CN107945139B - 一种图像处理方法、存储介质及智能终端 - Google Patents
一种图像处理方法、存储介质及智能终端 Download PDFInfo
- Publication number
- CN107945139B CN107945139B CN201711349055.3A CN201711349055A CN107945139B CN 107945139 B CN107945139 B CN 107945139B CN 201711349055 A CN201711349055 A CN 201711349055A CN 107945139 B CN107945139 B CN 107945139B
- Authority
- CN
- China
- Prior art keywords
- image
- intelligent terminal
- mapping model
- standard
- optimized
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000013507 mapping Methods 0.000 claims abstract description 89
- 238000003384 imaging method Methods 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 7
- 230000007547 defect Effects 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000002035 prolonged effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G06T5/73—
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法、存储介质及智能终端,方法包括:智能终端对某事物进行影像数据采集,获得事物的原始图像;调用预设的用于优化图像的映射模型,根据映射关系对原始图像进行优化处理;获得事物的优化后图像,并将所述优化后图像保存或输出;智能终端将输出的优化图像进行显示。本发明通过创建用于对图像进行优化处理的映射模型,能够在智能终端获得某事物的原始图像之后自动调用映射模型对原始图像进行优化处理,提高图像质量、成像速率,延长设备的使用寿命,特别是对一些成像质量较差的低端设备,在不更改硬件的前提下,仅通过更改成像质量的算法,就可达到用户的使用需求,不但改善了成像质量,在一定程度上提高了成像速度。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种图像处理方法、存储介质及智能终端。
背景技术
随着智能终端的快速普及,智能终端已经广泛使用在各行各业,给人们的工作、生活带来了太多的便利。目前的智能终端基本都具有成像功能,小到人人都具有的手机或者相机,大到运用在特殊领域的仪器设备,例如在医学领域的X光设备、超声成像设备等等。
但是现有技术中的很多智能终端成像效果上不是很理想,尤其是一些低端设备,成像效果很不理想。例如日常使用的一些智能终端,成像质量的高低也是受到多方面因素的影响。例如用户使用手机在夜间拍照,如果曝光率较低,拍出的图像过暗,无法辨认目标信息;如果曝光率较高,图像亮度达到一定标准,不仅自动对焦时间延长,其中景物的边缘存在模糊,其细节信息大量减少,严重影响了成像质量,给用户的使用带来了不便。虽然可以通过更换智能终端来改善上述存在的问题,但是对于成像质量高的智能终端来说,普遍具有设备成本高,体积较大,且成像速度较慢的缺陷。
因此,现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种图像处理方法、存储介质及智能终端,旨在解决现有技术中的一些智能终端的成像质量差的问题。
本发明解决技术问题所采用的技术方案如下:
一种图像处理方法,其中,所述方法包括:
智能终端对某事物进行影像数据采集,获得事物的原始图像;
调用预设的用于优化图像的映射模型,根据映射关系对原始图像进行优化处理;获得所述事物的优化后图像,并将所述优化后图像保存或输出;
智能终端将输出的优化后图像进行显示。
所述的图像处理方法,其中,所述原始图像表示的是待优化处理的图像;
所述优化后图像表示的是图像质量高于所述原始图像,且满足用户使用需求的图像。
所述的图像处理方法,其中,所述智能终端对某事物进行影像数据采集,获得事物的原始图像之前还包括:
预先在智能终端中创建或输入用于对图像进行重建与优化的映射模型。
所述的图像处理方法,其中,所述预先在智能终端中创建或输入用于对图像进行重建与优化的映射模型具体包括:
对同一事物或场景进行影像数据采集,分别获得该事物或场景的非标准图像与标准图像;所述非标准图像表示的是图像质量存在明显缺陷的图像,所述标准图像表示的是所述标准图像表示的是图像质量明显高于非标准图像的图像;
分别对所述非标准图像与标准图像进行配对标签标注,并输入至用于学习和训练的网络模型中;
通过学习与训练,建立具有所述非标准图像与标准图像内容的一一映射关系的映射模型。
所述的图像处理方法,其中,所述映射模型具有参数初始化功能,当需要改变所述映射模型中的映射关系时,启动所述参数初始化功能或线下对图像重新进行学习和训练,自动获取映射关系参数,得到新的映射模型,或者根据不同的应用领域,对图像成像不同的要求,在网络中人为加入一些参数。
所述的图像处理方法,其中,所述调用预设的用于优化图像的映射模型,根据映射关系对原始图像进行优化处理;获得所述事物的优化后图像,并将所述优化后图像保存或输出具体包括:
当智能终端的成像系统得到某事物的原始图像之后,自动启动图像优化功能;
调用预设的映射模型,将所述原始图像输入至映射模型;
根据映射模型中的映射关系将原始图像处理成优化后图像,并将优化后图像存储或输出至智能终端的显示模块。
一种存储介质,其上存储有多条指令,其中,所述指令适于由处理器加载并执行,以实现上述任一项所述的图像处理方法。
一种智能终端,其中,包括:处理器、与处理器通信连接的存储介质,所述存储介质适于存储多条指令;所述处理器适于调用所述存储介质中的指令,以执行实现上述任一项所述的图像处理方法。
本发明的有益效果:本发明通过创建用于对图像进行优化处理的映射模型,能够在智能终端获得某事物的原始图像之后自动调用映射模型对原始图像进行优化处理,特别是对一些成像质量较差的低端设备,在不更改硬件的前提下,仅通过更改成像质量的算法,就可达到用户的使用需求,有效改善了成像质量,并且整个优化过程更加快速,所需时间更短,一定程度上提高了成像速度,延长设备的使用寿命。
附图说明
图1是本发明的图像处理方法的较佳实施例的流程图。
图2是本发明中待优化处理的原始图像的示意图。
图3是本发明中的原始图像经过映射模型之后得到的标准图像的示意图。
图4本发明的智能终端的较佳实施例的功能原理框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。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。
由于目前的很多具有成像功能的智能终端的成像效果不理想,尤其是一些对成像质量要求较高的领域,普通的低端智能终端难以满足需求。例如医疗领域,成像质量的高低会严重影响诊断结果以及诊断效率。而且大多数的医疗设备价格都比较昂贵,更换更高性能的设备也是不现实的。此外,即便是更换更高性能的设备,虽然成像质量提高了,但是成像速度相对来说会减缓,反而影响用户的使用。因此,如何对现有智能终端进行改进,使之能够获得更高质量的图像才是现今亟待解决的问题。
为了解决现有智能终端的缺陷,本发明提供了一种图像处理方法,如图1所示,图1是本发明的图像处理方法的较佳实施例的流程图。所述图像处理方法包括以下步骤:
步骤S100、智能终端对某事物进行影像数据采集,获得事物的原始图像。
具体实施时,本发明所实现的是通过创建用于对图像进行优化处理的映射模型,将未经过任何优化处理的原始图像根据映射关系优化以满足用户使用需求。因此,在上述步骤S100之前,本发明需要预先在智能终端中创建或输入用于对图像进行重建与优化的映射模型。
具体地,首先,本发明可以使用自带图像优化功能的智能终端,首先在关闭图像优化功能的状态下对某事物或场景进行影像数据采集,得到该事物或场景的非标准图像,然后在开启图像优化功能的状态下对同一事物或场景进行影像数据采集,得到该事物或场景的标准图像,通过上述操作获得了同一事物或场景的非标准图像以及标准图像。
当然,本发明对于获取同一事物或者场景的非标准图像以及标准图像的方法,还可以线下分别采用两个性能具有明显差异的智能终端对同一事物或者同一场景进行影像数据采集,这样,性能高的智能终端获得的是标准图像,性能低的智能终端获得的是非标准图像。其主要目的是为了创建所述映射模型。
上述这两种获取非标准图像以及标准图像的方法仅仅只是在创建映射模型过程中的实施例,并不用于限定本发明,其他方式获得非标准图像以及标准图像的方法仍属于本发明保护的范围。
进一步地,当获取到同一事物或者同一场景的非标准图像和标准图像之后,本发明可以选择性的对非标准图像进行双三次插值预处理,将非标准图像放大到目标对象大小,然后对非标准图像与标准图像进行配对标签标注,并输入至用于学习和训练的网络中进行学习与训练。在学习与训练的过程中,提取标准图像与非标准图像的细节特征,建立起非标准图像与标准图像内容的一一映射关系,进而创建出具有该映射关系的映射模型。还可针对不同领域的成像要求,在网络中加入一些参数,进行人为的干预。所述映射模型的获取方式以及程序可以嵌入至任意具有成像系统的智能终端中,以使一些成像效果较差的智能终端可以使用该映射模型自动对图像进行优化处理,而无需更换智能终端,节约了成本,给用户的使用也带来了方便。
值得说明的是,上述在创建映射模型的过程中所获得的非标准图像表示的是具有明显图像质量缺陷的图像,也就是说用户可以明显感受到模糊不清晰的图像,而标准图像表示的是所述标准图像表示的是图像质量明显高于非标准图像的图像。无论是通过用户肉眼观察的感官效果,还是通过仪器分析出的分辨率、信噪比以及其他参数,都是有着明显的改进。因此,本发明所创建的映射模型其实质就是将低质量图像转变为高质量图像。
进一步地,在创建好所述用于对图像进行优化处理的映射模型之后,将所述映射模型的获取方式以及程序或将所述映射模型直接嵌入至智能终端中,使智能终端具有图像优化功能。当智能终端对某事物进行影像数据采集,获得待优化处理的原始图像,本发明所需要达到的目的就是将智能终端所获得的待优化处理的原始图像优化处理成和创建映射模型时的标准图像具有相同或相近成像效果的优化后图像,从而提高智能终端成像质量。
步骤S200、调用预设的用于优化图像的映射模型,根据映射关系对原始图像进行优化处理;获得所述事物的优化后图像,并将所述优化后图像输出。
较佳地,所述步骤S200具体包括:
步骤S201、当智能终端的成像系统得到某事物的原始图像之后,自动启动图像优化功能;
步骤S202、调用预设的映射模型,将所述原始图像输入至映射模型;
步骤S203、根据映射模型中的映射关系将原始图像处理成优化后图像,并将优化后图像存储或输出至智能终端的显示模块。
具体实施时,当智能终端得到待优化处理的原始图像时,智能终端自动启动图像优化功能,进而自动调用预设的映射模型。所述映射模型会对原始图像进行预处理,将所述原始图像输入至映射模型,根据映射模型中建立好的将低质量图像转化成高质量图像的映射关系,将原始图像自动优化成高质量的优化后图像,无需用户手动操作,整个优化过程快速、高效。此外,智能终端在优化处理完成之后,还将优化后图像存储或输出至智能终端的显示模块,以便将优化后图像进行显示。从上述公开的图像优化,本发明能够自动调用映射模型对原始图像进行优化处理,从而满足用户使用需求,与传统的使用算法进行图像处理的方法,本发明对于一些成像质量较差的低端设备能够具有明显的成像质量改善效果,并且整个优化过程更加快速,所需时间更短,一定程度上提高了智能终端的成像速度,并减少了人为的主观臆断的图像增强方式。
进一步较佳地,本发明所创建的映射模型中的参数是可以根据使用需求进行自主设置与调整的,即具有参数初始化功能。当用户需要改变所述映射模型中的映射关系时,启动所述参数初始化功能,对图像重新进行学习和训练,自动获取映射关系参数,建立新的映射模型。当然,本发明也可以将非标准图像以及标准图像线下输入,从而重新建立映射模型。例如,如果将带有所述映射模型的智能终端应用至医学领域,则用户在使用智能终端观测骨骼组织或者其他组织结构时是需要更加高的成像效果,只需将获取的骨骼组织或者其他组织结构的非标准图像以及标准图像线下输入,便可自动建立可应用至医学领域的映射模型从而满足用户的使用需求,再将其输入至智能终端中,增加本发明的映射模型的应用范围。
步骤S300、智能终端将输出的标准图像进行显示。
智能终端在优化处理过程完成之后,自动将优化后图像进行显示,以供用户使用。具体地,本发明所达到的效果如图2与图3所示,图2是本发明中待优化处理的原始图像的示意图。图3是本发明中的原始图像经过映射模型之后得到的优化后图像的示意图。图2中的原始图像没有经过任何的优化处理,是待处理的图像,首先从肉眼直接观察的感官效果来看,图2中线条纹路都存在明显的模糊,并且通过分析得到的原始图像的峰值信噪比PSNR =20.3804dB。而图3是将图2中的原始图像经过本发明的映射模型之后,所得到的优化后图像,同样地,首先从肉眼直接观察的感官效果来看,图3中明显比图2更加清晰,并且通过分析得到的标准图像的峰值信噪比PSNR=26.3647。从这些具体的参数数据可以看出,图3中的标准图像的成像质量明显比图2中的原始图像高。
基于上述实施例,本发明还公开了一种智能终端。如图4所示,包括:处理器(processor)10、与处理器10连接的存储介质(memory)20;其中,所述处理器10用于调用所述存储介质20中的程序指令,以执行上述实施例所提供的方法,例如执行:
步骤S100、智能终端对某事物进行影像数据采集,获得事物的原始图像;
步骤S200、调用预设的用于优化图像的映射模型对原始图像进行优化处理;获得所述事物的优化后图像,并将所述优化后图像保存或输出;
步骤S300、智能终端将输出的优化后图像进行显示。
需要说明的是,本发明中的智能终端包括任何成像原理的仪器设备,并且适用于任何需要成像的技术领域以及场景。
本发明实施例还提供一种存储介质,所述存储介质上存储计算机指令,所述计算机指令使计算机执行上述各实施例所提供的方法。
综上所述,本发明提供的一种图像处理方法、存储介质及智能终端,方法包括:智能终端对某事物进行影像数据采集,获得事物的原始图像;调用预设的用于优化图像的映射模型,根据映射关系对原始图像进行优化处理;获得所述事物的优化后图像,并将所述优化后图像保存或输出;智能终端将输出的优化后图像进行显示。本发明通过创建用于对图像进行优化处理的映射模型,能够在智能终端获得某事物的原始图像之后自动调用映射模型对原始图像进行优化处理,提高图像质量、成像速率,延长设备的使用寿命,特别是对一些成像质量较差的低端设备,在不更改硬件的前提下,仅通过更改成像质量的算法,就可达到用户的使用需求,不但改善了成像质量,在一定程度上提高了成像速度。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (5)
1.一种图像处理方法,其特征在于,所述方法包括:
智能终端对某事物进行影像数据采集,获得事物的原始图像;
调用预设的用于优化图像的映射模型,根据映射关系对原始图像进行优化处理;获得所述事物的优化后图像,并将所述优化后图像保存或输出;
智能终端将输出的优化后图像进行显示;
所述智能终端对某事物进行影像数据采集,获得事物的原始图像之前还包括:
预先在智能终端中创建或输入用于对图像进行重建与优化的映射模型;
所述预先在智能终端中创建或输入用于对图像进行重建与优化的映射模型具体包括:
对同一事物或场景进行影像数据采集,分别获得该事物或场景的非标准图像与标准图像;所述非标准图像表示的是图像质量存在明显缺陷的图像,所述标准图像表示的是图像质量明显高于非标准图像的图像;
对所述非标准图像进行双三次插值预处理,将非标准图像放大到目标对象大小;
分别对所述非标准图像与标准图像进行配对标签标注,并输入至用于学习和训练的网络模型中;
通过学习与训练,建立具有所述非标准图像与标准图像一一映射关系的映射模型;
所述映射模型具有参数初始化功能,当需要改变所述映射模型中的映射关系时,启动所述参数初始化功能或线下对图像重新进行学习和训练,自动获取映射关系参数,得到新的映射模型,或者根据不同的应用领域,对图像成像不同的要求,在网络中输入非标准图像以及该应用领域要求的标准图像。
所述映射模型还可以通过不同性能的智能终端对同一事物或者同一场景进行数据采集,获得标准和非标准图像以创建映射模型。
2.根据权利要求1中所述的图像处理方法,其特征在于,所述原始图像表示的是待优化处理的图像;
所述优化后图像表示的是图像质量高于所述原始图像,且满足用户使用需求的图像。
3.根据权利要求1中所述的图像处理方法,其特征在于,所述调用预设的用于优化图像的映射模型,根据映射关系对原始图像进行优化处理;获得所述事物的优化后图像,并将所述优化后图像保存或输出具体包括:
当智能终端的成像系统得到某事物的原始图像之后,自动启动图像优化功能;
调用预设的映射模型,将所述原始图像输入至映射模型;
根据映射模型中的映射关系将原始图像处理成优化后图像,并将优化后图像存储或输出至智能终端的显示模块。
4.一种存储介质,其上存储有多条指令,其特征在于,所述指令适于由处理器加载并执行,以实现上述权利要求1-3任一项所述的图像处理方法。
5.一种智能终端,其特征在于,包括:处理器、与处理器通信连接的存储介质,所述存储介质适于存储多条指令;所述处理器适于调用所述存储介质中的指令,以执行实现上述权利要求1-3任一项所述的图像处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711349055.3A CN107945139B (zh) | 2017-12-15 | 2017-12-15 | 一种图像处理方法、存储介质及智能终端 |
PCT/CN2017/118026 WO2019114027A1 (zh) | 2017-12-15 | 2017-12-22 | 一种图像处理方法、存储介质及智能终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711349055.3A CN107945139B (zh) | 2017-12-15 | 2017-12-15 | 一种图像处理方法、存储介质及智能终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107945139A CN107945139A (zh) | 2018-04-20 |
CN107945139B true CN107945139B (zh) | 2020-01-07 |
Family
ID=61944305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711349055.3A Active CN107945139B (zh) | 2017-12-15 | 2017-12-15 | 一种图像处理方法、存储介质及智能终端 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107945139B (zh) |
WO (1) | WO2019114027A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109284719A (zh) * | 2018-09-28 | 2019-01-29 | 成都臻识科技发展有限公司 | 一种基于机器学习的初始数据处理方法和系统 |
WO2021232195A1 (en) * | 2020-05-18 | 2021-11-25 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image optimization |
CN112950337A (zh) * | 2021-04-27 | 2021-06-11 | 拉扎斯网络科技(上海)有限公司 | 一种图像处理方法、装置、电子设备以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452575A (zh) * | 2008-12-12 | 2009-06-10 | 北京航空航天大学 | 一种基于神经网络的图像自适应增强方法 |
WO2011081646A1 (en) * | 2009-12-15 | 2011-07-07 | Thomson Licensing | Stereo-image quality and disparity/depth indications |
CN103871037A (zh) * | 2012-12-07 | 2014-06-18 | 汤姆逊许可公司 | 图像之间颜色转换的方法和装置 |
CN107240066A (zh) * | 2017-04-28 | 2017-10-10 | 天津大学 | 基于浅层和深层卷积神经网络的图像超分辨率重建算法 |
-
2017
- 2017-12-15 CN CN201711349055.3A patent/CN107945139B/zh active Active
- 2017-12-22 WO PCT/CN2017/118026 patent/WO2019114027A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452575A (zh) * | 2008-12-12 | 2009-06-10 | 北京航空航天大学 | 一种基于神经网络的图像自适应增强方法 |
WO2011081646A1 (en) * | 2009-12-15 | 2011-07-07 | Thomson Licensing | Stereo-image quality and disparity/depth indications |
CN103871037A (zh) * | 2012-12-07 | 2014-06-18 | 汤姆逊许可公司 | 图像之间颜色转换的方法和装置 |
CN107240066A (zh) * | 2017-04-28 | 2017-10-10 | 天津大学 | 基于浅层和深层卷积神经网络的图像超分辨率重建算法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019114027A1 (zh) | 2019-06-20 |
CN107945139A (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111641778B (zh) | 一种拍摄方法、装置与设备 | |
CN111179282B (zh) | 图像处理方法、图像处理装置、存储介质与电子设备 | |
KR101662846B1 (ko) | 아웃 포커싱 촬영에서 빛망울 효과를 생성하기 위한 장치 및 방법 | |
CN107945139B (zh) | 一种图像处理方法、存储介质及智能终端 | |
JP2020530920A (ja) | 画像照明方法、装置、電子機器および記憶媒体 | |
WO2022179335A1 (zh) | 视频处理方法、装置、电子设备以及存储介质 | |
CN105376473A (zh) | 一种拍照方法、装置及设备 | |
CN105100632A (zh) | 成像设备自动曝光的调整方法及装置、成像设备 | |
CN109587558B (zh) | 视频处理方法、装置、电子设备以及存储介质 | |
US11783459B2 (en) | Method and device of inverse tone mapping and electronic device | |
JP2021197144A (ja) | 画像ノイズ除去モデルの訓練方法、画像ノイズ除去方法、装置及び媒体 | |
EP3823267A1 (en) | Static video recognition | |
CN112634160A (zh) | 拍照方法及装置、终端、存储介质 | |
CN110807735A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
CN109587559A (zh) | 视频处理方法、装置、电子设备以及存储介质 | |
CN112308785A (zh) | 图像去噪方法、存储介质及终端设备 | |
US11521305B2 (en) | Image processing method and device, mobile terminal, and storage medium | |
CN111447360A (zh) | 应用程序控制方法及装置、存储介质、电子设备 | |
CN111881862A (zh) | 手势识别方法及相关装置 | |
CN110278386A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
US20180012066A1 (en) | Photograph processing method and system | |
US11803946B2 (en) | Deep SDR-HDR conversion | |
CN114640815A (zh) | 一种视频的处理方法、装置、电子设备及存储介质 | |
CN113808066A (zh) | 图像选取方法、装置、存储介质及电子设备 | |
CN113610720A (zh) | 视频去噪方法及装置、计算机可读介质和电子设备 |
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 |