CN104318251A - 一种相片实时处理方法和装置 - Google Patents
一种相片实时处理方法和装置 Download PDFInfo
- Publication number
- CN104318251A CN104318251A CN201410596586.2A CN201410596586A CN104318251A CN 104318251 A CN104318251 A CN 104318251A CN 201410596586 A CN201410596586 A CN 201410596586A CN 104318251 A CN104318251 A CN 104318251A
- Authority
- CN
- China
- Prior art keywords
- recognizate
- vacancy
- completion
- real
- pixel
- 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 30
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000005070 sampling Methods 0.000 claims description 10
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000002452 interceptive effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 7
- 238000003709 image segmentation Methods 0.000 description 6
- 230000013011 mating Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种相片实时处理方法,用于实现静态干扰物的实时移除,无需后期图像处理,无需学习成本,操作简单、方便。本发明实施例方法包括:接收打开相机命令,将得到的实时图像显示出来;根据预置的视觉词库对所述实时图像进行景物识别,得到识别物,所述视觉词库包括所述识别物与所述实时图像的像素特征的对应关系;获取到从所述识别物中被选取的干扰物;从拍照得到的静态图像中移除所述干扰物,使得所述静态图像出现空缺;根据所述空缺周围的图像特征对所述空缺进行补全处理,得到相片。本发明实施例还提供一种相片实时处理装置。
Description
技术领域
本发明涉及摄影领域,尤其涉及一种相片实时处理方法和装置。
背景技术
相机拍照已经成为现代人的一种娱乐和爱好,但是,当拍摄景物时,若视野之中存在干扰物,将大大影响摄影的效果。
目前,处理干扰物的常用方法有连拍合成和后期处理。连拍合成是采用连拍多张相片,最后合并处理成没有移动干扰物的相片,它只对运动中的干扰物生效,对静态干扰物却无能为力。而后期处理就是通过使用后期图像处理软件的方式来去除静态干扰物,然而软件的操作复杂,学习成本高,并且只能对拍摄后的图像进行后期处理,无法实现实时处理的方式,给用户带来不便。
发明内容
本发明实施例提供了一种相片实时处理方法和装置,能够解决操作复杂,学习成本高,只能对拍摄后的图像进行后期处理的技术问题。
本发明实施例提供的一种相片实时处理方法,包括:
接收打开相机命令,将得到的实时图像显示出来;
根据预置的视觉词库对所述实时图像进行景物识别,得到识别物,所述视觉词库包括所述识别物与所述实时图像的像素特征的对应关系;
获取到从所述识别物中被选取的干扰物;
从拍照得到的静态图像中移除所述干扰物,使得所述静态图像出现空缺;
根据所述空缺周围的图像特征对所述空缺进行补全处理,得到相片。
可选地,所述根据预置的视觉词库对所述实时图像进行景物识别,得到识别物具体包括:
将所述实时图像划分为若干个子区域;
提取所述子区域的第一像素特征;
将所述第一像素特征与所述视觉词库中的预存的第二像素特征进行匹配,若匹配成功,则将所述第一像素特征对应的子区域确定为识别物。
可选地,所述相片实时处理方法还包括:
从所述视觉词库中获取匹配成功的所述第二像素特征对应的识别物关键字;
将所述识别物与所述识别物关键字关联起来。
可选地,所述相片实时处理方法还包括:
在所述实时图像上标示出所述识别物的识别物关键字。
可选地,所述根据所述空缺周围的图像特征对所述空缺进行补全处理,得到相片具体包括:
X1:在所述空缺的边缘位置取若干个像素的矩形区域作为补全窗口;
X2:使用所述补全窗口中的图像像素点信息替换补全其中的空缺;
反复执行步骤X1和X2,直到所述空缺完成补全,得到相片。
可选地,在实时取景之前还包括:
获取需要过滤的干扰物的关键字;
判断预置的视觉词库中是否存在所述关键字,若是,则执行接收打开相机命令的步骤。
可选地,所述相片实时处理方法还包括:
判断预置的视觉词库中是否存在所述关键字,若否,则进入取样识别模式;
进入所述取样识别模式具体包括:
接收打开相机命令,获取实时图像;
提取所述实时图像的低级特征,所述低级特征包括像素灰度值、纹理特征、像素色彩值或像素亮度值;
对所述低级特征进行聚类处理,得到第二像素特征;
为所述第二像素特征确定对应的关键字。
本发明实施例提供的一种相片实时处理装置,其特征在于,包括:
实时取景模块,用于打开所述相机实时取景,将得到的实时图像显示出来;
景物识别模块,用于根据预置的视觉词库对所述实时图像进行景物识别,得到识别物,所述视觉词库包括所述识别物与所述实时图像的像素特征的对应关系;
干扰物选取模块,用于获取到从所述识别物中被选取的干扰物;
干扰物移除模块,用于从拍照得到的静态图像中移除所述干扰物,使得所述静态图像出现空缺;
去噪补全模块,用于根据所述空缺周围的图像特征对所述空缺进行补全处理,得到相片。
可选地,所述景物识别模块具体包括:
划分单元,用于将所述实时图像划分为若干个子区域;
提取单元,用于提取所述子区域的第一像素特征;
匹配单元,用于将所述第一像素特征与所述视觉词库中的预存的第二像素特征进行匹配,若匹配成功,则执行确认单元;
所述确认单元,用于将所述第一像素特征对应的子区域确定为识别物。
可选地,所述去噪补全模块具体包括:
补全窗口单元,用于在所述空缺的边缘位置取n*m像素的区域作为补全窗口;
替换补全单元,用于使用所述补全窗口中的图像像素点信息替换补全其中的空缺;
控制单元,用于反复触发所述补全窗口单元和所述替换补全单元,直到所述空缺完成补全,得到相片。
可选地,所述装置还包括:
判断模块,用于判断预置的视觉词库中是否存在所述关键字;
接收获取模块,用于在所述判断模块的判断结果为否的情况下,进入取样识别模式,接收打开相机命令,获取实时图像;
提取特征模块,用于提取所述实时图像的低级特征,所述低级特征包括像素灰度值、纹理特征、像素色彩值或像素亮度值;
聚类处理模块,用于对所述低级特征进行聚类处理,得到第二像素特征;
关键字确定模块,用于为所述第二像素特征确定对应的关键字。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例中,首先,接收打开相机命令,将得到的实时图像显示出来;然后,根据预置的视觉词库对所述实时图像进行景物识别,得到识别物,所述视觉词库包括所述识别物与所述实时图像的像素特征的对应关系;获取到从所述识别物中被选取的干扰物;从拍照得到的静态图像中移除所述干扰物,使得所述静态图像出现空缺;最后,根据所述空缺周围的图像特征对所述空缺进行补全处理,得到相片。在本发明实施例中,通过实时地、预先地将干扰物识别出来,在拍照时从静态图像中移除干扰物,最后补全空缺得到不存在干扰物的相片,从而实现静态干扰物的实时移除,无需后期图像处理,无需学习成本,操作简单、方便。
附图说明
图1为本发明实施例中一种相片实时处理方法一个实施例流程图;
图2为本发明实施例中一种相片实时处理方法另一个实施例流程图;
图3为本发明实施例中一种相片实时处理方法另一个实施例流程图;
图4为本发明实施例中一种相片实时处理装置一个实施例结构图;
图5为本发明实施例中一种相片实时处理装置另一个实施例结构图。
具体实施方式
本发明实施例提供了一种相片实时处理方法和装置,用于实现静态干扰物的实时移除,无需后期图像处理,无需学习成本,操作简单、方便。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例中一种相片实时处理方法一个实施例包括:
101、接收打开相机命令,将得到的实时图像显示出来;
首先,接收打开相机命令,将得到的实时图像显示出来。
102、根据预置的视觉词库对该实时图像进行景物识别,得到识别物;
在获得该实时图像后,可以根据预置的视觉词库对该实时图像进行景物识别,得到识别物,该视觉词库包括该识别物与该实时图像的像素特征的对应关系。
103、获取到从该识别物中被选取的干扰物;
在得到识别物后,可以获取到从该识别物中被选取的干扰物。
104、从拍照得到的静态图像中移除该干扰物,使得该静态图像出现空缺;
在选取出该干扰物后,可以从拍照得到的静态图像中移除该干扰物,使得该静态图像出现空缺。
105、根据该空缺周围的图像特征对该空缺进行补全处理,得到相片。
在该静态图像出现空缺之后,可以根据图像去噪算法和该空缺周围的图像特征对该空缺进行补全处理,得到相片。
本实施例中,首先,接收打开相机命令,将得到的实时图像显示出来;然后,根据预置的视觉词库对该实时图像进行景物识别,得到识别物,该视觉词库包括该识别物与该实时图像的像素特征的对应关系;获取到从该识别物中被选取的干扰物;从拍照得到的静态图像中移除该干扰物,使得该静态图像出现空缺;最后,根据图像去噪算法和该空缺周围的图像特征对该空缺进行补全处理,得到相片。在本实施例中,通过实时地、预先地将干扰物识别出来,在拍照时从静态图像中移除干扰物,最后补全空缺得到不存在干扰物的相片,从而实现静态干扰物的实时移除,无需后期图像处理,无需学习成本,操作简单、方便。
为便于理解,下面对本发明实施例中的一种相片实时处理方法进行详细描述,请参阅图2,本发明实施例中一种相片实时处理方法另一个实施例包括:
201、接收打开相机命令,将得到的实时图像显示出来;
首先,接收打开相机命令,将得到的实时图像显示出来。
需要说明的是,该实时图像为显示在相机的显示屏上的动态图像,此时相机仍未进行拍照操作,用户可以通过显示屏得知当前镜头获取到的图像的具体情况。
202、将该实时图像划分为若干个子区域;
在获取到实时图像后,可以根据图像分割技术将该实时图像划分为若干个子区域。可以理解的是,图像分割技术可以对当前的实时图像进行数据上的识别分析,从而根据实时图像的特征划分为若干个子区域。
需要说明的是,划分子区域可以采用区域增长这种图像分割技术。区域增长,即根据统一物体区域内像素的相似性质来聚集像素点,从随机设定的初始区域开始,将相邻的具有相同性质的像素或其他区域归并到目前区域中,从而逐渐增长区域,直至没有可以归并的点或其他小区域为止,将原始图像分割成多个子区域。
203、提取该子区域的第一像素特征;
在获取到若干子区域之后,可以提取该子区域的第一像素特征。可以理解的是,第一像素特征即该子区域的像素特征,具体可以包括灰度值、纹理特征、色彩值、亮度值等与像素有关的基本参数。
204、将该第一像素特征与该视觉词库中的预存的第二像素特征进行匹配,若匹配成功,则执行步骤205,若匹配不成功,则执行步骤206;
在提取该子区域的第一像素特征之后,可以将该第一像素特征与该视觉词库中的预存的第二像素特征进行匹配,若匹配成功,则执行步骤205,若匹配不成功,则执行步骤206。
需要说明的是,该视觉词库包括该识别物与该实时图像的像素特征的对应关系,该第二像素特征为视觉词库中该识别物与该实时图像的像素特征的参考特征,或者是基准特征。可以知道的是,子区域由实时图像划分而来,子区域的像素特征即为第一像素特征,而第二像素特征为参考特征或基准特征,因此通过第一像素特征与第二像素特征的匹配,可以知道,若匹配成功,则说明该子区域符合该视觉词库的识别标准,可以被认定为识别物,若匹配不成功,则该子区域不符合视觉词库的识别标准或视觉词库中暂不存在这样的识别标准,不是所需的识别物。
205、将该第一像素特征对应的子区域确定为识别物;
当匹配成功时,则将该第一像素特征对应的子区域确定为识别物,即匹配成功的子区域作为识别物。
206、按正常流程操作;
当匹配不成功时,则按正常流程操作。
207、从该视觉词库中获取匹配成功的该第二像素特征对应的识别物关键字;
在匹配成功之后,还可以从该视觉词库中获取匹配成功的该第二像素特征对应的识别物关键字。
需要说明的是,该识别物关键字是用于标示识别物、存在于视觉词库中的数据,当匹配成功后,可以根据匹配成功的第二像素特征从视觉词库中获取到该识别物关键字。例如,子区域为垃圾桶的图像,匹配成功后,对应的第二像素特征的识别物关键字为“垃圾桶”或“垃圾箱”,然后从视觉词库中获取到“垃圾桶”或“垃圾箱”这个识别物关键字。
208、将该识别物与该识别物关键字关联起来;
在获取到识别物关键字后,可以将该识别物与该识别物关键字关联起来。可以理解的是,该关联可以通过相机的系统来实现。
209、在该实时图像上标示出该识别物的识别物关键字;
在将该识别物与该识别物关键字关联起来之后,可以在该实时图像上标示出该识别物的识别物关键字,从而使得用户更加方便得识别出该识别物的种类或名称,并可以获取到相关信息。
210、获取到从该识别物中被选取的干扰物;
在得到识别物后,可以获取到从该识别物中被选取的干扰物。
需要说明的是,选取的方式可以有多种,例如可以通过相机系统自动选取,如在系统中预设了“垃圾箱”、“广告牌”等识别物为干扰物,则当识别物中出现“垃圾箱”或“广告牌”时,自动将这些识别物选取为干扰物;另外,也可以由用户自行在相机的显示屏上通过触控来选取用户不想要的干扰物。
211、从拍照得到的静态图像中移除该干扰物,使得该静态图像出现空缺;
在选取出该干扰物后,可以从拍照得到的静态图像中移除该干扰物,使得该静态图像出现空缺。可以理解的是,该干扰物可以通过删除或剪切的方式从静态图像中移除,至于移除后的干扰物的图像如何处理,此处不做具体限定,可以直接销毁,也可以存储起来留作数据分析之用。
212、在该空缺的边缘位置取若干个像素的矩形区域作为补全窗口;
在对静态图像的空缺进行补全处理时,首先在该空缺的边缘位置取若干个像素的矩形区域作为补全窗口。可以理解的是,空缺的边缘位置即为空缺区域与静态图像的保留区域的交界区,在边缘位置上选取的n*m像素的区域必定将空缺区域的一部分包含进去,但不全是空缺区域的一部分。其中,n可以等于m,并且,n、m的数值可以根据空缺的大小和边缘位置的大小来进行自适应调整。
213、使用该补全窗口中的图像像素点信息替换补全其中的空缺;
在确定该补全窗口之后,可以使用该补全窗口中的图像像素点信息替换补全其中的空缺。可以理解的是,补全窗口中包括空缺的一部分和保留区域的一部分,同时空缺的区域是没有像素的,因此图像像素点信息指的是保留区域的一部分的像素,也就是空缺的边缘位置的景物像素点,通过这些像素点对补全窗口中的空缺进行替换,从而实现了空缺的补全缩小。在这期间可以使用均值滤波器去除图像噪点,从而实现替换补全的平滑过渡。
214、判断该空缺是否完成补全,若是,则执行步骤215,若否,则再次执行步骤212和213;
每次通过补全窗口进行替换补全后,可以判断该空缺是否完成补全,若是,则执行步骤215,若否,则再次执行步骤212和213。
215、得到该相片。
当该空缺已经完成补全时,可以得到该相片。可以理解的是,由于此时空缺已经补全完成,因此该相片不存在空缺部分,此时,用户得到了一张既没有干扰物,又表现自然的相片。
上面主要从实时图像的识别和空缺的补全方面进行描述,下面将从预置视觉词库以及视觉词库的机器学习方面对一种相片实时处理方法进行详细的描述,请参阅图3,本发明实施例中一种相片实时处理方法另一个实施例包括:
301、获取需要过滤的干扰物的关键字;
在取景拍照前,可以先获取需要过滤的干扰物的关键字。可以理解的是,需要过滤的干扰物是指用户想要移除的干扰物,希望将该干扰物从拍摄到的相片中去除。
需要说明的是,该关键字的获取,可以通过用户手动输入,也可以通过接收的方式获取到。
302、判断预置的视觉词库中是否存在该关键字,若是,则执行步骤307,若否,则执行步骤303;
在获取到该关键字后,可以判断预置的视觉词库中是否存在该关键字,若是,则执行步骤307,若否,则执行步骤303。
303、接收打开相机命令,获取实时图像;
此时,接收打开相机命令,获取实时图像。
304、提取该实时图像的低级特征;
然后,提取该实时图像的低级特征,该低级特征可以包括像素灰度值、纹理特征、像素色彩值或像素亮度值。此时给实时图像进行提取低级特征时,可以对整个实时图像进行全面的分析提取,一边从整体上形成多个聚类中心。
305、对该低级特征进行聚类处理,得到第二像素特征;
在提取该实时图像的低级特征之后,可以使用无监督算法对该低级特征进行聚类处理,得到第二像素特征。
需要说明的是,该无监督算法可以有很多种,此处以K均值算法为例进行描述:
1.初始化。将该低级特征作为对象集X,输入指定聚类类数N(可以由用户输入,也可以由系统根据预设的规则填入),并在X中随机选取N个对象作为初始聚类中心,设定迭代终止条件为聚类中心收敛误差容限为M。
2.进行迭代。根据相似度准则将数据对象分配到最接近的聚类中心,从而形成一类。
3.更新聚类中心。以每一类数据的平均向量为新聚类中心,重新分配数据对象。
4.迭代执行Step2和Step3,直至满足终止条件,最后将该聚类中心的像素特征确定为第二像素特征。
上述步骤1至4为系统使用K均值算法的大致过程,此处仅作举例使用,本实施例对无监督算法的工作过程不作具体限定。
306、为该第二像素特征确定对应的关键字;
在得到第二像素特征后,可以为该第二像素特征确定对应的关键字。可以理解的是,该关键字可以为步骤301中获取到的关键字,也可以是由用户后来自行输入的。给第二像素特征确定对应的关键字,即将该第二像素特征与该关键字关联起来,并保存在视觉词库中。
需要说明的是,步骤303至306为系统的取景识别模式,该模式用于视觉词库进行机器学习,在实际操作中,取景识别模式下的操作可以与拍照的操作(步骤307至321)先后或同时进行,如步骤303和307,这两个步骤可以重合为一个步骤,当然也可以分开先后执行,为了便于理解,此处描述采用分开先后执行的方式,此处不再赘述。
307、接收打开相机命令,将得到的实时图像显示出来;
接收打开相机命令,将得到的实时图像显示出来。
需要说明的是,该实时图像为显示在相机的显示屏上的动态图像,此时相机仍未进行拍照操作,用户可以通过显示屏得知当前镜头获取到的图像的具体情况。
308、将该实时图像划分为若干个子区域;
在获取到实时图像后,可以根据图像分割技术将该实时图像划分为若干个子区域。可以理解的是,图像分割技术可以对当前的实时图像进行数据上的识别分析,从而根据实时图像的特征划分为若干个子区域。
需要说明的是,划分子区域可以采用区域增长这种图像分割技术。区域增长,即根据统一物体区域内像素的相似性质来聚集像素点,从随机设定的初始区域开始,将相邻的具有相同性质的像素或其他区域归并到目前区域中,从而逐渐增长区域,直至没有可以归并的点或其他小区域为止,将原始图像分割成多个子区域。
309、提取该子区域的第一像素特征;
在获取到若干子区域之后,可以提取该子区域的第一像素特征。可以理解的是,第一像素特征即该子区域的像素特征,具体可以包括灰度值、纹理特征、色彩值、亮度值等与像素有关的基本参数。
310、将该第一像素特征与该视觉词库中的预存的第二像素特征进行匹配,若匹配成功,则执行步骤311,若匹配不成功,则执行步骤312;
在提取该子区域的第一像素特征之后,可以将该第一像素特征与该视觉词库中的预存的第二像素特征进行匹配,若匹配成功,则执行步骤311,若匹配不成功,则执行步骤312。
需要说明的是,该视觉词库包括该识别物与该实时图像的像素特征的对应关系,该第二像素特征为视觉词库中该识别物与该实时图像的像素特征的参考特征,或者是基准特征。可以知道的是,子区域由实时图像划分而来,子区域的像素特征即为第一像素特征,而第二像素特征为参考特征或基准特征,因此通过第一像素特征与第二像素特征的匹配,可以知道,若匹配成功,则说明该子区域符合该视觉词库的识别标准,可以被认定为识别物,若匹配不成功,则该子区域不符合视觉词库的识别标准或视觉词库中暂不存在这样的识别标准,不是所需的识别物。
311、将该第一像素特征对应的子区域确定为识别物;
当匹配成功时,则将该第一像素特征对应的子区域确定为识别物,即匹配成功的子区域作为识别物。
312、按正常流程操作;
当匹配不成功时,则按正常流程操作。
313、从该视觉词库中获取匹配成功的该第二像素特征对应的识别物关键字;
在匹配成功之后,还可以从该视觉词库中获取匹配成功的该第二像素特征对应的识别物关键字。
需要说明的是,该识别物关键字是用于标示识别物、存在于视觉词库中的数据,当匹配成功后,可以根据匹配成功的第二像素特征从视觉词库中获取到该识别物关键字。例如,子区域为垃圾桶的图像,匹配成功后,对应的第二像素特征的识别物关键字为“垃圾桶”或“垃圾箱”,然后从视觉词库中获取到“垃圾桶”或“垃圾箱”这个识别物关键字。
314、将该识别物与该识别物关键字关联起来;
在获取到识别物关键字后,可以将该识别物与该识别物关键字关联起来。可以理解的是,该关联可以通过相机的系统来实现。
315、在该实时图像上标示出该识别物的识别物关键字;
在将该识别物与该识别物关键字关联起来之后,可以在该实时图像上标示出该识别物的识别物关键字,从而使得用户更加方便得识别出该识别物的种类或名称,并可以获取到相关信息。
316、获取到从该识别物中被选取的干扰物;
在得到识别物后,可以获取到从该识别物中被选取的干扰物。
可以理解的是,在步骤301中已经获取到关键字,该关键字可以代表用户想要移除的干扰物,因此系统可以将该关键字与识别物关键字进行对比,既可以自动从该识别物中选取出干扰物,无需用户再次进行操作。
317、从拍照得到的静态图像中移除该干扰物,使得该静态图像出现空缺;
在选取出该干扰物后,可以从拍照得到的静态图像中移除该干扰物,使得该静态图像出现空缺。可以理解的是,该干扰物可以通过删除或剪切的方式从静态图像中移除,至于移除后的干扰物的图像如何处理,此处不做具体限定,可以直接销毁,也可以存储起来留作数据分析之用。
318、在该空缺的边缘位置取若干个像素的矩形区域作为补全窗口;
在对静态图像的空缺进行补全处理时,首先在该空缺的边缘位置取若干个像素的矩形区域作为补全窗口。可以理解的是,空缺的边缘位置即为空缺区域与静态图像的保留区域的交界区,在边缘位置上选取的n*m像素的区域(即n*m个像素的矩形区域)必定将空缺区域的一部分包含进去,但不全是空缺区域的一部分。其中,n可以等于m,并且,n、m的数值可以根据空缺的大小和边缘位置的大小来进行自适应调整。
319、使用该补全窗口中的图像像素点信息替换补全其中的空缺;
在确定该补全窗口之后,可以使用该补全窗口中的图像像素点信息替换补全其中的空缺。可以理解的是,补全窗口中包括空缺的一部分和保留区域的一部分,同时空缺的区域是没有像素点信息的,因此图像像素点信息指的是保留区域的一部分的像素,也就是空缺的边缘位置的景物像素点,通过这些像素点对补全窗口中的空缺进行替换,从而实现了空缺的补全缩小。在这期间可以使用均值滤波器去除图像噪点,从而实现替换补全的平滑过渡。
320、判断该空缺是否完成补全,若是,则执行步骤321,若否,则再次执行步骤318和319;
每次通过补全窗口进行替换补全后,可以判断该空缺是否完成补全,若是,则执行步骤321,若否,则再次执行步骤318和319。
321、得到该相片。
当该空缺已经完成补全时,可以得到该相片。可以理解的是,由于此时空缺已经补全完成,因此该相片不存在空缺部分,此时,用户得到了一张既没有干扰物,又表现自然的相片。
为便于理解,根据图3所描述的实施例,下面以一个实际应用场景对本发明实施例中的一种相片实时处理方法进行描述:
在一处景点摄影,选好了合适的拍摄位置和角度后,发现视野中有一个固定垃圾箱遮挡了景色,垃圾箱无法移除,更换拍摄地点又会影响效果,此时用户操作如下:
1、打开相机;
2、输入“垃圾箱”,相机提示“没搜索到相关数据”,进入取样识别模式;
3、实时取景,显示屏中出现多个突出显示的聚类中心,如“树木”、“垃圾箱”、“围墙”等,用户选择“垃圾箱”所在的聚类中心,并输入关键字:垃圾箱;
4、离开取样识别模式,保持在实时取景界面;
5、实时图像上高亮显示多个识别物,假设分别有“自行车”、“垃圾箱”、“电线杆”等,并提示“请选择干扰物”;
6、用户触摸选择“垃圾箱”;
7、按下快门拍照,得到自动擦除垃圾箱并根据周围景物补全的相片。
上面主要对一种相片实时处理方法进行描述,下面对一种相片实时处理装置进行描述,请参阅图4,本发明实施例中一种相片实时处理装置一个实施例包括:
实时取景模块401,用于接收打开该相机的命令,将得到的实时图像显示出来;
景物识别模块402,用于根据预置的视觉词库对该实时图像进行景物识别,得到识别物,该视觉词库包括该识别物与该实时图像的像素特征的对应关系;
干扰物选取模块403,用于获取到从该识别物中被选取的干扰物;
干扰物移除模块404,用于从拍照得到的静态图像中移除该干扰物,使得该静态图像出现空缺;
去噪补全模块405,用于根据该空缺周围的图像特征对该空缺进行补全处理,得到相片。
在本实施例中,首先,实时取景模块401接收打开该相机的命令,将得到的实时图像显示出来,接着,景物识别模块402根据预置的视觉词库对该实时图像进行景物识别,得到识别物。然后,干扰物选取模块403获取到从该识别物中被选取的干扰物,干扰物移除模块404从拍照得到的静态图像中移除该干扰物,使得该静态图像出现空缺。最后,去噪补全模块405根据图像去噪算法和该空缺周围的图像特征对该空缺进行补全处理,得到相片。在本实施例中,通过实时地、预先地将干扰物识别出来,在拍照时从静态图像中移除干扰物,最后补全空缺得到不存在干扰物的相片,从而实现静态干扰物的实时移除,无需后期图像处理,无需学习成本,操作简单、方便。
为便于理解,下面对本发明实施例中的一种相片实时处理装置进行详细描述,请参阅图5,本发明实施例中一种相片实时处理装置另一个实施例包括:
实时取景模块501,用于接收打开该相机的命令,将得到的实时图像显示出来;
景物识别模块502,用于根据预置的视觉词库对该实时图像进行景物识别,得到识别物,该视觉词库包括该识别物与该实时图像的像素特征的对应关系;
干扰物选取模块503,用于获取到从该识别物中被选取的干扰物;
干扰物移除模块504,用于从拍照得到的静态图像中移除该干扰物,使得该静态图像出现空缺;
去噪补全模块505,用于根据该空缺周围的图像特征对该空缺进行补全处理,得到相片。
本实施例中该景物识别模块502具体可以包括:
划分单元5021,用于将该实时图像划分为若干个子区域;
提取单元5022,用于提取该子区域的第一像素特征;
匹配单元5023,用于将该第一像素特征与该视觉词库中的预存的第二像素特征进行匹配,若匹配成功,则执行确认单元5024;
该确认单元5024,用于将该第一像素特征对应的子区域确定为识别物。
本实施例中该去噪补全模块505具体可以包括:
补全窗口单元5051,用于在该空缺的边缘位置取若干个像素的矩形区域作为补全窗口;
替换补全单元5052,用于使用该补全窗口中的图像像素点信息替换补全其中的空缺;
控制单元5053,用于反复触发该补全窗口单元和该替换补全单元,直到该空缺完成补全,得到相片。
本实施例中该相机还包括:
获取模块511,用于获取需要过滤的干扰物的关键字;
关键字判断模块512,用于判断预置的视觉词库中是否存在所述关键字,若是,则执行实时取景模块501。
本实施例中该相机还可以包括:
判断模块506,用于判断预置的视觉词库中是否存在所述关键字,若否,则进入取样识别模式;
所述取样识别模式具体包括:
接收获取模块507,用于接收打开相机命令,获取实时图像;
提取特征模块508,用于提取所述实时图像的低级特征,所述低级特征包括像素灰度值、纹理特征、像素色彩值或像素亮度值;
聚类处理模块509,用于对所述低级特征进行聚类处理,得到第二像素特征;
关键字确定模块510,用于为所述第二像素特征确定对应的关键字。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (11)
1.一种相片实时处理方法,其特征在于,包括:
接收打开相机命令,将得到的实时图像显示出来;
根据预置的视觉词库对所述实时图像进行景物识别,得到识别物,所述视觉词库包括所述识别物与所述实时图像的像素特征的对应关系;
获取到从所述识别物中被选取的干扰物;
从拍照得到的静态图像中移除所述干扰物,使得所述静态图像出现空缺;
根据所述空缺周围的图像特征对所述空缺进行补全处理,得到相片。
2.根据权利要求1所述的相片实时处理方法,其特征在于,所述根据预置的视觉词库对所述实时图像进行景物识别,得到识别物具体包括:
将所述实时图像划分为若干个子区域;
提取所述子区域的第一像素特征;
将所述第一像素特征与所述视觉词库中的预存的第二像素特征进行匹配,若匹配成功,则将所述第一像素特征对应的子区域确定为识别物。
3.根据权利要求2所述的相片实时处理方法,其特征在于,所述相片实时处理方法还包括:
从所述视觉词库中获取匹配成功的所述第二像素特征对应的识别物关键字;
将所述识别物与所述识别物关键字关联起来。
4.根据权利要求3所述的相片实时处理方法,其特征在于,所述相片实时处理方法还包括:
在所述实时图像上标示出所述识别物的识别物关键字。
5.根据权利要求1所述的相片实时处理方法,其特征在于,所述根据所述空缺周围的图像特征对所述空缺进行补全处理,得到相片具体包括:
X1:在所述空缺的边缘位置取若干个像素的矩形区域作为补全窗口;
X2:使用所述补全窗口中的图像像素点信息替换补全其中的空缺;
反复执行步骤X1和X2,直到所述空缺完成补全,得到相片。
6.根据权利要求1所述的相片实时处理方法,其特征在于,在实时取景之前还包括:
获取需要过滤的干扰物的关键字;
判断预置的视觉词库中是否存在所述关键字,若是,则执行接收打开相机命令的步骤。
7.根据权利要求6所述的相片实时处理方法,其特征在于,所述相片实时处理方法还包括:
判断预置的视觉词库中是否存在所述关键字,若否,则进入取样识别模式;
进入所述取样识别模式具体包括:
接收打开相机命令,获取实时图像;
提取所述实时图像的低级特征,所述低级特征包括像素灰度值、纹理特征、像素色彩值或像素亮度值;
对所述低级特征进行聚类处理,得到第二像素特征;
为所述第二像素特征确定对应的关键字。
8.一种相片实时处理装置,其特征在于,包括:
实时取景模块,用于打开所述相机实时取景,将得到的实时图像显示出来;
景物识别模块,用于根据预置的视觉词库对所述实时图像进行景物识别,得到识别物,所述视觉词库包括所述识别物与所述实时图像的像素特征的对应关系;
干扰物选取模块,用于获取到从所述识别物中被选取的干扰物;
干扰物移除模块,用于从拍照得到的静态图像中移除所述干扰物,使得所述静态图像出现空缺;
去噪补全模块,用于根据所述空缺周围的图像特征对所述空缺进行补全处理,得到相片。
9.根据权利要求8所述的装置,其特征在于,所述景物识别模块具体包括:
划分单元,用于将所述实时图像划分为若干个子区域;
提取单元,用于提取所述子区域的第一像素特征;
匹配单元,用于将所述第一像素特征与所述视觉词库中的预存的第二像素特征进行匹配,若匹配成功,则执行确认单元;
所述确认单元,用于将所述第一像素特征对应的子区域确定为识别物。
10.根据权利要求8所述的装置,其特征在于,所述去噪补全模块具体包括:
补全窗口单元,用于在所述空缺的边缘位置取若干个像素的矩形区域作为补全窗口;
替换补全单元,用于使用所述补全窗口中的图像像素点信息替换补全其中的空缺;
控制单元,用于反复触发所述补全窗口单元和所述替换补全单元,直到所述空缺完成补全,得到相片。
11.根据权利要求8所述的装置,其特征在于,所述装置还包括:
判断模块,用于判断预置的视觉词库中是否存在所述关键字;
接收获取模块,用于在所述判断模块的判断结果为否的情况下,进入取样识别模式,接收打开相机命令,获取实时图像;
提取特征模块,用于提取所述实时图像的低级特征,所述低级特征包括像素灰度值、纹理特征、像素色彩值或像素亮度值;
聚类处理模块,用于对所述低级特征进行聚类处理,得到第二像素特征;
关键字确定模块,用于为所述第二像素特征确定对应的关键字。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410596586.2A CN104318251B (zh) | 2014-10-29 | 2014-10-29 | 一种相片实时处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410596586.2A CN104318251B (zh) | 2014-10-29 | 2014-10-29 | 一种相片实时处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104318251A true CN104318251A (zh) | 2015-01-28 |
CN104318251B CN104318251B (zh) | 2018-05-01 |
Family
ID=52373480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410596586.2A Active CN104318251B (zh) | 2014-10-29 | 2014-10-29 | 一种相片实时处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104318251B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105611373A (zh) * | 2015-12-23 | 2016-05-25 | 小米科技有限责任公司 | 视频图像处理方法及装置 |
CN107730457A (zh) * | 2017-08-28 | 2018-02-23 | 广东数相智能科技有限公司 | 一种图像补全方法、装置、电子设备及存储介质 |
CN108009982A (zh) * | 2017-12-18 | 2018-05-08 | 信利光电股份有限公司 | 一种照片美化方法、装置、设备及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266685A (zh) * | 2007-03-14 | 2008-09-17 | 中国科学院自动化研究所 | 一种基于多幅照片去除无关图像的方法 |
CN102930264A (zh) * | 2012-09-29 | 2013-02-13 | 李炳华 | 基于图像识别技术的商品陈列信息采集分析系统及方法 |
CN103930901A (zh) * | 2011-11-17 | 2014-07-16 | 微软公司 | 基于图像内容的自动标记生成 |
-
2014
- 2014-10-29 CN CN201410596586.2A patent/CN104318251B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266685A (zh) * | 2007-03-14 | 2008-09-17 | 中国科学院自动化研究所 | 一种基于多幅照片去除无关图像的方法 |
CN103930901A (zh) * | 2011-11-17 | 2014-07-16 | 微软公司 | 基于图像内容的自动标记生成 |
CN102930264A (zh) * | 2012-09-29 | 2013-02-13 | 李炳华 | 基于图像识别技术的商品陈列信息采集分析系统及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105611373A (zh) * | 2015-12-23 | 2016-05-25 | 小米科技有限责任公司 | 视频图像处理方法及装置 |
CN105611373B (zh) * | 2015-12-23 | 2019-03-08 | 小米科技有限责任公司 | 视频图像处理方法及装置 |
CN107730457A (zh) * | 2017-08-28 | 2018-02-23 | 广东数相智能科技有限公司 | 一种图像补全方法、装置、电子设备及存储介质 |
CN107730457B (zh) * | 2017-08-28 | 2020-02-14 | 广东数相智能科技有限公司 | 一种图像补全方法、装置、电子设备及存储介质 |
CN108009982A (zh) * | 2017-12-18 | 2018-05-08 | 信利光电股份有限公司 | 一种照片美化方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104318251B (zh) | 2018-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3506200B1 (en) | Image segmentation method, apparatus, and fully convolutional network system | |
CN108229277B (zh) | 手势识别、手势控制及多层神经网络训练方法、装置及电子设备 | |
US20110116716A1 (en) | Method and apparatus for processing image | |
US9076221B2 (en) | Removing an object from an image | |
CN102917159B (zh) | 用于改进的多模式背景去除的模式移除 | |
CN103116754A (zh) | 基于识别模型的批量图像分割方法及系统 | |
CN108509231B (zh) | 基于vr的应用程序打开方法、电子装置、设备及存储介质 | |
CN113011403B (zh) | 手势识别方法、系统、介质及设备 | |
CN103716539A (zh) | 一种拍照方法和设备 | |
CN113012054A (zh) | 基于抠图的样本增强方法和训练方法及其系统和电子设备 | |
CN112383824A (zh) | 视频广告过滤方法、设备及存储介质 | |
CN104318251A (zh) | 一种相片实时处理方法和装置 | |
CN112802081A (zh) | 一种深度检测方法、装置、电子设备及存储介质 | |
CN114663726A (zh) | 目标类别检测模型的训练方法、目标检测方法及电子设备 | |
CN112966687B (zh) | 图像分割模型训练方法、装置及通信设备 | |
CN111192286A (zh) | 一种图像合成方法、电子设备及存储介质 | |
CN117710868A (zh) | 一种对实时视频目标的优化提取系统及方法 | |
JP7058053B2 (ja) | コンピュータシステム、情報コード読取方法及びプログラム | |
CN113139419A (zh) | 一种无人机检测方法及装置 | |
CN116701697A (zh) | 题目搜索方法、装置、设备及存储介质 | |
CN112487943B (zh) | 关键帧去重的方法、装置和电子设备 | |
CN104469160A (zh) | 一种图像的获取及处理方法、系统及终端 | |
CN115019138A (zh) | 视频字幕擦除、模型训练、交互方法、设备及存储介质 | |
CN112672033A (zh) | 图像处理方法及装置、存储介质、电子装置 | |
CN114495190A (zh) | 换脸网络模型的训练方法、图像换脸方法及相关设备 |
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 |