CN104463103B - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN104463103B CN104463103B CN201410643749.8A CN201410643749A CN104463103B CN 104463103 B CN104463103 B CN 104463103B CN 201410643749 A CN201410643749 A CN 201410643749A CN 104463103 B CN104463103 B CN 104463103B
- Authority
- CN
- China
- Prior art keywords
- image
- target image
- word
- target
- grader
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本公开是关于一种图像处理方法及装置,属于图像处理领域。所述方法包括:检测目标图像是否为文字类图像;若目标图像是文字类图像,则对拍摄到的目标图像中的文字进行清晰化处理。本公开解决了移动终端拍摄出的文本类图像的质量通常较差的问题;达到了针对文字类图像自动进行清晰化处理,使得用户能够准确辨认文字类图像中的文字,根据文字类图像的图像特点提高图像质量的效果。
Description
技术领域
本公开涉及图像处理领域,特别涉及一种图像处理方法及装置。
背景技术
移动终端已经成为人们日常生活中不可缺少的电子产品。使用移动终端拍照是用户最常使用的功能。
用户在阅读文本时,存在拍摄文字类图像的需求。相关技术中,用户可以使用移动终端对文本进行拍摄,然后将拍摄得到的图像进行收藏、转发、扫描或传真等。
在实现本公开的过程中,发明人发现相关技术存在如下缺点:受环境因素的影响,移动终端拍摄的文本类图像的质量通常较差。
发明内容
为了解决移动终端拍摄出的文本类图像的质量通常较差的问题,本公开实施例提供了一种图像处理方法及装置。所述技术方案如下:
根据本公开的第一方面,提供了一种图像处理方法,该方法包括:
检测目标图像是否为文字类图像;
若目标图像是文字类图像,则对目标图像中的文字进行清晰化处理。
在一个实施例中,检测目标图像是否为文字类图像,包括:
提取目标图像的图像特征;
将图像特征输入预设的分类器中,得出目标图像的分类结果,分类器是用于对文字类图像和非文字类图像进行分类的分类器。
在一个实施例中,该方法,还包括:
将预设的文字类图像样本集和非文字类图像样本集中的样本图像归一化为同一像素尺寸;
对于每一张样本图像,提取样本图像的纹理特征,将样本图像划分得到预定大小的至少一个分块,根据样本图像的纹理特征计算得到每个分块的纹理特征直方图;
将属于文字类图像样本集的样本图像所对应的每个分块的纹理特征直方图,和属于非文字类图像样本集的样本图像所对应的每个分块的纹理特征直方图分别输入预设模型中进行训练,得到分类器。
在一个实施例中,提取目标图像的图像特征,包括:
在取景过程中,获取与目标图像对应的取景图像的图像信息;提取图像信息中的图像特征;
或,
在拍摄到目标图像后,提取目标图像的图像信息中的图像特征;
或,
在接收到对目标图像的预定操作时,提取目标图像的图像信息中的图像特征,预定操作包括查看操作、转发操作、分享操作、保存操作和复制粘贴操作中的任意一种。
在一个实施例中,对拍摄到的目标图像中的文字进行清晰化处理,包括:
显示一个清晰化功能选项;
在接收到对清晰化功能选项的触发信号时,对目标图像中的文字进行清晰化处理。
在一个实施例中,该方法,还包括:
将目标图像存储到指定文件夹;
或,
将目标图像中的文字识别为可编辑文本,将可编辑文本保存至指定应用程序,指定应用程序包括邮件应用、即时通信应用、笔记应用和备忘录应用中的任意一种。
根据本公开的第二方面,提供了一种图像处理装置,该装置包括:
类型检测模块,被配置为检测目标图像是否为文字类图像;
图像处理模块,被配置为当目标图像是文字类图像时,对目标图像中的文字进行清晰化处理。
在一个实施例中,类型检测模块,包括:
提取子模块和分类子模块;
提取子模块,被配置为提取目标图像的图像特征;
分类子模块,被配置为将图像特征输入预设的分类器中,得出目标图像的分类结果,分类器是用于对文字类图像和非文字类图像进行分类的分类器。
在一个实施例中,该装置还包括;
归一化模块,被配置为将预设的文字类图像样本集和非文字类图像样本集中的样本图像归一化为同一像素尺寸;
直方图提取模块,被配置为对于每一张样本图像,提取样本图像的纹理特征,将样本图像划分得到预定大小的至少一个分块,根据样本图像的纹理特征计算得到每个分块的纹理特征直方图;
分类器训练模块,被配置为将属于文字类图像样本集的样本图像所对应的每个分块的纹理特征直方图,和属于非文字类图像样本集的样本图像所对应的每个分块的纹理特征直方图分别输入预设模型中进行训练,得到分类器。
在一个实施例中,提取子模块,被配置为在取景过程中,获取与目标图像对应的取景图像的图像信息;提取图像信息中的图像特征;或,提取子模块,被配置为在拍摄到目标图像后,提取目标图像的图像信息中的图像特征;或,提取子模块,被配置为在接收到对目标图像的预定操作时,提取目标图像的图像信息中的图像特征,预定操作包括查看操作、转发操作、分享操作、保存操作和复制粘贴操作中的任意一种。
在一个实施例中,图像处理模块,包括:
按钮显示子模块,被配置为显示一个清晰化功能选项;
清晰化处理子模块,被配置为在按钮显示子模块接收到对清晰化功能选项的触发信号时,对目标图像中的文字进行清晰化处理。
在一个实施例中,该装置,还包括:
图像存储模块,被配置为将目标图像存储到指定文件夹;
或,
图像保存模块,被配置为将目标图像中的文字识别为可编辑文本,将可编辑文本保存至指定应用程序,指定应用程序包括邮件应用、即时通信应用、笔记应用和备忘录应用中的任意一种。
根据本公开的第三方面,提供了一种图像处理装置,该装置包括:
处理器;
用于存储处理器的可执行指令的存储器;
其中,处理器被配置为:
检测目标图像是否为文字类图像;
若目标图像是文字类图像,则对目标图像中的文字进行清晰化处理。
本公开实施例提供的技术方案可以包括以下有益效果:
通过检测目标图像是否为文字类图像,若目标图像是文字类图像,则对拍摄到的目标图像中的文字进行清晰化处理;解决了移动终端拍摄出的文本类图像的质量通常较差的问题;达到了针对文字类图像自动进行清晰化处理,使得用户能够准确辨认文字类图像中的文字,根据文字类图像的图像特点提高图像质量的效果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种图像处理方法的流程图;
图2A是根据另一示例性实施例示出的一种图像处理方法的流程图;
图2B是图2A所示实施例提供的图像处理方法在实施时的示意图;
图3A是根据另一示例性实施例示出的一种图像处理方法的流程图;
图3B是图3A所示实施例提供的图像处理方法在实施时的示意图;
图3C是图3A所示实施例提供的图像处理方法在实施时的示意图;
图4是根据一示例性实施例示出的一种图像处理装置的框图;
图5是根据另一示例性实施例示出的一种图像处理装置的框图;
图6是根据一示例性实施例示出的一种图像处理装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本文中提到的电子设备可以是手机、平板电脑、电子书阅读器、MP3播放器(MovingPicture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
由于用户拍摄文字类图像的用途,通常是对该图像中携带的文字进行收藏、转发、扫描和传真等,此时,用户更关注文字类图像中的文字内容。为此,本文提供有如下实施例:
图1是本发明一个实施例提供的图像处理方法的方法流程图。该图像处理方法可以应用于电子设备,如移动终端中,该方法包括:
在步骤102中,检测目标图像是否为文字类图像。
在步骤104中,若目标图像是文字类图像,则对拍摄到的目标图像中的文字进行清晰化处理。
综上所述,本实施例提供的图像处理方法,通过检测目标图像是否为文字类图像,若目标图像是文字类图像,则对拍摄到的目标图像中的文字进行清晰化处理;解决了移动终端拍摄出的文本类图像的质量通常较差的问题;达到了针对文字类图像自动进行清晰化处理,使得用户能够准确辨认文字类图像中的文字,根据文字类图像的图像特点提高图像质量的效果。
电子设备可以通过预先训练得到的分类器,检测目标图像是否为文字类图像。也即,电子设备可以提取目标图像的图像特征,将图像特征输入预设分类器中,得出目标图像的分类结果。该分类器是用于对文字类图像和非文字类图像进行分类的分类器。
根据提取目标图像的图像特征的时机不同,有两种可能的实现方式:
第一,在拍摄目标图像的取景过程中,提取目标图像的图像特征;
第二,在已经拍摄得到目标图像之后,提取目标图像的图像特征。下面采用两个不同的实施例来举例说明。
图2A是本发明另一个实施例提供的图像处理方法的方法流程图。该图像处理方法可以应用于电子设备,如移动终端中,该方法包括:
在步骤201中,在取景过程中,获取与目标图像对应的取景图像的图像信息。
在用户使用电子设备拍摄图像的取景过程中,电子设备获取取景过程中的取景图像,根据该取景图像来判断正在拍摄的目标图像是否为文字类图像。
需要说明的是,本实施例中的图像信息是指目标图像还未拍摄完毕,正在取景过程中时取景图像所对应的图像信息。
电子设备可以通过摄像头模组中的感光器件获取到与目标图像对应的取景图像的图像信息。
在步骤202中,提取图像信息中的图像特征。
电子设备提取图像信息中的图像特征。由于文字类图像中的大部分像素都是白、灰、黑的,颜色变化较少,主要是纹理变化。为此,电子设备可以提取图像信息中的纹理特征,该纹理特征可以是Gabor(伽伯)特征。
以Gabor特征为例,本步骤可以包括如下子步骤:
第一,电子设备将与目标图像对应的取景图像的图像信息归一化为预设像素尺寸,比如300像素*300像素。
第二,电子设备提取图像信息中的Gabor特征,也即整个图像的Gabor特征。
第三,电子设备将图像信息划分得到预定大小的至少一个分块,每个分块的大小可以是10像素*10像素,也即900个分块。
第四,电子设备根据图像信息的Gabor特征计算得到每个分块的Gabor特征直方图。
将整个图像信息分块后,再统计每个分块的Gabor特征直方图。可以借助分块的特性和直方图的特性,消除纹理特征在图像上的位置影响。也即,该方法可以突出纹理特征本身,而消除每个分块在图像上的位置差异所导致的特征变化,能够使得分类器获得更好的识别效果。
在步骤203中,将图像特征输入预设的分类器中,得出目标图像的分类结果,分类器是用于对文字类图像和非文字类图像进行分类的分类器;
对于一张图像信息来讲,电子设备将提取到的900个Gabor特征直方图输入预设的分类器中,从而得到目标图像的分类结果。该分类器是用于对文字类图像和非文字类图像进行分类的分类器。
比如,该分类器可以是通过文字类图像样本集和非文字类图像样本集预先训练得到的SVM(Support Vector Machine,支持向量机)分类器。电子设备将900个Gabor特征直方图作为一个输入向量输入SVM分类器后,若SVM分类器输出第一结果值,比如输出1,则认为目标图像是文字类图像;若SVM分类器输出第二结果值,比如输出0,则认为目标图像是非文字类图像。
在步骤204中,若目标图像是文字类图像,则对拍摄到的目标图像中的文字进行清晰化处理。
电子设备可以自动对拍摄到的目标图像中的文字进行清晰化处理。电子设备也可以在用户授权的情况下,对拍摄到的目标图像中的文字进行清晰化处理。也即,本步骤可以包括如下子步骤:
第一,电子设备显示一个清晰化功能选项。
如图2B所示,在取景过程中,电子设备可以在检测到取景图像22所对应的目标图像是文字类图像时,在取景界面24中显示一个清晰化功能选项26。该清晰化功能选项26的名称可能有多种,比如扫描按钮、传真按钮、清晰化按钮等。该清晰化功能选项26还可以集成相机快门的功能。
第二,电子设备在接收到对清晰化功能选项的触发信号时,对拍摄到的目标图像中的文字进行清晰化处理。
若清晰化功能按钮26集成有相机快门的功能,在用户点击清晰化功能选项26后,电子设备可以先执行拍照,将取景图像中的内容拍摄得到目标图像,然后对拍摄到的目标图像中的文字进行清晰化处理。
对目标图像中的文字进行清晰化处理可以包括:锐化文字边缘、增加对比度、倾斜修正、去光照处理以及消除噪点中的至少一种。
一种采用局部图像的归一化方法对目标图像中的文字进行锐化和增加对比度的方式为:对于目标图像中的各个像素点,以该像素点为中心确定一个预设大小的区域,比如12像素*12像素的区域;对该区域中用统一的均值和方差进行归一化处理;在遍历图像中的各个像素点后,得到增强后的目标图像。
以灰度图像为例,该统一的均值可以是90灰度,方差为40。若图像是彩色的RGB(Red Green Blue,红绿蓝),该归一化方法可以按照三个颜色通道的不同,对每个颜色通道分别进行归一化处理。
但需要说明的是,本实施例对目标图像进行清晰化处理的方式不做具体限定,只要能够使目标图像中的文字更加清晰即可。
当然,若目标图像是非文字类图像,则电子设备可以按照普通图像进行处理,或者,按照其它特殊图像进行其他类型的增强化处理。
在步骤205中,将目标图像存储到指定文件夹。
电子设备还自动将拍摄得到的目标图像单独存储到指定文件夹,该指定文件夹可以是图像文件夹下面增设的子文件夹,该子文件夹的名称可以是扫描文件夹、传真文件夹、文字图像文件夹、收藏文件夹等。
综上所述,本实施例提供的图像处理方法,通过检测目标图像是否为文字类图像,若目标图像是文字类图像,则对拍摄到的目标图像中的文字进行清晰化处理;解决了移动终端拍摄出的文本类图像的质量通常较差的问题;达到了针对文字类图像自动进行清晰化处理,使得用户能够准确辨认文字类图像中的文字,根据文字类图像的图像特点提高图像质量的效果。
本实施例提供的图像处理方法,还在取景过程中检测到与目标图像对应的取景图像是文字类图像时,提供清晰化处理选项,来一键实现清晰化处理以及单独存储;解决了移动终端操作上的不便,如果用户单独使用移动终端上的图像处理软件来对图像进行清晰化处理,需要耗费用户较多的操作,比较繁琐的问题;达到了用户可以在拍照时,一键对文字类图像进行清晰化处理并保存到指定文件夹,便于后续再进行转发、查找等其它操作,能够有效增加用户操作效率的效果。
与图2A实施例不同的是,下述的图3A实施例以拍摄到目标图像之后,检测目标图像是否为文字类图像来举例说明。
图3A是本发明另一个实施例提供的图像处理方法的方法流程图。该图像处理方法可以应用于电子设备,如移动终端中,该方法包括:
在步骤301中,提取目标图像的图像信息中的图像特征;
电子设备可以在拍摄到目标图像之后,提取目标图像的图像信息中的图像特征。根据时机的不同,也可能有如下两种实现方式:
第一种方式,电子设备在拍摄到目标图像后,提取目标图像的图像信息中的图像特征。也即,电子设备在刚刚拍摄得到目标图像后,提取目标图像的图像信息中的图像特征。
第二种方式,电子设备在接收到对目标图像的预定操作时,提取目标图像的图像信息中的图像特征,预定操作包括查看操作、转发操作、分享操作、保存操作和复制粘贴操作中的任意一种。
也即,在用户显示目标图像、转发目标图像、分享目标图像、保存目标图像、复制粘贴目标图像等场景,电子设备提取目标图像的图像信息中的图像特征。
由于文字类图像中的大部分像素都是白、灰、黑的,颜色变化较少,主要是纹理变化。为此,电子设备可以提取目标图像的图像信息中的纹理特征,该纹理特征可以是Gabor(伽伯)特征。
以Gabor特征为例,本步骤可以包括如下子步骤:
第一,电子设备将目标图像的图像信息归一化为预设像素尺寸,比如300像素*300像素。
第二,电子设备提取图像信息中的Gabor特征,也即整个图像的Gabor特征。
第三,电子设备将图像信息划分得到预定大小的至少一个分块,每个分块的大小可以是10像素*10像素,也即900个分块。
第四,电子设备根据图像信息的Gabor特征计算得到每个分块的Gabor特征直方图。
将整个图像信息分块后,再统计每个分块的Gabor特征直方图。可以借助分块的特性和直方图的特性,消除纹理特征在图像上的位置影响。也即,该方法可以突出纹理特征本身,而消除每个分块在图像上的位置差异所导致的特征变化,能够使得分类器获得更好的识别效果。
在步骤302中,将图像特征输入预设的分类器中,得出目标图像的分类结果,分类器是用于对文字类图像和非文字类图像进行分类的分类器;
对于一张目标图像的图像信息来讲,电子设备将提取到的900个Gabor特征直方图输入预设的分类器中,从而得到目标图像的分类结果。该分类器是用于对文字类图像和非文字类图像进行分类的分类器。
比如,该分类器可以是通过文字类图像样本集和非文字类图像样本集预先训练得到的SVM(Support Vector Machine,支持向量机)分类器。电子设备将900个Gabor特征直方图作为一个输入向量输入SVM分类器后,若SVM分类器输出第一结果值,比如输出1,则认为目标图像是文字类图像;若SVM分类器输出第二结果值,比如输出0,则认为目标图像是非文字类图像。
在步骤303中,若目标图像是文字类图像,则对拍摄到的目标图像中的文字进行清晰化处理。
电子设备可以对拍摄到的目标图像中的文字进行清晰化处理,电子设备也可以在用户授权的情况下,对拍摄到的目标图像中的文字进行清晰化处理。也即,本步骤可以包括如下子步骤:
第三,电子设备显示一个清晰化功能选项。
如图3B所示,在显示目标图像的过程中,电子设备可以在检测到正在显示的目标图像32是文字类图像时,在显示界面34中显示一个清晰化功能选项36。该清晰化功能选项36的名称可能有多种,比如扫描按钮、传真按钮、清晰化按钮等。
第四,电子设备在接收到对清晰化功能选项的触发信号时,对拍摄到的目标图像中的文字进行清晰化处理。
在用户点击清晰化功能选项36后,电子设备可以先执行拍照,将取景图像中的内容拍摄得到目标图像,然后对拍摄到的目标图像中的文字进行清晰化处理。
对目标图像中的文字进行清晰化处理可以包括:锐化文字边缘、增加对比度、倾斜修正、去光照处理以及消除噪点中的至少一种。
一种采用局部图像的归一化方法对目标图像中的文字进行锐化和增加对比度的方式为:对于目标图像中的各个像素点,以该像素点为中心确定一个预设大小的区域,比如12像素*12像素的区域;对该区域中用统一的均值和方差进行归一化处理;在遍历图像中的各个像素点后,得到增强后的目标图像。
以灰度图像为例,该统一的均值可以是90灰度,方差为40。若图像是彩色的RGB(Red Green Blue,红绿蓝),该归一化方法可以按照三个颜色通道的不同,对每个颜色通道分别进行归一化处理。
但需要说明的是,本实施例对目标图像进行清晰化处理的方式不做具体限定,只要能够使目标图像中的文字更加清晰即可。
当然,若目标图像是非文字类图像,则电子设备可以按照普通图像进行处理,或者,按照其它特殊图像进行其他类型的增强化处理。
在步骤304中,将目标图像中的文字识别为可编辑文本。
电子设备还可以根据OCR(Optical Character Recognition,光学字符识别)技术将目标图像中的文字识别为可编辑文本,可编辑文本可以是txt文本,word文本等。
在步骤305中,将可编辑文本保存至指定应用程序,指定应用程序包括邮件应用、即时通信应用、笔记应用和备忘录应用中的任意一种。
电子设备还可以将可编辑文本保存至指定应用程序,指定应用程序包括邮件应用、即时通信应用、笔记应用和备忘录应用中的任意一种。
在一种可能的实现方式下,如果电子设备是在接收到对目标图像的预定操作后,检测目标图像是否为文字类图像,则电子设备将可编辑文本保存至与预定操作对应的指定应用程序中。
与查看操作对应的指定应用程序可以是笔记应用或备忘录应用;与转发操作对应的指定应用程序可以是邮件应用或即时通信应用;与分享操作对应的指定应用程序可以是邮件应用、即时通信应用、笔记应用或备忘录应用;与保存操作对应的指定应用程序可以是笔记应用或备忘录应用;与复制粘贴操作对应的指定应用程序可以是邮件应用、即时通信应用、笔记应用或备忘录应用。
在另一种可能的实现方式下,参考图3C,电子设备显示一个指定应用程序的选择界面38,该选择界面38中显示有可供选择的指定应用程序。当电子设备接收用户到用户在指定应用程序的选择界面38上的选择信号后,将可编辑文本保存至与选择信号对应的指定应用程序中。
综上所述,本实施例提供的图像处理方法,通过检测目标图像是否为文字类图像,若目标图像是文字类图像,则对拍摄到的目标图像中的文字进行清晰化处理;解决了移动终端拍摄出的文本类图像的质量通常较差的问题;达到了针对文字类图像自动进行清晰化处理,使得用户能够准确辨认文字类图像中的文字,根据文字类图像的图像特点提高图像质量的效果。
本实施例提供的图像处理方法,还在拍摄得到目标图像后,检测到与目标图像对应的取景图像是文字类图像时,提供清晰化处理按钮,来一键实现清晰化处理以及存储至指定应用程序的功能;解决了移动终端操作上的不便,如果用户单独使用移动终端上的图像处理软件来对图像进行清晰化处理,需要耗费用户较多的操作,比较繁琐的问题;达到了用户可以在拍照后一键对文字类图像进行清晰化处理并存储至指定应用程序,能够有效增加用户操作效率的效果。
需要补充说明的是,图2A实施例中的步骤201至步骤204,可以与图3A实施例中的步骤304和步骤305结合实现成为新的实施例;图3A实施例中的步骤301至步骤303,可以与图2A实施例中的步骤204结合实现成为新的实施例。
还需要补充说明的是,在图2A实施例和图3A实施例中,电子设备还需要预先通过文字类图像样本集和非文字类图像样本集训练得到的分类器。当然,该训练过程也可以由服务器来完成,然后将训练得到的分类器移入到电子设备中即可。训练过程如下:
第一,电子设备将文字类图像样本集和非文字类图像样本集中的样本图像归一化为同一像素尺寸。
文字类图像样本集和非文字类图像样本集的数量可以相同,也可以不同。比如,文字类图像样本集是5万张,非文字图像样本集是10万张。电子设备将所有的样本图像,都归一化为同一像素尺寸,该同一像素尺寸可以是300像素*300像素。
第二,对于每一张样本图像,电子设备提取样本图像的纹理特征。
该纹理特征可以是Gabor特征。
第三,将样本图像划分得到预定大小的至少一个分块。
每个分块的大小可以是10像素*10像素,也即900个分块。
第四,根据样本图像的纹理特征计算得到每个分块的纹理特征直方图。
将整个样本图像分块后,再统计每个分块的Gabor特征直方图。可以借助分块的特性和直方图的特性,消除纹理特征在图像上的位置影响。
第五,将属于文字类图像样本集的样本图像所对应的每个分块的纹理特征直方图,和属于非文字类图像样本集的样本图像所对应的每个分块的纹理特征直方图分别输入预设模型中进行训练,得到分类器。
若该分类器是SVM分类器,电子设备将标记为文字类图像样本集的样本图像所对应的每个分块的Gabor特征直方图作为一个输入向量输入SVM的判决模型;将标记为非文字类图像样本集的样本图像所对应的每个分块的Gabor特征直方图作为一个输入向量输入SVM的判决模型。经过多次训练,可以训练得到分类器。
当然,电子设备还可以采用除SVM分类器之外的其它分类器,只要该分类器能够识别文字类图像和非文字类图像即可。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图4是根据一示例性实施例示出的一种图像处理装置的框图,该图像处理装置可以通过软件、硬件或者两者的结合实现成为电子设备的全部或者部分。该图像处理装置可以包括:
类型检测模块420,被配置为检测目标图像是否为文字类图像;
图像处理模块440,被配置为当目标图像是文字类图像时,对拍摄到的目标图像中的文字进行清晰化处理。
综上所述,本实施例提供的图像处理装置,通过检测目标图像是否为文字类图像,若目标图像是文字类图像,则对拍摄到的目标图像中的文字进行清晰化处理;解决了移动终端拍摄出的文本类图像的质量通常较差的问题;达到了针对文字类图像自动进行清晰化处理,使得用户能够准确辨认文字类图像中的文字,根据文字类图像的图像特点提高图像质量的效果。
图5是根据另一示例性实施例示出的一种图像处理装置的框图,该图像处理装置可以通过软件、硬件、或者两者的结合实现成为电子设备的全部或者部分。该图像处理装置可以包括:
类型检测模块420,被配置为检测目标图像是否为文字类图像。
图像处理模块440,被配置为当目标图像是文字类图像时,对拍摄到的目标图像中的文字进行清晰化处理。
可选地,类型检测模块420,包括:提取子模块422和分类子模块424;
提取子模块422,被配置为提取目标图像的图像特征。
分类子模块424,被配置为将图像特征输入预设的分类器中,得出目标图像的分类结果,分类器是用于对文字类图像和非文字类图像进行分类的分类器。
可选地,该图像处理装置,还包括:
归一化模块412,被配置为将预设的文字类图像样本集和非文字类图像样本集中的样本图像归一化为同一像素尺寸。
直方图提取模块414,被配置为对于每一张样本图像,提取样本图像的纹理特征,将样本图像划分得到预定大小的至少一个分块,根据样本图像的纹理特征计算得到每个分块的纹理特征直方图。
分类器训练模块416,被配置为将属于文字类图像样本集的样本图像所对应的每个分块的纹理特征直方图,和属于非文字类图像样本集的样本图像所对应的每个分块的纹理特征直方图分别输入预设模型中进行训练,得到分类器。
可选地,提取子模块422,被配置为在取景过程中,获取与目标图像对应的取景图像的图像信息,提取图像信息中的图像特征;或,提取子模422,被配置为在拍摄到目标图像后,提取目标图像的图像信息中的图像特征;或,提取子模块422被配置为在接收到对目标图像的预定操作时,提取目标图像的图像信息中的图像特征,预定操作包括查看操作、转发操作、分享操作、保存操作和复制粘贴操作中的任意一种。
可选地,图像处理模块440,包括:
按钮显示子模块442,被配置为显示一个清晰化功能选项;
清晰化处理子模块444,被配置为在按钮显示子模块442接收到对清晰化功能选项的触发信号时,对拍摄到的目标图像中的文字进行清晰化处理。
可选地,该图像处理装置,还包括:
图像存储模块460,被配置为将目标图像存储到指定文件夹;
或,
图像保存模块480,被配置为将目标图像中的文字识别为可编辑文本,将可编辑文本保存至指定应用程序,指定应用程序包括邮件应用、即时通信应用、笔记应用和备忘录应用中的任意一种。
综上所述,本实施例提供的图像处理装置,通过检测目标图像是否为文字类图像,若目标图像是文字类图像,则对拍摄到的目标图像中的文字进行清晰化处理;解决了移动终端拍摄出的文本类图像的质量通常较差的问题;达到了针对文字类图像自动进行清晰化处理,使得用户能够准确辨认文字类图像中的文字,根据文字类图像的图像特点提高图像质量的效果。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图6是根据一示例性实施例示出的一种图像处理装置600的框图。例如,装置600可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图6,装置600可以包括以下一个或多个组件:处理组件602,存储器604,电源组件606,多媒体组件608,音频组件610,输入/输出(I/O)的接口612,传感器组件614,以及通信组件616。
处理组件602通常控制装置600的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件602可以包括一个或多个模块,便于处理组件602和其他组件之间的交互。例如,处理组件602可以包括多媒体模块,以方便多媒体组件608和处理组件602之间的交互。
存储器604被配置为存储各种类型的数据以支持在装置600的操作。这些数据的示例包括用于在装置600上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图像,视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件606为装置600的各种组件提供电力。电源组件606可以包括电源管理系统,一个或多个电源,及其他与为装置600生成、管理和分配电力相关联的组件。
多媒体组件608包括在所述装置600和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件608包括一个前置摄像头和/或后置摄像头。当装置600处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件610被配置为输出和/或输入音频信号。例如,音频组件610包括一个麦克风(MIC),当装置600处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中,音频组件610还包括一个扬声器,用于输出音频信号。
I/O接口612为处理组件602和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件614包括一个或多个传感器,用于为装置600提供各个方面的状态评估。例如,传感器组件614可以检测到装置600的打开/关闭状态,组件的相对定位,例如所述组件为装置600的显示器和小键盘,传感器组件614还可以检测装置600或装置600一个组件的位置改变,用户与装置600接触的存在或不存在,装置600方位或加速/减速和装置600的温度变化。传感器组件614可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件614还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件616被配置为便于装置600和其他设备之间有线或无线方式的通信。装置600可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件616还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器604,上述指令可由装置600的处理器620执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由装置600的处理器执行时,使得装置600能够执行一种图像处理方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (7)
1.一种图像处理方法,其特征在于,所述方法包括:
检测目标图像是否为文字类图像;
若所述目标图像是文字类图像,则在操作界面上显示清晰化功能选项;
在接收到对所述清晰化功能选项的操作信号时,对所述目标图像中的文字进行清晰化处理,所述清晰化处理包括锐化文字边缘、增加对比度、倾斜修正、去光照处理以及消除噪点中的至少一种,
所述检测目标图像是否为文字类图像,包括:
提取所述目标图像的图像特征;
将所述图像特征输入预设的分类器中,得出所述目标图像的分类结果,所述分类器是用于对文字类图像和非文字类图像进行分类的分类器,
其中,所述分类器通过如下步骤训练得到:
将预设的文字类图像样本集和非文字类图像样本集中的样本图像归一化为同一像素尺寸;
对于每一张样本图像,提取所述样本图像的纹理特征,将所述样本图像划分得到预定大小的至少一个分块,根据所述样本图像的纹理特征计算得到每个分块的纹理特征直方图;
将属于所述文字类图像样本集的样本图像所对应的每个分块的纹理特征直方图,和属于所述非文字类图像样本集的样本图像所对应的每个分块的纹理特征直方图分别输入预设模型中进行训练,得到所述分类器。
2.根据权利要求1所述的方法,其特征在于,所述提取所述目标图像的图像特征,包括:
在取景过程中,获取与所述目标图像对应的取景图像的图像信息;提取所述图像信息中的图像特征;
或,
在拍摄到所述目标图像后,提取所述目标图像的图像信息中的图像特征;
或,
在接收到对所述目标图像的预定操作时,提取所述目标图像的图像信息中的图像特征,所述预定操作包括查看操作、转发操作、分享操作、保存操作和复制粘贴操作中的任意一种。
3.根据权利要求1所述的方法,其特征在于,所述方法,还包括:
将所述目标图像存储到指定文件夹;
或,
将所述目标图像中的文字识别为可编辑文本,将所述可编辑文本保存至指定应用程序,所述指定应用程序包括邮件应用、即时通信应用、笔记应用和备忘录应用中的任意一种。
4.一种图像处理装置,其特征在于,所述装置包括:
类型检测模块,被配置为检测目标图像是否为文字类图像;
按钮显示子模块,被配置为当所述目标图像是文字类图像时,显示一个清晰化功能选项;
清晰化处理子模块,被配置为在所述按钮显示子模块接收到对所述清晰化功能选项的触发信号时,对所述目标图像中的文字进行清晰化处理,所述清晰化处理包括锐化文字边缘、增加对比度、倾斜修正、去光照处理以及消除噪点中的至少一种,
所述类型检测模块,包括:
提取子模块和分类子模块;
所述提取子模块,被配置为提取所述目标图像的图像特征;
所述分类子模块,被配置为将所述图像特征输入预设的分类器中,得出所述目标图像的分类结果,所述分类器是用于对文字类图像和非文字类图像进行分类的分类器,
其中,所述分类器通过如下装置训练得到:
归一化模块,被配置为将预设的文字类图像样本集和非文字类图像样本集中的样本图像归一化为同一像素尺寸;
直方图提取模块,被配置为对于每一张样本图像,提取所述样本图像的纹理特征,将所述样本图像划分得到预定大小的至少一个分块,根据所述样本图像的纹理特征计算得到每个分块的纹理特征直方图;
分类器训练模块,被配置为将属于所述文字类图像样本集的样本图像所对应的每个分块的纹理特征直方图,和属于所述非文字类图像样本集的样本图像所对应的每个分块的纹理特征直方图分别输入预设模型中进行训练,得到所述分类器。
5.根据权利要求4所述的装置,其特征在于,
所述提取子模块,被配置为在取景过程中,获取与所述目标图像对应的取景图像的图像信息;提取所述图像信息中的图像特征;
或,
所述提取子模块,被配置为在拍摄到所述目标图像后,提取所述目标图像的图像信息中的图像特征;
或,
所述提取子模块,被配置为在接收到对所述目标图像的预定操作时,提取所述目标图像的图像信息中的图像特征,所述预定操作包括查看操作、转发操作、分享操作、保存操作和复制粘贴操作中的任意一种。
6.根据权利要求4所述的装置,其特征在于,所述装置,还包括:
图像存储模块,被配置为将所述目标图像存储到指定文件夹;
或,
图像保存模块,被配置为将所述目标图像中的文字识别为可编辑文本,将所述可编辑文本保存至指定应用程序,所述指定应用程序包括邮件应用、即时通信应用、笔记应用和备忘录应用中的任意一种。
7.一种图像处理装置,其特征在于,所述装置包括:
处理器;
用于存储所述处理器的可执行指令的存储器;
其中,所述处理器被配置为:
检测目标图像是否为文字类图像;
若所述目标图像是文字类图像,则在操作界面上显示清晰化功能选项;
在接收到对所述清晰化功能选项的操作信号时,对所述目标图像中的文字进行清晰化处理,所述清晰化处理包括锐化文字边缘、增加对比度、倾斜修正、去光照处理以及消除噪点中的至少一种,
所述检测目标图像是否为文字类图像,包括:
提取所述目标图像的图像特征;
将所述图像特征输入预设的分类器中,得出所述目标图像的分类结果,所述分类器是用于对文字类图像和非文字类图像进行分类的分类器,
其中,所述分类器通过如下步骤训练得到:
将预设的文字类图像样本集和非文字类图像样本集中的样本图像归一化为同一像素尺寸;
对于每一张样本图像,提取所述样本图像的纹理特征,将所述样本图像划分得到预定大小的至少一个分块,根据所述样本图像的纹理特征计算得到每个分块的纹理特征直方图;
将属于所述文字类图像样本集的样本图像所对应的每个分块的纹理特征直方图,和属于所述非文字类图像样本集的样本图像所对应的每个分块的纹理特征直方图分别输入预设模型中进行训练,得到所述分类器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410643749.8A CN104463103B (zh) | 2014-11-10 | 2014-11-10 | 图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410643749.8A CN104463103B (zh) | 2014-11-10 | 2014-11-10 | 图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104463103A CN104463103A (zh) | 2015-03-25 |
CN104463103B true CN104463103B (zh) | 2018-09-04 |
Family
ID=52909119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410643749.8A Active CN104463103B (zh) | 2014-11-10 | 2014-11-10 | 图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104463103B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484867A (zh) * | 2014-12-30 | 2015-04-01 | 小米科技有限责任公司 | 图片处理方法及装置 |
CN105809174B (zh) * | 2016-03-29 | 2019-04-30 | 北京小米移动软件有限公司 | 识别图像的方法及装置 |
CN107609195A (zh) * | 2017-10-18 | 2018-01-19 | 广东小天才科技有限公司 | 一种搜题方法及装置 |
TWI711980B (zh) * | 2018-02-09 | 2020-12-01 | 國立交通大學 | 表情辨識訓練系統及表情辨識訓練方法 |
CN108647097B (zh) * | 2018-05-16 | 2021-04-13 | Oppo广东移动通信有限公司 | 文本图像处理方法、装置、存储介质及终端 |
CN108647351B (zh) * | 2018-05-16 | 2021-05-04 | Oppo广东移动通信有限公司 | 文本图像的处理方法、装置、存储介质及终端 |
CN109299682A (zh) * | 2018-09-13 | 2019-02-01 | 北京字节跳动网络技术有限公司 | 视频文字检测方法、装置和计算机可读存储介质 |
CN111126301B (zh) * | 2019-12-26 | 2022-01-11 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、计算机设备和存储介质 |
CN113129298B (zh) * | 2021-05-06 | 2024-01-12 | 北京思图场景数据科技服务有限公司 | 文本图像的清晰度识别方法 |
CN113408517B (zh) * | 2021-06-30 | 2023-01-17 | 青岛海信移动通信技术股份有限公司 | 一种图像显示方法及装置、电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6185329B1 (en) * | 1998-10-13 | 2001-02-06 | Hewlett-Packard Company | Automatic caption text detection and processing for digital images |
CN101057247A (zh) * | 2004-11-15 | 2007-10-17 | 皇家飞利浦电子股份有限公司 | 检测及修改图像中的文字 |
CN101276416A (zh) * | 2008-03-10 | 2008-10-01 | 北京航空航天大学 | 一种视频中的文本跟踪和多帧增强方法 |
CN101276461A (zh) * | 2008-03-07 | 2008-10-01 | 北京航空航天大学 | 一种利用边缘特征的视频文本增强方法 |
CN101453575A (zh) * | 2007-12-05 | 2009-06-10 | 中国科学院计算技术研究所 | 一种视频字幕信息提取方法 |
-
2014
- 2014-11-10 CN CN201410643749.8A patent/CN104463103B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6185329B1 (en) * | 1998-10-13 | 2001-02-06 | Hewlett-Packard Company | Automatic caption text detection and processing for digital images |
CN101057247A (zh) * | 2004-11-15 | 2007-10-17 | 皇家飞利浦电子股份有限公司 | 检测及修改图像中的文字 |
CN101453575A (zh) * | 2007-12-05 | 2009-06-10 | 中国科学院计算技术研究所 | 一种视频字幕信息提取方法 |
CN101276461A (zh) * | 2008-03-07 | 2008-10-01 | 北京航空航天大学 | 一种利用边缘特征的视频文本增强方法 |
CN101276416A (zh) * | 2008-03-10 | 2008-10-01 | 北京航空航天大学 | 一种视频中的文本跟踪和多帧增强方法 |
Non-Patent Citations (5)
Title |
---|
《一种图像中的文字区域检测新方法》;李英 等;《一种图像中的文字区域检测新方法》;20131231;第40卷(第6期);第187-191页 * |
《场景文本识别关键技术研究》;尹芳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140815(第8期);论文第4.2.3节 * |
《基于Gabor 直方图特征和MVBoost 的人脸表情识别》;刘晓旻 等;《计算机研究与发展》;20071231;第1090-1094页 * |
《基于Gabor-SVM的文字识别方法》;黄萍 等;《计算机与数字工程》;20111231;第39卷(第8期);第1430145页 * |
《基于文本图像的去噪算法的研究与应用》;高艳云;《中国优秀硕士学位论文全文数据库 信息科技辑》;20121015(第10期);论文第3、4章 * |
Also Published As
Publication number | Publication date |
---|---|
CN104463103A (zh) | 2015-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104463103B (zh) | 图像处理方法及装置 | |
CN105072337B (zh) | 图片处理方法及装置 | |
CN104615769B (zh) | 图片分类方法及装置 | |
CN105631797B (zh) | 水印添加方法及装置 | |
CN103810471B (zh) | 识别文档图像的方法和装置及其拍摄方法 | |
CN106295638A (zh) | 证件图像倾斜校正方法和装置 | |
CN104700353B (zh) | 图像滤镜生成方法及装置 | |
CN107239535A (zh) | 相似图片检索方法及装置 | |
CN111464716B (zh) | 一种证件扫描方法、装置、设备及存储介质 | |
CN105069083B (zh) | 关联用户的确定方法及装置 | |
CN106528879A (zh) | 图片处理方法及装置 | |
CN106228556B (zh) | 图像质量分析方法和装置 | |
CN105635567A (zh) | 拍照方法和装置 | |
CN105302315A (zh) | 图片处理方法及装置 | |
CN106296665B (zh) | 卡片图像模糊检测方法和装置 | |
CN107193983A (zh) | 图像搜索方法及装置 | |
RU2643464C2 (ru) | Способ и устройство для классификации изображений | |
CN106331504A (zh) | 拍摄方法及装置 | |
CN106980840A (zh) | 脸型匹配方法、装置及存储介质 | |
CN104077597B (zh) | 图像分类方法及装置 | |
US20190155883A1 (en) | Apparatus, method and computer program product for recovering editable slide | |
WO2021169384A1 (zh) | 信息识别方法及装置、系统、电子设备、存储介质和计算机程序 | |
CN110399934A (zh) | 一种视频分类方法、装置及电子设备 | |
CN104867112B (zh) | 照片处理方法及装置 | |
CN109034150A (zh) | 图像处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |