无背景图像的生成方法、装置、设备及介质与流程

本申请实施例涉及计算机技术领域，尤其涉及图像处理技术。

背景技术：

现有的图像处理技术中会涉及到抠图处理技术，即是将图像中作为前景的主体部分保留，同时去除背景部分。在对图像进行处理的过程中，经常会需要将图像中除主体之外的其他原有背景部分进行抠除，以对图像中的主体添加需要的背景。

现在有技术中，在生成无背景图像时，都是直接对原始图像进行抠图处理，但是，原始图像中的主体情况多变复杂，单一的处理方式并不很好的适应各种主体情况，导致所呈现的抠图效果并不理想，抠图精度不高。

技术实现要素：

本申请实施例提供了一种无背景图像的生成方法、装置、设备以及介质，以实现较高的抠图精度。

根据第一方面，提供了一种无背景图像的生成方法，包括：

确定目标主体在原始图像中的图像占比；

如果所述图像占比小于设定阈值，则从所述原始图像中截取所述目标主体对应的主体区域图像；

根据所述主体区域图像，确定对应的主体区域蒙版；

将所述主体区域蒙版与所述主体区域图像合成，生成与所述原始图像对应的无背景图像。

根据第二方面，提供了一种无背景图像的生成装置，包括：

占比确定模块，用于确定目标主体在原始图像中的图像占比；

图像截取模块，用于如果所述图像占比小于设定阈值，则从所述原始图像中截取所述目标主体对应的主体区域图像；

蒙版确定模块，用于根据所述主体区域图像，确定对应的主体区域蒙版；

图像生成模块，用于将所述主体区域蒙版与所述主体区域图像合成，生成与所述原始图像对应的无背景图像。

根据第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例中任一项所述的方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请实施例中任一项所述的方法。

本申请实施例针对较小的目标主体，能够改善抠图效果，提高抠图精度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请实施例的一种无背景图像的生成方法的流程图；

图2是根据本申请实施例的又一种无背景图像的生成方法的流程图；

图3a是根据本申请实施例的又一种无背景图像的生成方法的流程图；

图3b是根据本申请实施例的一种可选抠图方式的流程图；

图3c是根据本申请实施例的一种抠图过程的效果图；

图4是根据本申请实施例的一种无背景图像的生成装置的结构示意图；

图5是用来实现本申请实施例的无背景图像的生成方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

根据本申请的实施例，本申请提供了一种无背景图像的生成方法。

如图1所示，是根据本申请实施例的一种无背景图像的生成方法的流程图。本实施例可适用于对图像进行背景抠除的情况，该方法可以由无背景图像的生成装置来执行，该装置可以由软件和/或硬件实现，并一般可以集成在计算机、手机等电子设备中。

具体的，参考图1，该方法具体包括如下步骤：

s110、确定目标主体在原始图像中的图像占比。

本实施例中，原始图像可包括前景和背景，其中，前景可包括至少一个目标主体，背景可以是原始图像中除前景以外的部分。具体的，目标主体可以是原始图像中比较显著的部分，例如人、动物、指定物体等，在此不作限定。另外，目标主体在原始图像中的图像占比可以是，原始图像中所有目标主体对应的图像区域与整个原始图像的面积之比。

确定目标主体在原始图像中的图像占比的目的在于，判断原始图像中目标主体的图像占比是否过小，以便在后续步骤中针对不同主体占比的原始图像，采用不同的方式进行抠图。

s120、如果图像占比小于设定阈值，则从原始图像中截取目标主体对应的主体区域图像。

在一种实施方式中，当目标主体在原始图像中的图像占比小于设定阈值时，说明该原始图像中目标主体的图像占比过小，则需要针对原始图像中的目标主体单独进行抠图处理，以提高抠图精度。其中，设定阈值可以根据实际需要进行设置，在此不作限定。

示例性的，可从原始图像中截取目标主体对应的主体区域图像，以针对主体区域图像进行进一步的抠图处理。其中，截取的主体区域图像可以是原始图像中包括目标主体以及部分背景在内的区域图像，目标主体在主体区域图像中的图像占比相较于在原始图像中的图像占比要高。主体区域图像的截取方式包括但不限于，在原有目标主体对应图像区域大小的基础上，向目标主体对应图像区域以外的背景部分扩张预设倍数，对原始图像进行截取等。

需要指出的是，由于本实施例是针对主体区域图像进行抠图处理，在进行抠图的过程中可以兼顾到更多的细节，因此，可以提高对主体占比小的图像的抠图精度。

s130、根据主体区域图像，确定对应的主体区域蒙版。

蒙版可以是选框的外部(选框的内部就是选区)。即，与选区相对的，选框外部被称为蒙版，常规的选区表现了一种操作趋向，即将对所选区域进行处理；而蒙板却相反，它是对所选区域进行保护，让其免于操作，而对非掩盖的地方进行处理。综上所述，蒙版就是选区之外的部分，负责保护选区内容。由于蒙版所蒙住的地方是图像处理时不受影响的地方，需要完整的留下来，因此，在图层上需要显示出来，从这个角度来理解则蒙版的黑色(即选区的外部)为完全透明，白色(即选区)为不透明，灰色介于之间(部分选取区域，也即半透明)。

本实施例中，主体区域蒙版可以是将目标主体作为选区，背景部分作为选区的外部，以对选区的外部，也即背景部分，所对应的图像进行抠除处理。具体的，可采用多种方式确定与主体区域图像对应的主体区域蒙版，例如，基于三分图进行抠图的方式获取蒙版，和/或利用显著性检测的方式获取蒙版。

可选的，根据主体区域图像，确定对应的主体区域蒙版，包括：对主体区域图像进行显著性检测，得到主体区域图像的初始蒙版；对主体区域图像的初始蒙版进行二值化处理，得到主体区域图像的二值化蒙版；根据主体区域图像的二值化蒙版生成三分图，并根据三分图对主体区域图像采用预设抠图算法进行抠图处理，得到主体区域蒙版。

本实施例中的一种可选实施方式是，采用显著性检测与基于三分图的抠图算法相结合的方式，来获取蒙版，这样设置的好处在于，可以进一步提高抠图精度。其中，显著性检测，也即视觉显著性检测，是指通过智能算法模拟人的视觉特点，提取图像中的显著区域(即人类感兴趣的区域)。

示例性的，可首先对主体区域图像进行显著性检测，得到初始蒙版，该初始蒙版中可包括白色部分(视为目标主体区域)、黑色部分(视为背景区域)以及多种像素值的灰色部分(不确定区域)；然后对该初始蒙版进行二值化处理，得到二值化蒙版，该二值化蒙版中仅包括白色部分和黑色部分；最后，根据主体区域图像的二值化蒙版生成三分图，其中，三分图可以是包括白色部分(视为目标主体区域)、黑色部分(视为背景区域)以及目标主体区域与背景区域交界处的单一像素值的灰色部分(不确定区域)，再结合该三分图对主体区域图像进行抠图处理，得到主体区域蒙版。其中，采用的预设抠图算法可以是knnmatting(k近邻抠图)，closedformmatting(闭合型抠图)，deepmatting(深度抠图)，largekernelmatting(大核抠图)，guidedcontextualattentionmatting(导向上下文关注抠图)等matting(抠图)方法中的至少一种。

s140、将主体区域蒙版与主体区域图像合成，生成与原始图像对应的无背景图像。

本实施例中，在获取到与主体区域图像对应的主体区域蒙版后，可将主体区域蒙版与主体区域图像进行合成处理，利用主体区域蒙版中的白色部分对主体区域图像中的目标主体进行保护，利用黑色部分对主体区域图像中的背景进行抠除，进而生成与原始图像对应的无背景图像。可选的，在生成与原始图像对应的无背景图像之后，还可包括：将无背景图像按照预设比例对其进行放大处理，并还原至预设背景图像中对应位置处，生成具有预设背景的主体图像。对无背景的主体图像进行放大并还原至预设背景图像中与原始图像中的目标主体对应的位置处，其好处在于，可以将主体占比小的图像中的目标主体，在新的预设背景图像中进行放大，以达到合适的占比，方便对图像进行其他处理。

根据本实施例的技术方案，通过在确定目标主体在原始图像中的图像占比小于设定阈值时，从原始图像中截取目标主体对应的主体区域图像，然后根据主体区域图像确定对应的主体区域蒙版，再将主体区域蒙版与主体区域图像合成，生成与原始图像对应的无背景图像，利用对主体占比小的图像进行截图并单独进行抠图处理的优点，解决了现有技术中当原始图像中主体占比较小时，处理得到的无背景图像所呈现的抠图效果并不理想，抠图精度不高问题，实现了对主体占比较小的图像也能保证较高的抠图精度。

根据本申请的实施例，本申请还提供了一种无背景图像的生成方法。

如图2所示，是根据本申请实施例的又一种无背景图像的生成方法的流程图。本实施例对上述任意实施例进行细化，将确定目标主体在原始图像中的图像占比，细化为包括：对所述原始图像进行显著性检测，得到所述原始图像的初始蒙版；对所述原始图像的初始蒙版进行二值化处理，得到所述原始图像的二值化蒙版；根据所述原始图像的二值化蒙版中目标主体的区域面积，与所述原始图像的面积，计算所述目标主体在所述原始图像中的图像占比。

具体的，参考图2，本方法具体包括如下步骤：

s210、对原始图像进行显著性检测，得到原始图像的初始蒙版。

在上述实施例的基础上，本实施例在计算目标主体在原始图像中的图像占比的过程中，可先对原始图像进行预处理和显著性检测后，再根据得到的蒙版图进行目标主体的图像占比的计算。

在一种可选实施方式中，可采用与上述实施例一对主体区域图像进行显著性检测相同的方式，对原始图像进行显著性检测，进而得到原始图像的初始蒙版，该初始蒙版中同样也可包括白色部分(视为目标主体区域)、灰色部分(不确定区域)以及黑色部分(视为背景区域)。

在上述各实施例的基础上，可选的，对图像进行显著性检测，得到图像的初始蒙版，包括：将图像输入至经训练的显著性检测模型，输出得到图像的初始蒙版。

示例性的，针对原始图像和/或主体区域图像，可利用基于深度学习的显著性检测方法来获取对应的初始蒙版，其中，采用的深度神经网络的类型包括但不限于cnn(convolutionalneuralnetworks，卷积神经网络)、fcn(fullyconvolutionalnetworks，全卷积网络)等，优选为cpd(cascadedpartialdecoder，级联局部解码器)。

使用显著性检测模型进行检测的好处在于，无需人工手动标记图像中的前景或背景，即可实现对图像中任意种类的目标主体的识别。

在一种可选实施方式中，可使用训练样本对预设神经网络进行训练，不断优化网络参数，当参数最优时可得到经训练的显著性检测模型。其中，对预设神经网络进行训练训时所采用的训练样本，例如可以是训练数据集duts-tr，需要说明的是，duts-tr数据集中包括多个原始图像样本及其对应的蒙版。当然还可采用其他训练数据集，在此不作限定。

可选的，在将图像输入至经训练的显著性检测模型之前，还包括：获取多个无背景的主体图像和多个预设背景图像；将任一无背景的主体图像与任一预设背景图像进行合成，生成训练样本；使用训练样本对预设神经网络进行训练，得到经训练的显著性检测模型。

在一种可选实施方式中，除了使用duts-tr数据集作为训练样本外，还可利用透明素材图和多种背景组合成的多个训练样本作为扩充数据集，对预设神经网络进行训练。其中，获取多个无背景的主体图像的方式包括但不限于从网络搜索引擎中搜索获得。另外，预设背景图像可以是与原始图像具有类似背景的背景图像，例如，如果原始图像为不同目标主体以桌面为背景时所拍摄的图像，则预设背景图像可以是类似或相同的桌面图像。获取多个预设背景图像的方式，包括但不限于与原始图像的采集环境具有相同背景时所采集的图像。

使用多个无背景的主体图像与多个预设背景图像经任意组合而成的图片，作为训练样本，对预设神经网络进行训练的好处在于，可以使显著性检测模型能够针对具有相似或相同背景下采集的原始图像，具有更好的抠图效果，提高抠图精度。

可选的，在对原始图像进行显著性检测之前，还包括：对原始图像进行增强和锐化处理。

示例性的，在进行抠图之前，可首先对原始图像进行预处理，其中，预处理的方式包括但不限于增强和锐化处理等。具体的，可采用预设增强算法对原始图像进行增强处理，并对增强处理结果图采用预设锐化算法进行锐化处理。其中，预设增强算法例如可以是直方图均衡化和伽马变换等，预设锐化算法例如可以是反锐化掩膜法等。

对原始图像进行增强和锐化处理的好处在于，可以使原始图像中的目标主体更加明显，与背景之间的对比度更强，进而提高显著性检测的精确度。

s220、对原始图像的初始蒙版进行二值化处理，得到原始图像的二值化蒙版。

本实施例中，对初始蒙版进行二值化处理的过程，可以是将初始蒙版中包含黑色背景部分、白色主体部分以及灰色不确定部分的蒙版图，转换为只包含黑色背景部分和白色主体部分的蒙版图。使用的二值化处理算法包括但不限于otsu(最大类间方差法)等。

s230、根据原始图像的二值化蒙版中目标主体的区域面积，与原始图像的面积，计算目标主体在原始图像中的图像占比。

示例性的，可针对原始图像的二值化蒙版，来计算目标主体的面积大小，并与原始图像大小进行比较，进而计算得到目标主体在原始图像中的图像占比。具体的，可将目标主体的面积与原始图像面积之间的比值，作为目标主体在原始图像中的图像占比，在一个实际例子中，可通过计算二值化蒙版中白色主体部分像素点个数与二值化蒙版中包括的所有像素点总数之间的比值，得到目标主体的面积与原始图像面积之间的比值，也即目标主体在原始图像中的图像占比。

可选的，在根据原始图像的二值化蒙版中目标主体的区域面积，与原始图像的面积，计算目标主体在原始图像中的图像占比之后，还包括：如果图像占比不小于设定阈值，则根据原始图像的二值化蒙版生成三分图，并根据三分图对原始图像采用预设抠图算法进行抠图处理，得到原始图像的最终蒙版。

在一种可选实施方式中，如果目标主体在原始图像中的图像占比不小于设定阈值，也即原始图像中的目标主体为大物体，则无需进行主体区域图像的截取，直接采用显著性检测与基于三分图的抠图算法相结合的方式对原始图像进行抠图处理即可。具体的，由于在计算目标主体的图像占比之前已对原始图像进行显著性检测处理，因此，当确定原始图像中的目标主体为大物体时，可直接根据原始图像的二值化蒙版生成三分图，并结合三分图的抠图算法对原始图像进行抠图处理，得到原始图像的最终蒙版。其中，对三分图以及预设抠图算法的描述可参见上述实施例中对主体区域图像进行基于三分图的抠图处理部分，在此不再赘述。

针对主体占比不同的原始图像采用不同的方式进行抠图的好处在于，可以针对不同主体大小的原始图像均保持较高的抠图精度。

s240、如果图像占比小于设定阈值，则从原始图像中截取目标主体对应的主体区域图像。

可选的，从原始图像中截取目标主体对应的主体区域图像，包括：根据原始图像的二值化蒙版，确定目标主体的最小外接矩阵；将最小外接矩阵对应的图像区域扩大至预设倍数，作为图像截取区域；按照图像截取区域的位置，从原始图像中截取对应的图像块，作为主体区域图像。

其中，最小外接矩阵可以是用于描述原始图像中目标主体外接的最小矩形的矩阵。为了将目标主体的图像占比达到合适的比例，可将最小外接矩阵对应的图像区域扩大至预设倍数，例如扩大为原来的1.5倍，然后将该扩大后的图像区域作为图像截取区域，从原始图像中对应区域位置处截取图像块，以此作为原始图像的roi(regionofinterest，感兴趣区域)，也即主体区域图像。

将目标主体的最小外接矩阵对应的图像区域扩大至预设倍数，作为图像截取区域，并按照图像截取区域对原始图像进行相应的主体部分截取的好处在于，可以使目标主体达到合适的图像占比后，再进行相应的抠图处理，从而提高主体占比小的图像的抠图精度。

s250、根据主体区域图像，确定对应的主体区域蒙版。

s260、将主体区域蒙版与主体区域图像合成，生成与原始图像对应的无背景图像。

根据本实施例的技术方案，通过对原始图像进行显著性检测，得到原始图像的初始蒙版，再对该初始蒙版进行二值化处理，得到原始图像的二值化蒙版，再根据该二值化蒙版中目标主体的区域面积，与原始图像的面积，计算目标主体在原始图像中的图像占比，并在图像占比小于设定阈值时，进行相应的抠图流程，利用经显著性检测以及二值化处理得到的二值化蒙版，进行目标主体的图像占比计算，使得对目标主体的图像占比的计算更加方便、简单，同时也提高了计算结果的准确性。

在上述各实施例的基础上，可选的，根据二值化蒙版生成三分图，包括：对二值化蒙版进行膨胀和腐蚀处理，得到膨胀蒙版和腐蚀蒙版；将二值化蒙版中，与膨胀蒙版内目标主体区域位置对应的图像区域的像素值，设置为第一像素值；将二值化蒙版中，与腐蚀蒙版内目标主体区域位置对应的图像区域的像素值，设置为第二像素值；将二值化蒙版中其他图像区域的像素值，设置为第三像素值，得到三分图。

其中，膨胀是将目标主体融合到背景中，向外部扩展，例如，对二值化蒙版进行膨胀处理可以是将二值化蒙版内白色主体部分向外扩展，也即使目标主体变胖；而腐蚀与膨胀意义相反，其是消除连通的边界，使边界向内收缩，例如，对二值化蒙版进行腐蚀处理可以是将二值化蒙版内白色主体部分向内收缩，也即使目标主体变瘦。

示例性的，生成三分图的具体方式例如可以为：分别利用图像膨胀操作和图像腐蚀操作将二值化蒙版中的目标主体膨胀和腐蚀一定范围，并先将膨胀结果中目标主体区域位置对应的图像区域内的像素值(也即膨胀和腐蚀结果的并集部分像素值)，设置为第一像素值，再将腐蚀结果中目标主体区域位置对应的图像区域内的像素值(也即膨胀和腐蚀结果的交集部分像素值)，设置为第二像素值，最后将这两个图像区域外的像素值，设置为第三像素值，从而得到三分图。

其中，第一像素值、第二像素值以及第三像素值之间具有差异性，例如，第一像素值可以为128，第二像素值可以为255，第三像素值可以为0。

结合膨胀和腐蚀处理后得到的三分图，对原始图像或主体区域图像按照预设抠图算法进行抠图的好处在于，可以提高对目标主体与背景之间的边界识别的准确性，进而可以进一步提高图像的抠图精度。

可选的，在对三分图采用预设抠图算法进行抠图处理之后，还包括：采用预设滤波方式，对抠图处理后得到的蒙版进行边缘平滑处理。

其中，预设滤波方式包括但不限于高斯滤波和中值滤波等。对抠图处理后得到的蒙版进行边缘平滑处理的好处在于，可以减弱蒙版中目标主体边缘的锯齿状，提高蒙版的精确性，得到边缘结构更加精确的蒙版，从而提升图像的抠图效果。

根据本申请的实施例，本申请还提供了一种无背景图像的生成方法。

如图3a所示，是根据本申请实施例的又一种无背景图像的生成方法的流程图。本实施例对上述任意实施例进行细化，给出一个详细的可选实施方式。

具体的，参考图3a，本方法具体包括如下步骤：

s310、对原始图像进行显著性检测，得到原始图像的初始蒙版；对原始图像的初始蒙版进行二值化处理，得到原始图像的二值化蒙版。

s320、根据原始图像的二值化蒙版中目标主体的区域面积，与原始图像的面积，计算目标主体在原始图像中的图像占比。

s330、确定图像占比是否小于设定阈值，若是，则执行s340；若否，则执行s380。

s340、从原始图像中截取目标主体对应的主体区域图像。

s350、对主体区域图像进行显著性检测，得到主体区域图像的初始蒙版；对主体区域图像的初始蒙版进行二值化处理，得到主体区域图像的二值化蒙版。

s360、根据主体区域图像的二值化蒙版生成三分图，并根据三分图对主体区域图像采用预设抠图算法进行抠图处理，得到主体区域蒙版。

s370、将主体区域蒙版与主体区域图像合成，生成与原始图像对应的无背景图像。

s380、根据原始图像的二值化蒙版生成三分图，并根据三分图对原始图像采用预设抠图算法进行抠图处理，得到原始图像的最终蒙版。

s390、将原始图像的最终蒙版与原始图像合成，生成与原始图像对应的无背景图像。

在一个实际例子中，可采用如图3b所示的方式进行抠图处理，包括：首先对原始图像进行图像预处理，例如增强和锐化处理；对预处理后的原始图像进行显著性检测；将检测后得到的蒙版进行二值化后计算目标主体的主体占比，并判断主体占比是否小；若是，则在原始图像中进行roi截取，对截取后得到的主体图像再次进行显著性检测，利用图像处理算法生成三分图，再使用matting方法进行抠图，并进行边缘优化，最终生成α通道数据；否则，直接利用图像处理算法生成三分图，再使用matting方法进行抠图，并进行边缘优化，最终生成α通道数据。

对应的，以主体占比较大时对应的处理流程为例，可得到如图3c所示的效果图，包括：对原始图像31进行预处理，得到主体增强图像32；对主体增强图像32进行显著性检测，得到初始蒙版33；对初始蒙版33经二值化后进行膨胀和腐蚀处理，得到三分图34；基于三分图34对原始图像31按照预设matting方法进行抠图处理，得到原始图像的精确蒙版35；最后，对精确蒙版35进行边缘优化处理，得到原始图像的最终蒙版36，进而生成α通道数据，与原始图像31合成后可得到无背景图像37。

根据本实施例的技术方案，通过针对不同的主体占比的原始图像采用不同的抠图方式进行抠图，使得主体占比小的情况下，也能得到高精度的抠图效果，同时，本实施例将显著性检测与基于三分图的抠图算法相结合，也进一步提高了抠图结果的精度。

根据本申请的实施例，本申请还提供了一种无背景图像的生成装置。

如图4所示，是根据本申请实施例的一种无背景图像的生成装置的结构示意图。该装置可以由软件和/或硬件的方式实现，并执行如本申请任意实施例所述的无背景图像的生成方法。具体的，无背景图像的生成装置400包括：占比确定模块401、图像截取模块402、蒙版确定模块403和图像生成模块404。

其中，占比确定模块401，用于确定目标主体在原始图像中的图像占比；

图像截取模块402，用于如果所述图像占比小于设定阈值，则从所述原始图像中截取所述目标主体对应的主体区域图像；

蒙版确定模块403，用于根据所述主体区域图像，确定对应的主体区域蒙版；

图像生成模块404，用于将所述主体区域蒙版与所述主体区域图像合成，生成与所述原始图像对应的无背景图像。

可选的，占比确定模块401，具体可以包括：

第一显著检测单元，用于对所述原始图像进行显著性检测，得到所述原始图像的初始蒙版；

第一二值化处理单元，用于对所述原始图像的初始蒙版进行二值化处理，得到所述原始图像的二值化蒙版；

占比计算单元，用于根据所述原始图像的二值化蒙版中目标主体的区域面积，与所述原始图像的面积，计算所述目标主体在所述原始图像中的图像占比。

可选的，占比确定模块401，具体还可以包括：

第一抠图处理单元，用于在根据所述原始图像的二值化蒙版中目标主体的区域面积，与所述原始图像的面积，计算所述目标主体在所述原始图像中的图像占比之后，如果所述图像占比不小于所述设定阈值，则根据所述原始图像的二值化蒙版生成三分图，并根据所述三分图对所述原始图像采用预设抠图算法进行抠图处理，得到所述原始图像的最终蒙版；

图像合成单元，用于将所述原始图像的最终蒙版与所述原始图像合成，生成与所述原始图像对应的无背景图像。

可选的，图像截取模块402具体可以包括：

矩阵确定单元，用于根据所述原始图像的二值化蒙版，确定所述目标主体的最小外接矩阵；

区域放大单元，用于将所述最小外接矩阵对应的图像区域扩大至预设倍数，作为图像截取区域；

主体截取单元，用于按照所述图像截取区域的位置，从所述原始图像中截取对应的图像块，作为主体区域图像。

可选的，蒙版确定模块403具体可以包括：

第二显著检测单元，用于对所述主体区域图像进行显著性检测，得到所述主体区域图像的初始蒙版；

第二二值化处理单元，用于对所述主体区域图像的初始蒙版进行二值化处理，得到所述主体区域图像的二值化蒙版；

第二抠图处理单元，用于根据所述主体区域图像的二值化蒙版生成三分图，并根据所述三分图对所述主体区域图像采用预设抠图算法进行抠图处理，得到主体区域蒙版。

可选的，第一显著检测单元和/或第二显著检测单元，具体可以包括：

模型输入单元，用于将图像输入至经训练的显著性检测模型，输出得到所述图像的初始蒙版。

可选的，第一显著检测单元和/或第二显著检测单元，具体还可以包括：

图像获取单元，用于在将图像输入至经训练的显著性检测模型之前，获取多个无背景的主体图像和多个预设背景图像；

样本生成单元，用于将任一所述无背景的主体图像与任一所述预设背景图像进行合成，生成训练样本；

模型训练单元，用于使用所述训练样本对预设神经网络进行训练，得到经训练的显著性检测模型。

可选的，占比确定模块401，具体还可以包括：

图像预处理单元，用于在对所述原始图像进行显著性检测之前，对所述原始图像进行增强和锐化处理。

可选的，第一抠图处理单元和/或第二抠图处理单元，具体可以包括：

蒙版处理单元，用于对二值化蒙版进行膨胀和腐蚀处理，得到膨胀蒙版和腐蚀蒙版；

第一设置单元，用于将所述二值化蒙版中，与所述膨胀蒙版内目标主体区域位置对应的图像区域的像素值，设置为第一像素值；

第二设置单元，用于将所述二值化蒙版中，与所述腐蚀蒙版内目标主体区域位置对应的图像区域的像素值，设置为第二像素值；

第三设置单元，用于将所述二值化蒙版中其他图像区域的像素值，设置为第三像素值，得到三分图；

三分图抠图单元，用于对所述三分图采用预设抠图算法进行抠图处理，得到最终蒙版。

可选的，第一抠图处理单元和/或第二抠图处理单元，具体还可以包括：

平滑处理单元，用于在对所述三分图采用预设抠图算法进行抠图处理之后，采用预设滤波方式，对抠图处理后得到的蒙版进行边缘平滑处理。

本申请实施例所提供的无背景图像的生成装置可执行本申请任意实施例所提供的无背景图像的生成方法，具备执行方法相应的功能模块和有益效果。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图5所示，是根据本申请实施例的无背景图像的生成方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的无背景图像的生成方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的无背景图像的生成方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的无背景图像的生成方法对应的程序指令/模块(例如，附图4所示的占比确定模块401、图像截取模块402、蒙版确定模块403和图像生成模块404)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的无背景图像的生成方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据无背景图像的生成方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至无背景图像的生成方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

无背景图像的生成方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与无背景图像的生成方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，通过在确定目标主体在原始图像中的图像占比小于设定阈值时，从原始图像中截取目标主体对应的主体区域图像，然后根据主体区域图像确定对应的主体区域蒙版，再将主体区域蒙版与主体区域图像合成，生成与原始图像对应的无背景图像，利用对主体占比小的图像进行截图并单独进行抠图处理的优点，解决了现有技术中当原始图像中主体占比较小时，处理得到的无背景图像所呈现的抠图效果并不理想，抠图精度不高问题，实现了对主体占比较小的图像也能保证较高的抠图精度。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。