[发明专利]图像处理方法和装置

说明书

本申请实施例公开了图像处理方法和装置。该方法的一具体实施方式包括：将目标图像输入预先训练的图像分析模型，得到目标图像的分析结果，其中，分析结果用于表征图像中的像素点与不同的图像类别的关系，图像类别包括前景图像和背景图像；根据预设的边界阈值以及分析结果所指示的像素点属于前景图像或背景图像的概率值，对目标图像中的像素点进行分类；根据目标图像中像素点的分类结果，对目标图像进行抠图处理，生成处理后的图像。该实施方式有助于提高图像处理的效率。

技术领域

本申请实施例涉及计算机技术领域，具体涉及图像处理方法和装置。

背景技术

抠图是图像处理中最常做的操作之一。一般是指将图像中需要的部分从画面中精确地提取出来，从而成为单独的图层。

目前，在现有的交互式图像抠图过程中，通常需要用户手动提供图片的前景、背景信息来进行抠图。这类方法可以分为基于涂鸦抠图(scribble-based)和基于绘图抠(painting-based)。基于涂鸦抠图，一般需要用户在前景和背景上分别涂上一定标记，然后利用Graph Cut(一种图像分割算法)等方法对边界进行优化。而基于绘图抠图，则一般只需要用户选择出抠图目标即可。

发明内容

本申请实施例提出了图像处理方法和装置。

第一方面，本申请实施例提出了一种图像处理方法，包括：将目标图像输入预先训练的图像分析模型，得到目标图像的分析结果，其中，分析结果用于表征图像中的像素点与不同的图像类别的关系，图像类别包括前景图像和背景图像；根据预设的边界阈值以及分析结果所指示的像素点属于前景图像或背景图像的概率值，对目标图像中的像素点进行分类；根据目标图像中像素点的分类结果，对目标图像进行抠图处理，生成处理后的图像。

在一些实施例中，图像分析模型通过以下训练步骤获得：获取训练样本集合，其中，训练样本集合中的训练样本包括训练样本图像和与训练样本图像对应的训练样本标记图像；将训练样本集合中的训练样本中的训练样本图像作为输入，将与输入的训练样本图像对应的训练样本标记图像中的标记信息作为输出，训练得到图像分析模型。

在一些实施例中，训练样本通过以下步骤得到：对原始样本图像和原始样本标记图像进行裁剪，分别得到至少两张裁剪图像；以及将至少两张裁剪图像调整至预设尺寸，分别得到至少两张训练样本图像和至少两张训练样本标记图像，其中，训练样本图像中包括前景图像和/或背景图像。

在一些实施例中，对原始样本图像和原始样本标记图像进行裁剪，包括：在原始样本图像和原始样本标记图像中选取相同的任一点，以选取的点为中心，按照固定尺寸对原始样本图像和原始样本标记图像分别进行裁剪，或者随机选取相同的裁剪尺寸，对原始样本图像和原始样本标记图像分别进行裁剪。

在一些实施例中，根据预设的边界阈值以及分析结果所指示的像素点属于前景图像或背景图像的概率值，对目标图像中的像素点进行分类，包括：若像素点属于前景图像的概率值不小于上边界阈值，则将像素点划分为前景图像；若像素点属于前景图像的概率值不大于下边界阈值，则将像素点划分为背景图像；若像素点属于前景图像的概率值小于上边界阈值，且大于下边界阈值，则将像素点划分为未知图像。

在一些实施例中，对目标图像中的像素点进行分类之后，该方法还包括：根据像素点的分类结果，生成目标图像的标记图像。

在一些实施例中，根据目标图像中像素点的分类结果，对目标图像进行抠图处理，生成处理后的图像，包括：根据目标图像和标记图像，通过K近邻抠图算法求解目标图像中像素点的透明度值；根据像素点的透明度值，对目标图像进行处理，得到目标图像中的前景图像。

在一些实施例中，分析结果包括：目标图像中的像素点在不同的图像类别中的最大值；或者目标图像中的像素点属于不同的图像类别的概率；其中，图像类别包括前景图像、背景图像和未知区域。