CN109102467A - 图片处理的方法及装置 - Google Patents
图片处理的方法及装置 Download PDFInfo
- Publication number
- CN109102467A CN109102467A CN201710475854.9A CN201710475854A CN109102467A CN 109102467 A CN109102467 A CN 109102467A CN 201710475854 A CN201710475854 A CN 201710475854A CN 109102467 A CN109102467 A CN 109102467A
- Authority
- CN
- China
- Prior art keywords
- picture
- processed
- classification
- parameter values
- process parameter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 136
- 238000012545 processing Methods 0.000 title claims abstract description 103
- 230000008569 process Effects 0.000 claims abstract description 84
- 238000009826 distribution Methods 0.000 claims description 37
- 238000013461 design Methods 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 12
- 238000005194 fractionation Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 238000011282 treatment Methods 0.000 abstract description 21
- 230000000694 effects Effects 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 33
- 238000004891 communication Methods 0.000 description 10
- 150000001875 compounds Chemical class 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000003796 beauty Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009699 differential effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000012092 media component Substances 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000007704 transition Effects 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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
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
本公开是关于一种图片处理的方法及装置,用于改进图片美化处理的方式,提高图片的质量和显示效果。所述方法包括:获取待处理图片;确定所述待处理图片所属的类别;根据所述待处理图片所属的类别,确定图片处理参数值;根据图片处理参数值,对所述待处理图片进行处理。
Description
技术领域
本公开涉及通信及计算机处理领域,尤其涉及图片处理的方法及装置。
背景技术
随着电子技术的发展,移动终端、数码相机、平板电脑等设备均具有拍照功能。为了使拍摄到的图片更清晰、自然,设备还具有美化图片的功能,例如对图片进行锐化处理。但是,设备中不是所有的图片都是拍摄得到的,还有一些设计人员通过制图软件制作出的用户界面(UI)。如果对所有图片都采用相同的美化处理方式,则有些图片的效果反而变差。
发明内容
为克服相关技术中存在的问题,本公开提供一种图片处理的方法及装置。
根据本公开实施例的第一方面,提供一种图片处理的方法,包括:
获取待处理图片;
确定所述待处理图片所属的类别;
根据所述待处理图片所属的类别,确定图片处理参数值;
根据图片处理参数值,对所述待处理图片进行处理。
本公开的实施例提供的技术方案可以包括以下有益效果:本实施例针对不同类别的图片采用不同的图片处理参数值对图片进行美化处理,实现对各类图片采用适合该类图片的图片处理参数值,可提高图片的处理效果。
在一个实施例中,所述确定所述待处理图片所属的类别,包括:
计算所述待处理图片的信息熵;
根据所述信息熵确定所述待处理图片所属的类别;
或者
计算所述待处理图片的颜色分布信息;
根据所述颜色分布信息确定所述待处理图片所属的类别。
本公开的实施例提供的技术方案可以包括以下有益效果:本实施例提供多种方式确定待处理图片的类别,实现过程比较简单,易于快速分类。
在一个实施例中,所述根据所述待处理图片所属的类别,确定图片处理参数值,包括:
确定图片处理算法;
根据所述待处理图片所属的类别,确定所述图片处理算法的图片处理参数值。
本公开的实施例提供的技术方案可以包括以下有益效果:本实施例可以有多种图片美化处理的算法,各个算法均可针对各类别确定适合的图片处理参数值,实现对待处理图片进行适合的美化处理,提高图片质量和显示效果。
在一个实施例中,所述图片处理参数值包括锐化强度值;
所述类别包括自然类别和设计类别;
自然类别对应的图片处理参数值高于设计类别对应的图片处理参数值。
本公开的实施例提供的技术方案可以包括以下有益效果:本实施例针对自然类别和设计类别提供合适的图片处理参数值,使得这两个类别的图片有更好的质量和显示效果。
在一个实施例中,在获取待处理图片之前,所述方法还包括:
获取包含多个图层的待显示图片;
确定所述待显示图片的图层顺序;
所述获取待处理图片,包括:
对所述待显示图片进行图层拆分,获得每个图层的待处理图片;
所述根据图片处理参数值,对所述待处理图片进行处理之后,所述方法还包括:
按照所述图层顺序,对处理后的所述待处理图片进行合成,获得处理后的待显示图片。
本公开的实施例提供的技术方案可以包括以下有益效果:本实施例针对一个图片的各个图层分别进行有针对性的处理,使得图片整体得到优化,可明显提高图片的质量和显示效果。
在一个实施例中,所述方法还包括:
按照所述图层顺序,根据每个图层的透明度,确定每个图层的待处理图片的可见区域;
所述根据图片处理参数值,对所述待处理图片进行处理,包括:
根据图片处理参数值,对所述待处理图片中的可见区域进行处理。
本公开的实施例提供的技术方案可以包括以下有益效果:本实施例可以对可见区域进行处理,而不是对完整图片进行处理,减少处理量,提高处理效率。
根据本公开实施例的第二方面,提供一种图片处理的装置,包括:
第一获取模块,用于获取待处理图片;
类别模块,用于确定所述待处理图片所属的类别;
参数模块,用于根据所述待处理图片所属的类别,确定图片处理参数值;
处理模块,用于根据图片处理参数值,对所述待处理图片进行处理。
在一个实施例中,所述类别模块包括:
熵计算子模块,用于计算所述待处理图片的信息熵;
熵类别子模块,用于根据所述信息熵确定所述待处理图片所属的类别;
或者
颜色计算子模块,用于计算所述待处理图片的颜色分布信息;
颜色类别子模块,用于根据所述颜色分布信息确定所述待处理图片所属的类别。
在一个实施例中,所述参数模块包括:
算法子模块,用于确定图片处理算法;
参数子模块,用于根据所述待处理图片所属的类别,确定所述图片处理算法的图片处理参数值。
在一个实施例中,所述图片处理参数值包括锐化强度值;
所述类别包括自然类别和设计类别;
自然类别对应的图片处理参数值高于设计类别对应的图片处理参数值。
在一个实施例中,所述装置还包括:
第二获取模块,用于获取包含多个图层的待显示图片;
图层模块,用于确定所述待显示图片的图层顺序;
所述第一获取模块包括:
拆分子模块,用于对所述待显示图片进行图层拆分,获得每个图层的待处理图片;
所述装置还包括:
合成模块,用于按照所述图层顺序,对处理后的所述待处理图片进行合成,获得处理后的待显示图片。
在一个实施例中,所述装置还包括:
区域模块,用于按照所述图层顺序,根据每个图层的透明度,确定每个图层的待处理图片的可见区域;
所述处理模块包括:
处理子模块,用于根据图片处理参数值,对所述待处理图片中的可见区域进行处理。
根据本公开实施例的第三方面,提供一种图片处理的装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取待处理图片;
确定所述待处理图片所属的类别;
根据所述待处理图片所属的类别,确定图片处理参数值;
根据图片处理参数值,对所述待处理图片进行处理。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种图片处理的方法的流程图。
图2是根据一示例性实施例示出的一种图片的示意图。
图3是根据一示例性实施例示出的一种颜色分布的示意图。
图4是根据一示例性实施例示出的一种图片的流程图。
图5是根据一示例性实施例示出的一种颜色分布的示意图。
图6是根据一示例性实施例示出的一种图片的示意图。
图7是根据一示例性实施例示出的一种颜色分布的示意图。
图8是根据一示例性实施例示出的一种图片的示意图。
图9是根据一示例性实施例示出的一种颜色分布的示意图。
图10是根据一示例性实施例示出的一种图片的示意图。
图11是根据一示例性实施例示出的一种颜色分布的示意图。
图12是根据一示例性实施例示出的一种图片的示意图。
图13是根据一示例性实施例示出的一种颜色分布的示意图。
图14是根据一示例性实施例示出的一种图片和颜色分布的示意图。
图15是根据一示例性实施例示出的一种图片的示意图。
图16是根据一示例性实施例示出的一种图片的示意图。
图17是根据一示例性实施例示出的一种图片的示意图。
图18是根据一示例性实施例示出的一种图片的示意图。
图19是根据一示例性实施例示出的一种图片处理的方法的流程图。
图20是根据一示例性实施例示出的一种图片处理的方法的流程图。
图21是根据一示例性实施例示出的一种图片处理的方法的流程图。
图22是根据一示例性实施例示出的一种图片处理的装置的框图。
图23是根据一示例性实施例示出的一种类别模块的框图。
图24是根据一示例性实施例示出的一种类别模块的框图。
图25是根据一示例性实施例示出的一种参数模块的框图。
图26是根据一示例性实施例示出的一种图片处理的装置的框图。
图27是根据一示例性实施例示出的一种第一获取模块的框图。
图28是根据一示例性实施例示出的一种合成模块的框图。
图29是根据一示例性实施例示出的一种图片处理的装置的框图。
图30是根据一示例性实施例示出的一种处理子模块的框图。
图31是根据一示例性实施例示出的一种装置的框图。
图32是根据一示例性实施例示出的一种装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
相关技术中,移动终端或平板电脑等设备会先对图片进行降噪处理,一般采用平滑处理。平滑处理会使图片中的轮廓变模糊,降低图片质量。所以,还需要对图片进行锐化处理,使图片中的轮廓变清晰。这样,可提高图片的质量和显示效果。
但是,本公开的发明人发现,图片至少可分为两种,自然图片和设计图片。自然图片是指拍摄到的自然风景、人物等图片,如壁纸、背景图片等。设计图片是指设计人员用制图软件制作出的图片,如UI界面。
移动终端或平板电脑在处理图片时方案比较单一,对所有图片都采用相同的锐化处理方式。该锐化处理方式如果适合与自然图片的处理,那么对UI界面的处理反而起到反效果,使图片质量变差。
为解决上述问题,本实施例对图片进行分类,针对不同类别的图片采用不同的美化处理方式,以提高图片质量和显示效果。
图1是根据一示例性实施例示出的一种图片处理的方法的流程图,如图1所示,该方法可以由移动终端实现,包括以下步骤:
在步骤101中,获取待处理图片。
在步骤102中,确定所述待处理图片所属的类别。
在步骤103中,根据所述待处理图片所属的类别,确定图片处理参数值。
在步骤104中,根据图片处理参数值,对所述待处理图片进行处理。
本实施例预先基于统计分析和经验,为图片划分几个类别,类别的划分与图片的美化处理有关。美化处理以锐化处理为例,锐化处理是将图片中的轮廓变清晰的处理,所以,图片的类别可以依据图片中的轮廓清晰程度进行划分。
图片处理参数包括与美化处理程度有关的参数。图片处理参数值的大小影响着美化处理程度。
本实施例确定待处理图片所属的类别,根据该类别对待处理图片进行有针对性的处理,适合该待处理图片的处理,可提高图片质量和显示效果。处理后的待处理图片可用于显示等。
在一个实施例中,步骤102包括:步骤A1-步骤A2,或步骤A3-步骤A4。
在步骤A1中,计算所述待处理图片的信息熵。
在步骤A2中,根据所述信息熵确定所述待处理图片所属的类别。
本实施例通过信息熵实现图片分类。
在步骤A3中,计算所述待处理图片的颜色分布信息。
在步骤A4中,根据所述颜色分布信息确定所述待处理图片所属的类别。
本实施例实现通过颜色分布信息实现图片分类。
其中,图片的信息熵表征图像灰度分布的聚集特性。这是一维信息熵。如果表征空间特征,在一维熵的基础上引入能够反映灰度分布空间特征的特征量来组成图片的二维熵。各种信息熵均适用于本实施例。本实施例可以预先基于统计或模型训练得到各类图片的信息熵的共性特征或集合。在确定图片的类别时,判断图片的信息熵包含了哪些共性特征或者属于哪个集合,据此确定图片的类别。
例如,自然类别的图片的灰度通常是自然过渡的,信息熵的特征是连续的。设计类别的图片中轮廓比较分明,灰度分布趋向离散,信息熵的特征是离散的。通过判断待处理图片的信息熵属于离散还是连续,可确定待处理图片的类别是设计类别还是自然类别。
颜色分布信息表征图像颜色分布的聚集特性。本实施例可以预先基于统计或模型训练得到各类图片的颜色分布的共性特征。例如,首先统计图像RGB(红绿蓝)各个通道的直方图。如图2-图14所示,图2、图4和图5是用户界面的图片实例,属于设计类别,通常是设计人员利用制图软件制作出来的。图3、图5和图7分别是图2、图4和图5的颜色分布示意图。由图3、图5和图7可知,设计类别的图片的颜色分布的特点是离散的。
图8、图10和图12是自然风景图片实例,属于自然类别,通常是用户对自然风景或人物的拍摄得到的。图9、图11和图13分别是图8、图10和图12的颜色分布示意图。图14既包含了自然风景图片又包含了相应的颜色分布示意图。由图9、图11、图13和图14可知,自然类别的图片的颜色分布的特点是趋向连续的。
颜色分布示意图也是颜色直方图。颜色直方图当中横轴对应的是各个灰阶数值,取值范围为0~255,纵轴对应的是占有的像素的个数,最大值是所有灰阶当中的最大像素数。
由于自然界当中,很少存在亮度值和内容的突变,尤其是使用图像采集传感器得到的数据,根据这个特性,来判断自然图片的类型。
由于自然图片具有连续的特性,所以可以使用相邻灰阶像素数量比较的方式,例如,对于R通道,89阶有1624个像素,90阶有1609个像素,91阶有1554个像素,90阶和左右相邻的两个灰阶比值分别是0.9907635,1.03539253,都是难以整除的数据。
滤除像素个数极少的点,因为这些像素个数极少的点有可能是噪点,例如设置门限像素数量小于万分之一(门限可以设置)的灰阶数值不参与相邻阶的比较。
RGB任意通道中,从符合非噪点的灰阶当中,例如从1~254,比较左右相邻的一级或是二级数据(级别可以设置),如果比值为整数或者比值差距超过一倍(差距可以设置)的,是UI的可能性很大。如果有多个此类的比值(例如超过5个,可以设定),则认为是UI图片。
另外也可以建立UI图片的数据库,当满足条件之一时就认为是UI图片。
例如:RGB像素数量相等,单色图像,符合一定的比值等等。
在一个实施例中,步骤103包括:步骤B1-步骤B2。
在步骤B1中,确定图片处理算法。
在步骤B2中,根据所述待处理图片所属的类别,确定所述图片处理算法的图片处理参数值。
对图片进行美化处理有多种,如锐化处理,可以提高图片中轮廓的清晰度;如高亮处理,可以使图片中人物的皮肤更白皙。用户可以预先配置需要对图片做哪些处理,根据用户的配置确定图片处理算法。还可以对待处理图片中的内容做识别,例如自然风景的图片做锐化处理,人物图片做高亮处理,用户界面不做处理等。
每个图片处理算法其作用不同,采用的参数和参数值也不同。锐化处理算法,其对应的图片处理参数值与锐化强度有关。高亮处理算法,其对应的图片处理参数值与亮度级别有关。
在一个实施例中,所述图片处理参数值包括锐化强度值。
所述类别包括自然类别和设计类别。
自然类别对应的图片处理参数值高于设计类别对应的图片处理参数值。
本实施例在对图片进行美化处理时,采用锐化处理,即采用锐化处理算法进行处理,则所述图片处理参数值为锐化强度值。锐化强度值的取值范围为0~100。0表示不做锐化处理,100表示锐化强度最大值。自然类别的图片一般包括自然风景图片和人物图片等,一般是通过拍摄得到的。设计类别的图片一般包括用户界面的图片,一般是设计人员通过制图软件制作出来的。自然类别的图片中颜色和灰度一般是平滑过渡的,轮廓不够清晰,所以需要较强的锐化处理,其对应的锐化强度值较高,如30~50。设计类别的图片在制作时已经有较好的轮廓线条,因此可以不做锐化处理或少做锐化处理,其对应的锐化强度值较低,如0~10。
在图片增强过程中,通常利用各类图片平滑算法消除噪声,图片的常见噪声主要有加性噪声、乘性噪声和量化噪声等。一般来说,图片的能量主要集中在其低频部分,噪声所在的频段主要在高频段,同时图片边缘信息也主要集中在其高频部分。这将导致原始图片在平滑处理之后,图片边缘和图片轮廓模糊的情况出现。为了减少这类不利效果的影响,就需要利用图片锐化技术,使图片的边缘变得清晰。图片锐化处理的目的是为了使图片的边缘、轮廓线以及图片的细节变得清晰,经过平滑的图片变得模糊的根本原因是因为图片受到了平均或积分运算,因此可以对其进行逆运算(如微分运算)就可以使图片变得清晰。微分运算是求信号的变化率,由傅立叶变换的微分性质可知,微分运算具有较强高频分量作用。从频率域来考虑,图片模糊的实质是因为其高频分量被衰减,因此可以用高通滤波器来使图片清晰。但要注意能够进行锐化处理的图片必须有较高的信噪比,否则锐化后图片信噪比反而更低,从而使得噪声增加的比信号还要多,因此一般是先去除或减轻噪声后再进行锐化处理。
图片锐化的方法分为高通滤波和空域微分法。图片的边缘或线条的细节(边缘)部分与图片频谱的高频分量相对应,因此采用高通滤波让高频分量顺利通过,并适当抑制中低频分量,使图片的细节变得清楚,实现图片的锐化。
一阶微分运算一阶微分主要指梯度模运算,图片的梯度模值包含了边界及细节信息。梯度模算子用于计算梯度模值,通常认为它是边界提取算子,具有极值性、位移不变性和旋转不变性。因此,根据这些特性进行梯度模运算。
在一个实施例中,在获取待处理图片之前,所述方法还包括:步骤C1-步骤C2。
在步骤C1中,获取包含多个图层的待显示图片。
在步骤C2中,确定所述待显示图片的图层顺序。
步骤101包括:步骤C3。
在步骤C3中,对所述待显示图片进行图层拆分,获得每个图层的待处理图片。
所述根据图片处理参数值,对所述待处理图片进行处理之后,所述方法还包括:步骤C4。
在步骤C4中,按照所述图层顺序,对处理后的所述待处理图片进行合成,获得处理后的待显示图片。
本实施例中的需要美化处理的图片可以是一张单一图片,也可以是一个图层的图片。一张复合图片可以由多个图层叠加而成。一张复合图片的各个图层的生成源可以有很多个,可以是gpu(协处理器)、cpu(中央处理器)、视频解码芯片生成的某个图层,这些图层在图像合成器当中合成一幅图,从而在显示设备上显示。可以通过图片是单一来源还是多来源确定图片是否是多图层复合的图片。如果是制图软件制作的图片,该图片带有图层信息,根据图层信息也可以确定是多图层复合的图片。
例如,参见图15-图18,图15是一张复合图片(即待显示图片),其有3个图层,分别是图16、图17和图18。将图15拆分为3个待处理图片,分别对每个待处理图片进行美化处理,然后再按照图层顺序重新合成复合图片。每个图层的待处理图片的质量均有所提升,使得合成后的待显示图片的质量大幅度提升。
在一个实施例中,所述方法还包括:步骤D1。
在步骤D1中,按照所述图层顺序,根据每个图层的透明度,确定每个图层的待处理图片的可见区域;
步骤104包括:步骤D2。
在步骤D2中,根据图片处理参数值,对所述待处理图片中的可见区域进行处理。
继续图15-图18所示的例子,图15是一张桌面的复合图片,图16是顶部的状态栏,状态栏所在图层位于顶部,未被其它图层遮挡,整张图片均可见。图17是壁纸,壁纸所在图层位于底部,可被上方图层遮挡,部分图片可见。图18是图标界面,图标界面所在图层位于顶部,整张图片均可见。但图18可部分遮盖图17,使图17部件图片可见。图16和图18均位于顶部图层,所以其可见区域为整张图片,对整张图片进行美化处理。图17位于底部图层,其上方是图18,根据图18的透明度确定图17的可见区域,如图15所示,图18中图标区域为非透明区域,对应到图17为非可见区域;图18中图标区域以外的部分为透明区域,对应到图17为可见区域。对图17中的可见区域进行美化处理,而不是对图17的整张图片进行处理,减少了美化处理的工作量,提高了处理效率,减少了功耗。
在对待处理图片进行处理之前,可以判断是否需要进行美化处理,如果需要进行美化处理,再继续步骤104。
下面通过几个实施例详细介绍图片处理的过程。
图19是根据一示例性实施例示出的一种图片处理的方法的流程图,如图19所示,该方法可以由移动终端实现,包括以下步骤:
在步骤1901中,获取待处理图片。
在步骤1902中,计算所述待处理图片的信息熵。
在步骤1903中,根据所述信息熵确定所述待处理图片所属的类别。
在步骤1904中,确定图片处理算法。
在步骤1905中,根据所述待处理图片所属的类别,确定所述图片处理算法的图片处理参数值。
在步骤1906中,根据图片处理参数值,对所述待处理图片进行处理。
图20是根据一示例性实施例示出的一种图片处理的方法的流程图,如图20所示,该方法可以由移动终端实现,包括以下步骤:
在步骤2001中,获取包含多个图层的待显示图片。
在步骤2002中,确定所述待显示图片的图层顺序。
在步骤2003中,对所述待显示图片进行图层拆分,获得每个图层的待处理图片。
在步骤2004中,计算所述待处理图片的颜色分布信息。
在步骤2005中,根据所述颜色分布信息确定所述待处理图片所属的类别。
在步骤2006中,确定图片处理算法。
在步骤2007中,根据所述待处理图片所属的类别,确定所述图片处理算法的图片处理参数值。
在步骤2008中,根据图片处理参数值,对所述待处理图片进行处理。
在步骤2009中,按照所述图层顺序,对处理后的所述待处理图片进行合成,获得处理后的待显示图片。
图21是根据一示例性实施例示出的一种图片处理的方法的流程图,如图21所示,该方法可以由移动终端实现,包括以下步骤:
在步骤2101中,获取包含多个图层的待显示图片。
在步骤2102中,确定所述待显示图片的图层顺序。
在步骤2103中,对所述待显示图片进行图层拆分,获得每个图层的待处理图片。
在步骤2104中,计算所述待处理图片的颜色分布信息。
在步骤2105中,根据所述颜色分布信息确定所述待处理图片所属的类别。
在步骤2106中,确定图片处理算法。
在步骤2107中,根据所述待处理图片所属的类别,确定所述图片处理算法的图片处理参数值。
在步骤2108中,按照所述图层顺序,根据每个图层的透明度,确定每个图层的待处理图片的可见区域。
在步骤2109中,根据图片处理参数值,对所述待处理图片中的可见区域进行处理。
在步骤2110中,按照所述图层顺序,对处理后的所述待处理图片进行合成,获得处理后的待显示图片。
上述实施例可以根据实际需要进行各种组合。
通过以上介绍了解了图片处理的实现过程,该过程由移动终端或计算机实现,下面针对设备的内部结构和功能进行介绍。
图22是根据一示例性实施例示出的一种图片处理的装置示意图。参照图22,该装置包括:第一获取模块2201、类别模块2202、参数模块2203和处理模块2204。
第一获取模块2201,用于获取待处理图片。
类别模块2202,用于确定所述待处理图片所属的类别。
参数模块2203,用于根据所述待处理图片所属的类别,确定图片处理参数值。
处理模块2204,用于根据图片处理参数值,对所述待处理图片进行处理。
在一个实施例中,如图23和图24所示,所述类别模块2202包括:熵计算子模块2301和熵类别子模块2302,或包括:颜色计算子模块2401和颜色类别子模块2402。
熵计算子模块2301,用于计算所述待处理图片的信息熵。
熵类别子模块2302,用于根据所述信息熵确定所述待处理图片所属的类别。
颜色计算子模块2401,用于计算所述待处理图片的颜色分布信息。
颜色类别子模块2402,用于根据所述颜色分布信息确定所述待处理图片所属的类别。
在一个实施例中,如图25所示,所述参数模块2203包括:算法子模块2501和参数子模块2502。
算法子模块2501,用于确定图片处理算法。
参数子模块2502,用于根据所述待处理图片所属的类别,确定所述图片处理算法的图片处理参数值。
在一个实施例中,所述图片处理参数值包括锐化强度值;
所述类别包括自然类别和设计类别;
自然类别对应的图片处理参数值高于设计类别对应的图片处理参数值。
在一个实施例中,如图26所示,所述装置还包括:第二获取模块2601和图层模块2602。
第二获取模块2601,用于获取包含多个图层的待显示图片。
图层模块2602,用于确定所述待显示图片的图层顺序。
如图27所示,所述第一获取模块2201包括:拆分子模块2701。
拆分子模块2701,用于对所述待显示图片进行图层拆分,获得每个图层的待处理图片。
所述装置还包括:合成模块2801
如图28所示,合成模块2801,用于按照所述图层顺序,对处理后的所述待处理图片进行合成,获得处理后的待显示图片。
在一个实施例中,如图29所示,所述装置还包括:区域模块2901。
区域模块2901,用于按照所述图层顺序,根据每个图层的透明度,确定每个图层的待处理图片的可见区域;
所述处理模块2204包括:处理子模块3001。
如图30所示,处理子模块3001,用于根据图片处理参数值,对所述待处理图片中的可见区域进行处理。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图31是根据一示例性实施例示出的一种用于图片处理的装置3100的框图。例如,装置3100可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图31,装置3100可以包括以下一个或多个组件:处理组件3102,存储器3104,电源组件3106,多媒体组件3108,音频组件3110,输入/输出(I/O)的接口3112,传感器组件3114,以及通信组件3116。
处理组件3102通常控制装置3100的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件3102可以包括一个或多个处理器3120来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件3102可以包括一个或多个模块,便于处理组件3102和其他组件之间的交互。例如,处理组件3102可以包括多媒体模块,以方便多媒体组件3108和处理组件3102之间的交互。
存储器3104被配置为存储各种类型的数据以支持在装置3100的操作。这些数据的示例包括用于在装置3100上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器3104可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件3106为装置3100的各种组件提供电源。电源组件3106可以包括电源管理系统,一个或多个电源,及其他与为装置3100生成、管理和分配电源相关联的组件。
多媒体组件3108包括在所述装置3100和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件3108包括一个前置摄像头和/或后置摄像头。当装置3100处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件3110被配置为输出和/或输入音频信号。例如,音频组件3110包括一个麦克风(MIC),当装置3100处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器3104或经由通信组件3116发送。在一些实施例中,音频组件3110还包括一个扬声器,用于输出音频信号。
I/O接口3112为处理组件3102和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件3114包括一个或多个传感器,用于为装置3100提供各个方面的状态评估。例如,传感器组件3114可以检测到装置3100的打开/关闭状态,组件的相对定位,例如所述组件为装置3100的显示器和小键盘,传感器组件3114还可以检测装置3100或装置3100的一个组件的位置改变,用户与装置3100接触的存在或不存在,装置3100方位或加速/减速和装置3100的温度变化。传感器组件3114可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件3114还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件3114还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件3116被配置为便于装置3100和其他设备之间有线或无线方式的通信。装置3100可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件3116经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件3116还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置3100可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器3104,上述指令可由装置3100的处理器3120执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种图片处理的装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取待处理图片;
确定所述待处理图片所属的类别;
根据所述待处理图片所属的类别,确定图片处理参数值;
根据图片处理参数值,对所述待处理图片进行处理。
所述处理器还可以被配置为:
所述确定所述待处理图片所属的类别,包括:
计算所述待处理图片的信息熵;
根据所述信息熵确定所述待处理图片所属的类别;
或者
计算所述待处理图片的颜色分布信息;
根据所述颜色分布信息确定所述待处理图片所属的类别。
所述处理器还可以被配置为:
所述根据所述待处理图片所属的类别,确定图片处理参数值,包括:
确定图片处理算法;
根据所述待处理图片所属的类别,确定所述图片处理算法的图片处理参数值。
所述处理器还可以被配置为:
所述图片处理参数值包括锐化强度值;
所述类别包括自然类别和设计类别;
自然类别对应的锐化强度值高于设计类别对应的锐化强度值。
所述处理器还可以被配置为:
在获取待处理图片之前,所述方法还包括:
获取包含多个图层的待显示图片;
确定所述待显示图片的图层顺序;
所述获取待处理图片,包括:
对所述待显示图片进行图层拆分,获得每个图层的待处理图片;
所述根据图片处理参数值,对所述待处理图片进行处理之后,所述方法还包括:
按照所述图层顺序,对处理后的所述待处理图片进行合成,获得处理后的待显示图片。
所述处理器还可以被配置为:
所述方法还包括:
按照所述图层顺序,根据每个图层的透明度,确定每个图层的待处理图片的可见区域;
所述根据图片处理参数值,对所述待处理图片进行处理,包括:
根据图片处理参数值,对所述待处理图片中的可见区域进行处理。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种图片处理的方法,所述方法包括:
获取待处理图片;
确定所述待处理图片所属的类别;
根据所述待处理图片所属的类别,确定图片处理参数值;
根据图片处理参数值,对所述待处理图片进行处理。
所述存储介质中的指令还可以包括:
所述确定所述待处理图片所属的类别,包括:
计算所述待处理图片的信息熵;
根据所述信息熵确定所述待处理图片所属的类别;
或者
计算所述待处理图片的颜色分布信息;
根据所述颜色分布信息确定所述待处理图片所属的类别。
所述存储介质中的指令还可以包括:
所述根据所述待处理图片所属的类别,确定图片处理参数值,包括:
确定图片处理算法;
根据所述待处理图片所属的类别,确定所述图片处理算法的图片处理参数值。
所述存储介质中的指令还可以包括:
所述图片处理参数值包括锐化强度值;
所述类别包括自然类别和设计类别;
自然类别对应的锐化强度值高于设计类别对应的锐化强度值。
所述存储介质中的指令还可以包括:
在获取待处理图片之前,所述方法还包括:
获取包含多个图层的待显示图片;
确定所述待显示图片的图层顺序;
所述获取待处理图片,包括:
对所述待显示图片进行图层拆分,获得每个图层的待处理图片;
所述根据图片处理参数值,对所述待处理图片进行处理之后,所述方法还包括:
按照所述图层顺序,对处理后的所述待处理图片进行合成,获得处理后的待显示图片。
所述存储介质中的指令还可以包括:
所述方法还包括:
按照所述图层顺序,根据每个图层的透明度,确定每个图层的待处理图片的可见区域;
所述根据图片处理参数值,对所述待处理图片进行处理,包括:
根据图片处理参数值,对所述待处理图片中的可见区域进行处理。
图32是根据一示例性实施例示出的一种用于图片处理的装置3200的框图。例如,装置3200可以被提供为一计算机。参照图32,装置3200包括处理组件3222,其进一步包括一个或多个处理器,以及由存储器3232所代表的存储器资源,用于存储可由处理组件3222的执行的指令,例如应用程序。存储器3232中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件3222被配置为执行指令,以执行上述方法图片处理。
装置3200还可以包括一个电源组件3226被配置为执行装置3200的电源管理,一个有线或无线网络接口3250被配置为将装置3200连接到网络,和一个输入输出(I/O)接口3258。装置3200可以操作基于存储在存储器3232的操作系统,例如Windows ServerTM,MacOS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (13)
1.一种图片处理的方法,其特征在于,包括:
获取待处理图片;
确定所述待处理图片所属的类别;
根据所述待处理图片所属的类别,确定图片处理参数值;
根据图片处理参数值,对所述待处理图片进行处理。
2.根据权利要求1所述的图片处理的方法,其特征在于,所述确定所述待处理图片所属的类别,包括:
计算所述待处理图片的信息熵;
根据所述信息熵确定所述待处理图片所属的类别;
或者
计算所述待处理图片的颜色分布信息;
根据所述颜色分布信息确定所述待处理图片所属的类别。
3.根据权利要求1所述的图片处理的方法,其特征在于,所述根据所述待处理图片所属的类别,确定图片处理参数值,包括:
确定图片处理算法;
根据所述待处理图片所属的类别,确定所述图片处理算法的图片处理参数值。
4.根据权利要求1所述的图片处理的方法,其特征在于,所述图片处理参数值包括锐化强度值;
所述类别包括自然类别和设计类别;
自然类别对应的锐化强度值高于设计类别对应的锐化强度值。
5.根据权利要求1所述的图片处理的方法,其特征在于,在获取待处理图片之前,所述方法还包括:
获取包含多个图层的待显示图片;
确定所述待显示图片的图层顺序;
所述获取待处理图片,包括:
对所述待显示图片进行图层拆分,获得每个图层的待处理图片;
所述根据图片处理参数值,对所述待处理图片进行处理之后,所述方法还包括:
按照所述图层顺序,对处理后的所述待处理图片进行合成,获得处理后的待显示图片。
6.根据权利要求5所述的图片处理的方法,其特征在于,所述方法还包括:
按照所述图层顺序,根据每个图层的透明度,确定每个图层的待处理图片的可见区域;
所述根据图片处理参数值,对所述待处理图片进行处理,包括:
根据图片处理参数值,对所述待处理图片中的可见区域进行处理。
7.一种图片处理的装置,其特征在于,包括:
第一获取模块,用于获取待处理图片;
类别模块,用于确定所述待处理图片所属的类别;
参数模块,用于根据所述待处理图片所属的类别,确定图片处理参数值;
处理模块,用于根据图片处理参数值,对所述待处理图片进行处理。
8.根据权利要求7所述的图片处理的装置,其特征在于,所述类别模块包括:
熵计算子模块,用于计算所述待处理图片的信息熵;
熵类别子模块,用于根据所述信息熵确定所述待处理图片所属的类别;
或者
颜色计算子模块,用于计算所述待处理图片的颜色分布信息;
颜色类别子模块,用于根据所述颜色分布信息确定所述待处理图片所属的类别。
9.根据权利要求7所述的图片处理的装置,其特征在于,所述参数模块包括:
算法子模块,用于确定图片处理算法;
参数子模块,用于根据所述待处理图片所属的类别,确定所述图片处理算法的图片处理参数值。
10.根据权利要求7所述的图片处理的装置,其特征在于,所述图片处理参数值包括锐化强度值;
所述类别包括自然类别和设计类别;
自然类别对应的图片处理参数值高于设计类别对应的图片处理参数值。
11.根据权利要求7所述的图片处理的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取包含多个图层的待显示图片;
图层模块,用于确定所述待显示图片的图层顺序;
所述第一获取模块包括:
拆分子模块,用于对所述待显示图片进行图层拆分,获得每个图层的待处理图片;
所述装置还包括:
合成模块,用于按照所述图层顺序,对处理后的所述待处理图片进行合成,获得处理后的待显示图片。
12.根据权利要求11所述的图片处理的装置,其特征在于,所述装置还包括:
区域模块,用于按照所述图层顺序,根据每个图层的透明度,确定每个图层的待处理图片的可见区域;
所述处理模块包括:
处理子模块,用于根据图片处理参数值,对所述待处理图片中的可见区域进行处理。
13.一种图片处理的装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取待处理图片;
确定所述待处理图片所属的类别;
根据所述待处理图片所属的类别,确定图片处理参数值;
根据图片处理参数值,对所述待处理图片进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710475854.9A CN109102467A (zh) | 2017-06-21 | 2017-06-21 | 图片处理的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710475854.9A CN109102467A (zh) | 2017-06-21 | 2017-06-21 | 图片处理的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109102467A true CN109102467A (zh) | 2018-12-28 |
Family
ID=64796332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710475854.9A Pending CN109102467A (zh) | 2017-06-21 | 2017-06-21 | 图片处理的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109102467A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829864A (zh) * | 2019-01-30 | 2019-05-31 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、设备及存储介质 |
CN113270169A (zh) * | 2021-05-26 | 2021-08-17 | 青岛海信医疗设备股份有限公司 | 一种图像显示方法、装置、处理设备及介质 |
CN113763286A (zh) * | 2021-09-27 | 2021-12-07 | 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 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101247482A (zh) * | 2007-05-16 | 2008-08-20 | 北京思比科微电子技术有限公司 | 一种实现动态图像处理的方法和装置 |
US20100119149A1 (en) * | 2008-11-12 | 2010-05-13 | Samsung Electronics Co., Ltd. | Image processing apparatus and method of enhancing depth perception |
CN101853513A (zh) * | 2010-06-06 | 2010-10-06 | 华中科技大学 | 一种基于信息熵的时空显著性视觉注意方法 |
CN104484867A (zh) * | 2014-12-30 | 2015-04-01 | 小米科技有限责任公司 | 图片处理方法及装置 |
CN105631467A (zh) * | 2015-12-18 | 2016-06-01 | 小米科技有限责任公司 | 显示图片的方法及装置 |
CN105760884A (zh) * | 2016-02-22 | 2016-07-13 | 北京小米移动软件有限公司 | 图片类型的识别方法及装置 |
CN105930159A (zh) * | 2016-04-20 | 2016-09-07 | 中山大学 | 一种基于图像的界面代码生成的方法及系统 |
CN106055294A (zh) * | 2016-05-23 | 2016-10-26 | 福州瑞芯微电子股份有限公司 | 一种图层合成优化方法和装置 |
CN106331427A (zh) * | 2016-08-24 | 2017-01-11 | 北京小米移动软件有限公司 | 饱和度增强方法及装置 |
CN106339224A (zh) * | 2016-08-24 | 2017-01-18 | 北京小米移动软件有限公司 | 可读性增强方法及装置 |
CN106339992A (zh) * | 2016-08-24 | 2017-01-18 | 北京小米移动软件有限公司 | 对比度增强方法及装置 |
CN106341574A (zh) * | 2016-08-24 | 2017-01-18 | 北京小米移动软件有限公司 | 色域映射方法及装置 |
CN106775201A (zh) * | 2016-11-23 | 2017-05-31 | 珠海市魅族科技有限公司 | 图标显示方法及装置 |
CN106815812A (zh) * | 2015-12-01 | 2017-06-09 | 卡西欧计算机株式会社 | 图像处理装置以及图像处理方法 |
CN106851113A (zh) * | 2017-03-30 | 2017-06-13 | 努比亚技术有限公司 | 一种基于双摄像头的拍照方法及移动终端 |
-
2017
- 2017-06-21 CN CN201710475854.9A patent/CN109102467A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101247482A (zh) * | 2007-05-16 | 2008-08-20 | 北京思比科微电子技术有限公司 | 一种实现动态图像处理的方法和装置 |
US20100119149A1 (en) * | 2008-11-12 | 2010-05-13 | Samsung Electronics Co., Ltd. | Image processing apparatus and method of enhancing depth perception |
CN101853513A (zh) * | 2010-06-06 | 2010-10-06 | 华中科技大学 | 一种基于信息熵的时空显著性视觉注意方法 |
CN104484867A (zh) * | 2014-12-30 | 2015-04-01 | 小米科技有限责任公司 | 图片处理方法及装置 |
CN106815812A (zh) * | 2015-12-01 | 2017-06-09 | 卡西欧计算机株式会社 | 图像处理装置以及图像处理方法 |
CN105631467A (zh) * | 2015-12-18 | 2016-06-01 | 小米科技有限责任公司 | 显示图片的方法及装置 |
CN105760884A (zh) * | 2016-02-22 | 2016-07-13 | 北京小米移动软件有限公司 | 图片类型的识别方法及装置 |
CN105930159A (zh) * | 2016-04-20 | 2016-09-07 | 中山大学 | 一种基于图像的界面代码生成的方法及系统 |
CN106055294A (zh) * | 2016-05-23 | 2016-10-26 | 福州瑞芯微电子股份有限公司 | 一种图层合成优化方法和装置 |
CN106331427A (zh) * | 2016-08-24 | 2017-01-11 | 北京小米移动软件有限公司 | 饱和度增强方法及装置 |
CN106339224A (zh) * | 2016-08-24 | 2017-01-18 | 北京小米移动软件有限公司 | 可读性增强方法及装置 |
CN106339992A (zh) * | 2016-08-24 | 2017-01-18 | 北京小米移动软件有限公司 | 对比度增强方法及装置 |
CN106341574A (zh) * | 2016-08-24 | 2017-01-18 | 北京小米移动软件有限公司 | 色域映射方法及装置 |
CN106775201A (zh) * | 2016-11-23 | 2017-05-31 | 珠海市魅族科技有限公司 | 图标显示方法及装置 |
CN106851113A (zh) * | 2017-03-30 | 2017-06-13 | 努比亚技术有限公司 | 一种基于双摄像头的拍照方法及移动终端 |
Non-Patent Citations (1)
Title |
---|
赵问道 等: "《多媒体技术原理与应用》", 30 June 2007, 浙江大学出版社 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829864A (zh) * | 2019-01-30 | 2019-05-31 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、设备及存储介质 |
CN109829864B (zh) * | 2019-01-30 | 2021-05-18 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、设备及存储介质 |
CN113270169A (zh) * | 2021-05-26 | 2021-08-17 | 青岛海信医疗设备股份有限公司 | 一种图像显示方法、装置、处理设备及介质 |
WO2022247680A1 (zh) * | 2021-05-26 | 2022-12-01 | 青岛海信医疗设备股份有限公司 | 一种图像显示方法、处理设备及介质 |
CN113270169B (zh) * | 2021-05-26 | 2023-03-14 | 青岛海信医疗设备股份有限公司 | 一种图像显示方法、装置、处理设备及介质 |
CN113763286A (zh) * | 2021-09-27 | 2021-12-07 | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11410277B2 (en) | Method and device for blurring image background, storage medium and electronic apparatus | |
CN107423699B (zh) | 活体检测方法及相关产品 | |
Le Meur et al. | Introducing context-dependent and spatially-variant viewing biases in saccadic models | |
CN104375797B (zh) | 一种信息处理方法及电子设备 | |
US10430694B2 (en) | Fast and accurate skin detection using online discriminative modeling | |
CN105469356B (zh) | 人脸图像处理方法及装置 | |
CN107798654B (zh) | 图像磨皮方法及装置、存储介质 | |
CN107862673A (zh) | 图像处理方法及装置 | |
CN110852160A (zh) | 以图像为基准的生物识别系统及计算机实施方法 | |
CN106295515B (zh) | 确定图像中的人脸区域的方法及装置 | |
CN107368810A (zh) | 人脸检测方法及装置 | |
CN104239879B (zh) | 分割字符的方法及装置 | |
CN109741280A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
US9575566B2 (en) | Technologies for robust two-dimensional gesture recognition | |
US8731248B2 (en) | Method of performing eye circle correction an image and related computing device | |
US9846956B2 (en) | Methods, systems and computer-readable mediums for efficient creation of image collages | |
CN109102467A (zh) | 图片处理的方法及装置 | |
CN107172354A (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN116580028B (zh) | 一种物体表面缺陷检测方法、装置、设备及存储介质 | |
CN107507128A (zh) | 图像处理方法及设备 | |
CN112184540A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
Ma et al. | Noise-against skeleton extraction framework and application on hand gesture recognition | |
US20190205689A1 (en) | Method and device for processing image, electronic device and medium | |
CN113052923A (zh) | 色调映射方法、装置、电子设备和存储介质 | |
CN108010009A (zh) | 一种去除干扰图像的方法及装置 |
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 |
Application publication date: 20181228 |
|
RJ01 | Rejection of invention patent application after publication |