所述待分割图像对应，且不存在目标对象的环境图像；
实例分割模块，用于根据所述目标对象的轮廓在所述待分割图像中标注出所述目标对象，得到所述目标对象的分割图像。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其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权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202211719577.9A 2022-12-30 2022-12-30 图像分割方法、装置、计算机设备、存储介质程序产品 Pending CN116051575A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211719577.9A CN116051575A (zh) 2022-12-30 2022-12-30 图像分割方法、装置、计算机设备、存储介质程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211719577.9A CN116051575A (zh) 2022-12-30 2022-12-30 图像分割方法、装置、计算机设备、存储介质程序产品

Publications (1)

Publication Number Publication Date
CN116051575A true CN116051575A (zh) 2023-05-02

Family

ID=86119315

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211719577.9A Pending CN116051575A (zh) 2022-12-30 2022-12-30 图像分割方法、装置、计算机设备、存储介质程序产品

Country Status (1)

Country Link
CN (1) CN116051575A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116630354A (zh) * 2023-07-24 2023-08-22 荣耀终端有限公司 一种视频抠图方法、电子设备、存储介质及程序产品
CN117274833A (zh) * 2023-11-20 2023-12-22 浙江国遥地理信息技术有限公司 一种建筑轮廓处理方法、装置、设备和存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116630354A (zh) * 2023-07-24 2023-08-22 荣耀终端有限公司 一种视频抠图方法、电子设备、存储介质及程序产品
CN116630354B (zh) * 2023-07-24 2024-04-12 荣耀终端有限公司 一种视频抠图方法、电子设备、存储介质及程序产品
CN117274833A (zh) * 2023-11-20 2023-12-22 浙江国遥地理信息技术有限公司 一种建筑轮廓处理方法、装置、设备和存储介质
CN117274833B (zh) * 2023-11-20 2024-02-27 浙江国遥地理信息技术有限公司 一种建筑轮廓处理方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
CN107016387B (zh) 一种识别标签的方法及装置
CN116051575A (zh) 图像分割方法、装置、计算机设备、存储介质程序产品
CN109948549B (zh) Ocr数据生成方法、装置、计算机设备及存储介质
CN117058271A (zh) 用于生成商品主图背景的方法及计算设备
CN117078790B (zh) 图像生成方法、装置、计算机设备和存储介质
CN107886471A (zh) 一种基于超像素投票模型的照片多余物体去除方法
CN110781856A (zh) 异质人脸识别模型训练方法、人脸识别方法及相关装置
Shimoda et al. De-rendering stylized texts
CN114241432A (zh) 车牌识别方法、设备及存储介质
Wang et al. End-to-end trainable network for superpixel and image segmentation
CN115393872A (zh) 一种训练文本分类模型的方法、装置、设备及存储介质
CN110163095B (zh) 回环检测方法、回环检测装置及终端设备
CN112883926B (zh) 表格类医疗影像的识别方法及装置
CN112380978B (zh) 基于关键点定位的多人脸检测方法、系统及存储介质
CN116596935B (zh) 形变检测方法、装置、计算机设备及计算机可读存储介质
CN117593420A (zh) 基于图像处理的平面图纸标注方法、装置、介质及设备
CN115880362B (zh) 码区定位方法、装置、计算机设备及计算机可读存储介质
CN115908363B (zh) 肿瘤细胞统计方法、装置、设备和存储介质
WO2023284670A1 (zh) 图形码提取模型构建方法、识别方法、装置、设备和介质
CN108388859B (zh) 物体检测方法、网络训练方法、装置和计算机存储介质
CN112084364A (zh) 对象分析方法、局部图像搜索方法、设备及存储介质
CN113128496A (zh) 一种从图像中提取结构化数据的方法、装置和设备
CN116452702B (zh) 信息图表快速设计方法、装置、计算机设备和存储介质
CN116612474B (zh) 对象检测方法、装置、计算机设备及计算机可读存储介质
Sari et al. An Approach For Stitching Satellite Images In A Bigdata Mapreduce Framework

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