CN110035268B - 基于模糊推理的色彩空间转换方法及设备 - Google Patents

基于模糊推理的色彩空间转换方法及设备 Download PDF

Info

Publication number
CN110035268B
CN110035268B CN201910276921.3A CN201910276921A CN110035268B CN 110035268 B CN110035268 B CN 110035268B CN 201910276921 A CN201910276921 A CN 201910276921A CN 110035268 B CN110035268 B CN 110035268B
Authority
CN
China
Prior art keywords
target
color space
point
input point
output 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.)
Active
Application number
CN201910276921.3A
Other languages
English (en)
Other versions
CN110035268A (zh
Inventor
吕德政
张民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Frame Color Film And Television Technology Co ltd
Original Assignee
Shenzhen Frame Color Film And Television Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Frame Color Film And Television Technology Co ltd filed Critical Shenzhen Frame Color Film And Television Technology Co ltd
Priority to CN201910276921.3A priority Critical patent/CN110035268B/zh
Publication of CN110035268A publication Critical patent/CN110035268A/zh
Application granted granted Critical
Publication of CN110035268B publication Critical patent/CN110035268B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/04Inference or reasoning models
    • G06N5/048Fuzzy inferencing
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00Details of colour television systems
    • H04N9/64Circuits for processing colour signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供一种基于模糊推理的色彩空间转换方法及设备,方法包括:将样本点的在源色彩空间的输入值和在目标色彩空间的输出值通过隶属度函数转化为隶属度变量;将每个立方体拆分成6个相连的四棱锥体,其中6个相连的四棱锥体的边均包含与所述白点对角线平行或重合的目标对角线,确定该输入点在目标立方体内落入的目标四棱锥体;根据目标四棱锥体的插值规则得到输入点的模糊输出值;对模糊输出值隶属度变量经过去模糊后,得到输入点在目标色彩空间的输出值,能够减少处理的数据量,降低运算量;同时通过目标四棱锥体的插值使得对应立方体的目标对角线附近的值转换误差小,使得视频中对应的白色显示准确,从而保证整段视频的图像质量。

Description

基于模糊推理的色彩空间转换方法及设备
技术领域
本发明实施例涉及色彩空间转换技术领域,尤其涉及一种基于模糊推理的色彩空间转换方法及设备。
背景技术
视频信号面临着各种色彩空间的转换问题,由于目前各种显示设备众多,在设备方面包括手机、电视、计算机、投影机、平板电脑;信号方面有720P、高清1080P、4K等,在处理格式方面有标准动态对比度信号(Standard Dynamic Range,简称SDR)、高动态对比度信号(High Dynamic Range,简称HDR),在帧率方面也有24帧、25帧、30帧、50帧、60帧、100帧、120帧等等,因此色彩空间的转换是当前视频处理中经常需要面对的普遍需求,即在对视频信号进行处理时,经常需要在不同的色彩空间之间来回进行转换,以满足不同设备的显示要求。
目前,现有的色彩空间转换方式,一般是通过已有的算法基于对每个像素进行一个色彩空间到另一个色彩空间的转换,例如常见的是通过一个转换矩阵进行色彩空间的变换或反变换。
然而,发明人发现现有的色彩空间转换方式至少存在如下技术问题:由于现有技术是基于单个像素进行转换的,每个画面包含的像素点可能有几百万个,且一秒钟的视频又是由上百个不同的画面组成,在色彩空间转换的实时性要求比较高的情况下,由于进行转换的设备的CPU和内存的限制,无法有效、及时的完成对视频的色彩空间的转换。
发明内容
本发明实施例提供一种基于模糊推理的色彩空间转换方法及设备,以克服现有技术在色彩空间转换的实时性要求比较高的情况下,由于进行转换的设备的CPU和内存的限制,无法准确、有效、及时的完成对视频的色彩空间的转换的问题。
第一方面,本发明实施例提供一种基于模糊推理的色彩空间转换方法,包括:
将源色彩空间按照颜色通道坐标轴的预设分割点分割成多个立方体,得到预设数量的样本点,并获取所述样本点在源色彩空间的输入值和在目标色彩空间的输出值,其中每个立方体由8个样本点组成,其中所述源色彩空间包含白点对角线;
按照所述预设分割点划分所述源色彩空间各输入分量的模糊子集以及所述目标色彩空间各输出分量的模糊子集,将所述样本点的在源色彩空间的输入值和在目标色彩空间的输出值通过所述隶属度函数转化为隶属度变量;
将每个立方体拆分成6个相连的四棱锥体,其中6个相连的四棱锥体的边均包含与所述白点对角线平行或重合的目标对角线,其中每个四棱锥体由4个样本点组成;
确定源色彩空间中任一输入点落入的目标立方体,并确定该输入点在所述目标立方体内落入的目标四棱锥体;
根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值;
对所述模糊输出值隶属度变量经过去模糊处理,得到所述输入点在目标色彩空间的输出值。
在一种可能的设计中,所述插值规则为基于所述目标对角线附近的输入点从源色彩空间转换为目标色彩空间时的线性插值法。
在一种可能的设计中,所述目标立方体的8样本点A、B、C、D、E、F、G和H,其中AG为对应的目标立方体的目标对角线;
所述根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值,包括:
若所述输入点位于所述样本点A与所述样本点A同属一个坐标轴上的样本点所在的所述目标四棱锥体的边线上,则输入点的模糊输出值为所述样本点A的隶属度变量;
若所述输入点位于所述目标四棱锥体不包含所述样本点G的面且不位于所述样本点A与所述样本点A同属一个坐标轴上的样本点所在的所述目标四棱锥体的边线上,则输入点的模糊输出值为与所述样本点A同属一个坐标轴上的样本点的隶属度变量;
若所述输入点位于所述目标对角线所在的目标四棱锥体的任一面上且不位于所述目标立方体和所述目标四棱锥体共同包含的经过所述样本点G的边线上,则输入点的模糊输出值为除目标对角线的样本点A和G外的另一样本点的隶属度变量;
若所述输入点位于所述目标立方体和所述目标四棱锥体共同包含的经过所述样本点G的边线上,则输入点的模糊输出值为G的隶属度变量。
在一种可能的设计中,所述源色彩空间为RGB色彩空间;所述目标四棱锥体的4个样本点分别记为A、B、C和G,其中A B位于RGB色彩空间的x轴,AG为对应的目标立方体的目标对角线,CG与RGB色彩空间的z轴平行;
相应地,根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值,包括:
若所述输入点位于AB线上,则所述输入点的模糊输出值为A的隶属度变量;
若所述输入点位于ABC的面上且不位于AB线上,则输入点的模糊输出值为B的隶属度变量;
若所述输入点位于ACG的面上且不位于CG线上,则输入点的模糊输出值为C的隶属度变量;
若所述输入点位于CG线上,则输入点的模糊输出值为G的隶属度变量。
在一种可能的设计中,所述模糊子集的隶属度函数为三角形函数。
第二方面,本发明实施例提供一种基于模糊推理的色彩空间转换设备,包括:
分割模块,用于将源色彩空间按照颜色通道坐标轴的预设分割点分割成多个立方体,得到预设数量的样本点,并获取所述样本点在源色彩空间的输入值和在目标色彩空间的输出值,其中每个立方体由8个样本点组成,其中所述源色彩空间包含白点对角线;
模糊处理模块,用于按照所述预设分割点划分所述源色彩空间各输入分量的模糊子集以及所述目标色彩空间各输出分量的模糊子集,将所述样本点的在源色彩空间的输入值和在目标色彩空间的输出值通过所述隶属度函数转化为隶属度变量;
划分模块,用于将每个立方体拆分成6个相连的四棱锥体,其中6个相连的四棱锥体的边均包含与所述白点对角线平行或重合的目标对角线,其中每个四棱锥体由4个样本点组成;
位置确定模块,用于确定源色彩空间中任一输入点落入的目标立方体,并确定该输入点在所述目标立方体内落入的目标四棱锥体;
输出模块,用于根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值;
去模糊模块,用于对所述模糊输出值隶属度变量经过去模糊处理,得到所述输入点在目标色彩空间的输出值。
在一种可能的设计中,所述插值规则为基于所述目标对角线附近的输入点从源色彩空间转换为目标色彩空间时的线性插值法。
在一种可能的设计中,所述目标立方体的8样本点A、B、C、D、E、F、G和H,其中AG为对应的目标立方体的目标对角线;
所述输出模块,具体用于:若所述输入点位于所述样本点A与所述样本点A同属一个坐标轴上的样本点所在的所述目标四棱锥体的边线上,则输入点的模糊输出值为所述样本点A的隶属度变量;若所述输入点位于所述目标四棱锥体不包含所述样本点G的面且不位于所述样本点A与所述样本点A同属一个坐标轴上的样本点所在的所述目标四棱锥体的边线上,则输入点的模糊输出值为与所述样本点A同属一个坐标轴上的样本点的隶属度变量;若所述输入点位于所述目标对角线所在的目标四棱锥体的任一面上且不位于所述目标立方体和所述目标四棱锥体共同包含的经过所述样本点G的边线上,则输入点的模糊输出值为除目标对角线的样本点A和G外的另一样本点的隶属度变量;若所述输入点位于所述目标立方体和所述目标四棱锥体共同包含的经过所述样本点G的边线上,则输入点的模糊输出值为G的隶属度变量。
第三方面,本发明实施例提供一种基于模糊推理的色彩空间转换设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的基于模糊推理的色彩空间转换方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的基于模糊推理的色彩空间转换方法。
本实施例提供的基于模糊推理的色彩空间转换方法及设备,该方法通过将源色彩空间按照颜色通道坐标轴的预设分割点分割成多个立方体,得到预设数量的样本点,并获取样本点在源色彩空间的输入值和在目标色彩空间的输出值,其中每个立方体由8个样本点组成;按照预设分割点划分源色彩空间各输入分量的模糊子集以及目标色彩空间各输出分量的模糊子集,将样本点的在源色彩空间的输入值和在目标色彩空间的输出值通过隶属度函数转化为隶属度变量;将每个立方体拆分成6个相连的四棱锥体,其中6个相连的四棱锥体的边均包含与所述白点对角线平行或重合的目标对角线,其中每个四棱锥体由4个样本点组成;确定源色彩空间中任一输入点落入的目标立方体,并确定该输入点在目标立方体内落入的目标四棱锥体;根据目标四棱锥体的插值规则和目标四棱锥体的4个样本点对应的隶属度变量,得到输入点的模糊输出值;对模糊输出值隶属度变量经过去模糊后,得到输入点在目标色彩空间的输出值。由于对源色彩空间进行了模糊处理,可以减少处理的数据量,降低运算量,不需要考虑设备的CPU和内存的限制,就能完成对视频的色彩空间的转换;同时通过目标四棱锥体的插值使得对应立方体的目标对角线附近的值转换误差小,使得视频中对应的白色显示准确,从而保证整段视频的图像质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于模糊推理的色彩空间转换的确定系统的架构示意图;
图2为本发明实施例提供的基于模糊推理的色彩空间转换方法的流程示意图;
图3为本发明实施例提供的按照颜色通道坐标轴的预设分割点分割成多个立方体中的一个立方体示意图;
图4为本发明实施例提供的隶属度函数为三角形函数时样本点的在源色彩空间的输入值通过所述隶属度函数转化为隶属度变量的示意图一;
图5为本发明实施例提供的隶属度函数为三角形函数时样本点的在源色彩空间的输入值通过所述隶属度函数转化为隶属度变量的示意图二;
图6为本发明实施例提供的基于模糊推理的色彩空间转换设备的结构示意图;
图7为本发明实施例提供的基于模糊推理的色彩空间转换设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
白点对角线:为了保证色彩空间转换时视频颜色质量,源色彩空间到目标色彩空间转换时,需要保证色彩空间从最小值到最大值的对角线附近的“白点”的准确。这里的“白点”就是视频中的“白色”,如果不同亮度下转换处理的“白色”都是准确的,那么视频的质量颜色就会准确,在颜色空间中“白点”对应的对角线称为白点对角线。
图1为本发明实施例提供的基于模糊推理的色彩空间转换的确定系统的架构示意图。如图1所示,本实施例提供的系统包括终端101或服务器102。其中,终端101可以为儿童故事机、手机、平板、车载终端等。本实施例对终端101的实现方式不做特别限制。
服务器102可以是一台服务器,也可以是多台服务器组成的服务器集群,或者是一个云计算平台。
图2为本发明实施例提供的基于模糊推理的色彩空间转换方法的流程示意图,本实施例的执行主体可以为图1所示实施例中的终端,也可以为图1所示实施例的服务器,本实施例此处不做特别限制。如图2所示,该方法包括:
S201、将源色彩空间按照颜色通道坐标轴的预设分割点分割成多个立方体,得到预设数量的样本点,并获取样本点在源色彩空间的输入值和在目标色彩空间的输出值,其中每个立方体由8个样本点组成,其中所述源色彩空间包含白点对角线。
在本实施例中,源色彩空间可以是RGB空间、XYZ空间、YUV空间或CIEL*a*b空间中的任一种。目标色彩空间可以是RGB空间、XYZ空间、YUV空间或CIEL*a*b空间中的任一种。
例如,当源色彩空间为RGB空间时,如果输入信号是8位的,那么R、G、B的取值就是0~255,则预设分割点可以是0、31、63、95、127、159、191、223和255。
参考图3,图3为按照颜色通道坐标轴的预设分割点分割成多个立方体中的一个立方体示意图。其中,8个样本点分别为A、B、C、D、E、F、G和H。
具体地,获取样本点在源色彩空间的输入值和在目标色彩空间的输出值的方式可以是通过CoreDRAW软件制作色靶文件,预设分割点将R、G、B三个空间等分,得到多个采样点,打印输出,并通过分光光度计测量打印色块在目标色彩空间输出值。
S202、按照预设分割点划分源色彩空间各输入分量的模糊子集以及目标色彩空间各输出分量的模糊子集,将样本点的在源色彩空间的输入值和在目标色彩空间的输出值通过隶属度函数转化为隶属度变量。
在本发明的一个实施例中,以步骤S101中的预设分割点(9个),分别划分R、G、B各输入分量的模糊子集:模糊子集NL:负大(0~63),模糊子集NM:负中(31~95),模糊子集NS:负小(63~127),模糊子集ZR:零95~159),模糊子集PS:正小(127~191),模糊子集PM:正中(159~223),模糊子集PL:正大(191~255)。
其中,隶属度函数可以是三角形函数。
参考图4,图4为隶属度函数为三角形函数时样本点的在源色彩空间的输入值通过所述隶属度函数转化为隶属度变量的示意图一。
经过三角形函数的运算,样本点的在源色彩空间的输入值不再是一个精确的数值,变换为一个具有两种隶属度的变量。
参考图5,图5为隶属度函数为三角形函数时样本点的在源色彩空间的输入值通过所述隶属度函数转化为隶属度变量的示意图二。给定一个输入时其隶属函数的计算例子,假定此时R的输入x=105,由图5可以看出,这个输入应该介乎于输入的两个隶属函数“负小(NS)”和“零(ZR)”之间,而且,其属于“负小(NS)”的程度MF2为0.6,属于“零(ZR)”的程度MF1为0.4,由此,在模糊逻辑上就有了描述这一输入变量的语言,即:对于R的输入x=105而言,它既有0.6的属性属于“负小(NS)”,同时,也有0.4的属性属于“零(ZR)”。
S203、将每个立方体拆分成6个相连的四棱锥体,其中6个相连的四棱锥体的边均包含与所述白点对角线平行或重合的目标对角线,其中每个四棱锥体由4个样本点组成。
在本实施例中,为了保证色彩空间转换时视频颜色质量,源色彩空间到目标色彩空间转换时,需要保证色彩空间从最小值到最大值的对角线附近的“白点”的准确。这里的“白点”就是视频中的“白色”,如果不同亮度下转换处理的“白色”都是准确的,那么视频的质量颜色就会准确,在颜色空间中“白点”对应的对角线称为白点对角线。目标对角线为各立方体种与白点对角线平行或重合的对角线。
参考图3,图3所示的立方体中包含一条目标对角线AG。由于样本点A在源色彩空间的输入值的数值最小,样本点G的源色彩空间的输入值的数值最大,因此AG线为目标对角线。
如图3所示,6个相连的四棱锥体的边均包含对应立方体的目标对角线AG,各四棱锥体为:ABCG、ACDG、ABFG、AEFG、ADGH和AEGH。
S204、确定源色彩空间中任一输入点落入的目标立方体,并确定该输入点在目标立方体内落入的目标四棱锥体。
在本实施例中,首先根据输入点(R,G,B)的输入值确定最近的样本点A,得到对应的目标立方体。然后,将样本点A的输入值记为(R1,G1,B1),对于任一输入点(R,G,B),设Δx=R-R1,Δy=G-G1,Δz=B-B1。
若Δx>Δy,Δy>Δz,则输入点落入ABCG;若Δx>Δz,Δy>Δx,则输入点落入ACDG;若Δx>Δz,Δz>Δy,则输入点落入ABFG;若Δz>Δx,Δx>Δy,则输入点落入AEFG;若Δy>Δz,Δz>Δx,则输入点落入ADGH;若Δz>Δy,Δy>Δx,则输入点落入AEGH。
S205、根据目标四棱锥体的插值规则和目标四棱锥体的4个样本点对应的隶属度变量,得到输入点的模糊输出值。
在本实施例中,插值规则为线性插值。
具体地,根据目标四棱锥体的4个样本点隶属度变量,通过线性插值得到输入点的模糊输出值。其中模糊输出值用隶属度变量表示。
S206、对模糊输出值隶属度变量经过去模糊处理,得到输入点在目标色彩空间的输出值。
在本实施例中,可以采用面积中心法对模糊输出值机型去模糊处理,得到输入点在目标色彩空间的输出值。
从上述描述可知,通过将源色彩空间按照颜色通道坐标轴的预设分割点分割成多个立方体,得到预设数量的样本点,并获取样本点在源色彩空间的输入值和在目标色彩空间的输出值,其中每个立方体由8个样本点组成;按照预设分割点划分源色彩空间各输入分量的模糊子集以及目标色彩空间各输出分量的模糊子集,将样本点的在源色彩空间的输入值和在目标色彩空间的输出值通过隶属度函数转化为隶属度变量;将每个立方体拆分成6个相连的四棱锥体,其中6个相连的四棱锥体的边均包含与所述白点对角线平行或重合的目标对角线,其中每个四棱锥体由4个样本点组成;确定源色彩空间中任一输入点落入的目标立方体,并确定该输入点在目标立方体内落入的目标四棱锥体;根据目标四棱锥体的插值规则和目标四棱锥体的4个样本点对应的隶属度变量,得到输入点的模糊输出值;对模糊输出值隶属度变量经过去模糊后,得到输入点在目标色彩空间的输出值。由于对源色彩空间进行了模糊处理,可以减少处理的数据量,降低运算量,不需要考虑设备的CPU和内存的限制,就能完成对视频的色彩空间的转换;同时通过目标四棱锥体的插值使得对应立方体的目标对角线附近的值转换误差小,使得视频中对应的白色显示准确,从而保证整段视频的图像质量。
在本发明的一个实施例中,在上述图1对应的实施例中,步骤S205中,所述插值规则为基于所述目标对角线附近的输入点从源色彩空间转换为目标色彩空间时的线性插值法。
在本实施例中,为了保证转换后的视频质量,对于色彩空间的转换需要保证目标四棱锥体中的目标对角线附近的值的误差最小,这样视频中的白色才能准确,通过线性插值法,使得目标对角线附近的值的转换也是线性的,保证了视频中的白色的准确,提高视频显示的质量。
在本发明的一个实施例中,参考图3,所述目标立方体的8样本点A、B、C、D、E、F、G和H,其中AG为对应的目标立方体的目标对角线;
所述根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值,包括:
若所述输入点位于所述样本点A与所述样本点A同属一个坐标轴上的样本点所在的所述目标四棱锥体的边线上,则输入点的模糊输出值为所述样本点A的隶属度变量;
若所述输入点位于所述目标四棱锥体不包含所述样本点G的面且不位于所述样本点A与所述样本点A同属一个坐标轴上的样本点所在的所述目标四棱锥体的边线上,则输入点的模糊输出值为与所述样本点A同属一个坐标轴上的样本点的隶属度变量;
若所述输入点位于所述目标对角线所在的目标四棱锥体的任一面上且不位于所述目标立方体和所述目标四棱锥体共同包含的经过所述样本点G的边线上,则输入点的模糊输出值为除目标对角线的样本点A和G外的另一样本点的隶属度变量;
若所述输入点位于所述目标立方体和所述目标四棱锥体共同包含的经过所述样本点G的边线上,则输入点的模糊输出值为G的隶属度变量。
在本发明的一个实施例中,所述源色彩空间为RGB色彩空间;所述目标四棱锥体的4个样本点分别记为A、B、C和G,其中A B位于RGB色彩空间的x轴,AG为对应的目标立方体的目标对角线,CG与RGB色彩空间的z轴平行;
相应地,根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值,包括:
若所述输入点位于AB线上,则所述输入点的模糊输出值为A的隶属度变量;若所述输入点位于ABC的面上且不位于AB线上,则输入点的模糊输出值为B的隶属度变量;若所述输入点位于ACG的面上且不位于CG线上,则输入点的模糊输出值为C的隶属度变量;若所述输入点位于CG线上,则输入点的模糊输出值为G的隶属度变量。
参考图3,假设输入点坐标记为(x,y,z),W为输入点的模糊输出值,则本实施例的模糊推理规则为:
if x is(1-x)then W is A//若所述输入点位于AB线上,则所述输入点的模糊输出值为A的隶属度变量
if x,y is(x-y)then W is B//若所述输入点位于ABC的面上且不位于AB线上,则输入点的模糊输出值为B的隶属度变量
if y,z is(y-z)then W is C//若所述输入点位于ACG的面上且不位于CG线上,则输入点的模糊输出值为C的隶属度变量
if z is Z then W is G//若所述输入点位于CG线上,则输入点的模糊输出值为G的隶属度变量。
在本发明的另一个实施例中,所述源色彩空间为RGB色彩空间;所述目标四棱锥体的4个样本点分别记为A、C、D和G,其中AD位于RGB色彩空间的y轴,AG为对应的目标立方体的目标对角线,CG与RGB色彩空间的z轴平行;
相应地,根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值,包括:
若所述输入点位于AD线上,则所述输入点的模糊输出值为A的隶属度变量;若所述输入点位于ADC的面上且不位于AD线上,则输入点的模糊输出值为D的隶属度变量;若所述输入点位于ACG的面上且不位于CG线上,则输入点的模糊输出值为C的隶属度变量;若所述输入点位于CG线上,则输入点的模糊输出值为G的隶属度变量。
参考图3,假设输入点坐标记为(x,y,z),W为输入点的模糊输出值,则本实施例的模糊推理规则为:
if y is(1-y)then W is A//若所述输入点位于AD线上,则所述输入点的模糊输出值为A的隶属度变量
if y,x is(y-x)then W is D//若所述输入点位于ADC的面上且不位于AD线上,则输入点的模糊输出值为D的隶属度变量
if x,z is(x-z)then W is C//若所述输入点位于ACG的面上且不位于CG线上,则输入点的模糊输出值为C的隶属度变量
if z is z then W is G//若所述输入点位于CG线上,则输入点的模糊输出值为G的隶属度变量。
在本发明的另一个实施例中,所述源色彩空间为RGB色彩空间;所述目标四棱锥体的4个样本点分别记为A、B、F和G,其中AB位于RGB色彩空间的x轴,AG为对应的目标立方体的目标对角线,FG与RGB色彩空间的y轴平行;
相应地,根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值,包括:
若所述输入点位于AB线上,则所述输入点的模糊输出值为A的隶属度变量;若所述输入点位于ABF的面上且不位于AB线上,则输入点的模糊输出值为B的隶属度变量;若所述输入点位于AFG的面上且不位于FG线上,则输入点的模糊输出值为F的隶属度变量;若所述输入点位于FG线上,则输入点的模糊输出值为G的隶属度变量。
参考图3,假设输入点坐标记为(x,y,z),W为输入点的模糊输出值,则本实施例的模糊推理规则为:
if x is(1-x)then W is A//若所述输入点位于AB线上,则所述输入点的模糊输出值为A的隶属度变量
if x,z is(x-z)then W is B//若所述输入点位于ABF的面上且不位于AB线上,则输入点的模糊输出值为B的隶属度变量
if z,y is(z-y)then W is F//若所述输入点位于AFG的面上且不位于FG线上,则输入点的模糊输出值为F的隶属度变量
if y is y then W is G//若所述输入点位于FG线上,则输入点的模糊输出值为G的隶属度变量。
在本发明的另一个实施例中,所述源色彩空间为RGB色彩空间;所述目标四棱锥体的4个样本点分别记为A、E、F和G,其中AE位于RGB色彩空间的z轴,AG为对应的目标立方体的目标对角线,FG与RGB色彩空间的y轴平行;
相应地,根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值,包括:
若所述输入点位于AE线上,则所述输入点的模糊输出值为A的隶属度变量;若所述输入点位于AEF的面上且不位于AE线上,则输入点的模糊输出值为E的隶属度变量;若所述输入点位于AFG的面上且不位于FG线上,则输入点的模糊输出值为F的隶属度变量;若所述输入点位于FG线上,则输入点的模糊输出值为G的隶属度变量。
参考图3,假设输入点坐标记为(x,y,z),W为输入点的模糊输出值,则本实施例的模糊推理规则为:
if z is(1-z)then W is A//若所述输入点位于AE线上,则所述输入点的模糊输出值为A的隶属度变量
if z,x is(z-x)then W is E//若所述输入点位于AEF的面上且不位于AE线上,则输入点的模糊输出值为E的隶属度变量
if x,y is(x-y)then W is F//若所述输入点位于AFG的面上且不位于FG线上,则输入点的模糊输出值为F的隶属度变量
if y is y then W is G//若所述输入点位于FG线上,则输入点的模糊输出值为G的隶属度变量。
在本发明的另一个实施例中,所述源色彩空间为RGB色彩空间;所述目标四棱锥体的4个样本点分别记为A、D、H和G,其中AD位于RGB色彩空间的y轴,AG为对应的目标立方体的目标对角线,HG与RGB色彩空间的x轴平行;
相应地,根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值,包括:
若所述输入点位于AD线上,则所述输入点的模糊输出值为A的隶属度变量;若所述输入点位于ADH的面上且不位于AD线上,则输入点的模糊输出值为D的隶属度变量;若所述输入点位于AHG的面上且不位于HG线上,则输入点的模糊输出值为H的隶属度变量;若所述输入点位于HG线上,则输入点的模糊输出值为G的隶属度变量。
参考图3,假设输入点坐标记为(x,y,z),W为输入点的模糊输出值,则本实施例的模糊推理规则为:
if y is(1-y)then W is A//若所述输入点位于AD线上,则所述输入点的模糊输出值为A的隶属度变量
if y,z is(y-z)then W is D//若所述输入点位于ADH的面上且不位于AD线上,则输入点的模糊输出值为D的隶属度变量
if z,x is(z-x)then W is H//若所述输入点位于AHG的面上且不位于HG线上,则输入点的模糊输出值为H的隶属度变量
if x is x then W is G//若所述输入点位于HG线上,则输入点的模糊输出值为G的隶属度变量。
在本发明的另一个实施例中,所述源色彩空间为RGB色彩空间;所述目标四棱锥体的4个样本点分别记为A、E、H和G,其中AE位于RGB色彩空间的z轴,AG为对应的目标立方体的目标对角线,HG与RGB色彩空间的x轴平行;
相应地,根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值,包括:
若所述输入点位于AE线上,则所述输入点的模糊输出值为A的隶属度变量;若所述输入点位于AEH的面上且不位于AE线上,则输入点的模糊输出值为E的隶属度变量;若所述输入点位于AHG的面上且不位于HG线上,则输入点的模糊输出值为H的隶属度变量;若所述输入点位于HG线上,则输入点的模糊输出值为G的隶属度变量。
参考图3,假设输入点坐标记为(x,y,z),W为输入点的模糊输出值,则本实施例的模糊推理规则为:
if z is(1-z)then W is A//若所述输入点位于AE线上,则所述输入点的模糊输出值为A的隶属度变量
if z,y is(z-y)then W is E//若所述输入点位于AEH的面上且不位于AE线上,则输入点的模糊输出值为E的隶属度变量
if y,x is(y-x)then W is H//若所述输入点位于AHG的面上且不位于HG线上,则输入点的模糊输出值为H的隶属度变量
if x is x then W is G//若所述输入点位于HG线上,则输入点的模糊输出值为G的隶属度变量。
图6为本发明实施例提供的基于模糊推理的色彩空间转换设备的结构示意图。如图6所示,该基于模糊推理的色彩空间转换设备60包括:分割模块601、模糊处理模块602、划分模块603、位置确定模块604、输出模块605和去模糊模块606。
其中,分割模块601,用于将源色彩空间按照颜色通道坐标轴的预设分割点分割成多个立方体,得到预设数量的样本点,并获取所述样本点在源色彩空间的输入值和在目标色彩空间的输出值,其中每个立方体由8个样本点组成,其中所述源色彩空间包含白点对角线;
模糊处理模块602,用于按照所述预设分割点划分所述源色彩空间各输入分量的模糊子集以及所述目标色彩空间各输出分量的模糊子集,将所述样本点的在源色彩空间的输入值和在目标色彩空间的输出值通过所述隶属度函数转化为隶属度变量;
划分模块603,用于将每个立方体拆分成6个相连的四棱锥体,其中6个相连的四棱锥体的边均包含与所述白点对角线平行或重合的目标对角线,其中每个四棱锥体由4个样本点组成;
位置确定模块604,用于确定源色彩空间中任一输入点落入的目标立方体,并确定该输入点在所述目标立方体内落入的目标四棱锥体;
输出模块605,用于根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值;
去模糊模块606,用于对所述模糊输出值隶属度变量经过去模糊处理,得到所述输入点在目标色彩空间的输出值。
在本发明的一个实施例中,所述插值规则为基于所述目标对角线附近的输入点从源色彩空间转换为目标色彩空间时的线性插值法。
在本发明的一个实施例中,所述目标立方体的8样本点A、B、C、D、E、F、G和H,其中AG为对应的目标立方体的目标对角线;
所述输出模块605,具体用于:若所述输入点位于所述样本点A与所述样本点A同属一个坐标轴上的样本点所在的所述目标四棱锥体的边线上,则输入点的模糊输出值为所述样本点A的隶属度变量;若所述输入点位于所述目标四棱锥体不包含所述样本点G的面且不位于所述样本点A与所述样本点A同属一个坐标轴上的样本点所在的所述目标四棱锥体的边线上,则输入点的模糊输出值为与所述样本点A同属一个坐标轴上的样本点的隶属度变量;若所述输入点位于所述目标对角线所在的目标四棱锥体的任一面上且不位于所述目标立方体和所述目标四棱锥体共同包含的经过所述样本点G的边线上,则输入点的模糊输出值为除目标对角线的样本点A和G外的另一样本点的隶属度变量;若所述输入点位于所述目标立方体和所述目标四棱锥体共同包含的经过所述样本点G的边线上,则输入点的模糊输出值为G的隶属度变量。
本实施例提供的设备,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
图7为本发明实施例提供的基于模糊推理的色彩空间转换设备的硬件结构示意图。如图7所示,本实施例的基于模糊推理的色彩空间转换设备70包括:处理器701以及存储器702;其中
存储器702,用于存储计算机执行指令;
处理器701,用于执行存储器存储的计算机执行指令,以实现上述实施例中所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选地,存储器702既可以是独立的,也可以跟处理器701集成在一起。
当存储器702独立设置时,该基于模糊推理的色彩空间转换设备还包括总线703,用于连接存储器702和处理器701。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现如上的基于模糊推理的色彩空间转换方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例方法的部分步骤。
应理解,上述处理器可以是中央处理单元(Central Processing Unit,简称CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)等。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。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,简称ISA)总线、外部设备互连(Peripheral Component,简称PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是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。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种基于模糊推理的色彩空间转换方法,其特征在于,包括:
将源色彩空间按照颜色通道坐标轴的预设分割点分割成多个立方体,得到预设数量的样本点,并获取所述样本点在源色彩空间的输入值和在目标色彩空间的输出值,其中每个立方体由8个样本点组成,其中所述源色彩空间包含白点对角线;
按照所述预设分割点划分所述源色彩空间各输入分量的模糊子集以及所述目标色彩空间各输出分量的模糊子集,将所述样本点的在源色彩空间的输入值和在目标色彩空间的输出值通过隶属度函数转化为隶属度变量;
将每个立方体拆分成6个相连的四棱锥体,其中6个相连的四棱锥体的边均包含与所述白点对角线平行或重合的目标对角线,其中每个四棱锥体由4个样本点组成;
确定源色彩空间中任一输入点落入的目标立方体,并确定该输入点在所述目标立方体内落入的目标四棱锥体;
根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值;
对模糊输出值隶属度变量经过去模糊处理,得到所述输入点在目标色彩空间的输出值;
所述插值规则为基于所述目标对角线附近的输入点从源色彩空间转换为目标色彩空间时的线性插值法;
所述目标立方体的8样本点A、B、C、D、E、F、G和H,其中AG为对应的目标立方体的目标对角线;
所述根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值,包括:
若所述输入点位于所述样本点A与所述样本点A同属一个坐标轴上的样本点所在的所述目标四棱锥体的边线上,则输入点的模糊输出值为所述样本点A的隶属度变量;
若所述输入点位于所述目标四棱锥体不包含所述样本点G的面且不位于所述样本点A与所述样本点A同属一个坐标轴上的样本点所在的所述目标四棱锥体的边线上,则输入点的模糊输出值为与所述样本点A同属一个坐标轴上的样本点的隶属度变量;
若所述输入点位于所述目标对角线所在的目标四棱锥体的任一面上且不位于所述目标立方体和所述目标四棱锥体共同包含的经过所述样本点G的边线上,则输入点的模糊输出值为该面上除目标对角线的样本点A和G外的另一样本点的隶属度变量;
若所述输入点位于所述目标立方体和所述目标四棱锥体共同包含的经过所述样本点G的边线上,则输入点的模糊输出值为G的隶属度变量。
2.根据权利要求1所述的方法,其特征在于,所述源色彩空间为RGB色彩空间;所述目标四棱锥体的4个样本点分别记为A、B、C和G,其中A B位于RGB色彩空间的x轴,AG为对应的目标立方体的目标对角线,CG与RGB色彩空间的z轴平行;
相应地,根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值,包括:
若所述输入点位于AB线上,则所述输入点的模糊输出值为A的隶属度变量;
若所述输入点位于ABC的面上且不位于AB线上,则输入点的模糊输出值为B的隶属度变量;
若所述输入点位于ACG的面上且不位于CG线上,则输入点的模糊输出值为C的隶属度变量;
若所述输入点位于CG线上,则输入点的模糊输出值为G的隶属度变量。
3.根据权利要求1或2所述的方法,其特征在于,所述模糊子集的隶属度函数为三角形函数。
4.一种基于模糊推理的色彩空间转换设备,其特征在于,包括:
分割模块,用于将源色彩空间按照颜色通道坐标轴的预设分割点分割成多个立方体,得到预设数量的样本点,并获取所述样本点在源色彩空间的输入值和在目标色彩空间的输出值,其中每个立方体由8个样本点组成,其中所述源色彩空间包含白点对角线;
模糊处理模块,用于按照所述预设分割点划分所述源色彩空间各输入分量的模糊子集以及所述目标色彩空间各输出分量的模糊子集,将所述样本点的在源色彩空间的输入值和在目标色彩空间的输出值通过隶属度函数转化为隶属度变量;
划分模块,用于将每个立方体拆分成6个相连的四棱锥体,其中6个相连的四棱锥体的边均包含与所述白点对角线平行或重合的目标对角线,其中每个四棱锥体由4个样本点组成;
位置确定模块,用于确定源色彩空间中任一输入点落入的目标立方体,并确定该输入点在所述目标立方体内落入的目标四棱锥体;
输出模块,用于根据所述目标四棱锥体的插值规则和所述目标四棱锥体的4个样本点对应的隶属度变量,得到所述输入点的模糊输出值;
去模糊模块,用于对模糊输出值隶属度变量经过去模糊处理,得到所述输入点在目标色彩空间的输出值;
所述插值规则为基于所述目标对角线附近的输入点从源色彩空间转换为目标色彩空间时的线性插值法;
所述目标立方体的8样本点A、B、C、D、E、F、G和H,其中AG为对应的目标立方体的目标对角线;
所述输出模块,具体用于:若所述输入点位于所述样本点A与所述样本点A同属一个坐标轴上的样本点所在的所述目标四棱锥体的边线上,则输入点的模糊输出值为所述样本点A的隶属度变量;
若所述输入点位于所述目标四棱锥体不包含所述样本点G的面且不位于所述样本点A与所述样本点A同属一个坐标轴上的样本点所在的所述目标四棱锥体的边线上,则输入点的模糊输出值为与所述样本点A同属一个坐标轴上的样本点的隶属度变量;
若所述输入点位于所述目标对角线所在的目标四棱锥体的任一面上且不位于所述目标立方体和所述目标四棱锥体共同包含的经过所述样本点G的边线上,则输入点的模糊输出值为该面上除目标对角线的样本点A和G外的另一样本点的隶属度变量;
若所述输入点位于所述目标立方体和所述目标四棱锥体共同包含的经过所述样本点G的边线上,则输入点的模糊输出值为G的隶属度变量。
5.一种基于模糊推理的色彩空间转换设备,其特征在于,包括:存储器和至少一个处理器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至3任一项所述的基于模糊推理的色彩空间转换方法。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至3任一项所述的基于模糊推理的色彩空间转换方法。
CN201910276921.3A 2019-04-08 2019-04-08 基于模糊推理的色彩空间转换方法及设备 Active CN110035268B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910276921.3A CN110035268B (zh) 2019-04-08 2019-04-08 基于模糊推理的色彩空间转换方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910276921.3A CN110035268B (zh) 2019-04-08 2019-04-08 基于模糊推理的色彩空间转换方法及设备

Publications (2)

Publication Number Publication Date
CN110035268A CN110035268A (zh) 2019-07-19
CN110035268B true CN110035268B (zh) 2021-01-26

Family

ID=67237707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910276921.3A Active CN110035268B (zh) 2019-04-08 2019-04-08 基于模糊推理的色彩空间转换方法及设备

Country Status (1)

Country Link
CN (1) CN110035268B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111770320B (zh) * 2020-07-14 2022-06-21 深圳市洲明科技股份有限公司 一种色彩校正方法和装置、色彩校正设备和存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07160871A (ja) * 1993-12-09 1995-06-23 Mieko Nagashima 色画像補正方法及びその装置
CN101442602B (zh) * 2008-12-31 2010-12-08 陕西科技大学 一种基于模糊理论的色彩空间转换方法
CN102170516B (zh) * 2011-04-07 2013-03-06 陕西科技大学 基于模糊理论和神经网络的色彩空间转换方法

Also Published As

Publication number Publication date
CN110035268A (zh) 2019-07-19

Similar Documents

Publication Publication Date Title
US11055826B2 (en) Method and apparatus for image processing
US20160267695A1 (en) Acceleration of exposure fusion with pixel shaders
US20220100576A1 (en) Video processing method and device, electronic equipment and storage medium
US20230214989A1 (en) Defect detection method, electronic device and readable storage medium
CN111476851A (zh) 图像处理方法、装置、电子设备及存储介质
CN112149583A (zh) 烟雾检测方法、终端设备及存储介质
CN110035268B (zh) 基于模糊推理的色彩空间转换方法及设备
CN113506305B (zh) 三维点云数据的图像增强方法、语义分割方法及装置
CN111160358A (zh) 一种图像二值化方法、装置、设备、介质
CN112396610A (zh) 一种图像处理方法、计算机设备、存储介质
CN113658196A (zh) 红外图像中船舶的检测方法、装置、电子设备和介质
CN114882125A (zh) 图像数据的灰度化方法、装置、终端设备及可读存储介质
CN110310341B (zh) 颜色算法中默认参数的生成方法、装置、设备和存储介质
CN109640084B (zh) 视频流降噪方法、装置及存储介质
CN111539975A (zh) 一种运动目标的检测方法、装置、设备及存储介质
CN111062984A (zh) 视频图像区域面积的测量方法、装置、设备及存储介质
US8269769B1 (en) Occlusion prediction compression system and method
CN114820277A (zh) 基于OpenCL的图像处理方法、装置、计算设备及介质
CN113516738B (zh) 一种动画处理方法、装置、存储介质及电子设备
CN115829846A (zh) 图像处理方法、装置、电子设备及存储介质
CN110879948B (zh) 图像处理方法、装置及存储介质
US6122744A (en) Selecting a routine based on processing power
CN110933256A (zh) 图像暗场漏电流的校正方法、装置、电子终端、存储介质
CN111722823A (zh) 自适应屏幕分辨率的方法、装置、存储介质及电子设备
CN118505519B (zh) 腐蚀算子的加速方法、系统及电子设备

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