[发明专利]一种自动更换证件照背景颜色的方法有效
申请号: | 201710264952.8 | 申请日: | 2017-04-21 |
公开(公告)号: | CN107123088B | 公开(公告)日: | 2019-09-13 |
发明(设计)人: | 刘治;朱耀文;许建中;邱清晨;曹艳坤 | 申请(专利权)人: | 山东大学 |
主分类号: | G06T3/40 | 分类号: | G06T3/40;G06T7/13;G06T7/194 |
代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 黄海丽 |
地址: | 250061 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 自动 更换 证件 背景 颜色 方法 | ||
本发明公开了一种自动更换证件照背景颜色的方法,包括对证件照图像进行边缘检测,得到证件照边缘图像;从证件照边缘图像中提取人物目标区域的外轮廓图像;采用基于全局学习的数字抠图算法来计算图像合成中所需的掩膜值;根据计算得到的掩膜值,以1与掩膜值之差和掩膜值分别作为证件照图像的纯色背景图像和前背景图像的系数,将证件照图像的纯色背景图像和前背景图像进行线性叠加,最终得到合成后的证件照图像。本发明不仅可以满足申请人无需外出即可自助更换证件照背景的需求,还能完成快速、高效、精确、自动地获取图像背景区域,实现较好的证件照换底效果。
技术领域
本发明属于图像处理技术领域,尤其涉及一种自动更换证件照背景颜色的方法。
背景技术
随着社会的发展,人们申请办理各种证件的种类在不断增加,根据不同地区和不同证件的办理种类,办证机关对证件上证件照的背景颜色有着严格的要求。比如,四川省的出入境证件照要求背景为白色,而广东省的出入境证件照要求背景为蓝色;又如,我国办理赴美签证和赴中国台湾通行证时要求签证的证件照为白底,而办理农村养老金申领表格中则要求证件照以红色为底。
在实际的证件照拍摄过程中,很难要求每个申请人都按照正确的证件照背景标准来设置背景布拍摄,因此,在现实证件照的制作过程中,根据不同需要求,往往需要通过软件程序对证件照进行换底处理,使之满足制证要求。
传统的证件照处理方法主要是通过人工判断图像背景区域,然后通过图像处理软件进行描取人物目标边缘等相关操作来更换背景色,然而在实际操作中,这些传统方法存在很多不足:对人工依赖性强,耗时耗力效率不高,获取的图像背景区域准确度较低,人物目标边缘信息丢失严重,证件照换底效果不佳。很显然,传统方法无法适应于对各类证件照图像背景区域的获取,满足不了全自动获取证件照图像背景的发展要求,也无法满足普通人群自助制作证件照的应用需求。
发明内容
为了解决现有技术中对人工依赖性强,耗时耗力效率不高,获取的图像背景区域准确度较低,人物目标边缘信息丢失严重,证件照换底效果不佳的不足,本发明提供了一种自动更换证件照背景颜色的方法,其不仅可以满足申请人无需外出即可自助更换证件照背景的需求,还能完成快速、高效、精确、自动地获取图像背景区域,实现较好的证件照换底效果。
本发明的一种自动更换证件照背景颜色的方法,该方法应用于服务器,包括:
对证件照图像进行边缘检测,得到证件照边缘图像;
从证件照边缘图像中提取人物目标区域的外轮廓图像;
采用基于全局学习的数字抠图算法来计算图像合成中所需的掩膜值;
根据计算得到的掩膜值,以1与掩膜值之差和掩膜值分别作为证件照图像的纯色背景图像和前背景图像的系数,将证件照图像的纯色背景图像和前背景图像进行线性叠加,最终得到合成后的证件照图像。
进一步的,采用融合Sobel和K-means的边缘检测算法对证件照图像进行边缘检测,得到证件照边缘图像。
进一步的,采用融合Sobel和K-means的边缘检测算法对证件照图像进行边缘检测的具体过程,包括:
(1-1):利用四个卷积模板与证件照图像进行卷积,得到四个梯度图像分别为Gx,Gy,G45,G135及相应的四个梯度直方图;其中,四个卷积模板分别为Sobel算子对x,y方向以及45°和135°的边缘的检测卷积模板;
(1-2):列出步骤(1-1)中得到的四个梯度图像的梯度取值范围;
(1-3):采用K-means算法自适应选取阈值,分别对步骤(1-1)得到的梯度图像进行阈值分割,并将梯度图像中所有像素点分为两类:一类属于边缘,一类属于背景;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710264952.8/2.html,转载请声明来源钻瓜专利网。
- 上一篇:人脸编辑方法
- 下一篇:基于深度卷积网络的遥感图像超分辨重建方法及系统