图片抠图方法及装置的制造方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，尤其涉及图片枢图方法及装置。
【背景技术】
[0002] 枢图与图像合成技术是影视制作中必不可少的关键技术，广泛应用于媒体制作 中。数字枢图是一种把图像的前景部分从背景中分离出来的技术。数字枢图按照原始图像 的不同又可分为藍屏枢图、自然图像枢图、阴影枢图和环境枢图等。
[0003]目前的主流枢图方式是通过接收用户输入，进行背景部分和前景部分的区分，即 用户在原始图片上进行背景部分和前景部分的划界，并根据用户输入从图片中分离出前景 部分，实现图片的枢图操作。
[0004] 然而，上述枢图方式中，完全依靠用户的输入来区分前景部分和背景部分，操作过 程复杂，且不够智能，降低了图片枢图的效率且降低了图片枢图的准确度。
[0005] 上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技 术。
【发明内容】
[0006] 本发明的主要目的在于有效提高枢图的效率和准确性。
[0007] 为实现上述目的，本发明提供的一种图片枢图方法，所述图片枢图方法包括W下 步骤：
[0008]A、将输入的原始图片转换为数据集并得到所述数据集对应的相似度矩阵；
[0009]B、当侦测到枢图辅助点添加指令时，获取所述添加指令对应的枢图辅助点，并根 据所述枢图辅助点对所述相似度矩阵的相似度值进行修正；
[0010] C、根据修正后的相似度矩阵，生成拉普拉斯矩阵，并对生成的拉普拉斯矩阵进行 特征分解得到特征值，根据特征值的大小顺序进行对应特征向量的排列得到特征向量队 列；
[0011] D、对所述特征向量队列进行聚类分析得到枢图结果。
[0012] 优选地，所述步骤B包括：
[0013]B1、获取所述添加指令对应的枢图辅助点，并获取所述枢图辅助点对应于所述相 似度矩阵中的元素的相似度值；
[0014]B2、对获取的相似度值进行修正。
[0015] 优选地，所述步骤B2之后，还包括：
[0016]B3、从所述数据集中得到与所述枢图辅助点对应的点的像素值，计算得到获取的 像素值的平均值；
[0017]B4、从所述数据集中获取与所述平均值的差值在预设差值范围内的像素值对应的 点，确定获取的点对应于所述相似度矩阵中的元素的相似度值；
[001引 B5、对确定的相似度进行修正。
[0019] 优选地，所述步骤D包括：
[0020] D1、对所述特征向量队列进行聚类分析，得到2类聚类结果；
[0021]D2、将所述2类聚类结果分别用不同的颜色进行标记；
[0022] D3、将其中标记的1类结果还原成与原始图片对应部分的颜色，得到枢图结果。
[0023] 优选地，所述步骤A包括：
[0024]A1、将将输入的原始图片转换为数据集；
[0025]A2、计算得到所述数据集中各个点的尺度参数，并根据所述尺度参数得到数据集 的相似度矩阵。
[0026] 此外，为实现上述目的，本发明还提供一种图片枢图装置，所述图片枢图装置包 括：
[0027] 处理模块，用于将输入的原始图片转换为数据集并得到所述数据集对应的相似度 矩阵；
[0028] 获取模块，用于当侦测到枢图辅助点添加指令时，获取所述添加指令对应的枢图 辅助点；
[0029] 修正模块，用于根据所述枢图辅助点对所述相似度矩阵的相似度值进行修正；
[0030] 生成模块，用于根据修正后的相似度矩阵，生成拉普拉斯矩阵；
[0031] 所述处理模块，还用于对生成的拉普拉斯矩阵进行特征分解得到特征值，根据特 征值的大小顺序进行对应特征向量的排列得到特征向量队列；
[0032] 聚类分析模块，用于对所述特征向量队列进行聚类分析得到枢图结果。
[0033] 优选地，所述获取模块，还用于获取所述添加指令对应的枢图辅助点，并获取所述 枢图辅助点对应于所述相似度矩阵中的元素的相似度值；
[0034] 所述修正模块，还用于对获取的相似度值进行修正。
[0035] 优选地，所述图片枢图装置还包括：计算模块，
[0036] 所述获取模块，还用于从所述数据集中获取与所述枢图辅助点对应的点的像素 值；
[0037] 所述计算模块，用于计算得到获取的像素值的平均值；
[0038]所述获取模块，还用于从所述数据集中得到与所述平均值的差值在预设差值范围 内的像素值对应的点；
[0039] 所述处理模块，还用于确定获取的点对应于所述相似度矩阵中的元素的相似度 值；
[0040] 所述修正模块，还用于对确定的相似度进行修正。
[0041] 优选地，所述聚类分析模块包括；聚类单元、标记单元和还原单元，
[0042] 所述聚类单元，用于对所述特征向量队列进行聚类分析，得到2类聚类结果；
[0043] 所述标记单元，用于将所述2类聚类结果分别用不同的颜色进行标记；
[0044] 所述还原单元，用于将其中标记的1类结果还原成与原始图片对应部分的颜色， 得到枢图结果。
[0045]优选地，所述处理模块，还用于将原始图片转换为数据集；计算得到所述数据集中 各个点的尺度参数，并根据所述尺度参数生成数据集的相似度矩阵。
[0046] 本发明通过在枢图过程中添加枢图辅助点，并根据枢图辅助点对输入的原始图片 的相似度矩阵进行修正，根据修正后的相似度矩阵得到用于聚类分析的特征向量队列，通 过聚类分析得到枢图结果。使得在枢图过程中接收用户输入的枢图辅助点，并根据枢图辅 助点自动进行枢图操作，通过添加枢图辅助点，而不完全依靠用户操作实现枢图，在满足用 户预期的枢图效果的同时，使得枢图操作智能化，有效提高了枢图操作的效率和准确性。
【附图说明】
[0047] 图1为本发明图片枢图方法的第一实施例的流程示意图；
[0048] 图2为本发明图片枢图方法的第二实施例的流程示意图；
[0049] 图3为本发明图片枢图方法的第Η实施例的流程示意图；
[0050] 图4为本发明图片枢图方法的第四实施例的流程示意图；
[0051] 图5为本发明图片枢图装置的第一实施例的功能模块示意图；
[0052] 图6为本发明图片枢图装置的第二实施例的功能模块示意图；
[0053] 图7为本发明图片枢图装置的第Η实施例的功能模块示意图。
[0054] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
【具体实施方式】
[0055] 应当理解，此处所描述的具体实施例仅仅用W解释本发明，并不用于限定本发明。
[0056] 本发明提供一种图片枢图方法。
[0057] 参照图1，图1为本发明图片枢图方法的第一实施例的流程示意图。
[005引在一实施例中，所述图片枢图方法包括：
[0059] 步骤S10,将输入的原始图片转换为数据集并得到所述数据集对应的相似度矩 阵；
[0060] 执行本发明技术方案流程的主体可W是终端，也可W是加载在终端上的枢图软 件，所述终端可W是笔记本电脑、pat掌上电脑、台式电脑等电子设备。本实施例优选为所 述终端为执行主体。当需要对图片进行枢图操作时，输入原始图片，终端在接收到输入的原 始图片时，将输入的原始图片转换成一维的灰度图像，用数据集X= |xi，X2,……，xjer° 表示，表示数据集中的点，其中，iE(1，η)，D表示数据的维度，R代表整个实数集，即将 输入的原始图片转换为数据集。所述终端在将输入的原始图片转换为数据集之