如何从图像中提取图层（jpg，png等）

Question

给定一个图像，例如 CakePHP 徽标，如何将这个图像转换回带有图层的 PSD。作为人类，我可以很容易地弄清楚如何将其转换回具有图层的 PSD。我可以看出背景是带有星形边缘的圆形。所以圆形星形部分在后面，蛋糕图像在上面，CakePHP 字样在这两个图像之上。

我可以使用 Photoshop/Gimp 工具将这些图像分成三张图像并填充中间的区域。然后我有三层。

作为人类，很容易计算出大多数徽标和图像的分层，并且许多图像具有多个层次，CakePHP 徽标只是一个示例。现实世界中的图像也有层次感，在草的背景上可能会有树的层次。我需要一种将图像转换回分层表示的通用方法，最好是一种软件解决方案。

在没有程序解决方案的情况下，是否有任何论文或研究解决了这个问题或与这个问题相关？我最感兴趣的是将人工构建的图像（例如徽标或网站标题）转换回分层表示。

---

我想指出这样做的一些好处，如果您可以自动将此图像分层表示，那么修改图像会更容易。例如，也许你想让蛋糕变小，如果计算机已经在红色背景上分层了蛋糕，你可以缩放蛋糕层。这允许在还没有图层信息的网站上对图像进行图层调整。

Answer 1

当您从图层表示转换为图像时，您会丢失信息。例如，您不知道蛋糕后面背景层的像素值。此外，您不确定图像的哪个部分属于哪个层。

但是，在某些情况下，至少可以部分恢复或估计此信息。例如，您可以尝试使用segmentation 算法将图像分成“层”。在您的示例中，基于颜色的简单分割可能会起作用。

至于在背景中恢复丢失的像素值，有所谓的inpainting 技术，它试图根据其周围环境来估计图像中的丢失区域。

最后，要恢复图像中文本的位置和内容，您可以依赖 Optical Character Recognition (OCR) 方法。

请记住，没有简单的算法可以解决您的问题，而且比看起来更复杂。但是，使用上述信息，您可以尝试至少部分自动化您的问题。

Answer 2

如前所述，这是一项不平凡的任务。最终，它可能是最 简单地表述为：给定一个由以下组成的图像（或场景，如果是真实照片） 像素N，如何分配给M层？

对于细分，一切都与您可以承担的先验知识有关 关于像素和像素组的哪些属性给出“提示”（和 我建议使用这个词！）关于它们所属的层。

即使是在图像中仅使用颜色的最简单情况也是如此。我能 生成这 5 个“层”（对于色调值 0、24、90、117 和 118）：

使用此代码（在 python/opencv 中）

import cv 

# get orginal image
orig = cv.LoadImage('cakephp.png')

# show original 
cv.ShowImage("orig", orig)

# convert to hsv and get just hue
hsv = cv.CreateImage(cv.GetSize(orig), 8, 3) 
hue = cv.CreateImage(cv.GetSize(orig), 8, 1) 
sat = cv.CreateImage(cv.GetSize(orig), 8, 1) 
val = cv.CreateImage(cv.GetSize(orig), 8, 1) 
cv.CvtColor(orig, hsv, cv.CV_RGB2HSV)
cv.Split(hsv,hue,sat,val,None)
#cv.ShowImage("hue", hue)

# loop to find how many different hues are present...
query = cv.CreateImage(cv.GetSize(orig), 8, 1) 
result = cv.CreateImage(cv.GetSize(orig), 8, 1) 
for i in range(0,255):
  cv.Set(query,i)
  cv.Cmp(query,hue,result,cv.CV_CMP_EQ)
  # if a number of pixels are equal - show where they are 
  if (cv.CountNonZero(result)>1000): # <-what is signficant?
    cv.ShowImage(str(i),result)
    cv.SaveImage(str(i)+".png",result)
    cv.WaitKey(-1)

但是，即使在这里，我们也必须根据 属于掩码的像素数（在某种程度上我们可能会错过一些 颜色）。我们可以开始聚集相似的颜色——但是在什么时候 集群的密度是否变得重要？如果它不仅仅是纯色， 但是有纹理，我们怎么能描述这个呢？或者，如何推断 一层是另一层的一部分，还是在它前面？或者，最终，一些 这些层似乎是我们人类所说的“字母”，因此可能应该是 所有相关...

计算机视觉中的许多分割研究通常都试图采取 这个问题并在一个可以编码和应用它的框架内改进它 先验知识有效...