CN108921823B - 图像处理方法、装置、计算机可读存储介质和电子设备 - Google Patents
图像处理方法、装置、计算机可读存储介质和电子设备 Download PDFInfo
- Publication number
- CN108921823B CN108921823B CN201810590031.5A CN201810590031A CN108921823B CN 108921823 B CN108921823 B CN 108921823B CN 201810590031 A CN201810590031 A CN 201810590031A CN 108921823 B CN108921823 B CN 108921823B
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- edge
- pixel points
- pixel
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- 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
- G06V10/273—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 removing elements interfering with the pattern to be recognised
-
- 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
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- 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
- G06T2207/30168—Image quality inspection
Abstract
本申请涉及一种图像处理方法、装置、计算机可读存储介质和电子设备,所述方法包括:获取待处理图像;对所述待处理图像进行边缘检测,确定所述待处理图像中包含的边缘像素点;统计所述待处理图像中包含的边缘像素点的数量,作为第一像素数量;若所述第一像素数量大于第一数量阈值,则确定所述待处理图像中存在摩尔纹。上述图像处理方法、装置、计算机可读存储介质和电子设备,可以提高图像处理的效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种图像处理方法、装置、计算机可读存储介质和电子设备。
背景技术
智能设备在拍摄图像的时候,摄像头的感光元件拥有一个空间频率。如果被拍摄物体拥有同样的空间分布规律,就会使得感光元件与被拍摄物体的空间分布比较接近,从而产生对图像造成干扰的摩尔纹。通常要检测图像中的摩尔纹,需要将图像进行空间转换,这样检测的效率比较低。
发明内容
本申请实施例提供一种图像处理方法、装置、计算机可读存储介质和电子设备,可以提高图像处理的效率。
一种图像处理方法,所述方法包括:
获取待处理图像;
对所述待处理图像进行边缘检测,确定所述待处理图像中包含的边缘像素点;
统计所述待处理图像中包含的边缘像素点的数量,作为第一像素数量;
若所述第一像素数量大于第一数量阈值,则确定所述待处理图像中存在摩尔纹。
一种图像处理装置,所述装置包括:
图像获取模块,用于获取待处理图像;
边缘检测模块,用于对所述待处理图像进行边缘检测,确定所述待处理图像中包含的边缘像素点;
数量统计模块,用于统计所述待处理图像中包含的边缘像素点的数量,作为第一像素数量;
摩尔纹确定模块,用于若所述第一像素数量大于第一数量阈值,则确定所述待处理图像中存在摩尔纹。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如下步骤:
获取待处理图像;
对所述待处理图像进行边缘检测,确定所述待处理图像中包含的边缘像素点;
统计所述待处理图像中包含的边缘像素点的数量,作为第一像素数量;
若所述第一像素数量大于第一数量阈值,则确定所述待处理图像中存在摩尔纹。
一种电子设备,包括存储器及处理器,所述存储器中储存有计算机可读指令,所述指令被所述处理器执行时,使得所述处理器执行如下步骤:
获取待处理图像;
对所述待处理图像进行边缘检测,确定所述待处理图像中包含的边缘像素点;
统计所述待处理图像中包含的边缘像素点的数量,作为第一像素数量;
若所述第一像素数量大于第一数量阈值,则确定所述待处理图像中存在摩尔纹。
上述图像处理方法、装置、计算机可读存储介质和电子设备,可以对待处理图像进行边缘检测,确定待处理图像中包含的边缘像素点。然后统计待处理图像中的边缘像素点的第一像素数量,根据第一像素数量确定待处理图像中是否存在摩尔纹。这样不用对待处理图像进行空间转换,可以快速地检测图像中的摩尔纹,提高了图像处理的效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为一个实施例中图像处理方法的流程图;
图2为一个实施例中图像中的摩尔纹的展示示意图;
图3为另一个实施例中图像处理方法的流程图;
图4为又一个实施例中图像处理方法的流程图;
图5为又一个实施例中图像处理方法的流程图;
图6为一个实施例中边缘线的展示示意图;
图7为又一个实施例中图像处理方法的流程图;
图8为一个实施例中最小矩形区域的示意图;
图9为一个实施例中图像处理装置的结构示意图;
图10为另一个实施例中图像处理装置的结构示意图;
图11为一个实施例中图像处理电路的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一客户端称为第二客户端,且类似地,可将第二客户端称为第一客户端。第一客户端和第二客户端两者都是客户端,但其不是同一客户端。
图1为一个实施例中图像处理方法的流程图。如图1所示,该图像处理方法包括步骤102至步骤108。其中:
步骤102,获取待处理图像。
在一个实施例中,电子设备上可内置或外接式地安装摄像头,安装摄像头的位置和数量不限。例如,可以在手机正面安装一个摄像头,在手机背面安装两个摄像头。在拍摄图像的过程一般分为两个阶段:预览阶段和拍摄阶段。在预览阶段时,摄像头会每间隔一定时长采集一次图像,采集的图像不会进行存储,但会进行显示供用户查看,用户根据显示的图像来调整拍摄的角度、光线等参数。当检测到用户输入的拍摄指令时,进入拍摄阶段,电子设备会将接收到拍摄指令后的下一帧图像进行存储,作为最终得到的拍摄图像。
电子设备可将拍摄的图像进行存储,并发送至服务器或其他电子设备中。可以理解的是,本实施例中获取的待处理图像并不仅限于是电子设备自身拍摄的,也可以是其他电子设备发送的,或者通过网络下载的。电子设备在获取到图像之后,可以立即对图像进行处理,也可以将图像统一存放在一个文件夹中,在该文件夹中存储的图像到达一定数量之后,再将存储的图像统一进行处理。电子设备可以将获取的图像存储到相册中,当相册中存储的图像大于一定数量时,就触发对相册中的图像进行处理。
步骤104,对待处理图像进行边缘检测,确定待处理图像中包含的边缘像素点。
边缘检测是指对图像中亮度变化比较明显的点进行检测的过程,这些亮度变化比较明显的点就是边缘像素点。图像中的边缘一般分为阶梯形边缘、屋顶形边缘和线性边缘等三种。可以理解的是,待处理图像是由若干个像素点构成的,边缘的亮度值变化比较大,因此可对图像中的像素点进行求导运算。根据求导运算可以检测出图像中亮度变化比较大的像素点,则根据求导运算的结果就可以检测出图像中的边缘,确定边缘像素点。
例如,在拍摄风景的时候,沙滩和海水交界的地方就会形成一条边缘线,通过边缘检测就可以检测出沙滩和海水交界的边缘线,并确定边缘线上的像素点为边缘像素点。具体的,边缘像素点可以但不限于是根据Canny、Roberts、Prewitt和Sobel等算法检测出来的。
步骤106,统计待处理图像中包含的边缘像素点的数量,作为第一像素数量。
通过边缘检测处理后,可检测到待处理图像中的边缘所包含的边缘像素点。检测到边缘像素点可以进行标记,根据该标记可以找到待处理图像中的边缘像素点,并统计被标记的边缘像素点的数量,作为第一像素数量。例如,将边缘像素点的亮度值标记为一个特定值,这样在统计第一像素数量的时候,就可以直接统计亮度值为该特定值的像素点。
步骤108,若第一像素数量大于第一数量阈值,则确定待处理图像中存在摩尔纹。
摩尔纹是指感光元件在成像时出现高频干扰的现象,使得图像中产生的不规律条纹。这些不规则的条纹一般会比较密集的分布在图像中,因此摩尔纹在图像中占的面积也比较广。例如,在拍摄手机或电脑屏幕时,图像中会产生一些并不是屏幕上本身所带有的一些不规则条纹,这样的条纹就叫做摩尔纹。在本实施例中,通过边缘检测后可以检测到这些不规则条纹的边缘线,然后统计边缘线上的像素点数量,若统计的像素点数量超过一定值,说明这些边缘条纹在图像中分布得比较密集,就可以认为这些边缘条纹是图像中产生的摩尔纹。
具体的,由于获取的待处理图像的分辨率可能不同,因此上述第一数量阈值可以是根据待处理图像包含的像素点总数量的比例来获取的。例如,可以是第一数量阈值可以是待处理图像包含的像素点总数量的50%。还可以将第一数量阈值设置为一个固定的数量阈值,待处理图像可以统一缩放到一个固定的尺寸再进行边缘检测,然后将边缘像素点的数量与该固定的数量阈值进行比较。
图2为一个实施例中图像中的摩尔纹的展示示意图。如图2所示,该图像202中包含不规则分布的条纹,这些不规则条纹即为摩尔纹204。电子设备可首先检测图像202中的边缘,根据统计的边缘像素点的数量来判断是否存在摩尔纹204。
上述实施例提供的图像处理方法,可以对待处理图像进行边缘检测,确定待处理图像中包含的边缘像素点。然后统计待处理图像中的边缘像素点的第一像素数量,根据第一像素数量确定待处理图像中是否存在摩尔纹。这样不用对待处理图像进行空间转换,可以快速地检测图像中的摩尔纹,提高了图像处理的效率。
图3为另一个实施例中图像处理方法的流程图。如图3所示,该图像处理方法包括步骤302至步骤320。其中:
步骤302,获取待处理图像。
在一个实施例中,电子设备可能会对待处理图像进行批量处理,假设需处理的待处理图像比较多时,由于终端的处理能力有限,那么终端可以先将待处理图像上传到服务器上,通过服务器来对待处理图像进行批量处理,再将处理的结果返回给终端。终端也可以在处于待机状态的时候再对待处理图像进行批量处理,以免占用终端资源,影响用户使用。
步骤304,对待处理图像进行边缘检测,确定待处理图像中包含的边缘像素点。
电子设备可以对批量的待处理图像进行处理,在对批量待处理图像进行处理的时候,为提高对待处理图像的处理速度,可以将待处理图像统一压缩到固定尺寸,然后对压缩之后的待处理图像进行边缘检测,确定压缩之后的待处理图像中包含的边缘像素点。然后通过对压缩之后的待处理图像中包含的边缘像素点的统计,判断待处理图像中是否包含摩尔纹。
步骤306,提取待处理图像中包含所有边缘像素点的最小矩形区域,统计最小矩阵区域中包含的像素点的数量,作为区域像素数量。
可以理解的是,在拍摄图像时,可能摩尔纹是由某一部分物体产生的,也就是说图像中可能只是在某些区域产生的摩尔纹,而并不是整幅图像中都会产生摩尔纹。如果根据整个图像来确认边缘的密集程度,可能会产生一定的误差。所以在确定是否存在摩尔纹的时候,可以只根据出现边缘的区域来确认边缘的密集程度,这样准确性会更高。
最小矩形区域是指能包含所有边缘像素点的最小矩形。在检测到边缘像素点之后,根据边缘像素点的位置来确定最小矩形区域。确定最小矩形区域之后,统计该最小矩形区域中包含的像素点的数量,作为区域像素数量。区域像素数量越大,说明最小矩形区域中包含的像素点越多。
步骤308,根据区域像素数量获取第一数量阈值。
在一个实施例中,可以根据最小矩形区域中包含的边缘像素点的数量的多少来确定是否存在摩尔纹。具体的,可以根据区域像素数量的比例来确定第一数量阈值,然后将边缘像素点的数量与第一数量阈值进行比较,可以确定最小矩形区域内包含的边缘线的密度,以此来确定是否存在摩尔纹。例如,最小矩形区域中包含10000个像素点,则可以将区域像素数量的40%作为第一数量阈值,即第一数量阈值就为4000个像素点。
步骤310,统计待处理图像中包含的边缘像素点的数量,作为第一像素数量。
统计待处理图像中包含的边缘像素点的第一像素数量,由于最小矩形区域为包含所有边缘像素点的最小矩形,所以统计得到的第一像素数量也就是最小矩形区域中包含的边缘像素点数量。电子设备可以遍历待处理图像中的像素点,统计边缘像素点的第一像素数量,也可以遍历最小矩形区域中的像素点,统计边缘像素点的第一像素数量,在此不做限定。
具体的,在检测到待处理图像中的边缘像素点后,可将边缘像素点进行标记,在遍历待处理图像中的像素点的过程中,当判断像素点为边缘像素点时,计数器加一,直到将待处理图像中所有像素点统计完成之后,计数器停止计数,将计数器得到的数值作为统计得到的第一像素数量。
步骤312,若第一像素数量大于第一数量阈值,则统计指定颜色的边缘像素点的数量,作为第二像素数量。
将统计得到的第一像素数量与第一数量阈值进行比较,当第一像素数量大于第一数量阈值时,说明边缘线的分布比较密集;当第一像素数量小于或等于第一数量阈值时,说明边缘线的分布比较分散。当边缘线分布比较密集的时候,则认为该待处理图像中可能存在摩尔纹。
不难理解的是,图像中产生的摩尔纹一般都具有一定的颜色变化规律,因此在统计边缘像素点的数量的时候,可以只统计指定颜色的边缘像素点。将指定颜色的边缘像素点作为摩尔纹上排列的像素点。然后统计指定颜色的边缘像素点数量,作为第二像素数量。
步骤314,若第二像素数量大于第二数量阈值,则确定待处理图像中存在摩尔纹;其中,第二数量阈值小于或等于第一数量阈值。
若统计得到第二像素数量大于第二数量阈值,则判定待处理图像中存在摩尔纹。若判定待处理图像中存在摩尔纹,则可以对待处理图像中的摩尔纹进行消除,使得待处理图像进行还原。在本实施例中,根据区域像素数量获取第一数量阈值,则为保证第二数量阈值小于或等于第一数量阈值,需相应地根据第一数量阈值调整第二数量阈值。
步骤316,若第一像素数量小于或等于第一数量阈值,则确定待处理图像中不存在摩尔纹。
当统计的第一像素数量小于或等于第一数量阈值时,则说明待处理图像中边缘像素点的密度比较小,可判定待处理图像中不存在摩尔纹。若统计的第一像素数量大于第一数量阈值,且第二像素数量小于或等于第二数量阈值,则也可以说明边缘像素点的密度比较小,判定待处理图像中不存在摩尔纹。
步骤318,对待处理图像进行识别,得到待处理图像对应的图像分类标签,图像分类标签用于标记待处理图像的分类。
对待处理图像进行识别具体是指对待处理图像的拍摄场景进行识别,对待处理图像进行识别可得到对应的图像分类标签。例如,图像的拍摄场景可分为海滩、雪景、夜景、蓝天、室内等场景,假设识别到图像的拍摄场景为雪景,那么就生成对应的图像分类标签“场景-雪景”。
一般在对待处理图像进行识别的时候,若待处理图像中存在摩尔纹,则对待处理图像的识别就不准确。所以在检测到待处理图像中存在摩尔纹的时候,可以不对待处理图像进行识别,或者将摩尔纹进行消除处理后在进行识别。当检测到待处理图像中不存在摩尔纹时,再对待处理图像进行识别,得到图像分类标签。
在一个实施例中,在对待处理图像进行识别的时候,可以首先检测待处理图像中的前景目标和背景区域。前景目标是指图像中比较突出的主体目标,是用户比较关注的物体。图像中除前景目标之外的区域为背景区域。例如,在拍摄的图像中,人可以看作是前景目标,海滩可看作是背景区域。
检测到的前景目标是由待处理图像中的部分或全部像素点构成的,可以统计前景目标所在区域中包含的像素点数量,根据统计得到的像素点数量计算该前景目标所占的目标面积。具体的,目标面积可以直接通过前景目标中包含的像素点数量进行表示,也可以用前景目标中包含的像素点数量与待处理图像中包含的像素点数量的比例进行表示。前景目标中包含的像素点数量越多,对应的目标面积越大。
电子设备在检测到前景目标之后,获取前景目标的目标面积。若目标面积大于面积阈值,则认为前景目标过大,相应的背景区域就比较小。背景区域过小的时候,对背景的识别就不准确,这时就可以根据前景目标来进行图像分类。例如,当前景目标占待处理图像的1/2以上的面积时,根据对前景目标的识别结果生成图像分类标签。当前景目标所占的面积小于待处理图像的1/2时,根据对背景区域的识别结果生成图像分类标签。具体的,检测到前景目标后,可获取前景目标的目标面积。当目标面积大于面积阈值时,可对前景目标进行识别得到图像分类标签;当目标面积小于或等于面积阈值时,对背景区域进行识别得到图像分类标签。
在一个实施例中,待处理图像中统计第一像素数量的步骤,具体可以包括:
步骤402,将待处理图像进行二值化处理得到二值化图像,其中二值化图像中包含第一颜色像素点和第二颜色像素点,第一颜色像素点对应待处理图像中的边缘像素点,第二颜色像素点对应待处理图像中除边缘像素点之外的其他像素点。
在检测到待处理图像中的边缘后,可以将待处理图像进行二值化处理,得到二值化图像。进行二值化处理之后,二值化图像中只包含两种颜色的像素点。待处理图像中的边缘像素点全部转换为第一颜色,除边缘像素点之外的其他像素点全部转换为第二颜色。例如,将边缘像素点的灰度值全部设置为255,将除边缘像素点之外的其他像素点的灰度值全部设置为0,这样就可以通过颜色区分出边缘像素点和其他像素点。
步骤404,统计二值化图像中第一颜色像素点的数量,作为第一像素数量。
将待处理图像转换为二值化图像之后,二值化图像中只包含两种颜色的像素点,根据像素点的颜色就可以快速地识别边缘像素点。具体的,可统计二值化图像中第一颜色对应的像素点数量,作为第一像素数量。例如,将边缘像素点的灰度值置为255,其他像素点的灰度值置为0,那么就可以直接统计灰度值为255,即白色的像素点的数量,作为第一像素数量。
在本申请提供的实施例中,统计第二像素数量的步骤具体可以包括:
步骤502,将指定颜色的边缘像素点进行聚类处理,通过聚类处理后得到的每一类边缘像素点形成一条连续的边缘线。
形成摩尔纹的边缘线一般是连续的,因此在确定边缘像素点后,可以将边缘像素点进行聚类处理,通过聚类处理后得到的每一类边缘像素点形成一条连续的边缘线。也就是说,将可形成连续边缘线的边缘像素点分为一类,这样可以统计每一条连续边缘线的长度。具体的,可将指定颜色的边缘像素点进行聚类处理,聚类处理后的每一类边缘像素点可形成一条连续的边缘线。
步骤504,将边缘长度超过长度阈值的边缘线作为目标边缘线,并统计目标边缘线包含的边缘像素点的总数量,作为第二像素数量。
将边缘像素点进行聚类处理后,每一类边缘像素点可以形成一条连续的边缘线。然后计算各个边缘线的边缘长度,可认为边缘长度超过长度阈值的边缘线是形成摩尔纹的边缘线。边缘线的长度可以通过边缘线中包含的边缘像素点的数量进行表示,包含的边缘像素点的数量越多,边缘线的长度越长。
将边缘长度超过长度阈值的边缘线作为目标边缘线,即认为目标边缘线可能为形成摩尔纹的边缘线。然后将各个目标边缘线的边缘长度相加,即将各个目标边缘线中包含的边缘像素点数量相加,得到的边缘像素点的总数量作为第二像素数量。再根据第二像素数量来判断待处理图像中是否存在摩尔纹。
图6为一个实施例中边缘线的展示示意图。如图6所示,待处理图像60中包含若干个边缘像素点,将这若干个像素点进行聚类处理。每一类边缘像素点形成不同的形成一条连续的边缘线,分别包括边缘线602、边缘线604和边缘线606,根据各个边缘线的边缘长度可确定目标边缘线。例如,假设边缘线602的边缘长度超过边缘阈值,边缘线604和边缘线606的边缘长度小于边缘阈值,则可将边缘602作为目标边缘线。
在一个实施例中,确定最小矩形区域的步骤具体包括:
步骤702,根据待处理图像建立坐标系,并获取各个边缘像素点在坐标系中的像素坐标。
具体的,待处理图像是由若干个像素点构成的二维像素矩阵,根据待处理图像可以建立一个坐标系,这样待处理图像中的每一个像素点都可以通过一个二维坐标来标记相应的位置,通过这个为二维坐标可以找到定位像素点的具体位置。例如,可以将待处理图像中最左下角的像素点作为坐标原点,建立坐标系,每向右移动一个像素点,横向坐标加一,每向左移动一个像素点,纵向坐标加一。
建立好坐标系之后,可以通过一个二维的像素坐标来表示各个边缘像素点的位置。像素坐标可以包括横向像素坐标和纵向像素坐标,分别表示该边缘像素点相对于原点的横向位移和纵向位移。例如,一个边缘像素点的像素坐标为(20,150),则表示该边缘像素点相对于原点的位置向横轴正方向移动20个像素点的距离,向纵轴正方向移动150个像素点的距离。
步骤704,根据获取的各个边缘像素点的像素坐标确定顶点坐标,并根据顶点坐标确定最小矩形区域。
获取到各个边缘像素点的像素坐标之后,可以根据获取的像素坐标确定顶点坐标,然后根据顶点坐标确定最小矩形区域。具体的,像素坐标包括横向像素坐标和纵向像素坐标,可根据获取的各个边缘像素点的横向像素坐标确定横向坐标最小值和横向坐标最大值,根据获取的纵向像素坐标确定纵向坐标最小值和纵向坐标最大值。根据获取的横向坐标最小值、横向坐标最大值、纵向坐标最小值和纵向坐标最大值可以确定最小矩形区域的四个顶点坐标,然后根据顶点坐标确定最小矩形区域。
图8为一个实施例中最小矩形区域的示意图。如图8所示,根据待处理图像80可以建立一个坐标系,以待处理图像中最左下角坐标为原点O,向右为x轴正方向,向上为y轴正方向。通过边缘像素点的坐标可以确定顶点802、顶点804、顶点806和顶点808的坐标,并根据顶点802、顶点804、顶点806和顶点808的坐标确定最小矩形区域810的范围。
在一个实施例中,确定最小矩形区域之后,统计最小矩形区域中包含的像素点的数量,作为区域像素数量。根据区域像素数量可以确定第一数量阈值,但如果最小矩形区域的面积过小,那么也可以判定待处理图像中不存在摩尔纹。具体的,可以获取最小矩形区域的区域面积,若最小矩形区域的区域面积大于面积阈值,则统计最小矩形区域中包含的像素点数量,作为区域像素数量。然后根据区域像素数量确定第一数量阈值。若最小矩形区域的区域面积小于面积阈值,则之间判定该待处理图像中不存在摩尔纹。
其中,最小矩形区域的区域面积可以根据四个顶点的顶点坐标进行计算,根据四个顶点坐标计算得到最小矩形区域的长度和宽度,然后根据得到的长度和宽度计算最小矩形区域的区域面积。这样计算得到的区域面积和统计得到的区域像素数量是相等的,也可以直接用区域像素数量来表示区域面积。也即统计最小矩形区域中包含的像素点数量,作为区域像素数量;当区域像素数量大于区域数量阈值时,根据区域像素数量确定第一数量阈值;当区域像素数量小于或等于区域数量阈值时,直接判定该待处理图像中不存在摩尔纹。
上述实施例提供的图像处理方法,可以对待处理图像进行边缘检测,确定待处理图像中包含的边缘像素点。然后确定包含所有边缘像素点的最小矩形区域,并根据最小矩形区域中包含的像素点的数量确定第一数量阈值。统计待处理图像中的边缘像素点的第一像素数量,根据第一像素数量和第一数量阈值的比较结果,确定待处理图像中是否存在摩尔纹。这样不用对待处理图像进行空间转换,可以快速地检测图像中的摩尔纹,提高了图像处理的效率。
应该理解的是,虽然图1、图3、图4、图5、图7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且图1、图3、图4、图5、图7中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图9为一个实施例中图像处理装置的结构示意图。如图9所示,该图像处理装置900包括图像获取模块902、边缘检测模块904、数量统计模块906和摩尔纹确定模块908。其中:
图像获取模块902,用于获取待处理图像。
边缘检测模块904,用于对所述待处理图像进行边缘检测,确定所述待处理图像中包含的边缘像素点。
数量统计模块906,用于统计所述待处理图像中包含的边缘像素点的数量,作为第一像素数量。
摩尔纹确定模块908,用于若所述第一像素数量大于第一数量阈值,则确定所述待处理图像中存在摩尔纹。
上述实施例提供的图像处理装置,可以对待处理图像进行边缘检测,确定待处理图像中包含的边缘像素点。然后统计待处理图像中的边缘像素点的第一像素数量,根据第一像素数量确定待处理图像中是否存在摩尔纹。这样不用对待处理图像进行空间转换,可以快速地检测图像中的摩尔纹,提高了图像处理的效率。
图10为另一个实施例中图像处理装置的结构示意图。如图10所示,该图像处理装置1000包括图像获取模块1002、边缘检测模块1004、数量统计模块1006、阈值确定模块1008和摩尔纹确定模块1010。其中:
图像获取模块1002,用于获取待处理图像。
边缘检测模块1004,用于对所述待处理图像进行边缘检测,确定所述待处理图像中包含的边缘像素点。
数量统计模块1006,用于统计所述待处理图像中包含的边缘像素点的数量,作为第一像素数量。
阈值确定模块1008,用于提取所述待处理图像中包含所有边缘像素点的最小矩形区域,统计所述最小矩阵区域中包含的像素点的数量,作为区域像素数量;根据所述区域像素数量获取第一数量阈值。
摩尔纹确定模块1010,用于若所述第一像素数量大于第一数量阈值,则确定所述待处理图像中存在摩尔纹。
上述实施例提供的图像处理装置,可以对待处理图像进行边缘检测,确定待处理图像中包含的边缘像素点。然后统计待处理图像中的边缘像素点的第一像素数量,根据第一像素数量确定待处理图像中是否存在摩尔纹。这样不用对待处理图像进行空间转换,可以快速地检测图像中的摩尔纹,提高了图像处理的效率。
在一个实施例中,数量统计模块1006还用于将所述待处理图像进行二值化处理得到二值化图像,其中所述二值化图像中包含第一颜色像素点和第二颜色像素点,第一颜色像素点对应所述待处理图像中的边缘像素点,第二颜色像素点对应所述待处理图像中除边缘像素点之外的其他像素点;统计所述二值化图像中第一颜色像素点的第一像素数量。
在一个实施例中,阈值确定模块1008还用于根据所述待处理图像建立坐标系,并获取各个边缘像素点在所述坐标系中的像素坐标;根据获取的各个边缘像素点的像素坐标确定顶点坐标,并根据所述顶点坐标确定最小矩形区域。
在一个实施例中,摩尔纹确定模块1010还用于若所述第一像素数量大于第一数量阈值,则统计指定颜色的边缘像素点的数量,作为第二像素数量;若所述第二像素数量大于第二数量阈值,则确定所述待处理图像中存在摩尔纹;其中,所述第二数量阈值小于或等于所述第一数量阈值。
在一个实施例中,摩尔纹确定模块1010还用于将指定颜色的边缘像素点进行聚类处理,通过所述聚类处理后得到的每一类边缘像素点形成一条连续的边缘线;将边缘长度超过长度阈值的边缘线作为目标边缘线,并统计所述目标边缘线包含的边缘像素点的总数量,作为第二像素数量。
在一个实施例中,摩尔纹确定模块1010还用于若所述第一像素数量小于或等于第一数量阈值,则确定所述待处理图像中不存在摩尔纹;对所述待处理图像进行识别,得到所述待处理图像对应的图像分类标签,所述图像分类标签用于标记所述待处理图像的分类。
上述图像处理装置中各个模块的划分仅用于举例说明,在其他实施例中,可将图像处理装置按照需要划分为不同的模块,以完成上述图像处理装置的全部或部分功能。
本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质,当所述计算机可执行指令被一个或多个处理器执行时,使得所述处理器执行上述实施例提供的图像处理方法。
一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例提供的图像处理方法。
本申请实施例还提供一种电子设备。上述电子设备中包括图像处理电路,图像处理电路可以利用硬件和/或软件组件实现,可包括定义ISP(Image Signal Processing,图像信号处理)管线的各种处理单元。图11为一个实施例中图像处理电路的示意图。如图11所示,为便于说明,仅示出与本申请实施例相关的图像处理技术的各个方面。
如图11所示,图像处理电路包括ISP处理器1140和控制逻辑器1150。成像设备1110捕捉的图像数据首先由ISP处理器1140处理,ISP处理器1140对图像数据进行分析以捕捉可用于确定和/或成像设备1110的一个或多个控制参数的图像统计信息。成像设备1110可包括具有一个或多个透镜1112和图像传感器1114的照相机。图像传感器1114可包括色彩滤镜阵列(如Bayer滤镜),图像传感器1114可获取用图像传感器1114的每个成像像素捕捉的光强度和波长信息,并提供可由ISP处理器1140处理的一组原始图像数据。传感器1120(如陀螺仪)可基于传感器1120接口类型把采集的图像处理的参数(如防抖参数)提供给ISP处理器1140。传感器1120接口可以利用SMIA(Standard Mobile Imaging Architecture,标准移动成像架构)接口、其它串行或并行照相机接口或上述接口的组合。
此外,图像传感器1114也可将原始图像数据发送给传感器1120,传感器1120可基于传感器1120接口类型把原始图像数据提供给ISP处理器1140,或者传感器1120将原始图像数据存储到图像存储器1130中。
ISP处理器1140按多种格式逐个像素地处理原始图像数据。例如,每个图像像素可具有8、10、12或14比特的位深度,ISP处理器1140可对原始图像数据进行一个或多个图像处理操作、收集关于图像数据的统计信息。其中,图像处理操作可按相同或不同的位深度精度进行。
ISP处理器1140还可从图像存储器1130接收图像数据。例如,传感器1120接口将原始图像数据发送给图像存储器1130,图像存储器1130中的原始图像数据再提供给ISP处理器1140以供处理。图像存储器1130可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器,并可包括DMA(Direct Memory Access,直接直接存储器存取)特征。
当接收到来自图像传感器1114接口或来自传感器1120接口或来自图像存储器1130的原始图像数据时,ISP处理器1140可进行一个或多个图像处理操作,如时域滤波。处理后的图像数据可发送给图像存储器1130,以便在被显示之前进行另外的处理。ISP处理器1140从图像存储器1130接收处理数据,并对所述处理数据进行原始域中以及RGB和YCbCr颜色空间中的图像数据处理。ISP处理器1140处理后的图像数据可输出给显示器1170,以供用户观看和/或由图形引擎或GPU(Graphics Processing Unit,图形处理器)进一步处理。此外,ISP处理器1140的输出还可发送给图像存储器1130,且显示器1170可从图像存储器1130读取图像数据。在一个实施例中,图像存储器1130可被配置为实现一个或多个帧缓冲器。此外,ISP处理器1140的输出可发送给编码器/解码器1160,以便编码/解码图像数据。编码的图像数据可被保存,并在显示于显示器1170设备上之前解压缩。编码器/解码器1160可由CPU或GPU或协处理器实现。
ISP处理器1140确定的统计数据可发送给控制逻辑器1150单元。例如,统计数据可包括自动曝光、自动白平衡、自动聚焦、闪烁检测、黑电平补偿、透镜1112阴影校正等图像传感器1114统计信息。控制逻辑器1150可包括执行一个或多个例程(如固件)的处理器和/或微控制器,一个或多个例程可根据接收的统计数据,确定成像设备1110的控制参数及ISP处理器1140的控制参数。例如,成像设备1110的控制参数可包括传感器1120控制参数(例如增益、曝光控制的积分时间、防抖参数等)、照相机闪光控制参数、透镜1112控制参数(例如聚焦或变焦用焦距)、或这些参数的组合。ISP控制参数可包括用于自动白平衡和颜色调整(例如,在RGB处理期间)的增益水平和色彩校正矩阵,以及透镜1112阴影校正参数。
以下为运用图11中图像处理技术实现上述实施例提供的图像处理方法。
本申请所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM),它用作外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种图像处理方法,其特征在于,所述方法包括:
获取待处理图像;
提取所述待处理图像中包含所有边缘像素点的最小矩形区域,统计所述最小矩形 区域中包含的像素点的数量,作为区域像素数量;
根据所述区域像素数量获取第一数量阈值;
对所述待处理图像进行边缘检测,确定所述待处理图像中包含的边缘像素点;
统计所述待处理图像中包含的边缘像素点的数量,作为第一像素数量;
若所述第一像素数量大于第一数量阈值,则确定所述待处理图像中存在摩尔纹。
2.根据权利要求1所述的方法,其特征在于,所述统计所述待处理图像中包含的边缘像素点的数量,作为第一像素数量,包括:
将所述待处理图像进行二值化处理得到二值化图像,其中所述二值化图像中包含第一颜色像素点和第二颜色像素点,第一颜色像素点对应所述待处理图像中的边缘像素点,第二颜色像素点对应所述待处理图像中除边缘像素点之外的其他像素点;
统计所述二值化图像中第一颜色像素点的数量,作为第一像素数量。
3.根据权利要求1所述的方法,其特征在于,所述若所述第一像素数量大于第一数量阈值,则确定所述待处理图像中存在摩尔纹,包括:
若所述第一像素数量大于第一数量阈值,则统计指定颜色的边缘像素点的数量,作为第二像素数量;
若所述第二像素数量大于第二数量阈值,则确定所述待处理图像中存在摩尔纹;其中,所述第二数量阈值小于或等于所述第一数量阈值。
4.根据权利要求3所述的方法,其特征在于,所述统计指定颜色的边缘像素点的数量,作为第二像素数量,包括:
将指定颜色的边缘像素点进行聚类处理,通过所述聚类处理后得到的每一类边缘像素点形成一条连续的边缘线;
将边缘长度超过长度阈值的边缘线作为目标边缘线,并统计所述目标边缘线包含的边缘像素点的总数量,作为第二像素数量。
5.根据权利要求1所述的方法,其特征在于,所述提取所述待处理图像中包含所有边缘像素点的最小矩形区域,包括:
根据所述待处理图像建立坐标系,并获取各个边缘像素点在所述坐标系中的像素坐标;
根据获取的各个边缘像素点的像素坐标确定顶点坐标,并根据所述顶点坐标确定最小矩形区域。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述方法还包括:
若所述第一像素数量小于或等于第一数量阈值,则确定所述待处理图像中不存在摩尔纹;
对所述待处理图像进行识别,得到所述待处理图像对应的图像分类标签,所述图像分类标签用于标记所述待处理图像的分类。
7.一种图像处理装置,其特征在于,所述装置包括:
图像获取模块,用于获取待处理图像;
边缘检测模块,用于对所述待处理图像进行边缘检测,确定所述待处理图像中包含的边缘像素点;
数量统计模块,用于统计所述待处理图像中包含的边缘像素点的数量,作为第一像素数量;
摩尔纹确定模块,用于若所述第一像素数量大于第一数量阈值,则确定所述待处理图像中存在摩尔纹;
阈值确定模块,用于提取所述待处理图像中包含所有边缘像素点的最小矩形区域,统计所述最小矩形 区域中包含的像素点的数量,作为区域像素数量;根据所述区域像素数量获取第一数量阈值。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法。
9.一种电子设备,包括存储器及处理器,所述存储器中储存有计算机可读指令,所述指令被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810590031.5A CN108921823B (zh) | 2018-06-08 | 2018-06-08 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
PCT/CN2019/087585 WO2019233264A1 (zh) | 2018-06-08 | 2019-05-20 | 图像处理方法、计算机可读存储介质和电子设备 |
EP19815682.0A EP3783564A4 (en) | 2018-06-08 | 2019-05-20 | IMAGE PROCESSING METHOD, COMPUTER-READABLE STORAGE MEDIUM AND ELECTRONIC DEVICE |
US17/026,220 US11430103B2 (en) | 2018-06-08 | 2020-09-19 | Method for image processing, non-transitory computer readable storage medium, and electronic device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810590031.5A CN108921823B (zh) | 2018-06-08 | 2018-06-08 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108921823A CN108921823A (zh) | 2018-11-30 |
CN108921823B true CN108921823B (zh) | 2020-12-01 |
Family
ID=64418683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810590031.5A Active CN108921823B (zh) | 2018-06-08 | 2018-06-08 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11430103B2 (zh) |
EP (1) | EP3783564A4 (zh) |
CN (1) | CN108921823B (zh) |
WO (1) | WO2019233264A1 (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921823B (zh) * | 2018-06-08 | 2020-12-01 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
CN109636753B (zh) * | 2018-12-11 | 2020-09-18 | 珠海奔图电子有限公司 | 图像处理方法和装置、电子设备及计算机可读存储介质 |
CN109584774B (zh) * | 2018-12-29 | 2022-10-11 | 厦门天马微电子有限公司 | 一种显示面板的边缘处理方法及显示面板 |
CN110097533B (zh) * | 2019-02-12 | 2023-04-07 | 哈尔滨新光光电科技股份有限公司 | 一种光斑外形尺寸和位置的精确测试方法 |
CN110111281A (zh) * | 2019-05-08 | 2019-08-09 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN111340714B (zh) * | 2019-08-29 | 2023-08-08 | 杭州海康慧影科技有限公司 | 一种摩尔纹处理方法、装置及电子设备 |
CN112967182B (zh) * | 2019-12-12 | 2022-07-29 | 杭州海康威视数字技术股份有限公司 | 图像处理方法、装置及设备、存储介质 |
CN111144425B (zh) * | 2019-12-27 | 2024-02-23 | 五八有限公司 | 检测拍屏图片的方法、装置、电子设备及存储介质 |
CN113129389A (zh) * | 2019-12-30 | 2021-07-16 | 瑞昱半导体股份有限公司 | 判断摩尔纹的方法、抑制摩尔纹的方法与电路系统 |
CN111583129A (zh) * | 2020-04-09 | 2020-08-25 | 天津大学 | 基于卷积神经网络AMNet的屏摄图像摩尔纹去除方法 |
CN111724404A (zh) * | 2020-06-28 | 2020-09-29 | 深圳市慧鲤科技有限公司 | 边缘检测方法及装置、电子设备及存储介质 |
CN111862244A (zh) * | 2020-07-16 | 2020-10-30 | 安徽慧视金瞳科技有限公司 | 一种基于图像处理的塑料片智能色选方法 |
CN112819710B (zh) * | 2021-01-19 | 2022-08-09 | 郑州凯闻电子科技有限公司 | 基于人工智能的无人机果冻效应自适应补偿方法及系统 |
CN113034389B (zh) * | 2021-03-17 | 2023-07-25 | 武汉联影智融医疗科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN116128877B (zh) * | 2023-04-12 | 2023-06-30 | 山东鸿安食品科技有限公司 | 一种基于温度检测的排汽回收智能监测系统 |
CN116630312B (zh) * | 2023-07-21 | 2023-09-26 | 山东鑫科来信息技术有限公司 | 一种恒力浮动打磨头打磨质量视觉检测方法 |
CN117422716B (zh) * | 2023-12-19 | 2024-03-08 | 沂水友邦养殖服务有限公司 | 基于人工智能的肉鸡养殖生态预警方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6661535B1 (en) * | 1998-12-15 | 2003-12-09 | Fujitsu Limited | Moire fringe eliminating apparatus and a method for eliminating moire fringes |
JP2007124287A (ja) * | 2005-10-28 | 2007-05-17 | Seiko Epson Corp | 画像調整方法、画像調整装置および画像調整プログラム |
CN101326549A (zh) * | 2005-12-05 | 2008-12-17 | 伊斯曼柯达公司 | 检测数字图像中的条纹的方法 |
JP2010206725A (ja) * | 2009-03-05 | 2010-09-16 | Sharp Corp | 画像処理装置、画像形成装置、画像処理方法、プログラムおよび記録媒体 |
CN104657975A (zh) * | 2014-05-13 | 2015-05-27 | 武汉科技大学 | 一种视频图像横向条纹扰动检测的方法 |
EP2924972A1 (en) * | 2014-03-27 | 2015-09-30 | Canon Kabushiki Kaisha | Image processing apparatus and imaging system |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4032632B2 (ja) * | 2000-11-02 | 2008-01-16 | コニカミノルタビジネステクノロジーズ株式会社 | 画像処理装置 |
JP2003234893A (ja) * | 2002-02-06 | 2003-08-22 | Ricoh Co Ltd | 画像処理装置 |
JP4333997B2 (ja) * | 2004-08-24 | 2009-09-16 | シャープ株式会社 | 画像処理装置、撮影装置、画像処理方法、画像処理プログラムおよび記録媒体 |
JP4926568B2 (ja) * | 2006-06-29 | 2012-05-09 | キヤノン株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
US20170337711A1 (en) | 2011-03-29 | 2017-11-23 | Lyrical Labs Video Compression Technology, LLC | Video processing and encoding |
CN103123691B (zh) * | 2013-02-26 | 2019-02-12 | 百度在线网络技术(北京)有限公司 | 一种莫尔条纹的过滤方法和装置 |
CN103645036B (zh) * | 2013-12-30 | 2017-07-18 | 京东方科技集团股份有限公司 | 摩尔纹测评方法及测评装置 |
CN104486534B (zh) | 2014-12-16 | 2018-05-15 | 西安诺瓦电子科技有限公司 | 摩尔纹检测抑制方法及装置 |
ITUB20153912A1 (it) | 2015-09-25 | 2017-03-25 | Sisvel Tech S R L | Metodi e apparati per codificare e decodificare immagini digitali mediante superpixel |
US9578207B1 (en) * | 2015-09-30 | 2017-02-21 | Csr Imaging Us, Lp | Systems and methods for selectively screening image data |
US20180059275A1 (en) * | 2016-08-31 | 2018-03-01 | Chevron U.S.A. Inc. | System and method for mapping horizons in seismic images |
CN106936964B (zh) * | 2016-12-14 | 2019-11-19 | 惠州旭鑫智能技术有限公司 | 一种基于霍夫变换模板匹配的手机屏幕角点检测方法 |
CN106875346A (zh) * | 2016-12-26 | 2017-06-20 | 奇酷互联网络科技(深圳)有限公司 | 图像处理方法、装置和终端设备 |
CN107424123B (zh) * | 2017-03-29 | 2020-06-23 | 北京猿力教育科技有限公司 | 一种摩尔纹去除方法及装置 |
CN108921823B (zh) * | 2018-06-08 | 2020-12-01 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
-
2018
- 2018-06-08 CN CN201810590031.5A patent/CN108921823B/zh active Active
-
2019
- 2019-05-20 EP EP19815682.0A patent/EP3783564A4/en not_active Withdrawn
- 2019-05-20 WO PCT/CN2019/087585 patent/WO2019233264A1/zh unknown
-
2020
- 2020-09-19 US US17/026,220 patent/US11430103B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6661535B1 (en) * | 1998-12-15 | 2003-12-09 | Fujitsu Limited | Moire fringe eliminating apparatus and a method for eliminating moire fringes |
JP2007124287A (ja) * | 2005-10-28 | 2007-05-17 | Seiko Epson Corp | 画像調整方法、画像調整装置および画像調整プログラム |
CN101326549A (zh) * | 2005-12-05 | 2008-12-17 | 伊斯曼柯达公司 | 检测数字图像中的条纹的方法 |
JP2010206725A (ja) * | 2009-03-05 | 2010-09-16 | Sharp Corp | 画像処理装置、画像形成装置、画像処理方法、プログラムおよび記録媒体 |
EP2924972A1 (en) * | 2014-03-27 | 2015-09-30 | Canon Kabushiki Kaisha | Image processing apparatus and imaging system |
CN104657975A (zh) * | 2014-05-13 | 2015-05-27 | 武汉科技大学 | 一种视频图像横向条纹扰动检测的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108921823A (zh) | 2018-11-30 |
US11430103B2 (en) | 2022-08-30 |
WO2019233264A1 (zh) | 2019-12-12 |
EP3783564A1 (en) | 2021-02-24 |
EP3783564A4 (en) | 2021-06-09 |
US20210004952A1 (en) | 2021-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921823B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN109767467B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
EP3849170B1 (en) | Image processing method, electronic device, and computer-readable storage medium | |
CN108717530B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN110473185B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN108734676B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN108024107B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN113766125B (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 | |
CN107481186B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
CN108198152B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN110349163B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN109685853B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN110661977B (zh) | 主体检测方法和装置、电子设备、计算机可读存储介质 | |
CN107563979B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
CN107959841B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN107704798B (zh) | 图像虚化方法、装置、计算机可读存储介质和计算机设备 | |
CN109712177B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN111368819B (zh) | 光斑检测方法和装置 | |
CN109559353B (zh) | 摄像模组标定方法、装置、电子设备及计算机可读存储介质 | |
CN108053438B (zh) | 景深获取方法、装置及设备 | |
CN109951641B (zh) | 图像拍摄方法和装置、电子设备、计算机可读存储介质 | |
CN111932587A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN110365897B (zh) | 图像修正方法和装置、电子设备、计算机可读存储介质 | |
CN109523456B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN109068060B (zh) | 图像处理方法和装置、终端设备、计算机可读存储介质 |
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 |