图像处理方法、相关设备及计算机可读存储介质技术

本申请实施例公开了一种图像处理方法、相关设备及计算机可读存储介质，其中，方法可以包括如下步骤：获取原始图像以及所述原始图像对应的Alpha图像；其中，所述原始图像对应的Alpha图像与所述原始图像的大小相同；对所述原始图像进行边缘检测，得到所述原始图像对应的边缘信息；获取所述Alpha图像的边缘强度，并利用侵蚀算法和所述原始图像对应的边缘信息获取最大边缘强度；根据所述最大边缘强度调整所述Alpha图像。实施本申请，可以解决深度学习模型所产生的抠图图像在图像缩放后造成的边缘误差。缘误差。缘误差。

【技术实现步骤摘要】
图像处理方法、相关设备及计算机可读存储介质


[0001]本申请涉及图像处理
，尤其涉及一种图像处理方法、相关设备及计算机可读存储介质。

技术介绍

[0002]现有的抠像技术存在边缘模糊的问题。例如，人形抠像在直播视频等领域有着广泛的应用，其目的在于把前景的人像和背景的环境分割开，并在此基础之上加入特定的特效，达到更好的展示和娱乐效果。现有的人形抠像系统很难解决物体边缘模糊现象，给用户的视觉体验较为糟糕。

技术实现思路

[0003]本申请实施例提供一种图像处理方法、相关设备及计算机可读存储介质，利用原始图像的边缘信息来调整抠图图像，可以解决深度学习模型所产生的抠图图像在图像缩放后造成的边缘误差。
[0004]第一方面，本申请实施例提供了一种图像处理方法，该方法包括：
[0005]获取原始图像以及所述原始图像对应的Alpha图像；其中，所述原始图像对应的Alpha图像与所述原始图像的大小相同；
[0006]对所述原始图像进行边缘检测，得到所述原始图像对应的边缘信息；
[0007]获取所述Alpha图像的边缘强度，并利用侵蚀算法和所述原始图像对应的边缘信息获取最大边缘强度；
[0008]根据所述最大边缘强度调整所述Alpha图像。
[0009]实施本申请实施例，可以利用侵蚀算法和原始图像对应的边缘信息获取最大边缘强度，继而可以基于最大边缘强度调整抠图图像，以这种方式，可以解决深度学习模型所产生的抠图图像在图像缩放后造成的边缘误差。
[0010]在一种可能的实现方式中，所述获取原始图像，包括：
[0011]获取抠像视频；
[0012]对所述抠像视频进行视频解码，得到所述抠像视频的视频图片帧；
[0013]按照设定时间间隔或按照视频图片帧的画面内容变化量在所述视频图片帧中获取所述原始图像。
[0014]在一种可能的实现方式中，所述获取原始图像对应的Alpha图像，包括：
[0015]获取训练好的抠像模型，其中，所述训练好的抠像模型关联有模型输入大小；
[0016]通过所述模型输入大小调整所述原始图像，得到调整后的原始图像；
[0017]利用所述训练好的抠像模型对所述调整后的原始图像进行处理，得到所述Alpha图像。
[0018]由于输入到训练好的抠像模型的原始图像的大小与抠像模型所要求的图像大小相同，以这种方式，可以保证提取抠图图像的精确度。
[0019]在一种可能的实现方式中，所述训练好的抠像模型为基于至少一个样本图像训练得到的模型，其中，每个样本图像关联有标注数据，所述标注数据用于指示所述样本图像中抠图对象的边缘位置。示例性地，上述抠像模型可以采用神经网络实现。
[0020]在一种可能的实现方式中，所述对所述原始图像进行边缘检测，得到所述原始图像对应的边缘信息，包括：
[0021]对所述原始图像进行高斯模糊计算，得到模糊图像；
[0022]对所述模糊图像进行边缘检测，得到所述边缘信息。
[0023]第二方面，本申请实施例提供了一种图像处理装置，包括：
[0024]图像获取单元，用于获取原始图像以及所述原始图像对应的Alpha图像；其中，所述原始图像对应的Alpha图像与所述原始图像的大小相同；
[0025]边缘检测单元，用于对所述原始图像进行边缘检测，得到所述原始图像对应的边缘信息；
[0026]边缘强度获取单元，用于获取所述Alpha图像的边缘强度，并利用侵蚀算法和所述原始图像对应的边缘信息获取最大边缘强度；
[0027]处理单元，用于根据所述最大边缘强度调整所述Alpha图像。
[0028]在一种可能的实现方式中，所述图像获取单元，具体用于：
[0029]获取抠像视频；
[0030]对所述抠像视频进行视频解码，得到所述抠像视频的视频图片帧；
[0031]按照设定时间间隔或按照视频图片帧的画面内容变化量在所述视频图片帧中获取所述原始图像。
[0032]在一种可能的实现方式中，所述图像获取单元，具体用于：
[0033]获取训练好的抠像模型，其中，所述训练好的抠像模型关联有模型输入大小；
[0034]通过所述模型输入大小调整所述原始图像，得到调整后的原始图像；
[0035]利用所述训练好的抠像模型对所述调整后的原始图像进行处理，得到所述Alpha图像。
[0036]在一种可能的实现方式中，所述训练好的抠像模型为基于至少一个样本图像训练得到的模型，其中，每个样本图像关联有标注数据，所述标注数据用于指示所述样本图像中抠图对象的边缘位置。
[0037]在一种可能的实现方式中，所述边缘检测单元，具体用于：
[0038]对所述原始图像进行高斯模糊计算，得到模糊图像；
[0039]对所述模糊图像进行边缘检测，得到所述边缘信息。
[0040]第三方面，本申请实施例提供了一种电子设备，包括处理器和存储器，所述处理器和存储器相互连接，其中，所述存储器用于存储支持电子设备执行上述方法的计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。
[0041]第四方面，本申请实施例提供了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程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
[0042]第五方面，本申请实施例还提供了一种计算机程序，所述计算机程序包括程序指
令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
[0043]本申请实施例带来了以下有益效果：
[0044]现有的抠图技术，神经网络算法会先将原始输入图像缩放到神经网络模型的输入大小，基于神经网络模型获取抠图图像的Alpha预测结果，之后，将抠图图像的预测结果放大到原始图像大小，这样的缩放过程会造成边缘上的误差，如果背景是黑色的情况下，会出现明显的白边。这一实现方式，容易给用户带来不好的视觉体验。本申请提出的图像处理方法，可以利用侵蚀算法和原始图像对应的边缘信息获取最大边缘强度，继而可以基于最大边缘强度调整抠图图像，以这种方式，可以解决深度学习模型所产生的抠图图像在图像缩放后造成的边缘误差，提高精确度。
附图说明
[0045]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。
[0046]图1a是本申请实施例提供的一种图像处理的过程示意图；
[0047]图1b是本申请实施例提供的一种电子设备的结构示意图；
[0048]图2是本申请实施例提供的一种抠像模型训练方法流程图；
[0049]图3a是本申请实施例提供的一种图像处理方法的流程示意图；
[0050]图3b本申请实施例提供的另一种图像处理的过程示意图；
[0051]图4是本申请实施例提供的一种图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取原始图像以及所述原始图像对应的Alpha图像；其中，所述原始图像对应的Alpha图像与所述原始图像的大小相同；对所述原始图像进行边缘检测，得到所述原始图像对应的边缘信息；获取所述Alpha图像的边缘强度，并利用侵蚀算法和所述原始图像对应的边缘信息获取最大边缘强度；根据所述最大边缘强度调整所述Alpha图像。2.根据权利要求1所述的方法，其特征在于，所述获取原始图像，包括：获取抠像视频；对所述抠像视频进行视频解码，得到所述抠像视频的视频图片帧；按照设定时间间隔或按照视频图片帧的画面内容变化量在所述视频图片帧中获取所述原始图像。3.根据权利要求1所述的方法，其特征在于，所述获取原始图像对应的Alpha图像，包括：获取训练好的抠像模型，其中，所述训练好的抠像模型关联有模型输入大小；通过所述模型输入大小调整所述原始图像，得到调整后的原始图像；利用所述训练好的抠像模型对所述调整后的原始图像进行处理，得到所述Alpha图像。4.根据权利要求3所述的方法，其特征在于，所述训练好的抠像模型为基于至少一个样本图像训练得到的模型，其中，每个样本图像关联有标注数据，所述标注数据用于指示所述样本图像中抠图对象的边缘位置。5.根据权利要求1所述的方法，其特征在于，所述对所述原始图像进行边缘检测，得到所述原始图像对应的边缘信息，包括：对所述原始图像进行高斯模糊计算，得到模糊图像；对所述模糊图像进行边缘检测，得到所述边缘信息。6....

【专利技术属性】
技术研发人员：陈信宇，
申请(专利权)人：深圳万兴软件有限公司，
类型：发明
国别省市：