基于频域的低景深图像分割方法技术

技术编号:7759923 阅读:259 留言:0更新日期:2012-09-14 02:53
本发明专利技术提供基于频域的低景深图像分割方法,利用低景深图像中对焦对象包含的高频分量较多,而模糊区域包含的高频分量较小的特性,基于频域来进行低景深图像分割处理。本发明专利技术使用均值滤波器对原始图像的频域进行平滑从而得到近似完全模糊的图像的幅度谱,即使得经平滑处理后的幅度谱近似背景区域的幅度谱。当原始低景深图像的幅度谱减去经平滑处理后的幅度谱之后,就能得到对焦对象的高频差分幅度谱,再将对焦对象的高频差分幅度谱变换回空间域就能得到能够定位对焦对象的对焦图。对焦图为灰度图像,其中亮色的区域指示出图像的对焦对象,暗色的区域指示出图像的模糊背景。

【技术实现步骤摘要】

本专利技术涉及图像处理技术,特别涉及图像分割技木。
技术介绍
伴随着数字成像技术的发展和成熟,人们的日常生活中涌现了大量的数字图像。在种类繁多的数字图像当中,低景深图像因其出色的视觉效果尤其受到人们的欢迎和青睐。低景深图像区别于普通图像的特点是,它拥有对焦清晰的前景区域,以及离焦模糊的背景区域。前景清晰而背景模糊,这ー强烈对比使得人们很容易将注意力集中在对焦的前景对象上,也使得图像的信息主要表征在对焦对象上,对焦对象因而也是图像的语义对象。为获取对焦图像的主要信息,我们通常需要分割出对焦对象。目前,主要有两类分割低景深图像的方法,即基于边缘和基于区域的方法,这两种方法均在空间域上对低景深图像像素进行分析。基于边缘的方法通过衡量图像边缘点的模糊程度提取出对焦对象的边缘轮廓。该方法主要基于这样ー个观察,即对焦对象内部的边缘点模糊程度较小,背景区域内的边缘点模糊程度较高。通过使用阶保留方法去估计边缘像素的模糊程度,可以判定一个边缘像素是否属于对焦对象。最后,把所有属于对焦对象的边缘像素连接起来,并进行区域填充就可以分割出对焦对象。基于区域的方法依赖于对低景深图像中高频区域的检测。由于低景深图像中的对焦对象是清晰的,其中的高频成分较多,高频信息丰富的区域对应的正是对焦对象区域。这可以通过分析图像的局部方差、高频小波系数统计表示或者高频小波系数的方差得以实现。
技术实现思路
本专利技术所要解决的技术问题是,提供ー种新的,。本专利技术为解决上述技术问题所采用的技术方案是,,包括以下步骤频域变换步骤对原始图像进行傅里叶变换至频域,求取原始图像的幅度谱;频域处理步骤使用均值滤波器对原始图像的频域进行平滑处理,得到平滑处理后的幅度谱;将原始图像的幅度谱减去平滑处理后的幅度谱,得到图像对焦对象的高频差分幅度谱;空间域变换步骤将图像对焦对象的高频差分幅度谱经傅里叶逆变换至空间域得到对焦图;分割步骤将对焦图中灰度值高的部分划分为前景区域,将灰度值低的部分划分为背景区域。本专利技术利用低景深图像中对焦对象(前景区域)包含的高频分量较多,而模糊区 域(背景区域)包含的高频分量较小的特性,基于频域来进行低景深图像分割处理。本专利技术使用均值滤波器对原始图像的频域进行平滑从而得到近似完全模糊的图像的幅度谱,即使得经平滑处理后的幅度谱近似背景区域的幅度谱。当原始低景深图像的幅度谱减去经平滑处理后的幅度谱之后,背景区域的幅度谱接近于O,如此就能得到对焦对象的高频差分幅度谱,再将对焦对象的高频差分幅度谱变换回空间域就能得到能够定位对焦对象的对焦图。对焦图为灰度图像,其中亮色的区域(灰度值高)指示出图像的对焦对象,暗色的区域(灰度值高)指示出图像的模糊背景。进ー步的,分割步骤之后,用分割步骤中的划分结果来初始化Grabcut算法对低景深图像的区域划分,对低景深图像中划分出的前景区域与背景区域进行建模,得到前景模型、背景模型,利用Grabcut算法对低景深图像的前景区域的边界部分进行细化分割。 进ー步的,在分割步骤中,先对对焦图进行灰度归ー化处理,再将对焦图中的像素点进行与阈值进行比较。本专利技术的有益效果是,通过在频域上的图像幅度谱进行处理得到对焦图,从而实现低景深图像分割,具有检测率高、计算复杂度低、相比于现有空域分析方法,本专利技术简单而闻效。附图说明图I为本实施例流程图;图2为低景深图像示例;图3为对焦图示例。具体实施例方式本专利技术的实现基于申请人提出的幅度谱分解模型现有的时空域的matting模型,将低景深图像i(x,y)视作清晰图像ic(x,y)和离焦模糊图像id(x,y)的组合,即i(x,y) = α (χ, y) ic(x, y) + id(x, y) (I)其中,a (χ, y)是ー个ニ值函数,对于对焦区域其取值为1,对于模糊区域其取值为O。使用傅里叶变换将式(I)变换到频率域,得到 ΛΛΛΛΛ/(Μ,ν)=び(Μ,ν) * ic (μ, V) + \δ(μ, V) - a(u, V)] * id (μ, ν)(2)其中,符号~表示原始信号的傅里叶变换形式,(U,ν)是指空间频率,*代表卷积运算。利用u = fsin Θ以及v = fcos Θ的关系,将式⑵变换到极坐标底下。再通过计算空间频率/ =ふ2+V2并在角度上进行平均,可以将式(2)写成关于ー维变量的形式/(/) = a{f) */,(/) + * id if)(3)考虑到一个离焦模糊图像可以被视作一个拍摄于同样场景下的清晰图像,经过与点扩散函数进行卷积的結果;而点扩散函数往往被近似为高斯函数,则离焦模糊图像可表示如下id (X,y) = ic (x, y) *g (x, y) (4)在频率域内,它等效于清晰图像的傅里叶形式与高斯转移函数的乘积,即权利要求1.,包括以下步骤 频域变换步骤对原始图像进行傅里叶变换至频域,求取原始图像的幅度谱; 频域处理步骤使用均值滤波器对原始图像的频域进行平滑处理,得到平滑处理后的幅度谱;将原始图像的幅度谱减去平滑处理后的幅度谱,得到图像对焦对象的高频差分幅度谱; 空间域变换步骤将图像对焦对象的高频差分幅度谱经傅里叶逆变换至空间域得到对焦图; 分割步骤将对焦图中灰度值高的部分划分为前景区域,将灰度值低的部分划分为背景区域。2.如权利要求I所述,其特征在于,在分割步骤中,使用平均阈值对对焦图内像素点进行判断,当像素点的灰度值大于阈值,则划分为前景区域中的像素点,否则,划分为背景区域中的像素点,所述平均阈值为对焦图灰度值的均值。3.如权利要求2所述,其特征在于,分割步骤之后,用分割步骤中的划分结果来初始化Grabcut算法对低景深图像的区域划分,对低景深图像中划分出的前景区域与背景区域进行建模,得到前景模型、背景模型,利用Grabcut算法对低景深图像的前景区域的边界部分进行细化分割。4.如权利要求1、2或3所述,其特征在于,在分割步骤中,先对对焦图进行灰度归ー化处理,再将对焦图中的像素点进行与阈值进行比较。全文摘要本专利技术提供,利用低景深图像中对焦对象包含的高频分量较多,而模糊区域包含的高频分量较小的特性,基于频域来进行低景深图像分割处理。本专利技术使用均值滤波器对原始图像的频域进行平滑从而得到近似完全模糊的图像的幅度谱,即使得经平滑处理后的幅度谱近似背景区域的幅度谱。当原始低景深图像的幅度谱减去经平滑处理后的幅度谱之后,就能得到对焦对象的高频差分幅度谱,再将对焦对象的高频差分幅度谱变换回空间域就能得到能够定位对焦对象的对焦图。对焦图为灰度图像,其中亮色的区域指示出图像的对焦对象,暗色的区域指示出图像的模糊背景。文档编号G06T7/00GK102663748SQ20121008353公开日2012年9月12日 申请日期2012年3月27日 优先权日2012年3月27日专利技术者李宏亮, 陈天堂 申请人:电子科技大学本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员:李宏亮陈天堂
申请(专利权)人:电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1