本发明实施例涉及模型算法领域，尤其是一种图像分离方法、装置、计算机设备及存储介质。
背景技术
“抠图”是图像处理中最常做的操作之一，指的是将图像中需要的部分从画面中精确地提取出来。抠图是后续图像处理的重要基础，电影、影视剧中大量应用抠图技巧，合成玄幻画面。在众多的抠图手段中通道抠图方法是一种常见且应用范围最广的抠图方法。
现有技术中，通道扣图原理为：通道有：颜色通道、alpha通道、和专色通道。其中alpha通道是用来存储选区的，alpha通道是用黑到白中间的8位灰度将选取保存。相反我们可以用alpha通道中的黑白对比来制作我们所需要的选区。(alpha通道中白色是选择区域)色阶可以同过调整图象的暗调、中间调和高光调的强地级别，校正图象的色调范围和色彩平衡。我们可以通过色阶来加大图象的黑白对比,用此来确定选取范围。
本发明创造的发明人在研究中发现，现有技术中的通道扣图时，选取范围时需要人工对选取范围边缘进行修补或删除，否则，确定的选取范围边缘生硬，抠图效果不够自然，无法自然的将选取的图像融入到新的图像环境中。
技术实现要素：
本发明实施例能够提供一种能够通过计算各像素值与给定的前景像素值和背景像素值之间最短空间距离的方法，计算alpha通道选取范围的图像分离方法、装置、计算机设备及存储介质。
为解决上述技术问题，本发明创造的实施例采用的一个技术方案是：提供一种图像分离方法，包括下述步骤：
获取用于将目标选区从原始图像中分离出来的前景像素值和背景像素值；
计算所述原始图像中各像素点至所述前景像素值之间的前景测地距离，以及各像素点至所述背景像素值之间的背景测地距离；
根据所述前景测地距离与所述背景测地距离计算所述目标选区的透明度，以根据所述透明度将所述目标选区从原始图像中分离出来。
可选地，所述计算所述原始图像中各像素点至所述前景像素值之间的前景测地距离，以及各像素点至所述背景像素值之间的背景测地距离的步骤，具体包括下述步骤：
计算所述原始图像中各相邻像素之间的像素距离；
根据预设的空间距离模型和所述前景像素值计算所述前景测地距离；
根据所述空间距离模型和所述背景像素值计算所述背景测地距离。
可选地，所述计算所述原始图像中各像素点至所述前景像素值之间的前景测地距离，以及各像素点至所述背景像素值之间的背景测地距离的步骤之后，还包括下述步骤：
根据所述前景测地距离与所述背景测地距离计算所述原始图像中各像素值到所述前景像素值的前景概率，以及所述原始图像中各像素值到所述背景像素值的背景概率；
根据所述前景测地距离、背景测地距离、前景概率和背景概率计算所述目标选区的透明度，以根据所述透明度将所述目标选区从原始图像中分离出来。
可选地，所述根据所述前景测地距离与所述背景测地距离计算所述目标选区的透明度，以根据所述透明度将所述目标选区从原始图像中分离出来的步骤之后，还包括下述步骤：
获取所述原始图像中透明度判定为不透明的图像选区；
通过复制将所述图像选区添加在预设的编辑图样中；
存储所述添加有所述图像选区的编辑图样。
可选地，所述透明度的特征描述为：
alpha＝db*db/(db*db+df*df)
其中，alpha表示透明度，db表示前景测地距离，df背景测地距离。
可选地，所述前景概率的特征描述为：
pf＝db/(df+db)
其中，pf表示前景概率，db表示前景测地距离，df背景测地距离。
可选地，所述背景概率的特征描述为：
pb＝df/(df+db)
其中，pb表示背景概率，db表示前景测地距离，df背景测地距离。
为解决上述技术问题，本发明实施例还提供一种图像分离装置，包括：
获取模块，用于获取用于将目标选区从原始图像中分离出来的前景像素值和背景像素值；
处理模块，用于计算所述原始图像中各像素点至所述前景像素值之间的前景测地距离，以及各像素点至所述背景像素值之间的背景测地距离；
执行模块，用于根据所述前景测地距离与所述背景测地距离计算所述目标选区的透明度，以根据所述透明度将所述目标选区从原始图像中分离出来。
可选地，所述图像分离装置还包括：
第一计算子模块，用于计算所述原始图像中各相邻像素之间的像素距离；
第一处理子模块，用于根据预设的空间距离模型和所述前景像素值计算所述前景测地距离；
第二处理子模块，用于根据所述空间距离模型和所述背景像素值计算所述背景测地距离。
可选地，所述图像分离装置还包括：
第三处理子模块，用于根据所述前景测地距离与所述背景测地距离计算所述原始图像中各像素值到所述前景像素值的前景概率，以及所述原始图像中各像素值到所述背景像素值的背景概率；
第一执行子模块，用于根据所述前景测地距离、背景测地距离、前景概率和背景概率计算所述目标选区的透明度，以根据所述透明度将所述目标选区从原始图像中分离出来。
可选地，所述图像分离装置还包括：
第一获取子模块，用于获取所述原始图像中透明度判定为不透明的图像选区；
第四处理子模块，用于通过复制将所述图像选区添加在预设的编辑图样中；
第二执行子模块，用于存储所述添加有所述图像选区的编辑图样。
可选地，所述透明度的特征描述为：
alpha＝db*db/(db*db+df*df)
其中，alpha表示透明度，db表示前景测地距离，df背景测地距离。
可选地，所述前景概率的特征描述为：
pf＝db/(df+db)
其中，pf表示前景概率，db表示前景测地距离，df背景测地距离。
可选地，所述背景概率的特征描述为：
pb＝df/(df+db)
其中，pb表示背景概率，db表示前景测地距离，df背景测地距离。
为解决上述技术问题，本发明实施例还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述所述图像分离方法的步骤。
为解决上述技术问题，本发明实施例还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述所述图像分离方法的步骤。
本发明实施例的有益效果是：通过在进行图像分离时，给定用于提取目标选区的前景像素值与背景像素值后，计算原始图像中的像素值与前景像素值和背景像素值之间最短的测地距离，即分别计算与前景像素值和背景像素值之间最短的空间距离，然后通过像素点与前景像素值和背景像素值之间最短的空间距离计算各像素点的透明度，其中，不透明的区域则为选定的区域，即需要提取的目标选区选区，由于提取图像时采用测地距离计算不透明度，能够判断出目标选区中任意边缘像素点位置处的透明度，使目标选区的轮廓提取更加准确，因而也能够是抠图得到的目标选区轮廓自然无生硬感。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例图像分离方法的基本流程示意图；
图2为本发明实施例前景测地距离与背景测地距离的计算流程示意图；
图3为本发明实施例透明度计算的流程示意图；
图4为本发明实施例替换背景图像的流程示意图；
图5为本发明实施例图像分离装置的基本结构框图；
图6为本发明实施例计算机设备基本结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本技术领域技术人员可以理解，这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；pcs(personalcommunicationsservice，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；pda(personaldigitalassistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或gps(globalpositioningsystem，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，和/或以分布形式，运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端，例如可以是pda、mid(mobileinternetdevice，移动互联网设备)和/或具有音乐/视频播放功能的移动电话，也可以是智能电视、机顶盒等设备。
具体请参阅图1，图1为本实施例图像分离方法的基本流程示意图。
如图1所示，一种图像分离方法，包括下述步骤：
s1100、获取用于将目标选区从原始图像中分离出来的前景像素值和背景像素值；
在进行目标选区提取时，原始图像中被提取的目标选区的颜色被标记为前景像素值，与前景像素值区别的其他像素值被标记为背景像素值。具体地，进行取色时通过取色工具对目标选区所在的区域进行像素值提取，提取出来的像素值被标定为前景像素值，同时，通过取色工具对被认定为背景区域中进行取色，并将该取色的像素值标定为背景像素值。
s1200、计算所述原始图像中各像素点至所述前景像素值之间的前景测地距离，以及各像素点至所述背景像素值之间的背景测地距离；
获取到前景像素值和背景像素值后，计算原始图像中各像素值与前景像素值和背景像素值之间的测地距离，其中，前景测地距离是原始图像中前景像素值到背景像素值之间的最短路径；背景测地距离是原始图像中背景像素值到前景像素值之间的最短距离。
本实施方式中测地距离的计算通过迪杰斯特拉算法进行计算。迪科斯彻算法使用了广度优先搜索解决赋权有向图或者无向图的单源最短路径问题，算法最终得到一个最短路径树。该算法常用于路由算法或者作为其他图算法的一个子模块。
迪杰斯特拉算法采用的是一种贪心的策略，声明一个dis(数组)来保存前景像素值到各个像素点的最短距离和一个保存已经找到了最短路径的像素点的集合：初始时，前景像素值s的路径权重被赋为0(dis[s]＝0)。若对于前景像素值s存在能直接到达的像素点m则把dis[m]设为w(s,m),同时把所有其他(s不能直接到达的，如要穿过其他像素值才能够到达的)像素点的路径长度设为无穷大。初始时，集合只有前景像素值s。
然后，从dis数组选择最小值，则该值就是前景像素值s到周围像素值最短的距离，并将该像素值加入到像素点数组中。
然后，看新加入的像素点是否可以到达其他像素点，若能够，则计算新加入的像素点到其他像素点的路径长度是否比前景像素点直接到达短，如果是，那么就替换这些像素点在dis数组中的值。
然后，又从dis中找出最小值，重复上述动作，直到像素点数组中包含了原始图像中到达背景像素值的所有像素点。然后将dis数组中的所有值进行积分得到前景测地距离。
同理，通过背景像素值作为起始点，能够计算出由背景像素值到达前景像素值之间的背景测地距离。
s1300、根据所述前景测地距离与所述背景测地距离计算所述目标选区的透明度，以根据所述透明度将所述目标选区从原始图像中分离出来。
计算得到前景测地距离与背景测地距离后，通过前景测地距离与背景测地距离计算目标选区的透明度，以便于根据透明度得到目标选区的选区。alpha(阿尔法)通道是一个8位的灰度通道，该通道用256级灰度来记录图像中的透明度信息，定义透明、不透明和半透明区域，其中白表示不透明，黑表示透明，灰表示半透明。其中，白色代表的选区即目标选区。一般alpha值取0～1之间通过设定比较阈值，例如0.8；但不限于此，根据具体应用场景的不同，比较阈值的设定能够为0至1之间的任意值，其设定的原则为取值越大表示获取的选区内部颜色差值越小，取值越小表示获取的选区内部颜色差值越大。
具体地，透明度的特征描述为：
alpha＝db*db/(db*db+df*df)
其中，alpha表示透明度，db表示前景测地距离，df背景测地距离。
上述实施方式，通过在进行图像分离时，给定用于提取目标选区的前景像素值与背景像素值后，计算原始图像中的像素值与前景像素值和背景像素值之间最短的测地距离，即分别计算与前景像素值和背景像素值之间最短的空间距离，然后通过像素点与前景像素值和背景像素值之间最短的空间距离计算各像素点的透明度，其中，不透明的区域则为选定的区域，即需要提取的目标选区选区，由于提取图像时采用测地距离计算不透明度，能够判断出目标选区中任意边缘像素点位置处的透明度，使目标选区的轮廓提取更加准确，因而也能够是抠图得到的目标选区轮廓自然无生硬感。
前景测地距离具体是指在原始图像中前景像素值至背景像素值之间的最短空间距离。背景测地距离则是值在原始图像中背景像素值至前景像素值之间的最短空间距离。具体地，请参阅图2，图2为本实施例前景测地距离与背景测地距离的计算流程示意图。
如图2所示，步骤s1200包括下述步骤：
s1211、计算所述原始图像中各相邻像素之间的像素距离；
在计算前景测地距离和背景测地距离之前，首先对原始图像中各像素点至其相邻像素值之间的像素距离。例如，在一个单一颜色的通道内，某个像素点的像素值为60，该像素点与三个像素点相邻，三个像素点的像素值分别为：0,50,150；则该像素点与其相邻的像素点之间的像素距离为其与相邻像素点的像素差值的绝对值，分别为60,10,90。在一些实施方式中，采用多通道时，像素距离的计算要分别计算出每一个通道的像素距离，然后空间像素距离，计算方法等同于计算空间内两个点之间的空间距离。
s1212、根据预设的空间距离模型和所述前景像素值计算所述前景测地距离；
在计算得到原始原始图像中各相邻像素之间的像素距离后，通过dijkstra(迪杰斯特拉)算法计算原始图像中各像素点至前景像素值之间的前景测地距离。dijkstra算法使用了广度优先搜索解决赋权有向图或者无向图的单源最短路径问题，算法最终得到一个最短路径树，解决从图中的某个顶点出发到达另外一个顶点的所经过的边的权重和最小的一条路径的问题。
举例说明，设定原始图像中的某个像素值为起始点a，设定前景像素值表征的像素点为终点c，起始点a无法直接到达终点c，则起始点a与终点c之间的距离为∞，能够通过b1,b2,b3三个点间接到达，其中，a-b1之间的像素距离为10；a-b2之间的像素距离为30；a-b3之间的像素距离为50。b1-c之间的像素距离为25；b2-c之间的像素距离为15；b3-c之间的像素距离为35。则，a-b1-c之间最短的距离为35。
s1213、根据所述空间距离模型和所述背景像素值计算所述背景测地距离。
在计算得到原始原始图像中各相邻像素之间的像素距离后，通过dijkstra(迪杰斯特拉)算法计算原始图像中各像素点至背景像素值之间的背景测地距离。dijkstra算法使用了广度优先搜索解决赋权有向图或者无向图的单源最短路径问题，算法最终得到一个最短路径树，解决从图中的某个顶点出发到达另外一个顶点的所经过的边的权重和最小的一条路径的问题。
举例说明，设定原始图像中的某个像素值为起始点a，设定背景像素值表征的像素点为终点c，起始点a无法直接到达终点c，则起始点a与终点c之间的距离为∞，能够通过b1,b2,b3三个点间接到达，其中，a-b1之间的像素距离为30；a-b2之间的像素距离为50；a-b3之间的像素距离为20。b1-c之间的像素距离为35；b2-c之间的像素距离为55；b3-c之间的像素距离为5。则，a-b3-c之间最短的距离为25。
步骤s1212与步骤s1213之间不具有限定的先后关系，在一些实施方式中步骤s1213能够在步骤s1212之前进行计算。
在一些实施方式中，透明度的计算能够通过前景测地距离、背景测地距离、前景概率和背景概率进行推到计算。具体地，请参阅图3，图3为本实施例透明度计算的流程示意图。
如图3所示，步骤s1300还包括下述步骤：
s1311、根据所述前景测地距离与所述背景测地距离计算所述原始图像中各像素值到所述前景像素值的前景概率，以及所述原始图像中各像素值到所述背景像素值的背景概率；
计算得到原始图像中各像素点到前景像素值的前景测地距离和背景测地距离后，根据前景测地距离和背景测地距离计算各像素点的前景概率和背景概率。其中，前景概率是指像素点属于目标选区的概率，背景概率是指像素点属于背景的概率。在一些实施方式中，在计算得到各像素点的前景概率和背景概率后，就能够对目标选区进行分离提取，但由于采用概率判定的方式提取会导致目标选区的图像边缘过渡不够平滑，给人一种生硬的视觉体验，因此，需要进一步的计算各像素点的透明度。
具体地，前景概率的特征描述为：
pf＝db/(df+db)
其中，pf表示前景概率，db表示前景测地距离，df背景测地距离。
具体地，pb＝df/(df+db)
其中，pb表示背景概率，db表示前景测地距离，df背景测地距离。
s1312、根据所述前景测地距离、背景测地距离、前景概率和背景概率计算所述目标选区的透明度，以根据所述透明度将所述目标选区从原始图像中分离出来。
计算得到前景测地距离、背景测地距离、前景概率和背景概率后，通过上述四个参数计算得到alpha。
具体地，alpha的特征描述为：
α(x)＝ωf(x)/ωf(x)+ωb(x)
ωl(x)＝dl(x)-r*pl(x)，l∈(f,b)
其中，α(x)表示透明度，dl(x)表示前景测地距离和背景测地距离，pl(x)表示前景概率或背景概率，f表示背景，b表示前景，r为常数值，在一些实施方式中r被赋值为1。
将pf＝db/(df+db)和pb＝df/(df+db)带入上式得到：α(x)＝db*db/(db*db+df*df)。db表示前景测地距离，df背景测地距离。
通过采用前景测地距离、背景测地距离、前景概率和背景概率计算各像素点的透明度，然后根据透明度确定目标选区，能够是选区边缘位置过渡平滑，达到自然提取目标选区的效果。
在一些实施方式中，提取目标选区是为了将目标选区与其他背景图像进行合成，以达到替换背景图像的目的。具体请参阅图4，图4为本实施例替换背景图像的流程示意图。
如图4所示，步骤s1300之后还包括下述步骤：
s1411、获取所述原始图像中透明度判定为不透明的图像选区；
根据计算得到的原始图像的透明度，提取原始图像中被判定为不透明的图像选区，该图像选区所表征的区域为目标选区。
具体地，alpha(阿尔法)通道是一个8位的灰度通道，该通道用256级灰度来记录图像中的透明度信息，定义透明、不透明和半透明区域，其中白表示不透明，黑表示透明，灰表示半透明。其中，白色代表的选区即目标选区。一般alpha值取0～1之间通过设定比较阈值，例如0.8；但不限于此，根据具体应用场景的不同，比较阈值的设定能够为0至1之间的任意值，其设定的原则为取值越大表示获取的选区内部颜色差值越小，取值越小表示获取的选区内部颜色差值越大。
将原始图像中各像素点的透明度与设定的比较阈值进行比较，将透明度大于比较阈值的像素点划归为一个图像选区，该图像选区的集合则为目标选区。
s1412、通过复制将所述图像选区添加在预设的编辑图样中；
在进行背景替换时，将图像选区从原始图像中提取后，将图像选区添加至选定的编辑图样中，编辑图样为选定的背景图像，即确定的图像选区的新背景。编辑图样能够是任意一种类型或者格式的图片。
在一些实施方式中，将图像选区复制到预设的编辑图样中后，还能够继续对图像选区和编辑图样进行进一步的编辑。例如，放大、缩小、羽化、色阶调整等。
s1413、存储所述添加有所述图像选区的编辑图样。
将图像选区复制到编辑图样中，并进行进一步的编辑后，将最终编辑版本的图片进行存储，完成对目标选区的背景替换。在一些实施方式中，在存储添加图像选区的编辑图样的同时，对原始图像也进行存储，同时将原始图像与编辑图样进行关联，以便于用户查找原始素材。在一些实施方式中，在存储添加图像选区的编辑图样的同时，对目标选区进行单独存储，以便于用户在需要时继续替换目标选区的背景。
在一些实施方式中，原始图像中的目标选区被提取出来后，并非要提取该目标选区，而是要对目标选区进行进一步的编辑，例如美图。为保护原始图像中除目标选区意外的其他背景区域，通过透明度确定目标选区后，编辑指令仅仅在目标选区发生作用，在其他背景区域内不发生作用，以此达到保护的目的。
为解决上述技术问题，本发明实施例还提供一种图像分离装置。
具体请参阅图5，图5为本实施例图像分离装置的基本结构框图。
如图5所示，一种图像分离装置包括：获取模块2100、处理模块2200和执行模块2300。其中，获取模块2100用于获取用于将目标选区从原始图像中分离出来的前景像素值和背景像素值；处理模块2200用于计算原始图像中各像素点至前景像素值之间的前景测地距离，以及各像素点至背景像素值之间的背景测地距离；执行模块2300用于根据前景测地距离与背景测地距离计算目标选区的透明度，以根据透明度将目标选区从原始图像中分离出来。
图像分离装置通过在进行图像分离时，给定用于提取目标选区的前景像素值与背景像素值后，计算原始图像中的像素值与前景像素值和背景像素值之间最短的测地距离，即分别计算与前景像素值和背景像素值之间最短的空间距离，然后通过像素点与前景像素值和背景像素值之间最短的空间距离计算各像素点的透明度，其中，不透明的区域则为选定的区域，即需要提取的目标选区选区，由于提取图像时采用测地距离计算不透明度，能够判断出目标选区中任意边缘像素点位置处的透明度，使目标选区的轮廓提取更加准确，因而也能够是抠图得到的目标选区轮廓自然无生硬感。
在一些实施方式中，图像分离装置还包括：第一计算子模块、第一处理子模块和第二处理子模块。其中，第一计算子模块用于计算原始图像中各相邻像素之间的像素距离；第一处理子模块用于根据预设的空间距离模型和前景像素值计算前景测地距离；第二处理子模块用于根据空间距离模型和背景像素值计算背景测地距离。
在一些实施方式中，图像分离装置还包括：第三处理子模块和第一执行子模块。其中，第三处理子模块用于根据前景测地距离与背景测地距离计算原始图像中各像素值到前景像素值的前景概率，以及原始图像中各像素值到背景像素值的背景概率；第一执行子模块用于根据前景测地距离、背景测地距离、前景概率和背景概率计算目标选区的透明度，以根据透明度将目标选区从原始图像中分离出来。
在一些实施方式中，图像分离装置还包括：第一获取子模块、第四处理子模块和第二执行子模块。其中，第一获取子模块用于获取原始图像中透明度判定为不透明的图像选区；第四处理子模块用于通过复制将图像选区添加在预设的编辑图样中；第二执行子模块用于存储添加有图像选区的编辑图样。
在一些实施方式中，透明度的特征描述为：
alpha＝db*db/(db*db+df*df)
其中，alpha表示透明度，db表示前景测地距离，df背景测地距离。
在一些实施方式中，前景概率的特征描述为：
pf＝db/(df+db)
其中，pf表示前景概率，db表示前景测地距离，df背景测地距离。
在一些实施方式中，背景概率的特征描述为：
pb＝df/(df+db)
其中，pb表示背景概率，db表示前景测地距离，df背景测地距离。
为解决上述技术问题，本发明实施例还提供计算机设备。具体请参阅图6，图6为本实施例计算机设备基本结构框图。
如图6所示，计算机设备的内部结构示意图。如图6所示，该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中，该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种图像聚类方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行一种图像聚类方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本实施方式中处理器用于执行图5中获取模块2100、处理模块2200和执行模块2300的具体功能，存储器存储有执行上述模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有人脸图像关键点检测装置中执行所有子模块所需的程序代码及数据，服务器能够调用服务器的程序代码及数据执行所有子模块的功能。
计算机设备通过在进行图像分离时，给定用于提取目标选区的前景像素值与背景像素值后，计算原始图像中的像素值与前景像素值和背景像素值之间最短的测地距离，即分别计算与前景像素值和背景像素值之间最短的空间距离，然后通过像素点与前景像素值和背景像素值之间最短的空间距离计算各像素点的透明度，其中，不透明的区域则为选定的区域，即需要提取的目标选区选区，由于提取图像时采用测地距离计算不透明度，能够判断出目标选区中任意边缘像素点位置处的透明度，使目标选区的轮廓提取更加准确，因而也能够是抠图得到的目标选区轮廓自然无生硬感。
本发明还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例所述图像聚类方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)等非易失性存储介质，或随机存储记忆体(randomaccessmemory，ram)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。