圖像分割方法及裝置製造方法
2023-04-25 06:05:11 1
圖像分割方法及裝置製造方法
【專利摘要】本發明揭示了一種圖像分割方法及裝置,屬於圖像處理領域。所述圖像分割方法包括:建立圖像的顯著性模型;根據顯著性模型獲取圖像中的前景樣本點和背景樣本點;根據顯著性模型以及前景樣本點和背景樣本點,建立前背景分類模型;根據預定圖割算法對圖像進行分割,預定圖割算法利用前背景分類模型以及像素點之間的邊緣信息對圖像進行分割。通過自動確定前背景樣本點,並結合顯著性模型以建立前背景分類模型,利用該前背景分類模型實現圖像分割;解決了相關技術中必須需要用戶手動粗略地選定前景樣本點和背景樣本點,在對大量圖像進行分割時,分割效率比較低的問題;達到了可以實現自動化選取樣本,提高了分類精確度以及分割效率的效果。
【專利說明】圖像分割方法及裝置
【技術領域】
[0001]本公開涉及圖像處理領域,特別涉及一種圖像分割方法及裝置。
【背景技術】
[0002]圖像分割技術是圖像分析、圖像編輯和圖像合成等領域的基礎,圖像分割技術可以從圖像中分割出前景和背景,如何快速的、自動的從圖像中分割出前景和背景是目前研究的一個重要課題。
[0003]在相關的圖像分割方法中,首先,接收用戶手動選定的圖像中的前景樣本點和背景樣本點;然後,根據用戶手動選定的前景樣本點建立前背景顏色似然模型;最後,根據前背景顏色似然模型對圖像進行分割,得到分割後的前景和背景。
[0004]發明人在實現本公開的過程中,發現相關技術至少存在如下缺陷:在傳統的圖像分割方法中,必須需要用戶手動粗略地選定前景樣本點和背景樣本點,在對大量圖像進行分割時,分割效率比較低。
【發明內容】
[0005]為了解決相關技術中必須需要用戶手動粗略地選定前景樣本點和背景樣本點,在對大量圖像進行分割時,分割效率比較低的問題,本公開提供一種圖像分割方法及裝置。所述技術方案如下:
[0006]根據本公開實施例的第一方面,提供一種圖像分割方法,包括:
[0007]建立圖像的顯著性模型;
[0008]根據所述顯著性模型獲取所述圖像中的前景樣本點和背景樣本點;
[0009]根據所述顯著性模型以及所述前景樣本點和所述背景樣本點,建立前背景分類模型;
[0010]根據預定圖割算法對所述圖像進行分割,所述預定圖割算法利用所述前背景分類模型以及像素點之間的邊緣信息對所述圖像進行分割。
[0011]可選的,所述根據所述顯著性模型獲取所述圖像中的前景樣本點和背景樣本點,包括:
[0012]根據所述顯著性模型,計算所述圖像中各個像素點的顯著性值;
[0013]將各個像素點的顯著性值進行歸一化;
[0014]將歸一化後的顯著性值大於預定前景閾值的像素點確定為所述前景樣本點;
[0015]將歸一化後的顯著性值小於預定背景閾值的像素點確定為所述背景樣本點;
[0016]其中,所述預定前景閾值大於所述預定背景閾值,歸一化後的各個顯著值均位於(0,1)中。
[0017]可選的,所述前背景分類模型包括前景分類模型和背景分類模型,所述根據所述顯著性模型以及所述前景樣本點和所述背景樣本點,建立前背景分類模型,包括:
[0018]根據所述前景樣本點建立前景顏色似然模型;[0019]根據所述背景樣本點建立背景顏色似然模型;
[0020]將所述顯著性模型與所述前景顏色似然模型相乘,得到所述前景分類模型,所述前景分類模型用於表徵像素點為前景的概率;
[0021]將所述顯著性模型與所述背景顏色似然模型相乘,得到所述背景分類模型,所述背景分類模型用於表徵像素點為背景的概率。
[0022]可選的,所述根據預定圖割算法對所述圖像進行分割,包括:
[0023]利用所述前景分類模型計算所述圖像中每個像素點的前景相似度;
[0024]利用所述背景分類模型計算所述圖像中每個像素點的背景相似度;
[0025]獲取所述圖像中相鄰像素點之間的相似度;
[0026]利用各個像素點的前景相似度、各個像素點的背景相似度以及相鄰像素點之間的相似度,構造所述預定圖割算法所需的無向圖;
[0027]利用所述預定分割算法對所述無向圖進行分割,完成對所述圖像的分割。
[0028]可選的,所述利用各個像素點的前景相似度、各個像素點的背景相似度以及相鄰像素點之間的相似度,構造所述預定圖割算法所需的無向圖,包括:
[0029]構建所述預定圖割算法所需的無向圖,所述無向圖包括前景頂點、背景頂點、至少一個像素頂點、相鄰的兩個像素頂點之間的第一類邊、所述像素頂點與所述背景頂點之間的第二類邊,所述像素頂點與所述背景頂點之間的第三類邊,所述無向圖中的像素頂點與所述圖像中的各個像素點--對應;
[0030]對於每條第二類邊,將與所述第二類邊相連的像素頂點所對應的像素點的前景相似度,確定為所述第二類邊的權值;
[0031]對於每條第三類邊,將與所述第三類邊相連的像素頂點所對應的像素點的背景相似度,確定為所述第三類邊的權值;
[0032]對於每條第一類邊,將與所述第一類邊相連的兩個像素頂點所對應的兩個像素點之間的相似度,確定為所述第一類邊的權值。
[0033]可選的,所述建立圖像的顯著性模型,包括:
[0034]利用預定過分割算法對所述圖像進行過分割,得到至少一個區域,同一個所述區域中各個像素點的顏色值相同;
[0035]確定每個所述區域的顏色值和質心;
[0036]根據各個區域所對應的顏色值以及各個區域的質心,建立所述顯著性模型。
[0037]可選的,所述顯著性模型為:
[0038]
【權利要求】
1.一種圖像分割方法,其特徵在於,包括: 建立圖像的顯著性模型; 根據所述顯著性模型獲取所述圖像中的前景樣本點和背景樣本點; 根據所述顯著性模型以及所述前景樣本點和所述背景樣本點,建立前背景分類模型;根據預定圖割算法對所述圖像進行分割,所述預定圖割算法利用所述前背景分類模型以及像素點之間的邊緣信息對所述圖像進行分割。
2.根據權利要求1所述的方法,其特徵在於,所述根據所述顯著性模型獲取所述圖像中的前景樣本點和背景樣本點,包括: 根據所述顯著性模型,計算所述圖像中各個像素點的顯著性值; 將各個像素點的顯著性值進行歸一化; 將歸一化後的顯著性值大於預定前景閾值的像素點確定為所述前景樣本點; 將歸一化後的顯著性值小於預定背景閾值的像素點確定為所述背景樣本點; 其中,所述預定前景閾值大於所述預定背景閾值,歸一化後的各個顯著值均位於(O,I)中。
3.根據權利要求1所述的方法,其特徵在於,所述前背景分類模型包括前景分類模型和背景分類模型,所述根據所述顯著性模型以及所述前景樣本點和所述背景樣本點,建立前背景分類模型,包括: 根據所述前景樣本點建立前景顏色似然模型; 根據所述背景樣本點建立背景顏色似然模型; 將所述顯著性模型與所述前景顏色似然模型相乘,得到所述前景分類模型,所述前景分類模型用於表徵像素點為前景的概率; 將所述顯著性模型與所述背景顏色似然模型相乘,得到所述背景分類模型,所述背景分類模型用於表徵像素點為背景的概率。
4.根據權利要求3所述的方法,其特徵在於,所述根據預定圖割算法對所述圖像進行分割,包括: 利用所述前景分類模型計算所述圖像中每個像素點的前景相似度; 利用所述背景分類模型計算所述圖像中每個像素點的背景相似度; 獲取所述圖像中相鄰像素點之間的相似度; 利用各個像素點的前景相似度、各個像素點的背景相似度以及相鄰像素點之間的相似度,構造所述預定圖割算法所需的無向圖; 利用所述預定分割算法對所述無向圖進行分割,完成對所述圖像的分割。
5.根據權利要求4所述的方法,其特徵在於,所述利用各個像素點的前景相似度、各個像素點的背景相似度以及相鄰像素點之間的相似度,構造所述預定圖割算法所需的無向圖,包括: 構建所述預定圖割算法所需的無向圖,所述無向圖包括前景頂點、背景頂點、至少一個像素頂點、相鄰的兩個像素頂點之間的第一類邊、所述像素頂點與所述背景頂點之間的第二類邊,所述像素頂點與所述背景頂點之間的第三類邊,所述無向圖中的像素頂點與所述圖像中的各個像素點--對應; 對於每條第二類邊,將與所述第二類邊相連的像素頂點所對應的像素點的前景相似度,確定為所述第二類邊的權值; 對於每條第三類邊,將與所述第三類邊相連的像素頂點所對應的像素點的背景相似度,確定為所述第三類邊的權值; 對於每條第一類邊,將與所述第一類邊相連的兩個像素頂點所對應的兩個像素點之間的相似度,確定為所述第一類邊的權值。
6.根據權利要求1至5中任一所述的方法,其特徵在於,所述建立圖像的顯著性模型,包括: 利用預定過分割算法對所述圖像進行過分割,得到至少一個區域,同一個所述區域中各個像素點的顏色值相同; 確定每個所述區域的顏色值和質心; 根據各個區域所對應的顏色值以及各個區域的質心,建立所述顯著性模型。
7.根據權利要求6所述的方法,其特徵在於,所述顯著性模型為:
N ^ = X M(Rj)Ds(RnRj)Dc(RrRj), 其中,Sil為區域Ri中任一像素點的顯著性值,W(Rj)為區域&中的像素點的個數,Ds(Ri, Rj)用於表徵所述區域Ri和所述區域&之間空間位置差異的度量值,%取,Rj)用於表徵所述區域Ri和所述區域&之間顏色差異的度量值,N為對所述圖像進行過分割後得到的區域的總個數,Ds(Ri, Rj)為:Ds.(/?,.,/?,) = cxp(-((_'⑶時(/?,)-C作時(/?,))2/σι2) , Center(Ri)為所述區域Ri的質心,Center(Rj)為所述區域Rj的質心,當所述圖像中各個像素點的坐標均歸一化到[O,I]時,<=0 4
8.根據權利要求1至5中任一所述的方法,其特徵在於,所述建立圖像的顯著性模型,包括: 按照各個像素點的顏色值,對所述圖像中各個像素點進行歸類,將相同顏色值的像素點歸類為同一種顏色類型; 根據每種顏色類型的顏色值,建立所述顯著性模型。
9.根據權利要求8所述的方法,其特徵在於,所述顯著性模型為: S, = t W(Pi)Dc(^Pj), 其中,W(Pj)為顏色類型Pj中像素點的個數,Dc(PilPj)用於表徵顏色類型PjP顏色類型匕之間顏色差異的度量值。
10.一種圖像分割裝置,其特徵在於,包括: 第一建立模塊,用於建立圖像的顯著性模型; 樣本獲取模塊,用於根據所述顯著性模型獲取所述圖像中的前景樣本點和背景樣本佔.第二建立模塊,用於根據所述第一建立模塊建立的顯著性模型以及所述樣本獲取模塊獲取的前景樣本點和所述背景樣本點,建立前背景分類模型; 圖像分割模塊,用於根據預定圖割算法對所述圖像進行分割,所述預定圖割算法利用所述第二建立模塊建立的前背景分類模型以及像素點之間的邊緣信息對所述圖像進行分割。
11.根據權利要求10所述的裝置,其特徵在於,所述樣本獲取模塊,包括: 第一計算單元,用於根據所述顯著性模型,計算所述圖像中各個像素點的顯著性值; 歸一化單元,用於將所述第一計算單元計算出的各個像素點的顯著性值進行歸一化; 第一確定單元,用於將所述歸一化單元歸一化後的顯著性值大於預定前景閾值的像素點確定為所述前景樣本點; 第二確定單元,用於將所述歸一化單元歸一化後的顯著性值小於預定背景閾值的像素點確定為所述背景樣本點; 其中,所述預定前景閾值大於所述預定背景閾值,歸一化後的各個顯著值均位於(0,1)中。
12.根據權利要求10所述的裝置,其特徵在於,所述前背景分類模型包括前景分類模型和背景分類模型,所述第二建立模塊,包括: 第一建立單元,用於根據所述前景樣本點建立前景顏色似然模型; 第二建立單元,用於根據所述背景樣本點建立背景顏色似然模型; 第一相乘單元,用於將所述第一建立模塊建立的顯著性模型與所述第一建立單元建立的前景顏色似然模型相乘,得到所述前景分類模型,所述前景分類模型用於表徵像素點為前景的概率; 第二相乘單元,用於將所述第一建立模塊建立的顯著性模型與所述第二建立單元建立的背景顏色似然模型相乘,得到所述背景分類模型,所述背景分類模型用於表徵像素點為背景的概率。
13.根據權利要求12所述的裝置,其特徵在於,所述圖像分割模塊,包括: 第二計算單元,用於利用所述前景分類模型計算所述圖像中每個像素點的前景相似度; 第三計算單元,用於利用所述背景分類模型計算所述圖像中每個像素點的背景相似度; 獲取單元,用於獲取所述圖像中相鄰像素點之間的相似度; 構造單元,用於利用各個像素點的前景相似度、各個像素點的背景相似度以及相鄰像素點之間的相似度,構造所述預定圖割算法所需的無向圖; 第一分割單元,用於利用所述預定分割算法對所述無向圖進行分割,完成對所述圖像的分割。
14.根據權利要求13所述的裝置,其特徵在於,所述構造單元,包括: 構建子單元,用於構建所述預定圖割算法所需的無向圖,所述無向圖包括前景頂點、背景頂點、至少一個像素頂點、相鄰的兩個像素頂點之間的第一類邊、所述像素頂點與所述背景頂點之間的第二類邊,所述像素頂點與所述背景頂點之間的第三類邊,所述無向圖中的像素頂點與所述圖像中的各個像素點一一對應 第一確定子單元,用於對於每條第二類邊,將與所述第二類邊相連的像素頂點所對應的像素點的前景相似度,確定為所述第二類邊的權值; 第二確定子單元,用於對於每條第三類邊,將與所述第三類邊相連的像素頂點所對應的像素點的背景相似度,確定為所述第三類邊的權值;第三確定子單元,用於對於每條第一類邊,將與所述第一類邊相連的兩個像素頂點所對應的兩個像素點之間的相似度,確定為所述第一類邊的權值。
15.根據權利要求10至14中任一所述的裝置,其特徵在於,所述第一建立模塊,包括: 第二分割單元,用於利用預定過分割算法對所述圖像進行過分割,得到至少一個區域,同一個所述區域中各個像素點的顏色值相同; 第三確定單元,用於確定每個所述區域的顏色值和質心; 第三建立單元,用於根據各個區域所對應的顏色值以及各個區域的質心,建立所述顯著性模型。
16.根據權利要求15所述的裝置,其特徵在於,所述顯著性模型為:
17.根據權利要 求10至14中任一所述的裝置,其特徵在於,所述第一建立模塊,包括: 歸類單元,用於按照各個像素點的顏色值,對所述圖像中各個像素點進行歸類,將相同顏色值的像素點歸類為同一種顏色類型; 第四建立單元,用於根據每種顏色類型的顏色值,建立所述顯著性模型。
18.根據權利要求17所述的裝置,其特徵在於,所述顯著性模型為:
19.一種圖像分割裝置,其特徵在於,包括: 處理器; 用於存儲所述處理器可執行指令的存儲器; 其中,所述處理器被配置為: 建立圖像的顯著性模型; 根據所述顯著性模型獲取所述圖像中的前景樣本點和背景樣本點; 根據所述顯著性模型以及所述前景樣本點和所述背景樣本點,建立前背景分類模型;根據預定圖割算法對所述圖像進行分割,所述預定圖割算法利用所述前背景分類模型以及像素點之間的邊緣信息對所述圖像進行分割。
【文檔編號】G06T7/00GK103996189SQ201410187226
【公開日】2014年8月20日 申請日期:2014年5月5日 優先權日:2014年5月5日
【發明者】王琳, 秦秋平, 陳志軍 申請人:小米科技有限責任公司