CN108764243A - 一种图像处理方法及装置 - Google Patents
一种图像处理方法及装置 Download PDFInfo
- Publication number
- CN108764243A CN108764243A CN201810538305.6A CN201810538305A CN108764243A CN 108764243 A CN108764243 A CN 108764243A CN 201810538305 A CN201810538305 A CN 201810538305A CN 108764243 A CN108764243 A CN 108764243A
- Authority
- CN
- China
- Prior art keywords
- target image
- target
- image
- threshold value
- determined
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种图像处理方法及装置,属于计算机技术领域。其中,终端会基于目标图像的尺寸参数,判断目标图像的尺寸是否满足预设条件,在目标图像的尺寸不满足预设条件,则判断目标图像是否为拼图图像,以目标图像的尺寸比例是否异常作为依据,确定是否需要进行拼图图像判断操作的方式,可以避免对目标图像进行不必要的拼图图像判断操作,避免浪费终端系统资源;接着,会在目标图像为拼图图像时,对目标图像进行分割,获取目标图像包括的至少两张目标子图像,最后,分别对每张目标子图像进行分类,基于每张目标子图像的分类结果确定目标图像的类别,通过降低目标图像的内容复杂度,避免了由于图像内容复杂导致的误判,提高了判断的准确率。
Description
技术领域
本发明属于计算机技术领域,特别是涉及一种图像处理方法及装置。
背景技术
随着计算机技术领域的不断发展,互联网中的信息越来越多。为了保证互联网中信息的安全性、合法性,通常需要对用户上传的信息进行审核,在审核通过时,才能将这些信息发布至互联网中。例如,对于互联网中的图像,通常需要对图像进行分类,来判断图像是否为非法图像,例如,判断图像是否为色情图像或者血腥暴力图像,等等。
现有技术中,通常是直接将待审核图像作为判断依据,利用预设的分类模型,对待审核图像进行分类。但是,当待审核图像为至少两张内容独立的子图像组成的拼图图像时,由于拼图图像的组成以及内容较为复杂,判断的难度较大,因此经常会出现误判的问题,判断的准确率较低。
发明内容
本发明提供一种图像处理方法及装置,以便解决判断的准确率较低的问题。
依据本发明的第一方面,提供了一种图像处理方法,应用于终端,该方法可以包括:
基于目标图像的尺寸参数,判断所述目标图像的尺寸是否满足预设条件;
若所述目标图像的尺寸不满足预设条件,则判断所述目标图像是否为拼图图像;
若所述目标图像为拼图图像,则对所述目标图像进行分割,获取所述目标图像包括的至少两张目标子图像;
分别对每张目标子图像进行分类,并基于每张目标子图像的分类结果确定所述目标图像的类别。
可选的,所述尺寸参数包括所述目标图像的高度以及所述目标图像的宽度;
所述基于目标图像的尺寸参数,判断所述目标图像的尺寸是否满足预设条件的步骤,包括:
计算所述目标图像的宽度与所述目标图像的高度的比值;
若所述比值不大于第一预设比值阈值,或,不小于第二预设比值阈值,则确定所述目标图像的尺寸不满足预设条件;
若所述比值大于所述第一预设比值阈值且小于所述第二预设比值阈值,则确定所述目标图像的尺寸满足预设条件。
可选的,在所述判断所述目标图像的尺寸是否满足预设条件的步骤之后,所述方法还包括:
若所述目标图像的尺寸满足预设条件,则利用预设的分类模型确定所述目标图像的类别;
若所述目标图像的类别为预设类别,则判断所述目标图像是否为拼图图像;
若所述目标图像不为拼图图像,则确定所述目标图像的类别为所述预设类别。
可选的,在所述判断所述目标图像是否为拼图图像的步骤之后,所述方法还包括:
若所述目标图像不为拼图图像,则基于所述目标图像的尺寸参数,将所述目标区域切分为至少两个子区域;
分别对每个子区域进行分类,并基于每个子区域的分类结果确定所述目标图像的类别。
可选的,所述判断所述目标图像是否为拼图图像的步骤,包括:
将所述目标图像转换为灰度图像,得到可处理目标图像;
基于预设的水平边缘算子,确定所述可处理目标图像在水平方向的第一边缘图,以及,基于预设的垂直边缘算子,确定所述可处理目标图像在垂直方向的第二边缘图;
基于所述第一边缘图确定所述目标图像在水平方向上的可分割数量,得到第一分割数量,基于所述第二边缘图确定所述目标图像在垂直方向上的可分割数量,得到第二分割数量;
基于所述第一分割数量以及所述第二分割数量,确定所述目标图像是否为拼图图像。
可选的,所述基于所述第一边缘图确定所述目标图像在水平方向上的可分割数量,得到第一分割数量的步骤,包括:
计算所述第一边缘图中目标像素行的数量,得到第一数量;所述目标像素行表示包含的目标像素的个数大于第一预设个数阈值的像素行,所述目标像素表示灰度值等于预设灰度值的像素;
若所述第一数量大于第一预设阈值,或,小于第二预设阈值,则确定所述第一分割数量为0;
若所述第一数量不大于所述第一预设阈值且不小于所述第二预设阈值,则计算每个目标像素行与相邻的目标像素行之间的距离,得到多个第一距离;
将对应的值最大且出现频率最高的第一距离作为第一目标距离,若所述第一目标距离的出现频率小于预设频率阈值,则确定所述第一分割数量为0;
若所述第一目标距离的出现频率不小于预设频率阈值,则在所述第一目标距离对应的距离值小于预设距离阈值时,确定所述第一分割数量为0,在所述第一目标距离对应的距离值不小于预设距离阈值时,将所述第一目标距离的出现频率确定为所述第一分割数量。
可选的,所述基于所述第二边缘图确定所述目标图像在垂直方向上的可分割数量,得到第二分割数量的步骤,包括:
计算所述第二边缘图中包含的目标像素列的数量,得到第二数量;所述目标像素列表示包含的目标像素的个数大于第二预设个数阈值的像素列,所述目标像素表示灰度值等于预设灰度值的像素;
若所述第二数量大于所述第一预设阈值,或,小于所述第二预设阈值,则确定所述第二分割数量为0;
若所述第二数量不大于所述第一预设阈值且不小于所述第二预设阈值,则计算每个目标像素列与相邻的目标像素列之间的距离,得到多个第二距离;
将对应的值最大且出现频率最高的第二距离作为第二目标距离,若所述第二目标距离的出现频率小于预设频率阈值,则确定所述第二分割数量为0;
若所述第二目标距离的出现频率不小于所述预设频率阈值,则在所述第二目标距离对应的距离值小于所述预设距离阈值时,确定所述第二分割数量为0,在所述第二目标距离对应的距离值不小于所述预设距离阈值时,将所述第二目标距离的出现频率确定为所述第二分割数量。
可选的,所述若所述目标图像为拼图图像,则对所述目标图像进行分割,获取所述目标图像包括的至少两张目标子图像的步骤,包括:
若所述第一分割数量以及所述第二分割数量均不为零,则基于所述目标像素行以及所述目标像素列,对所述目标图像进行分割,得到多个目标子图像;
若所述第一分割数量不为零,所述第二分割数量为零,则基于所述目标像素行对所述目标图像进行分割,得到多个第二子图像;基于所述多个第二子图像确定目标子图像;
若所述第二分割数量不为零,所述第一分割数量为零,则基于所述目标像素列对所述目标图像进行分割,得到多个第三子图像;基于所述多个第三子图像确定目标子图像。
依据本发明的第二方面,提供了一种图像处理装置,该装置可以包括:
第一判断模块,用于基于目标图像的尺寸参数,判断所述目标图像的尺寸是否满足预设条件;
第二判断模块,用于若所述目标图像的尺寸不满足预设条件,则判断所述目标图像是否为拼图图像;
分割模块,用于若所述目标图像为拼图图像,则对所述目标图像进行分割,获取所述目标图像包括的至少两张目标子图像;
第一分类模块,用于分别对每张目标子图像进行分类,并基于每张目标子图像的分类结果确定所述目标图像的类别。
可选的,所述尺寸参数包括所述目标图像的高度以及所述目标图像的宽度;
所述第一判断模块,用于:
计算所述目标图像的宽度与所述目标图像的高度的比值;
若所述比值不大于第一预设比值阈值,或,不小于第二预设比值阈值,则确定所述目标图像的尺寸不满足预设条件;
若所述比值大于所述第一预设比值阈值且小于所述第二预设比值阈值,则确定所述目标图像的尺寸满足预设条件。
可选的,所述装置还包括:
第一确定模块,用于若所述目标图像的尺寸满足预设条件,则利用预设的分类模型确定所述目标图像的类别;
第三判断模块,用于若所述目标图像的类别为预设类别,则判断所述目标图像是否为拼图图像;
第二确定模块,用于若所述目标图像不为拼图图像,则确定所述目标图像的类别为所述预设类别。
可选的,所述装置还包括:
切分模块,用于若所述目标图像不为拼图图像,则基于所述目标图像的尺寸参数,将所述目标区域切分为至少两个子区域;
第二分类模块,用于分别对每个子区域进行分类,并基于每个子区域的分类结果确定所述目标图像的类别。
可选的,所述第二判断模块,包括:
转换子模块,用于将所述目标图像转换为灰度图像,得到可处理目标图像;
第一确定子模块,用于基于预设的水平边缘算子,确定所述可处理目标图像在水平方向的第一边缘图,以及,基于预设的垂直边缘算子,确定所述可处理目标图像在垂直方向的第二边缘图;
第二确定子模块,用于基于所述第一边缘图确定所述目标图像在水平方向上的可分割数量,得到第一分割数量,基于所述第二边缘图确定所述目标图像在垂直方向上的可分割数量,得到第二分割数量;
第三确定子模块,用于基于所述第一分割数量以及所述第二分割数量,确定所述目标图像是否为拼图图像。
可选的,所述第二确定子模块,用于:
计算所述第一边缘图中目标像素行的数量,得到第一数量;所述目标像素行表示包含的目标像素的个数大于第一预设个数阈值的像素行,所述目标像素表示灰度值等于预设灰度值的像素;
若所述第一数量大于第一预设阈值,或,小于第二预设阈值,则确定所述第一分割数量为0;
若所述第一数量不大于所述第一预设阈值且不小于所述第二预设阈值,则计算每个目标像素行与相邻的目标像素行之间的距离,得到多个第一距离;
将对应的值最大且出现频率最高的第一距离作为第一目标距离,若所述第一目标距离的出现频率小于预设频率阈值,则确定所述第一分割数量为0;
若所述第一目标距离的出现频率不小于预设频率阈值,则在所述第一目标距离对应的距离值小于预设距离阈值时,确定所述第一分割数量为0,在所述第一目标距离对应的距离值不小于预设距离阈值时,将所述第一目标距离的出现频率确定为所述第一分割数量。
可选的,所述第二确定子模块,用于:
计算所述第二边缘图中包含的目标像素列的数量,得到第二数量;所述目标像素列表示包含的目标像素的个数大于第二预设个数阈值的像素列,所述目标像素表示灰度值等于预设灰度值的像素;
若所述第二数量大于所述第一预设阈值,或,小于所述第二预设阈值,则确定所述第二分割数量为0;
若所述第二数量不大于所述第一预设阈值且不小于所述第二预设阈值,则计算每个目标像素列与相邻的目标像素列之间的距离,得到多个第二距离;
将对应的值最大且出现频率最高的第二距离作为第二目标距离,若所述第二目标距离的出现频率小于预设频率阈值,则确定所述第二分割数量为0;
若所述第二目标距离的出现频率不小于所述预设频率阈值,则在所述第二目标距离对应的距离值小于所述预设距离阈值时,确定所述第二分割数量为0,在所述第二目标距离对应的距离值不小于所述预设距离阈值时,将所述第二目标距离的出现频率确定为所述第二分割数量。
可选的,所述分割模块,用于:
若所述第一分割数量以及所述第二分割数量均不为零,则基于所述目标像素行以及所述目标像素列,对所述目标图像进行分割,得到多个目标子图像;
若所述第一分割数量不为零,所述第二分割数量为零,则基于所述目标像素行对所述目标图像进行分割,得到多个第二子图像;基于所述多个第二子图像确定目标子图像;
若所述第二分割数量不为零,所述第一分割数量为零,则基于所述目标像素列对所述目标图像进行分割,得到多个第三子图像;基于所述多个第三子图像确定目标子图像。
针对在先技术,本发明具备如下优点:
终端会先基于目标图像的尺寸参数,判断目标图像的尺寸是否满足预设条件,然后会在目标图像的尺寸不满足预设条件,则判断目标图像是否为拼图图像,这样,以目标图像的尺寸比例是否异常作为依据,确定是否需要进行拼图图像判断操作的方式,可以避免对目标图像进行不必要的拼图图像判断操作,进而可以避免浪费终端系统资源;进一步地,终端会在目标图像为拼图图像时,对目标图像进行分割,获取目标图像包括的至少两张目标子图像,最后,分别对每张目标子图像进行分类,并基于每张目标子图像的分类结果确定目标图像的类别,这样,通过将目标图像拆分,降低目标图像的内容复杂度,可以避免由于图像内容复杂导致的误判,提高判断的准确率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明实施例一提供的一种图像处理方法的步骤流程图;
图2-1是本发明实施例二提供的一种图像处理方法的步骤流程图;
图2-2为本发明实施例二提供的第一边缘示意图;
图2-3为本发明实施例二提供的第二边缘示意图;
图2-4为本发明实施例二提供的一种拆分示意图;
图2-5为本发明实施例二提供的另一种拆分示意图;
图3是本发明实施例三提供的一种图像处理装置的框图;
图4是本发明实施例四提供的一种图像处理装置的框图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
实施例一
图1是本发明实施例一提供的一种图像处理方法的步骤流程图,应用于终端,如图1所示,该方法可以包括:
步骤101、基于目标图像的尺寸参数,判断所述目标图像的尺寸是否满足预设条件。
实际的应用场景中,由于拼图图像是由多张内容独立的子图像组成的,因此,拼图图像的尺寸比例,例如,宽高比,往往会与非拼图图像的宽高比存在较大的差异。因此,本发明实施例中,终端可以先基于目标图像的尺寸参数,判断目标图像的尺寸是否满足预设条件,其中,目标图像的尺寸参数可以包括目标图像的高度以及目标图像的宽度,该预设条件可以为目标图像的宽高比在合理的阈值区间内。
步骤102、若所述目标图像的尺寸不满足预设条件,则判断所述目标图像是否为拼图图像。
本发明实施例中,如果目标图像的尺寸不满足预设条件,则可以认为目标图像的尺寸比例存在异常,很有可能是拼图图像,进一步地,由于拼图图像的内容较为复杂,分类的误判率较高,因此,终端可以在目标图像的尺寸不满足预设条件时,进一步判断目标图像是否为拼图图像,以便于后续步骤中做出相应的处理。具体的,终端可以先获取目标图像的边缘图,其中,该边缘图可以体现目标图像的图像特征,然后基于目标图像的边缘图确定可分割数量,最后基于可分割数量确定目标图像是否为拼图图像。
步骤103、若所述目标图像为拼图图像,则对所述目标图像进行分割,获取所述目标图像包括的至少两张目标子图像。
本发明实施例中,若目标图像为拼图图像,则说明目标图像由多张内容独立的子图像组成,为了提高对目标图像类别的判断准确率,终端可以将目标图像分割为一个个子图像,得到多张目标子图像,进而降低目标图像的内容复杂度,提高后续的分类准确率。
步骤104、分别对每张目标子图像进行分类,并基于每张目标子图像的分类结果确定所述目标图像的类别。
本发明实施例中,由于每张目标子图像都是目标图像的一部分,即,每张目标子图像都代表目标图像的一部分内容,因此,终端可以先判断每个目标子图像的类别,最后基于每张目标子图像的类别来确定目标图像的类别,这样,可以保证在确定目标图像类别时,能够充分考虑到目标图像的所有内容。
综上所述,本发明实施例一提供的图像处理方法,终端会先基于目标图像的尺寸参数,判断目标图像的尺寸是否满足预设条件,然后会在目标图像的尺寸不满足预设条件,则判断目标图像是否为拼图图像,这样,以目标图像的尺寸比例是否异常作为依据,确定是否需要进行拼图图像判断操作的方式,可以避免对目标图像进行不必要的拼图图像判断操作,进而可以避免浪费终端系统资源;进一步地,终端会在目标图像为拼图图像时,对目标图像进行分割,获取目标图像包括的至少两张目标子图像,最后,分别对每张目标子图像进行分类,并基于每张目标子图像的分类结果确定目标图像的类别,这样,通过将目标图像拆分,降低目标图像的内容复杂度,可以避免由于图像内容复杂导致的误判,提高判断的准确率。
实施例二
图2-1是本发明实施例二提供的一种图像处理方法的步骤流程图,如图2-1所示,该方法可以包括:
步骤201、基于目标图像的尺寸参数,判断所述目标图像的尺寸是否满足预设条件。
本步骤中,该尺寸参数可以包括目标图像的高度以及目标图像的宽度。具体的,终端可以先计算目标图像的宽度与目标图像的高度的比值;
示例的,以H表示目标图像的高度,W表示目标图像的宽度,以R表示两者的比值,那么可以得到R=H/W。
若该比值不大于第一预设比值阈值,或,不小于第二预设比值阈值,则确定目标图像的尺寸不满足预设条件;若该比值大于第一预设比值阈值且小于第二预设比值阈值,则确定目标图像的尺寸满足预设条件。
本发明实施例中,该第一预设比值阈值可以是以多张非拼图图像作为样本图像,并根据这多张样本图像确定的出现频率大于预设频率阈值且值最小的宽高比,该第二预设比值阈值可以是根据这多张样本图像确定的出现频率大于预设频率阈值且值最大的宽高比。示例的,以Thlow表示第一预设比值阈值,Thhigh表示第二预设比值阈值,那么终端可以在Thlow<R<Thhigh时,认为目标图像的尺寸比例正常,确定目标图像的尺寸满足预设条件。
步骤202、若所述目标图像的尺寸不满足预设条件,则判断所述目标图像是否为拼图图像。
具体的,步骤202可以包括:
步骤2021、将所述目标图像转换为灰度图像,得到可处理目标图像。
本步骤中,可以通过对目标图像进行灰度化处理,来获取目标图像对应的灰度图像,其中,灰度化处理是将彩色图像转换为灰度图像的过程,进行灰度化处理后得到的灰度图像能够反映整幅图像的整体和局部的色度以及亮度等级的分布和特征。本发明实施例中,通过将彩色的目标图像转换为灰度图像,可以使后续针对目标图像处理时的计算量变得少一些,进而减少对终端系统资源的耗费。具体的,终端可以基于每个像素的红色通道值R、绿色通道值G以及蓝色通道值B,通过下述公式1计算每个像素对应的灰度值Gray,然后将每个像素的灰度设置为每个像素对应的灰度值,得到灰度图像。
Gray=R*0.299+G*0.587+B*0.114; (公式1)
需要说明的是,在本发明的另一可选实施例中,还可以基于目标图像中的最大R值、最大G值、最大B值、最小R值、最小G值以及最小B值、利用下述公式2计算一个标准亮度值L,然后将每个像素的亮度值设置为该标准亮度值,得到灰度图像。
L=(max(R,G,B)+min(R,G,B))/2; (公式2)
步骤2022、基于预设的水平边缘算子,确定所述可处理目标图像在水平方向的第一边缘图,以及,基于预设的垂直边缘算子,确定所述可处理目标图像在垂直方向的第二边缘图。
本步骤中,该水平边缘算子以及垂直边缘算子可以为索贝尔Sobel算子,具体的,该水平边缘算子可以为一个3*3的小矩阵:
-1 | 0 | +1 |
-2 | 0 | +2 |
-1 | 0 | +1 |
进一步地,该垂直边缘算子可以为一个3*3的小矩阵:
+1 | +2 | +1 |
0 | 0 | 0 |
-1 | -2 | -1 |
进一步地,终端可以以可处理目标图像中的每个像素作为可处理目标图像对应的矩阵中的各个元素,每个像素的灰度值即为每个元素的值,然后,对于可处理目标图像对应的矩阵中的每个元素,计算该元素以及其周围8个像素与水平边缘算子表示的小矩阵中对应位置元素的乘积,接着将得到的乘积的相加,得到该元素对应的像素的新的灰度值,以此类推,在计算出可处理目标图像中每个像素的新的灰度值之后,可以将可处理目标图像中每个像素的灰度值设置为每个像素对应的新的灰度值,最后,对调整后的可处理目标图像进行二值化处理,得到可处理目标图像在水平方向的第一边缘图,示例的,图2-2为本发明实施例二提供的第一边缘示意图。
相应地,终端可以以可处理目标图像中的每个像素作为可处理目标图像对应的矩阵中的各个元素,每个像素的灰度值即为每个元素的值,然后,对于可处理目标图像对应的矩阵中的每个元素,计算该元素以及其周围8个像素与垂直边缘算子表示的小矩阵中对应位置元素的乘积,接着将得到的乘积的相加,得到该元素对应的像素的新的灰度值,以此类推,在计算出可处理目标图像中每个像素的新的灰度值之后,可以将可处理目标图像中每个像素的灰度值设置为每个像素对应的新的灰度值,最后,对调整后的可处理目标图像进行二值化处理,得到可处理目标图像在水平方向的第二边缘图,示例的,图2-3为本发明实施例二提供的第二边缘示意图。
具体的,该二值化处理就是将该灰度图像中每个像素的灰度值设置为0或255,使整个图像呈现出明显的黑白效果,具体的,对于灰度值小于预设灰度阈值的像素,可以将该像素的灰度值设置为0,对于灰度值不小于预设灰度阈值的像素,可以将该像素的灰度值设置为255,该预设灰度阈值可以是根据实际情况选择的,示例的,该预设灰度阈值可以为60,该预设灰度阈值也可以为80,本发明实施例对此不作限定。
经过二值化处理后得到的二值化图像仍然能够反映图像整体和局部特征。进一步地,由于二值化处理后的图像中像素的灰度值只有0或者255,像素灰度值的级别少,因此数据的处理和压缩量小,进而将目标图像转换为二值化图像后再进行处理,可以使得处理操作更加简单。
步骤2023、基于所述第一边缘图确定所述目标图像在水平方向上的可分割数量,得到第一分割数量,基于所述第二边缘图确定所述目标图像在垂直方向上的可分割数量,得到第二分割数量。
具体的,终端可以通过下述子步骤(1)~子步骤(5)来实现确定第一边缘图在水平方向上的可分割数量,得到第一分割数量:
子步骤(1):计算所述第一边缘图中目标像素行的数量,得到第一数量。
本步骤中,目标像素行可以表示包含的目标像素的个数大于第一预设个数阈值的像素行,该目标像素表示灰度值等于预设灰度值的像素,该预设灰度值可以为255。具体的,终端可以统计第一边缘图中每个像素行中所包括的灰度值等于预设灰度值的像素个数,然后计算所包括的灰度值等于预设灰度值的像素个数大于第一预设个数阈值的像素行的个数,得到第一数量。其中,该第一预设个数阈值可以是根据目标图像中像素行所包括的像素个数确定的,当目标图像中像素行所包括的像素个数较多时,可以设置较大的第一预设个数阈值,当目标图像中像素行所包括的像素个数较少时,可以设置较小的第一预设个数阈值。
子步骤(2):若所述第一数量大于第一预设阈值,或,小于第二预设阈值,则确定所述第一分割数量为0。
实际的应用场景中,拼图图像的内容中会存在边缘强度比较适中的部分,如果图像中所包括的灰度值等于预设灰度值的像素个数过多时,则可以认为该图像的内容中的边缘强度过强,如果图像中所包括的灰度值等于预设灰度值的像素个数过少时,则可以认为该图像的内容中的边缘强度过弱,此时可以认为该图像不是拼图图像,即,该图像无法进行分割。
相应地,本发明实施例中,若第一数量大于第一预设阈值,则可以认为第一边缘图的边缘过强,即,目标图像水平方向的边缘过强;若第一数量小于第二预设阈值,则可以认为第一边缘图的边缘过弱,即,目标图像水平方向的边缘过弱,目标图像在水平方向不具备可以分割的位置,因此,可以确定目标图像在水平方向上的第一分割数量为0。
子步骤(3):若所述第一数量不大于所述第一预设阈值且不小于所述第二预设阈值,则计算每个目标像素行与相邻的目标像素行之间的距离,得到多个第一距离。
示例的,假设目标像素行包括第a行、第b行、第c行、第e行以及第f行,那么终端可以计算第a行与第b行的距离、第a行与第c行的距离、第a行与第e行的距离、第a行与第f行的距离、第b行与第c行的距离、第b行与第e行的距离、第b行与第f行的距离、第c行与第e行的距离、第c行与第f行的距离以及第e行与第f行的距离,得到10个第一距离。
子步骤(4):将对应的值最大且出现频率最高的第一距离作为第一目标距离,若所述第一目标距离的出现频率小于预设频率阈值,则确定所述第一分割数量为0。
本步骤中,该预设频率阈值可以是根据实际需求设定,本发明实施例对此不作限定。示例的,假设预设频率阈值为3,第一目标距离的出现频率2,由于第一目标距离的出现频率小于预设频率阈值,那么终端可以确定第一分割数量为0。假设预设频率阈值为3,第一目标距离的出现频率为3,由于第一目标距离的出现频率不小于预设频率阈值,那么终端可以确定第一分割数量不为0。
子步骤(5):若所述第一目标距离的出现频率不小于预设频率阈值,则在所述第一目标距离对应的距离值小于预设距离阈值时,确定所述第一分割数量为0,在所述第一目标距离对应的距离值不小于预设距离阈值时,将所述第一目标距离的出现频率确定为所述第一分割数量。
本步骤中,该预设距离阈值可以是根据实际需求设定,本发明实施例对此不作限定。示例的,假设预设距离阈值为3厘米cm,第一目标距离对应的距离值为5cm,第一目标距离的出现频率为3,由于第一目标距离对应的距离值不小于预设距离阈值,那么终端可以确定第一分割数量为3。
具体的,终端可以通过下述子步骤(6)~子步骤(10)来实现确定第二边缘图在垂直方向上的可分割数量,得到第二分割数量:
子步骤(6):计算所述第二边缘图中包含的目标像素列的数量,得到第二数量。
本步骤中,目标像素列可以表示包含的目标像素的个数大于第二预设个数阈值的像素行,该目标像素表示灰度值等于预设灰度值的像素,该预设灰度值可以为255。具体的,终端可以统计第二边缘图中每个像素列中所包括的灰度值等于预设灰度值的像素个数,然后计算所包括的灰度值等于预设灰度值的像素个数大于第二预设个数阈值的像素列的个数,得到第二数量。其中,该第二预设个数阈值可以是根据目标图像中像素列所包括的像素个数确定的,当目标图像中像素列所包括的像素个数较多时,可以设置较大的第二预设个数阈值,当目标图像中像素列所包括的像素个数较少时,可以设置较小的第二预设个数阈值。
子步骤(7):若所述第二数量大于所述第一预设阈值,或,小于所述第二预设阈值,则确定所述第二分割数量为0。
实际的应用场景中,拼图图像的内容中会存在边缘强度比较适中的部分,如果图像中所包括的灰度值等于预设灰度值的像素个数过多时,则可以认为该图像的内容中的边缘强度过强,如果图像中所包括的灰度值等于预设灰度值的像素个数过少时,则可以认为该图像的内容中的边缘强度过弱,此时可以认为该图像不是拼图图像,即,该图像无法进行分割。
相应地,本发明实施例中,若第二数量大于第一预设阈值,则可以认为第二边缘图的边缘过强,即,目标图像垂直方向的边缘过强;若第二数量小于第二预设阈值,则可以认为第二边缘图的边缘过弱,即,目标图像垂直方向的边缘过弱,目标图像在垂直方向不具备可以分割的位置,因此,可以确定目标图像在垂直方向上的第二分割数量为0。
子步骤(8):若所述第二数量不大于所述第一预设阈值且不小于所述第二预设阈值,则计算每个目标像素列与相邻的目标像素列之间的距离,得到多个第二距离。
示例的,假设目标像素列包括第h列、第i列、第j列、第k列以及第1列,那么终端可以计算第h列与第i列的距离、第h列与第j列的距离、第h列与第k列的距离、第h列与第1列的距离、第i列与第j列的距离、第i列与第k列的距离、第i列与第1列的距离、第j列与第k列的距离、第j列与第1列的距离以及第k列与第1列的距离,得到10个第二距离。
子步骤(9):将对应的值最大且出现频率最高的第二距离作为第二目标距离,若所述第二目标距离的出现频率小于预设频率阈值,则确定所述第二分割数量为0。
本步骤中,该预设频率阈值可以是根据实际需求设定,本发明实施例对此不作限定。示例的,假设预设频率阈值为3,第二目标距离的出现频率2,由于第二目标距离的出现频率小于预设频率阈值,那么终端可以确定第二分割数量为0。假设预设频率阈值为3,第二目标距离的出现频率为4,由于第二目标距离的出现频率不小于预设频率阈值,那么终端可以确定第二分割数量不为0。
子步骤(10):若所述第二目标距离的出现频率不小于所述预设频率阈值,则在所述第二目标距离对应的距离值小于所述预设距离阈值时,确定所述第二分割数量为0,在所述第二目标距离对应的距离值不小于所述预设距离阈值时,将所述第二目标距离的出现频率确定为所述第二分割数量。
本步骤中,该预设距离阈值可以是根据实际需求设定,本发明实施例对此不作限定。示例的,假设预设距离阈值为3厘米cm,第二目标距离对应的距离值为8cm,第二目标距离的出现频率为4,由于第二目标距离对应的距离值不小于预设距离阈值,那么终端可以确定第二分割数量为4。
步骤2024、基于所述第一分割数量以及所述第二分割数量,确定所述目标图像是否为拼图图像。
具体的,若第一分割数量以及第二分割数量均为零,则确定目标图像不为拼图图像。若第一分割数量以及第二分割数量存在至少一个不为零,例如,第一分割数量不为0,或者,第二分割数量不为0,或者,第一分割数量以及第二分割数量均不为0,则可以确定目标图像为拼图图像。
步骤203、若所述目标图像为拼图图像,则对所述目标图像进行分割,获取所述目标图像包括的至少两张目标子图像。
具体的,步骤203可以包括:
步骤2031、若所述第一分割数量以及所述第二分割数量均不为零,则基于所述目标像素行以及所述目标像素列,对所述目标图像进行分割,得到多个目标子图像。
本步骤中,终端可以先沿着目标像素行在目标图像中对应的行,进行水平方向的分割,然后沿着目标像素列在目标图像中对应的列,进行垂直方向的分割,最后,将分割后得到的各个子图像,确定为目标子图像。当然,实际应用中,在进行分割时,也可以是先沿着目标像素列在目标图像中对应的列,进行垂直方向的分割,然后沿着目标像素行在目标图像中对应的行,进行水平方向的分割,本发明实施例对此不作限定。示例的,图2-4为本发明实施例二提供的一种拆分示意图,从图2-4中所示的“拆分结果”中可以看出,“原图”所表示的目标图像被拆分为9个目标子图像。
步骤2032、若所述第一分割数量不为零,所述第二分割数量为零,则基于所述目标像素行对所述目标图像进行分割,得到多个第二子图像;基于所述多个第二子图像确定目标子图像。
本步骤中,当第一分割数量不为0时,可以认为目标图像在水平方向上可分割,此时,终端可以先沿着目标像素行在目标图像中对应的行,进行水平方向的分割,将目标图像分割为多个第二子图像,由于实际应用中,可能会存在不规则的拼图,即,仅存在部分第二子图像在垂直方向上可分割,因此,为了保证拼图分割的准确性,终端可以通过以下过程,对每个第二子图像进行处理,来确定最终的目标子图像:
首先,对于每个第二子图像,确定所述第二子图像在垂直方向的边缘图,得到第三边缘图。
具体的,确定第三边缘图的实现过程可以参考上述步骤2022,本发明实施例在此不做赘述。
然后,可以基于所述第三边缘图,判断所述第二子图像在垂直方向上是否存在可分割位置。
具体的,本步骤的实现过程可以参考上述子步骤(6)~子步骤(10)示出的过程,本发明实施例在此不做赘述。
最后,若存在可分割位置,则基于所述第二子图像在垂直方向上的可分割位置,对所述第二子图像进行分割,并将分割后得到的子图像确定为目标子图像,若不存在可分割位置,则将所述第二子图像确定为目标子图像。
示例的,图2-5为本发明实施例二提供的另一种拆分示意图,从图2-5中所示的“拆分结果”中可以看出,“原图”所表示的目标图像被拆分为6个目标子图像。
步骤2033、若所述第二分割数量不为零,所述第一分割数量为零,则基于所述目标像素列对所述目标图像进行分割,得到多个第三子图像;基于所述多个第三子图像确定目标子图像。
本步骤中,当第二分割数量不为0时,可以认为目标图像在垂直方向上可分割,此时,终端可以先沿着目标像素列在目标图像中对应的列,进行垂直方向的分割,将目标图像分割为多个第三子图像,由于实际应用中,可能会存在不规则的拼图,即,仅存在部分第三子图像在水平方向上可分割,因此,为了保证拼图分割的准确性,终端可以通过以下过程,对每个第三子图像进行处理,来确定最终的目标子图像:
首先,对于每个第三子图像,确定所述第三子图像在水平方向上的边缘图,得到第四边缘图。
具体的,确定第四边缘图的实现过程可以参考上述步骤2022,本发明实施例在此不做赘述。
然后,基于所述第四边缘图,判断所述第三子图像在水平方向上是否存在可分割位置。
具体的,本步骤的实现过程可以参考上述子步骤(1)~子步骤(5)示出的过程,本发明实施例在此不做赘述。
最后,若存在可分割位置,则基于所述第三子图像在水平方向上的可分割位置,对所述第三子图像进行分割,并将分割后得到的子图像确定为目标子图像,若不存在可分割位置,则将所述第三子图像确定为目标子图像。
需要说明的是,为了进一步地提高拼图图像拆分的准确率,在本发明的另一可选实施例中,终端还可以继续对每个目标子图像执行判断该目标子图像是否为拼图图像的操作,如果该目标子图像为拼图图像,则对目标子图像继续进行分割,直到分割得到的每个子图像均不为拼图图像时,再基于每个分割得到的子图像确定目标图像的类别。
步骤204、分别对每张目标子图像进行分类,并基于每张目标子图像的分类结果确定所述目标图像的类别。
示例的,以判断目标图像是否为色情图像为例,终端可以预先收集大量的正常图像以及色情图像作为样本,然后人工标注出每个样本图像的类别,即,标注出该样本图像为正常图像,还是色情图像,接着,将这些样本图像和以及每个样本图像标注的类别,输入到caffe开源的深度学习框架中进行模型重训,当然,实际应用中也可使用其他开源深度学习框架进行训练,本发明实施例对此不作限定。
具体在训练时,可以采用前馈BP神经网络算法,即前向传递时,一层一层输出,若输出层得到的结果与期望值有差别则进行反向传递,根据其误差运用梯度下降法来更新其权重及阀值,重复若干次,直到误差函数到达全局最小值,结束训练,得到色情图像分类模型。
在分类时,可以将每张目标子图像输入到该色情图像分类模型中,按照同样的模型结构以及训练好的参数,依次对每张目标子图像进行处理,比如,卷积、池化,等等,直至最终获得每张目标子图像对应两个类别(正常图像类别、色情图像)的置信度概率,最后,将最大置信度概率对应的类别确定为目标图像的类别。
当然,在本发明的另一可选实施例中,也可以在获得到每张目标子图像对应两个类别的置信度概率之后,将每个目标子图像对应的两个置信度概率中最大置信度概率对应的类别,确定为该目标子图像的类别,最后,在所有目标子图像的类别均为正常图像时,确定目标图像为正常图像,在至少一个目标子图像的类别为色情图像时,确定目标图像为色情图像。进一步地,为了提高判断的准确率,终端还可以对类别为色情图像的目标子图像进行标注,以便于人工进行复核。
步骤205、若所述目标图像不为拼图图像,则基于所述目标图像的尺寸参数,将所述目标区域切分为至少两个子区域。
本步骤中,虽然目标图像不为拼图图像,但是由于目标图像的尺寸比例存在异常,因此,终端可以基于目标图像的尺寸参数,对将目标区域进行切分,以避免目标图像的尺寸异常对分类带来的影响,进而提高分类的准确性。
具体的,终端可以选择目标图像的宽度以及目标图像的高度中数值较小的一个,作为计算基准值C,然后计算该计算基准值C与第二预设比值阈值Thhigh的乘积,得到基准值B,然后以目标图像的顶点作为原点,沿着水平方向的边建立X轴,垂直方向的边建立Y轴,以(0,i*B/2)作为第i个子区域的第一顶点,以(C,B)作为第i个子区域的第二顶点,其中第一顶点的第二顶点分布在第i个子区域的两端,最后,将第一顶点和第二顶点确定的矩形,作为第i个子区域,以此类推,将目标区域切分为多个两个子区域。
步骤206、分别对每个子区域进行分类,并基于每个子区域的分类结果确定所述目标图像的类别。
在分类时,可以将每个子区域对应的图像输入到色情图像分类模型中,获得到每个子区域对应两个类别的置信度概率之后,将每个子区域对应的两个置信度概率中最大置信度概率对应的类别,确定为该子区域的类别,最后,在所有子区域的类别均为正常图像时,确定目标图像为正常图像,在至少一个子区域的类别为色情图像时,确定目标图像为色情图像。进一步地,为了提高判断的准确率,终端还可以对类别为色情图像的目标子图像进行标注,以便于人工进行复核。
步骤207、若所述目标图像的尺寸满足预设条件,则利用预设的分类模型确定所述目标图像的类别。
本发明实施例中,该预设的分类模型可以为上述步骤204中的色情图像分类模型,进一步地,如果目标图像的尺寸满足预设条件,则可以认为目标图像为拼图图像的概率较小,此时,可以直接以目标图像作为分类依据,将目标图像作为预设的分类模型的输入,确定目标图像的类别。这样,直接对目标图像进行分类的方式,可以减少分类的操作步骤,进而减少对终端系统资源的耗费。
步骤208、若所述目标图像的类别为预设类别,则判断所述目标图像是否为拼图图像。
本发明实施例中,该预设类别可以是预先定义的重要度较高,且若目标图像被误判为预设类别,会产生较大负面影响的类别。以对目标图像进行色情图像分类为例,如果本质为色情图像的目标图像被误分类为正常图像,那么该目标图像就会被发布在网络中,被大量用户所看到,进而产生较大的负面影响,因此,本发明实施例中,可以将类别:正常图像设定为预设类别。
进一步地,实际应用场景中,可能会存在部分尺寸正常的拼图图像,为了避免由于误分类带来的负面影响,终端可以在目标图像被分类至正常图像时,进一步判断目标图像是否为拼图图像,进而避免由于目标图像为拼图图像,导致的分类不准确,产生负面影响的问题。具体的,本步骤中判断目标图像是否为拼图图像的实现方式可以参考上述步骤202,本发明实施例对此不作限定。
步骤209、若所述目标图像不为拼图图像,则确定所述目标图像的类别为预设类别。
具体的,如果目标图像不为拼图图像,则可以认为利用预设的分类模型确定的目标图像的类别是准确的,此时,可以确定目标图像类别即为上述步骤205中确定的类别。当然,如果目标图像为拼图图像,那么终端可以对所述目标图像进行分割,获取所述目标图像包括的至少两张目标子图像,然后分别对每张目标子图像进行分类,并基于每张目标子图像的分类结果重新确定所述目标图像的类别,以确定目标图像分类的准确性。具体的实现方式可以参考上述步骤203以及步骤204中的实现方式,本发明实施例对此不作限定。
综上所述,本发明实施例二提供的图像处理方法,终端会先基于目标图像的尺寸参数,判断目标图像的尺寸是否满足预设条件,然后会在目标图像的尺寸不满足预设条件,则判断目标图像是否为拼图图像,这样,以目标图像的尺寸比例是否异常作为依据,确定是否需要进行拼图图像判断操作的方式,可以避免对目标图像进行不必要的拼图图像判断操作,进而可以避免浪费终端系统资源;进一步地,终端会在目标图像为拼图图像时,对目标图像进行分割,获取目标图像包括的至少两张目标子图像,最后,分别对每张目标子图像进行分类,并基于每张目标子图像的分类结果确定目标图像的类别,这样,通过将目标图像拆分,降低目标图像的内容复杂度,可以避免由于图像内容复杂导致的误判,提高判断的准确率;同时,终端还会在目标图像的尺寸不满足预设条件且不为拼图图像时,基于目标图像尺寸,将目标图像切分为多个子区域,并基于多个子区域确定目标图像的类别,进而避免目标图像的尺寸异常对分类带来的影响,进而提高分类的准确性。
实施例三
图3是本发明实施例三提供的一种图像处理装置的框图,如图3所示,该装置30可以包括:
第一判断模块301,用于基于目标图像的尺寸参数,判断所述目标图像的尺寸是否满足预设条件。
第二判断模块302,用于若所述目标图像的尺寸不满足预设条件,则判断所述目标图像是否为拼图图像。
分割模块303,用于若所述目标图像为拼图图像,则对所述目标图像进行分割,获取所述目标图像包括的至少两张目标子图像。
第一分类模块304,用于分别对每张目标子图像进行分类,并基于每张目标子图像的分类结果确定所述目标图像的类别。
综上所述,本发明实施例三提供的图像处理装置,第一判断模块会先基于目标图像的尺寸参数,判断目标图像的尺寸是否满足预设条件,第二判断模块会在目标图像的尺寸不满足预设条件,则判断目标图像是否为拼图图像,这样,以目标图像的尺寸比例是否异常作为依据,确定是否需要进行拼图图像判断操作的方式,可以避免对目标图像进行不必要的拼图图像判断操作,进而可以避免浪费终端系统资源;进一步地,分割模块会在目标图像为拼图图像时,对目标图像进行分割,获取目标图像包括的至少两张目标子图像,最后,第一分类模块会分别对每张目标子图像进行分类,并基于每张目标子图像的分类结果确定目标图像的类别,这样,通过将目标图像拆分,降低目标图像的内容复杂度,可以避免由于图像内容复杂导致的误判,提高判断的准确率。
实施例四
图4是本发明实施例四提供的一种图像处理装置的框图,如图4所示,该装置40可以包括:
第一判断模块401,用于基于目标图像的尺寸参数,判断所述目标图像的尺寸是否满足预设条件。
第二判断模块402,用于若所述目标图像的尺寸不满足预设条件,则判断所述目标图像是否为拼图图像。
分割模块403,用于若所述目标图像为拼图图像,则对所述目标图像进行分割,获取所述目标图像包括的至少两张目标子图像。
第一分类模块404,用于分别对每张目标子图像进行分类,并基于每张目标子图像的分类结果确定所述目标图像的类别。
可选的,上述尺寸参数包括所述目标图像的高度以及所述目标图像的宽度;
上述第一判断模块401,用于:
计算所述目标图像的宽度与所述目标图像的高度的比值;
若所述比值不大于第一预设比值阈值,或,不小于第二预设比值阈值,则确定所述目标图像的尺寸不满足预设条件;
若所述比值大于所述第一预设比值阈值且小于所述第二预设比值阈值,则确定所述目标图像的尺寸满足预设条件。
可选的,上述装置40还包括:
第一确定模块,用于若所述目标图像的尺寸满足预设条件,则利用预设的分类模型确定所述目标图像的类别;
第三判断模块,用于若所述目标图像的类别为预设类别,则判断所述目标图像是否为拼图图像;
第二确定模块,用于若所述目标图像不为拼图图像,则确定所述目标图像的类别为所述预设类别。
可选的,上述装置40还包括:
切分模块405,用于若所述目标图像不为拼图图像,则基于所述目标图像的尺寸参数,将所述目标区域切分为至少两个子区域;
第二分类模块406,用于分别对每个子区域进行分类,并基于每个子区域的分类结果确定所述目标图像的类别。
可选的,上述第二判断模块402,包括:
转换子模块,用于将所述目标图像转换为灰度图像,得到可处理目标图像;
第一确定子模块,用于基于预设的水平边缘算子,确定所述可处理目标图像在水平方向的第一边缘图,以及,基于预设的垂直边缘算子,确定所述可处理目标图像在垂直方向的第二边缘图;
第二确定子模块,用于基于所述第一边缘图确定所述目标图像在水平方向上的可分割数量,得到第一分割数量,基于所述第二边缘图确定所述目标图像在垂直方向上的可分割数量,得到第二分割数量;
第三确定子模块,用于基于所述第一分割数量以及所述第二分割数量,确定所述目标图像是否为拼图图像。
可选的,上述第二确定子模块,用于:
计算所述第一边缘图中目标像素行的数量,得到第一数量;所述目标像素行表示包含的目标像素的个数大于第一预设个数阈值的像素行,所述目标像素表示灰度值等于预设灰度值的像素;
若所述第一数量大于第一预设阈值,或,小于第二预设阈值,则确定所述第一分割数量为0;
若所述第一数量不大于所述第一预设阈值且不小于所述第二预设阈值,则计算每个目标像素行与相邻的目标像素行之间的距离,得到多个第一距离;
将对应的值最大且出现频率最高的第一距离作为第一目标距离,若所述第一目标距离的出现频率小于预设频率阈值,则确定所述第一分割数量为0;
若所述第一目标距离的出现频率不小于预设频率阈值,则在所述第一目标距离对应的距离值小于预设距离阈值时,确定所述第一分割数量为0,在所述第一目标距离对应的距离值不小于预设距离阈值时,将所述第一目标距离的出现频率确定为所述第一分割数量。
可选的,上述第二确定子模块,用于:
计算所述第二边缘图中包含的目标像素列的数量,得到第二数量;所述目标像素列表示包含的目标像素的个数大于第二预设个数阈值的像素列,所述目标像素表示灰度值等于预设灰度值的像素;
若所述第二数量大于所述第一预设阈值,或,小于所述第二预设阈值,则确定所述第二分割数量为0;
若所述第二数量不大于所述第一预设阈值且不小于所述第二预设阈值,则计算每个目标像素列与相邻的目标像素列之间的距离,得到多个第二距离;
将对应的值最大且出现频率最高的第二距离作为第二目标距离,若所述第二目标距离的出现频率小于预设频率阈值,则确定所述第二分割数量为0;
若所述第二目标距离的出现频率不小于所述预设频率阈值,则在所述第二目标距离对应的距离值小于所述预设距离阈值时,确定所述第二分割数量为0,在所述第二目标距离对应的距离值不小于所述预设距离阈值时,将所述第二目标距离的出现频率确定为所述第二分割数量。
可选的,上述第三确定子模块,用于:
若所述第一分割数量以及所述第二分割数量均为零,则确定所述目标图像不为拼图图像;
若所述第一分割数量以及所述第二分割数量存在至少一个不为零,则确定所述目标图像为拼图图像。
可选的,上述分割模块,用于:
若所述第一分割数量以及所述第二分割数量均不为零,则基于所述目标像素行以及所述目标像素列,对所述目标图像进行分割,得到多个目标子图像;
若所述第一分割数量不为零,所述第二分割数量为零,则基于所述目标像素行对所述目标图像进行分割,得到多个第二子图像;基于所述多个第二子图像确定目标子图像。
若所述第二分割数量不为零,所述第一分割数量为零,则基于所述目标像素列对所述目标图像进行分割,得到多个第三子图像;基于所述多个第三子图像确定目标子图像。
综上所述,本发明实施例四提供的图像处理装置,第一判断模块会先基于目标图像的尺寸参数,判断目标图像的尺寸是否满足预设条件,第二判断模块会在目标图像的尺寸不满足预设条件,则判断目标图像是否为拼图图像,这样,以目标图像的尺寸比例是否异常作为依据,确定是否需要进行拼图图像判断操作的方式,可以避免对目标图像进行不必要的拼图图像判断操作,进而可以避免浪费终端系统资源;分割模块会在目标图像为拼图图像时,对目标图像进行分割,获取目标图像包括的至少两张目标子图像,第一分类模块分别对每张目标子图像进行分类,并基于每张目标子图像的分类结果确定目标图像的类别,这样,通过将目标图像拆分,降低目标图像的内容复杂度,可以避免由于图像内容复杂导致的误判,提高判断的准确率;同时,切分模块还会在目标图像的尺寸不满足预设条件且不为拼图图像时,基于目标图像尺寸,将目标图像切分为多个子区域,第二分类模块会基于多个子区域确定目标图像的类别,进而避免目标图像的尺寸异常对分类带来的影响,进而提高分类的准确性。
对于上述装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域技术人员易于想到的是:上述各个实施例的任意组合应用都是可行的,故上述各个实施例之间的任意组合都是本发明的实施方案,但是由于篇幅限制,本说明书在此就不一一详述了。
在此提供的图像处理方法不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造具有本发明方案的系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的图像处理方法中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (16)
1.一种图像处理方法,其特征在于,应用于终端,所述方法包括:
基于目标图像的尺寸参数,判断所述目标图像的尺寸是否满足预设条件;
若所述目标图像的尺寸不满足预设条件,则判断所述目标图像是否为拼图图像;
若所述目标图像为拼图图像,则对所述目标图像进行分割,获取所述目标图像包括的至少两张目标子图像;
分别对每张目标子图像进行分类,并基于每张目标子图像的分类结果确定所述目标图像的类别。
2.根据权利要求1所述的方法,其特征在于,所述尺寸参数包括所述目标图像的高度以及所述目标图像的宽度;
所述基于目标图像的尺寸参数,判断所述目标图像的尺寸是否满足预设条件的步骤,包括:
计算所述目标图像的宽度与所述目标图像的高度的比值;
若所述比值不大于第一预设比值阈值,或,不小于第二预设比值阈值,则确定所述目标图像的尺寸不满足预设条件;
若所述比值大于所述第一预设比值阈值且小于所述第二预设比值阈值,则确定所述目标图像的尺寸满足预设条件。
3.根据权利要求1所述的方法,其特征在于,在所述判断所述目标图像的尺寸是否满足预设条件的步骤之后,所述方法还包括:
若所述目标图像的尺寸满足预设条件,则利用预设的分类模型确定所述目标图像的类别;
若所述目标图像的类别为预设类别,则判断所述目标图像是否为拼图图像;
若所述目标图像不为拼图图像,则确定所述目标图像的类别为所述预设类别。
4.根据权利要求1所述的方法,其特征在于,在所述判断所述目标图像是否为拼图图像的步骤之后,所述方法还包括:
若所述目标图像不为拼图图像,则基于所述目标图像的尺寸参数,将所述目标区域切分为至少两个子区域;
分别对每个子区域进行分类,并基于每个子区域的分类结果确定所述目标图像的类别。
5.根据权利要求1或3所述的方法,其特征在于,所述判断所述目标图像是否为拼图图像的步骤,包括:
将所述目标图像转换为灰度图像,得到可处理目标图像;
基于预设的水平边缘算子,确定所述可处理目标图像在水平方向的第一边缘图,以及,基于预设的垂直边缘算子,确定所述可处理目标图像在垂直方向的第二边缘图;
基于所述第一边缘图确定所述目标图像在水平方向上的可分割数量,得到第一分割数量,基于所述第二边缘图确定所述目标图像在垂直方向上的可分割数量,得到第二分割数量;
基于所述第一分割数量以及所述第二分割数量,确定所述目标图像是否为拼图图像。
6.根据权利要求5所述的方法,其特征在于,所述基于所述第一边缘图确定所述目标图像在水平方向上的可分割数量,得到第一分割数量的步骤,包括:
计算所述第一边缘图中目标像素行的数量,得到第一数量;所述目标像素行表示包含的目标像素的个数大于第一预设个数阈值的像素行,所述目标像素表示灰度值等于预设灰度值的像素;
若所述第一数量大于第一预设阈值,或,小于第二预设阈值,则确定所述第一分割数量为0;
若所述第一数量不大于所述第一预设阈值且不小于所述第二预设阈值,则计算每个目标像素行与相邻的目标像素行之间的距离,得到多个第一距离;
将对应的值最大且出现频率最高的第一距离作为第一目标距离,若所述第一目标距离的出现频率小于预设频率阈值,则确定所述第一分割数量为0;
若所述第一目标距离的出现频率不小于预设频率阈值,则在所述第一目标距离对应的距离值小于预设距离阈值时,确定所述第一分割数量为0,在所述第一目标距离对应的距离值不小于预设距离阈值时,将所述第一目标距离的出现频率确定为所述第一分割数量。
7.根据权利要求5所述的方法,其特征在于,所述基于所述第二边缘图确定所述目标图像在垂直方向上的可分割数量,得到第二分割数量的步骤,包括:
计算所述第二边缘图中包含的目标像素列的数量,得到第二数量;所述目标像素列表示包含的目标像素的个数大于第二预设个数阈值的像素列,所述目标像素表示灰度值等于预设灰度值的像素;
若所述第二数量大于所述第一预设阈值,或,小于所述第二预设阈值,则确定所述第二分割数量为0;
若所述第二数量不大于所述第一预设阈值且不小于所述第二预设阈值,则计算每个目标像素列与相邻的目标像素列之间的距离,得到多个第二距离;
将对应的值最大且出现频率最高的第二距离作为第二目标距离,若所述第二目标距离的出现频率小于预设频率阈值,则确定所述第二分割数量为0;
若所述第二目标距离的出现频率不小于所述预设频率阈值,则在所述第二目标距离对应的距离值小于所述预设距离阈值时,确定所述第二分割数量为0,在所述第二目标距离对应的距离值不小于所述预设距离阈值时,将所述第二目标距离的出现频率确定为所述第二分割数量。
8.根据权利要求5所述的方法,其特征在于,所述若所述目标图像为拼图图像,则对所述目标图像进行分割,获取所述目标图像包括的至少两张目标子图像的步骤,包括:
若所述第一分割数量以及所述第二分割数量均不为零,则基于所述目标像素行以及所述目标像素列,对所述目标图像进行分割,得到多个目标子图像;
若所述第一分割数量不为零,所述第二分割数量为零,则基于所述目标像素行对所述目标图像进行分割,得到多个第二子图像;基于所述多个第二子图像确定目标子图像;
若所述第二分割数量不为零,所述第一分割数量为零,则基于所述目标像素列对所述目标图像进行分割,得到多个第三子图像;基于所述多个第三子图像确定目标子图像。
9.一种图像处理装置,其特征在于,应用于终端,所述装置包括:
第一判断模块,用于基于目标图像的尺寸参数,判断所述目标图像的尺寸是否满足预设条件;
第二判断模块,用于若所述目标图像的尺寸不满足预设条件,则判断所述目标图像是否为拼图图像;
分割模块,用于若所述目标图像为拼图图像,则对所述目标图像进行分割,获取所述目标图像包括的至少两张目标子图像;
第一分类模块,用于分别对每张目标子图像进行分类,并基于每张目标子图像的分类结果确定所述目标图像的类别。
10.根据权利要求9所述的装置,其特征在于,所述尺寸参数包括所述目标图像的高度以及所述目标图像的宽度;
所述第一判断模块,用于:
计算所述目标图像的宽度与所述目标图像的高度的比值;
若所述比值不大于第一预设比值阈值,或,不小于第二预设比值阈值,则确定所述目标图像的尺寸不满足预设条件;
若所述比值大于所述第一预设比值阈值且小于所述第二预设比值阈值,则确定所述目标图像的尺寸满足预设条件。
11.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第一确定模块,用于若所述目标图像的尺寸满足预设条件,则利用预设的分类模型确定所述目标图像的类别;
第三判断模块,用于若所述目标图像的类别为预设类别,则判断所述目标图像是否为拼图图像;
第二确定模块,用于若所述目标图像不为拼图图像,则确定所述目标图像的类别为所述预设类别。
12.根据权利要求9所述的装置,其特征在于,所述装置还包括:
切分模块,用于若所述目标图像不为拼图图像,则基于所述目标图像的尺寸参数,将所述目标区域切分为至少两个子区域;
第二分类模块,用于分别对每个子区域进行分类,并基于每个子区域的分类结果确定所述目标图像的类别。
13.根据权利要求9或11所述的装置,其特征在于,所述第二判断模块,包括:
转换子模块,用于将所述目标图像转换为灰度图像,得到可处理目标图像;
第一确定子模块,用于基于预设的水平边缘算子,确定所述可处理目标图像在水平方向的第一边缘图,以及,基于预设的垂直边缘算子,确定所述可处理目标图像在垂直方向的第二边缘图;
第二确定子模块,用于基于所述第一边缘图确定所述目标图像在水平方向上的可分割数量,得到第一分割数量,基于所述第二边缘图确定所述目标图像在垂直方向上的可分割数量,得到第二分割数量;
第三确定子模块,用于基于所述第一分割数量以及所述第二分割数量,确定所述目标图像是否为拼图图像。
14.根据权利要求13所述的装置,其特征在于,所述第二确定子模块,用于:
计算所述第一边缘图中目标像素行的数量,得到第一数量;所述目标像素行表示包含的目标像素的个数大于第一预设个数阈值的像素行,所述目标像素表示灰度值等于预设灰度值的像素;
若所述第一数量大于第一预设阈值,或,小于第二预设阈值,则确定所述第一分割数量为0;
若所述第一数量不大于所述第一预设阈值且不小于所述第二预设阈值,则计算每个目标像素行与相邻的目标像素行之间的距离,得到多个第一距离;
将对应的值最大且出现频率最高的第一距离作为第一目标距离,若所述第一目标距离的出现频率小于预设频率阈值,则确定所述第一分割数量为0;
若所述第一目标距离的出现频率不小于预设频率阈值,则在所述第一目标距离对应的距离值小于预设距离阈值时,确定所述第一分割数量为0,在所述第一目标距离对应的距离值不小于预设距离阈值时,将所述第一目标距离的出现频率确定为所述第一分割数量。
15.根据权利要求13所述的装置,其特征在于,所述第二确定子模块,用于:
计算所述第二边缘图中包含的目标像素列的数量,得到第二数量;所述目标像素列表示包含的目标像素的个数大于第二预设个数阈值的像素列,所述目标像素表示灰度值等于预设灰度值的像素;
若所述第二数量大于所述第一预设阈值,或,小于所述第二预设阈值,则确定所述第二分割数量为0;
若所述第二数量不大于所述第一预设阈值且不小于所述第二预设阈值,则计算每个目标像素列与相邻的目标像素列之间的距离,得到多个第二距离;
将对应的值最大且出现频率最高的第二距离作为第二目标距离,若所述第二目标距离的出现频率小于预设频率阈值,则确定所述第二分割数量为0;
若所述第二目标距离的出现频率不小于所述预设频率阈值,则在所述第二目标距离对应的距离值小于所述预设距离阈值时,确定所述第二分割数量为0,在所述第二目标距离对应的距离值不小于所述预设距离阈值时,将所述第二目标距离的出现频率确定为所述第二分割数量。
16.根据权利要求13所述的装置,其特征在于,所述分割模块,用于:
若所述第一分割数量以及所述第二分割数量均不为零,则基于所述目标像素行以及所述目标像素列,对所述目标图像进行分割,得到多个目标子图像;
若所述第一分割数量不为零,所述第二分割数量为零,则基于所述目标像素行对所述目标图像进行分割,得到多个第二子图像;基于所述多个第二子图像确定目标子图像;
若所述第二分割数量不为零,所述第一分割数量为零,则基于所述目标像素列对所述目标图像进行分割,得到多个第三子图像;基于所述多个第三子图像确定目标子图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810538305.6A CN108764243A (zh) | 2018-05-30 | 2018-05-30 | 一种图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810538305.6A CN108764243A (zh) | 2018-05-30 | 2018-05-30 | 一种图像处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108764243A true CN108764243A (zh) | 2018-11-06 |
Family
ID=64004293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810538305.6A Pending CN108764243A (zh) | 2018-05-30 | 2018-05-30 | 一种图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108764243A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348835A (zh) * | 2020-11-30 | 2021-02-09 | 广联达科技股份有限公司 | 一种物料数量的检测方法、装置、电子设备及存储介质 |
CN112908878A (zh) * | 2021-01-20 | 2021-06-04 | 江西慧光微电子有限公司 | 电子产品的加工方法及加工装置 |
CN113505691A (zh) * | 2021-07-09 | 2021-10-15 | 中国矿业大学(北京) | 一种煤岩识别方法及识别可信度指示方法 |
CN113643266A (zh) * | 2021-08-20 | 2021-11-12 | 百度在线网络技术(北京)有限公司 | 图像检测方法、装置及电子设备 |
CN114119438A (zh) * | 2021-11-11 | 2022-03-01 | 清华大学 | 图像拼贴模型的训练方法和设备及图像拼贴方法和设备 |
CN117593596A (zh) * | 2024-01-19 | 2024-02-23 | 四川封面传媒科技有限责任公司 | 一种敏感信息检测方法、系统、电子设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504649A (zh) * | 2014-12-30 | 2015-04-08 | 百度在线网络技术(北京)有限公司 | 图片的裁剪方法和装置 |
CN105160299A (zh) * | 2015-07-31 | 2015-12-16 | 华南理工大学 | 基于贝叶斯融合稀疏表示分类器的人脸情感识别方法 |
CN106503740A (zh) * | 2016-10-31 | 2017-03-15 | 北京奇艺世纪科技有限公司 | 图片分类方法及装置 |
CN106504261A (zh) * | 2016-10-31 | 2017-03-15 | 北京奇艺世纪科技有限公司 | 一种图像分割方法及装置 |
CN106777114A (zh) * | 2016-12-15 | 2017-05-31 | 北京奇艺世纪科技有限公司 | 一种视频分类方法及系统 |
-
2018
- 2018-05-30 CN CN201810538305.6A patent/CN108764243A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504649A (zh) * | 2014-12-30 | 2015-04-08 | 百度在线网络技术(北京)有限公司 | 图片的裁剪方法和装置 |
CN105160299A (zh) * | 2015-07-31 | 2015-12-16 | 华南理工大学 | 基于贝叶斯融合稀疏表示分类器的人脸情感识别方法 |
CN106503740A (zh) * | 2016-10-31 | 2017-03-15 | 北京奇艺世纪科技有限公司 | 图片分类方法及装置 |
CN106504261A (zh) * | 2016-10-31 | 2017-03-15 | 北京奇艺世纪科技有限公司 | 一种图像分割方法及装置 |
CN106777114A (zh) * | 2016-12-15 | 2017-05-31 | 北京奇艺世纪科技有限公司 | 一种视频分类方法及系统 |
Non-Patent Citations (3)
Title |
---|
向世明: "《现代光电子成像技术概论 第2版》", 31 August 2013 * |
赵婕: "《图像特征提取与语义分析》", 31 July 2015 * |
顾君忠 等: "《英汉多媒体技术辞典》", 30 September 2016 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348835A (zh) * | 2020-11-30 | 2021-02-09 | 广联达科技股份有限公司 | 一种物料数量的检测方法、装置、电子设备及存储介质 |
CN112348835B (zh) * | 2020-11-30 | 2024-04-16 | 广联达科技股份有限公司 | 一种物料数量的检测方法、装置、电子设备及存储介质 |
CN112908878A (zh) * | 2021-01-20 | 2021-06-04 | 江西慧光微电子有限公司 | 电子产品的加工方法及加工装置 |
CN113505691A (zh) * | 2021-07-09 | 2021-10-15 | 中国矿业大学(北京) | 一种煤岩识别方法及识别可信度指示方法 |
CN113505691B (zh) * | 2021-07-09 | 2024-03-15 | 中国矿业大学(北京) | 一种煤岩识别方法及识别可信度指示方法 |
CN113643266A (zh) * | 2021-08-20 | 2021-11-12 | 百度在线网络技术(北京)有限公司 | 图像检测方法、装置及电子设备 |
CN113643266B (zh) * | 2021-08-20 | 2024-04-05 | 百度在线网络技术(北京)有限公司 | 图像检测方法、装置及电子设备 |
CN114119438A (zh) * | 2021-11-11 | 2022-03-01 | 清华大学 | 图像拼贴模型的训练方法和设备及图像拼贴方法和设备 |
CN117593596A (zh) * | 2024-01-19 | 2024-02-23 | 四川封面传媒科技有限责任公司 | 一种敏感信息检测方法、系统、电子设备及介质 |
CN117593596B (zh) * | 2024-01-19 | 2024-04-16 | 四川封面传媒科技有限责任公司 | 一种敏感信息检测方法、系统、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764243A (zh) | 一种图像处理方法及装置 | |
CN105574513B (zh) | 文字检测方法和装置 | |
US10438096B2 (en) | Identifying and excluding blurred areas of images of stained tissue to improve cancer scoring | |
CN106874840A (zh) | 车辆信息识别方法及装置 | |
CN108830285A (zh) | 一种基于Faster-RCNN的加强学习的目标检测方法 | |
Mittelstädt et al. | Methods for compensating contrast effects in information visualization | |
US11010883B2 (en) | Automated analysis of petrographic thin section images using advanced machine learning techniques | |
CN108664840A (zh) | 图像识别方法及装置 | |
CN110516677A (zh) | 一种神经网络识别模型、目标识别方法及系统 | |
CN110781976B (zh) | 训练图像的扩充方法、训练方法及相关装置 | |
CN109658330B (zh) | 一种发色调整方法及装置 | |
CN110427933A (zh) | 一种基于深度学习的水尺识别方法 | |
CN106651887A (zh) | 一种基于卷积神经网络的图像像素分类方法 | |
CN113642474A (zh) | 一种基于yolov5的危险区域人员监控方法 | |
CN101561932A (zh) | 一种动态复杂背景下的实时运动目标检测方法和装置 | |
CN110147753A (zh) | 一种检测图像中小物体的方法及装置 | |
CN104680185B (zh) | 基于边界点重分类的高光谱图像分类方法 | |
CN106570855A (zh) | 猪肉新鲜度快速判定的方法及系统 | |
CN107832890A (zh) | 一种拥堵预测方法和装置 | |
CN110298410A (zh) | 基于深度学习的低对比度图像中弱目标检测方法及装置 | |
CN109472790A (zh) | 一种机械零件缺陷检测方法及系统 | |
CN111079807B (zh) | 一种地物分类方法及装置 | |
CN111881706B (zh) | 活体检测、图像分类和模型训练方法、装置、设备及介质 | |
CN111079744B (zh) | 适用于复杂光照环境的车辆车牌智能识别方法及装置 | |
CN108805190A (zh) | 一种图像处理方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |