CN103903223B - 一种基于图像显著性检测的获取缩略图的方法 - Google Patents
一种基于图像显著性检测的获取缩略图的方法 Download PDFInfo
- Publication number
- CN103903223B CN103903223B CN201410169290.2A CN201410169290A CN103903223B CN 103903223 B CN103903223 B CN 103903223B CN 201410169290 A CN201410169290 A CN 201410169290A CN 103903223 B CN103903223 B CN 103903223B
- Authority
- CN
- China
- Prior art keywords
- thumbnail
- image
- rectangular area
- pending image
- region
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000002372 labelling Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 2
- 210000000746 body region Anatomy 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000023886 lateral inhibition Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004224 protection Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像显著性检测的获取缩略图的方法,其通过对待处理图像进行图像显著性检测以获取图像的显著性区域,并计算包含所述的显著性区域的最大矩形区域,最后根据所述的最大矩形区域进行图像截取,得到待处理图像的缩略图,从而能够快速有效的获取大量图像的缩略图,使得获取的缩略图能够体现图像的主体区域,并充分展示整张图像的信息,方便用户快速浏览。
Description
技术领域
本发明涉及一种图像处理方法,特别是一种基于图像显著性检测的获取缩略图的方法。
背景技术
目前,我们在拍摄时为了使拍摄照片更好看,往往在构图上采用“黄金分割”,它是广泛存在于自然界的一种现象,简单的说就是将摄影主体放在位于画面大约三分之一处,让人觉得画面和谐充满美感。“黄金分割法”又称“三分法则”,“三分法则”就是将整个画面在横、竖方向各用两条直线分割成等份的三部分,我们将拍摄的主体放置在任意一条直线或直线的交点上这样比较符合人类的视觉习惯。拍摄时可直接调出相机的“井”字辅助线,将拍摄主体放在4个交叉点上,这样画面立刻就活了起来。而在相册的缩略图由于整体布局以及美观的原因,采用正方形的居中裁剪方式,使得目前我们获取的缩略图在很大部分图像上无法展示用户的主体区域,导致用户无法通过缩略图了解整张图的信息,无法起到缩略图的真正作用。
发明内容
本发明为解决上述问题,提供了一种基于图像显著性检测的获取缩略图的方法,能够快速有效的获取大量图像的缩略图,方便用户浏览。
为实现上述目的,本发明采用的技术方案为:
一种基于图像显著性检测的获取缩略图的方法,其特征在于,包括以下步骤:
10.接收待处理图像;
20.对所述待处理图像进行图像显著性检测以获取图像的显著性区域;
30.计算包含所述的显著性区域的最大矩形区域;
40.根据所述的最大矩形区域进行图像截取,得到待处理图像的缩略图。
优选的,所述的步骤20中对待处理图像进行图像显著性检测进一步包括:
21.提取图像特征:采用高斯滤波器对待处理图像进行滤波和采样,形成以待处理图像为底层的高斯金字塔模型;然后对高斯金字塔模型中的每一层分别提取各种图像特征,形成特征金字塔模型;再根据该特征金字塔模型进行计算得到所述待处理图像的特征图;
22.生成显著图:把每一个所述的特征图归一化处理,并将各个归一化处理后的特征图进行综合计算,得到对应于待处理图像的显著图。
优选的,所述的步骤20中对待处理图像进行图像显著性检测后生成显著图,用白色和黑色对该显著图进行标记以获取图像的显著性区域,其中,白色表示图像中显著的区域,黑色表示图像中不显著的区域。
优选的,所述的步骤20中获取图像的显著性区域是指将待处理图像进行缩小处理,并获取缩小后的图像的显著性区域。
优选的,所述的步骤30中计算包含所述的显著性区域的最大矩形区域,主要通过标记法对所述显著图进行连通区域的计算和提取,从而得到最大矩形区域。
优选的,所述的标记法进一步包括:
31.初始标记值记为1;
32.对所述显著图进行逐行扫描,找到一个未标记区域的颜色为白色的像素点,标记该像素点的标记值为1;
33.检查该点的八邻域的像素点并标记像素点满足为颜色为白色的像素点且未被标记的标记值为当前标记值,同时将新增的标记像素点记录下来作为区域增长的种子点;
34.在后续的标记像素点过程中,不断从记录种子点的数组中取出一个种子,实施上述的操作,如此循环,直到记录种子点的数组为空;
35.若一个连通区域标记结束,则标记值+1,并遍历下一个连通区域,直到所有像素点被标记为止;
36.获取每个标记值的最大区域,并将每个标记值为1的白色区域连接起来,然后计算出显著性区域与非显著性区域的比例达到最大的矩形区域为所述的最大矩形区域。
优选的,所述的步骤40中根据所述的最大矩形区域进行图像截取,得到待处理图像的缩略图,主要是通过对最大矩形区域进行扩大计算得到缩略图矩形区域,然后根据该缩略图矩形区域对待处理图像进行截取得到缩略图。
优选的,所述的对最大矩形区域进行扩大计算得到缩略图矩形区域的计算方法为:
41.计算缩略图与待处理图像中的最大矩形区域的宽比例ratw:
ratw=tw/w;
42.计算缩略图与待处理图像中的最大矩形区域的高比例rath:
rath=th/h;
43.计算缩略图与待处理图像中的最大矩形区域的最小比例rat;
rat=min(ratw,rath);
44.计算缩略图矩形区域的宽sw和高sh:
sw=w*rat;
sh=h*rat;
45.计算缩略图矩形区域在待处理图像中的起始坐标(tx,ty):
tx=(sw-tw)*0.5+x;
ty=(sh-th)*0.5+y;
其中,x、y、w、h表示最大矩形区域在待处理图像中的起始坐标的横坐标、纵坐标、宽、高;tx、t y、tw、th表示缩略图在待处理图像中的起始坐标的横坐标、纵坐标、宽、高。
本发明的有益效果是:
本发明的一种基于图像显著性检测的获取缩略图的方法,其通过对待处理图像进行图像显著性检测以获取图像的显著性区域,并计算包含所述的显著性区域的最大矩形区域,最后根据所述的最大矩形区域进行图像截取,得到待处理图像的缩略图,从而能够快速有效的获取大量图像的缩略图,使得获取的缩略图能够体现图像的主体区域,并充分展示整张图像的信息,方便用户快速浏览。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明一种基于图像显著性检测的获取缩略图的方法的流程简图;
图2为本发明一实施例的待处理图像;
图3为对图2进行图像显著性检测后的图;
图4为在图3的基础上获取最大矩形区域的示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图及实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明的一种基于图像显著性检测的获取缩略图的方法,其包括以下步骤:
10.接收待处理图像,如图2;
20.对所述待处理图像进行图像显著性检测,如图3,以获取图像的显著性区域;
30.计算包含所述的显著性区域的最大矩形区域,如图4;主要是为了获取显著性区域最大的部分,方便接下来的获取缩略图;
40.根据所述的最大矩形区域进行图像截取,得到待处理图像的缩略图。
所述的步骤20中对待处理图像进行图像显著性检测进一步包括:
21.提取图像特征:采用高斯滤波器对待处理图像进行滤波和采样,形成以待处理图像为底层的高斯金字塔模型;然后对高斯金字塔模型中的每一层分别提取各种图像特征,形成特征金字塔模型;再根据该特征金字塔模型进行计算得到所述待处理图像的特征图;具体为:先把待处理图像表示成9层的高斯金字塔,其中第0层是待处理图像,1到8层分别是用5*5的高斯滤波器对待处理图像进行滤波和采样形成的,大小分别为待处理图像的1/2到1/256,然后对金字塔每一层分别提取各种特征,例如:亮度、红色、绿色、蓝色、黄色、方向等特征,形成特征金字塔,然后再进行计算得到各个特征的特征图。
22.生成显著图:把每一个所述的特征图归一化处理,以消除干扰噪声及突出显著部分,并将各个归一化处理后的特征图进行综合计算,得到对应于待处理图像的显著图;具体为:对每个特征图分别用二维高斯差函数进行卷积,并把卷积结果叠加回原特征图,使同种特征以侧抑制的方式在空间上竞争;卷积和迭代过程进行多次,这样可以让少数几个最显著的点均匀分布在整个特征图上,从而每个特征图上只保留少数的几个显著点,在叠加多个特征图时能把多种显著特征的点突现出来;接下来分别把每一类归一化后的特征图逐点求和,得到对应于每一类特征的显著图,综合所有特征的显著性,就得到对应于待处理图像的显著图。
所述的步骤20中对待处理图像进行图像显著性检测后生成显著图,用白色和黑色对该显著图进行标记以获取图像的显著性区域,其中,白色表示图像中显著的区域,黑色表示图像中不显著的区域;本实施例中,所述的步骤20中获取图像的显著性区域是指将待处理图像先进行缩小处理,并获取缩小后的图像的显著性区域。
所述的步骤30中计算包含所述的显著性区域的最大矩形区域,主要通过标记法对所述显著图进行连通区域的计算和提取,从而得到最大矩形区域。
所述的标记法进一步包括:
31.初始标记值记为1;
32.对所述显著图进行逐行扫描,找到一个未标记区域的颜色为白色的像素点,标记该像素点的标记值为1;
33.检查该点的八邻域的像素点并标记像素点满足为颜色为白色的像素点且未被标记的标记值为当前标记值,同时将新增的标记像素点记录下来作为区域增长的种子点;
34.在后续的标记像素点过程中,不断从记录种子点的数组中取出一个种子,实施上述的操作,如此循环,直到记录种子点的数组为空;
35.若一个连通区域标记结束,则标记值+1,并遍历下一个连通区域,直到所有像素点被标记为止;
36.获取每个标记值的最大区域,并将每个标记值为1的白色区域连接起来,然后计算出显著性区域与非显著性区域的比例达到最大的矩形区域为所述的最大矩形区域,如图2至图4所示。
所述的步骤40中根据所述的最大矩形区域进行图像截取,得到待处理图像的缩略图,主要是通过对最大矩形区域进行扩大计算得到缩略图矩形区域,然后根据该缩略图矩形区域对待处理图像进行截取得到缩略图。
本实施例中,所述的对最大矩形区域进行扩大计算得到缩略图矩形区域的计算方法为:
41.计算缩略图与待处理图像中的最大矩形区域的宽比例ratw:
ratw=tw/w;
42.计算缩略图与待处理图像中的最大矩形区域的高比例rath:
rath=th/h;
43.计算缩略图与待处理图像中的最大矩形区域的最小比例rat;
rat=min(ratw,rath);
44.计算缩略图矩形区域的宽sw和高sh:
sw=w*rat;
sh=h*rat;
45.计算缩略图矩形区域在待处理图像中的起始坐标(tx,ty):
tx=(sw-tw)*0.5+x;
ty=(sh-th)*0.5+y;
其中,x、y、w、h表示最大矩形区域在待处理图像中的起始坐标的横坐标、纵坐标、宽、高;tx、t y、tw、th表示缩略图在待处理图像中的起始坐标的横坐标、纵坐标、宽、高。
本发明利用图像显著性检测的原理,获取缩小后的图像的显著性区域,即图像的主体区域,然后根据该区域获取显著性区域的最大矩形,接着利用居中裁剪的方式获取包含最大矩形范围的缩略图,从而能够快速有效的获取大量图像的缩略图,使得获取的缩略图能够体现图像的主体区域,并充分展示整张图像的信息,方便用户快速浏览。
上述说明示出并描述了本发明的优选实施例,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (6)
1.一种基于图像显著性检测的获取缩略图的方法,其特征在于,包括以下步骤:
10.接收待处理图像;
20.对所述待处理图像进行图像显著性检测以获取图像的显著性区域;
30.计算包含所述的显著性区域的最大矩形区域;
40.根据所述的最大矩形区域进行图像截取,得到待处理图像的缩略图;
其中,所述的步骤30中计算包含所述的显著性区域的最大矩形区域,是通过标记法对所述显著图进行连通区域的计算和提取,从而得到最大矩形区域;所述的标记法进一步包括:
31.初始标记值记为1;
32.对所述显著图进行逐行扫描,找到一个未标记区域的颜色为白色的像素点,标记该像素点的标记值为1;
33.检查该点的八邻域的像素点并标记像素点满足为颜色为白色的像素点且未被标记的标记值为当前标记值,同时将新增的标记像素点记录下来作为区域增长的种子点;
34.在后续的标记像素点过程中,不断从记录种子点的数组中取出一个种子,实施上述的操作,如此循环,直到记录种子点的数组为空;
35.若一个连通区域标记结束,则标记值+1,并遍历下一个连通区域,直到所有像素点被标记为止;
36.获取每个标记值的最大区域,并将每个标记值为1的白色区域连接起来,然后计算出显著性区域与非显著性区域的比例达到最大的矩形区域为所述的最大矩形区域。
2.根据权利要求1所述的一种基于图像显著性检测的获取缩略图的方法,其特征在于:所述的步骤20中对待处理图像进行图像显著性检测进一步包括:
21.提取图像特征:采用高斯滤波器对待处理图像进行滤波和采样,形成以待处理图像为底层的高斯金字塔模型;然后对高斯金字塔模型中的每一层分别提取各种图像特征,形成特征金字塔模型;再根据该特征金字塔模型进行计算得到所述待处理图像的特征图;
22.生成显著图:把每一个所述的特征图归一化处理,并将各个归一化处理后的特征图进行综合计算,得到对应于待处理图像的显著图。
3.根据权利要求1或2所述的一种基于图像显著性检测的获取缩略图的方法,其特征在于:所述的步骤20中对待处理图像进行图像显著性检测后生成显著图,用白色和黑色对该显著图进行标记以获取图像的显著性区域,其中,白色表示图像中显著的区域,黑色表示图像中不显著的区域。
4.根据权利要求1所述的一种基于图像显著性检测的获取缩略图的方法,其特征在于:所述的步骤20中获取图像的显著性区域是指将待处理图像进行缩小处理,并获取缩小后的图像的显著性区域。
5.根据权利要求1所述的一种基于图像显著性检测的获取缩略图的方法,其特征在于:所述的步骤40中根据所述的最大矩形区域进行图像截取,得到待处理图像的缩略图,主要是通过对最大矩形区域进行扩大计算得到缩略图矩形区域,然后根据该缩略图矩形区域对待处理图像进行截取得到缩略图。
6.根据权利要求5所述的一种基于图像显著性检测的获取缩略图的方法,其特征在于:所述的对最大矩形区域进行扩大计算得到缩略图矩形区域的计算方法为:
41.计算缩略图与待处理图像中的最大矩形区域的宽比例ratw:
ratw=tw/w;
42.计算缩略图与待处理图像中的最大矩形区域的高比例rath:
rath=th/h;
43.计算缩略图与待处理图像中的最大矩形区域的最小比例rat;
rat=min(ratw,rath);
44.计算缩略图矩形区域的宽sw和高sh:
sw=w*rat;
sh=h*rat;
45.计算缩略图矩形区域在待处理图像中的起始坐标(tx,ty):
tx=(sw-tw)*0.5+x;
ty=(sh-th)*0.5+y;
其中,x、y、w、h表示最大矩形区域在待处理图像中的起始坐标的横坐标、纵坐标、宽、高;tx、ty、tw、th表示缩略图在待处理图像中的起始坐标的横坐标、纵坐标、宽、高。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410169290.2A CN103903223B (zh) | 2014-04-24 | 2014-04-24 | 一种基于图像显著性检测的获取缩略图的方法 |
PCT/CN2015/077166 WO2015161794A1 (zh) | 2014-04-24 | 2015-04-22 | 一种基于图像显著性检测的获取缩略图的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410169290.2A CN103903223B (zh) | 2014-04-24 | 2014-04-24 | 一种基于图像显著性检测的获取缩略图的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103903223A CN103903223A (zh) | 2014-07-02 |
CN103903223B true CN103903223B (zh) | 2017-03-01 |
Family
ID=50994530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410169290.2A Active CN103903223B (zh) | 2014-04-24 | 2014-04-24 | 一种基于图像显著性检测的获取缩略图的方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN103903223B (zh) |
WO (1) | WO2015161794A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063085A (zh) * | 2018-07-26 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 缩略图生成方法和装置 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903223B (zh) * | 2014-04-24 | 2017-03-01 | 厦门美图之家科技有限公司 | 一种基于图像显著性检测的获取缩略图的方法 |
CN104346772B (zh) * | 2014-11-06 | 2018-06-05 | 杭州华为数字技术有限公司 | 缩略图制作方法和装置 |
CN109074472B (zh) * | 2016-04-06 | 2020-12-18 | 北京市商汤科技开发有限公司 | 用于人物识别的方法和系统 |
CN105956999B (zh) * | 2016-04-28 | 2020-08-28 | 努比亚技术有限公司 | 缩略图生成装置和方法 |
CN106251283A (zh) * | 2016-07-28 | 2016-12-21 | 乐视控股(北京)有限公司 | 一种缩略图生成方法及设备 |
CN109427055B (zh) * | 2017-09-04 | 2022-12-20 | 长春长光精密仪器集团有限公司 | 基于视觉注意机制和信息熵的遥感图像海面舰船检测方法 |
CN107767329B (zh) * | 2017-10-17 | 2021-04-27 | 天津大学 | 基于显著性检测的内容感知图像缩略图生成方法 |
CN110377204B (zh) | 2019-06-30 | 2021-07-09 | 华为技术有限公司 | 一种生成用户头像的方法及电子设备 |
CN111664848B (zh) * | 2020-06-01 | 2022-02-11 | 上海大学 | 一种多模态室内定位导航方法及系统 |
CN112016548B (zh) * | 2020-10-15 | 2021-02-09 | 腾讯科技(深圳)有限公司 | 一种封面图展示方法及相关装置 |
CN113592795B (zh) * | 2021-07-19 | 2024-04-12 | 深圳大学 | 立体图像的视觉显著性检测方法、缩略图生成方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101601287A (zh) * | 2006-12-01 | 2009-12-09 | 惠普开发有限公司 | 产生照片级真实感图像缩略图的设备和方法 |
US8213741B2 (en) * | 2008-12-19 | 2012-07-03 | Texas Instruments Incorporated | Method to generate thumbnails for digital images |
CN103714161A (zh) * | 2013-12-30 | 2014-04-09 | 小米科技有限责任公司 | 图像缩略图的生成方法、装置和终端 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903223B (zh) * | 2014-04-24 | 2017-03-01 | 厦门美图之家科技有限公司 | 一种基于图像显著性检测的获取缩略图的方法 |
CN104346772B (zh) * | 2014-11-06 | 2018-06-05 | 杭州华为数字技术有限公司 | 缩略图制作方法和装置 |
-
2014
- 2014-04-24 CN CN201410169290.2A patent/CN103903223B/zh active Active
-
2015
- 2015-04-22 WO PCT/CN2015/077166 patent/WO2015161794A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101601287A (zh) * | 2006-12-01 | 2009-12-09 | 惠普开发有限公司 | 产生照片级真实感图像缩略图的设备和方法 |
US8213741B2 (en) * | 2008-12-19 | 2012-07-03 | Texas Instruments Incorporated | Method to generate thumbnails for digital images |
CN103714161A (zh) * | 2013-12-30 | 2014-04-09 | 小米科技有限责任公司 | 图像缩略图的生成方法、装置和终端 |
Non-Patent Citations (3)
Title |
---|
A Model of Saliency-Based Visual Attention for Rapid Scene Analysis;Laurent Itti等;《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》;19981130;第20卷(第11期);第1254页第2节第1段,第1255页第2.1-2.2节,图1-图2 * |
Automatic thumbnail cropping and its effectiveness;Bongwon Suh等;《UIST 03 Proceedings of the 16th annual ACM symposium on User interface software and technology》;20031231;第5卷(第2期);第96页第1栏倒数第1段、第2栏第2-4段,第97页第1栏第1-4段,图1-图2 * |
一种获取图像区域最小外接矩形的算法及实现;吴晓光等;《计算机工程》;20040620;第30卷(第12期);第124-125+142页 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063085A (zh) * | 2018-07-26 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 缩略图生成方法和装置 |
CN109063085B (zh) * | 2018-07-26 | 2021-07-13 | 创新先进技术有限公司 | 缩略图生成方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2015161794A1 (zh) | 2015-10-29 |
CN103903223A (zh) | 2014-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103903223B (zh) | 一种基于图像显著性检测的获取缩略图的方法 | |
CN104021207B (zh) | 一种基于图像的食物信息提供方法 | |
CN106485275B (zh) | 一种实现盖板玻璃与液晶屏定位贴合的方法 | |
CN104038807B (zh) | 一种基于OpenGL的图层混合方法及装置 | |
CN107180410A (zh) | 一种图像的风格化重建方法及装置 | |
Funt et al. | Recovering shading from color images | |
CN108257139A (zh) | 基于深度学习的rgb-d三维物体检测方法 | |
CN103996191B (zh) | 一种基于最小二乘优化的黑白棋盘格图像角点的检测方法 | |
CN104392233B (zh) | 一种基于区域的图像显著图提取方法 | |
CN104915975B (zh) | 一种模拟蜡笔彩绘的图像处理方法和系统 | |
Yeh et al. | Efficient image/video dehazing through haze density analysis based on pixel-based dark channel prior | |
CN103793930A (zh) | 铅笔画图像生成方法及装置 | |
CN103208115A (zh) | 基于测地线距离的图像显著性区域检测方法 | |
CN107977996A (zh) | 基于靶标标定定位模型的空间目标定位方法 | |
CN102156986A (zh) | 近红外摄像机的标定方法 | |
CN106504294A (zh) | 基于扩散曲线的rgbd图像矢量化方法 | |
CN105869115A (zh) | 一种基于kinect2.0的深度图像超分辨率方法 | |
CN107886101A (zh) | 一种基于rgb‑d的场景三维特征点高效提取方法 | |
CN111402407B (zh) | 基于单幅rgbd图像的高精度肖像模型快速生成方法 | |
CN108596223A (zh) | 一种自动生成物体数据集的方法 | |
US8842118B1 (en) | Automated image replacement using deformation and illumination estimation | |
CN103136543B (zh) | 图像处理装置及图像处理方法 | |
CN106408647A (zh) | 一种图像阴影添加方法及装置 | |
CN104715457A (zh) | 基于边缘保护的快速加权各向异性扩散滤波方法 | |
CN105740825B (zh) | 一种用于混合场景的大幅面遥感影像建筑物提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |