[發(fā)明專利]半自動化圖像數(shù)據(jù)標注方法、電子裝置及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201911117335.0
• 申請日: 2019-11-15
• 公開（公告）號: CN110992384B
• 公開（公告）日: 2023-04-11
• 發(fā)明（設(shè)計）人: 鄧輔秦;黃永深;彭健烽;馮華;陳穎穎;李偉科
• 申請（專利權(quán)）人: 五邑大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/194
• 代理公司: 廣州嘉權(quán)專利商標事務(wù)所有限公司 44205
• 代理人: 孫浩

本發(fā)明公開了一種半自動化圖像數(shù)據(jù)標注方法、電子裝置及存儲介質(zhì)，通過在步驟S200中獲取未選擇區(qū)域坐標點及第一范圍值，通過鼠標在未選擇區(qū)域上點擊獲取到鼠標的坐標作為未選擇區(qū)域坐標點。通過多次選擇未選擇區(qū)域坐標點及第一范圍值，可以在每一次grabcut分割后再執(zhí)行邊緣跟蹤算法獲得當前邊緣坐標，利用每一次獲得的當前邊緣坐標更新局部坐標集合，最后在用戶確認前景區(qū)域被全選中后，會在鍵盤上按下某個鍵從而發(fā)送出全選中指令，則此時的局部坐標集合就被作為全部坐標集合，由用戶輸入對應于該前景圖像的類別信息，并將類別信息與全部坐標集合保存為json文件用于后續(xù)的神經(jīng)網(wǎng)絡(luò)訓練。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機圖像處理技術(shù)領(lǐng)域，特別涉及一種半自動化圖像數(shù)據(jù)標注方法、電子裝置及存儲介質(zhì)。

背景技術(shù)

grabcut圖像分割算法是一種有效的從復雜背景中提取前景目標的圖像分割算法，利用了圖像中的紋理(顏色)信息和邊界(反差)信息，圖像分割效果比較好。輸入一個包含目標的圖像，使用grabcut算法進行圖像切割，即可將前景目標從背景圖像中分離出來，輸出目標為白色和背景為黑色的二值化圖片。

grabcut算法的交互方法是通過用戶畫框來實現(xiàn)。用戶畫一個框，框住前景物體，鼠標釋放以后，前景就可以被分割出來。如圖5所示，為現(xiàn)有技術(shù)中，使用grabcut算法進行圖像分割的效果圖。一般可以通過grabcut算法來將前景分割出來，從而獲得前景圖像的標注數(shù)據(jù)。但是在采用grabcut算法獲取標注數(shù)據(jù)的時候，只能對前景圖像畫一個框，導致在對某些輪廓形狀比較特別的前景圖像使用grabcut算法時，畫的框范圍特別大，從而在框內(nèi)存在較多的背景像素，導致grabcut算法精度下降。

發(fā)明內(nèi)容

本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題之一。為此，本發(fā)明提出一種半自動化圖像數(shù)據(jù)標注方法、電子裝置及存儲介質(zhì)，能夠多次對待標注圖像執(zhí)行g(shù)rabcut算法獲取前景圖像的輪廓坐標，提升了獲取到的圖像標注數(shù)據(jù)的精度。

第一方面，本發(fā)明實施例提供一種半自動化圖像數(shù)據(jù)標注方法，包括以下步驟：

步驟S100:顯示待標注圖像，所述待標注圖像包括已選擇區(qū)域和未選擇區(qū)域；

步驟S200:獲取未選擇區(qū)域坐標點及第一范圍值；

步驟S300:基于獲取的獲取未選擇區(qū)域坐標點及第一范圍值執(zhí)行g(shù)rabcut算法并獲得grabcut算法分割后二值化圖片；

步驟S400:對二值化圖片執(zhí)行邊緣跟蹤算法獲取當前邊緣坐標；

步驟S500:基于獲取的當前邊緣坐標更新局部坐標集合；

步驟S600:基于獲取的局部坐標集合更新所述待標注圖像的已選擇區(qū)域；

步驟S700:判斷是否收到全選中指令，若是，則生成全部坐標集合，若否，則返回步驟S200；

步驟S800:獲取類別信息，并將類別信息與全部坐標集合保存為json文件。

根據(jù)本發(fā)明實施例的一種半自動化圖像數(shù)據(jù)標注方法，至少具有如下有益效果：通過在步驟S200中獲取未選擇區(qū)域坐標點及第一范圍值，通過鼠標在未選擇區(qū)域上點擊獲取到鼠標的坐標作為未選擇區(qū)域坐標點，并以未選擇區(qū)域坐標點為基準點，根據(jù)用戶輸入的第一范圍值來構(gòu)建正方形，這個正方形就是grabcut算法中的畫框操作。通過多次選擇未選擇區(qū)域坐標點及第一范圍值，可以在每一次grabcut分割后再執(zhí)行邊緣跟蹤算法獲得當前邊緣坐標，利用每一次獲得的當前邊緣坐標更新局部坐標集合，最后在用戶確認前景區(qū)域被全選中后，會在鍵盤上按下某個鍵從而發(fā)送出全選中指令，則此時的局部坐標集合就被作為全部坐標集合，由用戶輸入對應于該前景圖像的類別信息，并將類別信息與全部坐標集合保存為json文件用于后續(xù)的神經(jīng)網(wǎng)絡(luò)訓練。因此，本實施例提供的半自動化圖像數(shù)據(jù)標注方法，可以在利用grabcut算法進行自動分割的基礎(chǔ)上，又可以接受人工的實時干預，提高了圖像數(shù)據(jù)標注的精度。