一种图像处理方法、电子设备及计算机可读存储介质技术

本发明专利技术实施例涉及一种图像处理方法、电子设备和计算机存储介质。该方法包括：获取第一图像，所述第一图像由背景图像和目标图像组成；从所述第一图像中获取第一子图像，所述第一子图像包括所述目标图像及其周边的部分背景图像；基于预先训练的第二神经网络分割所述第一子图像，分割出目标图像。通过本发明专利技术的实施例，能够实现高质量地分割图像中的小尺寸目标图像，边缘更加准确，提升了分割效果。

An Image Processing Method, Electronic Equipment and Computer Readable Storage Media

【技术实现步骤摘要】
一种图像处理方法、电子设备及计算机可读存储介质
本专利技术总体上涉及图像处理领域，具体涉及一种图像处理方法、电子设备及计算机可读存储介质。
技术介绍
图像分割是把图像分成一些互不重叠而又具有各自特征的子区域,每一区域是像素的一个连续集,这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割根据目标与背景的先验知识将图像表示为物理上有意义的连通区域的集合。即对图像中的目标、背景进行标记、定位,然后把目标从背景中分离出来。近年来，神经网络在图像识别、分割等领域得到了迅速的发展。例如，在公开号为CN108876795A，专利技术名称为“一种图像中物体的分割方法及系统”的专利文献中，公开了一种图像中物体的分割方法及系统。依照该方法，对所述初始物体区域进行物体分割包括如下步骤：S201：将所述原图像按预设比例缩小，作为采样图像；S202：通过预设图像分割方法对所述采样图像进行物体分割，得到分割后的物体图像；S203：将所述分割后的物体图像进行二值掩膜，将所述二值掩膜后的物体图像按原图像比例映射到所述原图像，得到分割后图像。该专利公开的方法，并不适用于小尺寸物体的分割，即，待分割物体在原图像中的尺寸所占比例较小。小尺寸物体在原图像中尺寸占比小，经神经网络多次卷积/池化操作后，容易丢失图像细节特征，特别是，原图像经S201步骤后，待分割物体可能只占有几个或者十几个像素点，导致分割结果不准确。
技术实现思路
针对上述问题，本专利技术的实施例提供一种图像处理方法、电子设备及计算机可读存储介质。在本专利技术的第一方面，提供一种图像处理方法。该方法包括：获取第一图像，所述第一图像由背景图像和目标图像组成；从所述第一图像中获取第一子图像，所述第一子图像包括所述目标图像及其周边的部分背景图像；基于预先训练的第二神经网络分割所述第一子图像，分割出目标图像。在某些实施例中，从所述第一图像中获取第一子图像包括：基于预先训练的第一神经网络分割所述第一图像，根据所述第一图像的分割结果，从第一图像中获取第一子图像；或者，对所述第一图像进行缩放，获得预设尺寸的第一缩放图像；基于预先训练的第一神经网络，分割所述第一缩放图像；根据所述第一缩放图像的分割结果，从第一图像中获取第一子图像。在某些实施例中，从所述第一图像中获取第一子图像包括：确定所述第一图像中的第一矩形区域，所述第一矩形区域包括所述背景图像的一部分和所述目标图像；从所述第一图像中裁剪所述第一矩形区域，获取所述第一子图像。在某些实施例中，确定所述第一图像中的第一矩形区域包括：确定所述第一矩形区域的中心坐标，根据所述第一矩形区域的中心坐标确定所述第一图像中的所述第一矩形区域。在某些实施例中，确定所述第一图像中的第一矩形区域包括：基于预先训练的第一神经网络分割所述第一图像；根据所述第一图像的分割结果，确定包含所述目标图像的最小矩形区域的中心坐标；以所述最小矩形区域的中心坐标作为所述第一矩形区域的中心坐标，确定所述第一图像中的第一矩形区域，所述第一矩形区域的尺寸大于所述最小矩形区域的尺寸。在某些实施例中，确定所述第一图像中的第一矩形区域包括：对所述第一图像进行缩放，获得预设尺寸的第一缩放图像；基于预先训练的第一神经网络，分割所述第一缩放图像；根据所述第一缩放图像的分割结果，确定包含被缩放的所述目标图像的最小矩形区域的中心坐标；根据该最小矩形区域的中心坐标，确定第一图像的与所述最小矩形区域对应的区域的中心坐标，作为所述第一矩形区域的中心坐标；根据所述第一矩形区域的中心坐标，确定所述第一图像的第一矩形区域，所述第一矩形区域的尺寸大于第一图像中包含所述目标图像的最小矩形区域的尺寸。在某些实施例中，所述第一神经网络为目标检测神经网络、语义分割神经网络和实例分割神经网络中的一种。在某些实施例中，所述第二神经网络为显著物体分割神经网络、语义分割神经网络、实例分割神经网络和matting神经网络中的一种。在本专利技术的第二方面，提供一种电子设备，包括：处理器；以及，存储有指令的存储器，所述指令在被所述处理器执行时促使所述设备执行上述任一项所述的方法。在本专利技术的第三方面，提供一种计算机可读存储介质，其特征在于，其存储有机器可读的指令，所述指令在由所述机器执行时使得所述机器执行上述任一项所述的方法。附图说明图1示出根据本专利技术实施例的图像处理方法的流程图。图2示出了本专利技术实施例从第一图像中获取第一子图像的一个实施方式的流程图。图3示出了本专利技术实施例从第一图像中获取第一子图像的另一个实施方式的流程图。图4示出了根据本专利技术实施例的一种图像处理装置。图5示出了适合实现本专利技术实施例的电子设备的方框图。图6示出了本专利技术实施例的一个应用场景的示意图。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明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。但本领域技术人员知晓，本专利技术并不局限于附图和以下实施例。如本文中所述，术语“包括”及其各种变体可以被理解为开放式术语，其意味着“包括但不限于”。术语“基于”可以被理解为“至少部分地基于”。术语“一个实施例”或“一个实施方式”可以被理解为“至少一个实施例”或“至少一个实施方式”。术语“另一个实施例”或“另一个实施方式”可以被理解为“至少一个其它实施例”或“至少一个其他实施方式”。文中所使用的“第一”、“第二”等表述，仅是为了区分技术特征，并无实质含义。图像分割是把图像分成一些互不重叠而又具有各自特征的子区域,每一区域是像素的一个连续集,这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割根据目标与背景的先验知识将图像表示为物理上有意义的连通区域的集合。即对图像中的目标、背景进行标记、定位,然后把目标从背景中分离出来。专利技术人注意到，现有技术中的图像分割方法，并不适用于小尺寸物体的分割，即，待分割物体在原图像中的尺寸所占比例较小。小尺寸物体在原图像中尺寸占比小，经神经网络多次卷积/池化操作后，容易丢失图像细节特征，特别是，原图像经缩放减小尺寸后，待分割物体可能只占有几个或者十几个像素点，导致分割结果不准确。有鉴于此，本专利技术实施例提出一种对图像进行处理的方法，实现高质量地分割出图像中的目标图像，特别是高质量地分割出图像中的小尺寸物体。在本专利技术中，进行图像分割的图像可以来自于图片，也可以来自视频，对视频的处理可以逐帧进行，对视频的处理方法同样包括在本专利技术的范围内。为了便于描述，下文以对图片的图像处理为例进行说明。需要说明的是，本专利技术实施例可以在任何适宜的处理装置处实现，诸如移动终端、计算机、服务器等。用户可以通过移动终端或计算机等终端设备对其希望处理的图片或视频进行处理，或者用户可以将其设备经由网络连接至服务器，通过与服务器交互，由服务器进行图像处理。终端设备可以是具有显示屏并且支持图片查看的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器、MP4播放器、膝上型便携计算机和台式计算机等等。终端设备上可以安装有各种通讯客户端应用，例如图片查看软件、图片处理软件、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。服务器可以是提供各种服务的服务器，例如对终端设备上显示的图片提供支持的后台图片处理服务器。后台图片处理服务器可以对接收到的待处理图本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：获取第一图像，所述第一图像由背景图像和目标图像组成；从所述第一图像中获取第一子图像，所述第一子图像包括所述目标图像及其周边的部分背景图像；基于预先训练的第二神经网络分割所述第一子图像，分割出目标图像。

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取第一图像，所述第一图像由背景图像和目标图像组成；从所述第一图像中获取第一子图像，所述第一子图像包括所述目标图像及其周边的部分背景图像；基于预先训练的第二神经网络分割所述第一子图像，分割出目标图像。2.如权利要求1所述的方法，其特征在于，从所述第一图像中获取第一子图像包括：基于预先训练的第一神经网络分割所述第一图像，根据所述第一图像的分割结果，从第一图像中获取第一子图像；或者，对所述第一图像进行缩放，获得预设尺寸的第一缩放图像；基于预先训练的第一神经网络，分割所述第一缩放图像；根据所述第一缩放图像的分割结果，从第一图像中获取第一子图像。3.如权利要求1所述的方法，其特征在于，从所述第一图像中获取第一子图像包括：确定所述第一图像中的第一矩形区域，所述第一矩形区域包括所述背景图像的一部分和所述目标图像；从所述第一图像中裁剪所述第一矩形区域，获取所述第一子图像。4.如权利要求3所述的方法，其特征在于，确定所述第一图像中的第一矩形区域包括：确定所述第一矩形区域的中心坐标，根据所述第一矩形区域的中心坐标确定所述第一图像中的所述第一矩形区域。5.如权利要求4所述的方法，其特征在于，确定所述第一图像中的第一矩形区域包括：基于预先训练的第一神经网络分割所述第一图像；根据所述第一图像的分割结果，确定包含所述目标图像的最小矩形区域的中心坐标；以所述最小矩形区域的中心坐...

【专利技术属性】
技术研发人员：赵维杰，富宸，
申请(专利权)人：上海卫莎网络科技有限公司，
类型：发明
国别省市：上海,31