基于自适应阈值的图像分割方法、装置及计算设备制造方法及图纸

本发明专利技术公开了一种基于自适应阈值的图像分割方法、装置、计算设备及计算机存储介质，该方法包括：获取包含有特定对象的待处理图像；对待处理图像进行场景分割处理，得到针对特定对象的前景概率信息；根据前景概率信息，确定前景区域占比；依据前景区域占比，对前景概率信息进行映射处理，得到图像分割结果。本发明专利技术提供的技术方案依据前景区域占比对前景概率信息进行映射处理，实现了对前景概率信息的自适应映射，利用映射处理后的前景概率信息能够快速、精准地得到待处理图像对应的图像分割结果，有效地提高了图像场景分割的分割精度以及处理效率。

【技术实现步骤摘要】
基于自适应阈值的图像分割方法、装置及计算设备
本专利技术涉及图像处理
，具体涉及一种基于自适应阈值的图像分割方法、装置、计算设备及计算机存储介质。
技术介绍
现有技术中，当用户需要对待处理图像进行更换背景、添加特效等个性化处理时，经常会使用到图像分割方法对待处理图像进行场景分割处理，其中，采用基于深度学习的图像分割方法可以达到像素级别的分割效果。然而现有的图像分割方法在进行场景分割处理时，并不考虑前景图像在待处理图像中所占比例，因此当前景图像在待处理图像中所占比例较小时，利用现有的图像分割方法很容易将实际属于前景图像边缘处的像素点划分为背景图像，所得到的图像分割结果的分割精度较低、分割效果较差。因此，现有技术中的图像分割方式存在着图像场景分割的分割精度低下的问题。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的基于自适应阈值的图像分割方法、装置、计算设备及计算机存储介质。根据本专利技术的一个方面，提供了一种基于自适应阈值的图像分割方法，该方法包括：获取包含有特定对象的待处理图像；对待处理图像进行场景分割处理，得到针对特定对象的前景概率信息；根据前景概率信息，确定前景区域占比；依据前景区域占比，对前景概率信息进行映射处理，得到图像分割结果。进一步地，前景概率信息记录了用于反映待处理图像中各个像素点属于前景图像的概率。进一步地，根据前景概率信息，确定前景区域占比进一步包括：根据前景概率信息，确定属于前景图像的像素点；计算属于前景图像的像素点在待处理图像中所有像素点中的比例，将比例确定为前景区域占比。进一步地，根据前景概率信息，确定属于前景图像的像素点进一步包括：将前景概率信息中概率高于预设概率阈值的像素点确定为属于前景图像的像素点。进一步地，依据前景区域占比，对前景概率信息进行映射处理，得到图像分割结果进一步包括：依据前景区域占比，调整映射函数的参数；利用调整后的映射函数对前景概率信息进行映射处理，得到映射结果；根据映射结果，得到图像分割结果。进一步地，映射函数在预设定义区间内的斜率大于预设斜率阈值。进一步地，在得到图像分割结果之后，该方法还包括：根据图像分割结果，确定处理后的前景图像；将处理后的前景图像与预设背景图像进行融合处理，得到处理后的图像。根据本专利技术的另一方面，提供了一种基于自适应阈值的图像分割装置，该装置包括：获取模块，适于获取包含有特定对象的待处理图像；分割模块，适于对待处理图像进行场景分割处理，得到针对特定对象的前景概率信息；第一确定模块，适于根据前景概率信息，确定前景区域占比；映射处理模块，适于依据前景区域占比，对前景概率信息进行映射处理，得到图像分割结果。进一步地，前景概率信息记录了用于反映待处理图像中各个像素点属于前景图像的概率。进一步地，第一确定模块进一步适于：根据前景概率信息，确定属于前景图像的像素点；计算属于前景图像的像素点在待处理图像中所有像素点中的比例，将比例确定为前景区域占比。进一步地，第一确定模块进一步适于：将前景概率信息中概率高于预设概率阈值的像素点确定为属于前景图像的像素点。进一步地，映射处理模块包括：调整单元、映射单元和生成单元；调整单元适于：依据前景区域占比，调整映射函数的参数；映射单元适于：利用调整后的映射函数对前景概率信息进行映射处理，得到映射结果；生成单元适于：根据映射结果，得到图像分割结果。进一步地，映射函数在预设定义区间内的斜率大于预设斜率阈值。进一步地，该装置还包括：第二确定模块，适于根据图像分割结果，确定处理后的前景图像；融合处理模块，适于将处理后的前景图像与预设背景图像进行融合处理，得到处理后的图像。根据本专利技术的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；存储器用于存放至少一可执行指令，可执行指令使处理器执行上述基于自适应阈值的图像分割方法对应的操作。根据本专利技术的再一方面，提供了一种计算机存储介质，存储介质中存储有至少一可执行指令，可执行指令使处理器执行如上述基于自适应阈值的图像分割方法对应的操作。根据本专利技术提供的技术方案，获取包含有特定对象的待处理图像，接着对待处理图像进行场景分割处理，得到针对特定对象的前景概率信息，然后根据前景概率信息，确定前景区域占比，最后依据前景区域占比，对前景概率信息进行映射处理，得到图像分割结果。本专利技术提供的技术方案依据前景区域占比对前景概率信息进行映射处理，实现了对前景概率信息的自适应映射，利用映射处理后的前景概率信息能够快速、精准地得到待处理图像对应的图像分割结果，有效地提高了图像场景分割的分割精度以及处理效率，优化了图像场景分割处理方式。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了根据本专利技术一个实施例的基于自适应阈值的图像分割方法的流程示意图；图2示出了根据本专利技术另一个实施例的基于自适应阈值的图像分割方法的流程示意图；图3示出了根据本专利技术一个实施例的基于自适应阈值的图像分割装置的结构框图；图4示出了根据本专利技术实施例的一种计算设备的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。图1示出了根据本专利技术一个实施例的基于自适应阈值的图像分割方法的流程示意图，如图1所示，该方法包括如下步骤：步骤S100，获取包含有特定对象的待处理图像。其中，待处理图像为用户想要进行场景分割的图像，待处理图像可以为任意图像，例如，待处理图像可以是用户自己拍摄的图像，也可以是网站中的图像，还可以是其他用户分享的图像，此处不做限定。其中，待处理图像中包含有特定对象，特定对象可为人体等。本领域技术人员可根据实际需要对特定对象进行设置，此处不做限定。当用户想要对待处理图像进行场景分割时，那么在步骤S100中获取待处理图像。步骤S101，对待处理图像进行场景分割处理，得到针对特定对象的前景概率信息。其中，在对待处理图像进行场景分割处理时，可以利用深度学习方法。深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务。可利用深度学习的分割方法对待处理图像进行场景分割处理，得到待处理图像针对于特定对象的前景概率信息。具体地，可利用深度学习方法得到的场景分割网络等对待处理图像进行场景分割处理，得到待处理图像针对于特定对象的前景概率信息，其中，前景概率信息记录了用本文档来自技高网...

【技术保护点】
一种基于自适应阈值的图像分割方法，所述方法包括：获取包含有特定对象的待处理图像；对所述待处理图像进行场景分割处理，得到针对特定对象的前景概率信息；根据所述前景概率信息，确定前景区域占比；依据所述前景区域占比，对所述前景概率信息进行映射处理，得到图像分割结果。

【技术特征摘要】
1.一种基于自适应阈值的图像分割方法，所述方法包括：获取包含有特定对象的待处理图像；对所述待处理图像进行场景分割处理，得到针对特定对象的前景概率信息；根据所述前景概率信息，确定前景区域占比；依据所述前景区域占比，对所述前景概率信息进行映射处理，得到图像分割结果。2.根据权利要求1所述的方法，其中，所述前景概率信息记录了用于反映所述待处理图像中各个像素点属于前景图像的概率。3.根据权利要求1或2所述的方法，其中，所述根据所述前景概率信息，确定前景区域占比进一步包括：根据所述前景概率信息，确定属于前景图像的像素点；计算属于前景图像的像素点在所述待处理图像中所有像素点中的比例，将所述比例确定为前景区域占比。4.根据权利要求1-3任一项所述的方法，其中，所述根据所述前景概率信息，确定属于前景图像的像素点进一步包括：将所述前景概率信息中概率高于预设概率阈值的像素点确定为属于前景图像的像素点。5.根据权利要求1-4任一项所述的方法，其中，所述依据所述前景区域占比，对所述前景概率信息进行映射处理，得到图像分割结果进一步包括：依据所述前景区域占比，调整映射函数的参数；利用调整后的映射函数对所述前景概率信息进行映射处理，得到映射结果；根据所述映射结果，得到图像分...

【专利技术属性】
技术研发人员：赵鑫，邱学侃，颜水成，
申请(专利权)人：北京奇虎科技有限公司，
类型：发明
国别省市：北京,11