CN107909551A - 图像处理方法、装置、计算机装置及计算机可读存储介质 - Google Patents
图像处理方法、装置、计算机装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN107909551A CN107909551A CN201711038160.5A CN201711038160A CN107909551A CN 107909551 A CN107909551 A CN 107909551A CN 201711038160 A CN201711038160 A CN 201711038160A CN 107909551 A CN107909551 A CN 107909551A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- downscaled images
- intermediate image
- assessment result
- 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 25
- 238000009434 installation Methods 0.000 title claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000013135 deep learning Methods 0.000 claims description 29
- 238000003860 storage Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 230000006870 function Effects 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 230000002087 whitening effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000005549 size reduction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G06T5/90—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
-
- G06T5/70—
-
- G06T5/77—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/21—Indexing scheme for image data processing or generation, in general involving computational photography
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种图像处理方法,所述方法包括:将通过预处理原始图像得到的中间图像进行预设的缩小处理得到缩小图像,对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果,根据所述综合评估结果对所述中间图像进行相应的处理。本发明还提供一种图像处理装置、计算机装置及计算机可读存储介质。本发明能够根据图像的综合评估结果,更加智能化地对图像进行处理。
Description
技术领域
本发明涉及电子技术领域,具体涉及一种图像处理方法、装置、计算机装置及计算机可读存储介质。
背景技术
本部分旨在为权利要求书中及具体实施方式中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
随着科技的发展,人们会选择移动终端进行拍照或者摄影,获得的原始图像一般会经过后期处理,但是目前的后期处理方法,需要人为调节各种参数来进行处理,智能化程度不高,处理方法有待改进。
发明内容
鉴于此,有必要提供一种图像处理方法、装置、计算机装置及计算机可读存储介质,能够根据图像的综合评估结果,更加智能化地对图像进行处理。
本发明的提供一种图像处理方法,所述方法包括:
将通过预处理原始图像得到的中间图像进行预设的缩小处理得到缩小图像;
对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果;
根据所述综合评估结果对所述中间图像进行相应的处理。
进一步的,所述多个预设评估参数包括:图像是否包括人脸、图像的整体动态情况、图像的噪声程度、图像的当前场景及图像的感兴趣区域。
进一步的,所述根据所述综合评估结果对所述中间图像进行相应的处理包括:
若所述缩小图像包括人脸,则根据所述人脸的特征对所述中间图像中的人脸进行相应的人脸美化处理;或者
若所述缩小图像的整体动态范围与预设动态范围不匹配,则将所述中间图像的整体动态范围调整至与所述预设动态范围相匹配;或者
若所述缩小图像的噪声程度超过预设噪声程度,则降低所述中间图像的噪声值;或者
若所述缩小图像的当前场景的动态范围超过所述预设动态范围,则对所述中间图像的当前场景执行预设的动态范围压缩处理;或者
若所述缩小图像的感兴趣区域包括人脸,则根据所述人脸的特征对所述中间图像中的人脸进行相应的人脸美化处理。
进一步的,所述根据所述综合评估结果对所述中间图像进行相应的处理中,若所述缩小图像的感兴趣区域包括人脸,则优先对所述中间图像中的人脸所在的区域执行预设的人脸美化处理。
进一步的,所述人脸的特征包括所述缩小图像对应的人物的性别和年龄;
所述根据所述人脸的特征对所述中间图像中的人脸进行相应的人脸美化处理包括:根据所述缩小图像的人物的性别及年龄对所述中间图像中的人脸进行相应的人脸美化处理。
进一步的,在根据所述人脸的特征对所述中间图像中的人脸进行相应的人脸美化处理之前,所述方法还包括:
识别所述缩小图像中包括的人脸的五官;
根据识别到人脸的五官预估所述人脸对应的人物的性别和年龄。
进一步的,在所述根据所述综合评估结果对所述中间图像进行相应的处理之前,所述方法还包括:
深度学习所述对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果的步骤;
存储对所述缩小图像进行多个预设参数的评估的深度学习经验;
所述根据所述综合评估结果对所述中间图像进行相应的处理包括:结合所述深度学习经验及所述综合评估结果对所述中间图像进行相应的处理。
本发明还提供一种图像处理装置,所述装置包括:
预处理模块,用于将通过预处理原始图像得到的中间图像进行预设的缩小处理得到缩小图像;
评估模块,用于对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果;
处理模块,用于根据所述评估结果对所述中间图像进行相应的处理。
本发明还提供一种计算机装置,所述计算机装置包括处理器,所述处理器用于执行存储装置中存储的计算机程序时实现所述的图像处理方法的步骤。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的图像处理方法的步骤。
本发明提供的图像处理方法、装置、计算机装置及计算机可读存储介质,将通过预处理原始图像得到的中间图像进行预设的缩小处理得到缩小图像;对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果;根据所述综合评估结果对所述中间图像进行相应的处理。本发明能够根据图像的综合评估结果,更加智能化地对图像进行处理。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明第一实施方式提供的图像处理方法的流程图;
图2是本发明第二实施方式提供的图像处理方法的流程图;
图3是本发明的终端的示例性的结构图;
图4是本发明的图像处理装置的示例性的功能模块图。
主要元件符号说明
终端 | 1 |
处理器 | 10 |
存储装置 | 20 |
图像处理装置 | 100 |
预处理模块 | 11 |
评估模块 | 12 |
处理模块 | 13 |
识别模块 | 14 |
预估模块 | 15 |
深度学习模块 | 16 |
存储模块 | 17 |
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
图1为本发明第一实施方式提供的图像处理方法的示意流程图,其中,所述图像处理方法可以用于终端,应当理解的是,本发明所指的终端可以是具有或者不具有拍摄功能的终端,例如手机、相机、摄影机、平板电脑、掌上电脑、笔记本电脑、台式电脑、车载设备等终端,在此不作限制。如图1所示,图像处理方法可以包括以下步骤:
S101:将通过预处理原始图像得到的中间图像进行预设的缩小处理得到缩小图像。
所述原始图像可以是具有拍摄功能的终端在执行拍摄时,自身获取而得到的原始图像,也可以是通过其他具有拍摄功能的设备得到的并发送到终端的原始图像。
当终端在执行拍摄时,用户按下拍照按钮后,摄像头会将当前所设置的曝光值、快门值、光圈值、白平衡等参数进行曝光得到RAW(未经过处理)格式的图像,RAW格式的图像记录了相机传感器的原始信息,同时记录了由相机拍摄所产生的一些元数据(Metadata,如ISO的设置、快门速度、光圈值、白平衡等)。
在本步骤中,可先将原始图像进行预处理得到中间图像,预处理的方式可以包括将原始图像进行色彩校正、白平衡、彩色噪声降噪、图像光亮校正、RAW格式转换为YUV格式等中的一种或者多种。然后再将中间图像进行预设的缩小处理得到缩小图像,缩小图像更加方便于图像的整体评估,可提高图像整体评估的效率,所述预设的缩小处理是将图像的大小进行调整,可以根据中间图像的大小按照预设比例的方式进行缩小处理,例如,缩小为中间图像的1/2或者1/4大小等,或者可以将中间图像的大小缩小至预设大小的缩小图像,例如为10cm*10cm,缩小处理过程中,还可以采用预设的缩小算法进行缩小处理,例如可以采用线性插值法或者最邻近像素值法等。
S102:对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果。
本实施方式中,所述多个预设参数的评估,可以包括评估图像中是否包括人脸、图像的整体动态情况、图像的噪声程度、图像的当前场景及图像的感兴趣区域等,其中,评估图像中是否包括人脸可以通过现有的人脸识别技术进行判断,在此不再详细描述;所述图像的整体动态情况指图像的整体颜色最暗到最亮的范围,根据图像的动态范围可以将图像分为高动态范围图像(HDR,High-Dynamic Range)和低动态范围图像(LDR,Low-DynamicRange),虽然高动态范围图像的变化层次多,层次感强,对细节的描述能力强,图像的光影效果逼真,但是高动态范围图像占据的内存较大,而且动态范围过高,可能常规显示设备并不能接受并很自然地显示,而低动态范围图像变化层次少,细节的描述能力较弱,效果比较差;在图像获取过程中,或者在图像信号的传输过程中会产生噪声,图像传感器例如CCD或CMOS采集图像过程中,由于受传感器材料属性、工作环境、电子元器件和电路结构等影响,会引入各种噪声,如电阻引起的热噪声、场效应管的沟道热噪声、光子噪声、暗电流噪声、光响应非均匀性噪声,而由于传输介质和记录设备等的不完善,图像在其传输记录过程中往往会产生多种噪声,由于图像噪声的存在,会对图像造成亮、暗点干扰,极大降低了图像质量,影响图像复原、分割、特征提取、图像识别等后继工作的进行;所述图像的感兴趣区域包括有人脸的区域、前景区域、对焦区域等。对所述缩小图像进行上述的预设参数的评估后,得到至少一个预设参数的评估结果的综合评估结果。
S103:根据所述综合评估结果对所述中间图像进行相应的处理。
如果得到的综合评估结果包括针对一个预设参数的评估结果,则根据该预设参数的评估结果对中间图像进行相应的处理,而如果得到针对多个预设参数的评估结果,则可分别根据预设参数的评估结果对中间图像进行相应的处理。
下面列举几种根据评估结果对中间图像进行相应处理的情况:
示例性的,若评估得到所述缩小图像中包括人脸,则根据所述人脸的特征对所述中间图像中的人脸进行相应的人脸美化处理,其中,所述人脸的特征可以包括所述缩小图像对应的人物的性别和年龄,可以根据所述人物的性别和年龄对中间图像中的人脸进行相应的人脸美化处理,例如美白处理、磨皮处理、轮廓变形处理等,对缩小图像进行轮廓检测,识别缩小图像中的包括的人脸的五官,然后根据识别到的五官预估人脸对应的任务的性别和年龄,根据不同年龄段和性别的人物执行相对应的美化处理方式,例如年龄愈大,可以相对设置较高的美白值和磨皮程度,例如女性和男性可以设置与性别对应的轮廓变形参数等,例如,还可以是,若所述缩小图像的感兴趣区域包括人脸,则根据所述人脸的特征对所述中间图像中的人脸进行相应的人脸美化处理,其中,可以先评估缩小图像的多个感兴趣区域的中心位置,从感兴趣区域中得到包括人脸的感兴趣区域。
示例性的,若所述缩小图像的整体动态范围与预设动态范围不匹配,则将所述中间图像的整体动态范围调整至与所述预设动态范围相匹配,可以设定图像的标准动态范围值,若中间图像的整体动态范围比标准动态范围值大或者小或者两者之差超过一定范围时,则可以将中间图像的整体动态范围调整至与所述预设动态范围相匹配,例如当图像属于高动态范围图像时,可适当降低中间图像的动态范围,当图像属于低动态范围图像时,可适当调高中间图像的动态范围,例如,若缩小图像的当前场景的动态范围超过所述预设动态范围,则可以对所述中间图像的当前场景执行预设的动态范围压缩处理。
示例性的,若所述缩小图像的噪声程度超过预设噪声程度,则降低所述中间图像的噪声值。设定噪声程度的参考值,评估缩小图像的整体噪声情况,若缩小图像的噪声程度超过设定的参考值,则对中间图像进行降噪处理,图像在降噪过程中,可以通过邻域平均值算法去除图像中的噪声,或者通过局部方差法来去除图像中的噪声等等,目前图像降噪技术较多也成熟,具体不一一详述。
本实施方式中,可以根据得到的一个或者多个评估结果对中间图像同时进行相对应的处理,或者,如果在对缩小图像的预设参数进行评估而得到的综合评估结果中,判断到缩小图像的感兴趣区域包括人脸,则优选对所述中间图像中的人脸所在的区域执行预设的人脸美化处理,例如,综合评估结果中包括判断到缩小图像的感兴趣区域包括人脸以及判断到缩小图像的整体动态范围与预设动态范围不匹配,则在所述感兴趣区域中包括人脸的区域不做动态范围调整而优先对人脸进行美化处理,而在不包括人脸的其他区域(包括非感兴趣区域)进行动态范围调整。
本实施方式中,在对中间图像进行处理完毕后,可以将处理好的图像数据进行编码保存成图片文件,例如可以将处理好的图像数据进行JPEG编码,保存为JPEG格式的图片。
本实施方式所提供的图像处理方法,先将通过预处理原始图像得到的中间图像进行预设的缩小处理得到缩小图像,再对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果,及根据所述综合评估结果对所述中间图像进行相应的处理。本实施方式能够根据得到的综合评估结果对中间图像进行处理,智能化程度高。
图2为本发明第二实施方式提供的终端控制方法的示意流程图。所述第二实施方式与第一实施方式的主要区别在于,第二实施方式中包括深度学习等步骤。需要说明的是,在本发明的精神或基本特征的范围内,适用于第一实施方式中的各具体方案也可以相应的适用于第二实施方式中,为节省篇幅及避免重复起见,在此就不再赘述。
本实施方式的具体方法步骤如下:
S201:将通过预处理原始图像得到的中间图像进行预设的缩小处理得到缩小图像。
S202:对所述缩小图像进行多个预设参数的评估。
本步骤包括对人脸情况进行评估、整体动态情况的评估、噪声程度的评估、当前场景的评估以及感兴趣区域的评估等。
S203:深度学习所述对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果。
本步骤中,可以建立图像深度学习的卷积神经网络,可以事先训练好卷积神经网络,通过卷积神经网络深度学习对缩小图像进行多个预设参数的评估,经过卷积神经网络的深度学习以及输出后,可以得到包括至少一个预设参数的评估结果的综合评估结果,经过每次的学习,都能够得到对缩小图像进行多个预设参数的评估的深度学习的经验,结合每次得到的经验,能够修正卷积神经网络的参数值,不断优化卷积神经网络的处理能力。
S204:存储对所述缩小图像进行多个预设参数的评估的深度学习经验。
S205:结合所述深度学习经验及所述综合评估结果对所述中间图像进行相应的处理。
例如,当评估得到所述缩小图像中包括人脸时,结合深度学习的经验,根据所述人脸的特征对所述中间图像中的人脸进行相应的人脸美化处理;当所述缩小图像的整体动态范围与预设动态范围不匹配时,结合深度学习的经验,将所述中间图像的整体动态范围调整至与所述预设动态范围相匹配;当所述缩小图像的噪声程度超过预设噪声程度时,结合深度学习的经验,降低所述中间图像的噪声值,等等。
在对中间图像进行处理完毕后,可以将处理好的图像数据进行编码保存成图片文件。
本实施方式除了具有第一实施方式的有益效果之外,还包括深度学习等步骤,将通过预处理原始图像得到的中间图像进行预设的缩小处理得到缩小图像,对所述缩小图像进行多个预设参数的评估,深度学习所述对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果,存储对所述缩小图像进行多个预设参数的评估的深度学习经验,结合所述深度学习经验及所述综合评估结果对所述中间图像进行相应的处理。本实施方式通过深度学习的方式,可以结合经验快速对图像进行后期处理。
图3为本发明提供的终端1的一种实施例的结构图,如图3所示,所述终端可应用上述各实施方式,下面对本发明所提供的终端1进行描述,所述终端1可以包括图像处理装置100,终端1还可包括处理器10、存储装置20,以及存储在所述存储装置20中并可向所述处理器10上运行的计算机程序(指令),例如图像处理程序和卷积神经网络等。
所述图像处理装置100,可用于通过预处理原始图像得到的中间图像进行预设的缩小处理得到缩小图像,对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果,根据所述综合评估结果对所述中间图像进行相应的处理。通过图像处理装置100,能够根据得到的综合评估结果对中间图像进行处理,智能化程度高。
所述图像处理装置100,还可以用于将通过预处理原始图像得到的中间图像进行预设的缩小处理得到缩小图像,对所述缩小图像进行多个预设参数的评估,深度学习所述对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果,存储对所述缩小图像进行多个预设参数的评估的深度学习经验,结合所述深度学习经验及所述综合评估结果对所述中间图像进行相应的处理。通过深度学习的方式,可以结合经验快速对图像进行后期处理。
所述处理器10执行所述计算机程序时实现上述各个实施例中图像处理方法中的步骤,例如图1所示的步骤S101-S103。或者,所述处理器10执行所述计算机程序时实现各模块/单元的功能。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储装置20中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端1中的执行过程。例如,所述图像处理装置100可以包括预处理模块11、评估模块12、处理模块13,如图4所示,各模块具体功能如下:
所述预处理模块11,可用于将通过预处理原始图像得到的中间图像进行预设的缩小处理得到缩小图像。
所述评估模块12,可用于对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果。
所述处理模块13,可用于根据所述评估结果对所述中间图像进行相应的处理。
进一步的,所述多个预设参数的评估可以包括:图像是否包括人脸、图像的整体动态情况、图像的噪声程度、图像的当前场景及图像的感兴趣区域。
所述处理模块13,具体还可用于:
当所述缩小图像包括人脸时,根据所述人脸的特征对所述中间图像中的人脸进行相应的人脸美化处理;或者,当所述缩小图像的整体动态范围与预设动态范围不匹配时,将所述中间图像的整体动态范围调整至与所述预设动态范围相匹配;或者,当所述缩小图像的噪声程度超过预设噪声程度时,降低所述中间图像的噪声值;或者,当所述缩小图像的当前场景的动态范围超过所述预设动态范围时,对所述中间图像的当前场景执行预设的动态范围压缩处理;或者,当所述缩小图像的感兴趣区域包括人脸时,根据所述人脸的特征对所述中间图像中的人脸进行相应的人脸美化处理。
其中,当评估模块12评估到所述缩小图像的感兴趣区域包括人脸时,所述处理模块13则优先对所述中间图像中的人脸所在的区域执行预设的人脸美化处理,可不进行其他的处理。
进一步的,所述处理模块13,具体还可用于当所述缩小图像包括人脸时,根据所述缩小图像的人物的性别及年龄对所述中间图像中的人脸进行相应的人脸美化处理。
进一步的,所述图像处理装置100,还可以包括识别模块14和预估模块15。
所述识别模块14,可用于在根据所述人脸的特征对所述中间图像中的人脸进行相应的人脸美化处理之前,识别所述缩小图像中包括的人脸的五官。
所述预估模块15,可用于根据识别到人脸的五官预估所述人脸对应的人物的性别和年龄。
进一步的,所述图像处理装置100,还可以包括深度学习模块16和存储模块17。
所述深度学习模块16,可用于在所述根据所述综合评估结果对所述中间图像进行相应的处理之前,深度学习所述对所述缩小图像进行多个预设参数的评估。
所述评估模块12,还用于通过深度学习所述对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果。
所述存储模块17,还可用于存储对所述缩小图像进行多个预设参数的评估的深度学习经验。
所述处理模块13,还可用于结合所述深度学习经验及所述综合评估结果对所述中间图像进行相应的处理。
所述终端1可以是PC服务器及云端服务器等计算设备。本领域技术人员可以理解,所述示意图仅仅是终端1的示例,并不构成对终端1的限定,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,例如所述终端1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器10可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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、分立硬件组件等。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,所述处理器是所述终端1的控制中心,利用各种接口和线路连接整个终端1的各个部分。
所述存储装置20可用于存储所述计算机程序和/或模块,所述处理器10通过运行或执行存储在所述存储装置20内的计算机程序和/或模块,以及调用存储在存储装置20内的数据,实现所述服务器的各种功能。所述存储装置20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等;存储数据区可存储根据手机的使用所创建的数据等。此外,存储装置20可以包括高速随机存取存储装置,还可以包括非易失性存储装置,例如硬盘、内存、插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储装置件、闪存器件、或其他易失性固态存储装置件。
所述终端1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个实施例中,应当理解的是,所述的方法和装置,也可以通过其他的方式来实现,以上所描述的装置实施例仅是示意性的,所述模块的划分,仅仅是一种逻辑功能划分,实现时可以有另外的划分方式。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个装置也可以由同一个装置或系统通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
将通过预处理原始图像得到的中间图像进行预设的缩小处理得到缩小图像;
对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果;
根据所述综合评估结果对所述中间图像进行相应的处理。
2.根据权利要求1所述的图像处理方法,其特征在于,所述多个预设评估参数包括:图像是否包括人脸、图像的整体动态情况、图像的噪声程度、图像的当前场景及图像的感兴趣区域。
3.根据权利要求2所述的图像处理方法,其特征在于,所述根据所述综合评估结果对所述中间图像进行相应的处理包括:
若所述缩小图像包括人脸,则根据所述人脸的特征对所述中间图像中的人脸进行相应的人脸美化处理;或者
若所述缩小图像的整体动态范围与预设动态范围不匹配,则将所述中间图像的整体动态范围调整至与所述预设动态范围相匹配;或者
若所述缩小图像的噪声程度超过预设噪声程度,则降低所述中间图像的噪声值;或者
若所述缩小图像的当前场景的动态范围超过所述预设动态范围,则对所述中间图像的当前场景执行预设的动态范围压缩处理;或者
若所述缩小图像的感兴趣区域包括人脸,则根据所述人脸的特征对所述中间图像中的人脸进行相应的人脸美化处理。
4.根据权利要求3所述的图像处理方法,其特征在于,所述根据所述综合评估结果对所述中间图像进行相应的处理中,若所述缩小图像的感兴趣区域包括人脸,则优先对所述中间图像中的人脸所在的区域执行预设的人脸美化处理。
5.根据权利要求3或4所述的图像处理方法,其特征在于:
所述人脸的特征包括所述缩小图像对应的人物的性别和年龄;
所述根据所述人脸的特征对所述中间图像中的人脸进行相应的人脸美化处理包括:根据所述缩小图像的人物的性别及年龄对所述中间图像中的人脸进行相应的人脸美化处理。
6.根据权利要求5所述的图像处理方法,其特征在于,在根据所述人脸的特征对所述中间图像中的人脸进行相应的人脸美化处理之前,所述方法还包括:
识别所述缩小图像中包括的人脸的五官;
根据识别到人脸的五官预估所述人脸对应的人物的性别和年龄。
7.根据权利要求3或4所述的图像处理方法,其特征在于:
在所述根据所述综合评估结果对所述中间图像进行相应的处理之前,所述方法还包括:
深度学习所述对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果的步骤;
存储对所述缩小图像进行多个预设参数的评估的深度学习经验;
所述根据所述综合评估结果对所述中间图像进行相应的处理包括:结合所述深度学习经验及所述综合评估结果对所述中间图像进行相应的处理。
8.一种图像处理装置,其特征在于,所述装置包括:
预处理模块,用于将通过预处理原始图像得到的中间图像进行预设的缩小处理得到缩小图像;
评估模块,用于对所述缩小图像进行多个预设参数的评估,得到包括至少一个预设参数的评估结果的综合评估结果;
处理模块,用于根据所述评估结果对所述中间图像进行相应的处理。
9.一种计算机装置,其特征在于,所述计算机装置包括处理器,所述处理器用于执行存储装置中存储的计算机程序时实现如权利要求1-7中任意一项所述的图像处理方法的步骤。
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,所述计算机程序被处理器执行时实现如权利要求1-7中任意一项所述的图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711038160.5A CN107909551A (zh) | 2017-10-30 | 2017-10-30 | 图像处理方法、装置、计算机装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711038160.5A CN107909551A (zh) | 2017-10-30 | 2017-10-30 | 图像处理方法、装置、计算机装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107909551A true CN107909551A (zh) | 2018-04-13 |
Family
ID=61842942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711038160.5A Pending CN107909551A (zh) | 2017-10-30 | 2017-10-30 | 图像处理方法、装置、计算机装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107909551A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109918885A (zh) * | 2019-03-12 | 2019-06-21 | 苏州宏裕千智能设备科技有限公司 | 一种车载系统多用户访问方法及装置 |
WO2020151156A1 (zh) * | 2019-01-25 | 2020-07-30 | 平安科技(深圳)有限公司 | 视频流播放方法、系统、计算机装置及可读存储介质 |
WO2020259603A1 (zh) * | 2019-06-27 | 2020-12-30 | 海信视像科技股份有限公司 | 图像处理装置及图像处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413270A (zh) * | 2013-08-15 | 2013-11-27 | 北京小米科技有限责任公司 | 一种图像的处理方法、装置和终端设备 |
CN106296576A (zh) * | 2016-08-05 | 2017-01-04 | 厦门美图之家科技有限公司 | 图像处理方法和图像处理装置 |
CN106454079A (zh) * | 2016-09-28 | 2017-02-22 | 北京旷视科技有限公司 | 图像处理方法及装置和相机 |
CN107146204A (zh) * | 2017-03-20 | 2017-09-08 | 深圳市金立通信设备有限公司 | 一种图像美颜方法及终端 |
CN107230187A (zh) * | 2016-03-25 | 2017-10-03 | 北京三星通信技术研究有限公司 | 多媒体信息处理的方法和装置 |
-
2017
- 2017-10-30 CN CN201711038160.5A patent/CN107909551A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413270A (zh) * | 2013-08-15 | 2013-11-27 | 北京小米科技有限责任公司 | 一种图像的处理方法、装置和终端设备 |
CN107230187A (zh) * | 2016-03-25 | 2017-10-03 | 北京三星通信技术研究有限公司 | 多媒体信息处理的方法和装置 |
CN106296576A (zh) * | 2016-08-05 | 2017-01-04 | 厦门美图之家科技有限公司 | 图像处理方法和图像处理装置 |
CN106454079A (zh) * | 2016-09-28 | 2017-02-22 | 北京旷视科技有限公司 | 图像处理方法及装置和相机 |
CN107146204A (zh) * | 2017-03-20 | 2017-09-08 | 深圳市金立通信设备有限公司 | 一种图像美颜方法及终端 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020151156A1 (zh) * | 2019-01-25 | 2020-07-30 | 平安科技(深圳)有限公司 | 视频流播放方法、系统、计算机装置及可读存储介质 |
CN109918885A (zh) * | 2019-03-12 | 2019-06-21 | 苏州宏裕千智能设备科技有限公司 | 一种车载系统多用户访问方法及装置 |
WO2020259603A1 (zh) * | 2019-06-27 | 2020-12-30 | 海信视像科技股份有限公司 | 图像处理装置及图像处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109102483B (zh) | 图像增强模型训练方法、装置、电子设备及可读存储介质 | |
CN108875619B (zh) | 视频处理方法和装置、电子设备、计算机可读存储介质 | |
CN110580487A (zh) | 神经网络的训练方法、构建方法、图像处理方法和装置 | |
CN110276767A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN111028137B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN115442515A (zh) | 图像处理方法和设备 | |
CN108765033B (zh) | 广告信息推送方法和装置、存储介质、电子设备 | |
WO2014172059A2 (en) | Reference image selection for motion ghost filtering | |
CN105243371A (zh) | 一种人脸美颜程度的检测方法、系统及拍摄终端 | |
CN108198177A (zh) | 图像获取方法、装置、终端及存储介质 | |
CN112602088B (zh) | 提高弱光图像的质量的方法、系统和计算机可读介质 | |
WO2021063119A1 (en) | Method and apparatus for image processing, terminal | |
CN108897786A (zh) | 应用程序的推荐方法、装置、存储介质及移动终端 | |
CN107909551A (zh) | 图像处理方法、装置、计算机装置及计算机可读存储介质 | |
CN110599554A (zh) | 人脸肤色的识别方法和装置、存储介质及电子装置 | |
CN113674193A (zh) | 图像融合方法、电子设备和存储介质 | |
US20190362475A1 (en) | Method and Computer System of Image Enhancement | |
CN112489144A (zh) | 图像处理方法、图像处理装置、终端设备及存储介质 | |
CN111953888B (zh) | 暗光成像方法、装置、计算机可读存储介质及终端设备 | |
CN111814745A (zh) | 手势识别方法、装置、电子设备及存储介质 | |
CN107454340B (zh) | 基于高动态范围原理的图像合成方法、装置及移动终端 | |
CN115471413A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
CN111383188A (zh) | 一种图像处理方法、系统及终端设备 | |
CN111754412A (zh) | 构建数据对的方法、装置及终端设备 | |
CN115147304A (zh) | 图像融合方法、装置、电子设备和存储介质、产品 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180413 |