專利名稱:一種分割前景圖像的方法
技術(shù)領(lǐng)域:
本發(fā)明涉及圖像處理技術(shù),特別是涉及ー種分割前景圖像的方法。
背景技術(shù):
顯著性區(qū)域檢測(cè)和前景分割是計(jì)算機(jī)圖像處理中的兩個(gè)基礎(chǔ)操作。其中,顯著性區(qū)域檢測(cè)指的是從圖片中判斷出圖像的顯著性區(qū)域,并注意到圖像的重要部分。前景分割指的是讓計(jì)算機(jī)從一幅圖片中判斷出哪個(gè)是前景物體,哪個(gè)是背景物體,并從中分割出感興趣的前景關(guān)鍵物體。雖然人的視覺(jué)系統(tǒng)可以很容易地判斷出顯著性區(qū)域和前景物體,但計(jì)算機(jī)在沒(méi)有人工幫助下是很難具備這種理解能力的。如果能夠讓計(jì)算機(jī)自主快速地完成前景分割工作,將便于進(jìn)ー步對(duì)圖像進(jìn)行分析、識(shí)別、跟蹤、理解、壓縮編碼等,而提取結(jié)果的準(zhǔn)確性將直接影響后續(xù)任務(wù)的有效性,如何快速、有效地將感興趣的目標(biāo)從復(fù)雜的背景中分割出來(lái),具有十分重要的意義。人們?cè)陲@著性區(qū)域檢測(cè)上進(jìn)行了大量的研究,總結(jié)出了很多成熟的算法,主要有HC,RC,LC, CA和FT等算法,這些算法都在一定程度上能夠得到效果較好的顯著性圖(saliency map)。而目前圖像分割算法可以大致分為5類,邊界算法,聚類算法,區(qū)域算法,分割融合算法和特定領(lǐng)域的分割算法,在前景分割技術(shù)方面,主要有基于像素 (Pixel-based)的方法、基于邊界(Edge-based)的方法和基于區(qū)域(Region-based)的方法。基于像素的方法要求用戶在單個(gè)像素級(jí)來(lái)指定前景或者背景,因此工作量非常龐大?;谶吔绲姆椒ㄔ试S用戶圍繞前景對(duì)象的邊界繪制曲線,然后對(duì)該曲線進(jìn)行分段優(yōu)化,但是用戶必須謹(jǐn)慎的繪制曲線,仍然需要大量的用戶交互?;趨^(qū)域的方法允許用戶指定ー些松散的提示信息,并使用優(yōu)化算法來(lái)提取實(shí)際的前景對(duì)象邊界。
發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題是,提供ー種分割前景圖像的方法,降低操作對(duì)用戶交互的要求,提高前景分割效率。本發(fā)明的技術(shù)問(wèn)題通過(guò)以下技術(shù)方案予以解決ー種分割前景圖像的方法,其特征在于,包括以下步驟I)使用中央周邊直方圖算法得到原始圖像的顯著性圖;2)對(duì)所述顯著性圖進(jìn)行閾值分割,得到包含顯著性物體在內(nèi)的矩形R ;3)使用所述矩形R區(qū)域外的圖像作為背景區(qū)域,初始化Grabcut算法,迭代運(yùn)行 GrabCut算法執(zhí)行對(duì)原始圖像的前景分割。與現(xiàn)有技術(shù)相比,本發(fā)明利用了圖像的顯著性分割與前景分割的關(guān)聯(lián)性,利用顯著性分割的結(jié)果初始化GrabCut算法,省去了用戶在目標(biāo)圖像中畫(huà)出矩形框初始化 GrabCut算法的步驟,在整個(gè)分割過(guò)程中可實(shí)現(xiàn)用戶零輸入,通過(guò)計(jì)算機(jī)課自動(dòng)完成所有前景分割動(dòng)作,提高了前景分割的效率。優(yōu)選地,所述步驟2)包括以下步驟利用預(yù)定的灰度閾值對(duì)顯著性圖進(jìn)行ニ值化得到ニ值圖;對(duì)ニ值圖進(jìn)行兩次或多次開(kāi)運(yùn)算;測(cè)算開(kāi)運(yùn)算后的圖像中最大的聯(lián)通區(qū)域, 選擇一定尺寸和坐標(biāo)位置的矩形R,使該聯(lián)通區(qū)域恰好包含在該矩形R內(nèi)。所述灰度閾值為顯著性圖的灰度平均值。優(yōu)選地,還包括交互編輯步驟根據(jù)用戶的輸入指令將原始圖像的部分像素設(shè)為前景或背景。該優(yōu)選方案允許用戶對(duì)分割進(jìn)行修正,彌補(bǔ)自動(dòng)分割的不足之處。
圖I是本發(fā)明具體實(shí)施方式
的流程圖。
具體實(shí)施例方式下面對(duì)照附圖并結(jié)合優(yōu)選具體實(shí)施方式
對(duì)本發(fā)明進(jìn)行詳細(xì)的闡述。一、本發(fā)明涉及的現(xiàn)有成熟圖像處理技術(shù)為了幫助對(duì)本發(fā)明技術(shù)方案的理解,下文首先對(duì)本發(fā)明所涉及的成熟的圖像處理技術(shù)進(jìn)行說(shuō)明(一)顯著性物體檢查技術(shù)圖像的顯著性圖采用center-surround算法(中央周邊直方圖算法)計(jì)算首先統(tǒng)計(jì)兩個(gè)矩形內(nèi)部的三個(gè)顏色通道的灰度直方圖,Ri為center矩形區(qū)域內(nèi)圖像的灰度直方圖,為surround矩形區(qū)域內(nèi)圖像的灰度直方圖。根據(jù)公式(I)計(jì)算center區(qū)域與 surround區(qū)域內(nèi)直方圖的擬合程度
權(quán)利要求
1.ー種分割前景圖像的方法,其特征在于,包括以下步驟D使用中央周邊直方圖算法得到原始圖像的顯著性圖;2)對(duì)所述顯著性圖進(jìn)行閾值分割,得到包含顯著性物體在內(nèi)的矩形R;3)使用所述矩形R區(qū)域外的圖像作為背景區(qū)域,初始化GrabCut算法,迭代運(yùn)行 GrabCut算法執(zhí)行對(duì)原始圖像的前景分割。
2.根據(jù)權(quán)利要求I所述的分割前景圖像的方法,其特征在于所述步驟2)包括以下步驟利用預(yù)定的灰度閾值對(duì)所述顯著性圖進(jìn)行ニ值化得到ニ值圖;對(duì)ニ值圖進(jìn)行兩次或多次開(kāi)運(yùn)算;測(cè)算開(kāi)運(yùn)算后的圖像中最大的聯(lián)通區(qū)域,選擇一定尺寸和坐標(biāo)位置的矩形R,使該聯(lián)通區(qū)域恰好包含在該矩形R內(nèi)。
3.根據(jù)權(quán)利要求I所述的分割前景圖像的方法,其特征在于所述灰度閾值為所述顯著性圖的灰度平均值。
4.根據(jù)權(quán)利要求I所述的分割前景圖像的方法,其特征在于,還包括交互編輯步驟根據(jù)用戶的輸入指令將原始圖像的部分像素設(shè)為前景或背景。
全文摘要
本發(fā)明公開(kāi)了一種分割前景圖像的方法,包括以下步驟使用中央周邊直方圖算法得到原始圖像的顯著性圖;對(duì)所述顯著性圖進(jìn)行閾值分割,得到包含顯著性物體在內(nèi)的矩形R;使用所述矩形R區(qū)域外的圖像作為背景區(qū)域,初始化GrabCut算法,迭代運(yùn)行GrabCut算法執(zhí)行對(duì)原始圖像的前景分割。與現(xiàn)有技術(shù)相比,本發(fā)明的方法能夠提高前景分割效率。
文檔編號(hào)G06T5/00GK102592268SQ20121000433
公開(kāi)日2012年7月18日 申請(qǐng)日期2012年1月6日 優(yōu)先權(quán)日2012年1月6日
發(fā)明者徐秀兵, 戴瓊海, 王好謙, 鄧博雯 申請(qǐng)人:清華大學(xué)深圳研究生院