本公开涉及一种图像生成方法及装置、电子设备和存储介质，所述方法包括：对真实场景中的目标对象进行图像采集，得到包含所述目标对象的第一目标图像；基于所述第一目标图像中所述目标对象的颜色信息，从所述第一目标图像中提取所述目标对象；将所述目标对象与预设的第二目标图像进行融合，得到第三目标图像，其中，所述第三目标图像用于训练目标神经网络。所述第三目标图像用于训练目标神经网络。所述第三目标图像用于训练目标神经网络。
【技术实现步骤摘要】
图像生成方法及装置、电子设备和存储介质
[0001]本公开涉及计算机
，尤其涉及一种图像生成方法及装置、电子设备和存储介质。
技术介绍
[0002]神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。神经网络在训练过程中需要大规模的训练数据。如何大规模地获取具有较高真实度的训练数据，成为目前一个亟待解决的问题。
技术实现思路
[0003]本公开提出了一种图像生成的技术方案。
[0004]根据本公开的一方面，提供了一种图像生成方法，包括：
[0005]对真实场景中的目标对象进行图像采集，得到包含所述目标对象的第一目标图像；基于所述第一目标图像中所述目标对象的颜色信息，从所述第一目标图像中提取所述目标对象；将所述目标对象与预设的第二目标图像进行融合，得到第三目标图像，其中，所述第三目标图像用于训练目标神经网络。
[0006]在本公开实施例中，通过对真实场景中的目标对象进行图像采集以得到第一目标图像，并基于第一目标图像中目标对象的颜色信息来提取目标对象，从而将目标对象与预设的第二目标图像进行融合，来得到用于训练目标神经网络的第三目标图像，通过本公开实施例，可以利用第一目标图像中目标对象的颜色信息，来提取真实场景中的目标对象的图像，从而将提取的目标对象与不同的第二目标图像进行融合来得到多种真实的第三目标图像，一方面便于批量生成第三目标图像来训练目标神经网络，降低生成第三目标图像的成本，另一方面由于融合的目标对象是从真实场景中通过图像采集所得到的，因此可以提高第三目标图像的真实性，继而提升训练效果。
[0007]在一种可能的实现方式中，在所述基于所述第一目标图像中所述目标对象的颜色信息，从所述第一目标图像中提取所述目标对象之前，所述方法还包括：对所述第一目标图像进行图像分割，得到所述目标对象的分割结果；根据所述分割结果，确定所述第一目标图像中所述目标对象的颜色信息。
[0008]通过本公开实施例，可以利用初步的图像分割来确定第一目标图像中目标对象的颜色信息，从而便于后续精确地从第一目标图像中提取目标对象，提升生成的第三目标图像的效果，继而提升训练的精度；而且由于图像分割是为了获取第一目标图像中目标对象的颜色信息，因此对图像分割的精度要求较低，降低图像生成方法的整体成本。
[0009]在一种可能的实现方式中，所述根据所述分割结果，确定所述第一目标图像中所述目标对象的颜色信息，包括：统计所述分割结果包含的多个第一像素点的目标像素值，得到统计结果，其中，所述目标像素值为所述第一像素点中目标通道的像素值；根据所述统计结果，确定所述目标对象的颜色信息。
[0010]通过本公开实施例，可以利用分割结果中第一像素点在某个或某些目标通道上的目标像素值，来确定目标对象的颜色信息，一方面减小了获取颜色信息过程中所需处理的数据量，提升方法的整体效率；另一方面也可以利用某些有代表性的颜色通道上的像素值来确定第一目标图像中属于目标对象的像素点的大致颜色分布，提升后续提取对象的准确性，从而提升生成的第三目标图像的效果，继而提升目标神经网络的训练精度。
[0011]在一种可能的实现方式中，所述基于所述第一目标图像中所述目标对象的颜色信息，从所述第一目标图像中提取所述目标对象，包括：根据所述颜色信息，以及所述第一目标图像包含的多个第二像素点的像素值，从所述第一目标图像中提取所述目标对象。
[0012]通过本公开实施例，可以利用颜色信息以及第一目标图像中各第二像素点的像素值，来实现目标对象的提取，这种提取方式便于实现且计算量较小，大大提升图像生成方法的整体速度和便捷程度，同时由于颜色信息可以通过图像分割等方式进行获取，因此提取得到的对象结果也较为准确，从而提升第三目标图像的精度，也提升目标神经网络的训练精度。
[0013]在一种可能的实现方式中，所述第一目标图像包括绿色背景；所述基于所述第一目标图像中所述目标对象的颜色信息，从所述第一目标图像中提取所述目标对象，包括：根据所述颜色信息，确定绿色通道的筛选阈值；获取所述第一目标图像包含的多个第二像素点的绿色通道像素值；在所述绿色通道像素值小于所述筛选阈值的情况下，确定所述第二像素点属于所述目标对象；在所述绿色通道像素值不小于所述筛选阈值的情况下，确定所述第二像素点属于所述绿色背景。
[0014]通过本公开实施例，可以利用第一目标图像中各第二像素点在绿色通道上的像素值，来较为容易地从包含绿色背景的第一目标图像中，区分对象和绿色背景，降低提取目标对象的成本，提高提取目标对象的准确性，从而利用较低的成本生成更为真实的第三目标图像，继而降低训练目标神经网络的成本，提升训练目标神经网络的精度。
[0015]在一种可能的实现方式中，所述将所述目标对象与预设的第二目标图像进行融合，得到第三目标图像，包括：根据所述目标对象的融合强度，将所述目标对象与预设的第二目标图像进行融合，得到第三目标图像。
[0016]通过本公开实施例，可以将目标对象与第二目标图像按照融合强度来进行融合，从而提升融合后得到的第三目标图像的真实程度，继而提升目标神经网络的训练精度。
[0017]在一种可能的实现方式中，所述将所述目标对象与预设的第二目标图像进行融合，得到第三目标图像，包括：对所述目标对象的边缘进行优化，得到优化对象以及所述优化对象的融合强度；根据所述优化对象的融合强度，将所述优化对象与预设的第二目标图像进行融合，得到第三目标图像。
[0018]通过本公开实施例，可以进一步提升融合的目标对象的边缘精度，从而使得融合后的第三目标图像具有更高的精度和真实性，继而提升目标神经网络的训练精度。
[0019]在一种可能的实现方式中，所述对所述目标对象的边缘进行优化，得到优化对象以及所述优化对象的融合强度，包括：根据第三像素点与所述目标对象之间的所属关系，对多个所述第三像素点进行分类，得到分类结果，其中，所述第三像素点为所述目标对象中的像素点，所述分类结果包括：属于目标对象的第三像素点、属于目标对象以外的第三像素点以及属于目标对象边缘的像素点；基于所述分类结果，对所述目标对象进行抠图处理，得到
优化对象以及所述优化对象的融合强度。
[0020]通过本公开实施例，可以利用提取出的目标对象中像素点与目标对象之间的所属关系，对目标对象的边缘进行进一步优化，一方面可以得到具有更高精度边缘的优化对象，另一方面还可以确定优化对象与第二目标图像之间的融合强度，从而进一步提升得到的第三目标图像的真实度和精度，继而提升目标神经网络的训练精度。
[0021]在一种可能的实现方式中，所述根据第三像素点与所述目标对象之间的所属关系，对多个所述第三像素点进行分类，得到分类结果，包括：对所述目标对象进行腐蚀处理和/或膨胀处理，得到处理结果；基于所述处理结果，确定所述分类结果。
[0022]通过本公开实施例，可以利用腐蚀和/或膨胀等形态学的基本操作，对目标对象中的第三像素点进行较为准确的分类，从而提升优化对象的精本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像生成方法，其特征在于，包括：对真实场景中的目标对象进行图像采集，得到包含所述目标对象的第一目标图像；基于所述第一目标图像中所述目标对象的颜色信息，从所述第一目标图像中提取所述目标对象；将所述目标对象与预设的第二目标图像进行融合，得到第三目标图像，其中，所述第三目标图像用于训练目标神经网络。2.根据权利要求1所述的方法，其特征在于，在所述基于所述第一目标图像中所述目标对象的颜色信息，从所述第一目标图像中提取所述目标对象之前，所述方法还包括：对所述第一目标图像进行图像分割，得到所述目标对象的分割结果；根据所述分割结果，确定所述第一目标图像中所述目标对象的颜色信息。3.根据权利要求2所述的方法，其特征在于，所述根据所述分割结果，确定所述第一目标图像中所述目标对象的颜色信息，包括：统计所述分割结果包含的多个第一像素点的目标像素值，得到统计结果，其中，所述目标像素值为所述第一像素点中目标通道的像素值；根据所述统计结果，确定所述目标对象的颜色信息。4.根据权利要求1至3中任意一项所述的方法，其特征在于，所述基于所述第一目标图像中所述目标对象的颜色信息，从所述第一目标图像中提取所述目标对象，包括：根据所述颜色信息，以及所述第一目标图像包含的多个第二像素点的像素值，从所述第一目标图像中提取所述目标对象。5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述第一目标图像包括绿色背景；所述基于所述第一目标图像中所述目标对象的颜色信息，从所述第一目标图像中提取所述目标对象，包括：根据所述颜色信息，确定绿色通道的筛选阈值；获取所述第一目标图像包含的多个第二像素点的绿色通道像素值；在所述绿色通道像素值小于所述筛选阈值的情况下，确定所述第二像素点属于所述目标对象；在所述绿色通道像素值不小于所述筛选阈值的情况下，确定所述第二像素点属于所述绿色背景。6.根据权利要求1至5中任意一项所述的方法，其特征在于，所述将所述目标对象与预设的第二目标图像进行融合，得到第三目标图像，包括：根据所述目标对象的融合强...
【专利技术属性】
技术研发人员：阎佳薇，李祯禧，
申请(专利权)人：深圳市慧鲤科技有限公司，
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。