一种基于Graphcut的开关式抠图技术制造技术

本发明专利技术公开了一种基于Graphcut的开关式抠图方法，包括以下步骤：1）输入原始图像，计算协方差矩阵，将计算得到的协方差矩阵进行对角化得到对角化矩阵，判断对角化矩阵对角线上非零元素占总元素的百分比是否超过预定的阈值，若否，则执行步骤2），若是，则跳过步骤2）而执行步骤3）；2）利用主成分分析法对图像进行降维处理；3）对降维处理后的图像或因步骤1）判断结果为是而未经降维处理的原始图像，使用camshift方法计算概率密度梯度并进行聚类；4）将经过步骤3）处理后的图像看成一个图，对图中所有的类标记能量；5）根据能量最小化原则进行图割；6）重复步骤3）、4）和5）直至满足预定的收敛条件，得到抠图结果。本发明专利技术具有运行效率高、抠图准确的有益效果。

【技术实现步骤摘要】

本专利技术属于计算机图像处理领域，特别是涉及一种基于Graphcut的开关式抠图技术。
技术介绍
数字抠图是一种把图像的前景部分从背景中分离出来的技术，它通过用户指定图像中少量部分前景和背景区域，并根据这些提示按照一定的判定规则自动、准确地分离出所有的前景物体。抠图与图像合成技术是影视制作中必不可少的关键技术，广泛应用于媒体制作中。数字抠图按照原始图像的不同又可分为蓝屏抠图、自然图像抠图、阴影抠图和环境抠图等，本专利主要研究的是背景任意的自然图像抠图。自然图像抠图发展到今天已经产生了许多不同的算法。Rotoscoping是一种较早提出的普遍使用的自然图像抠图技术，但这种技术过分依赖操作人员的经验，且工作量 大，抠图效果不够好。Autokey的抠图方法改进了 rotoscoping过程，在该方法中，通过rotoscoping可以得到每一帧中前景物体的边缘曲线，之后用少量的手工工作来校正每一帧的边缘曲线。AutoKey采用了一种自适应的羽化方案，比较适用于前景物体的边缘比较“硬”的情况，而不适用毛刺比较多的复杂边缘。最近在抠图领域出现了许多自然图像抠图方法，主要有 Knockout 方法、Ruzon-tomasi 方法、Bayesian 方法、Poisson 方法和 Grabcut方法。自然图像抠图可以分为区域划分、颜色估计与α估计3个步骤，首先进行trimap划分，然后求未知区域中各点的前景色成分和α值。Knockout方法简单、运算速度快，但只适用于光滑图像的抠图；RUZ0n-t0masi方法采用统计学方法来估计值，但该方法的颜色估计和α估计的计算量很大，其处理速度非常慢；Chuang提出了一个基于贝叶斯框架的抠图方法一Bayesian抠图方法，这种方法尽管速度较快，但效果并不理想。Sun等提出了泊松抠图方法，首先把彩色图像转化为灰度图像并得到trimap，再将两条轮廓线作为初始的边界条件，在原始图像的梯度场上建立一个泊松方程，适用于颜色变化比较光滑的图像的抠图，当图像比较复杂时，掩像的梯度场和原始图像的梯度场相差很大，泊松抠图不能解决这种情况；在Grabcut中，用户沿着前景物体的周围画一个矩形，然后通过图像分割加羽化过程的方式准确地抠出前景物体，使用这种方法抠图时，矩形中的背景颜色必须比较光滑，而且边缘附近的颜色相差必须比较大，前景物体的边缘不能太复杂。
技术实现思路
本专利技术所要解决的技术问题是，运行效率高、抠图准确的开关式抠图方法。本专利技术通过以下技术手段解决上述技术问题一种基于Graphcut的开关式抠图方法，包括以下步骤I)输入原始图像，计算协方差矩阵，将计算得到的协方差矩阵进行对角化得到对角化矩阵，判断对角化矩阵对角线上非零元素占总元素的百分比是否超过预定的阈值，若是，则执行步骤2)，若否，则跳过步骤2)而执行步骤3)；2)利用主成分分析法(PCA)对图像进行降维处理；3)对降维处理后的图像或因步骤I)判断结果为是而未经降维处理的原始图像，使用camshift方法计算概率密度梯度并进行聚类；4)将经过步骤3)处理后的图像看成一个图，对图中所有的类标记能量；5)根据能量最小化原则进行图割； 6)重复步骤3)、4)和5)直至满足预定的收敛条件，得到抠图结果。优选地所述预定的阈值为50%。所述步骤3)包括以下步骤(3. I)在图像中选取搜索窗；(3. 2)计算零阶矩、搜索窗的质心；(3. 3)调整搜索窗大小；(3.4)移动搜索窗的中心到质心，如果移动距离大于预设的固定阈值，则重复3.2)、3. 2)和3. 4)，直到搜索窗的中心与质心间的移动距离小于预设的固定阈值，或者循环运算的次数达到某一最大值，停止计算。其中，所述固定的阈值可选择5个像素也可根据实际需要进行适当调整，所述循环运算的次数不大于4，优选3或4。所述步骤I)包括输入原始图像，将输入的图像看做用矩阵形式表示的数据集，减去均值矩阵，使得数据集在各个维度上的均值为零，计算协方差矩阵，将计算得到的协方差矩阵进行对角化，得到对角化矩阵，判断对角化矩阵对角线上非零元素占总元素的百分比是否超过预定的阈值，若否，则执行步骤2)，若是，则跳过步骤2)而执行步骤3);所述步骤2)包括对所述协方差矩阵进行特征分解，计算得到其主成分特征向量，将计算得到的主成分特征向量乘于原始数据集向量，得到投影后的数据集，然后加上所述均值矩阵，得到降维后的数据。其中，减去均值矩阵的目的在于，使得后面计算协方差矩阵时可以得到一个大部分是零元素的稀疏矩阵，便于处理。所述预定的收敛条件是指能量无大幅衰减。优选将能量函数的减小控制在不超过5%的范围内。与现有技术相比，本专利技术的有益效果包括I、利用协方差矩阵中对角非零元素判断图像中大部分信息是否集中在较少的几个主成分上，自适应地选择预处理方法，实现对不同类型的图像分类处理，使PCA的降维效果最优化。2、使用PCA方法提取图中主要的特征向量，选择较少的主成分来表示图中信息，不但可以用作特征降维预处理，使之后的聚类分割运算量成倍减少，同时，由于在本征值谱中排列在后面的主成分往往反映了数据中的噪声，所以PCA进行的预处理还可以在一定程度上消除图像中的噪声影响。3、利用camshift算法对图像像素聚类，自动调整搜索窗,利用camshift的自适应梯度上升搜索峰值的特性求得图像的概率密度梯度，将图像分成若干类，实现有效地从复杂的背景区域中较准确地提取目标物体。4、迭代进行像素聚类标记和最小化图割，直到能量E(X)无大幅衰减时认为计算收敛，自动停止迭代，保证得到E(X)收敛到最小值，得到最优的抠图结果。附图说明图I是本专利技术具体实施例的流程图。具体实施例方式下面对照附图并结合优选的实施方式对本专利技术作进一步说明。输入原始图像，将输入的图像看做用矩阵形式表示的数据集，减去均值，使得数据集在各个维度上的均值为零。计算协方差矩阵本文档来自技高网...

【技术保护点】
一种基于Graphcut的开关式抠图方法，其特征在于，包括以下步骤：1）输入原始图像，计算协方差矩阵，将计算得到的协方差矩阵进行对角化得到对角化矩阵，判断对角化矩阵对角线上非零元素占总元素的百分比是否超过预定的阈值，若否，则执行步骤2），若是，则跳过步骤2）而执行步骤3）；2）利用主成分分析法对图像进行降维处理；3）对降维处理后的图像或因步骤1）判断结果为是而未经降维处理的原始图像，使用camshift方法计算概率密度梯度并进行聚类；4）将经过步骤3）处理后的图像看成一个图，对图中所有的类标记能量；5）根据能量最小化原则进行图割；6）重复步骤3）、4）和5）直至满足预定的收敛条件，得到抠图结果。

【技术特征摘要】
1.一种基于Graphcut的开关式抠图方法，其特征在于，包括以下步骤 1)输入原始图像，计算协方差矩阵，将计算得到的协方差矩阵进行对角化得到对角化矩阵，判断对角化矩阵对角线上非零元素占总元素的百分比是否超过预定的阈值，若否，则执行步骤2)，若是，则跳过步骤2)而执行步骤3)； 2)利用主成分分析法对图像进行降维处理； 3)对降维处理后的图像或因步骤I)判断结果为是而未经降维处理的原始图像，使用camshift方法计算概率密度梯度并进行聚类； 4)将经过步骤3)处理后的图像看成一个图，对图中所有的类标记能量； 5)根据能量最小化原则进行图割； 6)重复步骤3)、4)和5)直至满足预定的收敛条件，得到抠图结果。2.根据权利要求I所述的基于Graphcut的开关式抠图方法，其特征在于所述预定的阈值为50%。3.根据权利要求I所述的基于Graphcut的开关式抠图方法，其特征在于所述步骤3)包括以下步骤 (3. I)在图像中选取搜索窗； (3. 2)计算搜索窗的零阶矩、质心； (3. 3)调整搜索窗大小； (3. 4)移动搜索窗的中心到质心，如果移动距离大于预设的固定阈值，则重复3. 2)...

【专利技术属性】
技术研发人员：王好谦，邓博雯，戴琼海，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：