CN107749045A - 一种图像的素描处理方法和素描滤镜 - Google Patents
一种图像的素描处理方法和素描滤镜 Download PDFInfo
- Publication number
- CN107749045A CN107749045A CN201710937978.4A CN201710937978A CN107749045A CN 107749045 A CN107749045 A CN 107749045A CN 201710937978 A CN201710937978 A CN 201710937978A CN 107749045 A CN107749045 A CN 107749045A
- Authority
- CN
- China
- Prior art keywords
- image
- inverse
- mrow
- gaussian blur
- compression
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 111
- 230000006835 compression Effects 0.000 claims abstract description 107
- 238000007906 compression Methods 0.000 claims abstract description 107
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 23
- 230000000694 effects Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 18
- 238000003860 storage Methods 0.000 description 18
- 238000004590 computer program Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000004549 pulsed laser deposition Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种图像的素描处理方法和素描滤镜,所述方法包括:通过对初始图像进行反色处理得到初始图像对应的反色图像,对反色图像进行图像压缩处理,进而对压缩处理后的反色图像进行高斯模糊处理,使得根据高斯模糊处理得到的高斯模糊图像,生成初始图像对应的素描图像,对图像压缩之后再进行高斯模糊处理,能够在同等运算条件下有效提高素描图像的图像质量,进而提高素描滤镜的用户使用体验。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像的素描处理方法和素描滤镜。
背景技术
素描滤镜是终端设备中应用非常广泛的一种图像处理工具,用于将在终端设备中对图像进行素描处理之后得到素描图像,为用户提供风格化图像。
在对图像进行素描处理生成素描图像的过程中,轮廓提取是关键步骤。目前,通常采用边缘检测技术对图像进行轮廓提取。例如,通过识别图像中每个像素的4个相邻像素来创建颜色渐变模型,根据该颜色渐变模型确定出图像中的最大边缘值,进而根据最大边缘值确定图像的轮廓信息。
通过边缘检测技术对图像进行轮廓提取过程需要占用大量的图形处理器(GPU,Graphics Processing Unit)资源。实际应用中,不同终端设备的GPU配置可能不同。当在低配置终端设备中对图像进行素描处理时,由于受限于GPU的计算资源,导致素描处理之后得到的素描图像的图像质量较差。
发明内容
本申请实施例提供一种图像的素描处理方法和素描滤镜,用以解决现有技术中素描滤镜处理得到的素描图像质量较差导致的用户体验减低的问题。
本申请实施例提供一种图像的素描处理方法,包括:
对初始图像进行反色处理,得到所述初始图像对应的反色图像;
对所述反色图像进行图像压缩处理,得到压缩后的反色图像;
对所述压缩后的反色图像进行高斯模糊处理,得到高斯模糊图像;
根据所述高斯模糊图像,生成所述初始图像对应的素描图像。
可选地,所述反色图像的分辨率为x×y,对所述反色图像进行压缩处理,得到压缩后的反色图像,包括:
对分辨率为x×y的所述反色图像进行图像压缩处理,得到分辨率为m×n的所述压缩后的反色图像,其中,m×n<x×y,且m≤x,n≤y。
可选地,对所述压缩后的反色图像进行高斯模糊处理,得到高斯模糊图像,包括:
按照对未压缩的所述反色图像进行高斯模糊处理的计算量,对所述压缩后的反色图像进行高斯模糊处理,以提高所述高斯模糊图像的模糊效果值。
可选地,对所述压缩后的反色图像进行高斯模糊处理,包括:
通过下述二维高斯函数确定所述压缩后的反色图像中各像素点的权重矩阵,
其中,G(u,v)表示所述压缩后的反色图像中像素点(u,v)的权重值,σ表示所述二维高斯函数的方差参数;
根据所述压缩后的反色图像中各像素点的像素值和该像素点的权重值,确定所述高斯模糊图像中各像素点的像素值。
可选地,根据所述高斯模糊图像,生成所述初始图像对应的素描图像,包括:
对所述高斯模糊图像中的各像素点的像素值进行颜色减淡处理,得到所述高斯模糊图像中各像素点的减淡像素值;
根据所述各像素点的减淡像素值,生成所述初始图像对应的素描图像。
可选地,对初始图像进行反色处理,得到所述初始图像对应的反色图像,包括:
对所述初始图像进行复制,得到复制后的初始图像;
通过下述公式对所述复制后的初始图像进行反色处理,得到所述反色图像,
其中,R0、G0、B0表示所述初始图像中像素点(i,j)的RGB分量,R1、G1、B1表示所述反色图像中像素点(i,j)的RGB分量。
本申请实施例还提供一种素描滤镜,包括:反色单元、图像压缩单元、高斯模糊单元和素描单元,其中:
所述反色单元,用于对初始图像进行反色处理,得到所述初始图像对应的反色图像;
所述图像压缩单元,用于对所述反色图像进行图像压缩处理,得到压缩后的反色图像;
所述高斯模糊单元,用于对所述压缩后的反色图像进行高斯模糊处理,得到高斯模糊图像;
所述素描单元,用于根据所述高斯模糊图像,生成所述初始图像对应的素描图像。
可选地,所述反色图像的分辨率为x×y,
所述图像压缩单元对所述反色图像进行图像压缩处理,得到压缩后的反色图像,包括:
对分辨率为x×y的所述反色图像进行图像压缩处理,得到分辨率为m×n的所述压缩后的反色图像,其中,m×n<x×y,且m≤x,n≤y。
可选地,所述高斯模糊单元对所述压缩后的反色图像进行高斯模糊处理,得到高斯模糊图像,包括:
按照对未压缩的所述反色图像进行高斯模糊处理的计算量,对所述压缩后的反色图像进行高斯模糊处理,以提高所述高斯模糊图像的模糊效果值。
可选地,所述高斯模糊单元对所述压缩后的反色图像进行高斯模糊处理,包括:
通过下述二维高斯函数确定所述压缩后的反色图像中各像素点的权重矩阵,
其中,G(u,v)表示所述压缩后的反色图像中像素点(u,v)的权重值,σ表示所述二维高斯函数的方差参数;
根据所述压缩后的反色图像中各像素点的像素值和该像素点的权重值,确定所述高斯模糊图像中各像素点的像素值。
可选地,所述素描单元根据所述高斯模糊图像,生成所述初始图像对应的素描图像,包括:
对所述高斯模糊图像中的各像素点的像素值进行颜色减淡处理,得到所述高斯模糊图像中各像素点的减淡像素值;
根据所述各像素点的减淡像素值,生成所述初始图像对应的素描图像。
可选地,所述反色单元对初始图像进行反色处理,得到所述初始图像对应的反色图像,包括:
对所述初始图像进行复制,得到复制后的初始图像;
通过下述公式对所述复制后的初始图像进行反色处理,得到所述反色图像,
其中,R0、G0、B0表示所述初始图像中像素点(i,j)的RGB分量,R1、G1、B1表示所述反色图像中像素点(i,j)的RGB分量。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
通过对初始图像进行反色处理得到初始图像对应的反色图像,对反色图像进行图像压缩处理,进而对压缩处理后的反色图像进行高斯模糊处理,使得根据高斯模糊处理得到的高斯模糊图像,生成初始图像对应的素描图像,对图像压缩之后再进行高斯模糊处理,能够在同等运算条件下有效提高素描图像的图像质量,进而提高素描滤镜的用户使用体验。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种图像的素描处理方法的流程示意图;
图2为本申请实施例提供的初始图像的示意图;
图3为本申请实施例提供的初始图像对应的反色图像的示意图;
图4为本申请实施例提供的高斯模糊处理的示意图;
图5为本申请实施例提供的高斯模糊图像的示意图;
图6为本申请实施例提供的初始图像对应的素描图像的示意图;
图7为现有技术得到的素描图像和本申请实施例得到的素描图像的对比示意图;
图8为本申请实施例提供的一种电子设备的结构示意图;
图9为本申请实施例提供的一种素描滤镜的结构示意图。
具体实施方式
为了实现本申请的目的,本申请实施例提供一种图像的素描处理方法和素描滤镜,所述方法包括:通过对初始图像进行反色处理得到初始图像对应的反色图像,对反色图像进行图像压缩处理,进而对压缩处理后的反色图像进行高斯模糊处理,使得根据高斯模糊处理得到的高斯模糊图像,生成初始图像对应的素描图像,对图像压缩之后再进行高斯模糊处理,能够在同等运算条件下有效提高素描图像的图像质量,进而提高素描滤镜的用户使用体验。
下面结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
实施例1
图1为本申请实施例提供的一种图像的素描处理方法的流程示意图。所述方法可以如下所示。
步骤102:对初始图像进行反色处理,得到初始图像对应的反色图像。
本申请实施例中,初始图像可以通过下述方式确定:
获取终端设备实时拍摄得到的图像,并将该图像确定为初始图像。
为了在终端设备中实现对于用户来说实时的素描图像效果,将通过终端设备的摄像头实时拍摄得到的图像确定为初始图像,进行后续素描处理操作。
图2为本申请实施例提供的初始图像的示意图。
图2所示的初始图像为终端设备通过摄像头实时拍摄得到的图像。
需要说明的是,初始图像除了可以是终端设备中实时拍摄得到的图像之外,也可以是终端设备中预先存储的图像,还可以是终端设备从其他设备中获取得到的图像,这里不做具体限定。
本申请实施例中,对初始图像进行反色处理,得到初始图像对应的反色图像,具体包括:
对初始图像进行复制,得到复制后的初始图像;
通过下述公式对复制后的初始图像进行反色处理,得到反色图像。
其中,R0、G0、B0表示初始图像中像素点(i,j)的RGB分量,R1、G1、B1表示反色图像中像素点(i,j)的RGB分量。
反色是与原色叠加可以变成白色的颜色,例如,黑色(RGB:0,0,0)的反色是白色(RGB:255,255,255),白色(RGB:255,255,255)的反色是黑色(RGB:0,0,0),红色(RGB:255,0,0)的反色是青色(RGB:0,255,255)。
对初始图像进行反色处理得到反色图像,反色图像中的色彩对比更加强烈,边缘轮廓更加突出,能够有效提高后续得到的素描图像的图像质量。
步骤104:对反色图像进行图像压缩处理,得到压缩后的反色图像。
本申请实施例中,反色图像的分辨率为x×y,对反色图像进行图像压缩处理,得到压缩后的反色图像,包括:
对分辨率为x×y的反色图像进行图像压缩处理,得到分辨率为m×n的压缩后的反色图像,其中,m×n<x×y,且m≤x,n≤y。
例如,反色图像分辨率为1000×1000,对该反色图像进行图像压缩处理之后,得到分辨率为250×250的压缩后的反色图像。
需要说明的是,图像压缩处理可以采用有损压缩处理方式,也可以采用无损压缩处理方式,还可以采用其他压缩处理方式,这里不做具体限定。
步骤106:对压缩后的反色图像进行高斯模糊处理,得到高斯模糊图像。
具体地,按照对未压缩的反色图像进行高斯模糊处理的计算量,对压缩后的反色图像进行高斯模糊处理,以提高高斯模糊图像的模糊效果值。
实际应用中,高斯模糊处理得到的高斯模糊图像的模糊效果越高,根据该高斯模糊图像生成的素描图像的图像质量越好。
在实际应用中,在对图像进行高斯模糊处理时,计算量=图像分辨率×模糊半径×模糊效果值,其中,模糊半径表示对于图像中任一像素点均需要根据以该像素点为中心的模糊半径范围内的相邻像素点来确定高斯模糊图像中该像素点的像素值,模糊效果值表示对图像进行高斯模糊处理之后的模糊效果。
若初始图像对应的未压缩的反色图像的分辨率为1000×1000,在对该未压缩的反色图像进行高斯模糊处理时,模糊半径为20,模糊效果值为5,则对该未压缩的反色图像进行高斯模糊处理的计算量=1000×1000×20×5。
当对分辨率为1000×1000的未压缩的反色图像进行图像压缩处理得到分辨率为250×250的压缩后的反色图像之后,对该压缩后的反色图像进行高斯模糊处理时,模糊半径可以减小为10。因此,按照对未压缩的反色图像进行高斯模糊处理的计算量对压缩后的反色图像进行高斯模糊处理之后,得到的高斯模糊图像的模糊效果值可以提高为160。
对未压缩的反色图像进行图像压缩处理之后再进行高斯模糊处理,能够有效提高得到的高斯模糊图像的模糊效果值,进而能够提升根据高斯模糊图像生成的素描图像的图像质量。
本申请实施例中,若保持在对未压缩的反色图像进行高斯模糊处理过程中的模糊效果值不变,则对压缩后的反色图像进行高斯模糊处理的计算量=250×250×10×5,比对未压缩的反色图像进行高斯模糊处理的计算量降低了32倍。
对于在移动拍照类应用中对拍摄得到的图像进行素描处理的过程中,计算量的大幅度下降,能够有效缩短对图像进行素描处理的计算时间,对于用户来说,可以实现实时的素描图像显示效果,避免由于计算量较大导致的素描图像画面延时、卡顿的问题。
对未压缩的反色图像进行图像压缩处理之后再进行高斯模糊处理,能够在同等运算条件下提高素描图像的图像质量,或者,能够在得到同等图像质量的素描图像的条件下有效降低计算量。
本申请实施例中,对压缩后的反色图像进行高斯模糊处理,包括:
通过下述二维高斯函数确定压缩后的反色图像中各像素点的权重矩阵,
其中,G(u,v)表示压缩后的反色图像中像素点(u,v)的权重值,σ表示二维高斯函数的方差参数;
根据压缩后的反色图像中各像素点的像素值和该像素点的权重值,确定高斯模糊图像中各像素点的像素值。
图4为本申请实施例提供的高斯模糊处理的示意图。
在压缩后的反色图像中,假设某一像素点a的坐标为(0,0),则距离像素点a最近的8个像素点的坐标如图4中(a)所示;
预设二维高斯函数的方差参数σ=1.5,则根据二维高斯函数确定压缩后的反色图像中像素点a的权重矩阵如图4中(b)所示;
对图4中(b)所示的权重矩阵进行加权平均,得到像素点a对应的加权平均权重矩阵,如图4中(c)所示,该加权平均权重矩阵中包括9个像素点分别对应的加权平均权重值;
图4中(d)所示为像素点a以及以像素点a为中心的模糊半径范围内的9个像素点的像素值;
将图4中(d)所示的9个像素点的像素值与图4中(c)所示的9个像素点分别对应的加权平均权重值相乘,得到图4中(e)所示的像素值矩阵;
将图4中(e)所示的像素值矩阵中的9个像素点的像素值求平均值,该平均值即为高斯模糊处理得到的高斯模糊图像中像素点a的像素值。
对压缩后的反色图像中的任一像素进行上述高斯模糊处理运算,得到高斯模糊图像中任一像素点的像素值。
图5为本申请实施例提供的高斯模糊图像的示意图。
本申请实施例中,还包括:
对高斯模糊图像进行对比度调节。
得到高斯模糊图像之后,对该高斯模糊图像进行对比度调节,以提升高斯模糊图像中深色区域和浅色区域的对比度,从而有效提高根据该高斯模糊图像生成的素描图像的图像质量。
需要说明的是,对高斯模糊图像进行对比度调节的过程可以通过预设的对比度值进行调节,还可以采用其他对比度调节方式,这里不做具体限定。
步骤108:根据高斯模糊图像,生成初始图像对应的素描图像。
本申请实施例中,根据高斯模糊图像,生成初始图像对应的素描图像,包括:
对高斯模糊图像中的各像素点的像素值进行颜色减淡处理,得到高斯模糊图像中各像素点的减淡像素值;
根据各像素点的减淡像素值,生成初始图像对应的素描图像。
颜色减淡处理过程的处理模型为:
其中,A(i,j)表示初始图像中像素点(i,j)的像素值,B(i,j)表示高斯模糊图像中像素点(i,j)的像素值,C(i,j)表示颜色减淡处理之后得到的像素点(i,j)的减淡像素值。
根据各像素点的减淡像素值,生成初始图像对应的素描图像。
图6为本申请实施例提供的初始图像对应的素描图像的示意图。
图7为现有技术得到的素描图像和本申请实施例得到的素描图像的对比示意图。
如图7所示,图7中(a)为通过现有技术得到的素描图像,图7中(b)为通过本申请实施例提供的技术方案得到的素描图像,对比可以看出,本申请实施例得到的素描图像的画面细腻程度和图像层次感有明显提升。
本申请实施例中,还包括:
将初始图像对应的素描图像在终端设备中显示。
对于素描处理得到的初始图像对应的素描图像,在终端设备中显示,使得用户能够看到该素描图像。
实际应用中,终端设备实时拍摄得到的图像为彩色图像,将该彩色图像作为初始图像进行上述素描处理之后,得到的为彩色素描图像。为了得到更加接近与真实素描效果的黑白线条素描图,还可以对该彩色素描图像进行灰度转换,得到初始图像对应的黑白素描图像。
本申请实施例记载的技术方案,通过对初始图像进行反色处理得到初始图像对应的反色图像,对反色图像进行图像压缩处理,进而对压缩处理后的反色图像进行高斯模糊处理,使得根据高斯模糊处理得到的高斯模糊图像,生成初始图像对应的素描图像,对图像压缩之后再进行高斯模糊处理,能够在同等运算条件下有效提高素描图像的图像质量,进而提高素描滤镜的用户使用体验。
实施例2
图8为本申请实施例提供的一种电子设备的结构示意图。如图7所示,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成素描滤镜。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
对初始图像进行反色处理,得到初始图像对应的反色图像;
对反色图像进行图像压缩处理,得到压缩后的反色图像;
对压缩后的反色图像进行高斯模糊处理,得到高斯模糊图像;
根据高斯模糊图像,生成初始图像对应的素描图像。
上述如本申请实施例1执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1执行的方法,并实现上述实施例1的功能,本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图1所示实施例中的应用程序接口的调用方法,并具体用于执行:
对初始图像进行反色处理,得到初始图像对应的反色图像;
对反色图像进行图像压缩处理,得到压缩后的反色图像;
对压缩后的反色图像进行高斯模糊处理,得到高斯模糊图像;
根据高斯模糊图像,生成初始图像对应的素描图像。
图9为本申请实施例提供的一种素描滤镜的结构示意图。素描滤镜900包括:反色单元901、图像压缩单元902、高斯模糊单元903和素描单元904,其中:
反色单元901,用于对初始图像进行反色处理,得到初始图像对应的反色图像;
图像压缩单元902,用于对反色图像进行图像压缩处理,得到压缩后的反色图像;
高斯模糊单元903,用于对压缩后的反色图像进行高斯模糊处理,得到高斯模糊图像;
素描单元904,用于根据高斯模糊图像,生成初始图像对应的素描图像。
可选地,反色图像的分辨率为x×y,
图像压缩单元902对反色图像进行图像压缩处理,得到压缩后的反色图像,包括:
对分辨率为x×y的反色图像进行图像压缩处理,得到分辨率为m×n的压缩后的反色图像,其中,m×n<x×y,且m≤x,n≤y。
可选地,高斯模糊单元903对压缩后的反色图像进行高斯模糊处理,得到高斯模糊图像,包括:
按照对未压缩的反色图像进行高斯模糊处理的计算量,对压缩后的反色图像进行高斯模糊处理,以提高高斯模糊图像的模糊效果值。
可选地,高斯模糊单元903对压缩后的反色图像进行高斯模糊处理,包括:
通过下述二维高斯函数确定压缩后的反色图像中各像素点的权重矩阵,
其中,G(u,v)表示压缩后的反色图像中像素点(u,v)的权重值,σ表示二维高斯函数的方差参数;
根据压缩后的反色图像中各像素点的像素值和该像素点的权重值,确定高斯模糊图像中各像素点的像素值。
可选地,素描单元904根据高斯模糊图像,生成初始图像对应的素描图像,包括:
对高斯模糊图像中的各像素点的像素值进行颜色减淡处理,得到高斯模糊图像中各像素点的减淡像素值;
根据各像素点的减淡像素值,生成初始图像对应的素描图像。
可选地,反色单元901对初始图像进行反色处理,得到初始图像对应的反色图像,包括:
对初始图像进行复制,得到复制后的初始图像;
通过下述公式对复制后的初始图像进行反色处理,得到反色图像,
其中,R0、G0、B0表示初始图像中像素点(i,j)的RGB分量,R1、G1、B1表示反色图像中像素点(i,j)的RGB分量。
根据素描滤镜,反色单元对初始图像进行反色处理,得到初始图像对应的反色图像;图像压缩单元对反色图像进行图像压缩处理,得到压缩后的反色图像;高斯模糊单元对压缩后的反色图像进行高斯模糊处理,得到高斯模糊图像;素描单元根据高斯模糊图像,生成初始图像对应的素描图像,能够在同等运算条件下有效提高素描图像的图像质量,进而提高素描滤镜的用户使用体验。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (12)
1.一种图像的素描处理方法,其特征在于,包括:
对初始图像进行反色处理,得到所述初始图像对应的反色图像;
对所述反色图像进行图像压缩处理,得到压缩后的反色图像;
对所述压缩后的反色图像进行高斯模糊处理,得到高斯模糊图像;
根据所述高斯模糊图像,生成所述初始图像对应的素描图像。
2.如权利要求1所述的方法,其特征在于,所述反色图像的分辨率为x×y,对所述反色图像进行图像压缩处理,得到压缩后的反色图像,包括:
对分辨率为x×y的所述反色图像进行图像压缩处理,得到分辨率为m×n的所述压缩后的反色图像,其中,m×n<x×y,且m≤x,n≤y。
3.如权利要求1所述的方法,其特征在于,对所述压缩后的反色图像进行高斯模糊处理,得到高斯模糊图像,包括:
按照对未压缩的所述反色图像进行高斯模糊处理的计算量,对所述压缩后的反色图像进行高斯模糊处理,以提高所述高斯模糊图像的模糊效果值。
4.如权利要求3所述的方法,其特征在于,对所述压缩后的反色图像进行高斯模糊处理,包括:
通过下述二维高斯函数确定所述压缩后的反色图像中各像素点的权重矩阵,
<mrow>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<msup>
<mi>&pi;&sigma;</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<msup>
<mi>u</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>v</mi>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mn>2</mn>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
</msup>
<mo>,</mo>
</mrow>
其中,G(u,v)表示所述压缩后的反色图像中像素点(u,v)的权重值,σ表示所述二维高斯函数的方差参数;
根据所述压缩后的反色图像中各像素点的像素值和该像素点的权重值,确定所述高斯模糊图像中各像素点的像素值。
5.如权利要求4所述的方法,其特征在于,根据所述高斯模糊图像,生成所述初始图像对应的素描图像,包括:
对所述高斯模糊图像中的各像素点的像素值进行颜色减淡处理,得到所述高斯模糊图像中各像素点的减淡像素值;
根据所述各像素点的减淡像素值,生成所述初始图像对应的素描图像。
6.如权利要求1所述的方法,其特征在于,对初始图像进行反色处理,得到所述初始图像对应的反色图像,包括:
对所述初始图像进行复制,得到复制后的初始图像;
通过下述公式对所述复制后的初始图像进行反色处理,得到所述反色图像,
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>255</mn>
<mo>-</mo>
<msub>
<mi>R</mi>
<mn>0</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>G</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>255</mn>
<mo>-</mo>
<msub>
<mi>G</mi>
<mn>0</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>B</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>255</mn>
<mo>-</mo>
<msub>
<mi>B</mi>
<mn>0</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中,R0、G0、B0表示所述初始图像中像素点(i,j)的RGB分量,R1、G1、B1表示所述反色图像中像素点(i,j)的RGB分量。
7.一种素描滤镜,其特征在于,包括:反色单元、图像压缩单元、高斯模糊单元和素描单元,其中:
所述反色单元,用于对初始图像进行反色处理,得到所述初始图像对应的反色图像;
所述图像压缩单元,用于对所述反色图像进行图像压缩处理,得到压缩后的反色图像;
所述高斯模糊单元,用于对所述压缩后的反色图像进行高斯模糊处理,得到高斯模糊图像;
所述素描单元,用于根据所述高斯模糊图像,生成所述初始图像对应的素描图像。
8.如权利要求7所述的素描滤镜,其特征在于,所述反色图像的分辨率为x×y,
所述图像压缩单元对所述反色图像进行图像压缩处理,得到压缩后的反色图像,包括:
对分辨率为x×y的所述反色图像进行图像压缩处理,得到分辨率为m×n的所述压缩后的反色图像,其中,m×n<x×y,且m≤x,n≤y。
9.如权利要求7所述的素描滤镜,其特征在于,所述高斯模糊单元对所述压缩后的反色图像进行高斯模糊处理,得到高斯模糊图像,包括:
按照对未压缩的所述反色图像进行高斯模糊处理的计算量,对所述压缩后的反色图像进行高斯模糊处理,以提高所述高斯模糊图像的模糊效果值。
10.如权利要求9所述的素描滤镜,其特征在于,所述高斯模糊单元对所述压缩后的反色图像进行高斯模糊处理,包括:
通过下述二维高斯函数确定所述压缩后的反色图像中各像素点的权重矩阵,
<mrow>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<msup>
<mi>&pi;&sigma;</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<msup>
<mi>u</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>v</mi>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mn>2</mn>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
</msup>
<mo>,</mo>
</mrow>
其中,G(u,v)表示所述压缩后的反色图像中像素点(u,v)的权重值,σ表示所述二维高斯函数的方差参数;
根据所述压缩后的反色图像中各像素点的像素值和该像素点的权重值,确定所述高斯模糊图像中各像素点的像素值。
11.如权利要求10所述的素描滤镜,其特征在于,所述素描单元根据所述高斯模糊图像,生成所述初始图像对应的素描图像,包括:
对所述高斯模糊图像中的各像素点的像素值进行颜色减淡处理,得到所述高斯模糊图像中各像素点的减淡像素值;
根据所述各像素点的减淡像素值,生成所述初始图像对应的素描图像。
12.如权利要求7所述的素描滤镜,其特征在于,所述反色单元对初始图像进行反色处理,得到所述初始图像对应的反色图像,包括:
对所述初始图像进行复制,得到复制后的初始图像;
通过下述公式对所述复制后的初始图像进行反色处理,得到所述反色图像,
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>255</mn>
<mo>-</mo>
<msub>
<mi>R</mi>
<mn>0</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>G</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>255</mn>
<mo>-</mo>
<msub>
<mi>G</mi>
<mn>0</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>B</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>255</mn>
<mo>-</mo>
<msub>
<mi>B</mi>
<mn>0</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中,R0、G0、B0表示所述初始图像中像素点(i,j)的RGB分量,R1、G1、B1表示所述反色图像中像素点(i,j)的RGB分量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710937978.4A CN107749045A (zh) | 2017-09-21 | 2017-09-21 | 一种图像的素描处理方法和素描滤镜 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710937978.4A CN107749045A (zh) | 2017-09-21 | 2017-09-21 | 一种图像的素描处理方法和素描滤镜 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107749045A true CN107749045A (zh) | 2018-03-02 |
Family
ID=61255558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710937978.4A Pending CN107749045A (zh) | 2017-09-21 | 2017-09-21 | 一种图像的素描处理方法和素描滤镜 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107749045A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462158A (zh) * | 2020-03-31 | 2020-07-28 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置及智能设备、存储介质 |
CN112785512A (zh) * | 2020-06-30 | 2021-05-11 | 青岛经济技术开发区海尔热水器有限公司 | 一种高斯模糊图像处理的优化算法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006185017A (ja) * | 2004-12-27 | 2006-07-13 | Seiko Epson Corp | 画像処理装置、画像処理プログラム及び画像処理方法 |
CN101540055A (zh) * | 2009-04-13 | 2009-09-23 | 浙江大学 | 面向在线实时应用的卡通风格化方法 |
CN102332170A (zh) * | 2011-07-26 | 2012-01-25 | 深圳市万兴软件有限公司 | 一种计算机素描画的生成方法和系统 |
CN103021002A (zh) * | 2011-09-27 | 2013-04-03 | 康佳集团股份有限公司 | 彩色素描图像生成方法 |
CN106339983A (zh) * | 2016-08-17 | 2017-01-18 | 乐视控股(北京)有限公司 | 一种利用高斯模糊实现模糊动画的方法及装置 |
-
2017
- 2017-09-21 CN CN201710937978.4A patent/CN107749045A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006185017A (ja) * | 2004-12-27 | 2006-07-13 | Seiko Epson Corp | 画像処理装置、画像処理プログラム及び画像処理方法 |
CN101540055A (zh) * | 2009-04-13 | 2009-09-23 | 浙江大学 | 面向在线实时应用的卡通风格化方法 |
CN102332170A (zh) * | 2011-07-26 | 2012-01-25 | 深圳市万兴软件有限公司 | 一种计算机素描画的生成方法和系统 |
CN103021002A (zh) * | 2011-09-27 | 2013-04-03 | 康佳集团股份有限公司 | 彩色素描图像生成方法 |
CN106339983A (zh) * | 2016-08-17 | 2017-01-18 | 乐视控股(北京)有限公司 | 一种利用高斯模糊实现模糊动画的方法及装置 |
Non-Patent Citations (1)
Title |
---|
冯捷 等: "基于灰度合成的图像素描效果生成算法", 《浙江工业大学学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462158A (zh) * | 2020-03-31 | 2020-07-28 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置及智能设备、存储介质 |
CN111462158B (zh) * | 2020-03-31 | 2024-03-19 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置及智能设备、存储介质 |
CN112785512A (zh) * | 2020-06-30 | 2021-05-11 | 青岛经济技术开发区海尔热水器有限公司 | 一种高斯模糊图像处理的优化算法 |
CN112785512B (zh) * | 2020-06-30 | 2023-05-12 | 青岛经济技术开发区海尔热水器有限公司 | 一种高斯模糊图像处理的优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gharbi et al. | Deep bilateral learning for real-time image enhancement | |
US10430913B2 (en) | Approximating image processing functions using convolutional neural networks | |
US20200160493A1 (en) | Image filtering based on image gradients | |
CN107590522A (zh) | 一种识别码生成及识别的方法及装置 | |
CN110660037A (zh) | 图像间脸部交换的方法、装置、系统和计算机程序产品 | |
WO2018072102A1 (zh) | 一种人脸图像中眼镜去除方法及装置 | |
CN105306788B (zh) | 一种拍照图像的降噪方法和装置 | |
US11790499B2 (en) | Certificate image extraction method and terminal device | |
CN104574306A (zh) | 一种即时视频中的人脸美化方法和电子设备 | |
JP2005202562A (ja) | 画像処理方法、画像処理装置及び画像処理プログラム | |
CN105243371A (zh) | 一种人脸美颜程度的检测方法、系统及拍摄终端 | |
CN102693527A (zh) | 用于对图像执行模糊渲染处理的方法和装置 | |
CN107767380A (zh) | 一种基于全局空洞卷积的高分辨率复合视野皮肤镜图像分割方法 | |
CN104866755B (zh) | 应用程序解锁界面背景图片的设置方法、装置及电子设备 | |
Parihar et al. | Fusion‐based simultaneous estimation of reflectance and illumination for low‐light image enhancement | |
Liu et al. | A motion deblur method based on multi-scale high frequency residual image learning | |
CN107025480A (zh) | 图像生成方法及其设备 | |
CN110047122A (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN107749045A (zh) | 一种图像的素描处理方法和素描滤镜 | |
CN110288560A (zh) | 一种图像模糊检测方法及装置 | |
WO2022166907A1 (zh) | 图像处理方法、装置、设备及可读存储介质 | |
CN107613046A (zh) | 滤镜管道系统、图像数据处理方法、装置以及电子设备 | |
CN107578375A (zh) | 图像处理方法及装置 | |
CN107204024A (zh) | 处理图片序列帧的方法及装置 | |
CN109615620A (zh) | 图像压缩度识别方法、装置、设备及计算机可读存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180302 |