CN107730443A - 图像处理方法、装置及用户设备 - Google Patents
图像处理方法、装置及用户设备 Download PDFInfo
- Publication number
- CN107730443A CN107730443A CN201711021737.1A CN201711021737A CN107730443A CN 107730443 A CN107730443 A CN 107730443A CN 201711021737 A CN201711021737 A CN 201711021737A CN 107730443 A CN107730443 A CN 107730443A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- gradient
- weight
- module
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims description 67
- 238000005457 optimization Methods 0.000 claims description 27
- 238000009499 grossing Methods 0.000 claims description 15
- 230000001902 propagating effect Effects 0.000 claims description 12
- 230000000644 propagated effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 3
- 230000000717 retained effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000000429 assembly Methods 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000012092 media component Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开是关于一种图像处理方法、装置及用户设备。所述图像处理方法包括:确定所述待处理图像对应的传播图像;根据所述传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重;根据所述各个像素的权重对所述待处理图像进行处理,得到结果图像。本公开技术方案可以解决相关技术中仅对待处理图像的局部区域进行处理,得到的图像不够平滑自然等缺陷,能够有效保留待处理图像中希望保留的细节,去除不希望保留的部分,并且保证待处理图像与结果图像之间的差距较小,得到自然平滑不失真的结果图像。
Description
技术领域
本公开涉及通信技术领域,尤其涉及一种图像处理方法、装置及用户设备。
背景技术
随着智能手机的相机功能的不断发展,相机的美颜、滤镜等功能越来越受到用户的青睐。在美颜功能中,人脸磨皮作为核心,用于去除或淡化用户脸部的斑点等瑕疵,还用于改善肤色不均等问题。
相关技术中,通常通过对图像中的局部区域进行处理来实现上述美颜效果,而仅处理局部区域往往会导致处理后的图像不够自然,尤其对于肤色不均等问题不能得到较好改善,甚至处理过的区域与未处理的区域之间出现明显区别,因而效果不好,用户体验不佳。
发明内容
为克服相关技术中存在的问题,本公开实施例提供一种图像处理方法、装置及用户设备,用以实现对待处理图像的全局优化处理及局部平滑处理。
根据本公开实施例的第一方面,提供一种图像处理方法,包括:
在一实施例中,确定所述待处理图像对应的传播图像;
根据所述传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重;
根据所述各个像素的权重对所述待处理图像进行处理,得到结果图像
在一实施例中,所述根据所述传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重,包括:
确定所述传播图像中各个像素的邻域窗口内的周围像素;
计算所述各个像素对应的周围像素在所述传播图像的第一方向上的第一梯度和在第二方向上的第二梯度;
基于所述第一梯度、所述第二梯度及各个像素对应的周围像素的个数,计算所述各个像素的权重。
在一实施例中,所述基于所述第一梯度、所述第二梯度及各个像素对应的周围像素的个数,计算所述各个像素的权重,包括:
确定所述传播图像中各个像素的邻域窗口内的周围像素中,所述第一梯度和所述第二梯度对应的梯度参考值大于梯度阈值的周围像素所占的比例;
基于所述比例及预先为权重设置的最大值及最小值确定各个像素的权重。
在一实施例中,所述根据各个像素的权重对所述待处理图像进行处理,得到结果图像,包括:
确定用于所述全局优化处理的、表示所述待处理图像及所述结果图像的像素值之差的像素值误差项;
确定用于所述全局优化处理及所述局部平滑处理的、表示各个像素对应的周围像素在所述传播图像的梯度的平滑项;
确定使得所述像素值误差项及所述平滑项的和最小的结果像素值;
基于所述结果像素值确定结果图像。
根据本公开实施例的第四方面,提供一种图像处理装置,包括:
确定模块,被配置为确定所述待处理图像对应的传播图像;
计算模块,被配置为根据所述传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重;
处理模块,被配置为根据所述各个像素的权重对所述待处理图像进行处理,得到结果图像。
在一实施例中,所述计算模块包括:
第一确定子模块,被配置为确定所述传播图像中各个像素的邻域窗口内的周围像素;
第一计算子模块,被配置为计算所述各个像素对应的周围像素在所述传播图像的第一方向上的第一梯度和在第二方向上的第二梯度;
第二计算子模块,被配置为基于所述第一梯度、所述第二梯度及各个像素对应的周围像素的个数,计算所述各个像素的权重。
在一实施例中,所述第二计算子模块包括:
第二确定子模块,被配置为确定所述传播图像中各个像素的邻域窗口内的周围像素中,所述第一梯度和所述第二梯度对应的梯度参考值大于梯度阈值的周围像素所占的比例;
第三确定子模块,被配置为基于所述比例及预先为权重设置的最大值及最小值确定各个像素的权重。
在一实施例中,所述处理模块包括:
第四确定子模块,被配置为确定用于所述全局优化处理的、表示所述待处理图像及所述结果图像的像素值之差的像素值误差项;
第五确定子模块,被配置为确定用于所述全局优化处理及所述局部平滑处理的、表示各个像素对应的周围像素在所述传播图像的梯度的平滑项;
第六确定子模块,被配置为确定使得所述像素值误差项及所述平滑项的和最小的结果像素值;
第七确定子模块,被配置为基于所述结果像素值确定结果图像。
根据本公开实施例的第三方面,提供一种用户设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
确定所述待处理图像对应的传播图像;
根据所述传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重;
根据所述各个像素的权重对所述待处理图像进行处理,得到结果图像。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
确定所述待处理图像对应的传播图像;
根据所述传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重;
根据所述各个像素的权重对所述待处理图像进行处理,得到结果图像。
本公开的实施例提供的技术方案可以包括以下有益效果:
本公开中的终端可以计算待处理图像的各个像素的权重,并根据各个像素的权重对待处理图像进行处理,从而根据各个像素的权重实现全局优化处理及局部平滑处理,解决相关技术中仅对待处理图像的局部区域进行处理,得到的图像不够平滑自然等缺陷,能够有效保留待处理图像中希望保留的细节,去除不希望保留的部分,并且保证待处理图像与结果图像之间的差距较小,得到自然平滑不失真的结果图像。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1A是根据一示例性实施例示出的一种图像处理方法的流程图。
图1B是根据一示例性实施例示出的一种图像处理方法的场景图。
图1C是根据一示例性实施例示出的另一种图像处理方法的场景图。
图2是根据一示例性实施例示出的另一种图像处理方法的流程图。
图3是根据一示例性实施例示出的另一种图像处理方法的流程图。
图4是根据一示例性实施例示出的一种图像处理装置的框图。
图5是根据一示例性实施例示出的另一种图像处理装置的框图。
图6是根据一示例性实施例示出的另一种图像处理装置的框图。
图7是根据一示例性实施例示出的另一种图像处理装置的框图。
图8是根据一示例性实施例示出的一种适用于图像处理装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1A是根据一示例性实施例示出的一种图像处理方法的流程图,图1B是根据一示例性实施例示出的一种图像处理方法的场景图;该图像处理方法可以应用在任何具有摄像功能的用户设备例如终端上,本公开中的终端可以是任何具有上网功能的智能终端,例如,可以具体为手机、平板电脑、PDA(Personal Digital Assistant,个人数字助理)等。
其中,终端可以通过无线局域网接入路由器,并通过路由器访问公网上的服务器。如图1A所示,该图像处理方法包括以下步骤101-103:
在步骤101中,确定待处理图像对应的传播图像。
在步骤102中,根据传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重。
在一实施例中,待处理图像为RGB图像,属于RGB颜色空间,其可以转换为传播图像(diffusion map),对于传播图像,由于待处理图像中的像素跟传播图像中的像素是一一对应的,因而本公开实施例中可以计算待处理图像中的像素对应在传播图像中的周围像素在x方向和y方向上的梯度,从而根据该梯度可以计算各个像素的权重,各个像素的权重可以表示其在处理过程中的重要程度,通常需要保留的区域的像素的权重较小,需要去除的区域的像素的权重较大。例如瑕疵像素的权重会比较大,从而会在处理过程中减小其梯度,从而达到磨皮的效果。
在一实施例中,首先将待处理图像由RGB颜色空间转换到Lab颜色空间,在Lab颜色空间中,A和B通道表示的是色彩通道,L通道表示的是亮度,因而待处理图像在Lab颜色空间中对应的图像就是亮度图像,然后基于亮度图像确定传播图像。这些转换方法为现有相关技术,在此不再赘述。
在一实施例中,根据周围像素的梯度来确定各个像素的权重,也就是说根据传播图像中的各个像素在传播图像的邻域窗口内的所有周围像素的相似度,来确定对应的权重,周围像素的局部相似度越高,说明该邻域窗口所在的局部区域越相对平滑,本公开实施例中通过赋予待处理图像的各个像素不同的权重,来使得处理后的结果图像更为平滑。
步骤103、根据各个像素的权重对待处理图像进行处理,得到结果图像。
在一实施例中,通过误差函数确定结果图像的像素值。误差函数通过像素值误差项和平滑项的和来表示。其中,像素值误差项根据待处理图像的像素和结果图像的像素的像素值之差来确定,其表示的是待处理图像和结果图像之间的差距,像素值误差项的值越小,表示待处理图像与结果图像之间的差距越小。像素值误差项用于表示对待处理图像进行全局优化处理。平滑项用于表示对待处理图像进行全局优化处理及局部平滑处理,表示各个像素对应的周围像素在传播图像的梯度,通过对梯度进行最小化来对待处理图像的局部区域进行平滑处理。因为通过减小梯度,例如减小图像中的瑕疵部位的梯度,能够使得图像更为平滑,从而达到磨皮效果。通过最小化误差函数,能够得到全局优化的结果图像的像素值,即得到结果图像。
在一实施例中,根据传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重,可以包括:
确定传播图像中各个像素的邻域窗口内的周围像素;
计算各个像素对应的周围像素在所述传播图像的第一方向上的第一梯度和在第二方向上的第二梯度;
基于第一梯度、第二梯度及各个像素对应的周围像素的个数,计算各个像素的权重。
在一实施例中,根据各个像素的权重对待处理图像进行处理,得到结果图像,可以包括:
确定用于全局优化处理的、表示待处理图像及结果图像的像素值之差的像素值误差项;
确定用于全局优化处理及局部平滑处理的、表示各个像素对应的周围像素在传播图像的梯度的平滑项;
确定使得像素值误差项及平滑项的和最小的结果像素值;
基于结果像素值确定结果图像。
在一示例性场景中,如图1B和图1C所示,以对人脸图像进行处理为例进行示例性说明,在图1B所示的场景中,包括:作为终端的智能手机,智能手机上存储有作为原始图像即待处理图像的人脸图像。
在图1B中,终端可以将待处理图像由RGB颜色空间转换到Lab颜色空间,得到待处理图像在L通道上的亮度图像,然后将亮度图像转换为传播图像,然后,基于传播图像的各个像素的邻域窗口中周围像素的梯度,计算对应的各个像素的权重,最后根据各个像素的权重对待处理图像进行处理,从而得到结果图像。在图1C中,示出了待处理图像及处理后得到的结果图像。
具体如何处理图像的,请参考后续实施例。
至此,本公开实施例提供的上述方法,可以计算待处理图像的各个像素的权重,并根据各个像素的权重对待处理图像进行处理,从而根据各个像素的权重实现全局优化处理及局部平滑处理,解决相关技术中仅对待处理图像的局部区域进行处理,得到的图像不够平滑自然等缺陷,能够有效保留待处理图像中希望保留的细节,去除不希望保留的部分,并且保证待处理图像与结果图像之间的差距较小,得到自然平滑不失真的结果图像。
下面以具体实施例来说明本公开实施例提供的技术方案。
图2是根据一示例性实施例示出的另一种图像处理方法的流程图;本实施例利用本公开实施例提供的上述方法,以如何在根据传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重为例进行示例性说明,如图2所示,包括如下步骤201-203:
在步骤201中,确定传播图像中各个像素的邻域窗口内的周围像素。
在一实施例中,待处理图像中的各个像素在传播图像中对应有邻域窗口,各像素的邻域窗口内的所有像素即该像素的周围像素,通过邻域窗口的大小,可以确定周围像素的个数,例如邻域窗口为3*3,则周围像素的个数为9个。
在步骤202中,计算各个像素对应的周围像素在传播图像的第一方向上的第一梯度和在第二方向上的第二梯度。
在一实施例中,假设当前计算的像素的坐标为(x,y),其像素值为p(x,y),则该像素在x方向上的梯度值为:
p(x+1,y)-p(x,y)
这里称之为第一梯度。
该像素在y方向上的梯度值为:
p(x,y+1)-p(x,y)
这里称之为第二梯度。
在步骤203中,基于第一梯度、第二梯度及各个像素对应的周围像素的个数,计算各个像素的权重。
在一实施例中,在待处理图像对应的传播图像中,各个像素具有邻域窗口,邻域窗口中的所有像素称之为周围像素,当邻域窗口的大小确定了之后,周围像素的个数随之确定。
在一实施例中,基于公式(一)计算各个像素的权重:
λ(p)=λs+(λl-λs)*(1-r(p)) (一)
其中,λ(p)表示像素p的权重,λs表示权重λ(p)的最小值,为预先设置的第一设定值,λl表示权重λ(p)的最大值,为预先设置的第二设定值。其中第一设定值和第二设定值均根据实验来设定,以避免权重过大或过小,权重过大的话磨皮效果会过度,导致结果图像不够自然;权重过小的话会影响磨皮效果,导致结果图像存在过多瑕疵等区域。
其中,wp表示像素p的邻域窗口,|wp|表示邻域窗口wp中周围像素的个数,t1表示梯度阈值,为第三设定值,mx(i)为周围像素i在x方向上的第一梯度,my(i)为周围像素i在y方向上的第二梯度。
也就是说,r(p)表示对于像素p的邻域窗口里的所有周围像素,计算所有周围像素的第一梯度和第二梯度,并根据第一梯度和第二梯度求取梯度参考值,即然后统计梯度参考值大于梯度阈值的周围像素的个数,将该个数除以总的周围像素的个数,得到梯度参考值大于梯度阈值的周围像素所占的比例。
本实施例中,通过上述步骤201-203,根据传播图像中各个像素的邻域窗口内的周围像素中,梯度参考值大于梯度阈值的周围像素所占的比例来确定各个像素的权重,从而能够考虑到所有像素之间的联系,包括相距较远的像素之间的联系和影响,从而便于对待处理图像进行全局优化处理,保证处理后的图像效果自然平滑。
图3是根据一示例性实施例示出的另一种图像处理方法的流程图;本实施例利用本公开实施例提供的上述方法,以如何根据各个像素的权重对所述待处理图像进行处理,得到结果图像为例进行示例性说明,如图3所示,包括如下步骤301-304:
在步骤301中,确定用于全局优化处理的、表示待处理图像及结果图像的像素值之差的像素值误差项。
在步骤302中,确定用于全局优化处理及局部平滑处理的、表示各个像素对应的周围像素在传播图像的梯度的平滑项。
在步骤303中,确定使得像素值误差项及平滑项的和最小的结果像素值。
在步骤304中,基于结果像素值确定结果图像。
在一实施例中,根据公式(二)执行上述步骤301-304,确定结果图像:
式中,E(p)表示结果图像的像素p的像素值,u(p)-s(p)2表示用于全局优化处理的像素值误差项,u(p)表示待处理图像中的像素p,s(p)表示结果图像中的像素p;表示用于全局优化处理及局部平滑处理的平滑项,λ(p)表示像素p的权重,sx(p)表示结果图像中的像素p在x方向上的第三梯度,sy(p)表示结果图像中的像素p在y方向上的第四梯度,lx(p)用于表示与待处理图像对应的亮度图像中的像素p在x方向上的第五梯度,ly(p)用于表示与待处理图像对应的亮度图像中的像素p在y方向上的第六梯度,α为第四设定值,用来控制平滑的精细程度,默认为1.2-2.0,可以为1.2,ε为第五设定值,通常该值设置的较小,用来避免分母为0。
通过上述处理过程,能够实现对待处理图像的全局优化及局部平滑。例如对于第二项平滑项,其能够对待处理图像中的一些小瑕疵进行去除处理,其原理是因为瑕疵部位梯度较大,通过将平滑项最小化,能够减小梯度,从而达到磨皮效果,也就是说去除小瑕疵的效果;对于梯度更大的部位,例如五官边缘,对其进行平滑处理时则不会去除这些边缘区域,这是因为误差函数还存在第一项的制约,误差函数的最终目的是使得像素值误差项和平滑项的和实现一个最小值,当平滑项减少太多时,势必引起第一项也有较大的变化,影响第一项的误差和精度,但是第一项像素值误差项所表示的是待处理图像和结果图像之间的误差,为了使得结果图像接近待处理图像,第一项不能够有较大的变化,因而第二项不能够减少太多,从而通过上述公式(二),能够兼顾全局优化及局部平滑。
本实施例中,通过上述步骤301-304,能够根据各个像素的权重对待处理图像进行全局优化处理和局部平滑处理,从而在全局优化的基础上,有效的保留希望保留的图中的细节,去除掉不希望保留的细节。
图4是根据一示例性实施例示出的一种图像处理装置的框图,如图6所示,图像处理装置包括:确定模块410、计算模块420和处理模块430。
确定模块410,被配置为确定所述待处理图像对应的传播图像;
计算模块420,被配置为根据确定模块410所确定的传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重;
处理模块430,被配置为根据计算模块420所计算出的各个像素的权重对待处理图像进行处理,得到结果图像。
图5是根据一示例性实施例示出的另一种图像处理装置的框图,如图5所示,在上述图4所示实施例的基础上,在一实施例中,计算模块420还可以包括:第一确定子模块421、第一计算子模块422和第二计算子模块423。
第一确定子模块421,被配置为确定所述传播图像中各个像素的邻域窗口内的周围像素;
第一计算子模块422,被配置为计算所述各个像素对应的周围像素在所述传播图像的第一方向上的第一梯度和在第二方向上的第二梯度;
第二计算子模块423,被配置为基于第一计算子模块422所计算出的第一梯度、所述第二梯度及各个像素对应的周围像素的个数,计算所述各个像素的权重。
图6是根据一示例性实施例示出的另一种图像处理装置的框图,如图6所示,在上述图5所示实施例的基础上,在一实施例中,第二计算子模块423还可以包括:第二确定子模块424和第三确定子模块425。
第二确定子模块424,被配置为确定所述传播图像中各个像素的邻域窗口内的周围像素中,所述第一梯度和所述第二梯度对应的梯度参考值大于梯度阈值的周围像素所占的比例;
第三确定子模块425,被配置为基于第二确定子模块424所确定的比例及预先设置的权重的最大值及最小值确定各个像素的权重。
图7是根据一示例性实施例示出的另一种图像处理装置的框图,如图7所示,在上述图4所示实施例的基础上,在一实施例中,处理模块430可以包括:第四确定子模块431、第五确定子模块432、第六确定子模块433和第七确定子模块434。
第四确定子模块431,被配置为确定用于所述全局优化处理的、表示所述待处理图像及所述结果图像的像素值之差的像素值误差项;
第五确定子模块432,被配置为确定用于所述全局优化处理及所述局部平滑处理的、表示各个像素对应的周围像素在所述传播图像的梯度的平滑项;
第六确定子模块433,被配置为确定使得所述像素值误差项及所述平滑项的和最小的结果像素值;
第七确定子模块434,被配置为基于所述结果像素值确定结果图像。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图8是根据一示例性实施例示出的一种适用于图像处理装置的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等用户设备。
参照图8,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理部件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件806为装置800的各种组件提供电力。电力组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到设备800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
其中,处理器820被配置为:
确定所述待处理图像对应的传播图像;
根据所述传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重;
根据所述各个像素的权重对所述待处理图像进行处理,得到结果图像。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
确定所述待处理图像对应的传播图像;
根据所述传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重;
根据所述各个像素的权重对所述待处理图像进行处理,得到结果图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所述传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重,包括:
确定所述传播图像中各个像素的邻域窗口内的周围像素;
计算所述各个像素对应的周围像素在所述传播图像的第一方向上的第一梯度和在第二方向上的第二梯度;
基于所述第一梯度、所述第二梯度及各个像素对应的周围像素的个数,计算所述各个像素的权重。
3.根据权利要求2所述的方法,其特征在于,所述基于所述第一梯度、所述第二梯度及各个像素对应的周围像素的个数,计算所述各个像素的权重,包括:
确定所述传播图像中各个像素的邻域窗口内的周围像素中,所述第一梯度和所述第二梯度对应的梯度参考值大于梯度阈值的周围像素所占的比例;
基于所述比例及预先为权重设置的最大值及最小值确定各个像素的权重。
4.根据权利要求1所述的方法,其特征在于,所述根据各个像素的权重对所述待处理图像进行处理,得到结果图像,包括:
确定用于所述全局优化处理的、表示所述待处理图像及所述结果图像的像素值之差的像素值误差项;
确定用于所述全局优化处理及所述局部平滑处理的、表示各个像素对应的周围像素在所述传播图像的梯度的平滑项;
确定使得所述像素值误差项及所述平滑项的和最小的结果像素值;
基于所述结果像素值确定结果图像。
5.一种图像处理装置,其特征在于,所述装置包括:
确定模块,被配置为确定所述待处理图像对应的传播图像;
计算模块,被配置为根据所述传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重;
处理模块,被配置为根据所述各个像素的权重对所述待处理图像进行处理,得到结果图像。
6.根据权利要求5所述的装置,其特征在于,所述计算模块包括:
第一确定子模块,被配置为确定所述传播图像中各个像素的邻域窗口内的周围像素;
第一计算子模块,被配置为计算所述各个像素对应的周围像素在所述传播图像的第一方向上的第一梯度和在第二方向上的第二梯度;
第二计算子模块,被配置为基于所述第一梯度、所述第二梯度及各个像素对应的周围像素的个数,计算所述各个像素的权重。
7.根据权利要求6所述的装置,其特征在于,所述第二计算子模块包括:
第二确定子模块,被配置为确定所述传播图像中各个像素的邻域窗口内的周围像素中,所述第一梯度和所述第二梯度对应的梯度参考值大于梯度阈值的周围像素所占的比例;
第三确定子模块,被配置为基于所述比例及预先为权重设置的最大值及最小值确定各个像素的权重。
8.根据权利要求5所述的装置,其特征在于,所述处理模块包括:
第四确定子模块,被配置为确定用于所述全局优化处理的、表示所述待处理图像及所述结果图像的像素值之差的像素值误差项;
第五确定子模块,被配置为确定用于所述全局优化处理及所述局部平滑处理的、表示各个像素对应的周围像素在所述传播图像的梯度的平滑项;
第六确定子模块,被配置为确定使得所述像素值误差项及所述平滑项的和最小的结果像素值;
第七确定子模块,被配置为基于所述结果像素值确定结果图像。
9.一种用户设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
确定所述待处理图像对应的传播图像;
根据所述传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重;
根据所述各个像素的权重对所述待处理图像进行处理,得到结果图像。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现以下步骤:
确定所述待处理图像对应的传播图像;
根据所述传播图像中各个像素的周围像素的梯度,计算对应的各个像素的权重;
根据所述各个像素的权重对所述待处理图像进行处理,得到结果图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711021737.1A CN107730443B (zh) | 2017-10-27 | 2017-10-27 | 图像处理方法、装置及用户设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711021737.1A CN107730443B (zh) | 2017-10-27 | 2017-10-27 | 图像处理方法、装置及用户设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107730443A true CN107730443A (zh) | 2018-02-23 |
CN107730443B CN107730443B (zh) | 2021-09-14 |
Family
ID=61201826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711021737.1A Active CN107730443B (zh) | 2017-10-27 | 2017-10-27 | 图像处理方法、装置及用户设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107730443B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110177287A (zh) * | 2019-06-11 | 2019-08-27 | 广州虎牙科技有限公司 | 一种图像处理和直播方法、装置、设备和存储介质 |
CN113689364A (zh) * | 2021-10-27 | 2021-11-23 | 北京美摄网络科技有限公司 | 一种图像处理方法和装置 |
WO2022021025A1 (zh) * | 2020-07-27 | 2022-02-03 | 华为技术有限公司 | 图像增强方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102281388A (zh) * | 2010-06-09 | 2011-12-14 | 联咏科技股份有限公司 | 适应性滤除影像噪声的方法及装置 |
CN102300020A (zh) * | 2010-04-15 | 2011-12-28 | 佳能株式会社 | 图像处理装置及图像处理装置的用户认证方法 |
US20130101208A1 (en) * | 2011-10-24 | 2013-04-25 | International Business Machines Corporation | Background understanding in video data |
CN103905802A (zh) * | 2014-04-21 | 2014-07-02 | 浙江宇视科技有限公司 | 一种基于p模式色彩滤镜阵列的去马赛克方法及装置 |
US20160284065A1 (en) * | 2015-03-24 | 2016-09-29 | Intel Corporation | Non-local means image denoising with an adaptive directional spatial filter |
CN106845484A (zh) * | 2017-02-28 | 2017-06-13 | 浙江华睿科技有限公司 | 一种一维码区域的定位方法及装置 |
CN108401564B (zh) * | 2015-05-28 | 2017-09-15 | 西北工业大学 | 基于超像素分割和图像抽象的显著性目标检测方法 |
-
2017
- 2017-10-27 CN CN201711021737.1A patent/CN107730443B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102300020A (zh) * | 2010-04-15 | 2011-12-28 | 佳能株式会社 | 图像处理装置及图像处理装置的用户认证方法 |
CN102281388A (zh) * | 2010-06-09 | 2011-12-14 | 联咏科技股份有限公司 | 适应性滤除影像噪声的方法及装置 |
US20130101208A1 (en) * | 2011-10-24 | 2013-04-25 | International Business Machines Corporation | Background understanding in video data |
CN103905802A (zh) * | 2014-04-21 | 2014-07-02 | 浙江宇视科技有限公司 | 一种基于p模式色彩滤镜阵列的去马赛克方法及装置 |
US20160284065A1 (en) * | 2015-03-24 | 2016-09-29 | Intel Corporation | Non-local means image denoising with an adaptive directional spatial filter |
CN108401564B (zh) * | 2015-05-28 | 2017-09-15 | 西北工业大学 | 基于超像素分割和图像抽象的显著性目标检测方法 |
CN106845484A (zh) * | 2017-02-28 | 2017-06-13 | 浙江华睿科技有限公司 | 一种一维码区域的定位方法及装置 |
Non-Patent Citations (4)
Title |
---|
BONGJIN JUN等: "Robust face detection using local gradient patterns and evidence accumulation", 《PATTERN RECOGNITION 》 * |
刘竹松等: "基于非对称加权相似度的协同过滤推荐算法", 《小型微型计算机系统》 * |
杨松等: "基于改进的GAC模型图像分割算法", 《光学技术》 * |
解天鹏等: "基于Contourlet-GSSIM的无参考遥感图像质量评价研究", 《测绘通报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110177287A (zh) * | 2019-06-11 | 2019-08-27 | 广州虎牙科技有限公司 | 一种图像处理和直播方法、装置、设备和存储介质 |
WO2022021025A1 (zh) * | 2020-07-27 | 2022-02-03 | 华为技术有限公司 | 图像增强方法及装置 |
CN113689364A (zh) * | 2021-10-27 | 2021-11-23 | 北京美摄网络科技有限公司 | 一种图像处理方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107730443B (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104517268B (zh) | 调整图像亮度的方法及装置 | |
CN105631797B (zh) | 水印添加方法及装置 | |
CN104918107B (zh) | 视频文件的标识处理方法及装置 | |
CN104700353B (zh) | 图像滤镜生成方法及装置 | |
CN107707954A (zh) | 视频播放方法及装置 | |
CN105512545B (zh) | 访问权限管理方法和装置 | |
CN107392166A (zh) | 肤色检测方法、装置及计算机可读存储介质 | |
CN104361558B (zh) | 图像处理方法、装置及设备 | |
CN105487773B (zh) | 屏幕截图的方法及装置 | |
CN107798654A (zh) | 图像磨皮方法及装置、存储介质 | |
CN107563994A (zh) | 图像的显著性检测方法及装置 | |
CN107944367A (zh) | 人脸关键点检测方法及装置 | |
CN107783715A (zh) | 应用启动方法及装置 | |
CN107911576A (zh) | 图像处理方法、装置和存储介质 | |
CN109376771A (zh) | 应用程序分类方法及装置 | |
CN105631804A (zh) | 图片处理方法及装置 | |
CN107426489A (zh) | 拍摄图像时的处理方法、装置及终端 | |
CN107730443A (zh) | 图像处理方法、装置及用户设备 | |
CN107231505A (zh) | 图像处理方法及装置 | |
CN105528765A (zh) | 处理图像的方法及装置 | |
CN107544802A (zh) | 设备识别方法及装置 | |
CN107395982A (zh) | 拍照方法和装置 | |
CN107330391A (zh) | 产品信息提示方法及装置 | |
CN107085823A (zh) | 人脸图像处理方法及装置 | |
CN107507128A (zh) | 图像处理方法及设备 |
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 |