CN107483817B - 一种图像处理方法及装置 - Google Patents
一种图像处理方法及装置 Download PDFInfo
- Publication number
- CN107483817B CN107483817B CN201710687525.0A CN201710687525A CN107483817B CN 107483817 B CN107483817 B CN 107483817B CN 201710687525 A CN201710687525 A CN 201710687525A CN 107483817 B CN107483817 B CN 107483817B
- Authority
- CN
- China
- Prior art keywords
- screening
- image
- threshold
- gradient
- optimal
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 388
- 230000035945 sensitivity Effects 0.000 claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 7
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 36
- 230000015654 memory Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 8
- 230000002194 synthesizing effect Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 1
- 238000007689 inspection Methods 0.000 abstract description 2
- 230000007246 mechanism Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 238000000034 method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 3
- 241001156002 Anthonomus pomorum Species 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/95—Computational photography systems, e.g. light-field imaging systems
- H04N23/951—Computational photography systems, e.g. light-field imaging systems by using two or more images to influence resolution, frame rate or aspect ratio
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种一种图像处理方法,包括获取第一图像和第二图像,根据第一图像,计算出第一摄像头在当前感光度(ISO)下第一最优筛选阈值,将第一最优筛选阈值同第一预设筛选阈值进行比较,决定第一图像和第二图像的筛选阈值,进行梯度筛选。本发明降低了在双摄合成中进行区域选择的复杂度,减少时间消耗,通过引入筛选阈值的二次检验,使得在合成中对清晰度的计算更加准确可靠。当发现预设置筛选阈值参数出现偏差时候,能够自动更新预设的筛选阈值参数,使得清晰度评价机制更加准确。
Description
技术领域
本发明涉及一种图像处理技术,特别是涉及一种适用于双摄像头摄像装置的图像处理方法和装置。
背景技术
随着近些年手机相机功能的快速发展,消费者对拥有更强大功能的相机需求逐渐上升。使用双摄像头来提升拍照质量的手机和相机功能也变得越来越多。通过对双摄像头拍摄结果图像做图像融合,得到质量更优结果图像的功能如超级夜景等变得逐渐普及,而清晰度评价算法在双摄图像融合算法中起很大作用,它的好坏,很大程度上影响着融合图像的质量。
通常,在双摄合成影像的过程中,会对双摄所得的两张图像的清晰度进行评价,选取清晰度较高的部分进行合成。但是由于在弱光下,摄像头拍摄图像噪声比较多,并且由于两张拍摄图像分别来自不同摄像头,使得两张图像噪声强度不一致。当对这种情况的图片进行梯度计算之类时,会引入较多噪声,导致清晰度评价算法不准确,对融合图像清晰度区域筛选时,筛选出错,将模糊区域融合到结果图像中,会直接影响结果图像质量效果。
发明内容
本发明的目的是克服现有技术的不足,提供一种图像处理方法及装置,解决双摄像照相装置图像合成质量问题。
本发明的技术方案是:一种图像处理方法,包括以下步骤:
(1)通过第一摄像头获取第一图像,通过第二摄像头获取第二图像;
(2)根据所述第一图像,使用最佳阈值筛选算法计算出第一摄像头在当前感光度(ISO)下第一最优筛选阈值;
(3)将所述第一最优筛选阈值同第一预设筛选阈值进行比较:
如果所述第一最优筛选阈值和第一预设筛选阈值的差距不大于第一标准值,将第一预设筛选阈值设定为第一筛选阈值,将第二预设筛选阈值设定为第二筛选阈值;
如果计算得到最优筛选阈值和第一预设筛选阈值之间差距大于所述第一标准值,则将所述第一最优筛选阈值设定为第一筛选阈值,并进一步根据所述第二图像,使用所述最佳阈值筛选算法计算出所述第二摄像头在所述当前感光度下的第二最优筛选阈值,将所述第二最优筛选阈值设定为第二筛选阈值
(4)用所述第一筛选阈值对所述第一图像进行梯度筛选,用所述第二筛选阈值对所述第二图像进行梯度筛选。
在一个实施例中,所述的最佳阈值筛选算法包括以下步骤:
(i).提取当前输入图像的梯度图像
(ii).计算所述梯度图像的梯度均值,作为初始阈值;
(iii).利用所述初始阈值对所述梯度图像进行分割,梯度大于所述初始阈值的部分归于第一梯度子集,梯度小于所述初始阈值的部分归于第二梯度子集
(iv).分别获得第一梯度子集的第一梯度均值,和第二梯度子集的第二梯度均值;
(v).计算调整阈值,所述调整阈值等于所述第一梯度均值和第二梯度均值之和的一半;
(vi).如果所述调整阈值同所述初始阈值差距不大于第二标准值,则将所述初始阈值作为所述最优筛选阈值,否则将所述初始阈值更新为调整阈值的值,并重复所述步骤(iii)-(vi);
其中,当前输入图像为第一图像时,所述最优筛选阈值为第一最优筛选阈值;当前输入图像为第二图像时,所述最优筛选阈值为第二最优筛选阈值。
在一个实施例中,对所述第一图像进行筛选包括:
对所述第一图像进行分割,获得n个第一图像区域;
提取每个所述第一图像区域的梯度图像,用所述第一筛选阈值进行筛选,保留每个第一图像区域中梯度大于所述第一筛选阈值的部分,形成n个第一筛选区域;
对所述第二图像进行筛选包括:
对所述第二图像进行分割,获得n个第二图像区域,所述n个第二图像区域同所述n个第一图像区域对应;
提取每个所述第二图像区域的梯度图像,用所述第二筛选阈值进行筛选,保留每个第二图像区域中梯度大于所述第二筛选阈值的部分,形成n个第二筛选区域。
在一个实施例中,所述方法进一步包括:
采用清晰度评价算法对所述n个第一筛选区域和所述n个第二筛选区域进行清晰度计算;
对每个互相对应的第一筛选区域和第二筛选区域的清晰度进行比较,选择清晰度较高的筛选区域所关联的图像区域, 获得n个清晰图像区域;
根据所述n个清晰图像区域,进行合成,获得合成图像。
在一个实施例中,所述方法还包括:
对所述第一预设筛选阈值进行更新,将所述第一最优筛选阈值作为更新后的第一预设筛选阈值;
对所述第二预设筛选阈值进行更新,将所述第二最优筛选阈值作为更新后的第二预设筛选阈值。
本发明另一实施例披露了一种图像处理装置,包括:
图像获取模块,通过第一摄像头获取第一图像,通过第二摄像头获取第二图像;
第一最优筛选阈值计算模块,根据所述第一图像,使用最佳阈值筛选算法计算出第一摄像头在当前感光度(ISO)下第一最优筛选阈值;
第二最优筛选阈值计算模块,根据所述第二图像,使用所述最佳阈值筛选算法计算出所述第二摄像头在所述当前感光度下的第二最优筛选阈值。
比较模块,将所述第一最优筛选阈值同第一预设筛选阈值进行比较:如果所述第一最优筛选阈值和第一预设筛选阈值的差距不大于第一标准值,将第一预设筛选阈值设定为第一筛选阈值,将第二预设筛选阈值设定为第二筛选阈值,如果计算得到最优筛选阈值和第一预设筛选阈值之间差距大于所述第一标准值,则将所述第一最优筛选阈值设定为第一筛选阈值,将所述第二最优筛选阈值设定为第二筛选阈值;
筛选模块,分别使用所述第一筛选阈值对所述第一图像进行梯度筛选,使用所述第二筛选阈值对所述第二图像进行梯度筛选。
本发明又一实施例披露了一种终端系统,包括:
处理器,用于执行程序;
存储器,用于存储由处理器执行的程序
其中所述程序在执行时包括以下步骤:
(1)通过第一摄像头获取第一图像,通过第二摄像头获取第二图像;
(2)根据所述第一图像,使用最佳阈值筛选算法计算出第一摄像头在当前感光度(ISO)下第一最优筛选阈值;
(3)将所述第一最优筛选阈值同第一预设筛选阈值进行比较:
如果所述第一最优筛选阈值和第一预设筛选阈值的差距不大于第一标准值,将第一预设筛选阈值设定为第一筛选阈值,将第二预设筛选阈值设定为第二筛选阈值;
如果计算得到最优筛选阈值和第一预设筛选阈值之间差距大于所述第一标准值,则将所述第一最优筛选阈值设定为第一筛选阈值,并进一步根据所述第二图像,使用所述最佳阈值筛选算法计算出所述第二摄像头在所述当前感光度下的第二最优筛选阈值,将所述第二最优筛选阈值设定为第二筛选阈值
(4)用所述第一筛选阈值对所述第一图像进行梯度筛选,用所述第二筛选阈值对所述第二图像进行梯度筛选。
本发明再一实施例还披露了一种存储器,所述存储器用于存储程序,其中,所述程序在执行时包括以下步骤:
(1)通过第一摄像头获取第一图像,通过第二摄像头获取第二图像;
(2)根据所述第一图像,使用最佳阈值筛选算法计算出第一摄像头在当前感光度(ISO)下第一最优筛选阈值;
(3)将所述第一最优筛选阈值同第一预设筛选阈值进行比较:
如果所述第一最优筛选阈值和第一预设筛选阈值的差距不大于第一标准值,将第一预设筛选阈值设定为第一筛选阈值,将第二预设筛选阈值设定为第二筛选阈值;
如果计算得到最优筛选阈值和第一预设筛选阈值之间差距大于所述第一标准值,则将所述第一最优筛选阈值设定为第一筛选阈值,并进一步根据所述第二图像,使用所述最佳阈值筛选算法计算出所述第二摄像头在所述当前感光度下的第二最优筛选阈值,将所述第二最优筛选阈值设定为第二筛选阈值
(4)用所述第一筛选阈值对所述第一图像进行梯度筛选,用所述第二筛选阈值对所述第二图像进行梯度筛选。
本发明的有益效果有:
1、通过引入预设的筛选阈值,容差,降低了在双摄合成中进行区域选择时数据处理的复杂度,减少时间消耗;
2、通过引入筛选阈值的二次检验,使得在合成中对清晰度的计算更加准确可靠;
3、当发现预设置筛选阈值参数出现严重偏差时候,能够自动更新预设的筛选阈值参数,使得清晰度评价机制更加准确。
附图说明
下列附图涉及有关本发明非限制性和非穷举性的实施例的描述。除非另有说明,否则同样的数字和符号在整个附图中代表同样或相似的部分。附图无需按比例画出。另外,图中所示相关部分尺寸可能不同于说明书中叙述的尺寸。为更好地理解本发明,下述细节描述以及附图将被提供以作为参考。
图1示出了根据本发明一实施例的实施图像处理方法的终端系统100的结构示意图;
图2示出了本发明一个实施例的图像处理方法200的流程图;
图3示出了本发明另一实施例的图像处理装置300的模块示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
下面将详细描述本发明的具体实施例,应当注意,这里描述的实施例只用于举例说明,并不用于限制本发明。在以下描述中,为了提供对本发明的透彻理解,阐述了大量特定细节。然而,对于本领域普通技术人员显而易见的是:不必采用这些特定细节来实行本发明。在其他实例中,为了避免混淆本发明,未具体描述公知的电路,软件或方法。
在整个说明书中,对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着:结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此,在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外,可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外,本领域普通技术人员应当理解,在此提供的示图都是为了说明的目的,并且示图不一定是按比例绘制的。
图1示出了根据本发明一实施例的实施图像处理方法的终端系统100的结构示意图。在图示实施例中,终端系统100为包括触摸式输入装置101的系统。然而,应当理解,该系统还可包括一个或多个其他物理用户接口设备,诸如物理键盘、鼠标和/或操纵杆。系统100的运行平台可适于运行一种或多种操作系统,例如Android(安卓)操作系统,Windows(视窗)操作系统,苹果IOS操作系统,BlackBerry(黑莓)操作系统,谷歌Chrome操作系统等通用型操作系统。然而,在其它实施例中,终端系统100也可以运行专用的操作系统而非通用操作系统。
在某些实施例中,系统100同时可支持运行一种或多种应用程序,包括但不限于以下应用程序中的一个或多个应用程序:磁盘管理应用程序、安全加密应用程序、权限管理应用程序、系统设置应用程序、文字处理应用程序、演示幻灯片应用程序、电子表格应用程序、数据库应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息应用程序、照片管理应用程序、数字相机应用程序、数字视频相机应用程序、web浏览应用程序、数字音乐播放器应用程序、和/或数字视频播放器应用程序等等。
在系统上运行的操作系统和各种应用程序可使用触摸式输入装置101作为用户的物理输入界面装置。触摸式输入装置101具有一触摸表面作为用户界面。在优选实施例中,触摸式输入装置101的触摸表面为一显示屏幕102表面,触摸式输入装置101和显示屏幕102共同形成了触敏显示屏120,然而在另一些实施例中,触摸式输入装置101具有一独立的,不与其他设备模块共用的触摸表面。触敏显示屏还进一步包括用于检测触摸式输入装置101上的是否发生接触的一个或多个接触传感器106。
触敏显示屏120可选地使用LCD(液晶显示屏)技术、LPD(发光聚合物显示器)技术或LED(发光二极管)技术,或其它任何可以实现图像显示的技术。触敏显示屏120进一步可使用现在已知或以后开发的多种触摸感测技术的任何一种来检测接触以及接触的任何移动或阻断,例如电容感测技术或电阻感测技术。在一些实施例中,触敏显示屏120可同时检测单个接触点或多个接触点及其移动变化状况。
除触摸式输入装置101与可选的显示屏幕102之外,系统100还可包括存储器103(其任选地包括一个或多个计算机可读存储介质)、存储器控制器104以及一个或多个处理器(Processor)105,以上组件可通过一个或多个信号总线107进行通信。
存储器103可包括缓存(Cache)、高速随机存取存储器(RAM),例如常见的双倍数据率同步动态随机存取内存(DDR SDRAM),并且还可包括非易失性存储器(NVRAM),诸如一个或多个只读存储器(ROM)、磁盘存储设备、闪存(Flash)存储器设备、或其他非易失性固态存储器设备例如光盘(CD-ROM,DVD-ROM),软盘或数据磁带等。存储器103可用于存储前述操作系统和应用程序软件,以及在系统工作过程中产生和接收的各种类型数据。存储控制器104可控制系统100的其他部件访问存储器103。
处理器105用于运行或执行被存储在内部存储器103中的操作系统,各种软件程序,以及自身的指令集,并用于处理来自于触摸式输入装置101或自其它外部输入途径接收到的数据和指令,以实现系统100的各种功能。处理器105可以包括但不限于中央处理器(CPU)、通用图像处理器(GPU)、微处理器(MCU)、数字信号处理器(DSP)、现场可编程逻辑门阵列(FPGA),应用专用集成电路(ASIC)中的一种或多种。在一些实施例中,处理器105和存储器控制器104可在单个芯片上实现。在一些其他实施方案中,它们可分别在彼此独立的芯片上实现。
图示实施例中,信号总线107被配置为将终端系统100的各个组件连接进行通信。应该理解的是,图示实施例的信号总线107的配置和连接方式是示例性的而非限制性的。视具体的应用环境和硬件配置要求,在其它实施例中,信号总线107可以采用其它不同但为本领域技术人员惯用的连接方式以及其常规组合或变化,以实现各个组件之间所需要的信号连接。
进一步的,在某些实施例中,系统100还可包含外围设备I/O接口111、RF电路112、音频电路113、扬声器114、麦克风115、摄像模块116。设备100还可包括一个或多个不同种类的传感器模块118。
RF(射频)电路112用于接收和发送射频信号以实现同其他通信设备进行通信。RF电路112可包括但不限于天线系统、RF收发器、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、编解码芯片组、用户身份模块(SIM)卡、存储器等等。RF电路112任选地通过无线通信来与网络以及其他设备进行通信,该网络为诸如互联网(也被称为万维网(WWW))、内联网和/或无线网(诸如蜂窝电话网络、无线局域网(LAN)和/或城域网(MAN))。RF电路112还可包括用于检测近场通信(NFC)场的电路。无线通信可选用一种或多种通信标准、协议和技术,包括但不限于全球移动通信系统(GSM)、增强型数据GSM环境(EDGE)、高速下行链路分组接入(HSDPA)、高速上行链路分组接入(HSUPA)、演进、纯数据(EV-DO)、HSPA、HSPA+、双单元HSPA(DC-HSPDA)、长期演进(LTE)、近场通信(NFC)、宽带码分多址(W-CDMA)、码分多址(CDMA)、时分多址(TDMA)、蓝牙、蓝牙低功耗、无线保真(Wi-Fi)(例如,IEEE802.11a、IEEE 802.11b、IEEE 802.11g、IEEE 802.11n和/或IEEE 802.11ac)、互联网协议语音(VoIP)、Wi-MAX、电子邮件协议(例如,互联网消息访问协议(IMAP)和/或邮局协议(POP))、即时消息(例如,可扩展消息处理和存在协议(XMPP)、用于即时消息和存在利用扩展的会话发起协议(SIMPLE)、即时消息和存在服务(IMPS))、和/或短消息服务(SMS)、或者包括在本申请提交日期时还未开发出的通信协议的任何其他适当的通信协议。
音频电路113、扬声器114和麦克风115提供用户与系统100之间的音频接口。音频电路113从外部I/O端口111接收音频数据,将音频数据转换为电信号,并将电信号传输到扬声器114。扬声器114将电信号转换为人类可听的声波。音频电路113还接收由麦克风115根据声波转换的电信号。音频电路113可进一步将电信号转换为音频数据,并将音频数据传输到外部I/O端口111以发送给外部设备处理。音频数据可在处理器105与存储控制器104的控制下,被传输至存储器103和/或RF电路112。在一些实施方案中,音频电路113还可连接到耳麦接口。
摄像模块116用于根据来自处理器105的指令,进行静态图像和视频拍摄。在一个实施例中,摄像模块116可至少具有两个以上的摄像头,例如第一摄像头和第二摄像头,采用并列方式分布于终端同侧,面向同一视场范围。每个摄像头包括镜片装置1161和影像传感器1162,能够由镜头装置1161接收来自外界的光信号,并由影像传感器1162,例如金属-氧化物互补型光电晶体管(CMOS)传感器或电荷耦合器件(CCD)传感器,将光信号转换为电信号。摄像模块116可进一步具有影像处理器(ISP)1163,用于将前述电信号进行处理校正,并转换成特定的图像格式文件,例如JPEG(联合图像专家小组)图像文件,TIFF(标签图像文件格式)图像文件等等。图像文件可根据处理器105和存储控制器104的指令,被送至存储器103进行存储,或送至RF电路112发送给外部设备。
外部I/O端口111为系统100同其它外部设备或系统表面物理输入模块提供接口。表面物理输入模块可以为按键,键盘,转盘等等,例如音量按键,电源按键,返回按键和摄像按键。外部I/O端口111所提供的接口还可包括通用串行总线(USB)接口(可包括USB、Mini-USB、Micro-USB、USB Type-C等等)、雷电(Thunderbolt)接口、耳麦接口、视频传输接口(例如高清晰度多媒体HDMI接口,移动高清连接MHL接口)、外部存储接口(例如外置存储卡SD卡接口),用户身份模块卡(SIM卡)接口等等。
传感器模块118可具有一个或多个传感器或传感器阵列,包括但不限于:1、位置传感器,例如全球卫星定位系统(GPS)传感器,北斗卫星定位传感器或格罗洛斯(GLONASS)卫星定位系统传感器,用于检测设备当前地理位置;2、加速度传感器,重力传感器,陀螺仪,用于检测设备运动状态并辅助定位;3、光线传感器,用于检测外部环境光;4、距离传感器,用于检测外部物体同系统的距离;5、压力传感器,用于检测系统接触的压力情况;6、温度与湿度传感器,用于检测环境温度和湿度。传感器模块118还可以视应用需要,添加任何其他种类和数量的传感器或传感器阵列。
在本发明一些实施例中,可由处理器105通过指令调用终端系统100的各个组件,执行本发明的图像处理方法。处理器105执行本发明的图像处理方法所需要的程序由存储器103进行存储。
图2示出了本发明一个实施例的图像处理方法200的流程图,如图2所示,图像处理方法200包括以下步骤:
(1)通过第一摄像头获取第一图像,通过第二摄像头获取第二图像;
(2)根据第一图像,使用最佳阈值筛选算法计算出第一摄像头在当前感光度(ISO)下第一最优筛选阈值Tb1;
(3)将第一最优筛选阈值Tb1同第一预设筛选阈值To1进行比较:
如果第一最优筛选阈值Tb1和第一预设筛选阈值To1的差距不大于第一标准值Gs1,将第一预设筛选阈值To1设定为第一筛选阈值T1,将第二预设筛选阈值To2设定为第二筛选阈值T2;
如果计算得到第一最优筛选阈值Tb1和第一预设筛选阈值To1之间差距大于第一标准值Gs1,则将第一最优筛选阈值Tb1设定为第一筛选阈值T1,并进一步根据第二图像,使用最佳阈值筛选算法计算第二摄像头在当前感光度下的第二最优筛选阈值Tb2,将第二最优筛选阈值Tb2设定为第二筛选阈值T2。
(4)用第一筛选阈值T1对第一图像进行梯度筛选,用第二筛选阈值T2对第二图像进行梯度筛选。
其中,第一图像和第二图像的拍摄场景基本相同。
上述最佳阈值筛选算法,优选采用下面的步骤实现:
(i).提取当前输入图像的梯度图像;
(ii).计算梯度图像的梯度均值,作为初始阈值T0;
(iii).利用初始阈值T0对梯度图像进行分割,梯度大于所述初始阈值的部分归于第一梯度子集S1,梯度小于初始阈值T0的部分归于第二梯度子集S2
(iv).分别获得第一梯度子集S1的第一梯度均值Ta1,和第二梯度子集S2的第二梯度均值Ta2;
(v).计算调整阈值Tr,调整阈值Tr等于第一梯度均值Ta1和第二梯度均值Ta2之和的一半,即Tr=(Ta1+Ta2)/2;
(vi).如果调整阈值Tr同初始阈值T0差距不大于第二标准值Gs2,则将初始阈值T0作为最优筛选阈值Tb1或Tb2,否则将初始阈值T0更新为调整阈值Tr的值,并重复所述步骤(iii)-(vi)。
本领域具有普通水平的技术人员可以理解,最佳阈值筛选算法也可以采用其它现有技术中所采用的阈值找寻方法。
在一个实施例中,对第一图像进行筛选包括:
对第一图像进行分割,获得n个第一图像区域DA1-DAn;
提取每个第一图像区域的梯度图像,用第一筛选阈值T1进行筛选,保留每个第一图像区域中梯度大于第一筛选阈值T1的部分,形成n个第一筛选区域DR1-DRn。
对第二图像进行筛选包括:
对第二图像进行分割,获得n个第二图像区域DB1-DBn,n个第二图像区域DB1-DBn分别同n个第一图像区域DA1-DAn一一对应。
提取每个第二图像区域的梯度图像,用第二筛选阈值T2进行筛选,保留每个第二图像区域中梯度大于第二筛选阈值T2的部分,形成n个第二筛选区域DS1-DSn。
在一个实施例中,图像处理方法可进一步包括:
采用清晰度评价算法对n个第一筛选区域DR1-DRn和n个第二筛选区域DS1-DSn进行清晰度计算。
清晰度评价算法可采用现有技术中常见的清晰度评价方法,例如Brenner 梯度函数,Tenengrad 梯度函数,或Laplacian 梯度函数等等。
对每个互相对应的第一筛选区域和第二筛选区域的清晰度进行比较,例如,将DR1与DS1进行比较,DR2与DS2进行比较……DRn与DSn进行比较,选择清晰度较高的筛选区域所关联的图像区域, 获得n个清晰图像区域。例如,如果DR1与DS1比较的结果为DR1较清晰,因筛选区域DR1提取自图像区域DA1,则选择DA1为清晰图像区域。
最后,根据n个清晰图像区域,进行合成,获得合成图像。
在又一实施例中,图像处理方法200,还包括:
如果计算得到第一最优筛选阈值Tb1和第一预设筛选阈值To1之间差距大于第一标准值Gs1,对第一预设筛选阈值To1进行更新,将第一最优筛选阈值Tb1作为更新后的第一预设筛选阈值,对第二预设筛选阈值To2进行更新,将第二最优筛选阈值Tb2作为更新后的第二预设筛选阈值。
图像处理方法200还可以包括在工厂测试环境下,针对不同的感光度ISO,获取并记录原始的第一预设筛选阈值To1和第二预设筛选阈值To2,记录生成预设筛选阈值曲线或预设筛选阈值表。在一个实施例中,在每个给定的ISO下,获取原始的预设筛选阈值可以包括:
a. 在给定的ISO下获得来自于第一摄像头的第一参考图像PR1和来自于第二摄像头的第二参考图像PR2,第一参考图像PR1和第二参考图像PR2具有相同场景;
b. 提取第一参考图像PR1和第二参考图像PR2的梯度图像,分别计算第一参考图像和第二参考图像的梯度均值,作为第一初始阈值T10和第二初始阈值T20;
c. 利用第一初始阈值T10对第一参考图像PR1的梯度图像进行分割,梯度大于第一初始阈值T10的部分归于第一参考梯度子集SR1,梯度小于第一初始阈值T10的部分归于第二参考梯度子集SR2
d. 利用第二初始阈值T20对第二参考梯度图像PR2的梯度图像进行分割,梯度大于第二初始阈值T20的部分归于第三参考梯度子集SR3,梯度小于第二初始阈值T20的部分归于第四梯度子集;
e. 分别获得第一参考梯度子集SR1的第一梯度均值AD1,第二参考梯度子集SR2的第二梯度均值AD2,第三参考梯度子集SR3的第三梯度均值AD3和第四参考梯度子集SR4的第四梯度均值AD4;
f. 计算第一调整阈值TR1和第二调整阈值TR2,第一调整阈值TR1等于第一梯度均值AD1和第二梯度均值AD2之和的一半,即TR1=(AD1+AD2)/2。第二调整阈值TR2等于第三梯度均值AD3和第四梯度均值AD4之和的一半,即TR2=(AD3+AD4)/2。
g. 如果第一调整阈值TR1同第一初始阈值T10差距不大于第二标准值Gs2,则将第一初始阈值T10作为当前ISO下的第一预设筛选阈值To1,否则将第一初始阈值T10更新为第一调整阈值TR1的值,并重复所述步骤c~f;
h. 如果第二调整阈值TR2同第二初始阈值T20差距不大于第三标准值Gs3,则将纪录第二初始阈值T20作为当前ISO下的第二预设筛选阈值To2,否则将第一初始阈值T20更新为第一调整阈值TR1的值,并重复所述步骤c~f。
图3示出了本发明另一实施例的图像处理装置300的模块示意图。如图3所示,图像处理装置300包括:
图像获取模块301,通过第一摄像头获取第一图像,通过第二摄像头获取第二图像;
第一最优筛选阈值计算模块302,根据第一图像,使用最佳阈值筛选算法计算出第一摄像头在当前感光度(ISO)下第一最优筛选阈值Tb1;
第二最优筛选阈值计算模块303,根据第二图像,使用最佳阈值筛选算法计算出第二摄像头在当前感光度下的第二最优筛选阈值Tb2;
比较模块304,将第一最优筛选阈值Tb1同第一预设筛选阈值To1进行比较:如果第一最优筛选阈值Tb1和第一预设筛选阈值To1的差距不大于第一标准值Gs1,将第一预设筛选阈值To1设定为第一筛选阈值T1,将第二预设筛选阈值To2设定为第二筛选阈值T2,如果计算得到第一最优筛选阈值Tb1和第一预设筛选阈值To1之间差距大于所述第一标准值Gs1,则将所述第一最优筛选阈值Tb1设定为第一筛选阈值T1,将所述第二最优筛选阈值Tb2设定为第二筛选阈值T2;
筛选模块305,分别使用第一筛选阈值T1对第一图像进行梯度筛选,使用第二筛选阈值T2对第二图像进行梯度筛选。
在一个实施例中,筛选模块305可以包括:
分割模块3051,对第一图像进行分割,获得n个第一图像区域DA1-DAn,对第二图像进行分割,获得n个第二图像区域DB1-DBn,其中n个第二图像区域DB1-DBn同n个第一图像区域DA1-DAn对应;
提取选择模块3052,提取每个第一图像区域的梯度图像,用第一筛选阈值T1进行筛选,保留每个第一图像区域中梯度大于第一筛选阈值的部分,形成n个第一筛选区域DR1-DRn,提取每个第二图像区域的梯度图像,用第二筛选阈值进行筛选,保留每个第二图像区域中梯度大于第二筛选阈值的部分,形成n个第二筛选区域DS1-DSn。
在一个实施例中,图像处理装置300进一步包括:
清晰度计算模块306,采用清晰度评价算法对n个第一筛选区域DR1-DRn和所述n个第二筛选区域DS1-DSn进行清晰度计算;
清晰度评价模块307,对每个互相对应的第一筛选区域和第二筛选区域的清晰度进行比较,选择清晰度较高的筛选区域所关联的图像区域, 获得n个清晰图像区域;
例如,将DR1与DS1进行比较,DR2与DS2进行比较……DRn与DSn进行比较,选择清晰度较高的筛选区域所关联的图像区域, 获得n个清晰图像区域。例如,如果DR1与DS1比较的结果为DR1较清晰,因筛选区域DR1提取自图像区域DA1,则选择DA1为清晰图像区域。
合成模块308,根据所述n个清晰图像区域,进行合成,获得合成图像。
清晰度评价算法可采用现有技术中常见的清晰度评价方法,例如Brenner 梯度函数,Tenengrad 梯度函数,或Laplacian 梯度函数等等。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (7)
1.一种图像处理方法,包括以下步骤:
(1)通过第一摄像头获取第一图像,通过第二摄像头获取第二图像;
(2)根据所述第一图像,使用最佳阈值筛选算法计算出第一摄像头在当前感光度ISO下第一最优筛选阈值;
(3)将所述第一最优筛选阈值同第一预设筛选阈值进行比较:
如果所述第一最优筛选阈值和第一预设筛选阈值的差距不大于第一标准值,将第一预设筛选阈值设定为第一筛选阈值,将第二预设筛选阈值设定为第二筛选阈值;
如果计算得到第一最优筛选阈值和第一预设筛选阈值之间差距大于所述第一标准值,则将所述第一最优筛选阈值设定为第一筛选阈值,并进一步根据所述第二图像,使用所述最佳阈值筛选算法计算出所述第二摄像头在所述当前感光度下的第二最优筛选阈值,将所述第二最优筛选阈值设定为第二筛选阈值;以及
(4)用所述第一筛选阈值对所述第一图像进行梯度筛选,用所述第二筛选阈值对所述第二图像进行梯度筛选;
对所述第一图像进行筛选包括:
对所述第一图像进行分割,获得n个第一图像区域;
提取每个所述第一图像区域的梯度图像,用所述第一筛选阈值进行筛选,保留每个第一图像区域中梯度大于所述第一筛选阈值的部分,形成n个第一筛选区域;
对所述第二图像进行筛选包括:
对所述第二图像进行分割,获得n个第二图像区域,所述n个第二图像区域同所述n个第一图像区域对应;
提取每个所述第二图像区域的梯度图像,用所述第二筛选阈值进行筛选,保留每个第二图像区域中梯度大于所述第二筛选阈值的部分,形成n个第二筛选区域;
采用清晰度评价算法对所述n个第一筛选区域和所述n个第二筛选区域进行清晰度计算;
对每个互相对应的第一筛选区域和第二筛选区域的清晰度进行比较,选择清晰度较高的筛选区域所关联的图像区域, 获得n个清晰图像区域;
根据所述n个清晰图像区域,进行合成,获得合成图像。
2.根据权利要求1所述的图像处理方法,其中,所述的最佳阈值筛选算法包括以下步骤:
(i).提取当前输入图像的梯度图像;
(ii).计算所述梯度图像的梯度均值,作为初始阈值;
(iii).利用所述初始阈值对所述梯度图像进行分割,梯度大于所述初始阈值的部分归于第一梯度子集,梯度小于所述初始阈值的部分归于第二梯度子集;
(iv).分别获得第一梯度子集的第一梯度均值,和第二梯度子集的第二梯度均值;
(v).计算调整阈值,所述调整阈值等于所述第一梯度均值和第二梯度均值之和的一半;
(vi).如果所述调整阈值同所述初始阈值差距不大于第二标准值,则将所述初始阈值作为最优筛选阈值,否则将所述初始阈值更新为调整阈值的值,并重复所述步骤(iii)-(vi);其中,当前输入图像为第一图像时,所述最优筛选阈值为第一最优筛选阈值;当前输入图像为第二图像时,所述最优筛选阈值为第二最优筛选阈值。
3.根据权利要求1所述的图像处理方法,还包括:
在所述第一最优筛选阈值和第一预设筛选阈值的差距大于第一标准值时,对所述第一预设筛选阈值进行更新,将所述第一最优筛选阈值作为更新后的第一预设筛选阈值;
在所述第一最优筛选阈值和第一预设筛选阈值的差距大于第一标准值时,对所述第二预设筛选阈值进行更新,将所述第二最优筛选阈值作为更新后的第二预设筛选阈值。
4.根据权利要求1所述的图像处理方法,进一步包括:在工厂测试环境下,针对不同的感光度ISO,获取并记录原始的第一预设筛选阈值和第二预设筛选阈值,记录生成预设筛选阈值曲线或预设筛选阈值表,其中,在每个给定的ISO下,获取原始的预设筛选阈值可以包括:
a. 在给定的ISO下获得来自于第一摄像头的第一参考图像和来自于第二摄像头的第二参考图像,其中所述第一参考图像和所述第二参考图像具有相同场景;
b. 提取所述第一参考图像和所述第二参考图像的梯度图像,分别计算所述第一参考图像和所述第二参考图像的梯度均值,作为第一初始阈值和第二初始阈值;
c. 利用所述第一初始阈值对所述第一参考图像的梯度图像进行分割,梯度大于第一初始阈值的部分归于第一参考梯度子集,梯度小于第一初始阈值的部分归于第二参考梯度子集;
d. 利用第二初始阈值对所述第二参考梯度图像的梯度图像进行分割,梯度大于第二初始阈值的部分归于第三参考梯度子集,梯度小于第二初始阈值的部分归于第四梯度子集;
e. 分别获得第一参考梯度子集的第一梯度均值,第二参考梯度子集的第二梯度均值,第三参考梯度子集的第三梯度均值和第四参考梯度子集的第四梯度均值;
f. 计算第一调整阈值和第二调整阈值,其中,第一调整阈值等于第一梯度均值和第二梯度均值之和的一半,第二调整阈值等于第三梯度均值和第四梯度均值之和的一半;
g. 如果所述第一调整阈值同所述第一初始阈值差距不大于第二标准值,则将第一初始阈值作为当前ISO下的第一预设筛选阈值,否则将所述第一初始阈值更新为第一调整阈值的值,并重复所述步骤c~f;
h. 如果所述第二调整阈值同第二初始阈值差距不大于第三标准值,则将纪录第二初始阈值作为当前ISO下的第二预设筛选阈值,否则将第一初始阈值更新为第一调整阈值的值,并重复所述步骤c~f。
5.一种图像处理装置,包括:
图像获取模块,通过第一摄像头获取第一图像,通过第二摄像头获取第二图像;
第一最优筛选阈值计算模块,根据所述第一图像,使用最佳阈值筛选算法计算出第一摄像头在当前感光度ISO下第一最优筛选阈值;
第二最优筛选阈值计算模块,根据所述第二图像,使用所述最佳阈值筛选算法计算出所述第二摄像头在所述当前感光度下的第二最优筛选阈值;
比较模块,将所述第一最优筛选阈值同第一预设筛选阈值进行比较:如果所述第一最优筛选阈值和第一预设筛选阈值的差距不大于第一标准值,将第一预设筛选阈值设定为第一筛选阈值,将第二预设筛选阈值设定为第二筛选阈值,如果计算得到第一最优筛选阈值和第一预设筛选阈值之间差距大于所述第一标准值,则将所述第一最优筛选阈值设定为第一筛选阈值,将所述第二最优筛选阈值设定为第二筛选阈值;
筛选模块,分别使用所述第一筛选阈值对所述第一图像进行梯度筛选,使用所述第二筛选阈值对所述第二图像进行梯度筛选;
所述筛选模块包括:
分割模块,对所述第一图像进行分割,获得n个第一图像区域,对所述第二图像进行分割,获得n个第二图像区域,所述n个第二图像区域同所述n个第一图像区域对应;
提取选择模块,提取每个所述第一图像区域的梯度图像,用所述第一筛选阈值进行筛选,保留每个第一图像区域中梯度大于所述第一筛选阈值的部分,形成n个第一筛选区域,提取每个所述第二图像区域的梯度图像,用所述第二筛选阈值进行筛选,保留每个第二图像区域中梯度大于所述第二筛选阈值的部分,形成n个第二筛选区域;
清晰度计算模块,采用清晰度评价算法对所述n个第一筛选区域和所述n个第二筛选区域进行清晰度计算;
清晰度评价模块,对每个互相对应的第一筛选区域和第二筛选区域的清晰度进行比较,选择清晰度较高的筛选区域所关联的图像区域, 获得n个清晰图像区域;
合成模块,根据所述n个清晰图像区域,进行合成,获得合成图像。
6.一种终端系统,其中,所述终端系统包括:
处理器,用于执行程序;
存储器,用于存储由处理器执行的程序;
其中所述程序在执行时包括以下步骤:
(1)通过第一摄像头获取第一图像,通过第二摄像头获取第二图像;
(2)根据所述第一图像,使用最佳阈值筛选算法计算出第一摄像头在当前感光度ISO下第一最优筛选阈值;
(3)将所述第一最优筛选阈值同第一预设筛选阈值进行比较:
如果所述第一最优筛选阈值和第一预设筛选阈值的差距不大于第一标准值,将第一预设筛选阈值设定为第一筛选阈值,将第二预设筛选阈值设定为第二筛选阈值;
如果计算得到第一最优筛选阈值和第一预设筛选阈值之间差距大于所述第一标准值,则将所述第一最优筛选阈值设定为第一筛选阈值,并进一步根据所述第二图像,使用所述最佳阈值筛选算法计算出所述第二摄像头在所述当前感光度下的第二最优筛选阈值,将所述第二最优筛选阈值设定为第二筛选阈值;
(4)用所述第一筛选阈值对所述第一图像进行梯度筛选,用所述第二筛选阈值对所述第二图像进行梯度筛选;
对所述第一图像进行筛选包括:
对所述第一图像进行分割,获得n个第一图像区域;
提取每个所述第一图像区域的梯度图像,用所述第一筛选阈值进行筛选,保留每个第一图像区域中梯度大于所述第一筛选阈值的部分,形成n个第一筛选区域;
对所述第二图像进行筛选包括:
对所述第二图像进行分割,获得n个第二图像区域,所述n个第二图像区域同所述n个第一图像区域对应;
提取每个所述第二图像区域的梯度图像,用所述第二筛选阈值进行筛选,保留每个第二图像区域中梯度大于所述第二筛选阈值的部分,形成n个第二筛选区域;
采用清晰度评价算法对所述n个第一筛选区域和所述n个第二筛选区域进行清晰度计算;
对每个互相对应的第一筛选区域和第二筛选区域的清晰度进行比较,选择清晰度较高的筛选区域所关联的图像区域, 获得n个清晰图像区域;
根据所述n个清晰图像区域,进行合成,获得合成图像。
7.一种计算机可读存储介质,存储计算机程序,所述计算机程序可被处理器执行以实现以下步骤:
(1)通过第一摄像头获取第一图像,通过第二摄像头获取第二图像;
(2)根据所述第一图像,使用最佳阈值筛选算法计算出第一摄像头在当前感光度ISO下第一最优筛选阈值;
(3)将所述第一最优筛选阈值同第一预设筛选阈值进行比较:
如果所述第一最优筛选阈值和第一预设筛选阈值的差距不大于第一标准值,将第一预设筛选阈值设定为第一筛选阈值,将第二预设筛选阈值设定为第二筛选阈值;
如果计算得到第一最优筛选阈值和第一预设筛选阈值之间差距大于所述第一标准值,则将所述第一最优筛选阈值设定为第一筛选阈值,并进一步根据所述第二图像,使用所述最佳阈值筛选算法计算出所述第二摄像头在所述当前感光度下的第二最优筛选阈值,将所述第二最优筛选阈值设定为第二筛选阈值;
(4)用所述第一筛选阈值对所述第一图像进行梯度筛选,用所述第二筛选阈值对所述第二图像进行梯度筛选;
对所述第一图像进行筛选包括:
对所述第一图像进行分割,获得n个第一图像区域;
提取每个所述第一图像区域的梯度图像,用所述第一筛选阈值进行筛选,保留每个第一图像区域中梯度大于所述第一筛选阈值的部分,形成n个第一筛选区域;
对所述第二图像进行筛选包括:
对所述第二图像进行分割,获得n个第二图像区域,所述n个第二图像区域同所述n个第一图像区域对应;
提取每个所述第二图像区域的梯度图像,用所述第二筛选阈值进行筛选,保留每个第二图像区域中梯度大于所述第二筛选阈值的部分,形成n个第二筛选区域;
采用清晰度评价算法对所述n个第一筛选区域和所述n个第二筛选区域进行清晰度计算;
对每个互相对应的第一筛选区域和第二筛选区域的清晰度进行比较,选择清晰度较高的筛选区域所关联的图像区域, 获得n个清晰图像区域;
根据所述n个清晰图像区域,进行合成,获得合成图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710687525.0A CN107483817B (zh) | 2017-08-11 | 2017-08-11 | 一种图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710687525.0A CN107483817B (zh) | 2017-08-11 | 2017-08-11 | 一种图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107483817A CN107483817A (zh) | 2017-12-15 |
CN107483817B true CN107483817B (zh) | 2019-12-13 |
Family
ID=60600063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710687525.0A Active CN107483817B (zh) | 2017-08-11 | 2017-08-11 | 一种图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107483817B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108322658B (zh) * | 2018-03-29 | 2020-04-17 | 青岛海信移动通信技术股份有限公司 | 一种拍照的方法和装置 |
CN109635142B (zh) * | 2018-11-15 | 2022-05-03 | 北京市商汤科技开发有限公司 | 图像选择方法及装置、电子设备和存储介质 |
CN112529816B (zh) * | 2020-12-22 | 2024-06-07 | 西安诺瓦星云科技股份有限公司 | 数据处理方法、装置、存储介质及计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201035299Y (zh) * | 2007-03-19 | 2008-03-12 | 昆明天象科技有限公司 | 远距离摄远广角双系统摄像机 |
CN104333703A (zh) * | 2014-11-28 | 2015-02-04 | 广东欧珀移动通信有限公司 | 使用双摄像头拍照的方法和终端 |
CN105103189A (zh) * | 2013-04-12 | 2015-11-25 | 高通股份有限公司 | 近红外引导的图像去噪 |
CN106161960A (zh) * | 2016-08-26 | 2016-11-23 | 曾美枝 | 拍照方法和装置 |
-
2017
- 2017-08-11 CN CN201710687525.0A patent/CN107483817B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201035299Y (zh) * | 2007-03-19 | 2008-03-12 | 昆明天象科技有限公司 | 远距离摄远广角双系统摄像机 |
CN105103189A (zh) * | 2013-04-12 | 2015-11-25 | 高通股份有限公司 | 近红外引导的图像去噪 |
CN104333703A (zh) * | 2014-11-28 | 2015-02-04 | 广东欧珀移动通信有限公司 | 使用双摄像头拍照的方法和终端 |
CN106161960A (zh) * | 2016-08-26 | 2016-11-23 | 曾美枝 | 拍照方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107483817A (zh) | 2017-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109495689B (zh) | 一种拍摄方法、装置、电子设备及存储介质 | |
US10810720B2 (en) | Optical imaging method and apparatus | |
KR101990073B1 (ko) | 전자장치에서 다초점 영상 촬영 및 저장 방법 및 장치 | |
CN105874776B (zh) | 图像处理设备和方法 | |
CN108234880B (zh) | 一种图像增强方法和装置 | |
CN108419009B (zh) | 图像清晰度增强方法和装置 | |
CN109615659B (zh) | 一种车载多摄像机环视系统的摄像机参数获得方法及装置 | |
CN108234879B (zh) | 一种获取滑动变焦视频的方法和装置 | |
WO2020228418A1 (zh) | 视频处理方法及装置、电子设备和存储介质 | |
CN107483817B (zh) | 一种图像处理方法及装置 | |
US10049431B2 (en) | Locking a group of images to a desired level of zoom and an object of interest between image transitions | |
EP3762898B1 (en) | Object segmentation in a sequence of color image frames by background image and background depth correction | |
CN109151318B (zh) | 一种图像处理方法、装置及计算机存储介质 | |
WO2018059206A1 (zh) | 终端、获取视频的方法及存储介质 | |
US9826145B2 (en) | Method and system to assist a user to capture an image or video | |
CN113890989A (zh) | 一种拍摄方法以及电子装置 | |
CN112017137B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN109167939B (zh) | 一种自动配文方法、装置及计算机存储介质 | |
CN108389165B (zh) | 一种图像去噪方法、装置、终端系统和存储器 | |
WO2017076041A1 (zh) | 防抖拍照方法、装置及移动终端 | |
CN109547703B (zh) | 一种摄像设备的拍摄方法、装置、电子设备及介质 | |
CN109727192B (zh) | 一种图像处理的方法及装置 | |
KR20170011876A (ko) | 영상 처리 장치 및 그 동작 방법 | |
CN113472980B (zh) | 一种图像处理方法、装置、设备、介质和芯片 | |
CN110870301B (zh) | 一种图像显示方法、装置及图像处理设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |