點(diǎn)坐 標(biāo)時(shí)，需要與原圖像的邊緣做比較，當(dāng)超過(guò)原圖像的坐標(biāo)范圍時(shí)，以原圖像的邊緣坐標(biāo)作為 擴(kuò)展區(qū)域的坐標(biāo)。image->cols_rect.x和image->rows_rect.y分別表示原圖像的右上角 頂點(diǎn)坐標(biāo)。
[0046] 步驟3:圖像分割。
[0047] 根據(jù)灰度、顏色、紋理和形狀等特征把圖像劃分成若干互不交迭的區(qū)域，并使這些 特征在同一區(qū)域內(nèi)呈現(xiàn)出相似性，而在不同區(qū)域間呈現(xiàn)出明顯的差異性。根據(jù)這個(gè)原理，交 互物體的圖像就可以從背景圖像中分割出來(lái)。
[0048] 圖像分割方法包括這幾類(lèi)：a.基于閾值的分割方法；b.基于邊緣的分割方法； c.基于區(qū)域的分割方法；d.基于圖論的分割方法；e.基于能量泛函的分割方法?？蛇x取其 中合適的方法進(jìn)行圖像分割。
[0049] 基于圖論的分割方法：此類(lèi)方法把圖像分割問(wèn)題與圖的最小割（mincut)問(wèn)題相 關(guān)聯(lián)。首先將圖像映射為帶權(quán)無(wú)向圖G=〈V，E>，圖中每個(gè)節(jié)點(diǎn)NeV對(duì)應(yīng)于圖像中的每 個(gè)像素，每條邊gE連接著一對(duì)相鄰的像素，邊的權(quán)值表示了相鄰像素之間在灰度、顏色或 紋理方面的非負(fù)相似度。而對(duì)圖像的一個(gè)分割S就是對(duì)圖的一個(gè)剪切，被分割的每個(gè)區(qū)域 CeS對(duì)應(yīng)著圖中的一個(gè)子圖。而分割的最優(yōu)原則就是使劃分后的子圖在內(nèi)部保持相似度 最大，而子圖之間的相似度保持最小?；趫D論的分割方法的本質(zhì)就是移除特定的邊，將圖 劃分為若干子圖從而實(shí)現(xiàn)分割。目前所了解到的基于圖論的方法有GraphCut，GrabCut和 RandomWalk等。
[0050] 本發(fā)明實(shí)施例中選取基于圖論的分割方法-GrabCut方法來(lái)進(jìn)行圖像分割，所用 的GrabCut實(shí)現(xiàn)采用圖像處理開(kāi)源庫(kù)OpenCV中的實(shí)現(xiàn)。
[0051]OpenCV中的GrabCut方法是依據(jù)《"GrabCut"_InteractiveForeground ExtractionusingIteratedGraphCuts》這篇文章來(lái)實(shí)現(xiàn)的。該方法利用了圖像中的紋 理（顏色）信息和邊界（反差）信息，只要少量的用戶交互操作即可得到比較好的分割結(jié) 果。
[0052]OpenCV中GrabCut方法的描述如下：
[0053]voidcv::grabCut(InputArray_img,InputOutputArray_mask,Rectrect,
[0054]InputOutputArray_bgdModel,InputOutputArray_fgdModel,
[0055]intiterCount,intmode)
[0056] 參數(shù)說(shuō)明：
[0057]img--待分割的源圖像，必須是8位3通道（CV_8UC3)圖像，在處理的過(guò)程中不 會(huì)被修改。
[0058]mask--掩碼圖像，如果使用掩碼進(jìn)行初始化，那么mask保存初始化掩碼信息； 在執(zhí)行分割的時(shí)候，也可以將用戶交互所設(shè)定的前景與背景保存到mask中，然后再傳入 grabCut函數(shù)；在處理結(jié)束之后，mask中會(huì)保存結(jié)果。mask只能取以下四種值：GCD_BOT(= 0)，背景；GCD_FGD( = 1)，前景；GCD_PR_BO) ( = 2)，可能的背景；GCD_PR_FGD( = 3)，可能的 前景。如果沒(méi)有手工標(biāo)記GCD_B⑶或者GCD_FGD，那么結(jié)果只會(huì)有GCD_PR_B⑶或GCD_PR_ FGD。
[0059]rect--用于限定需要進(jìn)行分割的圖像范圍，本發(fā)明實(shí)施例中只有步驟2擴(kuò)展后 的矩形窗口內(nèi)的圖像部分才被處理。
[0060]bgdModel-背景模型，如果為null,函數(shù)內(nèi)部會(huì)自動(dòng)創(chuàng)建一個(gè)bgdModel; bgdModel必須是單通道浮點(diǎn)型（CV_32FC1)圖像，且行數(shù)只能為1，列數(shù)只能為13*5 ;
[0061]fgdModel-前景模型，如果為null,函數(shù)內(nèi)部會(huì)自動(dòng)創(chuàng)建一個(gè)fgdModel; fgdModel必須是單通道浮點(diǎn)型（CV_32FC1)圖像，且行數(shù)只能為1，列數(shù)只能為13*5 ;
[0062]iterCount-迭代次數(shù)，必須大于0;
[0063]mode--用于指示grabCut函數(shù)進(jìn)行什么操作，可選的值有：
[0064]GC_INIT_WITH_RECT( = 0)，用矩形窗初始化GrabCut;
[0065]GC_INIT_WITH_MASK(= 1)，用掩碼圖像初始化GrabCut;
[0066]GC_EVAL( = 2)，執(zhí)行分割。
[0067] 本發(fā)明實(shí)施例中用GrabCut方法來(lái)進(jìn)行圖像分割時(shí)，設(shè)置mode為GC_INIT_WITH_ RECT;設(shè)置iterCount= 1，采用1次迭代，提高運(yùn)算速度，得到如圖4所示圖像，其中背景 圖像為黑色，交互物體為白色。
[0068] 步驟4:自適應(yīng)閾值處理。
[0069] 根據(jù)交互物體圖像的特征，選取一個(gè)合適的閾值，進(jìn)行閾值處理。交互物體圖像由 彩色圖像變?yōu)槎祱D像，交互物體變?yōu)榘咨?，背景變?yōu)楹谏玫蕉祱D。由于本圖像是分 割產(chǎn)生的圖像，圖像背景為黑色，所以閾值可設(shè)定為一個(gè)較小的值，例如設(shè)置T= 10。
[0070] 將當(dāng)前圖像中的像素灰度倌I(x,y)與閾值T比較，進(jìn)行二值化，公式如下：
[0071]
【主權(quán)項(xiàng)】
1. 一種全景圖漫游中交互熱點(diǎn)的自動(dòng)選取方法，其特征在于，包括如下步驟： 步驟1;用戶選取交互物體的所在區(qū)域； 步驟2;選取背景圖像，將用戶所選區(qū)域向左右上下四個(gè)方向放大X個(gè)像素，得到包含 背景圖像的區(qū)域；X為大于20小于100的整數(shù)； 步驟3 ;對(duì)經(jīng)過(guò)步驟2得到區(qū)域進(jìn)行圖像分割； 步驟4 ;對(duì)圖像進(jìn)行自適應(yīng)闊值處理，使得圖像變?yōu)槎祱D像，交互物體變?yōu)榘咨?，?景變?yōu)楹谏? 步驟5 ;提取交互物體的輪廓，獲得分布在交互物體邊緣的連續(xù)點(diǎn)集； 步驟6 ;利用多邊形逼近方法對(duì)所提取的交互物體的輪廓進(jìn)行簡(jiǎn)化； 步驟7 ;提取步驟6所得到的多邊形的各個(gè)端點(diǎn)作為熱點(diǎn)。
2. 根據(jù)權(quán)利要求1所述的一種全景圖漫游中交互熱點(diǎn)的自動(dòng)選取方法，其特征在于， 所述步驟1中，采用矩形框來(lái)選取區(qū)域。
3. 根據(jù)權(quán)利要求1所述的一種全景圖漫游中交互熱點(diǎn)的自動(dòng)選取方法，其特征在于， 所述步驟3中，采用Gr油化t方法進(jìn)行圖像分割。
4. 根據(jù)權(quán)利要求1所述的一種全景圖漫游中交互熱點(diǎn)的自動(dòng)選取方法，其特征在于， 所述步驟4中，進(jìn)行自適應(yīng)闊值處理時(shí)，設(shè)置闊值為10。
5. 根據(jù)權(quán)利要求1所述的一種全景圖漫游中交互熱點(diǎn)的自動(dòng)選取方法，其特征在于， 所述步驟5中，采用化enCV的findContours函數(shù)獲取交互物體邊緣的連續(xù)點(diǎn)集。
【專(zhuān)利摘要】本發(fā)明提供了一種全景圖漫游中交互熱點(diǎn)的自動(dòng)選取方法，用于虛擬現(xiàn)實(shí)、全景影像技術(shù)領(lǐng)域。方法中首先由用戶框取交互物體的大致區(qū)域，然后擴(kuò)展該區(qū)域，對(duì)該區(qū)域依次進(jìn)行圖像分割、二值化，然后利用OpenCV中函數(shù)提取交互物體邊緣的連續(xù)點(diǎn)集，再利用多邊形逼近方法對(duì)交互物體的輪廓進(jìn)行簡(jiǎn)化，最后提取簡(jiǎn)化得到的多邊形的各個(gè)端點(diǎn)作為熱點(diǎn)。發(fā)明交互熱點(diǎn)的自動(dòng)選取方法，一方面減少了繁重的人工選取工作，另一方面可以提高交互熱點(diǎn)選取的準(zhǔn)確性。
【IPC分類(lèi)】G06T7-00
【公開(kāi)號(hào)】CN104574429
【申請(qǐng)?zhí)枴緾N201510064792
【發(fā)明人】鄭劍平, 曾凡華, 夏榆濱, 崔延斌
【申請(qǐng)人】北京明蘭網(wǎng)絡(luò)科技有限公司
【公開(kāi)日】2015年4月29日
【申請(qǐng)日】2015年2月6日