基于图像显著性提取的加权引导滤波景深渲染方法与流程
本发明实施例涉及计算机图像处理技术领域，尤其是涉及图像显著性提取及图像滤波方法。
背景技术：
景深是人眼和照相机镜头重要的光学特性。在景深区域之内物体成像是清晰的，景深区域之外的图像都是模糊的。景深在突出摄像主体方面具有重要作用。给定一幅图像，在没有深度信息的情况下，对景深区域的估计和提取就显得至关重要。对大量图片观察发现，图像中最突出的对象总是具有最小深度值的对象，通常也是图像主体部分。因此可以提取图像前景部分作为景深部分，图像其余部分作为背景使用滤波方式进行模糊。同时，若前景部分边缘细节较多，提取的前景部分也需要保留细节。针对以上问题，本发明提出了一种基于图像提取的加权引导滤波景深渲染方法，使用rc算法提取图像前景，引导滤波细化前景边缘，其余部分使用加权引导滤波获得模糊效果。
技术实现要素：
本发明实施例的主要目的是提供一种基于图像提取的加权引导滤波景深渲染方法。
为了实现上述目的，根据本发明的一个方面，提供了以下技术方案：
一种基于图像显著性提取的加权引导滤波景深渲染方法。该方法至少包括：
步骤1：输入原始图像，利用rc算法根据全局对比度求取显著值，获取图像的前景部分；
步骤2：使用引导滤波羽化对前景部分边缘进行细化；
步骤3：对图像其余部分使用加权引导滤波算法进行模糊。
进一步地，所述步骤1具体包括：
使用基于图形的图像分割方法把输入图像分割为多个区域，然后为每个区域建立颜色直方图。引入的一个空间加权项来进一步包含空间信息，以此来增加较近区域的影响并减少较远区域的影响。
对于一个区域rk，通过测量其与图像中的其他区域的颜色对比度来计算它的显著值，基于空间加权区域对比度的显著性定义如下：
其中ds(rk，ri)是区域rk和区域ri之间的空间距离，σs用来控制空间权重的大小。w(ri)是区域ri的权重，由该区域的像素数量决定。ws(rk)是类似于中心偏差的空间先验加权项。
dr(rk，ri)是两个区域间的颜色距离度量。w(ri)中用ri像素间的距离来增大与更大区域的颜色对比度。区域r1和r2之间的颜色距离定义如下：
其中f(ck，i)是第i个颜色ck，i在第k个区域rk中的所有的nk个颜色中出现的频率。使用一个颜色出现在这个区域中的频率作为这个颜色的权值，来更多的反映这个颜色与主要颜色之间的差别。
原始图像中的前景物体往往具有更大的显著值，因此在图像显著图中前景物体会高亮显示。上述过程可以获得图像景深区域即保持清晰的部分的大致轮廓。
进一步地，所述步骤2具体包括：
若输入图像为p，输出图像为q，引导图为i，认为q与i在以像素k为中心的窗口ωk中存在局部线性关系
其中ak，bk为线性系数，且在以k为中心，r为半径的局部窗口ωk中为常数。假设图像噪音为ni，则输出图像p与输入图像q存在如下关系
qi＝pi-ni
为确定线性系数ak和bk，并使q与p之间的差异最小，求解滤波结果相当于最小化窗口ωk的损失函数
其中，ak，bk为线性系数，且在以k为中心，半径为r的局部窗口ωk中为常数。∈是防止ak过大的正则化参数。
为得到细化后的前景边缘，将步骤1得到的前景图像作为引导滤波的输入图像，使用原始图像作为引导图像，进行图像引导滤波操作，得到边缘细化的图像前景部分。在实际的边缘细化操作中，r取值为60，∈取值为10^-6。
进一步地，所述步骤3具体包括：
对图像非前景区域进行滤波，得到图像模糊效果。为减少引导滤波纹理边缘的“光晕效应”缺陷，对引导滤波损失函数的正则化参数进行加权：
其中，wg(i)是滤波边缘权重，定义如下：
其中i为引导图像，
附图说明
附图作为本发明的一部分，用来提供对本发明的进一步的理解，本发明的示意性实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，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附图。在附图中：
图1为基于加权引导滤波的图像景深渲染流程。
图2为利用rc算法获取图像的前景部分结果。
图3为引导滤波羽化对前景部分边缘进行细化结果。
图4为本发明获得的景深效果图。
这些附图和文字描述并不旨在以任何方式限制本发明的构思范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
下面结合附图以及具体实施例对本发明实施例解决的技术问题，所采用的技术方案以及实现的技术效果进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请的一部分实施例，并不是全部实施例。基于本申请中的实施例，本领域普通技术人员在不付出创造性劳动的前提下，所获的所有其它等同或明显变型的实施例均落在本发明的保护范围内。本发明实施例可以按照权利要求中限定和涵盖的多种不同方式来具体化。
如图1所示，基于图像提取的加权引导滤波景深渲染方法包含三个步骤。
步骤1：输入原始图像，利用rc算法根据全局对比度求取显著值，获取图像的前景部分。
在该步骤中，使用基于图形的图像分割方法把输入图像分割为多个区域，然后为每个区域建立颜色直方图。引入的一个空间加权项来进一步包含空间信息，以此来增加较近区域的影响并减少较远区域的影响。
对于一个区域rk，通过测量其与图像中的其他区域的颜色对比度来计算它的显著值，基于空间加权区域对比度的显著性定义如下：
其中ds(rk，ri)是区域rk和区域ri之间的空间距离，σs用来控制空间权重的大小。w(ri)是区域ri的权重，由该区域的像素数量决定。ws(rk)是类似于中心偏差的空间先验加权项。
dr(rk，ri)是两个区域间的颜色距离度量。w(ri)中用ri像素间的距离来增大与更大区域的颜色对比度。区域r1和r2之间的颜色距离定义如下：
其中f(ck，i)是第i个颜色ck，i在第k个区域rk中的所有的nk个颜色中出现的频率。使用一个颜色出现在这个区域中的频率作为这个颜色的权值，来更多的反映这个颜色与主要颜色之间的差别。
原始图像中的前景物体往往具有更大的显著值，因此在图像显著图中前景物体会高亮显示。上述过程可以获得图像景深区域即保持清晰的部分的大致轮廓。
获得的结果如图2所示，可以看到通过步骤1可以粗略提取物体图像，但对诸如毛发等细节部分的提取效果不明显。因此，为获得更精确的提取结果，需要对前景边缘进行细化。
步骤2：使用引导滤波羽化对前景部分边缘进行细化；
在该步骤中，若输入图像为p，输出图像为q，引导图为i，认为q与i在以像素k为中心的窗口ωk中存在局部线性关系
其中ak，bk为线性系数，且在以k为中心，r为半径的局部窗口ωk中为常数。假设图像噪音为ni，则输出图像p与输入图像q存在如下关系
qi＝pi-ni
为确定线性系数ak和bk，并使q与p之间的差异最小，求解滤波结果相当于最小化窗口ωk的损失函数
其中，ak，bk为线性系数，且在以k为中心，半径为r的局部窗口ωk中为常数。∈是防止ak过大的正则化参数。
为得到细化后的前景边缘，将步骤1得到的前景图像作为引导滤波的输入图像，使用原始图像作为引导图像，进行图像引导滤波操作，得到边缘细化的图像前景部分。在实际的边缘细化操作中，r取值为60，∈取值为10^-8。
图3显示了利用引导滤波羽化后的边缘效果，可以看出图像边缘被细化，毛发等细节被保留，前景部分被精确提取。
步骤3：对图像其余部分使用加权引导滤波算法进行模糊。
对图像非前景区域进行滤波，得到图像模糊效果。为减少引导滤波纹理边缘的“光晕效应”缺陷，对引导滤波损失函数的正则化参数进行加权：
其中，wg(i)是滤波边缘权重，定义如下：
其中i为引导图像，
使用原始图像作为输入图像，步骤2获得的前景图像(图3b)作为引导图像，保持前景部分不变，对图像其余部分进行加权引导滤波，得到的景深渲染图像如图4b所示。从图中可以看出，本发明前景部分细节如毛发等得到保留，背景部分得到适当的模糊，实现了景深渲染，达到了本发明的效果。
本发明的各个步骤可以用通用的计算装置来实现，例如，它们可以集中在单个的计算装置上，例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备或者多处理器装置，也可以分布在多个计算装置所组成的网络上，它们可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。因此，本发明不限于任何特定的硬件和软件或者其结合。
本发明提供的方法可以使用可编程逻辑器件来实现，也可以实施为计算机程序软件或程序模块(其包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件或数据结构等等)，例如根据本发明的实施例可以是一种计算机程序产品，运行该计算机程序产品使计算机执行用于所示范的方法。所述计算机程序产品包括计算机可读存储介质，该介质上包含计算机程序逻辑或代码部分，用于实现所述方法。所述计算机可读存储介质可以是被安装在计算机中的内置介质或者可以从计算机主体上拆卸下来的可移动介质(例如：采用热插拔技术的存储设备)。所述内置介质包括但不限于可重写的非易失性存储器，例如：ram、rom、快闪存储器和硬盘。所述可移动介质包括但不限于：光存储介质(例如：cd-rom和dvd)、磁光存储介质(例如：mo)、磁存储介质(例如：磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如：存储卡)和具有内置rom的媒体(例如：rom盒)。
本发明并不限于上述实施方式，在不背离本发明实质内容的情况下，本领域普通技术人员可以想到的任何变形、改进或替换均落入本发明的范围。
尽管上文已经示出、描述和指出了适用于各种实施方式的本发明的基本新颖特征的详细描述，但是将会理解，在不脱离本发明意图的情况下，本领域技术人员可以对系统的形式和细节进行各种省略、替换和改变。
- 还没有人留言评论。精彩留言会获得点赞！