[发明专利]基于Mask的滚球分割算法

说明书

技术领域

本发明属于视频图像处理技术领域，特别涉及到基于Mask的滚球分割算法。

背景技术

本发明的Mask是指需要分割的图片的边界线，目前，公知的图像分割技术，速度慢，分割结果不理想，语意度不高。例如目前最好的MeanShift图像分割算法，分割一个普通大小的图片(640×480)需要数十秒，而且无法正确识别渐变的色块。而有些图像，例如卡通动画图象，里面就存在大量的渐变色块，MeanShift算法就无法有效处理。ARDECO(Automatic region detection andconversion)算法虽可以处理渐变的色块，但处理一张(640×480)的图片需要几分钟，速度太慢而且算法的随机性会导致结果的不稳定，语义度也不高。也有一些速度比较快的分割算法，例如公知的分水岭算法，但它需要人机交互，无法做到全自动分割，而且效果也不够好。另外形态学的方法虽然速度也很快，但这种方法分割的结果通常太粗糙。综合上述，在本领域已有技术中，还未能找到一种较为理想的对图像进行分割的方法。

发明内容

本发明需要解决的技术问题是，在已有的对图像分割的算法中，或是无法有效处理图像中的渐变色块，或是处理速度太慢，或是无法作到全自动化，对于已有技术中这些诸多不足之处就需要创新地提出一种新的图像分割方法，即在该技术领域需要有一种快速的全自动分割算法，并且能够支持复杂的颜色模型。为了解决这个技术问题，本发明的目的是提供一种基于Mask的滚球分割算法。Mask边界线可以通过公知的Canny技术获得，Canny技术得到的边界并不保证连续和封闭，因此无法直接通过填充的方法得到区块。为实现本发明的目的，所采用的技术方案如下，一种基于Mask的滚球分割算法，其特征在于，按如下步骤进行操作，11所选图像Mask的提取；12设置初始半径足够大的球；13在Mask所包围的区域中滚动。由于球的半径足够大，球滚不过Canny算法的边界中的小口，这样就解决了Canny算法边界不封闭的问题。然而，由于球半径大，因此该方法中有很多区域滚不到。14根据颜色模型来增长区域：首先，对于已有区域和给定颜色模型，估计颜色模型参数，并以此作为已知的算法的评判标准，从而可以实现复杂颜色模型的分割。所给定颜色模型(比如纯色模型，渐变色模型)，求出已滚的区域的模型参数，然后，按这个参数预计未知区域的像素颜色，如果与实际颜色差别不大，则将该像素归为该区域，直到所有未知区域的像素颜色都与估计值的差别大到能被人眼察觉为止(通常，两个颜色的灰度值的差别超过20便能被人眼察觉)。15对于这些像素，本算法将减小球的半径，继续在未知区域的像素中滚球、增长；16直到球的半径减少到一个像素大小为止，此时，所有的未知区域都会被球滚到；从而得到整个图像的分割。

本发明的有益效果在于，通过滚球模型，解决了Canny算法的边界不封闭问题。通过增长算法，可以实现复杂颜色模型的分割。滚球模型和增长算法都可以高效实现，因此该算法速度很快，处理一个640×480的卡通图片，只要不到1秒的时间。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明：

图1为本发明的算法流程图；

图2是一个假想的Mask，可以通过Canny算子得到；

图3是本发明所提到的算法的分割结果；

图4是目前公知的最好的MeanShift算法的分割结果。

具体实施方式

参照图1为本发明的算法流程图。图中11为输入数据为图像提取出的Mask，这个Mask不要求封闭。12设置一个初始球的大小，这个大小是根据Mask的不封闭情况来决定，初始球的大小要大于Mask中最大的不封闭空洞的体积。通常，设置的大一点为好，一般设置为8个像素即可。13在Mask中滚球，得到一个初始的分割结果。14在滚球结束后，在这个初始分割结果的基础上按颜色模型进行区域增长，15区域增长结束后，缩小球的大小，循环滚球，继续区域增长及缩小球大小，16直到球大小已经缩小为一个像素。如果用本发明方法面对一张具体的动画图像加入我们获得了图2所示的Mask。这里的Mask并不完全封闭。下面实施滚球算法，首先设置好初始的球大小，通过一次滚球操作，得到一个初始分割结果。这时注意到很多细小区域没有被滚到。此时会对每一个区域进行颜色模型的估计，并通过区域增长方法扩大分割结果，在此基础上，缩小球的大小，使用多尺度的球，通过滚球的方法来填充区域，球的大小随着迭代次数的增加而减小。继续滚球及区域增长的步骤，直到所有像素被划分区域，参照图3表示用本发明所描述的方法而得到的图像分割结果。而前人的MeanShift算法结果参照图4，将图4与体现本发明效果的图3相比可以明显看出图4线条零乱，不清晰，而图3线条整齐、清晰，色彩鲜明。