[发明专利]图像分割的方法、装置、电子设备和存储介质

说明书

本发明公开了图像分割的方法、装置、电子设备和存储介质，涉及互联网技术领域。该方法的一具体实施方式包括：基于深度学习算法对待分割图像进行处理，得到第一分割图，第一分割图包括第一目标区域和第一背景区域；基于图像阈值分割算法对待分割图像进行处理，得到第二分割图，第二分割图包括第二目标区域和第二背景区域；将第一分割图和第二分割图融合为第三分割图，第三分割图包括目标区域和背景区域；根据第三分割图的目标区域，从待分割图像中分割出目标图像。该实施方式能够提高图像分割的准确度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种图像分割的方法、装置、电子设备和存储介质。

背景技术

图像分割已经成为应用于各个领域的一项重要技术。随着计算机技术的不断发展，图像分割的方法也越来越多，目前基于深度学习算法的图像分割成为图像分割研究的热门方向。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：虽然基于深度学习算法的图像分割相较于传统算法，取得了很好的效果，但是在一些复杂场景中，这种方式图像分割的边缘噪声较大，准确度不高，并不能满足用户的需求。

发明内容

有鉴于此，本发明实施例提供一种图像分割的方法、装置、系统和存储介质，能够提高图像分割的准确度。

为实现上述目的，根据本发明实施例的一个方面，提供了一种图像分割的方法。

本发明实施例的一种图像分割的方法包括：基于深度学习算法对待分割图像进行处理，得到第一分割图，所述第一分割图包括第一目标区域和第一背景区域；基于图像阈值分割算法对所述待分割图像进行处理，得到第二分割图，所述第二分割图包括第二目标区域和第二背景区域；将所述第一分割图和所述第二分割图融合为第三分割图，所述第三分割图包括目标区域和背景区域；根据所述第三分割图的目标区域，从所述待分割图像中分割出目标图像。

在又一个实施例中，所述将所述第一分割图和所述第二分割图融合为第三分割图，包括：确定所述第一目标区域和所述第二目标区域之间的目标重合区域，以及所述第一背景区域和所述第二背景区域之间的背景重合区域；基于所述目标重合区域确定目标图像的图像特征，以及基于所述背景重合区域确定背景图像的图像特征；基于所述目标图像的图像特征和所述背景图像的图像特征，将待定区域分割为第三目标区域和第三背景区域，所述待定区域表示所述待分割图像中除所述目标重合区域和所述背景重合区域外的区域；将所述目标重合区域和所述第三目标区域确定为第三分割图的目标区域，以及将所述背景重合区域和所述第三背景区域确定为第三分割图的背景区域。

在又一个实施例中，所述第一目标区域和所述第二目标区中各像素点的像素值为第一像素值，所述第一背景区域和所述第二背景区中各像素点的像素值为第二像素值；所述确定所述第一目标区域和所述第二目标区域之间的目标重合区域，以及所述第一背景区域和所述第二背景区域之间的背景重合区域，包括：将所述第一分割图中像素点的像素值与所述第二分割图中相同位置像素点的像素值相减，得到各像素点对应的像素差值；将所述第一目标区域中对应像素差值不为零的像素点所在区域确定为目标重合区域；将所述第一背景区域中对应像素差值不为零的像素点所在区域确定为背景重合区域。

在又一个实施例中，所述图像特征包括像素；基于所述目标图像的图像特征和所述背景图像的图像特征，将待定区域分割为第三目标区域和第三背景区域，包括：基于所述目标图像的像素和所述背景图像的像素计算所述待定区域中各像素点的透明度，所述透明度表示对应像素点的像素包括所述目标图像的像素的权重；当所述透明度大于预设值时，所述透明度对应像素点属于第三目标区域；当所述透明度不大于所述预设值时，所述透明度对应像素点属于第三背景区域。

在又一个实施例中，在所述基于深度学习算法对待分割图像进行处理之前，还包括：检测所述待分割图像中待分割区域，所述待分割区域包括所述目标图像所在区域，以及与所述目标图像的距离处于预设范围内的区域；去除所述待分割图像中除所述待分割区域外其他区域的图像。