CN108234826A - 图像处理方法及装置 - Google Patents

图像处理方法及装置 Download PDF

Info

Publication number
CN108234826A
CN108234826A CN201810036248.1A CN201810036248A CN108234826A CN 108234826 A CN108234826 A CN 108234826A CN 201810036248 A CN201810036248 A CN 201810036248A CN 108234826 A CN108234826 A CN 108234826A
Authority
CN
China
Prior art keywords
image
subject
smooth
background
smoothed
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
Application number
CN201810036248.1A
Other languages
English (en)
Other versions
CN108234826B (zh
Inventor
陈星�
李骈臻
张长定
叶志鸿
侯剑堃
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Meitu Technology Co Ltd
Original Assignee
Xiamen Meitu Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen Meitu Technology Co Ltd filed Critical Xiamen Meitu Technology Co Ltd
Priority to CN201810036248.1A priority Critical patent/CN108234826B/zh
Publication of CN108234826A publication Critical patent/CN108234826A/zh
Application granted granted Critical
Publication of CN108234826B publication Critical patent/CN108234826B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/2224—Studio circuitry; Studio devices; Studio equipment related to virtual studio applications
    • H04N5/2226—Determination of depth image, e.g. for foreground/background separation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供的图像处理方法及装置，涉及图像处理技术领域。图像处理方法包括：获取双摄像头针对同一拍摄场景拍摄到的第一图像和第二图像，对所述第一图像和第二图像进行匹配计算以得到深度图像，对所述第一图像进行分割，得到物体图像和背景图像，对所述物体图像和背景图像分别进行平滑处理后组合得到处理后的第一图像，采用所述处理后的第一图像对所述深度图像进行滤波处理得到目标图像。通过上述方法以使得到的目标图像的细节增强精度更高。

Description

图像处理方法及装置
技术领域
本发明涉及图像处理技术领域，具体而言，涉及一种图像处理方法及装置。
背景技术
随着拍摄技术的发展，越来越多的电子设备中设置有拍照功能，电子设备中为了保证拍摄效果真实，设置有双目摄像头，双目摄像头是一种模拟人眼成像的两个摄像头组成的摄像头组，能够利用双摄像头拍摄照片以分别获取两张图像的景深信息，生成深度图。
经发明人研究发现，由于技术的限制，双摄像头生成的深度图存在细节增强精度不够高，使得边缘不够贴合实际前景的物体进而造成画质不佳的情况。
发明内容
有鉴于此，本发明的目的在于提供一种图像处理方法及装置，以使获得的图像的细节增强精度更高，进而使图像的画质更好。
为实现上述目的，本发明实施例采用如下技术方案：
一种图像处理方法，包括：
获取双摄像头针对同一拍摄场景拍摄到的第一图像和第二图像；
对所述第一图像和第二图像进行匹配计算以得到深度图像；
对所述第一图像进行分割，得到物体图像和背景图像；
对所述物体图像和背景图像分别进行平滑处理后组合得到处理后的第一图像；
采用所述处理后的第一图像对所述深度图像进行滤波处理得到目标图像。
可选的，在上述图像处理方法中，对所述第一图像进行分割，得到物体图像和背景图像的步骤，包括：
对所述第一图像采用Mask R-CNN技术进行分割得到物体图像，并根据所述第一图像和物体图像得到背景图像；
对所述物体图像和背景图像分别进行平滑处理后组合得到处理后的第一图像的步骤包括：
对所述背景图像和物体图像分别采用导向滤波进行平滑处理得到平滑后的背景图像和平滑后的物体图像；
对所述平滑后的背景图像和平滑后的物体图像进行组合得到处理后的第一图像。
可选的，在上述图像处理方法中，对所述背景图像和物体图像分别采用导向滤波进行平滑处理步骤包括：
对所述背景图像采用导向滤波进行平滑处理，且对所述背景图像进行平滑处理的平滑半径根据公式R1＝((W+H)/2)*S进行计算得到；
其中，R1为背景图像的平滑半径，W为第一图像的长度，H为第一图像的宽度，S为半径系数，取值范围在0.01到0.2之间；
对所述物体图像采用第二导向滤波进行平滑处理，且对所述物体图像进行平滑处理的平滑半径根据公式R2＝sum(index(Objk))/(W*H)*R1进行计算得到；
其中，R2为物体图像的平滑半径，函数sum()为求和函数，index()函数为取下标函数，Objk为当物体图像为多个时，每个物体图像对应的下标信息。
可选的，在上述图像处理方法中，在执行获取双摄像头拍摄到的第一图像和第二图像的步骤之后，所述方法还包括：
对所述第一图像和第二图像分别进行采样处理以得到采样后的第一图像和采样后的第二图像；
对所述第一图像和第二图像进行匹配计算以得到深度图像的步骤包括：
对所述采样后的第一图像和采样后的第二图像采用双目匹配算法进行计算得到深度图像。
可选的，在上述图像处理方法中，所述采用所述处理后的第一图像对所述深度图像进行处理得到目标图像的步骤包括：
对所述处理后的第一图像采用导向滤波进行全局平滑处理以得到平滑后的第一图像；
对所述平滑后的第一图像采用插值算法进行采样得到采样后的第一图像；
根据所述采样后的第一图像对所述深度图像进行导向滤波处理得到目标图像。
本发明实施例还提供一种图像处理装置，所述装置包括：
图像获取模块，用于获取双摄像头针对同一拍摄场景拍摄到的第一图像和第二图像；
计算模块，用于对所述第一图像和第二图像进行匹配计算以得到深度图像；
分割模块，用于对所述第一图像进行分割，得到物体图像和背景图像；
第一处理模块，用于对所述物体图像和背景图像分别进行平滑处理后组合得到处理后的第一图像；
第二处理模块，用于采用所述处理后的第一图像对所述深度图像进行滤波处理得到目标图像。
可选的，在上述图像处理装置中，所述分割模块，还用于对所述第一图像采用MaskR-CNN技术进行分割得到物体图像，并根据所述第一图像和物体图像得到背景图像；
所述第一处理模块包括：
第一滤波子模块，用于对所述背景图像和物体图像分别采用导向滤波进行平滑处理得到平滑后的背景图像和平滑后的物体图像；
组合子模块，用于对所述平滑后的背景图像和平滑后的物体图像进行组合得到处理后的第一图像。
可选的，在上述图像处理装置中，所述第一滤波子模块，还用于对所述背景图像采用导向滤波进行平滑处理，且对所述背景图像进行平滑处理的平滑半径根据公式R1＝((W+H)/2)*S进行计算得到；
其中，R1为背景图像的平滑半径，W为第一图像的长度，H为第一图像的宽度，S为半径系数，取值范围在0.01到0.2之间；
所述第一滤波子模块，还用于对所述物体图像采用第二导向滤波进行平滑处理，且对所述物体图像进行平滑处理的平滑半径根据公式R2＝sum(index(Objk))/(W*H)*R1进行计算得到；
其中，R2为物体图像的平滑半径，函数sum()为求和函数，index()函数为取下标函数，Objk为当物体图像为多个时，每个物体图像对应的下标信息。
可选的，在上述图像处理装置中，所述图像处理装置还包括：
采样模块，用于对所述第一图像和第二图像分别进行采样处理以得到采样后的第一图像和采样后的第二图像；
所述计算模块，还用于对所述采样后的第一图像和采样后的第二图像采用双目匹配算法进行计算得到深度图像。
可选的，在上述图像处理装置中，所述第二处理模块包括：
第二滤波子模块，用于对所述处理后的第一图像采用导向滤波进行全局平滑处理以得到平滑后的第一图像；
采样子模块，用于对所述平滑后的第一图像采用插值算法进行采样得到采样后的第一图像；
处理子模块，用于根据所述采样后的第一图像对所述深度图像进行导向滤波处理得到目标图像。
本发明提供的一种图像处理方法及装置，通过获取双摄像头针对同一拍摄场景拍摄到的第一图像和第二图像，对所述第一图像和第二图像进行匹配计算以得到深度图像，对所述第一图像进行分割，得到物体图像和背景图像，对所述物体图像和背景图像分别进行平滑处理后组合得到处理后的第一图像，采用所述处理后的第一图像对所述深度图像进行滤波处理得到目标图像，以使得到的目标图像的细节增强精度更高。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例提供的终端设备的结构框图。
图2为本发明实施例提供的图像处理方法的流程示意图。
图3为图2中步骤S140的子步骤示意图。
图4为图2中步骤S150的子步骤示意图。
图5为本发明实施例提供的图像处理装置的连接框图。
图6为本发明实施例提供的第一处理模块的连接框图。
图7为本发明实施例提供的第二处理模块的连接框图。
图标：10-终端设备；12-存储器；14-处理器；100-图像处理装置；110-图像获取模块；120-计算模块；130-分割模块；140-第一处理模块；142-第一滤波子模块；144-组合子模块；150-第二处理模块；152-第二滤波子模块；154-采样子模块；156-处理子模块；160-采样模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
如图1所示，本发明实施例提供了一种终端设备10，包括存储器12、处理器14和图像处理装置100。其中，所述终端设备10可以包括，但不限于是相机、智能手机、个人电脑(personal computer，PC)、平板电脑等具有双目摄像头的电子设备，也可以是具有进行图像处理功能的电子设备，在此不作具体限定。
在本实施实例中，所述存储器12和处理器14之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述图像处理装置100包括至少一个可以软件或固件(firmware)的形式存储于所述存储器12中的软件功能模块。所述处理器14用于执行所述存储器12中存储的可执行模块，例如所述图像处理装置100所包括的软件功能模块及计算机程序等，以实现图像处理方法。
其中，所述存储器12可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器12用于存储程序，所述处理器14在接收到执行指令后，执行所述程序。
所述处理器14可能是一种集成电路芯片，具有信号的处理能力。上述的处理器14可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
可以理解，图1所示的结构仅为示意，所述终端设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
结合图2，本发明实施例还提供一种可应用于上述的终端设备10的图像处理方法，所述方法包括步骤S110-步骤S150五个步骤。
步骤S110：获取双摄像头针对同一拍摄场景拍摄到的第一图像和第二图像。
其中，双摄像头可以设置于手机终端，也可以是设置于摄像机，还可以设置于电脑或平板电脑等电子设备，在此不作具体限定。
获取双摄像头针对同一拍摄场景拍摄到的第一图像和第二图像，也即所述第一图像和第二图像中的背景和物体相同，当双摄像头在针对同一拍摄场景进行拍摄时，两个摄像头的焦距通常情况下不相同。
步骤S120：对所述第一图像和第二图像进行匹配计算以得到深度图像。
其中，对所述第一图像和第二图像进行匹配计算的方式可以是，对所述第一图像和第二图像进行边缘检测，并进行图像分割，利用图像分割结果对检测到的边缘进行分类以及利用BP算法进行深度计算。也可以是采用双立方插值算法将第一图像和第二图像采样到小尺寸，得到对应的采样后的第一图像和采样后的第二图像，对采样后的第一图像和采样后的第二图像使用双目匹配算法计算出拍摄场景的深度图。在此不作具体限定，根据实际需求进行选取即可。
可选的，在本实施例中，在执行获取双摄像头拍摄到的第一图像和第二图像的步骤之后，所述方法还包括：
对所述第一图像和第二图像分别进行采样处理以得到采样后的第一图像和采样后的第二图像。
需要说明的是，采样后的第一图像和采样后的第二图像的尺寸相同，对所述第一图像和第二图像进行采样的方式可以是采用双立方插值算法进行采样，也可以是采用下采样方法进行采样，还可以是立方卷积采样方法进行采样，在此不作具体限定。
可选的，在本实施例中，对所述第一图像和第二图像分别进行采样处理以得到采样后的第一图像和采样后的第二图像的方式可以是：对所述第一图像和第二图像分别采用双立方插值算法进行采样处理以得到采样后的第一图像和采样后的第二图像。
所述对所述第一图像和第二图像进行匹配计算以得到深度图像的方式为：对所述采样后的第一图像和采样后的第二图像采用双目匹配算法进行计算得到深度图像。
步骤S130：对所述第一图像进行分割，得到物体图像和背景图像。
其中，对所述第一图像进行分割的方式可以是，采用边缘检测算法对所述第一图像进行检测后进行分割，也可以是采用Mask R-CNN技术将图片中的物体进行分割，在此不作具体限定，只要能够实现对所述第一图像进行分割以得到物体图像和背景图像即可。
可选的，在本实施例中，对所述第一图像进行分割，得到物体图像和背景图像的方式为：对所述第一图像采用Mask R-CNN技术进行分割得到物体图像，并根据所述第一图像和物体图像得到背景图像。
具体的，通过采用Mask R-CNN技术，将第一图像中的物体图像分割出来，得到n个物体图像的分布区域：objk＝{IL’i,i∈objk},k∈[1,2,….,n]，其中i为像素在第一图像中的坐标。排除所有的物体图像所在的第一图像的区域，则所述第一图像中剩余的区域为背景图像：BG＝IL’-obj1-obj2-…-objn，以完成对所述第一图像的分割。
步骤S140：对所述物体图像和背景图像分别进行平滑处理后组合得到处理后的第一图像。
其中，对所述物体图像和背景图像分别进行平滑处理的方式可以是，对所述背景图像和物体图像中的所有图像像素的图像深度，使用导向滤波进行平滑处理，也可以是采用双边滤波的方式进行平滑处理，还可以采用高斯滤波的方式进行平滑处理，在此不作具体限定，需要说明的是平滑半径与采样后的第一图像大小呈正相关，且对所述背景图像和对所述物体图像进行平滑处理的平滑半径不同。
请结合图3，可选的，在本实施例中对所述物体图像和背景图像分别进行平滑处理后组合得到处理后的第一图像步骤包括：
步骤S142：对所述背景图像和物体图像分别采用导向滤波进行平滑处理得到平滑后的背景图像和平滑后的物体图像。
可选的，在本实施例中，对所述背景图像采用导向滤波进行平滑处理，且对所述背景图像进行平滑处理的平滑半径根据公式R1＝((W+H)/2)*S进行计算得到。其中，R1为背景图像的平滑半径，W为第一图像的长度，H为第一图像的宽度，S为半径系数，取值范围在0.01到0.2之间。
对所述物体图像采用第二导向滤波进行平滑处理，且对所述物体图像进行平滑处理的平滑半径根据公式R2＝sum(index(Objk))/(W*H)*R1进行计算得到。其中，R2为物体图像的平滑半径，函数sum()为求和函数，index()函数为取下标函数，Objk为当物体图像为多个时，每个物体图像对应的下标信息。
步骤S144：对所述平滑后的背景图像和平滑后的物体图像进行组合得到处理后的第一图像。
其中，对所述平滑后的背景图像和平滑后的物体图像进行组合的方式具体为，根据分割后各图像对应的区域对所述平滑后的背景图像和平滑后的物体图像进行组合以得到处理后的第一图像。
步骤S150：采用所述处理后的第一图像对所述深度图像进行滤波处理得到目标图像。
其中，采用所述处理后的第一图像对所述深度图像进行滤波处理的方式可以是采用均值滤波、中值滤波、高斯滤波、双边滤波或导向滤波进行处理以得到目标图像。
请结合图4，可选的，在本实施例中，采用所述处理后的第一图像对所述深度图像进行滤波处理得到目标图像的步骤包括：
步骤S152：对所述处理后的第一图像采用导向滤波进行全局平滑处理以得到平滑后的第一图像。
通过对处理后的第一图像使用导向滤波进行全局平滑，可以进一步消除处理后的第一图像在组合后可能存在局部不和谐的情况。进行全局平滑的平滑半径可以为Rg＝R1*F，其中，F为全局半径系数，取值范围是0.1到0.5。例如，0.2。
步骤S154：对所述平滑后的第一图像采用插值算法进行采样得到采样后的第一图像。
通过采用最邻近插值算法，以实现将采样后的第一图像采样到与第二图像相同的尺寸。
步骤S156：根据所述采样后的第一图像对所述深度图像进行导向滤波处理得到目标图像。
通过上述方法，通过基于双目摄像头获得的第一图像和第二图像得到深度图像，将第一图像进行分割得到物体图像和背景图像并进行分别处理，可以很大程度上保护不同物体图像之间的层次性，并在将不同物体图像及背景图像进行组合后得到处理后的第一图像，并采用所述第一图像对所述深度图像进行滤波处理以得到目标图像，以使目标图像的细节增强的精度更高，进而使目标图像深度更加完整，画质更佳。此外，得到的目标图像可以更加适用于不同的应用场景，得到更好的应用效果。进一步地，本发明在对第一图像和第二图像处理时，使用的算法复杂度较低，能够移植到移动设备，具有很强的通用性。
请结合图5，在上述基础上，本发明还提供一种图像处理装置100，包括图像获取模块110、计算模块120、分割模块130、第一处理模块140以及第二处理模块150。
所述图像获取模块110用于获取双摄像头针对同一拍摄场景拍摄到的第一图像和第二图像。在本实施例中，所述图像获取模块110可用于执行图2所示的步骤S110，关于所述图像获取模块110的具体描述可以参照前文对步骤S110的描述。
所述计算模块120用于对所述第一图像和第二图像进行匹配计算以得到深度图像。在本实施例中，所述计算模块120可用于执行图2所示的步骤S120，关于所述计算模块120的具体描述可以参照前文对步骤S120的描述。
可选的，在本实施例中，所述图像处理装置100还包括：采样模块160。
所述采用模块用于对所述第一图像和第二图像分别进行采样处理以得到采样后的第一图像和采样后的第二图像。关于所述采样模块160的具体描述可以参照前文的描述。
所述计算模块120还用于对所述采样后的第一图像和采样后的第二图像采用双目匹配算法进行计算得到深度图像。
所述分割模块130用于对所述第一图像进行分割，得到物体图像和背景图像。在本实施例中，所述分割模块130可用于执行图2所示的步骤S130，关于所述分割模块130的具体描述可以参照前文对步骤S130的描述。
可选的，在本实施例中，所述分割模块130还用于对所述第一图像采用Mask R-CNN技术进行分割得到物体图像，并根据所述第一图像和物体图像得到背景图像。
所述第一处理模块140用于对所述物体图像和背景图像分别进行平滑处理后组合得到处理后的第一图像。在本实施例中，所述第一处理模块140可用于执行图2所示的步骤S140，关于所述第一处理模块140的具体描述可以参照前文对步骤S140的描述。
请结合图6，可选的，在本实施例中，所述第一处理模块140包括：第一滤波子模块142和组合子模块144。
所述第一滤波子模块142用于对所述背景图像和物体图像分别采用导向滤波进行平滑处理得到平滑后的背景图像和平滑后的物体图像。在本实施例中，所述第一滤波子模块142可用于执行图3所示的步骤S142，关于所述第一滤波子模块142的具体描述可以参照前文对步骤S142的描述。
可选的，在本实施例中，所述第一滤波子模块142还用于对所述背景图像采用导向滤波进行平滑处理，且对所述背景图像进行平滑处理的平滑半径根据公式R1＝((W+H)/2)*S进行计算得到。其中，R1为背景图像的平滑半径，W为第一图像的长度，H为第一图像的宽度，S为半径系数，取值范围在0.01到0.2之间。
所述第一滤波子模块142还用于对所述物体图像采用第二导向滤波进行平滑处理，且对所述物体图像进行平滑处理的平滑半径根据公式R2＝sum(index(Objk))/(W*H)*R1进行计算得到。其中，R2为物体图像的平滑半径，函数sum()为求和函数，index()函数为取下标函数，Objk为当物体图像为多个时，每个物体图像对应的下标信息。
所述组合子模块144用于对所述平滑后的背景图像和平滑后的物体图像进行组合得到处理后的第一图像。在本实施例中，所述组合子模块144可用于执行图3所示的步骤S144，关于所述组合子模块144的具体描述可以参照前文对步骤S144的描述。
所述第二处理模块150用于采用所述处理后的第一图像对所述深度图像进行滤波处理得到目标图像。在本实施例中，所述第二处理模块150可用于执行图2所示的步骤S150，关于所述第二处理模块150的具体描述可以参照前文对步骤S150的描述。
请结合图7，可选的，在本实施例中，所述第二处理模块150包括：第二滤波子模块152、采样子模块154以及处理子模块156。
所述第二滤波子模块152用于对所述处理后的第一图像采用导向滤波进行全局平滑处理以得到平滑后的第一图像。在本实施例中，所述第二滤波子模块152可用于执行图4所示的步骤S152，关于所述第二滤波子模块152的具体描述可以参照前文对步骤S152的描述。
所述采样子模块154用于对所述平滑后的第一图像采用插值算法进行采样得到采样后的第一图像。在本实施例中，所述采样子模块154可用于执行图4所示的步骤S154，关于所述采样子模块154的具体描述可以参照前文对步骤S154的描述。
所述处理子模块156用于根据所述采样后的第一图像对所述深度图像进行导向滤波处理得到目标图像。在本实施例中，所述处理子模块156可用于执行图4所示的步骤S156，关于所述处理子模块156的具体描述可以参照前文对步骤S156的描述。
综上，本发明提供的一种图像处理方法及装置，通过基于双目摄像头获得的第一图像和第二图像得到深度图像，将第一图像进行分割得到物体图像和背景图像并进行分别处理，可以很大程度上保护不同物体图像之间的层次性，并在将不同物体图像及背景图像进行组合后得到处理后的第一图像，并采用所述第一图像对所述深度图像进行滤波处理以得到目标图像，以使目标图像的细节增强的精度更高，进而使目标图像深度更加完整，画质更佳。此外，得到的目标图像可以更加适用于不同的应用场景，得到更好的应用效果。另外，本发明在对第一图像和第二图像处理时，使用的算法复杂度较低，能够移植到移动设备，具有很强的通用性。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。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、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种图像处理方法，其特征在于，所述方法包括：
获取双摄像头针对同一拍摄场景拍摄到的第一图像和第二图像；
对所述第一图像和第二图像进行匹配计算以得到深度图像；
对所述第一图像进行分割，得到物体图像和背景图像；
对所述物体图像和背景图像分别进行平滑处理后组合得到处理后的第一图像；
采用所述处理后的第一图像对所述深度图像进行滤波处理得到目标图像。
2.根据权利要求1所述的图像处理方法，其特征在于，对所述第一图像进行分割，得到物体图像和背景图像的步骤，包括：
对所述第一图像采用Mask R-CNN技术进行分割得到物体图像，并根据所述第一图像和物体图像得到背景图像；
对所述物体图像和背景图像分别进行平滑处理后组合得到处理后的第一图像的步骤包括：
对所述背景图像和物体图像分别采用导向滤波进行平滑处理得到平滑后的背景图像和平滑后的物体图像；
对所述平滑后的背景图像和平滑后的物体图像进行组合得到处理后的第一图像。
3.根据权利要求2所述的图像处理方法，其特征在于，对所述背景图像和物体图像分别采用导向滤波进行平滑处理步骤包括：
对所述背景图像采用导向滤波进行平滑处理，且对所述背景图像进行平滑处理的平滑半径根据公式R1＝((W+H)/2)*S进行计算得到；
其中，R1为背景图像的平滑半径，W为第一图像的长度，H为第一图像的宽度，S为半径系数，取值范围在0.01到0.2之间；
对所述物体图像采用第二导向滤波进行平滑处理，且对所述物体图像进行平滑处理的平滑半径根据公式R2＝sum(index(Objk))/(W*H)*R1进行计算得到；
其中，R2为物体图像的平滑半径，函数sum()为求和函数，index()函数为取下标函数，Objk为当物体图像为多个时，每个物体图像对应的下标信息。
4.根据权利要求1所述的图像处理方法，其特征在于，在执行获取双摄像头拍摄到的第一图像和第二图像的步骤之后，所述方法还包括：
对所述第一图像和第二图像分别进行采样处理以得到采样后的第一图像和采样后的第二图像；
对所述第一图像和第二图像进行匹配计算以得到深度图像的步骤包括：
对所述采样后的第一图像和采样后的第二图像采用双目匹配算法进行计算得到深度图像。
5.根据权利要求1所述的图像处理方法，其特征在于，采用所述处理后的第一图像对所述深度图像进行处理得到目标图像的步骤包括：
对所述处理后的第一图像采用导向滤波进行全局平滑处理以得到平滑后的第一图像；
对所述平滑后的第一图像采用插值算法进行采样得到采样后的第一图像；
根据所述采样后的第一图像对所述深度图像进行导向滤波处理得到目标图像。
6.一种图像处理装置，其特征在于，所述装置包括：
图像获取模块，用于获取双摄像头针对同一拍摄场景拍摄到的第一图像和第二图像；
计算模块，用于对所述第一图像和第二图像进行匹配计算以得到深度图像；
分割模块，用于对所述第一图像进行分割，得到物体图像和背景图像；
第一处理模块，用于对所述物体图像和背景图像分别进行平滑处理后组合得到处理后的第一图像；
第二处理模块，用于采用所述处理后的第一图像对所述深度图像进行滤波处理得到目标图像。
7.根据权利要求6所述的图像处理装置，其特征在于，所述分割模块，还用于对所述第一图像采用Mask R-CNN技术进行分割得到物体图像，并根据所述第一图像和物体图像得到背景图像；
所述第一处理模块包括：
第一滤波子模块，用于对所述背景图像和物体图像分别采用导向滤波进行平滑处理得到平滑后的背景图像和平滑后的物体图像；
组合子模块，用于对所述平滑后的背景图像和平滑后的物体图像进行组合得到处理后的第一图像。
8.根据权利要求7所述的图像处理装置，其特征在于，所述第一滤波子模块，还用于对所述背景图像采用导向滤波进行平滑处理，且对所述背景图像进行平滑处理的平滑半径根据公式R1＝((W+H)/2)*S进行计算得到；
其中，R1为背景图像的平滑半径，W为第一图像的长度，H为第一图像的宽度，S为半径系数，取值范围在0.01到0.2之间；
所述第一滤波子模块，还用于对所述物体图像采用第二导向滤波进行平滑处理，且对所述物体图像进行平滑处理的平滑半径根据公式R2＝sum(index(Objk))/(W*H)*R1进行计算得到；
其中，R2为物体图像的平滑半径，函数sum()为求和函数，index()函数为取下标函数，Objk为当物体图像为多个时，每个物体图像对应的下标信息。
9.根据权利要求6所述的图像处理装置，其特征在于，所述图像处理装置还包括：
采样模块，用于对所述第一图像和第二图像分别进行采样处理以得到采样后的第一图像和采样后的第二图像；
所述计算模块，还用于对所述采样后的第一图像和采样后的第二图像采用双目匹配算法进行计算得到深度图像。
10.根据权利要求6所述的图像处理装置，其特征在于，所述第二处理模块包括：
第二滤波子模块，用于对所述处理后的第一图像采用导向滤波进行全局平滑处理以得到平滑后的第一图像；
采样子模块，用于对所述平滑后的第一图像采用插值算法进行采样得到采样后的第一图像；
处理子模块，用于根据所述采样后的第一图像对所述深度图像进行导向滤波处理得到目标图像。
CN201810036248.1A 2018-01-15 2018-01-15 图像处理方法及装置 Active CN108234826B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810036248.1A CN108234826B (zh) 2018-01-15 2018-01-15 图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810036248.1A CN108234826B (zh) 2018-01-15 2018-01-15 图像处理方法及装置

Publications (2)

Publication Number Publication Date
CN108234826A true CN108234826A (zh) 2018-06-29
CN108234826B CN108234826B (zh) 2021-03-02

Family

ID=62641460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810036248.1A Active CN108234826B (zh) 2018-01-15 2018-01-15 图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN108234826B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108861985A (zh) * 2018-07-25 2018-11-23 深圳万发创新进出口贸易有限公司 一种电梯门机运行状态智能监测系统
CN109496423A (zh) * 2018-10-15 2019-03-19 华为技术有限公司 一种拍摄场景下的图像显示方法及电子设备
CN110349080A (zh) * 2019-06-10 2019-10-18 北京迈格威科技有限公司 一种图像处理方法及装置
CN110415285A (zh) * 2019-08-02 2019-11-05 厦门美图之家科技有限公司 图像处理方法、装置及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103489163A (zh) * 2013-09-13 2014-01-01 电子科技大学 基于正则化混合范数滤波的地震图像结构导向降噪方法
US20170109872A1 (en) * 2010-08-30 2017-04-20 The Board Of Trustees Of The University Of Illinois System for background subtraction with 3d camera
CN106898119A (zh) * 2017-04-26 2017-06-27 华迅金安（北京）科技有限公司 基于双目摄像头的安全作业智能监控系统及方法
CN107085825A (zh) * 2017-05-27 2017-08-22 成都通甲优博科技有限责任公司 图像虚化方法、装置及电子设备
CN107444665A (zh) * 2017-07-24 2017-12-08 长春草莓科技有限公司 一种无人机自主降落方法
CN107454332A (zh) * 2017-08-28 2017-12-08 厦门美图之家科技有限公司 图像处理方法、装置及电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170109872A1 (en) * 2010-08-30 2017-04-20 The Board Of Trustees Of The University Of Illinois System for background subtraction with 3d camera
CN103489163A (zh) * 2013-09-13 2014-01-01 电子科技大学 基于正则化混合范数滤波的地震图像结构导向降噪方法
CN106898119A (zh) * 2017-04-26 2017-06-27 华迅金安（北京）科技有限公司 基于双目摄像头的安全作业智能监控系统及方法
CN107085825A (zh) * 2017-05-27 2017-08-22 成都通甲优博科技有限责任公司 图像虚化方法、装置及电子设备
CN107444665A (zh) * 2017-07-24 2017-12-08 长春草莓科技有限公司 一种无人机自主降落方法
CN107454332A (zh) * 2017-08-28 2017-12-08 厦门美图之家科技有限公司 图像处理方法、装置及电子设备

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108861985A (zh) * 2018-07-25 2018-11-23 深圳万发创新进出口贸易有限公司 一种电梯门机运行状态智能监测系统
CN108861985B (zh) * 2018-07-25 2020-10-27 苏州施耐德电梯有限公司 一种电梯门机运行状态智能监测系统
CN109496423A (zh) * 2018-10-15 2019-03-19 华为技术有限公司 一种拍摄场景下的图像显示方法及电子设备
CN109496423B (zh) * 2018-10-15 2020-11-17 华为技术有限公司 一种拍摄场景下的图像显示方法及电子设备
US11223772B2 (en) 2018-10-15 2022-01-11 Huawei Technologies Co., Ltd. Method for displaying image in photographing scenario and electronic device
US11696018B2 (en) 2018-10-15 2023-07-04 Huawei Technologies Co., Ltd. Method for displaying image in photographing scenario and electronic device
EP4325879A1 (en) * 2018-10-15 2024-02-21 Huawei Technologies Co., Ltd. Method for displaying image in photographic scene and electronic device
CN110349080A (zh) * 2019-06-10 2019-10-18 北京迈格威科技有限公司 一种图像处理方法及装置
CN110349080B (zh) * 2019-06-10 2023-07-04 北京迈格威科技有限公司 一种图像处理方法及装置
CN110415285A (zh) * 2019-08-02 2019-11-05 厦门美图之家科技有限公司 图像处理方法、装置及电子设备

Also Published As

Publication number Publication date
CN108234826B (zh) 2021-03-02

Similar Documents

Publication Publication Date Title
Yue et al. Supervised raw video denoising with a benchmark dataset on dynamic scenes
CN108234826A (zh) 图像处理方法及装置
KR102144994B1 (ko) 영상의 노이즈를 저감하는 방법 및 이를 이용한 영상 처리 장치
US8665341B2 (en) Methods and apparatus for rendering output images with simulated artistic effects from focused plenoptic camera data
WO2018072102A1 (zh) 一种人脸图像中眼镜去除方法及装置
CN109474780B (zh) 一种用于图像处理的方法和装置
CN107749987B (zh) 一种基于块运动估计的数字视频稳像方法
CN108711144B (zh) 增强现实方法及装置
JP2013500536A (ja) 立体画像対における遠近感および視差の調整
CN109948439B (zh) 一种活体检测方法、系统及终端设备
CN110070610B (zh) 特征点匹配方法、三维重构过程的特征点匹配方法及装置
Abiko et al. Single image reflection removal based on GAN with gradient constraint
CN110853071A (zh) 图像编辑方法及终端设备
CN108513057A (zh) 图像处理方法及装置
CN116012432A (zh) 立体全景图像的生成方法、装置和计算机设备
Chen et al. Focus manipulation detection via photometric histogram analysis
CN111161348B (zh) 一种基于单目相机的物体位姿估计方法、装置及设备
CN113570725A (zh) 基于聚类的三维表面重建方法、装置、服务器及存储介质
CN116012517B (zh) 一种正则化的图像渲染方法及装置
WO2014014135A1 (ko) 촬영된 이미지의 리포커싱 방법, 장치, 및 컴퓨터 판독 가능한 기록 매체
CN105551006B (zh) 一种深度图像缺失像素的修复方法及系统
JP5761988B2 (ja) 画像処理装置、画像処理方法
Li et al. Scene-adaptive image acquisition for focus stacking
Faluvégi et al. A 3D convolutional neural network for light field depth estimation
Tran et al. Variational disparity estimation framework for plenoptic images

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