本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種實(shí)現(xiàn)交互式圖像分割的方法、裝置及終端。

背景技術(shù)：

圖像分割，是指將平面圖像依照顏色、紋理、形狀等特征將其劃分為互不相連的若干區(qū)域，這是圖像處理領(lǐng)域的一項實(shí)用的基礎(chǔ)技術(shù)?，F(xiàn)有的圖像分割技術(shù)有基于閾值的分割方法、基于邊緣的分割方法、基于區(qū)域的分割方法、基于能量泛函的分割方法、基于圖論的分割方法等。其中在圖論方法里比較知名的有GraphCut算法及其改進(jìn)版本GrabCut算法。

GraphCut算法及其改進(jìn)版本GrabCut算法，是基于區(qū)域標(biāo)注的交互式圖像分割方法。GraphCut算法是基于馬爾可夫隨機(jī)場(Markov Random Field,MRF)能量最小化框架的一種算法，優(yōu)點(diǎn)在于可以結(jié)合多種理論知識進(jìn)行全局最優(yōu)求解。GrabCut算法是對GraphCut算法的改進(jìn)，GrabCut算法通過在原始圖像上標(biāo)注出前景點(diǎn)(要提取的目標(biāo)對象上的點(diǎn))和背景點(diǎn)生成掩模圖，利用原圖和掩模圖對前景、背景顏色空間建立高斯混合模型(Gaussian Mixture Model，GMM)，利用GMM參數(shù)學(xué)習(xí)、估計過程中可進(jìn)化的迭代算法完成能量最小化，判決出圖像中的前景點(diǎn)和背景點(diǎn)，從原圖中提取出由前景點(diǎn)像素組成的目標(biāo)圖像。

在手機(jī)上使用GrabCut算法進(jìn)行圖像分割時，為了降低交互的復(fù)雜性，通常對用戶如何標(biāo)記不做嚴(yán)格要求，因此，在用戶標(biāo)記的前景點(diǎn)較少的情況下迭代次數(shù)可能很多，算法運(yùn)行時間較長，影響了用戶的體驗(yàn)。另一方面，相關(guān)技術(shù)中的GrabCut算法是基于彩色圖像進(jìn)行圖像分割的，當(dāng)要提取的目標(biāo)對象的顏色特征并不明顯時，利用彩色圖進(jìn)行分割的分割效果并不理想。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是提供一種實(shí)現(xiàn)交互式圖像分割的方法、裝置及終端，能夠縮短算法的運(yùn)行時間，結(jié)合圖像的深度信息改善圖像分割的效果。

本發(fā)明實(shí)施例提供了一種實(shí)現(xiàn)交互式圖像分割的方法，包括：

檢測到原始圖像上的涂抹軌跡后，構(gòu)造包含所述涂抹軌跡的幾何圖形并對所述幾何圖形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，確定包含所述涂抹軌跡的一塊區(qū)域作為感興趣區(qū)域，所述感興趣區(qū)域包含所述標(biāo)記區(qū)；生成圖像分割算法的輸入掩模圖：將所述標(biāo)記區(qū)中所有的像素作為所述掩模圖中的前景點(diǎn)，將所述感興趣區(qū)域中標(biāo)記區(qū)外的像素作為所述掩模圖中的背景點(diǎn)；

獲取包含目標(biāo)對象顏色信息的彩色圖和包含目標(biāo)對象深度信息的深度圖，根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)，根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)，所述第一分割參數(shù)和第二分割參數(shù)用于表示像素判決為前景點(diǎn)或背景點(diǎn)的概率以及所述像素與相鄰像素的數(shù)值差異；將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合；

構(gòu)建無向圖，將所述掩模圖中的每一個像素的融合后的分割參數(shù)映射到所述無向圖中，根據(jù)最小割-最大流算法對所述無向圖進(jìn)行處理，獲得精細(xì)分割后的掩模圖；

從所述彩色圖中分割出所述精細(xì)分割后的掩模圖中前景點(diǎn)對應(yīng)的圖像。

可選地，根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)，包括：根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一區(qū)域項分割參數(shù)：

按EM方法進(jìn)行高斯混合模型GMM計算，所述EM方法包括E步驟和M步驟；迭代運(yùn)行E步驟和M步驟，在所述迭代運(yùn)行達(dá)到收斂條件后停止所述迭代過程；將最后一次執(zhí)行M步驟獲得的所述像素的分類確定為所述像素的分類，將最后一次執(zhí)行M步驟獲得的所述像素歸屬于某個簇的最大概率值P_max確定為所述像素的第一區(qū)域項分割參數(shù)，所述第一區(qū)域項分割參數(shù)是所述像素基于所述彩色圖判決為前景點(diǎn)或背景點(diǎn)的概率；

其中，所述E步驟和M步驟分別包括以下處理：

E步驟：根據(jù)所述掩模圖上各個像素的顏色值以及像素之間的位置關(guān)系通過聚簇將同種類型的像素聚成一個或多個簇，確定各個簇的GMM模型；其中，像素的分類包括前景點(diǎn)或背景點(diǎn)；簇的分類包括前景點(diǎn)簇或背景點(diǎn)簇；

M步驟：根據(jù)各個簇的GMM模型確定每一個像素歸屬于各個簇的概率，對任意一個像素，根據(jù)所述像素的最大概率值P_max對應(yīng)的簇確定所述像素的分類。

可選地，根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)，還包括：根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二區(qū)域項分割參數(shù)：

按EM方法進(jìn)行高斯混合模型GMM計算，所述EM方法包括E步驟和M步驟；迭代運(yùn)行E步驟和M步驟，在所述迭代運(yùn)行達(dá)到收斂條件后停止所述迭代過程；將最后一次執(zhí)行M步驟獲得的所述像素的分類確定為所述像素的分類，將最后一次執(zhí)行M步驟獲得的所述像素歸屬于某個簇的最大概率值P_max確定為所述像素的第二區(qū)域項分割參數(shù)，所述第二區(qū)域項分割參數(shù)是所述像素基于所述深度圖判決為前景點(diǎn)或背景點(diǎn)的概率；

其中，所述E步驟和M步驟分別包括以下處理：

E步驟：根據(jù)所述掩模圖上各個像素的深度值以及像素之間的位置關(guān)系通過聚簇將同種類型的像素聚成一個或多個簇，確定各個簇的GMM模型；其中，像素的分類包括前景點(diǎn)或背景點(diǎn)；簇的分類包括前景點(diǎn)簇或背景點(diǎn)簇；

M步驟：根據(jù)各個簇的GMM模型確定每一個像素歸屬于各個簇的概率，對任意一個像素，根據(jù)所述像素的最大概率值P_max對應(yīng)的簇確定所述像素的分類。

可選地，根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)，還包括：根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一邊界項分割參數(shù)：

根據(jù)所述像素與相鄰像素的顏色差異確定所述像素的第一邊界項分割參數(shù)；

其中，對任意一個像素，將RGB三個顏色通道上所述像素與鄰近的各個像素之間的數(shù)值差值絕對值進(jìn)行累加，再對累加和進(jìn)行歸一化處理，得到歸一化后的累加和作為所述像素的第一邊界項分割參數(shù)。

可選地，根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)，還包括：根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二邊界項分割參數(shù)：

根據(jù)所述像素與相鄰像素的深度值差異確定所述像素的第二邊界項分割參數(shù)；

其中，對任意一個像素，將所述像素與鄰近的各個像素之間的深度值差值絕對值進(jìn)行累加，再對累加和進(jìn)行歸一化處理，得到歸一化后的累加和作為所述像素的第二邊界項分割參數(shù)。

可選地，將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合，包括：將所述第一區(qū)域項分割參數(shù)與所述第二區(qū)域項分割參數(shù)進(jìn)行融合：

對任意一個像素，將所述第一區(qū)域項分割參數(shù)乘以權(quán)重(1-a)得到調(diào)整后的第一區(qū)域項分割參數(shù)，將所述第二區(qū)域項分割參數(shù)乘以權(quán)重a得到調(diào)整后的第二區(qū)域項分割參數(shù)；

如果所述第一區(qū)域項分割參數(shù)指示的像素分類與所述第二區(qū)域項分割參數(shù)指示的像素分類相同，則將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)相加的和作為融合后的區(qū)域項分割參數(shù)；

如果所述第一區(qū)域項分割參數(shù)指示的像素分類與所述第二區(qū)域項分割參數(shù)指示的像素分類不相同，則將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)中數(shù)值較大者指示的像素分類作為所述像素的最終分類，將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)的差值的絕對值作為融合后的區(qū)域項分割參數(shù)。

可選地，將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合，還包括：將所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)進(jìn)行融合：

將所述第一邊界項分割參數(shù)乘以權(quán)重(1-a)得到調(diào)整后的第一邊界項分割參數(shù)，將所述第二邊界項分割參數(shù)乘以權(quán)重a得到調(diào)整后的第二邊界項分割參數(shù)，然后將所述調(diào)整后的第一邊界項分割參數(shù)與所述調(diào)整后的第二邊界項分割參數(shù)相加得到所述像素的融合后的邊界項分割參數(shù)；a大于或等于0且小于或等于1。

可選地，所述權(quán)重a根據(jù)自評價參數(shù)k1和一致性參數(shù)k2進(jìn)行確定：將自評價參數(shù)k1和一致性參數(shù)k2的積作為權(quán)重a；

其中，自評價參數(shù)k1采用以下方式進(jìn)行確定：根據(jù)像素的深度值確定像素對應(yīng)的拍攝距離的遠(yuǎn)近程度，根據(jù)所述拍攝距離的遠(yuǎn)近程度設(shè)置自評價參數(shù)k1，所述拍攝距離越近，自評價參數(shù)k1設(shè)置得越大；k1大于或等于0且小于或等于1；

其中，所述一致性參數(shù)k2采用以下方式進(jìn)行確定：

如果所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)相等，則設(shè)置一致性參數(shù)k2為第一常數(shù)；

如果所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)不相等，在所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)同時大于閾值或同時小于閾值時，設(shè)置一致性參數(shù)k2為第一常數(shù)；在所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)不同時大于閾值或不同時小于閾值時，設(shè)置一致性參數(shù)k2為第二常數(shù)；所述第一常數(shù)大于所述第二常數(shù)；所述第一常數(shù)大于0且小于或等于1，所述第二常數(shù)大于0且小于1。

可選地，構(gòu)建無向圖并將所述掩模圖中的每一個像素的融合后的分割參數(shù)映射到所述無向圖中，包括：

構(gòu)建一個無向圖，在所述無向圖的平面外設(shè)置兩個懸空點(diǎn)Q₀和Q₁，所述懸空點(diǎn)Q₀為虛擬前景點(diǎn)，所述懸空點(diǎn)Q₁為虛擬背景點(diǎn)；在所述無向圖的平面上建立所述掩模圖上各個像素的映射點(diǎn)，在前景點(diǎn)的映射點(diǎn)與所述懸空點(diǎn)Q₀之間建立連線，在背景點(diǎn)的映射點(diǎn)與所述懸空點(diǎn)Q₁之間建立連線；

對掩模圖中的任意一個像素P_i，將所述像素P_i的融合后的區(qū)域項分割參數(shù)作為所述無向圖中映射點(diǎn)P_i'的權(quán)值，將所述像素P_i的融合后的邊界項分割參數(shù)作為所述無向圖中映射點(diǎn)P_i'與懸空點(diǎn)Q₀或Q₁之間連線的權(quán)值。

可選地，根據(jù)最小割-最大流算法對所述無向圖進(jìn)行處理，獲得精細(xì)分割后的掩模圖，包括：

迭代執(zhí)行以下C步驟和D步驟，在迭代運(yùn)行達(dá)到收斂條件后停止迭代過程，將所述前景點(diǎn)集合Q中的各個像素作為精細(xì)分割后的掩模圖中的前景點(diǎn)；

其中，C步驟和D步驟分別包括以下處理：

C步驟：將無向圖中的一部分像素劃分為與懸空點(diǎn)Q₀同類的前景點(diǎn)，由劃分為前景點(diǎn)的像素構(gòu)成前景點(diǎn)集合Q；

D步驟：計算所述前景點(diǎn)集合Q的權(quán)值總和，所述權(quán)值總和是所述前景點(diǎn)集合Q中所有前景點(diǎn)的權(quán)值和，再加上所述前景點(diǎn)集合Q中所有前景點(diǎn)與懸空點(diǎn)Q₀之間連線的權(quán)值和；

其中，所述收斂條件是前景點(diǎn)集合Q的權(quán)值總和小于閾值且變化趨于穩(wěn)定。

可選地，構(gòu)造包含所述涂抹軌跡的幾何圖形并對所述幾何圖形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，確定包含所述涂抹軌跡的一塊區(qū)域作為感興趣區(qū)域，包括：

構(gòu)造所述涂抹軌跡的最小外接矩形，根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)；

為所述涂抹軌跡套用幾何形狀模板，根據(jù)所述幾何形狀模板生成包含所述涂抹軌跡的感興趣區(qū)域，如果所述感興趣區(qū)域沒有包含所述標(biāo)記區(qū)，則將所述感興趣區(qū)域擴(kuò)展至包含所述標(biāo)記區(qū)；或者對所述標(biāo)記區(qū)進(jìn)行膨脹處理形成感興趣區(qū)域。

可選地，所述構(gòu)造所述涂抹軌跡的最小外接矩形，根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，包括：

根據(jù)所述涂抹軌跡上所有像素的橫縱坐標(biāo)值確定出最大橫坐標(biāo)值x_max、最小橫坐標(biāo)值x_min、最大縱坐標(biāo)值y_max和最小縱坐標(biāo)值y_min；

構(gòu)造所述涂抹軌跡的最小外接矩形，所述最小外接矩形的四個頂點(diǎn)的坐標(biāo)依次是：(x_min,y_max)，(x_min,y_min)，(x_max,y_max)，(x_max,y_min)；

根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，所述標(biāo)記區(qū)的四個頂點(diǎn)坐標(biāo)依次是：(x_min-a,y_max+a)，(x_min-a,y_min-a)，(x_max+a,y_max+a)，(x_max+a,y_min-a)；其中，a是可調(diào)系數(shù)，a＝L*b，b是常數(shù)。

可選地，所述圖像分割算法是GrabCut算法。

本發(fā)明實(shí)施例提供了一種實(shí)現(xiàn)交互式圖像分割的裝置，包括：

預(yù)處理模塊，用于檢測到原始圖像上的涂抹軌跡后，構(gòu)造包含所述涂抹軌跡的幾何圖形并對所述幾何圖形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，確定包含所述涂抹軌跡的一塊區(qū)域作為感興趣區(qū)域，所述感興趣區(qū)域包含所述標(biāo)記區(qū)；生成圖像分割算法的輸入掩模圖：將所述標(biāo)記區(qū)中所有的像素作為所述掩模圖中的前景點(diǎn)，將所述感興趣區(qū)域中標(biāo)記區(qū)外的像素作為所述掩模圖中的背景點(diǎn)；

分割參數(shù)計算及融合模塊，用于獲取包含目標(biāo)對象顏色信息的彩色圖和包含目標(biāo)對象深度信息的深度圖，根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)，根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)，所述第一分割參數(shù)和第二分割參數(shù)用于表示像素判決為前景點(diǎn)或背景點(diǎn)的概率以及所述像素與相鄰像素的數(shù)值差異；將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合；

掩模圖調(diào)整模塊，用于構(gòu)建無向圖，將所述掩模圖中的每一個像素的融合后的分割參數(shù)映射到所述無向圖中，根據(jù)最小割-最大流算法對所述無向圖進(jìn)行處理，獲得精細(xì)分割后的掩模圖；

輸出模塊，用于從所述彩色圖中分割出所述精細(xì)分割后的掩模圖中前景點(diǎn)對應(yīng)的圖像。

可選地，分割參數(shù)計算及融合模塊，用于采用以下方式根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)：根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一區(qū)域項分割參數(shù)：

按EM方法進(jìn)行高斯混合模型GMM計算，所述EM方法包括E步驟和M步驟；迭代運(yùn)行E步驟和M步驟，在所述迭代運(yùn)行達(dá)到收斂條件后停止所述迭代過程；將最后一次執(zhí)行M步驟獲得的所述像素的分類確定為所述像素的分類，將最后一次執(zhí)行M步驟獲得的所述像素歸屬于某個簇的最大概率值P_max確定為所述像素的第一區(qū)域項分割參數(shù)，所述第一區(qū)域項分割參數(shù)是所述像素基于所述彩色圖判決為前景點(diǎn)或背景點(diǎn)的概率；

其中，所述E步驟和M步驟分別包括以下處理：

E步驟：根據(jù)所述掩模圖上各個像素的顏色值以及像素之間的位置關(guān)系通過聚簇將同種類型的像素聚成一個或多個簇，確定各個簇的GMM模型；其中，像素的分類包括前景點(diǎn)或背景點(diǎn)；簇的分類包括前景點(diǎn)簇或背景點(diǎn)簇；

M步驟：根據(jù)各個簇的GMM模型確定每一個像素歸屬于各個簇的概率，對任意一個像素，根據(jù)所述像素的最大概率值P_max對應(yīng)的簇確定所述像素的分類。

可選地，分割參數(shù)計算及融合模塊，還用于采用以下方式根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)：根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二區(qū)域項分割參數(shù)：

按EM方法進(jìn)行高斯混合模型GMM計算，所述EM方法包括E步驟和M步驟；迭代運(yùn)行E步驟和M步驟，在所述迭代運(yùn)行達(dá)到收斂條件后停止所述迭代過程；將最后一次執(zhí)行M步驟獲得的所述像素的分類確定為所述像素的分類，將最后一次執(zhí)行M步驟獲得的所述像素歸屬于某個簇的最大概率值P_max確定為所述像素的第二區(qū)域項分割參數(shù)，所述第二區(qū)域項分割參數(shù)是所述像素基于所述深度圖判決為前景點(diǎn)或背景點(diǎn)的概率；

其中，所述E步驟和M步驟分別包括以下處理：

E步驟：根據(jù)所述掩模圖上各個像素的深度值以及像素之間的位置關(guān)系通過聚簇將同種類型的像素聚成一個或多個簇，確定各個簇的GMM模型；其中，像素的分類包括前景點(diǎn)或背景點(diǎn)；簇的分類包括前景點(diǎn)簇或背景點(diǎn)簇；

M步驟：根據(jù)各個簇的GMM模型確定每一個像素歸屬于各個簇的概率，對任意一個像素，根據(jù)所述像素的最大概率值P_max對應(yīng)的簇確定所述像素的分類。

可選地，分割參數(shù)計算及融合模塊，還用于采用以下方式根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)：根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一邊界項分割參數(shù)：

根據(jù)所述像素與相鄰像素的顏色差異確定所述像素的第一邊界項分割參數(shù)；

其中，對任意一個像素，將RGB三個顏色通道上所述像素與鄰近的各個像素之間的數(shù)值差值絕對值進(jìn)行累加，再對累加和進(jìn)行歸一化處理，得到歸一化后的累加和作為所述像素的第一邊界項分割參數(shù)。

可選地，分割參數(shù)計算及融合模塊，還用于采用以下方式根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)：根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二邊界項分割參數(shù)：

根據(jù)所述像素與相鄰像素的深度值差異確定所述像素的第二邊界項分割參數(shù)；

其中，對任意一個像素，將所述像素與鄰近的各個像素之間的深度值差值絕對值進(jìn)行累加，再對累加和進(jìn)行歸一化處理，得到歸一化后的累加和作為所述像素的第二邊界項分割參數(shù)。

可選地，分割參數(shù)計算及融合模塊，用于采用以下方式將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合：將所述第一區(qū)域項分割參數(shù)與所述第二區(qū)域項分割參數(shù)進(jìn)行融合：

對任意一個像素，將所述第一區(qū)域項分割參數(shù)乘以權(quán)重(1-a)得到調(diào)整后的第一區(qū)域項分割參數(shù)，將所述第二區(qū)域項分割參數(shù)乘以權(quán)重a得到調(diào)整后的第二區(qū)域項分割參數(shù)；

如果所述第一區(qū)域項分割參數(shù)指示的像素分類與所述第二區(qū)域項分割參數(shù)指示的像素分類相同，則將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)相加的和作為融合后的區(qū)域項分割參數(shù)；

如果所述第一區(qū)域項分割參數(shù)指示的像素分類與所述第二區(qū)域項分割參數(shù)指示的像素分類不相同，則將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)中數(shù)值較大者指示的像素分類作為所述像素的最終分類，將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)的差值的絕對值作為融合后的區(qū)域項分割參數(shù)。

可選地，分割參數(shù)計算及融合模塊，還用于采用以下方式將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合：將所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)進(jìn)行融合：

將所述第一邊界項分割參數(shù)乘以權(quán)重(1-a)得到調(diào)整后的第一邊界項分割參數(shù)，將所述第二邊界項分割參數(shù)乘以權(quán)重a得到調(diào)整后的第二邊界項分割參數(shù)，然后將所述調(diào)整后的第一邊界項分割參數(shù)與所述調(diào)整后的第二邊界項分割參數(shù)相加得到所述像素的融合后的邊界項分割參數(shù)；a大于或等于0且小于或等于1。

可選地，所述權(quán)重a根據(jù)自評價參數(shù)k1和一致性參數(shù)k2進(jìn)行確定：將自評價參數(shù)k1和一致性參數(shù)k2的積作為權(quán)重a；

其中，自評價參數(shù)k1采用以下方式進(jìn)行確定：根據(jù)像素的深度值確定像素對應(yīng)的拍攝距離的遠(yuǎn)近程度，根據(jù)所述拍攝距離的遠(yuǎn)近程度設(shè)置自評價參數(shù)k1，所述拍攝距離越近，自評價參數(shù)k1設(shè)置得越大；k1大于或等于0且小于或等于1；

其中，所述一致性參數(shù)k2采用以下方式進(jìn)行確定：

如果所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)相等，則設(shè)置一致性參數(shù)k2為第一常數(shù)；

如果所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)不相等，在所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)同時大于閾值或同時小于閾值時，設(shè)置一致性參數(shù)k2為第一常數(shù)；在所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)不同時大于閾值或不同時小于閾值時，設(shè)置一致性參數(shù)k2為第二常數(shù)；所述第一常數(shù)大于所述第二常數(shù)；所述第一常數(shù)大于0且小于或等于1，所述第二常數(shù)大于0且小于1。

可選地，掩模圖調(diào)整模塊，用于采用以下方式構(gòu)建無向圖并將所述掩模圖中的每一個像素的融合后的分割參數(shù)映射到所述無向圖中：

構(gòu)建一個無向圖，在所述無向圖的平面外設(shè)置兩個懸空點(diǎn)Q₀和Q₁，所述懸空點(diǎn)Q₀為虛擬前景點(diǎn)，所述懸空點(diǎn)Q₁為虛擬背景點(diǎn)；在所述無向圖的平面上建立所述掩模圖上各個像素的映射點(diǎn)，在前景點(diǎn)的映射點(diǎn)與所述懸空點(diǎn)Q₀之間建立連線，在背景點(diǎn)的映射點(diǎn)與所述懸空點(diǎn)Q₁之間建立連線；

對掩模圖中的任意一個像素P_i，將所述像素P_i的融合后的區(qū)域項分割參數(shù)作為所述無向圖中映射點(diǎn)P_i'的權(quán)值，將所述像素P_i的融合后的邊界項分割參數(shù)作為所述無向圖中映射點(diǎn)P_i'與懸空點(diǎn)Q₀或Q₁之間連線的權(quán)值。

可選地，掩模圖調(diào)整模塊，用于采用以下方式根據(jù)最小割-最大流算法對所述無向圖進(jìn)行處理，獲得精細(xì)分割后的掩模圖：

迭代執(zhí)行以下C步驟和D步驟，在迭代運(yùn)行達(dá)到收斂條件后停止迭代過程，將所述前景點(diǎn)集合Q中的各個像素作為精細(xì)分割后的掩模圖中的前景點(diǎn)；

其中，C步驟和D步驟分別包括以下處理：

C步驟：將無向圖中的一部分像素劃分為與懸空點(diǎn)Q₀同類的前景點(diǎn)，由劃分為前景點(diǎn)的像素構(gòu)成前景點(diǎn)集合Q；

D步驟：計算所述前景點(diǎn)集合Q的權(quán)值總和，所述權(quán)值總和是所述前景點(diǎn)集合Q中所有前景點(diǎn)的權(quán)值和，再加上所述前景點(diǎn)集合Q中所有前景點(diǎn)與懸空點(diǎn)Q₀之間連線的權(quán)值和；

其中，所述收斂條件是前景點(diǎn)集合Q的權(quán)值總和小于閾值且變化趨于穩(wěn)定。

可選地，預(yù)處理模塊，用于采用以下方式構(gòu)造包含所述涂抹軌跡的幾何圖形并對所述幾何圖形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，確定包含所述涂抹軌跡的一塊區(qū)域作為感興趣區(qū)域：

構(gòu)造所述涂抹軌跡的最小外接矩形，根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)；

為所述涂抹軌跡套用幾何形狀模板，根據(jù)所述幾何形狀模板生成包含所述涂抹軌跡的感興趣區(qū)域，如果所述感興趣區(qū)域沒有包含所述標(biāo)記區(qū)，則將所述感興趣區(qū)域擴(kuò)展至包含所述標(biāo)記區(qū)；或者對所述標(biāo)記區(qū)進(jìn)行膨脹處理形成感興趣區(qū)域。

可選地，所述構(gòu)造所述涂抹軌跡的最小外接矩形，根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，包括：

根據(jù)所述涂抹軌跡上所有像素的橫縱坐標(biāo)值確定出最大橫坐標(biāo)值x_max、最小橫坐標(biāo)值x_min、最大縱坐標(biāo)值y_max和最小縱坐標(biāo)值y_min；

構(gòu)造所述涂抹軌跡的最小外接矩形，所述最小外接矩形的四個頂點(diǎn)的坐標(biāo)依次是：(x_min,y_max)，(x_min,y_min)，(x_max,y_max)，(x_max,y_min)；

根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，所述標(biāo)記區(qū)的四個頂點(diǎn)坐標(biāo)依次是：(x_min-a,y_max+a)，(x_min-a,y_min-a)，(x_max+a,y_max+a)，(x_max+a,y_min-a)；其中，a是可調(diào)系數(shù)，a＝L*b，b是常數(shù)。

可選地，所述圖像分割算法是GrabCut算法。

本發(fā)明實(shí)施例還提供了一種終端，包括上述實(shí)現(xiàn)交互式圖像分割的裝置。

本文提出的一種實(shí)現(xiàn)交互式圖像分割的方法、裝置及終端，構(gòu)造包含涂抹軌跡的幾何圖形并擴(kuò)展形成標(biāo)記區(qū)，確定包含所述標(biāo)記區(qū)的感興趣區(qū)域；生成圖像分割算法的輸入掩模圖：將標(biāo)記區(qū)中所有的像素作為掩模圖中的前景點(diǎn)，將感興趣區(qū)域中標(biāo)記區(qū)外的像素作為掩模圖中的背景點(diǎn)；獲取包含目標(biāo)對象顏色信息的彩色圖和包含目標(biāo)對象深度信息的深度圖，根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)，根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)，所述第一分割參數(shù)和第二分割參數(shù)用于表示像素判決為前景點(diǎn)或背景點(diǎn)的概率以及所述像素與相鄰像素的數(shù)值差異；將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合；構(gòu)建無向圖，將所述掩模圖中的每一個像素的融合后的分割參數(shù)映射到所述無向圖中，根據(jù)最小割-最大流算法對所述無向圖進(jìn)行處理，獲得精細(xì)分割后的掩模圖；從所述彩色圖中分割出所述精細(xì)分割后的掩模圖中前景點(diǎn)對應(yīng)的圖像。本文的技術(shù)方案能夠通過圖像預(yù)處理擴(kuò)充圖像分割算法標(biāo)記的前景點(diǎn)數(shù)目，減少圖像分割算法標(biāo)記的背景點(diǎn)數(shù)目，從而縮短圖像分割算法的運(yùn)行時間，基于深度圖和彩色圖分別計算各像素的分割參數(shù)并進(jìn)行參數(shù)融合，利用融合后的分割參數(shù)進(jìn)行圖像分割，相較于相關(guān)技術(shù)中僅僅使用彩色圖進(jìn)行圖像分割，能夠改善圖像分割的效果。

附圖說明

圖1為實(shí)現(xiàn)本發(fā)明各個實(shí)施例一可選的移動終端的硬件結(jié)構(gòu)示意圖；

圖2為如圖1所示的移動終端的無線通信系統(tǒng)示意圖；

圖3為本發(fā)明實(shí)施例1的一種實(shí)現(xiàn)交互式圖像分割的方法流程圖；

圖4為本發(fā)明實(shí)施例2的一種實(shí)現(xiàn)交互式圖像分割的裝置示意圖；

圖5-a為本發(fā)明應(yīng)用示例1中原始圖像以及用戶涂抹軌跡的示意圖；

圖5-b為本發(fā)明應(yīng)用示例1中由涂抹軌跡生成的標(biāo)記區(qū)和感興趣區(qū)域的示意圖；

圖5-c為本發(fā)明應(yīng)用示例1中由標(biāo)記區(qū)和感興趣區(qū)域生成的掩模圖的示意圖；

圖5-d為本發(fā)明應(yīng)用示例1的深度圖的示意圖；

圖5-e為本發(fā)明應(yīng)用示例1的無向圖的示意圖；

圖5-f為本發(fā)明應(yīng)用示例1中精細(xì)分割后的掩模圖的示意圖；

圖5-g為本發(fā)明應(yīng)用示例1中分割出的目標(biāo)對象的示意圖；

圖6-a-1為本發(fā)明應(yīng)用示例2中原始圖像以及用戶第一次涂抹軌跡的示意圖；

圖6-a-2為本發(fā)明應(yīng)用示例2中原始圖像以及用戶第二次涂抹軌跡的示意圖；

圖6-b-1為本發(fā)明應(yīng)用示例2中由第一次涂抹軌跡生成的標(biāo)記區(qū)和感興趣區(qū)域的示意圖；

圖6-b-2為本發(fā)明應(yīng)用示例2中由第二次涂抹軌跡生成的標(biāo)記區(qū)和感興趣區(qū)域的示意圖；

圖6-c-1為本發(fā)明應(yīng)用示例2中第一次涂抹生成的掩模圖的示意圖；

圖6-c-2為本發(fā)明應(yīng)用示例2中第二次涂抹生成的掩模圖的示意圖。

本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例，參照附圖做進(jìn)一步說明。

具體實(shí)施方式

下面將結(jié)合附圖及實(shí)施例對本發(fā)明的技術(shù)方案進(jìn)行更詳細(xì)的說明。

現(xiàn)在將參考附圖描述實(shí)現(xiàn)本申請各個實(shí)施例的移動終端。在后續(xù)的描述中，使用用于表示元件的諸如“模塊”、“部件”或“單元”的后綴僅為了有利于本發(fā)明的說明，其本身并沒有特定的意義。因此，"模塊"與"部件"可以混合地使用。

移動終端可以以各種形式來實(shí)施。例如，本發(fā)明中描述的終端可以包括諸如移動電話、智能電話、筆記本電腦、數(shù)字廣播接收器、PDA(個人數(shù)字助理)、PAD(平板電腦)、PMP(便攜式多媒體播放器)、導(dǎo)航裝置等等的移動終端以及諸如數(shù)字TV、臺式計算機(jī)等等的固定終端。下面，假設(shè)終端是移動終端。然而，本領(lǐng)域技術(shù)人員將理解的是，除了特別用于移動目的的元件之外，根據(jù)本發(fā)明的實(shí)施方式的構(gòu)造也能夠應(yīng)用于固定類型的終端。

圖1為實(shí)現(xiàn)本申請各個實(shí)施例一個可選的移動終端的硬件結(jié)構(gòu)示意圖。

移動終端100可以包括無線通信單元110、A/V(音頻/視頻)輸入單元120、用戶輸入單元130、感測單元140、輸出單元150、存儲器160、接口單元170、控制器180和電源單元190等等。

圖1示出了具有各種組件的移動終端100，但是應(yīng)理解的是，并不要求實(shí)施所有示出的組件?？梢蕴娲貙?shí)施更多或更少的組件。將在下面詳細(xì)描述移動終端100的元件。

無線通信單元110通常可以包括一個或多個組件，其允許移動終端100與無線通信系統(tǒng)或網(wǎng)絡(luò)之間的無線電通信。例如，無線通信單元110可以包括廣播接收模塊111、移動通信模塊112、無線互聯(lián)網(wǎng)模塊113、短程通信模塊114和位置信息模塊115中的至少一個。

廣播接收模塊111經(jīng)由廣播信道從外部廣播管理服務(wù)器接收廣播信號和/或廣播相關(guān)信息。廣播信道可以包括衛(wèi)星信道和/或地面信道。廣播管理服務(wù)器可以是生成并發(fā)送廣播信號和/或廣播相關(guān)信息的服務(wù)器或者接收之前生成的廣播信號和/或廣播相關(guān)信息并且將其發(fā)送給終端的服務(wù)器。廣播信號可以包括TV廣播信號、無線電廣播信號、數(shù)據(jù)廣播信號等等。而且，廣播信號可以進(jìn)一步包括與TV或無線電廣播信號組合的廣播信號。廣播相關(guān)信息也可以經(jīng)由移動通信網(wǎng)絡(luò)提供，并且在所述情況下，廣播相關(guān)信息可以由移動通信模塊112來接收。廣播信號可以以各種形式存在，例如，其可以以數(shù)字多媒體廣播(DMB)的電子節(jié)目指南(EPG)、數(shù)字視頻廣播手持(DVB-H)的電子服務(wù)指南(ESG)等等的形式而存在。廣播接收模塊111可以通過使用各種類型的廣播系統(tǒng)接收信號廣播。特別地，廣播接收模塊111可以通過使用諸如多媒體廣播-地面(DMB-T)、數(shù)字多媒體廣播-衛(wèi)星(DMB-S)、數(shù)字視頻廣播-手持(DVB-H)，前向鏈路媒體(MediaFLO@)的數(shù)據(jù)廣播系統(tǒng)、地面數(shù)字廣播綜合服務(wù)(ISDB-T)等等的數(shù)字廣播系統(tǒng)接收數(shù)字廣播。廣播接收模塊111可以被構(gòu)造為適合提供廣播信號的各種廣播系統(tǒng)以及上述數(shù)字廣播系統(tǒng)。經(jīng)由廣播接收模塊111接收的廣播信號和/或廣播相關(guān)信息可以存儲在存儲器160(或者其它類型的存儲介質(zhì))中。

移動通信模塊112將無線電信號發(fā)送到基站(例如，接入點(diǎn)、節(jié)點(diǎn)B等等)、外部終端以及服務(wù)器中的至少一個和/或從其接收無線電信號。這樣的無線電信號可以包括語音通話信號、視頻通話信號、或者根據(jù)文本和/或多媒體消息發(fā)送和/或接收的各種類型的數(shù)據(jù)。

無線互聯(lián)網(wǎng)模塊113支持移動終端的無線互聯(lián)網(wǎng)接入。所述模塊可以內(nèi)部或外部地耦接到終端。所述模塊所涉及的無線互聯(lián)網(wǎng)接入技術(shù)可以包括WLAN(無線LAN)(Wi-Fi)、Wibro(無線寬帶)、Wimax(全球微波互聯(lián)接入)、HSDPA(高速下行鏈路分組接入)等等。

短程通信模塊114是用于支持短程通信的模塊。短程通信技術(shù)的一些示例包括藍(lán)牙TM、射頻識別(RFID)、紅外數(shù)據(jù)協(xié)會(IrDA)、超寬帶(UWB)、紫蜂TM等等。

位置信息模塊115是用于檢查或獲取移動終端的位置信息的模塊。位置信息模塊115的典型示例是GPS(全球定位系統(tǒng))。根據(jù)當(dāng)前的技術(shù)，GPS計算來自三個或更多衛(wèi)星的距離信息和準(zhǔn)確的時間信息并且對于計算的信息應(yīng)用三角測量法，從而根據(jù)經(jīng)度、緯度和高度準(zhǔn)確地計算三維當(dāng)前位置信息。當(dāng)前，用于計算位置和時間信息的方法使用三顆衛(wèi)星并且通過使用另外的一顆衛(wèi)星校正計算出的位置和時間信息的誤差。此外，GPS能夠通過實(shí)時地連續(xù)計算當(dāng)前位置信息來計算速度信息。

A/V輸入單元120用于接收音頻或視頻信號。A/V輸入單元120可以包括相機(jī)121和麥克風(fēng)122，相機(jī)121對在視頻捕獲模式或圖像捕獲模式中由圖像捕獲裝置獲得的靜態(tài)圖片或視頻的圖像數(shù)據(jù)進(jìn)行處理。處理后的圖像幀可以顯示在顯示單元151上。經(jīng)相機(jī)121處理后的圖像幀可以存儲在存儲器160(或其它存儲介質(zhì))中或者經(jīng)由無線通信單元110進(jìn)行發(fā)送，可以根據(jù)移動終端100的構(gòu)造提供兩個或更多相機(jī)121。麥克風(fēng)122可以在電話通話模式、記錄模式、語音識別模式等等運(yùn)行模式中經(jīng)由麥克風(fēng)122接收聲音(音頻數(shù)據(jù))，并且能夠?qū)⑦@樣的聲音處理為音頻數(shù)據(jù)。處理后的音頻(語音)數(shù)據(jù)可以在電話通話模式的情況下轉(zhuǎn)換為可經(jīng)由移動通信模塊112發(fā)送到移動通信基站的格式輸出。麥克風(fēng)122可以實(shí)施各種類型的噪聲消除(或抑制)算法以消除(或抑制)在接收和發(fā)送音頻信號的過程中產(chǎn)生的噪聲或者干擾。

用戶輸入單元130可以根據(jù)用戶輸入的命令生成鍵輸入數(shù)據(jù)以控制移動終端100的各種操作。用戶輸入單元130允許用戶輸入各種類型的信息，并且可以包括鍵盤、鍋?zhàn)衅?、觸摸板(例如，檢測由于被接觸而導(dǎo)致的電阻、壓力、電容等等的變化的觸敏組件)、滾輪、搖桿等等。特別地，當(dāng)觸摸板以層的形式疊加在顯示單元151上時，可以形成觸摸屏。

感測單元140檢測移動終端100的當(dāng)前狀態(tài)，(例如，移動終端100的打開或關(guān)閉狀態(tài))、移動終端100的位置、用戶對于移動終端100的接觸(即，觸摸輸入)的有無、移動終端100的取向、移動終端100的加速或減速移動和方向等等，并且生成用于控制移動終端100的操作的命令或信號。例如，當(dāng)移動終端100實(shí)施為滑動型移動電話時，感測單元140可以感測所述滑動型電話是打開還是關(guān)閉。另外，感測單元140能夠檢測電源單元190是否提供電力或者接口單元170是否與外部裝置耦接。感測單元140可以包括接近傳感器141。

接口單元170用作至少一個外部裝置與移動終端100連接可以通過的接口。例如，外部裝置可以包括有線或無線頭戴式耳機(jī)端口、外部電源(或電池充電器)端口、有線或無線數(shù)據(jù)端口、存儲卡端口、用于連接具有識別模塊的裝置的端口、音頻輸入/輸出(I/O)端口、視頻I/O端口、耳機(jī)端口等等。識別模塊可以是存儲用于驗(yàn)證用戶使用移動終端100的各種信息并且可以包括用戶識別模塊(UIM)、客戶識別模塊(SIM)、通用客戶識別模塊(USIM)等等。另外，具有識別模塊的裝置(下面稱為"識別裝置")可以采取智能卡的形式，因此，識別裝置可以經(jīng)由端口或其它連接裝置與移動終端100連接。接口單元170可以用于接收來自外部裝置的輸入(例如，數(shù)據(jù)信息、電力等等)并且將接收到的輸入傳輸?shù)揭苿咏K端100內(nèi)的一個或多個元件或者可以用于在移動終端100和外部裝置之間傳輸數(shù)據(jù)。

另外，當(dāng)移動終端100與外部底座連接時，接口單元170可以用作允許通過其將電力從底座提供到移動終端100的路徑或者可以用作允許從底座輸入的各種命令信號通過其傳輸?shù)揭苿咏K端100的路徑。從底座輸入的各種命令信號或電力可以用作識別移動終端100是否準(zhǔn)確地安裝在底座上的信號。輸出單元150被構(gòu)造為以視覺、音頻和/或觸覺方式提供輸出信號(例如，音頻信號、視頻信號、警報信號、振動信號等等)。輸出單元150可以包括顯示單元151、音頻輸出模塊152、警報單元153等等。

顯示單元151可以顯示在移動終端100中處理的信息。例如，當(dāng)移動終端100處于電話通話模式時，顯示單元151可以顯示與通話或其它通信(例如，文本消息收發(fā)、多媒體文件下載等等)相關(guān)的用戶界面(UI)或圖形用戶界面(GUI)。當(dāng)移動終端100處于視頻通話模式或者圖像捕獲模式時，顯示單元151可以顯示捕獲的圖像和/或接收的圖像、示出視頻或圖像以及相關(guān)功能的UI或GUI等等。

同時，當(dāng)顯示單元151和觸摸板以層的形式彼此疊加以形成觸摸屏?xí)r，顯示單元151可以用作輸入裝置和輸出裝置。顯示單元151可以包括液晶顯示器(LCD)、薄膜晶體管LCD(TFT-LCD)、有機(jī)發(fā)光二極管(OLED)顯示器、柔性顯示器、三維(3D)顯示器等等中的至少一種。這些顯示器中的一些可以被構(gòu)造為透明狀以允許用戶從外部觀看，這可以稱為透明顯示器，典型的透明顯示器可以例如為TOLED(透明有機(jī)發(fā)光二極管)顯示器等等。根據(jù)特定想要的實(shí)施方式，移動終端100可以包括兩個或更多顯示單元(或其它顯示裝置)，例如，移動終端100可以包括外部顯示單元(未示出)和內(nèi)部顯示單元(未示出)。觸摸屏可用于檢測觸摸輸入壓力以及觸摸輸入位置和觸摸輸入面積。

音頻輸出模塊152可以在移動終端100處于呼叫信號接收模式、通話模式、記錄模式、語音識別模式、廣播接收模式等等模式下時，將無線通信單元110接收的或者在存儲器160中存儲的音頻數(shù)據(jù)轉(zhuǎn)換音頻信號并且輸出為聲音。而且，音頻輸出模塊152可以提供與移動終端100執(zhí)行的特定功能相關(guān)的音頻輸出(例如，呼叫信號接收聲音、消息接收聲音等等)。音頻輸出模塊152可以包括揚(yáng)聲器、蜂鳴器等等。

警報單元153可以提供輸出以將事件的發(fā)生通知給移動終端100。典型的事件可以包括呼叫接收、消息接收、鍵信號輸入、觸摸輸入等等。除了音頻或視頻輸出之外，警報單元153可以以不同的方式提供輸出以通知事件的發(fā)生。例如，警報單元153可以以振動的形式提供輸出，當(dāng)接收到呼叫、消息或一些其它進(jìn)入通信(incoming communication)時，警報單元153可以提供觸覺輸出(即，振動)以將其通知給用戶。通過提供這樣的觸覺輸出，即使在用戶的移動電話處于用戶的口袋中時，用戶也能夠識別出各種事件的發(fā)生。警報單元153也可以經(jīng)由顯示單元151或音頻輸出模塊152提供通知事件的發(fā)生的輸出。

存儲器160可以存儲由控制器180執(zhí)行的處理和控制操作的軟件程序等等，或者可以暫時地存儲己經(jīng)輸出或?qū)⒁敵龅臄?shù)據(jù)(例如，電話簿、消息、靜態(tài)圖像、視頻等等)。而且，存儲器160可以存儲關(guān)于當(dāng)觸摸施加到觸摸屏?xí)r輸出的各種方式的振動和音頻信號的數(shù)據(jù)。

存儲器160可以包括至少一種類型的存儲介質(zhì)，所述存儲介質(zhì)包括閃存、硬盤、多媒體卡、卡型存儲器(例如，SD或DX存儲器等等)、隨機(jī)訪問存儲器(RAM)、靜態(tài)隨機(jī)訪問存儲器(SRAM)、只讀存儲器(ROM)、電可擦除可編程只讀存儲器(EEPROM)、可編程只讀存儲器(PROM)、磁性存儲器、磁盤、光盤等等。而且，移動終端100可以與通過網(wǎng)絡(luò)連接執(zhí)行存儲器160的存儲功能的網(wǎng)絡(luò)存儲裝置協(xié)作。

控制器180通常控制移動終端的總體操作。例如，控制器180執(zhí)行與語音通話、數(shù)據(jù)通信、視頻通話等等相關(guān)的控制和處理。另外，控制器180可以包括用于再現(xiàn)(或回放)多媒體數(shù)據(jù)的多媒體模塊181，多媒體模塊181可以構(gòu)造在控制器180內(nèi)，或者可以構(gòu)造為與控制器180分離?？刂破?80可以執(zhí)行模式識別處理，以將在觸摸屏上執(zhí)行的手寫輸入或者圖片繪制輸入識別為字符或圖像。

電源單元190在控制器180的控制下接收外部電力或內(nèi)部電力并且提供操作各元件和組件所需的適當(dāng)?shù)碾娏Α?/p>

這里描述的各種實(shí)施方式可以以使用例如計算機(jī)軟件、硬件或其任何組合的計算機(jī)可讀介質(zhì)來實(shí)施。對于硬件實(shí)施，這里描述的實(shí)施方式可以通過使用特定用途集成電路(ASIC)、數(shù)字信號處理器(DSP)、數(shù)字信號處理裝置(DSPD)、可編程邏輯裝置(PLD)、現(xiàn)場可編程門陣列(FPGA)、處理器、控制器、微控制器、微處理器、被設(shè)計為執(zhí)行這里描述的功能的電子單元中的至少一種來實(shí)施，在一些情況下，這樣的實(shí)施方式可以在控制器180中實(shí)施。對于軟件實(shí)施，諸如過程或功能的實(shí)施方式可以與允許執(zhí)行至少一種功能或操作的單獨(dú)的軟件模塊來實(shí)施。軟件代碼可以由以任何適當(dāng)?shù)木幊陶Z言編寫的軟件應(yīng)用程序(或程序)來實(shí)施，軟件代碼可以存儲在存儲器160中并且由控制器180執(zhí)行。

至此，己經(jīng)按照其功能描述了移動終端100。另外，本發(fā)明實(shí)施例中的移動終端100可以是諸如折疊型、直板型、擺動型、滑動型以及其他各種類型的移動終端，具體此處不做限定。

如圖1中所示的移動終端100可以被構(gòu)造為利用經(jīng)由幀或分組發(fā)送數(shù)據(jù)的諸如有線和無線通信系統(tǒng)以及基于衛(wèi)星的通信系統(tǒng)來操作。

現(xiàn)在將參考圖2描述其中根據(jù)本發(fā)明的移動終端能夠操作的通信系統(tǒng)。

這樣的通信系統(tǒng)可以使用不同的空中接口和/或物理層。例如，由通信系統(tǒng)使用的空中接口包括例如頻分多址(FDMA)、時分多址(TDMA)、碼分多址(CDMA)和通用移動通信系統(tǒng)(UMTS)(特別地，長期演進(jìn)(LTE))、全球移動通信系統(tǒng)(GSM)等等。作為非限制性示例，下面的描述涉及CDMA通信系統(tǒng)，但是這樣的教導(dǎo)同樣適用于其它類型的系統(tǒng)。

參考圖2，CDMA無線通信系統(tǒng)可以包括多個移動終端100、多個基站(BS)270、基站控制器(BSC)275和移動交換中心(MSC)280。MSC 280被構(gòu)造為與公共電話交換網(wǎng)絡(luò)(PSTN)290形成接口。MSC 280還被構(gòu)造為與可以經(jīng)由回程線路耦接到基站270的BSC 275形成接口?；爻叹€路可以根據(jù)若干己知的接口中的任一種來構(gòu)造，所述接口可以包括例如歐洲標(biāo)準(zhǔn)高容量數(shù)字線路/美國標(biāo)準(zhǔn)高容量數(shù)字線路(E1/T1)、異步傳輸模式(ATM)，網(wǎng)絡(luò)協(xié)議(IP)、點(diǎn)對點(diǎn)協(xié)議(PPP)、幀中繼、高速率數(shù)字用戶線路(HDSL)、非對稱數(shù)字用戶線路(ADSL)或各種類型數(shù)字用戶線路(xDSL)。將理解的是，如圖2中所示的系統(tǒng)可以包括多個BSC 275。

每個BS 270可以服務(wù)一個或多個分區(qū)(或區(qū)域)，由多向天線或指向特定方向的天線覆蓋的每個分區(qū)放射狀地遠(yuǎn)離BS 270?；蛘?，每個分區(qū)可以由用于分集接收的兩個或更多天線覆蓋。每個BS 270可以被構(gòu)造為支持多個頻率分配，并且每個頻率分配具有特定頻譜(例如，1.25MHz，5MHz等等)。

分區(qū)與頻率分配的交叉可以被稱為CDMA信道。BS 270也可以被稱為基站收發(fā)器子系統(tǒng)(BTS)或者其它等效術(shù)語。在這樣的情況下，術(shù)語"基站"可以用于籠統(tǒng)地表示單個BSC 275和至少一個BS 270。基站也可以被稱為"蜂窩站"?；蛘?，特定BS 270的各分區(qū)可以被稱為多個蜂窩站。

如圖2中所示，廣播發(fā)射器(BT)295將廣播信號發(fā)送給在系統(tǒng)內(nèi)操作的移動終端100。如圖1中所示的廣播接收模塊111被設(shè)置在移動終端100處以接收由BT 295發(fā)送的廣播信號。在圖2中，示出了幾個全球定位系統(tǒng)(GPS)衛(wèi)星300。衛(wèi)星300幫助定位多個移動終端100中的至少一個。

在圖2中，描繪了多個衛(wèi)星300，但是理解的是，可以利用任何數(shù)目的衛(wèi)星獲得有用的定位信息。如圖1中所示的位置信息模塊115(如：GPS)通常被構(gòu)造為與衛(wèi)星300配合以獲得想要的定位信息。替代GPS跟蹤技術(shù)或者在GPS跟蹤技術(shù)之外，可以使用可以跟蹤移動終端的位置的其它技術(shù)。另外，至少一個GPS衛(wèi)星300可以選擇性地或者額外地處理衛(wèi)星DMB傳輸。

作為無線通信系統(tǒng)的一個典型操作，BS 270接收來自各種移動終端100的反向鏈路信號。移動終端100通常參與通話、消息收發(fā)和其它類型的通信。特定基站接收的每個反向鏈路信號被在特定BS 270內(nèi)進(jìn)行處理。獲得的數(shù)據(jù)被轉(zhuǎn)發(fā)給相關(guān)的BSC 275。BSC提供通話資源分配和包括BS 270之間的軟切換過程的協(xié)調(diào)的移動管理功能。BSC 275還將接收到的數(shù)據(jù)路由到MSC 280，其提供用于與PSTN 290形成接口的額外的路由服務(wù)。類似地，PSTN 290與MSC 280形成接口，MSC與BSC 275形成接口，并且BSC 275相應(yīng)地控制BS 270以將正向鏈路信號發(fā)送到移動終端100。

基于上述移動終端硬件結(jié)構(gòu)以及通信系統(tǒng)，提出本申請方法各個實(shí)施例。

如圖3所示，本發(fā)明實(shí)施例提出一種實(shí)現(xiàn)交互式圖像分割的方法，包括：

S310，檢測到原始圖像上的涂抹軌跡后，構(gòu)造包含所述涂抹軌跡的幾何圖形并對所述幾何圖形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，確定包含所述涂抹軌跡的一塊區(qū)域作為感興趣區(qū)域，所述感興趣區(qū)域包含所述標(biāo)記區(qū)；生成圖像分割算法的輸入掩模圖：將所述標(biāo)記區(qū)中所有的像素作為所述掩模圖中的前景點(diǎn)，將所述感興趣區(qū)域中標(biāo)記區(qū)外的像素作為所述掩模圖中的背景點(diǎn)；

S320，獲取包含目標(biāo)對象顏色信息的彩色圖和包含目標(biāo)對象深度信息的深度圖，根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)，根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)，所述第一分割參數(shù)和第二分割參數(shù)用于表示像素判決為前景點(diǎn)或背景點(diǎn)的概率以及所述像素與相鄰像素的數(shù)值差異；將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合；

S330，構(gòu)建無向圖，將所述掩模圖中的每一個像素的融合后的分割參數(shù)映射到所述無向圖中，根據(jù)最小割-最大流算法對所述無向圖進(jìn)行處理，獲得精細(xì)分割后的掩模圖；

S340，從所述彩色圖中分割出所述精細(xì)分割后的掩模圖中前景點(diǎn)對應(yīng)的圖像；

所述方法還可以包括下述特點(diǎn)：

其中，涂抹是一種標(biāo)記目標(biāo)對象的方式，涂抹是在目標(biāo)對象的內(nèi)部區(qū)域進(jìn)行標(biāo)記；

其中，掩模圖是指對一副圖像的部分或全部像素進(jìn)行了前景與背景區(qū)分后生成的標(biāo)記圖，所述掩模圖上的每一個像素被標(biāo)記為前景點(diǎn)或背景點(diǎn)。

在本實(shí)施例中，所述圖像分割算法是GrabCut算法。

在一種實(shí)施方式中，所述構(gòu)造包含所述涂抹軌跡的幾何圖形并對所述幾何圖形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，確定包含所述涂抹軌跡的一塊區(qū)域作為感興趣區(qū)域，包括：

構(gòu)造所述涂抹軌跡的最小外接矩形，根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)；

為所述涂抹軌跡套用幾何形狀模板，根據(jù)所述幾何形狀模板生成包含所述涂抹軌跡的感興趣區(qū)域(Region of Interest，ROI)，如果所述感興趣區(qū)域沒有包含所述標(biāo)記區(qū)，則將所述感興趣區(qū)域擴(kuò)展至包含所述標(biāo)記區(qū)；或者對所述標(biāo)記區(qū)進(jìn)行膨脹處理形成感興趣區(qū)域。

其中，所述幾何圖形包括：矩形、多邊形、橢圓等。

其中，所述幾何形狀模板包括：矩形模板、多邊形模板、或橢圓模板；

其中，所述構(gòu)造所述涂抹軌跡的最小外接矩形，根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，包括：

根據(jù)所述涂抹軌跡上所有像素的橫縱坐標(biāo)值確定出最大橫坐標(biāo)值x_max、最小橫坐標(biāo)值x_min、最大縱坐標(biāo)值y_max和最小縱坐標(biāo)值y_min；

構(gòu)造所述涂抹軌跡的最小外接矩形，所述最小外接矩形的四個頂點(diǎn)的坐標(biāo)依次是：(x_min,y_max)，(x_min,y_min)，(x_max,y_max)，(x_max,y_min)；

根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，所述標(biāo)記區(qū)的四個頂點(diǎn)坐標(biāo)依次是：(x_min-a,y_max+a)，(x_min-a,y_min-a)，(x_max+a,y_max+a)，(x_max+a,y_min-a)；其中，a是可調(diào)系數(shù)，a＝L*b，b是常數(shù)；b可以是經(jīng)驗(yàn)值。

在本實(shí)施例中，根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)，包括：根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一區(qū)域項分割參數(shù)：

按EM方法進(jìn)行高斯混合模型GMM計算，所述EM方法包括E步驟和M步驟；迭代運(yùn)行E步驟和M步驟，在所述迭代運(yùn)行達(dá)到收斂條件后停止所述迭代過程；將最后一次執(zhí)行M步驟獲得的所述像素的分類確定為所述像素的分類，將最后一次執(zhí)行M步驟獲得的所述像素歸屬于某個簇的最大概率值P_max確定為所述像素的第一區(qū)域項分割參數(shù)，所述第一區(qū)域項分割參數(shù)是所述像素基于所述彩色圖判決為前景點(diǎn)或背景點(diǎn)的概率；

其中，所述E步驟和M步驟分別包括以下處理：

E步驟：根據(jù)所述掩模圖上各個像素的顏色值以及像素之間的位置關(guān)系通過聚簇將同種類型的像素聚成一個或多個簇，確定各個簇的GMM模型；其中，像素的分類包括前景點(diǎn)或背景點(diǎn)；簇的分類包括前景點(diǎn)簇或背景點(diǎn)簇；

M步驟：根據(jù)各個簇的GMM模型確定每一個像素歸屬于各個簇的概率，對任意一個像素，根據(jù)所述像素的最大概率值P_max對應(yīng)的簇確定所述像素的分類；

在本實(shí)施例中，根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)，還包括：根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二區(qū)域項分割參數(shù)：

按EM方法進(jìn)行高斯混合模型GMM計算，所述EM方法包括E步驟和M步驟；迭代運(yùn)行E步驟和M步驟，在所述迭代運(yùn)行達(dá)到收斂條件后停止所述迭代過程；將最后一次執(zhí)行M步驟獲得的所述像素的分類確定為所述像素的分類，將最后一次執(zhí)行M步驟獲得的所述像素歸屬于某個簇的最大概率值P_max確定為所述像素的第二區(qū)域項分割參數(shù)，所述第二區(qū)域項分割參數(shù)是所述像素基于所述深度圖判決為前景點(diǎn)或背景點(diǎn)的概率；

其中，所述E步驟和M步驟分別包括以下處理：

E步驟：根據(jù)所述掩模圖上各個像素的深度值以及像素之間的位置關(guān)系通過聚簇將同種類型的像素聚成一個或多個簇，確定各個簇的GMM模型；其中，像素的分類包括前景點(diǎn)或背景點(diǎn)；簇的分類包括前景點(diǎn)簇或背景點(diǎn)簇；

M步驟：根據(jù)各個簇的GMM模型確定每一個像素歸屬于各個簇的概率，對任意一個像素，根據(jù)所述像素的最大概率值P_max對應(yīng)的簇確定所述像素的分類；

可選地，所述EM方法的收斂條件可以是：當(dāng)?shù)\(yùn)行的次數(shù)達(dá)到閾值時停止迭代過程；

在本實(shí)施例中，根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)，還包括：根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一邊界項分割參數(shù)：

根據(jù)所述像素與相鄰像素的顏色差異確定所述像素的第一邊界項分割參數(shù)；

其中，對任意一個像素，將RGB三個顏色通道上所述像素與鄰近的各個像素之間的數(shù)值差值絕對值進(jìn)行累加，再對累加和進(jìn)行歸一化處理，得到歸一化后的累加和作為所述像素的第一邊界項分割參數(shù)；

其中，RGB三個顏色通道上的數(shù)值的取值范圍是：0～255；

在本實(shí)施例中，根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)，還包括：根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二邊界項分割參數(shù)：

根據(jù)所述像素與相鄰像素的深度值差異確定所述像素的第二邊界項分割參數(shù)；

其中，對任意一個像素，將所述像素與鄰近的各個像素之間的深度值差值絕對值進(jìn)行累加，再對累加和進(jìn)行歸一化處理，得到歸一化后的累加和作為所述像素的第二邊界項分割參數(shù)；

其中，深度值的數(shù)值范圍可以是：0～255；

可選地，與像素鄰近的各個像素可以是所述像素周邊的8個像素。

在本實(shí)施例中，將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合，包括：將所述第一區(qū)域項分割參數(shù)與所述第二區(qū)域項分割參數(shù)進(jìn)行融合：

對任意一個像素，將所述第一區(qū)域項分割參數(shù)乘以權(quán)重(1-a)得到調(diào)整后的第一區(qū)域項分割參數(shù)，將所述第二區(qū)域項分割參數(shù)乘以權(quán)重a得到調(diào)整后的第二區(qū)域項分割參數(shù)；

如果所述第一區(qū)域項分割參數(shù)指示的像素分類與所述第二區(qū)域項分割參數(shù)指示的像素分類相同，則將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)相加的和作為融合后的區(qū)域項分割參數(shù)；

如果所述第一區(qū)域項分割參數(shù)指示的像素分類與所述第二區(qū)域項分割參數(shù)指示的像素分類不相同，則將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)中數(shù)值較大者指示的像素分類作為所述像素的最終分類，將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)的差值的絕對值作為融合后的區(qū)域項分割參數(shù)；

在本實(shí)施例中，將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合，還包括：將所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)進(jìn)行融合：

將所述第一邊界項分割參數(shù)乘以權(quán)重(1-a)得到調(diào)整后的第一邊界項分割參數(shù)，將所述第二邊界項分割參數(shù)乘以權(quán)重a得到調(diào)整后的第二邊界項分割參數(shù)，然后將所述調(diào)整后的第一邊界項分割參數(shù)與所述調(diào)整后的第二邊界項分割參數(shù)相加得到所述像素的融合后的邊界項分割參數(shù)；a大于或等于0且小于或等于1；

在本實(shí)施例中，所述權(quán)重a根據(jù)自評價參數(shù)k1和一致性參數(shù)k2進(jìn)行確定：將自評價參數(shù)k1和一致性參數(shù)k2的積作為權(quán)重a；

其中，自評價參數(shù)k1采用以下方式進(jìn)行確定：根據(jù)像素的深度值確定像素對應(yīng)的拍攝距離的遠(yuǎn)近程度，根據(jù)所述拍攝距離的遠(yuǎn)近程度設(shè)置自評價參數(shù)k1，所述拍攝距離越近，自評價參數(shù)k1設(shè)置得越大；k1大于或等于0且小于或等于1；

其中，所述一致性參數(shù)k2采用以下方式進(jìn)行確定：

如果所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)相等，則設(shè)置一致性參數(shù)k2為第一常數(shù)；

如果所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)不相等，在所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)同時大于閾值或同時小于閾值時，設(shè)置一致性參數(shù)k2為第一常數(shù)；在所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)不同時大于閾值或不同時小于閾值時，設(shè)置一致性參數(shù)k2為第二常數(shù)；所述第一常數(shù)大于所述第二常數(shù)；所述第一常數(shù)大于0且小于或等于1，所述第二常數(shù)大于0且小于1；

在本實(shí)施例中，構(gòu)建無向圖并將所述掩模圖中的每一個像素的融合后的分割參數(shù)映射到所述無向圖中，包括：

構(gòu)建一個無向圖，在所述無向圖的平面外設(shè)置兩個懸空點(diǎn)Q₀和Q₁，所述懸空點(diǎn)Q₀為虛擬前景點(diǎn)，所述懸空點(diǎn)Q₁為虛擬背景點(diǎn)；在所述無向圖的平面上建立所述掩模圖上各個像素的映射點(diǎn)，在前景點(diǎn)的映射點(diǎn)與所述懸空點(diǎn)Q₀之間建立連線，在背景點(diǎn)的映射點(diǎn)與所述懸空點(diǎn)Q₁之間建立連線；

對掩模圖中的任意一個像素P_i，將所述像素P_i的融合后的區(qū)域項分割參數(shù)作為所述無向圖中映射點(diǎn)P_i'的權(quán)值，將所述像素P_i的融合后的邊界項分割參數(shù)作為所述無向圖中映射點(diǎn)P_i'與懸空點(diǎn)Q₀或Q₁之間連線的權(quán)值。

在本實(shí)施例中，根據(jù)最小割-最大流算法對所述無向圖進(jìn)行處理，獲得精細(xì)分割后的掩模圖，包括：

迭代執(zhí)行以下C步驟和D步驟，在迭代運(yùn)行達(dá)到收斂條件后停止迭代過程，將所述前景點(diǎn)集合Q中的各個像素作為精細(xì)分割后的掩模圖中的前景點(diǎn)；

其中，C步驟和D步驟分別包括以下處理：

C步驟：將無向圖中的一部分像素劃分為與懸空點(diǎn)Q₀同類的前景點(diǎn)，由劃分為前景點(diǎn)的像素構(gòu)成前景點(diǎn)集合Q；

D步驟：計算所述前景點(diǎn)集合Q的權(quán)值總和，所述權(quán)值總和是所述前景點(diǎn)集合Q中所有前景點(diǎn)的權(quán)值和，再加上所述前景點(diǎn)集合Q中所有前景點(diǎn)與懸空點(diǎn)Q₀之間連線的權(quán)值和；

其中，所述收斂條件是前景點(diǎn)集合Q的權(quán)值總和小于閾值且變化趨于穩(wěn)定。

在一種實(shí)施方式中，生成圖像分割算法的輸入掩模圖之前，所述方法還包括：

如果當(dāng)前檢測到的涂抹軌跡是針對所述原始圖像的第一次標(biāo)記，則將當(dāng)前檢測到的涂抹軌跡確定出的標(biāo)記區(qū)作為最終的標(biāo)記區(qū)，將當(dāng)前檢測到的涂抹軌跡確定出的感興趣區(qū)域作為最終的感興趣區(qū)域；

如果當(dāng)前檢測到的涂抹軌跡不是針對所述原始圖像的第一次標(biāo)記，則判斷當(dāng)前檢測到的涂抹軌跡確定出的標(biāo)記區(qū)與上一次檢測到的涂抹軌跡確定出的標(biāo)記區(qū)之間是否有交集，如果有交集，則將當(dāng)前檢測到的涂抹軌跡確定出的標(biāo)記區(qū)與上一次檢測到的涂抹軌跡確定出的標(biāo)記區(qū)進(jìn)行合并，將合并后的標(biāo)記區(qū)作為最終的標(biāo)記區(qū)；如果沒有交集，則將當(dāng)前檢測到的涂抹軌跡確定出的標(biāo)記區(qū)作為最終的標(biāo)記區(qū)；

如果當(dāng)前檢測到的涂抹軌跡不是針對所述原始圖像的第一次標(biāo)記，則判斷當(dāng)前檢測到的涂抹軌跡確定出的感興趣區(qū)域與上一次檢測到的涂抹軌跡確定出的感興趣區(qū)域之間是否有交集，如果有交集，則將當(dāng)前檢測到的涂抹軌跡確定出的感興趣區(qū)域與上一次檢測到的涂抹軌跡確定出的感興趣區(qū)域進(jìn)行合并，將合并后的感興趣區(qū)域作為最終的感興趣區(qū)域；如果沒有交集，則將當(dāng)前檢測到的涂抹軌跡確定出的感興趣區(qū)域作為最終的感興趣區(qū)域。

其中，除了第一次涂抹外，之后的每一次涂抹對應(yīng)的標(biāo)記區(qū)和感興趣區(qū)域都與上一次涂抹軌跡確定出的標(biāo)記區(qū)和感興趣區(qū)域進(jìn)行比較，從而使得輸入掩模圖中的前景點(diǎn)和背景點(diǎn)更加準(zhǔn)確，提高分割圖像的質(zhì)量。

相關(guān)技術(shù)中，圖像分割算法的輸入掩模圖中的前景點(diǎn)是用戶手動標(biāo)記的，原始圖像上除去前景點(diǎn)后其他的像素均標(biāo)記為背景點(diǎn)，存在前景點(diǎn)標(biāo)記較少且輸入掩模圖尺寸較大導(dǎo)致圖像分割算法為區(qū)分出前景點(diǎn)和背景點(diǎn)的迭代次數(shù)增加，算法運(yùn)行時間長的問題。采用本發(fā)明實(shí)施例的方法后，通過構(gòu)造幾何圖像生成標(biāo)記區(qū)，將所述標(biāo)記區(qū)中的像素標(biāo)記為前景點(diǎn)，從而自動擴(kuò)充圖像分割算法的輸入掩模圖中標(biāo)記的前景點(diǎn)數(shù)目，通過生成感興趣區(qū)域以替代整幅原始圖像能夠減少圖像分割算法標(biāo)記的背景點(diǎn)數(shù)目，可減少圖像分割算法為區(qū)分出前景點(diǎn)和背景點(diǎn)的迭代次數(shù)，顯著地減少圖像分割算法的運(yùn)行時間。另一方面，本發(fā)明實(shí)施例的技術(shù)方案能夠基于深度圖和彩色圖分別計算各像素的分割參數(shù)并進(jìn)行參數(shù)融合，利用融合后的分割參數(shù)進(jìn)行圖像分割，相較于相關(guān)技術(shù)中僅僅使用彩色圖進(jìn)行圖像分割，能夠改善圖像分割的效果。

如圖4所示，本發(fā)明實(shí)施例提出一種實(shí)現(xiàn)交互式圖像分割的裝置，包括：

預(yù)處理模塊401，用于檢測到原始圖像上的涂抹軌跡后，構(gòu)造包含所述涂抹軌跡的幾何圖形并對所述幾何圖形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，確定包含所述涂抹軌跡的一塊區(qū)域作為感興趣區(qū)域，所述感興趣區(qū)域包含所述標(biāo)記區(qū)；生成圖像分割算法的輸入掩模圖：將所述標(biāo)記區(qū)中所有的像素作為所述掩模圖中的前景點(diǎn)，將所述感興趣區(qū)域中標(biāo)記區(qū)外的像素作為所述掩模圖中的背景點(diǎn)；

分割參數(shù)計算及融合模塊402，用于獲取包含目標(biāo)對象顏色信息的彩色圖和包含目標(biāo)對象深度信息的深度圖，根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)，根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)，所述第一分割參數(shù)和第二分割參數(shù)用于表示像素判決為前景點(diǎn)或背景點(diǎn)的概率以及所述像素與相鄰像素的數(shù)值差異；將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合；

掩模圖調(diào)整模塊403，用于構(gòu)建無向圖，將所述掩模圖中的每一個像素的融合后的分割參數(shù)映射到所述無向圖中，根據(jù)最小割-最大流算法對所述無向圖進(jìn)行處理，獲得精細(xì)分割后的掩模圖；

輸出模塊404，用于從所述彩色圖中分割出所述精細(xì)分割后的掩模圖中前景點(diǎn)對應(yīng)的圖像；

所述裝置還可以包括下述特點(diǎn)：

其中，涂抹是一種標(biāo)記目標(biāo)對象的方式，涂抹是在目標(biāo)對象的內(nèi)部區(qū)域進(jìn)行標(biāo)記；

其中，掩模圖是指對一副圖像的部分或全部像素進(jìn)行了前景與背景區(qū)分后生成的標(biāo)記圖，所述掩模圖上的每一個像素被標(biāo)記為前景點(diǎn)或背景點(diǎn)。

在本實(shí)施例中，所述圖像分割算法是GrabCut算法。

在一種實(shí)施方式中，預(yù)處理模塊，用于采用以下方式構(gòu)造包含所述涂抹軌跡的幾何圖形并對所述幾何圖形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，確定包含所述涂抹軌跡的一塊區(qū)域作為感興趣區(qū)域：

構(gòu)造所述涂抹軌跡的最小外接矩形，根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)；

為所述涂抹軌跡套用幾何形狀模板，根據(jù)所述幾何形狀模板生成包含所述涂抹軌跡的感興趣區(qū)域，如果所述感興趣區(qū)域沒有包含所述標(biāo)記區(qū)，則將所述感興趣區(qū)域擴(kuò)展至包含所述標(biāo)記區(qū)；或者對所述標(biāo)記區(qū)進(jìn)行膨脹處理形成感興趣區(qū)域。

其中，所述幾何圖形包括：矩形、多邊形、橢圓等。

其中，所述幾何形狀模板包括：矩形模板、多邊形模板、或橢圓模板；

其中，所述構(gòu)造所述涂抹軌跡的最小外接矩形，根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，包括：

根據(jù)所述涂抹軌跡上所有像素的橫縱坐標(biāo)值確定出最大橫坐標(biāo)值x_max、最小橫坐標(biāo)值x_min、最大縱坐標(biāo)值y_max和最小縱坐標(biāo)值y_min；

構(gòu)造所述涂抹軌跡的最小外接矩形，所述最小外接矩形的四個頂點(diǎn)的坐標(biāo)依次是：(x_min,y_max)，(x_min,y_min)，(x_max,y_max)，(x_max,y_min)；

根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，所述標(biāo)記區(qū)的四個頂點(diǎn)坐標(biāo)依次是：(x_min-a,y_max+a)，(x_min-a,y_min-a)，(x_max+a,y_max+a)，(x_max+a,y_min-a)；其中，a是可調(diào)系數(shù)，a＝L*b，b是常數(shù)；b可以是經(jīng)驗(yàn)值。

在本實(shí)施例中，分割參數(shù)計算及融合模塊，用于采用以下方式根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)：根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一區(qū)域項分割參數(shù)：

按EM方法進(jìn)行高斯混合模型GMM計算，所述EM方法包括E步驟和M步驟；迭代運(yùn)行E步驟和M步驟，在所述迭代運(yùn)行達(dá)到收斂條件后停止所述迭代過程；將最后一次執(zhí)行M步驟獲得的所述像素的分類確定為所述像素的分類，將最后一次執(zhí)行M步驟獲得的所述像素歸屬于某個簇的最大概率值P_max確定為所述像素的第一區(qū)域項分割參數(shù)，所述第一區(qū)域項分割參數(shù)是所述像素基于所述彩色圖判決為前景點(diǎn)或背景點(diǎn)的概率；

其中，所述E步驟和M步驟分別包括以下處理：

E步驟：根據(jù)所述掩模圖上各個像素的顏色值以及像素之間的位置關(guān)系通過聚簇將同種類型的像素聚成一個或多個簇，確定各個簇的GMM模型；其中，像素的分類包括前景點(diǎn)或背景點(diǎn)；簇的分類包括前景點(diǎn)簇或背景點(diǎn)簇；

M步驟：根據(jù)各個簇的GMM模型確定每一個像素歸屬于各個簇的概率，對任意一個像素，根據(jù)所述像素的最大概率值P_max對應(yīng)的簇確定所述像素的分類。

可選地，所述EM方法的收斂條件可以是：當(dāng)?shù)\(yùn)行的次數(shù)達(dá)到閾值時停止迭代過程；

在本實(shí)施例中，分割參數(shù)計算及融合模塊，還用于采用以下方式根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)：根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二區(qū)域項分割參數(shù)：

按EM方法進(jìn)行高斯混合模型GMM計算，所述EM方法包括E步驟和M步驟；迭代運(yùn)行E步驟和M步驟，在所述迭代運(yùn)行達(dá)到收斂條件后停止所述迭代過程；將最后一次執(zhí)行M步驟獲得的所述像素的分類確定為所述像素的分類，將最后一次執(zhí)行M步驟獲得的所述像素歸屬于某個簇的最大概率值P_max確定為所述像素的第二區(qū)域項分割參數(shù)，所述第二區(qū)域項分割參數(shù)是所述像素基于所述深度圖判決為前景點(diǎn)或背景點(diǎn)的概率；

其中，所述E步驟和M步驟分別包括以下處理：

E步驟：根據(jù)所述掩模圖上各個像素的深度值以及像素之間的位置關(guān)系通過聚簇將同種類型的像素聚成一個或多個簇，確定各個簇的GMM模型；其中，像素的分類包括前景點(diǎn)或背景點(diǎn)；簇的分類包括前景點(diǎn)簇或背景點(diǎn)簇；

M步驟：根據(jù)各個簇的GMM模型確定每一個像素歸屬于各個簇的概率，對任意一個像素，根據(jù)所述像素的最大概率值P_max對應(yīng)的簇確定所述像素的分類。

在本實(shí)施例中，分割參數(shù)計算及融合模塊，還用于采用以下方式根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)：根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一邊界項分割參數(shù)：

根據(jù)所述像素與相鄰像素的顏色差異確定所述像素的第一邊界項分割參數(shù)；

其中，對任意一個像素，將RGB三個顏色通道上所述像素與鄰近的各個像素之間的數(shù)值差值絕對值進(jìn)行累加，再對累加和進(jìn)行歸一化處理，得到歸一化后的累加和作為所述像素的第一邊界項分割參數(shù)。

其中，RGB三個顏色通道上的數(shù)值的取值范圍是：0～255；

在本實(shí)施例中，分割參數(shù)計算及融合模塊，還用于采用以下方式根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)：根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二邊界項分割參數(shù)：

根據(jù)所述像素與相鄰像素的深度值差異確定所述像素的第二邊界項分割參數(shù)；

其中，對任意一個像素，將所述像素與鄰近的各個像素之間的深度值差值絕對值進(jìn)行累加，再對累加和進(jìn)行歸一化處理，得到歸一化后的累加和作為所述像素的第二邊界項分割參數(shù)。

其中，深度值的數(shù)值范圍可以是：0～255；

可選地，與像素鄰近的各個像素可以是所述像素周邊的8個像素。

在本實(shí)施例中，分割參數(shù)計算及融合模塊，用于采用以下方式將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合：將所述第一區(qū)域項分割參數(shù)與所述第二區(qū)域項分割參數(shù)進(jìn)行融合：

對任意一個像素，將所述第一區(qū)域項分割參數(shù)乘以權(quán)重(1-a)得到調(diào)整后的第一區(qū)域項分割參數(shù)，將所述第二區(qū)域項分割參數(shù)乘以權(quán)重a得到調(diào)整后的第二區(qū)域項分割參數(shù)；

如果所述第一區(qū)域項分割參數(shù)指示的像素分類與所述第二區(qū)域項分割參數(shù)指示的像素分類相同，則將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)相加的和作為融合后的區(qū)域項分割參數(shù)；

如果所述第一區(qū)域項分割參數(shù)指示的像素分類與所述第二區(qū)域項分割參數(shù)指示的像素分類不相同，則將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)中數(shù)值較大者指示的像素分類作為所述像素的最終分類，將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)的差值的絕對值作為融合后的區(qū)域項分割參數(shù)。

在本實(shí)施例中，分割參數(shù)計算及融合模塊，還用于采用以下方式將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合：將所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)進(jìn)行融合：

將所述第一邊界項分割參數(shù)乘以權(quán)重(1-a)得到調(diào)整后的第一邊界項分割參數(shù)，將所述第二邊界項分割參數(shù)乘以權(quán)重a得到調(diào)整后的第二邊界項分割參數(shù)，然后將所述調(diào)整后的第一邊界項分割參數(shù)與所述調(diào)整后的第二邊界項分割參數(shù)相加得到所述像素的融合后的邊界項分割參數(shù)；a大于或等于0且小于或等于1。

可選地，所述權(quán)重a根據(jù)自評價參數(shù)k1和一致性參數(shù)k2進(jìn)行確定：將自評價參數(shù)k1和一致性參數(shù)k2的積作為權(quán)重a；

其中，自評價參數(shù)k1采用以下方式進(jìn)行確定：根據(jù)像素的深度值確定像素對應(yīng)的拍攝距離的遠(yuǎn)近程度，根據(jù)所述拍攝距離的遠(yuǎn)近程度設(shè)置自評價參數(shù)k1，所述拍攝距離越近，自評價參數(shù)k1設(shè)置得越大；k1大于或等于0且小于或等于1；

其中，所述一致性參數(shù)k2采用以下方式進(jìn)行確定：

如果所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)相等，則設(shè)置一致性參數(shù)k2為第一常數(shù)；

如果所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)不相等，在所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)同時大于閾值或同時小于閾值時，設(shè)置一致性參數(shù)k2為第一常數(shù)；在所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)不同時大于閾值或不同時小于閾值時，設(shè)置一致性參數(shù)k2為第二常數(shù)；所述第一常數(shù)大于所述第二常數(shù)；所述第一常數(shù)大于0且小于或等于1，所述第二常數(shù)大于0且小于1。

在本實(shí)施例中，掩模圖調(diào)整模塊，用于采用以下方式構(gòu)建無向圖并將所述掩模圖中的每一個像素的融合后的分割參數(shù)映射到所述無向圖中：

構(gòu)建一個無向圖，在所述無向圖的平面外設(shè)置兩個懸空點(diǎn)Q₀和Q₁，所述懸空點(diǎn)Q₀為虛擬前景點(diǎn)，所述懸空點(diǎn)Q₁為虛擬背景點(diǎn)；在所述無向圖的平面上建立所述掩模圖上各個像素的映射點(diǎn)，在前景點(diǎn)的映射點(diǎn)與所述懸空點(diǎn)Q₀之間建立連線，在背景點(diǎn)的映射點(diǎn)與所述懸空點(diǎn)Q₁之間建立連線；

對掩模圖中的任意一個像素P_i，將所述像素P_i的融合后的區(qū)域項分割參數(shù)作為所述無向圖中映射點(diǎn)P_i'的權(quán)值，將所述像素P_i的融合后的邊界項分割參數(shù)作為所述無向圖中映射點(diǎn)P_i'與懸空點(diǎn)Q₀或Q₁之間連線的權(quán)值。

其中，掩模圖調(diào)整模塊，用于采用以下方式根據(jù)最小割-最大流算法對所述無向圖進(jìn)行處理，獲得精細(xì)分割后的掩模圖：

迭代執(zhí)行以下C步驟和D步驟，在迭代運(yùn)行達(dá)到收斂條件后停止迭代過程，將所述前景點(diǎn)集合Q中的各個像素作為精細(xì)分割后的掩模圖中的前景點(diǎn)；

其中，C步驟和D步驟分別包括以下處理：

C步驟：將無向圖中的一部分像素劃分為與懸空點(diǎn)Q₀同類的前景點(diǎn)，由劃分為前景點(diǎn)的像素構(gòu)成前景點(diǎn)集合Q；

D步驟：計算所述前景點(diǎn)集合Q的權(quán)值總和，所述權(quán)值總和是所述前景點(diǎn)集合Q中所有前景點(diǎn)的權(quán)值和，再加上所述前景點(diǎn)集合Q中所有前景點(diǎn)與懸空點(diǎn)Q₀之間連線的權(quán)值和；

其中，所述收斂條件是前景點(diǎn)集合Q的權(quán)值總和小于閾值且變化趨于穩(wěn)定。

在一種實(shí)施方式中，預(yù)處理模塊，還用于在生成圖像分割算法的輸入掩模圖之前，對標(biāo)記區(qū)和感興趣區(qū)域進(jìn)行調(diào)整：

如果當(dāng)前檢測到的涂抹軌跡是針對所述原始圖像的第一次標(biāo)記，則將當(dāng)前檢測到的涂抹軌跡確定出的標(biāo)記區(qū)作為最終的標(biāo)記區(qū)，將當(dāng)前檢測到的涂抹軌跡確定出的感興趣區(qū)域作為最終的感興趣區(qū)域；

如果當(dāng)前檢測到的涂抹軌跡不是針對所述原始圖像的第一次標(biāo)記，則判斷當(dāng)前檢測到的涂抹軌跡確定出的標(biāo)記區(qū)與上一次檢測到的涂抹軌跡確定出的標(biāo)記區(qū)之間是否有交集，如果有交集，則將當(dāng)前檢測到的涂抹軌跡確定出的標(biāo)記區(qū)與上一次檢測到的涂抹軌跡確定出的標(biāo)記區(qū)進(jìn)行合并，將合并后的標(biāo)記區(qū)作為最終的標(biāo)記區(qū)；如果沒有交集，則將當(dāng)前檢測到的涂抹軌跡確定出的標(biāo)記區(qū)作為最終的標(biāo)記區(qū)；

如果當(dāng)前檢測到的涂抹軌跡不是針對所述原始圖像的第一次標(biāo)記，則判斷當(dāng)前檢測到的涂抹軌跡確定出的感興趣區(qū)域與上一次檢測到的涂抹軌跡確定出的感興趣區(qū)域之間是否有交集，如果有交集，則將當(dāng)前檢測到的涂抹軌跡確定出的感興趣區(qū)域與上一次檢測到的涂抹軌跡確定出的感興趣區(qū)域進(jìn)行合并，將合并后的感興趣區(qū)域作為最終的感興趣區(qū)域；如果沒有交集，則將當(dāng)前檢測到的涂抹軌跡確定出的感興趣區(qū)域作為最終的感興趣區(qū)域。

本發(fā)明實(shí)施例的方法，通過構(gòu)造幾何圖像生成標(biāo)記區(qū)，將所述標(biāo)記區(qū)中的像素標(biāo)記為前景點(diǎn)，從而自動擴(kuò)充圖像分割算法的輸入掩模圖中標(biāo)記的前景點(diǎn)數(shù)目，通過生成感興趣區(qū)域以替代整幅原始圖像能夠減少圖像分割算法標(biāo)記的背景點(diǎn)數(shù)目，可減少圖像分割算法為區(qū)分出前景點(diǎn)和背景點(diǎn)的迭代次數(shù)，顯著地減少圖像分割算法的運(yùn)行時間。另一方面，本發(fā)明實(shí)施例的技術(shù)方案能夠基于深度圖和彩色圖分別計算各像素的分割參數(shù)并進(jìn)行參數(shù)融合，利用融合后的分割參數(shù)進(jìn)行圖像分割，相較于相關(guān)技術(shù)中僅僅使用彩色圖進(jìn)行圖像分割，能夠改善圖像分割的效果。

實(shí)施例3

本發(fā)明實(shí)施例還提供一種終端，所述終端包括上述實(shí)現(xiàn)交互式圖像分割的裝置。

應(yīng)用示例1

用戶在原始圖像上對自己感興趣的目標(biāo)對象進(jìn)行了涂抹，采用本文的預(yù)處理方法對圖像進(jìn)行預(yù)處理，可以包括以下步驟：

步驟S501，檢測到用戶選擇采用涂抹的方式對目標(biāo)對象進(jìn)行標(biāo)記；

比如，界面上提供兩個用于標(biāo)記的按鍵，一個是“涂抹”，一個是“勾勒”，如果用戶點(diǎn)選了“涂抹”按鍵，則對涂抹軌跡進(jìn)行預(yù)處理。

其中，涂抹和勾勒是標(biāo)記目標(biāo)對象的兩種不同方式；

一般地，涂抹是在目標(biāo)對象的內(nèi)部區(qū)域進(jìn)行標(biāo)記，勾勒是沿著目標(biāo)對象的外部輪廓進(jìn)行標(biāo)記；

步驟S502，檢測到用戶在原始圖像上進(jìn)行涂抹；

比如，如圖5-a所示，用戶在原始圖像上進(jìn)行了涂抹，目標(biāo)對象是“訂書機(jī)”，其中，原始圖像是彩色圖；

步驟S503，構(gòu)造所述涂抹軌跡的最小外接矩形，根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)；為所述涂抹軌跡套用矩形模板，根據(jù)所述矩形模板生成包含所述涂抹軌跡的感興趣區(qū)域；如果所述感興趣區(qū)域沒有包含所述標(biāo)記區(qū)，則將所述感興趣區(qū)域擴(kuò)展至包含所述標(biāo)記區(qū)；

其中，所述構(gòu)造所述涂抹軌跡的最小外接矩形，根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，包括：

根據(jù)所述涂抹軌跡上所有像素的橫縱坐標(biāo)值確定出最大橫坐標(biāo)值x_max、最小橫坐標(biāo)值x_min、最大縱坐標(biāo)值y_max和最小縱坐標(biāo)值y_min；

構(gòu)造所述涂抹軌跡的最小外接矩形，所述最小外接矩形的四個頂點(diǎn)的坐標(biāo)依次是：(x_min,y_max)，(x_min,y_min)，(x_max,y_max)，(x_max,y_min)；

根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，所述標(biāo)記區(qū)的四個頂點(diǎn)坐標(biāo)依次是：(x_min-a,y_max+a)，(x_min-a,y_min-a)，(x_max+a,y_max+a)，(x_max+a,y_min-a)；其中，a是可調(diào)系數(shù)，a＝L*b，b是常數(shù)；

比如，如圖5-b所示，涂抹軌跡對應(yīng)的標(biāo)記區(qū)是包含所述涂抹軌跡的第一個矩形區(qū)域，感興趣區(qū)域是包含所述標(biāo)記區(qū)的第二個矩形區(qū)域，所述感興趣區(qū)域的邊框用虛線表示。

步驟S504，生成圖像分割算法(GrabCut算法)的輸入掩模圖：將所述標(biāo)記區(qū)中所有的像素作為掩模圖中的前景點(diǎn)，將所述感興趣區(qū)域中標(biāo)記區(qū)外的像素作為掩模圖中的背景點(diǎn)。

比如，如圖5-c所示，包含涂抹軌跡的矩形深色區(qū)域是標(biāo)記區(qū)，所述標(biāo)記區(qū)是掩模圖(輸入掩模圖)中的前景點(diǎn)區(qū)塊；感興趣區(qū)域的邊緣用虛線框進(jìn)行表示，所述虛線框內(nèi)除去標(biāo)記區(qū)(前景點(diǎn)區(qū)塊)的部分是掩模圖中的背景點(diǎn)區(qū)塊。

步驟S505，獲取彩色圖，以及包含目標(biāo)對象深度信息的深度圖；

如圖5-a所示，用戶進(jìn)行涂抹的原始圖像是彩色圖；

如圖5-d所示，深度圖是包含深度信息的一張圖，與彩色圖的尺寸大小一致；深度圖中，顏色較深的部分拍攝距離較遠(yuǎn)，顏色較淺的部分拍攝距離較近。

步驟S506，根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)，根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)，所述第一分割參數(shù)和第二分割參數(shù)用于表示像素判決為前景點(diǎn)或背景點(diǎn)的概率以及所述像素與相鄰像素的數(shù)值差異；將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合；

其中，對所述掩模圖上任意一個像素，所述像素的分割參數(shù)包括區(qū)域項分割參數(shù)和邊界項分割參數(shù)；所述像素的區(qū)域項分割參數(shù)是指所述像素判決為前景點(diǎn)或背景點(diǎn)的概率；所述像素的邊界項分割參數(shù)是指所述像素與相鄰像素的數(shù)值差異；

其中，根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一區(qū)域項分割參數(shù)：

按EM方法進(jìn)行高斯混合模型GMM計算，所述EM方法包括E步驟和M步驟；迭代運(yùn)行E步驟和M步驟，在所述迭代運(yùn)行此處達(dá)到指定次數(shù)后停止所述迭代過程；將最后一次執(zhí)行M步驟獲得的所述像素的分類確定為所述像素的分類，將最后一次執(zhí)行M步驟獲得的所述像素歸屬于某個簇的最大概率值P_max確定為所述像素的第一區(qū)域項分割參數(shù)，所述第一區(qū)域項分割參數(shù)是所述像素基于所述彩色圖判決為前景點(diǎn)或背景點(diǎn)的概率；

其中，所述E步驟和M步驟分別包括以下處理：

E步驟：根據(jù)所述掩模圖上各個像素的顏色值以及像素之間的位置關(guān)系通過聚簇將同種類型的像素聚成一個或多個簇，確定各個簇的GMM模型；其中，像素的分類包括前景點(diǎn)或背景點(diǎn)；簇的分類包括前景點(diǎn)簇或背景點(diǎn)簇；

M步驟：根據(jù)各個簇的GMM模型確定每一個像素歸屬于各個簇的概率，對任意一個像素，根據(jù)所述像素的最大概率值P_max對應(yīng)的簇確定所述像素的分類；

其中，各個像素的顏色值可以是RGB值；

其中，根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二區(qū)域項分割參數(shù)：

按EM方法進(jìn)行高斯混合模型GMM計算，所述EM方法包括E步驟和M步驟；迭代運(yùn)行E步驟和M步驟，在所述迭代運(yùn)行次數(shù)達(dá)到指定次數(shù)后停止所述迭代過程；將最后一次執(zhí)行M步驟獲得的所述像素的分類確定為所述像素的分類，將最后一次執(zhí)行M步驟獲得的所述像素歸屬于某個簇的最大概率值P_max確定為所述像素的第二區(qū)域項分割參數(shù)，所述第二區(qū)域項分割參數(shù)是所述像素基于所述深度圖判決為前景點(diǎn)或背景點(diǎn)的概率；

其中，所述E步驟和M步驟分別包括以下處理：

E步驟：根據(jù)所述掩模圖上各個像素的深度值以及像素之間的位置關(guān)系通過聚簇將同種類型的像素聚成一個或多個簇，確定各個簇的GMM模型；其中，像素的分類包括前景點(diǎn)或背景點(diǎn)；簇的分類包括前景點(diǎn)簇或背景點(diǎn)簇；

M步驟：根據(jù)各個簇的GMM模型確定每一個像素歸屬于各個簇的概率，對任意一個像素，根據(jù)所述像素的最大概率值P_max對應(yīng)的簇確定所述像素的分類；

其中，根據(jù)所述像素與相鄰像素的顏色差異確定所述像素的第一邊界項分割參數(shù)，包括：對任意一個像素，將RGB三個顏色通道上所述像素與鄰近的各個像素之間的數(shù)值差值絕對值進(jìn)行累加，再對累加和進(jìn)行歸一化處理，得到歸一化后的累加和作為所述像素的第一邊界項分割參數(shù)；

其中，RGB三個顏色通道上的數(shù)值的取值范圍是：0～255；

其中，根據(jù)所述像素與相鄰像素的深度值差異確定所述像素的第二邊界項分割參數(shù)，包括：對任意一個像素，將所述像素與鄰近的各個像素之間的深度值差值絕對值進(jìn)行累加，再對累加和進(jìn)行歸一化處理，得到歸一化后的累加和作為所述像素的第二邊界項分割參數(shù)；

其中，深度值的數(shù)值范圍可以是：0～255；

可選地，與像素鄰近的各個像素可以是所述像素周邊的8個像素。

其中，將基于所述彩色圖確定出的第一區(qū)域項分割參數(shù)與基于所述深度圖確定出的第二區(qū)域項分割參數(shù)進(jìn)行融合，包括：

對任意一個像素，將所述第一區(qū)域項分割參數(shù)乘以權(quán)重(1-a)得到調(diào)整后的第一區(qū)域項分割參數(shù)，將所述第二區(qū)域項分割參數(shù)乘以權(quán)重a得到調(diào)整后的第二區(qū)域項分割參數(shù)；

如果所述第一區(qū)域項分割參數(shù)指示的像素分類與所述第二區(qū)域項分割參數(shù)指示的像素分類相同，則將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)相加的和作為融合后的區(qū)域項分割參數(shù)；

如果所述第一區(qū)域項分割參數(shù)指示的像素分類與所述第二區(qū)域項分割參數(shù)指示的像素分類不相同，則將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)中數(shù)值較大者指示的像素分類作為所述像素的最終分類，將所述調(diào)整后的第一區(qū)域項分割參數(shù)與所述調(diào)整后的第二區(qū)域項分割參數(shù)的差值的絕對值作為融合后的區(qū)域項分割參數(shù)；

其中，將基于所述彩色圖確定出的第一邊界項分割參數(shù)與基于所述深度圖確定出的第二邊界項分割參數(shù)進(jìn)行融合，包括：

將所述第一邊界項分割參數(shù)乘以權(quán)重(1-a)得到調(diào)整后的第一邊界項分割參數(shù)，將所述第二邊界項分割參數(shù)乘以權(quán)重a得到調(diào)整后的第二邊界項分割參數(shù)，然后將所述調(diào)整后的第一邊界項分割參數(shù)與所述調(diào)整后的第二邊界項分割參數(shù)相加得到所述像素的融合后的邊界項分割參數(shù)；a大于或等于0且小于或等于1；

其中，所述權(quán)重a根據(jù)自評價參數(shù)k1和一致性參數(shù)k2進(jìn)行確定：將自評價參數(shù)k1和一致性參數(shù)k2的積作為權(quán)重a；

其中，自評價參數(shù)k1采用以下方式進(jìn)行確定：根據(jù)像素的深度值確定像素對應(yīng)的拍攝距離的遠(yuǎn)近程度，根據(jù)所述拍攝距離的遠(yuǎn)近程度設(shè)置自評價參數(shù)k1，所述拍攝距離越近，自評價參數(shù)k1設(shè)置得越大；k1大于或等于0且小于或等于1；

其中，所述一致性參數(shù)k2采用以下方式進(jìn)行確定：

如果所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)相等，則設(shè)置一致性參數(shù)k2為第一常數(shù)；

如果所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)不相等，在所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)同時大于閾值或同時小于閾值時，設(shè)置一致性參數(shù)k2為第一常數(shù)；在所述第一邊界項分割參數(shù)與所述第二邊界項分割參數(shù)不同時大于閾值或不同時小于閾值時，設(shè)置一致性參數(shù)k2為第二常數(shù)；所述第一常數(shù)大于所述第二常數(shù)；所述第一常數(shù)大于0且小于或等于1，所述第二常數(shù)大于0且小于1；

步驟S507，構(gòu)建無向圖，將所述掩模圖中的每一個像素的融合后的分割參數(shù)映射到所述無向圖中，根據(jù)最小割-最大流算法對所述無向圖進(jìn)行處理，獲得精細(xì)分割后的掩模圖；

其中，無向圖如圖5-e所示，在所述無向圖的平面外設(shè)置兩個懸空點(diǎn)Q₀和Q₁，所述懸空點(diǎn)Q₀為虛擬前景點(diǎn)，所述懸空點(diǎn)Q₁為虛擬背景點(diǎn)；在所述無向圖的平面上建立所述掩模圖上各個像素的映射點(diǎn)，在前景點(diǎn)的映射點(diǎn)與所述懸空點(diǎn)Q₀之間建立連線，在背景點(diǎn)的映射點(diǎn)與所述懸空點(diǎn)Q₁之間建立連線；

對掩模圖中的任意一個像素P_i，將所述像素P_i的融合后的區(qū)域項分割參數(shù)作為所述無向圖中映射點(diǎn)P_i'的權(quán)值，將所述像素P_i的融合后的邊界項分割參數(shù)作為所述無向圖中映射點(diǎn)P_i'與懸空點(diǎn)Q₀或Q₁之間連線的權(quán)值。

根據(jù)最小割-最大流算法對所述無向圖進(jìn)行處理，獲得精細(xì)分割后的掩模圖，包括：

迭代執(zhí)行以下C步驟和D步驟，在迭代運(yùn)行達(dá)到收斂條件后停止迭代過程，將所述前景點(diǎn)集合Q中的各個像素作為精細(xì)分割后的掩模圖中的前景點(diǎn)；

其中，C步驟和D步驟分別包括以下處理：

C步驟：將無向圖中的一部分像素劃分為與懸空點(diǎn)Q₀同類的前景點(diǎn)，由劃分為前景點(diǎn)的像素構(gòu)成前景點(diǎn)集合Q；

D步驟：計算所述前景點(diǎn)集合Q的權(quán)值總和，所述權(quán)值總和是所述前景點(diǎn)集合Q中所有前景點(diǎn)的權(quán)值和，再加上所述前景點(diǎn)集合Q中所有前景點(diǎn)與懸空點(diǎn)Q₀之間連線的權(quán)值和；

其中，所述收斂條件是前景點(diǎn)集合Q的權(quán)值總和小于閾值且變化趨于穩(wěn)定。

其中，精細(xì)分割后的掩模圖如圖5-f所示，包含涂抹軌跡且具有目標(biāo)圖像(訂書機(jī))輪廓的不規(guī)則深色區(qū)域是標(biāo)記區(qū)，所述標(biāo)記區(qū)是精細(xì)分割后的掩模圖中的前景點(diǎn)區(qū)塊；原始圖像上除去標(biāo)記區(qū)(前景點(diǎn)區(qū)塊)的部分是掩模圖中的背景點(diǎn)區(qū)塊。精細(xì)分割后的掩模圖與初始的掩模圖相比，前景點(diǎn)區(qū)塊與背景點(diǎn)區(qū)塊之間的邊界更加細(xì)致。

步驟S508，從所述彩色圖中分割出所述精細(xì)分割后的掩模圖中前景點(diǎn)對應(yīng)的圖像。

其中，根據(jù)精細(xì)分割后的掩模圖從所述原始的彩色圖中分割出目標(biāo)對象，分割出的“訂書機(jī)”圖像如圖5-g所示。

本應(yīng)用示例，通過將涂抹軌跡擴(kuò)展成的第一矩形鄰接區(qū)域確定為標(biāo)記區(qū)，將標(biāo)記區(qū)中的所有像素標(biāo)記為前景點(diǎn)，能夠自動擴(kuò)充圖像分割算法的輸入掩模圖中標(biāo)記的前景點(diǎn)數(shù)目，通過將包含所述涂抹軌跡的第二矩形區(qū)域作為感興趣區(qū)域以替代整幅原始圖像能夠減少圖像分割算法標(biāo)記的背景點(diǎn)數(shù)目，可減少圖像分割算法為區(qū)分出前景點(diǎn)和背景點(diǎn)的迭代次數(shù)，顯著地減少圖像分割算法的運(yùn)行時間。另一方面，本應(yīng)用示例的技術(shù)方案能夠基于深度圖和彩色圖分別計算各像素的分割參數(shù)并進(jìn)行參數(shù)融合，利用融合后的分割參數(shù)進(jìn)行圖像分割，相較于相關(guān)技術(shù)中僅僅使用彩色圖進(jìn)行圖像分割，能夠改善圖像分割的效果。

應(yīng)用示例2

用戶在原始圖像上對自己感興趣的目標(biāo)對象進(jìn)行了涂抹，采用本文的預(yù)處理方法對圖像進(jìn)行預(yù)處理，可以接受多筆輸入(多次涂抹)，包括以下步驟：

步驟S601，檢測到用戶選擇采用涂抹的方式對目標(biāo)對象進(jìn)行標(biāo)記；

比如，界面上提供兩個用于標(biāo)記的按鍵，一個是“涂抹”，一個是“勾勒”，如果用戶點(diǎn)選了“涂抹”按鍵，則對涂抹軌跡進(jìn)行預(yù)處理。

步驟S602，檢測到用戶在原始圖像上進(jìn)行涂抹；

比如，如圖6-a-1所示，用戶在原始圖像上進(jìn)行了第一次涂抹，目標(biāo)對象是“訂書機(jī)”；

比如，如圖6-a-2所示，用戶在原始圖像上進(jìn)行了第二次涂抹，目標(biāo)對象是“訂書機(jī)”；

步驟S603，構(gòu)造所述涂抹軌跡的最小外接矩形，根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)；為所述涂抹軌跡套用矩形模板，根據(jù)所述矩形模板生成包含所述涂抹軌跡的感興趣區(qū)域；如果所述感興趣區(qū)域沒有包含所述標(biāo)記區(qū)，則將所述感興趣區(qū)域擴(kuò)展至包含所述標(biāo)記區(qū)；

其中，所述構(gòu)造所述涂抹軌跡的最小外接矩形，根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，包括：

根據(jù)所述涂抹軌跡上所有像素的橫縱坐標(biāo)值確定出最大橫坐標(biāo)值x_max、最小橫坐標(biāo)值x_min、最大縱坐標(biāo)值y_max和最小縱坐標(biāo)值y_min；

構(gòu)造所述涂抹軌跡的最小外接矩形，所述最小外接矩形的四個頂點(diǎn)的坐標(biāo)依次是：(x_min,y_max)，(x_min,y_min)，(x_max,y_max)，(x_max,y_min)；

根據(jù)所述涂抹軌跡的長度L對所述最小外接矩形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，所述標(biāo)記區(qū)的四個頂點(diǎn)坐標(biāo)依次是：(x_min-a,y_max+a)，(x_min-a,y_min-a)，(x_max+a,y_max+a)，(x_max+a,y_min-a)；其中，a是可調(diào)系數(shù)，a＝L*b，b是常數(shù)；

比如，如圖6-b-1所示，第一次涂抹軌跡對應(yīng)的標(biāo)記區(qū)是包含所述第一次涂抹軌跡的第一個矩形區(qū)域，感興趣區(qū)域是包含所述標(biāo)記區(qū)的第二個矩形區(qū)域，感興趣區(qū)域的邊框用虛線表示；

比如，如圖6-b-2所示，第二次涂抹軌跡對應(yīng)的標(biāo)記區(qū)是包含所述第二次涂抹軌跡的第一個矩形區(qū)域，感興趣區(qū)域是包含所述標(biāo)記區(qū)的第二個矩形區(qū)域，感興趣區(qū)域的邊框用虛線表示；

步驟S604，生成圖像分割算法的輸入掩模圖，包括：

如果當(dāng)前檢測到的涂抹軌跡是針對所述原始圖像的第一次標(biāo)記，則將當(dāng)前檢測到的涂抹軌跡確定出的標(biāo)記區(qū)作為最終的標(biāo)記區(qū)，將當(dāng)前檢測到的涂抹軌跡確定出的感興趣區(qū)域作為最終的感興趣區(qū)域；

如果當(dāng)前檢測到的涂抹軌跡不是針對所述原始圖像的第一次標(biāo)記，則判斷當(dāng)前檢測到的涂抹軌跡確定出的標(biāo)記區(qū)與上一次檢測到的涂抹軌跡確定出的標(biāo)記區(qū)之間是否有交集，如果有交集，則將當(dāng)前檢測到的涂抹軌跡確定出的標(biāo)記區(qū)與上一次檢測到的涂抹軌跡確定出的標(biāo)記區(qū)進(jìn)行合并，將合并后的標(biāo)記區(qū)作為最終的標(biāo)記區(qū)；如果沒有交集，則將當(dāng)前檢測到的涂抹軌跡確定出的標(biāo)記區(qū)作為最終的標(biāo)記區(qū)；

如果當(dāng)前檢測到的涂抹軌跡不是針對所述原始圖像的第一次標(biāo)記，則判斷當(dāng)前檢測到的涂抹軌跡確定出的感興趣區(qū)域與上一次檢測到的涂抹軌跡確定出的感興趣區(qū)域之間是否有交集，如果有交集，則將當(dāng)前檢測到的涂抹軌跡確定出的感興趣區(qū)域與上一次檢測到的涂抹軌跡確定出的感興趣區(qū)域進(jìn)行合并，將合并后的感興趣區(qū)域作為最終的感興趣區(qū)域；如果沒有交集，則將當(dāng)前檢測到的涂抹軌跡確定出的感興趣區(qū)域作為最終的感興趣區(qū)域；

將所述標(biāo)記區(qū)中所有的像素作為所述掩模圖中的前景點(diǎn)，將所述感興趣區(qū)域中標(biāo)記區(qū)外的像素作為所述掩模圖中的背景點(diǎn)；

比如，如圖6-c-1所示，包含第一次涂抹軌跡的矩形深色區(qū)域是標(biāo)記區(qū)，所述標(biāo)記區(qū)是掩模圖(輸入掩模圖)中的前景點(diǎn)區(qū)塊；感興趣區(qū)域的邊緣用虛線框進(jìn)行表示，所述虛線框內(nèi)除去標(biāo)記區(qū)(前景點(diǎn)區(qū)塊)的部分是掩模圖中的背景點(diǎn)區(qū)塊。

比如，如圖6-c-2所示，所述第一次涂抹軌跡對應(yīng)的標(biāo)記區(qū)與所述第二次涂抹軌跡對應(yīng)的標(biāo)記區(qū)之間有交集，則最終的標(biāo)記區(qū)是兩個標(biāo)記區(qū)的并集；所述第一次涂抹軌跡對應(yīng)的感興趣區(qū)域與所述第二次涂抹軌跡對應(yīng)的感興趣區(qū)域之間有交集，則最終的感興趣區(qū)域是兩個感興趣區(qū)域的并集。所述標(biāo)記區(qū)是掩模圖(輸入掩模圖)中的前景點(diǎn)區(qū)塊；感興趣區(qū)域的邊緣用虛線框進(jìn)行表示，所述虛線框內(nèi)除去標(biāo)記區(qū)(前景點(diǎn)區(qū)塊)的部分是掩模圖中的背景點(diǎn)區(qū)塊。

步驟S605，獲取彩色圖，以及包含目標(biāo)對象深度信息的深度圖；

步驟S606，根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數(shù)，根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數(shù)，所述第一分割參數(shù)和第二分割參數(shù)用于表示像素判決為前景點(diǎn)或背景點(diǎn)的概率以及所述像素與相鄰像素的數(shù)值差異；將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合；

其中，具體計算所述掩模圖上各個像素的第一分割參數(shù)、第二分割參數(shù)，以及參數(shù)融合的方法與應(yīng)用示例1的步驟S506中描述的相關(guān)方法相同；

步驟S607，構(gòu)建無向圖，將所述掩模圖中的每一個像素的融合后的分割參數(shù)映射到所述無向圖中，根據(jù)最小割-最大流算法對所述無向圖進(jìn)行處理，獲得精細(xì)分割后的掩模圖；

其中，具體構(gòu)建無向圖以及將分割參數(shù)映射到所述無向圖中的方法，以及根據(jù)最小割-最大流算法對所述無向圖進(jìn)行處理的方法，與應(yīng)用示例1的步驟S507中描述的相關(guān)方法相同；

步驟S608，從拍攝所述目標(biāo)對象所獲得的原始圖像中分割出所述精細(xì)分割后的掩模圖中前景點(diǎn)對應(yīng)的圖像；

其中，根據(jù)精細(xì)分割后的掩模圖從所述原始的彩色圖中分割出“訂書機(jī)”的圖像。

其中，除了第一次涂抹外，之后的每一次涂抹對應(yīng)的標(biāo)記區(qū)和感興趣區(qū)域都與上一次涂抹軌跡確定出的標(biāo)記區(qū)和感興趣區(qū)域進(jìn)行比較，從而使得輸入掩模圖中的前景點(diǎn)和背景點(diǎn)更加準(zhǔn)確，提高分割圖像的質(zhì)量；

本應(yīng)用示例的方法，通過將涂抹軌跡擴(kuò)展成的第一矩形鄰接區(qū)域確定為標(biāo)記區(qū)，將標(biāo)記區(qū)中的所有像素標(biāo)記為前景點(diǎn)，能夠自動擴(kuò)充圖像分割算法的輸入掩模圖中標(biāo)記的前景點(diǎn)數(shù)目，通過將包含所述涂抹軌跡的第二矩形區(qū)域作為感興趣區(qū)域以替代整幅原始圖像能夠減少圖像分割算法標(biāo)記的背景點(diǎn)數(shù)目，可減少圖像分割算法為區(qū)分出前景點(diǎn)和背景點(diǎn)的迭代次數(shù)，顯著地減少圖像分割算法的運(yùn)行時間。另一方面，本應(yīng)用示例的技術(shù)方案能夠基于深度圖和彩色圖分別計算各像素的分割參數(shù)并進(jìn)行參數(shù)融合，利用融合后的分割參數(shù)進(jìn)行圖像分割，相較于相關(guān)技術(shù)中僅僅使用彩色圖進(jìn)行圖像分割，能夠改善圖像分割的效果。

需要說明的是，在本文中，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者裝置不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者裝置所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者裝置中還存在另外的相同要素。

上述本發(fā)明實(shí)施例序號僅僅為了描述，不代表實(shí)施例的優(yōu)劣。

通過以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到上述實(shí)施例方法可借助軟件加必需的通用硬件平臺的方式來實(shí)現(xiàn)，當(dāng)然也可以通過硬件，但很多情況下前者是更佳的實(shí)施方式?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，所述計算機(jī)軟件產(chǎn)品存儲在一個存儲介質(zhì)(如ROM/RAM、磁碟、光盤)中，包括若干指令用以使得一臺終端設(shè)備(可以是手機(jī)，計算機(jī)，服務(wù)器，空調(diào)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實(shí)施例所述的方法。

以上僅為本發(fā)明的優(yōu)選實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。