图像合成方法、广告素材合成方法及装置制造方法及图纸

本发明专利技术公开了一种图像合成方法、广告素材合成方法及装置，属于数字图像处理领域。所述方法包括：获取待抠图的原始图像，对原始图像进行显著性检测生成显著图，根据显著图采用深度抠图模型计算得到抠图蒙版，采用抠图蒙版抠取出原始图像中的目标素材，将目标素材与待合成的原始模板进行合成，得到目标图像。本发明专利技术通过采用显著性检测和深度抠图模型对原始图像进行自动抠图，避免了相关技术中用户需要反复对原始图像进行三分图标定的情况，简化了抠图操作，实现对原始图像进行抠图，并将抠图得到的目标素材与原始模型进行合成的全自动实现过程，提高了图像合成的制作效率。

Image synthesis method, advertising material synthesis method and device

【技术实现步骤摘要】
图像合成方法、广告素材合成方法及装置
本专利技术实施例涉及数字图像处理领域，特别涉及一种图像合成方法、广告素材合成方法及装置。
技术介绍
图像合成方法通常是将原始图像中的目标素材与待合成的原始模板进行合成，得到目标图像的过程。其中，获取原始图像中的目标素材的过程即为数字抠图过程。数字抠图过程即求解如下抠图方程式(英文：mattingequation)的过程。Ii＝αiFi+(1-αi)Bi；其中，Ii是像素i的颜色值，αi是一个位于0到1之间的数，称为数字图像的透明度值、α掩像(英文：alphamatte)或者未知蒙版(英文matteestimation)。Fi是像素i的前景色，Bi是像素i的背景色。原始图像的α矩阵用于表示原始图像的抠图结果。当αi值为1时代表像素i属于前景，当αi值为0时代表像素i属于背景，当αi值为0和1之间的数则代表像素i属于前背景混合区域。相关技术中，由用户手工标定来标定数字图像中的大部分像素的αi值，即三分图。如图1所示，对于一张原始图像100来讲，标定后的原始图像中包括：用户标定αi值为1的前景区域12、用户标定αi值为0的背景区域14，以及用户标定αi值为不确定值的未知区域16，未知区域16是抠图算法需要估计的区域。在用户手工对原始图像进行标定后，采用闭合性抠图(closed-formmatting)算法根据用户指定的前景区域12和背景区域14，对未知区域16中的前景像素和背景像素做出估计，得到未知区域中每个像素的αi值。由于用户很难精确指定闭合性抠图算法所需要的三分图，如果要得到精确的抠图结果，则需要用户不断地根据本次抠图结果重新标定下一次抠图所需要的三分图，进行多次数字抠图后才能得到精确的抠图结果，该过程非常耗时且严重依赖用户的专业性，从而导致抠图操作较复杂，进而降低了后续图像合成的制作效率。
技术实现思路
本专利技术实施例提供了一种图像合成方法、广告素材合成方法及装置，可以解决相关技术中图像合成的制作效率较低的问题。所述技术方案如下：第一方面，提供了一种图像合成方法，所述方法包括：获取待抠图的原始图像；对所述原始图像进行显著性检测，生成显著图；根据所述显著图采用深度抠图模型计算得到抠图蒙版，所述深度抠图模型用于表示基于样本图像训练得到的抠图规律；采用所述抠图蒙版，抠取出所述原始图像中的目标素材；将所述目标素材与待合成的原始模板进行合成，得到目标图像。第二方面，提供了一种广告素材合成方法，所述方法包括：获取目标应用程序中对应于图像上传入口的第一触发操作，所述目标应用程序是具有广告素材处理功能的应用程序；根据所述第一触发操作获取上传的原始图像；开启抠图功能；对所述原始图像进行自动化抠图，得到所述原始图像中的目标素材，所述目标素材为植物、动物和静物中的至少一种元素；将所述目标素材与待合成的广告模板进行合成，得到目标广告图像。第三方面，提供了一种图像合成装置，所述装置包括：获取模块，用于获取待抠图的原始图像；生成模块，用于对所述原始图像进行显著性检测，生成显著图；计算模块，用于根据所述显著图，采用深度抠图模型计算得到抠图蒙版，所述深度抠图模型用于表示基于样本图像训练得到的抠图规律；抠取模块，用于采用所述抠图蒙版，抠取出所述原始图像中的目标素材；合成模块，用于将所述目标素材与待合成的原始模板进行合成，得到目标图像。第四方面，提供了一种广告素材合成装置，所述装置包括：第一获取模块，用于获取目标应用程序中对应于图像上传入口的第一触发操作，所述目标应用程序是具有广告素材处理功能的应用程序；第二获取模块，用于根据所述第一触发操作，获取上传的原始图像；开启模块，用于开启抠图功能；抠图模块，用于对所述原始图像进行自动化抠图，得到所述原始图像中的目标素材，所述目标素材为植物、动物和静物中的至少一种元素；合成模块，用于将所述目标素材与待合成的广告模板进行合成，得到目标广告图像。第五方面，提供了一种终端，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所提供的图像合成方法。第六方面，提供了一种终端，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第二方面所提供的广告素材合成方法。第七方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所提供的图像合成方法。第八方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第二方面所提供的广告素材合成方法。本专利技术实施例提供的技术方案带来的有益效果是：通过获取待抠图的原始图像，对原始图像进行显著性检测生成显著图，根据显著图采用深度抠图模型计算得到抠图蒙版，采用抠图蒙版抠取出原始图像中的目标素材，将目标素材与待合成的原始模板进行合成，得到目标图像。使得终端能够采用显著性检测和深度抠图模型对原始图像进行自动抠图，避免了相关技术中用户需要反复对原始图像进行三分图标定的情况，简化了抠图操作，实现对原始图像进行抠图，将抠图得到的目标素材与原始模型进行合成的全自动实现过程，提高了图像合成的制作效率。附图说明图1是相关技术涉及的标定后的原始图像的示意图；图2是本专利技术实施例提供的图像合成系统的结构示意图；图3是本专利技术一个实施例提供的图像合成方法的流程图；图4是本专利技术另一个实施例提供的图像合成方法的流程图；图5是本专利技术一个实施例提供的图像合成方法涉及的界面示意图；图6是本专利技术另一个实施例提供的图像合成方法涉及的界面示意图；图7是本专利技术另一个实施例提供的图像合成方法涉及的界面示意图；图8是本专利技术一个实施例提供的图像合成方法涉及的滤镜处理过程的原理示意图；图9是本专利技术一个实施例提供的图像合成方法的原理示意图；图10是本专利技术一个实施例提供的图像合成方法涉及的显著性检测算法的原理示意图；图11是本专利技术一个实施例提供的图像合成方法涉及的深度抠图模型训练过程的原理示意图；图12是本专利技术一个实施例提供的广告素材合成方法的流程图；图13是本专利技术一个实施例提供的图像合成装置的结构示意图；图14是本专利技术一个实施例提供的广告素材合成装置的结构示意图；图15是本专利技术一个示例性实施例提供的终端的结构框图；图16是本专利技术一个示例性实施例提供的服务器的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。首先，对本专利技术实施例涉及到的一些名词进行解释：显著性检测:在本专利技术实施例中，显著性检测是基于视觉的显著性检测，也称视觉显著性检测(英文：Visualsaliencydetection)。视觉显著性检测是通过智能算法模拟人类视觉注意机制(VisualAttentionMechanism，VA)，预测人眼视觉关注区域的技术本文档来自技高网...

【技术保护点】
1.一种图像合成方法，其特征在于，所述方法包括：获取待抠图的原始图像；对所述原始图像进行显著性检测，生成显著图；根据所述显著图采用深度抠图模型计算得到抠图蒙版，所述深度抠图模型用于表示基于样本图像训练得到的抠图规律；采用所述抠图蒙版，抠取出所述原始图像中的目标素材；将所述目标素材与待合成的原始模板进行合成，得到目标图像。

【技术特征摘要】
1.一种图像合成方法，其特征在于，所述方法包括：获取待抠图的原始图像；对所述原始图像进行显著性检测，生成显著图；根据所述显著图采用深度抠图模型计算得到抠图蒙版，所述深度抠图模型用于表示基于样本图像训练得到的抠图规律；采用所述抠图蒙版，抠取出所述原始图像中的目标素材；将所述目标素材与待合成的原始模板进行合成，得到目标图像。2.根据权利要求1所述的方法，其特征在于，所述根据所述显著图采用深度抠图模型计算得到抠图蒙版，包括：对所述显著图进行边缘检测得到对应的三分图，所述三分图包括所述显著图的前景区域、背景区域和未知区域；根据所述原始图像和所述三分图，采用所述深度抠图模型计算得到所述原始图像的抠图蒙版。3.根据权利要求2的方法，其特征在于，所述根据所述原始图像和所述三分图，采用所述深度抠图模型计算得到所述原始图像的抠图蒙版，包括：获取所述深度抠图模型，所述深度抠图模型是根据至少一组样本数据组训练得到的，每组所述样本数据组包括：样本图像、样本三分图和预先标注的正确抠图蒙版；将所述原始图像和所述三分图输入至所述深度抠图模型中，计算得到所述原始图像的抠图蒙版。4.根据权利要求3的方法，其特征在于，所述获取所述深度抠图模型，包括：获取训练样本集，训练样本集包括所述至少一组样本数据组；根据所述至少一组样本数据组，采用误差反向传播算法对原始参数模型进行训练，得到所述深度抠图模型。5.根据权利要求4所述的方法，其特征在于，所述根据所述至少一组样本数据组，采用误差反向传播算法对原始参数模型进行训练，得到所述深度抠图模型，包括：对于所述至少一组样本数据组中的每组样本数据组，将所述样本图像和所述样本三分图输入所述原始参数模型，得到训练结果；将所述训练结果与所述正确抠图蒙版进行比较，得到计算损失，所述计算损失用于指示所述训练结果与所述正确抠图蒙版之间的误差；根据所述至少一组样本数据组各自对应的计算损失，采用所述误差反向传播算法训练得到所述深度抠图模型。6.根据权利要求1至5任一所述的方法，其特征在于，所述获取待抠图的原始图像，包括：获取目标应用程序中对应于图像上传入口的第一触发操作，所述目标应用程序是具有抠图功能的应用程序；根据所述第一触发操作，获取待抠图的所述原始图像，并开启所述抠图功能。7.根据权利要求1至5任一所述的方法，其特征在于，所述将所述目标素材与待合成的原始模板进行合成，得到目标图像，包括：获取所述原始模板中预先标注的主体元素；根据所述目标素材，对所述原始模板中的所述主体元素进...

【专利技术属性】
技术研发人员：吕建超，谢奕，徐秋泓，瞿佳，朱海文，袁燊星，程诚，张韬，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44