图像分割方法及装置制造方法
【专利摘要】本发明揭示了一种图像分割方法及装置，属于图像处理领域。所述图像分割方法包括：建立图像的显著性模型；根据显著性模型获取图像中的前景样本点和背景样本点；根据显著性模型以及前景样本点和背景样本点，建立前背景分类模型；根据预定图割算法对图像进行分割，预定图割算法利用前背景分类模型以及像素点之间的边缘信息对图像进行分割。通过自动确定前背景样本点，并结合显著性模型以建立前背景分类模型，利用该前背景分类模型实现图像分割；解决了相关技术中必须需要用户手动粗略地选定前景样本点和背景样本点，在对大量图像进行分割时，分割效率比较低的问题；达到了可以实现自动化选取样本，提高了分类精确度以及分割效率的效果。
【专利说明】图像分割方法及装置
【技术领域】
[0001]本公开涉及图像处理领域，特别涉及一种图像分割方法及装置。
【背景技术】
[0002]图像分割技术是图像分析、图像编辑和图像合成等领域的基础，图像分割技术可以从图像中分割出前景和背景，如何快速的、自动的从图像中分割出前景和背景是目前研究的一个重要课题。
[0003]在相关的图像分割方法中，首先，接收用户手动选定的图像中的前景样本点和背景样本点；然后，根据用户手动选定的前景样本点建立前背景颜色似然模型；最后，根据前背景颜色似然模型对图像进行分割，得到分割后的前景和背景。
[0004]发明人在实现本公开的过程中，发现相关技术至少存在如下缺陷:在传统的图像分割方法中，必须需要用户手动粗略地选定前景样本点和背景样本点，在对大量图像进行分割时，分割效率比较低。
【发明内容】
[0005]为了解决相关技术中必须需要用户手动粗略地选定前景样本点和背景样本点，在对大量图像进行分割时，分割效率比较低的问题，本公开提供一种图像分割方法及装置。所述技术方案如下:
[0006]根据本公开实施例的第一方面，提供一种图像分割方法，包括:
[0007]建立图像的显著性模型；
[0008]根据所述显著性模型获取所述图像中的前景样本点和背景样本点；
[0009]根据所述显著性模型以及所述前景样本点和所述背景样本点，建立前背景分类模型；
[0010]根据预定图割算法对所述图像进行分割，所述预定图割算法利用所述前背景分类模型以及像素点之间的边缘信息对所述图像进行分割。
[0011]可选的，所述根据所述显著性模型获取所述图像中的前景样本点和背景样本点，包括:
[0012]根据所述显著性模型，计算所述图像中各个像素点的显著性值；
[0013]将各个像素点的显著性值进行归一化；
[0014]将归一化后的显著性值大于预定前景阈值的像素点确定为所述前景样本点；
[0015]将归一化后的显著性值小于预定背景阈值的像素点确定为所述背景样本点；
[0016]其中，所述预定前景阈值大于所述预定背景阈值，归一化后的各个显著值均位于(0,1)中。
[0017]可选的，所述前背景分类模型包括前景分类模型和背景分类模型，所述根据所述显著性模型以及所述前景样本点和所述背景样本点，建立前背景分类模型，包括:
[0018]根据所述前景样本点建立前景颜色似然模型；[0019]根据所述背景样本点建立背景颜色似然模型；
[0020]将所述显著性模型与所述前景颜色似然模型相乘，得到所述前景分类模型，所述前景分类模型用于表征像素点为前景的概率；
[0021]将所述显著性模型与所述背景颜色似然模型相乘，得到所述背景分类模型，所述背景分类模型用于表征像素点为背景的概率。
[0022]可选的，所述根据预定图割算法对所述图像进行分割，包括:
[0023]利用所述前景分类模型计算所述图像中每个像素点的前景相似度；
[0024]利用所述背景分类模型计算所述图像中每个像素点的背景相似度；
[0025]获取所述图像中相邻像素点之间的相似度；
[0026]利用各个像素点的前景相似度、各个像素点的背景相似度以及相邻像素点之间的相似度，构造所述预定图割算法所需的无向图；
[0027]利用所述预定分割算法对所述无向图进行分割，完成对所述图像的分割。
[0028]可选的，所述利用各个像素点的前景相似度、各个像素点的背景相似度以及相邻像素点之间的相似度，构造所述预定图割算法所需的无向图，包括:
[0029]构建所述预定图割算法所需的无向图，所述无向图包括前景顶点、背景顶点、至少一个像素顶点、相邻的两个像素顶点之间的第一类边、所述像素顶点与所述背景顶点之间的第二类边，所述像素顶点与所述背景顶点之间的第三类边，所述无向图中的像素顶点与所述图像中的各个像素点--对应；
[0030]对于每条第二类边，将与所述第二类边相连的像素顶点所对应的像素点的前景相似度，确定为所述第二类边的权值；
[0031]对于每条第三类边，将与所述第三类边相连的像素顶点所对应的像素点的背景相似度，确定为所述第三类边的权值；
[0032]对于每条第一类边，将与所述第一类边相连的两个像素顶点所对应的两个像素点之间的相似度，确定为所述第一类边的权值。
[0033]可选的，所述建立图像的显著性模型，包括:
[0034]利用预定过分割算法对所述图像进行过分割，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；
[0035]确定每个所述区域的颜色值和质心；
[0036]根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型。
[0037]可选的，所述显著性模型为:
[0038]
【权利要求】
1.一种图像分割方法，其特征在于，包括: 建立图像的显著性模型； 根据所述显著性模型获取所述图像中的前景样本点和背景样本点； 根据所述显著性模型以及所述前景样本点和所述背景样本点，建立前背景分类模型；根据预定图割算法对所述图像进行分割，所述预定图割算法利用所述前背景分类模型以及像素点之间的边缘信息对所述图像进行分割。
2.根据权利要求1所述的方法，其特征在于，所述根据所述显著性模型获取所述图像中的前景样本点和背景样本点，包括: 根据所述显著性模型，计算所述图像中各个像素点的显著性值； 将各个像素点的显著性值进行归一化； 将归一化后的显著性值大于预定前景阈值的像素点确定为所述前景样本点； 将归一化后的显著性值小于预定背景阈值的像素点确定为所述背景样本点； 其中，所述预定前景阈值大于所述预定背景阈值，归一化后的各个显著值均位于(O，I)中。
3.根据权利要求1所述的方法，其特征在于，所述前背景分类模型包括前景分类模型和背景分类模型，所述根据所述显著性模型以及所述前景样本点和所述背景样本点，建立前背景分类模型，包括: 根据所述前景样本点建立前景颜色似然模型； 根据所述背景样本点建立背景颜色似然模型； 将所述显著性模型与所述前景颜色似然模型相乘，得到所述前景分类模型，所述前景分类模型用于表征像素点为前景的概率； 将所述显著性模型与所述背景颜色似然模型相乘，得到所述背景分类模型，所述背景分类模型用于表征像素点为背景的概率。
4.根据权利要求3所述的方法，其特征在于，所述根据预定图割算法对所述图像进行分割，包括: 利用所述前景分类模型计算所述图像中每个像素点的前景相似度； 利用所述背景分类模型计算所述图像中每个像素点的背景相似度； 获取所述图像中相邻像素点之间的相似度； 利用各个像素点的前景相似度、各个像素点的背景相似度以及相邻像素点之间的相似度，构造所述预定图割算法所需的无向图； 利用所述预定分割算法对所述无向图进行分割，完成对所述图像的分割。
5.根据权利要求4所述的方法，其特征在于，所述利用各个像素点的前景相似度、各个像素点的背景相似度以及相邻像素点之间的相似度，构造所述预定图割算法所需的无向图，包括: 构建所述预定图割算法所需的无向图，所述无向图包括前景顶点、背景顶点、至少一个像素顶点、相邻的两个像素顶点之间的第一类边、所述像素顶点与所述背景顶点之间的第二类边，所述像素顶点与所述背景顶点之间的第三类边，所述无向图中的像素顶点与所述图像中的各个像素点--对应； 对于每条第二类边，将与所述第二类边相连的像素顶点所对应的像素点的前景相似度，确定为所述第二类边的权值； 对于每条第三类边，将与所述第三类边相连的像素顶点所对应的像素点的背景相似度，确定为所述第三类边的权值； 对于每条第一类边，将与所述第一类边相连的两个像素顶点所对应的两个像素点之间的相似度，确定为所述第一类边的权值。
6.根据权利要求1至5中任一所述的方法，其特征在于，所述建立图像的显著性模型，包括: 利用预定过分割算法对所述图像进行过分割，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同； 确定每个所述区域的颜色值和质心； 根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型。
7.根据权利要求6所述的方法，其特征在于，所述显著性模型为:
N ^ = X M(Rj)Ds(RnRj)Dc(RrRj), 其中，Sil为区域Ri中任一像素点的显著性值，W(Rj)为区域&中的像素点的个数，Ds(Ri, Rj)用于表征所述区域Ri和所述区域&之间空间位置差异的度量值，％取，Rj)用于表征所述区域Ri和所述区域&之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域的总个数，Ds(Ri, Rj)为:Ds.(/?,.,/?,) = cxp(-((_'⑶时(/?,)-C作时(/?,))2/σι2) , Center(Ri)为所述区域Ri的质心，Center(Rj)为所述区域Rj的质心，当所述图像中各个像素点的坐标均归一化到[O，I]时，<=0 4
8.根据权利要求1至5中任一所述的方法，其特征在于，所述建立图像的显著性模型，包括: 按照各个像素点的颜色值，对所述图像中各个像素点进行归类，将相同颜色值的像素点归类为同一种颜色类型； 根据每种颜色类型的颜色值，建立所述显著性模型。
9.根据权利要求8所述的方法，其特征在于，所述显著性模型为: S, = t W(Pi)Dc(^Pj), 其中，W(Pj)为颜色类型Pj中像素点的个数，Dc(PilPj)用于表征颜色类型PjP颜色类型匕之间颜色差异的度量值。
10.一种图像分割装置，其特征在于，包括: 第一建立模块，用于建立图像的显著性模型； 样本获取模块，用于根据所述显著性模型获取所述图像中的前景样本点和背景样本占.第二建立模块，用于根据所述第一建立模块建立的显著性模型以及所述样本获取模块获取的前景样本点和所述背景样本点，建立前背景分类模型； 图像分割模块，用于根据预定图割算法对所述图像进行分割，所述预定图割算法利用所述第二建立模块建立的前背景分类模型以及像素点之间的边缘信息对所述图像进行分割。
11.根据权利要求10所述的装置，其特征在于，所述样本获取模块，包括: 第一计算单元，用于根据所述显著性模型，计算所述图像中各个像素点的显著性值； 归一化单元，用于将所述第一计算单元计算出的各个像素点的显著性值进行归一化； 第一确定单元，用于将所述归一化单元归一化后的显著性值大于预定前景阈值的像素点确定为所述前景样本点； 第二确定单元，用于将所述归一化单元归一化后的显著性值小于预定背景阈值的像素点确定为所述背景样本点； 其中，所述预定前景阈值大于所述预定背景阈值，归一化后的各个显著值均位于(0，1)中。
12.根据权利要求10所述的装置，其特征在于，所述前背景分类模型包括前景分类模型和背景分类模型，所述第二建立模块，包括: 第一建立单元，用于根据所述前景样本点建立前景颜色似然模型； 第二建立单元，用于根据所述背景样本点建立背景颜色似然模型； 第一相乘单元，用于将所述第一建立模块建立的显著性模型与所述第一建立单元建立的前景颜色似然模型相乘，得到所述前景分类模型，所述前景分类模型用于表征像素点为前景的概率； 第二相乘单元，用于将所述第一建立模块建立的显著性模型与所述第二建立单元建立的背景颜色似然模型相乘，得到所述背景分类模型，所述背景分类模型用于表征像素点为背景的概率。
13.根据权利要求12所述的装置，其特征在于，所述图像分割模块，包括: 第二计算单元，用于利用所述前景分类模型计算所述图像中每个像素点的前景相似度； 第三计算单元，用于利用所述背景分类模型计算所述图像中每个像素点的背景相似度； 获取单元，用于获取所述图像中相邻像素点之间的相似度； 构造单元，用于利用各个像素点的前景相似度、各个像素点的背景相似度以及相邻像素点之间的相似度，构造所述预定图割算法所需的无向图； 第一分割单元，用于利用所述预定分割算法对所述无向图进行分割，完成对所述图像的分割。
14.根据权利要求13所述的装置，其特征在于，所述构造单元，包括: 构建子单元，用于构建所述预定图割算法所需的无向图，所述无向图包括前景顶点、背景顶点、至少一个像素顶点、相邻的两个像素顶点之间的第一类边、所述像素顶点与所述背景顶点之间的第二类边，所述像素顶点与所述背景顶点之间的第三类边，所述无向图中的像素顶点与所述图像中的各个像素点一一对应 第一确定子单元，用于对于每条第二类边，将与所述第二类边相连的像素顶点所对应的像素点的前景相似度，确定为所述第二类边的权值； 第二确定子单元，用于对于每条第三类边，将与所述第三类边相连的像素顶点所对应的像素点的背景相似度，确定为所述第三类边的权值；第三确定子单元，用于对于每条第一类边，将与所述第一类边相连的两个像素顶点所对应的两个像素点之间的相似度，确定为所述第一类边的权值。
15.根据权利要求10至14中任一所述的装置，其特征在于，所述第一建立模块，包括: 第二分割单元，用于利用预定过分割算法对所述图像进行过分割，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同； 第三确定单元，用于确定每个所述区域的颜色值和质心； 第三建立单元，用于根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型。
16.根据权利要求15所述的装置，其特征在于，所述显著性模型为:
17.根据权利要 求10至14中任一所述的装置，其特征在于，所述第一建立模块，包括: 归类单元，用于按照各个像素点的颜色值，对所述图像中各个像素点进行归类，将相同颜色值的像素点归类为同一种颜色类型； 第四建立单元，用于根据每种颜色类型的颜色值，建立所述显著性模型。
18.根据权利要求17所述的装置，其特征在于，所述显著性模型为:
19.一种图像分割装置，其特征在于，包括: 处理器； 用于存储所述处理器可执行指令的存储器； 其中，所述处理器被配置为: 建立图像的显著性模型； 根据所述显著性模型获取所述图像中的前景样本点和背景样本点； 根据所述显著性模型以及所述前景样本点和所述背景样本点，建立前背景分类模型；根据预定图割算法对所述图像进行分割，所述预定图割算法利用所述前背景分类模型以及像素点之间的边缘信息对所述图像进行分割。
【文档编号】G06T7/00GK103996189SQ201410187226
【公开日】2014年8月20日 申请日期:2014年5月5日 优先权日:2014年5月5日
【发明者】王琳, 秦秋平, 陈志军 申请人:小米科技有限责任公司