具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1，图1为本发明实施例提供的一种图像颜色抠除方法的流程示意图，该方法包括步骤S101～S104。

S101、获取待处理的SRC图像，将所述SRC图像由BGR颜色空间转换成HSV空间，得到HSV图像，并计算所述HSV图像中每一像素点对应的H分量值、S分量值以及V分量值；

S102、将所述HSV图像中需要进行颜色扣除的像素点作为参考像素点，并获取所述参考像素点对应的H分量值、S分量值以及V分量值；

S103、计算所述HSV图像中每一像素点中的H分量、S分量以及V分量与所述参考像素点的H分量、S分量以及V分量之间对应分量的差值和容差值，并根据所述差值和容差值计算差值占比；

S104、根据所述差值和差值占比计算透明度图，并根据所述透明度图将所述SRC图像与基础图像进行融合处理，得到目标图像。

在本实施例中，首先获取待处理的SRC图像，然后将所述SRC图像进行颜色空间转换，得到HSV图像，然后计算所述HSV图像中每一个像素点对应的H分量值、S分量值、V分量值；选取需要空出的颜色的HSV值，即在所述HSV图像中，选择一个参考像素点，并将所述参考像素点对应的颜色作为扣除颜色，计算所述参考像素点的H分量值、S分量值、V分量值；将所述HSV图像中的每一个像素点与所述参考像素点每一对应分量之间的差值和容差值，并计算出差值占比；得到所述差值和差值占比后，即可计算出相应的透明度图，然后选取新的图像作为基础图像，将所述SRC图像与所述基础图像按照透明度图进行融合，得到目标图像，从而完成图像的颜色扣除处理。

所述SRC图像进行颜色空间转换，即将SRC图像从RGB颜色空间转换成HSV空间，其中RGB颜色空间中R表示红色通道、G表示绿色通道、B表示蓝色通道，HSV图像中H表示色调、S表示饱和度、V表示亮度。自然环境下获取的图像容易受自然光照、外物遮挡和阴影等情况的影响，即对亮度比较敏感。而RGB颜色空间的三个分量都与亮度密切相关，即只要亮度改变，三个分量都会随之相应地改变。但是人眼对于这三种颜色分量的敏感程度是不一样的，在单色中，人眼对红色最不敏感，蓝色最敏感，所以RGB颜色空间是一种均匀性较差的颜色空间。如果颜色的相似性直接用欧氏距离来度量，其结果与人眼视觉会有较大的偏差。对于某一种颜色，我们很难推测出较为精确的三个分量数值来表示。所以，RGB颜色空间适合于显示系统，却并不适合于图像处理，因此，将SRC图像先由RGB图像格式转换为HSV图像，以便对图像进行处理。

在一实施例中，所述计算所述HSV图像中每一像素点对应的H分量值、S分量值以及V分量值，包括：

利用以下公式计算V分量的取值范围：V＝max(R,G,B)；

利用V分量计算S分量的取值范围：

当V≠0时，S＝(V-min(R,G,B))/V；当V＝0时，S＝0；

利用V分量计算H分量的取值范围：

当V＝R时，H＝60*(G-B)/(V-min(R,G,B))；

当V＝G时，H＝120+60*(B-R)/(V-min(R,G,B))；

当V＝B时，H＝240+60*(R-G)/(V-min(R,G,B))。

在本实施例中，利用上述公式计算所述HSV图像中各分量的取值。在进行RGB颜色空间转换时，RGB各个通道的取值范围应该先进行归一化为32位浮点数，即各个通道的值的变化范围是0～1。此时，V＝max(R,G,B)，然后根据V分量的取值计算S分量和H分量的取值，经计算得到所述SRC图像对应的HSV图像的各分量的值，其中，计算后的H分量的取值范围是0～360，S分量的取值范围是0～1，V分量的取值范围是0～1。

在一实施例中，所述计算所述HSV图像中每一像素点中的H分量、S分量以及V分量与所述参考像素点的H分量、S分量以及V分量之间对应分量的差值和容差值，并根据所述差值和容差值计算差值占比，包括：

获取所述HSV图像中红色区域中大于0的低取值范围，以及低于360的高取值范围，并根据所述低取值范围和高取值范围对所述差值进行归一化处理，得到归一化值；

计算每一像素点中的H分量与所述参考像素点的H分量的差值的基准范围和所述基准范围的容差值；

根据所述归一化值和容差值计算所述差值在所述基准范围和容差值的区域范围的差值占比。

在本实施例中，获取所述HSV图像中的红色区域的高取值范围和低取值范围，并进行归一化处理，然后再计算出每一像素点与参考像素点之间H分量的差值、差值的基准范围以及容差值，并根据所述归一化值和容差值计算出差值占比。

具体的，由于HSV图像中，红色区域跨越了0和360的色调范围，因此，在计算时先对红色区域的取值范围进行计算。设control_h_low为红色在色调范围为大于0时的取值范围和control_h_high为红色在色调范围为小于360时的取值范围。经过调试验证后，当control_h_low＝10时，红色的显示效果较优，即将0～10之间的色调区域判断为红色区域；当control_h_high＝330时，红色的显示效果较优，即将330～360之间的色调区域判断为红色区域。

设所述HSV图像中的任一像素点H分量值与所述参考像素点H分量值的的差值的基准范围为range，容差值为offset。将差值小于基准范围与容差值之和的像素点作为可抠除的候选像素点，将差值大于基准范围与容差值之和的像素点作为前景像素点。range与offset的取值范围可以是1～360(色调的范围是0～360)，但是要更好的抠除指定颜色，range和offset的取值需要缩小且合理化。根据RGB颜色圆环，0(360)，120，240处分别表示的是红绿蓝三原色，中间的颜色变化明显的地方基本是30，60，90等等，因此range和offset分别在90和60之内取值验证。验证结果表明在图像抠图直观效果上range在20～80之间，offset在20～40之间选任意值时，颜色显示效果差别不明显且效果较好。

当hue<＝control_h_low且h>＝control_h_high时：

dif_h＝(360.0-h+hue)/360

value_h＝(range_-abs(dif_h)+offset_)/offset_

当hue>＝control_h_high且h<＝control_h_low时：

dif_h＝(360-hue+h)/360.0；

value_h＝(range_-abs(dif_h)+offset_)/offset_

否则：

dif_h＝abs(h-hue)/360；

value_h＝(range_-abs(dif_h)+offset_)/offset_

其中，range_＝range/360，offset_＝offset/360，range_为归一化之后基准范围，offset_为归一化后的容差值，dif_h表示归一化值(归一化值即HSV图像中像素点的H分量与参考像素点的H分量的差值的绝对值的归一化后的值，其中H的取值范围是0～360)，value_h表示差值占比。

在一实施例中，所述根据所述差值和差值占比计算透明度图，包括：

获取所述参考像素点的S分量的最小值和最大值以及V分量的最小值和最大值；

对所述差值占比进行规范化处理，得到规范化后的差值占比，结合所述S分量的最小值和最大值以及V分量的最小值和最大值，按照预设的计算规则计算每一个像素点在所述SRC图像中的显示占比；

将所述显示占比进行规范化处理，得到所述透明度图。

在本实施例中，根据S分量的最大值和最小值、V分量的最大值和最小值以及规范化后的差值占比计算得到每一个像素点的显示占比，并根据显示占比计算得到透明度图。在所述透明度图中，像素值为0，则表示该像素点为背景，像素值为1，则表示该像素点为前景，像素值在0～1之间表示的是边缘处前景和背景之间的过渡情况。

将S分量的最大值和最小值分别表示为control_s_high、control_s_low，将V分量的最大值和最小值分别表示为control_v_high、control_v_low。本实施例中，设置control_s_low＝0.15，control_s_high＝0.3，control_v_low＝0.2，control_v_high＝0.4。利用预先存储的图像数据，不断调整四个值的大小，所述图像数据中包括抠除的颜色在饱和度和亮度上受影响较小、视觉颜色均匀(纯色)的图像，也包括抠除的颜色不均匀(视觉效果明显看到同一颜色但深浅不一的)的图像；抠除颜色的过程当中，会选取非均匀背景各个不同位置的颜色来进行抠除。control_s_high或者control_v_high越大(control_s_low和control_v_low也会相应变大)，画面中能够抠除的像素越多，相反越少。由于S分量和V分量的取值均值0～1之间，因此control_s_low和control_s_high的范围均在0～1之间，control_v_low和control_v_high也在0～1之间。经过多次参数调整和验证，本实施例中control_s_low和control_s_high的差值保持0.15，control_v_low和control_v_high的差值保持0.2，且control_s_low比control_v_low恒定少0.05，在这种情况下获得的效果更佳。

对于任意一个像素点I(i,j)，i表示行号，j表示列号：

当value_h<＝0.1时：mask(i,j)＝1.0；

当value_h>＝0.9时：

若：dif_s<＝control_s_low且dif_v<＝control_v_high

则mask(i,j)＝0.0

若：control_s_high或者dif_v>control_v_high

则mask(i,j)＝1.0

否则：mask(i,j)＝(control_s_high-dif_s)/(control_s_high-control_s_low)*((control_v_high-dif_v)/(control_v_high-control_v_low))；

当0.1<value_h<0.9时：

若：dif_s>control_s_high或者dif_v>control_v_high

则mask(i,j)＝1.0

否则：mask(i,j)＝value_h*(control_s_high-dif_s)/(control_s_high-control_s_low)*((control_v_high-dif_v)/(control_v_high-control_v_low))；

其中，mask(i,j)就是透明度图中某一个像素点的值，value_h表示差值占比，Dif_s指的是参考像素点的S分量值和像素点I的S分量值的差值的绝对值，Dif_v是参考像素点V分量值和像素点I的V分量值的差值的绝对值。

在一实施例中，所述根据所述透明度图将所述SRC图像与基础图像进行融合处理，得到目标图像，包括：

对所述透明度图进行边缘平滑处理操作，得到边缘透明度图；

根据所述边缘透明度图将所述SRC图像与基础图像进行融合处理，并对融合处理后的图像进行膨胀操作和腐蚀操作，得到目标图像。

在本实施例中，先对所述透明度图进行边缘平滑处理得到边缘透明度图，使所述SRC图像与基础图像按照边缘透明度图进行融合时得到的目标图像更加流畅，然后再进行膨胀操作和腐蚀操作，得到最终的目标图像。

所述边缘平滑处理可采用以下方法：采用3*3的窗口对所述透明度图进行平滑，对于所述透明度图中的每个像素点，以自身为中心做划窗处理。举例来说，以像素值为0.3的像素点为中心，覆盖3*3的窗口进行以下计算：Value＝(0.3*1+0.4*1+0.15*1+0.01*1+0.3*1+0.58*1+0.77*1+0.14*1+0.35*1)/9，用计算得到的value值替换0.3。之后划窗向右移动一个像素点，在通过上述公式计算出下一个value代替这个像素点。以此类推，划窗先从所述透明度图的初始像素点开始，依次向右计算直至边缘后，再返回来以所述初始像素点在所述透明度图中的正下方的像素点为中心依次计算并向右滑动直到边缘。

膨胀操作：对每一个像素点，在以其为中心的窗体内求取最大值，并将该最大值赋值给当前窗口的中心像素。腐蚀操作：与膨胀操作相反，对每一个像素点，在以其为中心的窗体内求取最小值，并将该最小值赋值给当前窗口的中心像素。

在一实施例中，所述根据所述边缘透明度图将所述SRC图像与基础图像进行融合处理，包括：

按照以下公式进行融合处理：

combine(i,j)＝src(i,j)*mask(i,j)+b_img(i,j)*(1-mask(i,j))

其中，src(i,j)为所述SRC图像中的像素点，i为行号，j为列号，mask(i,j)为所述SRC图像中的像素点对应的透明度图，b_img(i,j)为所述基础图像中的其中一个像素点。

在本实施例中，按照上述公式进行图像融合，因为SRC图像在输入时是多通道图像(R、G、B三个颜色通道)，因此每个通道都要进行上述公式的计算，得到的combine也是与SRC图像一样通道数的图像。Mask图像可以是单通道，即一个像素只有一个值表示，也可以是与SRC图像一样通道数的图像，如果是大于1通道的时候，那用来表示每个像素的通道值都是一样的。

在一实施例中，所述对所述差值占比进行规范化处理包括：

按如下公式对所述差值占比进行规范化处理：

value_h＝min(value_h,1.0)

value_h＝max(value_h,0.0)

其中，value_h表示差值占比；

所述将所述显示占比进行规范化处理包括：

按如下公式对所述显示占比进行规范化处理：

mask(i,j)＝min(mask(i,j),1.0)

mask(i,j)＝max(mask(i,j),0.0)

其中，mask(i,j)表示透明度图中的像素点。

在本实施例中，在得到所述差值占比与所述显示占比后均需要进行规范化处理，目的是为了避免数据溢出。所述规范化处理的规则为：当数据大于1时，则将数据视为1；当数据小于0时，则将数据视为0；当数据大于0小于1时，则取数据实际值。通过上述规则将数据进行规范化处理，从而控制数据的取值范围保持在0～1之间。

请参阅图2，图2为本发明实施例提供的一种图像颜色抠除系统的示意性框图，该图像颜色抠除系统200包括：

空间转换单元201，用于获取待处理的SRC图像，将所述SRC图像由BGR颜色空间转换成HSV空间，得到HSV图像，并计算所述HSV图像中每一像素点对应的H分量值、S分量值以及V分量值；

参考像素点分量值获取单元202，用于将所述HSV图像中需要进行颜色扣除的像素点作为参考像素点，并获取所述参考像素点对应的H分量值、S分量值以及V分量值；

差值占比计算单元203，用于计算所述HSV图像中每一像素点中的H分量、S分量以及V分量与所述参考像素点的H分量、S分量以及V分量之间对应分量的差值和容差值，并根据所述差值和容差值计算差值占比；

目标图像获取单元204，用于根据所述差值和差值占比计算透明度图，并根据所述透明度图将所述SRC图像与基础图像进行融合处理，得到目标图像。

在一实施例中，所述空间转换单元201包括：

V分量取值单元，用于利用以下公式计算V分量的取值范围：V＝max(R,G,B)；

S分量取值单元，用于利用V分量计算S分量的取值范围：

当V≠0时，S＝(V-min(R,G,B))/V；当V＝0时，S＝0；

H分量取值单元，用于利用V分量计算H分量的取值范围：

当V＝R时，H＝60*(G-B)/(V-min(R,G,B))；

当V＝G时，H＝120+60*(B-R)/(V-min(R,G,B))；

当V＝B时，H＝240+60*(R-G)/(V-min(R,G,B))。

在一实施例中，所述差值占比计算单元203包括：

归一化值获取单元，用于获取所述HSV图像中红色区域中大于0的低取值范围，以及低于360的高取值范围，并根据所述低取值范围和高取值范围对所述差值进行归一化处理，得到归一化值；

容差值计算单元，用于计算每一像素点中的H分量与所述参考像素点的H分量的差值的基准范围和所述基准范围的容差值；

差值占比计算单元，用于根据所述归一化值和容差值计算所述差值在所述基准范围和容差值的区域范围的差值占比。

在一实施例中，所述目标图像获取单元204包括：

参考像素点分量数值获取单元，用于获取所述参考像素点的S分量的最小值和最大值以及V分量的最小值和最大值；

显示占比获取单元，用于对所述差值占比进行规范化处理，得到规范化后的差值占比，结合所述S分量的最小值和最大值以及V分量的最小值和最大值，按照预设的计算规则计算每一个像素点在所述SRC图像中的显示占比；

透明度图获取单元，用于将所述显示占比进行规范化处理，得到所述透明度图。

在一实施例中，所述目标图像获取单元204还包括：

边缘透明度图获取单元，用于对所述透明度图进行边缘平滑处理操作，得到边缘透明度图；

后处理单元，用于根据所述边缘透明度图将所述SRC图像与基础图像进行融合处理，并对融合处理后的图像进行膨胀操作和腐蚀操作，得到目标图像。

在一实施例中，所述目标图像获取单元204还包括：

公式计算单元，用于按照以下公式进行融合处理：

combine(i,j)＝src(i,j)*mask(i,j)+b_img(i,j)*(1-mask(i,j))

其中，src(i,j)为所述SRC图像中的像素点，i为行号，j为列号，mask(i,j)为所述SRC图像中的像素点对应的透明度图，b_img(i,j)为所述基础图像中的其中一个像素点。

在一实施例中，差值占比规范化处理单元包括：

第一规范化处理单元，用于按如下公式对所述差值占比进行规范化处理：

value_h＝min(value_h,1.0)

value_h＝max(value_h,0.0)

其中，value_h表示差值占比；

显示占比规范化处理单元包括：

第二规范化处理单元，用于按如下公式对所述显示占比进行规范化处理：

mask(i,j)＝min(mask(i,j),1.0)

mask(i,j)＝max(mask(i,j),0.0)

其中，mask(i,j)表示透明度图中的像素点。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的图像颜色抠除方法。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的图像颜色抠除方法。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的状况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。