CN109993158A - 仿真图像中端口的批量配置方法、装置、设备及介质 - Google Patents
仿真图像中端口的批量配置方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN109993158A CN109993158A CN201711494619.2A CN201711494619A CN109993158A CN 109993158 A CN109993158 A CN 109993158A CN 201711494619 A CN201711494619 A CN 201711494619A CN 109993158 A CN109993158 A CN 109993158A
- Authority
- CN
- China
- Prior art keywords
- emulating image
- measured
- image
- port
- emulating
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了仿真图像中端口的批量配置方法、装置、设备及介质,配置方法包括:获取样本模板,样本模板包括通过输入的端口信息的仿真图像;获取端口信息的仿真图像作为待测仿真图像;基于图像识别算法,识别出待测仿真图像与样本模板的目标匹配区域;基于目标匹配区域,配置待测仿真图像的端口信息。本发明提供的方法,可实现对设备仿真图中端口的批量配置,明显提高了对设备仿真图端口配置的准确性及配置效率。
Description
技术领域
本发明涉及网管、图像识别技术领域,尤其涉及一种仿真图像中端口的批量配置方法、装置、设备及计算机可读存储介质。
背景技术
机房3D可视化管理系统是基于三维建模技术实现机房及机房内设备的虚拟仿真,其中数量最大的3D模型建设为设备模型建设,而机房设备具备大量的设备端口,如以太网电口、以太网光口、电源口等。常用的设备3D建模方法是用3DMAX等专业建模工具建立3D模型实体,然后通过2D贴图附着在3D模型实体上,2D贴图上面具备物理设备的多种细节,如散热孔、丝印、端口、螺丝钉等。
在3D可视化场景里端口是作为一种模型资源存在的,一般具备标准端口模型库,当需要对具体设备在3D可视化场景里做精准呈现时,就需要将端口模型匹配到3D设备模型的所处端口位置上。实现该功能,最关键的步骤就是端口模型与3D模型的2D贴图上绘制的端口进行坐标及尺寸匹配,因此在3D模型构建过程中需要描述清楚各端口在其2D贴图中的位置坐标及尺寸。目前解决该问题的方式为通过人工肉眼操作识别2D贴图中的端口,并配置每一个端口在2D贴图中的类型、坐标、尺寸。但由于设备的端口数量及种类众多,该操作工作量较大且机械,且对端口资源配置的准确性,缺乏有效的校核手段。因此,如何利用IT支撑手段实现设备仿真图中端口配置的自动进行,提高配置端口的成功率与配置效率具有现实意义。
发明内容
本发明实施例提供了仿真图像中端口的批量配置方法、装置、设备以及介质,通过在设备仿真图端口配置过程中引入机器学习样本,利用人工智能技术自动的实现端口的批量配置,提高对设备仿真图端口配置的准确性及配置效率,并减少额外的人工校准成本。
第一方面,本发明实施例提供了一种仿真图像中端口的批量配置方法,方法包括:获取样本模板,所述样本模板包括通过输入配置的端口信息的仿真图像;
获取端口信息的仿真图像作为待测仿真图像;
基于图像识别算法,识别出所述待测仿真图像与所述样本模板的目标匹配区域;
基于所述目标匹配区域,配置所述待测仿真图像的端口信息。
第二方面,本发明实施例提供了一种仿真图像中端口的批量配置装置,装置包括:样本模板获取模块,所述样本模板包括通过输入配置的端口信息的仿真图像;
待测仿真图像获取模块,用于将获取端口信息的仿真图像作为待测仿真图像;
图像识别比对模块,用于基于图像识别算法,识别出所述待测仿真图像与所述样本模板的目标匹配区域;
图像匹配模块,用于将所述目标匹配区域,配置所述待测仿真图像的端口信息。
第三方面,本发明实施例提供了一种仿真图像中端口的批量配置设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
本发明实施例提供的仿真图像中端口的批量配置方法、装置、设备及介质,可实现对设备仿真图中端口的批量配置,且本发明提供的方法明显提高了对设备仿真图端口配置的准确性及配置效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,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示出了本发明一个实施例提供的仿真图像中端口的批量配置方法的流程示意图;
图2示出了本发明一个实施例提供的又一种仿真图像中端口的批量配置方法的流程示意图;
图3示出了本发明一个实施例提供的仿真图像中端口的批量配置装置的结构示意图;
图4示出了本发明一个实施例提供的仿真图像中端口的批量配置设备的结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
图1为本发明一个实施例提供的仿真图像中端口的批量配置方法的流程示意图,如图1所示,该方法包括:
S1,获取样本模板,样本模板包括通过输入配置的端口信息的仿真图像。
S2,获取端口信息的仿真图像作为待测仿真图像。
S3,基于图像识别算法,识别出待测仿真图像与样本模板的目标匹配区域。
S4,基于目标匹配区域,配置待测仿真图像的端口信息。
可选的,待测仿真图像的前处理步骤,如图2所示,可以包括:S1':设备仿真图像数字化,通过固定位置的相机拍摄,并制作设备3D模型的2D贴图,及实现数字化设备仿真图。
S2',高斯低通滤波去噪,通过高斯低通滤波去噪,图像去噪是在去除图像噪声的同时,尽可能地保留图像细节和结构的处理技术。
G(x)=1/(√2πδ)e^(-x^2/(2δ^2)) (1)
G(x,y)=1/(2πδ^2)e^(-(x^2+y^2)/(2δ^2)) (2)
一维高斯函数如公式(1)、二维高斯函数如公式(2),公式中,δ为标准差取值范围{0.1….0.9},由于图像通常是二维信号,因此图像去噪使用二维高斯函数作为传递函数,而高斯函数具有可分离的特性,因此可以先对行进行高斯滤波,再对列进行高斯滤波,将仿真设备图像进行去噪处理。
S3',RGB转YUV重编码,可将待测仿真图像的RGB转化为YUV。RGB属于3色标准图像数字化数据格式,R表示红色分量(Red)、G代表绿色分量(Green)、B代表蓝色分量(Blue)。YUV是指亮度参量和色度参量分开表示的像素格式,而这样分开的好处就是不但可以避免相互干扰,还可以降低色度的采样率而不会对质量影响太大。Y代表明亮度(Luminance或Luma),也就是灰度值;而U和V表示的则是色度,作用是描述影像色彩及饱和度,用于指定像素的颜色。因此将RGB转YUV后从而提高了图像识别效率。
RGB转YUV转换公式如下:
Y=(0.257*R)+(0.504*G)+(0.098*B)+16
U=-(0.148*R)-(0.291*G)+(0.439*B)+128
V=(0.439*R)-(0.368*G)-(0.071*B)+128
应用已有的端口样本,对之前处理过的设备仿真图像数字化数据进行图像识别并配置IDC仿真设备端口信息,该配置过程可以是人工实现的也可以是系统自动实现的。
应用已有的端口样本,即用于机器学习应用的样本,来自于每次IDC仿真设备端口配置人员通过人工配置的端口信息。
人工智能、图像识别主要是通过遍历方法实现端口样本与经过上述S1'、S2'、S3'步骤生成的设备仿真图像进行匹配,具体方式为从仿真设备图像中找出跟样本目标匹配的区域。
图像识别流程如下:
样本模板在待测图像上每次在横向移动一个像素,并作一次比较计算,由此,横向比较W-w+1次。(W:待测试图像宽度,w:样本图像宽度)
样本模板在待测图像上每次在纵向移动一个像素,并作一次比较计算,由此,纵向比较H-h+1次。(H:待测试图像高度,h:样本图像高度)
得到一个(W-w+1)*(H-h+1)维的结果矩阵R。R即是用图像来表示这样的矩阵。
利用图像识别算法找出目标匹配区域。
图像识别目标匹配算法公式如下:
公式(3)用于计算模板样板YUV每个分量的平均数,公式(4)是IDC仿真设备图像上结果矩阵R上的每个匹配结果对应模板样板的方差公式,通过方差值确定匹配目标匹配区域(方差越小匹配度越高)。
判断所有IDC仿真设备端口是否配置完成?如果完成则结束流程。如果没完成,则需要IDC仿真设备操作技师来进行人工肉眼手工配置仿真端口,技师操作相应的步骤来完成仿真端口的配置。
将人工输入的配置结果加入机器学习样本中,因为技师需要手工配置仿真端口的样本必定是机器学习中未学习到的样板。其中,待测图像匹配、判断所有IDC仿真设备端口是否配置完成,及将输入的端口信息加入到端口样本中可重复实现。
需要说明的是,一种仿真图像中端口的批量配置方法是一种通用的设备仿真图端口分配方法,并非专用于3D设备建模应用。
图3为本发明一个实施例提供的仿真图像中端口的批量配置装置的结构示意图;如图3所示,仿真图像中端口的批量配置装置,包括:
样本模板获取模块301,样本模板包括通过输入配置的端口信息的仿真图像。
待测仿真图像获取模块302,用于将获取端口信息的仿真图像作为待测仿真图像;
图像识别比对模块303,用于基于图像识别算法,识别出待测仿真图像与样本模板的目标匹配区域;
图像匹配模块304,用于将目标匹配区域,配置待测仿真图像的端口信息。
另外,结合图1描述的本发明实施例的仿真图像中端口的批量配置方法可以由仿真图像中端口的批量配置设备来实现。图4示出了本发明实施例提供的仿真图像中端口的批量配置设备的硬件结构示意图。
仿真图像中端口的批量配置设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地,上述处理器401可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器402可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器402可在数据处理装置的内部或外部。在特定实施例中,存储器402是非易失性固态存储器。在特定实施例中,存储器402包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令,以实现上述实施例中的任意一种仿真图像中端口的批量配置方法。
在一个示例中,仿真图像中端口的批量配置设备还可包括通信接口403和总线410。其中,如图4所示,处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。
通信接口403,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线410包括硬件、软件或两者,将仿真图像中端口的批量配置设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线410可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
另外,结合上述实施例中的仿真图像中端口的批量配置方法,本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种仿真图像中端口的批量配置方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (11)
1.一种仿真图像中端口的批量配置方法,其特征在于,所述方法包括:
获取样本模板,所述样本模板包括通过输入配置的端口信息的仿真图像;
获取端口信息的仿真图像作为待测仿真图像;
基于图像识别算法,识别出所述待测仿真图像与所述样本模板的目标匹配区域;
基于所述目标匹配区域,配置所述待测仿真图像的端口信息。
2.根据权利要求1所述的方法,其特征在于,所述图像识别算法利用下面的公式:
其中:
M(x)用于计算样本模板YUV每个分量的平均数,Xi为样本模板YUV的每个分量,Y为明亮度,U和V为色度;
S(Y,U,V)用于计算待测仿真图像每个匹配结果对应样本模板的方差;Y为样本模板的明亮度,U和V为样本模板色度;Yi为待测仿真图像的明亮度,Ui和Vi为待测仿真图像的色度。
3.根据权利要求1所述的方法,其特征在于,该方法还包括:
判断所述待测仿真图像端口信息的配置是否完成;及
若未完成,则接收输入的待测仿真图像的端口信息并加入到端口样本中。
4.根据权利要求3所述的方法,其特征在于,所述端口样本为机器学习的样本。
5.根据权利要求1所述的方法,其特征在于,所述待测仿真图像通过位置固定的相机拍摄。
6.根据权利要求1所述的方法,其特征在于,所述待测仿真图像通过高斯低通滤波去燥。
7.根据权利要求1所述的方法,其特征在于,所述待测仿真图像从RGB转化为YUV颜色空间。
8.根据权利要求1所述的方法,其特征在于,所述待测仿真图像为设备仿真图像。
9.一种仿真图像中端口的批量配置装置,其特征在于,所述装置包括:
样本模板获取模块,所述样本模板包括通过输入配置的端口信息的仿真图像;
待测仿真图像获取模块,用于将获取端口信息的仿真图像作为待测仿真图像;
图像识别比对模块,用于基于图像识别算法,识别出所述待测仿真图像与所述样本模板的目标匹配区域;
图像匹配模块,用于将所述目标匹配区域,配置所述待测仿真图像的端口信息。
10.一种仿真图像中端口的批量配置设备,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-8中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,当所述计算机程序指令被处理器执行时实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711494619.2A CN109993158B (zh) | 2017-12-31 | 2017-12-31 | 仿真图像中端口的批量配置方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711494619.2A CN109993158B (zh) | 2017-12-31 | 2017-12-31 | 仿真图像中端口的批量配置方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109993158A true CN109993158A (zh) | 2019-07-09 |
CN109993158B CN109993158B (zh) | 2021-10-29 |
Family
ID=67110711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711494619.2A Active CN109993158B (zh) | 2017-12-31 | 2017-12-31 | 仿真图像中端口的批量配置方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993158B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809309A (zh) * | 2015-05-14 | 2015-07-29 | 北京理工大学 | 一种基于快速扩展随机树的三维自动布线的方法及装置 |
CN105208379A (zh) * | 2015-10-20 | 2015-12-30 | 广州视源电子科技股份有限公司 | 一种检测视频端口的方法及设备 |
US9285138B1 (en) * | 2014-09-19 | 2016-03-15 | Mckinstry Co., Llc | Mobile heater and fan system and methods of commissioning a data center |
CN105426918A (zh) * | 2015-11-23 | 2016-03-23 | 南京航空航天大学 | 归一化相关图像模板匹配高效实现方法 |
CN105488293A (zh) * | 2015-12-14 | 2016-04-13 | 国家电网公司 | 一种配置scd中虚端子连线的方法及系统 |
CN105787161A (zh) * | 2016-02-18 | 2016-07-20 | 国家电网公司 | 一种电力仿真系统的层次化建模方法 |
-
2017
- 2017-12-31 CN CN201711494619.2A patent/CN109993158B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9285138B1 (en) * | 2014-09-19 | 2016-03-15 | Mckinstry Co., Llc | Mobile heater and fan system and methods of commissioning a data center |
CN104809309A (zh) * | 2015-05-14 | 2015-07-29 | 北京理工大学 | 一种基于快速扩展随机树的三维自动布线的方法及装置 |
CN105208379A (zh) * | 2015-10-20 | 2015-12-30 | 广州视源电子科技股份有限公司 | 一种检测视频端口的方法及设备 |
CN105426918A (zh) * | 2015-11-23 | 2016-03-23 | 南京航空航天大学 | 归一化相关图像模板匹配高效实现方法 |
CN105488293A (zh) * | 2015-12-14 | 2016-04-13 | 国家电网公司 | 一种配置scd中虚端子连线的方法及系统 |
CN105787161A (zh) * | 2016-02-18 | 2016-07-20 | 国家电网公司 | 一种电力仿真系统的层次化建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109993158B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101282196B1 (ko) | 다시점 영상에서 코드북 기반의 전경 및 배경 분리 장치 및 방법 | |
JP6613605B2 (ja) | 深度画像の深度値復元方法及びシステム | |
CN110430443A (zh) | 视频镜头剪切的方法、装置及计算机设备 | |
CN109978890A (zh) | 基于图像处理的目标提取方法、装置及终端设备 | |
EP3026630A1 (en) | Image processing method and apparatus | |
US20180322367A1 (en) | Image processing method, non-transitory computer readable storage medium and image processing system | |
CN105069453A (zh) | 一种图像校正方法及装置 | |
KR101885088B1 (ko) | 깊이 영상을 이용한 컬러 영상 처리 장치 및 방법 | |
CN104636759A (zh) | 一种获取图片推荐滤镜信息的方法及图片滤镜信息推荐系统 | |
CN104680482A (zh) | 一种图像处理的方法和装置 | |
CN111055275A (zh) | 一种动作模仿方法、装置、计算机可读存储介质及机器人 | |
CN115619787B (zh) | 一种uv胶缺陷检测方法、系统、设备及介质 | |
CN113706472A (zh) | 公路路面病害检测方法、装置、设备及存储介质 | |
CN110287767A (zh) | 可防攻击的活体检测方法、装置、计算机设备及存储介质 | |
CN109275048A (zh) | 一种应用于机器人的数据处理方法、装置、设备及介质 | |
CN107527074A (zh) | 用于车辆的图像处理方法和装置 | |
CN112699754B (zh) | 信号灯识别方法、装置、设备以及存储介质 | |
CN109993158A (zh) | 仿真图像中端口的批量配置方法、装置、设备及介质 | |
CN111062984B (zh) | 视频图像区域面积的测量方法、装置、设备及存储介质 | |
Fursov et al. | Correction of distortions in color images based on parametric identification | |
CN105893578B (zh) | 一种照片选择的方法及装置 | |
CN106295679B (zh) | 一种基于分类校正的彩色图像光源颜色估计方法 | |
CN112489144A (zh) | 图像处理方法、图像处理装置、终端设备及存储介质 | |
CN106530286A (zh) | 确定清晰度级别的方法及装置 | |
CN103824256B (zh) | 一种图像处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |