用于处理图像的方法和装置与流程

本公开的实施例涉及计算机技术领域，具体涉及用于处理图像的方法和装置。

背景技术：

图像分割通常是指根据灰度、色彩、空间纹理、几何形状等特征把图像分割成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间则表现出明显的不同。

图像分割一直是计算机视觉领域的一个热门的研究方向。图像分割通常是图像处理中的重要的预处理步骤，是图像理解的重要组成部分。目前，各种图像分割算法也层出不穷。在一些实时的应用场景下，对图像分割算法的速度要求较高，从而会导致图像分割的处理结果的准确度一般较低。

技术实现要素：

本公开的实施例提出了用于处理图像的方法和装置。

第一方面，本公开的实施例提供了一种用于处理图像的方法，该方法包括：获取待处理图像，以及获取待处理图像的分割图像，其中，分割图像通过分割待处理图像的前景和背景得到；以待处理图像作为导向图像，对分割图像进行导向滤波处理，得到处理后的分割图像。

在一些实施例中，上述方法还包括：分别确定处理后的分割图像的各个像素点的像素值对应的、预设的非线性函数的函数值作为各个像素点的新的像素值，得到新的处理后的分割图像，其中，非线性函数为增函数。

在一些实施例中，对分割图像进行导向滤波处理，包括：基于预设的图像滤波算法，对分割图像进行导向滤波处理，其中，图像滤波算法包括以下至少一项：均值滤波、中值滤波、最大值滤波、最小值滤波。

在一些实施例中，非线性函数为其中，x用于表示处理后的分割图像的像素点的像素值，m和n为大于零的实数。

第二方面，本公开的实施例提供了一种用于处理图像的装置，该装置包括：获取单元，被配置成获取待处理图像，以及获取待处理图像的分割图像，其中，分割图像通过分割待处理图像的前景和背景得到；处理单元，被配置成以待处理图像作为导向图像，对分割图像进行导向滤波处理，得到处理后的分割图像。

在一些实施例中，上述装置还包括：确定单元，被配置成分别确定处理后的分割图像的各个像素点的像素值对应的、预设的非线性函数的函数值作为各个像素点的新的像素值，得到新的处理后的分割图像，其中，非线性函数为增函数。

在一些实施例中，上述处理单元进一步被配置成：基于预设的图像滤波算法，对分割图像进行导向滤波处理，其中，图像滤波算法包括以下至少一项：均值滤波、中值滤波、最大值滤波、最小值滤波。

在一些实施例中，非线性函数为其中，x用于表示处理后的分割图像的像素点的像素值，m和n为大于零的实数。

第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个图形处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个图形处理器执行，使得一个或多个图形处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被图形处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的实施例提供的用于处理图像的方法和装置，通过将分割图像对应的分割之前的待处理图像作为导向图像，以及将分割图像作为目标图像，对分割图像进行导向滤波处理，由于待处理图像包含有清晰的前景和背景，因此，以待处理图像为导向图像对分割图像进行导向滤波处理，可以实现对分割图像的优化，得到更准确的分割图像。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于处理图像的方法的一个实施例的流程图；

图3是以导向图像“i”和目标图像“p”作为示例的采用均值滤波器的一个导向滤波的算法；

图4是根据本公开的用于处理图像的方法的又一个实施例的流程图；

图5是根据本公开的实施例的用于处理图像的方法的一个应用场景的示意图；

图6是根据本公开的用于处理图像的装置的一个实施例的结构示意图；

图7是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的用于处理图像的方法或用于处理图像的装置的实施例的示例性架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用。例如，网页浏览器应用、搜索类应用、购物类应用、即时通信工具、社交平台软件、内容分享类应用等等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如为终端设备101、102、103上安装的客户端应用提供支持的后端服务器。服务器105可以接收客户端发送的各种处理请求，并基于接收到的处理请求生成处理结果，以及将生成的处理结果反馈给终端设备101、102、103。

需要说明的是，本公开的实施例所提供的用于处理图像的方法一般由终端设备101、102、103执行，相应地，用于处理图像的装置一般设置于终端设备101、102、103中。终端设备101、102、103也可以对图像进行离线处理，此时，示例性系统架构100可以不存在服务器105和网络104。

还需要指出的是，服务器105也可以对图像进行处理，本公开的实施例所提供的用于处理图像的方法也可以由服务器105执行，相应地，用于处理图像的装置也可以设置于服务器105中。此时，示例性系统架构100可以不存在终端设备101、102、103和网络104。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本公开的用于处理图像的方法的一个实施例的流程200。该用于处理图像的方法包括以下步骤：

步骤201，获取待处理图像，以及获取待处理图像的分割图像。

在本实施例中，用于处理图像的方法的执行主体(如图1所示的终端设备101、102、103)可以从本地或其它存储设备(如图1所示的服务器105)或开源的数据集获取待处理图像和待处理图像的分割图像。

其中，分割图像可以指通过分割待处理图像的前景和背景得到。一般地，前景可以指待处理图像上技术人员所关注的图像区域，背景则可以指剩余的图像区域。

可选地，分割图像可以由上述执行主体预先利用各种图像分割算法(如基于区域的分割算法、基于神经网络的分割算法等)对待处理图像进行处理得到。

当然，分割图像也可以由其它电子设备(如图1所示的服务器105)预先利用各种图像分割算法对待处理图像进行处理得到，然后上述执行主体从该电子设备获取分割图像。

步骤202，以待处理图像作为导向图像，对分割图像进行导向滤波处理，得到处理后的分割图像。

在本实施例中，导向滤波可以指通过导向图像，对目标图像进行滤波处理，使得处理后的目标图像与原目标图像尽可能相同，但纹理部分与导向图像相似的技术。

在对目标图像进行导向滤波处理的过程中，需要对导向图像和目标图像进行滤波处理。具体地，对导向图像和目标图像进行滤波处理所采用的滤波器可以根据实际的应用需求灵活选择。

可选地，可以基于预设的图像滤波算法，对分割图像(即目标图像)进行导向滤波处理，其中，图像滤波算法包括以下至少一项：均值滤波、中值滤波、最大值滤波、最小值滤波。

一般地，通常采用各种基于最小二乘滤波的滤波算法或高斯滤波算法等对导向图像和目标图像进行滤波处理。但是，由于这种滤波算法计算比较复杂，所以计算量非常大，耗时也比较久，很难应用于一些实时的应用场景。而均值滤波、中值滤波、最大值滤波、最小值滤波等这些滤波算法计算比较简便，计算速度快，可以满足一些实时的应用场景。

下面参考图3，图3示出了以导向图像“i”和目标图像“p”作为示例的采用均值滤波器的一个导向滤波的算法。在图3中，可以先计算meani、meanp，以及corri、corrip。其中，fmean(i)可以用于表示对导向图像“i”进行均值滤波处理，以及meani可以用于指对导向图像“i”进行均值滤波处理后得到的图像。同样地，fmean(p)可以用于表示对目标图像“p”进行均值滤波处理，以及meanp可以用于指对目标图像“p”进行均值滤波处理后得到的图像。其中，均值滤波的窗口大小可以由技术人员预先进行设置。

其中，fmean(i*i)可以用于表示对导向图像“i”的平方图像进行均值滤波处理，以及corri可以用于表示对导向图像“i”的平方图像进行均值滤波处理后得到的图像。fmean(i.*p)可以用于表示对导向图像“i”和目标图像“p”的乘积图像进行均值滤波处理，以及corrip可以用于表示对导向图像“i”和目标图像“p”的乘积图像进行均值滤波处理后得到的图像。

之后，可以计算vari和covip。其中，vari可以用于表示导向图像“i”的方差。如图中所示，vari可以通过先确定meani的平方，再确定corri与确定的meani的平方的差值来确定。covip可以用于表示导向图像“i”和目标图像“p”的协方差。如图中所示，covip可以通过先确定meani与meanp的乘积，然后确定corrip与确定的meani与meanp的乘积的差值来确定。

之后，可以计算“a”和“b”。其中，ε可以作为调节参数。如图中所示，可以先确定vari与ε的和，然后确定corrip与确定的vari与ε的和的商值以得到图像“a”。另外，可以先确定“a”与meani的乘积，然后确定meanp与确定的“a”与meani的乘积的差值以得到图像“b”。

进一步地，可以计算meana和meanb。同样地，fmean(a)可以用于表示对图像“a”进行均值滤波处理，以及meana可以用于指对图像“a”进行均值滤波处理后得到的图像。fmean(b)可以用于表示对导向图像“b”进行均值滤波处理，以及meanb可以用于指对导向图像“b”进行均值滤波处理后得到的图像。

最后，可以计算得到对目标图像“p”进行导向滤波处理后得到的图像“q”。如图中所示，可以先确定meana与导向图像“i”的乘积，然后确定meanb与确定的meana与导向图像“i”的乘积的和以得到图像“q”。其中，图像“q”即可以视为根据导向图像“i”，对目标图像“p”进行导向滤波处理后得到的图像。

需要说明的是，导向滤波算法的各种实现是目前广泛研究的技术，除了图3所示的算法之外，还有其它导向滤波算法的实现方法，在此不再一一赘述。

本公开的上述实施例提供的方法通过将分割图像对应的分割之前的待处理图像作为导向图像，以及将分割图像作为目标图像，对分割图像进行导向滤波处理，由于待处理图像包含有清晰的前景和背景，因此，以待处理图像为导向图像对分割图像进行导向滤波处理，可以实现对分割图像对应的前景和背景的分割结果的优化，得到更准确的分割图像。

进一步参考图4，其示出了用于处理图像的方法的又一个实施例的流程400。该用于处理图像的方法的流程400，包括以下步骤：

步骤401，获取待处理图像，以及获取待处理图像的分割图像。

步骤402，以待处理图像作为导向图像，对分割图像进行导向滤波处理，得到处理后的分割图像。

上述步骤401和402的具体的执行过程可参考图2对应实施例中的步骤201和202的相关说明，在此不再赘述。

步骤403，分别确定处理后的分割图像的各个像素点的像素值对应的、预设的非线性函数的函数值作为各个像素点的新的像素值，得到新的处理后的分割图像。

在本实施例中，非线性函数可以由技术人员预先进行设置。其中，非线性函数可以为增函数。以处理后的分割图像中的一个像素点作为示例，可以确定非线性函数在该像素点的像素值处的函数值作为该像素点的新像素值。

在得到处理后的分割图像之后，进一步的利用非线性函数对各个像素点的像素值进行处理，可以引入非线性，从而使得进一步处理得到的分割图像可以具有更加清晰的边缘。

可选地，非线性函数可以采用现有的各种激活函数(如sigmoid函数，tanh函数，relu函数等)。

可选地，非线性函数可以采用其中，x可以用于表示处理后的分割图像的像素点的像素值，m和n可以为大于零的实数。

例如，m可以取值为11，n可以取值为0.5，此时，非线性函数可以为

需要说明的是，在不同的应用场景中，可以由技术人员分别设置多组不同的m和n，并基于各组不同的m和n分别对预设的一些图像进行处理，比较各组m和n对应的处理效果，之后可以选取效果较优的一组m和n，从而确定非线性函数。

继续参见图5，图5是根据本实施例的用于处理图像的方法的应用场景的一个示意图500。在图5的应用场景中，上述执行主体可以预先接收用户上传的待处理图像501，然后将待处理图像501输入至图像分割网络502，得到第一分割图像503。其中，图像分割网络可以是预先训练的用于分割输入图像的前景和背景的神经网络模型。

之后，上述执行主体可以将待处理图像501作为导向图像，对第一分割图像503进行导向滤波处理，得到第二分割图像504。进一步地，对于第二分割图像504中的任一像素点，将该像素点的像素值在预设函数的函数值作为该像素点的新像素值，从而得到第三分割图像505。上述执行主体进而可以向用户展示第三分割图像505。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于处理图像的方法的流程400突出了在以分割图像对应的待处理图像作为导向图像对分割图像进行导向滤波处理之后，还可以对经过导向滤波处理之后的分割图像的各像素点的像素值进行非线性变换的步骤。由此，本实施例描述的方案可以进一步地对经过导向滤波处理之后的分割图像进行优化，使得进一步理之后的分割图像中的边缘更加清晰。

进一步参考图6，作为对上述各图所示方法的实现，本公开提供了用于处理图像的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例提供的用于处理图像的装置600包括获取单元601和处理单元602。其中，获取单元601被配置成获取待处理图像，以及获取待处理图像的分割图像，其中，分割图像通过分割待处理图像的前景和背景得到；处理单元602被配置成以待处理图像作为导向图像，对分割图像进行导向滤波处理，得到处理后的分割图像。

在本实施例中，用于处理图像的装置600中：获取单元601和处理单元602的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201和步骤202的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述用于处理图像的装置600还包括：确定单元(图中未示出)被配置成分别确定处理后的分割图像的各个像素点的像素值对应的、预设的非线性函数的函数值作为各个像素点的新的像素值，得到新的处理后的分割图像，其中，非线性函数为增函数。

在本实施例的一些可选的实现方式中，上述处理单元602进一步被配置成：基于预设的图像滤波算法，对分割图像进行导向滤波处理，其中，图像滤波算法包括以下至少一项：均值滤波、中值滤波、最大值滤波、最小值滤波。

在本实施例的一些可选的实现方式中，非线性函数为其中，x用于表示处理后的分割图像的像素点的像素值，m和n为大于零的实数。

本公开的上述实施例提供的装置，通过获取单元获取待处理图像，以及获取待处理图像的分割图像，其中，分割图像通过分割待处理图像的前景和背景得到；处理单元以待处理图像作为导向图像，对分割图像进行导向滤波处理，得到处理后的分割图像，由于待处理图像包含有清晰的前景和背景，因此以待处理图像作为导向图像对分割图像进行处理，可以得到更准确的分割图像。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的终端设备)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图6示出的终端设备/服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待处理图像，以及获取待处理图像的分割图像，其中，分割图像通过分割待处理图像的前景和背景得到；以待处理图像作为导向图像，对分割图像进行导向滤波处理，得到处理后的分割图像。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在图形处理器中，例如，可以描述为：一种图形处理器包括获取单元和处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，处理单元还可以被描述为“以待处理图像作为导向图像，对分割图像进行导向滤波处理，得到处理后的分割图像的单元”。

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，本公开的实施例中所涉及的发明范围，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发明构思的情况下，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的实施例中公开的(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。