CN106251316B - 照片的修复方法和装置 - Google Patents
照片的修复方法和装置 Download PDFInfo
- Publication number
- CN106251316B CN106251316B CN201610757313.0A CN201610757313A CN106251316B CN 106251316 B CN106251316 B CN 106251316B CN 201610757313 A CN201610757313 A CN 201610757313A CN 106251316 B CN106251316 B CN 106251316B
- Authority
- CN
- China
- Prior art keywords
- pixel
- photo
- original photo
- original
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000008439 repair process Effects 0.000 claims description 16
- 230000012010 growth Effects 0.000 claims description 9
- 230000002123 temporal effect Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种照片的修复方法和装置。其中,该方法包括:获取原始照片和与原始照片对应的参照照片;扩展原始照片的像素密度至预定像素密度,得到原始照片中待修复的像素点;基于参照照片的像素点的像素值,修复待修复的像素点的像素值,得到修复后的原始照片。本发明解决了现有技术中由于照片像素密度比较低,图像不够清晰而导致的修复后的照片不清晰的技术问题。
Description
技术领域
本发明涉及图像处理领域,具体而言,涉及一种照片的修复方法和装置。
背景技术
随着现代科学技术的飞速发展,人们利用手机或者相机对周围的景物或者人物进行拍照的机会越来越多,人们存储的照片也越来越多。但是由于存储介质损坏、丢失等原因可能会导致初始照片丢失,因此,只有从邮箱或者社交平台上将不太清晰的照片下载下来。另外,有时候在网上看到喜欢的照片也会由于像素不够清晰导致无法获得满意的照片。此外,对于以前的冲印照片,由于保管不善,也会出现不同程度的损坏。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种照片的修复方法和装置,以至少解决现有技术中由于照片像素密度比较低,图像不够清晰而导致的修复后的照片不清晰的技术问题。
根据本发明实施例的一个方面,提供了一种照片的修复方法,包括:
获取原始照片以及与原始照片对应的参照照片,并扩展原始照片的像素密度至预定像素密度,得到原始照片中待修复的像素点,然后基于参照照片的像素点的像素值,修复待修复的像素点的像素值,得到修复后的原始照片。
根据本发明实施例的另一方面,还提供了一种照片的修复装置,包括:
采集模块,用于获取原始照片和与原始照片对应的参照照片;扩展模块,用于扩展原始照片的像素密度至预定像素密度,得到原始照片中待修复的像素点;修复模块,用于基于参照照片的像素点的像素值,修复待修复的像素点的像素值,得到修复后的原始照片。
在本发明实施例中,采用扩展原始照片的像素密度至预定像素密度,并根据参照照片中的像素值对原始照片中待修复的像素值进行修复的方式,通过大数据获取拍照时当地的景物、天气等信息还原照片,达到了修复像素密度较低的照片的目的,进而解决了现有技术中由于照片像素密度比较低,图像不够清晰而导致的修复后的照片不清晰的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的照片修复方法的流程示意图;
图2是根据本发明实施例的一种可选的照片修复方法的流程示意图;
图3是根据本发明实施例的一种可选的获取与背景部分对应的对比图像照片修复方法的流程示意图;
图4是根据本发明实施例的一种可选的获取与人物部分对应的对比图像照片修复方法的流程示意图;
图5是根据本发明实施例的一种可选的获取与拍摄信息匹配的图像的方法流程示意图;
图6是根据本发明实施例的一种可选的照片修复方法的流程示意图;
图7是根据本发明实施例的一种可选的照片修复装置的结构示意图;
图8是根据本发明实施例的一种可选的照片修复装置的结构示意图;
图9是根据本发明实施例的一种可选的照片修复装置的结构示意图;
图10是根据本发明实施例的一种可选的照片修复装置的结构示意图;
图11是根据本发明实施例的一种可选的照片修复装置的结构示意图;以及
图12是根据本发明实施例的一种可选的照片修复装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。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他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种照片的修复方法实施例。
图1是根据本发明实施例的照片修复方法,如图1所示,该方法包括如下步骤:
步骤S102,获取原始照片和与原始照片对应的参照照片。
具体的,原始照片为需要修复的照片,该照片的像素密度比较低;与原始照片对应的参照照片可以是从互联网上下载的像素密度比较高的照片,也可以为人工输入的像素密度比较高的本地照片。
需要说明的是,参照照片为从多张照片中选出来的与原始照片最为相似的照片,并且参照照片的像素密度比原始照片的像素密度高。
步骤S104,扩展原始照片的像素密度至预定像素密度,得到原始照片中待修复的像素点。
具体的,对原始照片的像素密度进行扩展,扩展后的像素密度为预定像素密度,根据预定像素密度与原始照片的像素密度之间的关系可以得到原始照片中待修复的像素点。
步骤S106,基于参照照片的像素点的像素值,修复待修复的像素点的像素值,得到修复后的原始照片。
具体的,以参照照片的像素点所对应的像素值为参考,对原始照片中待修复的像素点的像素值进行修复。
作为一种可选的实施例,原始照片为在珠海渔女拍摄的一张照片,该照片的像素密度比较低,在互联网上或者人工输入像素密度较高的珠海渔女的照片作为参照照片;对原始珠海渔女的照片扩展到预定像素密度,假设预定像素密度为300ppi,以较高像素密度的珠海渔女照片中的像素值作为参考对原始珠海渔女的照片进行修复。
在本实施例中,采用扩展原始照片的像素密度至预定像素密度,并根据参照照片中的像素值对原始照片中待修复的像素值进行修复的方式,通过大数据获取拍照时当地的景物、天气等信息还原照片,达到了修复像素密度较低的照片的目的,进而解决了现有技术中由于照片像素密度比较低,图像不够清晰而导致的修复后的照片不清晰的技术问题。
可选地,在扩展原始照片的像素密度至预定像素密度的过程中,增长的像素点为待修复的像素点,其中,待修复的像素点的初始值设为空。
具体的,由于预定像素密度高于原始照片的像素密度,相对于原始照片而多扩展出来的像素密度为增长的像素密度,增长的像素点即为待修复的像素点。
作为一种可选的实施例,假设原始照片的像素密度为150ppi,对原始照片扩展后的像素密度为300ppi,则每英寸所拥有的像素点数为150个,对于一张2英寸的照片,其增长的像素点数为300个,增长的300个像素点即为待修复的像素点,设置这300个增长的像素点的初始值为空。
可选地,预定像素密度的获取方法至少包括如下之一:实时输入预定像素密度或预设预定像素密度。
具体的,预定像素密度可以由使用者自行输入,输入的预定像素密度应大于原始图像的像素密度;预定像素密度也可以使用预定像素密度,预定像素密度一般设为300ppi。
可选地,图2为获取原始照片对应的参照照片方法的流程示意图,如图2所示,该方法包括如下步骤:
步骤S202,获取多张对比图像,其中,对比图像为与原始照片的特征相似度超过预定值的图像。
步骤S204,将多张对比图像的像素点分别与原始照片的像素点进行比对,得到多个差值。
步骤S206,将差值最小的对比图像作为原始照片对应的参照照片。
具体的,从互联网上下载或者人工输入多张相似照片作为对比图像,将每张对比图像与原始照片进行比对,计算出每次比对时两张照片所对应像素点的像素值之差,求出差值的绝对值,并得出此次比对的所有差值的绝对值之和作为比对结果,选出所有对比图像与原始照片进行比对时比对结果最小的图像作为原始照片的参照照片。其中,对比图像为与原始照片的特征相似度超过预定值的图像。
需要说明的是,上述预定值为用户自行设置的数值,对比图像与原始照片进行比对时,可以是批量比对,即对两张照片中的所有像素点同时进行比对,也可以是单个像素点的比对,这两种方法所比对的结果是相同的。此外,上述的原始照片为扩展像素密度前的原始照片。
可选地,原始照片包括:背景部分,其中,获取多张与背景部分对应的对比图像的方法如图3所示,该方法包括如下步骤:
步骤S302,获取原始照片的拍摄信息,其中,拍摄信息至少包括:时间信息和地点信息。
步骤S304,根据拍摄信息和/或背景部分的像素信息,获取与拍摄信息匹配的多张图像。
步骤S306,保存与拍摄信息匹配的多张图像,得到多张与背景部分对应的对比图像。
具体的,原始照片的拍摄信息由用户输入,用户可以只输入地点信息,也可以输入地点信息和时间信息,但不能只输入时间信息。然后根据用户输入的原始照片的拍摄信息联网获取与拍摄地点相匹配或拍摄地点和拍摄时间同时匹配的照片,并将与背景部分相匹配的照片保存下来。其中,与背景部分相匹配的照片可以为单张,也可以为多张。
需要说明的是,上述地点信息越详细越好,最好是原始照片的拍摄地点为某个标志性的地点,如珠海渔女等。此外,原始照片可划分为背景部分和人物部分,用户可以手动划分边界区分出背景部分和人物部分,也可以使用软件工具自动划分背景部分和人物部分。其中,软件工具包括但不限于美图秀秀、Photoshop。
可选地,原始照片包括:人物部分,其中,获取多张与人物部分对应的对比图像的方法如图4所示,该步骤包括:
步骤S402,获取人物部分的特征信息,其中,特征信息包括如下至少之一:生物特征信息和拍摄参数,拍摄参数包括拍摄方向以及拍摄角度。
步骤S404,获取多张与人物部分的特征信息的匹配度超过预定值的图像,得到多张与人物部分对应的对比图像。
具体的,用户手动输入与原始照片上人物特征相似的人物照片,该输入照片上的人物与原始照片上的人物所具有特征相同或相似,拍摄照片时的拍摄方向以及拍摄角度相同;当输入的人物照片与原始照片的人物部分的匹配度超过预定值时,将该输入的人物照片作为原始照片的人物部分的对比图像。
需要说明的是,生物特征信息包括人物的肤色、发型、体态等,上述预定值为用户自行设置的数值。当原始照片上的人物为多个时,将原始照片上的多个人物划分成单个人物,对每个人物重复执行上述步骤,直至获取到原始照片上所有人物的对比图像。
可选地,图5为将多张对比图像的像素点分别与原始照片的像素点进行比对,获取与拍摄信息匹配的多张图像的方法流程图,如图5所示,该方法包括如下步骤:
步骤S502,将原始照片上的像素点按照预定数目的颜色通道进行分解。
步骤S504,将参照照片上的像素点按照相同的预定数目的颜色通道进行分解。
步骤S506,计算每个通道上原始照片的像素值与参照照片的像素值之差。
步骤S508,具有像素值之差的绝对值之和的最小值的参照照片与原始照片相匹配。
具体的,原始照片为彩色照片,彩色照片上的每个像素点有多种颜色通道,假设有M张参照照片,每张原始照片上有N种颜色通道,则对参照照片上的像素点进行N通道分解,计算这N个通道上的原始照片的像素值与参照照片的像素值之差,并求出N个通道上的像素值之差的绝对值之和,求出M张参照照片中绝对值之和最小的参照照片作为与原始照片相匹配的参照照片。
需要说明的是,预定数目的颜色通道分为三通道或四通道,其中,三通道包括红、黄、绿三种颜色通道,四通道包括黑、红、蓝、黄四种颜色通道。每种颜色通道表示每种颜色的亮度强弱,有28种或者210种梯度变化。
可选地,图6为基于参照照片的像素点的像素值,修复待修复的像素点的像素值,得到修复后的原始照片的方法流程图,如图6所示,该方法包括如下步骤:
步骤S602,获取参照照片的像素点的像素值,其中,像素值用于表征像素点的亮度、色度和饱和度。
步骤S604,获取原始图像中除待修复的像素点之外的像素点的颜色的变化趋势。
步骤S606,根据参照照片的像素点的像素值和变化趋势,确定待修复的像素点的像素值。
具体的,首先根据参照照片的三通道或四通道色彩获取每个像素点的HIS,即亮度、色度和饱和度,根据原始图像中的像素点数值的变化趋势来获得像素点的亮度、色度和饱和度的变化趋势,最后根据参照照片的像素值以及像素点亮度、色度和饱和度的变化趋势,确定原始照片中待修复的像素点的亮度、色度和饱和度,并将像素点的HIS转换成三通道或四通道色彩的像素值,对原始照片进行修复。
实施例2
根据本发明实施例,提供了一种照片的修复装置实施例。
图7是根据本发明实施例的照片修复装置,如图7所示,该装置包括:
采集模块701,用于获取原始照片和与原始照片对应的参照照片。
具体的,原始照片为需要修复的照片,该照片的像素密度比较低;与原始照片对应的参照照片可以是从互联网上下载的像素密度比较高的照片,也可以为人工输入的像素密度比较高的本地照片。
需要说明的是,参照照片为从多张照片中选出来的与原始照片最为相似的照片,并且参照照片的像素密度比原始照片的像素密度高。
扩展模块703,用于扩展原始照片的像素密度至预定像素密度,得到原始照片中待修复的像素点。
具体的,对原始照片的像素密度进行扩展,扩展后的像素密度为预定像素密度,根据预定像素密度与原始照片的像素密度之间的关系可以得到原始照片中待修复的像素点。
修复模块705,用于基于参照照片的像素点的像素值,修复待修复的像素点的像素值,得到修复后的原始照片。
具体的,以参照照片的像素点所对应的像素值为参考,对原始照片中待修复的像素点的像素值进行修复。
作为一种可选的实施例,原始照片为在珠海渔女拍摄的一张照片,该照片的像素密度比较低,在互联网上或者人工输入像素密度较高的珠海渔女的照片作为参照照片;对原始珠海渔女的照片扩展到预定像素密度,假设预定像素密度为300ppi,以较高像素密度的珠海渔女照片中的像素值作为参考对原始珠海渔女的照片进行修复。
在本实施例中,采用扩展原始照片的像素密度至预定像素密度,并根据参照照片中的像素值对原始照片中待修复的像素值进行修复的方式,通过大数据获取拍照时当地的景物、天气等信息还原照片,达到了修复像素密度较低的照片的目的,进而解决了现有技术中由于照片像素密度比较低,图像不够清晰而导致的修复后的照片不清晰的技术问题。
可选地,扩展模块703在扩展原始照片的像素密度至预定像素密度的过程中,增长的像素点为待修复的像素点,其中,待修复的像素点的初始值设为空。
具体的,由于预定像素密度高于原始照片的像素密度,相对于原始照片而多扩展出来的像素密度为增长的像素密度,增长的像素点即为待修复的像素点。
作为一种可选的实施例,假设原始照片的像素密度为150ppi,对原始照片扩展后的像素密度为300ppi,则每英寸所拥有的像素点数为150个,对于一张2英寸的照片,其增长的像素点数为300个,增长的300个像素点即为待修复的像素点,设置这300个增长的像素点的初始值为空。
可选地,预定像素密度的获取装置至少包括如下之一:实时输入预定像素密度的装置或预设预定像素密度的装置。
具体的,预定像素密度可以由使用者自行输入,输入的预定像素密度应大于原始图像的像素密度;预定像素密度也可以使用预定像素值,预定像素密度一般设为300ppi。
可选地,如图8所示,采集模块701包括:
第一采集模块801,用于获取多张对比图像,其中,对比图像为与原始照片的特征相似度超过预定值的图像。
匹配模块803,用于将多张对比图像的像素点分别与原始照片的像素点进行比对,得到多个差值。
获取模块805,用于将差值最小的对比图像作为原始照片对应的参照照片。
具体的,从互联网上下载或者人工输入多张相似照片作为对比图像,将每张对比图像与原始照片进行比对,计算出每次比对时两张照片所对应像素点的像素值之差,求出差值的绝对值,并得出此次比对的所有差值的绝对值之和作为比对结果,选出所有对比图像与原始照片进行比对时比对结果最小的图像作为原始照片的参照照片。其中,对比图像为与原始照片的特征相似度超过预定值的图像。
需要说明的是,上述预定值为用户自行设置的数值,对比图像与原始照片进行比对时,可以是批量比对,即对两张照片中的所有像素点同时进行比对,也可以是单个像素点的比对,这两种方法所比对的结果是相同的。此外,上述的原始照片为扩展像素密度前的原始照片。
可选地,如图9所示,原始照片包括:背景部分,其中,第一采集模块801包括:获取多张与背景部分对应的对比图像的装置,该装置包括:
背景信息获取模块901,用于获取原始照片的拍摄信息,其中,拍摄信息至少包括:时间信息和地点信息。
背景匹配模块903,用于根据拍摄信息和/或背景部分的像素信息,获取与拍摄信息匹配的多张图像。
存储模块905,用于保存与拍摄信息匹配的多张图像,得到多张与背景部分对应的对比图像。
具体的,原始照片的拍摄信息由用户输入,用户可以只输入地点信息,也可以输入地点信息和时间信息,但不能只输入时间信息。然后根据用户输入的原始照片的拍摄信息联网获取与拍摄地点相匹配或拍摄地点和拍摄时间同时匹配的照片,并将与背景部分相匹配的照片保存下来。其中,与背景部分相匹配的照片可以为单张,也可以为多张。
需要说明的是,上述地点信息越详细越好,最好是原始照片的拍摄地点为某个标志性的地点,如珠海渔女等。此外,原始照片可划分为背景部分和人物部分,用户可以手动划分边界区分出背景部分和人物部分,也可以使用软件工具自动划分背景部分和人物部分。其中,软件工具包括但不限于美图秀秀、Photoshop。
可选地,如图10所示,原始照片包括:人物部分,其中,第一采集模块801还包括:获取多张与人物部分对应的对比图像的装置,该装置包括:
人物信息获取模块1001,用于获取人物部分的特征信息,其中,特征信息包括如下至少之一:生物特征信息和拍摄参数,拍摄参数包括拍摄方向以及拍摄角度。
人物匹配模块1003,用于获取多张与人物部分的特征信息的匹配度超过预定值的图像,得到多张与人物部分对应的对比图像。
具体的,用户手动输入与原始照片上人物特征相似的人物照片,该输入照片上的人物与原始照片上的人物所具有特征相同或相似,拍摄照片时的拍摄方向以及拍摄角度相同;当输入的人物照片与原始照片的人物部分的匹配度超过预定值时,将该输入的人物照片作为原始照片的人物部分的对比图像。
需要说明的是,生物特征信息包括人物的肤色、发型、体态等,上述预定值为用户自行设置的数值。当原始照片上的人物为多个时,将原始照片上的多个人物划分成单个人物,对每个人物重复执行上述步骤,直至获取到原始照片上所有人物的对比图像。
可选地,如图11所示,匹配模块803包括:
第一分解模块1101,用于将原始照片上的像素点按照预定数目的颜色通道进行分解。
第二分解模块1103,用于将参照照片上的像素点按照相同的预定数目的颜色通道进行分解。
计算模块1105,用于计算每个通道上原始照片的像素值与参照照片的像素值之差。
匹配子模块1107,用于具有像素值之差的绝对值之和的最小值的参照照片与原始照片相匹配。
具体的,原始照片为彩色照片,彩色照片上的每个像素点有多种颜色通道,假设有M张参照照片,每张原始照片上有N种颜色通道,则对参照照片上的像素点进行N通道分解,计算这N个通道上的原始照片的像素值与参照照片的像素值之差,并求出N个通道上的像素值之差的绝对值之和,求出M张参照照片中绝对值之和最小的参照照片作为与原始照片相匹配的参照照片。
需要说明的是,预定数目的颜色通道分为三通道或四通道,其中,三通道包括红、黄、绿三种颜色通道,四通道包括黑、红、蓝、黄四种颜色通道。每种颜色通道表示每种颜色的亮度强弱,有28种或者210种梯度变化。
可选地,如图12所示,修复模块705包括:
第一采集模块1201,用于获取参照照片的像素点的像素值,其中,像素值用于表征像素点的亮度、色度和饱和度。
趋势获取模块1203,用于获取原始图像中除待修复的像素点之外的像素点的颜色的变化趋势。
第一修复模块1205,用于根据参照照片的像素点的像素值和变化趋势,确定待修复的像素点的像素值。
具体的,首先根据参照照片的三通道或四通道色彩获取每个像素点的HIS,即亮度、色度和饱和度,根据原始图像中的像素点数值的变化趋势来获得像素点的亮度、色度和饱和度的变化趋势,最后根据参照照片的像素值以及像素点亮度、色度和饱和度的变化趋势,确定原始照片中待修复的像素点的亮度、色度和饱和度,并将像素点的HIS转换成三通道或四通道色彩的像素值,对原始照片进行修复。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,可以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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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。
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(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种照片的修复方法,其特征在于,包括:
获取原始照片和与所述原始照片对应的参照照片;
扩展所述原始照片的像素密度至预定像素密度,得到所述原始照片中待修复的像素点;
基于所述参照照片的像素点的像素值,修复所述待修复的像素点的像素值,得到修复后的原始照片;
其中,扩展所述原始照片的像素密度至所述预定像素密度的过程中,增长的像素点为所述待修复的像素点,其中,所述待修复的像素点的初始值设为空;
其中,基于所述参照照片的像素点的像素值,修复所述待修复的像素点的像素值,得到修复后的原始照片包括:
获取所述参照照片的像素点的像素值,其中,所述像素值用于表征所述像素点的亮度、色度和饱和度;
获取所述原始照片中除所述待修复的像素点之外的像素点的颜色的变化趋势;
根据所述参照照片的像素点的像素值和所述变化趋势,确定所述待修复的像素点的像素值。
2.根据权利要求1所述的方法,其特征在于,所述预定像素密度的获取方法至少包括如下之一:实时输入所述预定像素密度或预设所述预定像素密度。
3.根据权利要求1所述的方法,其特征在于,获取所述原始照片对应的参照照片,包括:
获取多张对比图像,其中,所述对比图像为与所述原始照片的特征相似度超过预定值的图像;
将所述多张对比图像的像素点分别与所述原始照片的像素点进行比对,得到多个差值;
将差值最小的对比图像作为所述原始照片对应的所述参照照片。
4.根据权利要求3所述的方法,其特征在于,所述原始照片包括:背景部分,其中,获取所述多张对比图像包括:获取多张与所述背景部分对应的对比图像,该步骤包括:
获取所述原始照片的拍摄信息,其中,所述拍摄信息至少包括:时间信息和地点信息;
根据所述拍摄信息和/或所述背景部分的像素信息,获取与所述拍摄信息匹配的多张图像;
保存所述与所述拍摄信息匹配的多张图像,得到所述多张与所述背景部分对应的对比图像。
5.根据权利要求3所述的方法,其特征在于,所述原始照片包括:人物部分,其中,获取所述多张对比图像包括:获取多张与所述人物部分对应的对比图像,该步骤包括:
获取所述人物部分的特征信息,其中,所述特征信息包括如下至少之一:生物特征信息和拍摄参数,所述拍摄参数包括拍摄方向以及拍摄角度;
获取多张与所述人物部分的特征信息的匹配度超过预定值的图像,得到所述多张与所述人物部分对应的对比图像。
6.根据权利要求3所述的方法,其特征在于,将所述多张对比图像的像素点分别与所述原始照片的像素点进行比对,得到多个差值,包括:
将所述原始照片上的像素点按照预定数目的颜色通道进行分解;
将所述参照照片上的像素点按照相同的预定数目的颜色通道进行分解;
计算每个通道上所述原始照片的像素值与所述参照照片的像素值之差;
具有所述像素值之差的绝对值之和的最小值的所述参照照片与所述原始照片相匹配。
7.一种照片的修复装置,其特征在于,包括:
采集模块,用于获取原始照片和与所述原始照片对应的参照照片;
扩展模块,用于扩展所述原始照片的像素密度至预定像素密度,得到所述原始照片中待修复的像素点;
修复模块,用于基于所述参照照片的像素点的像素值,修复所述待修复的像素点的像素值,得到修复后的原始照片;
其中,所述扩展模块在扩展所述原始照片的像素密度至所述预定像素密度的过程中,增长的像素点为所述待修复的像素点,其中,所述待修复的像素点的初始值设为空;
其中,所述修复模块还用于获取所述参照照片的像素点的像素值,其中,所述像素值用于表征所述像素点的亮度、色度和饱和度;获取所述原始照片中除所述待修复的像素点之外的像素点的颜色的变化趋势;根据所述参照照片的像素点的像素值和所述变化趋势,确定所述待修复的像素点的像素值。
8.根据权利要求7所述的装置,其特征在于,所述预定像素密度的获取装置至少包括如下之一:实时输入所述预定像素密度的装置或预设所述预定像素密度的装置。
9.根据权利要求7所述的装置,其特征在于,所述采集模块包括:
第一采集模块,用于获取多张对比图像,其中,所述对比图像为与所述原始照片的特征相似度超过预定值的图像;
匹配模块,用于将所述多张对比图像的像素点分别与所述原始照片的像素点进行比对,得到多个差值;
获取模块,用于将差值最小的对比图像作为所述原始照片对应的所述参照照片。
10.根据权利要求9所述的装置,其特征在于,所述原始照片包括:背景部分,其中,第一采集模块包括:获取多张与所述背景部分对应的对比图像的装置,该装置包括:
背景信息获取模块,用于获取所述原始照片的拍摄信息,其中,所述拍摄信息至少包括:时间信息和地点信息;
背景匹配模块,用于根据所述拍摄信息和/或所述背景部分的像素信息,获取与所述拍摄信息匹配的多张图像;
存储模块,用于保存所述与所述拍摄信息匹配的多张图像,得到所述多张与所述背景部分对应的对比图像。
11.根据权利要求9所述的装置,其特征在于,所述原始照片包括:人物部分,其中,第一采集模块还包括:获取多张与所述人物部分对应的对比图像的装置,该装置包括:
人物信息获取模块,用于获取所述人物部分的特征信息,其中,所述特征信息包括如下至少之一:生物特征信息和拍摄参数,所述拍摄参数包括拍摄方向以及拍摄角度;
人物匹配模块,用于获取多张与所述人物部分的特征信息的匹配度超过预定值的图像,得到所述多张与所述人物部分对应的对比图像。
12.根据权利要求9所述的装置,其特征在于,所述匹配模块包括:
第一分解模块,用于将所述原始照片上的像素点按照预定数目的颜色通道进行分解;
第二分解模块,用于将所述参照照片上的像素点按照相同的预定数目的颜色通道进行分解;
计算模块,用于计算每个通道上所述原始照片的像素值与所述参照照片的像素值之差;
匹配子模块,用于具有所述像素值之差的绝对值之和的最小值的所述参照照片与所述原始照片相匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610757313.0A CN106251316B (zh) | 2016-08-29 | 2016-08-29 | 照片的修复方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610757313.0A CN106251316B (zh) | 2016-08-29 | 2016-08-29 | 照片的修复方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106251316A CN106251316A (zh) | 2016-12-21 |
CN106251316B true CN106251316B (zh) | 2018-09-18 |
Family
ID=57598214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610757313.0A Active CN106251316B (zh) | 2016-08-29 | 2016-08-29 | 照片的修复方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106251316B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108156382A (zh) * | 2017-12-29 | 2018-06-12 | 上海爱优威软件开发有限公司 | 一种照片处理方法及终端 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496147A (zh) * | 2011-11-30 | 2012-06-13 | 宇龙计算机通信科技(深圳)有限公司 | 图像处理装置、图像处理方法和图像处理系统 |
CN103795920B (zh) * | 2014-01-21 | 2017-06-20 | 宇龙计算机通信科技(深圳)有限公司 | 照片处理方法及装置 |
US9225889B1 (en) * | 2014-08-18 | 2015-12-29 | Entropix, Inc. | Photographic image acquisition device and method |
CN104376550A (zh) * | 2014-12-01 | 2015-02-25 | 中南大学 | 基于含积分的平差模型的超分辨率图像重建方法 |
CN105592249B (zh) * | 2015-12-23 | 2018-12-21 | 努比亚技术有限公司 | 基于眼纹识别对照片中人物进行眼部修复的终端及方法 |
-
2016
- 2016-08-29 CN CN201610757313.0A patent/CN106251316B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106251316A (zh) | 2016-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107562805B (zh) | 一种以图搜图的方法及装置 | |
CN108206917B (zh) | 图像处理的方法及装置、存储介质、电子装置 | |
EP3249606B1 (en) | Inverse tone mapping method and corresponding device | |
CN107392110A (zh) | 基于互联网的人脸美化系统 | |
CN109068056A (zh) | 一种电子设备及其拍摄图像的滤镜处理方法、存储介质 | |
CN103077500B (zh) | 图像数据的去雾方法及装置 | |
US9152873B2 (en) | Device and method for determining an optimum image | |
EP2758939A1 (en) | Image quality analysis for searches | |
US7768529B2 (en) | Method and system for image editing | |
CN105684046B (zh) | 生成图像组成 | |
US8270714B2 (en) | Method and apparatus for colour correction of image sequences | |
CN108320312A (zh) | 图片的配色方法及装置、计算机终端 | |
CN108564526A (zh) | 一种图像处理方法、装置、电子设备及介质 | |
CN109345480B (zh) | 一种基于图像修复模型的人脸自动去痘方法 | |
CN106251316B (zh) | 照片的修复方法和装置 | |
CN111598176B (zh) | 一种图像匹配处理方法及装置 | |
CN106815803A (zh) | 图片的处理方法及装置 | |
CN108805873A (zh) | 图像处理方法及装置 | |
CN111091122A (zh) | 一种多尺度特征卷积神经网络的训练和检测方法、装置 | |
CN110264544B (zh) | 图片处理方法和装置、存储介质及电子装置 | |
CN112788254A (zh) | 摄像头抠像方法、装置、设备及存储介质 | |
CN105513100A (zh) | 一种自动选择图片压缩质量并压缩图片的方法 | |
KR100350789B1 (ko) | 이미지 검색시스템의 분위기 칼라 자동추출 및 원래 칼라 조정방법 | |
CN107608646A (zh) | 一种拼接墙图像放大显示方法及装置 | |
CN114419121B (zh) | 一种基于图像的bim纹理生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |