圖像處理方法及裝置的制造方法
【專利摘要】本發(fā)明實(shí)施例提供圖像處理方法及裝置。本發(fā)明方案中，用戶通過執(zhí)行第一操作指定代表目標(biāo)圖像的像素點(diǎn)，并執(zhí)行第二操作指定代表背景圖像的像素點(diǎn)，然后智能終端便可以根據(jù)用戶指定的代表目標(biāo)圖像的像素點(diǎn)和代表背景圖像的像素點(diǎn)，進(jìn)行分析建立前景模型和背景模型，從而確定出指定圖像中的目標(biāo)圖像包括的像素點(diǎn)和背景圖像包括的像素點(diǎn)，從而將目標(biāo)圖像從指定圖像中分割出來，實(shí)現(xiàn)了摳圖功能，解決了現(xiàn)有技術(shù)中智能終端中圖像處理功能單一的問題。
【專利說明】
圖像處理方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明實(shí)施例涉及圖像處理技術(shù)領(lǐng)域，尤其涉及圖像處理方法及裝置。
【背景技術(shù)】
[0002] 智能終端(例如智能手機(jī)、平板電腦等)成為人們生活中不可或缺的電子設(shè)備。由 于其攜帶方便，操作人性化深受廣大用戶的喜愛。智能終端中往往會(huì)包含很多圖像，有些是 用戶自己拍攝的，有些圖像是用戶從網(wǎng)絡(luò)下載的。隨著拍攝技術(shù)的發(fā)展和智能終端用戶的 增多，提供越來越多的圖像處理功能，成為智能終端用戶的迫切需求。
[0003] 現(xiàn)有技術(shù)中智能終端提供的圖像處理功能，大多局限于改變圖像的色彩，或者，提 供簡(jiǎn)單的拼圖功能(例如將兩幅圖像拼接到同一畫布上）。除此之外，無法提供其他的圖像 處理功能(例如摳圖功能）。故此，現(xiàn)有技術(shù)中，智能終端提供的圖像處理功能單一。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明實(shí)施例提供圖像處理方法及裝置，用以解決目前智能終端提供的圖像處理 功能單一的問題。
[0005] 本發(fā)明實(shí)施例提供的具體技術(shù)方案如下：
[0006] -方面，本發(fā)明實(shí)施例提供一種圖像處理方法，所述方法包括：
[0007] 獲取用于選取目標(biāo)圖像的像素點(diǎn)的第一操作的第一操作軌跡;并獲取以第一操作 軌跡為基準(zhǔn)的第一預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第一像素點(diǎn)集合;根據(jù)第一像素點(diǎn)集合，構(gòu)建 用于計(jì)算指定圖像中的像素點(diǎn)屬于目標(biāo)圖像的概率的前景模型；以及，
[0008] 獲取用于選取背景圖像的第二操作的第二操作軌跡;并獲取以第二操作軌跡為基 準(zhǔn)的第二預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第二像素點(diǎn)集合;根據(jù)第二像素點(diǎn)集合，構(gòu)建用于計(jì)算 指定圖像中的像素點(diǎn)屬于背景圖像的概率的背景模型；
[0009] 根據(jù)前景模型和背景模型，確定指定圖像中每個(gè)像素點(diǎn)屬于目標(biāo)圖像的概率，以 及屬于背景圖像的概率；
[0010]根據(jù)確定出的屬于目標(biāo)圖像的概率以及屬于背景圖像的概率，進(jìn)行圖像分割，得 到目標(biāo)圖像。
[0011] 另一方面，本發(fā)明提供一種圖像處理裝置，該裝置包括：
[0012] 第一處理模塊，用于獲取用于選取目標(biāo)圖像的像素點(diǎn)的第一操作的第一操作軌 跡;并獲取以第一操作軌跡為基準(zhǔn)的第一預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第一像素點(diǎn)集合;根據(jù) 第一像素點(diǎn)集合，構(gòu)建用于計(jì)算指定圖像中的像素點(diǎn)屬于目標(biāo)圖像的概率的前景模型；
[0013] 第二處理模塊，獲取用于選取背景圖像的第二操作的第二操作軌跡;并獲取以第 二操作軌跡為基準(zhǔn)的第二預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第二像素點(diǎn)集合;根據(jù)第二像素點(diǎn)集 合，構(gòu)建用于計(jì)算指定圖像中的像素點(diǎn)屬于背景圖像的概率的背景模型；
[0014] 分類模塊，用于根據(jù)前景模型和背景模型，確定指定圖像中每個(gè)像素點(diǎn)屬于目標(biāo) 圖像的概率，以及屬于背景圖像的概率；
[0015] 分割模塊，用于根據(jù)確定出的屬于目標(biāo)圖像的概率以及屬于背景圖像的概率，進(jìn) 行圖像分割，得到目標(biāo)圖像。
[0016] 本發(fā)明有益效果包括:本發(fā)明實(shí)施例中，智能終端獲取用于選取目標(biāo)圖像的像素 點(diǎn)的第一操作的第一操作軌跡;并獲取以第一操作軌跡為基準(zhǔn)的第一預(yù)設(shè)范圍內(nèi)的像素 點(diǎn)，組成第一像素點(diǎn)集合;根據(jù)第一像素點(diǎn)集合，構(gòu)建用于計(jì)算指定圖像中的像素點(diǎn)屬于目 標(biāo)圖像的概率的前景模型；以及，獲取用于選取背景圖像的第二操作的第二操作軌跡;并獲 取以第二操作軌跡為基準(zhǔn)的第二預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第二像素點(diǎn)集合;根據(jù)第二像 素點(diǎn)集合，構(gòu)建用于計(jì)算指定圖像中的像素點(diǎn)屬于背景圖像的概率的背景模型;根據(jù)前景 模型和背景模型，確定指定圖像中每個(gè)像素點(diǎn)屬于目標(biāo)圖像的概率，以及屬于背景圖像的 概率;根據(jù)確定出的屬于目標(biāo)圖像的概率以及屬于背景圖像的概率，進(jìn)行圖像分割，得到目 標(biāo)圖像。這樣，本發(fā)明實(shí)施例中，用戶通過執(zhí)行第一操作指定代表目標(biāo)圖像的像素點(diǎn)，并執(zhí) 行第二操作指定代表背景圖像的像素點(diǎn)，然后智能終端便可以根據(jù)用戶指定的代表目標(biāo)圖 像的像素點(diǎn)和代表背景圖像的像素點(diǎn)，進(jìn)行分析建立前景模型和背景模型，從而確定出指 定圖像中的目標(biāo)圖像包括的像素點(diǎn)和背景圖像包括的像素點(diǎn)，從而將目標(biāo)圖像從指定圖像 中分割出來，實(shí)現(xiàn)了摳圖功能，解決了現(xiàn)有技術(shù)中智能終端中圖像處理功能單一的問題。
【附圖說明】
[0017] 圖1為本發(fā)明實(shí)施例一中的圖像處理方法的流程示意圖；
[0018] 圖2為本發(fā)明實(shí)施例一中的圖像融合后邊界明顯的示意圖；
[0019] 圖3為本發(fā)明實(shí)施例一中的圖像融合后邊界平滑的示意圖；
[0020] 圖4為本發(fā)明實(shí)施例二中的圖像處理方法的流程示意圖；
[0021] 圖5為本發(fā)明實(shí)施例二中的圖像處理方法的指定圖像及操作軌跡的示意圖；
[0022] 圖6為本發(fā)明實(shí)施例二中的預(yù)先選定的圖像的示意圖；
[0023] 圖7為本發(fā)明實(shí)施例二中的圖像融合后的效果圖；
[0024]圖8為本發(fā)明實(shí)施例三中的圖像處理裝置的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0025]為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例 中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是 本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員 在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0026]本發(fā)明實(shí)施例中，使得智能終端能夠提供自動(dòng)摳圖功能，具體的：智能終端獲取用 于選取目標(biāo)圖像的像素點(diǎn)的第一操作的第一操作軌跡;并獲取以第一操作軌跡為基準(zhǔn)的第 一預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第一像素點(diǎn)集合;根據(jù)第一像素點(diǎn)集合，構(gòu)建用于計(jì)算指定圖 像中的像素點(diǎn)屬于目標(biāo)圖像的概率的前景模型；以及，獲取用于選取背景圖像的第二操作 的第二操作軌跡;并獲取以第二操作軌跡為基準(zhǔn)的第二預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第二像 素點(diǎn)集合;根據(jù)第二像素點(diǎn)集合，構(gòu)建用于計(jì)算指定圖像中的像素點(diǎn)屬于背景圖像的概率 的背景模型;根據(jù)前景模型和背景模型，確定指定圖像中每個(gè)像素點(diǎn)屬于目標(biāo)圖像的概率， 以及屬于背景圖像的概率;根據(jù)確定出的屬于目標(biāo)圖像的概率以及屬于背景圖像的概率， 進(jìn)行圖像分割，得到目標(biāo)圖像。這樣，本發(fā)明實(shí)施例中，用戶通過執(zhí)行第一操作指定代表目 標(biāo)圖像的像素點(diǎn)，并執(zhí)行第二操作指定代表背景圖像的像素點(diǎn)，然后智能終端便可以根據(jù) 用戶指定的代表目標(biāo)圖像的像素點(diǎn)和代表背景圖像的像素點(diǎn)，進(jìn)行分析建立前景模型和背 景模型，從而確定出指定圖像中的目標(biāo)圖像包括的像素點(diǎn)和背景圖像包括的像素點(diǎn)，從而 將目標(biāo)圖像從指定圖像中分割出來，實(shí)現(xiàn)了摳圖功能，解決了現(xiàn)有技術(shù)中智能終端中圖像 處理功能單一的問題。
[0027]此外，本發(fā)明實(shí)施例還可以將摳圖獲得的目標(biāo)圖像融合到另一圖像中，從而進(jìn)一 步增加了智能終端的圖像處理功能。
[0028]為便于進(jìn)一步理解，下面對(duì)本發(fā)明實(shí)施例提供的圖像處理功能作進(jìn)一步說明。
[0029] 實(shí)施例一
[0030] 如圖1所示，為本發(fā)明實(shí)施例提供的圖像處理方法的流程示意圖，該方法包括：
[0031] 步驟101:獲取用于選取目標(biāo)圖像的像素點(diǎn)的第一操作的第一操作軌跡;并獲取以 第一操作軌跡為基準(zhǔn)的第一預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第一像素點(diǎn)集合;根據(jù)第一像素點(diǎn) 集合，構(gòu)建用于計(jì)算指定圖像中的像素點(diǎn)屬于目標(biāo)圖像的概率的前景模型。
[0032]其中，在一個(gè)實(shí)施例中，第一預(yù)設(shè)范圍例如是以第一操作軌跡上的點(diǎn)的預(yù)設(shè)鄰域， 該預(yù)設(shè)鄰域例如是4鄰域、8鄰域等。同理，第二預(yù)設(shè)范圍例如是以第二操作軌跡上的點(diǎn)的預(yù) 設(shè)鄰域。
[0033] 其中，在一個(gè)實(shí)施例中，第一預(yù)設(shè)范圍還可以是第一操作軌跡為基準(zhǔn)，將第一操作 軌跡擴(kuò)大預(yù)設(shè)像素個(gè)數(shù)的距離。例如，將第一操作軌跡加粗?jǐn)U大5-10個(gè)像素后得到的擴(kuò)大 后的第一操作軌跡為第一預(yù)設(shè)范圍。第二預(yù)設(shè)范圍依照同樣的方法處理，本發(fā)明實(shí)施例在 此不再贅述。
[0034] 需要說明的是，具體實(shí)施時(shí)，第一預(yù)設(shè)范圍和第二預(yù)設(shè)范圍可以相同也可以不同。
[0035] 其中，在一個(gè)實(shí)施例中，智能終端可以在獲取到表示進(jìn)行摳圖的摳圖指令后，再執(zhí) 行步驟101。獲取到表示進(jìn)行摳圖的摳圖指令，具體包括以下中的任一種方法：
[0036] 方法1、檢測(cè)到對(duì)指定圖像的預(yù)設(shè)操作，該預(yù)設(shè)操作例如是在指定圖像上繪制預(yù)設(shè) 圖形、或者是將指定圖像向上或向下移動(dòng)等。具體的預(yù)設(shè)操作可以根據(jù)實(shí)際需要設(shè)定，本發(fā) 明對(duì)此不做限定。
[0037] 方法2、檢測(cè)到對(duì)設(shè)定摳圖功能鍵的選擇操作，具體的，智能終端顯示指定圖像時(shí)， 可以同時(shí)顯示摳圖功能鍵，這樣，便于用戶選擇該功能鍵后，確定用戶進(jìn)行摳圖操作。
[0038] 當(dāng)然，具體實(shí)施時(shí)，也可以沒有摳圖指令，只要檢測(cè)到第一操作和第二操作便執(zhí)行 本發(fā)明提供的方案即可，本發(fā)明對(duì)此不做限定。
[0039] 步驟102:獲取用于選取背景圖像的第二操作的第二操作軌跡;并獲取以第二操作 軌跡為基準(zhǔn)的第二預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第二像素點(diǎn)集合;根據(jù)第二像素點(diǎn)集合，構(gòu)建 用于計(jì)算指定圖像中的像素點(diǎn)屬于背景圖像的概率的背景模型。
[0040] 其中，在一個(gè)實(shí)施例中，步驟101和步驟102的執(zhí)行順序不受限。
[0041] 步驟103:根據(jù)前景模型和背景模型，確定指定圖像中每個(gè)像素點(diǎn)屬于目標(biāo)圖像的 概率，以及屬于背景圖像的概率。
[0042] 步驟104:根據(jù)確定出的屬于目標(biāo)圖像的概率以及屬于背景圖像的概率，進(jìn)行圖像 分割，得到目標(biāo)圖像。
[0043] 其中，在一個(gè)實(shí)施例中，針對(duì)任一像素點(diǎn)，若該像素點(diǎn)屬于目標(biāo)圖像的概率大于屬 于背景圖像的概率，則將該像素點(diǎn)視為屬于目標(biāo)圖像的像素點(diǎn);或者，
[0044] 針對(duì)任一像素點(diǎn)，若該像素點(diǎn)屬于目標(biāo)圖像的概率大于預(yù)設(shè)概率，則將該像素點(diǎn) 視為屬于目標(biāo)圖像的像素點(diǎn);或者，
[0045] 針對(duì)任一像素點(diǎn)，若該像素點(diǎn)屬于目標(biāo)圖像的概率與屬于背景圖像的概率的比值 大于預(yù)設(shè)比值，則將該像素點(diǎn)視為屬于目標(biāo)圖像的像素點(diǎn);或者，
[0046] 針對(duì)任一像素點(diǎn)，若該像素點(diǎn)屬于目標(biāo)圖像的概率減去屬于背景圖像的概率的差 值大于預(yù)設(shè)差值，則將該像素點(diǎn)視為屬于目標(biāo)圖像的像素點(diǎn)。
[0047] 當(dāng)然，具體實(shí)施時(shí)，可以根據(jù)實(shí)際需要確定那些點(diǎn)屬于目標(biāo)圖像，本發(fā)明實(shí)施例對(duì) 此不做限定。
[0048]為便于進(jìn)一步理解，下面對(duì)本發(fā)明實(shí)施例提供的圖像處理方法做進(jìn)一步說明，包 括以下內(nèi)容：
[0049]其中，在一個(gè)實(shí)施例中，步驟101中根據(jù)第一像素點(diǎn)集合，構(gòu)建用于計(jì)算指定圖像 中的像素點(diǎn)屬于目標(biāo)圖像的概率的前景模型，具體包括：
[0050] 步驟Al:根據(jù)第一像素點(diǎn)集合中各像素點(diǎn)的顏色值進(jìn)行聚類分析，獲取至少一個(gè) 第一類別。
[0051] 其中，在一個(gè)實(shí)施例中，具體實(shí)施時(shí)，可以將色差小于預(yù)設(shè)色差的像素點(diǎn)歸為一 類，或者將第一像素點(diǎn)集合劃分為預(yù)設(shè)個(gè)數(shù)的第一類別。聚類分析方法可以根據(jù)現(xiàn)有技術(shù) 確定，本發(fā)明對(duì)此不做限定。
[0052]步驟A2:針對(duì)每個(gè)第一類別，獲取該第一類別對(duì)應(yīng)的第一權(quán)值，并根據(jù)該第一類別 中每個(gè)像素點(diǎn)的顏色值，確定第一高斯分布模型。
[0053]其中，在一個(gè)實(shí)施例中，可以根據(jù)以下方法之一確定第一權(quán)值：
[0054] 方法1)、將該第一類別中包括的像素點(diǎn)的數(shù)量與第一像素點(diǎn)集合中像素點(diǎn)的數(shù)量 的比值，作為該第一類別對(duì)應(yīng)的第一權(quán)值。
[0055] 例如，第一類別A中包括10個(gè)像素點(diǎn)，第一像素點(diǎn)集合中包括100個(gè)像素點(diǎn)，則第一 類別A對(duì)應(yīng)的第一權(quán)值為0.1 (即10/100)。
[0056] 方法2)、計(jì)算每個(gè)第一類別中包括像素點(diǎn)的平均色差，并計(jì)算所有第一類別的平 均色差的和值;針對(duì)每個(gè)第一類別，將該和值減去該第一類別的平均色差得到差值，將該差 值與該和值的比值作為該第一類別對(duì)應(yīng)的第一權(quán)值。
[0057] 例如，第一像素點(diǎn)集合進(jìn)行聚類分析后共獲得3個(gè)第一類別，分別編號(hào)為類別1、類 另IJ2和類別3。類別1包括的像素點(diǎn)的平均色差為a、類別2包括的像素點(diǎn)的平均色差為b、類別 3包括的像素點(diǎn)的平均色差為c、則和值為(a+b+c)(即為H)，對(duì)于類別1，其對(duì)應(yīng)的第一權(quán)值 為(H-a) /H。同理，對(duì)于類別2，其對(duì)應(yīng)的第一權(quán)值為(H-b) /H;對(duì)于類別3，其對(duì)應(yīng)的第一權(quán)值 為(H_c)/H。
[0058] 當(dāng)然，具體實(shí)施時(shí)，可以根據(jù)現(xiàn)有技術(shù)中其他方法設(shè)置每個(gè)第一類別對(duì)應(yīng)的第一 權(quán)值(即確定每個(gè)高斯分布模型對(duì)應(yīng)的權(quán)值），本發(fā)明實(shí)施例對(duì)此不做限定。
[0059] 其中，在一個(gè)實(shí)施例中，確定高斯分布模型即確定高斯分布的均值和方差，具體實(shí) 施時(shí)可以采用最大似然估計(jì)方法，確定高斯分布模型的均值和方差，也可以根據(jù)現(xiàn)有技術(shù) 方法確定，本發(fā)明對(duì)此不做限定。
[0060] 步驟A3:根據(jù)確定的各第一高斯分布模型以及獲取的各第一權(quán)值，通過加權(quán)求和 的方式確定前景模型。
[0061] 根據(jù)以下公式(1)確定前景模塊：
[0062] /' = Yi(AiX^oi) ( ? ) ?=1
[0063] 其中，在公式（1)中，f表示前景模型；i表示第i個(gè)第一類別;λ表示第i個(gè)第一類別 對(duì)應(yīng)的第一權(quán)值;資表不第i個(gè)第一類別對(duì)應(yīng)的高斯分布模型。
[0064] 同理，根據(jù)相同的方法構(gòu)建背景模型，具體的，步驟102中構(gòu)建用于計(jì)算指定圖像 中的像素點(diǎn)屬于背景圖像的概率的背景模型，具體包括以下步驟：
[0065] 步驟BI:根據(jù)第二像素點(diǎn)集合中各像素點(diǎn)的顏色值進(jìn)行聚類分析，獲取至少一個(gè) 第二類別。
[0066] 步驟B2:針對(duì)每個(gè)第二類別，獲取該第二類別對(duì)應(yīng)的第二權(quán)值，并根據(jù)該第二類別 中每個(gè)像素點(diǎn)的顏色值，確定第二高斯分布模型。
[0067] 其中，在一個(gè)實(shí)施例中，將該第二類別中包括的像素點(diǎn)的數(shù)量與第二像素點(diǎn)集合 中像素點(diǎn)的數(shù)量的比值，作為該第二類別對(duì)應(yīng)的第二權(quán)值。也可以參照上述方法步驟Al中 的方法確定第二權(quán)值。
[0068]步驟B3:根據(jù)確定的各第二高斯分布模型以及獲取的各第二權(quán)值，通過加權(quán)求和 的方式確定背景模型。
[0069] 具體的，各步驟的說明參見上述步驟Al-步驟A3,在此不再贅述。
[0070] 這樣，本發(fā)明實(shí)施例中，是通過構(gòu)建包括多個(gè)高斯分布模型的方法，來確定前景模 型和背景模型，這樣獲得的前景模型和背景模型，不僅適用于顏色分布比較單一的圖像(例 如僅包括海洋和太陽的圖像），也適用于顏色分別比較復(fù)雜的圖像(例如，有很多顏色不同 樣式各異的花草的圖像）。故此，通過構(gòu)建多個(gè)高斯分布模型確定的前景模型和背景模型能 夠更好的分別出哪些像素點(diǎn)屬于目標(biāo)圖像，哪些像素點(diǎn)屬于背景圖像，能夠提高確定目標(biāo) 圖像的準(zhǔn)確性。
[0071] 其中，在一個(gè)實(shí)施例中，也可以采用現(xiàn)有技術(shù)的建模方法確定前景模型和背景模 型，本發(fā)明對(duì)此不做限定。
[0072] 其中，在一個(gè)實(shí)施例中，若僅根據(jù)前景模型和背景模型確定出目標(biāo)圖像，則由于前 景模型和背景模型給出的僅是一個(gè)概率，有些像素點(diǎn)屬于目標(biāo)圖像的概率和屬于背景圖像 的概率相差不多，這時(shí)候，很容易導(dǎo)致誤判這些像素點(diǎn)點(diǎn)到底屬于目標(biāo)圖像還是背景圖像， 導(dǎo)致僅根據(jù)根據(jù)確定出的屬于目標(biāo)圖像的像素點(diǎn)以及屬于背景圖像的像素點(diǎn)，進(jìn)行圖像分 割得到的目標(biāo)圖像不夠準(zhǔn)確。本發(fā)明實(shí)施例中，為了提高確定分割目標(biāo)圖像的準(zhǔn)確性，步驟 1〇4(即根據(jù)確定出的屬于目標(biāo)圖像的概率以及屬于背景圖像的概率，進(jìn)行圖像分割，得到 目標(biāo)圖像），具體可以包括以下步驟：
[0073]步驟Cl:將指定圖像中每個(gè)像素點(diǎn)視為圖的一個(gè)頂點(diǎn)；并將在指定圖像中位置相 鄰的像素點(diǎn)連接，組成該圖的一條邊，并將該條邊上兩個(gè)像素點(diǎn)的顏色相似度作為該條邊 對(duì)應(yīng)的權(quán)重。
[0074] 其中，顏色相似度可以根據(jù)以下方法計(jì)算：
[0075] 首先，計(jì)算兩個(gè)像素點(diǎn)的色差，用100減去該色差得到的結(jié)果再除以100所得到的 比值作為顏色相似度，例如色差為60,用100減去60得到40,用40除以100得到0.4,則該邊的 權(quán)重為0.4。當(dāng)然，具體實(shí)施時(shí)也可以不用100而用其他數(shù)值，本發(fā)明對(duì)此不做限定。
[0076] 顏色相似度用于表示兩個(gè)像素點(diǎn)的顏色的相似程度，可以采用其他方法計(jì)算顏色 相似度，本發(fā)明對(duì)此不做限定。
[0077] 步驟C2:針對(duì)每個(gè)在第一操作軌跡上的像素點(diǎn)或在第一操作軌跡為基準(zhǔn)的第一預(yù) 設(shè)范圍內(nèi)的像素點(diǎn)，將該像素點(diǎn)與指定源點(diǎn)連接組成該圖的一條邊;并，將該像素點(diǎn)屬于目 標(biāo)圖像的概率作為該條邊對(duì)應(yīng)的權(quán)重。
[0078] 步驟C3:針對(duì)每個(gè)在第二操作軌跡上的像素點(diǎn)或在第二操作軌跡為基準(zhǔn)的第二預(yù) 設(shè)范圍內(nèi)的像素點(diǎn)，將該像素點(diǎn)與指定終點(diǎn)連接，組成該圖的一條邊;并，將該像素點(diǎn)屬于 背景圖像的概率作為該條邊對(duì)應(yīng)的權(quán)重。
[0079] 其中，步驟Cl-步驟C3的執(zhí)行順序不受限。
[0080] 步驟C4:根據(jù)最大流最小割算法以及各邊對(duì)應(yīng)的權(quán)重，求所述圖形的最小割。
[0081] 其中，在一個(gè)實(shí)施例中，指定源點(diǎn)和指定終點(diǎn)之間有多條路徑，每條路徑包括多條 邊，如果把圖中的一些邊去掉，剛好讓指定源點(diǎn)和指定終點(diǎn)之間無法連通的話，這些被去掉 的邊組成的集合就叫做割（即每個(gè)割中包括至少一條邊），最小割就是指所有割中權(quán)重之和 最小的一個(gè)割。
[0082] 步驟C6:將由最小割對(duì)應(yīng)的邊作為目標(biāo)圖像與背景圖像的分界線，從指定圖像中 分割出目標(biāo)圖像。
[0083] 這樣，通過最大流最小割算法，由最小割對(duì)應(yīng)的邊構(gòu)成的邊界作為目標(biāo)圖像與背 景圖像的分界線，能夠進(jìn)一步提高確定目標(biāo)圖像的準(zhǔn)確性，從而使得摳圖得到的目標(biāo)圖像 更加準(zhǔn)確。
[0084] 其中，在一個(gè)實(shí)施例中，執(zhí)行步驟104得到目標(biāo)圖像之后，本發(fā)明實(shí)施例為了便于 增加智能終端的圖像處理功能，還可以根據(jù)圖像融合算法，將目標(biāo)圖像融合到預(yù)先選定的 圖像中。例如，摳圖得到的目標(biāo)圖像為太陽，則可以將該太陽融合到拍攝海洋得到的圖像 中，構(gòu)成一幅包括海洋和太陽的圖像。
[0085] 其中，在一個(gè)實(shí)施例中，將目標(biāo)圖像融合到預(yù)先選定的圖像中，有時(shí)候目標(biāo)圖像融 合到預(yù)先選定的圖像之間的邊界會(huì)比較明顯，人眼能夠識(shí)別，這就給人感覺融合的圖像不 自然。例如如圖2所示，摳圖得到的目標(biāo)圖像為太陽，將太陽融合到圖2中的右圖，會(huì)明顯感 覺太陽和背景之間有邊界，導(dǎo)致融合效果差。故此，本發(fā)明實(shí)施例中，為了提高融合后得到 圖像的圖像質(zhì)量，使摳圖得到的圖像與預(yù)先選定的圖像之間的平滑過渡，圖像融合算法包 括以下中的任一種:泊松融合、隨機(jī)游走融合、貝葉斯融合等。
[0086] 例如，繼續(xù)上面的例子，圖2中通過泊松融合得到的圖像如圖3所示，由圖3可以看 出，最終融合得到的圖像中，目標(biāo)圖像與背景之間平滑過渡，圖像顯得比較自然。
[0087] 綜上，本發(fā)明實(shí)施例中，使得智能終端能夠提供摳圖功能，豐富了智能終端的圖像 處理功能。
[0088] 此外，本發(fā)明實(shí)施例中，還可以進(jìn)行摳圖得到目標(biāo)圖像后將目標(biāo)圖像融合到另一 圖像中，實(shí)現(xiàn)了圖像融合，使得智能終端提供的圖像處理功能更加豐富。
[0089] 實(shí)施例二
[0090] 這里以智能手機(jī)為例，第一操作為畫曲線，第二操作也為畫曲線為例，對(duì)本發(fā)明實(shí) 施例提供的圖像處理方法作進(jìn)一步說明。具體的，如圖4所示，該方法包括以下步驟：
[0091 ]步驟401:智能手機(jī)獲取到表示進(jìn)行摳圖的摳圖指令后，獲取用于選取目標(biāo)圖像的 像素點(diǎn)的第一操作的第一操作軌跡;并獲取用于選取背景圖像的第二操作的第二操作軌 跡。
[0092]例如，圖5所示為指定圖像，圖5中的多邊形為目標(biāo)圖像，用戶可以在該多邊形中畫 第一條曲線(如501)，該曲線的軌跡即為第一操作軌跡。用戶可以在背景圖像中畫第二條曲 線和第三條曲線(如502)，這兩條曲線的軌跡即為第二操作軌跡。
[0093]步驟402:獲取以第一操作軌跡為基準(zhǔn)的第一預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第一像素 點(diǎn)集合;并，獲取以第二操作軌跡為基準(zhǔn)的第二預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第二像素點(diǎn)集 合。
[0094]步驟403:根據(jù)第一像素點(diǎn)集合中各像素點(diǎn)的顏色值進(jìn)行聚類分析，獲取至少一個(gè) 第一類別;針對(duì)每個(gè)第一類別，獲取該第一類別對(duì)應(yīng)的第一權(quán)值，并根據(jù)該第一類別中每個(gè) 像素點(diǎn)的顏色值，確定第一高斯分布模型;根據(jù)確定的各第一高斯分布模型以及獲取的各 第一權(quán)值，通過加權(quán)求和的方式確定前景模型。
[0095]步驟404:根據(jù)第二像素點(diǎn)集合中各像素點(diǎn)的顏色值進(jìn)行聚類分析，獲取至少一個(gè) 第二類別;針對(duì)每個(gè)第二類別，獲取該第二類別對(duì)應(yīng)的第二權(quán)值，并根據(jù)該第二類別中每個(gè) 像素點(diǎn)的顏色值，確定第二高斯分布模型;根據(jù)確定的各第二高斯分布模型以及獲取的各 第二權(quán)值，通過加權(quán)求和的方式確定背景模型。
[0096]其中，步驟403與步驟404的執(zhí)行順序不受限。
[0097] 步驟405:根據(jù)前景模型和背景模型，確定指定圖像中每個(gè)像素點(diǎn)屬于目標(biāo)圖像的 概率，以及屬于背景圖像的概率。
[0098] 步驟406:將指定圖像中每個(gè)像素點(diǎn)視為圖的一個(gè)頂點(diǎn);并將在指定圖像中位置相 鄰的像素點(diǎn)連接，組成該圖的一條邊，并將該條邊上兩個(gè)像素點(diǎn)的顏色相似度作為該條邊 對(duì)應(yīng)的權(quán)重。
[00"]步驟407:針對(duì)每個(gè)在第一操作軌跡上的像素點(diǎn)或在第一操作軌跡為基準(zhǔn)的第一 預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，將該像素點(diǎn)與指定源點(diǎn)連接組成該圖的一條邊;并，將該像素點(diǎn)屬于 目標(biāo)圖像的概率作為該條邊對(duì)應(yīng)的權(quán)重。
[0100]步驟408:針對(duì)每個(gè)在第二操作軌跡上的像素點(diǎn)或在第二操作軌跡為基準(zhǔn)的第二 預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，將該像素點(diǎn)與指定終點(diǎn)連接，組成該圖的一條邊;并，將該像素點(diǎn)屬 于背景圖像的概率作為該條邊對(duì)應(yīng)的權(quán)重。
[0101] 其中，步驟406、步驟407與步驟408的執(zhí)行順序不受限。
[0102]步驟409:根據(jù)最大流最小割算法以及各邊對(duì)應(yīng)的權(quán)重，求所述圖的最小割。
[0103]步驟410:將由最小割對(duì)應(yīng)的邊作為目標(biāo)圖像與背景圖像的分界線，從指定圖像中 分割出目標(biāo)圖像。
[0104] 步驟411:根據(jù)圖像融合算法，將目標(biāo)圖像融合到預(yù)先選定的圖像中。
[0105] 其中，在一個(gè)實(shí)施例中可以將目標(biāo)圖像融合到預(yù)先選定的圖像中的預(yù)設(shè)位置。
[0106] 例如，將從圖5得到的多邊形，融合到圖6中的圓形中得到圖7所示的圖像。
[0107] 綜上，本發(fā)明實(shí)施例中，使得智能手機(jī)能夠提供摳圖以及融合圖像的功能，擴(kuò)展了 智能手機(jī)的圖像處理功能。便于用于根據(jù)自己的喜好處理圖像。
[0108] 實(shí)施例三
[0109] 基于相同的發(fā)明構(gòu)思，本發(fā)明實(shí)施例還提供一種圖像處理裝置，如圖8所示，所述 裝置包括：
[0110]第一處理模塊801，用于獲取用于選取目標(biāo)圖像的像素點(diǎn)的第一操作的第一操作 軌跡;并獲取以第一操作軌跡為基準(zhǔn)的第一預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第一像素點(diǎn)集合;根 據(jù)第一像素點(diǎn)集合，構(gòu)建用于計(jì)算指定圖像中的像素點(diǎn)屬于目標(biāo)圖像的概率的前景模型； [0111]第二處理模塊802,獲取用于選取背景圖像的第二操作的第二操作軌跡;并獲取以 第二操作軌跡為基準(zhǔn)的第二預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第二像素點(diǎn)集合;根據(jù)第二像素點(diǎn) 集合，構(gòu)建用于計(jì)算指定圖像中的像素點(diǎn)屬于背景圖像的概率的背景模型；
[0112] 分類模塊803,用于根據(jù)前景模型和背景模型，確定指定圖像中每個(gè)像素點(diǎn)屬于目 標(biāo)圖像的概率，以及屬于背景圖像的概率；
[0113] 分割模塊804,用于根據(jù)確定出的屬于目標(biāo)圖像的概率以及屬于背景圖像的概率， 進(jìn)行圖像分割，得到目標(biāo)圖像。
[0114] 其中，在一個(gè)實(shí)施例中，第一處理模塊，具體包括：
[0115] 第一聚類單元，用于根據(jù)第一像素點(diǎn)集合中各像素點(diǎn)的顏色值進(jìn)行聚類分析，獲 取至少一個(gè)第一類別；
[0116] 第一高斯模型確定單元，用于針對(duì)每個(gè)第一類別，獲取該第一類別對(duì)應(yīng)的第一權(quán) 值，并根據(jù)該第一類別中每個(gè)像素點(diǎn)的顏色值，確定第一高斯分布模型；
[0117]前景模型確定單元，用于根據(jù)確定的各第一高斯分布模型以及獲取的各第一權(quán) 值，通過加權(quán)求和的方式確定前景模型；
[0118] 第二處理模塊，具體包括：
[0119] 第二聚類單元，用于根據(jù)第二像素點(diǎn)集合中各像素點(diǎn)的顏色值進(jìn)行聚類分析，獲 取至少一個(gè)第二類別；
[0120] 第二高斯模型確定單元，針對(duì)每個(gè)第二類別，獲取該第二類別對(duì)應(yīng)的第二權(quán)值，并 根據(jù)該第二類別中每個(gè)像素點(diǎn)的顏色值，確定第二高斯分布模型；
[0121] 背景模型確定單元，用于根據(jù)確定的各第二高斯分布模型以及獲取的各第二權(quán) 值，通過加權(quán)求和的方式確定背景模型。
[0122] 其中，在一個(gè)實(shí)施例中，第一高斯模型確定單元，具體用于:將該第一類別中包括 的像素點(diǎn)的數(shù)量與第一像素點(diǎn)集合中像素點(diǎn)的數(shù)量的比值，作為該第一類別對(duì)應(yīng)的第一權(quán) 值；
[0123] 第二高斯模型確定單元，具體用于:將該第二類別中包括的像素點(diǎn)的數(shù)量與第二 像素點(diǎn)集合中像素點(diǎn)的數(shù)量的比值，作為該第二類別對(duì)應(yīng)的第二權(quán)值。
[0124] 其中，在一個(gè)實(shí)施例中，分割模塊，具體包括：
[0125] 第一邊確定單元，用于將指定圖像中每個(gè)像素點(diǎn)視為圖的一個(gè)頂點(diǎn)；并將在指定 圖像中位置相鄰的像素點(diǎn)連接，組成該圖的一條邊，并將該條邊上兩個(gè)像素點(diǎn)的顏色相似 度作為該條邊對(duì)應(yīng)的權(quán)重；
[0126] 第二邊確定單元，用于針對(duì)每個(gè)在第一操作軌跡上的像素點(diǎn)或在第一操作軌跡為 基準(zhǔn)的第一預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，將該像素點(diǎn)與指定源點(diǎn)連接組成該圖的一條邊;并，將該 像素點(diǎn)屬于目標(biāo)圖像的概率作為該條邊對(duì)應(yīng)的權(quán)重；
[0127] 第三邊確定單元，用于針對(duì)每個(gè)在第二操作軌跡上的像素點(diǎn)或在第二操作軌跡為 基準(zhǔn)的第二預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，將該像素點(diǎn)與指定終點(diǎn)連接，組成該圖的一條邊;并，將 該像素點(diǎn)屬于背景圖像的概率作為該條邊對(duì)應(yīng)的權(quán)重；
[0128] 最小割確定單元，用于根據(jù)最大流最小割算法以及各邊對(duì)應(yīng)的權(quán)重，求所述圖的 最小割；
[0129] 分割單元，用于將由最小割對(duì)應(yīng)的邊作為目標(biāo)圖像與背景圖像的分界線，從指定 圖像中分割出目標(biāo)圖像。
[0130] 其中，在一個(gè)實(shí)施例中，所述裝置還包括：
[0131] 融合模塊，用于分割模塊根據(jù)確定出的屬于目標(biāo)圖像的概率以及屬于背景圖像的 概率，進(jìn)行圖像分割，得到目標(biāo)圖像之后，根據(jù)圖像融合算法，將目標(biāo)圖像融合到預(yù)先選定 的圖像中。
[0132] 其中，在一個(gè)實(shí)施例中，圖像融合算法包括以下中的任一種：泊松融合、隨機(jī)游走 融合、貝葉斯融合。
[0133] 綜上，本發(fā)明提供的圖像處理裝置，提供摳圖功能，豐富了圖像處理功能。
[0134] 以上所描述的裝置實(shí)施例僅僅是示意性的，其中所述作為分離部件說明的單元可 以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單 元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上。可以根據(jù)實(shí)際的需要選擇其 中的部分或者全部模塊來實(shí)現(xiàn)本實(shí)施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性 的勞動(dòng)的情況下，即可以理解并實(shí)施。
[0135] 通過以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到各實(shí)施方式可 借助軟件加必需的通用硬件平臺(tái)的方式來實(shí)現(xiàn)，當(dāng)然也可以通過硬件?；谶@樣的理解，上 述技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該 計(jì)算機(jī)軟件產(chǎn)品可以存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，如R0M/RAM、磁碟、光盤等，包括若干指 令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行各個(gè)實(shí)施 例或者實(shí)施例的某些部分所述的方法。
[0136] 最后應(yīng)說明的是：以上實(shí)施例僅用以說明本發(fā)明實(shí)施例的技術(shù)方案，而非對(duì)其限 制;盡管參照前述實(shí)施例對(duì)本發(fā)明實(shí)施例進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng) 理解:其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征 進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明實(shí)施例各實(shí) 施例技術(shù)方案的精神和范圍。
【主權(quán)項(xiàng)】
1. 一種圖像處理方法，其特征在于，所述方法包括： 獲取用于選取目標(biāo)圖像的像素點(diǎn)的第一操作的第一操作軌跡;并獲取以第一操作軌跡 為基準(zhǔn)的第一預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第一像素點(diǎn)集合;根據(jù)第一像素點(diǎn)集合，構(gòu)建用于 計(jì)算指定圖像中的像素點(diǎn)屬于目標(biāo)圖像的概率的前景模型；以及， 獲取用于選取背景圖像的第二操作的第二操作軌跡;并獲取以第二操作軌跡為基準(zhǔn)的 第二預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第二像素點(diǎn)集合;根據(jù)第二像素點(diǎn)集合，構(gòu)建用于計(jì)算指定 圖像中的像素點(diǎn)屬于背景圖像的概率的背景模型； 根據(jù)前景模型和背景模型，確定指定圖像中每個(gè)像素點(diǎn)屬于目標(biāo)圖像的概率，以及屬 于背景圖像的概率； 根據(jù)確定出的屬于目標(biāo)圖像的概率以及屬于背景圖像的概率，進(jìn)行圖像分割，得到目 標(biāo)圖像。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)第一像素點(diǎn)集合，構(gòu)建用于計(jì)算指定 圖像中的像素點(diǎn)屬于目標(biāo)圖像的概率的前景模型，具體包括： 根據(jù)第一像素點(diǎn)集合中各像素點(diǎn)的顏色值進(jìn)行聚類分析，獲取至少一個(gè)第一類別； 針對(duì)每個(gè)第一類別，獲取該第一類別對(duì)應(yīng)的第一權(quán)值，并根據(jù)該第一類別中每個(gè)像素 點(diǎn)的顏色值，確定第一高斯分布模型； 根據(jù)確定的各第一高斯分布模型以及獲取的各第一權(quán)值，通過加權(quán)求和的方式確定前 景模型； 構(gòu)建用于計(jì)算指定圖像中的像素點(diǎn)屬于背景圖像的概率的背景模型，具體包括： 根據(jù)第二像素點(diǎn)集合中各像素點(diǎn)的顏色值進(jìn)行聚類分析，獲取至少一個(gè)第二類別； 針對(duì)每個(gè)第二類別，獲取該第二類別對(duì)應(yīng)的第二權(quán)值，并根據(jù)該第二類別中每個(gè)像素 點(diǎn)的顏色值，確定第二高斯分布模型； 根據(jù)確定的各第二高斯分布模型以及獲取的各第二權(quán)值，通過加權(quán)求和的方式確定背 景模型。3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，針對(duì)每個(gè)第一類別，獲取該第一類別對(duì)應(yīng) 的第一權(quán)值，具體包括： 將該第一類別中包括的像素點(diǎn)的數(shù)量與第一像素點(diǎn)集合中像素點(diǎn)的數(shù)量的比值，作為 該第一類別對(duì)應(yīng)的第一權(quán)值； 針對(duì)每個(gè)第二類別，獲取該第二類別對(duì)應(yīng)的第二權(quán)值，具體包括： 將該第二類別中包括的像素點(diǎn)的數(shù)量與第二像素點(diǎn)集合中像素點(diǎn)的數(shù)量的比值，作為 該第二類別對(duì)應(yīng)的第二權(quán)值。4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)確定出的屬于目標(biāo)圖像的概率以及屬 于背景圖像的概率，進(jìn)行圖像分割，得到目標(biāo)圖像，具體包括： 將指定圖像中每個(gè)像素點(diǎn)視為圖的一個(gè)頂點(diǎn)；并將在指定圖像中位置相鄰的像素點(diǎn)連 接，組成該圖的一條邊，并將該條邊上兩個(gè)像素點(diǎn)的顏色相似度作為該條邊對(duì)應(yīng)的權(quán)重；以 及， 針對(duì)每個(gè)在第一操作軌跡上的像素點(diǎn)或在第一操作軌跡為基準(zhǔn)的第一預(yù)設(shè)范圍內(nèi)的 像素點(diǎn)，將該像素點(diǎn)與指定源點(diǎn)連接組成該圖的一條邊;并，將該像素點(diǎn)屬于目標(biāo)圖像的概 率作為該條邊對(duì)應(yīng)的權(quán)重；以及， 針對(duì)每個(gè)在第二操作軌跡上的像素點(diǎn)或在第二操作軌跡為基準(zhǔn)的第二預(yù)設(shè)范圍內(nèi)的 像素點(diǎn)，將該像素點(diǎn)與指定終點(diǎn)連接，組成該圖的一條邊;并，將該像素點(diǎn)屬于背景圖像的 概率作為該條邊對(duì)應(yīng)的權(quán)重； 根據(jù)最大流最小割算法以及各邊對(duì)應(yīng)的權(quán)重，求所述圖的最小割； 將由最小割對(duì)應(yīng)的邊作為目標(biāo)圖像與背景圖像的分界線，從指定圖像中分割出目標(biāo)圖 像。5. 根據(jù)權(quán)利要求1-4中任一所述的方法，其特征在于，根據(jù)確定出的屬于目標(biāo)圖像的概 率以及屬于背景圖像的概率，進(jìn)行圖像分割，得到目標(biāo)圖像之后，所述方法還包括： 根據(jù)圖像融合算法，將目標(biāo)圖像融合到預(yù)先選定的圖像中。6. 根據(jù)權(quán)要求5所述的方法，其特征在于，圖像融合算法包括以下中的任一種：泊松融 合、隨機(jī)游走融合、貝葉斯融合。7. -種圖像處理裝置，其特征在于，所述裝置包括： 第一處理模塊，用于獲取用于選取目標(biāo)圖像的像素點(diǎn)的第一操作的第一操作軌跡;并 獲取以第一操作軌跡為基準(zhǔn)的第一預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第一像素點(diǎn)集合;根據(jù)第一 像素點(diǎn)集合，構(gòu)建用于計(jì)算指定圖像中的像素點(diǎn)屬于目標(biāo)圖像的概率的前景模型； 第二處理模塊，獲取用于選取背景圖像的第二操作的第二操作軌跡;并獲取以第二操 作軌跡為基準(zhǔn)的第二預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，組成第二像素點(diǎn)集合;根據(jù)第二像素點(diǎn)集合，構(gòu) 建用于計(jì)算指定圖像中的像素點(diǎn)屬于背景圖像的概率的背景模型； 分類模塊，用于根據(jù)前景模型和背景模型，確定指定圖像中每個(gè)像素點(diǎn)屬于目標(biāo)圖像 的概率，以及屬于背景圖像的概率； 分割模塊，用于根據(jù)確定出的屬于目標(biāo)圖像的概率以及屬于背景圖像的概率，進(jìn)行圖 像分割，得到目標(biāo)圖像。8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，第一處理模塊，具體包括： 第一聚類單元，用于根據(jù)第一像素點(diǎn)集合中各像素點(diǎn)的顏色值進(jìn)行聚類分析，獲取至 少一個(gè)第一類別； 第一高斯模型確定單元，用于針對(duì)每個(gè)第一類別，獲取該第一類別對(duì)應(yīng)的第一權(quán)值，并 根據(jù)該第一類別中每個(gè)像素點(diǎn)的顏色值，確定第一高斯分布模型； 前景模型確定單元，用于根據(jù)確定的各第一高斯分布模型以及獲取的各第一權(quán)值，通 過加權(quán)求和的方式確定前景模型； 第二處理模塊，具體包括： 第二聚類單元，用于根據(jù)第二像素點(diǎn)集合中各像素點(diǎn)的顏色值進(jìn)行聚類分析，獲取至 少一個(gè)第二類別； 第二高斯模型確定單元，針對(duì)每個(gè)第二類別，獲取該第二類別對(duì)應(yīng)的第二權(quán)值，并根據(jù) 該第二類別中每個(gè)像素點(diǎn)的顏色值，確定第二高斯分布模型； 背景模型確定單元，用于根據(jù)確定的各第二高斯分布模型以及獲取的各第二權(quán)值，通 過加權(quán)求和的方式確定背景模型。9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，第一高斯模型確定單元，具體用于:將該第 一類別中包括的像素點(diǎn)的數(shù)量與第一像素點(diǎn)集合中像素點(diǎn)的數(shù)量的比值，作為該第一類別 對(duì)應(yīng)的第一權(quán)值； 第二高斯模型確定單元，具體用于:將該第二類別中包括的像素點(diǎn)的數(shù)量與第二像素 點(diǎn)集合中像素點(diǎn)的數(shù)量的比值，作為該第二類別對(duì)應(yīng)的第二權(quán)值。10. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，分割模塊，具體包括： 第一邊確定單元，用于將指定圖像中每個(gè)像素點(diǎn)視為圖的一個(gè)頂點(diǎn)；并將在指定圖像 中位置相鄰的像素點(diǎn)連接，組成該圖的一條邊，并將該條邊上兩個(gè)像素點(diǎn)的顏色相似度作 為該條邊對(duì)應(yīng)的權(quán)重； 第二邊確定單元，用于針對(duì)每個(gè)在第一操作軌跡上的像素點(diǎn)或在第一操作軌跡為基準(zhǔn) 的第一預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，將該像素點(diǎn)與指定源點(diǎn)連接組成該圖的一條邊;并，將該像素 點(diǎn)屬于目標(biāo)圖像的概率作為該條邊對(duì)應(yīng)的權(quán)重； 第三邊確定單元，用于針對(duì)每個(gè)在第二操作軌跡上的像素點(diǎn)或在第二操作軌跡為基準(zhǔn) 的第二預(yù)設(shè)范圍內(nèi)的像素點(diǎn)，將該像素點(diǎn)與指定終點(diǎn)連接，組成該圖的一條邊;并，將該像 素點(diǎn)屬于背景圖像的概率作為該條邊對(duì)應(yīng)的權(quán)重； 最小割確定單元，用于根據(jù)最大流最小割算法以及各邊對(duì)應(yīng)的權(quán)重，求所述圖的最小 割； 分割單元，用于將由最小割對(duì)應(yīng)的邊作為目標(biāo)圖像與背景圖像的分界線，從指定圖像 中分割出目標(biāo)圖像。11. 根據(jù)權(quán)利要求7-10中任一所述的裝置，其特征在于，所述裝置還包括： 融合模塊，用于分割模塊根據(jù)確定出的屬于目標(biāo)圖像的概率以及屬于背景圖像的概 率，進(jìn)行圖像分割，得到目標(biāo)圖像之后，根據(jù)圖像融合算法，將目標(biāo)圖像融合到預(yù)先選定的 圖像中。12. 根據(jù)權(quán)要求11所述的裝置，其特征在于，圖像融合算法包括以下中的任一種：泊松 融合、隨機(jī)游走融合、貝葉斯融合。
【文檔編號(hào)】G06T7/00GK106056606SQ201610371304
【公開日】2016年10月26日
【申請(qǐng)日】2016年5月30日
【發(fā)明人】李冉
【申請(qǐng)人】樂視控股（北京）有限公司, 樂視移動(dòng)智能信息技術(shù)（北京）有限公司