[发明专利]一种用于商品识别训练的图像编辑方法

说明书

本发明公开了一种用于商品识别训练的图像编辑方法，涉及图像处理领域。本发明通过帧差法获取到一个包含商品和阴影的第一掩模，通过查找商品轮廓获取到一个包含商品轮廓线的第二掩模，通过计算第一掩模和第二掩模的交集筛选掉第二掩模中的非商品轮廓线，并进行商品轮廓区域填充得到第三掩模，即精确掩模，最后通过第三掩模过滤掉前景图片中的非商品区域，得到目标图片，简化了阴影去除的流程，提供了阴影分离的效率，并为后续的商品识别训练提供高质量的目标图片。

技术领域

本发明涉图像处理领域，具体涉及一种用于商品识别训练的图像编辑方法。

背景技术

无人超市是相比于传统的有具体管理工作人员的超市而言的。传统超市零售业的购物方式中，每一家超市或便利店需要有专门的销售人员和收款人员，人力成本较高。随着电子支付技术、身份识别技术及商品识别技术极大地发展，在零售行业用无人超市代替传统有具体管理工作人员的超市就有了极大的发展空间，在现有的技术条件下也具备发展的可行性。

商品识别技术是无人超市涉及的重点技术之一，主要用于通过拍摄装置获取商品的价格等信息，而之前则需要采集大量的商品图像用于商品识别训练，目前商品图像的获取方法主要还是通过相机对商品进行多角度的拍摄，然后通过抠图的方式获取商品图像，但是拍摄的过程中无法避免地将阴影摄于到图像中，需要对图像进行阴影去除，若不去掉阴影，用于商品识别阴影的训练时，阴影被当成商品的一部分，导致训练模型不准确，识别率较低。

目前的阴影去除办法为：通过抠图算法将带有阴影的商品图像抠出，通过多次用户交互(例如grubcut算法)对阴影和商品进行分离，不仅操作复杂，且去阴影效果较差。

发明内容

本发明的目的在于：针对现有技术中的缺陷，本发明提供一种用于商品识别训练的图像编辑方法，以解决现有技术商品图片的阴影分离效率低和去除效果差的问题。

本发明采用的技术方案如下：

一种用于商品识别训练的图像编辑方法，包括以下多个非顺序执行步骤：

S1：通过无影灯箱获取商品的视频集，视频集初始段落为未放置商品的纯背景帧，通过将这些背景帧求平均获得背景图片；其余带商品视频集进行逐帧解析获得前景图片；

S2：将背景图片和前景图片分解成多个单通道数组，依次计算所有单通数组中前景图片和背景图片的绝对差值，并根据绝对差值将图像信息二值化，并通过所有通道数组的求和计算，求得第一掩模；

S3：对S1中的前景图片进行商品轮廓线查找，求得第二掩模；

S4：通过计算第一掩模和第二掩模的交集，去掉第二掩模中的非商品轮廓线，并对商品轮廓线内的区域进行填充，获得第三掩模；

S5：使用第三掩模过滤S1中的前景图片中非商品区域，最终获得商品分隔目标图片。

优选地，所述S2包括以下步骤：

S2.1：分别将背景图片和前景图片分解成R,G,B三个单通道数组；

S2.2：通过opencv的absdiff方法依次计算三个单通道数组中的前景图片和背景图片的绝对差值；

S2.3：设定阈值，并通过opencv的threshold方法将大于阈值的位置的像素值设置为255，其他位置设置为0；

S2.4：将各个单通道数组的结果进行求和，求得第一掩模。

优选地，所述S2还包括以下步骤：

S2.5：通过形态学操作对第一掩模进行膨胀腐蚀组合。

优选地，所述S2还包括以下步骤：