图像分割方法、装置及存储介质制造方法及图纸

本申请涉及图像处理技术领域，具体包括图像分割方法、装置及存储介质；所述方法包括：获取原始图像；将所述原始图像输入预先训练好的神经网络模型进行首次图像分割，识别出至少一个目标轮廓，以及所述目标轮廓对应的清晰度标签；提取所述清晰度标签符合预设指标的目标轮廓的预设局部图像，基于图像特征，对所述清晰度标签符合预设指标的目标轮廓的所述预设局部图像进行二图像分割；提取所述清晰度标签不符合预设指标的目标轮廓的预设局部图像，将所述清晰度标签不符合预设指标的目标轮廓的预设局部图像重新输入所述神经网络模型进行二次图像分割。将两次图像分割后的结果，融合到原始图像中。本申请能够降低成本，实现高精度图像分割。图像分割。图像分割。

【技术实现步骤摘要】
图像分割方法、装置及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种图像分割方法、装置及存储介质。

技术介绍

[0002]目前，机器视觉技术已经广泛应用于工业自动化生产当中。例如，在PCB板产品的激光加工生产过程中，就需要用到图像分割的技术从产品的图像中识别出加工件的定位位置的轮廓。
[0003]现有技术中的图像分割方法，一般是基于图像的灰度、梯度、纹理等特征对图像中的像素进行区域上的分类。这类图像分割方法，受图像特征的影响较大，例如在特征边界区别不明显的图像中实现的图像分割精度和准确度就比较低。而图像特征受到外界光照等环境因素的影响极大，因此现有技术采用的图像分割方法需要配合外部搭建高成本的光源环境，其成本较高，并且图像分割的速度和精度也有待提高。

技术实现思路

[0004]本专利技术实施例提供图像分割方法、装置及存储介质，能够降低外部所需的光源环境成本，且能够快速进行图像分割，并实现高精度图像分割。
[0005]第一方面，本申请提供一种图像分割方法，所述方法包括：
>[0006]获取原本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割方法，其特征在于，所述方法包括：获取原始图像；将所述原始图像输入预先训练好的神经网络模型进行首次图像分割，识别出至少一个目标轮廓，以及所述目标轮廓对应的清晰度标签；提取所述清晰度标签符合预设指标的目标轮廓的预设局部图像，基于图像特征，对所述清晰度标签符合预设指标的目标轮廓的预设局部图像进行二次图像分割；以及，提取所述清晰度标签不符合预设指标的目标轮廓的预设局部图像，将所述清晰度标签不符合预设指标的目标轮廓的预设局部图像重新输入所述神经网络模型进行二次图像分割；将两次图像分割后的结果，融合到所述原始图像中。2.根据权利要求1所述的方法，其特征在于，所述预先训练好的神经网络模型，具体包括以下步骤：制作预设数目的样本，所述样本中包括至少一个样本轮廓，以及所述样本轮廓对应的预先标记的清晰度标签；将所述预设数目的样本划分为预设比例的训练集和测试集；创建U
‑
Net神经网络模型，利用所述训练集对创建的所述U
‑
Net神经网络模型进行训练；利用所述测试集对所述U
‑
Net神经网络模型进行测试，使所述U
‑
Net神经网络模型的准确率达到预设要求。3.根据权利要求2所述的方法，其特征在于，在将所述原始图像输入预先训练好的神经网络模型进行图像分割之前，所述方法还包括：对所述原始图像进行预处理。4.根据权利要求3所述的方法，其特征在于，所述对所述原始图像进行预处理的步骤，包括：对所述原始图像进行滤波处理；对滤波处理后的图像进行图像增强；以及对图像增强后的图像根据所述U
‑
Net神经网络模型的参数进行缩放。5.根据权利要求4所述的方法，其特征在于，所述对图像增强后的图像根据所述...

【专利技术属性】
技术研发人员：谢唯，杨朝辉，
申请(专利权)人：深圳市大族数控科技股份有限公司，
类型：发明
国别省市：