深度图像的分割方法和分割装置与流程

本公开涉及计算机视觉领域，尤其涉及一种深度图像的分割方法和分割装置。

背景技术：

图像分割指的是将数字图像分为多个图像区域(像素点的集合)的过程。传统的图像分割方法是对图像中的像素值进行处理的基础上进行的。因此，在分割对象与背景的颜色差异较大的地方，分割的效果比较理想，在分割对象与背景的颜色差异较小的地方，分割的效果就很不理想。

技术实现要素：

为克服相关技术中存在的问题，本公开提供一种深度图像的分割方法和分割装置。

发明人想到，目前有一种图像数据中包括图像的深度信息。在分割对象与背景的深度差异较大时，利用深度信息来进行图像分割，能够克服相关技术中根据像素值分割导致的边界不清晰的问题，从而使得分割结果更准确。

根据本公开实施例的第一方面，提供一种深度图像的分割方法。所述方法包括：获取所述深度图像中第一选取区域中的像素点的深度值；估计所述第一选取区域中的分割对象的深度值范围；确定所述第一选取区域中深度值处于所述深度值范围内的像素点，并根据所确定的像素点形成深度值导出区域；以及根据所述深度值导出区域对所述第一选取区域中的分割对象进行分割，得到所述第一选取区域中的分割对象。

根据本公开实施例的第二方面，提供一种深度图像的分割装置。所述装 置包括：深度值获取模块，被配置为获取所述深度图像中第一选取区域中的像素点的深度值；深度值范围估计模块，被配置为估计所述第一选取区域中的分割对象的深度值范围；深度值导出区域确定模块，被配置为确定所述第一选取区域中深度值处于所述深度值范围内的像素点，并根据所确定的像素点形成深度值导出区域；以及第一分割模块，被配置为根据所述深度值导出区域对所述第一选取区域中的分割对象进行分割，得到所述第一选取区域中的分割对象。

根据本公开实施例的第三方面，提供一种深度图像的分割装置。所述装置包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：获取所述深度图像中第一选取区域中的像素点的深度值；估计所述第一选取区域中的分割对象的深度值范围；确定所述第一选取区域中深度值处于所述深度值范围内的像素点，并根据所确定的像素点形成深度值导出区域；以及根据所述深度值导出区域对所述第一选取区域中的分割对象进行分割，得到所述第一选取区域中的分割对象。

本公开的实施例提供的技术方案可以包括以下有益效果：

根据拍摄过程中所获取的深度信息在图像中分割出所需的对象，在分割得到的图像中不会丢失大块有效信息，也不会出现大块冗余信息，并且图像分割的边缘更加精细。因此，本公开提供的深度图像的分割方法和分割装置在分割对象与背景的深度差异较大时，能够准确地分割出所需分割对象。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的待分割图像的示意图；

图2是根据一示例性实施例示出的一种深度图像的分割方法的流程图；

图3是根据一示例性实施例示出的图1的第一选取区域的示意图；

图4是根据一示例性实施例示出的估计第一选取区域中的分割对象的深度值范围的流程图；

图5是图1中的所有像素点的深度值的分布状况柱状图；

图6是根据另一示例性实施例示出的估计第一选取区域中的分割对象的深度值范围的流程图；

图7是根据一示例性实施例示出的参考区域的示意图；

图8是根据一示例性实施例示出的估计第一选取区域中的分割对象的深度值范围的对话框的界面图；

图9是根据另一示例性实施例示出的一种深度图像的分割方法的流程图；

图10是根据又一示例性实施例示出的一种深度图像的分割方法的流程图；

图11是根据一示例性实施例示出的形成深度图像中的分割对象的示意图；

图12是根据另一示例性实施例示出的形成深度图像中的分割对象的示意图；

图13是根据一示例性实施例示出的一种深度图像的分割装置的框图；

图14是根据一示例性实施例示出的深度值范围估计模块的结构框图；

图15是根据另一示例性实施例示出的深度值范围估计模块的框图；

图16是根据另一示例性实施例示出的一种深度图像的分割装置的框图；

图17是根据另一示例性实施例示出的一种深度图像的分割装置的框图；以及

图18是根据一示例性实施例示出的一种深度图像的分割装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施例并不代表与本公开相一致的所有实施例。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的待分割图像的示意图。在图1所示的图像中拍摄了一只在屋顶行走的猫，背景是蓝天和白云。我们要做的是把这只猫从整个图像中分割出来。也就是，图1中的分割对象为猫。如果这只猫为黑猫或黄猫，则利用相关技术，分割的效果是比较好的。如果这只猫是白猫，则由于分割对象(白猫)与背景(白云)颜色相同，利用相关技术进行分割时，边界不清晰，分割的效果不好。

那么，当分割对象与背景的颜色相近时该如何进行区分才能使分割效果更好。发明人想到能够利用图像中的深度信息来区分。

在计算机视觉的相关技术中，目前已经研发出了能够进行体感捕捉的“体感摄像头”(也叫深度摄像头)，这种体感摄像头在拍摄时能够获取表示所拍摄画面中的各个点与摄像头的距离信息。例如，华硕的Xtion PRO摄像头。微软公司在其研发的Xbox ONE游戏机中也应用了这种体感摄像头。在由这种体感摄像头拍摄的图像(简称为深度图像)中，每个像素点除了具有像素值之外，还具有深度信息。一像素点的深度信息是表示拍摄该图像时该像素点在画面中的位置与摄像头之间的距离的信息。

也就是，如果图1中的图像是由深度摄像头拍摄的深度图像，则能够根据白猫和白云的深度信息的差异将二者区分来，以达到更好的分割效果。因此，发明人基于以上的发明构思，提供本公开所记载的深度图像的分割方法和分割装置。以下详细描述本公开提供的深度图像的分割方法和分割装置。

图2是根据一示例性实施例示出的一种深度图像的分割方法的流程图。如图2所示，所述方法包括以下步骤。

在步骤S11中，获取所述深度图像中第一选取区域中的像素点的深度值。

首先，在深度图像中选取一第一选取区域。所述第一选取区域的范围可以视具体情况来确定，可以是整个深度图像，也可以是深度图像的一部分。在能够确定深度图像中的分割对象的大致范围的情况下，可以选取深度图像中的一部分作为第一选取区域，使得深度图像的分割对象包含在第一选取区域中。只对所述第一选取区域中的像素点进行处理，得到第一选取区域中的分割对象，也就是得到了整个深度图像的分割对象。

例如，图3是根据一示例性实施例示出的图1的第一选取区域的示意图。如图3所示，要对白猫的图像进行分割，可以选取虚线矩形框作为第一选取区域。虚线矩形框中包含了要分割的白猫。这样，在选取深度图像的一部分作为第一选取区域的情况下，能够缩小所处理的图像区域的范围，减少运算量，加快分割的速度。

在深度摄像头拍摄的深度图像中，每个像素点都具有深度信息。每个像素点在画面中所处的位置与摄像头之间的距离(深度)在理论上是零到无穷大的。实际应用中，可以将各个像素点的深度进行归一化处理，得到任意一个范围的深度值。也就是，在深度摄像头拍摄的深度图像中，可以获取到每一个像素点带有的、表示深度信息的数值(深度值)。

在所述步骤S12中，估计第一选取区域中的分割对象的深度值范围。

要将第一选取区域中的分割对象从第一选取区域中分割出来，需要确定哪些像素点属于分割对象，哪些像素点不属于分割对象。可以在所述步骤S13中先估计分割对象所包含的像素点的深度值范围，再根据所估计的深度值范围找到处于所述深度值范围内的像素点。

如上所述，经归一化处理后，深度值可以是在任意范围内的数值。可以 根据步骤S11中获取的第一选取区域中的像素点的深度值来估计出分割对象的深度值范围。

具体地，可以先统计出第一选取区域中所有像素点的深度值分布状况，根据所述分布状况判断出第一选取区域中的分割对象的深度值范围。图4是根据一示例性实施例示出的估计第一选取区域中的分割对象的深度值范围的流程图。如图4所示，估计第一选取区域中的分割对象的深度值范围(步骤S12)包括以下步骤。

在步骤S121中，根据所获取的第一选取区域中的像素点的深度值确定第一选取区域中的所有像素点的深度值的分布状况。

其中，深度值的分布状况体现了第一选取区域中各个深度值的占比关系。所述深度值的分布状况例如可以表示为各个深度值的像素点数目、深度值处于各个深度值范围的像素点数目等，并且可以以各种形式来统计，例如曲线图、柱状图等。掌握了第一选取区域中所有像素点的深度值的分布状况，结合深度图像中的具体情景，就能够估计出第一选取区域中的分割对象的深度值范围。

在步骤S122中，根据所确定的分布状况估计第一选取区域中的分割对象的深度值范围。

可以在估计出第一选取区域中的分割对象与第一选取区域的占比关系、以及第一选取区域中的分割对象与背景之间的深度差的基础上，估计出第一选取区域中的分割对象的深度值范围。

例如，图5是图1中的所有像素点的深度值的分布状况柱状图。如图5所示，X轴表示像素点的深度值，该深度值经归一化处理后分布于0-200之间。Y轴表示像素点的数量或占比。图1的情景中包含一只猫和天空的背景。经过估计可以知道，猫所占面积大约占天空面积的一半，而天空的深度值应该是深度值中的最大值。在第一选取区域选为整个深度图像时，可以判断第 一选取区域中，深度值基本集中于两个深度值区域。猫所包含的像素点的深度值集中于一个深度值区域，而天空的像素值集中于另一个深度值区域(最大深度值附近)。由图5中的柱状图可以判断出，图1中的猫所对应的像素点的深度值应该是在40-80之间，而其他大部分区域(天空和白云)则对应着接近于200的深度值。

在步骤S12中，还可以先在第一选取区域中选取一参考区域，根据所选取的参考区域中的深度值范围来估计第一选取区域中的分割对象的深度值范围。图6是根据另一示例性实施例示出的估计第一选取区域中的分割对象的深度值范围的流程图。如图6所示，估计第一选取区域中的分割对象的深度值范围(步骤S12)包括以下步骤。

在步骤S123中，在第一选取区域中选取一参考区域。

选取所述参考区域意于根据所述参考区域的深度值范围估计出第一选取区域中的分割对象的深度值范围。因此，参考区域可以选取与分割对象在深度值上具有密切关联的区域。例如，可以第一选取区域中的分割对象中的一部分作为参考区域。

图7是根据一示例性实施例示出的参考区域的示意图。如图7所示，可以选取第一选取区域为整个图像，选取猫身上的一部分区域I作为参考区域I。用户确定所述参考区域I为分割对象(猫)中的一部分。然后，根据所述参考区域I的深度值范围确定整只猫的深度值范围，从而地把整只猫从图像中分割出来，之后的步骤在下文中详细描述。

在步骤S124中，确定参考区域的深度值范围。

根据步骤S11中获取深度图像中第一选取区域中的像素点的深度值，可以得到第一选取区域中任意选定区域内的深度值范围。

在步骤S125中，根据参考区域的深度值范围估计第一选取区域中的分割对象的深度值范围。

也就是，根据参考区域的深度值范围结合图像的情景(参考区域与分割对象的关系)来估计出第一选取区域中的分割对象的深度值范围。例如，根据图7中的分割对象猫的参考区域I的深度范围50-55，来判断整个猫(第一选取区域中的分割对象)的深度值范围。

在所选取的参考区域属于第一选取区域中的分割对象的一部分区域的情况下，可以根据参考区域在所述分割对象中的位置、大小等具体情况来确定第一选取区域中的分割对象的深度值范围。例如，图7中参考区域I选为猫身上的一块区域，其深度范围为50-55，由于猫身上的参考区域I相对于摄像机来说位于整个猫的比较前端的位置，可以据此判断整个猫(分割对象)的深度值范围例如为40-80。

在用于深度图像分割的软件界面中，可以设置根据参考区域的深度值范围来估计第一选取区域中的分割对象的深度值范围的互动界面，由用户进行选择。图8是根据一示例性实施例示出的估计第一选取区域中的分割对象的深度值范围的对话框的界面图。如图8所示，在步骤S125中，根据参考区域的深度值范围确定第一选取区域中的分割对象的深度值范围时，可以弹出此对话框。其中，可以用方框标注出所确定的参考区域的深度值范围。参考区域的前后都有可滑动的箭头，用户可以以滑动的方式输入所估计的第一选取区域中的分割对象的深度值范围。图8所示的对话框中，参考区域的深度范围为50-55，所估计的分割对象的深度值范围为40-80。

在进行图像分割时，常常要对人物图像进行分割。在图6所示的实施例中，第一选取区域中的分割对象为人物图像的情况下，可以选取参考区域为肤色区域。也就是，可以检测第一选取区域中肤色的像素点，由检测到的包含肤色像素点的肤色区域作为参考区域。

例如，在用于深度图像分割的软件界面中，可以在工具栏里设置“选取肤色”的按键。通过点击所述按键，可以由计算机自动对第一选取区域进行 肤色(例如黄皮肤)识别。

识别出第一选取区域中的肤色区域后，将肤色区域作为参考区域。根据肤色区域在人物图像中的位置，可以在图8所示的对话框中估计人物图像的深度值范围，进而确定第一选取区域中人物图像的整体区域。

选取肤色区域作为参考区域，不仅可以由计算机自动进行检测，省去了人工选取参考区域的麻烦。而且，所选取的参考区域在分割对象中具有典型的代表性，这样使得下一步确定的分割对象的深度值范围更价准确，从而使得人物图像的分割结果更准确。

在估计出第一选取区域中的分割对象的深度值范围之后，就能够根据所估计的深度值范围找到对应的像素点，从而进行图像的分割。

在步骤S13中，确定第一选取区域中深度值处于深度值范围内的像素点，并根据所确定的像素点形成深度值导出区域。

其中，深度值导出区域为按照深度值方式导出的区域。在用户的操作界面中，可以将图8所示的对话框与深度图像在显示器中同时显示。在用户滑动对话框中的箭头的同时，在深度图像中显示所确定的深度值导出区域，便于用户根据所确定的深度值导出区域来调整第一选取区域中的分割对象的深度值范围，从而得到最理想的分割结果。

在步骤S14中，根据深度值导出区域对第一选取区域中的分割对象进行分割，得到第一选取区域中的分割对象。也就是，将深度值导出区域从深度图像中分割出来以形成第一选取区域中的分割对象。

本公开根据拍摄过程中所获取的深度信息在图像中分割出所需的对象，在分割得到的图像中不会丢失大块有效信息，也不会出现大块冗余信息，并且图像分割的边缘更加精细。因此，本公开提供的深度图像的分割方法在分割对象与背景的深度差异较大时，能够准确地分割出所需分割对象。

可选地，将本公开的上述实施例提供的深度图像的分割方法与传统的分 割方法相结合，选取各自的优势，得到的分割结果比只用其中一种方法的分割结果更加准确。

图9是根据另一示例性实施例示出的一种深度图像的分割方法的流程图。如图9所示，在图2所示的实施例的基础上，所述方法还包括以下步骤。

在步骤S15中，获取深度图像中第二选取区域中的像素点的像素值。

在深度图像中选取第二选取区域的目的是为了在之后的步骤中应用传统的分割方法进行分割。所述第二选取区域可以是整个深度图像，也可以是深度图像的一部分。第二选取区域与第一选取区域可以互相重叠，也可以不重叠。例如，在想要将整个深度图像用传统方法分割时，可以选取整个深度图像作为第二选取区域，此时，可以将传统分割方法得到的分割区域与步骤S11～步骤S14得到的深度值导出区域相结合，得到比只用一种方法更加准确的分割结果。下文中将详细描述将两种方法融合的几种实施例。

在步骤S16中，根据第二选取区域中的像素点的像素值确定第二选取区域中的分割对象的像素点，并根据所确定的像素点形成像素值导出区域。

其中，像素值导出区域为按照像素值方式导出的区域。传统的分割方法是将像素值处理以后得到像素值导出区域。所述步骤S18中，就是用传统方法进行分割的步骤。其中包括一下中的任意一者：根据基于阈值的分割方法确定所述第二选取区域中的分割对象的像素点，并根据所确定的像素点形成像素值导出区域；根据基于边缘的分割方法确定所述第二选取区域中的分割对象的像素点，并根据所确定的像素点形成像素值导出区域；根据基于区域的分割方法确定所述第二选取区域中的分割对象的像素点，并根据所确定的像素点形成像素值导出区域；根据基于图论的分割方法确定所述第二选取区域中的分割对象的像素点，并根据所确定的像素点形成像素值导出区域；或者根据基于能量泛函的分割方法确定所述第二选取区域中的分割对象的像素点，并根据所确定的像素点形成像素值导出区域。以上各种方法是本领域 技术人员所公知的，于此不再详细描述。

在步骤S17中，根据像素值导出区域对第二选取区域中的分割对象进行分割，得到第二选取区域中的分割对象。

由上所述，在深度图像中，可以选取两个不同的区域，分别用深度值的导出方法(步骤S11～步骤S14)和像素值的导出方法(步骤S15～步骤S17)分割出两个区域中的分割对象。之后，还可以根据两个区域中的分割对象来来确定深度图像中的分割对象。

可以理解的是，步骤S11～步骤S14和步骤S15～步骤S17虽然以图9中的顺序示出，但并不局限于这种顺序，也可以将步骤S15～步骤S17置于步骤S11～步骤S14之前。

图10是根据又一示例性实施例示出的一种深度图像的分割方法的流程图。如图10所示，在图9所示的实施例的基础上，所述方法还可以包括步骤S18。

在步骤S18中，根据第一选取区域中的分割对象和第二选取区域中的分割对象确定深度图像中的分割对象。

由于用深度值的导出方法(步骤S11～步骤S14)和像素值的导出方法(步骤S15～步骤S17)各自具有自己的优势，因此，可以视具体情况来将两个区域的分割对象进行结合，以形成深度图像的分割对象。

以下描述将两种方法结合进行分割的几个具体实施例。

1)在第一选取区域和所述第二选取区域不相互重叠的情况下，步骤S18可以为：将第一选取区域中的分割对象和第二选取区域中的分割对象合并，以形成深度图像中的分割对象。

该实施例中，可以将深度图像中的分割对象划分到不相互重叠两个不同的区域中，视具体情况，在一个区域中应用深度值的分割方法，另一个区域中应用传统方法(像素值的分割方法)。例如，将背景与分割对象深度差异 较大的区域选取为第一选取区域，将背景与分割对象颜色差异较大的区域选取为第二选取区域。在分别得到两个区域中的分割对象后，将两个区域的分割对象合并在一起，就形成了深度图像的分割区域。

图11是根据一示例性实施例示出的形成深度图像中的分割对象的示意图。如图11所示，深度图像中，要将人物的图像分割出来。可以将深度图像划分为两个区域，上面的区域中，人物的图像距离背景较远，适合用步骤S11～步骤S14的方法分割，因此将上面的区域选为第一选取区域。下面的区域中，人物的图像与背景较近，并且颜色差异较大，适合用步骤S15～步骤S17的方法分割，因此将下面的区域选为第二选取区域。在分别进行分割之后，将得到的两个区域中的分割对象合并，形成了完整的人物图像。

2)所述第一选取区域和所述第二选取区域相互重叠，形成重叠区域的情况下，步骤S18可以为：将所述第一选取区域中的分割对象在所述重叠区域之外的部分、所述第二选取区域中的分割对象在所述重叠区域之外的部分、以及以下中的任意一者合并，以形成所述深度图像中的分割对象：

所述第一选取区域中的分割对象在所述重叠区域内的部分；或者

所述第二选取区域中的分割对象在所述重叠区域内的部分。

也就是，重叠区域之外的部分可以保留，重叠区域内的部分可以选择一个分割效果比较好的保留，将所保留的区域合并形成深度图像的分割方法。

例如，将第一选取区域中的分割对象分割出来后，如果认为哪个部分分割得效果不好，可以重新在深度图像中选取第二选取区域，将第二选取区域用传统的分割方法重新分割一次，用重新分割的结果替换掉第一选取区域中相应的部分。也就是，可以用第二选取区域中的分割对象在重叠区域中的部分替换掉第一选取区域中的分割对象在重叠区域中的部分。

图12是根据另一示例性实施例示出的形成深度图像中的分割对象的示意图。如图12所示，要将图11左边的深度图像中的人物图像进行分割，可 以选取图11的整幅图像作为第一选取区域，先用深度分割的方法进行分割，得到图12左边的结果。此时观察到分割的结果中，右下角的分割结果不理想，则可以选取右下角虚线框中的区域作为第二选取区域(此时，第二选取区域包含在第一选取区域中，第二选取区域也是重叠区域)，用传统分割方法对第二选取区域中的人物图像进行分割。然后，可以将第二选取区域中的人物图像(也就是所述第二选取区域中的分割对象在所述重叠区域内的部分)与第一选取区域中的人物图像在第二选取区域之外的部分(也就是所述第一选取区域中的分割对象在所述重叠区域之外的部分)合并，以形成整个人物图像(深度图像的分割对象)。可以理解的是，此时已没有所述第二选取区域中的分割对象在所述重叠区域之外的部分。

以上所述的实施例都应用了两种分割方法(深度值分割方法和传统分割方法)，能够发挥出各自的优势，分割效果优于用一种方法更好的分割结果。

本公开根据拍摄过程中所获取的深度信息在图像中分割出所需的对象，在分割得到的图像中不会丢失大块有效信息，也不会出现大块冗余信息，并且图像分割的边缘更加精细。因此，本公开提供的深度图像的分割方法在分割对象与背景的深度差异较大时，能够准确地分割出所需分割对象。

本公开还提供一种深度图像的分割装置。图13是根据一示例性实施例示出的一种深度图像的分割装置的框图。如图13所示，所述装置包括深度值获取模块11、深度值范围估计模块12、深度值导出区域确定模块13以及第一分割模块14。

所述深度值获取模块11被配置为获取所述深度图像中第一选取区域中的像素点的深度值。

所述深度值范围估计模块12被配置为估计所述第一选取区域中的分割对象的深度值范围。

所述深度值导出区域确定模块13被配置为确定所述第一选取区域中深 度值处于所述深度值范围内的像素点，并根据所确定的像素点形成深度值导出区域。

所述第一分割模块14被配置为根据所述深度值导出区域对所述第一选取区域中的分割对象进行分割，得到所述第一选取区域中的分割对象。

图14是根据一示例性实施例示出的深度值范围估计模块12的结构框图。如图14所示，深度值范围估计模块12包括分布状况确定单元121和第一深度值范围估计单元122。

所述分布状况确定单元121被配置为根据所获取的所述第一选取区域中的像素点的深度值确定所述第一选取区域中的所有像素点的深度值的分布状况。

所述第一深度值范围估计单元122被配置为根据所确定的分布状况估计所述第一选取区域中的分割对象的深度值范围。

图15是根据另一示例性实施例示出的深度值范围估计模块12的框图。如图15所示，深度值范围估计模块12包括参考区域选取单元123、参考深度值范围确定单元124和第二深度值范围估计单元125。

所述参考区域选取单元123被配置为在所述第一选取区域中选取一参考区域；

所述参考深度值范围确定单元124被配置为确定所述参考区域的深度值范围。

所述第二深度值范围估计单元125被配置为根据所述参考区域的深度值范围估计所述第一选取区域中的分割对象的深度值范围。

可选地，分割对象为人物图像，且参考区域为肤色区域。

图16是根据另一示例性实施例示出的一种深度图像的分割装置的框图。如图16所示，在图13的基础上，所述装置还包括像素值获取模块15、像素值导出区域确定模块16和第二分割模块17。

所述像素值获取模块15被配置为获取所述深度图像中第二选取区域中的像素点的像素值。

所述像素值导出区域确定模块16被配置为根据所述第二选取区域中的像素点的像素值确定所述第二选取区域中的分割对象的像素点，并根据所确定的像素点形成像素值导出区域。

所述第二分割模块17被配置为根据所述像素值导出区域对所述第二选取区域中的分割对象进行分割，得到所述第二选取区域中的分割对象。

其中，像素值导出区域确定模块16包括以下中的任意一者：

阈值导出单元，被配置为根据基于阈值的分割方法确定所述第二选取区域中的分割对象的像素点，并根据所确定的像素点形成像素值导出区域。

边缘导出单元，被配置为根据基于边缘的分割方法确定所述第二选取区域中的分割对象的像素点，并根据所确定的像素点形成像素值导出区域。

区域导出单元，被配置为根据基于区域的分割方法确定所述第二选取区域中的分割对象的像素点，并根据所确定的像素点形成像素值导出区域。

图论导出单元，被配置为根据基于图论的分割方法确定所述第二选取区域中的分割对象的像素点，并根据所确定的像素点形成像素值导出区域。

能量泛函导出单元，被配置为根据基于能量泛函的分割方法确定所述第二选取区域中的分割对象的像素点，并根据所确定的像素点形成像素值导出区域。

图17是根据另一示例性实施例示出的一种深度图像的分割装置的框图。如图17所示，在图16的基础上，所述装置还包括分割对象确定模块18。

所述对象确定模块18被配置为根据所述第一选取区域中的分割对象和所述第二选取区域中的分割对象确定所述深度图像中的分割对象。

可选地，所述第一选取区域和所述第二选取区域不相互重叠；以及

所述分割对象确定模块18被配置为：将所述第一选取区域中的分割对 象和所述第二选取区域中的分割对象合并，以形成所述深度图像中的分割对象。

可选地，所述第一选取区域和所述第二选取区域相互重叠，形成重叠区域；以及

所述分割对象确定模块18被配置为：将所述第一选取区域中的分割对象在所述重叠区域之外的部分、所述第二选取区域中的分割对象在所述重叠区域之外的部分、以及以下中的任意一者合并，以形成所述深度图像中的分割对象：

所述第一选取区域中的分割对象在所述重叠区域内的部分；或者

所述第二选取区域中的分割对象在所述重叠区域内的部分。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关所述方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本公开根据拍摄过程中所获取的深度信息在图像中分割出所需的对象，在分割得到的图像中不会丢失大块有效信息，也不会出现大块冗余信息，并且图像分割的边缘更加精细。因此，本公开提供的深度图像的分割装置在分割对象与背景的深度差异较大时，能够准确地分割出所需分割对象。

图18是根据一示例性实施例示出的一种深度图像的分割装置1800的框图。例如，装置1800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图18，装置1800可以包括以下一个或多个组件：处理组件1802，存储器1804，电力组件1806，多媒体组件1808，音频组件1810，输入/输出(I/O)的接口1812，传感器组件1814，以及通信组件1816。

处理组件1802通常控制装置1800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1802可以包括一个或多个处理器1820来执行指令，以完成上述深度图像的分割方法的全部 或部分步骤。此外，处理组件1802可以包括一个或多个模块，便于处理组件1802和其他组件之间的交互。例如，处理组件1802可以包括多媒体模块，以方便多媒体组件1808和处理组件1802之间的交互。

存储器1804被配置为存储各种类型的数据以支持在装置1800的操作。这些数据的示例包括用于在装置1800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图像，视频等。存储器1804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件1806为装置1800的各种组件提供电力。电力组件1806可以包括电源管理系统，一个或多个电源，及其他与为装置1800生成、管理和分配电力相关联的组件。

多媒体组件1808包括在所述装置1800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1808包括一个前置摄像头和/或后置摄像头。当装置1800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1810被配置为输出和/或输入音频信号。例如，音频组件1810包括一个麦克风(MIC)，当装置1800处于操作模式，如呼叫模式、记录模 式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1804或经由通信组件1816发送。在一些实施例中，音频组件1810还包括一个扬声器，用于输出音频信号。

I/O接口1812为处理组件1802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1814包括一个或多个传感器，用于为装置1800提供各个方面的状态评估。例如，传感器组件1814可以检测到装置1800的打开/关闭状态，组件的相对定位，例如所述组件为装置1800的显示器和小键盘，传感器组件1814还可以检测装置1800或装置1800一个组件的位置改变，用户与装置1800接触的存在或不存在，装置1800方位或加速/减速和装置1800的温度变化。传感器组件1814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，所述传感器组件1814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1816被配置为便于装置1800和其他设备之间有线或无线方式的通信。装置1800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置1800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻 辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述深度图像的分割方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1804，上述指令可由装置1800的处理器1820执行以完成上述深度图像的分割方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。