CN101859444A - 图像处理装置及图像处理方法 - Google Patents
图像处理装置及图像处理方法 Download PDFInfo
- Publication number
- CN101859444A CN101859444A CN201010141934.9A CN201010141934A CN101859444A CN 101859444 A CN101859444 A CN 101859444A CN 201010141934 A CN201010141934 A CN 201010141934A CN 101859444 A CN101859444 A CN 101859444A
- Authority
- CN
- China
- Prior art keywords
- subject area
- pixel
- image processing
- value
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims description 37
- 239000000284 extract Substances 0.000 claims description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 12
- 238000004040 coloring Methods 0.000 claims description 12
- 238000005520 cutting process Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 description 23
- 230000000694 effects Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000001915 proofreading effect Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000007620 mathematical function Methods 0.000 description 3
- 230000005055 memory storage Effects 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000012888 cubic function Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Generation (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供图像处理装置及图像处理方法。边界校正单元将对象区域分割为多个网格,并在位于所述对象区域的边框上的边界顶点所属的网格的位于朝向所述对象区域的内部的方向上一侧的像素组当中,将位于颜色在该方向上的变化量等于或小于阈值的位置的像素,指定作为各边界顶点的校正像素。该边界校正单元针对各组相邻的校正像素,获得将相邻的校正像素相互连接的曲线,并获得由所获得的曲线包围的区域作为非校正区域。该边界校正单元通过将所述非校正区域的边框上的各像素的值赋给位于所述对象区域的边框上的对应像素的值,来更新所述对象区域。
Description
技术领域
本发明涉及一种图像处理装置及图像处理方法,其通过调整网格(mesh)的位置、渐变(gradient)和颜色来近似对象,以将光栅图像中的对象转换为渐变网格,从而减小网格与对象之间的颜色误差。
背景技术
传统上,使用通过诸如贝塞尔函数(Bezier function)或样条函数(spline function)的函数来近似对象的轮廓的方法,用于图表和文字的自由分辨率(resolution-free)表现。该方法是常用的高速表现方法,但是很难用于复杂灰度级(gradation)的表现。
通常使用的渐变网格工具,以通过自由分辨率表现来描绘包含复杂灰度级的对象。可以使用渐变网格方法,通过将颜色和渐变添加到网格生成三次函数(cubic function),来描绘复杂的对象(专利文献1和2)。
对于包含复杂灰度级的对象的自由分辨率表现,已提出的一些方法通过网格来近似图像。这些方法的示例是使用三角形区块(patch)来近似图像的方法(专利文献3)以及通过将贝塞尔区块分割为独立的小区域来减小近似误差的方法(非专利文献1)。其他已提出的方法通过解决最优化问题来构造渐变网格,使用相对少的网格实现自由分辨率表现(专利文献4和非专利文献2)。
[专利文献1]日本特开平11-345347号公报
[专利文献2]日本特开平10-320585号公报
[专利文献3]日本专利注册03764765号
[专利文献4]U.S.Pre-Grant Publication No.2008/0278479
[非专利文献1]Brian Price,William Barrett,″Object-basedvectorization for interactive image editing″,In proceedings of PacificGraphics 2006,2006,vol.22,Nos.9-11,pp.661-670.
[非专利文献2]Jian Sun,Lin Liang,Fang Wen,Heung-Yeung Shum,″Image Vectorization using Optimized Gradient Meshes″,In proceedings ofSIGGRAPH 2007,2007,vol.26,No.3.
上述使用三角形区块来近似图像的方法产生了与对象边界表现相关联的问题。当对象边界具有平滑曲线时,很难通过线性网格如实地近似该曲线,因此,必须使用大量的网格来如实地近似该曲线。需要使用高阶网格,以通过较少数量的网格来近似复杂的边界。
由于上述通过将贝塞尔区块分割为独立的小区域来减小近似误差的方法使用高阶网格,因此可以如实地近似对象边界。然而,该方法将网格分割为独立的小区域以减小近似误差,因此需要相对多的网格进而需要相对大量的数据,来近似对象颜色的变化复杂的部分。
上述通过解决最优化问题来构造渐变网格的方法、以及针对各三角形区块计算评估函数的方法,能够通过较少的网格在对象边界和对象颜色的变化复杂的部分实现自由分辨率表现。然而,如果渐变网格的顶点位于具有对象和背景的颜色之间的中间颜色的像素处,并且在进行诸如防锯齿(anti-aliasing)处理时在对象边界生成,则中间颜色的负面影响扩展到网格中。这产生了无法以足够的近似精度生成网格的问题。
发明内容
基于对上述问题的考虑而作出了本发明,本发明提供了一种通过渐变网格有效地近似对象的技术。
根据本发明的第一方面,提供了一种图像处理装置,该图像处理装置包括:从图像中提取对象的区域作为对象区域的单元;分割单元,其将所述对象区域分割为多个网格,并获得形成所述网格的各顶点的位置信息、渐变信息以及颜色信息;指定单元,其在位于在所述对象区域的边框上的边界顶点所属的网格的、朝向所述对象区域的内部的方向一侧的像素组中,指定处于颜色在该方向上的变化量不大于阈值的位置的像素,作为各边界顶点的校正像素;针对各组相邻的校正像素获得将相邻的校正像素彼此连接的曲线,并获得由所获得的曲线包围的区域作为非校正区域的单元;以及更新单元,其通过将所述非校正区域的边框上的各像素的值赋给位于所述对象区域的边框上的对应像素的值,来更新所述对象区域。
根据本发明的第二方面,提供了一种图像处理装置,该图像处理装置包括:从图像中提取对象的区域作为对象区域的单元;指定单元,其指定所述对象区域内的、位于所述对象区域的边框上的边界像素附近的像素,作为各边界像素的校正像素;更新单元,其通过将所述校正像素的值赋给所述边界像素的值,来更新所述对象区域;以及分割单元,其将所述更新单元更新的所述对象区域分割为多个网格,并获得形成所述网格的各顶点的位置信息、渐变信息以及颜色信息。
根据本发明的第三方面,提供了一种图像处理装置的图像处理方法,该图像处理方法包括:由所述图像处理装置中包括的处理单元从图像中提取对象的区域作为对象区域的步骤;分割步骤,所述处理单元将所述对象区域分割为多个网格,并获得形成所述网格的各顶点的位置信息、渐变信息以及颜色信息;指定步骤,所述处理单元在位于所述对象区域的边框上的边界顶点所属的网格的、朝向所述对象区域的内部的方向一侧的像素组中,指定处于颜色在该方向上的变化量不大于阈值的位置的像素,作为各边界顶点的校正像素;所述处理单元针对各组相邻的校正像素获得将相邻的校正像素彼此连接的曲线,并获得由所获得的曲线包围的区域作为非校正区域的步骤;以及更新步骤,所述处理单元通过将所述非校正区域的边框上的各像素的值赋给位于所述对象区域的边框上的对应像素的值,来更新所述对象区域。
根据本发明的第四方面,提供了一种图像处理装置的图像处理方法,该图像处理方法包括:从图像中提取对象的区域作为对象区域的步骤;指定步骤,指定所述对象区域内的、位于所述对象区域的边框上的边界像素附近的像素,作为各边界像素的校正像素;更新步骤,通过将所述校正像素的值赋给所述边界像素的值,来更新所述对象区域;以及分割步骤,将在所述更新步骤中更新的所述对象区域分割为多个网格,并获得形成所述网格的各顶点的位置信息、渐变信息以及颜色信息。
通过下面参照附图对示例性实施例的描述,本发明的其他特征将变得清楚。
附图说明
图1是例示根据第一实施例的图像处理装置的功能配置的示例的框图;
图2是初始网格生成单元102使用对象区域的数据进行的处理的流程图;
图3A至图3D是示出提取的对象区域的图;
图4是用于说明步骤S207中的处理的图;
图5是边界校正单元103进行的处理的流程图;
图6A至图6F是示出对象区域的图;
图7A和图7B是示出对象区域的边界部分的图;
图8是例示计算机的硬件配置的示例的框图;
图9是边界校正单元103进行的处理的流程图;
图10A至图10F是示出对象区域的图;
图11是示出对象区域的边界部分的图;
图12是边界校正单元103进行的处理的流程图;
图13A至图13F是示出对象区域的图;
图14A和图14B是示出对象区域的边界部分的图;
图15是例示根据第三实施例的图像处理装置的功能配置的示例的框图;
图16是边界校正单元1501进行的处理的流程图;
图17A至图17F是示出对象区域的图;以及
图18A至图18C是示出对象区域的边界部分的图。
具体实施方式
下面将参照附图描述本发明的实施例。请注意,下文中要描述的实施例仅仅例示了实际实施本发明的情况,并且是具有权利要求书中限定的配置的实际实施例。
[第一实施例]
首先参照图1说明根据本实施例的图像处理装置的功能配置的示例。如图1所示,根据本实施例的图像处理装置包括对象输入单元101、初始网格生成单元102、边界校正单元103以及校正后网格生成单元104。
对象输入单元101接收包含一个或更多个对象的输入图像。该“对象”是指文本或物体图像。下面,将假设该“对象”包含颜色灰度级来描述本实施例。
对象输入单元101从输入图像中提取对象的区域,作为对象区域。图3A例示了提取的对象区域的一个示例。提取的对象区域的数据包括:形成对象区域301的边框303的各像素在输入图像中的坐标位置、以及形成对象区域301的内部302的各像素的值。尽管假设像素值用8位表现各R、G、B颜色分量来描述本实施例,但是颜色分量的类型和形成一个颜色分量的位数不限于此。而且,对象区域的数据可以具有其他结构,只要可以获得形成对象区域的边框的各像素的坐标位置、以及形成对象区域的内部的各像素的值即可。对象输入单元101将提取的对象区域的数据发送到后一阶段的初始网格生成单元102。
下面参照图2描述初始网格生成单元102使用对象区域的数据进行的处理。在步骤S201中,初始网格生成单元102使用形成对象区域的边框的各像素的坐标位置,来获得对象区域内的基准位置。在本实施例中,获得对象区域的重心位置(中心位置)作为基准位置。当然,对象区域内的基准位置不限于中心位置,而且获得中心位置的处理也不限于此。
在步骤S202中,初始网格生成单元102在对象区域内部设置在步骤S201中获得的中心位置处以直角相交的两个轴(x轴和y轴),以将对象区域分割为四个区域。也就是说,通过两个轴获得四个分割区域。
下面参照图3B描述步骤S201和S202中的处理。参照图3B,附图标记401表示在步骤S201中获得的中心位置;附图标记402和403表示在中心位置401以直角相交、并在输入图像中分别沿x轴方向和y轴方向延伸的两个轴。通过设置两个轴402和403,对象区域301被分割为分割区域404、405、406以及407。
回来参照图2,在步骤S203和S204中,初始网格生成单元102在各分割区域的边框部分上设置代表点,使得在相对的分割区域中的代表点之间的距离最长。
下面参照图3C描述步骤S203和S204中的处理。参照图3C,附图标记501表示分割区域404的边框部分;附图标记502表示分割区域405的边框部分;附图标记503表示分割区域406的边框部分;附图标记504表示分割区域407的边框部分。
注意,初始网格生成单元102确定分割区域404的边框部分501上的代表点和与分割区域404相对的分割区域406的边框部分503上的代表点的位置,使得这些代表点之间的距离最大。结果,初始网格生成单元102在边框部分501上设置代表点507,在边框部分503上设置代表点509,如图3C所示。
类似地,初始网格生成单元102确定分割区域405的边框部分502上的代表点和与分割区域405相对的分割区域407的边框部分504上的代表点的位置,使得这些代表点之间的距离最大。结果,初始网格生成单元102在边框部分502上设置代表点508,在边框部分504上设置代表点510,如图3C所示。
也就是说,该处理能够在每个分割区域的边框部分上设置一个代表点,进而能够无偏斜地布置四个代表点。
回来参照图2,在步骤S205中,初始网格生成单元102对各组相邻的代表点执行用于获得将相邻的代表点彼此连接的三次贝塞尔样条曲线(参数曲线)的处理,以获得四个三次贝塞尔样条曲线。这使得可以使用这四个三次贝塞尔样条曲线来近似对象区域的边框形状。
在步骤S206中,初始网格生成单元102根据在步骤S205中获得的四个三次贝塞尔样条曲线生成昆氏(Coons)区块,以由四个三次贝塞尔样条曲线获得一个参数面。
下面参照图3D描述步骤S205和S206中的处理。参照图3D,附图标记601表示连接代表点507和508的三次贝塞尔样条曲线;附图标记602表示连接代表点508和509的三次贝塞尔样条曲线;附图标记603表示连接代表点509和510的三次贝塞尔样条曲线;附图标记604表示连接代表点510和507的三次贝塞尔样条曲线。
因此,在图3D的情况下,在步骤S205中初始网格生成单元102获得四个三次贝塞尔样条曲线601至604。然后,在步骤S206中,初始网格生成单元102通过以使用昆氏区块的参数面(parametric surface)的形式表现由这四个三次贝塞尔样条曲线601至604包围的区域,来获得参数面605。注意,通过已知技术执行该处理,因此将不对其进行更加详细的描述。
回来参照图2,在步骤S207中,初始网格生成单元102在u、v方向均匀分割在步骤S206中获得的参数面,以生成网格组。也就是说,初始网格生成单元102在u、v方向上对参数面上的点进行二维采样,以将参数面(对象区域)分割为网格,每个网格由四个采样点定义。通过该分割处理,获得表示形成网格的各顶点的位置的位置信息、这些位置处的顶点的渐变信息、以及这些位置处的顶点的颜色信息。
为了有效地执行随后的最优化处理,期望在接近最理想的网格的位置处生成网格。还期望以对应于图像特征的数量适应性地布置网格。
下面参照图4描述步骤S207中的处理。参照图4,三次贝塞尔样条曲线701和703在u方向(即,由参数面定义的方向)上延伸,三次贝塞尔样条曲线702和704在v方向(即,由参数面定义的方向)上延伸。在这种情况下,在u、v方向上对参数面上的点进行二维采样,以将参数面分割为网格,每个网格由四个采样点定义,由此生成网格组705。也就是说,将参数面均匀分割为多个网格。
由于用在u、v方向两个上取0至1的值的参数来描述参数面,因此,此处的“均匀分割”是指:如果参数面被分割为例如10个区域,则在参数以0.1的步长改变的情况下,对各位置处的点进行采样。当然,可以任意设置u、v方向上的分割数量。参照图4,u、v方向上的分割数量均为15。
在初始网格生成单元102执行上述处理之后,边界校正单元103使用对象输入单元101获得的对象区域的数据、以及初始网格生成单元102获得的初始网格组,来校正对象区域的边界部分。下面参照图5、图6A至图6F、图7A和图7B描述边界校正单元103进行的处理。
对象输入单元101提取的对象区域包括非防锯齿区域901和防锯齿区域902,如图6A所示。如果对这种对象区域进行处理,则初始网格生成单元102获得区域901内的顶点950以及区域902内的顶点903(边界顶点),如图6B所示。
当显示由图6B所示的顶点组定义的初始网格组时,在进行防锯齿处理时生成的中间颜色的负面影响扩展到对象区域中,如图6C所示,这是因为在顶点之间对渐变网格的颜色进行了插值。
在本实施例中,还对其他边界顶点执行如下处理:在位于顶点903所属的网格朝向对象区域的内部的方向一侧的像素组中,将位于颜色在该方向上的变化量等于或小于阈值的位置处的像素指定为校正像素。通过参照位于一侧的各个像素中的邻近像素,来计算颜色的变化量。其中,X(N)表示位于一侧的第N个像素的像素值,X(N-1)表示位于该侧的第(N-1)个像素的像素值,通过计算公式D(N)=|X(N)-X(N-1)|来获得颜色的变化量D(N)。当D(N)等于或小于阈值时,使用第N个像素作为校正像素。针对各组相邻的校正像素,获得将相邻的校正像素彼此连接的曲线,并获得由所获得的曲线包围的区域作为非校正区域。通过将非校正区域的边框上的各像素的值赋给形成非校正区域与对象区域之间的差分区域的对应像素的值,来更新对象区域。这使得可以去除在进行防锯齿处理时生成的中间颜色。
首先,在步骤S801中,边界校正单元103针对位于对象区域的边框(边界线)上的各边界顶点检索校正像素。更具体地说,在位于边界顶点所属的网格朝向对象区域的内部的方向一侧的像素组中,检索位于颜色在该方向上的变化量等于或小于阈值的位置处的像素,并将检索到的像素指定为校正像素。
参照图7A,附图标记1001表示边界顶点;附图标记1004表示对象区域的边框。在步骤S801中,在边界顶点1001中的箭头指示的方向上开始校正像素检索处理,并指定位于颜色在该方向上的渐变(变化量)等于或小于阈值的位置的像素作为校正像素。参照图7A,作为检索结果,指定校正像素1002。此处,尽管根据颜色渐变指定了具有对象区域内部的代表颜色的像素值的校正像素1002,但是可以采用其他方法,只要该方法检索网格侧方向上的像素即可。
在步骤S802中,边界校正单元103针对各组相邻的校正像素,获得将相邻的校正像素彼此连接的曲线(内边界线)。尽管使用参数曲线根据网格导出该曲线,但是可以采用其他方法。参照图7A,附图标记1003表示内边界线。参照图6D,附图标记904表示内边界线;附图标记905表示对象区域的边界线。
在步骤S803中,边界校正单元103设置对象区域的边框(边界线)与内边界线之间的间隔,作为边界区域。参照图7A,边界线1004与内边界线1003之间的区域1005是步骤S803中设置的边界区域。参照图6D,附图标记906表示边界区域。
在步骤S804中,边界校正单元103将位于内边界线1003上的各像素的值赋给区域1005内的对应像素的值,如图7B所示。可以采用各种处理作为赋值处理。例如,在内边界线上的像素组中,指定距离边界区域内的关注像素最近的像素,并将指定像素的值赋给关注像素的值。通过上述处理,校正了防锯齿区域,如图6E所示。
校正后网格生成单元104使用边界校正单元103校正的对象区域的数据执行与初始网格生成单元102中相同的处理,以生成去除了防锯齿处理的校正后的网格,如图6F所示。通过图6C和图6F所示的对象区域之间的对比可以看出,图6F所示的对象区域中的生成的网格更近似于图6A所示的对象区域中的网格。可以将作为校正后网格生成单元104的处理结果的数据存储在图像处理装置内的存储器中,或者可以出于例如显示的目的、将该数据输出到图像处理装置外部。
通过上述描述可以理解,根据本实施例,通过校正对象区域的边界附近的像素值以消除例如在进行防锯齿处理时生成的、对象颜色和背景颜色之间的中间颜色的负面影响,能够提高由渐变网格表示的对象的图像质量。
<第一实施例的变型例>
可以通过硬件来构成图1所示的各单元,或者可以将图1所示的各单元作为软件(计算机程序)来实施。在这种情况下,在诸如PC(个人计算机)的通用计算机的存储器上安装软件。计算机通过其CPU执行安装的软件,来实现上述图像处理装置的功能(图1所示的各单元的功能)。也就是说,计算机适用于上述图像处理装置。下面参照图8描述能够作为根据第一实施例的图像处理装置采用的计算机的硬件配置的示例。
CPU 1101使用存储在RAM 1102和ROM 1103中的计算机程序和数据来控制整个计算机,并执行图像处理装置的上述各处理。也就是说,CPU 1101执行图1所示的对应单元的上述各处理。
RAM 1102是计算机可读存储介质的一个示例。RAM 1102包括用于临时存储例如从外部存储设备1107和存储介质驱动器1108加载的计算机程序和数据、以及经由I/F(接口)1109从外部设备接收的数据的区域。RAM 1102还包括供CPU 1101的各种类型的处理使用的工作区。也就是说,RAM 1102能够按照需要提供各种类型的区域。ROM 1103是计算机可读存储介质的一个示例,其存储计算机设置数据、引导程序等。
通过计算机操作者的操控,可以使用键盘1104和鼠标1105向CPU1101输入各种类型的指令。显示设备1106包括例如CRT或液晶屏,其能够以例如图像和文本的形式显示CPU 1101的处理结果。显示设备1106能够例如显示上述输入图像,清楚地显示提取的对象区域,显示更新(校正)的对象区域,并显示例如在网格编码处理中获得的三次贝塞尔样条曲线和参数面。
外部存储设备1107是计算机可读存储介质的一个示例,其是以硬盘驱动设备为代表的大容量信息存储设备。外部存储设备1107保存例如OS(操作系统)、使CPU 1101实现图1所示的各单元的功能的计算机程序和数据、上述输入图像的数据、以及上述已知的信息。在CPU 1101的控制下,按照需要将保存在外部存储设备1107中的计算机程序和数据加载到RAM 1102中,并由CPU 1101进行处理。
存储介质驱动器1108读出记录在诸如CD-ROM或DVD-ROM的存储介质上的计算机程序和数据,并将读出的计算机程序和数据输出给外部存储设备1107和RAM 1102。保存在外部存储设备1107中的部分或全部上述信息可以记录在存储介质上、并通过存储介质驱动器1108读出。
I/F 1109用于将外部设备连接到计算机。用于获取上述输入图像的设备(例如数字照相机)可以连接到I/F 1109,以经由I/F 1109将输入图像从该设备加载到RAM 1102和外部存储设备1107中。附图标记1110表示将上述各单元彼此连接的总线。
在上述配置中,当接通计算机的电源时,CPU 1101根据存储在ROM1103中的上述引导程序,将OS从外部存储设备1107加载到RAM 1102中。这使得能够经由键盘1104和鼠标1105进行信息输入操作、并在显示设备1106上显示GUI。当用户操控键盘1104和鼠标1105以向CPU 1101输入用于启动存储在外部存储设备1107中的图像处理应用程序的指令时,CPU 1101将程序加载到RAM 1102中,并执行该程序。通过该操作,计算机用作上述图像处理装置。CPU 1101执行的图像处理应用程序基本上包括与图2和图5示出的各构成元素相对应的数学函数。
[第二实施例]
在第一实施例中,对形成边界区域的所有像素的值进行校正。然而,在第一实施例中,尽管可以广泛消除中间颜色的负面影响,但是也不期望地对用来形成对象的像素进行校正。此外,在必要时进行的后续处理中,仅需要在对象的边界线上移动渐变网格的边界顶点。因此,至少校正对象的边界像素使得可以消除绘制网格所引起的中间颜色的负面影响。鉴于此,在第二实施例中,仅校正对象区域的边界线上的像素。根据第二实施例的图像处理装置与第一实施例的不同之处仅在于边界校正单元103的操作。
对象输入单元101提取的对象区域包括非防锯齿区域901和防锯齿区域902,如图10A所示。如果对这种对象区域进行处理,则初始网格生成单元102获得区域901内的顶点950以及区域902内的顶点903(边界顶点),如图10B所示。
当显示由图10B所示的顶点组定义的初始网格组时,在进行防锯齿处理时生成的中间颜色的负面影响扩展到对象区域中,如图10C所示,这是因为在顶点之间对渐变网格的颜色进行了插值。
在本实施例中,还对其他边界顶点执行如下处理:在位于顶点903所属网格朝向对象区域的内部的方向一侧的像素组中,将位于颜色在该方向上的变化量等于或小于阈值的位置处的像素指定为校正像素。针对各组相邻的校正像素,获得将相邻的校正像素彼此连接的曲线,并获得由所获得的曲线包围的区域作为非校正区域。通过将非校正区域的边框上的各像素的值赋给位于对象区域的边框上的对应像素的值,来更新对象区域。
首先,在图9所示的步骤S1201中,边界校正单元103针对位于对象区域的边框(边界线)上的各边界顶点检索校正像素,如同上述步骤S801。
在步骤S1202中,边界校正单元103针对各组相邻的校正像素、获得将相邻的校正像素彼此连接的曲线(内边界线),如同上述步骤S802。
在步骤S1203中,边界校正单元103设置对象区域的边框(边界线)与内边界线之间的间隔,作为边界区域。参照图10D,附图标记906表示边界区域。
在步骤S1204中,边界校正单元103将位于内边界线1003上的各像素的值赋给对象区域的边框1004上的对应像素的值,如图11所示。可以采用各种处理作为赋值处理。例如,在内边界线上的像素组中,指定距离对象区域的边界线上的关注像素最近的像素,并将指定像素的值赋给关注像素的值。通过上述处理,校正了对象区域的边框,如图10E所示。
校正后网格生成单元104使用边界校正单元103校正的对象区域的数据执行与初始网格生成单元102中相同的处理,以生成去除了防锯齿处理的校正后的网格,如图10F所示。通过图10C和图10F所示的对象区域之间的对比可以看出,图10F所示的对象区域中的生成的网格更近似于图10A所示的对象区域中的网格。可以将作为校正后网格生成单元104的处理结果的数据存储在图像处理装置内的存储器中,或者可以出于例如显示的目的、将该数据输出到图像处理装置外部。
通过上述描述可以理解,根据本实施例,通过校正对象区域的边界上的像素值以消除例如在进行防锯齿处理时生成的、对象颜色和背景颜色之间的中间颜色的负面影响,能够提高由渐变网格表示的对象的图像质量。
<第二实施例的变型例>
在第二实施例中,校正了对象区域的边界线上的所有像素的值。然而,如果仅有一部分对象区域是防锯齿的,则在第二实施例中还不期望地校正了不需要校正的部分。鉴于此,在本变型例中,针对各自包括相邻的边界顶点以及通过这些边界顶点获得的校正像素的各区域,确定是否校正形成所述区域的边框部分的像素的值。根据本变型例的图像处理装置与第一实施例的不同之处仅在于边界校正单元103的操作。
对象输入单元101提取的对象区域包括非防锯齿区域1601和防锯齿区域1602,如图13A所示。请注意,在本变型例中,并非对象区域的整个外周都是防锯齿的。如果对这种对象区域进行处理,则初始网格生成单元102获得区域1601内的顶点1650以及区域1602内的顶点1603(边界顶点),如图13B所示。
当显示由图13B所示的顶点组定义的初始网格组时,在进行防锯齿处理时生成的中间颜色的负面影响扩展到对象区域中,如图13C所示,这是因为在顶点之间对渐变网格的颜色进行了插值。
根据本变型例,在上述第二实施例中,在分配像素值之前,针对包括两个相邻的边界顶点以及与这两个相邻的边界顶点相对应的校正像素的各区域,获得绘制(rendering)前与绘制后颜色之间的误差。通过将非校正区域的边框上的各像素的值赋给位于对象区域的边框的、除颜色误差小于阈值的区域以外的部分上的对应像素的值,来更新对象区域。
接下来将参照图12、图14A和图14B更加详细地描述边界校正单元103进行的处理。首先,在步骤S1501中,边界校正单元103针对位于对象区域的边框(边界线)上的各边界顶点检索校正像素,如同上述步骤S801。参照图13D,附图标记1605表示对象区域的边界线。
参照图14A,附图标记1001和1702表示两个相邻的边界顶点;附图标记1004表示对象区域的边框。此外,附图标记1002和1701表示分别与边界顶点1001和1702对应的两个相邻的校正像素。
在步骤S1502中,边界校正单元103针对各组相邻的校正像素,获得将相邻的校正像素彼此连接的曲线(内边界线),如同上述步骤S802。参照图13D,附图标记1604表示内边界线。
在步骤S1503中,边界校正单元103设置对象区域的边框(边界线)与内边界线之间的间隔,作为边界区域。参照图13D,附图标记1606表示边界区域。
在步骤S1504中,边界校正单元103针对包括两个相邻的边界顶点以及与这两个相邻的边界顶点对应的校正像素的各区域,获得绘制前后的颜色之间的误差。在图14A所示的示例中,针对包括边界顶点1001和1702以及校正像素1002和1701的区域,获得绘制之前在该区域中的各像素的值与绘制之后在该区域中的各像素的值之间的差分的总和,作为上述颜色误差。当然,计算颜色误差的方法不限于此。
在步骤S1505中,边界校正单元103将形成内边界线的边框的各像素的值,赋给对象区域的边界线的除了在步骤S1504中获得的颜色误差小于阈值的区域以外的部分上的对应像素的值。分配方法与第二实施例中相同。通过上述处理,校正了对象区域的边框的防锯齿部分,如图13E所示。
校正后网格生成单元104使用边界校正单元103校正的对象区域的数据,执行与初始网格生成单元102中相同的处理,以生成去除了防锯齿处理的校正后的网格,如图13F所示。通过图13C和图13F所示的对象区域之间的对比可以看出,图13F所示的对象区域中的生成的网格更近似于图13A所示的对象区域中的网格。可以将作为校正后网格生成单元104的处理结果的数据存储在图像处理装置内的存储器中,或者可以出于例如显示的目的、将该数据输出到图像处理装置外部。
例示图8所示的硬件配置的计算机自然适用于第二实施例及其变型例中使用的图像处理装置。在这种情况下,CPU 1101执行的图像处理应用程序基本上包括与图9和图12示出的各构成元素相对应的数学函数。
[第三实施例]
在第一和第二实施例二者中,基于对象区域生成初始网格组,使用初始网格校正对象区域的边界的邻域,并针对校正后的对象区域再次生成网格组。然而,初始网格组和内边界线的生成都需要大量的计算成本。在第三实施例中,为了更加容易地校正边界,在不生成初始网格组的情况下直接校正对象区域的边界,并针对校正了边界的对象区域生成网格组。
首先参照图15描述根据本实施例的图像处理装置的功能配置的示例。如图15所示,根据本实施例的图像处理装置包括对象输入单元101、边界校正单元1501以及校正后网格生成单元104。也就是说,根据本实施例的图像处理装置使用边界校正单元1501替代根据第一实施例的图像处理装置的配置(图1)中的初始网格生成单元102和边界校正单元103。然而,除了边界校正单元1501的操作以外的操作与第一实施例中描述的操作相同,下面参照图16、图17A至图17F、以及图18A至图18C,仅对边界校正单元1501的操作进行描述。
对象输入单元101提取的对象区域包括非防锯齿区域901和防锯齿区域902,如图17A所示。如果基于这种对象区域来生成网格组,则获得区域901内的顶点1705以及区域902内的顶点1703(边界顶点),如图17B所示。
当显示由图17B所示的顶点组定义的网格组时,在进行防锯齿处理时生成的中间颜色的负面影响扩展到对象区域中,如图17C所示,这是因为在顶点之间对渐变网格的颜色进行了插值。
在本实施例中,通过指定对象区域内的、位于对象区域的边框上的边界像素附近的像素作为各边界像素的校正像素,并将各校正像素的值赋给对应的边界像素的值,来更新对象区域。之后,将更新的对象区域分割为多个网格,获得形成网格的各顶点处的位置信息、渐变信息以及颜色信息。这使得可以在不生成初始网格组的情况下去除在进行防锯齿处理时生成的中间颜色。
下面将参照图16、图17A至图17F、以及图18A至图18C更加详细地描述边界校正单元1501的处理。首先,在步骤S1901中,边界校正单元1501选择对象区域的边界线上的一个像素作为选择的像素。参照图18A,附图标记2101表示选择的像素。参照图17D,附图标记2001表示对象区域的边界线。
在步骤S1902中,边界校正单元1501设置尺寸为N像素×N像素、且以步骤S1901中选择的像素为中心的矩形区域,并将在矩形区域和对象区域二者内具有与背景颜色差别最大的RGB颜色的像素确定为校正像素。尽管此处N=5,但是N可以是其他整数。
除了上述方法以外,还可使用各种确定校正像素的方法。例如,可以在对象区域内设置特定的位置(例如,中心位置),并根据选择的像素将颜色在朝向特定位置的方向上的变化量等于或者小于阈值的位置处的像素确定为校正像素。参照图18B,附图标记2102表示根据选择的像素2101确定的校正像素。
在步骤S1903中,边界校正单元1501将选择的像素的值更新为校正像素的值,如图18C所示。在步骤S1904中,边界校正单元1501确定对象区域的边界线上的所有像素是否都被选择作为选择的像素。
如果在步骤S 1904中确定对象区域的边界线上的所有像素都被选择作为选择的像素,则处理结束。如果仍然存在要被选择的像素,则处理前进到步骤S1905。
在步骤S1905中,边界校正单元1501选择与在步骤S1903中更新了值的像素相邻的未选择的像素。处理返回到步骤S1902,对在步骤S1905中选择的像素执行随后的处理。通过上述处理,校正了对象区域的边框的防锯齿部分,如图17E所示。
校正后网格生成单元104使用边界校正单元1501校正的对象区域的数据、按照第一和第二实施例中所描述的进行工作,以生成去除了防锯齿处理的校正后的网格,如图17F所示。通过图17C和图17F所示的对象区域之间的对比可以看出,图17F所示的对象区域中的生成的网格更近似于图17A所示的对象区域中的网格。可以将作为校正后网格生成单元104的处理结果的数据存储在图像处理装置内的存储器中,或者可以出于例如显示的目的、将该数据输出到图像处理装置外部。
通过上述描述可以理解,根据本实施例,在不生成初始网格组的情况下直接校正对象边界的像素值。因此,可以比第一和第二实施例中的方法更加容易地消除例如在进行防锯齿处理时生成的、对象颜色和背景颜色之间的中间颜色的负面影响。这可以提高通过渐变网格表示的对象的图像质量。
例示图8所示的硬件配置的计算机自然适用于第三实施例中使用的图像处理装置。在这种情况下,CPU 1101执行的图像处理应用程序基本上包括与图16示出的各构成元素相对应的数学函数。上述实施例和变型例可以相互组合地使用。
本发明的各方面还能够通过读出并执行记录在存储装置上的用于执行上述实施例的功能的程序的系统或设备的计算机(或诸如CPU或MPU的装置)、以及由系统或设备的计算机例如读出并执行记录在存储装置上的用于执行上述实施例的功能的程序来执行步骤的方法来实现。鉴于此,例如经由网络或者从用作存储装置的各种类型的记录介质(例如计算机可读介质)向计算机提供程序。
虽然参照示例性实施例对本发明进行了说明,但是应当理解,本发明不限于所公开的示例性实施例。所附权利要求的范围符合最宽的解释,从而涵盖所有这种变型、等同结构及功能。
Claims (12)
1.一种图像处理装置,该图像处理装置包括:
从图像中提取对象的区域作为对象区域的单元;
分割单元,其将所述对象区域分割为多个网格,并获得形成所述网格的各顶点的位置信息、渐变信息以及颜色信息;
指定单元,其在位于在所述对象区域的边框上的边界顶点所属的网格的、朝向所述对象区域的内部的方向一侧的像素组中,指定处于颜色在该方向上的变化量不大于阈值的位置的像素,作为各边界顶点的校正像素;
针对各组相邻的校正像素获得将相邻的校正像素彼此连接的曲线,并获得由所获得的曲线包围的区域作为非校正区域的单元;以及
更新单元,其通过将所述非校正区域的边框上的各像素的值赋给位于所述对象区域的边框上的对应像素的值,来更新所述对象区域。
2.根据权利要求1所述的图像处理装置,其中,所述更新单元通过将所述非校正区域的边框上的各像素的值赋给形成所述非校正区域与所述对象区域之间的差分区域的对应像素的值,来更新所述对象区域,所述对应像素的值包括位于所述对象区域的边框上的各像素的值。
3.根据权利要求1所述的图像处理装置,该图像处理装置还包括:
针对由两个相邻的边界顶点以及与所述两个相邻的边界顶点对应的校正像素组成的各区域,获得颜色在绘制前与绘制后之间的误差的单元,
其中,所述更新单元通过将所述非校正区域的边框上的各像素的值赋给位于所述对象区域的边框的、除颜色误差小于阈值的区域以外的部分上的对应像素的值,来更新所述对象区域。
4.根据权利要求1所述的图像处理装置,其中,所述分割单元还将所述更新单元所更新的对象区域分割为多个网格,并获得形成所更新的对象区域的网格的各顶点的位置信息、渐变信息以及颜色信息。
5.一种图像处理装置,该图像处理装置包括:
从图像中提取对象的区域作为对象区域的单元;
指定单元,其指定所述对象区域内的、位于所述对象区域的边框上的边界像素附近的像素,作为各边界像素的校正像素;
更新单元,其通过将所述校正像素的值赋给所述边界像素的值,来更新所述对象区域;以及
分割单元,其将所述更新单元更新的所述对象区域分割为多个网格,并获得形成所述网格的各顶点的位置信息、渐变信息以及颜色信息。
6.根据权利要求5所述的图像处理装置,其中,所述指定单元通过参照以所述边界像素为中心的矩形区域内的像素,指定值表示与背景颜色差别最大的颜色的像素,作为所述校正像素。
7.根据权利要求5所述的图像处理装置,其中,所述指定单元指定处于颜色在从所述边界像素的位置朝向所述对象区域内的特定位置的方向上的变化量不大于阈值的位置的像素,作为所述校正像素。
8.根据权利要求1所述的图像处理装置,其中
所述分割单元包括:
获得所述对象区域内的基准位置的单元;
在所述对象区域内设置穿过所述基准位置并且相互垂直的两个轴,以通过所述两个轴将所述对象区域分割为四个分割区域的单元;
在所述各分割区域的边框部分上设置代表点,使得在相对的分割区域内的所述代表点之间的距离最长的单元;
对各组相邻的代表点执行用于获得将相邻的代表点彼此连接的曲线的处理,以获得四个曲线的单元;
使用所述四个曲线获得由所述四个曲线包围的区域的面的单元;以及
在由所述面定义的、所述两个轴的各方向上对所述曲面上的点进行二维采样,以将所述对象区域分割为各自由四个点定义的网格,由此获得形成所述网格的各顶点的位置信息、渐变信息以及颜色信息的单元。
9.根据权利要求1至8中的任意一项所述的图像处理装置,其中,所述曲线包括三次贝塞尔样条曲线。
10.根据权利要求8所述的图像处理装置,其中,所述面包括昆氏区块。
11.一种图像处理装置的图像处理方法,该图像处理方法包括:
由所述图像处理装置中包括的处理单元从图像中提取对象的区域作为对象区域的步骤;
分割步骤,所述处理单元将所述对象区域分割为多个网格,并获得形成所述网格的各顶点的位置信息、渐变信息以及颜色信息;
指定步骤,所述处理单元在位于所述对象区域的边框上的边界顶点所属的网格的、朝向所述对象区域的内部的方向一侧的像素组中,指定处于颜色在该方向上的变化量不大于阈值的位置的像素,作为各边界顶点的校正像素;
所述处理单元针对各组相邻的校正像素获得将相邻的校正像素彼此连接的曲线,并获得由所获得的曲线包围的区域作为非校正区域的步骤;以及
更新步骤,所述处理单元通过将所述非校正区域的边框上的各像素的值赋给位于所述对象区域的边框上的对应像素的值,来更新所述对象区域。
12.一种图像处理装置的图像处理方法,该图像处理方法包括:
从图像中提取对象的区域作为对象区域的步骤;
指定步骤,指定所述对象区域内的、位于所述对象区域的边框上的边界像素附近的像素,作为各边界像素的校正像素;
更新步骤,通过将所述校正像素的值赋给所述边界像素的值,来更新所述对象区域;以及
分割步骤,将在所述更新步骤中更新的所述对象区域分割为多个网格,并获得形成所述网格的各顶点的位置信息、渐变信息以及颜色信息。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009-094367 | 2009-04-08 | ||
JP2009094367 | 2009-04-08 | ||
JP2010-051126 | 2010-03-08 | ||
JP2010051126A JP4747219B2 (ja) | 2009-04-08 | 2010-03-08 | 画像処理装置、画像処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101859444A true CN101859444A (zh) | 2010-10-13 |
CN101859444B CN101859444B (zh) | 2012-08-29 |
Family
ID=42934011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010141934.9A Expired - Fee Related CN101859444B (zh) | 2009-04-08 | 2010-04-06 | 图像处理装置及图像处理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8576242B2 (zh) |
JP (1) | JP4747219B2 (zh) |
CN (1) | CN101859444B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020947A (zh) * | 2011-09-23 | 2013-04-03 | 阿里巴巴集团控股有限公司 | 一种图像的质量分析方法及装置 |
CN105989576A (zh) * | 2015-03-18 | 2016-10-05 | 卡西欧计算机株式会社 | 校正图像的装置及其方法 |
CN106570483A (zh) * | 2016-11-07 | 2017-04-19 | 厦门市妖猫网络有限公司 | 图像定位方法及其系统 |
CN107369191A (zh) * | 2017-08-15 | 2017-11-21 | 国网湖南省电力公司 | 电网气象灾害预测色斑图修正方法、系统及装置 |
CN110276711A (zh) * | 2018-03-15 | 2019-09-24 | Arm有限公司 | 图形处理 |
CN110770789A (zh) * | 2017-04-19 | 2020-02-07 | 施耐德电气It公司 | 用于机架外壳的接近检测的系统和方法 |
CN111145130A (zh) * | 2019-12-06 | 2020-05-12 | Oppo广东移动通信有限公司 | 一种图像处理方法及装置、存储介质 |
CN111527517A (zh) * | 2017-12-25 | 2020-08-11 | 佳能株式会社 | 图像处理装置及其控制方法 |
CN112215272A (zh) * | 2020-09-29 | 2021-01-12 | 重庆大学 | 一种基于贝塞尔曲线的图像分类神经网络攻击方法 |
CN113763278A (zh) * | 2021-09-10 | 2021-12-07 | 昆山丘钛微电子科技股份有限公司 | 一种图像校正方法及装置 |
US11830177B2 (en) | 2017-12-25 | 2023-11-28 | Canon Kabushiki Kaisha | Image processing apparatus, control method and non-transitory computer-readable recording medium therefor |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129714B (zh) * | 2011-03-01 | 2013-02-27 | 哈尔滨工程大学 | 用于管道缺损三维重构的基于三次样条函数的插值方法 |
JP5888989B2 (ja) * | 2011-04-11 | 2016-03-22 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
JP5801598B2 (ja) * | 2011-05-09 | 2015-10-28 | キヤノン株式会社 | 画像処理装置、画像処理方法、及び、プログラム |
JP5843474B2 (ja) * | 2011-05-09 | 2016-01-13 | キヤノン株式会社 | 画像処理装置、画像処理方法、及び、プログラム |
US10537261B2 (en) * | 2017-05-10 | 2020-01-21 | Boston Scientific Scimed Inc. | Region-of-interest representations for electroanatomical mapping |
KR102199458B1 (ko) * | 2017-11-24 | 2021-01-06 | 한국전자통신연구원 | 3차원 컬러 메쉬 복원 방법 및 장치 |
CN108416817B (zh) * | 2018-02-01 | 2022-04-19 | 上海奕瑞光电子科技股份有限公司 | 一种残影校正系数自动获得方法 |
EP3803567A4 (en) * | 2018-06-04 | 2022-03-02 | NVOQ Incorporated | RECOGNIZING ARTIFACTS IN COMPUTER DISPLAYS |
CN109799531B (zh) * | 2019-03-20 | 2022-04-01 | 成都理工大学 | 一种基于地震分频相干属性的裂缝储层预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0872811A2 (en) * | 1997-04-18 | 1998-10-21 | Adobe Systems, Inc. | Smooth shading of objects on display devices |
EP0949591A2 (en) * | 1998-04-07 | 1999-10-13 | Adobe Systems Incorporated | Smooth shading of an object |
CN1439154A (zh) * | 2000-04-10 | 2003-08-27 | 微软公司 | 文本字符的词干位置的自动优化 |
CN101272503A (zh) * | 2008-04-30 | 2008-09-24 | 北京中星微电子有限公司 | 一种保持图像清晰度的网格噪声消除方法及其装置 |
US20080278479A1 (en) * | 2007-05-07 | 2008-11-13 | Microsoft Corporation | Creating optimized gradient mesh of a vector-based image from a raster-based image |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3764765B2 (ja) | 1995-09-06 | 2006-04-12 | インターナショナル・ビジネス・マシーンズ・コーポレーション | ディジタル画像の処理方法及びシステム |
US6300958B1 (en) * | 1998-07-17 | 2001-10-09 | T-Surf Corp. | Global constrained parameterization of triangulated surfaces |
US6504537B1 (en) * | 2000-09-05 | 2003-01-07 | Nvidia Corporation | System, method and article of manufacture for fractional tessellation during graphics processing |
US7102636B2 (en) * | 2001-03-31 | 2006-09-05 | Intel Corporation | Spatial patches for graphics rendering |
US7038697B2 (en) * | 2003-02-25 | 2006-05-02 | Microsoft Corporation | Color gradient paths |
JP4719603B2 (ja) * | 2006-03-28 | 2011-07-06 | 富士通セミコンダクター株式会社 | 描画装置及び破線描画方法 |
JP2008020944A (ja) * | 2006-07-10 | 2008-01-31 | Fujifilm Corp | 画像処理方法、プログラムおよび装置 |
-
2010
- 2010-03-08 JP JP2010051126A patent/JP4747219B2/ja not_active Expired - Fee Related
- 2010-03-17 US US12/725,768 patent/US8576242B2/en active Active
- 2010-04-06 CN CN201010141934.9A patent/CN101859444B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0872811A2 (en) * | 1997-04-18 | 1998-10-21 | Adobe Systems, Inc. | Smooth shading of objects on display devices |
EP0949591A2 (en) * | 1998-04-07 | 1999-10-13 | Adobe Systems Incorporated | Smooth shading of an object |
CN1439154A (zh) * | 2000-04-10 | 2003-08-27 | 微软公司 | 文本字符的词干位置的自动优化 |
US20080278479A1 (en) * | 2007-05-07 | 2008-11-13 | Microsoft Corporation | Creating optimized gradient mesh of a vector-based image from a raster-based image |
CN101272503A (zh) * | 2008-04-30 | 2008-09-24 | 北京中星微电子有限公司 | 一种保持图像清晰度的网格噪声消除方法及其装置 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020947A (zh) * | 2011-09-23 | 2013-04-03 | 阿里巴巴集团控股有限公司 | 一种图像的质量分析方法及装置 |
CN103020947B (zh) * | 2011-09-23 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种图像的质量分析方法及装置 |
CN105989576A (zh) * | 2015-03-18 | 2016-10-05 | 卡西欧计算机株式会社 | 校正图像的装置及其方法 |
CN106570483A (zh) * | 2016-11-07 | 2017-04-19 | 厦门市妖猫网络有限公司 | 图像定位方法及其系统 |
CN110770789A (zh) * | 2017-04-19 | 2020-02-07 | 施耐德电气It公司 | 用于机架外壳的接近检测的系统和方法 |
CN107369191A (zh) * | 2017-08-15 | 2017-11-21 | 国网湖南省电力公司 | 电网气象灾害预测色斑图修正方法、系统及装置 |
CN107369191B (zh) * | 2017-08-15 | 2021-01-15 | 国网湖南省电力有限公司 | 电网气象灾害预测色斑图修正方法、系统及装置 |
CN111527517A (zh) * | 2017-12-25 | 2020-08-11 | 佳能株式会社 | 图像处理装置及其控制方法 |
CN111527517B (zh) * | 2017-12-25 | 2023-09-22 | 佳能株式会社 | 图像处理装置及其控制方法 |
US11830177B2 (en) | 2017-12-25 | 2023-11-28 | Canon Kabushiki Kaisha | Image processing apparatus, control method and non-transitory computer-readable recording medium therefor |
CN110276711A (zh) * | 2018-03-15 | 2019-09-24 | Arm有限公司 | 图形处理 |
CN110276711B (zh) * | 2018-03-15 | 2024-03-22 | Arm有限公司 | 处理图形片段的方法、图形处理流水线 |
CN111145130A (zh) * | 2019-12-06 | 2020-05-12 | Oppo广东移动通信有限公司 | 一种图像处理方法及装置、存储介质 |
CN111145130B (zh) * | 2019-12-06 | 2023-05-30 | Oppo广东移动通信有限公司 | 一种图像处理方法及装置、存储介质 |
CN112215272A (zh) * | 2020-09-29 | 2021-01-12 | 重庆大学 | 一种基于贝塞尔曲线的图像分类神经网络攻击方法 |
CN113763278A (zh) * | 2021-09-10 | 2021-12-07 | 昆山丘钛微电子科技股份有限公司 | 一种图像校正方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US8576242B2 (en) | 2013-11-05 |
US20100259541A1 (en) | 2010-10-14 |
JP2010262629A (ja) | 2010-11-18 |
CN101859444B (zh) | 2012-08-29 |
JP4747219B2 (ja) | 2011-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101859444B (zh) | 图像处理装置及图像处理方法 | |
US8194974B1 (en) | Merge and removal in a planar map of an image | |
US8797616B2 (en) | Conversion table compression method and program | |
DE102018007941A1 (de) | Generieren eines Dreiecksnetzes für ein Bild, das durch Kurven dargestellt wird | |
US9626285B2 (en) | Storage resource allocation to dataflows based on data requirements and attributes | |
US7929755B1 (en) | Planar map to process a raster image | |
US20230419561A1 (en) | Three-dimensional model rendering method and apparatus, device, storage medium, and program product | |
JP5522890B2 (ja) | 画像処理装置及び方法 | |
JPH10164370A (ja) | 画像の階調補間方法および装置並びに画像フィルタリング方法および画像フィルタ | |
Glendenning et al. | Parameter space visualization for large-scale datasets using parallel coordinate plots | |
JP2020107239A (ja) | 画像処理方法、画像処理システム及びプログラム | |
JP2010128618A (ja) | 画像処理装置、画像処理方法 | |
JP2016045600A (ja) | 画像処理装置および画像処理方法 | |
US9715715B2 (en) | Efficient cache preloading | |
Bobach et al. | Natural neighbor extrapolation using ghost points | |
JP2012221319A (ja) | 画像処理装置、画像処理方法 | |
JP5587132B2 (ja) | 画像処理装置、画像処理方法 | |
US20200272689A1 (en) | Vector-Based Glyph Style Transfer | |
JP6636083B2 (ja) | 画像処理装置、制御方法、及びプログラム | |
CN109947721A (zh) | 一种小文件处理方法和装置 | |
CN111063036B (zh) | 基于路径规划的三维文字排布方法、介质、设备及系统 | |
CN111858824B (zh) | 地形数据融合方法、装置、计算机设备和存储介质 | |
US8941881B2 (en) | Method and apparatus for rasterizing transparent page | |
CN115665335B (zh) | 图像处理方法、装置、图像形成设备及介质 | |
JPH06100906B2 (ja) | 文字処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120829 Termination date: 20190406 |
|
CF01 | Termination of patent right due to non-payment of annual fee |