欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

圖像分割的方法與裝置與流程

文檔序號:11732665閱讀:238來源:國知局
圖像分割的方法與裝置與流程
本發(fā)明涉及圖像處理領域,尤其涉及一種圖像分割的方法與裝置。

背景技術:
在數(shù)字圖像應用過程中,人們往往只對一幅圖像中的某些部分感興趣,這些感興趣的部分一般對應圖像中特定的、具有特殊性質的區(qū)域,稱之為目標圖像或前景;而其它部分稱為圖像的背景。為了辨識和分析目標圖像,需要把目標圖像從原始圖像中分割出來,從而對目標圖像進行后期處理。在圖像、視頻中提取所需目標圖像,是對圖像、視頻進行編輯、修改、制作的前提。目前已有多種圖像分割的方法:MagicWand法,通過用戶指定的點或者區(qū)域計算出一個像素相互連接組成的區(qū)域,在該區(qū)域中像素滿足用戶指定區(qū)域處的顏色統(tǒng)計的某個范圍內,用戶交互簡單,但是計算合適的顏色統(tǒng)計結果容許范圍較為困難,導致分割出的目標圖像質量不高。IntelligentScissors法,通過用戶鼠標移動確定初始的輪廓,然后利用求取最小消耗的方法求取較精確邊界,但是用戶交互較為復雜,需要用戶進行大量的操作。GraphCut法,在圖像分割領域引入了圖論中的思想,將圖像分割問題轉化為圖論中的最大流-最小割問題,通過求解方程得到分割結果。此外,這種方法利用的是圖像灰度直方圖信息,對于彩色圖像,只能將圖像首先轉換為灰度圖像后進行處理,無法利用圖像的顏色信息從而降低了結果的準確性。GrabCut法,這種方法是對Graphcuts算法的改進,具有分割精度高,交互式操作少的優(yōu)點,并將分割從灰度圖像推廣到了彩色圖像領域。該方法利用了圖像中的紋理(顏色)信息和邊界(反差)信息,只要少量的用戶交互操作即可得到比較好的分割結果,另外在對圖像進行建模時采用混合高斯模型代替了灰度直方圖,從而可以直接利用圖像中包含更多信息的RGB顏色數(shù)據(jù)得到更準確的數(shù)據(jù)。在現(xiàn)有技術中,MagicWand法和IntelligentScissors法因為其明顯的局限性導致使用范圍較小,GrabCut法作為GraphCut法的改進,因其步驟少,分割精度高的特點應用越來越廣。但是GrabCut法的效率不高,對于實時性要求較高的用戶來說,時間消耗過長。針對現(xiàn)有技術中存在的圖像分割方法效率不高的問題,目前尚未提出有效的解決方案。

技術實現(xiàn)要素:
本發(fā)明的主要目的是提供一種圖像分割的方法和裝置,以解決現(xiàn)有技術中的圖像分割方法效率不高的問題。為了實現(xiàn)上述目的,根據(jù)本發(fā)明的一個方面,提供了一種圖像分割的方法。該方法包括:對輸入圖像進行下采樣,得到預處理圖像;按照上述預處理圖像建立圖像數(shù)據(jù)模型;通過對圖像數(shù)據(jù)模型的計算確定目標圖像的邊緣輪廓;利用邊緣輪廓在預處理圖像中的位置確定目標圖像在輸入圖像的位置;按照目標圖像在輸入圖像的位置提取目標圖像。進一步地,在對輸入圖像進行下采樣之前,該方法還包括:獲取用戶劃定的包含目標圖像的圖像區(qū)域;在得到預處理圖像之后還包括:計算包含目標圖像的圖像區(qū)域在預處理圖像中的對應區(qū)域;以對應區(qū)域為中心形成取樣區(qū)域;按照預處理圖像建立圖像數(shù)據(jù)模型包括:按照預處理圖像的取樣區(qū)域內的圖像部分建立圖像數(shù)據(jù)模型。進一步地,用戶劃定的包含目標圖像的圖像區(qū)域為矩形。進一步地,利用邊緣輪廓在預處理圖像中的位置確定目標圖像在輸入圖像的位置包括:對預處理圖像進行上采樣,得到與輸入圖像大小相同的對應圖像;根據(jù)邊緣輪廓在對應圖像中的位置確定目標圖像在輸入圖像的位置。進一步地,按照預處理圖像建立圖像數(shù)據(jù)模型包括:按照預處理圖像建立高斯混合GMM彩色圖像數(shù)據(jù)模型;通過對圖像數(shù)據(jù)模型的計算確定目標圖像的邊緣輪廓包括:使用GrabCut算法對GMM彩色圖像數(shù)據(jù)模型計算得到目標圖像的邊緣輪廓。進一步地,對輸入圖像進行下采樣使用下列任一種方式進行:鄰域平均、像素分除、或像素抽選。根據(jù)本發(fā)明的另一個方面,提供了一種圖像分割的裝置,該裝置包括:下采樣模塊,用于對輸入圖像進行下采樣,得到預處理圖像;建模模塊,用于按照預處理圖像建立圖像數(shù)據(jù)模型;輪廓提取模塊,用于通過對圖像數(shù)據(jù)模型的計算確定目標圖像的邊緣輪廓;位置確定模塊,用于利用邊緣輪廓在預處理圖像中的位置確定目標圖像在輸入圖像的位置;目標圖像提取模塊,用于按照目標圖像在輸入圖像的位置提取目標圖像。進一步地,上述圖像分割的裝置還包括:獲取模塊,用于獲取用戶劃定的包含目標圖像的圖像區(qū)域;區(qū)域對應模塊,用于計算包含目標圖像的圖像區(qū)域在預處理圖像中的對應區(qū)域;取樣區(qū)域形成模塊,用于以對應區(qū)域為中心形成取樣區(qū)域;建模模塊,還用于按照預處理圖像的取樣區(qū)域內的圖像部分建立圖像數(shù)據(jù)模型。進一步地,建模模塊還用于:按照預處理圖像建立高斯混合GMM彩色圖像數(shù)據(jù)模型;輪廓提取模塊還用于:使用GrabCut算法對GMM彩色圖像數(shù)據(jù)模型計算得到目標圖像的邊緣輪廓。根據(jù)本發(fā)明的技術方案,對輸入圖像進行下采樣后,建立數(shù)據(jù)模型,計算提取目標圖像,有助于減少圖像分割過程的計算量,從而提高圖像分割的速度,有效地節(jié)省分割時間。附圖說明說明書附圖用來提供對本發(fā)明的進一步理解,構成本申請的一部分,本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明,并不構成對本發(fā)明的不當限定。在附圖中:圖1是根據(jù)本發(fā)明第一實施例的圖像分割的方法的示意圖;圖2是根據(jù)本發(fā)明第二實施例的圖像分割的方法的示意圖;圖3A是根據(jù)本發(fā)明第二實施例的分割圖像方法的輸入圖像;圖3B是根據(jù)本發(fā)明第二實施例的分割圖像方法的包含目標圖像的矩形區(qū)域的示意圖;圖3C是根據(jù)本發(fā)明第二實施例的分割圖像方法的分割出的目標圖像的效果圖;圖4是根據(jù)本發(fā)明實施例的圖像分割的裝置的示意圖。具體實施方式需要說明的是,在不沖突的情況下,本申請中的實施例及實施例中的特征可以相互組合。下面將參考附圖并結合實施例來詳細說明本發(fā)明。圖1是根據(jù)本發(fā)明第一實施例的圖像分割的方法的示意圖,如圖1所示,該方法主要包括如下步驟:步驟S11:對輸入圖像進行下采樣,得到預處理圖像;步驟S13:按照預處理圖像建立圖像數(shù)據(jù)模型;步驟S15:通過對圖像數(shù)據(jù)模型的計算確定目標圖像的邊緣輪廓;步驟S17:利用邊緣輪廓在預處理圖像中的位置確定目標圖像在輸入圖像的位置;步驟S19:按照目標圖像在輸入圖像的位置提取目標圖像。步驟S11中,對圖像下采樣可以降低圖像的分辨率,現(xiàn)有技術中圖像下采樣技術用于對圖像進行存儲、傳輸對圖像大小有要求的領域。對圖像進行下采樣的具體算法可以采用多種方式,比如鄰域平均、像素分除、或像素抽選。鄰域平均是將劃分好的區(qū)域內的像素的數(shù)據(jù)進行平均,將該平均數(shù)據(jù)作為一個新的像素,按照原來區(qū)域的排列順序重新進行排列,以得到新的圖像。像素分除是按照一定的算法去除圖像中的某些像素,將剩余像素重新排列,已得到新的圖像。像素抽選與像素分除相類似,是按照一定的算法選取圖像中的某些像素,重新進行排列,得到新的圖像。經(jīng)過下采樣得到的預處理圖像在盡量保持輸入圖像的視覺質量的情況下,壓縮了圖像的大小,減小了圖像的數(shù)據(jù)量。根據(jù)步驟S11中得出的預處理圖像進行圖像分割可以大大減小數(shù)據(jù)模型建立和圖像分割中的計算量,而且可以提高某些圖像分割算法的效果。為進一步減少計算量,第一實施例的圖像分割的方法在步驟S11之前還可以包括:獲取用戶劃定的包含目標圖像的圖像區(qū)域,在步驟S11之后,計算包含目標圖像的圖像區(qū)域在預處理圖像中的對應區(qū)域;以對應區(qū)域為中心形成取樣區(qū)域;按照預處理圖像的取樣區(qū)域內的圖像部分建立圖像數(shù)據(jù)模型。這樣的優(yōu)化利用用戶較少的交互操作,劃定了目標圖像的所在區(qū)域,并在預處理圖像中對應得出相應的區(qū)域,并根據(jù)對應區(qū)域形成取樣區(qū)域,僅對取樣區(qū)域內的圖像進行圖像建模,從而進一步減小了數(shù)據(jù)模型的計算量,而且通過以上步驟,可以避免當輸入圖像中包含多個與目標圖像類似的圖像時,圖像分割算法的實效。另外,對于某些特定圖像分割技術,如GraphCut法或GrabCut法本身就需要用戶首先劃定的包含目標圖像的圖像區(qū)域。對應區(qū)域為中心形成取樣區(qū)域的具體方式有多種,比如將對應區(qū)域等比例的擴大,或者預先規(guī)定大小的取樣區(qū)域等。劃定的包含目標圖像的圖像區(qū)域也有多種方式可以選擇,比如拖放矩形框或者圓形框,也可以使用鼠標等交互工具勾畫出包含目標圖像的區(qū)域。用戶的直接操作最少的方法,就是使用矩形工具選擇圖像區(qū)域。上述步驟17的具體方法可以包括:對預處理圖像進行上采樣,得到與輸入圖像大小相同的對應圖像;根據(jù)邊緣輪廓在所述對應圖像中的位置確定所述目標圖像在輸入圖像的位置。通過上采樣可以將預處理圖像擴充為與原始輸入圖像相同大小的對應圖像,那么預處理圖像中邊緣輪廓的大小也得到相應擴充,則通過邊緣輪廓在對應圖像中的位置與目標圖像在輸入圖像中的位置的對應關系,就可以確定目標圖像在輸入圖像的位置。本發(fā)明第二實施例是對輸入圖像為RGB彩色圖像進行分割的方法,第二實施例是在第一實施的基礎上對RGB彩色圖像使用GrabCut法進行圖像分割的方法,圖2是根據(jù)本發(fā)明第二實施例的圖像分割的方法的示意圖,如圖2所示,該方法包括:步驟S21:獲取用戶劃定的包含目標圖像的矩形區(qū)域;步驟S23:對輸入圖像進行下采樣得到預處理圖像,計算上述矩形區(qū)域的在預處理圖像中的對應區(qū)域;步驟S25:以上述對應區(qū)域為中心,比例放大該對應區(qū)域形成取樣區(qū)域,對取樣區(qū)域內的預處理圖像中建立GMM模型;步驟S27:根據(jù)GMM模型使用GrabCut算法提取出目標圖像數(shù)據(jù)的邊緣輪廓;步驟S29:利用邊緣輪廓在預處理圖像中的位置確定目標圖像在輸入圖像中的位置,按照目標圖像在輸入圖像中的位置提取目標圖像。GrabCut算法在GraphCut基礎上的改進,主要是利用高斯混合模型(GaussianMixtureModel,GMM)代替了直方圖,將灰度圖像擴展到了彩色圖像。對于輸入圖像為灰度圖像的情況,使用第二實施例提供的圖像分割方法,可以在步驟S21之前采取將灰度圖進行偽彩色處理,將灰度圖轉化為RGB的彩色圖像。其中步驟S27中確定目標圖像在輸入圖像中的位置可以使用與第一實施例相同的對預處理圖像進行上采樣的方式確定。圖3A是根據(jù)本發(fā)明第二實施例的分割圖像方法的輸入圖像,圖3B是根據(jù)本發(fā)明第二實施例的分割圖像方法的包含目標圖像的矩形區(qū)域的示意圖,圖3C是根據(jù)本發(fā)明第二實施例的分割圖像方法的分割出的目標圖像的效果圖,如圖所示,使用E55002.8GHZ的CPU、2G內存的試驗環(huán)境,輸入圖像為800x600大小的荷花圖、利用未進行下采樣的圖像獲得目標荷花圖像的時間為5.07s,利用實施例二的圖像分割方法獲得目標荷花圖像的時間為0.55s,效率提高了約90%。此外,本發(fā)明提供的實施例還可以使用GraphCut法進行圖像分割的方法,與第二實施例唯一的區(qū)別是,步驟S25為對取樣區(qū)域內的預處理圖像建立灰度直方圖模型,步驟S27為根據(jù)灰度直方圖模型使用GraphCut算法提取出邊緣輪廓。圖4是根據(jù)本發(fā)明實施例的圖像分割的裝置的示意圖,如圖4,該圖像分割的裝置40包括:下采樣模塊41,用于對輸入圖像進行下采樣,得到預處理圖像;建模模塊43,用于按照預處理圖像建立圖像數(shù)據(jù)模型;輪廓提取模塊45,用于通過對圖像數(shù)據(jù)模型的計算確定目標圖像的邊緣輪廓;位置確定模塊47,用于利用邊緣輪廓在預處理圖像中的位置確定目標圖像在輸入圖像的位置;目標圖像提取模塊49,用于按照目標圖像在輸入圖像的位置提取目標圖像。本發(fā)明實施例的圖像分割的裝置還可以包括:獲取模塊,用于獲取用戶劃定的包含目標圖像的圖像區(qū)域;區(qū)域對應模塊,用于計算包含目標圖像的圖像區(qū)域在預處理圖像中的對應區(qū)域;取樣區(qū)域形成模塊,用于以對應區(qū)域為中心形成取樣區(qū)域;建模模塊43,還可以用于按照預處理圖像的取樣區(qū)域內的圖像部分建立圖像數(shù)據(jù)模型。對于彩色圖像使用GrabCut法進行圖像分割的情況,建模模塊43還可以用于:按照預處理圖像建立高斯混合GMM彩色圖像數(shù)據(jù)模型;輪廓提取模塊45還可以用于:使用GrabCut算法對GMM彩色圖像數(shù)據(jù)模型計算得到目標圖像的邊緣輪廓。根據(jù)本發(fā)明的技術方案,有助于減少圖像分割過程的計算量,從而提高圖像分割的速度,有效地節(jié)省分割時間。顯然,本領域的技術人員應該明白,上述的本發(fā)明的各模塊或各步驟可以用通用的計算裝置來實現(xiàn),它們可以集中在單個的計算裝置上,或者分布在多個計算裝置所組成的網(wǎng)絡上,可選地,它們可以用計算裝置可執(zhí)行的程序代碼來實現(xiàn),從而,可以將它們存儲在存儲裝置中由計算裝置來執(zhí)行,或者將它們分別制作成各個集成電路模塊,或者將它們中的多個模塊或步驟制作成單個集成電路模塊來實現(xiàn)。這樣,本發(fā)明不限制于任何特定的硬件和軟件結合。以上所述僅為本發(fā)明的優(yōu)選實施例而已,并不用于限制本發(fā)明,對于本領域的技術人員來說,本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內,所作的任何修改、等同替換、改進等,均應包含在本發(fā)明的保護范圍之內。
當前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
炉霍县| 榆社县| 天全县| 开封市| 蕲春县| 扶风县| 雷州市| 根河市| 荔浦县| 肇州县| 鹤岗市| 武义县| 太和县| 辽中县| 崇阳县| 西乌珠穆沁旗| 新密市| 定结县| 定州市| 万山特区| 萨嘎县| 青浦区| 江阴市| 台州市| 股票| 仙游县| 滦南县| 博湖县| 洪雅县| 卓尼县| 肃北| 大连市| 普格县| 肇庆市| 岑巩县| 平凉市| 赣州市| 乐至县| 镇安县| 普兰店市| 晋城|