CN104933695B - 一种信息处理方法和电子设备 - Google Patents
一种信息处理方法和电子设备 Download PDFInfo
- Publication number
- CN104933695B CN104933695B CN201410104490.XA CN201410104490A CN104933695B CN 104933695 B CN104933695 B CN 104933695B CN 201410104490 A CN201410104490 A CN 201410104490A CN 104933695 B CN104933695 B CN 104933695B
- Authority
- CN
- China
- Prior art keywords
- image
- image block
- block
- convolution kernel
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开一种信息处理方法和电子设备,方法包括:对获得的第一图像进行区域划分,得到多个第一图像块,多个第一图像块能组合为第一图像;分别对多个第一图像块进行去模糊处理,获得多个第一图像块各自对应的卷积核;根据第一图像块各自对应的卷积核计算区域相邻的第一图像块间的关联性,根据计算结果进行图像分割。电子设备包括:区域划分单元,用于对获得的第一图像进行区域划分,得到多个第一图像块,多个第一图像块能组合为第一图像;计算单元,用于分别对多个第一图像块进行去模糊处理,获得多个第一图像块各自对应的卷积核;分割单元,用于根据第一图像块各自对应的卷积核计算区域相邻的第一图像块间的关联性,根据计算结果进行图像分割。
Description
技术领域
本发明涉及智能电子设备技术领域,尤其涉及一种信息处理方法和电子设备。
背景技术
现有技术中,对于一张图像,经常需要分割开不同的物体对应的图像区域,以进行其他的处理。现有通过图像分割的方法对模糊图像进行处理的方案,主要有:根据物体的边缘轮廓进行图像分割、基于不同的颜色进行图像分割等等。然而,如果背景较为丰富,或者色彩相近或杂乱,这些图像分割方法都无法实现准确分割,分割效果不佳。
发明内容
为解决现有技术无法实现准确的图像分割的技术问题,本发明实施例提供一种信息处理方法和电子设备。
本发明实施例提供的一种信息处理方法,应用于电子设备,该方法包括:
获得第一图像,对所述第一图像进行图像区域划分,得到多个第一图像块,所述多个第一图像块分别为所述第一图像的一部分,所述多个第一图像块能够组合为所述第一图像;
分别对所述多个第一图像块进行去模糊处理,获得所述多个第一图像块各自对应的卷积核;
根据所述第一图像块各自对应的卷积核计算区域相邻的所述第一图像块之间的关联性,并根据计算结果进行图像分割。
本发明实施例提供的一种电子设备,包括:
区域划分单元,用于获得第一图像,对所述第一图像进行图像区域划分,得到多个第一图像块,所述多个第一图像块分别为所述第一图像的一部分,所述多个第一图像块能够组合为所述第一图像;
计算单元,用于分别对所述多个第一图像块进行去模糊处理,获得所述多个第一图像块各自对应的卷积核;
分割单元,用于根据所述第一图像块各自对应的卷积核计算区域相邻的所述第一图像块之间的关联性,并根据计算结果进行图像分割。
本发明实施例提供的一种信息处理方法和电子设备,将获得的图像划分为多个第一图像块,并对每个第一图像块分别进行去模糊处理获得每个第一图像块各自对应的卷积核,基于该卷积核计算相邻区域之间的关联性并基于计算结果进行图像分割。通过本发明实施例,能够提高图像分割的准确度;并且,本发明实施例的图像分割结果也可作为其他图像处理的初始值,以进一步优化其他图像处理的结果。
附图说明
图1为本发明实施例的一种信息处理方法的流程图;
图2为本发明实施例的一种电子设备的组成结构示意图;
图3为本发明实施例的另一种电子设备的组成结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
实施例一
为实现对图像的准确分割,本发明实施例提供了一种信息处理方法,该方法应用于电子设备中,如图1所示,该方法主要包括以下步骤:
步骤101,获得第一图像,对所述第一图像进行图像区域划分,得到多个第一图像块,所述多个第一图像块分别为所述第一图像的一部分,所述多个第一图像块能够组合为所述第一图像。
由于本发明实施例的方法应用于电子设备中,因此,步骤101也可描述为:电子设备获得第一图像,对所述第一图像进行图像区域划分,得到多个第一图像块,所述多个第一图像块分别为所述第一图像的一部分,所述多个第一图像块能够组合为所述第一图像。
其中,电子设备可以是具有图像采集单元的电子设备,所述图像采集单元可以位于电子设备内部(简称内置),也可以位于电子设备外部(简称外置),这样,电子设备可以通过其内置或外置的图像采集单元来采集第一图像,并获得所采集的第一图像;
电子设备也可以是不具有图像采集单元的电子设备,该电子设备可以是从其他具有图像采集单元的设备(如相机、拍照手机等)处获得第一图像,该电子设备也可以是从其他存储设备(如U盘、移动硬盘等)处获得第一图像;
本发明实施例中并不限制所述电子设备获得第一图像的方式,实际应用中电子设备能够获得所述第一图像的任何方式应当都属于本发明实施例的保护范围。
在一种实施方式中,对第一图像进行图像区域划分,得到多个第一图像块,具体包括:
根据预设的图像区域划分策略,对所述第一图像进行图像区域划分,将所述第一图像划分为多个区域面积相等或不等的所述第一图像块,划分的多个第一图像块分别为第一图像的一部分,所述多个第一图像块能够组合为所述第一图像;
所述预设的图像区域划分策略可以包括:按预设的第一区域尺寸等分或不等分所述第一图像。
其中,第一区域尺寸的大小是可调的,可以根据实际精度需要、以及运算速度的需要进行适当调整,一般所述第一区域尺寸是以像素点为中心的一定尺寸的区域大小。在具体划分时,可以按预设的第一区域尺寸对第一图像进行均匀划分,即将第一图像等分成若干个区域大小相等的第一图像块。当然,实际应用中可能存在这样的情况,即按所述第一区域尺寸无法保证所有第一图像块都是区域大小相等的,例如:划分到最后总会剩余至少一个所述第一图像块的大小无法达到第一区域尺寸的要求;本发明实施例允许这样的情况存在,本发明实施例的均匀划分是尽量保证划分出最多的第一图像块能够达到第一区域尺寸的要求即可。
另外,对第一图像的区域划分也可以采用非均匀的划分,即划分得到的多个第一图像块中可以存在多种区域尺寸大小,那么相应的,图像区域划分策略中预设的第一区域尺寸可以包括多种不同尺寸。
综上所述,对所述第一图像进行图像区域划分,最终是为得到多个尺寸大小相同或不同的第一图像块,这些第一图像块分别为第一图像的一部分,且这些第一图像块能够组合为第一图像。
在另一种实施方式中,图像区域划分策略还可以包括:在进行图像区域划分时,确保区域相邻的所述第一图像块之间存在重叠区域,且所述重叠区域的尺寸为预设的第二区域尺寸。需要说明的是,预设的第二区域尺寸可以只有一个,即确保区域相邻的所述第一图像块之间存在的重叠区域的尺寸大小也相同;预设的第二区域尺寸也可以有多个,即区域相邻的所述第一图像块之间存在的重叠区域的尺寸大小可以有多种不同的选择。在所述第一图像块之间保留重叠区域,可以保证充分考虑相邻区域的关联性。
步骤102,分别对所述多个第一图像块进行去模糊处理,获得所述多个第一图像块各自对应的卷积核。
由于本发明实施例的方法应用于电子设备中,因此,步骤102也可描述为:电子设备分别对多个第一图像块进行去模糊处理,获得多个第一图像块各自对应的卷积核。
其中,去模糊处理并获得卷积核的过程可以包括:
根据以下公式、以及第一图像块的先验信息,估算每个第一图像块的卷积核:
O(x,y)=I(x,y)*K(x,y)
其中,O(x,y)表示第一图像块、即为模糊的图像块,I(x,y)表示与第一图像块对应的第二图像块、即为清晰的图像块,K(x,y)表示对应第一图像块的卷积核,所述卷积核反映拍摄第一图像时的抖动情况和所述第一图像块的失焦程度。
去模糊处理的思想是:通过得到的模糊图像O(x,y)、以及对抖动情况或失焦情况的了解,估算清晰图像I(x,y)和卷积核K(x,y)。其中,对抖动情况或失焦情况的了解可以参照模糊图像O(x,y)先验信息,从而,根据公式O(x,y)=I(x,y)*K(x,y)、以及第一图像块的先验信息,可以估算清晰的第二图像块I(x,y)、以及对应所述第一图像块的卷积核K(x,y)。
需要说明的是,本发明实施例是对每个第一图像块分别进行去模糊处理,得到每个第一图像块各自对应的卷积核。
步骤103,根据第一图像块各自对应的卷积核计算区域相邻的第一图像块之间的关联性,并根据计算结果进行图像分割。
由于本发明实施例的方法应用于电子设备中,因此,步骤103也可描述为:电子设备根据第一图像块各自对应的卷积核计算区域相邻的第一图像块之间的关联性,并根据计算结果进行图像分割。
其中,根据第一图像块各自对应的卷积核计算区域相邻的第一图像块之间的关联性,并根据计算结果进行图像分割,具体包括:
比较区域相邻的所述第一图像块的卷积核,判定卷积核的差值小于或等于第一阈值的相邻第一图像块位于同一图层,并将卷积核的差值小于或等于第一阈值的相邻第一图像块进行合并,卷积核的差值大于第一阈值的相邻第一图像块不进行合并。
经过上述处理后,将位于同一图层的相邻第一图像块合并为了更大的图像块,不属于同一图层的图像块仍然被分割开,从而得到包含各图层关系的图像分割结果。
在一种实施方式中,在进行图像分割后,该方法还可包括:对进行所述图像分割后得到的结果,采用基于边缘特征的图像分割算法进行图像分割优化处理。
也就是说,经过基于去模糊处理的图像分割后,其图像分割结果也可以作为其他处理的初始值,进而使其他处理的结果也得到优化;所述其他处理可以是基于边缘特征的图像分割算法,例如:将基于去模糊处理的图像分割结果作为基于边缘特征的图像分割算法的初始值,那么执行基于边缘特征的图像分割算法所得到的结果将进一步提高图像分割的准确度和图像分割效果。当然,本发明实施例的其他处理并非仅限于基于边缘特征的图像分割算法,其应当包含以基于去模糊处理的图像分割结果为基础信息而进行的所有处理。
以拍摄得到有人物和背景的第一图像为例,由于背景是静止的,人物是有晃动或运动的,因此,将第一图像划分为多个第一图像块后,根据先验信息估算每个第一图像块的卷积核,再基于该卷积核计算相邻区域之间的关联性进行图像分割,这样能够准确的分离开第一图像中的人物和背景,从而实现准确的图像分割。
由于同一物体的整体性,其运动状态相同,因此由其运动引起的模糊也是一致的,所以基于估算的卷积核进行图像分割,能够准确的将不同物体对应的区域分割开来,从而实现准确的图像分割。
实施例二
对应本发明实施例的信息处理方法,本发明实施例还提供了一种电子设备,如图2所示,该电子设备包括:
区域划分单元10,用于获得第一图像,对所述第一图像进行图像区域划分,得到多个第一图像块,所述多个第一图像块分别为所述第一图像的一部分,所述多个第一图像块能够组合为所述第一图像;
计算单元20,连接区域划分单元10,用于分别对多个第一图像块进行去模糊处理,获得所述多个第一图像块各自对应的卷积核;
分割单元30,连接计算单元20,用于根据第一图像块各自对应的卷积核计算区域相邻的第一图像块之间的关联性,并根据计算结果进行图像分割。
在一种实施方式中,区域划分单元10进一步用于,根据预设的图像区域划分策略,对所述第一图像进行图像区域划分,将所述第一图像划分为多个区域面积相等或不等的所述第一图像块;
其中,所述预设的图像区域划分策略包括:按预设的第一区域尺寸等分或不等分所述第一图像。
其中,第一区域尺寸的大小是可调的,可以根据实际精度需要、以及运算速度的需要进行适当调整,一般所述第一区域尺寸是以像素点为中心的一定尺寸的区域大小。在具体划分时,可以按预设的第一区域尺寸对第一图像进行均匀划分,即将第一图像等分成若干个区域大小相等的第一图像块。当然,实际应用中可能存在这样的情况,即按所述第一区域尺寸无法保证所有第一图像块都是区域大小相等的,例如:划分到最后总会剩余至少一个所述第一图像块的大小无法达到第一区域尺寸的要求;本发明实施例允许这样的情况存在,本发明实施例的均匀划分是尽量保证划分出最多的第一图像块能够达到第一区域尺寸的要求即可。
另外,对第一图像的区域划分也可以采用非均匀的划分,即划分得到的多个第一图像块中可以存在多种区域尺寸大小,那么相应的,图像区域划分策略中预设的第一区域尺寸可以包括多种不同尺寸。
综上所述,对所述第一图像进行图像区域划分,最终是为得到多个尺寸大小相同或不同的第一图像块,这些第一图像块分别为第一图像的一部分,且这些第一图像块能够组合为第一图像。
在另一种实施方式中,图像区域划分策略还包括:在进行图像区域划分时,确保区域相邻的所述第一图像块之间存在重叠区域,且所述重叠区域的尺寸为预设的第二区域尺寸。需要说明的是,预设的第二区域尺寸可以只有一个,即确保区域相邻的所述第一图像块之间存在的重叠区域的尺寸大小也相同;预设的第二区域尺寸也可以有多个,即区域相邻的所述第一图像块之间存在的重叠区域的尺寸大小可以有多种不同的选择。在所述第一图像块之间保留重叠区域,可以保证充分考虑相邻区域的关联性。
在一种实施方式中,计算单元20进一步用于,根据公式O(x,y)=I(x,y)*K(x,y)、以及第一图像块的先验信息,估算每个第一图像块的卷积核;
其中,O(x,y)表示第一图像块、即为模糊的图像块,I(x,y)表示与第一图像块对应的第二图像块、即为清晰的图像块,K(x,y)表示对应第一图像块的卷积核,所述卷积核反映拍摄第一图像时的抖动情况和所述第一图像块的失焦程度。
去模糊处理的思想是:通过得到的模糊图像O(x,y)、以及对抖动情况或失焦情况的了解,估算清晰图像I(x,y)和卷积核K(x,y)。其中,对抖动情况或失焦情况的了解可以参照模糊图像O(x,y)先验信息,从而,根据公式O(x,y)=I(x,y)*K(x,y)、以及第一图像块的先验信息,可以估算清晰的第二图像块I(x,y)、以及对应所述第一图像块的卷积核K(x,y)。
在一种实施方式中,分割单元30进一步用于,比较区域相邻的所述第一图像块的卷积核,判定卷积核的差值小于或等于第一阈值的相邻第一图像块位于同一图层,并将卷积核的差值小于或等于第一阈值的相邻第一图像块进行合并,卷积核的差值大于第一阈值的相邻第一图像块不进行合并。
经过上述处理后,将位于同一图层的相邻第一图像块合并为了更大的图像块,不属于同一图层的图像块仍然被分割开,从而得到包含各图层关系的图像分割结果。
需要说明的是,本发明实施例中的电子设备可以是具有图像采集单元的电子设备,所述图像采集单元可以位于电子设备内部(简称内置),也可以位于电子设备外部(简称外置),这样,电子设备可以通过其内置或外置的图像采集单元来采集第一图像,并获得所采集的第一图像;具有图像采集单元40的电子设备组成结构如图3所示,图像采集单元40用于采集图像,图像采集单元40连接区域划分单元10,用于将采集所得的第一图像提供给区域划分单元10;
本发明实施例中的电子设备也可以是不具有图像采集单元的电子设备,该电子设备可以是从其他具有图像采集单元的设备(如相机、拍照手机等)处获得第一图像,该电子设备也可以是从其他存储设备(如U盘、移动硬盘等)处获得第一图像。
在一种实施方式中,如图3所示,电子设备还可包括:优化处理单元50,连接分割单元30,用于在分割单元30进行图像分割后,对进行图像分割后得到的结果,采用基于边缘特征的图像分割算法进行图像分割优化处理。
也就是说,经过基于去模糊处理的图像分割后,其图像分割结果也可以作为其他处理的初始值,进而使其他处理的结果也得到优化;所述其他处理可以是基于边缘特征的图像分割算法,例如:将基于去模糊处理的图像分割结果作为基于边缘特征的图像分割算法的初始值,那么执行基于边缘特征的图像分割算法所得到的结果将进一步提高图像分割的准确度和图像分割效果。当然,本发明实施例的其他处理并非仅限于基于边缘特征的图像分割算法,其应当包含以基于去模糊处理的图像分割结果为基础信息而进行的所有处理。
还需要说明的是,在具体实施过程中,图像采集单元40可以由电子设备的摄像头实现,区域划分单元10、计算单元20、分割单元30和优化处理单元50可以由电子设备的中央处理器(CPU,Central Processing Unit)、微处理器(MPU,Micro Processing Unit)或数字信号处理器(DSP,Digital Signal Processor)实现。
综上所述,本发明实施例将获得的图像划分为多个第一图像块,并对每个第一图像块分别进行去模糊处理获得每个第一图像块各自对应的卷积核,基于该卷积核计算相邻区域之间的关联性并基于计算结果进行图像分割。由于同一物体的整体性,其运动状态相同,因此由其运动引起的模糊也是一致的,所以基于估算的卷积核进行图像分割,能够准确的将不同物体对应的区域分割开来,实现准确的图像分割;并且,本发明实施例的图像分割结果也可作为其他图像处理的初始值,以进一步优化其他图像处理的结果。
另外,本发明实施例的信息处理方法和电子设备不仅仅适用于对图像的处理,对于视频中的图像分割,如目标物体的图像提取,本发明实施例同样也适用。具体实施时,可以将视频分解为多张图像,进而对分解所得的多张图像分别执行本发明实施例的处理,以得到各自对应的目标物体的图像区域,最终再组合这些目标物体的图像区域生成目标物体的图像提取。
在本发明所提供的几个实施例中,应该理解到,所揭露的方法、装置和电子设备,可以通过其它的方式实现。以上所描述的设备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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、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。
或者,本发明实施例上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的技术方案本质上或者说对现有技术做出贡献的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。而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、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,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种信息处理方法,应用于电子设备,该方法包括:
获得第一图像,对所述第一图像进行图像区域划分,得到多个第一图像块,所述多个第一图像块分别为所述第一图像的一部分,所述多个第一图像块能够组合为所述第一图像;
分别对所述多个第一图像块进行去模糊处理,获得所述多个第一图像块各自对应的卷积核;
根据所述第一图像块各自对应的卷积核计算区域相邻的所述第一图像块之间的关联性,并根据计算结果进行图像分割;
其中,所述根据第一图像块各自对应的卷积核计算区域相邻的第一图像块之间的关联性,并根据计算结果进行图像分割,包括:比较区域相邻的所述第一图像块的卷积核,判定卷积核的差值小于或等于第一阈值的相邻第一图像块位于同一图层,并将卷积核的差值小于或等于第一阈值的相邻第一图像块进行合并,卷积核的差值大于第一阈值的相邻第一图像块不进行合并。
2.根据权利要求1所述信息处理方法,其特征在于,所述对第一图像进行图像区域划分,得到多个第一图像块,包括:
根据预设的图像区域划分策略,对所述第一图像进行图像区域划分,将所述第一图像划分为多个区域面积相等或不等的所述第一图像块;
其中,所述预设的图像区域划分策略包括:按预设的第一区域尺寸等分或不等分所述第一图像。
3.根据权利要求2所述信息处理方法,其特征在于,所述图像区域划分策略还包括:在进行图像区域划分时,确保区域相邻的所述第一图像块之间存在重叠区域,且所述重叠区域的尺寸为预设的第二区域尺寸。
4.根据权利要求1所述信息处理方法,其特征在于,所述分别对多个第一图像块进行去模糊处理,获得多个第一图像块各自对应的卷积核,包括:
根据公式O(x,y)=I(x,y)*K(x,y)、以及第一图像块的先验信息,估算每个所述第一图像块的卷积核;
其中,O(x,y)表示所述第一图像块,I(x,y)表示与所述第一图像块对应的第二图像块,K(x,y)表示对应所述第一图像块的卷积核,所述卷积核反映拍摄所述第一图像时的抖动情况和所述第一图像块的失焦程度。
5.根据权利要求1至4任一项所述信息处理方法,其特征在于,在进行图像分割后,该方法还包括:
对进行所述图像分割后得到的结果,采用基于边缘特征的图像分割算法进行图像分割优化处理。
6.一种电子设备,包括:
区域划分单元,用于获得第一图像,对所述第一图像进行图像区域划分,得到多个第一图像块,所述多个第一图像块分别为所述第一图像的一部分,所述多个第一图像块能够组合为所述第一图像;
计算单元,用于分别对所述多个第一图像块进行去模糊处理,获得所述多个第一图像块各自对应的卷积核;
分割单元,用于根据所述第一图像块各自对应的卷积核计算区域相邻的所述第一图像块之间的关联性,并根据计算结果进行图像分割;
所述分割单元进一步用于,比较区域相邻的所述第一图像块的卷积核,判定卷积核的差值小于或等于第一阈值的相邻第一图像块位于同一图层,并将卷积核的差值小于或等于第一阈值的相邻第一图像块进行合并,卷积核的差值大于第一阈值的相邻第一图像块不进行合并。
7.根据权利要求6所述电子设备,其特征在于,所述区域划分单元进一步用于,根据预设的图像区域划分策略,对所述第一图像进行图像区域划分,将所述第一图像划分为多个区域面积相等或不等的所述第一图像块;
其中,所述预设的图像区域划分策略包括:按预设的第一区域尺寸等分或不等分所述第一图像。
8.根据权利要求7所述电子设备,其特征在于,所述图像区域划分策略还包括:在进行图像区域划分时,确保区域相邻的所述第一图像块之间存在重叠区域,且所述重叠区域的尺寸为预设的第二区域尺寸。
9.根据权利要求6所述电子设备,其特征在于,所述计算单元进一步用于,根据公式O(x,y)=I(x,y)*K(x,y)、以及第一图像块的先验信息,估算每个所述第一图像块的卷积核;
其中,O(x,y)表示所述第一图像块,I(x,y)表示与所述第一图像块对应的第二图像块,K(x,y)表示对应所述第一图像块的卷积核,所述卷积核反映拍摄所述第一图像时的抖动情况和所述第一图像块的失焦程度。
10.根据权利要求6至9任一项所述电子设备,其特征在于,所述电子设备还包括:优化处理单元,用于在所述分割单元进行图像分割后,对进行所述图像分割后得到的结果,采用基于边缘特征的图像分割算法进行图像分割优化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410104490.XA CN104933695B (zh) | 2014-03-19 | 2014-03-19 | 一种信息处理方法和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410104490.XA CN104933695B (zh) | 2014-03-19 | 2014-03-19 | 一种信息处理方法和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104933695A CN104933695A (zh) | 2015-09-23 |
CN104933695B true CN104933695B (zh) | 2018-08-10 |
Family
ID=54120850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410104490.XA Active CN104933695B (zh) | 2014-03-19 | 2014-03-19 | 一种信息处理方法和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104933695B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203327B (zh) * | 2016-07-08 | 2019-04-19 | 清华大学 | 基于卷积神经网络的肺部肿瘤识别系统及方法 |
CN107091800A (zh) * | 2017-06-06 | 2017-08-25 | 深圳小孚医疗科技有限公司 | 用于显微成像粒子分析的聚焦系统和聚焦方法 |
CN111010605B (zh) * | 2019-11-26 | 2021-08-17 | 杭州东信北邮信息技术有限公司 | 一种视频画中画窗口的显示方法 |
CN113994869B (zh) * | 2021-10-12 | 2023-03-28 | 杭州泽达畅鸿信息技术有限公司 | 一种基于物联网的智慧农业智能节水灌溉系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930601A (zh) * | 2010-09-01 | 2010-12-29 | 浙江大学 | 一种基于边缘信息的多尺度模糊图像盲复原方法 |
CN102812496A (zh) * | 2010-03-22 | 2012-12-05 | 索尼公司 | 用于景深渲染的模糊函数建模 |
-
2014
- 2014-03-19 CN CN201410104490.XA patent/CN104933695B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102812496A (zh) * | 2010-03-22 | 2012-12-05 | 索尼公司 | 用于景深渲染的模糊函数建模 |
CN101930601A (zh) * | 2010-09-01 | 2010-12-29 | 浙江大学 | 一种基于边缘信息的多尺度模糊图像盲复原方法 |
Non-Patent Citations (4)
Title |
---|
A Computational Method for the Restoration of Images With an Unknown, Spatially-Varying Blur;John Bardsley等;《Optics Express》;20060306;第14卷(第5期);全文 * |
PSF Estimation using Sharp Edge Prediction;Neel Joshi等;《Compute Vision and Pattern Recogniton,2008.IEEE Conference on》;20080805;全文 * |
基于卷积核优化的运动图像盲去模糊算法;沈辰等;《信息与控制》;20140215;第43卷(第1期);全文 * |
空间可变的去运动模糊技术研究;张璐;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130715;第2013年卷(第7期);I138-1109 * |
Also Published As
Publication number | Publication date |
---|---|
CN104933695A (zh) | 2015-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10872420B2 (en) | Electronic device and method for automatic human segmentation in image | |
CN110009556A (zh) | 图像背景虚化方法、装置、存储介质及电子设备 | |
CN104933695B (zh) | 一种信息处理方法和电子设备 | |
US20150093041A1 (en) | Method of reducing noise in image and image processing apparatus using the same | |
US9235879B2 (en) | Apparatus, system, and method for temporal domain hole filling based on background modeling for view synthesis | |
EP2657882A1 (en) | Reference image slicing | |
CN107944381B (zh) | 人脸跟踪方法、装置、终端及存储介质 | |
CN105890768B (zh) | 一种红外图像非均匀性校正的方法及装置 | |
CN108960012B (zh) | 特征点检测方法、装置及电子设备 | |
CN108053447A (zh) | 基于图像的重定位方法、服务器及存储介质 | |
KR20140019950A (ko) | 단말기의 모노 카메라에 입력된 손가락 영상을 이용한 3차원 좌표 생성 방법 및 모노 카메라에 입력된 손가락 영상을 이용하여 3차원 좌표를 생성하는 이동 단말기 | |
CN107564020A (zh) | 一种图像区域确定方法及装置 | |
CN110009555A (zh) | 图像虚化方法、装置、存储介质及电子设备 | |
CN107426490A (zh) | 一种拍照方法及终端 | |
Kryjak et al. | Real-time implementation of foreground object detection from a moving camera using the vibe algorithm | |
CN107945202B (zh) | 基于自适应阈值的图像分割方法、装置及计算设备 | |
CN104933688B (zh) | 一种数据处理方法及电子设备 | |
CN108734712B (zh) | 背景分割的方法、装置及计算机存储介质 | |
CN113298187A (zh) | 图像处理方法及装置、计算机可读存储介质 | |
CN110223219A (zh) | 3d图像的生成方法及装置 | |
CN107730534B (zh) | 目标对象的跟踪方法和装置 | |
Carbajal et al. | Single image non-uniform blur kernel estimation via adaptive basis decomposition | |
Lee | MicroDeblur: Image Motion Deblurring on Microcontroller-based Vision Systems | |
CN116228850A (zh) | 物体姿态估计方法、装置、电子设备及可读存储介质 | |
CN113592922A (zh) | 图像的配准处理方法及装置 |
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 |