CN109785400A - 一种剪影图像制作方法、装置、电子设备及存储介质 - Google Patents
一种剪影图像制作方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109785400A CN109785400A CN201811382667.7A CN201811382667A CN109785400A CN 109785400 A CN109785400 A CN 109785400A CN 201811382667 A CN201811382667 A CN 201811382667A CN 109785400 A CN109785400 A CN 109785400A
- Authority
- CN
- China
- Prior art keywords
- picture
- sample image
- sketch
- produced
- production method
- 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
Landscapes
- Image Analysis (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种剪影图像制作方法,该方法包括以下步骤:S1:收集样本图像;S2:根据样本图像点选样本图像中具有轮廓的物品的边缘轮廓坐标;S3:根据边缘轮廓坐标按顺序连线并输出连线区域,进行学习训练,通过反复训练建立不同类型常见物品的边缘轮廓,得到学习集模型,根据每个类型的样本图像得到相应类型的学习集模型;S4:获取需要进行剪影制作的待制作图片,把待制作图片与学习集模型进行比对,获得待制作图片中具有轮廓的物品的关键点坐标;S5:根据关键点坐标连线并且输出闭合区域,再对闭合区域进行颜色填充;本发明还公开了剪影图像制作装置、电子设备及计算机可读存储介质。本发明能解决剪影制作对制作人员能力要求较高的问题。
Description
技术领域
本发明涉及图像制作技术领域,尤其涉及一种剪影图像制作方法、装置、电子设备及存储介质。
背景技术
依照人脸或人体及其他物体的轮廓剪纸成形谓之剪影。剪影表现的是物体的轮廓,突出主体,表现人物、建筑、山峦、树木等的外形以及姿态,只呈现其深暗的轮廓形状,而不要求表现它们的细部影纹层次。
剪影的制作,通常需要有较强的专业手绘能力,需要观察对象的轮廓特征进行总结后,在纸张或者绘图软件中通过手绘制作草稿,再对纸张进行裁剪切割,或在电子绘图软件中对手绘图形进行填充颜色而得到剪影图形。除了需要剪影制作人员具备专业的手绘能力外,也需要耗费较长的制作时间,对于普通人想要制作剪影图形有较高的学习门槛。
发明内容
为了克服现有技术的不足,本发明的目的之一在于提供一种剪影图像制作方法,其能解决剪影制作对制作人员能力要求较高的问题。
本发明的目的之一在于提供一种剪影图像制作装置,其能解决剪影制作对制作人员能力要求较高的问题。
本发明的目的之三在于提供一种剪影图像制作方法的电子设备。
本发明的目的之四在于提供一种存储上述剪影图像制作方法的计算机可读存储介质。
本发明的目的之一采用以下技术方案实现:
一种剪影图像制作方法,包括以下步骤:
S1:收集样本图像;
S2:根据样本图像点选样本图像中具有轮廓的物品的边缘轮廓坐标;
S3:根据边缘轮廓坐标按顺序连线并输出连线区域,进行学习训练,通过反复训练建立不同类型的常见物品的边缘轮廓,从而得到学习集模型,通过训练,可以根据每个类型的样本图像得到相应类型的学习集模型;
S4:获取需要进行剪影制作的待制作图片,把待制作图片与学习集模型进行比对,获得待制作图片中具有轮廓的物品的关键点坐标;
S5:根据关键点坐标连线并且输出闭合区域,再对闭合区域进行颜色填充。
进一步地,在所述S1与所述S2之间还包括S11:对所述样本图像进行使所述样本图像只呈现黑白灰三种颜色的灰度处理。
进一步地,所述S4在获取所述待制作图片后还包括S41:对所述待制作图片进行使所述待制作图片只呈现黑白灰三种颜色的灰度处理。
进一步地,利用加权平均法公式进行灰度处理。
进一步地,所述加权平均法公式具体为:f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j),其中f(i,j)表示样本图像或待制作图片中一个像素点的灰度值,i、j表示该像素点所在二维空间的位置,即该像素点的位置为二维空间中的第i行以及第j列,R、G、B分别表示该像素点的红色通道值、绿色通道值以及蓝色通道值,0.30、0.59、0.11分别表示相应颜色通道值的权重。
进一步地,所述样本图像包括人物、动物、植物、建筑或风景中的一种或多种。
进一步地,所述学习集模型为多个,每个学习集模型对应一个类型的样本图像。
本发明的目的之二采用如下技术方案实现:
一种剪影图像制作装置,包括:
收集模块:用于收集样本图像;
点选模块:用于根据样本图像点选样本图像中具有轮廓的物品的边缘轮廓坐标;
构建模块:用于根据边缘轮廓坐标按顺序连线并输出连线区域,进行学习训练,通过反复训练建立不同类型的常见物品的边缘轮廓,从而得到学习集模型,通过训练,根据每个类型的样本图像得到相应类型的学习集模型;
比对模块:用于获取需要进行剪影制作的待制作图片,把待制作图片与学习集模型进行比对,获得待制作图片中具有轮廓的物品的关键点坐标;
填充模块:用于根据关键点坐标连线并且输出闭合区域,再对闭合区域进行颜色填充。
本发明的目的之三采用如下技术方案实现:
一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明目的之一的剪影图像制作方法。
本发明的目的之四采用如下技术方案实现:
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,该程序被处理器执行时实现本发明目的之一的剪影图像制作方法。
相比现有技术,本发明的有益效果在于:该剪影图像制作方法是先获取样本图像然后处理建立学习集模型,再获取待制作图片并将其与学习集模型进行比对从而制作剪影,该方法广泛适用于普罗大众,无论是具备较高专业能力的剪影制作者、具备剪影制作专业能力但并不高的学者或是普通人均可以使用该方法随时制作剪影,降低了学习门槛,并且该制作剪影的方法简单、方便,同时亦缩短了制作剪影的时间成本,提高了经济效益。
附图说明
图1为本发明实施例一的剪影图像制作方法的流程框图;
图2为本发明实施例二的剪影图像制作装置的结构示意图;
图3为本发明实施例三的电子设备的结构示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例:
实施例一
如图1所示,一种剪影图像制作方法,其包括以下步骤:
S1:收集样本图像,收集的方式可以多样,例如从网络、杂志、报纸、书本、照片集等具有各种各样人物或物品的地方收集,可以利用软件或人工收集,样本图像包括人物图像、动物图像、植物图像、建筑图像以及风景图像,每种不同类型的图像均包含不同的拍摄角度以及不同的形态及姿势等的图像,尽可能地收集大量的样本图像以便于后续与待制作图片进行更精细地比对;
S11:利用加权平均法公式对样本图像进行使样本图像只呈现黑白灰三种颜色的灰度处理,对样本图像进行灰度处理可以去除样本图像中多余的杂色,提高服务器的处理效率;
S2:根据样本图像点选样本图像中具有轮廓的物品的边缘轮廓坐标,点选边缘轮廓坐标的方式可为电脑点选或人工点选方式,通过点选标记,勾选出收集到的各类样本图像中人物或物品的边缘轮廓,按顺序提取边缘轮廓的各边缘轮廓坐标,得到各类人、动物、植物等常见物品的边缘轮廓坐标;
S3:根据边缘轮廓坐标按顺序连线并输出连线区域,进行学习训练,通过反复训练建立每类型人、动物、植物等常见物品的边缘轮廓,从而得到学习集模型,通过训练,可以根据每个类型的样本图像得到相应类型的学习集模型;
S4:获取需要进行剪影制作的待制作图片;
S41:利用加权平均法公式对待制作图片进行使待制作图片只呈现黑白灰三种颜色的灰度处理,对待制作图片进行灰度处理可以去除待制作图片中多余的杂色,提高服务器的处理效率;
S42:把进行灰度处理后的待制作图片与建立好的学习集模型进行比对,获得待制作图片中具有边缘轮廓的物品的关键点坐标,S42具体方法:提取待制作图片中具有轮廓的物品或人物的特征点,将提取的特征点输入建立好的学习集模型中进行比对分析,当待制作图片中的特征点与建立好的学习集模型中的边缘轮廓坐标所在的特征点的相似度达到85%时,确认待制作图片的特征点并且提取该特征点的坐标作为待制作图片的关键点坐标;
S5:根据关键点坐标按其顺序连线并且输出闭合的多边形区域,再对该区域进行颜色填充,得到剪影图像。
该剪影图像制作方法是先获取大量样本图像然后处理建立各种人、动物等常见物品的学习集模型库,再获取待制作图片并将其与学习集模型进行比对,通过学习集模块库对大自然及日常生活中的大部分场景进行自动分析从而得到剪影图像,该方法广泛适用于普罗大众,无论是具备较高专业能力的剪影制作者、具备剪影制作专业能力但并不高的人或是普通人均可以使用该方法随时制作剪影,降低了学习门槛,并且该制作剪影的方法简单、方便,同时亦缩短了制作剪影的时间成本,提高了经济效益,与社会快速发展的步伐一致。
更佳地,加权平均法公式具体为:f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j),其中f(i,j)表示样本图像或待制作图片中一个像素点的灰度值,i、j表示该像素点所在二维空间的位置,即该像素点的位置为二维空间中的第i行以及第j列,R、G、B分别表示该像素点的红色通道值、绿色通道值以及蓝色通道值,0.30、0.59、0.11分别表示相应颜色通道值的权重;根据该加权平均法公式计算样本图像或待制作图片中每个像素点的灰度值,取值范围为0-255,使样本图像和制作图片都呈现黑白灰状态。
更佳地,学习集模型为多个,每个学习集模型对应一个类型的样本图像。
实施例二
实施例二公开了一种对应上述实施例的剪影图像制作装置,请参照图2所示,其包括:
收集模块:用于收集样本图像;
点选模块:用于根据样本图像点选样本图像中具有轮廓的物品的边缘轮廓坐标;
构建模块:用于根据边缘轮廓坐标按顺序连线并输出连线区域,进行学习训练,通过反复训练建立每类型人、动物、植物等常见物品的边缘轮廓,从而得到学习集模型,通过训练,可以根据每个类型的样本图像得到相应类型的学习集模型;
比对模块:用于获取需要进行剪影制作的待制作图片,把待制作图片与学习集模型进行比对,获得待制作图片中具有轮廓的物品的关键点坐标:提取待制作图片中具有轮廓的物品或人物的特征点,将提取的特征点输入建立好的学习集模型中进行比对分析,当待制作图片中的特征点与建立好的学习集模型中的边缘轮廓坐标所在的特征点的相似度达到85%时,确认待制作图片的特征点并且提取该特征点的坐标作为待制作图片的关键点坐标;
填充模块:用于根据关键点坐标连线并且输出闭合区域,再对闭合区域进行颜色填充。
实施例三
图3为本发明实施例三提供的一种电子设备的结构示意图,如图3所示,该电子设备包括处理器310、存储器320、输入装置330和输出装置340;计算机设备中处理器310的数量可以是一个或多个,图3中以一个处理器310为例;电子设备中的处理器310、存储器320、输入装置330和输出装置340可以通过总线或其他方式连接,图3中以通过总线连接为例。
存储器320作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的剪影图像制作方法对应的程序指令/模块(例如,剪影图像制作装置中的收集模块、点选模块、构建模块、比对模块以及填充模块)。处理器310通过运行存储在存储器320中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述的剪影图像制作方法。
存储器320可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器320可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器320可进一步包括相对于处理器310远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可用于接收输入的用户身份信息。输出装置340可包括显示屏等显示设备。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种剪影图像制作方法,该方法包括:
S1:收集样本图像;
S2:根据样本图像点选样本图像中具有轮廓的物品的边缘轮廓坐标;
S3:根据边缘轮廓坐标按顺序连线并输出连线区域,进行学习训练,通过反复训练建立每类型人、动物、植物等常见物品的边缘轮廓,从而得到学习集模型,通过训练,可以根据每个类型的样本图像得到相应类型的学习集模型;
S4:获取需要进行剪影制作的待制作图片,把待制作图片与学习集模型进行比对,获得待制作图片中具有轮廓的物品的关键点坐标;
S5:根据关键点坐标连线并且输出闭合区域,再对闭合区域进行颜色填充。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的剪影图像制作方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台电子设备(可以是手机,个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述剪影图像制作装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
对本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及形变,而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (10)
1.一种剪影图像制作方法,其特征在于:包括以下步骤:
S1:收集样本图像;
S2:根据样本图像点选样本图像中具有轮廓的物品的边缘轮廓坐标;
S3:根据边缘轮廓坐标按顺序连线并输出连线区域,进行学习训练,通过反复训练建立不同类型的常见物品的边缘轮廓,从而得到学习集模型,通过训练,根据每个类型的样本图像得到相应类型的学习集模型;
S4:获取需要进行剪影制作的待制作图片,把待制作图片与学习集模型进行比对,获得待制作图片中具有轮廓的物品的关键点坐标;
S5:根据关键点坐标连线并且输出闭合区域,再对闭合区域进行颜色填充。
2.如权利要求1所述的剪影图像制作方法,其特征在于:在所述S1与所述S2之间还包括S11:对所述样本图像进行使所述样本图像只呈现黑白灰三种颜色的灰度处理。
3.如权利要求2所述的剪影图像制作方法,其特征在于:所述S4在获取所述待制作图片后还包括S41:对所述待制作图片进行使所述待制作图片只呈现黑白灰三种颜色的灰度处理。
4.如权利要求2或3所述的剪影图像制作方法,其特征在于:利用加权平均法公式进行灰度处理。
5.如权利要求4所述的剪影图像制作方法,其特征在于:所述加权平均法公式具体为:f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j),其中f(i,j)表示样本图像或待制作图片中一个像素点的灰度值,i、j表示该像素点所在二维空间的位置,即该像素点的位置为二维空间中的第i行以及第j列,R、G、B分别表示该像素点的红色通道值、绿色通道值以及蓝色通道值,0.30、0.59、0.11分别表示相应颜色通道值的权重。
6.如权利要求1所述的剪影图像制作方法,其特征在于:所述样本图像包括人物、动物、植物、建筑或风景中的一种或多种。
7.如权利要求6所述的剪影图像制作方法,其特征在于:所述学习集模型为多个,每个学习集模型对应一个类型的样本图像。
8.一种剪影图像制作装置,其特征在于,包括:
收集模块:用于收集样本图像;
点选模块:用于根据样本图像点选样本图像中具有轮廓的物品的边缘轮廓坐标;
构建模块:用于根据边缘轮廓坐标按顺序连线并输出连线区域,进行学习训练,通过反复训练建立不同类型的常见物品的边缘轮廓,从而得到学习集模型,通过训练,根据每个类型的样本图像得到相应类型的学习集模型;
比对模块:用于获取需要进行剪影制作的待制作图片,把待制作图片与学习集模型进行比对,获得待制作图片中具有轮廓的物品的关键点坐标;
填充模块:用于根据关键点坐标连线并且输出闭合区域,再对闭合区域进行颜色填充。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的剪影图像制作方法。
10.一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,该程序被处理器执行时实现如权利要求1-7中任一项所述的剪影图像制作方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811382667.7A CN109785400B (zh) | 2018-11-20 | 2018-11-20 | 一种剪影图像制作方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811382667.7A CN109785400B (zh) | 2018-11-20 | 2018-11-20 | 一种剪影图像制作方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109785400A true CN109785400A (zh) | 2019-05-21 |
CN109785400B CN109785400B (zh) | 2023-08-04 |
Family
ID=66496571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811382667.7A Active CN109785400B (zh) | 2018-11-20 | 2018-11-20 | 一种剪影图像制作方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109785400B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110910414A (zh) * | 2019-10-31 | 2020-03-24 | 五邑大学 | 图像轮廓生成方法、图像标注方法、电子装置及存储介质 |
CN111027492A (zh) * | 2019-12-12 | 2020-04-17 | 广东智媒云图科技股份有限公司 | 一种肢体特征点连线的动物作画方法及装置 |
CN111832611A (zh) * | 2020-06-03 | 2020-10-27 | 北京百度网讯科技有限公司 | 动物识别模型的训练方法、装置、设备及存储介质 |
CN112532838A (zh) * | 2020-11-25 | 2021-03-19 | 努比亚技术有限公司 | 一种图像处理方法、移动终端以及计算机存储介质 |
CN112561938A (zh) * | 2020-12-22 | 2021-03-26 | 陕西理工大学 | 一种计算机图像处理方法 |
CN116524592A (zh) * | 2023-04-18 | 2023-08-01 | 凯通科技股份有限公司 | 一种步态序列剪影生成方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009217606A (ja) * | 2008-03-11 | 2009-09-24 | Osaka Prefecture Univ | 塗り絵用線画の生成方法および生成プログラム |
CN103886589A (zh) * | 2014-02-27 | 2014-06-25 | 四川农业大学 | 面向目标的自动化高精度边缘提取方法 |
CN105654531A (zh) * | 2015-12-30 | 2016-06-08 | 北京金山安全软件有限公司 | 一种图像轮廓的绘制方法及装置 |
CN106408024A (zh) * | 2016-09-20 | 2017-02-15 | 四川大学 | 针对dr片的肺叶轮廓提取方法 |
CN108062782A (zh) * | 2018-01-30 | 2018-05-22 | 哈尔滨福特威尔科技有限公司 | 一种鞋楦平面轮廓线自动生成装置及方法 |
CN108305223A (zh) * | 2018-01-09 | 2018-07-20 | 珠海格力电器股份有限公司 | 图像背景虚化处理方法及装置 |
US20180232599A1 (en) * | 2014-11-18 | 2018-08-16 | Harry Padubrin | Learning Contour Identification System Using Portable Contour Metrics Derived From Contour Mappings |
CN108594244A (zh) * | 2018-04-28 | 2018-09-28 | 吉林大学 | 基于立体视觉和激光雷达的障碍物识别迁移学习方法 |
-
2018
- 2018-11-20 CN CN201811382667.7A patent/CN109785400B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009217606A (ja) * | 2008-03-11 | 2009-09-24 | Osaka Prefecture Univ | 塗り絵用線画の生成方法および生成プログラム |
CN103886589A (zh) * | 2014-02-27 | 2014-06-25 | 四川农业大学 | 面向目标的自动化高精度边缘提取方法 |
US20180232599A1 (en) * | 2014-11-18 | 2018-08-16 | Harry Padubrin | Learning Contour Identification System Using Portable Contour Metrics Derived From Contour Mappings |
CN105654531A (zh) * | 2015-12-30 | 2016-06-08 | 北京金山安全软件有限公司 | 一种图像轮廓的绘制方法及装置 |
CN106408024A (zh) * | 2016-09-20 | 2017-02-15 | 四川大学 | 针对dr片的肺叶轮廓提取方法 |
CN108305223A (zh) * | 2018-01-09 | 2018-07-20 | 珠海格力电器股份有限公司 | 图像背景虚化处理方法及装置 |
CN108062782A (zh) * | 2018-01-30 | 2018-05-22 | 哈尔滨福特威尔科技有限公司 | 一种鞋楦平面轮廓线自动生成装置及方法 |
CN108594244A (zh) * | 2018-04-28 | 2018-09-28 | 吉林大学 | 基于立体视觉和激光雷达的障碍物识别迁移学习方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110910414A (zh) * | 2019-10-31 | 2020-03-24 | 五邑大学 | 图像轮廓生成方法、图像标注方法、电子装置及存储介质 |
CN111027492A (zh) * | 2019-12-12 | 2020-04-17 | 广东智媒云图科技股份有限公司 | 一种肢体特征点连线的动物作画方法及装置 |
CN111027492B (zh) * | 2019-12-12 | 2024-01-23 | 广东智媒云图科技股份有限公司 | 一种肢体特征点连线的动物作画方法及装置 |
CN111832611A (zh) * | 2020-06-03 | 2020-10-27 | 北京百度网讯科技有限公司 | 动物识别模型的训练方法、装置、设备及存储介质 |
CN111832611B (zh) * | 2020-06-03 | 2024-01-12 | 北京百度网讯科技有限公司 | 动物识别模型的训练方法、装置、设备及存储介质 |
CN112532838A (zh) * | 2020-11-25 | 2021-03-19 | 努比亚技术有限公司 | 一种图像处理方法、移动终端以及计算机存储介质 |
CN112532838B (zh) * | 2020-11-25 | 2023-03-07 | 努比亚技术有限公司 | 一种图像处理方法、移动终端以及计算机存储介质 |
CN112561938A (zh) * | 2020-12-22 | 2021-03-26 | 陕西理工大学 | 一种计算机图像处理方法 |
CN112561938B (zh) * | 2020-12-22 | 2024-01-19 | 陕西理工大学 | 一种计算机图像处理方法 |
CN116524592A (zh) * | 2023-04-18 | 2023-08-01 | 凯通科技股份有限公司 | 一种步态序列剪影生成方法、装置、电子设备及存储介质 |
CN116524592B (zh) * | 2023-04-18 | 2024-02-06 | 凯通科技股份有限公司 | 一种步态序列剪影生成方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109785400B (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785400A (zh) | 一种剪影图像制作方法、装置、电子设备及存储介质 | |
CN112132197B (zh) | 模型训练、图像处理方法、装置、计算机设备和存储介质 | |
CN106372648A (zh) | 基于多特征融合卷积神经网络的浮游生物图像分类方法 | |
CN110032954A (zh) | 一种钢筋智能识别与计数方法及系统 | |
CN104036235B (zh) | 基于叶片hog特征和智能终端平台的植物物种识别方法 | |
CN107657257A (zh) | 一种基于多通道卷积神经网络的语义图像分割方法 | |
CN105426455A (zh) | 基于图片处理来对衣服进行分类管理的方法和装置 | |
CN102509097B (zh) | 一种图像分割方法和装置 | |
CN101710418B (zh) | 基于测地距离的交互方式图象分割方法 | |
CN110222598A (zh) | 一种视频行为识别方法、装置、存储介质和服务器 | |
CN110163567A (zh) | 基于多任务级联卷积神经网络的课堂点名系统 | |
CN105117740A (zh) | 字体识别方法及装置 | |
CN115272887A (zh) | 基于无人机检测的海岸带垃圾识别方法、装置以及设备 | |
CN109726725A (zh) | 一种基于大间隔类间互异性多核学习的油画作者识别方法 | |
CN106803093A (zh) | 一种基于叶片纹理特征和iOS平台的植物物种识别方法 | |
CN106203448A (zh) | 一种基于非线性尺度空间的场景分类方法 | |
CN113379727A (zh) | 基于改进YOLOv4-Tiny特征融合的猕猴桃叶面病害检测方法 | |
CN108491863A (zh) | 基于非负矩阵分解和卷积神经网络的彩色图像处理方法 | |
CN107273928A (zh) | 一种基于权重特征融合的遥感图像自动标注方法 | |
CN104463122A (zh) | 一种基于pcnn的印章识别方法 | |
CN102270343B (zh) | 一种基于Ising图模型的图像分割方法 | |
CN110503051A (zh) | 一种基于图像识别技术的珍贵木材识别系统及方法 | |
CN106778789A (zh) | 一种多视点图像中的快速目标提取方法 | |
CN104778683B (zh) | 一种基于泛函映射的多模态图像分割方法 | |
CN103886333B (zh) | 遥感图像的主动谱聚类方法 |
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 |