自动图像区域划分的实现方法及实现装置制造方法
【专利摘要】本发明涉及一种自动图像区域划分的实现方法，其包括：获取图像中每个像素点所对应的平滑结构张量场；根据所述平滑结构张量场的累积变化程度获取所述图像的细节度；根据所述图像的细节度对所述图像进行区域划分。本发明还提供一种可以实现上述方法的自动图像区域划分的实现装置。本发明提供的自动图像区域划分的实现方法及装置不需要任何用户交互即可完成图像的区域划分，计算相对简单，在性能较差的平台上也可以实现图像的区域划分。
【专利说明】自动图像区域划分的实现方法及实现装置
【技术领域】
[0001]本发明涉及数字图像处理技术，特别是涉及一种基于图像细节度的自动图像区域划分的实现方法及实现装置。
【背景技术】
[0002]在图像的研究和应用中，人们往往只对一幅图像中的某些部分感兴趣，这些感兴趣的部分一般对应图像中特定的、具有特殊性质的区域(可以对应单个区域，也可以对应多个区域)，称之为目标或前景；而其它部分称为图像的背景。为了辨识和分析目标，需要把目标从一幅图像中孤立出来，这就是图像分割要研究的问题。所谓图像分割，从广义上来讲，是根据图像的某些特征或特征集合(包括灰度、颜色、纹理等)的相似性准则对图像像素进行分组聚类，把图像平面划分成若干个具有某些一致性的不重叠区域。这使得同一区域中的像素特征是类似的，即具有一致性；而不同区域间像素的特征存在突变，即具有非一致性。
[0003]现有的技术方案在对图像区分不同区域时，一般采用手工标定的方式，自动的方法一般是经典的Graph Cut等算法，通过与用户交互，对用户选定区域内的图像的统计特征进行分析，然后对图像的前后景自动进行区分。
[0004]现有的技术，如采用手工标定区域的方法，显然操作费时又不准确，而Graph cut等经典算法在处理每一幅图片时都需要用户选定对象和背景，耗时较长，计算也较为复杂，在手机等计算性能较差的平台上则是需要耗费更多的时间。
【发明内容】
[0005]本发明的目的在于，克服现有的图像区域划分的技术所存在的缺陷，而提供一种新的自动图像区域划分的实现方法，其可以在完全不需要用户交互的情况下，快速计算得到图像每个像素的细节度指标，并按照此指标进行快速的图像区域划分。
[0006]本发明的目的及解决其技术问题是采用以下技术方案来实现的。
[0007]本发明提供一种自动图像区域划分的实现方法，其包括:获取图像中每个像素点所对应的平滑结构张量场；根据所述平滑结构张量场的累积变化程度获取所述图像的细节度；根据所述图像的细节度对所述图像进行区域划分。
[0008]本发明提供一种自动图像区域划分的实现装置，其包括:平滑结构张量场获取模块，用于获取图像中每个像素点所对应的平滑结构张量场；图像细节度获取模块，根据所述平滑结构张量场的累积变化程度获取所述图像的细节度；图像区域划分模块，根据所述图像的细节度对所述图像进行区域划分。
[0009]本发明提供的自动图像区域划分的实现装置不需要任何用户交互即可完成图像的区域划分，计算相对简单，在性能较差的平台上也可以实现图像的区域划分。
[0010]上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
【专利附图】
【附图说明】
[0011]图1为本发明第一实施例中的自动图像区域划分的实现方法的流程示意图。
[0012]图2为待进行区域划分的一副图像。
[0013]图3为图1所示的步骤Sll的具体的流程示意图。
[0014]图4为图1所示的步骤S12的具体流程示意图。
[0015]图5为本发明第一实施例中计算每个像素点沿其主特征向量正方向的累积方向值的具体流程示意图。
[0016]图6为本发明第一实施例中计算每个像素点沿其主特征向量反方向的累积方向值的具体流程示意图。
[0017]图7为图2经过步骤Sll及S12处理后得到的细节度图。
[0018]图8为图7经过步骤S13处理后的区域划分结果。
[0019]图9为本发明第二实施例中的自动图像区域划分的实现装置的结构示意图。
[0020]图10为图9所示的平滑结构张量场获取模块21的结构示意图。
[0021]图11为图9所不的图像细节度获取|旲块22的结构不意图。
[0022]图12为正方向累积方向值获取模块222a的结构示意图。
[0023]图13为反方向累积方向值获取模块222b的结构示意图。
【具体实施方式】
[0024]为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的自动图像区域划分的实现方法其【具体实施方式】、方法、步骤、结构、特征及其功效，详细说明如下。
[0025]有关本发明的前述及其他技术内容、特点及功效，在以下配合参考图式的较佳实施例的详细说明中将可清楚呈现。通过【具体实施方式】的说明，当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解，然而所附图式仅是提供参考与说明之用，并非用来对本发明加以限制。
[0026]第一实施例
[0027]图1为本发明所揭示的自动图像区域划分的实现方法的流程示意图。如图1所示，本发明的自动图像区域划分的实现方法包括:
[0028]Sll:获取图像中每个像素点所对应的平滑结构张量场。
[0029]本步骤中所只的图像是指未经过任何处理的原始图像，请参照图2，图2所示是待进行区域划分的一副图像。
[0030]请参照图3，于步骤Sll中，获取图像中的每个像素点所对应的平滑结构张量场的具体方法可以包括以下步骤:
[0031]Slll:对所述图像进行滤波处理，获得每个像素点的梯度。
[0032]例如可以通过sobel算子计算图像中每个像素点在X，y方向上的梯度，具体公式如下:
【权利要求】
1.一种自动图像区域划分的实现方法，其特征在于，所述方法包括: 获取图像中每个像素点所对应的平滑结构张量场； 根据所述平滑结构张量场的累积变化程度获取所述图像的细节度； 根据所述图像的细节度对所述图像进行区域划分。
2.如权利要求1所述的自动图像区域划分的实现方法，其特征在于，所述获取图像中每个像素点所对应的平滑结构张量场的步骤，包括: 对所述图像进行滤波处理，获得每个像素点的梯度； 根据每个像素点的梯度计算其对应的张量场； 对每个像素点的张量场进行平滑处理获得所述平滑结构张量场。
3.如权利要求2所述的自动图像区域划分的实现方法，其特征在于，所述利用所述平滑结构张量场的累积变化程度获取所述图像的细节度的步骤，包括: 根据每个像素点的平滑结构张量场计算每个像素点的主特征向量； 根据像素点的主特征向量获取用于表征所述平滑结构张量场的累积变化程度的每个像素点的主特征向量的累积方向值； 将所有像素点的主特征向量的累积方向值进行归一化及反向处理得到每个像素点的细节度。
4.如权利要求3所述的自动图像区域划分的实现方法，其特征在于，所述根据像素点的主特征向量获取用于表征所述平滑结构张量场的累积变化程度的每个像素点的主特征向量的累积方向值的步骤，包括:分别计算每个像素点沿其主特征向量正方向的累积方向值以及每个像素点沿其主特征向量反方向的累积方向值。
5.如权利要求4所述的自动图像区域划分的实现方法，其特征在于，所述计算每个像素点沿其主特征向量正方向的累积方向值的步骤，包括: 步骤al:设定待计算主特征向量的累积方向值的像素点为第一像素点，选取所述图像中位于该第一像素点的主特征向量正方向且与该第一像素点的距离为单位距离的第二像素点，获取该第一像素点与该第二像素点构成的第一向量； 步骤bl:选取所述图像中位于该第二像素点的主特征向量正方向且与该第二像素点的距离为单位距离的第三像素点，获取该第二像素点与该第三像素点构成的第二向量；步骤Cl:计算并存储该第一向量与该第二向量之间的夹角，并记录执行该步骤的累积次数； 步骤dl:判断该累积次数是否小于预定次数，如果判断结果为是，则将该第二像素点设定为第一像素点、将该第三像素点设定为第二像素点，执行步骤bl，否则，获取所有被存储的夹角作为该像素点沿其主特征向量正方向的累积方向值。
6.如权利要求4所述的自动图像区域划分的实现方法，其特征在于，所述计算每个像素点沿其主特征向量反方向的累积方向值的步骤，包括: 步骤a2:设定待计算主特征向量的累积方向值的像素点为第一像素点，选取所述图像中位于该第一像素点的主特征向量反方向且与该第一像素点的距离为单位距离的第二像素点，获取该第一像素点与该第二像素点构成的第一向量； 步骤b2:选取所述图像中位于该第二像素点的主特征向量反方向且与该第二像素点的距离为单位距离的第三像素点，获取该第二像素点与该第三像素点构成的第二向量；步骤c2:计算并存储该第一向量与该第二向量之间的夹角，并记录执行该步骤的累积次数； 步骤d2:判断该累积次数是否小于预定次数，如果判断结果为是，则将该第二像素点设定为第一像素点、将该第三像素点设定为第二像素点，执行步骤b2，否则，获取所有被存储的夹角作为该像素点沿其主特征向量反方向的累积方向值。
7.一种自动图像区域划分的实现装置，其特征在于，所述装置包括: 平滑结构张量场获取模块，用于获取图像中每个像素点所对应的平滑结构张量场； 图像细节度获取模块，根据所述平滑结构张量场的累积变化程度获取所述图像的细节度； 图像区域划分模块，根据所述图像的细节度对所述图像进行区域划分。
8.如权利要求7所述的自动图像区域划分的实现装置，其特征在于，所述平滑结构张量场获取模块，包括: 梯度提取模块，用于对所述图像进行滤波处理，获得每个像素点的梯度； 张量场获取模块，用于根据每个像素点的梯度计算其对应的张量场； 平滑处理模块，用于对每个像素点的张量场进行平滑处理获得所述平滑结构张量场。
9.如权利要求8所述的自动图像区域划分的实现装置，其特征在于，所述图像细节度获取模块，包括: 主特征向量计算模块，用于根据每个像素点的平滑结构张量场计算每个像素点的主特征向量； 累积方向值获取模块，用于根据像素点的主特征向量获取用于表征所述平滑结构张量场的累积变化程度的每个像素点的主特征向量的累积方向值； 细节度获取模块，用于将所有像素点的主特征向量的累积方向值进行归一化及反向处理得到每个像素点的细节度。
10.如权利要求9所述的自动图像区域划分的实现装置，其特征在于，所述累积方向值获取模块包括用于计算每个像素点沿其主特征向量正方向的累积方向值的正方向累积方向值获取模块以及用于计算每个像素点沿其主特征向量反方向的累积方向值的反方向累积方向值获取模块。
11.如权利要求10所述的自动图像区域划分的实现装置，其特征在于，所述正方向累积方向值获取模块包括: 第一向量子模块:设定待计算主特征向量的累积方向值的像素点为第一像素点，选取所述图像中位于该第一像素点的主特征向量正方向且与该第一像素点的距离为单位距离的第二像素点，获取该第一像素点与该第二像素点构成的第一向量； 第二向量子模块:选取所述图像中位于该第二像素点的主特征向量正方向且与该第二像素点的距离为单位距离的第三像素点，获取该第二像素点与该第三像素点构成的第二向量; 夹角计算子模块:计算并存储该第一向量与该第二向量之间的夹角，并记录执行该步骤的累积次数； 判断执行子模块:判断该累积次数是否小于预定次数，如果判断结果为是，则将该第二像素点设定为第一像素点、将该第三像素点设定为第二像素点，并返回所述第二向量子模块，否则，获取所有被存储的夹角作为该像素点沿其主特征向量正方向的累积方向值。
12.如权利要求10所述的自动图像区域划分的实现装置，其特征在于，所述反方向累积方向值获取模块包括: 第一向量子模块:设定待计算主特征向量的累积方向值的像素点为第一像素点，选取所述图像中位于该第一像素点的主特征向量反方向且与该第一像素点的距离为单位距离的第二像素点，获取该第一像素点与该第二像素点构成的第一向量； 第二向量子模块:选取所述图像中位于该第二像素点的主特征向量反方向且与该第二像素点的距离为单位距离的第三像素点，获取该第二像素点与该第三像素点构成的第二向量; 夹角计算子模块:计算并存储该第一向量与该第二向量之间的夹角，并记录执行该步骤的累积次数； 判断执行子模块:判断该累积次数是否小于预定次数，如果判断结果为是，则将该第二像素点设定为第一像素点、将该第三像素点设定为第二像素点，并返回所述第二向量子模块，否则，获取所有被 存储的夹角作为该像素点沿其主特征向量反方向的累积方向值。
【文档编号】G06T7/60GK103886622SQ201210560218
【公开日】2014年6月25日 申请日期:2012年12月21日 优先权日:2012年12月21日
【发明者】陈皓, 郭凯 申请人:腾讯科技（深圳）有限公司