[发明专利]基于人工智能的图像轮廓提取方法及相关设备

说明书

本发明涉及人工智能技术领域，提供一种基于人工智能的图像轮廓提取方法及相关设备，包括：响应于轮廓提取指令，将待处理图像输入至OpenCV中进行图像处理；获取所述OpenCV输出的黑白灰色阶图像及获取所述黑白灰色阶图像的像素矩阵；计算所述像素矩阵中需要排序的最短子数组；确定所述最短子数组在所述像素矩阵中对应的目标像素；根据所述目标像素提取所述黑白灰色阶图像的轮廓，得到目标图像。本发明能够准确的提取出图像中的轮廓。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的图像轮廓提取方法、装置、电子设备及存储介质。

背景技术

目前通常采用视觉识别来进行抠像，但是传统的视觉识别不管AI算法还是训练库都只是一种识别机制，最后一步都是通过OpenCV来实现。OpenCV识别图像时先将图片进行黑白灰三色去除确定大概范围，再通过人工使用蒙版的方式进行大致肉眼的截取，但是人工确定边界的像素点非常耗时。此外，人工确定边界的像素点并不精确，导致抠出的图像的轮廓较为模糊。

发明内容

鉴于以上内容，有必要提出一种基于人工智能的图像轮廓提取方法、装置、电子设备及存储介质，能够准确的提取出图像中的轮廓。

本发明的第一方面提供一种基于人工智能的图像轮廓提取方法，所述方法包括：

响应于轮廓提取指令，将待处理图像输入至OpenCV中进行图像处理；

获取所述OpenCV输出的黑白灰色阶图像及获取所述黑白灰色阶图像的像素矩阵；

计算所述像素矩阵中需要排序的最短子数组；

确定所述最短子数组在所述像素矩阵中对应的目标像素；

根据所述目标像素提取所述黑白灰色阶图像的轮廓，得到目标图像。

在一个可选的实施方式中，所述计算所述像素矩阵中需要排序的最短子数组包括：

初始化第一变量及第二变量；

将所述像素矩阵排列为像素向量；

从右往左遍历所述像素向量并将遍历到的第一个像素值存储为第一极小值，继续向左遍历所述像素向量，若当前遍历的像素值小于所述第一极小值，则将所述当前遍历的像素值更新为所述第一极小值，若当前遍历的像素值大于所述第一极小值，则更新所述第一变量为所述第一极小值在所述像素向量中的第一索引位置；

从左往右遍历所述像素向量并将遍历到的第一个像素值存储为第一极大值，继续向右遍历所述像素向量，若当前遍历的像素值大于所述第一极大值，则将所述当前遍历的像素值更新为所述第一极大值，若当前遍历的像素值小于所述第一极大值，则更新所述第二变量为所述第一极大值在所述像素向量中的第二索引位置；

根据更新后的第一变量及第二变量确定所述最短子数组。

在一个可选的实施方式中，所述方法还包括：

获取所述像素向量中位于所述第一极小值右边的第一右像素值；

判断所述最短子数组中是否有大于所述第一右像素值的第一目标像素值；

当所述最短子数组中有大于所述第一右像素值的第一目标像素值，则读取所述最短子数组中的第一最大值；

从所述第一极小值开始向右遍历所述像素向量；

若当前遍历的像素值大于所述第一最大值，则获取所述像素向量中位于所述当前遍历的像素值左边的第一左像素值；

更新所述第一变量为所述第一左像素值在所述像素向量中的第三索引位置。

在一个可选的实施方式中，所述判断所述最短子数组中是否有大于所述第一右像素值的第一目标像素值包括：