1.本发明涉及自动化拍照技术领域，特别是涉及一种拍照灯箱及方法.
背景技术：
2.相关业务需要大量的背景透明的物品图片，要求图片质量能够达到摄影师的水平，且需要严格按照物体轮廓将背景去除干净。
3.现有技术中通常通过大规模的拍摄和修图来进行背景去除，拍摄部分由摄影师搭建灯光场景拍摄，抠图部分通过人工逐张修图达到背景抠除干净的效果，外加图片效果的美化，或者拍摄部分将物体放在某一纯色背景上进行拍摄，靠自动分割纯色背景的方式达到抠图效果.
4.现有技术中的大规模的拍摄和修图效率会很低，浪费人力物力，用绿幕作为拍摄背景抠图，缺点在拍摄含绿色元素的物品时，绿色元素会被错误地抠掉。对于图片效果的美化处理多为手动逐参数调节，缺点是无法满足大批量自动化的需求。因此迫切需要提供一种自动化的技术方案可以同时满足图片美观性和抠图准确性，让没有技术或者摄影相关背景的人员可以便捷的操作得到所需的图片.
技术实现要素：
5.鉴于以上所述现有技术的缺点，本发明的目的在于提供一种拍照灯箱及方法，可以同时满足图片美观性和抠图准确性，让没有技术或者摄影相关背景的人员可以便捷的操作得到所需的图片.
6.为实现上述目的及其他相关目的，本发明提供一种拍照灯箱，包括：
7.背光灯板，其设置于箱体的底面，所述背光灯板用于显示红光、绿光、蓝光，并作为图片背景；
8.白光灯板，其设置于所述箱体的顶面，所述白光灯板用于照亮被摄物体；
9.箱体，其作为所述拍照灯箱的本体，所述箱体为封闭式箱体.
10.在本发明的一实施例中，所述拍照灯箱还包括：
11.升压电路，其与所述白光灯板相连接；
12.中央处理器，其与所述升压电路、背光灯板相连接；
13.蓝牙，其与所述中央处理器相连接.
14.在本发明的一实施例中，所述升压电路包括mt3608电源芯片，所述mt3608电源芯片的引脚1分别连接第一电感l1的一端、第一二极管d1的正极，所述mt3608电源芯片的引脚3分别连接第一电阻r1的一端、第二电阻r2的一端，所述第一二极管d1的负极连接第一电阻r1的另一端、第二电容c2的一端以及白光灯板的一端，所述第二电容c2的另一端、第二电阻r2的另一端、白光灯板的另一端均连接mt3608电源芯片的引脚2、第三电阻r3 的一端、第一电容c1的一端、中央处理器的一端并接地，所述第三电阻r3的另一端连接 mt3608电源芯片的引脚4，所述mt3608电源芯片的引脚5连接第一电感l1的另一端、第一电容c1的另一端以
及中央处理器的另一端.
15.在本发明的一实施例中，所述中央处理器上设置有移动供电口.
16.本发明还提供一种拍照方法，包括上述的拍照灯箱，所述拍照方法包括：
17.s1、将蓝牙与手机连接，同步手机快门与背光灯板、白光灯板；
18.s2、将背光灯板显示红光，拍摄红光背景图片，将背光灯板显示绿光，拍摄绿光背景图片，将背光灯板显示蓝光，拍摄蓝光背景图片；
19.s3、开启白光灯板，拍摄产品图片；
20.s4、通过大津二值化算法计算得出红光背景图片、绿光背景图片、蓝光背景图片的前景区域蒙版，将三个所述前景区域蒙版取并集，得到被摄物体的轮廓，利用所述被摄物体的轮廓在所述产品图片上抠除被摄物体图片，得到抠除背景的结果图片上传至自动滤镜系统；
21.s5、利用所述自动滤镜系统对所述抠除背景的结果图片进行处理，得到处理后的结果图片.
22.在本发明的一实施例中，所述步骤s5中的利用所述自动滤镜系统对所述抠除背景的结果图片进行处理，得到处理后的结果图片包括：
23.s51、利用摄影专家人工对预先采集处理后的训练图片进行分类标注，设定向量[0，0，0，0，0，0] 作为训练图片的标注标签，按照向量顺序表示各个缺陷维度；
[0024]
s52、将标注标签后的训练图片输入至卷积神经网络进行训练，得到训练后的卷积神经网络；
[0025]
s53、将所述训练后的卷积神经网络作为特征提取工具，将步骤s4中得到的抠除背景的结果图片输入至训练后的卷积神经网络，得到标注标签后的结果图片的缺陷维度标签；
[0026]
s54、通过所述缺陷维度标签对所述抠除背景的结果图片进行归类，当抠除背景的结果图片包括一个缺陷维度标签，且置信度大于设定阈值，则将抠除背景的结果图片应用于预设滤镜，当抠除背景的结果图片包括大于等于两个缺陷维度标签，且置信度大于设定阈值，则手动调整抠除背景的结果图片的滤镜.
[0027]
在本发明的一实施例中，步骤s52中的将所述训练后的卷积神经网络作为特征提取工具，将步骤s4中得到的抠除背景的结果图片输入至训练后的卷积神经网络，得到标注标签后的结果图片的缺陷维度标签包括：
[0028]
s521、将sigmoid函数作为输出层的激活函数；
[0029]
s522、卷积神经网络的损失函数采用交叉熵损失函数loss：其中，y为标注标签后的结果图片的标签，为标注标签后的结果图片预测为正类的概率.
[0030]
在本发明的一实施例中，所述设定阈值为0.7.
[0031]
如上所述，本发明的一种拍照灯箱及方法，具有以下有益效果：
[0032]
本发明的拍照灯箱能够同时满足图片美观性和抠图准确性，让没有技术或者摄影相关背景的人员可以便捷的操作得到所需的图片.
[0033]
本发明的拍照灯箱能够全自动地拍摄出较美观且准确抠除了背景的物品图，如果拍摄出不够美观的图片，能够针对不够美观的图片进行自动滤镜修图，确保图片的美观.
[0034]
本发明的拍照灯箱能够实现全自动拍摄并抠除物品图片的背景，且图品边缘抠除得很准确，而且在拍照箱有限空间内接近摄影师布景的打光水平，满足了大批量自动化处理图片的需求.
附图说明
[0035]
图1为本技术实施例提供的一种拍照灯箱的箱体的结构图.
[0036]
图2为本技术实施例提供的一种拍照灯箱的箱体的内部结构图.
[0037]
图3为本技术实施例提供的一种拍照灯箱的结构原理图.
[0038]
图4为本技术实施例提供的一种拍照灯箱的升压电路的电路原理图.
[0039]
图5为本技术实施例提供的一种拍照方法的工作流程图.
[0040]
图6为本技术实施例提供的一种拍照方法的步骤s5的工作流程图.
[0041]
元件标号说明
[0042]1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
背光灯板
[0043]2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
白光灯板
[0044]3ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
箱体
[0045]4ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
升压电路
[0046]5ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
中央处理器
[0047]6ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
蓝牙
具体实施方式
[0048]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效.本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变.需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合.
[0049]
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂.
[0050]
请参阅图1、图2、图3，图1为本技术实施例提供的一种拍照灯箱的箱体的结构图.图 2为本技术实施例提供的一种拍照灯箱的箱体的内部结构图.图3为本技术实施例提供的一种拍照灯箱的结构原理图.一种拍照灯箱，包括背光灯板1、白光灯板2、箱体3、升压电路 4、中央处理器5、蓝牙6，所述背光灯板1设置于箱体3的底面，所述背光灯板1用于显示红光、绿光、蓝光，并作为图片背景，所述白光灯板2设置于所述箱体3的顶面，所述白光灯板2用于照亮被摄物体，所述箱体3作为所述拍照灯箱的本体，所述箱体3为封闭式箱体. 所述升压电路4与所述白光灯板2相连接，所述中央处理器5与所述升压电路4、背光灯板1 相连接，所述蓝牙6与所述中央处理器5相连接.
[0051]
具体的，所述拍照灯箱是一个封闭的箱体，目的是防止拍摄环境光对拍摄有不可预知的影响.所述背光灯板1和白光灯板2由中央处理器5负责协调，所述中央处理器5同时
负责灯板的供电，为了实现便携移动，不依赖固定插座的拍摄环境，中央处理器上设置有移动供电口，可使用充电宝为拍照灯箱供电.
[0052]
请参阅图4，图4为本技术实施例提供的一种拍照灯箱的升压电路的电路原理图.为了充电宝供电也能够达到灯板的最佳照明效果，本发明设计了升压电路4.所述升压电路4包括mt3608电源芯片，所述mt3608电源芯片的引脚1分别连接第一电感l1的一端、第一二极管d1的正极，所述mt3608电源芯片的引脚3分别连接第一电阻r1的一端、第二电阻 r2的一端，所述第一二极管d1的负极连接第一电阻r1的另一端、第二电容c2的一端以及白光灯板2的一端，所述第二电容c2的另一端、第二电阻r2的另一端、白光灯板2的另一端均连接mt3608电源芯片的引脚2、第三电阻r3的一端、第一电容c1的一端、中央处理器5的一端并接地，所述第三电阻r3的另一端连接mt3608电源芯片的引脚4，所述mt3608 电源芯片的引脚5连接第一电感l1的另一端、第一电容c1的另一端以及中央处理器5的另一端.
[0053]
请参阅图5，图5为本技术实施例提供的一种拍照方法的工作流程图.本发还提供一种拍照方法，包括上述的拍照灯箱，所述拍照方法包括：
[0054]
步骤s1、将蓝牙6与手机连接，同步手机快门与背光灯板1、白光灯板2.具体的，本发明开发了拍照app a，负责拍摄图片和图片管理，app a通过蓝牙和中央处理器5连接，控制拍照灯箱内部的背光灯板1、白光灯板2与手机快门的同步.
[0055]
步骤s2、将背光灯板1显示红光，拍摄红光背景图片，将背光灯板1显示绿光，拍摄绿光背景图片，将背光灯板1显示蓝光，拍摄蓝光背景图片.
[0056]
步骤s3、开启白光灯板2，拍摄产品图片.
[0057]
步骤s4、通过大津二值化算法计算得出红光背景图片、绿光背景图片、蓝光背景图片的前景区域蒙版，将三个所述前景区域蒙版取并集，得到被摄物体的轮廓，利用所述被摄物体的轮廓在所述产品图片上抠除被摄物体图片，得到抠除背景的结果图片上传至自动滤镜系统.
[0058]
所述大津二值化算法的步骤为：
[0059]
步骤s41、计算红光背景图片、绿光背景图片、蓝光背景图片中每个强度级的直方图和概率；
[0060]
步骤s42、设置前景像素数量占总像素数量的比例ωi(0)的初始值、前景平均灰度μi(0)的初始值；
[0061]
步骤s43、遍历所有可能的灰度阈值t，更新ωi、μi；
[0062]
步骤s44、计算所需的灰度阈值为灰度最大值，为灰度更大值或灰度最大值.
[0063]
步骤s5、利用所述自动滤镜系统对所述抠除背景的结果图片进行处理，得到处理后的结果图片.具体的，在拍摄产品图片时，通过物体检测api定位到画面中的物体所在位置，针对检测区的中心进行测光和对焦，保证产品拍摄达到最佳效果.
[0064]
请参阅图6，图6为本技术实施例提供的一种拍照方法的步骤s5的工作流程图.所述步骤s5中的利用所述自动滤镜系统对所述抠除背景的结果图片进行处理，得到处理后的结果图片包括：
[0065]
前期由摄影师人工总结几套针对特定场景图片的滤镜，并由工程团队代码实现，
当拍照灯箱拍摄流程结束后，通过深度学习对拍摄的产品图片进行预测打分，得到图片适合哪种滤镜并应用.
[0066]
步骤s51、利用摄影专家人工对预先采集处理后的训练图片进行分类标注，设定向量 [0，0，0，0，0，0]作为训练图片的标注标签，按照向量顺序表示各个缺陷维度.
[0067]
例如：摄影师提前准备好各种拍摄效果的物品图片(欠曝光，过曝光，偏暖，偏冷，色彩灰暗，正常效果等)，对物品图片进行分类标注，例如，共有6个缺陷评价维度(欠曝光，过曝光，偏暖，偏冷，色彩灰暗，色彩过浓)，设定一个向量[0，0，0，0，0]作为训练图片的标注标签，按顺序表示各个维度，如果一张图片欠曝光且色彩灰暗，那么这张图的标签就是 [1，0，0，0，1，0]，将所有预先准备的图片标注完成即可.
[0068]
步骤s52、将标注标签后的训练图片输入至卷积神经网络进行训练，得到训练后的卷积神经网络.
[0069]
步骤s53、将所述训练后的卷积神经网络作为特征提取工具，将步骤s4中得到的抠除背景的结果图片输入至训练后的卷积神经网络，得到标注标签后的结果图片的缺陷维度标签. 所述训练后的卷积神经网络为两层的卷积神经网络，具体包括：s521、将sigmoid函数作为输出层的激活函数.s522、卷积神经网络的损失函数采用交叉熵损失函数loss：其中，y为标注标签后的结果图片的标签，为标注标签后的结果图片预测为正类的概率.
[0070]
步骤s54、通过所述缺陷维度标签对所述抠除背景的结果图片进行归类，当抠除背景的结果图片包括一个缺陷维度标签，且置信度大于设定阈值，则将抠除背景的结果图片应用于预设滤镜，当抠除背景的结果图片包括大于等于两个缺陷维度标签，且置信度大于设定阈值，则手动调整抠除背景的结果图片的滤镜.
[0071]
具体的，只有一个缺陷维度标签且置信度大于0.7的图片，将这种图程序自动应用摄影师提供的预设滤镜，从而实现批量的图片校正.同时含有两个及以上缺陷维度标签且每个标签置信度超过阈值t＝0.7的图片，过滤为需要设计师手动调节的图片.选出的不达标图片交由摄影师、设计师在app中手动修正滤镜的选择，或者在单独的图片修正软件上修改达到最佳效果.整个流程大大提高了整体图片的美化校正效率，该流程根据不同的图片拍摄质量和场景，在具体实现上会有一些变体，例如：不同的参数、模型训练方法、归类阈值等，在此不进行详述.
[0072]
综上所述，本发明的拍照灯箱能够同时满足图片美观性和抠图准确性，让没有技术或者摄影相关背景的人员可以便捷的操作得到所需的图片.能够全自动地拍摄出较美观且准确抠除了背景的物品图，如果拍摄出不够美观的图片，能够针对不够美观的图片进行自动滤镜修图，确保图片的美观.
[0073]
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明.任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变.因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。