一种绿幕抠像方法与基于绿幕抠像的图像合成方法技术

一种绿幕抠像方法，所述方法包括：S1、获取待处理的RGB色彩空间的原始绿幕图像；S2、在RGB色彩空间中对待抠像的原始绿幕图像进行色度抠像处理以获得原始绿幕图像的第一阿尔法值图；S3、将RGB色彩空间的原始绿幕图像转换到XYZ色彩空间，并在XYZ色彩空间中对原始绿幕图像进行色度抠像处理以获得原始绿幕图像的第二阿尔法值图；S4、将原始绿幕图像的第一阿尔法值图、第二阿尔法值图进行融合得到原始绿幕图像的第三阿尔法值图；S5、基于步骤S4融合得到的第三阿尔法值图为原始绿幕图像添加阿尔法通道以生成第一前景图像。法通道以生成第一前景图像。法通道以生成第一前景图像。

【技术实现步骤摘要】
一种绿幕抠像方法与基于绿幕抠像的图像合成方法


[0001]本专利技术涉及图像处理领域，具体来说，涉及绿幕抠像领域，更具体地说，涉及一种绿幕抠像方法以及基于绿幕抠像的图像合成方法。

技术介绍

[0002]绿幕抠像是指在绿幕下进行图片或视频的拍摄，并扣取出前景，将其和预定义的新背景进行合成的技术，常用于电影、电视剧等拍摄场景。随着数码相机的不断更新换代，拍摄的图像画面也越来越清晰，特别是拍摄人像时的发丝越来越清晰可见。发丝这种精细前景边缘的清晰度在绿幕抠像中十分重要，发丝效果越精细，抠像得到的人物效果越逼真，同理，前景边缘越清晰，抠像得到的前景图像越逼真，因此可处理精细发丝这类边缘问题的绿幕抠像方法具有很大的现实意义与实际价值。目前已知的绿幕抠像方法可分为两大类：传统方法和深度学习方法。
[0003]常见的传统绿幕抠像方法包括：色度抠像、色差抠像、亮度抠像和三角抠像等方法，通过这些方法从绿幕图像中抠取前景图像，得到前景图像后与新背景进行融合。在上述传统方法中，色度抠像是指根据用户提供的关键颜色，通过估计前景与给定关键颜色的色度差异来估计每个像素的不透明度；色差抠像法是指根据颜色差异来进行绿幕抠像，主要适用于背景颜色比例远大于其他两种颜色的场景；亮度抠像法是基于图像亮度值差异的抠像方法，通常用于提取非常明亮或自发光的前景物体，例如烟雾、火花等；三角抠像法则是通过拍摄不同背景下的相同前景来进行抠像。对于传统抠像方法来说，色度抠像法是最常用的绿幕抠像方法之一，但对于包含精细发丝的图像来说，单独使用色度抠像法检测出的发丝不够精细；色差抠像法由于主要适用于背景颜色比例远大于其他两种颜色的场景，当像素的红绿蓝颜色分量相近时得到的初始阿尔法值不高；亮度抠像法不适用亮度较暗的场景；三角抠像法需要在不同背景下拍摄统一前景，实现过程十分繁琐。单独使用这些传统抠像方法都难以获得准确的抠像效果和清晰的发丝效果，此外，由于拍摄时的光线不均匀、前景对象色彩多样等问题，传统抠像方法难以将绿色背景去除干净，也难以完全扣取前景对象的所有内容，因此一般需要对使用传统抠像方法得到的初始阿尔法值图进行进一步处理。
[0004]基于深度学习的方法大多数基于自然场景进行抠像，包括：基于trimap的方法，例如CF法、KNN法、FBA法和LFP法；基于background的方法，例如GBMV2(mobile)法；自动方法，例如MODNet法和AIM法等。在上述方法中：CF法是基于亲和力的方法，该方法默认图像的局部区域是连续的，而具有相似颜色的相邻像素具有相似的阿尔法值，由此，未知像素的阿尔法值可以通过对其已知前景和背景的相邻像素进行采样来估计，进而通过获得所有像素的阿尔法值实现前景抠像；KNN法同样为基于亲和力的方法，该方法默认图像的局部区域具有平滑性，由此，可将阿尔法值从已知区域传播到位置区域来获得前景图像的阿尔法值以实现前景抠像；FBA法提出了通过对alpha matting网络进行低成本修改以预测前景和背景颜色，基于预测的前景颜色来实现前景抠像；LFP法通过感受野之外的远程上下文特征来进行
前景抠像；GBMV2(mobile)法通过将自然图像拍摄时对应的背景图像作为辅助信息来获取对应的前景图像，其中，通过将二者进行对齐之后进行抠像；MODNet法是仅针对人像的自动实时处理方法，但实时性对应的处理分辨率较低；AIM法提出了一个统一的语义表示模块来引导抠图以产生更准确的效果。对于深度学习的抠像方法来说，基于trimap的方法虽然可以获得较为精细的前景边缘，但此类方法需要用户额外输入trimap，需要耗费用户更多时间和精力，同时其网络结构较为复杂，难以实时处理；基于background的方法需要用户输入对应的背景，抠像出的背景效果依赖于输入背景的准确性；自动方法则难以得到精细的前景边缘，且抠像效果受到训练数据集的限制。除了以上问题，大多基于深度学习的方法还存在着在绿幕抠像时无法去除溢出到前景对象表面的绿色的问题。
[0005]综上所述，现有的绿幕抠像方法主要存在以下缺陷：
[0006]1、采用传统绿幕抠像方法大多均存在抠像不准确且难以对前景物体边缘区域做出精确抠图(例如精细发丝)，前景图像鲁棒性差。
[0007]2、采用深度学习的绿幕抠像方法容易受到训练数据集的限制，且大多无法去除溢出到前景对象表面的绿色，且深度学习的模型结构复杂难以实时处理，同时实施起来耗费的成本大。

技术实现思路

[0008]因此，本专利技术的目的在于克服上述现有技术的缺陷，提供一种绿幕抠像方法以及一种基于绿幕抠像的图像合成方法。
[0009]根据本专利技术的第一方面，提供一种绿幕抠像方法，所述方法包括：S1、获取待处理的RGB色彩空间的原始绿幕图像；S2、在RGB色彩空间中对待抠像的原始绿幕图像进行色度抠像处理以获得原始绿幕图像的第一阿尔法值图，所述第一阿尔法值图由RGB色彩空间中的原始绿幕图像中每一个像素点对应的阿尔法值组成；S3、将RGB色彩空间的原始绿幕图像转换到XYZ色彩空间，并在XYZ色彩空间中对原始绿幕图像进行色度抠像处理以获得原始绿幕图像的第二阿尔法值图，所述第二阿尔法值图由XYZ色彩空间中的原始绿幕图像中每一个像素点对应的阿尔法值组成；S4、将原始绿幕图像的第一阿尔法值图、第二阿尔法值图进行融合得到原始绿幕图像的第三阿尔法值图；S5、基于步骤S4融合得到的第三阿尔法值图为原始绿幕图像添加阿尔法通道以生成第一前景图像。
[0010]在本专利技术的一些实施例中，所述方法还包括：基于第一阿尔法值图和第二阿尔法值图的差异检测第一前景图像的边缘区域。
[0011]在本专利技术的一些实施例中，在所述步骤S2中采用如下方式获得所述第一阿尔法值图：获取对RGB色彩空间中的原始绿幕图像选定的背景像素点，根据原始绿幕图像中每个像素点的饱和度以及所选定的背景像素点的饱和度确定原始绿幕图像每一个像素点对应的第一阿尔法值。
[0012]优选的，每个像素点的第一阿尔法值通过如下规则获取：当像素点的饱和度小于0时其阿尔法值为1；当像素点的饱和度大于等于所选定的背景像素点的饱和度时其阿尔法值为0；当像素点的饱和度为其他情况时其阿尔法值为1减去像素点的饱和度与背景像素点的饱和度的比值。
[0013]在本专利技术的一些实施例中，在所述步骤S3中采用如下方式获得所述第二阿尔法值
图：根据转换到XYZ色彩空间后的原始绿幕图像中每个像素点的饱和度以及背景像素点的饱和度确定原始绿幕图像每一个像素点对应的第二阿尔法值，其中，背景像素点为RGB色彩空间中所选取的背景像素点。
[0014]优选的，每个像素点的阿尔法值通过如下规则获取：当像素点的饱和度小于0时其阿尔法值为1；当像素点的饱和度大于等于所选定的背景像素点的饱和度时其阿尔法值为0；当像素点的饱和度为其他情况时其阿尔法值为1减去像素点的饱和度与背景像素点的饱和度的比值。
[0015]在本专利技术的一些实施例中，所述步骤S4包括：选取每一个像素点对应第一阿尔法值图和第二阿尔法值图中阿尔法值较大的像素点的阿本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种绿幕抠像方法，其特征在于，所述方法包括：S1、获取待处理的RGB色彩空间的原始绿幕图像；S2、在RGB色彩空间中对待抠像的原始绿幕图像进行色度抠像处理以获得原始绿幕图像的第一阿尔法值图，所述第一阿尔法值图由RGB色彩空间中的原始绿幕图像中每一个像素点对应的阿尔法值组成；S3、将RGB色彩空间的原始绿幕图像转换到XYZ色彩空间，并在XYZ色彩空间中对原始绿幕图像进行色度抠像处理以获得原始绿幕图像的第二阿尔法值图，所述第二阿尔法值图由XYZ色彩空间中的原始绿幕图像中每一个像素点对应的阿尔法值组成；S4、将原始绿幕图像的第一阿尔法值图、第二阿尔法值图进行融合得到原始绿幕图像的第三阿尔法值图；S5、基于步骤S4融合得到的第三阿尔法值图为原始绿幕图像添加阿尔法通道以生成第一前景图像。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于第一阿尔法值图和第二阿尔法值图的差异检测第一前景图像的边缘区域。3.根据权利要求2所述的方法，其特征在于，在所述步骤S2中采用如下方式获得所述第一阿尔法值图：获取对RGB色彩空间中的原始绿幕图像选定的背景像素点，根据原始绿幕图像中每个像素点的饱和度以及所选定的背景像素点的饱和度确定原始绿幕图像每一个像素点对应的第一阿尔法值。4.根据权利要求3所述的方法，其特征在于，每个像素点的第一阿尔法值通过如下规则获取：当像素点的饱和度小于0时其阿尔法值为1；当像素点的饱和度大于等于所选定的背景像素点的饱和度时其阿尔法值为0；当像素点的饱和度为其他情况时其阿尔法值为1减去像素点的饱和度与背景像素点的饱和度的比值。5.根据权利要求2所述的方法，其特征在于，在所述步骤S3中采用如下方式获得所述第二阿尔法值图：根据转换到XYZ色彩空间后的原始绿幕图像中每个像素点的饱和度以及背景像素点的饱和度确定原始绿幕图像每一个像素点对应的第二阿尔法值，其中，背景像素点为RGB色彩空间中所选取的背景像素点。6.根据权利要求5所述的方法，其特征在于，每个像素点的阿尔法值通过如下规则获取：当像素点的饱和度小于0时其阿尔法值为1；当像素点的饱和度大于等于所选定的背景像素点的饱和度时其阿尔法值为0；当像素点的饱和度为其他情况时其阿尔法值为1减去像素点的饱和度与背景像素点的饱和度的比值。7.根据权利要求2所述的方法，其特征在于，所述步骤S4包括：选取每一个像素点对应第一阿尔法值图和第二阿尔法值图中阿尔法值较大的像素点的阿尔法值作为第三阿尔法值图中像素点对应的阿尔法值。
8.一种基于绿幕抠像的图像合成方法，用于将从绿幕图像中抠像得到的前景图像与新RGB背景图片进行合成，其特征在于，所述方法包括：T1、获取RGB色彩空间的绿幕图像；T2、采用...

【专利技术属性】
技术研发人员：李兆歆，靳悦，朱登明，石敏，王兆其，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：