一种纯色背景图像抠图方法、装置及电子设备与流程

1.本发明涉及图像处理技术领域，特别是涉及一种纯色背景图像抠图方法、装置及电子设备。


背景技术：

2.在图像处理时，常常需要对纯色背景图像进行抠图处理，即从纯色背景图像中抠取前景区域，以便进行后续图像处理。其中，需要进行抠图处理的纯色背景图像可以包括但不局限于证件照、需要进行后期处理的影视剧照等等。
3.现有技术中，对于纯色背景图像的抠图方法包括：图像处理客户端检测到用户手动绘制的前景边缘，从而将前景区域从纯色背景中抠取出来。可见，现有方法需要人工手动对纯色背景抠图，抠图效率较低。


技术实现要素：

4.本发明实施例的目的在于提供一种纯色背景图像抠图方法、装置及电子设备，用以解决人工手动对纯色背景抠图，抠图效率较低的问题。具体技术方案如下：
5.第一方面，本发明实施例提供了一种纯色背景图像抠图方法，所述方法包括：
6.获取目标图像，对所述目标图像的像素进行聚类处理，获得聚类后的多个像素类别；每一像素类别包括多个像素；
7.从所述多个像素类别中，确定像素类别组，并对所确定出的像素类别组中的各个像素类别合并为一像素类别；其中，所述像素类别组中的各个像素类别属于相似类别，属于相似类别的任意两个像素类别所包括的像素符合预定像素相似条件；
8.对所述目标图像进行主体检测，得到主体区域，并基于所述主体区域，确定所述目标图像的非主体区域；
9.从像素类别合并处理后所存在的多个像素类别中，筛选所包括像素位于所述目标图像的非主体区域的各个备选像素类别；
10.利用所述各个备选像素类别分别包括的第一类像素的数量，从所述各个备选像素类别中，筛选所述目标图像的纯色背景的像素所属的目标像素类别；所述第一类像素为位于所述非主体区域的像素；
11.从所述目标图像中，提取所述目标像素类别包括的像素之外的像素区域，作为所述目标图像的前景图像。
12.可选地，任意两个像素类别所包括的像素是否符合预定像素相似条件的确定方式包括：
13.确定各个像素类别的颜色直方图分布，计算各个像素类别的颜色直方图分布之间的相似度，将相似度大于预定阈值的两个像素类别判定为符合预定像素相似条件的像素类别。
14.可选地，利用所述各个备选像素类别分别包括的第一类像素的数量，从所述各个
备选像素类别中，筛选所述目标图像的纯色背景的像素所属的目标像素类别，包括：
15.从所述各个备选像素类别中，查找所包括的第一类像素的数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的目标像素类别。
16.可选地，所述利用所述各个备选像素类别分别包括的第一类像素的数量，从所述各个备选像素类别中，筛选所述目标图像的纯色背景的像素所属的目标像素类别，包括：
17.针对每一备选像素类别，按照预定的修正规则，对该备选像素类别包括的第一类像素的数量和该备选像素类别包括的第二类像素的数量进行修正，计算修正后的第一类像素的数量和修正后的第二类像素的数量的和值，作为该备选像素类别对应的像素数量，其中，所述第二类像素为位于所述主体区域的像素，所述预定修正规则为使得所述第一类像素的数量修正后数量值增大，所述第二类像素的数量修正后数量值减小；
18.从所述各个备选像素类别中，确定所对应的像素数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的目标像素类别。
19.可选地，从所述各个备选像素类别中，确定所对应的像素数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的像素类别之前，所述方法还包括：
20.判断各个备选像素类别对应的像素数量中的最大像素数量与总像素数量的比值，是否大于预设阈值，如果是，执行所述从所述各个备选像素类别中，确定所对应的像素数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的像素类别的步骤；
21.其中，所述总像素数量为所述目标图像的总像素数量。
22.可选地，从所述目标图像中，提取所述目标像素类别包括的像素之外的像素区域，作为所述目标图像的前景图像，包括：
23.确定目标像素类别包括的像素之外的区域，作为所述目标图像的前景区域，生成所述前景区域的掩模图；
24.利用所述掩模图，提取所述目标图像的前景区域，得到所述目标图像的前景图像。
25.可选地，利用所述掩模图，提取所述目标图像的前景区域，得到所述目标图像的前景图像，包括：
26.对所述掩模图的前景边缘进行优化处理，利用优化后的掩模图，提取所述目标图像的前景区域，得到所述目标图像的前景图像；
27.其中，所述优化处理至少包括去毛刺处理、滤波处理、形态学处理中的一种或多种。
28.第二方面，本发明实施例提供了一种纯色背景图像抠图装置，所述装置包括：
29.聚类模块，用于获取目标图像，对所述目标图像的像素进行聚类处理，获得聚类后的多个像素类别；每一像素类别包括多个像素；
30.合并处理模块，用于从所述多个像素类别中，确定像素类别组，并对所确定出的像素类别组中的各个像素类别合并为一像素类别；其中，所述像素类别组中的各个像素类别属于相似类别，属于相似类别的任意两个像素类别所包括的像素符合预定像素相似条件；
31.区域确定模块，用于对所述目标图像进行主体检测，得到主体区域，并基于所述主体区域，确定所述目标图像的非主体区域；
32.第一筛选模块，用于从像素类别合并处理后所存在的多个像素类别中，筛选所包括像素位于所述目标图像的非主体区域的各个备选像素类别；
33.第二筛选模块，用于利用所述各个备选像素类别分别包括的第一类像素的数量，从所述各个备选像素类别中，筛选所述目标图像的纯色背景的像素所属的目标像素类别；所述第一类像素为位于所述非主体区域的像素；
34.提取模块，用于从所述目标图像中，提取所述目标像素类别包括的像素之外的像素区域，作为所述目标图像的前景图像。
35.可选地，任意两个像素类别所包括的像素是否符合预定像素相似条件的确定方式包括：
36.确定各个像素类别的颜色直方图分布，计算各个像素类别的颜色直方图分布之间的相似度，将相似度大于预定阈值的两个像素类别判定为符合预定像素相似条件的像素类别。
37.可选地，所述第二筛选模块，包括：
38.查找子模块，用于从所述各个备选像素类别中，查找所包括的第一类像素的数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的目标像素类别。
39.可选地，所述第二筛选模块，包括：
40.修正子模块，用于针对每一备选像素类别，按照预定的修正规则，对该备选像素类别包括的第一类像素的数量和该备选像素类别包括的第二类像素的数量进行修正，计算修正后的第一类像素的数量和修正后的第二类像素的数量的和值，作为该备选像素类别对应的像素数量，其中，所述第二类像素为位于所述主体区域的像素，所述预定修正规则为使得所述第一类像素的数量修正后数量值增大，所述第二类像素的数量修正后数量值减小；
41.确定子模块，用于从所述各个备选像素类别中，确定所对应的像素数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的目标像素类别。
42.可选地，所述装置还包括：
43.判断模块，用于从所述各个备选像素类别中，确定所对应的像素数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的像素类别之前，判断各个备选像素类别对应的像素数量中的最大像素数量与总像素数量的比值，是否大于预设阈值，如果是，执行所述从所述各个备选像素类别中，确定所对应的像素数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的目标像素类别的步骤；
44.其中，所述总像素数量为所述目标图像的总像素数量。
45.可选地，所述提取模块，包括：
46.生成子模块，用于确定目标像素类别包括的像素之外的区域，作为所述目标图像的前景区域，生成所述前景区域的掩模图；
47.提取子模块，用于提取所述目标图像的前景区域，得到所述目标图像的前景图像。
48.可选地，所述提取子模块，包括：
49.优化单元，用于对所述掩模图的前景边缘进行优化处理，利用优化后的掩模图，提取所述目标图像的前景区域，得到所述目标图像的前景图像；其中，所述优化处理至少包括去毛刺处理、滤波处理、形态学处理中的一种或多种。
50.第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
51.存储器，用于存放计算机程序；
52.处理器，用于执行存储器上所存放的程序时，实现本发明实施例所述的纯色背景图像抠图方法的步骤。
53.第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例所述的纯色背景图像抠图方法的步骤。
54.第五方面，本发明实施例提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行本发明实施例所提供的纯色背景图像抠图方法的步骤。
55.本发明实施例有益效果：
56.本发明实施例提供的一种纯色背景图像抠图方法中，对所述目标图像的像素进行聚类处理，获得聚类后的多个像素类别；从所述多个像素类别中，确定像素类别组，并对所确定出的像素类别组中的各个像素类别合并为一像素类别；对所述目标图像进行主体检测，得到主体区域，并基于所述主体区域，确定所述目标图像的非主体区域；从像素类别合并处理后所存在的多个像素类别中，筛选所包括像素位于所述目标图像的非主体区域的各个备选像素类别；利用所述各个备选像素类别分别包括的第一类像素的数量，从所述各个备选像素类别中，筛选所述目标图像的纯色背景的像素所属的目标像素类别；从所述目标图像中，提取所述目标像素类别包括的像素之外的像素区域，作为所述目标图像的前景图像。可见，通过本方案可以实现纯色背景图像的自动抠图，无需用户手动绘制前景区域边缘以实现抠图，解决了人工手动对纯色背景抠图，抠图效率较低的问题。
57.当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
58.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
59.图1为本发明实施例中所提供的一种纯色背景图像抠图方法的流程图；
60.图2为本发明实施例中所提供的一种纯色背景图像抠图方法的另一流程图；
61.图3为本发明实施例中所提供的目标图像的灰度图示意图；
62.图4为本发明实施例中所提供的标记有像素类别的标号的图像的示意图；
63.图5为本发明实施例中所提供的合并相似像素类别后，标记有像素类别的标号的图像的示意图；
64.图6为本发明实施例中所提供的主体检测后的目标图像的示意图；
65.图7为本发明实施例中所提供的目标图像的掩模图；
66.图8为利用本发明实施例所提供的方法对图3所示目标图像进行抠图所得到的图像的灰度图示意图；
67.图9为本发明实施例中所提供的一种纯色背景图像抠图装置的结构示意图；
68.图10为本发明实施例所提供的一种电子设备的结构示意图。
具体实施方式
69.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
70.为了解决人工手动对纯色背景抠图，抠图效率较低的问题，本发明实施例提供了一种纯色背景图像抠图方法、装置及电子设备。
71.下面首先对本发明实施例所提供的一种纯色背景图像抠图方法进行介绍。
72.其中，本发明实施例所提供的一种纯色背景图像抠图方法，应用于电子设备，在具体应用中，该电子设备可以是服务器，当然，该电子设备也可以是终端设备，例如：智能手机、平板电脑、笔记本电脑、台式计算机等等。当该电子设备为服务器时，执行方法的执行主体具体可以为运行于服务器中的、与具有图像处理功能的客户端对应的服务端程序。当该电子设备为终端设备时，执行方法的执行主体具体可以为具有图像处理功能的客户端。另外，可以理解的是，该客户端可以是网页类型的客户端，或者，该客户端可以是app(application)类型的客户端，这都是合理的。
73.如图1所示，本发明实施例所提供的一种纯色背景图像抠图方法，可以包括如下步骤：
74.s101，获取目标图像，对所述目标图像的像素进行聚类处理，获得聚类后的多个像素类别；每一像素类别包括多个像素；
75.s102，从所述多个像素类别中，确定像素类别组，并对所确定出的像素类别组中的各个像素类别合并为一像素类别；
76.其中，所述像素类别组中的各个像素类别属于相似类别，属于相似类别的任意两个像素类别所包括的像素符合预定像素相似条件。
77.s103，对所述目标图像进行主体检测，得到主体区域，并基于所述主体区域，确定所述目标图像的非主体区域；
78.s104，从像素类别合并处理后所存在的多个像素类别中，筛选所包括像素位于所述目标图像的非主体区域的各个备选像素类别；
79.s105，利用所述各个备选像素类别分别包括的第一类像素的数量，从所述各个备选像素类别中，筛选所述目标图像的纯色背景的像素所属的目标像素类别；所述第一类像素为位于所述非主体区域的像素；
80.s106，从所述目标图像中，提取所述目标像素类别包括的像素之外的像素区域，作为所述目标图像的前景图像。
81.在s101中，对目标图像的像素进行聚类可以理解为将目标图像中相同像素或颜色相近像素归为一类，每个像素类别可以对应有类别标识。由于目标图像是纯色背景的图像，因此，通过聚类，纯色背景所包括的各个像素会被归为一类，以便基于纯色背景的类别确定背景区域，进而提取前景图像。
82.此外，由于聚类处理后的每一像素类别均包括多个像素，且各个像素具有位置信息，所以可以基于每个像素类别下的像素的位置信息，后续确定出所包含像素位于非主体区域的像素类别。
83.并且，对目标图像的像素进行聚类处理的方式可以有多种。
84.示例性的，在一种实现方式中，可以获取目标图像的像素值，将同一像素值的像素聚类在一起，即标记为同一类。
85.在另一种实现方式中，可以应用聚类算法，对目标图像的像素进行聚类处理。示例性的，可以采用现有技术中的meanshift聚类算法，对目标图像的像素进行聚类处理。可以理解的是，应用meanshift聚类算法并不是唯一的聚类算法，现有技术中，任意一种对目标图像的像素进行聚类处理的算法均可以应用于本发明实施例中，例如应用谱聚类法和子空间聚类法等等，均可以实现对目标图像的像素进行聚类处理。
86.为了更好的理解s101，结合附图具体说明。如图3示出的目标图像的灰度图，在实际应用中，该目标图像可以为灰度图，也可以为彩色图。对该目标图像进行聚类处理，聚类处理后的标记有像素类别的标号的图像如图4所示，其中，聚类后得到0-4 5个像素类别，每一像素类别包括多个像素，其中，为了清晰示出像素类别，图4仅仅示出了主体部分的轮廓图。
87.在s102中，考虑到后续需要通过筛选纯色背景区域所属的像素类别，确定出纯色背景区域所属的位置，因此为了纯色背景区域所属的像素类别中，更多的包含目标图像的纯色背景区域的像素，在对所述目标图像的像素进行聚类处理，获得聚类后的多个像素类别之后，可以将像素类别中像素值相近的各个像素类别，合并为同一类别。具体而言，从所述多个像素类别中，确定像素类别组，并对所确定出的像素类别组中的各个像素类别合并为一像素类别；其中，所述像素类别组中的各个像素类别属于相似类别，属于相似类别的任意两个像素类别所包括的像素符合预定像素相似条件。
88.其中，预定像素相似条件可以有多种，示例性的，该预定像素相似条件可以亮度值的差值小于预定阈值；或者，该预定像素相似条件也可以为颜色直方图分布的相似度大于预定阈值。
89.当预定相似条件为亮度值的差值小于预定阈值时，相应的，任意两个像素类别所包括的像素符合预定像素相似条件的确定方式可以包括：确定各个像素类别所包括的像素的亮度值，计算各个像素类别所包括的像素的亮度值的差值，将差值小于预定阈值的像素类别确定为符合预定相似条件的像素类别。该预定阈值可以为10、15、20等合理的数值。
90.其中，针对一个像素类别中包含多个像素的像素类别而言，可以计算该像素类别中像素的均值，将该均值所对应的亮度值作为该像素类别的像素值；针对一个类别中包含一个像素的像素类别而言，则可直接将该像素的亮度值，作为该像素类别的像素值。
91.确定像素的亮度值的方式可以有多种，示例性的，如果目标图像为rgb图像，可以确定像素的rgb(红绿蓝)颜色值，将该rgb颜色值转换成为yuv(亮度彩度)颜色值，该y值则为该像素的亮度值；或者，如果目标图像为yuv图像，可以直接获取像素的yuv颜色值，将该y值确定为该像素的亮度值，当然方式并不局限于此。
92.当预定相似条件为颜色直方图分布的相似度大于预定阈值时，相应的，任意两个像素类别所包括的像素是否符合预定像素相似条件的确定方式可以包括：确定各个像素类别的颜色直方图分布，计算各个像素类别的颜色直方图分布之间的相似度，将相似度大于预定阈值的两个像素类别判定为符合预定像素相似条件的像素类别。
93.其中，该颜色直方图可以为灰度直方图，也可以为rgb直方图，所谓rgb直方图为能
够体现rgb三个色彩维度的颜色直方图。针对任意一种颜色直方图，该直方图的横坐标为0-255的像素值，纵坐标为像素数量。针对每个像素类别，基于该像素类别所包括的像素的像素值和每个像素值的数量，生成该像素类别的颜色直方图，这样，通过该像素类别对应的颜色直方图可以获知该像素类别所包括的像素中，每一像素值对应的像素数量。
94.计算各个像素类别的颜色直方图分布之间的相似度的方式可以有多种，示例性的，针对任意两个像素类别，可以基于该像素类别对应的颜色直方图，分别计算每个像素类别的像素值分布概率，然后利用像素值分布概率，计算该两个像素类别的相似度。具体的，计算颜色直方图的横坐标上的每个像素值内包含多少个像素，得到的数值除以该像素类别的总像素数，得到该像素类别的像素在每个像素值上的概率，作为像素值分布概率。针对任意两个像素类别的像素值分布概率，可以对同一像素值的概率相乘后开方，最后将得到的数值相加，即为两张图片的相似度。
95.举例而言，灰度直方图为例，针对任意两个像素类别，像素类别a和像素类别b，生成像素类别a和像素类别b的颜色直方图，像素类别a的颜色直方图中，像素值为0的像素有60个、像素值为1的像素有100个、像素值为2的像素有40个；像素类别b的颜色直方图中，像素值为0的像素有6个、像素值为1的像素有9个、像素值为2的像素有5个。
96.则计算每个像素类别的像素值分布概率：
97.则像素类别a中，像素值为0的概率有：60
÷
(60 100 40)＝0.3；像素值为1的概率有：100
÷
(60 100 40)＝0.5；像素值为2的概率有：40
÷
(60 100 40)＝0.2；
98.则像素类别b中，像素值为0的概率有：6
÷
(6 9 5)＝0.3；像素值为1的概率有：9
÷
(6 9 5)＝0.45；像素值为2的概率有：5
÷
(6 9 5)＝0.25；
99.像素类别a的像素值分布概率为：0.3、0.5、0.2；像素类别b的像素值分布概率为：0.3、0.45、0.25；
100.计算相似度：
101.可以理解的是，该相似度区间为[0,1]，越接近1相似度越大，越接近0相似度越小。所以，该预定阈值可以为0.8、0.9等。
[0102]
可以理解的是，对于rgb三色的颜色直方图，针对任意两个像素类别而言，可以分别计算该两个像素类别在r维度下的颜色直方图分布的相似度，在g维度下的颜色直方图分布的相似度，以及在b维度下的颜色直方图分布的相似度，利用三个维度下的颜色直方图分布的相似度，计算得到该两个像素类别的颜色直方图分布的相似度。
[0103]
可以理解的是，上述两种预定相似条件仅仅作为本发明实施例的示例，并不构成本发明实施例的限定。
[0104]
为了方便理解，结合图4和图5说明对像素类别进行合并的内容。从图4中的5个类别中，确定像素类别组，将像素类别组中的各个像素类别合并为同一像素类别。假设图4中的类别0、2和4为一个像素类别组，而1和3为一个像素类别组，那么，将类别0、2和4合并为类别0，类别1和3合并为类别1，合并后的类别分布，如图5所示。
[0105]
在s103中，可以确定出该目标图像的主体区域，并将该目标图像中主体区域以外的区域，作为非主体区域，以便筛选所包括像素位于所述目标图像的非主体区域的各个备选像素类别。其中，该主体区域为目标图像中包含主体内容的矩形框区域，非主体区域为基于目标图像的主体区域所确定出的未包含主体内容的区域。如图6所示，图6中矩形框内的
区域即为主体区域，矩形框外的区域为非主体区域。
[0106]
确定目标图像的主体区域和非主体区域的方式可以有多种，示例性的，在一种实现方式中，可以对目标图像进行主体检测，通过识别图像中的主体内容，确定出主体区域，进而基于主体区域确定出非主体区域；或者，在另一种实现方式中，也可以让用户给定主体区域的矩形框，检测该矩形框的位置，矩形框内为主体区域，矩形框外为非主体区域，这都是可行的。
[0107]
在s104中，从像素类别合并处理后所存在的多个像素类别中，筛选所包括像素位于该目标图像的非主体区域的各个备选像素类别的方式可以包括：根据像素的位置信息，检测各个像素类别中是否包括非主体区域内像素，如是，则将该非主体区域内像素所属的像素类别，作为备选像素类别。当然方式并不局限于此。
[0108]
在s105中，利用所述各个备选像素类别分别包括的第一类像素的数量，从所述各个备选像素类别中，筛选所述目标图像的纯色背景的像素所属的目标像素类别的方式可以有多种，示例性的，在一种实现方式中，可以从所述各个备选像素类别中，查找所包括的第一类像素的数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的目标像素类别。
[0109]
其中，从各个备选像素类别中，查找所包括的第一类像素的数量最大的像素类别的方式可以为：分别统计各个备选像素类别中，非主体区域中的像素数量，即第一类像素的数量，查找出第一类像素数量最大的像素类别；或者，也可以统计各个备选像素类别中，第一类像素所占的面积，由于单位像素的面积相同，所以查找出所包括的第一类像素所占的面积最大的像素类别，即查找出所包括的第一类像素的数量最大的像素类别。
[0110]
在另一种实现方式中，可以针对每一备选像素类别，按照预定的修正规则，对该备选像素类别包括的第一类像素的数量和该备选像素类别包括的第二类像素的数量进行修正，计算修正后的第一类像素的数量和修正后的第二类像素的数量的和值，作为该备选像素类别对应的像素数量，其中，所述第二类像素为位于所述主体区域的像素，所述预定修正规则为使得所述第一类像素的数量修正后数量值增大，所述第二类像素的数量修正后数量值减小；
[0111]
从所述各个备选像素类别中，确定所对应的像素数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的像素类别。
[0112]
为了布局清晰及解释详细，后文将结合具体实施例对该方式进行详细介绍。
[0113]
可以理解的是，上述两种利用所述各个备选像素类别分别包括的第一类像素的数量，从所述各个备选像素类别中，筛选所述目标图像的纯色背景的像素所属的目标像素类别的方式仅仅为本发明实施例的示例，并不构成具体限定，现有技术中，任意一种利用所述各个备选像素类别分别包括的第一类像素的数量，从所述各个备选像素类别中，筛选所述目标图像的纯色背景的像素所属的目标像素类别的方式均可以应用于本发明实施例中。
[0114]
在s106中，提取所述目标像素类别包括的像素之外的像素区域，作为所述目标图像的前景图像的方式可以有多种，示例性的，可以确定目标像素类别包括的像素之外的区域，作为所述目标图像的前景区域，生成所述前景区域的掩模图；利用所述掩模图，提取所述目标图像的前景区域，得到所述目标图像的前景图像。
[0115]
其中，该掩模图为前景区域的像素值为255，背景区域的像素值为0的图像。即该掩
模图的前景区域为白色，背景区域为黑色，如图7所示的掩模图，手部部分为白色，背景部分为黑色。
[0116]
示例性的，可以将掩模图作为蒙版与目标图像叠加，叠加后的图像只显示蒙版中白色部分，不显示蒙版中黑色部分。从而提取所述目标图像的前景区域，得到所述目标图像的前景图像，当然方式并不局限于此。
[0117]
为了使前景图像更准确，可以对掩模图的前景边缘进行优化处理，利用优化后的掩模图，提取所述目标图像的前景区域，得到所述目标图像的前景图像；其中，所述优化处理至少包括去毛刺处理、滤波处理、形态学处理中的一种或多种。去毛刺处理为将前景区域边缘中有凹陷点的部分进行填平，有凸出点的部分进行去除，使得前景区域边缘更加光滑；滤波处理为消除前景区域边缘中的噪声点，如孤立出来的像素等；形态学处理为使前景区域边缘扩大或缩小，使得前景区域边缘更符合目标图像前景区域。
[0118]
为了方便理解抠图效果，图8示出了利用本发明实施例所提供的方法对图3所示目标图像进行抠图所得到的图像的灰度图示意图。
[0119]
本发明实施例提供的一种纯色背景图像抠图方法中，对所述目标图像的像素进行聚类处理，获得聚类后的多个像素类别；从所述多个像素类别中，确定像素类别组，并对所确定出的像素类别组中的各个像素类别合并为一像素类别；对所述目标图像进行主体检测，得到主体区域，并基于所述主体区域，确定所述目标图像的非主体区域，从像素类别合并处理后所存在的多个像素类别中，筛选所包括像素位于所述目标图像的非主体区域的各个备选像素类别；利用所述各个备选像素类别分别包括的第一类像素的数量，从所述各个备选像素类别中，筛选所述目标图像的纯色背景的像素所属的目标像素类别；从所述目标图像中，提取所述目标像素类别包括的像素之外的像素区域，作为所述目标图像的前景图像。可见，通过本方案可以实现纯色背景图像的自动抠图，无需用户手动绘制前景区域边缘以实现抠图，解决了人工手动对纯色背景抠图，抠图效率较低的问题。
[0120]
本发明实施例还提供了一种纯色背景图像抠图方法，如图2所示，可以包括如下步骤：
[0121]
s201，获取目标图像，对所述目标图像的像素进行聚类处理，获得聚类后的多个像素类别；每一像素类别包括多个像素；
[0122]
s202，从所述多个像素类别中，确定像素类别组，并对所确定出的像素类别组中的各个像素类别合并为一像素类别；其中，所述像素类别组中的各个像素类别属于相似类别，属于相似类别的任意两个像素类别所包括的像素符合预定像素相似条件；
[0123]
s203，对所述目标图像进行主体检测，得到主体区域，并基于所述主体区域，确定所述目标图像的非主体区域；
[0124]
s204，从像素类别合并处理后所存在的多个像素类别中，筛选所包括像素位于所述目标图像的非主体区域的各个备选像素类别；
[0125]
s205，针对每一备选像素类别，按照预定的修正规则，对该备选像素类别包括的第一类像素的数量和该备选像素类别包括的第二类像素的数量进行修正，计算修正后的第一类像素的数量和修正后的第二类像素的数量的和值，作为该备选像素类别对应的像素数量，其中，所述第二类像素为位于所述主体区域的像素，所述预定修正规则为使得所述第一类像素的数量修正后数量值增大，所述第二类像素的数量修正后数量值减小；
[0126]
s206，从所述各个备选像素类别中，确定所对应的像素数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的目标像素类别；
[0127]
s207，从所述目标图像中，提取所述目标像素类别包括的像素之外的像素区域，作为所述目标图像的前景图像。
[0128]
其中，s201-s204与s101-s104步骤相同，s207与s106步骤相同，在此不做赘述。
[0129]
在s205中，针对每一备选像素类别，可以获取备选像素类别包括的第一类像素的数量和该备选像素类别包括的第二类像素的数量。具体而言，获取备选像素类别包括的第一类像素的数量和该备选像素类别包括的第二类像素的数量的方式可以包括：
[0130]
针对每一备选像素类别，根据该备选像素类别所包括的像素的位置信息，分别统计该备选像素类别在非主体区域内的像素数量，和主体区域内的像素数量，将非主体区域内的像素数量作为第一类像素数量，主体区域内的像素数量作为第二类像素数量。
[0131]
为了防止由于主体区域检测不准导致的属于主体内容的过多的像素被划分到非主体区域内，从而造成对目标像素类别的误判，可以针对每一备选像素类别，按照预定的修正规则，对该备选像素类别包括的第一类像素的数量和该备选像素类别包括的第二类像素的数量进行修正。
[0132]
该预定修正规则为：使得第一类像素的数量修正后数量值增大，第二类像素的数量修正后数量值减小。示例性的，可以对第一类像素乘一个大于1的第一修正系数，第二类像素乘一个小于1的第二修正系数。计算修正后的第一类像素的数量和修正后的第二类像素的数量的和值，作为该备选像素类别对应的像素数量。
[0133]
举例而言，可以应用如下公式，计算该备选像素类别对应的像素数量值：
[0134]
s
i
＝αa
in
βa
out
[0135]
式中，s
i
为备选像素类别i的像素数量值，a
in
为备选像素类别i的第一类像素数量，a
out
为备选像素类别i的第二类像素数量，α为第一修正系数，β为第二修正系数，其中，所述第一修正系数小于1，所述第一修正系数大于1，例如，α可以为0.7、0.8、0.9等，β可以为1.2、1.3、1.5等。
[0136]
在s206中，可以将s205中得到的像素数量最大的像素类别，确定为目标图像的纯色背景的像素所属的目标像素类别。
[0137]
进一步的，可以在各个备选像素类别中，确定所对应的像素数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的目标像素类别之前，判断目标图像是否为纯色背景，从而可以筛选出误输入的非纯色背景图像。判断目标图像是否为纯色背景的方式可以为：
[0138]
判断各个备选像素类别对应的像素数量中的最大像素数量与总像素数量的比值，是否大于预设阈值，如果是，执行所述从所述各个备选像素类别中，确定所对应的像素数量最大的像素类别，作为所述目标图像的纯色背景的目标像素所属的像素类别的步骤；如果否，则判断该目标图像不是纯色背景图像，不做处理；其中，所述总像素数量为所述目标图像的总像素数量。
[0139]
其中，该预设阈值可以为0.6、0.7等合理的阈值。判断各个备选像素类别对应的像素数量中的最大像素数量与总像素数量的比值，是否大于预设阈值的方式可以为：确定各个备选像素类别对应的像素数量中的最大像素数量，统计目标图像的总像素数量，计算各
个备选像素类别对应的像素数量中的最大像素数量与总像素数量的比值，判断该比值是否大于预设阈值。
[0140]
计算各个备选像素类别对应的像素数量中的最大像素数量与总像素数量的比值的公式可以为：
[0141][0142]
式中，smax为各个备选像素类别对应的像素数量中的最大像素数量，w为目标图像宽的像素数量，h为目标图像高的像素数量，δ为各个备选像素类别对应的像素数量中的最大像素数量与总像素数量的比值。
[0143]
本发明实施例提供的一种纯色背景图像抠图方法中，获取目标图像，对所述目标图像的像素进行聚类处理，获得聚类后的多个像素类别；从所述多个像素类别中，确定像素类别组，并对所确定出的像素类别组中的各个像素类别合并为一像素类别；对所述目标图像进行主体检测，得到主体区域，并基于所述主体区域，确定所述目标图像的非主体区域；从像素类别合并处理后的多个像素类别中，筛选所包括像素位于所述目标图像的非主体区域的各个备选像素类别；针对每一备选像素类别，按照预定的修正规则，对该备选像素类别包括的第一类像素的数量和该备选像素类别包括的第二类像素的数量进行修正，计算修正后的第一类像素的数量和修正后的第二类像素的数量的和值，作为该备选像素类别对应的像素数量；从所述各个备选像素类别中，确定所对应的像素数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的像素类别；从所述目标图像中，提取所述目标像素类别包括的像素之外的像素区域，作为所述目标图像的前景图像。可见，通过本方案可以实现纯色背景图像的自动抠图，无需用户手动绘制前景区域边缘以实现抠图，解决了人工手动对纯色背景抠图，抠图效率较低的问题。
[0144]
本发明实施例还提供了一种纯色背景图像抠图装置，如图9所示，本发明实施例所提供的一种纯色背景图像抠图装置，包括：
[0145]
聚类模块910，用于获取目标图像，对所述目标图像的像素进行聚类处理，获得聚类后的多个像素类别；每一像素类别包括多个像素；
[0146]
合并处理模块920，用于从所述多个像素类别中，确定像素类别组，并对所确定出的像素类别组中的各个像素类别合并为一像素类别；其中，所述像素类别组中的各个像素类别属于相似类别，属于相似类别的任意两个像素类别所包括的像素符合预定像素相似条件；
[0147]
区域确定模块930，用于对所述目标图像进行主体检测，得到主体区域，并基于所述主体区域，确定所述目标图像的非主体区域；
[0148]
第一筛选模块940，用于从所述多个像素类别中，筛选所包括像素位于所述目标图像的非主体区域的各个备选像素类别；所述非主体区域为基于所述目标图像的主体区域所确定出的未包含主体内容的区域；
[0149]
第二筛选模块950，用于利用所述各个备选像素类别分别包括的第一类像素的数量，从所述各个备选像素类别中，筛选所述目标图像的纯色背景的像素所属的目标像素类别；所述第一类像素为位于所述非主体区域的像素；
[0150]
提取模块960，用于从所述目标图像中，提取所述目标像素类别包括的像素之外的
像素区域，作为所述目标图像的前景图像。
[0151]
本发明实施例提供的一种纯色背景图像抠图装置中，对所述目标图像的像素进行聚类处理，获得聚类后的多个像素类别；从所述多个像素类别中，确定像素类别组，并对所确定出的像素类别组中的各个像素类别合并为一像素类别；对所述目标图像进行主体检测，得到主体区域，并基于所述主体区域，确定所述目标图像的非主体区域；从像素类别合并处理后所存在的多个像素类别中，筛选所包括像素位于所述目标图像的非主体区域的各个备选像素类别；利用所述各个备选像素类别分别包括的第一类像素的数量，从所述各个备选像素类别中，筛选所述目标图像的纯色背景的像素所属的目标像素类别；从所述目标图像中，提取所述目标像素类别包括的像素之外的像素区域，作为所述目标图像的前景图像。可见，通过本方案可以实现纯色背景图像的自动抠图，无需用户手动绘制前景区域边缘以实现抠图，解决了人工手动对纯色背景抠图，抠图效率较低的问题。
[0152]
可选地，任意两个像素类别所包括的像素是否符合预定像素相似条件的确定方式包括：
[0153]
确定各个像素类别的颜色直方图分布，计算各个像素类别的颜色直方图分布之间的相似度，将相似度大于预定阈值的两个像素类别判定为符合预定像素相似条件的像素类别。
[0154]
可选地，第二筛选模块950，包括：
[0155]
查找子模块，用于从所述各个备选像素类别中，查找所包括的第一类像素的数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的目标像素类别。
[0156]
可选地，第二筛选模块950，包括：
[0157]
修正子模块，用于针对每一备选像素类别，按照预定的修正规则，对该备选像素类别包括的第一类像素的数量和该备选像素类别包括的第二类像素的数量进行修正，计算修正后的第一类像素的数量和修正后的第二类像素的数量的和值，作为该备选像素类别对应的像素数量，其中，所述第二类像素为位于所述主体区域的像素，所述预定修正规则为使得所述第一类像素的数量修正后数量值增大，所述第二类像素的数量修正后数量值减小；
[0158]
确定子模块，用于从所述各个备选像素类别中，确定所对应的像素数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的像素类别。
[0159]
可选地，所述装置还包括：
[0160]
判断模块，用于从所述各个备选像素类别中，确定所对应的像素数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的像素类别之前，判断各个备选像素类别对应的像素数量中的最大像素数量与总像素数量的比值，是否大于预设阈值，如果是，执行所述从所述各个备选像素类别中，确定所对应的像素数量最大的像素类别，作为所述目标图像的纯色背景的像素所属的像素类别的步骤；
[0161]
其中，所述总像素数量为所述目标图像的总像素数量。
[0162]
可选地，所述提取模块960，包括：
[0163]
生成子模块，用于确定目标像素类别包括的像素之外的区域，作为所述目标图像的前景区域，生成所述前景区域的掩模图；
[0164]
提取子模块，用于提取所述目标图像的前景区域，得到所述目标图像的前景图像。
[0165]
可选地，提取子模块，包括：
[0166]
优化单元，用于对所述掩模图的前景边缘进行优化处理，利用优化后的掩模图，提取所述目标图像的前景区域，得到所述目标图像的前景图像；
[0167]
其中，所述优化处理至少包括去毛刺处理、滤波处理、形态学处理中的一种或多种。
[0168]
本发明实施例还提供了一种电子设备，如图10所示，包括处理器1001、通信接口1002、存储器1003和通信总1004，其中，处理器1001，通信接口1002，存储器1003通过通信总线1004完成相互间的通信，
[0169]
存储器1003，用于存放计算机程序；
[0170]
处理器1001，用于执行存储器1003上所存放的程序时，实现本发明实施例所提供的一种纯色背景图像抠图方法的步骤。
[0171]
上述电子设备提到的通信总线可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0172]
通信接口用于上述电子设备与其他设备之间的通信。
[0173]
存储器可以包括随机存取存储器(random access memory，ram)，也可以包括非易失性存储器(non-volatile memory，nvm)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
[0174]
上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processing，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0175]
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一纯色背景图像抠图方法的步骤。
[0176]
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一纯色背景图像抠图方法。
[0177]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘
solid state disk(ssd))等。
[0178]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0179]
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0180]
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。