CN104915944A - 一种用于确定视频的黑边位置信息的方法与设备 - Google Patents
一种用于确定视频的黑边位置信息的方法与设备 Download PDFInfo
- Publication number
- CN104915944A CN104915944A CN201410097898.9A CN201410097898A CN104915944A CN 104915944 A CN104915944 A CN 104915944A CN 201410097898 A CN201410097898 A CN 201410097898A CN 104915944 A CN104915944 A CN 104915944A
- Authority
- CN
- China
- Prior art keywords
- row
- black surround
- gray
- column
- video
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明的目的是提供一种确定视频的黑边位置信息的方法与设备。具体地,从待处理的视频中截取至少一个原始视频图像;对原始视频图像进行边界采样处理,以获得视频所对应的边界采样图像;确定边界采样图像所对应的第一黑边位置信息;根据第一黑边位置信息,确定视频相应的第二黑边位置信息。与现有技术相比,本发明通过对从视频中截取的原始视频图像进行边界采样处理,以获得对应的边界采样图像,从而根据确定的边界采样图像的第一黑边位置信息,来确定视频相应的第二黑边位置信息,通过确定边界采样视频图像的黑边位置来确定视频的黑边位置,降低了处理的时间复杂度,提高了黑边位置的检测效率与检测准确度,增强了检测的鲁棒性。
Description
技术领域
本发明涉及视频技术领域,尤其涉及一种用于确定视频的黑边位置信息的技术。
背景技术
在视频处理过程中,常在视频图像中加入黑边以适合现有的屏幕基本画面长宽尺寸,如标准长宽尺寸比例4:3、宽屏幕长宽尺寸比例16:9,而这些黑边不仅没有实际意义,有时还甚至覆盖视频图像中的画面内容,降低了用户的视频观看体验。而现有技术通常采用阈值检测法确定黑边,该方法将像素值超过预定阈值的像素点作为非黑像素点,通过统计每行/列的非黑像素点,当非黑像素点小于预定阈值时判定该行/列是黑边,否则认为是非黑边,由于黑边并不是一个确定的值,而是在一定的范围内,当阈值设置过高/过低时,阈值检测法均会造成黑边检测不准确的情况,例如当阈值过高时,会将灰色的像素点当做黑点处理,而当阈值过低时,会导致检测出的非黑点过多,而且扫描的是整张图像,检测效率低下。
发明内容
本发明的目的是提供一种用于确定视频的黑边位置信息的方法与设备。
根据本发明的一个方面,提供了一种确定视频的黑边位置信息的方法,其中,该方法包括以下步骤:
a从待处理的视频中截取至少一个原始视频图像;
b对所述原始视频图像进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像;
c确定所述一个或多个边界采样图像所对应的第一黑边位置信息;
d根据所述第一黑边位置信息,确定所述视频相应的第二黑边位置信息。
根据本发明的另一方面,还提供了一种用于确定视频的黑边位置信息的黑边确定设备,其中,该黑边确定设备包括:
视频截图装置,用于从待处理的视频中截取至少一个原始视频图像;
采样装置,用于对所述原始视频图像进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像;
第一黑边确定装置,用于确定所述一个或多个边界采样图像所对应的第一黑边位置信息;
第二黑边确定装置,用于根据所述第一黑边位置信息,确定所述视频相应的第二黑边位置信息。
与现有技术相比,本发明通过对从视频中截取的原始视频图像进行边界采样处理,以获得对应的边界采样图像,从而根据确定的边界采样图像的第一黑边位置信息,来确定所述视频相应的第二黑边位置信息,与现有的阈值检测法相比,通过将原来确定每一张原图的黑边位置信息改为根据采样后的边界采样视频图像的黑边位置信息来确定视频的黑边位置信息,降低了处理的数量级,相应地,降低了处理的时间复杂度,提高了黑边位置的检测效率与检测准确度,增强了黑边位置检测的鲁棒性。而且,本发明还可根据所述黑边位置信息,将所述视频中相应的黑边区域进行删除处理,以获得经黑边删除处理后的所述视频,以将经黑边删除处理后的所述视频提供给用户,使得视频播放器可以清屏播放,从而进一步地提高了用户的视频观看体验。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1示出根据本发明一个方面的一种用于确定视频的黑边位置信息的设备示意图;
图2示出从原始视频图像中采样边界采样图像的采样示意图;
图3示出确定边界采样图像的第一黑边位置信息的过程示意图;
图4示出根据本发明一个优选实施例的一种用于确定视频的黑边位置信息的设备示意图;
图5示出根据本发明另一个方面的一种用于确定视频的黑边位置信息的方法流程图;
图6示出根据本发明一个优选实施例的一种用于确定视频的黑边位置信息的方法流程图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本发明作进一步详细描述。
图1示出根据本发明一个方面的一种用于确定视频的黑边位置信息的黑边确定设备1,其中,该黑边确定设备1包括视频截图装置11、采样装置12、第一黑边确定装置13和第二黑边确定装置14。具体地,视频截图装置11从待处理的视频中截取至少一个原始视频图像;采样装置12对所述原始视频图像进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像;第一黑边确定装置13确定所述一个或多个边界采样图像所对应的第一黑边位置信息;第二黑边确定装置14根据所述第一黑边位置信息,确定所述视频相应的第二黑边位置信息。在此,黑边确定设备1可由网络设备、用户设备或网络设备与用户设备通过网络相集成所构成的设备实现。在此,所述网络设备包括但不限于如网络主机、单个网络服务器、多个网络服务器集或基于云计算的计算机集合等实现;或者由用户设备实现。在此,云由基于云计算(Cloud Computing)的大量主机或网络服务器构成,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。在此,所述用户设备可以是任何一种可与用户通过 键盘、鼠标、触摸板、触摸屏、或手写设备等方式进行人机交互的电子产品,例如计算机、手机、PDA、掌上电脑PPC或平板电脑等。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。本领域技术人员应能理解上述控制设备1仅为举例,其他现有的或今后可能出现的网络设备或用户设备如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。在此,网络设备及用户设备均包括一种能够按照事先设定或存储的指令,自动进行数值计算和信息处理的电子设备,其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。
例如,当黑边确定设备1由网络设备端实现时,其可从待处理的视频中截取至少一个原始视频图像;然后,对所述原始视频图像进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像;接着,确定所述一个或多个边界采样图像所对应的第一黑边位置信息;然后,根据所述第一黑边位置信息,确定所述视频相应的第二黑边位置信息,以根据所述黑边位置信息,将所述视频中相应的黑边区域进行删除处理,获得经黑边删除处理后的所述视频,以将经黑边删除处理后的所述视频提供给用户设备,以由用户设备提供给对应用户。
具体地,视频截图装置11首先通过诸如视频服务器所提供的应用程序接口(API),从视频服务器中获取待处理的视频,如将视频服务器中的所有视频作为所述待处理的视频,或者,将视频服务器中用户访问热度最高的视频作为所述待处理的视频;然后,再通过诸如FFmpeg、HyperSnap等视频截图工具从该待处理的视频中截取至少一个原始视频图像。在此,所述待处理的视频是指在视频的制作处理过程中加入了相同黑边的视频,如视频的上/下/左/右边界的黑边位置相同,黑边成为视频的一部分。在此,所述原始视频图像是指从所述待处理的视频中截取的包含该视频的原始视频画面的至少一个边界的视频图像,如所述原始视频图像可以是从所述待处理的视频中截取的 与该视频的原始视频画面大小相一致的视频图像,也可以是从所述待处理的视频中截取的包含该视频的原始视频画面的上/下/左/右边界中至少一个边界的视频图像。例如,假设视频服务器中存储的视频video1所对应的用户访问热度信息最高,则视频截图装置11可通过该视频服务器所提供的应用程序接口(API),获取视频video1,以作为所述待处理的视频;然后,视频截图装置11通过FFmpeg视频截图工具从视频video1中截取至少一个原始视频图像,如从视频video1中截取30个与视频video1的原始视频画面大小相一致的原始视频图像vm1至vm30。
本领域技术人员应能理解上述从待处理的视频中截取至少一个原始视频图像的方式仅为举例,其他现有的或今后可能出现的从待处理的视频中截取至少一个原始视频图像的方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
采样装置12对所述原始视频图像进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像。在此,所述边界采样处理包括但不限于以下至少任一项:1)以等采样间隔方式分别抽取所述原始视频图像的各边界位置图像;2)以采样间隔随机方式分别抽取所述原始视频图像的各边界位置图像;3)以不等采样间隔方式分别抽取所述原始视频图像的各边界位置图像。在此,抽取所述原始视频图像的各边界位置图像的方式包括但不限于如对于所述原始视频图像的上下边界,抽取距离所述原始视频图像的边界为所述原始视频图像的高度1/3的位置处图像;对于所述原始视频图像的左右边界,抽取距离边界为所述原始视频图像的宽度1/5的位置处图像。本领域技术人员应能理解上述边界采样处理仅为举例,其他现有的或今后可能出现的边界采用处理如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
例如,接上例,视频截图装置11从视频video1中截取的原始视频图像为30个与视频video1的原始视频画面大小相一致的原始视频图像vm1至vm30,则采样装置12可对原始视频图像vm1至vm30进行边界采 样处理,以获得所述视频所对应的一个或多个边界采样图像,对于原始视频图像vm1,假设原始视频图像vm1的图像宽度为w,图像高度为h,则采样装置12可按照采样间隔随机方式分别抽取原始视频图像vm1的上、下、左、右边界位置处图像,如按照如图2所示的采样间隔随机方式分别抽取原始视频图像vm1的上、下、左、右边界位置处图像,每个边界的采样数为3,如对于原始视频图像vm1的上下边界,抽取距离所述原始视频图像vm1的边界为h/3的位置处图像;对于原始视频图像vm1的左右边界,抽取距离所述原始视频图像vm1的边界为w/5的位置处图像,分别得到边界采样图像A至H,其中,A、B、C为上边界采样图像,F、G、H为下边界采样图像,A、D、F为左边界采用图像,C、E、H为右边界采样图像,在此,对原始视频图像vm1的同一边界进行边界采样处理时所得到的边界采样图像的大小并不必须相同,边界采样图像相对于其在所述原始视频图像中的图像没有放缩,是1:1的;以此类推,采样装置12可对原始视频图像vm2至vm30分别进行边界采样处理,得到对应的边界采样图像,因视频截图装置11从视频video1中截取的原始视频图像为30个与视频video1的原始视频画面大小相一致的原始视频图像vm1至vm30,而采样装置12对原始视频图像vm1至vm30进行边界采样时,每个边界的采样数为3,则对于视频video1的每个边界,采样装置12可得到相应的90个边界采样图像,且各边界的采样是不相关的。
第一黑边确定装置13确定所述一个或多个边界采样图像所对应的第一黑边位置信息。在此,所述第一黑边位置信息表明了所述边界采样图像中的黑边所处的位置信息,其可用所述边界采样图像中的黑边所处的行/列与相应的图像边界之间的垂直/水平距离来表示,或者,也可用所述边界采样图像中黑边所处的行/列与相应的图像边界之间的垂直/水平像素点数量来表示。在此,第一黑边确定装置13确定所述第一黑边位置信息的方式包括但不限于以下至少任一项:
1)首先根据所述边界采样图像的图像点所对应的第一灰度值,从一个或多个灰度类别中确定所述图像点所属的灰度类别及对应的 第二灰度值;然后,以所述边界采样图像的边界行/列起始,依次检测所述边界采样图像的行/列是否满足该行/列所对应的所有图像点的第二灰度值均满足预定阈值且该行/列的相邻下一行/列中至少一个图像点与该行/列属于不同灰度类别的触发条件;接着,当满足所述触发条件时,将所述边界采样图像中该行/列作为所述边界采样图像所对应的第一黑边位置信息。
具体地,第一黑边确定装置13首先根据所述边界采样图像的图像点所对应的第一灰度值,从一个或多个灰度类别中确定所述图像点所属的灰度类别及对应的第二灰度值。在此,所述第一灰度值是指图像中点的颜色黑白深度,范围一般从0到255共256级灰度,白色为255,黑色为0;对于彩色图像,可根据图像点所对应的RGB(R,G,B),确定该图像点所对应的第一灰度值,如按加权的方法转换,R,G,B的比一般为3:6:1,或者,采用浮点算法Gray=R*0.3+G*0.59+B*0.11等方法得到。在此,所述灰度类别反映了对现有灰度等级(如256级灰度、1024级灰度等)的重新划分得到的灰度类别,其可以通过非监督学习方法(如k-means、ISODATA、链状方法等)或监督学习方法(如fisher分类器、决策树、回归、朴素贝叶斯、SVM等)等方式得到,每一灰度类别具有表征所述灰度类别的灰度值/灰度值区间范围;在此,假设用于聚类的像素点聚类样本中,像素点的第一灰度值均小于123,通过非监督学习方法得到该聚类样本所对应的灰度类别,如下表1所示,其中表征所述灰度类别的灰度值由属于该灰度类别的第一灰度值范围中的最小第一灰度值表示:
灰度类别 | 表征所述灰度类别的灰度值/灰度值区间范围 |
灰度类别Ⅰ | 0/[0,22] |
灰度类别Ⅱ | 23/[23,111] |
灰度类别Ⅲ | 112/[112,120] |
灰度类别Ⅳ | 121/[121,123] |
表1
在此,所述第二灰度值表示对所述第一灰度值的重新量化,其与所述 灰度类别相对应,每一灰度类别具有其唯一对应的第二灰度值,每一灰度类别所对应的第二灰度值既可由表征所述灰度类别的灰度值来表示,也可对表征所述灰度类别的灰度值进行重新量化得到,如对于上述表1,假设对表征所述灰度类别的灰度值进行重新量化,如将0仍以0表示,将23用1表示,112用2表示,121用3表示,得到如以下表2所示的灰度类别及对应的第二灰度值:
表2
本领域技术人员应能理解上述量化得到第二灰度值的方式仅为举例,其他现有的或今后可能出现的量化得到第二灰度值的方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
例如,假设对于原始视频图像vm1,采样装置12以如图2所示方式对其进行边界采样处理时,假设原始视频图像vm1为黑白图像,且其上边界的图像如图3中的3(a)所示,则对于采样装置12对原始视频图像vm1的上边界采样(图3中的3(a)中的灰色线框表示采样)得到的其中一个边界采样图像svm1,如图3中的3(b),第一黑边确定装置13首先根据该边界采样图像的图像点所对应的第一灰度值,从一个或多个灰度类别中确定所述图像点所属的灰度类别及对应的第二灰度值,如假设边界采样图像svm1中一个图像点的第一灰度值为10,则第一黑边确定装置13可根据上述表2所示的灰度类别,得到该图像点所属的灰度类别为灰度类别Ⅰ,以及该图像点对应的第二灰度值为0。
然后,第一黑边确定装置13以所述边界采样图像的边界行/列起始,依次检测所述边界采样图像的行/列是否满足该行/列所对应的所 有图像点的第二灰度值均满足预定阈值且该行/列的相邻下一行/列中至少一个图像点与该行/列属于不同灰度类别的触发条件。在此,行/列灰度类别可根据该行/列所对应的图像点的灰度类别确定,如当行/列中所有图像点均属于同一灰度类别时,该灰度类别即是该行/列的灰度类别。例如,接上例,对于边界采样图像svm1,因其是对原始视频图像vm1的上边界采样得到的,则第一黑边确定装置13以边界采样图像svm1的上边界行起始,依次检测边界采样图像svm1的行是否满足该行所对应的所有图像点的第二灰度值均满足预定阈值且该行的相邻下一行中至少一个图像点与该行属于不同灰度类别的触发条件,如假设边界采样图像svm1的上边界所对应的行(记为第1行)中所有图像点的第二灰度值均等于0,满足预定阈值如0,则第一黑边确定装置13再判定下一行(记为第2行)中的所有图像点的第二灰度值是否均满足所述预定阈值,若第二行中所有图像点的第二灰度值均为0,均满足预定阈值0,第一黑边确定装置13再继续判定下一行,以此类推,若边界采样图像svm1从第1行开始至第100行,每行中的所有图像点的第二灰度值均满足所述预定阈值0,即边界采样图像svm1从第1行开始至第100行,每行均属于灰度类别Ⅰ,而第101行中有1个图像点的第二灰度值为2,根据上述表1所示的灰度类别,该行中该图像点属于灰度类别Ⅲ,即边界采样图像svm1从上边界行起始的第101行中存在一个图像点与相邻上一行属于不同灰度类别,则第一黑边确定装置13可确定边界采样图像svm1从上边界行起始的第100行满足所述触发条件。
接着,当满足所述触发条件时,第一黑边确定装置13将所述边界采样图像中该行/列作为所述边界采样图像所对应的第一黑边位置信息。例如,还接上例,第一黑边确定装置13确定边界采样图像svm1从上边界行起始的第100行为边界采样图像svm1所对应的第一黑边位置信息,如假设边界采样图像svm1共n行,则所述第一黑边位置信息可表示为d1=100/n,如图3中的3(c)所示。
2)首先根据所述边界采样图像的行/列所对应的行/列第一灰度 值,从一个或多个灰度类别中确定所述边界采样图像的行/列所属的灰度类别及对应的行/列第二灰度值;然后,以所述边界采样图像的边界行/列起始,将所述边界采样图像的相邻两行/列中灰度类别不同且其中一行/列的行/列第二灰度值满足预定阈值的行/列作为所述第一黑边位置信息。
具体地,第一黑边确定装置13首先根据所述边界采样图像的行/列所对应的图像点的第一灰度值,确定所述边界采样图像的行/列所对应的行/列第一灰度值,如将所述边界采样图像的行/列所对应的多个图像点的第一灰度值中,出现次数最多的图像点的第一灰度值,作为该行/列所对应的行/列第一灰度值,以从一个或多个灰度类别中确定所述边界采样图像的行/列所属的灰度类别及对应的行/列第二灰度值。
例如,对于边界采样图像svm1,因其是对原始视频图像vm1的上边界采样得到的,则第一黑边确定装置13以边界采样图像svm1的上边界行起始,依次确定边界采样图像svm1的行所对应的行第一灰度值,如假设边界采样图像svm1的上边界所对应的行即第1行中所有图像点的第一灰度值均等于0,则说明该行所对应的行第一灰度值为0;再如,假设边界采样图像svm1的上边界所对应的行即第1行共有1000个像素点,其中有800个图像点的第一灰度值为1,其余200个图像点的第一灰度值为2,则第一黑边确定装置13可将该1000个像素点的第一灰度值中,出现次数最多的像素点的第一灰度值1作为该行的行第一灰度值,以此类推,第一黑边确定装置13可确定边界采样图像svm1的所有行/列所对应的行/列第一灰度值;然后,第一黑边确定装置13根据边界采样图像svm1的行/列所对应的行/列第一灰度值,从一个或多个灰度类别中确定边界采样图像svm1的行/列所属的灰度类别及对应的行/列第二灰度值,在此,第一黑边确定装置13确定边界采样图像svm1的行/列所属的灰度类别及对应的行/列第二灰度值与前述第一黑边确定装置13确定所述图像点所属的灰度类别及对应的第二灰度值的方式相同或基本相同,为简明起见,故在此 不再赘述,并以引用的方式包含与此。
接着,第一黑边确定装置13以所述边界采样图像的边界行/列起始,将所述边界采样图像的相邻两行/列中灰度类别不同且其中一行/列的行/列第二灰度值满足预定阈值的行/列作为所述第一黑边位置信息。例如,接上例,对于边界采样图像svm1,若边界采样图像svm1从第1行开始至第100行,每行的行/列灰度类别均属于上述表2中的灰度类别Ⅰ,且对应的行第二灰度值为0,满足预定阈值如0,而与第100行相邻的第101行的灰度类别属于上述表2中的灰度类别Ⅲ,则第一黑边确定装置13可确定边界采样图像svm1从上边界行起始的第100行为边界采样图像svm1所对应的第一黑边位置信息,如假设边界采样图像svm1共n行,则所述第一黑边位置信息可表示为d1=100/n,如图3中的3(c)所示。
本领域技术人员应能理解上述确定所述第一黑边位置信息的方式仅为举例,其他现有的或今后可能出现的确定所述第一黑边位置信息的方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
第二黑边确定装置14根据所述第一黑边位置信息,确定所述视频相应的第二黑边位置信息。在此,所述第二黑边位置信息表明了所述视频中视频图像的黑边所处的位置信息。例如,对于视频video1,视频截图装置11从视频video1中截取的原始视频图像为30个与视频video1的原始视频画面大小相一致的原始视频图像vm1至vm30,而采样装置12对原始视频图像vm1至vm30进行边界采样时,每个边界的采样数为3,即对于视频video1的每个边界,采样装置12得到相应的90个边界采样图像,在此,以上边界为例进行说明,假设采样装置12分别对原始视频图像vm1至vm30进行上边界采样后,得到90个关于上边界的边界采样图像svm1至svm90,而第一黑边确定装置14确定边界采样图像svm1至svm90所对应的第一黑边位置信息分别为d1至d90,该90个第一黑边位置信息均是关于上边界黑边的位置信息,其中,该90个第一黑边位置信息中有80个第一黑边位 置信息相同,剩余20个第一黑边位置信息中有10个相同,10个不相同,则第二黑边确定装置14可将该90个第一黑边位置信息中出现次数最多且数值最大的第一黑边位置信息如d2作为视频video1相应的第二黑边位置信息,即得到视频video1关于上边界的黑边位置信息;以此类推,第二黑边确定装置14可得到关于其他视频边界如下/左/右边界的第二黑边位置信息。
优选地,所述第一黑边位置信息包括所述一个或多个边界采样图像所对应的关于同一视频边界的第一黑边位置信息,其中,第二黑边确定装置14根据所述关于同一视频边界的第一黑边位置信息中各第一黑边位置信息所对应的频次信息,确定所述视频关于该视频边界的第二黑边位置信息。例如,对于视频video1,假设第一黑边确定装置14得到关于上边界的边界采样图像svm1至svm90所对应的关于上边界的第一黑边位置信息分别为d1至d90,而该90个第一黑边位置信息中有80个第一黑边位置信息相同,剩余20个第一黑边位置信息中有10个相同,10个不相同,则第二黑边确定装置14根据所述关于同一视频边界的第一黑边位置信息中各第一黑边位置信息所对应的频次信息,确定所述视频关于该视频边界的第二黑边位置信息,如将该90个第一黑边位置信息中对应频次最高的第一黑边位置信息如d1作为视频video1相应的第二黑边位置信息,即得到视频video1关于上边界的黑边位置信息。
本领域技术人员应能理解上述确定所述第二黑边位置信息的方式仅为举例,其他现有的或今后可能出现的确定所述第二黑边位置信息的方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
黑边确定设备1的各装置之间是持续不断工作的。具体地,视频截图装置11持续从待处理的视频中截取至少一个原始视频图像;采样装置12持续对所述原始视频图像进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像;第一黑边确定装置13持续确定所述一个或多个边界采样图像所对应的第一黑边位置信息;第二 黑边确定装置14持续根据所述第一黑边位置信息,确定所述视频相应的第二黑边位置信息。在此,本领域技术人员应能理解“持续”是指黑边确定设备1的各装置之间分别不断地进行原始视频图像的截取、对所述原始视频图像的边界采用处理、第一黑边位置信息的确定与第二黑边位置信息的确定,直至黑边确定设备1在较长时间内停止截取原始视频图像。
优选地,黑边确定设备1还包括黑边删除装置(未示出)。具体地,黑边删除装置根据所述黑边位置信息,将所述视频中相应的黑边区域进行删除处理,以获得经黑边删除处理后的所述视频。
具体地,黑边删除装置根据所述黑边位置信息,将所述视频中相应的黑边区域进行删除处理,以获得经黑边删除处理后的所述视频。例如,对于视频video1,假设第二黑边确定装置14确定其对应的第二黑边位置信息为:关于上边界的黑边位置为d1,关于下边界的黑边位置为d1’,关于左边界的黑边位置为d1”,关于右边界的黑边位置为d1”’,则黑边删除装置可通过诸如视频处理器将视频video1中相应的黑边区域进行删除处理,以获得经黑边删除处理后的视频video1。
更优选地,黑边确定设备1还包括请求获取装置(未示出)和提供装置(未示出)。具体地,请求获取装置获取用户关于所述视频的视频访问请求;提供装置根据所述视频访问请求,将经黑边删除处理后的所述视频提供给所述用户。
具体地,请求获取装置通过诸如http、https等约定的通信方式,获取用户关于所述视频的视频访问请求,或者,通过JSP、ASP等动态网页技术,获取用户关于所述视频的访问操作,以获取用户关于所述视频的视频访问请求。例如,假设用户A通过其用户设备打开视频网站video web,其搜索到视频video1,然后点击对应的视频播放按钮,则请求获取装置可通过诸如http、https等约定的通信方式,便获取到用户A的关于视频vedio1的视频访问请求,或者,通过JSP、ASP等动态网页技术,获取到用户A关于视频video1的访问操作, 来获取到用户A关于视频video1的视频访问请求。
本领域技术人员应能理解上述获取用户关于所述视频的视频访问请求的方式仅为举例,其他现有的或今后可能出现的获取用户关于所述视频的视频访问请求的方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
接着,提供装置根据所述视频访问请求,将经黑边删除处理后的所述视频提供给所述用户。例如,接上例,请求获取装置获取到用户A关于视频video1的视频访问请求,则提供装置根据该视频访问请求,通过诸如http、https等约定的通信方式,将黑边删除装置获得经黑边删除处理后的视频video1提供给用户A的用户设备,以将经黑边删除处理后的视频video1提供给用户A,供用户A观看。
图4示出根据本发明一个优选实施例的一种用于确定视频的黑边位置信息的设备示意图,其中,黑边确定设备1包括视频截图装置11’、采样装置12’、第一黑边确定装置13’和第二黑边确定装置14’,其中,第一黑边确定装置13’包括类别与灰度确定单元131’与第一黑边确定单元132’。具体地,视频截图装置11’从待处理的视频中截取至少一个原始视频图像;采样装置12’对所述原始视频图像进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像;类别与灰度确定单元131’根据所述边界采样图像的行/列所对应的行/列第一灰度值,从一个或多个灰度类别中确定所述边界采样图像的行/列所属的灰度类别,以确定该行/列所对应的行/列第二灰度值;第一黑边确定单元132’根据所述行/列第二灰度值,确定所述边界采样图像所对应的第一黑边位置信息;第二黑边确定装置14’根据所述第一黑边位置信息,确定所述视频相应的第二黑边位置信息。在此,视频截图装置11’、采样装置12’和第二黑边确定装置14’与图1实施例中对应装置的内容相同或基本相同,为简明起见,故在此不再赘述,并以引用的方式包含与此。
具体地,类别与灰度确定单元131’根据所述边界采样图像的行/列所对应的行/列第一灰度值,从一个或多个灰度类别中确定所述边界 采样图像的行/列所属的灰度类别,以确定该行/列所对应的行/列第二灰度值。在此,类别与灰度确定单元131’确定所述行/列第二灰度值的方式包括但不限于以下至少任一项:
1)首先,根据所述边界采样图像的行/列所对应的图像点的第一灰度值,从所述一个或多个灰度类别中确定该图像点所属的灰度类别;然后,根据所述边界采样图像的行/列所对应的图像点所述的灰度类别,确定该行/列所属的灰度类别,以确定该行/列所对应的行/列第二灰度值。
例如,对于边界采样图像svm1,因其是对原始视频图像vm1的上边界采样得到的,则类别与灰度确定单元131’以边界采样图像svm1的上边界行起始,依次确定边界采样图像svm1的行所对应的图像点的第一灰度值,如假设边界采样图像svm1的上边界所对应的行即第1行中所有图像点的第一灰度值范围均属于区间[0,20],则类别与灰度确定单元131’可根据上述表2所示的灰度类别,得到该行的所有图像点所属的灰度类别均为灰度类别Ⅰ,则类别与灰度确定单元131’可确定该行所属的灰度类别为灰度类别Ⅰ;再如,若边界采样图像svm1的上边界所对应的行即第1行中第一灰度值范围属于区间[0,20]的图像点数量占该行所对应的图像点总数量最大,即该行中属于灰度列别Ⅰ的图像点数量最多,则类别与灰度确定单元131’可确定该行所属的灰度类别为具有相同灰度类别且占该行对应的图像点总数量比例最大的图像点所属的灰度类别,即确定该行所对应的灰度类别为灰度类别Ⅰ;接着,根据上述表2所示的灰度类别,类别与灰度确定单元131’可确定灰度类别Ⅰ所对应的灰度值为0,相应地得到该行所对应的行第二灰度值为0。
2)首先,根据所述边界采样图像的行/列所对应的图像点的第一灰度值,确定所述边界采样图像的行/列所对应的行/列第一灰度值;然后,再根据所述行/列第一灰度值,从所述一个或多个灰度类别中确定所述边界采样图像的行/列所属的灰度类别,以确定该行/列所对应的行/列第二灰度值。
例如,对于边界采样图像svm1,因其是对原始视频图像vm1的上边界采样得到的,则类别与灰度确定单元131’以边界采样图像svm1的上边界行起始,依次确定边界采样图像svm1的行所对应的行第一灰度值,如假设边界采样图像svm1的上边界所对应的行即第1行中所有图像点的第一灰度值均等于0,则说明该行所对应的行第一灰度值为0;再如,假设边界采样图像svm1的上边界所对应的行即第1行共有1000个像素点,其中有800个图像点的第一灰度值为1,其余200个图像点的第一灰度值为2,则类别与灰度确定单元131’可将该1000个像素点的第一灰度值中,出现次数最多的像素点的第一灰度值1作为该行的行第一灰度值,以此类推,类别与灰度确定单元131’可确定边界采样图像svm1的所有行/列所对应的行/列第一灰度值;然后,类别与灰度确定单元131’根据边界采样图像svm1的行/列所对应的行/列第一灰度值,从一个或多个灰度类别中确定边界采样图像svm1的行/列所属的灰度类别,确定该行/列所对应的行/列第二灰度值,例如,对于边界采样图像svm1的上边界所对应的行即第1行,假设类别与灰度确定单元131’首先确定该行所对应的行第一灰度值为2,则类别与灰度确定单元131’可根据上述表2所示的灰度类别,确定该行所属的灰度类别为灰度类别Ⅰ,相应地,该行/列所对应的行/列第二灰度值为0。
本领域技术人员应能理解上述确定所述行/列第二灰度值的方式仅为举例,其他现有的或今后可能出现的确定所述行/列第二灰度值的方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
接着,第一黑边确定单元132’根据所述行/列第二灰度值,确定所述边界采样图像所对应的第一黑边位置信息,如以所述边界采样图像的边界行/列起始,将所述边界采样图像的相邻两行/列中灰度类别不同且其中一行/列的行/列第二灰度值满足预定阈值的行/列作为所述第一黑边位置信息。在此,第一黑边确定单元132’根据所述行/列第二灰度值确定所述第一黑边位置信息的方式与图1中第一黑边确定 装置13据所述行/列第二灰度值确定所述第一黑边位置信息的方式相同或基本相同,为简明起见,故在此不再赘述,并以引用的方式包含与此。
优选地,黑边确定设备1还包括聚类处理装置(未示出)和类别确定装置(未示出)。具体地,聚类处理装置根据所述边界采样图像的图像点的第一灰度值,对所述一个或多个边界采样图像所包括的图像点进行聚类处理,以获得一个或多个图像点聚类,其中,每一图像点聚类包含用于表征所述图像点聚类的特征的类灰度特征值;类别确定装置根据所述一个或多个图像点聚类所对应的所述类灰度特征值,确定所述一个或多个灰度类别。在此,所述类灰度特征值可用每一图像点聚类中所有图像点的第一灰度值中最小的第一灰度值表示,也可用每一图像点聚类中所有图像点的第一灰度值的平均值来表示。
具体地,聚类处理装置根据所述边界采样图像的图像点的第一灰度值,对所述一个或多个边界采样图像所包括的图像点进行聚类处理,如采用k-means、ISODATA、链状方法等非监督学习方法,以获得一个或多个图像点聚类,其中,每一图像点聚类包含用于表征所述图像点聚类的特征的类灰度特征值。例如,对于视频video1,视频截图装置11’从视频video1中截取的原始视频图像为30个与视频video1的原始视频画面大小相一致的原始视频图像vm1至vm30,而采样装置12’对原始视频图像vm1至vm30进行边界采样时,每个边界的采样数为3,即对于视频video1的每个边界,采样装置12’得到相应的90个边界采样图像,即采样装置12’共得到270个边界采样图像,则聚类处理装置可根据采样装置12’得到的该270个边界采样图像中每一边界采样图像的图像点的第一灰度值,对该270个边界采样图像所包括的图像点进行聚类处理,如采用k-means、ISODATA、链状方法等非监督学习方法,以获得一个或多个图像点聚类,其中,每一图像点聚类包含用于表征所述图像点聚类的特征的类灰度特征值,如得到以下图像点聚类:①图像点的第一灰度值属于[0,22]区间的第一图像点聚类,其对应的类灰度特征值为0;②图像点的第一灰度值属于[23,111] 区间的第一图像点聚类,其对应的类灰度特征值为23;③图像点的第一灰度值属于[112,120]区间的第一图像点聚类,其对应的类灰度特征值为112;④图像点的第一灰度值属于[121,123]区间的第一图像点聚类,其对应的类灰度特征值为121。
本领域技术人员应能理解上述对所述一个或多个边界采样图像所包括的图像点进行聚类处理的方式仅为举例,其他现有的或今后可能出现的对所述一个或多个边界采样图像所包括的图像点进行聚类处理的方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
然后,类别确定装置根据所述一个或多个图像点聚类所对应的所述类灰度特征值,确定所述一个或多个灰度类别。例如,接上例,类别确定装置根据聚类处理装置得到的图像点聚类所对应的所述类灰度特征值,确定所述一个或多个灰度类别,如每一类灰度特征值对应一个灰度列别,得到如图1所示的灰度列别。
图5示出根据本发明另一个方面的一种用于确定视频的黑边位置信息的方法流程图。
具体地,在步骤S1中,黑边确定设备1从待处理的视频中截取至少一个原始视频图像;在步骤S2中,黑边确定设备1对所述原始视频图像进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像;在步骤S3中,黑边确定设备1确定所述一个或多个边界采样图像所对应的第一黑边位置信息;在步骤S4中,黑边确定设备1根据所述第一黑边位置信息,确定所述视频相应的第二黑边位置信息。在此,黑边确定设备1可由网络设备、用户设备或网络设备与用户设备通过网络相集成所构成的设备实现。在此,所述网络设备包括但不限于如网络主机、单个网络服务器、多个网络服务器集或基于云计算的计算机集合等实现;或者由用户设备实现。在此,云由基于云计算(Cloud Computing)的大量主机或网络服务器构成,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。在此,所述用户设备可以是任何一种可与用户通过键 盘、鼠标、触摸板、触摸屏、或手写设备等方式进行人机交互的电子产品,例如计算机、手机、PDA、掌上电脑PPC或平板电脑等。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。本领域技术人员应能理解上述控制设备1仅为举例,其他现有的或今后可能出现的网络设备或用户设备如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。在此,网络设备及用户设备均包括一种能够按照事先设定或存储的指令,自动进行数值计算和信息处理的电子设备,其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。
例如,当黑边确定设备1由网络设备端实现时,其可从待处理的视频中截取至少一个原始视频图像;然后,对所述原始视频图像进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像;接着,确定所述一个或多个边界采样图像所对应的第一黑边位置信息;然后,根据所述第一黑边位置信息,确定所述视频相应的第二黑边位置信息,以根据所述黑边位置信息,将所述视频中相应的黑边区域进行删除处理,获得经黑边删除处理后的所述视频,以将经黑边删除处理后的所述视频提供给用户设备,以由用户设备提供给对应用户。
具体地,在步骤S1中,黑边确定设备1首先通过诸如视频服务器所提供的应用程序接口(API),从视频服务器中获取待处理的视频,如将视频服务器中的所有视频作为所述待处理的视频,或者,将视频服务器中用户访问热度最高的视频作为所述待处理的视频;然后,再通过诸如FFmpeg、HyperSnap等视频截图工具从该待处理的视频中截取至少一个原始视频图像。在此,所述待处理的视频是指在视频的制作处理过程中加入了相同黑边的视频,如视频的上/下/左/右边界的黑边位置相同,黑边成为视频的一部分。在此,所述原始视频图像是指从所述待处理的视频中截取的包含该视频的原始视频画面的至少一个边界的视频图像,如所述原始视频图像可以是从所述待处理的视 频中截取的与该视频的原始视频画面大小相一致的视频图像,也可以是从所述待处理的视频中截取的包含该视频的原始视频画面的上/下/左/右边界中至少一个边界的视频图像。例如,假设视频服务器中存储的视频video1所对应的用户访问热度信息最高,则在步骤S1中,黑边确定设备1可通过该视频服务器所提供的应用程序接口(API),获取视频video1,以作为所述待处理的视频;然后,在步骤S1中,黑边确定设备1通过FFmpeg视频截图工具从视频video1中截取至少一个原始视频图像,如从视频video1中截取30个与视频video1的原始视频画面大小相一致的原始视频图像vm1至vm30。
本领域技术人员应能理解上述从待处理的视频中截取至少一个原始视频图像的方式仅为举例,其他现有的或今后可能出现的从待处理的视频中截取至少一个原始视频图像的方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
在步骤S2中,黑边确定设备1对所述原始视频图像进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像。在此,所述边界采样处理包括但不限于以下至少任一项:1)以等采样间隔方式分别抽取所述原始视频图像的各边界位置图像;2)以采样间隔随机方式分别抽取所述原始视频图像的各边界位置图像;3)以不等采样间隔方式分别抽取所述原始视频图像的各边界位置图像。在此,抽取所述原始视频图像的各边界位置图像的方式包括但不限于如对于所述原始视频图像的上下边界,抽取距离所述原始视频图像的边界为所述原始视频图像的高度1/3的位置处图像;对于所述原始视频图像的左右边界,抽取距离边界为所述原始视频图像的宽度1/5的位置处图像。本领域技术人员应能理解上述边界采样处理仅为举例,其他现有的或今后可能出现的边界采用处理如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
例如,接上例,在步骤S1中,黑边确定设备1从视频video1中截取的原始视频图像为30个与视频video1的原始视频画面大小相一致的原始视频图像vm1至vm30,则在步骤S2中,黑边确定设备1可对原始视 频图像vm1至vm30进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像,对于原始视频图像vm1,假设原始视频图像vm1的图像宽度为w,图像高度为h,则在步骤S2中,黑边确定设备1可按照采样间隔随机方式分别抽取原始视频图像vm1的上、下、左、右边界位置处图像,如按照如图2所示的采样间隔随机方式分别抽取原始视频图像vm1的上、下、左、右边界位置处图像,每个边界的采样数为3,如对于原始视频图像vm1的上下边界,抽取距离所述原始视频图像vm1的边界为h/3的位置处图像;对于原始视频图像vm1的左右边界,抽取距离所述原始视频图像vm1的边界为w/5的位置处图像,分别得到边界采样图像A至H,其中,A、B、C为上边界采样图像,F、G、H为下边界采样图像,A、D、F为左边界采用图像,C、E、H为右边界采样图像,在此,对原始视频图像vm1的同一边界进行边界采样处理时所得到的边界采样图像的大小并不必须相同,边界采样图像相对于其在所述原始视频图像中的图像没有放缩,是1:1的;以此类推,在步骤S2中,黑边确定设备1可对原始视频图像vm2至vm30分别进行边界采样处理,得到对应的边界采样图像,因在步骤S1中,黑边确定设备1从视频video1中截取的原始视频图像为30个与视频video1的原始视频画面大小相一致的原始视频图像vm1至vm30,而在步骤S2中,黑边确定设备1对原始视频图像vm1至vm30进行边界采样时,每个边界的采样数为3,则对于视频video1的每个边界,在步骤S2中,黑边确定设备1可得到相应的90个边界采样图像,且各边界的采样是不相关的。
在步骤S3中,黑边确定设备1确定所述一个或多个边界采样图像所对应的第一黑边位置信息。在此,所述第一黑边位置信息表明了所述边界采样图像中的黑边所处的位置信息,其可用所述边界采样图像中的黑边所处的行/列与相应的图像边界之间的垂直/水平距离来表示,或者,也可用所述边界采样图像中黑边所处的行/列与相应的图像边界之间的垂直/水平像素点数量来表示。在此,在步骤S3中,黑边确定设备1确定所述第一黑边位置信息的方式包括但不限于以下至少任一项:
1)首先根据所述边界采样图像的图像点所对应的第一灰度值,从一个或多个灰度类别中确定所述图像点所属的灰度类别及对应的第二灰度值;然后,以所述边界采样图像的边界行/列起始,依次检测所述边界采样图像的行/列是否满足该行/列所对应的所有图像点的第二灰度值均满足预定阈值且该行/列的相邻下一行/列中至少一个图像点与该行/列属于不同灰度类别的触发条件;接着,当满足所述触发条件时,将所述边界采样图像中该行/列作为所述边界采样图像所对应的第一黑边位置信息。
具体地,在步骤S3中,黑边确定设备1首先根据所述边界采样图像的图像点所对应的第一灰度值,从一个或多个灰度类别中确定所述图像点所属的灰度类别及对应的第二灰度值。在此,所述第一灰度值是指图像中点的颜色黑白深度,范围一般从0到255共256级灰度,白色为255,黑色为0;对于彩色图像,可根据图像点所对应的RGB(R,G,B),确定该图像点所对应的第一灰度值,如按加权的方法转换,R,G,B的比一般为3:6:1,或者,采用浮点算法Gray=R*0.3+G*0.59+B*0.11等方法得到。在此,所述灰度类别反映了对现有灰度等级(如256级灰度、1024级灰度等)的重新划分得到的灰度类别,其可以通过非监督学习方法(如k-means、ISODATA、链状方法等)或监督学习方法(如fisher分类器、决策树、回归、朴素贝叶斯、SVM等)等方式得到,每一灰度类别具有表征所述灰度类别的灰度值/灰度值区间范围;在此,假设用于聚类的像素点聚类样本中,像素点的第一灰度值均小于123,通过非监督学习方法得到该聚类样本所对应的灰度类别,如下表3所示,其中表征所述灰度类别的灰度值由属于该灰度类别的第一灰度值范围中的最小第一灰度值表示:
灰度类别 | 表征所述灰度类别的灰度值/灰度值区间范围 |
灰度类别Ⅰ | 0/[0,22] |
灰度类别Ⅱ | 23/[23,111] |
灰度类别Ⅲ | 112/[112,120] |
灰度类别Ⅳ | 121/[121,123] |
表3
在此,所述第二灰度值表示对所述第一灰度值的重新量化,其与所述灰度类别相对应,每一灰度类别具有其唯一对应的第二灰度值,每一灰度类别所对应的第二灰度值既可由表征所述灰度类别的灰度值来表示,也可对表征所述灰度类别的灰度值进行重新量化得到,如对于上述表3,假设对表征所述灰度类别的灰度值进行重新量化,如将0仍以0表示,将23用1表示,112用2表示,121用3表示,得到如以下表4所示的灰度类别及对应的第二灰度值:
表4
本领域技术人员应能理解上述量化得到第二灰度值的方式仅为举例,其他现有的或今后可能出现的量化得到第二灰度值的方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
例如,假设对于原始视频图像vm1,在步骤S2中,黑边确定设备1以如图2所示方式对其进行边界采样处理时,假设原始视频图像vm1为黑白图像,且其上边界的图像如图3中的3(a)所示,则对于在步骤S2中,黑边确定设备1对原始视频图像vm1的上边界采样(图3中的3(a)中的灰色线框表示采样)得到的其中一个边界采样图像svm1,如图3中的3(b),在步骤S3中,黑边确定设备1首先根据该边界采样图像的图像点所对应的第一灰度值,从一个或多个灰度类别中确定所述图像点所属的灰度类别及对应的第二灰度值,如假设边界采样图像svm1中一个图像点的第一灰度值为0,则在步骤S3中,黑边确定设备1可根据上述表2所示的灰度类别,得到该图像点所属的灰度类别为灰度类别Ⅰ,以及该图像点对应的第二灰度值为0。
然后,在步骤S3中,黑边确定设备1以所述边界采样图像的边界行/列起始,依次检测所述边界采样图像的行/列是否满足该行/列所对应的所有图像点的第二灰度值均满足预定阈值且该行/列的相邻下一行/列中至少一个图像点与该行/列属于不同灰度类别的触发条件。在此,行/列灰度类别可根据该行/列所对应的图像点的灰度类别确定,如当行/列中所有图像点均属于同一灰度类别时,该灰度类别即是该行/列的灰度类别。例如,接上例,对于边界采样图像svm1,因其是对原始视频图像vm1的上边界采样得到的,则在步骤S3中,黑边确定设备1以边界采样图像svm1的上边界行起始,依次检测边界采样图像svm1的行是否满足该行所对应的所有图像点的第二灰度值均满足预定阈值且该行的相邻下一行中至少一个图像点与该行属于不同灰度类别的触发条件,如假设边界采样图像svm1的上边界所对应的行(记为第1行)中所有图像点的第二灰度值均等于0,小于预定阈值如0,则在步骤S3中,黑边确定设备1再判定下一行(记为第2行)中的所有图像点的第二灰度值是否均满足所述预定阈值,若第二行中所有图像点的第二灰度值均为0,均满足预定阈值0,在步骤S3中,黑边确定设备1再继续判定下一行,以此类推,若边界采样图像svm1从第1行开始至第100行,每行中的所有图像点的第二灰度值均满足所述预定阈值0,即边界采样图像svm1从第1行开始至第100行,每行均属于灰度类别Ⅰ,而第101行中有1个图像点的第二灰度值为2,根据上述表1所示的灰度类别,该行中该图像点属于灰度类别Ⅲ,即边界采样图像svm1从上边界行起始的第101行中存在一个图像点与相邻上一行属于不同灰度类别,则在步骤S3中,黑边确定设备1可确定边界采样图像svm1从上边界行起始的第100行满足所述触发条件。
接着,当满足所述触发条件时,在步骤S3中,黑边确定设备1将所述边界采样图像中该行/列作为所述边界采样图像所对应的第一黑边位置信息。例如,还接上例,在步骤S3中,黑边确定设备1确定边界采样图像svm1从上边界行起始的第100行为边界采样图像 svm1所对应的第一黑边位置信息,如假设边界采样图像svm1共n行,则所述第一黑边位置信息可表示为d1=100/n,如图3中的3(c)所示。
2)首先根据所述边界采样图像的行/列所对应的行/列第一灰度值,从一个或多个灰度类别中确定所述边界采样图像的行/列所属的灰度类别及对应的行/列第二灰度值;然后,以所述边界采样图像的边界行/列起始,将所述边界采样图像的相邻两行/列中灰度类别不同且其中一行/列的行/列第二灰度值满足预定阈值的行/列作为所述第一黑边位置信息。
具体地,在步骤S3中,黑边确定设备1首先根据所述边界采样图像的行/列所对应的图像点的第一灰度值,确定所述边界采样图像的行/列所对应的行/列第一灰度值,如将所述边界采样图像的行/列所对应的多个图像点的第一灰度值中,出现次数最多的图像点的第一灰度值,作为该行/列所对应的行/列第一灰度值,以从一个或多个灰度类别中确定所述边界采样图像的行/列所属的灰度类别及对应的行/列第二灰度值。
例如,对于边界采样图像svm1,因其是对原始视频图像vm1的上边界采样得到的,则在步骤S3中,黑边确定设备1以边界采样图像svm1的上边界行起始,依次确定边界采样图像svm1的行所对应的行第一灰度值,如假设边界采样图像svm1的上边界所对应的行即第1行中所有图像点的第一灰度值均等于0,则说明该行所对应的行第一灰度值为0;再如,假设边界采样图像svm1的上边界所对应的行即第1行共有1000个像素点,其中有800个图像点的第一灰度值为1,其余200个图像点的第一灰度值为2,则在步骤S3中,黑边确定设备1可将该1000个像素点的第一灰度值中,出现次数最多的像素点的第一灰度值1作为该行的行第一灰度值,以此类推,在步骤S3中,黑边确定设备1可确定边界采样图像svm1的所有行/列所对应的行/列第一灰度值;然后,在步骤S3中,黑边确定设备1根据边界采样图像svm1的行/列所对应的行/列第一灰度值,从一个或多个灰度类别中确定边界采样图像svm1的行/列所属的灰度类别及对应的行/ 列第二灰度值,在此,在步骤S3中,黑边确定设备1确定边界采样图像svm1的行/列所属的灰度类别及对应的行/列第二灰度值与前述在步骤S3中,黑边确定设备1确定所述图像点所属的灰度类别及对应的第二灰度值的方式相同或基本相同,为简明起见,故在此不再赘述,并以引用的方式包含与此。
接着,在步骤S3中,黑边确定设备1以所述边界采样图像的边界行/列起始,将所述边界采样图像的相邻两行/列中灰度类别不同且其中一行/列的行/列第二灰度值满足预定阈值的行/列作为所述第一黑边位置信息。例如,接上例,对于边界采样图像svm1,若边界采样图像svm1从第1行开始至第100行,每行的行/列灰度类别均属于上述表4中的灰度类别Ⅰ,且对应的行第二灰度值为0,满足预定阈值如0,而与第100行相邻的第101行的灰度类别属于上述表4中的灰度类别Ⅲ,则在步骤S3中,黑边确定设备1可确定边界采样图像svm1从上边界行起始的第100行为边界采样图像svm1所对应的第一黑边位置信息,如假设边界采样图像svm1共n行,则所述第一黑边位置信息可表示为d1=100/n,如图3中的3(c)所示。
本领域技术人员应能理解上述确定所述第一黑边位置信息的方式仅为举例,其他现有的或今后可能出现的确定所述第一黑边位置信息的方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
在步骤S4中,黑边确定设备1根据所述第一黑边位置信息,确定所述视频相应的第二黑边位置信息。在此,所述第二黑边位置信息表明了所述视频中视频图像的黑边所处的位置信息。例如,对于视频video1,在步骤S1中,黑边确定设备1从视频video1中截取的原始视频图像为30个与视频video1的原始视频画面大小相一致的原始视频图像vm1至vm30,而在步骤S2中,黑边确定设备1对原始视频图像vm1至vm30进行边界采样时,每个边界的采样数为3,即对于视频video1的每个边界,在步骤S2中,黑边确定设备1得到相应的90个边界采样图像,在此,以上边界为例进行说明,假设在步骤S2 中,黑边确定设备1分别对原始视频图像vm1至vm30进行上边界采样后,得到90个关于上边界的边界采样图像svm1至svm90,而第一黑边确定装置14确定边界采样图像svm1至svm90所对应的第一黑边位置信息分别为d1至d90,该90个第一黑边位置信息均是关于上边界黑边的位置信息,其中,该90个第一黑边位置信息中有80个第一黑边位置信息相同,剩余20个第一黑边位置信息中有10个相同,10个不相同,则在步骤S4中,黑边确定设备1可将该90个第一黑边位置信息中出现次数最多且数值最大的第一黑边位置信息如d2作为视频video1相应的第二黑边位置信息,即得到视频video1关于上边界的黑边位置信息;以此类推,在步骤S4中,黑边确定设备1可得到关于其他视频边界如下/左/右边界的第二黑边位置信息。
优选地,所述第一黑边位置信息包括所述一个或多个边界采样图像所对应的关于同一视频边界的第一黑边位置信息,其中,在步骤S4中,黑边确定设备1根据所述关于同一视频边界的第一黑边位置信息中各第一黑边位置信息所对应的频次信息,确定所述视频关于该视频边界的第二黑边位置信息。例如,对于视频video1,假设第一黑边确定装置14得到关于上边界的边界采样图像svm1至svm90所对应的关于上边界的第一黑边位置信息分别为d1至d90,而该90个第一黑边位置信息中有80个第一黑边位置信息相同,剩余20个第一黑边位置信息中有10个相同,10个不相同,则在步骤S4中,黑边确定设备1根据所述关于同一视频边界的第一黑边位置信息中各第一黑边位置信息所对应的频次信息,确定所述视频关于该视频边界的第二黑边位置信息,如将该90个第一黑边位置信息中对应频次最高的第一黑边位置信息如d1作为视频video1相应的第二黑边位置信息,即得到视频video1关于上边界的黑边位置信息。
本领域技术人员应能理解上述确定所述第二黑边位置信息的方式仅为举例,其他现有的或今后可能出现的确定所述第二黑边位置信息的方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
黑边确定设备1的各步骤之间是持续不断工作的。具体地,在步骤S1中,黑边确定设备1持续从待处理的视频中截取至少一个原始视频图像;在步骤S2中,黑边确定设备1持续对所述原始视频图像进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像;在步骤S3中,黑边确定设备1持续确定所述一个或多个边界采样图像所对应的第一黑边位置信息;在步骤S4中,黑边确定设备1持续根据所述第一黑边位置信息,确定所述视频相应的第二黑边位置信息。在此,本领域技术人员应能理解“持续”是指黑边确定设备1的各步骤之间分别不断地进行原始视频图像的截取、对所述原始视频图像的边界采用处理、第一黑边位置信息的确定与第二黑边位置信息的确定,直至黑边确定设备1在较长时间内停止截取原始视频图像。
优选地,黑边确定设备1还包括步骤S5(未示出)。具体地,在步骤S5中,黑边确定设备1根据所述黑边位置信息,将所述视频中相应的黑边区域进行删除处理,以获得经黑边删除处理后的所述视频。
具体地,在步骤S5中,黑边确定设备1根据所述黑边位置信息,将所述视频中相应的黑边区域进行删除处理,以获得经黑边删除处理后的所述视频。例如,对于视频video1,假设在步骤S4中,黑边确定设备1确定其对应的第二黑边位置信息为:关于上边界的黑边位置为d1,关于下边界的黑边位置为d1’,关于左边界的黑边位置为d1”,关于右边界的黑边位置为d1”’,则在步骤S5中,黑边确定设备1可通过诸如视频处理器将视频video1中相应的黑边区域进行删除处理,以获得经黑边删除处理后的视频video1。
更优选地,黑边确定设备1还包括步骤S6(未示出)和步骤S7(未示出)。具体地,在步骤S6中,黑边确定设备1获取用户关于所述视频的视频访问请求;在步骤S7中,黑边确定设备1根据所述视频访问请求,将经黑边删除处理后的所述视频提供给所述用户。
具体地,在步骤S6中,黑边确定设备1通过诸如http、https等约定的通信方式,获取用户关于所述视频的视频访问请求,或者,通 过JSP、ASP等动态网页技术,获取用户关于所述视频的访问操作,以获取用户关于所述视频的视频访问请求。例如,假设用户A通过其用户设备打开视频网站video web,其搜索到视频video1,然后点击对应的视频播放按钮,则在步骤S6中,黑边确定设备1可通过诸如http、https等约定的通信方式,便获取到用户A的关于视频vedio1的视频访问请求,或者,通过JSP、ASP等动态网页技术,获取到用户A关于视频video1的访问操作,来获取到用户A关于视频video1的视频访问请求。
本领域技术人员应能理解上述获取用户关于所述视频的视频访问请求的方式仅为举例,其他现有的或今后可能出现的获取用户关于所述视频的视频访问请求的方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
接着,在步骤S7中,黑边确定设备1根据所述视频访问请求,将经黑边删除处理后的所述视频提供给所述用户。例如,接上例,在步骤S6中,黑边确定设备1获取到用户A关于视频video1的视频访问请求,则在步骤S7中,黑边确定设备1根据该视频访问请求,通过诸如http、https等约定的通信方式,将在步骤S5中,黑边确定设备1获得经黑边删除处理后的视频video1提供给用户A的用户设备,以将经黑边删除处理后的视频video1提供给用户A,供用户A观看。
图6示出根据本发明一个优选实施例的一种用于确定视频的黑边位置信息的方法流程图。
其中,该方法包括步骤S1’、步骤S2’、步骤S3’和步骤S4’,其中,步骤S3’包括步骤S31’与步骤S32’。具体地,在步骤S1’中,黑边确定设备1从待处理的视频中截取至少一个原始视频图像;在步骤S2’中,黑边确定设备1采样装置12’对所述原始视频图像进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像;在步骤S31’中,黑边确定设备1类别与灰度确定单元131’根据所述边界采样图像的行/列所对应的行/列第一灰度值,从一个或多个灰度类别中确定所述边界采样图像的行/列所属的灰度类别,以确定该行/列所对应 的行/列第二灰度值;在步骤S32’中,黑边确定设备1第一黑边确定单元132’根据所述行/列第二灰度值,确定所述边界采样图像所对应的第一黑边位置信息;在步骤S4’中,黑边确定设备1第二黑边确定装置14’根据所述第一黑边位置信息,确定所述视频相应的第二黑边位置信息。在此,步骤S1’、步骤S2’和与步骤S4’与图5实施例中对应步骤的内容相同或基本相同,为简明起见,故在此不再赘述,并以引用的方式包含与此。
具体地,在步骤S31’中,黑边确定设备1根据所述边界采样图像的行/列所对应的行/列第一灰度值,从一个或多个灰度类别中确定所述边界采样图像的行/列所属的灰度类别,以确定该行/列所对应的行/列第二灰度值。在此,在步骤S31’中,黑边确定设备1确定所述行/列第二灰度值的方式包括但不限于以下至少任一项:
1)首先,根据所述边界采样图像的行/列所对应的图像点的第一灰度值,从所述一个或多个灰度类别中确定该图像点所属的灰度类别;然后,根据所述边界采样图像的行/列所对应的图像点所述的灰度类别,确定该行/列所属的灰度类别,以确定该行/列所对应的行/列第二灰度值。
例如,对于边界采样图像svm1,因其是对原始视频图像vm1的上边界采样得到的,则在步骤S31’中,黑边确定设备1以边界采样图像svm1的上边界行起始,依次确定边界采样图像svm1的行所对应的图像点的第一灰度值,如假设边界采样图像svm1的上边界所对应的行即第1行中所有图像点的第一灰度值范围均属于区间[0,20],则在步骤S31’中,黑边确定设备1可根据上述表4所示的灰度类别,得到该行的所有图像点所属的灰度类别均为灰度类别Ⅰ,则在步骤S31’中,黑边确定设备1可确定该行所属的灰度类别为灰度类别Ⅰ;再如,若边界采样图像svm1的上边界所对应的行即第1行中第一灰度值范围属于区间[0,20]的图像点数量占该行所对应的图像点总数量最大,即该行中属于灰度列别Ⅰ的图像点数量最多,则在步骤S31’中,黑边确定设备1可确定该行所属的灰度类别为具有相同灰度类别且占该行 对应的图像点总数量比例最大的图像点所属的灰度类别,即确定该行所对应的灰度类别为灰度类别Ⅰ;接着,根据上述表4所示的灰度类别,在步骤S31’中,黑边确定设备1可确定灰度类别Ⅰ所对应的灰度值为0,相应地得到该行所对应的行第二灰度值为0。
2)首先,根据所述边界采样图像的行/列所对应的图像点的第一灰度值,确定所述边界采样图像的行/列所对应的行/列第一灰度值;然后,再根据所述行/列第一灰度值,从所述一个或多个灰度类别中确定所述边界采样图像的行/列所属的灰度类别,以确定该行/列所对应的行/列第二灰度值。
例如,对于边界采样图像svm1,因其是对原始视频图像vm1的上边界采样得到的,则在步骤S31’中,黑边确定设备1以边界采样图像svm1的上边界行起始,依次确定边界采样图像svm1的行所对应的行第一灰度值,如假设边界采样图像svm1的上边界所对应的行即第1行中所有图像点的第一灰度值均等于0,则说明该行所对应的行第一灰度值为0;再如,假设边界采样图像svm1的上边界所对应的行即第1行共有1000个像素点,其中有800个图像点的第一灰度值为1,其余200个图像点的第一灰度值为2,则在步骤S31’中,黑边确定设备1可将该1000个像素点的第一灰度值中,出现次数最多的像素点的第一灰度值1作为该行的行第一灰度值,以此类推,在步骤S31’中,黑边确定设备1可确定边界采样图像svm1的所有行/列所对应的行/列第一灰度值;然后,在步骤S31’中,黑边确定设备1根据边界采样图像svm1的行/列所对应的行/列第一灰度值,从一个或多个灰度类别中确定边界采样图像svm1的行/列所属的灰度类别,确定该行/列所对应的行/列第二灰度值,例如,对于边界采样图像svm1的上边界所对应的行即第1行,假设在步骤S31’中,黑边确定设备1首先确定该行所对应的行第一灰度值为2,则在步骤S31’中,黑边确定设备1可根据上述表4所示的灰度类别,确定该行所属的灰度类别为灰度类别Ⅰ,相应地,该行/列所对应的行/列第二灰度值为0。
本领域技术人员应能理解上述确定所述行/列第二灰度值的方式仅 为举例,其他现有的或今后可能出现的确定所述行/列第二灰度值的方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
接着,在步骤S32’中,黑边确定设备1根据所述行/列第二灰度值,确定所述边界采样图像所对应的第一黑边位置信息,如以所述边界采样图像的边界行/列起始,将所述边界采样图像的相邻两行/列中灰度类别不同且其中一行/列的行/列第二灰度值满足预定阈值的行/列作为所述第一黑边位置信息。在此,在步骤S32’中,黑边确定设备1根据所述行/列第二灰度值确定所述第一黑边位置信息的方式与图5中在步骤S3中,黑边确定设备1据所述行/列第二灰度值确定所述第一黑边位置信息的方式相同或基本相同,为简明起见,故在此不再赘述,并以引用的方式包含与此。
优选地,黑边确定设备1还包括步骤S8’(未示出)和步骤S9’(未示出)。具体地,在步骤S8’中,黑边确定设备1根据所述边界采样图像的图像点的第一灰度值,对所述一个或多个边界采样图像所包括的图像点进行聚类处理,以获得一个或多个图像点聚类,其中,每一图像点聚类包含用于表征所述图像点聚类的特征的类灰度特征值;在步骤S9’中,黑边确定设备1根据所述一个或多个图像点聚类所对应的所述类灰度特征值,确定所述一个或多个灰度类别。在此,所述类灰度特征值可用每一图像点聚类中所有图像点的第一灰度值中最小的第一灰度值表示,也可用每一图像点聚类中所有图像点的第一灰度值的平均值来表示。
具体地,在步骤S8’中,黑边确定设备1根据所述边界采样图像的图像点的第一灰度值,对所述一个或多个边界采样图像所包括的图像点进行聚类处理,如采用k-means、ISODATA、链状方法等非监督学习方法,以获得一个或多个图像点聚类,其中,每一图像点聚类包含用于表征所述图像点聚类的特征的类灰度特征值。例如,对于视频video1,在步骤S1’中,黑边确定设备1从视频video1中截取的原始视频图像为30个与视频video1的原始视频画面大小相一致的原始视 频图像vm1至vm30,而在步骤S2’中,黑边确定设备1对原始视频图像vm1至vm30进行边界采样时,每个边界的采样数为3,即对于视频video1的每个边界,在步骤S2’中,黑边确定设备1得到相应的90个边界采样图像,即在步骤S2’中,黑边确定设备1共得到270个边界采样图像,则在步骤S8’中,黑边确定设备1可根据其在步骤S2’中得到的该270个边界采样图像中每一边界采样图像的图像点的第一灰度值,对该270个边界采样图像所包括的图像点进行聚类处理,如采用k-means、ISODATA、链状方法等非监督学习方法,以获得一个或多个图像点聚类,其中,每一图像点聚类包含用于表征所述图像点聚类的特征的类灰度特征值,如得到以下图像点聚类:①图像点的第一灰度值属于[0,22]区间的第一图像点聚类,其对应的类灰度特征值为0;②图像点的第一灰度值属于[23,111]区间的第一图像点聚类,其对应的类灰度特征值为23;③图像点的第一灰度值属于[112,120]区间的第一图像点聚类,其对应的类灰度特征值为112;④图像点的第一灰度值属于[121,123]区间的第一图像点聚类,其对应的类灰度特征值为121。
本领域技术人员应能理解上述对所述一个或多个边界采样图像所包括的图像点进行聚类处理的方式仅为举例,其他现有的或今后可能出现的对所述一个或多个边界采样图像所包括的图像点进行聚类处理的方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
然后,在步骤S9’中,黑边确定设备1根据所述一个或多个图像点聚类所对应的所述类灰度特征值,确定所述一个或多个灰度类别。例如,接上例,类别确定装置根据聚类处理装置得到的图像点聚类所对应的所述类灰度特征值,确定所述一个或多个灰度类别,如每一类灰度特征值对应一个灰度列别,得到如图2所示的灰度列别。
需要注意的是,本发明可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本发明的软件程序可以通过处 理器执行以实现上文所述步骤或功能。同样地,本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本发明的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本发明的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本发明的方法和/或技术方案。而调用本发明的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本发明的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本发明的多个实施例的方法和/或技术方案。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (18)
1.一种用于确定视频的黑边位置信息的方法,其中,该方法包括以下步骤:
a从待处理的视频中截取至少一个原始视频图像;
b对所述原始视频图像进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像;
c确定所述一个或多个边界采样图像所对应的第一黑边位置信息;
d根据所述第一黑边位置信息,确定所述视频相应的第二黑边位置信息。
2.根据权利要求1所述的方法,其中,所述步骤c包括:
c1根据所述边界采样图像的行/列所对应的行/列第一灰度值,从一个或多个灰度类别中确定所述边界采样图像的行/列所属的灰度类别,以确定该行/列所对应的行/列第二灰度值;
c2根据所述行/列第二灰度值,确定所述边界采样图像所对应的第一黑边位置信息。
3.根据权利要求2所述的方法,其中,所述步骤c1包括:
-根据所述边界采样图像的行/列所对应的图像点的第一灰度值,确定所述边界采样图像的行/列所对应的行/列第一灰度值;
-根据所述行/列第一灰度值,从所述一个或多个灰度类别中确定所述边界采样图像的行/列所属的灰度类别,以确定该行/列所对应的行/列第二灰度值。
4.根据权利要求2或3所述的方法,其中,所述步骤c2包括:
-以所述边界采样图像的边界行/列起始,将所述边界采样图像的相邻两行/列中灰度类别不同且其中一行/列的行/列第二灰度值满足预定阈值的行/列作为所述第一黑边位置信息。
5.根据权利要求1所述的方法,其中,所述步骤c包括:
-根据所述边界采样图像的图像点所对应的第一灰度值,从一个或多个灰度类别中确定所述图像点所属的灰度类别及对应的第二灰度值;
-以所述边界采样图像的边界行/列起始,依次检测所述边界采样图像的行/列是否满足该行/列所对应的所有图像点的第二灰度值均满足预定阈值且该行/列的相邻下一行/列中至少一个图像点与该行/列属于不同灰度类别的触发条件;
-当满足所述触发条件时,将所述边界采样图像中该行/列作为所述边界采样图像所对应的第一黑边位置信息。
6.根据权利要求2至5中任一项所述的方法,其中,该方法还包括:
-根据所述边界采样图像的图像点的第一灰度值,对所述一个或多个边界采样图像所包括的图像点进行聚类处理,以获得一个或多个图像点聚类,其中,每一图像点聚类包含用于表征所述图像点聚类的特征的类灰度特征值;
-根据所述一个或多个图像点聚类所对应的所述类灰度特征值,确定所述一个或多个灰度类别。
7.根据权利要求1至6中任一项所述的方法,其中,所述第一黑边位置信息包括所述一个或多个边界采样图像所对应的关于同一视频边界的第一黑边位置信息,其中,所述步骤d包括:
-根据所述关于同一视频边界的第一黑边位置信息中各第一黑边位置信息所对应的频次信息,确定所述视频关于该视频边界的第二黑边位置信息。
8.根据权利要求1至7中任一项所述的方法,其中,该方法还包括:
-根据所述黑边位置信息,将所述视频中相应的黑边区域进行删除处理,以获得经黑边删除处理后的所述视频。
9.根据权利要求8所述的方法,其中,该方法还包括:
-获取用户关于所述视频的视频访问请求;
-根据所述视频访问请求,将经黑边删除处理后的所述视频提供给所述用户。
10.一种用于确定视频的黑边位置信息的黑边确定设备,其中,该黑边确定设备包括:
视频截图装置,用于从待处理的视频中截取至少一个原始视频图像;
采样装置,用于对所述原始视频图像进行边界采样处理,以获得所述视频所对应的一个或多个边界采样图像;
第一黑边确定装置,用于确定所述一个或多个边界采样图像所对应的第一黑边位置信息;
第二黑边确定装置,用于根据所述第一黑边位置信息,确定所述视频相应的第二黑边位置信息。
11.根据权利要求10所述的黑边确定设备,其中,所述第一黑边确定装置包括:
类别与灰度确定单元,用于根据所述边界采样图像的行/列所对应的行/列第一灰度值,从一个或多个灰度类别中确定所述边界采样图像的行/列所属的灰度类别,以确定该行/列所对应的行/列第二灰度值;
第一黑边确定单元,用于根据所述行/列第二灰度值,确定所述边界采样图像所对应的第一黑边位置信息。
12.根据权利要求11所述的黑边确定设备,其中,所述类别与灰度确定单元用于:
-根据所述边界采样图像的行/列所对应的图像点的第一灰度值,确定所述边界采样图像的行/列所对应的行/列第一灰度值;
-根据所述行/列第一灰度值,从所述一个或多个灰度类别中确定所述边界采样图像的行/列所属的灰度类别,以确定该行/列所对应的行/列第二灰度值。
13.根据权利要求11或12所述的黑边确定设备,其中,所述第一黑边确定单元用于:
-以所述边界采样图像的边界行/列起始,将所述边界采样图像的相邻两行/列中灰度类别不同且其中一行/列的行/列第二灰度值满足预定阈值的行/列作为所述第一黑边位置信息。
14.根据权利要求10所述的黑边确定设备,其中,所述第一黑边确定装置用于:
-根据所述边界采样图像的图像点所对应的第一灰度值,从一个或多个灰度类别中确定所述图像点所属的灰度类别及对应的第二灰度值;
-以所述边界采样图像的边界行/列起始,依次检测所述边界采样图像的行/列是否满足该行/列所对应的所有图像点的第二灰度值均满足预定阈值且该行/列的相邻下一行/列中至少一个图像点与该行/列属于不同灰度类别的触发条件;
-当满足所述触发条件时,将所述边界采样图像中该行/列作为所述边界采样图像所对应的第一黑边位置信息。
15.根据权利要求11至14中任一项所述的黑边确定设备,其中,该黑边确定设备还包括:
聚类处理装置,用于根据所述边界采样图像的图像点的第一灰度值,对所述一个或多个边界采样图像所包括的图像点进行聚类处理,以获得一个或多个图像点聚类,其中,每一图像点聚类包含用于表征所述图像点聚类的特征的类灰度特征值;
类别确定装置,用于根据所述一个或多个图像点聚类所对应的所述类灰度特征值,确定所述一个或多个灰度类别。
16.根据权利要求10至15中任一项所述的黑边确定设备,其中,所述第一黑边位置信息包括所述一个或多个边界采样图像所对应的关于同一视频边界的第一黑边位置信息,其中,所述第二黑边确定装置用于:
-根据所述关于同一视频边界的第一黑边位置信息中各第一黑边位置信息所对应的频次信息,确定所述视频关于该视频边界的第二黑边位置信息。
17.根据权利要求10至16中任一项所述的黑边确定设备,其中,该黑边确定设备还包括:
黑边删除装置,用于根据所述黑边位置信息,将所述视频中相应的黑边区域进行删除处理,以获得经黑边删除处理后的所述视频。
18.根据权利要求17所述的黑边确定设备,其中,该黑边确定设备还包括:
请求获取装置,用于获取用户关于所述视频的视频访问请求;
提供装置,用于根据所述视频访问请求,将经黑边删除处理后的所述视频提供给所述用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410097898.9A CN104915944B (zh) | 2014-03-14 | 2014-03-14 | 一种用于确定视频的黑边位置信息的方法与设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410097898.9A CN104915944B (zh) | 2014-03-14 | 2014-03-14 | 一种用于确定视频的黑边位置信息的方法与设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104915944A true CN104915944A (zh) | 2015-09-16 |
CN104915944B CN104915944B (zh) | 2018-08-07 |
Family
ID=54084984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410097898.9A Active CN104915944B (zh) | 2014-03-14 | 2014-03-14 | 一种用于确定视频的黑边位置信息的方法与设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104915944B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105430382A (zh) * | 2015-12-02 | 2016-03-23 | 厦门雅迅网络股份有限公司 | 一种视频图像检测黑边的方法和装置 |
CN106828333A (zh) * | 2016-12-23 | 2017-06-13 | 上海蔚来汽车有限公司 | 内饰结构件以及该内饰结构件的自适应匹配方法和系统 |
CN106856006A (zh) * | 2016-10-12 | 2017-06-16 | 国家海洋局第海洋研究所 | 二维等间距投影图的数字化方法 |
CN107464251A (zh) * | 2016-06-03 | 2017-12-12 | 上海顺久电子科技有限公司 | 一种图像的黑边检测方法及装置 |
CN110083740A (zh) * | 2019-05-07 | 2019-08-02 | 深圳市网心科技有限公司 | 视频指纹提取及视频检索方法、装置、终端及存储介质 |
CN110135260A (zh) * | 2019-04-15 | 2019-08-16 | 青岛小鸟看看科技有限公司 | 图像中感兴趣区域的边界的确定方法、装置及电子设备 |
CN114071209A (zh) * | 2020-08-05 | 2022-02-18 | 晶晨半导体(上海)股份有限公司 | 实时检测视频图像显示区域的方法和装置及电子设备 |
CN115113838A (zh) * | 2022-07-15 | 2022-09-27 | 北京字跳网络技术有限公司 | 投屏画面的显示方法、装置、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1763255A1 (en) * | 2005-09-09 | 2007-03-14 | LG Electronics Inc. | Projection type display device and method for controlling the same |
CN101087380A (zh) * | 2006-06-08 | 2007-12-12 | 索尼株式会社 | 图像信号处理设备、图像显示器以及图像显示方法 |
CN101277381A (zh) * | 2008-04-15 | 2008-10-01 | 北京中星微电子有限公司 | 一种视频图像处理方法及装置 |
US20120099008A1 (en) * | 2010-10-20 | 2012-04-26 | Canon Kabushiki Kaisha | Image processing apparatus and method capable of performing correction process speedily and easily |
CN102497488A (zh) * | 2011-11-30 | 2012-06-13 | 广东威创视讯科技股份有限公司 | 一种图像黑边去除方法和装置 |
CN102547365A (zh) * | 2010-12-28 | 2012-07-04 | 中国移动通信集团公司 | 视频图像的黑边检测方法及装置 |
CN103079028A (zh) * | 2011-10-25 | 2013-05-01 | 联咏科技股份有限公司 | 图像画面的黑边检测方法与图像处理装置 |
CN103369205A (zh) * | 2012-03-26 | 2013-10-23 | 宇龙计算机通信科技(深圳)有限公司 | 移动终端和视频图像处理方法 |
-
2014
- 2014-03-14 CN CN201410097898.9A patent/CN104915944B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1763255A1 (en) * | 2005-09-09 | 2007-03-14 | LG Electronics Inc. | Projection type display device and method for controlling the same |
CN101087380A (zh) * | 2006-06-08 | 2007-12-12 | 索尼株式会社 | 图像信号处理设备、图像显示器以及图像显示方法 |
CN101277381A (zh) * | 2008-04-15 | 2008-10-01 | 北京中星微电子有限公司 | 一种视频图像处理方法及装置 |
US20120099008A1 (en) * | 2010-10-20 | 2012-04-26 | Canon Kabushiki Kaisha | Image processing apparatus and method capable of performing correction process speedily and easily |
CN102547365A (zh) * | 2010-12-28 | 2012-07-04 | 中国移动通信集团公司 | 视频图像的黑边检测方法及装置 |
CN103079028A (zh) * | 2011-10-25 | 2013-05-01 | 联咏科技股份有限公司 | 图像画面的黑边检测方法与图像处理装置 |
CN102497488A (zh) * | 2011-11-30 | 2012-06-13 | 广东威创视讯科技股份有限公司 | 一种图像黑边去除方法和装置 |
CN103369205A (zh) * | 2012-03-26 | 2013-10-23 | 宇龙计算机通信科技(深圳)有限公司 | 移动终端和视频图像处理方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105430382A (zh) * | 2015-12-02 | 2016-03-23 | 厦门雅迅网络股份有限公司 | 一种视频图像检测黑边的方法和装置 |
CN107464251A (zh) * | 2016-06-03 | 2017-12-12 | 上海顺久电子科技有限公司 | 一种图像的黑边检测方法及装置 |
CN106856006A (zh) * | 2016-10-12 | 2017-06-16 | 国家海洋局第海洋研究所 | 二维等间距投影图的数字化方法 |
CN106856006B (zh) * | 2016-10-12 | 2019-10-18 | 自然资源部第一海洋研究所 | 二维等间距投影图的数字化方法 |
CN106828333A (zh) * | 2016-12-23 | 2017-06-13 | 上海蔚来汽车有限公司 | 内饰结构件以及该内饰结构件的自适应匹配方法和系统 |
CN106828333B (zh) * | 2016-12-23 | 2019-02-19 | 上海蔚来汽车有限公司 | 内饰结构件以及该内饰结构件的自适应匹配方法和系统 |
CN110135260A (zh) * | 2019-04-15 | 2019-08-16 | 青岛小鸟看看科技有限公司 | 图像中感兴趣区域的边界的确定方法、装置及电子设备 |
CN110083740A (zh) * | 2019-05-07 | 2019-08-02 | 深圳市网心科技有限公司 | 视频指纹提取及视频检索方法、装置、终端及存储介质 |
CN110083740B (zh) * | 2019-05-07 | 2021-04-06 | 深圳市网心科技有限公司 | 视频指纹提取及视频检索方法、装置、终端及存储介质 |
CN114071209A (zh) * | 2020-08-05 | 2022-02-18 | 晶晨半导体(上海)股份有限公司 | 实时检测视频图像显示区域的方法和装置及电子设备 |
CN115113838A (zh) * | 2022-07-15 | 2022-09-27 | 北京字跳网络技术有限公司 | 投屏画面的显示方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104915944B (zh) | 2018-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104915944A (zh) | 一种用于确定视频的黑边位置信息的方法与设备 | |
US10896349B2 (en) | Text detection method and apparatus, and storage medium | |
US10453204B2 (en) | Image alignment for burst mode images | |
EP2374089B1 (en) | Method, apparatus and computer program product for providing hand segmentation for gesture analysis | |
TW202139183A (zh) | 基於人工智慧的物體檢測方法、裝置、設備及儲存媒體 | |
US20150039637A1 (en) | Systems Apparatus and Methods for Determining Computer Apparatus Usage Via Processed Visual Indicia | |
WO2021136027A1 (zh) | 相似图像检测方法、装置、设备及存储介质 | |
CN107209942B (zh) | 对象检测方法和图像检索系统 | |
CN105046254A (zh) | 字符识别方法及装置 | |
CN105913082A (zh) | 一种对图像中目标进行分类的方法及系统 | |
CN112014413A (zh) | 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 | |
CN104090904A (zh) | 一种用于提供目标搜索结果的方法与设备 | |
CN112001362A (zh) | 一种图像分析方法、图像分析装置及图像分析系统 | |
CN110298858A (zh) | 一种图像裁剪方法及装置 | |
Mascaro et al. | Fast and robust skew estimation of scanned documents through background area information | |
Yue et al. | An efficient color quantization based on generic roughness measure | |
Dimitrov et al. | Visual positions of links and clicks on wikipedia | |
US20170091572A1 (en) | System And Method For Text Detection In An Image | |
CN112990792A (zh) | 一种侵权风险自动化检测方法、装置和电子设备 | |
KR101725501B1 (ko) | 문자 인식 방법 및 장치 | |
CN108875538B (zh) | 属性检测方法、装置和系统及存储介质 | |
WO2015031350A1 (en) | Systems and methods for memory utilization for object detection | |
CN108875501B (zh) | 人体属性识别方法、装置、系统及存储介质 | |
GB2557417A (en) | Image alignment for burst mode images | |
JP6478301B2 (ja) | 画像判別装置、画像判別方法、及びプログラム |
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 |