图像前景分割方法、装置、设备及计算机可读存储介质

1.本技术涉及图像前景分割技术领域，具体涉及类圆形图像前景的图像前景分割方法、装置、设备、计算机可读存储介质，尤其涉及显示有不同颜色的类圆形区域图像中的类圆形区域前景分割。


背景技术：

2.工业、农业、医药等生产中常用图像法对其生产过程中进行直观监测方法，尤其是对涉及类圆形颗粒的混合过程监测。在图像检测过程中，需要对图像中类圆形颗粒的轮廓进行分割，其中分水岭算法是应用最为广泛的图像分割算法之一。该算法以临近像素的相似性为重要的参考依据，主要步骤如下：首先，对输入图像进行灰度化处理；然后，将空间位置及灰度值(或梯度值)相近的像素点相互连接，形成封闭轮廓线，进而实现对图像的分割。由步骤可知，直接使用传统分水岭算法对复杂彩色图像进行分割，其灰度化处理会丢失许多重要的颜色信息，使得分割效果差，这导致该算法的使用一直有很大的局限。如图1(b)所示为传统分水岭算法分割前景图像，对照图1(a) 可知，该算法只实现了对部分红色颗粒的分割，对其他颜色颗粒的分割效果差。因此，传统分水岭算法仍然难以实现对混合过程中多元类圆形区域图像的分割。


技术实现要素：

3.为至少一定程度上解决上述技术问题之一，本技术提供一种颗粒图像前景的颜色剥离方法、分割方法、装置、设备、计算机可读存储介质。
4.为此，本技术实施例至少公开了以下技术方案：
5.本技术实施例公开了一种前景分割方法，应用于从显示有不同颜色的类圆形区域图像中分割得到类圆形区域的前景图像，其中，所述前景分割方法包括：
6.响应于用户对类圆形区域图像中具有目标颜色的类圆形区域进行的标注操作，以获得标注信息，所述标注信息响应于用户标注操作的目标像素区域中目标颜色的颜色空间信息；
7.向系统端发送所述前景图像的获取请求，所述获取请求为一前景分割指令，所述前景分割指令使得所述系统端执行从所述类圆形区域图像中分割获取所述前景图像的步骤；以及
8.获取所述系统端输出的前景图像；
9.其中，从所述类圆形区域图像中获取前景图像的步骤包括：
10.建立标注信息数据库，所述标注信息数据库存储有一种或多种所述标注信息；
11.根据所述标注信息数据库确定用于剥离所述目标像素区域中目标颜色的阈值区间；
12.根据所述阈值区间从所述类圆形区域图像中剥离获取所述目标颜色，以得到单色剥离前景图像；
13.对一种或多种所述单色剥离前景图像进行分水岭分割和图像融合，以获取所述分割前景图像。
14.一种前景分割装置，应用于从显示有不同颜色的类圆形区域图像中分割得到类圆形区域的前景图像，所述前景分割装置包括：
15.获取单元，用于获取显示有不同颜色的类圆形区域图像和标注信息，所述标注信息包括响应于用户标注操作的目标像素区域的颜色空间信息；
16.数据库建立单元，用于建立所述标注信息的输入、存储、转换、转储、恢复、重组织、性能监视和分析的数据库；
17.确定单元，用于根据所述标注信息数据库确定用于剥离所述目标像素区域中目标颜色的阈值区间；
18.单色剥离单元，用于根据所述阈值区间从所述目标像素区域中剥离所述目标颜色，以得到单色剥离前景图像；
19.分割和合并单元，用于对一种或多种所述单色剥离前景图像进行分水岭分割和图像融合，以获取所述分割前景图像。
20.本技术实施例还公开了一种图像分割设备，其包括：
21.处理器；
22.存储器，存储有可在所述处理器上运行的计算机程序；
23.其中，所述计算机程序被所述处理器执行时实现上述实施例提供的前景分割方法。
24.本技术实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序被执行时实现上述实施例提供的前景分割方法。
25.本技术实施例提供的一种前景分割方法，系统端根据带有标注信息的类圆形区域图像，对标注信息进行收集建立标注信息的数据库，再对标注信息进行处理，选取与用户确定的目标像素区域颜色空间对应的阈值，从而根据该阈值区间能够准确剥离用户提供的图中的所有根据用户需求确定的目标颜色的单色颗粒前景图像，依据上述颜色剥离方法获得的一种或多种单色颗粒前景图像，使用分水岭算法分别对单种颗粒图像进行分割，区域合并，将不同颜色的单种颗粒图像分割前景图像进行合并，获取多元类圆形区域图像的分割前景图像。
26.本技术提供的技术方案，能够根据用户对所需分割的类圆形区域的彩色图像进行任意确定，并且，能够降低图像的处理难度，避免采用复杂网络建模规模，通过颜色剥离方法获得单色颗粒前景图像，大大的缩短了图像识别的时间，计算速度快，占有储存单元小，相对于传统的分水岭算法识别效率高，且具有较好的容噪性。
27.此外，本发明实施例还针对多元类圆形区域图像的分割提供了相应的实现装置、设备及计算机可读存储介质，进一步使得所述方法更具有实用性，所述装置、设备及计算机可读存储介质具有相应的优点。
附图说明
28.通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明
书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
29.图1是现有技术提供的传统分水岭算法分割效果(a为原图，b为分割前景图像图)。
30.图2是一些实施例提供的图像分割系统示意图。
31.图3是一些实施例提供的前景分割方法流程示意图。
32.图4是一些实施例提供的颜色特征值阈值区间的确定方法流程示意图。图中虚线代表可以进行步骤，并不代表一定必须进行的步骤。
33.图5是一些实施例提供的“对所述第一区间进行降序排序得到第二区间”的方法流程示意图。
34.图6是一些实施例提供的“以符合预设条件的多个第二区间组合作为第一颜色特征值阈值区间”的方法流程示意图。
35.图7是一些实施例提供的划分第一区间(a)和第二区间(b)的示意图。
36.图8是一些实施例提供的四种单色剥离前景图像(a.绿色颗粒b.红色颗粒c. 蓝色颗粒d.黄色颗粒)。
37.图9是对图8中的四种单色剥离前景图像进行分割得到的四种单色剥离前景图像 (a.绿色b.红色c.蓝色d.黄色)。
38.图10是对图9中的四种单色剥离前景图像融合得到的前景图像。
39.图11是一些实施例提供的前景分割方法流程示意图。
40.图12是一些实施例提供的用户端输入单元中人机界面提示用户进行输入标注信息界面(a)、进行标注操作的显示界面(b)以及对用户进行是否结束标注操作的提示界面(c)。
41.图13是一些实施例提供的前景分割装置的虚拟装置结构示意图。
42.图14是一些实施例提供的图像分割设备的硬件结构框图。
43.图15是对多个彩色颗粒图像分别采用传统的分水岭算法进行分割和采用本技术实施例提供的方法进行分割分别得到的前景图像，其中，每列为一个图像分割过程。
44.需要说明的是，图1、图7、图8、图9、图10、图11、图12、和图15的真实图像均为彩色图像。为了满足《专利法》和《专利法实施细则》中对说明书附图的要求，在本发明实施例提供的附图中，将图1、图7、图8、图9、图10、图11、图12、和图15的真实图像作了灰度处理。
具体实施方式
45.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合实施例对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。本技术中未详细单独说明的试剂均为常规试剂，均可从商业途径获得；未详细特别说明的方法均为常规实验方法，可从现有技术中获知。
46.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不对其后的技术特征起到实质的限定作用。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤
或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
47.一些实施例提供了显示有不同颜色的类圆形区域的彩色图像前景的前景分割方法和系统，以解决现有技术中采用传统的分水岭算法难以分割多元类圆形区域图像的问题。
48.在本技术中，“类圆形区域”是指在图像、图片、视频、视频截图或视觉信息中显示为解决圆形的物体的轮廓，例如圆形、球形、饼形、圆环形、多边形、半球形或半圆形等。
49.在本技术中，“颜色空间”也称彩色模型和彩色空间，它的用途是在某些标准下用通常可接受的方式对颜色加以说明，本质上，颜色空间是坐标系统和子空间的阐述，其中每种颜色都由单个点表示。目前采用的大多数颜色空间都是面向硬件或面向应用的，从提出到现在已经有上百种，大部分只是局部的改变或专用于某一领域，在反射率重建方面，较为常用的颜色空间主要有rgb空间、cie xyz颜色空间、lab颜色空间以及hsv颜色空间。“颜色特征值”是指“颜色空间”中建立的对颜色进行数字化表征的数值，例如“rgb颜色空间”中的“r”红色亮度对应的坐标化值。
50.图2示出了根据一些实施例的图像分割系统100的框图。系统100可以包括用户端110和系统端120。用户端110主要包括输入单元111、标注单元112、输出单元 113。系统端120主要包括获取单元121、数据库建立单元122、确定单元123、单色剥离单元124、分割和合并单元125。系统100中的每个设备可以经由合适的通信网络(例如，互联网、广域网或局域网)与系统100中的一个或多个其他设备通信。在一些实施例中，系统100中的一个或多个单元、计算机或计算系统可以是相同的设备和 /或被包括在相同的计算系统中。
51.通信网络可以采取多种形式，包括例如蜂窝电话网络、陆线电话网络、诸如因特网的分组交换网络和/或这样的网络的组合。其他示例也是可能的。通信网络可以被配置用于执行各种操作，包括(例如)使用一个或多个协议促进输入单元111、标注单元112、输出单元113、获取单元121、数据库建立单元122、确定单元123、单色剥离单元124、以及分割和合并单元125之间的通信。
52.为了说明性目的，通信网络在图1中被描绘为单个通信网络，其中输出单元11 和获取单元121可以通过其进行通信。输入单元111、标注单元112、输出单元113、获取单元121、数据库建立单元122、确定单元123、单色剥离单元124、以及分割和合并单元125中的每一个可以包括一个或多个服务器、一个或多个处理器和/或一个或多个计算机、一个或多个用户终端(例如手机)，和/或输入单元111、标注单元 112、输出单元113、获取单元121、数据库建立单元122、确定单元123、单色剥离单元124、以及分割和合并单元125中的每一个可以被包括在包括一个或多个服务器、一个或多个处理器和/或一个或多个服务器的计算系统内。获取单元121、数据库建立单元122、确定单元123、单色剥离单元124、以及分割和合并单元125中的每一个可以包括被配置为存储指令的一个或多个存储器和/或一个或多个计算机可读介质，该指令在由一个或多个处理器执行时使得执行本文公开的一个或多个动作。然而，值得注意的是，通信网络可以包括两个或更多个单独的通信网络，每个单独的通信网络被配置用于促进选择的系统或设备之间的通信。
53.输入单元111可以生成或接收输入数据集。输入单元111可以包括输入传感器115 或者与其通信。输入传感器115的示例可以包括摄像头(例如ccd彩色摄像头)、相机(例如，
连接到显微镜)、麦克风、光谱仪或者能够记录数据的一些其他传感器。在一些实施例中，输入传感器115可以在输入单元111的内部，并记录诸如cpu使用的内部数据。例如，输入单元111可以是生产监控系统，可以包括对生产过程中产生彩色的类颗粒轮廓图像进行监控的系统或组件(5g远程图像监控组件或系统)。
54.在一些实施例中，输入单元111可以从其他源接收输入数据，诸如通过在网站上抓取(scrape)图像、从政府数据库(例如，nih数据库)下载传感器数据和/或从用户端或用户设备(例如手机)接收图像和/或标注数据。输入单元111可以存储输入数据以用于以后检索。
55.本领域技术人员应当理解的是，输入单元111用于输入的数据集可以在一个或多个时间和/或从一个或多个源收集。例如，可以在第一时间经由输入传感器115和/或从用户端收集第一输入数据集(例如，与对应的标注数据相关联)，并且可以在稍后的第二时间从用户端收集第二输入数据集(例如，不与真实标注数据相关联)。在一些情况下，每个输入数据集包括数字图像集合，例如，这些数字图像集合中的颜色空间用以hsv值表征。
56.本领域技术人员应当理解的是，输入单元111还可以通过例如归一化数据、移除噪声和标准化数据大小来预处理数据。输入单元111可以将输入数据集发送到标注模获取单元121，并由数据库建立单元122建立附带标注信息的数字图像集合，这些标注信息包括以hsv值表征这些数字图像集合中的颜色空间。
57.在一些实施例中，标注单元112识别输入数据集中的至少一些输入数据的标注。由标注单元112生成的标注可以是密集标注，使得数据的每个部分都具有标注(例如，显示多个颜色的颗粒图像中的具有某些颜色的颗粒被标注是或不是该类圆形颗粒轮廓前景(即单色剥离前景图像)的一部分)。在一些实施例中，标注单元112可以具有i/o设备，用于向操作者呈现输入数据并接收由操作者输入的标注。例如，标注单元112可以显示图像，并且人类操作者可以为该图像键入或选择适当的标注。
58.在一些实施例中，标注单元112可以自动确定标注。在一些实施例中，标注单元 112可以通过从源(例如，政府数据库)接收标注来确定标注。标注单元112可以从输入单元111接收要标注的输入数据。标注单元112可以将标注数据集传送到系统端 120进行处理(例如，通过神经网络进行处理)。在一些实施例中，标注单元112可以发送标注数据集和输入数据集。
59.在一些实施例中，数据库建立单元122可以建立一个神经网络，并使用一个或多个输入数据集和对应的标注信息来训练该神经网络。神经网络可以包括卷积神经网络和/或密集神经网络。一些输入数据和对应的标注可以用于验证和/或测试。一些输入数据(例如，不与标注相关联的)可以由(例如，经训练的)神经网络处理，该神经网络可以生成预测标注。对于一种或多种类型的对象或结构中的每一种，标注可以标识(例如)各个输入图像内的哪些像素是已知的或者被预测为与对象或结构类型相关联。在一些情况下，标注可以进一步标识给定对象或结构类型的各个实例。例如，标注可以标识被预测为与具有第一目标像素相关的第一像素集合和被预测为与不同的第二目标像素相关联的第二像素集合，具体的，该目标像素为显示为不同颜色的类圆形区域的像素。
60.在一些实施例中，确定单元123可以根据标注信息的集合，对表征这些数字图像集合中的颜色空间进行计算，以确定需要剥离目标像素区域中目标颜色的阈值空间。确定单
元123可以生成密集的阈值区间，诸如确定颗粒图像中显示有不同目标颜色的类圆形区域的分割边界，其中，该目标颜色特征反应在颜色发光光谱中，或者标识录音中的词语。在一些实施例中，确定单元123可以包括与用户确定的需要剥离的颜色空间相对应的标注信息与预设映射相关联，分割得到多个取值阈值区间，计算标准颜色空间的特征值落入该取值阈值区间的像素点数量，对该像素点数量进行统计、排序和分析，以确定最终的阈值空间的的运行代码，这些运行代码被执行后计算机或系统执行这些操作。
61.在一些实施例中，单色剥离单元124可根据由确定单元123确定的阈值区间的输出以生成单色剥离前景图像。例如，单色剥离单元124可以对标注信息对应目标像素区域的目标颜色进行剥离，具体的剥离过程可以为，例如，单色剥离单元124对读入的类圆形区域图像的目标像素区域的颜色空间表征值进行判断，若其处于阈值区间内，则该像素点处理为前景像素(例如标记为与背景像素为不同的标签)，然后对全部的符合阈值区间的前景像素区域进行提取，即为单色剥离前景图像。例如，对一个显示为不同颜色的球形颗粒的彩色图像进行剥离，能够分别得到不同颜色颗粒的多种单色剥离前景图像。
62.在一些实施例中，分割和合并单元用于对一种或多种单色剥离前景图像进行分水岭分割和图像融合，以获取前景图像。例如，在显示为不同颜色的球形颗粒的彩色图像进行剥离后，能够得到多种不同颜色颗粒的单色剥离前景图像，此时采用分水岭算法对每张单色剥离前景图像分别进行分割，能得到多张单色剥离前景图像，最后对多张单色剥离前景图像进行合并，即可得到最终的前景图像。
63.图3示出了根据一些实施例提供的前景分割方法。该方法可以由包括一个或多个计算机的计算系统执行(例如一个系统端所执行)，应用于显示有不同颜色的类圆形区域图像中的类圆形区域前景分割。
64.如框210所示，在一些实施例中，系统端获取显示有不同颜色的类圆形区域图像和标注信息，标注信息包括响应于用户标注操作的目标像素区域中目标颜色的颜色空间信息。例如，该颜色空间信息为经过归一化数据、移除噪声和标准化数据大小来预处理数据，该预处理数据是将获得的颜色空间信息进行数字化的数据集，而标注信息是对这些数据集进行标注。
65.如框220所示，在一些实施例中，系统端建立标注信息数据库，标注信息数据库存储有一种或多种标注信息。在一些实施例中，系统端还能对输入、存储、转换、转储、恢复、重组织、性能监视和分析的该标注信息数据库中的标注信息，以对该标注信息数据库进行分析和管理。在一些实施例中，系统端还可以建立一个神经网络，并使用一个或多个输入数据集和对应的标注信息来训练该神经网络。神经网络可以包括卷积神经网络和/或密集神经网络。一些输入数据和对应的标注可以用于验证和/或测试。一些输入数据(例如，不与标注相关联的)可以由(例如，经训练的)神经网络处理，该神经网络可以生成预测标注。对于一种或多种类型的对象或结构中的每一种，标注可以标识(例如)各个输入图像内的哪些像素是已知的或者被预测为与对象或结构类型相关联。在一些情况下，标注可以进一步标识给定对象或结构类型的各个实例。例如，标注可以标识被预测为与具有第一目标像素相关的第一像素集合和被预测为与不同的第二目标像素相关联的第二像素集合，具体的，该目标像素为显示为不同颜色的类圆形区域的像素。
66.如框230所示，在一些实施例中，系统端根据标注信息数据库确定用于剥离目标像
素区域中目标颜色的阈值区间。例如，该目标像素区域为储存在标注信息数据库中具有不同颜色的需要剥离的彩色颗粒，系统端对表征这些数字图像集合中的颜色空间进行计算，以确定需要剥离目标像素区域中目标颜色的阈值空间，亦可以生成密集的阈值区间，诸如确定颗粒图像中显示有不同目标颜色的类圆形区域的分割边界，其中，该目标颜色特征反应在颜色发光光谱中，或者标识录音中的词语。在一些实施例中，系统端可以包括与用户确定的需要剥离的颜色空间相对应的标注信息与预设映射相关联，分割得到多个取值阈值区间，计算标准颜色空间的特征值落入该取值阈值区间的像素点数量，对该像素点数量进行统计、排序和分析，以确定最终的阈值空间的运行代码。
67.如框240所示，在一些实施例中，系统端根据所述阈值区间从所述目标像素区域中剥离所述目标颜色，以得到单色剥离前景图像。例如，具体的剥离过程可以为，例如，系统端对读入的类圆形区域图像的目标像素区域的颜色空间表征值进行判断，若其处于阈值区间内，则该像素点处理为前景像素(例如标记为与背景像素为不同的标签)，然后对全部的符合阈值区间的前景像素区域进行提取，即为单色剥离前景图像。例如，对一个显示为不同颜色的球形颗粒的彩色图像进行剥离，能够分别得到不同颜色颗粒的多种单色剥离前景图像。
68.如框250所示，在一些实施例中，系统端对一种或多种所述单色剥离前景图像进行分水岭分割和图像融合，以获取前景图像。例如，在显示为不同颜色的球形颗粒的彩色图像进行剥离后，能够得到多种不同颜色颗粒的单色剥离前景图像，此时采用分水岭算法对每张单色剥离前景图像分别进行分割，能得到多张单色剥离前景图像，最后对多张单色剥离前景图像进行合并，即可得到最终的前景图像。例如，opencv实现了一个基于标记的分水岭算法，根据标注信息，即用户赋予的前景区域的标签，以与背景区域区分，采用分水岭算法对该前景进行分割，例如公知的cv2.watershed() 函数，即可得到分割的单色前景图像，然后对单色前景图像进行的合并即可得到原始读入图像的前景图像，实施例中所指融合主要是指像素级图像融合。像素级图像融合方法可以采用例如颜色空间融合方法。
69.在一些实施例中，目标像素区域中的颜色空间信息以颜色特征值表征。在本技术实施例中，所述颜色空间选自rgb空间、cie xyz颜色空间、lab颜色空间或hsv 颜色空间中任一，优选地为hsv颜色空间或rgb空间。在本技术实施例中，所述颜色特征值选自hsv颜色空间中的h值、s值和v值中至少一项；或者rgb颜色空间中的r值、g值和b值中的至少一项；或者cie xyz颜色空间中的x值、y值和 z值中的至少一项；或者lab颜色空间中的l值、a值和b值中的至少一项；优选地为hsv颜色空间中的h值、s值和v值中至少一项或者rgb颜色空间中的r值、 g值和b值中的至少一项。
70.在一些实施例中，颜色特征值具有3个，因此其所述阈值区间的确定(框230) 包括第一颜色特征值阈值区间的确定(框231)、第二颜色特征值阈值区间的确定(框 232)和第三颜色特征值阈值区间的确定(框233)。
71.在一些实施例中，第一颜色特征值阈值区间、第二颜色特征值阈值区间和第三颜色特征值阈值区间中至少一个依照如图4所示中的框310～330步骤执行。例如，第一颜色特征值阈值区间的确定方法(框231)包括：获得响应于预设映射的多个第一区间(框310)，所述预设映射为具有目标颜色像素区域的第一颜色特征值与一个自然数取值范围的对应关系；对所述多个第一区间进行降序排序得到多个第二区间(框 320)；以符合预设条件的多
个第二区间组合作为所述第一颜色特征值阈值区间(框 330)。
72.在上述实施例中，如图5所示，“对所述第一区间进行降序排序得到第二区间
”ꢀ
(框320)具体包括：获得具有目标颜色像素区域的第一颜色特征值处于所述第一区间内的像素点数量的第一数值(框321)；根据所述第一数值从大至小对所述第一区间进行降序排序得到所述第二区间(框322)。
73.在上述实施例中，如图6所示，“以符合预设条件的多个第二区间组合作为所述 h值阈值区间”(框330)具体包括：
74.获得具有目标颜色像素区域的第一颜色特征值处于所述第二区间内的像素点数量的第二数值(框331)；
75.选取由多个所述第二数值连续降序排列的第三数列和第四数列，且所述第三数列中的第二数值比所述第四数列中的第二数值数量少一个(框332)；
76.判断所有所述第一数值之和的95％是否大于等于所述第三数列中的所有所述第二数值之和、且小于等于所述第四数列中的所有所述第二数值之和第一颜色特征值阈值区间(框334)。进一步地，若否，则执行步骤332～333步骤，直至满足333的条件。
77.在一个具体的前景分割方法实施例中，该前景分割方法包括：
78.(1)系统端从标注信息数据库中读取的任一标注信息，读取处理后的标注信息对应的数字图像中各像素点的hsv颜色空间的h值。
79.(2)并对其中的负值进行取0处理，建立每一像素点的h值与取值区间的预设映射关系，例如该取值阈值区间为[0,180]，从而将该第一区间分为标注信息对应的像素区域内像素点数量相同的多个第一区间(n个)，例如如图7(a)所示{a1:[0,180/n]， a2:[(180/n)+1,180
×
2/n]，
…
，an:[180
×
(n－1)/n]+1,180]}。
[0080]
(3)然后，统计分别落入各个第一区间内的h值对应的各像素点数，即为第一数值，即为na1，na2，...nan，并且na1+na2+...nan＝n，即为目标像素区域内的目标像素点总数，对应于类圆形区域前景图像中标注的全部类圆形区域的像素区域，例如为用户标注的图像中全部具有某种颜色的圆球。依据第一数值从大至小，将第一区间进行降序排列得到第二区间，例如如图7(b)所示{b1，b2，...bn}，从而获得的各个第二区间对应的各像素点统计结果为nb1，nb2，...nbn(即为第二数值)，并且其中，nb1≧nb2≧...≧nbn。
[0081]
(4)选取由多个所述第二数值连续降序排列的第三数列和第四数列，且所述第三数列中的第二数值比所述第四数列中的第二数值数量少一个；判断所有所述第一数值之和的95％是否大于等于所述第三数列中的所有所述第二数值之和、且小于等于所述第四数列中的所有所述第二数值之和：若是，则将所述第三数列中对应的所有第二区间合并作为所述h值阈值区间。
[0082]
例如，选取nb1+nb2+...+nbi-1≦n
×
p％≦nb1+nb2+...+nbi，其中，p％为预设百分比，则取b1、b2...bi区间的并集(进行逻辑“与”计算)作为对应于类圆形区域前景图像中的标注的全部类圆形区域的像素区域(例如为用户标注的图像中全部的具有某种颜色的圆球)h值的阈值范围。如图7b中标注信息为绿色颗粒，取第一区间的数量n为18，预设百分比为95％，nb1+nb2≦n
×
95％≦nb1+nb2+nb3，计数可知，则对应b1ub2(即a6ua7)为h值的阈值范围。
[0083]
(5)标注的全部类圆形区域的像素区域(例如为用户标注的图像中全部的具有某
种颜色的圆球)的hsv颜色空间中s、v的取值范围分别映射至取值区间；其次，对获得数据中的s、v值分别参照h区间阈值确定流程。在图8的实施例中，如以hsv颜色空间为例，h值阈值映射区间为[50,70]，s值阈值区间为[100,255]，v值阈值区间为[90,250]。
[0084]
(6)根据上述确定的阈值区间，对如图1a中的图像进行颜色分割，得到如图8 所示的四种单色剥离前景图像；然后采用分水岭分割算法进行分割和颜色空间图像融合后得到如图9所示的分割前景图像。该分割前景图像与图1b相比，能够对图1中的四种颜色颗粒进行重复分割，并且对噪音的分割没有出现过分割情况，分割图像中能够清晰地显示彩色颗粒的边缘和轮廓，线条清晰。另外如图15所示，相对于传统的分水岭分割方法，该图像分割结果不仅能够分割彩色颗粒，得到线条清晰，轮廓分明的前景图像，能够大大的缩短了图像识别的时间的，计算速度快，占有储存单元小，相对于传统的分水岭算法识别效率高。
[0085]
图12示出了一些实施例提供的前景分割方法。该方法可以由包括一个或多个计算机的计算系统执行(例如一个用户端例如手机所执行)，应用于显示有不同颜色的类圆形区域图像中的类圆形区域前景分割。如框410所示，用户对需要进行分割的类圆形区域的颜色及类型进行标注操作，用户端响应该操作，以获得标注信息，从而将该标注信息以及前景图像获取请求同时发送至系统端。具体的，该标注信息为响应于用户标注操作的目标像素区域中目标颜色的颜色空间信息。如框420所示，用户端向系统端发送所述具有所述标注信息和前景图像获取请求，所述前景图像获取请求为一前景分割指令，所述前景分割指令使得所述系统端执行从所述类圆形区域图像中获取前景类圆形图像的步骤。具体的，该前景图像获取请求为一前景分割指令，该前景分割指令使得所述系统端执行从所述类圆形区域图像中获取前景类圆形图像的步骤，例如图2～11所示实施例提供的步骤。如框430所示，用户端获得系统端输出的前景图像。
[0086]
例如，在用户端加载如图1所述的图像，在其中的输入单元111包括人机交互界面，其如图12a所示提示用户进行输入标注信息，用户可以进行标注操作，例如进行“从颗粒边缘向颗粒中心拖动”的操作，人机交互界面上显示为如图12b所示(其中加粗的圆圈即为标注的圆球)，如此重复这些标注操作，能够对图像中的多种不同大小和不同颜色的颗粒图像分别标注为不同种类的颗粒，并将标注信息保存在用户端中。在一些实施例中，如图12c，该用户端还能在人机交互界面上产生提示信息，提示用户是否结束标注操作。
[0087]
图13示出了根据本技术实施例公开的前景分割装置，应用于显示有不同颜色的类圆形区域图像中的类圆形区域前景分割。如图13所示，该前景分割装置包括获取模块510、数据库建立模块520、确定模块530、单色剥离模块540、分割和合并模块 550。获取模块510用于获取显示有不同颜色的类圆形区域图像和标注信息，标注信息包括响应于用户标注操作的目标像素区域的颜色空间信息。数据库建立单元520 用于建立所述目标颜色的颜色空间信息的输入、存储、转换、转储、恢复、重组织、性能监视和分析的数据库。确定单元530用于根据所述标注信息数据库确定用于剥离所述目标像素区域中目标颜色的阈值区间。单色剥离单元540用于根据所述阈值区间从所述目标像素区域中剥离所述目标颜色，以得到单色剥离前景图像。分割和合并单元1105用于对一种或多种所述单色剥离前景图像进行分水岭分割和图像融合，以获取前景图像。
[0088]
由于该前景分割装置500中的功能与上文系统端描述的细节相同，因此在这里为了简单起见，省略对相同内容的详细描述。此外，除了这四个单元以外，该前景分割装置500
还可以包括其他部件，然而，由于这些部件与本技术实施例的内容无关，因此在这里省略其图示和描述。
[0089]
图14示出了本技术实施例提供的图像分割设备的硬件结构框图，参照图5，图像分区设备600的硬件结构可以包括：至少一个处理器610，至少一个存储器620，该存储器上存储有可在该处理器上运行的计算机程序，该计算机程序被所述处理器执行时实现如图2中或图中任一项所述的方法。
[0090]
此外，根据本技术实施例的图像分割设备(例如，图像处理设备等)也可以借助于图14所示的示例性计算设备的架构来实现。图14示出了根据本技术实施例的示例性计算设备的架构的示意图。如图14所示，图像分割设备600可以包括总线630、一个或多个cpu(处理器)610、只读存储器(rom)621、随机存取存储器(ram)622、连接到网络的通信端口640、输入/输出组件650、硬盘660等。图像分割设备600中的存储设备，例如rom 1230或硬盘660可以存储计算机处理和/或通信使用的各种数据或文件以及cpu所执行的程序指令。图像分割设备600还可以包括用户界面670。当然，图14所示的架构只是示例性的，在实现不同的设备时，根据实际需要，可以省略图14示出的计算设备中的一个或多个组件。
[0091]
本技术实施例也可以被实现为计算机可读存储介质。根据本技术实施例的计算机可读存储介质上存储有计算机可读指令。当计算机可读指令由处理器运行时，可以执行参照以上附图描述的根据本技术实施例的方法。计算机可读存储介质包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器 (rom)、硬盘、闪存等。
[0092]
根据本技术实施例，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或者计算机程序包括计算机可读指令，该计算机可读指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机可读指令，处理器执行该计算机可读指令，使得该计算机设备执行上述各个实施例中描述的训练方法和图像处理方法。
[0093]
本领域技术人员能够理解，本技术所披露的内容可以出现多种变型和改进。例如，以上所描述的各种设备或组件可以通过硬件实现，也可以通过软件、固件、或者三者中的一些或全部的组合实现。
[0094]
此外，如本技术和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。本技术中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。
[0095]
此外，本技术中使用了流程图用来说明根据本技术实施例的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作叠加到这些过程中，或从这些过程移除某一步或数步操作。
[0096]
除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本技术所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
[0097]
以上对本技术进行了详细说明，但对于本领域技术人员而言，显然，本技术并非限定于本说明书中说明的实施方式。本技术在不脱离由权利要求书的记载所确定的本技术的宗旨和范围的前提下，可以作为修改和变更方式来实施。因此，本说明书的记载是以示例说明为目的，对本技术而言并非具有任何限制性的意义。