CN110033413B - 客户端的图像处理方法、装置、设备、计算机可读介质 - Google Patents
客户端的图像处理方法、装置、设备、计算机可读介质 Download PDFInfo
- Publication number
- CN110033413B CN110033413B CN201811640209.9A CN201811640209A CN110033413B CN 110033413 B CN110033413 B CN 110033413B CN 201811640209 A CN201811640209 A CN 201811640209A CN 110033413 B CN110033413 B CN 110033413B
- Authority
- CN
- China
- Prior art keywords
- image
- client
- clear
- processing
- terminal equipment
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims description 26
- 239000013598 vector Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003062 neural network model Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims 1
- 230000004048 modification Effects 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 230000003042 antagnostic effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
- G06F16/9577—Optimising the visualization of content, e.g. distillation of HTML documents
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种客户端的图像处理方法、装置、电子设备、计算机可读介质,涉及互联网技术领域。其中,该方法的一具体实施方式包括:基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度;在基于所述图像的模糊度确定所述图像为模糊图像时,对所述图像进行转换,获得所述图像对应的清晰图像。通过本申请实施例,在不影响用户体验的情况下,将客户端的模糊图像转换成清晰图像,能够使得用户在浏览客户端时获得更好的视觉体验。
Description
技术领域
本申请实施例涉及互联网技术领域,尤其涉及一种客户端的图像处理方法、装置、电子设备、计算机可读介质。
背景技术
随着互联网技术的发展,许多其他领域的技术也被带动地发展起来。随之,人们对生活品质的要求也变得越来越高。图像是人类获取和交换信息的主要来源,因此,图像的应用也必然涉及到人类生活的方方面面。
目前很多的终端设备的客户端的图像都来源于网络用户上传的图像,在这些图像中,有的图像模糊,有的图像清晰。在终端设备的客户端中展示这些图像中的模糊图像会极大地影响用户的视觉体验。如果实时地将这些图像中的模糊图像转换成清晰图像,图像转换的时间偏长,用户需要等待较长的时间,给用户带来较差的体验。
发明内容
本申请的目的在于提出一种客户端的图像处理方法、装置、电子设备、计算机可读介质,用于解决现有技术中存在的客户端的模糊图像导致用户体验差的问题。
根据本申请实施例的第一方面,提供了一种客户端的图像处理方法。所述方法包括:基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度;在基于所述图像的模糊度确定所述图像为模糊图像时,对所述图像进行转换,获得所述图像对应的清晰图像。
根据本申请实施例的第二方面,提供了一种客户端的图像处理装置。所述装置包括:处理模块,用于基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度;第一转换模块,用于在基于所述图像的模糊度确定所述图像为模糊图像时,对所述图像进行转换,获得所述图像对应的清晰图像。
根据本申请实施例的第三方面,提供了一种电子设备,包括:一个或多个处理器;计算机可读介质,配置为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上述任一实施例中所述的客户端的图像处理方法。
根据本申请实施例的第四方面,提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述任一实施例中所述的客户端的图像处理方法。
通过本申请实施例提供的技术方案,基于终端设备的使用信息,对终端设备的客户端的图像进行处理,确定所述图像的模糊度;在基于所述图像的模糊度确定所述图像为模糊图像时,对所述图像进行转换,获得所述图像对应的清晰图像,与现有的其它方式相比,在不影响用户体验的情况下,将客户端的模糊图像转换成清晰图像,能够使得用户在浏览客户端时获得更好的视觉体验。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为本申请实施例一中一种客户端的图像处理方法的流程示意图;
图2为本申请实施例二中一种客户端的图像处理方法的流程示意图;
图3为本申请实施例三中一种客户端的图像处理装置的结构示意图;
图4为本申请实施例四中一种客户端的图像处理装置的结构示意图;
图5为本申请实施例五中电子设备的结构示意图;
图6为本申请实施例六中电子设备的硬件结构。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅配置为解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
参照图1,示出了本申请实施例一的一种客户端的图像处理方法的步骤流程图。
本实施例的客户端的图像处理方法包括以下步骤:
在步骤S101中,基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度。
在本申请实施例中,所述终端设备的使用信息包括所述终端设备的网络请求频率。所述网络请求频率可以理解为当所述终端设备处于网络连接状态时,终端设备在单位时间内向网络发送的网络请求的次数。所述图像的模糊度可以理解为衡量图像的模糊程度的参数。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一些可选实施例中,在基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度时,在确定所述终端设备的网络请求频率小于预设的频率阈值时,执行所述对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度的步骤。其中,所述预设的频率阈值可由本领域技术人员根据实际需要进行设定,本申请实施例对此不做任何限定。籍此,能够在终端设备处于空闲状态时对终端设备的客户端的图像进行处理,确定图像的模糊度。可以理解的是,任何基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度的实施方式均可适用于此,本申请实施例对此不做任何限定。
在一个具体的例子中,终端设备的客户端缓存所有的图像到本地目录,并存储涉及到的本地目录。然后,终端设备监听用户在终端设备的使用情况,如果终端设备的网络请求频率小于预设的频率阈值,遍历涉及到的本地目录下的所有的图像,并对客户端本地目录下的图像进行处理,确定图像的模糊度。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一些可选实施例中,在对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度时,对所述图像进行拉普拉斯变换,确定所述图像的频域数据;对所述图像的频域数据进行去方差处理,确定所述图像的模糊度。籍此,能够准确地确定图像的模糊度。可以理解的是,任何对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度的实施方式均可适用于此,本申请实施例对此不做任何限定。
在一个具体的例子中,通过引入OpenCV的依赖库,对客户端本地目录下的图像进行拉普拉斯变换和去方差处理,获得所述图像的模糊度。其中,OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作系统上。在具体的实施方式中,如果终端设备的操作系统为ios系统,需要引入链接Objective-C的opencv.framework,然后使用Objective-C实现图像的处理。如果终端设备的操作系统为android系统,需要引入opencv对应的android库,然后使用c++实现图像的处理。
在步骤S102中,在基于所述图像的模糊度确定所述图像为模糊图像时,对所述图像进行转换,获得所述图像对应的清晰图像。
在一些可选实施例中,在确定所述图像的模糊度之后,所述方法还包括:如果确定所述图像的模糊度小于或等于预设的模糊度阈值,则确定所述图像为模糊图像;如果确定所述图像的模糊度大于所述预设的模糊度阈值,则确定所述图像为清晰图像。其中,所述预设的模糊度阈值可由本领域技术人员根据实际需要进行设定,本申请实施例对此不做任何限定,所述清晰图像可为相对于所述图像的高分辨率图像。籍此,能够准确地确定终端设备的客户端的本地目录下的图像是否为模糊图像。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一个具体的例子中,所述预设的模糊度阈值可为100,模糊度小于或等于100的图像为模糊图像,模糊度大于100的图像为清晰图像。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一些可选实施例中,在对所述图像进行转换,获得所述图像对应的清晰图像时,通过用于图像转换的神经网络模型,对所述图像进行转换,获得所述图像对应的清晰图像。其中,所述神经网络模型可以是任意适当的可实现特征提取或目标对象检测的神经网络,包括但不限于卷积神经网络、增强学习神经网络、对抗神经网络中的生成网络等等。神经网络中具体结构的设置可以由本领域技术人员根据实际需求适当设定,如卷积层的层数、卷积核的大小、通道数等等,本申请实施例对此不作限制。可以理解的是,任何对所述图像进行转换,获得所述图像对应的清晰图像的实施方式均可适用于此,本申请实施例对此不做任何限定。
通过本申请实施例提供的客户端的图像处理方法,基于终端设备的使用信息,对终端设备的客户端的图像进行处理,确定所述图像的模糊度;在基于所述图像的模糊度确定所述图像为模糊图像时,对所述图像进行转换,获得所述图像对应的清晰图像,与现有的其它方式相比,在不影响用户体验的情况下,将客户端的模糊图像转换成清晰图像,能够使得用户在浏览客户端时获得更好的视觉体验。
本实施例的客户端的图像处理方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:摄像头、终端、移动终端、PC机、服务器、车载设备、娱乐设备、广告设备、个人数码助理(PDA)、平板电脑、笔记本电脑、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备或显示增强设备(如Google Glass、Oculus Rift、Hololens、Gear VR)等。
参照图2,示出了本申请实施例二的一种客户端的图像处理方法的步骤流程图。
本实施例的客户端的图像处理方法包括以下步骤:
在步骤S201中,基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度。
在本申请实施例中,所述终端设备的使用信息包括所述终端设备的内存占有率。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一些可选实施例中,在基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度时,在确定所述终端设备的内存占有率小于预设的占有率阈值时,执行所述对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度的步骤。其中,所述预设的占有率阈值可由本领域技术人员根据实际需要进行设定,本申请实施例对此不做任何限定。籍此,能够在终端设备处于空闲状态时对终端设备的客户端的图像进行处理,确定图像的模糊度。可以理解的是,任何基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度的实施方式均可适用于此,本申请实施例对此不做任何限定。
在一个具体的例子中,终端设备的客户端缓存所有的图像到本地目录,并存储涉及到的本地目录。然后,终端设备监听用户在终端设备的使用情况,如果终端设备的内存占有率小于预设的占有率阈值,遍历涉及到的本地目录下的所有的图像,并对客户端本地目录下的图像进行处理,确定图像的模糊度。其中,此处确定图像的模糊度的实施方式与上述确定图像的模糊度的实施方式类似,在此不再赘述。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在步骤S202中,在基于所述图像的模糊度确定所述图像为模糊图像时,通过用于图像转换的神经网络模型,对所述图像进行转换,获得所述图像对应的清晰图像。
在一些可选实施例中,当所述用于图像转换的神经网络模型包括图像的超分辨率模型时,所述通过所述图像的超分辨率模型,对所述图像进行转换,获得所述图像对应的清晰图像,包括:从所述图像中提取图像块,并使用高维矢量表示提取的图像块;对所述提取的图像块的高维矢量进行映射处理,获得表示高分辨率图像块的高维矢量;对所述表示高分辨率图像块的高维矢量进行聚合,以生成所述清晰图像。可以理解的是,任何通过所述图像的超分辨率模型,对所述图像进行转换,获得所述图像对应的清晰图像的实施方式均可适用于此,本申请实施例对此不做任何限定。
在一些可选实施例中,所述获得所述图像对应的清晰图像之后,所述方法还包括:修改所述清晰图像的文件名,以使所述清晰图像的文件名与所述图像的文件名相同;使用修改文件名的清晰图像替换所述图像。籍此,能够替换掉模糊图像,提升用户浏览客户端时的视觉体验。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一个具体的例子中,使用超分辨率模型,对模糊图片进行转换,获得清晰图像,创建一个新的图像文件用于保存转换结果。假如图像转换失败,则删除该图像文件,进行重试,重试三次依然失败则跳过忽略。如果图像转换成功则修改文件名替换原图。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一些可选实施例中,所述获得所述图像对应的清晰图像之后,所述方法还包括:监听所述终端设备的客户端的图像文件夹是否存在新增的图像;如果监听到所述终端设备的客户端的图像文件夹存在所述新增的图像,则对所述新增的图像执行以上处理。具体地,如果监听到所述终端设备的客户端的图像文件夹存在所述新增的图像,重新遍历所述终端设备的客户端的图像文件夹,处理新增的图像。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
通过本申请实施例提供的客户端的图像处理方法,基于终端设备的使用信息,对终端设备的客户端的图像进行处理,确定所述图像的模糊度;在基于所述图像的模糊度确定所述图像为模糊图像时,通过所述图像的超分辨率模型,对所述图像进行转换,获得所述图像对应的清晰图像,与现有的其它方式相比,在不影响用户体验的情况下,将客户端的模糊图像转换成清晰图像,能够使得用户在浏览客户端时获得更好的视觉体验。
本实施例的客户端的图像处理方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:摄像头、终端、移动终端、PC机、服务器、车载设备、娱乐设备、广告设备、个人数码助理(PDA)、平板电脑、笔记本电脑、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备或显示增强设备(如Google Glass、Oculus Rift、Hololens、Gear VR)等。
参照图3,示出了本申请实施例三中一种客户端的图像处理装置的结构示意图。
本实施例的客户端的图像处理装置包括:处理模块301,用于基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度;第一转换模块302,用于在基于所述图像的模糊度确定所述图像为模糊图像时,对所述图像进行转换,获得所述图像对应的清晰图像。
本实施例的客户端的图像处理装置用于实现前述多个方法实施例中相应的客户端的图像处理方法,并具有相应的方法实施例的有益效果,在此不再赘述。
参照图4,示出了本申请实施例四中一种客户端的图像处理装置的结构示意图。
本实施例的客户端的图像处理装置包括:处理模块401,用于基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度;第一转换模块403,用于在基于所述图像的模糊度确定所述图像为模糊图像时,对所述图像进行转换,获得所述图像对应的清晰图像。
可选地,所述使用信息包括所述终端设备的网络请求频率或内存占有率。
可选地,所述处理模块401,包括:第一执行模块4011,用于在确定所述终端设备的网络请求频率小于预设的频率阈值时,执行所述对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度的步骤。
可选地,所述处理模块401,包括:第二执行模块4012,用于在确定所述终端设备的内存占有率小于预设的占有率阈值时,执行所述对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度的步骤。
可选地,所述处理模块401,具体用于:对所述图像进行拉普拉斯变换,确定所述图像的频域数据;对所述图像的频域数据进行去方差处理,确定所述图像的模糊度。
可选地,所述处理模块401之后,所述装置还包括:确定模块402,用于如果确定所述图像的模糊度小于或等于预设的模糊度阈值,则确定所述图像为模糊图像;如果确定所述图像的模糊度大于所述预设的模糊度阈值,则确定所述图像为清晰图像。
可选地,所述第一转换模块403,包括:第二转换模块4031,用于通过用于图像转换的神经网络模型,对所述图像进行转换,获得所述图像对应的清晰图像。
可选地,所述用于图像转换的神经网络模型包括图像的超分辨率模型,所述第二转换模块4031,具体用于:从所述图像中提取图像块,并使用高维矢量表示提取的图像块;对所述提取的图像块的高维矢量进行映射处理,获得表示高分辨率图像块的高维矢量;对所述表示高分辨率图像块的高维矢量进行聚合,以生成所述清晰图像。
可选地,所述第一转换模块403之后,所述装置还包括:修改模块404,用于修改所述清晰图像的文件名,以使所述清晰图像的文件名与所述图像的文件名相同;替换模块405,用于使用修改文件名的清晰图像替换所述图像。
本实施例的客户端的图像处理装置用于实现前述多个方法实施例中相应的客户端的图像处理方法,并具有相应的方法实施例的有益效果,在此不再赘述。
图5为本申请实施例五中电子设备的结构示意图;该电子设备可以包括:
一个或多个处理器1501;
计算机可读介质1502,可以配置为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上述任一实施例中所述的客户端的图像处理方法。
图6为本申请实施例六中电子设备的硬件结构;如图6所示,该电子设备的硬件结构可以包括:处理器1601,通信接口1602,计算机可读介质1603和通信总线1604;
其中处理器1601、通信接口1602、计算机可读介质1603通过通信总线1604完成相互间的通信;
可选的,通信接口1602可以为通信模块的接口,如GSM模块的接口;
其中,处理器1601具体可以配置为:基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度;在基于所述图像的模糊度确定所述图像为模糊图像时,对所述图像进行转换,获得所述图像对应的清晰图像。
处理器1601可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
计算机可读介质1603可以是,但不限于,随机存取存储介质(Random AccessMemory,RAM),只读存储介质(Read Only Memory,ROM),可编程只读存储介质(Programmable Read-Only Memory,PROM),可擦除只读存储介质(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储介质(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含配置为执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读介质例如可以但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储介质(RAM)、只读存储介质(ROM)、可擦式可编程只读存储介质(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储介质(CD-ROM)、光存储介质件、磁存储介质件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输配置为由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写配置为执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络:包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个配置为实现规定的逻辑功能的可执行指令。上述具体实施例中有特定先后关系,但这些先后关系只是示例性的,在具体实现的时候,这些步骤可能会更少、更多或执行顺序有调整。即在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括处理模块、第一转换模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,处理模块还可以被描述为“基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度的模块”。
作为另一方面,本申请还提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述任一实施例中所描述的客户端的图像处理方法。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度;在基于所述图像的模糊度确定所述图像为模糊图像时,对所述图像进行转换,获得所述图像对应的清晰图像。
在本公开的各种实施方式中所使用的表述“第一”、“第二”、“所述第一”或“所述第二”可修饰各种部件而与顺序和/或重要性无关,但是这些表述不限制相应部件。以上表述仅配置为将元件与其它元件区分开的目的。例如,第一用户设备和第二用户设备表示不同的用户设备,虽然两者均是用户设备。例如,在不背离本公开的范围的前提下,第一元件可称作第二元件,类似地,第二元件可称作第一元件。
当一个元件(例如,第一元件)称为与另一元件(例如,第二元件)“(可操作地或可通信地)联接”或“(可操作地或可通信地)联接至”另一元件(例如,第二元件)或“连接至”另一元件(例如,第二元件)时,应理解为该一个元件直接连接至该另一元件或者该一个元件经由又一个元件(例如,第三元件)间接连接至该另一个元件。相反,可理解,当元件(例如,第一元件)称为“直接连接”或“直接联接”至另一元件(第二元件)时,则没有元件(例如,第三元件)插入在这两者之间。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种客户端的图像处理方法,其特征在于,所述方法包括:
基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度,包括:终端设备的客户端缓存图像到本地目录,并存储涉及到的本地目录;监听终端设备的使用情况,如果终端设备的网络请求频率小于预设的频率阈值,则遍历涉及到的本地目录下的所有的图像;并对客户端本地目录下的图像进行处理,确定图像的模糊度,包括:对所述图像进行拉普拉斯变换,确定所述图像的频域数据;对所述图像的频域数据进行去方差处理,确定所述图像的模糊度;
在基于所述图像的模糊度确定所述图像为模糊图像时,对所述图像进行转换,获得所述图像对应的清晰图像。
2.根据权利要求1所述的方法,其特征在于,所述确定所述图像的模糊度之后,所述方法还包括:
如果确定所述图像的模糊度小于或等于预设的模糊度阈值,则确定所述图像为模糊图像;
如果确定所述图像的模糊度大于所述预设的模糊度阈值,则确定所述图像为清晰图像。
3.根据权利要求1所述的方法,其特征在于,所述对所述图像进行转换,获得所述图像对应的清晰图像,包括:
通过用于图像转换的神经网络模型,对所述图像进行转换,获得所述图像对应的清晰图像。
4.根据权利要求3所述的方法,其特征在于,所述用于图像转换的神经网络模型包括图像的超分辨率模型,通过所述图像的超分辨率模型,对所述图像进行转换,获得所述图像对应的清晰图像,包括:
从所述图像中提取图像块,并使用高维矢量表示提取的图像块;
对所述提取的图像块的高维矢量进行映射处理,获得表示高分辨率图像块的高维矢量;
对所述表示高分辨率图像块的高维矢量进行聚合,以生成所述清晰图像。
5.根据权利要求1所述的方法,其特征在于,所述获得所述图像对应的清晰图像之后,所述方法还包括:
修改所述清晰图像的文件名,以使所述清晰图像的文件名与所述图像的文件名相同;
使用修改文件名的清晰图像替换所述图像。
6.一种客户端的图像处理装置,其特征在于,所述装置包括:
处理模块,用于基于终端设备的使用信息,对所述终端设备的客户端的图像进行处理,确定所述图像的模糊度,包括:终端设备的客户端缓存图像到本地目录,并存储涉及到的本地目录;监听终端设备的使用情况,如果终端设备的网络请求频率小于预设的频率阈值,则遍历涉及到的本地目录下的所有的图像;并对客户端本地目录下的图像进行处理,确定图像的模糊度,包括:对所述图像进行拉普拉斯变换,确定所述图像的频域数据;对所述图像的频域数据进行去方差处理,确定所述图像的模糊度;
第一转换模块,用于在基于所述图像的模糊度确定所述图像为模糊图像时,对所述图像进行转换,获得所述图像对应的清晰图像。
7.根据权利要求6所述的装置,其特征在于,所述处理模块之后,所述装置还包括:
确定模块,用于如果确定所述图像的模糊度小于或等于预设的模糊度阈值,则确定所述图像为模糊图像;如果确定所述图像的模糊度大于所述预设的模糊度阈值,则确定所述图像为清晰图像。
8.根据权利要求6所述的装置,其特征在于,所述第一转换模块,包括:
第二转换模块,用于通过用于图像转换的神经网络模型,对所述图像进行转换,获得所述图像对应的清晰图像。
9.根据权利要求8所述的装置,其特征在于,所述用于图像转换的神经网络模型包括图像的超分辨率模型,所述第二转换模块,具体用于:
从所述图像中提取图像块,并使用高维矢量表示提取的图像块;
对所述提取的图像块的高维矢量进行映射处理,获得表示高分辨率图像块的高维矢量;
对所述表示高分辨率图像块的高维矢量进行聚合,以生成所述清晰图像。
10.根据权利要求6所述的装置,其特征在于,所述第一转换模块之后,所述装置还包括:
修改模块,用于修改所述清晰图像的文件名,以使所述清晰图像的文件名与所述图像的文件名相同;
替换模块,用于使用修改文件名的清晰图像替换所述图像。
11.一种电子设备,包括:
一个或多个处理器;
计算机可读介质,配置为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1-5中任意一项权利要求所述的客户端的图像处理方法。
12.一种计算机可读介质,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1-5中任意一项权利要求所述的客户端的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811640209.9A CN110033413B (zh) | 2018-12-29 | 2018-12-29 | 客户端的图像处理方法、装置、设备、计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811640209.9A CN110033413B (zh) | 2018-12-29 | 2018-12-29 | 客户端的图像处理方法、装置、设备、计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110033413A CN110033413A (zh) | 2019-07-19 |
CN110033413B true CN110033413B (zh) | 2023-08-18 |
Family
ID=67235410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811640209.9A Active CN110033413B (zh) | 2018-12-29 | 2018-12-29 | 客户端的图像处理方法、装置、设备、计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110033413B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115567783B (zh) * | 2022-08-29 | 2023-10-24 | 荣耀终端有限公司 | 一种图像处理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013172676A1 (ko) * | 2012-05-16 | 2013-11-21 | 주식회사 바텍 | 파노라마 영상 데이터 제공 방법 및 장치 |
EP2851864A1 (en) * | 2012-05-18 | 2015-03-25 | Nissan Motor Co., Ltd. | Display device for vehicle, display method for vehicle, and display program for vehicle |
CN106447609A (zh) * | 2016-08-30 | 2017-02-22 | 上海交通大学 | 一种基于深度卷积神经网络的图像超分辨方法 |
CN106453834A (zh) * | 2016-09-07 | 2017-02-22 | 努比亚技术有限公司 | 移动终端和相机拍摄方法 |
CN107516305A (zh) * | 2017-09-22 | 2017-12-26 | 四川长虹电器股份有限公司 | 批量源图像降模糊程度处理方法 |
CN108921806A (zh) * | 2018-08-07 | 2018-11-30 | Oppo广东移动通信有限公司 | 一种图像处理方法、图像处理装置及终端设备 |
-
2018
- 2018-12-29 CN CN201811640209.9A patent/CN110033413B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013172676A1 (ko) * | 2012-05-16 | 2013-11-21 | 주식회사 바텍 | 파노라마 영상 데이터 제공 방법 및 장치 |
EP2851864A1 (en) * | 2012-05-18 | 2015-03-25 | Nissan Motor Co., Ltd. | Display device for vehicle, display method for vehicle, and display program for vehicle |
CN106447609A (zh) * | 2016-08-30 | 2017-02-22 | 上海交通大学 | 一种基于深度卷积神经网络的图像超分辨方法 |
CN106453834A (zh) * | 2016-09-07 | 2017-02-22 | 努比亚技术有限公司 | 移动终端和相机拍摄方法 |
CN107516305A (zh) * | 2017-09-22 | 2017-12-26 | 四川长虹电器股份有限公司 | 批量源图像降模糊程度处理方法 |
CN108921806A (zh) * | 2018-08-07 | 2018-11-30 | Oppo广东移动通信有限公司 | 一种图像处理方法、图像处理装置及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110033413A (zh) | 2019-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108427939B (zh) | 模型生成方法和装置 | |
CN107622240B (zh) | 人脸检测方法和装置 | |
CN111414879B (zh) | 人脸遮挡程度识别方法、装置、电子设备及可读存储介质 | |
CN110413812B (zh) | 神经网络模型的训练方法、装置、电子设备及存储介质 | |
US11514263B2 (en) | Method and apparatus for processing image | |
CN111784712B (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
CN110288625B (zh) | 用于处理图像的方法和装置 | |
CN111459364B (zh) | 图标更新方法、装置和电子设备 | |
CN111311480A (zh) | 图像融合方法和装置 | |
CN112330788A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN112631947A (zh) | 应用程序的测试控制方法、装置、电子设备及存储介质 | |
CN114863214A (zh) | 图像生成模型训练、图像生成方法、装置、介质及设备 | |
CN110555861B (zh) | 光流计算方法、装置及电子设备 | |
CN110033413B (zh) | 客户端的图像处理方法、装置、设备、计算机可读介质 | |
CN110751251B (zh) | 生成、变换二维码图像矩阵的方法和装置 | |
CN110852250B (zh) | 一种基于最大面积法的车辆排重方法、装置及存储介质 | |
WO2023179291A1 (zh) | 图像修复方法、装置、设备、介质及产品 | |
CN116596748A (zh) | 图像风格化处理方法、装置、设备、存储介质和程序产品 | |
CN115965520A (zh) | 特效道具、特效图的生成方法、装置、设备及存储介质 | |
CN115526796A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN111737575B (zh) | 内容分发方法、装置、可读介质及电子设备 | |
CN112070888B (zh) | 图像生成方法、装置、设备和计算机可读介质 | |
CN110119721B (zh) | 用于处理信息的方法和装置 | |
CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN114596203A (zh) | 用于生成图像和用于训练图像生成模型的方法和装置 |
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 |