某些实施方式涉及通过根据图像创建标度空间图像并且使用标度空间图像标识图像中的对象边界来处理图像。标度空间图像可以具有不同的细节层次。它们被用来确定位势图，该位势图表示像素在对象的边界之内或者之外的可能性。可以生成和使用估计对象边界的标签，以标识潜在地可能在边界之内的像素。在展示之前可以进一步处理对象边界已被标识的图像。例如，图像可以是动态影像的二维图像。可以标识对象边界，并且二维（２Ｄ）图像可以使用标识的对象边界来处理并被转换为三维（３Ｄ）图像以供展示。
【技术实现步骤摘要】
【国外来华专利技术】
本公开内容总体上涉及图像处理，并且更具体地，涉及使用图像的标度空间表示来处理图像。
技术介绍
处理动态影像等的图像可以包括标识一帧或者多帧中的对象。可以通过确定对象边界来标识对象。可以使用描摹(rotoscoping)来标识对象边界。描摹包括通过数字手段逐帧追踪动态影像中的对象边界。描摹可以提取数字蒙板(matte)以允许向图像施加特效和其他图像处理。特效的示例包括将场景中的对象替换为经由计算机生成的其他对象、将来自一个场景的表演者合成到另一场景以及将二维OD)动态影像改变成三维(3D)动态影像。其他图像过程的示例包括跟踪图像序列中的对象以及跟踪左眼和右眼图像序列中的对象。当诸如蓝屏方法的其他技术无法在可接受的精度容限内产生蒙板时，可以使用描摹。例如，图像可能包括复杂背景(例如使用档案胶片的图像)，蓝屏方法对此可能无法产生可接受的结果。描摹可能是人力密集的。为求效率，可以使用半自动描摹技术。这样的技术包括基于轮廓的方法和阿尔法通道算法。基于轮廓的方法可能涉及到用户，该用户尽可能准确地在一帧或者多帧中指定轮廓。轮廓是对象边界的粗略估计。通过估算能量函数，活动轮廓(active contour)可基于粗略估计的轮廓而与边界相关联。能量函数可用迭代方法使其最小化，由此产生围绕对象的优化轮廓。在某些基于轮廓的方法中，执行笔划匹配，包括分析成本函数以确定哪些笔划在关键帧之间与对象的特定轮廓相匹配。上述算法可以输出相对平滑的轮廓，并且在相邻帧中的轮廓之间建立对应关系，但是这常常需要技术娴熟的用户来勾画感兴趣的对象。阿尔法通道算法可以通过分析三个色区域来提取对象的软边界相对于对象而言的前景，相对于对象而言的背景，以及在沿着对象边界的中间区域中混合的前景和背景。阿尔法通道算法虽然也有可能应用于序列，但是它常常应用于个体帧。阿尔法通道算法可以提取软边界以及阿尔法值或者该值的透明度。在一些阿尔法通道算法中应用贝叶斯方式，其利用空间可变高斯集对前景色和背景色分布二者进行建模，并且假设前景色和背景色的部分混合，从而产生最终输出。其他阿尔法通道算法假设 纯前景色是一组聚类的线性组合，并且通过检查前景和背景中的成对聚类来计算颜色和阿尔法值。又一些其他阿尔法通道算法执行以下一个或者多个(i)通过假设聚类在红、绿、蓝(RGB)色空间中为扁长或者雪茄形来估计高分辨率图像和图像序列中的阿尔法蒙板； ( )根据关于前景和背景色的局部平滑假设导出成本函数，并且通过解析消除前景和背景色获得关于阿尔法的二次成本函数；(iii)导出将图像的梯度与阿尔法值相关的偏微分方程，并且描述高效算法从而提供阿尔法值作为方程的解；(iv)将自然图像抠图(matting) 的问题形式化为使用蒙板梯度场求解泊松方程的问题以及使用成对闪光/非闪光图像来提取蒙板(称为“闪光抠图”)之一；(ν)允许“运行中”构造环境蒙板而无需专门校准；(vi) 通过捕获前景对象和阿尔法蒙板以及捕获对象如何折射和反射光的描述，以及通过使用环境合成将前景对象放置于新环境中来执行环境抠图。然而，这些阿尔法通道算法寻求产生软分割，而不产生可获得更准确分割的硬分割。另一描摹技术是随机游走。随机游走是一种图形化的图像分割算法，尝试标识出从某个“种子”像素出发向某个“汇点”像素行进的随机游走者将穿越特定像素的概率。可以对像素之间的边缘进行加权，使得按照某个标准被视为相似的像素具有低边权值，使游走者更有可能穿越该边缘。概率可被确定为组合Dirichlet解。随机游走也可以使用局部保持投影对颜色空间进行变换，使得相似的颜色(例如梯度缓慢变化的颜色)可被放在一起，而不相似的颜色可被分开。然而，随机游走可能无法在存在噪声的情况下干净地分割图像，从而造成不准确的对象边界标识。因而，需要可以高效和准确地标识对象边界的方法、设备和系统。还需要可以产生硬分割并且在存在噪声的情况下准确标识对象边界的方法、设备和系统。
技术实现思路
某些方面和实施方式涉及通过根据图像创建标度空间图像以及使用标度空间图像标识图像中的对象边界来处理图像。标度空间图像是图像的多分辨率信号表示。标度空间图像表示图像的不同细节层次。可以在展示之前进一步处理对象边界已被标识的图像。 例如，图像可以是动态影像的二维图像。通过标识对象边界，可以使用标识的对象边界来处理二维QD)图像，从而将2D图像转换成三维(3D)图像。在一个实施方式中，接收具有至少一个对象的图像。计算设备可以根据该图像生成两个或者更多标度空间图像。标度空间图像可以用来确定位势图(potential map)。位势图可以表示像素在对象的边界内或在对象的边界以外的可能性。位势图可以用来标识对象的边界。在一些实施方式中，将图像转换成颜色模型。颜色模型可以是CIE LW颜色空间。在一些实施方式中，通过使用两个或者更多低通滤波器将图像转换成标度空间， 从而根据图像生成标度空间图像。低通滤波器可以包括高斯内核。不同细节层次可以包括不同的模糊程度。在一些实施方式中，通过使用(i)两个或者更多小波滤波器或者(ii) 一种保边 (edge preserving)分解过程将图像转换成标度空间，从而根据图像生成标度空间图像。在一些实施方式中，标度空间图像可以用来为图像的每个像素确定权值。每个权值可以与一链接边关联。可以通过确定与像素关联的链接边来确定权值。可以确定针对与像素关联的每链接边的权值。可以收集针对每个链接边的权值，以形成针对像素的权值。在一些实施方式中，接收用于图像的标签(label)。可以根据权值并且使用标签来确定位势值。每个位势值可以表示相关联的像素在对象的边界内或者在对象的边界外的可能性。可以通过确定位势值的几何平均而根据位势值确定位势图。位势图可以包括针对位势值的几何平均。在一些实施方式中，可以生成和使用标签以确定位势图。接收用于图像的对象模板(mask)。根据用于图像的对象模板计算反转对象模板。根据反转对象模板确定第一距离变换。根据对象模板确定第二距离变换。使用第一距离变换来标识图像中的前景像素。使用第二距离变换来标识图像中的背景像素。基于标识的前景像素和标识的背景像素生成标签。在一些实施方式中，可以根据初始位势图生成标签。接收用于图像的对象模板。根据用于图像的对象模板计算反转对象模板。使用形态瘦化(thinning)过程来收缩反转对象模板。使用形态瘦化过程来收缩用于图像的对象模板。基于收缩的反转对象模板和收缩的用于图像的对象模板生成初始标签。使用初始标签来确定用于图像的初始位势图。使用初始位势图、收缩的反转对象模板和收缩的对象模板来生成标签。在一些实施方式中，位势图被用来生成图像模板。接收标识对象的估计边界的两个或者更多关键点。基于关键点计算标签。基于标签来剪切图像段。根据图像段来确定位势图。根据位势图创建边界点。如果接收到将边界点标识为不可接受的命令，则使用新关键点来计算第二位势图。如果接收到将边界点标识为可接受的命令，则输出边界点。可以使用边界点来生成图像模板。在一些实施方式中，新关键点的数目大于所述关键点。另外，在一些实施方式中， 关键点标识两个或者更多图像帧中的对象的估计边界。边界点标识一个或多个图像帧中的对象的估计边界位于两个或者更多图像帧之间的部分。在一些实本文档来自技高网...
【技术保护点】
１．一种方法，包括：接收具有至少一个对象的图像；由计算设备根据所述图像生成至少两个标度空间图像，所述计算设备包括处理器，其配置用于使所述计算设备创建所述至少两个标度空间图像，所述至少两个标度空间图像具有不同的细节层次；使用所述至少两个标度空间图像为所述图像的每个像素确定多个权值；根据所述多个权值确定位势值，每个位势值表示相关联的像素在所述对象的边界之内或者在所述对象的所述边界之外的可能性；根据所述位势值确定位势图；以及使用所述位势图来处理所述图像。
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：T·F·埃尔马拉格希，
申请(专利权)人：图象公司，
类型：发明
国别省市：CA
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。