一种图像处理方法、装置、电子设备和存储介质与流程

1.本公开涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、电子设备和存储介质。


背景技术：

2.数字图像抠图技术的主要目的是分离图像中的前景与背景画面，从而实现前景提取与虚拟背景的替换，广泛应用于视频会议背景替换、电影的拍摄制作、图像后期编辑、海报制作等场景。
3.因此，提供一种抠图效果较好的算法非常有必要。


技术实现要素：

4.为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种图像处理方法、装置、电子设备和存储介质，改善了抠图效果。
5.第一方面，本公开实施例提供了一种图像处理方法，该方法包括：获取包含预设目标的待处理图像以及与所述待处理图像对应的参考背景图像；将所述参考背景图像输入至已训练的空间变换网络stn，获得所述参考背景图像的映射图像；将所述待处理图像与所述映射图像进行拼接，获得输入图像；将所述输入图像输入至已训练的编码器-解码器单元，获得所述预设目标的透明图像。
6.第二方面，本公开实施例还提供了一种图像处理装置，该装置包括：获取模块，用于获取包含预设目标的待处理图像以及与所述待处理图像对应的参考背景图像；第一输入模块，用于将所述参考背景图像输入至已训练的空间变换网络stn，获得所述参考背景图像的映射图像；拼接模块，用于将所述待处理图像与所述映射图像进行拼接，获得输入图像；第二输入模块，用于将所述输入图像输入至已训练的编码器-解码器单元，获得所述预设目标的透明图像。
7.第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：处理器；以及存储程序的存储器，其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行上述第一方面所述的图像处理方法。
8.第四方面，本公开实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上第一方面所述的图像处理方法。
9.第五方面，本公开实施例还提供了一种计算机程序产品，包括计算机程序，所述计
算机程序在被处理器执行时实现上述第一方面所述的图像处理方法。
10.本公开实施例提供的技术方案与现有技术相比至少具有如下优点：本公开实施例提供的图像处理方法，通过获取包含预设目标的待处理图像以及与所述待处理图像对应的参考背景图像；将所述参考背景图像输入至已训练的空间变换网络stn，获得所述参考背景图像的映射图像；将所述待处理图像与所述映射图像进行拼接，获得输入图像；将所述输入图像输入至已训练的编码器-解码器单元，获得所述预设目标的透明图像的技术手段，可达到改善抠图效果的目的。
附图说明
11.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
12.图1为本公开实施例中的一种图像处理方法的流程图；图2为本公开实施例中的一种预设目标的透明图像的示意图；图3为本公开实施例中的一种stn的结构示意图；图4为本公开实施例中的一种图像处理方法的流程示意图；图5为本公开实施例中的一种通道注意力子单元的结构示意图；图6为本公开实施例中的一种图像处理装置的结构示意图；图7为本公开实施例中的一种电子设备的结构示意图。
具体实施方式
13.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
14.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行以及并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
15.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
16.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
17.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
18.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
19.图1为本公开实施例中的一种图像处理方法的流程图。该方法可以由图像处理装
置执行，该装置可以采用软件和/或硬件的方式实现，该装置可配置于电子设备中，例如终端，具体包括但不限于智能手机、掌上电脑、平板电脑、便携式可穿戴设备、智能家居设备（例如台灯）等。
20.如图1所示，该方法具体可以包括如下步骤：步骤110、获取包含预设目标的待处理图像以及与所述待处理图像对应的参考背景图像。
21.其中，待处理图像指包含预设目标的图像，待处理图像中通常除了预设目标之外，还包括其它物体的图像。例如，在在线课堂场景中，待处理图像为在线课堂的图像，在线课堂的图像中包括上课老师的图像，上课老师的图像即为所述预设目标，待处理图像中还包括背景图像，例如老师上课时使用的幻灯片，该幻灯片即为待处理图像中的背景图像。在本公开实施例中，将待处理图像中的背景图像标记为实时背景图像，该背景图像是通过拍摄装置拍摄获得的。
22.所述参考背景图像指所述实时背景图像的原始图像，例如在拍摄获得所述待处理图像之前，可以通过一定的方式获取只包括所述幻灯片，而不包括上课老师的图像，该图像则可以是所述参考背景图像。
23.可以理解的是，所述参考背景图像与所述实时背景图像之间可能会存在一些偏移，例如在所述参考背景图像中距离左上角5厘米处有一个汉字“大”，而在所述实时背景图像中所述汉字“大”在距离左上角5.5厘米的位置处。该种现象被称为实时背景图像与参考背景图像之间的不一致问题，虽然实时背景图像和参考背景图像都是针对同一幻灯片的图像，但是两者之间存在一些偏移。
24.本公开实施例的方案旨在将上课老师的图像与所述实时背景图像进行分离，提取出上课老师的图像，即将上课老师的图像从待处理图像中进行抠图。如果不对上述不一致问题进行矫正，则会影响最终的抠图效果。
25.步骤120、将所述参考背景图像输入至已训练的空间变换网络stn，获得所述参考背景图像的映射图像。
26.其中，stn（spatial transformer networks，空间变换网络）是一种能够嵌入神经网络的、显式的对特征图像进行放射变换的结构，用于补充神经网络缺少的空间转换能力。因此，通过引入stn可使模型自动学习到一个仿射变换，在抠图场景中，可较好地适应待处理图像中的实时背景图像和参考背景图像不一致的问题，从而获得较好的抠图效果。
27.步骤130、将所述待处理图像与所述映射图像进行拼接，获得输入图像。
28.示例性的，假设所述待处理图像和所述映射图像的维度均是n*3*h*w，则拼接之后获得的输入图像的维度是n*6*h*w。
29.步骤140、将所述输入图像输入至已训练的编码器-解码器单元，获得所述预设目标的透明图像。
30.预设目标的透明图像也可以被称为预设目标的alpha图像，其含义是在一幅图中包括两种颜色，预设目标为一种颜色，除预设目标之外的其他物体为另一种颜色。示例性的，参考如图2所示的一种预设目标的透明图像的示意图，其中的预设目标为一个用户的画像。
31.本公开实施例提供的图像处理方法，通过将参考背景图像输入至已训练的空间变
换网络stn，可较好地适应待处理图像中的实时背景图像和参考背景图像不一致的问题，从而获得较好的抠图效果，可达到改善抠图效果的目的。
32.在上述技术方案的基础上，参考如图3所示的一种stn的结构示意图，所述已训练的空间变换网络stn包括级联的卷积单元310、平均池化单元320和全连接单元330；所述卷积单元310包括两个级联的卷积子单元311，每个卷积子单元311包括级联的卷积层3111、最大池化层3112和激活函数层3113。
33.所述将所述参考背景图像输入至已训练的空间变换网络stn，获得所述参考背景图像的映射图像，包括：将所述参考背景图像输入至所述级联的卷积单元310、平均池化单元320和全连接单元330，获得仿射变换矩阵；基于所述仿射变换矩阵对所述参考背景图像进行映射，获得所述映射图像。
34.进一步的，参考如图4所示的一种图像处理方法的流程示意图，将参考背景图像410输入至已训练的stn 420，获得映射图像，映射图像的大小与参考背景图像410的大小一致。映射图像和待处理图像430进行拼接，获得输入图像。将所述输入图像输入至预设编码器440，获得编码信息；将所述编码信息输入至通道注意力子单元450，获得中间信息；将所述中间信息输入至预设解码器460，获得所述透明图像470。即所述已训练的编码器-解码器单元400包括级联的预设编码器440、通道注意力子单元450和预设解码器460。
35.进一步的，参考如图5所示的一种通道注意力子单元的结构示意图，所述通道注意力子单元450包括：级联的平均化层451、第一卷积层452、激活函数层453、第二卷积层454、归一化层455和叠加层456。
36.具体的，预设编码器440的输出，即通道注意力子单元450的输入是编码信息，编码信息例如是维度大小为n*c*h*w，通过平均化层451在h和w维度上取平均，平均化层451输出维度大小为n*c*1*1，再通过第一卷积层452、激活函数层453、第二卷积层454和归一化层455获得预设维度的信息，然后通过叠加层456对所述预设维度的信息与所述编码信息做乘法运算，获得中间信息。
37.概括性的，所述将所述编码信息输入至所述通道注意力子单元，获得中间信息，包括：将所述编码信息输入至所述级联的平均化层、第一卷积层、激活函数层、第二卷积层和归一化层，通过所述归一化层输出预设维度的信息；所述叠加层用于对所述预设维度的信息与所述编码信息做乘法运算，获得所述中间信息。然后将中间信息输入至预设解码器460，预设解码器460由一些上采样算法组成，目的是将下采样的结果重新采样为与待处理图像430的大小一致，获得透明图像470。
38.可以理解的是，在训练阶段，预设解码器输出的透明图像470与标准透明图像进行比较，获得两者之间的误差损失，进而根据该误差损失对各模型参数进行调整。其中，误差损失可以表示为：抠图的实质是让网络模型学习到透明图像alpha，对于透明图像alpha的定义是前景是0，背景是1，前景的边缘是0-1的浮点数，任意一张图像都可以表示为如下公式：image=alpha*foreground (1-alpha)*background，其中，image表示图像，foreground表示前景，background表示背景。
39.本公开实施例的技术方案，通过利用stn和通道注意力channelattention机制来提升抠图精度。具体的，通过stn自动学习实时背景的放射变换，通过在解码器的输入部分加入通道注意力channelattention机制来优化前景和背景边缘的划分。
40.图6为本公开实施例中的一种图像处理装置的结构示意图。如图6所示，该图像处理装置600具体包括：获取模块610、第一输入模块620、拼接模块630和第二输入模块640。
41.其中，获取模块610，用于获取包含预设目标的待处理图像以及与所述待处理图像对应的参考背景图像；第一输入模块620，用于将所述参考背景图像输入至已训练的空间变换网络stn，获得所述参考背景图像的映射图像；拼接模块630，用于将所述待处理图像与所述映射图像进行拼接，获得输入图像；第二输入模块640，用于将所述输入图像输入至已训练的编码器-解码器单元，获得所述预设目标的透明图像。
42.可选的，所述已训练的空间变换网络stn包括级联的卷积单元、平均池化单元和全连接单元；所述卷积单元包括两个级联的卷积子单元，每个卷积子单元包括级联的卷积层、最大池化层和激活函数层。
43.可选的，第一输入模块620包括：第一输入单元，用于将所述参考背景图像输入至所述级联的卷积单元、平均池化单元和全连接单元，获得仿射变换矩阵；映射单元，用于基于所述仿射变换矩阵对所述参考背景图像进行映射，获得所述映射图像。
44.可选的，所述已训练的编码器-解码器单元包括级联的预设编码器、通道注意力子单元和预设解码器。
45.可选的，第二输入模块640包括：第二输入单元，用于将所述输入图像输入至所述预设编码器，获得编码信息；第三输入单元，用于将所述编码信息输入至所述通道注意力子单元，获得中间信息；第四输入单元，用于将所述中间信息输入至所述预设解码器，获得所述透明图像。
46.可选的，所述通道注意力子单元包括：级联的平均化层、第一卷积层、激活函数层、第二卷积层、归一化层和叠加层。
47.可选的，所述第三输入单元具体用于：将所述编码信息输入至所述级联的平均化层、第一卷积层、激活函数层、第二卷积层和归一化层，通过所述归一化层输出预设维度的信息；所述叠加层用于对所述预设维度的信息与所述编码信息做乘法运算，获得所述中间信息。
48.本公开实施例提供的图像处理装置，通过获取包含预设目标的待处理图像以及与所述待处理图像对应的参考背景图像；将所述参考背景图像输入至已训练的空间变换网络stn，获得所述参考背景图像的映射图像；将所述待处理图像与所述映射图像进行拼接，获得输入图像；将所述输入图像输入至已训练的编码器-解码器单元，获得所述预设目标的透明图像的技术手段，可达到改善抠图效果的目的。
49.本公开实施例提供的图像处理装置，可执行本公开方法实施例所提供的图像处理方法中的步骤，具备执行步骤和有益效果此处不再赘述。
50.本公开示例性实施例还提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序，所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本公开实施例的方法。
51.本公开示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质，其中，所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。
52.本公开示例性实施例还提供一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。
53.参考图7，现将描述可以作为本公开的服务器或客户端的电子设备1000的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
54.如图7所示，电子设备1000包括计算单元1001，其可以根据存储在只读存储器（rom）1002中的计算机程序或者从存储单元1008加载到随机访问存储器（ram）1003中的计算机程序，来执行各种适当的动作和处理。在ram 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、rom 1002以及ram 1003通过总线1004彼此相连。输入/输出（i/o）接口1005也连接至总线1004。
55.电子设备1000中的多个部件连接至i/o接口1005，包括：输入单元1006、输出单元1007、存储单元1008以及通信单元1009。输入单元1006可以是能向电子设备1000输入信息的任何类型的设备，输入单元1006可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元1007可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1004可以包括但不限于磁盘、光盘。通信单元1009允许电子设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙tm设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。
56.计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元（cpu）、图形处理单元（gpu）、各种专用的人工智能（ai）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（dsp）、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理。例如，在一些实施例中，方法xxx（前述方法，例如方法100、200等）可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由rom 1002和/或通信单元1009而被载入和/或安装到电子设备1000上。在一些实施例中，计算单元1001可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行本公开实施例的方法。
57.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件
包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
58.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（ram）、只读存储器（rom）、可擦除可编程只读存储器（eprom或快闪存储器）、光纤、便捷式紧凑盘只读存储器（cd-rom）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
59.如本公开使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
60.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，crt（阴极射线管）或者lcd（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
61.可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（lan）、广域网（wan）和互联网。
62.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
63.以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。
64.此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实
施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
65.尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。