CN108198148A - 图像处理的方法及装置 - Google Patents
图像处理的方法及装置 Download PDFInfo
- Publication number
- CN108198148A CN108198148A CN201810016586.9A CN201810016586A CN108198148A CN 108198148 A CN108198148 A CN 108198148A CN 201810016586 A CN201810016586 A CN 201810016586A CN 108198148 A CN108198148 A CN 108198148A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- bloom
- candidate region
- repaired
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000000605 extraction Methods 0.000 claims abstract description 26
- 230000008439 repair process Effects 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 31
- 230000004927 fusion Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 17
- 238000010586 diagram Methods 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 17
- 230000001815 facial effect Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 230000010354 integration Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000005070 sampling Methods 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
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000000205 computational 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
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000012092 media component Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开是关于一种图像处理的方法及装置，用以改善图像的高光修复效果，使图像的高光修复效果更自然。所述方法包括：确定待修复图像中的高光区域；根据高光区域确定候选区域，候选区域包括高光区域；从待修复图像中提取候选区域；对提取的候选区域中的高光区域进行高光修复，得到修复高光后的图像；将修复高光后的图像与候选区域按照各自的比例系数进行融合，得到待修复图像的已修复图像。本公开技术方案，可以使图像的高光修复效果更自然，改善了图像的高光修复效果。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及一种图像处理的方法及装置。
背景技术
在实际拍摄中，可能受摄像设备的自身局限(例如感光度不足)、拍照的曝光参数设置不准确、实际的拍摄场景的动态范围较大以及被拍摄物自身颜色的影响，都会造成拍摄得到的图像存在高光区域。相关技术中，如何修复图像中的高光区域是需要解决的一个技术问题。
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的方法及装置，用以改善图像的高光修复效果。
根据本公开实施例的第一方面，提供一种图像处理的方法，包括：
提取待修复图像中高光区域的候选区域，得到高光图像；
调整所述高光图像中高光区域的像素值，得到修复高光后的图像；
根据融合比例将所述修复高光后的图像与所述候选区域进行融合，得到所述待修复图像的已修复图像。
在一个实施例中，所述提取待修复图像中高光区域的候选区域，得到高光图像，包括：
定位所述待修复图像的所述高光区域；
根据所述高光区域确定所述候选区域；
提取出所述待修复图像中的所述候选区域，获得所述高光图像。
在一个实施例中，所述根据所述高光区域确定所述候选区域，包括：
确定所述高光区域的包围框；
对所述包围框的包围区域进行区域生长，获得所述候选区域。
在一个实施例中，所述调整所述高光图像中高光区域的像素值，得到修复高光后的图像，包括：
确定所述高光图像中位于所述高光区域之外的非高光区域的像素值；
根据所述非高光区域的像素值调整所述高光区域的像素值，得到所述修复高光后的图像。
在一个实施例中，所述调整所述高光图像中高光区域的像素值，得到修复高光后的图像，包括：
按照缩小比例对所述高光图像进行缩小处理，得到缩小后的高光图像；
调整所述缩小后的高光图像中高光区域的像素值，得到修复高光后的中间图像；
对所述中间图像进行放大处理，得到所述修复高光后的图像；所述修复高光后的图像与所述高光图像尺寸相同。
在一个实施例中，所述按照缩小比例对所述高光图像进行缩小处理，得到缩小后的高光图像之前，还包括：
计算所述高光区域的面积与所述待修复图像的面积之间的面积比，得到修复面积比例；
根据所述修复面积比例查询预存的修复面积比例与缩小比例的对应关系，获得所述缩小比例。
在一个实施例中，所述按照缩小比例对所述高光图像进行缩小处理，得到缩小后的高光图像之前，还包括：
计算所述高光区域的面积，得到修复面积；
根据所述修复面积查询预存的修复面积与缩小比例的对应关系，获得所述缩小比例。
在一个实施例中，所述根据融合比例将所述已修复的高光图像与所述候选区域进行融合，得到所述待修复图像的已修复图像之前，还包括：
计算所述高光区域中像素点的第一平均像素值；
根据预设宽度确定环绕所述高光区域的邻域；
计算所述邻域中像素点的第二平均像素值；
计算所述第一平均像素值与所述第二平均像素值的比值，得到像素比值；
根据所述像素比值查询预存的像素比值与融合比例的对应关系，获得所述融合比例。
根据本公开实施例的第二方面，提供一种图像处理的装置，所述装置包括：
第一确定模块，被配置为确定待修复图像中的高光区域；
第二确定模块，被配置为根据所述高光区域确定候选区域，所述候选区域包括所述高光区域；
提取模块，被配置为从所述待修复图像中提取所述候选区域；
修复模块，被配置为对提取的所述候选区域中的高光区域进行高光修复，得到修复高光后的图像；
融合模块，被配置为将所述修复高光后的图像与所述候选区域按照各自的比例系数进行融合，得到所述待修复图像的已修复图像。
在一个实施例中，所述第二确定模块，可包括：
第一确定子模块，被配置为确定所述高光区域的包围框；
第一获取子模块，被配置对所述包围框的包围区域进行区域生长，获得所述候选区域。
在一个实施例中，所述修复模块，可包括：
第二确定子模块，被配置为确定提取的所述候选区域中位于所述高光区域之外的非高光区域的像素；
填充子模块，被配置为将所述高光区域的像素填充为所述非高光区域的像素，得到所述修复高光后的图像。
在一个实施例中，所述修复模块，可包括：
缩小子模块，被配置为按照缩小比例对提取的所述候选区域进行缩小处理，得到缩小后的图像；
修复子模块，被配置为对所述缩小后的图像中的高光区域进行高光修复，得到修复高光后的中间图像；
放大子模块，被配置为对所述中间图像进行放大处理，得到所述修复高光后的图像；所述修复高光后的图像与所述候选区域尺寸相同。
在一个实施例中，所述修复模块，还可包括：
第一计算子模块，被配置为计算所述高光区域的面积与所述待修复图像的面积之间的面积比，得到修复面积比例；
第一查询子模块，被配置为根据所述修复面积比例查询预存的修复面积比例与缩小比例的对应关系，获得所述缩小比例。
在一个实施例中，所述修复模块，还可包括：
第二计算子模块，被配置为计算所述高光区域的面积，得到修复面积；
第二查询子模块，被配置为根据所述修复面积查询预存的修复面积与缩小比例的对应关系，获得所述缩小比例。
在一个实施例中，所述装置，还可包括：
第一计算模块，被配置为计算所述高光区域中像素点的第一平均像素值；
第三确定模块，被配置为根据预设宽度确定环绕所述高光区域的邻域；
第二计算模块，被配置为计算所述邻域中像素点的第二平均像素值；
第三计算模块，被配置为计算所述第一平均像素值与所述第二平均像素值的比值，得到像素比值；
查询模块，被配置为根据所述像素比值查询预设列表，获得所述修复高光后的图像的比例系数以及所述候选区域的比例系数；所述预设列表包括像素比值与修复高光后的图像的比例系数、候选区域的比例系数的对应关系。
根据本公开实施例的第三方面，提供一种图像处理的装置，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执行上述的方法。
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，所述计算机程序被处理器执行时实现上述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果：通过确定待修复图像中的高光区域，从待修复图像中提取出根据高光区域确定的候选区域，并对提取的候选区域中的高光区域进行高光修复，得到修复高光后的图像，然后将修复高光后的图像与候选区域按照各自的比例系数进行融合，得到待修复图像的已修复图像。由于候选区域中包括图像细节，将修复高光后的图像与候选区域进行融合，得到已修复图像，可以使图像的高光修复效果更自然，改善了图像的高光修复效果。
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图像处理的方法的流程图。
图1B～1D是根据一示例性实施例示出的图像处理的方法的应用场景图。
图2～图3是根据另一示例性实施例示出的图像处理的方法的流程图。
图4是根据另一示例性实施例示出的图像处理的方法的流程图。
图5是根据另一示例性实施例示出的图像处理的方法的流程图。
图6是根据另一示例性实施例示出的图像处理的方法的流程图。
图7是根据另一示例性实施例示出的图像处理的方法的流程图。
图8是根据另一示例性实施例示出的图像处理的方法的流程图。
图9A是根据一示例性实施例示出的一种图像处理的装置的框图。
图9B是根据另一示例性实施例示出的一种图像处理的装置的框图。
图9C是根据另一示例性实施例示出的一种图像处理的装置的框图。
图9D是根据另一示例性实施例示出的一种图像处理的装置的框图。
图9E是根据另一示例性实施例示出的一种图像处理的装置的框图。
图9F是根据另一示例性实施例示出的一种图像处理的装置的框图。
图9G是根据另一示例性实施例示出的一种图像处理的装置的框图。
图10是根据一示例性实施例示出的一种图像处理的装置的框图。
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图像处理的方法的流程图，图1B～1D是根据一示例性实施例示出的图像处理的方法的应用场景图，该图像处理的方法可以应用在终端设备(例如：智能手机、平板电脑等)上，如图1A所示，该图像处理的方法包括以下步骤S101～S103：
在步骤S101中，确定待修复图像中的高光区域。
在本实施例中，可以通过预设的算法定位待修复图像的高光区域。一个示例性实施例，如图1B所示，如果用户发现获取的人脸图像11中的人脸12上存在高光区域，则可以采用上述的终端设备对人脸图像11进行人脸检测，得到人脸12的位置。具体是，终端设备对人脸图像11进行人脸检测和特征点定位，定位出人脸12的五官位置，进而得到人脸12的位置。
继续上述的示例性实施例，如果人脸图像11采用的是RGB颜色模式，则可以将人脸图像11由RGB(红绿蓝)颜色模式转化为LAB颜色模式。在LAB颜色模式下，利用如下计算式确定像素点是否为属于高光区域：
mi＝0.5*(tanh(sig*((Li-Lt)+(Ct-sqrt(Ai*Ai+Bi*Bi))))+1)(1)
其中，i为第i个像素点，mi为第i个像素点属于高亮区域的概率，Li为第i个像素点的亮度，Lt为亮度阈值，Ai为第i个像素点的的a通道像素值，Bi为第i个像素点的的b通道像素值，Ct为a、b通道的综合阈值，sig为控制参数，tanh()为双曲正切函数，sqrt()平方根函数。
当mi的值大于0.6时，可以确定第i个像素点属于高亮区域。利用上述的计算式(1)可以确定人脸12区域中哪些像素点属于高亮区域。该高亮区域即为人脸图像11中的高光区域。
继续上述的示例性实施例，如图1C所示，在定位出高光区域13与14后，以供后续对高光区域13与14进行修复。在实际应用中，可以同时对高光区域13与14进行修复，也可以分别对高光区域13与14进行修复。在本实施例中，以对高光区域13进行修复为例进行举例说明。
在步骤S102中，根据所述高光区域确定候选区域，所述候选区域包括所述高光区域。
在本实施例中，可以以高光区域为中心确定包括高光区域的图像区域作为上述的候选区域，其中该候选区域的面积大于高光区域的面积。继续上述的示例性实施例，如图1D所示，在定位高光区域13后，可以以高光区域13为中心确定包围所述高光区域13的包围框，并对包围框进行区域生长得到候选区域15。其中，包围框的形状与候选区域15的轮廓形状相同，包围框以及候选区域15的轮廓形状可以是简单的几何形状，例如规则的四边形、不规则的四边形或者圆形。
在步骤S103中，从所述待修复图像中提取所述候选区域。
继续上述的示例性实施例，如图1D所示，将候选区域15从人脸图像11中提取出来。
在步骤S104中，对提取的所述候选区域中的高光区域进行高光修复，得到修复高光后的图像。
在本实施例中，可以采用Inpainting算法或者Patchmatch算法，对提取的所述候选区域中的高光区域进行高光修复，得到修复高光后的图像。例如，在使用Inpainting算法时，可以采用inpainting()函数，对输入的候选区域与高光mask(模板)图像进行计算，得到修复高光后的图像。
在本实施例中，高光mask(模板)图像可以为二值图像，与候选区域尺寸相同。高光mask(模板)图像中的像素点的像素值可为0或者1。在本实施例中，高光mask(模板)图像与候选区域中高光区域的对应的像素点的像素值均为1，位于高光区域之外的区域中的像素点的像素值均为0。
在步骤S105中，将所述修复高光后的图像与所述候选区域按照各自的比例系数进行融合，得到所述待修复图像的已修复图像。
在本实施例中，在对所述修复高光后的图像与所述候选区域进行融合之前，可以先确定所述修复高光后的图像与所述候选区域按照各自的比例系数。其中，上述修复高光后的图像的比例系数与上述的候选区域的比例系数之和可为1。然后，将所述修复高光后的图像与所述候选区域按照各自的比例系数进行融合，可以得到所述待修复图像的已修复图像。由于上述修复高光后的图像缺乏纹理，而所述候选区域中包括图像细节，将修复高光后的图像与所述候选区域进行融合，这样，既可以修复高光区域，又可以保留图像细节，提升图像的修复效果。其中，如果候选区域的比例系数比上述的修复高光后的图像的比例系数大的话，待修复图像的已修复图像可以保留更多细节，使得修复效果更自然。
在本实施例中，通过确定待修复图像中的高光区域，从待修复图像中提取出根据高光区域确定的候选区域，并对提取的候选区域中的高光区域进行高光修复，得到修复高光后的图像，然后将修复高光后的图像与候选区域按照各自的比例系数进行融合，得到待修复图像的已修复图像。由于候选区域中包括图像细节，将修复高光后的图像与候选区域进行融合，得到已修复图像，可以使图像的高光修复效果更自然，改善了图像的高光修复效果。而且，在本实施例中，基于尺寸较小的候选区域进行图像修复，可以减小图像处理的计算量，进而减少图像修复的时间，提高图像修复的效率。
图2～图3是根据另一示例性实施例示出的图像处理的方法的流程图。在图1A所示的实施例的基础上，上述的步骤S102包括以下步骤S201～S202：
在步骤S201中，确定所述高光区域的包围框。
在本实施例中，包围框为最小可包围高光区域的简单几何形状，例如规则的四边形、不规则的四边形以及圆形等，具体可以参见图1D中的候选区域15的轮廓形状。在本实施例中，可以以高光区域为中心确定其包围框。
在步骤S202中，对所述包围框的包围区域进行区域生长，获得所述候选区域。
在本实施例中，可以通过对包围框的长和宽各增加一定比例实现区域生长，得到高光区域的候选区域，具体可以参见图1D中的候选区域15。候选区域中除了包括高光区域，还包括围绕高光区域的邻域。
在本实施例中，如图3所示，在步骤S104中，包括如下步骤S301～S302：
在步骤S301中，确定提取的所述候选区域中位于所述高光区域之外的非高光区域的像素。
在步骤S302中，将所述高光区域的像素填充为所述非高光区域的像素，得到所述修复高光后的图像。
在本实施例中，可以采用FMM算法(基于快速行进的修复算法)将所述候选区域中位于所述高光区域之外的非高光区域的像素值填充至所述高光区域。具体是，先填充高光区域边缘上的像素点，然后层层递进，直至将高光区域中所有像素点的像素填充完。
在本实施例中，候选区域中位于高光区域之外的非高光区域的像素点与高光区域距离最近，因此，在修复高光区域时候选区域中位于高光区域之外的非高光区域的像素最具参考价值，可以使修复高光后的图像更自然。
在本实施例中，根据非高光区域的像素修复高光区域，得到修复高光后的图像，可以使修复高光后的图像更自然。
图4是根据另一示例性实施例示出的图像处理的方法的流程图。在图1A所示的实施例的基础上，上述的步骤S104包括以下步骤S401～S403：
在步骤S401中，按照缩小比例对提取的所述候选区域进行缩小处理，得到缩小后的图像。
在本实施例中，可以采用近邻取样插值算法、二次线性插值算法或者三次线性插值算法，按照缩小比例对所述候选区域进行缩小处理，得到缩小后的图像。其中，缩小后的图像分辨率比缩小前的候选区域分辨率低。本公开实施例中，对实现缩小处理的算法不作限制。
在步骤S402中，对所述缩小后的图像中的高光区域进行高光修复，得到修复高光后的中间图像。
本实施例中的步骤S402与上述图1A所示的步骤104相似，在此不再赘述。
在步骤S403中，对所述中间图像进行放大处理，得到所述修复高光后的图像；所述修复高光后的图像与所述候选区域尺寸相同。
在本实施例中，可以采用近邻取样插值算法、二次线性插值算法或者三次线性插值算法，对所述中间图像进行放大处理，得到所述修复高光后的图像。本公开实施例中，对实现放大处理的算法不作限制。
在本实施例中，由于候选区域缩小后得到的图像分辨率比较低，因此，对候选区域缩小后得到的图像中高光区域进行高光修复的速度较快，可以提高图像修复效率。
图5是根据另一示例性实施例示出的图像处理的方法的流程图。在图1A、4所示的实施例的基础上，上述的步骤S401之前还包括以下步骤S501～S502：
在步骤S501中，计算所述高光区域的面积与所述待修复图像的面积之间的面积比，得到修复面积比例。
在步骤S502中，根据所述修复面积比例查询预存的修复面积比例与缩小比例的对应关系，获得所述缩小比例。
在本实施例中，在步骤S501之前，终端设备预先存储修复面积比例与缩小比例的对应关系。具体可如表1所示，例如，当修复面积比例为10～20％时，对应的缩小比例为2倍。
表1
| 修复面积比例(％) | 缩小比例(倍数) |
| 0～10 | 1 |
| 10～20 | 2 |
| 20～50 | 4 |
在本实施例中，可以计算高光区域的面积与所述待修复图像的面积之间的面积比，得到修复面积比例，并根据所述修复面积比例查询表1，获得所述缩小比例。在上述的示例性实施例中，通过计算，高光区域的面积与所述待修复图像的面积之间的面积比为5％，即修复面积比例为5％，根据修复面积比例查表可得对应的缩小比例为1倍。
在本实施例中，可以根据修复面积比例确定缩小比例，这样，可以相对地减少图像修复时间，提高图像修复效率。
图6是根据另一示例性实施例示出的图像处理的方法的流程图。在图1A、4所示的实施例的基础上，上述的步骤S401之前还包括以下步骤S601～S602：
在步骤S601中，计算所述高光区域的面积，得到修复面积。
在步骤S602中，根据所述修复面积查询预存的修复面积与缩小比例的对应关系，获得所述缩小比例。
在本实施例中，在步骤S601之前，终端设备预先存储修复面积与缩小比例的对应关系。具体可如表2所示，例如，当修复面积为面积C时，对应的缩小比例为4倍。
在本实施例中，可以计算所述高光区域的面积，得到修复面积，并根据修复面积查询上述的表2得到对应的缩小比例。例如，当计算得到的修复面积为修复面积C时，查询表2得到的缩小比例为4倍。
在本实施例中，可以根据修复面积确定缩小比例，这样，可以绝对地减少图像修复时间，提高图像修复效率。
表2
| 修复面积 | 缩小比例 |
| 面积A | 1 |
| 面积B | 2 |
| 面积C | 4 |
图7是根据另一示例性实施例示出的图像处理的方法的流程图。在图1A示的实施例的基础上，上述的步骤S105之前还包括以下步骤S701～S705：
在步骤S701中，计算所述高光区域中像素点的第一平均像素值。
在本实施例中，计算第第一平均像素值的具体方法是：对高光区域中所有像素点的像素值进行求和，将该和的值除以高光区域中所有像素点的总数目，得到第一平均像素值。
在步骤S702中，根据预设宽度确定环绕所述高光区域的邻域。
在步骤S703中，计算所述邻域中像素点的第二平均像素值。
在一个示例性实施例中，可以以3个像素点为预设宽度，确定环绕所述高光区域的环状区域作为上述的邻域，并计算邻域中像素点的第二平均像素值。第二平均像素值的计算方法与第一平均像素值的计算方法相似，在此不再赘述。当然在实际应用中，不必局限于本公开实施例所列举的预设宽度的数字。
在步骤S704中，计算所述第一平均像素值与所述第二平均像素值的比值，得到像素比值。
在本实施例中，计算第一平均像素值与所述第二平均像素值的比值，得到像素比值，该像素比值大于1时，说明高光区域中包括更多细节。
在步骤S705中，根据所述像素比值查询预设列表，获得所述修复高光后的图像的比例系数以及所述候选区域的比例系数；所述预设列表包括像素比值与修复高光后的图像的比例系数、候选区域的比例系数的对应关系。
在本实施例中，终端设备预先存储上述的预设列表。其中，所述修复高光后的图像的比例系数可以称为融合比例。上述的像素比值越大，融合比例越小，候选区域的比例系数越大，这样，在融合时可以保留更多细节，使得图像修复效果更自然。上述预设列表具体可参见表3。例如，当像素比值为1.1时，对应的融合比例为0.4，候选区域的比例系数为0.6。
在本实施例中，可以通过计算高光区域中像素点的第一平均像素值与邻域中像素点的第二平均像素值的比值，得到像素比值，并根据像素比值查询上述的预设列表得到修复高光后的图像的比例系数以及候选区域的比例系数，其中，像素比值越大，候选区域的比例系数越大，从而可以保证图像修复后可以保留更多细节，使得修复效果更自然。
表3
| 像素比值 | 融合比例 | 候选区域的比例系数 |
| 0.9 | 0.6 | 0.4 |
| 1.1 | 0.4 | 0.6 |
| 1.2 | 0.3 | 0.7 |
图8是根据另一示例性实施例示出的图像处理的方法的流程图。在本实施例中，以修复人脸图像中人脸上的高光区域为例进行说明，具体如图8所示，包括以下步骤S801～S808：
在步骤S801中，检测出人脸图像中的人脸位置，并检测数人脸上的高光区域。
如图1B所示，检测出人脸图像11中的人脸11的位置，并将检测出人脸12上的高光区域13与14。具体检测方法与上述实施例中的方法相似，在此不再赘述。
在步骤S802中，生成一张模板图像。
在本示例性实施例中，根据上述的人脸图像11与高光区域生成对应的模板(mask)图像。其中，mask图像与人脸图像尺寸相同。mask图像为二值图像，mask图像中高光区域对应的区域的像素点的值为1，其余区域的像素点的值为0。
在步骤S803中，确定高光区域的包围框，并对包围框进行外扩，得到高光区域的候选区域R。
在本实施例中，获取候选区域R的方法与上述实施例中获取候选区域R的方法相似，在此不再赘述。
在步骤S804中，将候选区域R从人脸图像中提取出来，得到图像P1，并从模板图像中提取出候选区域R对应的区域，得到图像M1。
在本实施例中，图像P1与图像M1尺寸相同。
在步骤S805中，将图像P1与图像M1以相同比例进行缩小，得到图像P2与M2。
在本实施例中，图像缩小的方法与上述的图像缩小方法相似，在此不再赘述。在本实施例中，可以将图像P1与图像M1缩小4倍，得到低分辨率的图像P2与M2。图像P2与M2尺寸相同。
在步骤S806中，利用图像M2对图像P2进行修复，得到图像P3。
在本实施例中，可以采用基于Inpainting算法对图像P2上的高光区域进行修复，得到低分辨率图像P3。
在步骤S807中，将图像P3进行放大，得到图像P4，图像P4的尺寸与图像P1相同。
在本实施例中，将图像P3进行放大，得到高分辨率图像P4。在本步骤中，虽然P4已经修复，但是还没有纹理。
在步骤S808中，将图像P4与候选区域R进行融合，得到已修复的人脸图像。
在本实施例中，可以根据如下计算式进行融合：
P＝α*P4+(1-α)*R(2)
其中，P为已修复的人脸图像，α为融合比例，P4为图像P4，R为候选区域R。
在本实施例中，首先定位人脸的高光区域，然后将高光区域和高光周围区域(候选区域R)提取出来，将这部分提取的数据缩小4倍，同时将对应的高光mask(图像M1)也同样缩小到一定比例，然后将采用inpaint算法修复上述的高光区域，然后将修复后的区域放大到原尺寸和原图进行融合，得到高光区域的修复图像。本实施例的优点是：不但修复速度提高了16倍，而且，传统的inpaint算法对大区域的修复效果比较差，而本实施例通过缩放后，高光区域变小，修复效果会比直接在原图修复效果好。
综上所述，在本实施例中，对人脸图像进行高光区域进行修复，相对于传统的高光修复方法，速度提高了16倍，不但快速高效，而且修复效果更自然。
图9A是根据一示例性实施例示出的一种图像处理的装置的框图，如图9A所示，图像处理的装置包括：
第一确定模块91，被配置为确定待修复图像中的高光区域；
第二确定模块92，被配置为根据所述高光区域确定候选区域，所述候选区域包括所述高光区域；
提取模块93，被配置为从所述待修复图像中提取所述候选区域；
修复模块94，被配置为对提取的所述候选区域中的高光区域进行高光修复，得到修复高光后的图像；
融合模块95，被配置为将所述修复高光后的图像与所述候选区域按照各自的比例系数进行融合，得到所述待修复图像的已修复图像。
图9B是根据另一示例性实施例示出的一种图像处理的装置的框图，如图9B所示，所述第二确定模块92，可包括：
第一确定子模块921，被配置为确定所述高光区域的包围框；
第一获取子模块922，被配置对所述包围框的包围区域进行区域生长，获得所述候选区域。
图9C是根据另一示例性实施例示出的一种图像处理的装置的框图，如图9C所示，所述修复模块94，可包括：
第二确定子模块941，被配置为确定提取的所述候选区域中位于所述高光区域之外的非高光区域的像素；
填充子模块942，被配置为将所述高光区域的像素填充为所述非高光区域的像素，得到所述修复高光后的图像。
图9D是根据另一示例性实施例示出的一种图像处理的装置的框图，如图9D所示，所述修复模块94，可包括：
缩小子模块943，被配置为按照缩小比例对提取的所述候选区域进行缩小处理，得到缩小后的图像；
修复子模块944，被配置为对所述缩小后的图像中的高光区域进行高光修复，得到修复高光后的中间图像；
放大子模块945，被配置为对所述中间图像进行放大处理，得到所述修复高光后的图像；所述修复高光后的图像与所述候选区域尺寸相同。
图9E是根据另一示例性实施例示出的一种图像处理的装置的框图，如图9E所示，所述修复模块94，还可包括：
第一计算子模块946，被配置为计算所述高光区域的面积与所述待修复图像的面积之间的面积比，得到修复面积比例；
第一查询子模块947，被配置为根据所述修复面积比例查询预存的修复面积比例与缩小比例的对应关系，获得所述缩小比例。
图9F是根据另一示例性实施例示出的一种图像处理的装置的框图，如图9F所示，所述修复模块94，还可包括：
第二计算子模块948，被配置为计算所述高光区域的面积，得到修复面积；
第二查询子模块949，被配置为根据所述修复面积查询预存的修复面积与缩小比例的对应关系，获得所述缩小比例。
图9G是根据另一示例性实施例示出的一种图像处理的装置的框图，如图9G所示，所述装置，还可包括：
第一计算模块96，被配置为计算所述高光区域中像素点的第一平均像素值；
第三确定模块97，被配置为根据预设宽度确定环绕所述高光区域的邻域；
第二计算模块98，被配置为计算所述邻域中像素点的第二平均像素值；
第三计算模块99，被配置为计算所述第一平均像素值与所述第二平均像素值的比值，得到像素比值；
查询模块90，被配置为根据所述像素比值查询预设列表，获得所述修复高光后的图像的比例系数以及所述候选区域的比例系数；所述预设列表包括像素比值与修复高光后的图像的比例系数、候选区域的比例系数的对应关系。
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10是根据一示例性实施例示出的一种图像处理的装置的框图。例如，装置1000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。
参照图10，装置1000可以包括以下一个或多个组件：处理组件1002，存储器1004，电源组件1006，多媒体组件1008，音频组件1010，输入/输出(I/O)的接口1012，传感器组件1014，以及通信组件1016。
处理组件1002通常控制装置1000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1002可以包括一个或多个处理器1020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1002可以包括一个或多个模块，便于处理组件1002和其他组件之间的交互。例如，处理部件1002可以包括多媒体模块，以方便多媒体组件1008和处理组件1002之间的交互。
存储器1004被配置为存储各种类型的数据以支持在设备1000的操作。这些数据的示例包括用于在装置1000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1004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1006为装置1000的各种组件提供电力。电力组件1006可以包括电源管理系统，一个或多个电源，及其他与为装置1000生成、管理和分配电力相关联的组件。
多媒体组件1008包括在所述装置1000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1008包括一个前置摄像头和/或后置摄像头。当设备1000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1010被配置为输出和/或输入音频信号。例如，音频组件1010包括一个麦克风(MIC)，当装置1000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1004或经由通信组件1016发送。在一些实施例中，音频组件1010还包括一个扬声器，用于输出音频信号。
I/O接口1012为处理组件1002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1014包括一个或多个传感器，用于为装置1000提供各个方面的状态评估。例如，传感器组件1014可以检测到设备1000的打开/关闭状态，组件的相对定位，例如所述组件为装置1000的显示器和小键盘，传感器组件1014还可以检测装置1000或装置1000一个组件的位置改变，用户与装置1000接触的存在或不存在，装置1000方位或加速/减速和装置1000的温度变化。传感器组件1014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1014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1014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1016被配置为便于装置1000和其他设备之间有线或无线方式的通信。装置1000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1016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1016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1000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1004，上述指令可由装置1000的处理器1020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。
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。
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 (16)
1.一种图像处理的方法，其特征在于，所述方法包括：
确定待修复图像中的高光区域；
根据所述高光区域确定候选区域，所述候选区域包括所述高光区域；
从所述待修复图像中提取所述候选区域；
对提取的所述候选区域中的高光区域进行高光修复，得到修复高光后的图像；
将所述修复高光后的图像与所述候选区域按照各自的比例系数进行融合，得到所述待修复图像的已修复图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述高光区域确定候选区域，包括：
确定所述高光区域的包围框；
对所述包围框的包围区域进行区域生长，获得所述候选区域。
3.根据权利要求1所述的方法，其特征在于，所述对提取的所述候选区域中的高光区域进行高光修复，得到修复高光后的图像，包括：
确定提取的所述候选区域中位于所述高光区域之外的非高光区域的像素；
将所述高光区域的像素填充为所述非高光区域的像素，得到所述修复高光后的图像。
4.根据权利要求1所述的方法，其特征在于，所述对提取的所述候选区域中的高光区域进行高光修复，得到修复高光后的图像，包括：
按照缩小比例对提取的所述候选区域进行缩小处理，得到缩小后的图像；
对所述缩小后的图像中的高光区域进行高光修复，得到修复高光后的中间图像；
对所述中间图像进行放大处理，得到所述修复高光后的图像；所述修复高光后的图像与所述候选区域尺寸相同。
5.根据权利要求4所述的方法，其特征在于，所述按照缩小比例对提取的所述候选区域进行缩小处理，得到缩小后的图像之前，还包括：
计算所述高光区域的面积与所述待修复图像的面积之间的面积比，得到修复面积比例；
根据所述修复面积比例查询预存的修复面积比例与缩小比例的对应关系，获得所述缩小比例。
6.根据权利要求4所述的方法，其特征在于，所述按照缩小比例对提取的所述候选区域进行缩小处理，得到缩小后的图像之前，还包括：
计算所述高光区域的面积，得到修复面积；
根据所述修复面积查询预存的修复面积与缩小比例的对应关系，获得所述缩小比例。
7.根据权利要求1所述的方法，其特征在于，所述将所述修复高光后的图像与所述候选区域按照各自的比例系数进行融合，得到所述待修复图像的已修复图像之前，还包括：
计算所述高光区域中像素点的第一平均像素值；
根据预设宽度确定环绕所述高光区域的邻域；
计算所述邻域中像素点的第二平均像素值；
计算所述第一平均像素值与所述第二平均像素值的比值，得到像素比值；
根据所述像素比值查询预设列表，获得所述修复高光后的图像的比例系数以及所述候选区域的比例系数；所述预设列表包括像素比值与修复高光后的图像的比例系数、候选区域的比例系数的对应关系。
8.一种图像处理的装置，其特征在于，所述装置包括：
第一确定模块，被配置为确定待修复图像中的高光区域；
第二确定模块，被配置为根据所述高光区域确定候选区域，所述候选区域包括所述高光区域；
提取模块，被配置为从所述待修复图像中提取所述候选区域；
修复模块，被配置为对提取的所述候选区域中的高光区域进行高光修复，得到修复高光后的图像；
融合模块，被配置为将所述修复高光后的图像与所述候选区域按照各自的比例系数进行融合，得到所述待修复图像的已修复图像。
9.根据权利要求8所述的装置，其特征在于，所述第二确定模块，包括：
第一确定子模块，被配置为确定所述高光区域的包围框；
第一获取子模块，被配置对所述包围框的包围区域进行区域生长，获得所述候选区域。
10.根据权利要求8所述的装置，其特征在于，所述修复模块，包括：
第二确定子模块，被配置为确定提取的所述候选区域中位于所述高光区域之外的非高光区域的像素；
填充子模块，被配置为将所述高光区域的像素填充为所述非高光区域的像素，得到所述修复高光后的图像。
11.根据权利要求8所述的装置，其特征在于，所述修复模块，包括：
缩小子模块，被配置为按照缩小比例对提取的所述候选区域进行缩小处理，得到缩小后的图像；
修复子模块，被配置为对所述缩小后的图像中的高光区域进行高光修复，得到修复高光后的中间图像；
放大子模块，被配置为对所述中间图像进行放大处理，得到所述修复高光后的图像；所述修复高光后的图像与所述候选区域尺寸相同。
12.根据权利要求11所述的装置，其特征在于，所述修复模块，还包括：
第一计算子模块，被配置为计算所述高光区域的面积与所述待修复图像的面积之间的面积比，得到修复面积比例；
第一查询子模块，被配置为根据所述修复面积比例查询预存的修复面积比例与缩小比例的对应关系，获得所述缩小比例。
13.根据权利要求11所述的装置，其特征在于，所述修复模块，还包括：
第二计算子模块，被配置为计算所述高光区域的面积，得到修复面积；
第二查询子模块，被配置为根据所述修复面积查询预存的修复面积与缩小比例的对应关系，获得所述缩小比例。
14.根据权利要求8所述的装置，其特征在于，所述装置，还包括：
第一计算模块，被配置为计算所述高光区域中像素点的第一平均像素值；
第三确定模块，被配置为根据预设宽度确定环绕所述高光区域的邻域；
第二计算模块，被配置为计算所述邻域中像素点的第二平均像素值；
第三计算模块，被配置为计算所述第一平均像素值与所述第二平均像素值的比值，得到像素比值；
查询模块，被配置为根据所述像素比值查询预设列表，获得所述修复高光后的图像的比例系数以及所述候选区域的比例系数；所述预设列表包括像素比值与修复高光后的图像的比例系数、候选区域的比例系数的对应关系。
15.一种图像处理的装置，其特征在于，所述装置包括：
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执行权利要求1至7任一项所述的方法。
16.一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权利要求1至7任一项所述的方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2017112848119 | 2017-12-07 | ||
| CN201711284811 | 2017-12-07 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108198148A true CN108198148A (zh) | 2018-06-22 |
| CN108198148B CN108198148B (zh) | 2022-08-05 |
Family
ID=62588683
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810016586.9A Active CN108198148B (zh) | 2017-12-07 | 2018-01-08 | 图像处理的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108198148B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109840491A (zh) * | 2019-01-25 | 2019-06-04 | 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 |
| CN110189276A (zh) * | 2019-05-31 | 2019-08-30 | 华东理工大学 | 一种基于极大半径圆域的人脸图像修复方法 |
| CN112348807A (zh) * | 2020-11-27 | 2021-02-09 | 安徽大学 | 一种基于轮廓像素统计的内窥镜高亮点修复方法及系统 |
| CN112581388A (zh) * | 2020-12-07 | 2021-03-30 | 杭州九阳小家电有限公司 | 烹饪设备及其图像美化方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1984227A (zh) * | 2005-12-17 | 2007-06-20 | 富士施乐株式会社 | 图像处理装置、方法、程序、存储介质和计算机数据信号 |
| JP2010277607A (ja) * | 2010-08-31 | 2010-12-09 | Panasonic Corp | 画像処理装置及び画像処理方法 |
| CN103020931A (zh) * | 2012-11-27 | 2013-04-03 | 西安电子科技大学 | 基于方向波域隐马尔可夫树模型的多源图像融合方法 |
| CN103065307A (zh) * | 2012-12-25 | 2013-04-24 | 上海交通大学 | 非精确配准下sar/spot图像的区域融合检测方法 |
| CN103985106A (zh) * | 2014-05-16 | 2014-08-13 | 三星电子（中国）研发中心 | 用于对强噪声图像进行多帧融合的设备和方法 |
| US20150206022A1 (en) * | 2014-01-22 | 2015-07-23 | Cognizant Technology Solutions India Pvt. Ltd. | System and method for classifying a skin infection |
| CN104869332A (zh) * | 2015-05-19 | 2015-08-26 | 北京空间机电研究所 | 一种自适应多斜率积分调节方法 |
| CN104899841A (zh) * | 2015-06-15 | 2015-09-09 | 惠仁望都医疗设备科技有限公司 | 一种核磁共振图像的生成计算方法 |
| CN105355182A (zh) * | 2015-12-09 | 2016-02-24 | 青岛海信电器股份有限公司 | 一种图像处理方法及液晶显示设备 |
| CN106296655A (zh) * | 2016-07-27 | 2017-01-04 | 西安电子科技大学 | 基于自适应权值和高频阈值的sar图像变化检测方法 |
| CN106650794A (zh) * | 2016-11-24 | 2017-05-10 | 北京理工大学 | 一种受物体表面高光反射影响的图像高光消除方法及系统 |
| CN107369145A (zh) * | 2017-06-16 | 2017-11-21 | 广东欧珀移动通信有限公司 | 图像处理方法、装置及终端设备 |
| CN107392859A (zh) * | 2017-06-16 | 2017-11-24 | 广东欧珀移动通信有限公司 | 高光区域的消除方法、装置及终端 |
-
2018
- 2018-01-08 CN CN201810016586.9A patent/CN108198148B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1984227A (zh) * | 2005-12-17 | 2007-06-20 | 富士施乐株式会社 | 图像处理装置、方法、程序、存储介质和计算机数据信号 |
| JP2010277607A (ja) * | 2010-08-31 | 2010-12-09 | Panasonic Corp | 画像処理装置及び画像処理方法 |
| CN103020931A (zh) * | 2012-11-27 | 2013-04-03 | 西安电子科技大学 | 基于方向波域隐马尔可夫树模型的多源图像融合方法 |
| CN103065307A (zh) * | 2012-12-25 | 2013-04-24 | 上海交通大学 | 非精确配准下sar/spot图像的区域融合检测方法 |
| US20150206022A1 (en) * | 2014-01-22 | 2015-07-23 | Cognizant Technology Solutions India Pvt. Ltd. | System and method for classifying a skin infection |
| CN103985106A (zh) * | 2014-05-16 | 2014-08-13 | 三星电子（中国）研发中心 | 用于对强噪声图像进行多帧融合的设备和方法 |
| CN104869332A (zh) * | 2015-05-19 | 2015-08-26 | 北京空间机电研究所 | 一种自适应多斜率积分调节方法 |
| CN104899841A (zh) * | 2015-06-15 | 2015-09-09 | 惠仁望都医疗设备科技有限公司 | 一种核磁共振图像的生成计算方法 |
| CN105355182A (zh) * | 2015-12-09 | 2016-02-24 | 青岛海信电器股份有限公司 | 一种图像处理方法及液晶显示设备 |
| CN106296655A (zh) * | 2016-07-27 | 2017-01-04 | 西安电子科技大学 | 基于自适应权值和高频阈值的sar图像变化检测方法 |
| CN106650794A (zh) * | 2016-11-24 | 2017-05-10 | 北京理工大学 | 一种受物体表面高光反射影响的图像高光消除方法及系统 |
| CN107369145A (zh) * | 2017-06-16 | 2017-11-21 | 广东欧珀移动通信有限公司 | 图像处理方法、装置及终端设备 |
| CN107392859A (zh) * | 2017-06-16 | 2017-11-24 | 广东欧珀移动通信有限公司 | 高光区域的消除方法、装置及终端 |
Non-Patent Citations (2)
| Title |
|---|
| JINLI SUO 等: "Fast and high quality highlight removal from a single Image", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
| 钟超军: "证件照人脸自动偏色校正和高光去除", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109840491A (zh) * | 2019-01-25 | 2019-06-04 | 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 |
| 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 |
| CN109840491B (zh) * | 2019-01-25 | 2024-07-02 | 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 |
| CN110189276A (zh) * | 2019-05-31 | 2019-08-30 | 华东理工大学 | 一种基于极大半径圆域的人脸图像修复方法 |
| CN112348807A (zh) * | 2020-11-27 | 2021-02-09 | 安徽大学 | 一种基于轮廓像素统计的内窥镜高亮点修复方法及系统 |
| CN112348807B (zh) * | 2020-11-27 | 2022-11-18 | 安徽大学 | 一种基于轮廓像素统计的内窥镜高亮点修复方法及系统 |
| CN112581388A (zh) * | 2020-12-07 | 2021-03-30 | 杭州九阳小家电有限公司 | 烹饪设备及其图像美化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108198148B (zh) | 2022-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11704771B2 (en) | Training super-resolution convolutional neural network model using a high-definition training image, a low-definition training image, and a mask image | |
| CN105631797B (zh) | 水印添加方法及装置 | |
| CN105488511B (zh) | 图像的识别方法及装置 | |
| CN108198148A (zh) | 图像处理的方法及装置 | |
| CN108346175B (zh) | 一种人脸图像修复方法、装置及存储介质 | |
| CN107566742B (zh) | 拍摄方法、装置、存储介质和电子设备 | |
| CN107155060A (zh) | 图像处理方法及装置 | |
| CN108124102B (zh) | 图像处理方法、装置及计算机可读存储介质 | |
| CN105095881A (zh) | 人脸识别方法、装置及终端 | |
| CN107231505B (zh) | 图像处理方法及装置 | |
| CN104050645B (zh) | 图像处理方法及装置 | |
| CN108551552A (zh) | 图像处理方法、装置、存储介质及移动终端 | |
| EP2975574A2 (en) | Method, apparatus and terminal for image retargeting | |
| CN109784327B (zh) | 边界框确定方法、装置、电子设备及存储介质 | |
| CN112258404A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| CN114096994A (zh) | 图像对齐方法及装置、电子设备、存储介质 | |
| CN110399924A (zh) | 一种图像处理方法、装置及介质 | |
| CN108494996A (zh) | 图像处理方法、装置、存储介质及移动终端 | |
| CN112927122A (zh) | 水印去除方法、装置及存储介质 | |
| CN113920465A (zh) | 片尾识别方法、装置、电子设备及存储介质 | |
| CN105512658B (zh) | 矩形物体的图像识别方法及装置 | |
| CN105574834B (zh) | 图像处理方法及装置 | |
| CN107507128B (zh) | 图像处理方法及设备 | |
| US9665925B2 (en) | Method and terminal device for retargeting images | |
| CN112333385A (zh) | 电子防抖控制方法及装置 |
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 |