[发明专利]图像背景虚化处理方法及装置

说明书

本发明公开了一种图像背景虚化处理方法及装置。其中，该方法包括：采集到图像，进而根据物体识别模型，识别出该图像中的物体的主体轮廓，并对图像中主体轮廓的背景进行虚化处理，其中，物体识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和从图像中识别出的物体的主体轮廓。本发明解决了相关技术中拍摄的图像中背景虚化效果不佳的技术问题。

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种图像背景虚化处理方法及装置。

背景技术

随着智能手机的广泛使用，摄像头作为手机中的重要模块已取代卡片相机成为大众最常用的便携拍摄设备。而手机摄像头由于本身体积的限制，其应用局限性仍较明显，其中光圈小，焦距短，所以很难拍出背景虚化的景深效果。困于这样的局限，相关技术中用软件模拟出专业单反相机大光圈镜头拍摄出的背景虚化的景深效果，但也存在一定的弊端，例如，主体识别率不高，主体与背景过渡不够自然。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图像背景虚化处理方法及装置，以至少解决相关技术中拍摄的图像中背景虚化效果不佳的技术问题。

根据本发明实施例的一个方面，提供了一种图像背景虚化处理方法，包括：采集到图像；根据物体识别模型，识别出所述图像中的物体的主体轮廓，其中，所述物体识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：图像和从所述图像中识别出的物体的主体轮廓；对所述图像中所述主体轮廓的背景进行虚化处理。

可选的，在根据所述物体识别模型，识别出所述图像中的物体的所述主体轮廓之前，还包括：获取预定数量系列的采样图像，以及从所述采样图像中识别出的物体的主体轮廓；对获取的所述采样图像，以及从所述采样图像中识别出的物体的主体轮廓，采用人工神经网络算法进行训练，得到针对所述预定数量系列图像的物体识别模型。

可选的，对所述图像中所述主体轮廓的背景进行虚化处理包括：获取所述图像的深度图；根据获取的所述深度图和识别出的所述主体轮廓，对所述图像中的所述主体轮廓的背景进行虚化处理。

可选的，获取所述图像的深度图包括：通过主摄像头截获主图像和通过辅摄像头截获辅图像；对所述主图像和所述辅图像进行时间同步，得到所述主摄像头的主同步图像和所述辅摄像头的辅同步图像；根据所述主同步图像和所述辅同步图像，获取所述图像的深度图。

可选的，根据所述主同步图像和所述辅同步图像，获取所述图像的深度图包括：获取所述主同步图像和所述辅同步图像的图像差异，获取所述主摄像头和所述辅摄像头两中心位置之间的距离，以及获取所述主同步图像和所述辅同步图像的画幅差异；根据获取的所述图像差异，所述距离，以及所述画幅差异，获取所述图像的深度图。

可选的，在对所述图像中所述主体轮廓的背景进行虚化处理之前，还包括：对所述图像中的所述主体轮廓进行效果增强处理。

可选的，在对所述图像中的所述主体轮廓进行效果增强处理之前，还包括：通过采集所述图像的双摄像头中的辅摄像头对所述主体轮廓对应的主体进行对焦。

可选的，在对所述图像中所述主体轮廓的背景进行虚化处理之后，还包括：通过采集所述图像的双摄像头中的主摄像头对进行虚化处理后的图像进行预览和输出。

根据本发明实施例的另一方面，还提供了一种图像背景虚化处理装置，包括：采集模块，用于采集到图像；识别模块，用于根据物体识别模型，识别出所述图像中的物体的主体轮廓，其中，所述物体识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：图像和从所述图像中识别出的物体的主体轮廓；虚化模块，用于对所述图像中所述主体轮廓的背景进行虚化处理。