[发明专利]自动提取图像前景的方法和系统

说明书

技术领域

本发明总体地涉及计算机视觉中数字图像处理领域，尤其涉及自动提取图像前景的方法和系统。

背景技术

时至今日，随着科技和互联网行业的飞速发展，以往的人力处理已经不能满足当今人们的物质生活需要，更多的计算机处理方法更快更广泛的融入现代人的生活之中。

随着生活节奏的加快，人工智能领域也逐渐被人们所重视以取代以往的人力处理和简单的计算机计算，完全依靠计算机自主进行各种工作，是发展的必然趋势，而图形图像领域，是人们所感知最深的。

日常生活中，人们离不开购物，电子商务的出现与发展成为历史的必然，与传统的购物不同，电子商务是通过互联网技术，将商品上架于互联网，通过各种终端甚至手机客户端即可完成购物需求，但随着生活节奏的加快，通常的文字搜索已经不能满足人们的需要，一种新型的购物方法——拍照购物应时而生。

拍照购物主要依靠的是图像处理的方法，将用户拍摄的商品图像与商品图库的图像进行比对，找到最为相似的商品，但是由于用户拍摄的图像是任意的随机的，不可能与商家的商品图库完全吻合，复杂的商品背景环境对这一新型购物体验造成了很大的影响，商品与背景图像的分离成为了技术的关键，而传统的背景分离方法是基于人工干预即需要人为对要被分割的区域进行框选和设定，或者通过机器学习或其他经验型人工干预达到的，并未实现真正的人工智能。

发明内容

为了解决现有技术中的上述缺点和问题而提出本发明。

本发明提出一种提取图像前景的方法，包括：对待提取前景的彩色图像进行灰度化处理；对灰度化后的图像进行滤波处理；检测经滤波的图像的显著前景区域；确定前景范围；以及根据grabcut算法进行最终的前景提取。

优选地，检测经滤波的图像的显著前景区域包括：通过Canny边缘检测法来进行边缘检测；对边缘检测到的轮廓进行初步的提取。

优选地，确定前景范围包括：对提取的特征区域进行几何逼近，以获得所有区域的几何逼近区域；根据相应规则对所有区域的几何逼近区域进行筛选；以及寻找能包含筛选后的所有几何逼近区域的最大几何区域。

优选地，采用加权平均值法对图像进行所述灰度化处理。

优选地，采用高斯滤波进行所述滤波处理。

优选地，所述高斯滤波选择3*3的模板。

优选地，对所有区域的几何逼近区域进行筛选包括范围为的阈值。

根据本发明的另一个方面，提供了一种提取图像前景的系统，包括：灰度化处理模块，用于对待提取前景的彩色图像进行灰度化处理；滤波处理模块，用于对经灰度化处理模块灰度化的图像进行滤波处理；特征区域提取模块，用于检测经滤波的图像的显著前景区域；前景范围确定模块，用于确定前景范围；以及前景最终提取模块，用于根据grabcut算法进行最终的前景提取。

优选地，所述特征区域提取模块包括：边缘检测模块，用于用边缘检测法和灰度阈值法中的一种来进行边缘检测；以及轮廓提取模块，用于对所述边缘检测模块所检测到的轮廓进行初步的提取，以确定轮廓线。

优选地，所述前景范围确定模块包括：初步区域框定模块，用于对所述特征区域提取模块所提取的特征区域进行几何逼近，以获得所有区域的几何逼近区域；区域筛选模块，用于根据预定规则对所述初步区域框定模块获得的所有几何区域进行筛选；以及最大几何区域确定模块，用于寻找能包含所述区域筛选模块筛选后的所有几何区域的最大几何区域。

附图说明

通过下面结合附图进行的描述，本发明一些示范性实施例的上述和其他方面、特征和优点对于本领域技术人员来说将变得显而易见，其中：

图1为根据本发明的示范性实施例的提取图像前景的方法的流程图；

图2为根据本发明的示范性实施例的检测图像的显著前景区域的方法的流程图；

图3为根据本发明的示范性实施例的精确确定前景范围的算法的流程图；以及

图4是根据本发明的示范性实施例的提取图像前景的系统的框图。

具体实施方式

提供参考附图的下面描述以帮助全面理解本发明的示范性实施例。其包括各种细节以助于理解，而应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，省略了对公知功能和结构的描述。

下面将参考附图详细描述本发明。

图1为根据本发明的示范性实施例的提取图像前景的方法的流程图。