[发明专利]半自动化图像分割数据标注方法、电子装置及存储介质

说明书

本发明公开了一种半自动化图像分割数据标注方法、电子装置及存储介质，基于用户在待标注图像上选定的位于所述真实目标区域内的多个第一像素坐标以及位于所述真实背景区域内的多个第二像素坐标，基于能量函数来判断待标注图像中的各个像素是属于真实目标区域还是真实背景区域，并输出预测目标区域的最外围坐标，再由用户输入该预测目标区域对应的类别信息，就可以完成图像标注任务。因此，本实施例提供的半自动化图像分割数据标注方法，极大简化了图像标注时鼠标点击的次数，降低了人工标注的成本，加快人工标注的效率。

技术领域

本发明涉及图像处理技术领域，特别涉及一种半自动化图像分割数据标注方法、电子装置及存储介质。

背景技术

基于深度学习的图像分割算法大量应用与垃圾分类系统、自动驾驶、加工缺陷检测系统等一系列需要精细识别物体的类别和位置的应用上，然后基于深度学习的图像分割算法需要大量人工标注的数据来训练。现在主要的图像分割数据方法是根据目标物体的边缘，由肉眼观察并通过人工判断，一个点一个点地进行鼠标点击标注。

因此，现有技术中，为了满足基于深度学习的图像分割网络的训练对图像标注数据的需求，技术众包平台应运而生，有的公司招聘上万数据标注员，但由于这样的数据标注方法靠肉眼观察并通过人工判断的数据标注方法，对一张图像进行标注时，需要人工点击鼠标几十次甚至上百次，效率低下。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种半自动化图像分割数据标注方法、电子装置及存储介质，能够减少图像标注时人工点击鼠标的次数，提高标注效率。

第一方面，本发明实施例提供了一种半自动化图像分割数据标注方法，包括以下步骤：

步骤S1:显示待标注图像，所述待标注图像包括真实目标区域和真实背景区域；

步骤S2:获取位于所述真实目标区域内的多个第一像素坐标，并将多个所述第一像素坐标生成目标区域种子点集合；

步骤S3:获取位于所述真实背景区域内的多个第二像素坐标，并将多个所述第二像素坐标生成背景区域种子点集合；

步骤S4:基于所述目标区域种子点集合建立目标种子灰度值直方图；

步骤S5:基于所述背景区域种子点集合建立背景种子灰度值直方图；

步骤S6:建立用于表示所述待标注图像的无向图，构造能量函数，基于最小割算法对所述待标注图像进行图像分割，获得所述待标注图像被分割后的二值化图片，所述二值化图片包括预测目标区域以及预测背景区域；

步骤S7:基于边缘跟踪算法获取所述二值化图片上所述预测目标区域的最外围坐标点，并将多个所述最外围坐标点生成边缘坐标集合；

步骤S8:基于所述边缘坐标集合生成所述预测目标区域的轮廓，并在所述待标注图像上高亮显示所述轮廓；

步骤S9:判断是否接收到完全选中指令，若是，则获取所述目标区域的类别信息，并将所述边缘坐标集合和所述类别信息保存为json文件；若否，则返回步骤S1。

根据本发明实施例的一种半自动化图像分割数据标注方法，至少具有如下有益效果：本方法基于用户在待标注图像上选定的位于所述真实目标区域内的多个第一像素坐标以及位于所述真实背景区域内的多个第二像素坐标，基于能量函数来判断待标注图像中的各个像素是属于真实目标区域还是真实背景区域，并输出预测目标区域的最外围坐标，再由用户输入该预测目标区域对应的类别信息，就可以完成图像标注任务。因此，本实施例提供的半自动化图像分割数据标注方法，极大简化了图像标注时鼠标点击的次数，降低了人工标注的成本，加快人工标注的效率。

在本发明的另一个特定的实施例中，所述步骤S7中的“将多个所述最外围坐标点生成边缘坐标集合”，还包括以下步骤：