基于深度图的图像虚化方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109146767A(43)申请公布日2019.01.04(21)申请号201710788431.2(22)申请日2017.09.04(71)申请人成都通甲优博科技有限责任公司地址610000四川省成都市天府新区华阳街道天府大道南段846号(72)发明人周剑邹泽东陈胜通黎礼铭刘勇(51)Int.Cl.G06T3/00(2006.01)权利要求书2页说明书7页附图2页(54)发明名称基于深度图的图像虚化方法及装置(57)摘要本发明公开了一种基于深度图的图像虚化方法及装置，所述基于深度图的图像虚化方法包括：获得原图对应的深度图和人像轮廓图；以人像轮廓图为模板对深度图的人像轮廓进行优化处理；以进行优化处理后的深度图为虚化系数对原图进行背景虚化处理；根据人像轮廓图对原图的人像区域和进行背景虚化处理后的原图进行融合处理。本发明提供的基于深度图的图像虚化方法及装置，通过以人像轮廓图为模板对深度图的人像轮廓进行优化，保证了背景虚化时人像和背景的边界清晰准确、过度自然。CN109146767ACN109146767A权利要求书1/2页1.一种基于深度图的图像虚化方法，其特征在于，包括：获得原图对应的深度图和人像轮廓图；以人像轮廓图为模板对深度图的人像轮廓进行优化处理；以进行优化处理后的深度图为虚化系数对原图进行背景虚化处理；根据人像轮廓图对原图的人像区域和进行背景虚化处理后的原图进行融合处理。2.根据权利要求1所述的基于深度图的图像虚化方法，其特征在于，采用深度学习的方式获得原图对应的人像轮廓图。3.根据权利要求2所述的基于深度图的图像虚化方法，其特征在于，获得原图对应的人像轮廓图包括：进行人脸识别以获得原图的人像区域并记录矩形框的位置；以原图的人像区域为输入、采用深度学习模型卷积神经网络为判断核以获得包含人像轮廓的二值图像。4.根据权利要求1所述的基于深度图的图像虚化方法，其特征在于，以人像轮廓图为模板对深度图的人像轮廓进行优化处理包括：获得人像轮廓图在深度图中对应的局部深度区域；根据人像轮廓图提取局部深度区域的前景和局部深度区域的背景；修正局部深度区域的前景边界和局部深度区域的背景边界的错误深度值；对修正后的局部深度区域的前景和修正后的局部深度区域的背景进行融合处理。5.根据权利要求4所述的基于深度图的图像虚化方法，其特征在于，获得人像轮廓图在深度图中对应的局部深度区域包括：对深度图进行缩放处理以使缩放处理后的深度图的大小与原图的大小相同；根据原图的人像区域尺寸对缩放处理后的深度图进行裁剪。6.根据权利要求4所述的基于深度图的图像虚化方法，其特征在于，根据人像轮廓图提取局部深度区域的前景和局部深度区域的背景包括：生成前景深度子图和背景深度子图，并对前景深度子图和背景深度子图的灰度值进行初始化，前景深度子图的大小、背景深度子图的大小和局部深度区域的大小相同，前景深度子图的数据类型、背景深度子图的数据类型和局部深度区域的数据类型相同；以人像轮廓图的灰度值为判断条件将局部深度区域的灰度值填充到前景深度子图和背景深度子图中：若人像轮廓图的灰度值为1，则将局部深度区域的灰度值填充到前景深度子图中，否则将局部深度区域的灰度值填充到背景深度子图中。7.根据权利要求4所述的基于深度图的图像虚化方法，其特征在于，修正局部深度区域的前景边界和局部深度区域的背景边界的错误深度值包括：创建形态学运算模板；采用形态学运算模板分别对局部深度区域的前景和局部深度区域的背景做M次形态学腐蚀运算，再采用形态学运算模板分别对进行过形态学腐蚀运算的局部深度区域的前景和进行过形态学腐蚀运算的局部深度区域的背景做N次形态学膨胀运算，N大于M。8.根据权利要求4所述的基于深度图的图像虚化方法，其特征在于，基于灰度值对修正后的局部深度区域的前景和修正后的局部深度区域的背景进行融合处理。9.根据权利要求1所述的基于深度图的图像虚化方法，其特征在于，根据人像轮廓图对2CN109146767A权利要求书2/2页原图的人像区域和进行背景虚化处理后的原图进行融合处理包括：使用高斯核对人像轮廓图进行模糊处理；对原图的人像区域和进行模糊处理后的人像轮廓图进行拉伸处理；以进行拉伸处理后的人像轮廓图的灰度值为权重，对进行拉伸后的原图的人像区域和进行背景虚化处理后的原图进行融合处理。10.一种基于深度图的图像虚化装置，其特征在于，包括：深度图获得模块，用于获得原图对应的深度图；人像轮廓图获得模块，用于获得原图对应的人像轮廓图；优化处理模块，用于以人像轮廓图为模板对深度图的人像轮廓进行优化处理；背景虚化处理模块，用于以进行优化处理后的深度图为虚化系数对原图进行背景虚化处理；融合处理模块，用于根据人像轮廓图对原图的人像区域和进行背