CN107809583A - 拍照处理方法、移动终端及计算机可读存储介质 - Google Patents
拍照处理方法、移动终端及计算机可读存储介质 Download PDFInfo
- Publication number
- CN107809583A CN107809583A CN201711017608.5A CN201711017608A CN107809583A CN 107809583 A CN107809583 A CN 107809583A CN 201711017608 A CN201711017608 A CN 201711017608A CN 107809583 A CN107809583 A CN 107809583A
- Authority
- CN
- China
- Prior art keywords
- pixel
- picture
- confidence level
- initial
- mrow
- 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 29
- 238000012545 processing Methods 0.000 claims abstract description 71
- 230000037452 priming Effects 0.000 claims abstract description 52
- 230000004927 fusion Effects 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims description 47
- 238000004040 coloring Methods 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 230000006854 communication Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 230000007704 transition Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000009527 percussion Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000000007 visual 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
- H04N23/80—Camera processing pipelines; Components thereof
-
- 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 by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/73—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
Abstract
本发明公开了一种拍照处理方法,包括:当接收到拍摄指令时,通过摄像头连续采集若干帧图片,形成图片集;基于初始纹理信息置信度和初始颜色信息置信度,对该若干帧图片进行迭代运算,得到最终纹理信息置信度和最终颜色信息置信度;选取图片集中清晰度最高的一帧图片作为目标处理图片,基于最终纹理信息置信度和最终颜色信息置信度,计算目标处理图片中每个像素点的置信融合差异度;根据该置信融合差异度将目标处理图片划分为前景区域和非前景区域;对前景区域进行锐化处理,对非前景区域进行虚化处理,得到最终拍摄图片。本发明还公开了一种移动终端和一种计算机可读存储介质。本发明能够提升拍照效果,从而提升用户的拍照体验。
Description
技术领域
本发明涉及移动终端技术领域,尤其涉及拍照处理方法、移动终端及计算机可读存储介质。
背景技术
拍照功能是目前智能手机、平板电脑等移动终端普遍具备的功能。为了提升用户的拍照体验,如何提升移动终端的拍照效果成为了目前终端厂商普遍关注的问题。一般来说,用户在拍照过程中,往往希望将拍摄主体拍摄清楚,而忽略主体的背景因素,以获得好的拍照效果,然而,现有的终端拍照往往不具备区分照片前景和后景的能力,而只能通过后期处理软件对拍摄图片进行后期处理,如此导致用户体验不高。
发明内容
本发明的主要目的在于提出一种拍照处理方法、移动终端及计算机可读存储介质,旨在提升拍照效果,从而提升用户的拍照体验。
为实现上述目的,本发明提供一种拍照处理方法,所述拍照处理方法包括如下步骤:
当接收到拍摄指令时,通过摄像头连续采集若干帧图片,形成图片集;
基于预设的迭代算法、初始纹理信息置信度和初始颜色信息置信度,对所述若干帧图片进行迭代运算,得到最终纹理信息置信度和最终颜色信息置信度;
选取所述图片集中清晰度最高的一帧图片作为目标处理图片,基于预设的置信融合算法、所述最终纹理信息置信度和所述最终颜色信息置信度,计算所述目标处理图片中每个像素点的置信融合差异度;
根据所述目标处理图片中每个像素点的置信融合差异度将所述目标处理图片划分为前景区域和非前景区域;
对所述前景区域进行锐化处理,对所述非前景区域进行虚化处理,得到最终拍摄图片。
可选地,所述基于预设的迭代算法、初始纹理信息置信度和初始颜色信息置信度,对所述若干帧图片进行迭代运算,得到最终纹理信息置信度和最终颜色信息置信度的步骤包括:
选取所述图片集中的任意一帧图片作为初始图片,基于预设的信息编码算法计算所述初始图片中每个像素点的纹理信息编码和颜色信息编码;
根据所述纹理信息编码和所述颜色信息编码计算所述初始图片中每个像素点的纹理差异度和颜色差异度,并结合预设的初始纹理信息置信度和初始颜色信息置信度计算对应的置信融合差异度;
根据所述置信融合差异度将所述初始图片中的像素点划分为前景像素点和背景像素点;
根据所述前景像素点和所述背景像素点的纹理差异度和颜色差异度调整所述初始纹理信息置信度和所述初始颜色信息置信度;
基于调整后的所述初始纹理信息置信度和所述初始颜色信息置信度对所述图片集中的剩余图片进行迭代运算,以对调整后的所述初始纹理信息置信度和所述初始颜色信息置信度不断进行修正,直至得到最终纹理信息置信度和最终颜色信息置信度。
可选地,所述基于预设的信息编码算法计算所述初始图片中每个像素点的纹理信息编码和颜色信息编码的步骤包括:
获取所述初始图片中每个像素点的灰度值,按照预设的灰度变化参数计算与所述灰度值对应的灰度变化范围;
对于所述初始图片中的每个像素点,根据所述灰度变化范围对其K阶邻域像素点进行编码,得到由K2-1个编码组成的编码序列,将所述编码序列作为所述初始图片中每个像素点对应的纹理信息编码;
同时,对于所述初始图片中的每个像素点,从其N阶邻域内随机抽选M个样本像素点,其中M为预设值且M≦N2-1,获取所述M个样本像素点中每个像素点的颜色分量值,得到由M个颜色分量值组成的颜色分量序列,将所述颜色分量序列作为所述初始图片中每个像素点对应的颜色信息编码。
可选地,所述根据所述纹理信息编码和所述颜色信息编码计算所述初始图片中每个像素点的纹理差异度和颜色差异度,并结合预设的初始纹理信息置信度和初始颜色信息置信度计算对应的置信融合差异度的步骤包括:
对于所述初始图片中的任一像素点x,计算像素点x的与像素点x的K阶邻域像素点之间的纹理信息编码差异度P(x):
P(x)={P1(x),P2(x),…,Pi(x),…,PK 2 -1(x)},
其中,Pi(x)=s(x)⊕si,s(x)为像素点x的纹理信息编码,si为像素点x的N阶邻域像素点中第i个像素点的纹理信息编码;
计算中间变量C(x):
C(x)={C1(x),C2(x),…,Ci(x),…,CK 2 -1(x)},
其中,Oi(x)为Pi(x)中1的个数,Rs为预设值;
对C(x)中的所有元素求取平均值,得到像素点x的纹理差异度,记为ds(x);
同时,对于所述初始图片中的任一像素点x,设像素点x的颜色信息编码为v(x)={v1,v2,…,vi…,vM},其中vi为第i个颜色分量值;
获取以像素点x为圆心的预设R半径邻域内的像素点的集合,并获取所述集合中每个像素点的颜色分量值,得到对应的颜色分量序列,记为SR(x);
计算当前像素点x的纹理差异度dv(x):
dv(x)=1-P/M,
其中,P为SR(x)和v(x)交集中的元素个数;
计算置信融合差异度D(x):
D(x)=ds(x)*μS+dv(x)*μv,
其中,μS为预设的初始纹理信息置信度,μv为预设的初始颜色信息置信度。
可选地,所述根据所述置信融合差异度将所述初始图片中的像素点划分为前景像素点和背景像素点的步骤包括:
将所述初始图片中的每个像素点对应的置信融合差异度分别与第一预设阈值进行比较;
将置信融合差异度大于或等于所述第一预设阈值的像素点划分为前景像素点,将置信融合差异度小于所述第一预设阈值的像素点划分为背景像素点。
可选地,所述根据所述前景像素点和所述背景像素点的纹理差异度和颜色差异度调整所述初始纹理信息置信度和所述初始颜色信息置信度的步骤包括:
求取所述前景像素点的纹理差异度平均值和颜色差异度平均值,同时求取所述背景像素点的纹理差异度平均值和颜色差异度平均值;
计算所述前景像素点的纹理差异度平均值与所述背景像素点的纹理差异度平均值的差值,得到第一计算结果;计算所述前景像素点的颜色差异度平均值与所述背景像素点的颜色差异度平均值的差值,得到第二计算结果;
将所述第一计算结果和所述第二计算结果进行比较;
若所述第一计算结果大于所述第二计算结果,则增大所述初始纹理信息置信度并减小所述初始颜色信息置信度;
若所述第一计算结果小于所述第二计算结果,则增大所述初始颜色信息置信度并减小所述初始纹理信息置信度;
若所述第一计算结果等于所述第二计算结果,则保持所述初始颜色信息置信度和所述初始纹理信息置信度不变。
可选地,所述根据所述目标处理图片中每个像素点的置信融合差异度将所述目标处理图片划分为前景区域和非前景区域的步骤包括:
将所述目标处理图片中的每个像素点对应的置信融合差异度分别与第二预设阈值进行比较;
将置信融合差异度大于或等于所述第二预设阈值的像素点划分为前景像素点,将置信融合差异度小于所述第二预设阈值的像素点划分为非前景像素点;
将所述前景像素点组成的区域作为所述目标处理图片的前景区域,将所述非前景像素点组成的区域作为所述目标处理图片的非前景区域。
可选地,所述非前景区域包括过渡区域和背景区域,所述对所述非前景区域进行虚化处理的步骤包括:
对所述过渡区域和所述背景区域进行不同程度的虚化处理,所述过渡区域的虚化程度小于所述背景区域的虚化程度。
此外,为实现上述目的,本发明还提供一种移动终端,所述移动终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的拍照处理程序,所述拍照处理程序被所述处理器执行时实现如上所述的拍照处理方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有拍照处理程序,所述拍照处理程序被处理器执行时实现如上所述的拍照处理方法的步骤。
本发明通过对像素点的纹理信息和颜色信息采用置信融合的方式,对多帧图片进行迭代运算,进而在迭代运算过程中对置信度参数进行调整并最终识别出图片的前景区域和非前景区域,保证了识别结果的准确性;根据该识别结果对图片进行锐化和虚化处理,能够提升拍照效果,提升用户的拍照体验。
附图说明
图1为实现本发明各个实施例的一种移动终端的硬件结构示意图;
图2为本发明实施例提供的一种通信网络系统架构图;
图3为本发明拍照处理方法第一实施例的流程示意图;
图4为图3中步骤S40的细化步骤示意图;
图5为图3中步骤S20的细化步骤示意图;
图6为本发明实施例中像素点的纹理信息编码示意图;
图7为本发明实施例中像素点的颜色信息编码示意图;
图8为图5中步骤S23的细化步骤示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
终端可以以各种形式来实施。例如,本发明中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant,PDA)、便捷式媒体播放器(Portable Media Player,PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端,以及诸如数字TV、台式计算机等固定终端。
后续描述中将以移动终端为例进行说明,本领域技术人员将理解的是,除了特别用于移动目的的元件之外,根据本发明的实施方式的构造也能够应用于固定类型的终端。
请参阅图1,其为实现本发明各个实施例的一种移动终端的硬件结构示意图,该移动终端100可以包括:RF(Radio Frequency,射频)单元101、WiFi模块102、音频输出单元103、A/V(音频/视频)输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解,图1中示出的移动终端结构并不构成对移动终端的限定,移动终端可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图1对移动终端的各个部件进行具体的介绍:
射频单元101可用于收发信息或通话过程中,信号的接收和发送,具体的,将基站的下行信息接收后,给处理器110处理;另外,将上行的数据发送给基站。通常,射频单元101包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外,射频单元101还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于GSM(Global System of Mobile communication,全球移动通讯系统)、GPRS(General Packet Radio Service,通用分组无线服务)、CDMA2000(CodeDivision Multiple Access 2000,码分多址2000)、WCDMA(Wideband Code DivisionMultiple Access,宽带码分多址)、TD-SCDMA(Time Division-Synchronous CodeDivision Multiple Access,时分同步码分多址)、FDD-LTE(Frequency DivisionDuplexing-Long Term Evolution,频分双工长期演进)和TDD-LTE(Time DivisionDuplexing-Long Term Evolution,分时双工长期演进)等。
WiFi属于短距离无线传输技术,移动终端通过WiFi模块102可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图1示出了WiFi模块102,但是可以理解的是,其并不属于移动终端的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
音频输出单元103可以在移动终端100处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时,将射频单元101或WiFi模块102接收的或者在存储器109中存储的音频数据转换成音频信号并且输出为声音。而且,音频输出单元103还可以提供与移动终端100执行的特定功能相关的音频输出(例如,呼叫信号接收声音、消息接收声音等等)。音频输出单元103可以包括扬声器、蜂鸣器等等。
A/V输入单元104用于接收音频或视频信号。A/V输入单元104可以包括图形处理器(Graphics Processing Unit,GPU)1041和麦克风1042,图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元106上。经图形处理器1041处理后的图像帧可以存储在存储器109(或其它存储介质)中或者经由射频单元101或WiFi模块102进行发送。麦克风1042可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风1042接收声音(音频数据),并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由射频单元101发送到移动通信基站的格式输出。麦克风1042可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。
移动终端100还包括至少一种传感器105,比如光传感器、运动传感器以及其他传感器。具体地,光传感器包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板1061的亮度,接近传感器可在移动终端100移动到耳边时,关闭显示面板1061和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于手机还可配置的指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1061。
用户输入单元107可用于接收输入的数字或字符信息,以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地,用户输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1071上或在触控面板1071附近的操作),并根据预先设定的程式驱动相应的连接装置。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器110,并能接收处理器110发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1071。除了触控面板1071,用户输入单元107还可以包括其他输入设备1072。具体地,其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种,具体此处不做限定。
进一步的,触控面板1071可覆盖显示面板1061,当触控面板1071检测到在其上或附近的触摸操作后,传送给处理器110以确定触摸事件的类型,随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图1中,触控面板1071与显示面板1061是作为两个独立的部件来实现移动终端的输入和输出功能,但是在某些实施例中,可以将触控面板1071与显示面板1061集成而实现移动终端的输入和输出功能,具体此处不做限定。
接口单元108用作至少一个外部装置与移动终端100连接可以通过的接口。例如,外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元108可以用于接收来自外部装置的输入(例如,数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端100和外部装置之间传输数据。
存储器109可用于存储软件程序以及各种数据。存储器109可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器109可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器110是移动终端的控制中心,利用各种接口和线路连接整个移动终端的各个部分,通过运行或执行存储在存储器109内的软件程序和/或模块,以及调用存储在存储器109内的数据,执行移动终端的各种功能和处理数据,从而对移动终端进行整体监控。处理器110可包括一个或多个处理单元;优选的,处理器110可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器110中。
移动终端100还可以包括给各个部件供电的电源111(比如电池),优选的,电源111可以通过电源管理系统与处理器110逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管图1未示出,移动终端100还可以包括蓝牙模块等,在此不再赘述。
基于上述移动终端硬件结构,提出本发明移动终端的各个实施例。
请参照图1,在本发明移动终端的一实施例中,该移动终端包括:存储器109、处理器110和存储在所述存储器109上并可在所述处理器110上运行的拍照处理程序,所述拍照处理程序被所述处理器110执行时实现以下步骤:
当接收到拍摄指令时,通过摄像头连续采集若干帧图片,形成图片集;
基于预设的迭代算法、初始纹理信息置信度和初始颜色信息置信度,对所述若干帧图片进行迭代运算,得到最终纹理信息置信度和最终颜色信息置信度;
选取所述图片集中清晰度最高的一帧图片作为目标处理图片,基于预设的置信融合算法、所述最终纹理信息置信度和所述最终颜色信息置信度,计算所述目标处理图片中每个像素点的置信融合差异度;
根据所述目标处理图片中每个像素点的置信融合差异度将所述目标处理图片划分为前景区域和非前景区域;
对所述前景区域进行锐化处理,对所述非前景区域进行虚化处理,得到最终拍摄图片。
进一步地,所述拍照处理程序被所述处理器110执行时还实现以下步骤:
选取所述图片集中的任意一帧图片作为初始图片,基于预设的信息编码算法计算所述初始图片中每个像素点的纹理信息编码和颜色信息编码;
根据所述纹理信息编码和所述颜色信息编码计算所述初始图片中每个像素点的纹理差异度和颜色差异度,并结合预设的初始纹理信息置信度和初始颜色信息置信度计算对应的置信融合差异度;
根据所述置信融合差异度将所述初始图片中的像素点划分为前景像素点和背景像素点;
根据所述前景像素点和所述背景像素点的纹理差异度和颜色差异度调整所述初始纹理信息置信度和所述初始颜色信息置信度;
基于调整后的所述初始纹理信息置信度和所述初始颜色信息置信度对所述图片集中的剩余图片进行迭代运算,以对调整后的所述初始纹理信息置信度和所述初始颜色信息置信度不断进行修正,直至得到最终纹理信息置信度和最终颜色信息置信度。
进一步地,所述拍照处理程序被所述处理器110执行时还实现以下步骤:
获取所述初始图片中每个像素点的灰度值,按照预设的灰度变化参数计算与所述灰度值对应的灰度变化范围;
对于所述初始图片中的每个像素点,根据所述灰度变化范围对其K阶邻域像素点进行编码,得到由K2-1个编码组成的编码序列,将所述编码序列作为所述初始图片中每个像素点对应的纹理信息编码;
同时,对于所述初始图片中的每个像素点,从其N阶邻域内随机抽选M个样本像素点,其中M为预设值且M≦N2-1,获取所述M个样本像素点中每个像素点的颜色分量值,得到由M个颜色分量值组成的颜色分量序列,将所述颜色分量序列作为所述初始图片中每个像素点对应的颜色信息编码。
进一步地,所述拍照处理程序被所述处理器110执行时还实现以下步骤:
对于所述初始图片中的任一像素点x,计算像素点x的与像素点x的K阶邻域像素点之间的纹理信息编码差异度P(x):
P(x)={P1(x),P2(x),…,Pi(x),…,PK 2 -1(x)},
其中,Pi(x)=s(x)⊕si,s(x)为像素点x的纹理信息编码,si为像素点x的N阶邻域像素点中第i个像素点的纹理信息编码;
计算中间变量C(x):
C(x)={C1(x),C2(x),…,Ci(x),…,CK 2 -1(x)},
其中,Oi(x)为Pi(x)中1的个数,Rs为预设值;
对C(x)中的所有元素求取平均值,得到像素点x的纹理差异度,记为ds(x);
同时,对于所述初始图片中的任一像素点x,设像素点x的颜色信息编码为v(x)={v1,v2,…,vi…,vM},其中vi为第i个颜色分量值;
获取以像素点x为圆心的预设R半径邻域内的像素点的集合,并获取所述集合中每个像素点的颜色分量值,得到对应的颜色分量序列,记为SR(x);
计算当前像素点x的纹理差异度dv(x):
dv(x)=1-P/M,
其中,P为SR(x)和v(x)交集中的元素个数;
计算置信融合差异度D(x):
D(x)=ds(x)*μS+dv(x)*μv,
其中,μS为预设的初始纹理信息置信度,μv为预设的初始颜色信息置信度。
进一步地,所述拍照处理程序被所述处理器110执行时还实现以下步骤:
将所述初始图片中的每个像素点对应的置信融合差异度分别与第一预设阈值进行比较;
将置信融合差异度大于或等于所述第一预设阈值的像素点划分为前景像素点,将置信融合差异度小于所述第一预设阈值的像素点划分为背景像素点。
进一步地,所述拍照处理程序被所述处理器110执行时还实现以下步骤:
求取所述前景像素点的纹理差异度平均值和颜色差异度平均值,同时求取所述背景像素点的纹理差异度平均值和颜色差异度平均值;
计算所述前景像素点的纹理差异度平均值与所述背景像素点的纹理差异度平均值的差值,得到第一计算结果;计算所述前景像素点的颜色差异度平均值与所述背景像素点的颜色差异度平均值的差值,得到第二计算结果;
将所述第一计算结果和所述第二计算结果进行比较;
若所述第一计算结果大于所述第二计算结果,则增大所述初始纹理信息置信度并减小所述初始颜色信息置信度;
若所述第一计算结果小于所述第二计算结果,则增大所述初始颜色信息置信度并减小所述初始纹理信息置信度;
若所述第一计算结果等于所述第二计算结果,则保持所述初始颜色信息置信度和所述初始纹理信息置信度不变。
进一步地,所述拍照处理程序被所述处理器110执行时还实现以下步骤:
将所述目标处理图片中的每个像素点对应的置信融合差异度分别与第二预设阈值进行比较;
将置信融合差异度大于或等于所述第二预设阈值的像素点划分为前景像素点,将置信融合差异度小于所述第二预设阈值的像素点划分为非前景像素点;
将所述前景像素点组成的区域作为所述目标处理图片的前景区域,将所述非前景像素点组成的区域作为所述目标处理图片的非前景区域。
进一步地,所述非前景区域包括过渡区域和背景区域,所述拍照处理程序被所述处理器110执行时还实现以下步骤:
对所述过渡区域和所述背景区域进行不同程度的虚化处理,所述过渡区域的虚化程度小于所述背景区域的虚化程度。
本发明移动终端的具体实施例与下述拍照处理方法的各具体实施例基本相同,在此不作赘述。
为了便于理解本发明实施例,下面对本发明的移动终端所基于的通信网络系统进行描述。
请参阅图2,图2为本发明实施例提供的一种通信网络系统架构图,该通信网络系统为通用移动通信技术的LTE系统,该LTE系统包括依次通讯连接的UE(User Equipment,用户设备)201,E-UTRAN(Evolved UMTS Terrestrial Radio Access Network,演进式UMTS陆地无线接入网)202,EPC(Evolved Packet Core,演进式分组核心网)203和运营商的IP业务204。
具体地,UE201可以是上述终端100,此处不再赘述。
E-UTRAN202包括eNodeB2021和其它eNodeB2022等。其中,eNodeB2021可以通过回程(backhaul)(例如X2接口)与其它eNodeB2022连接,eNodeB2021连接到EPC203,eNodeB2021可以提供UE201到EPC203的接入。
EPC203可以包括MME(Mobility Management Entity,移动性管理实体)2031,HSS(Home Subscriber Server,归属用户服务器)2032,其它MME2033,SGW(Serving Gate Way,服务网关)2034,PGW(PDN Gate Way,分组数据网络网关)2035和PCRF(Policy andCharging Rules Function,政策和资费功能实体)2036等。其中,MME2031是处理UE201和EPC203之间信令的控制节点,提供承载和连接管理。HSS2032用于提供一些寄存器来管理诸如归属位置寄存器(图中未示)之类的功能,并且保存有一些有关服务特征、数据速率等用户专用的信息。所有用户数据都可以通过SGW2034进行发送,PGW2035可以提供UE 201的IP地址分配以及其它功能,PCRF2036是业务数据流和IP承载资源的策略与计费控制策略决策点,它为策略与计费执行功能单元(图中未示)选择及提供可用的策略和计费控制决策。
IP业务204可以包括因特网、内联网、IMS(IP Multimedia Subsystem,IP多媒体子系统)或其它IP业务等。
虽然上述以LTE系统为例进行了介绍,但本领域技术人员应当知晓,本发明不仅仅适用于LTE系统,也可以适用于其他无线通信系统,例如GSM、CDMA2000、WCDMA、TD-SCDMA以及未来新的网络系统等,此处不做限定。
基于上述移动终端硬件结构以及通信网络系统,提出本发明拍照处理方法各个实施例。
本发明提供一种拍照处理方法。
参照图3,图3为本发明拍照处理方法第一实施例的流程示意图,所述方法包括:
步骤S10,当接收到拍摄指令时,通过摄像头连续采集若干帧图片,形成图片集;
本实施例拍照处理方法应用于移动终端,该移动终端包括一摄像头。在用户使用终端设备进行取景拍摄的过程中,在既定时间范围内,移动终端通过摄像头连续拍摄N帧图片,形成图片集P={P1,P2,P3,…,PN}。
步骤S20,基于预设的迭代算法、初始纹理信息置信度和初始颜色信息置信度,对所述若干帧图片进行迭代运算,得到最终纹理信息置信度和最终颜色信息置信度;
在得到图片集后,移动终端根据预设的迭代算法、初始纹理信息置信度和初始颜色信息置信度,对图片集中的图片进行迭代运算,以使初始纹理信息置信度和所述初始颜色信息置信度在迭代运算过程中被不断修正,直至得到最终纹理信息置信度和最终颜色信息置信度。比如,移动终端可以首先根据初始纹理信息置信度和初始颜色信息置信度对图片P1进行运算,然后根据运算结果修正初始纹理信息置信度和初始颜色信息置信度,之后,根据该修正后的初始纹理信息置信度和初始颜色信息置信度对图片P2进行运算,然后根据运算结果对纹理信息置信度和颜色信息置信度进行进一步修正,然后再将该修正结果代入下一帧图片的运算过程中,依此类推,直至图片集中的所有图片运算完成,得到最终的纹理信息置信度和颜色信息置信度。
步骤S30,选取所述图片集中清晰度最高的一帧图片作为目标处理图片,基于预设的置信融合算法、所述最终纹理信息置信度和所述最终颜色信息置信度,计算所述目标处理图片中每个像素点的置信融合差异度;
由于光线变化、拍摄抖动等原因,图片集中的每帧图片清晰度可能不一致,为保证拍照效果最佳,移动终端可以从图片集中选取清晰度最高的一帧图片作为目标处理图片,其中识别清晰度的算法可参照现有技术,此处不作赘述;然后,移动终端基于预设的置信融合算法、最终纹理信息置信度和最终颜色信息置信度,计算该目标处理图片中每个像素点的置信融合差异度,并将其作为目标处理图片的背景信息模型。
步骤S40,根据所述目标处理图片中每个像素点的置信融合差异度将所述目标处理图片划分为前景区域和非前景区域;
之后,移动终端根据背景信息模型对目标处理图片中的像素点进行分类,进而根据分类结果将该目标处理图片划分为前景区域和非前景区域。
作为一种分类方式,参照图4,图4为图3中步骤S40的细化步骤示意图,步骤S40可以包括:
步骤S41,将所述目标处理图片中的每个像素点对应的置信融合差异度分别与第二预设阈值进行比较;
步骤S42,将置信融合差异度大于或等于所述第二预设阈值的像素点划分为前景像素点,将置信融合差异度小于所述第二预设阈值的像素点划分为非前景像素点;
步骤S43,将所述前景像素点组成的区域作为所述目标处理图片的前景区域,将所述非前景像素点组成的区域作为所述目标处理图片的非前景区域。
比如,对于目标处理图片中的某一像素点,其置信融合差异度为w,第二预设阈值为w2,若w≥w2,则该像素点为前景像素点,若w<w2,则该像素点为非前景像素点,然后将前景像素点组成的区域作为目标处理图片的前景区域,将非前景像素点组成的区域作为目标处理图片的非前景区域。
作为另一种分类方式,上述非前景像素点还可以分为过渡像素点和背景像素点,此时可以设置一判定区间[s1,s2],若w<s1,则该像素点为背景像素点,若s1≤w<s2,则该像素点为过渡像素点,若w≥s2,则该像素点为前景像素点,然后将前景像素点组成的区域作为目标处理图片的前景区域,将过渡像素点组成的区域作为目标处理图片的过渡区域,将背景像素点组成的区域作为目标处理图片的背景区域。
需要说明的是,在根据像素点分类对图片进行区域划分的过程中,还可以基于K-邻近算法进行噪声处理,以进一步提高区域划分的准确度,该噪声处理包括:对于任一像素点,取其K半径邻域内的所有像素点,并获取其像素点分类,依据K近邻原则对当前像素点分类进行校验,取当前像素点分类为其K近邻分类。
步骤S50,对所述前景区域进行锐化处理,对所述非前景区域进行虚化处理,得到最终拍摄图片。
之后,移动终端对划分的前景区域进行锐化处理,对非前景区域进行虚化处理,即得到最终拍摄图片,其中针对不同的区域进行锐化处理和虚化处理可参照现有技术,此处不作赘述。
进一步地,根据上述像素点分类方式,非前景区域还可以包括过渡区域和背景区域,此时,所述对所述非前景区域进行虚化处理的步骤可以包括:对所述过渡区域和所述背景区域进行不同程度的虚化处理,所述过渡区域的虚化程度小于所述背景区域的虚化程度,由此可以保证图片过渡自然,拍摄效果更好。
在本实施例中,通过对像素点的纹理信息和颜色信息采用置信融合的方式,对多帧图片进行迭代运算,进而在迭代运算过程中对置信度参数进行调整并最终识别出图片的前景区域和非前景区域,保证了识别结果的准确性;根据该识别结果对图片进行锐化和虚化处理,能够提升拍照效果,提升用户的拍照体验。
进一步地,基于本发明拍照处理方法第一实施例,提出本发明拍照处理方法第二实施例。参照图5,图5为图3中步骤S20的细化步骤示意图。基于上述图3所示的实施例,本实施例中步骤S20可以包括:
步骤S21,选取所述图片集中的任意一帧图片作为初始图片,基于预设的信息编码算法计算所述初始图片中每个像素点的纹理信息编码和颜色信息编码;
步骤S22,根据所述纹理信息编码和所述颜色信息编码计算所述初始图片中每个像素点的纹理差异度和颜色差异度,并结合预设的初始纹理信息置信度和初始颜色信息置信度计算对应的置信融合差异度;
步骤S23,根据所述置信融合差异度将所述初始图片中的像素点划分为前景像素点和背景像素点;
步骤S24,根据所述前景像素点和所述背景像素点的纹理差异度和颜色差异度调整所述初始纹理信息置信度和所述初始颜色信息置信度;
步骤S25,基于调整后的所述初始纹理信息置信度和所述初始颜色信息置信度对所述图片集中的剩余图片进行迭代运算,以对调整后的所述初始纹理信息置信度和所述初始颜色信息置信度不断进行修正,直至得到最终纹理信息置信度和最终颜色信息置信度。
在本实施例中,移动终端基于迭代算法调整纹理信息置信度和颜色信息置信度的方式为:首先,从图片集中选取任意一帧图片作为初始图片,根据预设的信息编码算法计算该初始图片中每个像素点的纹理信息编码和颜色信息编码,该纹理信息编码表用于表示每个像素点的背景纹理信息,该颜色信息编码用于表示每个像素点的背景颜色信息;然后,根据计算得到的纹理信息编码和颜色信息编码计算初始图片中每个像素点的纹理差异度和颜色差异度,并结合预设的初始纹理信息置信度和初始颜色信息置信度计算每个像素点对应的置信融合差异度;之后,根据该置信融合差异度将初始图片中的像素点划分为前景像素点和背景像素点,并根据前景像素点和所述背景像素点的纹理差异度和颜色差异度调整初始纹理信息置信度和所述初始颜色信息置信度;之后,基于调整后的初始纹理信息置信度和初始颜色信息置信度对图片集中的剩余图片进行迭代运算,以对调整后的初始纹理信息置信度和初始颜色信息置信度不断进行修正,直至得到最终纹理信息置信度和最终颜色信息置信度,其中,对图片集中的每一帧剩余图片进行运算的过程可参照初始图片的运算过程,此处不作赘述。
为便于理解,下面将结合具体算法对上述纹理信息编码、颜色信息编码、纹理差异度、颜色差异度以及置信融合差异度的计算过程进行说明。
具体地,上述步骤S21中基于预设的信息编码算法计算所述初始图片中每个像素点的纹理信息编码和颜色信息编码的步骤可以包括:
首先,获取所述初始图片中每个像素点的灰度值,按照预设的灰度变化参数计算与所述灰度值对应的灰度变化范围。
具体实施时,可以将初始图片进行灰度处理,由此得到初始图片中每个像素点的灰度值,对于某一像素点x,不妨设其灰度值为S,给定灰度变化参数θ,则对应的灰度变化范围可表示为:L=[S*(1-θ),S*(1+θ)]。
然后,对于所述初始图片中的每个像素点,根据所述灰度变化范围对其K阶邻域像素点进行编码,得到由K2-1个编码组成的编码序列,将所述编码序列作为所述初始图片中每个像素点对应的纹理信息编码。
作为一种编码方式,可以获取像素点x的K阶邻域像素点(共K2-1个)的灰度值,将灰度值在L内的像素点编码为00,将灰度值在L左侧的像素点编码为10,将灰度值在L右侧的像素点编码为01,比如当K=3时,编码示例可以参照图6,图6为本发明实施例中像素点的纹理信息编码示意图,设中心像素点x的灰度值为60,θ=0.1,则L=[54,66],此时中心像素点x的纹理信息编码可以表示为s(x)=1000010001000100。
同时,对于所述初始图片中的每个像素点,从其N阶邻域内随机抽选M个样本像素点,其中M为预设值且M≦N2-1,获取所述M个样本像素点中每个像素点的颜色分量值,得到由M个颜色分量值组成的颜色分量序列,将所述颜色分量序列作为所述初始图片中每个像素点对应的颜色信息编码,其中,M个样本像素点的颜色分量序列可以为红基色分量序列,绿基色分量序列或蓝基色分量序列。参照图7,图7为本发明实施例中像素点的颜色信息编码示意图,设N=5,从52-1个像素点中随机抽选12个像素点(图中加粗部分所示),则此时中心像素点x的颜色信息编码可以表示为v(x)={56,53,67,37,33,86,84,57,87,56,33,42}。
至此,得到了初始图片中的每个像素点的纹理信息编码和颜色信息编码。
进一步地,上述步骤S22可以包括:
(1)对于所述初始图片中的任一像素点x,计算像素点x的与像素点x的K阶邻域像素点之间的纹理信息编码差异度P(x):
P(x)={P1(x),P2(x),…,Pi(x),…,PK 2 -1(x)},
其中,Pi(x)=s(x)⊕si,s(x)为像素点x的纹理信息编码,si为像素点x的N阶邻域像素点中第i个像素点的纹理信息编码;
比如,当s(x)=0100100001011000,s1=0101100001011010时,将s(x)和s1做异或运算得到P1(x)=0001000000000010。
(2)计算中间变量C(x):
C(x)={C1(x),C2(x),…,Ci(x),…,CK 2 -1(x)},
其中,Oi(x)为Pi(x)中1的个数,Rs为预设值;
比如,当Rs=3时,P1(x)=0001000000000010中1的个数为2,则O1(x)=2<3,此时得到C1(x)=0。
(3)对C(x)中的所有元素求取平均值,得到像素点x的纹理差异度,记为ds(x);
(4)对于所述初始图片中的任一像素点x,设像素点x的颜色信息编码为v(x)={v1,v2,…,vi…,vM},其中vi为第i个颜色分量值;
获取以像素点x为圆心的预设R半径邻域内的像素点的集合,并获取所述集合中每个像素点的颜色分量值,得到对应的颜色分量序列,记为SR(x);
(5)计算当前像素点x的纹理差异度dv(x):
dv(x)=1-P/M,
其中,P为SR(x)和v(x)交集中的元素个数;
(6)计算置信融合差异度D(x):
D(x)=ds(x)*μS+dv(x)*μv,
其中,μS为预设的初始纹理信息置信度,μv为预设的初始颜色信息置信度。
至此,得到了初始图片中的每个像素点的置信融合差异度。
进一步地,参照图8,图8为图5中步骤S23的细化步骤示意图。步骤S23可以包括:
步骤S231,将所述初始图片中的每个像素点对应的置信融合差异度分别与第一预设阈值进行比较;
步骤S232,将置信融合差异度大于或等于所述第一预设阈值的像素点划分为前景像素点,将置信融合差异度小于所述第一预设阈值的像素点划分为背景像素点。
比如,对于初始图片中的某一像素点,其置信融合差异度为w,第一预设阈值为w1,若w≥w1,则该像素点为前景像素点,若w<w1,则该像素点为背景像素点。
进一步地,图5中步骤S24可以包括:
求取所述前景像素点的纹理差异度平均值和颜色差异度平均值,同时求取所述背景像素点的纹理差异度平均值和颜色差异度平均值;
计算所述前景像素点的纹理差异度平均值与所述背景像素点的纹理差异度平均值的差值,得到第一计算结果;计算所述前景像素点的颜色差异度平均值与所述背景像素点的颜色差异度平均值的差值,得到第二计算结果;
将所述第一计算结果和所述第二计算结果进行比较;
若所述第一计算结果大于所述第二计算结果,则增大所述初始纹理信息置信度并减小所述初始颜色信息置信度;
若所述第一计算结果小于所述第二计算结果,则增大所述初始颜色信息置信度并减小所述初始纹理信息置信度;
若所述第一计算结果等于所述第二计算结果,则保持所述初始颜色信息置信度和所述初始纹理信息置信度不变。
上述计算依据在于:若前景像素点的纹理差异度平均值大于背景像素点的纹理差异度平均值的差值,则说明纹理差异度更能反映初始图片的前景和背景之间的差异,此时应当增大初始纹理信息置信度并减小初始颜色信息置信度;若前景像素点的纹理差异度平均值小于背景像素点的纹理差异度平均值的差值,则说明颜色差异度更能反映初始图片的前景和背景之间的差异,此时应当增大初始颜色信息置信度并减小初始纹理信息置信度。由此可以保证对初始纹理信息置信度和初始颜色信息置信度进行合理调整。
在调整过程中,置信度增大或减小的幅度可灵活设置,另外,还可以设定一置信度参数的调整阈值范围,如[0.1,0.6],即在调整过程中,无论是纹理信息置信度还是颜色信息置信度,置信度最大不得超过0.6,最小不得小于0.1。
通过上述计算,能够得到一个合理的最终纹理信息置信度和最终颜色信息置信度,从而为后续处理目标处理图片提供了前提保证,从而有利于提升最终拍摄图片的效果,提升用户的拍照体验。
本发明还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有拍照处理程序,所述拍照处理程序被处理器执行时实现如上所述的拍照处理方法的步骤。
其中,在所述处理器上运行的拍照处理程序被执行时所实现的方法可参照本发明拍照处理方法实施例,此处不再赘述。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种拍照处理方法,其特征在于,所述拍照处理方法包括如下步骤:
当接收到拍摄指令时,通过摄像头连续采集若干帧图片,形成图片集;
基于预设的迭代算法、初始纹理信息置信度和初始颜色信息置信度,对所述若干帧图片进行迭代运算,得到最终纹理信息置信度和最终颜色信息置信度;
选取所述图片集中清晰度最高的一帧图片作为目标处理图片,基于预设的置信融合算法、所述最终纹理信息置信度和所述最终颜色信息置信度,计算所述目标处理图片中每个像素点的置信融合差异度;
根据所述目标处理图片中每个像素点的置信融合差异度将所述目标处理图片划分为前景区域和非前景区域;
对所述前景区域进行锐化处理,对所述非前景区域进行虚化处理,得到最终拍摄图片。
2.如权利要求1所述的拍照处理方法,其特征在于,所述基于预设的迭代算法、初始纹理信息置信度和初始颜色信息置信度,对所述若干帧图片进行迭代运算,得到最终纹理信息置信度和最终颜色信息置信度的步骤包括:
选取所述图片集中的任意一帧图片作为初始图片,基于预设的信息编码算法计算所述初始图片中每个像素点的纹理信息编码和颜色信息编码;
根据所述纹理信息编码和所述颜色信息编码计算所述初始图片中每个像素点的纹理差异度和颜色差异度,并结合预设的初始纹理信息置信度和初始颜色信息置信度计算对应的置信融合差异度;
根据所述置信融合差异度将所述初始图片中的像素点划分为前景像素点和背景像素点;
根据所述前景像素点和所述背景像素点的纹理差异度和颜色差异度调整所述初始纹理信息置信度和所述初始颜色信息置信度;
基于调整后的所述初始纹理信息置信度和所述初始颜色信息置信度对所述图片集中的剩余图片进行迭代运算,以对调整后的所述初始纹理信息置信度和所述初始颜色信息置信度不断进行修正,直至得到最终纹理信息置信度和最终颜色信息置信度。
3.如权利要求2所述的拍照处理方法,其特征在于,所述基于预设的信息编码算法计算所述初始图片中每个像素点的纹理信息编码和颜色信息编码的步骤包括:
获取所述初始图片中每个像素点的灰度值,按照预设的灰度变化参数计算与所述灰度值对应的灰度变化范围;
对于所述初始图片中的每个像素点,根据所述灰度变化范围对其K阶邻域像素点进行编码,得到由K2-1个编码组成的编码序列,将所述编码序列作为所述初始图片中每个像素点对应的纹理信息编码;
同时,对于所述初始图片中的每个像素点,从其N阶邻域内随机抽选M个样本像素点,其中M为预设值且M≦N2-1,获取所述M个样本像素点中每个像素点的颜色分量值,得到由M个颜色分量值组成的颜色分量序列,将所述颜色分量序列作为所述初始图片中每个像素点对应的颜色信息编码。
4.如权利要求3所述的拍照处理方法,其特征在于,所述根据所述纹理信息编码和所述颜色信息编码计算所述初始图片中每个像素点的纹理差异度和颜色差异度,并结合预设的初始纹理信息置信度和初始颜色信息置信度计算对应的置信融合差异度的步骤包括:
对于所述初始图片中的任一像素点x,计算像素点x的与像素点x的K阶邻域像素点之间的纹理信息编码差异度P(x):
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>P</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>.</mo>
<mo>.</mo>
<mo>.</mo>
<mo>,</mo>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>.</mo>
<mo>.</mo>
<mo>.</mo>
<mo>,</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>K</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>,</mo>
</mrow>
其中,Pi(x)=s(x)⊕si,s(x)为像素点x的纹理信息编码,si为像素点x的N阶邻域像素点中第i个像素点的纹理信息编码;
计算中间变量C(x):
<mrow>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>C</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>C</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>.</mo>
<mo>.</mo>
<mo>.</mo>
<mo>,</mo>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>.</mo>
<mo>.</mo>
<mo>.</mo>
<mo>,</mo>
<msubsup>
<mi>C</mi>
<mrow>
<mi>K</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>,</mo>
</mrow>
其中,Oi(x)为Pi(x)中1的个数,Rs为预设值;
对C(x)中的所有元素求取平均值,得到像素点x的纹理差异度,记为ds(x);
同时,对于所述初始图片中的任一像素点x,设像素点x的颜色信息编码为v(x)={v1,v2,…,vi…,vM},其中vi为第i个颜色分量值;
获取以像素点x为圆心的预设R半径邻域内的像素点的集合,并获取所述集合中每个像素点的颜色分量值,得到对应的颜色分量序列,记为SR(x);
计算当前像素点x的纹理差异度dv(x):
dv(x)=1-P/M,
其中,P为SR(x)和v(x)交集中的元素个数;
计算置信融合差异度D(x):
D(x)=ds(x)*μS+dv(x)*μv,
其中,μS为预设的初始纹理信息置信度,μv为预设的初始颜色信息置信度。
5.如权利要求2至4中任一项所述的拍照处理方法,其特征在于,所述根据所述置信融合差异度将所述初始图片中的像素点划分为前景像素点和背景像素点的步骤包括:
将所述初始图片中的每个像素点对应的置信融合差异度分别与第一预设阈值进行比较;
将置信融合差异度大于或等于所述第一预设阈值的像素点划分为前景像素点,将置信融合差异度小于所述第一预设阈值的像素点划分为背景像素点。
6.如权利要求2至4中任一项所述的拍照处理方法,其特征在于,所述根据所述前景像素点和所述背景像素点的纹理差异度和颜色差异度调整所述初始纹理信息置信度和所述初始颜色信息置信度的步骤包括:
求取所述前景像素点的纹理差异度平均值和颜色差异度平均值,同时求取所述背景像素点的纹理差异度平均值和颜色差异度平均值;
计算所述前景像素点的纹理差异度平均值与所述背景像素点的纹理差异度平均值的差值,得到第一计算结果;计算所述前景像素点的颜色差异度平均值与所述背景像素点的颜色差异度平均值的差值,得到第二计算结果;
将所述第一计算结果和所述第二计算结果进行比较;
若所述第一计算结果大于所述第二计算结果,则增大所述初始纹理信息置信度并减小所述初始颜色信息置信度;
若所述第一计算结果小于所述第二计算结果,则增大所述初始颜色信息置信度并减小所述初始纹理信息置信度;
若所述第一计算结果等于所述第二计算结果,则保持所述初始颜色信息置信度和所述初始纹理信息置信度不变。
7.如权利要求1所述的拍照处理方法,其特征在于,所述根据所述目标处理图片中每个像素点的置信融合差异度将所述目标处理图片划分为前景区域和非前景区域的步骤包括:
将所述目标处理图片中的每个像素点对应的置信融合差异度分别与第二预设阈值进行比较;
将置信融合差异度大于或等于所述第二预设阈值的像素点划分为前景像素点,将置信融合差异度小于所述第二预设阈值的像素点划分为非前景像素点;
将所述前景像素点组成的区域作为所述目标处理图片的前景区域,将所述非前景像素点组成的区域作为所述目标处理图片的非前景区域。
8.如权利要求1所述的拍照处理方法,其特征在于,所述非前景区域包括过渡区域和背景区域,所述对所述非前景区域进行虚化处理的步骤包括:
对所述过渡区域和所述背景区域进行不同程度的虚化处理,所述过渡区域的虚化程度小于所述背景区域的虚化程度。
9.一种移动终端,其特征在于,所述移动终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的拍照处理程序,所述拍照处理程序被所述处理器执行时实现如权利要求1至8中任一项所述的拍照处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有拍照处理程序,所述拍照处理程序被处理器执行时实现如权利要求1至8中任一项所述的拍照处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711017608.5A CN107809583A (zh) | 2017-10-25 | 2017-10-25 | 拍照处理方法、移动终端及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711017608.5A CN107809583A (zh) | 2017-10-25 | 2017-10-25 | 拍照处理方法、移动终端及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107809583A true CN107809583A (zh) | 2018-03-16 |
Family
ID=61582215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711017608.5A Pending CN107809583A (zh) | 2017-10-25 | 2017-10-25 | 拍照处理方法、移动终端及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107809583A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108989673A (zh) * | 2018-07-26 | 2018-12-11 | 努比亚技术有限公司 | 一种图像合成处理方法及移动终端 |
CN109829490A (zh) * | 2019-01-22 | 2019-05-31 | 上海鹰瞳医疗科技有限公司 | 修正向量搜索方法、目标分类方法及设备 |
CN109978890A (zh) * | 2019-02-25 | 2019-07-05 | 平安科技(深圳)有限公司 | 基于图像处理的目标提取方法、装置及终端设备 |
CN110336942A (zh) * | 2019-06-28 | 2019-10-15 | Oppo广东移动通信有限公司 | 一种虚化图像获取方法及终端、计算机可读存储介质 |
CN111031265A (zh) * | 2019-11-22 | 2020-04-17 | 维沃移动通信有限公司 | 一种fsr确定方法及电子设备 |
CN112233614A (zh) * | 2020-11-03 | 2021-01-15 | 卡莱特(深圳)云科技有限公司 | 图像摩尔纹消除方法、装置及led显示屏校正方法 |
CN112651357A (zh) * | 2020-12-30 | 2021-04-13 | 浙江商汤科技开发有限公司 | 图像中目标物体的分割方法、三维重建方法及相关装置 |
CN113129298A (zh) * | 2021-05-06 | 2021-07-16 | 北京思图场景数据科技服务有限公司 | 文本图像的清晰度识别方法 |
CN114519696A (zh) * | 2021-12-31 | 2022-05-20 | 扬州盛强薄膜材料有限公司 | 基于光学智能化的pvc热收缩膜检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413120A (zh) * | 2013-07-25 | 2013-11-27 | 华南农业大学 | 基于物体整体性和局部性识别的跟踪方法 |
CN104104869A (zh) * | 2014-06-25 | 2014-10-15 | 华为技术有限公司 | 一种拍照方法、装置及电子设备 |
CN105139018A (zh) * | 2015-08-31 | 2015-12-09 | 华南理工大学 | 基于颜色和纹理聚集度的图像显著性检测方法 |
CN105513090A (zh) * | 2015-11-24 | 2016-04-20 | 浙江宇视科技有限公司 | 一种观察模型构建方法及装置 |
-
2017
- 2017-10-25 CN CN201711017608.5A patent/CN107809583A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413120A (zh) * | 2013-07-25 | 2013-11-27 | 华南农业大学 | 基于物体整体性和局部性识别的跟踪方法 |
CN104104869A (zh) * | 2014-06-25 | 2014-10-15 | 华为技术有限公司 | 一种拍照方法、装置及电子设备 |
CN105139018A (zh) * | 2015-08-31 | 2015-12-09 | 华南理工大学 | 基于颜色和纹理聚集度的图像显著性检测方法 |
CN105513090A (zh) * | 2015-11-24 | 2016-04-20 | 浙江宇视科技有限公司 | 一种观察模型构建方法及装置 |
Non-Patent Citations (3)
Title |
---|
HUAZHONG XU ET AL.: "Improved Compressive Tracking in Surveillance Scenes", 《 2013 SEVENTH INTERNATIONAL CONFERENCE ON IMAGE AND GRAPHICS》 * |
周治平等: "颜色和纹理特征的运动目标检测", 《智能系统学报》 * |
钟忺等: "一种基于纹理和颜色置信融合的运动目标检测方法", 《计算机应用研究》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108989673A (zh) * | 2018-07-26 | 2018-12-11 | 努比亚技术有限公司 | 一种图像合成处理方法及移动终端 |
CN109829490B (zh) * | 2019-01-22 | 2022-03-22 | 上海鹰瞳医疗科技有限公司 | 修正向量搜索方法、目标分类方法及设备 |
CN109829490A (zh) * | 2019-01-22 | 2019-05-31 | 上海鹰瞳医疗科技有限公司 | 修正向量搜索方法、目标分类方法及设备 |
CN109978890A (zh) * | 2019-02-25 | 2019-07-05 | 平安科技(深圳)有限公司 | 基于图像处理的目标提取方法、装置及终端设备 |
CN109978890B (zh) * | 2019-02-25 | 2023-07-07 | 平安科技(深圳)有限公司 | 基于图像处理的目标提取方法、装置及终端设备 |
CN110336942A (zh) * | 2019-06-28 | 2019-10-15 | Oppo广东移动通信有限公司 | 一种虚化图像获取方法及终端、计算机可读存储介质 |
CN110336942B (zh) * | 2019-06-28 | 2021-02-02 | Oppo广东移动通信有限公司 | 一种虚化图像获取方法及终端、计算机可读存储介质 |
CN111031265A (zh) * | 2019-11-22 | 2020-04-17 | 维沃移动通信有限公司 | 一种fsr确定方法及电子设备 |
CN112233614A (zh) * | 2020-11-03 | 2021-01-15 | 卡莱特(深圳)云科技有限公司 | 图像摩尔纹消除方法、装置及led显示屏校正方法 |
CN112651357A (zh) * | 2020-12-30 | 2021-04-13 | 浙江商汤科技开发有限公司 | 图像中目标物体的分割方法、三维重建方法及相关装置 |
CN113129298A (zh) * | 2021-05-06 | 2021-07-16 | 北京思图场景数据科技服务有限公司 | 文本图像的清晰度识别方法 |
CN113129298B (zh) * | 2021-05-06 | 2024-01-12 | 北京思图场景数据科技服务有限公司 | 文本图像的清晰度识别方法 |
CN114519696A (zh) * | 2021-12-31 | 2022-05-20 | 扬州盛强薄膜材料有限公司 | 基于光学智能化的pvc热收缩膜检测方法及系统 |
CN114519696B (zh) * | 2021-12-31 | 2022-11-29 | 扬州盛强薄膜材料有限公司 | 基于光学智能化的pvc热收缩膜检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107809583A (zh) | 拍照处理方法、移动终端及计算机可读存储介质 | |
CN107277216A (zh) | 一种音量调节方法、终端以及计算机可读存储介质 | |
CN107093418A (zh) | 一种屏幕显示方法、计算机设备及存储介质 | |
CN106961706A (zh) | 通信模式切换的方法、移动终端及计算机可读存储介质 | |
CN107463481A (zh) | 数据交互方法、移动终端和存储介质 | |
CN107682627A (zh) | 一种拍摄参数设置方法、移动终端及计算机可读存储介质 | |
CN107730462A (zh) | 一种图像处理方法、终端及计算机可读存储介质 | |
CN106953684A (zh) | 一种搜星的方法、移动终端以及计算机可读存储介质 | |
CN107181865A (zh) | 未读短信的处理方法、终端及计算机可读存储介质 | |
CN107067842A (zh) | 色值调整方法、移动终端及存储介质 | |
CN106953989A (zh) | 来电提醒方法及装置、终端、计算机可读存储介质 | |
CN107705247A (zh) | 一种图像饱和度的调整方法、终端及存储介质 | |
CN107193779A (zh) | 剩余充电时长计算方法、终端及计算机可读存储介质 | |
CN107147803A (zh) | 一种录音方法、终端设备及计算机可读存储介质 | |
CN107295270A (zh) | 一种图像亮度值的确定方法、装置、终端和计算机可读存储介质 | |
CN107239205A (zh) | 一种拍照方法、移动终端及存储介质 | |
CN107506163A (zh) | 调整屏幕显示的方法、终端及计算机可读存储介质 | |
CN107909540A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN107404618A (zh) | 一种拍摄方法及终端 | |
CN107483804A (zh) | 一种拍摄方法、移动终端及计算机可读存储介质 | |
CN107682630A (zh) | 双摄像头防抖方法、移动终端及计算机可读存储介质 | |
CN107172605A (zh) | 一种紧急呼叫方法、移动终端及计算机可读存储介质 | |
CN107390856A (zh) | 一种降低移动终端功耗的方法、移动终端及存储介质 | |
CN107241504A (zh) | 一种图像处理方法、移动终端和计算机可读存储介质 | |
CN107423065A (zh) | 一种应用分身的方法、移动终端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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180316 |
|
RJ01 | Rejection of invention patent application after publication |