[发明专利]一种分割前景图像的方法

说明书

技术领域

本发明涉及图像处理技术，特别是涉及一种分割前景图像的方法。

背景技术

显著性区域检测和前景分割是计算机图像处理中的两个基础操作。其中，显著性区域检测指的是从图片中判断出图像的显著性区域，并注意到图像的重要部分。前景分割指的是让计算机从一幅图片中判断出哪个是前景物体，哪个是背景物体，并从中分割出感兴趣的前景关键物体。虽然人的视觉系统可以很容易地判断出显著性区域和前景物体，但计算机在没有人工帮助下是很难具备这种理解能力的。如果能够让计算机自主快速地完成前景分割工作，将便于进一步对图像进行分析、识别、跟踪、理解、压缩编码等，而提取结果的准确性将直接影响后续任务的有效性，如何快速、有效地将感兴趣的目标从复杂的背景中分割出来，具有十分重要的意义。

人们在显著性区域检测上进行了大量的研究，总结出了很多成熟的算法，主要有HC，RC，LC，CA和FT等算法，这些算法都在一定程度上能够得到效果较好的显著性图(saliency map)。而目前图像分割算法可以大致分为5类，边界算法，聚类算法，区域算法，分割融合算法和特定领域的分割算法，在前景分割技术方面，主要有基于像素(Pixel-based)的方法、基于边界(Edge-based)的方法和基于区域(Region-based)的方法。基于像素的方法要求用户在单个像素级来指定前景或者背景，因此工作量非常庞大。基于边界的方法允许用户围绕前景对象的边界绘制曲线，然后对该曲线进行分段优化，但是用户必须谨慎的绘制曲线，仍然需要大量的用户交互。基于区域的方法允许用户指定一些松散的提示信息，并使用优化算法来提取实际的前景对象边界。

发明内容

本发明所要解决的技术问题是，提供一种分割前景图像的方法，降低操作对用户交互的要求，提高前景分割效率。

本发明的技术问题通过以下技术方案予以解决：

一种分割前景图像的方法，其特征在于，包括以下步骤：

1)使用中央周边直方图算法得到原始图像的显著性图；

2)对所述显著性图进行阈值分割，得到包含显著性物体在内的矩形R；

3)使用所述矩形R区域外的图像作为背景区域，初始化Grabcut算法，迭代运行GrabCut算法执行对原始图像的前景分割。

与现有技术相比，本发明利用了图像的显著性分割与前景分割的关联性，利用显著性分割的结果初始化GrabCut算法，省去了用户在目标图像中画出矩形框初始化GrabCut算法的步骤，在整个分割过程中可实现用户零输入，通过计算机课自动完成所有前景分割动作，提高了前景分割的效率。

优选地，所述步骤2)包括以下步骤：利用预定的灰度阈值对显著性图进行二值化得到二值图；对二值图进行两次或多次开运算；测算开运算后的图像中最大的联通区域，选择一定尺寸和坐标位置的矩形R，使该联通区域恰好包含在该矩形R内。

所述灰度阈值为显著性图的灰度平均值。

优选地，还包括交互编辑步骤：根据用户的输入指令将原始图像的部分像素设为前景或背景。该优选方案允许用户对分割进行修正，弥补自动分割的不足之处。

附图说明

图1是本发明具体实施方式的流程图。

具体实施方式

下面对照附图并结合优选具体实施方式对本发明进行详细的阐述。

一、本发明涉及的现有成熟图像处理技术

为了帮助对本发明技术方案的理解，下文首先对本发明所涉及的成熟的图像处理技术进行说明：

(一)显著性物体检查技术

图像的显著性图采用center-surround算法(中央周边直方图算法)计算：首先统计两个矩形内部的三个颜色通道的灰度直方图，Rⁱ为center矩形区域内图像的灰度直方图，为surround矩形区域内图像的灰度直方图。根据公式(1)计算center区域与surround区域内直方图的拟合程度