[发明专利]一种图像处理方法和装置

说明书

本发明适用于图像处理领域，提供了一种图像处理方法和装置；该方法包括：获取原始图像；接收第一选取指令并从原始图像获取所述第一选取指令指定的第一像素集，对第一像素集建立第一高斯混合模型；接收第二选取指令并从原始图像获取所述第二选取指令指定的第二像素集，对所述第二像素集建立第二高斯混合模型；根据所述第一高斯混合模型确定前景边权重，根据所述第二高斯混合模型确定背景边权重，以确定的前景边权重和确定的背景边权重建立最大流最小割模型，并根据建立的最大流最小割模型确定所述原始图像的前景。相比于结合K‑means算法和最大流最小割算法进行图像分割的方式，能够完全利用获取到的每个像素以更加精确地从原始图像中提取出前景。

技术领域

本发明属于图像处理领域，尤其涉及一种图像处理方法和装置。

背景技术

图像分割，预先确定感兴趣的特定特征，从原始图像中提取出具有该特定特征的区域，将提取出的区域作为前景。现有的图像分割方法主要包括以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。

目前最热的为，结合硬聚类算法(K-means算法)和最大流最小割算法的图像分割方法。具体应用时，用户通过鼠标或触摸的方式操作笔在原始图像的目标区域内画出操作轨迹，根据该操作轨迹经过的区域，从原始图像中选取该区域内的像素，并通过K-means算法筛选出N个相似度最大的颜色；同理，用户通过鼠标或触摸的方式操作笔在原始图像的目标区域外画出操作轨迹，根据该操作轨迹经过的区域从原始图像中选取对应的像素，并通过K-means算法筛选出N个相似度最大的颜色。进而构建最大流最小割模型，针对原始图像中每个像素，分别计算该像素与K-means算法筛选出的颜色(针对目标区域内)的最小欧式距离，将计算出的值的倒数作为最大流最小割模型中该像素到源点的权重；同时，分别计算该像素与K-means算法筛选出的颜色(针对目标区域外)的最小欧式距离，将计算出的值的倒数作为最大流最小割模型中该像素到汇点的权重；最后根据最大流最小割模型确定出前景。但是，对于结合K-means算法和最大流最小割算法的图像分割方法，仅使用K-means算法筛选出的相似度最大的颜色确定原始图像中每个像素到源点的权重和每个像素到汇点的权重，没有利用与笔触选择的每个像素计算原始图像中每个像素到源点的权重和到汇点的权重，确定方式比较粗糙，从而确定出的前景不够精确。

发明内容

本发明的目的在于提供一种图像处理方法和装置，以解决结合K-means算法和最大流最小割算法进行图像分割，确定出的前景不够精确的问题。

第一方面，本发明提供一种图像处理方法，所述图像处理方法包括：

获取原始图像；

接收第一选取指令并从所述原始图像获取所述第一选取指令指定的第一像素集，对所述第一像素集建立第一高斯混合模型；

接收第二选取指令并从所述原始图像获取所述第二选取指令指定的第二像素集，对所述第二像素集建立第二高斯混合模型；

根据所述第一高斯混合模型确定前景边权重，根据所述第二高斯混合模型确定背景边权重，以确定的前景边权重和确定的背景边权重建立最大流最小割模型，并根据建立的最大流最小割模型确定所述原始图像的前景；

其中，所述前景边权重为所述最大流最小割模型的源点到所述原始图像的像素的权重，所述背景边权重为所述最大流最小割模型的汇点到所述原始图像的像素的权重。

第二方面，本发明提供一种图像处理装置，所述图像处理装置包括：

原始图像单元，用于获取原始图像；

第一模型建立单元，用于接收第一选取指令并从所述原始图像获取所述第一选取指令指定的第一像素集，对所述第一像素集建立第一高斯混合模型；