本发明专利技术涉及图片背景去除技术领域，提供了一种自动去除图片背景的方法及系统，方法包括：S1：抹去待去除背景图片中的内部细节；S2：提取所述待去除背景图片中的物体线条；S3：获取物体线条的外部轮廓，并把外部轮廓描绘出来；S4：将外部轮廓内部颜色填充为白色，将外部轮廓外部颜色填充为黑色；S5：当待去除背景图片不包括alpha图层时，创建新的alpha图层，当待去除背景图片包括alpha图层时，重写alpha图层数值，将alpha图层赋值为任意一个其他图层的数值，其中，由于在alpha图层中255代表不透明，0代表透明，设置后外部轮廓内部的图像显示出来，外部轮廓外部的图像不显示，即成功去除图片背景。能够全自动去除图片背景，无需人工操作。操作。操作。
【技术实现步骤摘要】
一种自动去除图片背景的方法及系统
[0001]本专利技术涉及图片背景去除的
，尤其涉及一种自动去除图片背景的方法及系统。
技术介绍
[0002]在拍摄电影，对照片进行处理，时尚元素设计等等领域中，通常都需要对图片的背景进行去除。但是现有技术中还没有全自动又能将背景完全去除干净的方法。
[0003]已有的软件通常是通过以下方法去除图片中的背景：
[0004](1)人工选定区域删除；
[0005](2)人工选择一个点，去除和选定点相似的相邻像素点；
[0006](3)人工选定区域，去除和选定区域相似的相邻像素点。
[0007]然而，以上方法都需要人工操作，而且当图片边缘越复杂时，去除背景的效果越差。
技术实现思路
[0008]针对上述问题，本专利技术的目的在于提供一种自动去除图片背景的方法及系统，具有能够全自动去除图片背景，无需人工操作，且针对边缘复杂的图片也具有很好的背景去除效果的优点。
[0009]本专利技术的上述专利技术目的是通过以下技术方案得以实现的：
[0010]一种自动去除图片背景的方法，包括以下步骤：
[0011]S1：获取待去除背景图片，并抹去所述待去除背景图片中包含过多噪点的不必要的内部细节；
[0012]S2：采用包括粗线条提取法和细线条提取法在内的任意一种方法，提取所述待去除背景图片中的物体线条；
[0013]S3：获取所述物体线条的外部轮廓，并把所述外部轮廓描绘出来；
[0014]S4：将所述外部轮廓内部颜色填充为白色RGB(255，255，255)，将所述外部轮廓外部颜色填充为黑色RGB(0，0，0)；
[0015]S5：当所述待去除背景图片为包括jpg、jpeg在内的不包括alpha图层的图片时，创建新的alpha图层，当所述待去除背景图片为包括png在内的包括alpha图层的图片时，重写alpha图层数值，将alpha图层赋值为任意一个其他图层的数值，其中，由于在alpha图层中255代表不透明，0代表透明，设置后所述外部轮廓内部的图像显示出来，所述外部轮廓外部的图像不显示，即成功去除图片背景。
[0016]进一步地，在步骤S1中，抹去所述待去除背景图片中包含过多噪点的不必要的所述内部细节，具体为：采用高斯模糊抹去所述待去除背景图片中的所述内部细节。
[0017]进一步地，在步骤S2中，采用包括所述粗线条提取法和所述细线条提取法在内的任意一种方法，提取所述待去除背景图片中的物体线条，具体为：
[0018]所述粗线条提取法采用边缘检测算法canny，应用于希望去除背景线条比较平滑的场景中；
[0019]所述细线条提取法采用边缘检测CNN模型DexiNed，应用于希望去除背景线条比较精细的场景中。
[0020]进一步地，在步骤S3中，获取所述物体线条的外部轮廓，并把所述外部轮廓描绘出来，具体为：
[0021]采用Python中findContours函数获取所述物体线条的外部轮廓，并采用Python中drawContours函数把所述外部轮廓描绘出来。
[0022]一种自动去除图片背景的系统，包括：
[0023]内部细节去除模块，用于获取待去除背景图片，并抹去所述待去除背景图片中包含过多噪点的不必要的内部细节；
[0024]物体线条提取模块，用于采用包括粗线条提取法和细线条提取法在内的任意一种方法，提取所述待去除背景图片中的物体线条；
[0025]外部轮廓描绘模块，用于获取所述物体线条的外部轮廓，并把所述外部轮廓描绘出来；
[0026]颜色填充模块，用于将所述外部轮廓内部颜色填充为白色RGB(255，255，255)，将所述外部轮廓外部颜色填充为黑色RGB(0，0，0)
[0027]alpha图层赋值模块，用于当所述待去除背景图片为包括jpg、jpeg在内的不包括alpha图层的图片时，创建新的alpha图层，当所述待去除背景图片为包括png在内的包括alpha图层的图片时，重写alpha图层数值，将alpha图层赋值为任意一个其他图层的数值，其中，由于在alpha图层中255代表不透明，0代表透明，设置后所述外部轮廓内部的图像显示出来，所述外部轮廓外部的图像不显示，即成功去除图片背景。
[0028]进一步地，在所述内部细节去除模块中，还包括：采用高斯模糊抹去所述待去除背景图片中的所述内部细节。
[0029]进一步地，在所述物体线条提取模块中，还包括：所述粗线条提取法采用边缘检测算法canny，应用于希望去除背景线条比较平滑的场景中；所述细线条提取法采用边缘检测CNN模型DexiNed，应用于希望去除背景线条比较精细的场景中。
[0030]进一步地，在所述外部轮廓描绘模块中，还包括：采用Python中findContours函数获取所述物体线条的外部轮廓，并采用Python中drawContours函数把所述外部轮廓描绘出来。
[0031]一种电子设备，其特征在于，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、所述代码集或所述指令集由所述处理器加载并执行以实现如上述的方法。
[0032]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机代码，当所述计算机代码被执行时，如上述的方法被执行。
[0033]与现有技术相比，本专利技术包括以下至少一种有益效果是：
[0034](1)通过提供一种自动去除图片背景的方法，包括以下步骤：S1：获取待去除背景图片，并抹去所述待去除背景图片中包含过多噪点的不必要的内部细节；S2：采用包括粗线条提取法和细线条提取法在内的任意一种方法，提取所述待去除背景图片中的物体线条；
S3：获取所述物体线条的外部轮廓，并把所述外部轮廓描绘出来；S4：将所述外部轮廓内部颜色填充为白色RGB(255，255，255)，将所述外部轮廓外部颜色填充为黑色RGB(0，0，0)；S5：当所述待去除背景图片为包括jpg、jpeg在内的不包括alpha图层的图片时，创建新的alpha图层，当所述待去除背景图片为包括png在内的包括alpha图层的图片时，重写alpha图层数值，将alpha图层赋值为任意一个其他图层的数值，其中，由于在alpha图层中255代表不透明，0代表透明，设置后所述外部轮廓内部的图像显示出来，所述外部轮廓外部的图像不显示，即成功去除图片背景。上述技术方案具有能够全自动去除图片背景，无需人工操作，且针对边缘复杂的图片也具有很好的背景去除效果的优点。
附图说明
[0035]图1位本专利技术一种自动去除图片背景的方法的整体流程图；
[0036]图2为本专利技术采用边缘检测算法canny进行粗线条提取的示意图；
[0037]图3为本专利技术采用边缘检测CNN模型DexiNed进行细线条提取的示意图；
[0038]图4为本专利技术原始图像未处理过的图像的示意本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种自动去除图片背景的方法，其特征在于，包括以下步骤：S1：获取待去除背景图片，并抹去所述待去除背景图片中包含过多噪点的不必要的内部细节；S2：采用包括粗线条提取法和细线条提取法在内的任意一种方法，提取所述待去除背景图片中的物体线条；S3：获取所述物体线条的外部轮廓，并把所述外部轮廓描绘出来；S4：将所述外部轮廓内部颜色填充为白色RGB(255，255，255)，将所述外部轮廓外部颜色填充为黑色RGB(0，0，0)；S5：当所述待去除背景图片为包括jpg、jpeg在内的不包括alpha图层的图片时，创建新的alpha图层，当所述待去除背景图片为包括png在内的包括alpha图层的图片时，重写alpha图层数值，将alpha图层赋值为任意一个其他图层的数值，其中，由于在alpha图层中255代表不透明，0代表透明，设置后所述外部轮廓内部的图像显示出来，所述外部轮廓外部的图像不显示，即成功去除图片背景。2.根据权利要求1所述自动去除图片背景的方法，其特征在于，在步骤S1中，抹去所述待去除背景图片中包含过多噪点的不必要的所述内部细节，具体为：采用高斯模糊抹去所述待去除背景图片中的所述内部细节。3.根据权利要求1所述的自动去除图片背景的方法，其特征在于，在步骤S2中，采用包括所述粗线条提取法和所述细线条提取法在内的任意一种方法，提取所述待去除背景图片中的物体线条，具体为：所述粗线条提取法采用边缘检测算法canny，应用于希望去除背景线条比较平滑的场景中；所述细线条提取法采用边缘检测CNN模型DexiNed，应用于希望去除背景线条比较精细的场景中。4.根据权利要求1所述的自动去除图片背景的方法，其特征在于，在步骤S3中，获取所述物体线条的外部轮廓，并把所述外部轮廓描绘出来，具体为：采用Python中findContours函数获取所述物体线条的外部轮廓，并采用Python中drawContours函数把所述外部轮廓描绘出来。5.一种自动去除图片背景的系统，其特征在于，包括：内部细节去除模块，用于获取待去除背景图片，并抹去所述待去除背景图片中包含过多噪点的不必要的内部细节；物体线条提取模...
【专利技术属性】
技术研发人员：周轶璐，陈，王露，
申请(专利权)人：智裳科技上海有限公司，
类型：发明
国别省市：
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。