车辆图片背景模糊方法、装置、电子设备和可读介质制造方法及图纸

本公开的实施例公开了车辆图片背景模糊方法、装置、电子设备和可读介质。该方法的一具体实施方式包括：首先，基于目标车辆图像和对应的目标轮廓图像，得到目标图像前景图；然后，对所述目标车辆图像和所述目标轮廓图像分别进行处理，得到处理后模糊图像和处理后轮廓图像；之后，基于所述处理后模糊图像和所述处理后轮廓图像，得到目标图像背景图；最后，将所述目标图像前景图与所述目标图像背景图进行叠加处理，得到目标图像。该实施方式实现了处理流程简单易懂，没有复杂的计算，速度快、效果好。好。好。

【技术实现步骤摘要】
车辆图片背景模糊方法、装置、电子设备和可读介质


[0001]本公开的实施例涉及图片处理
，具体涉及车辆图片背景模糊方法、装置、电子设备和可读介质。

技术介绍

[0002]线上卖车及线上展会需要对车辆图片进行展示，实际拍照场景比较复杂，车库、路边、停车场、门店等，还有车商广告等干扰，有些图片里甚至有很多车，为了提高客户对展示车辆本身的关注需要分割出车辆轮廓，模糊车辆以外的无关区域。
[0003]基于纯图像处理的方法分割效率比较低，算法复杂且效果不好，基于深度学习的语义分割方法会对图像上所有的点进行分类，标注工作量巨大，且需要对分割结果做后处理提取感兴趣区域，易增加出错率。实例分割方法无法解决图片上有多辆车的问题，也需要后处理去选择占比最大或处于焦点位置的区域。得到分割Mask后还需要对车辆以外的部分做模糊处理。。

技术实现思路

[0004]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了车辆图片背景模糊方法、装置、电子设备和可读介质，来解决以上
技术介绍
部分提到的技术问题。
[0005]第一方面，本公开的一些实施例提供了一种车辆图片背景模糊方法，该方法包括：基于目标车辆图像和对应的目标轮廓图像，得到目标图像前景图；
[0006]对所述目标车辆图像和所述目标轮廓图像分别进行处理，得到处理后模糊图像和处理后轮廓图像；
[0007]基于所述处理后模糊图像和所述处理后轮廓图像，得到目标图像背景图；
[0008]将所述目标图像前景图与所述目标图像背景图进行叠加处理，得到目标图像。
[0009]第二方面，本公开的一些实施例提供了一种车辆图片背景模糊装置，装置包括：前景图生成单元，用于基于目标车辆图像和对应的目标轮廓图像，得到目标图像前景图；
[0010]处理单元，用于对所述目标车辆图像和所述目标轮廓图像分别进行处理，得到处理后模糊图像和处理后轮廓图像；
[0011]背景图生成单元，用于基于所述处理后模糊图像和所述处理后轮廓图像，得到目标图像背景图；
[0012]叠加单元，用于将所述目标图像前景图与所述目标图像背景图进行叠加处理，得到目标图像。
[0013]第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得
一个或多个处理器实现如第一方面中任一的方法。
[0014]第四方面，本公开的一些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，其中，程序被处理器执行时实现如第一方面中任一的方法。
[0015]本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，基于目标车辆图像和对应的目标轮廓图像，得到目标图像前景图；然后，对所述目标车辆图像和所述目标轮廓图像分别进行处理，得到处理后模糊图像和处理后轮廓图像；之后，基于所述处理后模糊图像和所述处理后轮廓图像，得到目标图像背景图；最后，将所述目标图像前景图与所述目标图像背景图进行叠加处理，得到目标图像。处理流程简单易懂，没有复杂的计算，速度快、效果好。模糊之后的效果图更容易让人关注展示车辆，忽略其他车辆、广告牌、人等环境背景引入的信息干扰，有利于提高车商城的转化率和销售量。
附图说明
[0016]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
[0017]图1是根据本公开的车辆图片背景模糊方法的一些实施例的流程图；
[0018]图2是根据本公开的车辆图片背景模糊方法的一些实施例的应用场景示意图；
[0019]图3是根据本公开的感兴趣目标分割模型的训练方法的一些实施例的流程图；
[0020]图4是根据本公开的不规则的图形的示意图。
[0021]图5是根据本公开的车辆图片背景模糊装置的一些实施例的结构示意图；
[0022]图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
[0023]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0024]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专利技术相关的部分。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。
[0025]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0026]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0027]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0028]下面将参考附图并结合实施例来详细说明本公开。
[0029]图1是根据本公开的车辆图片背景模糊方法的一些实施例的流程图。上述车辆图片背景模糊方法，包括以下步骤：
[0030]步骤101，基于目标车辆图像和对应的目标轮廓图像，得到目标图像前景图。
[0031]在一些实施例中，车辆图片背景模糊方法的执行主体(例如可以是服务器)可以基于目标车辆图像和对应的目标轮廓图像，得到目标图像前景图。作为示例，将上述目标车辆图像与对应的目标轮廓图像相乘截取车辆区域得到目标图像前景图。
[0032]在一些实施例的一些可选的实现方式中，获取目标车辆图像；上述执行主体可以通过有线连接方式或者无线连接方式获取目标车辆图像，上述目标车辆图像可以是存储在本地的图片，也可以从网络上下载来的。将所述目标车辆图像输入至预先训练好的感兴趣目标分割模型，得到目标轮廓图像。上述感兴趣目标分割模型可以在自然场景中进行快速准确的检测和分割目标，模型直接检测图像中目标位置并对目标进行分类，然后分割目标轮廓。
[0033]步骤102，对所述目标车辆图像和所述目标轮廓图像分别进行处理，得到处理后模糊图像和处理后轮廓图像。
[0034]在一些实施例中，上述执行主体可以对所述目标车辆图像和所述目标轮廓图像分别进行处理，得到处理后模糊图像和处理后轮廓图像。作为示例，对上述目标车辆图像进行模糊处理，得到处理后模糊图像，对目标轮廓图像进行取反处理，得到处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆图片背景模糊方法，包括：基于目标车辆图像和对应的目标轮廓图像，得到目标图像前景图；对所述目标车辆图像和所述目标轮廓图像分别进行处理，得到处理后模糊图像和处理后轮廓图像；基于所述处理后模糊图像和所述处理后轮廓图像，得到目标图像背景图；将所述目标图像前景图与所述目标图像背景图进行叠加处理，得到目标图像。2.根据权利要求1所述的方法，其特征在于，在所述基于目标车辆图像和对应的目标轮廓图像，得到目标图像前景图之前，所述方法还包括：获取目标车辆图像；将所述目标车辆图像输入至预先训练好的感兴趣目标分割模型，得到目标轮廓图像。3.根据权利要求1所述的方法，其特征在于，所述对所述目标车辆图像和所述目标轮廓图像分别进行处理，得到处理后模糊图像和处理后轮廓图像，包括：对所述目标车辆图像进行高斯模糊处理，得到所述处理后模糊图像；对所述目标轮廓图像进行取反处理，得到所述处理后轮廓图像。4.根据权利要求2所述的方法，其特征在于，所述感兴趣目标分割模型是通过以下步骤训练得到：获取训练样本集合，其中，训练样本包括：样本车辆图像和所述样本车辆图像对应的样本轮廓图像；将所述训练样本集合中的训练样本的样本车辆图像作为输入，将与输入的样本车辆图像对应的样本轮廓图像作为期望输出，训练得到所述感兴趣目标分割模型。5.根据权利要求2所述的方法，其特征在于，所述将所述目标车辆图像输入至预先训练好的感兴趣目标分割模型，得到目标轮廓图像，包括：利用神经网络对所述目标车辆图像进行特...

【专利技术属性】
技术研发人员：陈桂安，
申请(专利权)人：平安国际融资租赁有限公司，
类型：发明
国别省市：