CN108932702A - 图像处理方法、装置、电子设备和计算机可读存储介质 - Google Patents
图像处理方法、装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN108932702A CN108932702A CN201810609995.XA CN201810609995A CN108932702A CN 108932702 A CN108932702 A CN 108932702A CN 201810609995 A CN201810609995 A CN 201810609995A CN 108932702 A CN108932702 A CN 108932702A
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- processing method
- original image
- value
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 148
- 238000000034 method Methods 0.000 claims description 85
- 230000008569 process Effects 0.000 claims description 63
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 17
- 230000003993 interaction Effects 0.000 description 14
- 230000011218 segmentation Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 238000007792 addition Methods 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000009499 grossing Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012217 deletion Methods 0.000 description 5
- 230000037430 deletion Effects 0.000 description 5
- 210000000697 sensory organ Anatomy 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本公开实施例公开了一种图像处理方法、装置、电子设备和计算机可读存储介质。其中所述图像处理方法包括:接收原始图像;对原始图像进行第一处理,得到第一图像;对原始图像进行第二处理,得到第二图像,其中所述第二处理为:(原始图像‑第一图像*α)/β,其中0<α<1,0<β<1。本公开实施例通过采取该技术方案,可以根据系数来调节图像处理的结果,由此用户可以根据不同的系数得到不同的处理效果,提高了图像处理的灵活性。
Description
技术领域
本公开涉及图像处理领域,特别是涉及一种图像处理方法、装置、电子设备和计算机可读存储介质。
背景技术
随着计算机技术的飞速发展,数字图像处理的应用也越来越广泛,从指纹、条码、医疗到人工智能、安防、军工都离不开图像处理。 在我们的生活中所见最多的是车辆监控系统,凡是有摄像头就有数字图像处理。 有时摄像头所采集到的数据并不能直接使用,我们需要对采集的图像进行一系列的处理,以便使用者能更方便、更清楚地查看图像信息。
发明内容
在实际的图像处理中,发明人发现很多不灵活的地方,比如现有技术中常常使用拉普拉斯算法对图像进行锐化,但是其仅仅是使用拉普拉斯算法直接对图像呈现锐化效果,无法方便的对锐化效果进行调节。
针对现有技术中的无法灵活调节处理效果的问题,本公开实施例提供了一种图像处理方法,以至少部分地解决上述问题。此外,还提供一种图像处理装置、电子设备和计算机可读存储介质。
为了实现上述目的,根据本公开的第一方面,提供以下技术方案:
一种图像处理方法,其特征在于,包括:接收原始图像;对原始图像进行第一处理,得到第一图像;对原始图像进行第二处理,得到第二图像,其中所述第二处理为:(原始图像-第一图像*α)/β,其中0<α<1,0<β<1。
可选的,所述β的值与α的值相关联。
可选的,所述β=1-α。
可选的,所述β=1-α+c,其中c为常量,且0<c<1。
可选的,所述第一处理为:对原始图像进行模糊处理。
可选的,所述第一处理为:将原始图像分割为多个图像区域;获取/删除原始图像中的一个或多个图像区域,得到中间图像;对所述中间图像进行模糊处理。
可选的,所述模糊处理为:根据图像当前像素点的值与其周围相邻像素点的值计算平均值,将所述平均值作为当前像素点的值。
可选的,所述计算平均值为:计算平滑矩阵,将图像当前像素点的值和其周围相邻像素点的值与平滑矩阵做卷积计算,得到平均值。
可选的,所述获取/删除原始图像中的一个或多个图像区域,得到中间图像包括:接收选择指令,所述选择指令用于选择所述图像中的一个或多个图像区域;将所选择的一个或多个图像区域作为中间图像;或者,将所选择的一个或多个图像区域删除,剩余的图像作为中间图像。
为了实现上述目的,根据本公开的第二方面,还提供以下技术方案:
一种图像处理装置,其特征在于,包括:接收模块,用于接收原始图像;
第一处理模块,用于对原始图像进行第一处理,得到第一图像;
第二处理模块,用于对原始图像进行第二处理,得到第二图像,其中所述第二处理为:(原始图像-第一图像*α)/β,其中0<α<1,0<β<1。
可选的,所述β的值与α的值相关联。
可选的,所述β=1-α。
可选的,所述β=1-α+c,其中c为常量,且0<c<1。
可选的,所述第一处理模块包括:第一模糊处理模块,用于对原始图像进行模糊处理。
可选的,所述第一处理模块包括:分割模块,用于将原始图像分割为多个图像区域;中间处理模块,用于获取/删除原始图像中的一个或多个图像区域,得到中间图像;第二模糊处理模块,用于对所述中间图像进行模糊处理。
可选的,所述模糊处理为:根据图像当前像素点的值与其周围相邻像素点的值计算平均值,将所述平均值作为当前像素点的值。
可选的,所述计算平均值为:计算平滑矩阵,将图像当前像素点的值和其周围相邻像素点的值与平滑矩阵做卷积计算,得到平均值。
可选的,所述中间处理模块包括:中间图像选择模块,用于选择所述图像中的一个或多个图像区域;将所选择的一个或多个图像区域作为中间图像;或者,将所选择的一个或多个图像区域删除,剩余的图像作为中间图像。
为了实现上述目的,根据本公开的第三方面,还提供以下技术方案:
一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有能被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述第一方面所述的图像处理方法。
为了实现上述目的,根据本公开的第四方面,还提供以下技术方案:
一种非暂态计算机可读存储介质,其特征在于,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行上述第一方面所述的图像处理方法。
本公开实施例提供一种图像处理方法、装置、电子设备和计算机可读存储介质。其中该图像处理方法包括:接收原始图像;对原始图像进行第一处理,得到第一图像;对原始图像进行第二处理,得到第二图像,其中所述第二处理为:(原始图像-第一图像*α)/β,其中0<α<1,0<β<1。本公开实施例通过采取该技术方案,可以根据系数β来调节图像处理的结果,由此用户可以根据不同的系数得到不同的处理效果,提高了图像处理的灵活性。
上述说明仅是本公开技术方案的概述,为了能更清楚了解本公开的技术手段,而可依照说明书的内容予以实施,并且为让本公开的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1a为根据本公开一个实施例的图像处理方法的流程示意图。
图1b为根据本公开另一个实施例的图像处理方法的流程示意图。
图2为根据本公开一个实施例的、用于选择第一处理的人机界面示意图。
图3为根据本公开另一个实施例的图像处理方法的流程示意图。
图4a为根据本公开一个实施例的图像处理装置的结构示意图。
图4b为图4a的图像处理装置中的第一处理模块一个实施例的结构示意图。
图4c为图4a的图像处理装置中的第一处理模块另一个实施例的结构示意图。
图5为根据本公开一个实施例的图像处理硬件装置的结构示意图。
图6为根据本公开一个实施例的计算机可读存储介质的结构示意图。
图7为根据本公开一个实施例的图像处理终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,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,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/ 或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
为了解决如何对图像的进行增强的技术问题,本公开实施例提供一种图像处理方法。如图1a所示,该图像处理方法主要包括如下步骤S1至步骤S3。
步骤S1:接收原始图像。
其中,所述原始图像可以是从图像传感器中采集到的未经任何处理的视频或者图片等,所述图像传感器可以是摄像头、超声波传感器等等;所述原始图像也可以从其他途径得到的视频或图片,如从网络服务器中下载得到或者从可移动存储器中读取得到;总之,原始图像并不限定为未经过任何处理的图像,而是指未经本申请实施例所述的图像处理方法处理过的图像。
步骤S2:对原始图像进行第一处理,得到第一图像。
在一个实施例中,所述第一处理可以是任一种对图像的处理类型,举例来说,所述第一处理可以是模糊处理,即提取图像的低频分量;可以是分割处理,即将图像分割成多个不同的区域;可以是压缩处理,即对图像进行压缩,使其体积变小。
在一个实施例中,所述第一处理的处理类型是可配置的。举例来说,可提供第一处理的人机交互界面,供用户从多个第一处理中选择一个作为当前配置的第一处理;也可以提供编程接口,用户可以自己编写第一处理的处理步骤,以提供最大的灵活度。
步骤S3:对原始图像进行第二处理,得到第二图像,所述第二处理为:
(原始图像-第一图像*α)/β,其中0<α<1,0<β<1。
如上述公式所示,所述第二处理包括几个子步骤:
S301,将S2步骤中经过第一处理之后得到的第一图像乘以一个系数α,其中α大于0小于1;
S302,将原始图像减去第一图像与α的乘积,一般来说,图像为一个矢量矩阵,两个图像相减实质上是两个矢量矩阵相减;
S303,将步骤S302中相减得到的结果除以一个系数β,所述β为增强系数,其取值大于0小于1,其作用是将步骤S302中相减的结果放大1/β倍,用来强化图像处理的结果。
在一个实施例中,所述系数β的值与系数α的值相关联,其满足一定的函数关系,该关系可以根据需要来设定,可以提供系数人机交互界面,供用户调节α和β的关系。
在一个实施例中,上述函数关系为:β=1-α。随着α的增大,β不断减小,1/β不断变大。其含义为:当第一图像被减去的越多,处理结果越需要强化的多一些,以突出处理结果,当第一图像被减去的越少,处理结果越需要强化的少一些,因为此时相当于对原始图像做出的修改并不多。
在一个实施例中,由于0<α<1,因此当α无限接近于1时,1/β将变得很大,容易导致错误。因此,优选的,β=1-α+c,其中c为常数,常数c的存在,保证1/β不会变成无穷大。
在一个实施例中,所述α的值可以动态调整,举例来说,用户可以通过系数配置人机交互界面对α值进行调整,人机交互界面接收到用户发送的系数配置指令,并根据该系数配置指令配置α的值;具体的,所述人机交互界面可以是滑动控件,比如滑块,滑块的原始距离为原点,用户拖动滑块离开原点的距离与α的值正相关,滑块离原点越远,α的值越大;或者滑动控件可以是旋钮,旋钮的初始角度为0°,用户拖动旋钮旋转,旋钮的旋转的角度越大,α的值越大。
上述针对系数所进行配置的方式并非穷举,本领域技术人员在上述所列方式的基础上还可以进行简单变换(例如,排列、组合)或等同替换,这些也应包含在本公开的保护范围之内。
本实施例通过采取上述技术方案,可以根据系数,对待处理图像进行相应的处理,由此可以根据不同的系数获得相应的加强效果,从而提高了用户体验效果。
在一个实施例中,所述第一处理是由多个图像子处理所组成的处理集合,如图1b所示,步骤S2中的第一处理包括:
S201,将原始图像分割为多个图像区域;
S202,获取/删除原始图像中的一个或多个图像区域,得到中间图像;
S203,对所述中间图像进行模糊处理。
在该实施例中,第一处理是分割处理、获取/删除处理、模糊处理组成的处理集合。
在执行第一处理时,首先将图像进行分割,所述分割可以是按照预先设定的规则进行分割或者由用户手动划定分割区域或范围;分割之后,获取需要保留的分割区域或者删除需要去除的分割区域,所述获取或删除可以按照预先设定的规则执行,或者由用户手动选择需要获取或删除的分割区域;最后,对获取的分割区域或者删除之后剩余的分割区域进行模糊处理。
执行所述分割处理时,根据预定的分割规则对图像进行分割,举例来说,可以通过图像上的关键点将图像分割成多个图像区域;执行获取处理时,接收选择指令,所述选择指令用于选择一个或多个图像区域,将所选择的一个或多个图像区域作为中间图像;执行删除处理时,接收选择指令,所述选择指令用于选择一个或多个图像区域,将所选择的一个或多个图像区域删除,剩余的图像作为中间图像;最后对中间图像进行模糊处理,得到第二图像。
在该实施例中,所述处理集合可以是固定的也可以的可配置的,举例来说,如果需要使用同一配置批量处理很多图像,可以使用固定的处理集合来防止处理错误;也可以提供多个处理集合,并给用户提供每个处理集合的处理效果,供用户选择,以提供灵活性。
所述处理集合中的处理流程也可以是固定的或者是可配置的,举例来说,如图2所示,可以预先设置一些典型的处理集合,提供第一处理的人机交互界面,供用户从多个处理集合中选择一个处理集合作为当前配置的第一处理,如图2所示,第一处理包括了第一集合、第二集合、第三集合和第四集合,供用户选择,用户可以选择任意一个集合作为第一处理,也可以选择几个集合联合起来作为第一处理;另外,如图2所示,也可以在第一处理的人机交互界面中提供多个第一处理的子处理,用户可以对这些子处理自由组合并指定子处理之间的处理顺序,以形成自定义的第一处理,如图2所示的第一集合中的分割处理、选择处理和模糊处理,用户可以增加和删除其中的一个子处理,并且可以调整子处理之间的顺序,如图2所示,用户可以将选择处理和分割处理交换顺序,此时,需要用户先选择需要做分割处理的图像,再对选择的图像进行分割处理,并且用户可以通过预览来预先了解自定义的处理流程得处理效果。可以理解是的,通过人机交互界面来配置第一处理只是一种实施方式,本领域技术人员可以通过任意合适的方式对第一处理进行配置;对第一处理的配置方式也不限定为上述方式,处理集合之间也可以组合形成第一处理,本申请不做更多限定,在此仅表明第一处理可以根据需要预先设定或者动态配置。
本领域技术人员应清楚,上述第一处理中的子处理方式并非穷举,本领域技术人员在上述所列方式的基础上还可以进行简单变换或等同替换,这些简单变换或等同替换也应包含在本公开的保护范围之内。
由此可见,本公开通过采取上述技术方案,根据用户发出的选择指令,对第一处理进行配置,由此使得用户可以根据自己的需要对图形处理的效果进行调整,从而提高了用户体验效果。
在一个可选的实施例中,如图3所示,基于图1b所示实施例,以人脸图像为例,描述一个完整的图像处理实施例:
步骤S301,获取人脸图像;
所述人脸图像可以是用于使用移动终端的图像传感器,如摄像头等获取到的自拍图像;
步骤302,定位人脸的关键点,并将人脸划分为面部区域和五官区域;
当接收到所述人脸图像之后,定位人脸图像上的关键点;所述关键点为脸部轮廓的关键点和五官的关键点,由此,可以将人脸分割为五官区域和面部区域;可以理解的是,此处区域的分割是可以动态配置的,用户可以根据需要预先配置需要划分的区域,也可以手动划分区域,在手动划分区域的情况下,无需定位关键点;
步骤303,接收选择指令,所述选择指令选择五官区域和/或面部区域;
举例来说,选择指令选择了眼睛和鼻子;可以理解的是,此处的选择指令可以是选择任意划分好的区域。
步骤304,删除所述选择指令所选择的区域,剩下的图像作为中间图像。
此处以删除处理为例,在选择了眼睛和鼻子之后,将眼睛和鼻子的图像删除,剩下的图像为中间图像。
步骤305,对中间图像进行模糊处理,得到第二图像。
在该实施例中,所述模糊处理为:根据图像中当前像素点的值与其周围相邻像素点的值计算平均值,将所述平均值作为当前像素点的值,对图像中所有的像素点遍历上述操作,得到的结果就是模糊处理之后的图像。
在该实施例中,上述模糊处理中计算平均值的过程为:计算平滑矩阵,将图像当前的像素点的值和其周围相邻像素点的值与平滑矩阵做卷积计算,得到平均值。
以下举例说明上述模糊处理的过程:
利用高斯分布公式计算平滑矩阵:
其中σ为正态分布的标准偏差,x和y 分别为图像中像素点的x轴坐标和y轴坐标,在此取σ=1,则上述公式变 换为:
设当前像素点的坐标为(0,0),则该像素点与其周围像素点的坐标可 以用下边的矩阵表示:
由此,每个点的x2+y2的值可以由以下矩阵来表示:
则,根据高斯分布公式得到高斯分布矩阵为:
对该矩阵进行归一化,得到平滑矩阵:
利用图像的像素点的值组成的矩阵与该平滑矩阵进行卷积计算,得到 该像素点的平均值,平滑矩阵中的值称为平滑系数,假设上述中间图像中的 一个像素点及其相邻像素点的值如下矩阵所示:
则值为103的像素点,通过模糊处理之后的值为:
100*0.075+102*0.124+110*0.075+105*0.124+103*0.204+112*0.124+ 104*0.075+106*0.124+100*0.075=105;
对中间图像中的每一个像素点均做上述模糊处理,得到模糊之后的中 间图像即为将原始图像进行第一处理之后得到的第一图像。
上述计算过程可以进一步优化,上述平滑矩阵为一个3*3的二维矩阵,每个像素点需要计算9次乘法和8次加法,计算量很大。可以通过将上述二维矩阵变换成两个一维的1*3的矩阵,每个像素只需要分别在X方向和Y方向上进行3次乘法和2次加法,累计进行6次乘法和4次加法即可,更近一步的,通过观察可以发现,在卷积的过程中,所有的乘运算都是发生在平滑系数和像素值之间,而且平滑系数是固定的:对于1*3的平滑矩阵,只有3个不同的平滑系数,而像素的值范围也是固定的:0~255,总共256个值。因此,所有平滑系数和像素值的乘积只有3*256=768种不同的结果,所以奖这768个结果保存在一张表中,用的时候直接查表即可,最终上述9次乘法和8次加法进一步缩减为4次加法,可以大大减少计算量。
步骤306,对原始人脸图像进行第二处理,得到第二图像。
在该实施例中,系数α=0.6,常数c=0.1,则β=1-α+c=0.5,则经过第二处理后的图像为:(原始图像-第一图像*0.6)*2,
其中,第一图像实际上是中间图像的低频分量,(原始图像-第一图像*0.6)则是保留鼻子和眼睛部分的原始图像,其余部分的人脸图像减去低频分量的0.6倍,保留高频分量和少部分低频分量,将最终的结果乘以放大系数2,得到最终的结果,其结果是将人脸的部分图像进行锐化,使鼻子和眼睛以及脸部磨皮之后的部分更加清晰。
在该实施例中,用户使用具备摄像头以及触控屏的移动终端运行该图像方法,通过摄像头获取到用户的人脸图像,用户点选鼻子和眼睛,并将其删除,之后拖动表示锐化程度的滑动控件,则屏幕自动显示经过锐化处理之后的人脸图像,随后用户可以继续拖动滑动控件,并实时查看锐化的效果。
本实施例通过选择指令选择需要处理的图像区域,通过滑动控件控制处理结果的强化程度,并且可以使用户实时预览处理结果,从而提高了图像处理的灵活性。
本领域技术人员应能理解,在上述各个实施例的基础上,还可以进行明显变型(例如,对所列举的模式进行组合)或等同替换,例如,本领域技术人员可以在上述实施例的基础上,再结合多次的图像处理结果,使用上述方案对多个图像结合处理。
在上文中,虽然按照上述的顺序描述了图像处理方法实施例中的各个步骤,本领域技术人员应清楚,本公开实施例中的步骤并不必然按照上述顺序执行,其也可以倒序、并行、交叉等其他顺序执行,而且,在上述步骤的基础上,本领域技术人员也可以再加入其他步骤,这些明显变型或等同替换的方式也应包含在本公开的保护范围之内,在此不再赘述。
下面为本公开装置实施例,本公开装置实施例可用于执行本公开方法实施例实现的步骤,为了便于说明,仅示出了与本公开实施例相关的部分,具体技术细节未揭示的,请参照本公开方法实施例。
为了解决如何提高图像处理的灵活性的技术问题,本公开实施例提供一种图像处理装置。该装置可以执行上述图像处理方法实施例中所述的步骤。如图4所示,该装置包括:接收模块41、第一处理模块42和第二处理模块43。
接收模块41,用于接收原始图像;
第一处理模块42,用于对原始图像进行第一处理,得到第一图像;
第二处理模块43,用于对原始图像进行第二处理,得到第二图像,其中所述第二处理为:
(原始图像-第一图像*α)/β,其中0<α<1,0<β<1。
其中,所述原始图像可以是从图像传感器中采集到的未经任何处理的视频或者图片等;所述原始图像也可以从其他途径得到的视频或图片,如从网络服务器中下载得到或者从可移动存储器中读取得到;总之,原始图像并不限定为未经过任何处理的图像,而是指未经本申请实施例所述的图像处理方法处理过的图像。
在一个实施例中,所述第一处理可以是任一种对图像的处理类型,举例来说,所述第一处理可以是模糊处理,即提取图像的低频分量;可以是分割处理,即将图像分割成多个不同的区域;可以是压缩处理,即对图像进行压缩,使其体积变小。所述第一处理的处理类型是可配置的,举例来说,可提供第一处理的人机交互界面,供用户从多个第一处理中选择一个作为当前配置的第一处理。
在一个实施例中,所述第一处理模块42包括:第一模糊处理模块421,用于对原始图像进行模糊处理
在一个实施例中,所述模糊处理为:根据图像中当前像素点的值与其周围相邻像素点的值计算平均值,将所述平均值作为当前像素点的值,对图像中所有的像素点遍历上述操作,得到的结果就是模糊处理之后的图像;在该实施例中,上述模糊处理中计算平均值的过程为:计算平滑矩阵,将图像当前的像素点的值和其周围相邻像素点的值与平滑矩阵做卷积计算,得到平均值。
在一个实施例中,所述系数β的值与系数α的值相关联,其满足一定的函数关系,该关系可以根据需要来设定,可以提供系数人机交互界面,供用户调节α和β的关系。
在一个实施例中,上述函数关系为:β=1-α。随着α的增大,β不断减小,1/β不断变大。
在一实施例中,由于0<α<1,因此当α无限接近于1时,1/β将变得很大,容易导致错误。因此,优选的,β=1-α+c,其中c为常数,常数c的存在,保证1/β不会变成无穷大
在一个实施例中,所述α的值可以动态调整,举例来说,用户可以通过系数配置人机交互界面对α值进行调整,人机交互界面接收到用户发送的系数配置指令,并根据该系数配置指令配置α的值;具体的,所述人机交互界面可以是滑动控件,比如滑块,滑块的原始距离为原点,用户拖动滑块离开原点的距离与α的值正相关,滑块离原点越远,α的值越大;或者滑动控件可以是旋钮,旋钮的初始角度为0°,用户拖动旋钮旋转,旋钮的旋转的角度越大,α的值越大。
本实施例通过采取上述技术方案,可以根据系数,对待处理图像进行相应的处理,由此可以根据不同的系数获得相应的加强效果,从而提高了用户体验效果。
在一个实施例中,所述第一处理模块42包括:分割模块422,用于将原始图像分割为多个图像区域;中间处理模块423,用于获取/删除原始图像中的一个或多个图像区域,得到中间图像;第二模糊处理模块424,用于对所述中间图像进行模糊处理。
在一个实施例中,所述中间处理模块423包括:中间图像选择模块4231,用于选择所述图像中的一个或多个图像区域;将所选择的一个或多个图像区域作为中间图像;或者,将所选择的一个或多个图像区域删除,剩余的图像作为中间图像。
在该实施例中,所述原始图像可以为人脸图像;所述图像中的一个部分或多个部分为人脸图像中的面部和五官。
在该实施例中,第一处理是分割处理、获取/删除处理、模糊处理组成的处理集合。
在该实施例中,所述处理集合中的处理流程可以是固定的或者是可配置的,举例来说,可以预先设置一些典型的处理集合,提供第一处理的人机交互界面,供用户从多个处理集合中选择一个处理集合作为当前配置的第一处理;也可以在第一处理的人机交互界面中提供多个第一处理的子处理,用户可以对这些子处理自由组合并指定子处理之间的处理顺序,以形成自定义的第一处理。
由此可见,本公开通过采取上述技术方案,根据用户发出的选择指令,对第一处理进行配置,由此使得用户可以根据自己的需要对图形处理的效果进行调整,从而提高了用户体验效果。
图5是图示根据本公开的实施例的电子设备的硬件框图。如图5所示,根据本公开实施例的电子设备50包括存储器51和处理器52。
该存储器51用于存储非暂时性计算机可读指令。具体地,存储器51可以包括一个或多个计算机程序产品,该计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
该处理器52可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制电子设备50中的其它组件以执行期望的功能。在本公开的一个实施例中,该处理器52用于运行该存储器51中存储的该计算机可读指令,使得该电子设备50执行前述的本公开各实施例的图形处理方法的全部或部分步骤。
本领域技术人员应能理解,为了解决如何获得良好用户体验效果的技术问题,本实施例中也可以包括诸如通信总线、接口等公知的结构,这些公知的结构也应包含在本公开的保护范围之内。
有关本实施例的详细说明可以参考前述各实施例中的相应说明,在此不再赘述。
图6是图示根据本公开的实施例的计算机可读存储介质的示意图。如图6所示,根据本公开实施例的计算机可读存储介质60,其上存储有非暂时性计算机可读指令61。当该非暂时性计算机可读指令61由处理器运行时,执行前述的本公开各实施例的图像处理方法的全部或部分步骤。
上述计算机可读存储介质60包括但不限于:光存储介质(例如:CD-ROM和DVD)、磁光存储介质(例如:MO)、磁存储介质(例如:磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如:存储卡)和具有内置ROM的媒体(例如:ROM盒)。
有关本实施例的详细说明可以参考前述各实施例中的相应说明,在此不再赘述。
图7是图示根据本公开实施例的终端设备的硬件结构示意图。如图7所示,该图像处理终端70包括上述图像处理装置实施例。
该终端设备可以以各种形式来实施,本公开中的终端设备可以包括但不限于诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置、车载终端设备、车载显示终端、车载电子后视镜等等的移动终端设备以及诸如数字TV、台式计算机等等的固定终端设备。
作为等同替换的实施方式,该终端还可以包括其他组件。如图7所示,该图像处理终端70可以包括电源单元71、无线通信单元72、A/V(音频/视频)输入单元73、用户输入单元74、感测单元75、接口单元76、控制器77、输出单元78和存储单元79等等。图7示出了具有各种组件的终端,但是应理解的是,并不要求实施所有示出的组件,也可以替代地实施更多或更少的组件。
其中,无线通信单元72允许终端70与无线通信系统或网络之间的无线电通信。A/V输入单元73用于接收音频或视频信号。用户输入单元74可以根据用户输入的命令生成键输入数据以控制终端设备的各种操作。感测单元75检测终端70的当前状态、终端70的位置、用户对于终端70的触摸输入的有无、终端70的取向、终端70的加速或减速移动和方向等等,并且生成用于控制终端70的操作的命令或信号。接口单元76用作至少一个外部装置与终端70连接可以通过的接口。输出单元78被构造为以视觉、音频和/或触觉方式提供输出信号。存储单元79可以存储由控制器77执行的处理和控制操作的软件程序等等,或者可以暂时地存储己经输出或将要输出的数据。存储单元79可以包括至少一种类型的存储介质。而且,终端70可以与通过网络连接执行存储单元79的存储功能的网络存储装置协作。控制器77通常控制终端设备的总体操作。另外,控制器77可以包括用于再现或回放多媒体数据的多媒体模块。控制器77可以执行模式识别处理,以将在触摸屏上执行的手写输入或者图片绘制输入识别为字符或图像。电源单元71在控制器77的控制下接收外部电力或内部电力并且提供操作各元件和组件所需的适当的电力。
本公开提出的图像处理方法的各种实施方式可以使用例如计算机软件、硬件或其任何组合的计算机可读介质来实施。对于硬件实施,本公开提出的图像处理方法的各种实施方式可以通过使用特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计为执行这里描述的功能的电子单元中的至少一种来实施,在一些情况下,本公开提出的视频特征的比对方法的各种实施方式可以在控制器77中实施。对于软件实施,本公开提出的图像处理方法的各种实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言编写的软件应用程序(或程序)来实施,软件代码可以存储在存储单元79中并且由控制器77执行。
有关本实施例的详细说明可以参考前述各实施例中的相应说明,在此不再赘述。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
另外,如在此使用的,在以“至少一个”开始的项的列举中使用的“或”指示分离的列举,以便例如“A、B或C的至少一个”的列举意味着A或B或C,或AB或AC或BC,或ABC(即A和B和C)。此外,措辞“示例的”不意味着描述的例子是优选的或者比其他例子更好。
还需要指出的是,在本公开的系统和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
可以不脱离由所附权利要求定义的教导的技术而进行对在此所述的技术的各种改变、替换和更改。此外,本公开的权利要求的范围不限于以上所述的处理、机器、制造、事件的组成、手段、方法和动作的具体方面。可以利用与在此所述的相应方面进行基本相同的功能或者实现基本相同的结果的当前存在的或者稍后要开发的处理、机器、制造、事件的组成、手段、方法或动作。因而,所附权利要求包括在其范围内的这样的处理、机器、制造、事件的组成、手段、方法或动作。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (12)
1.一种图像处理方法,其特征在于,包括:
接收原始图像;
对原始图像进行第一处理,得到第一图像;
对原始图像进行第二处理,得到第二图像,其中所述第二处理为:
(原始图像-第一图像*α)/β,其中0<α<1,0<β<1。
2.如权利要求1所述的图像处理方法,其特征在于:
所述β的值与α的值相关联。
3.如权利要求2所述的图像处理方法,其特征在于:
所述β=1-α。
4.如权利要求2所述的图像处理方法,其特征在于:
β=1-α+c,其中c为常量,且0<c<1。
5.如权利要求1所述的图像处理方法,其特征在于,所述第一处理为:对原始图像进行模糊处理。
6.如权利要求1所述的图像处理方法,其特征在于,所述第一处理为:
将原始图像分割为多个图像区域;
获取/删除原始图像中的一个或多个图像区域,得到中间图像;
对所述中间图像进行模糊处理。
7.如权利要求5或6所述的图像处理方法,其特征在于,所述模糊处理为:
根据图像当前像素点的值与其周围相邻像素点的值计算平均值,将所述平均值作为当前像素点的值。
8.如权利要求7所述的图像处理方法,其特征在于,所述计算平均值为:
计算平滑矩阵,将图像当前像素点的值和其周围相邻像素点的值与平滑矩阵做卷积计算,得到平均值。
9.如权利要求6所述的图像处理方法,其特征在于,所述获取/删除原始图像中的一个或多个图像区域,得到中间图像包括:
接收选择指令,所述选择指令用于选择所述图像中的一个或多个图像区域;
将所选择的一个或多个图像区域作为中间图像;
或者,将所选择的一个或多个图像区域删除,剩余的图像作为中间图像。
10.一种图像处理装置,其特征在于,包括:
接收模块,用于接收原始图像;
第一处理模块,用于对原始图像进行第一处理,得到第一图像;
第二处理模块,用于对原始图像进行第二处理,得到第二图像,其中所述第二处理为:
(原始图像-第一图像*α)/β,其中0<α<1,0<β<1。
11.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有能被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9任一所述的图像处理方法。
12.一种非暂态计算机可读存储介质,其特征在于,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行权利要求1-9任一所述的图像处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810609995.XA CN108932702B (zh) | 2018-06-13 | 2018-06-13 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
PCT/CN2019/073069 WO2019237743A1 (zh) | 2018-06-13 | 2019-01-25 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810609995.XA CN108932702B (zh) | 2018-06-13 | 2018-06-13 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108932702A true CN108932702A (zh) | 2018-12-04 |
CN108932702B CN108932702B (zh) | 2020-10-09 |
Family
ID=64446579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810609995.XA Active CN108932702B (zh) | 2018-06-13 | 2018-06-13 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108932702B (zh) |
WO (1) | WO2019237743A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785264A (zh) * | 2019-01-15 | 2019-05-21 | 北京旷视科技有限公司 | 图像增强方法、装置及电子设备 |
CN110070494A (zh) * | 2018-12-21 | 2019-07-30 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置和电子设备 |
WO2019237743A1 (zh) * | 2018-06-13 | 2019-12-19 | 北京微播视界科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN112150351A (zh) * | 2020-09-27 | 2020-12-29 | 广州虎牙科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN113160357A (zh) * | 2021-04-07 | 2021-07-23 | 浙江工商大学 | 信息审核方法、系统、计算机可读存储介质 |
CN113473038A (zh) * | 2020-03-30 | 2021-10-01 | 上海商汤智能科技有限公司 | 图像处理装置、图像处理方法及相关产品 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080002904A1 (en) * | 2006-06-30 | 2008-01-03 | Szu-Hao Lyu | Adaptive image sharpening method |
CN101452575A (zh) * | 2008-12-12 | 2009-06-10 | 北京航空航天大学 | 一种基于神经网络的图像自适应增强方法 |
CN101794380A (zh) * | 2010-02-11 | 2010-08-04 | 上海点佰趣信息科技有限公司 | 指纹图像增强方法 |
CN102214357A (zh) * | 2011-06-22 | 2011-10-12 | 王洪剑 | 一种图像增强方法及系统 |
CN104376542A (zh) * | 2014-10-25 | 2015-02-25 | 深圳市金立通信设备有限公司 | 一种图像增强方法 |
CN107153816A (zh) * | 2017-04-16 | 2017-09-12 | 五邑大学 | 一种用于鲁棒人脸识别的数据增强方法 |
CN107945163A (zh) * | 2017-11-23 | 2018-04-20 | 广州酷狗计算机科技有限公司 | 图像增强方法及装置 |
CN108024103A (zh) * | 2017-12-01 | 2018-05-11 | 重庆贝奥新视野医疗设备有限公司 | 图像锐化方法以及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310411B (zh) * | 2012-09-25 | 2017-04-12 | 中兴通讯股份有限公司 | 一种图像局部增强方法和装置 |
WO2014072825A2 (en) * | 2012-11-12 | 2014-05-15 | Marvell World Trade Ltd. | Systems and methods for image enhancement by local tone curve mapping |
CN105303543A (zh) * | 2015-10-23 | 2016-02-03 | 努比亚技术有限公司 | 图像增强方法及移动终端 |
CN105654496B (zh) * | 2016-01-08 | 2018-06-29 | 华北理工大学 | 基于视觉特性的仿生自适应模糊边缘检测方法 |
CN108932702B (zh) * | 2018-06-13 | 2020-10-09 | 北京微播视界科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
-
2018
- 2018-06-13 CN CN201810609995.XA patent/CN108932702B/zh active Active
-
2019
- 2019-01-25 WO PCT/CN2019/073069 patent/WO2019237743A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080002904A1 (en) * | 2006-06-30 | 2008-01-03 | Szu-Hao Lyu | Adaptive image sharpening method |
CN101452575A (zh) * | 2008-12-12 | 2009-06-10 | 北京航空航天大学 | 一种基于神经网络的图像自适应增强方法 |
CN101794380A (zh) * | 2010-02-11 | 2010-08-04 | 上海点佰趣信息科技有限公司 | 指纹图像增强方法 |
CN102214357A (zh) * | 2011-06-22 | 2011-10-12 | 王洪剑 | 一种图像增强方法及系统 |
CN104376542A (zh) * | 2014-10-25 | 2015-02-25 | 深圳市金立通信设备有限公司 | 一种图像增强方法 |
CN107153816A (zh) * | 2017-04-16 | 2017-09-12 | 五邑大学 | 一种用于鲁棒人脸识别的数据增强方法 |
CN107945163A (zh) * | 2017-11-23 | 2018-04-20 | 广州酷狗计算机科技有限公司 | 图像增强方法及装置 |
CN108024103A (zh) * | 2017-12-01 | 2018-05-11 | 重庆贝奥新视野医疗设备有限公司 | 图像锐化方法以及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019237743A1 (zh) * | 2018-06-13 | 2019-12-19 | 北京微播视界科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN110070494A (zh) * | 2018-12-21 | 2019-07-30 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置和电子设备 |
CN110070494B (zh) * | 2018-12-21 | 2021-09-17 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置和电子设备 |
CN109785264A (zh) * | 2019-01-15 | 2019-05-21 | 北京旷视科技有限公司 | 图像增强方法、装置及电子设备 |
CN113473038A (zh) * | 2020-03-30 | 2021-10-01 | 上海商汤智能科技有限公司 | 图像处理装置、图像处理方法及相关产品 |
CN112150351A (zh) * | 2020-09-27 | 2020-12-29 | 广州虎牙科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN113160357A (zh) * | 2021-04-07 | 2021-07-23 | 浙江工商大学 | 信息审核方法、系统、计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2019237743A1 (zh) | 2019-12-19 |
CN108932702B (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108932702B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN108830787A (zh) | 图像变形的方法、装置及电子设备 | |
EP2945374B1 (en) | Positioning of projected augmented reality content | |
EP2709057A2 (en) | System, method and computer program product for image processing, in particular for introducing blurring effects to an image | |
CN108898549B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN108924440B (zh) | 贴纸显示方法、装置、终端及计算机可读存储介质 | |
CN108846814B (zh) | 图像处理方法、装置、可读存储介质及计算机设备 | |
CN108830892A (zh) | 人脸图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN112967381B (zh) | 三维重建方法、设备和介质 | |
CN109636730B (zh) | 用于过滤深度图中的伪像素的方法 | |
CN110503704B (zh) | 三分图的构造方法、装置和电子设备 | |
CN112837213A (zh) | 脸型调整图像生成方法、模型训练方法、装置和设备 | |
CN112801882B (zh) | 图像处理方法及装置、存储介质和电子设备 | |
WO2017161542A1 (en) | Skin map-aided skin smoothing of images using a bilateral filter | |
US20240095886A1 (en) | Image processing method, image generating method, apparatus, device, and medium | |
US20130236117A1 (en) | Apparatus and method for providing blurred image | |
CN111476741B (zh) | 图像的去噪方法、装置、电子设备和计算机可读介质 | |
CN109146770A (zh) | 一种形变图像生成方法、装置、电子设备及计算机可读存储介质 | |
WO2023207741A1 (zh) | 一种元宇宙场景素材的建模方法及相关装置 | |
CN110677586B (zh) | 图像显示方法、图像显示装置及移动终端 | |
CN109739403B (zh) | 用于处理信息的方法和装置 | |
CN113379768A (zh) | 一种图像处理方法、装置、存储介质和计算机设备 | |
CN113763233A (zh) | 一种图像处理方法、服务器及拍照设备 | |
CN112561822A (zh) | 美颜方法、装置、电子设备及存储介质 | |
CN110619668A (zh) | 一种图像抽象方法、装置及终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 2nd Floor, Building 4, No. 18 North Third Ring West Road, Haidian District, Beijing, 2022 Patentee after: Tiktok Technology Co.,Ltd. Country or region after: China Address before: 100080 408, 4th floor, 51 Zhichun Road, Haidian District, Beijing Patentee before: BEIJING MICROLIVE VISION TECHNOLOGY Co.,Ltd. Country or region before: China |