CN110084765A - 一种图像处理方法、图像处理装置及终端设备 - Google Patents
一种图像处理方法、图像处理装置及终端设备 Download PDFInfo
- Publication number
- CN110084765A CN110084765A CN201910369269.XA CN201910369269A CN110084765A CN 110084765 A CN110084765 A CN 110084765A CN 201910369269 A CN201910369269 A CN 201910369269A CN 110084765 A CN110084765 A CN 110084765A
- Authority
- CN
- China
- Prior art keywords
- image
- frame
- benchmark
- motion
- vegetarian refreshments
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 96
- 238000003672 processing method Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 48
- 239000013598 vector Substances 0.000 claims description 78
- 238000004590 computer program Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 16
- 230000003068 static effect Effects 0.000 claims description 8
- 230000004048 modification Effects 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims 2
- 241000406668 Loxodonta cyclotis Species 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 18
- 230000000694 effects Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008439 repair process Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 1
- 235000011613 Pinus brutia Nutrition 0.000 description 1
- 241000018646 Pinus brutia Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G06T5/73—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本申请适用于提供了一种图像处理方法、图像处理装置及终端设备，所述方法包括：获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，所述N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含所述运动对象；确定第一基准图像，所述第一基准图像为所述N帧第一图像中的一帧图像；根据所述N帧第一图像，确定所述第一基准图像中M个基准像素点分别在所述第一基准图像中的运动轨迹，其中，M≥1且M为整数，所述基准像素点为所述第一基准图像中组成所述运动对象的像素点；对所述第一基准图像中位于M个所述运动轨迹上的像素点进行模糊处理，得到处理后的第二图像。本申请可以在一定程度上提高获取用于展现运动对象运动状态的图像的效率。
Description
技术领域
本申请属于图像处理技术领域，尤其涉及一种图像处理方法、图像处理装置、终端设备及计算机可读存储介质。
背景技术
目前，为了得到能够展现运动对象运动状态的图像(比如，得到显示运动对象运动拖影的图像)，通常采用的方法为：利用三脚架等装置固定拍摄设备(比如，智能手机)，通过长时间曝光得到具备运动拖影的图像；或者，人工利用修图软件(比如，PhotoShop)，通过后期修图得到能够呈现运动状态的图像。
然而，传统的方法中前者需要三脚架等固定拍摄设备的附加装置，后者需要人为采用修图软件进行修图，因此，目前，无法高效率地获取用于展现运动对象运动状态的图像。
发明内容
有鉴于此，本申请提供了一种图像处理方法、图像处理装置、终端设备及计算机可读存储介质，可以在一定程度上提高获取用于展现运动对象运动状态的图像的效率。
本申请第一方面提供了一种图像处理方法，包括：
获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，该N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含上述运动对象；
确定第一基准图像，其中，该第一基准图像为上述N帧第一图像中的一帧图像；
根据上述N帧第一图像，确定上述第一基准图像中M个基准像素点分别在上述第一基准图像中的运动轨迹，其中，M≥1且M为整数，上述基准像素点为上述第一基准图像中组成上述运动对象的像素点；
对上述第一基准图像中位于M个上述运动轨迹上的像素点进行模糊处理，得到处理后的第二图像。
本申请第二方面提供了一种图像处理装置，包括：
多帧图像获取模块，用于获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，该N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含上述运动对象；
第一基准确定模块，用于确定第一基准图像，其中，该第一基准图像为上述N帧第一图像中的一帧图像；
运动轨迹确定模块，用于根据上述N帧第一图像，确定上述第一基准图像中M个基准像素点分别在上述第一基准图像中的运动轨迹，其中，M≥1且M为整数，上述基准像素点为上述第一基准图像中组成上述运动对象的像素点；
模糊处理模块，用于对上述第一基准图像中位于M个上述运动轨迹上的像素点进行模糊处理，得到处理后的第二图像。
除上述第一方面所述的图像处理方法，本申请还提供了另一种图像处理方法，该图像处理方法通过确定运动对象的运动方向来对第一基准图像进行模糊处理，从而得到用于展现运动对象运动状态的图像。
本申请第三方面提供了一种图像处理方法，包括：
获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，该N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含所述运动对象；
确定第一基准图像，其中，该第一基准图像为所述N帧第一图像中的一帧图像；
根据上述N帧第一图像，确定上述运动对象的运动方向；
在上述第一基准图像中，选取M个模糊处理的起始点，其中，M≥1且M为整数；
根据上述运动对象的运动方向，确定每个模糊处理的起始点所对应的模糊轨迹，其中，每个起始点对应的模糊轨迹均为端点为该起始点，且与所述运动方向平行的线段；
对上述第一基准图像中位于M个模糊轨迹上的像素点进行模糊处理，得到处理后的第四图像。
本申请第四方面提供了一种图像处理装置，包括：
多帧图像获取模块，用于获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，该N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含所述运动对象；
第一基准确定模块，用于确定第一基准图像，其中，该第一基准图像为所述N帧第一图像中的一帧图像；
运动方向确定模块，用于根据上述N帧第一图像，确定上述运动对象的运动方向；
起始点选取模块，用于在上述第一基准图像中，选取M个模糊处理的起始点，其中，M≥1且M为整数；
模糊轨迹确定模块，用于根据上述运动对象的运动方向，确定每个模糊处理的起始点所对应的模糊轨迹，其中，每个起始点对应的模糊轨迹均为端点为该起始点，且与上述运动方向平行的线段；
模糊处理模块，用于对上述第一基准图像中位于M个模糊轨迹上的像素点进行模糊处理，得到处理后的第四图像。
本申请第五方面提供了一种终端设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上述第一方面方法或第三方面方法的步骤。
本申请第六方面提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如上述第一方面方法或第三方面方法的步骤。
本申请第七方面提供了一种计算机程序产品，上述计算机程序产品包括计算机程序，上述计算机程序被一个或多个处理器执行时实现如上述第一方面方法或第三方面方法的步骤。
由上可见，本申请提供了一种图像处理方法。首先，获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，该N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含上述运动对象，比如，上述N帧第一图像可以为对上述运动对象连拍的N帧图像；其次，确定第一基准图像，其中，该第一基准图像为上述N帧第一图像中的一帧图像；然后，根据上述N帧第一图像，确定上述第一基准图像中M个基准像素点分别在上述第一基准图像中的运动轨迹，其中，M≥1且M为整数，上述基准像素点为上述第一基准图像中组成上述运动对象的像素点；最后，对上述第一基准图像中位于M个上述运动轨迹上的像素点进行模糊处理，得到处理后的第二图像。由此可见，本申请可以得到对上述运动对象运动轨迹模糊的第二图像，该第二图像可以显示该运动对象的运动轨迹，因此，该第二图像能够在一定程度上展现该运动对象的运动状态。此外，本申请所提供的图像处理方法中，终端设备在获取到上述N帧第一图像之后，该终端设备可以自动生成能够展现运动对象运动状态的第二图像，避免了目前需要人为采用修图软件才能得到展现运动状态图像的技术问题，并且，本申请所提供的图像处理方法中，仅仅只对第一基准图像中运动对象的运动轨迹区域进行模糊处理，因此，完全不需要上述N帧第一图像的静态背景绝对对齐，所以，上述N帧第一图像完全可以是用户手持拍摄设备所拍摄的图像，而不是必须为采用三脚架固定拍摄设备后，由该拍摄设备所拍摄的图像。
综上所述，本申请相比于现有技术，在获取用于展现运动对象运动状态的图像时，完全不需要三脚架等固定装置，也不需要人工利用修图软件，所以，本申请可以在一定程度上提高获取用于展现运动对象运动状态的图像的效率。
此外，本申请提供的另一种图像处理方法(上述第六方面所述的图像处理方法)所生成的第四图像能够在一定程度上展现运动对象的运动方向，因此也可以自动生成用于展现运动对象运动状态的图像，避免了需要人为采用修图软件才能得到展现运动状态图像的技术问题，并且，本申请上述第六方面提供的图像处理方法，也仅仅只对第一基准图像进行模糊处理，完全不需要上述N帧第一图像的静态背景绝对对齐，所以，该N帧第一图像完全可以是用户手持拍摄设备所拍摄的图像，而不是必须为采用三脚架固定拍摄设备后，由该拍摄设备所拍摄的图像。因此，上述第六方面所述的图像处理方法也可以在一定程度上提高获取用于展现运动对象运动状态的图像的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本申请实施例一提供的一种图像处理方法的实现流程示意图；
图2(a)是本申请实施例一提供的在用户触发“动态效果拍摄”控件时，终端设备提供给用户的用于设置连拍时长的界面示意图；
图2(b)是本申请实施例一提供的用于用户设置第一基准图像的界面示意图；
图3(a)是本申请实施例一提供的一种第二图像的示意图；
图3(b)是本申请实施例一提供的另一种第二图像的示意图；
图4是本申请实施例一提供的用于展示基准像素点运动轨迹的示意图；
图5是本申请实施例一提供的一种获取第三图像的过程示意图；
图6是本申请实施例二提供的另一种图像处理方法的实现流程示意图；
图7是本申请实施例二提供的帧间运动向量的示意图；
图8是本申请实施例三提供的再一种图像处理方法的实现流程示意图；
图9(a)-图9(b)是本申请实施例三提供的用于展示模糊轨迹的示意图；
图9(c)是本申请实施例三提供的一种第四图像的示意图；
图10是本申请实施例四提供的一种图像处理装置的结构示意图；
图11是本申请实施例五提供的另一种图像处理装置的结构示意图；
图12是本申请实施例六提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
本申请实施例提供的图像处理方法适用于终端设备，示例性地，该终端设备包括但不限于：智能手机、平板电脑、笔记本、智能可穿戴设备、桌上型计算机以及云端服务器等。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
实施例一
下面对本申请实施例一提供的图像处理方法进行描述，该图像处理方法应用于终端设备，请参阅附图1，本申请实施例一的图像处理方法包括：
在步骤S101中，获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，该N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含上述运动对象；
该步骤S101所述的“运动对象”为相对于拍摄该运动对象的摄像头运动的对象，比如，相对于拍摄所用摄像头移动的人像、狗、飞机、鸟、白云、树木、房屋等，本申请对上述“运动对象”的类型不作限定。
在本申请实施例中，上述N帧第一图像为对上述运动对象按照时间顺序依次拍摄的多帧图像，该N帧第一图像可以体现上述运动对象相对于拍摄用摄像头的运动过程。请本领域技术人员注意，假设本申请实施例一中的各个步骤应用于终端设备A，该终端设备A在执行上述步骤S101时，所获取的N帧第一图像可以是该终端设备A拍摄的，也可以是另一终端设备B拍摄的，比如，用户利用专业摄像机对运动对象进行拍摄，然后将该专业摄像机拍摄的N帧第一图像传输至用于执行本申请实施例一各个步骤的桌上型计算机中，以使得该桌上型计算机获取对运动对象所拍摄的N帧第一图像。
假设本申请实施例中的各个步骤应用于终端设备A，并且该步骤S101所述的“N帧第一图像”也为该终端设备A所拍摄，则该N帧第一图像可以为该终端设备A执行“连拍模式”时，拍摄的多帧图像。下面论述一种具体的该终端设备A获取N帧第一图像的过程：
该终端设备A可以提供给用户一“动态效果拍摄”控件，当用户想要获取当前某一运动对象X的动态效果图像(比如具有该运动对象X运动拖影效果的图像)时，可以触发该控件，当该终端设备A检测到用户触发该控件时，可以自动开启“连拍模式”，并可以自动确定所拍摄每帧图像的曝光时间以及连拍速度，从而获取对上述运动对象X拍摄的N帧第一图像。如图2(a)所示，为本申请提供的当用户在触发“动态效果拍摄”控件后，该终端设备A提供给用户的一种界面示意图，用户可以在该界面中设置连拍的时长为固定时长(比如，图2(a)中所示的0.5s或者1s)，用户也可以在该界面中设置连拍的时长由手动控制(比如，当用户在该界面设置连拍的时长由手动控制时，用户可以长按图2(a)中的拍摄按钮，当用户松开该拍摄按钮时，终端设备A停止采集图像)。此外，请本领域技术人员注意，该段所述的“所拍摄每帧图像的曝光时间”应该比正常拍摄时偏短，以保证所拍摄的每帧第一图像都较为清晰，尽量不存在较大的运动模糊，这不仅有助于后续步骤中基准像素点运动轨迹的确定，而且有助于后续步骤S104生成的第二图像的最终呈现效果(具体原因可参见后续描述)。
另外，若终端设备A连拍的多帧图像中包含不存在运动对象X的图像时(比如，由于终端设备A的移动或者运动对象X的移动，使得运动对象X位于终端设备A的可视范围外时，终端设备A依然处于连拍模式，从而使得终端设备A获取到不存在运动对象X的图像)，则该终端设备A可以将不存在运动对象X的图像剔除，从而获取N帧均包含运动对象X的第一图像。
在步骤S102中，确定第一基准图像，其中，该第一基准图像为上述N帧第一图像中的一帧图像；
在本申请实施例中，该第一基准图像可以是终端设备根据用户的选择所确定的，也可以是终端设备自动确定的。如图2(b)所示，为终端设备提供给用户的用于用户设置第一基准图像的界面示意图，用户可以在该界面中设置N帧第一图像中的前(即第一帧)为第一基准图像，也可以设置N帧第一图像中的后(即最后一帧)为第一基准图像，还可以设置由终端设备自动选择N帧第一图像中的一帧为第一基准图像。请本领域技术人员注意，虽然图2(b)中，用户只能设置N帧第一图像中的第一帧或者最后一帧为第一基准图像，但在实际应用中，用户可以选择N帧第一图像中的任意一帧为第一基准图像。
在本申请实施例一中，最终生成的第二图像是在第一基准图像的基础上，对该第一基准图像中运动对象的运动轨迹进行模糊处理后生成的，所以，该第一基准图像的成像质量会影响到最终生成的第二图像的效果，因此，第一基准图像应该为N帧第一图像中成像质量较好的一帧图像。然而，由于运动对象相对于摄像头的不断移动，会使得每帧第一图像都可能会存在运动模糊，为了保证最终生成的第二图像的效果，第一基准图像应该为N帧第一图像中运动模糊较小的一帧图像(摄像头在采集每帧第一图像时的曝光时间不应太大，从而进一步保证所确定的第一基准图像的成像效果)。下面论述当N帧第一图像为摄像头连拍的多帧图像时，终端设备自动确定第一基准图像的一种方法：
步骤A、对于每帧第一图像，利用与其相邻的第一图像，计算该帧第一图像中组成运动对象的多个像素点的帧间运动向量；
在该步骤A中，终端设备可以利用稠密光流算法计算每帧图像中运动对象的多个像素点的帧间运动向量，利用稠密光流算法计算像素点运动向量的方法为现有技术，此处不再赘述。
另外，在该步骤A中，对于每帧第一图像，终端设备可以计算该帧第一图像中组成运动对象的每个像素点的帧间运动向量，本申请对所计算的每帧第一图像所对应的帧间运动向量个数不作限定。
步骤B、根据每帧第一图像中组成该运动对象的多个像素点的帧间运动向量，计算每帧第一图像中组成该运动对象的多个像素点的帧间运动向量的长度平均值；
在该步骤B中，对于每帧第一图像，终端设备计算该第一图像所对应的各个帧间运动向量的长度平均值。
步骤C、将对应长度平均值最小的一帧第一图像确定为第一基准图像。
由于运动对象的不断运动，会使得N帧第一图像中的每帧第一图像都会存在一定程度的运动模糊，通常情况下，若某一第一图像对应长度平均值较小，则说明该第一图像在采集时，运动对象的运动速度不高，因此，该第一图像的运动模糊程度相比于其他第一图像来说会相对较小，因此，在本申请实施例中，终端设备可以选取对应长度平均值最小的一帧第一图像为第一基准图像。
为了便于本领域技术人员直观感受本申请实施例在选择不同第一基准图像时能够达到的技术效果，下面利用附图3来说明。假设N帧第一图像是对从左至右奔跑的人像连拍的多帧图像，当采用第一帧为第一基准图像时，可以得到如图3(a)所示的一种第二图像，当采用最后一帧为第一基准图像时，可以得到的如图3(b)所示的一种第二图像。此外，请本领域技术人员注意，图3(a)和图3(b)仅仅是第二图像的两种示意图，本申请还可以得到除图3(a)和图3(b)所示图像之外的其他效果图。
通常情况下，用户在拍摄动态效果图像时，往往希望将N帧第一图像的第一帧或者最后一帧作为第一基准图像，所以，当终端设备在自动确定第一基准图像时，还可以依据N帧第一图像中每帧图像的拍摄次序来确定第一基准图像。下面论述当N帧第一图像为摄像头连拍的多帧图像时，终端设备自动确定第一基准图像的另一种方法：
步骤D、对于每帧第一图像，利用与其相邻的第一图像，计算该帧第一图像中组成运动对象的多个像素点的帧间运动向量；
步骤E、根据每帧第一图像中组成该运动对象的多个像素点的帧间运动向量，计算每帧第一图像中组成该运动对象的多个像素点的帧间运动向量的长度平均值；
上述步骤D与上述步骤A的实施方式完全相同，上述步骤E与上述步骤B的实施方式完全相同，具体参见上述关于步骤A以及步骤B的描述，此处不再赘述。
步骤F、根据每帧第一图像所对应的长度平均值，为每帧第一图像分别分配第一分数值，其中，第一分数值的大小与长度平均值的大小反相关；
也即是，当某帧第一图像对应的长度平均值较大时，可以分配较小的第一分数值给该第一图像，当某帧第一图像对应的长度平均值较小时，可以分配较大的第一分数值给该第一图像。
步骤G、根据每帧第一图像在所述N帧第一图像中的拍摄次序，为每帧第一图像分别分配第二分数值，其中，第二分数值与拍摄次序的关系如下：随着拍摄次序由前至后，第二分数值先变小后增大；
也即是，位于N帧第一图像开头几帧或者结尾几帧的图像，可以被分配较大的第二分数值，位于N帧第一图像中间的图像，可以被分配较小的第二分数值。在本申请实施例中，第二分数值y与拍摄次序x的关系可以为：y＝a(x-b)2+c，其中，a>0，b大于拍摄次序的最小值且小于拍摄次序最大值。
步骤H、计算每帧第一图像分别对应的分数值，其中，每帧第一图像对应的分数值为该帧第一图像的第一分数值与该帧第一图像的第二分数值之和，将对应分数值最大的一帧第一图像确定为所述第一基准图像。
本领域技术人员容易理解，通过上述步骤D-步骤H，可以使得所确定的第一基准图像为运动模糊较小，而且还位于N帧第一图像开头或结尾的一帧图像。
在步骤S103中，根据上述N帧第一图像，确定上述第一基准图像中M个基准像素点分别在上述第一基准图像中的运动轨迹，其中，M≥1且M为整数，上述基准像素点为上述第一基准图像中组成上述运动对象的像素点；
在本申请实施例中，可以根据N帧第一图像，计算M个基准像素点在每相邻两帧第一图像之间的帧间运动向量，然后根据每个基准像素点在每两帧相邻第一图像之间的帧间运动向量，确定每个基准像素点在上述第一基准图像中的运动轨迹，具体可参见本申请实施例二的描述，此处不再赘述。
此外，在本申请实施例中，上述M的取值可以为第一基准图像中组成上述运动对象的所有像素点的个数，比如，若第一基准图像中，组成上述运动对象的像素点个数一共有10000个，则M可以为10000。
另外，请本领域技术人员注意，本申请中的每个基准像素点的运动轨迹是不包括该基准像素点的，如图4所示，基准像素点A的运动轨迹为虚线402，该运动轨迹虚线402中并不包含基准像素点A。
在步骤S104中，对上述第一基准图像中位于M个上述运动轨迹上的像素点进行模糊处理，得到处理后的第二图像。
为了便于描述该步骤S104的具体实施过程，下面利用附图4进行说明。如图4所示，假设图像401为第一基准图像，所确定的两个基准像素点A点以及B点的运动轨迹分别为图4中的虚线402以及虚线403，则在该步骤S104中，可以对图像401中虚线402以及虚线403经过的像素点进行模糊处理。但是，请本领域技术人员注意，对虚线402以及虚线403经过的像素点进行模糊处理并不等同于对虚线402以及虚线403经过的每个像素点都进行模糊处理。模糊处理基准像素点的运动轨迹可以使得第二图像能够在一定程度上展示运动对象的运动轨迹，从而得到具备动态艺术效果的图像。此外，在本申请实施例中，每个运动轨迹的模糊程度可以是渐变的，也即是，如图4所示，对虚线402进行模糊处理时，可以从左至右模糊程度逐渐减小。
下面论述一种具体的模糊处理方式：
针对每个基准像素点的运动轨迹，将所述第一基准图像中，位于该运动轨迹上的所有像素点的像素值均修正为原像素值与该基准像素点像素值的混合值，得到所述第二图像。
也即是，如图4所示，基准像素点A的运动轨迹为虚线402，则对于虚线402中的所有像素点都进行如下处理(以点A1为例说明)：点A1修正后的像素值为：w1×点A1原像素值﹢w2×点A像素值(其中，w1与w2之和可以为1)。本申请可以通过对虚线402中每个像素点像素值的修正，使得像素点A可以在虚线402上形成拖影。同理，对于基准像素点B的运动轨迹虚线403，也可以将虚线403中的每个像素点的像素值修正为原像素值与基准像素点B像素值的混合值，从而使得像素点B在虚线403中形成拖影。这种模糊处理方式可以使得第二图像能够展示运动对象的拖影，相比于一般的图像模糊方式更能展示运动对象的运动轨迹，动态效果也更好。此外，如图4所示，若点P既在点A的运动轨迹402上，同时也在点B的运动轨迹403上时，则该点P修正后的像素值可以为：w3×点P原像素值﹢w4×点A像素值﹢w5×点B像素值(其中，w3、w4与w5之和可以为1)。
此外，在本申请实施例中，当步骤S101获取的N帧第一图像中任意两帧第一图像的拍摄角度差值小于预设差值时(此时，该N帧第一图像可以为用户手持终端设备，并保持该终端设备基本处于静止状态时，利用该终端设备连拍获取的多帧图像)，所述图像处理方法还包括：
步骤I、确定第二基准图像，其中，所述第二基准图像为上述N帧第一图像中除第一基准图像之外的一帧图像；
步骤J、以上述第一基准图像为标准，将上述第二基准图像中的静态对象与上述第一基准图像中的静态对象对齐，得到对齐处理后的修正第二基准图像；
当N帧第一图像中，任意两帧第一图像的拍摄角度差值小于预设差值时(比如，由于用户手抖导致拍摄角度有微小差别)，上述第二基准图像与上述第一基准图像应该能够采集到相同的静态对象(比如，静态背景)，则在该步骤J中，将第二基准图像与第一基准图像的静态对象对齐，得到与第一基准图像静态对象对齐的修正第二基准图像。
步骤K、将上述修正第二基准图像中上述运动对象所在的图像区域设置为不透明状态，将上述修正第二基准图像中除上述运动对象所在的图像区域之外的图像区域设置为透明状态，得到透明处理后的图像；
步骤L、将上述透明处理后的图像覆盖至上述第二图像上，得到第三图像。
为了便于使本领域技术人员清楚上述第三图像的最终呈现效果，下面利用附图5进行说明，假设第一基准图像为图像501，利用本申请实施例一中的步骤S101-S104可以得到第二图像502，假设第二基准图像为图像503，将图像503进行对齐处理以及透明度设置后得到的图像覆盖在第二图像502中，可以得到第三图像504。本领域技术人员不难发现，第三图像依然能够展现出运动对象的运动状态。
此外，在本申请实施例中，在得到第二图像之后，可以将该第二图像显示至显示屏，在得到第三图像之后，也可以将该第三图像显示至显示屏幕。
在本申请实施例一中，步骤S104得到的第二图像可以显示运动对象的运动轨迹，因此，该第二图像能够在一定程度上展现该运动对象的运动状态。此外，在本申请实施例一中，终端设备在获取到上述N帧第一图像之后，该终端设备可以自动生成能够展现运动对象运动状态的第二图像，避免了目前需要人为采用修图软件才能得到展现运动状态图像的技术问题，并且，本申请所提供的图像处理方法中，仅仅只对第一基准图像中运动对象的运动轨迹区域进行模糊处理，因此，完全不需要上述N帧第一图像的静态背景绝对对齐，所以，上述N帧第一图像完全可以是用户手持终端设备拍摄的图像，而不是必须为采用三脚架固定该终端设备后，由该终端设备所拍摄的图像。因此，相比于现有技术，在获取用于展现运动对象运动状态的图像时，完全不需要三脚架等固定装置，也不需要人工利用修图软件，所以，本申请实施例一可以在一定程度上提高获取用于展现运动对象运动状态的图像的效率。
实施例二
下面对本申请实施例二提供的另一种图像处理方法进行描述，该本申请实施例二提供了实施例一中步骤S103的一种具体实现方法。请参阅附图6，本申请实施例二的图像处理方法包括：
在步骤S601中，获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，该N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含上述运动对象；
在步骤S602中，确定第一基准图像，其中，该第一基准图像为上述N帧第一图像中的一帧图像；
上述步骤S601-S602与实施例一中的步骤S101-S102的具体执行方式完全相同，具体可参见实施例一的描述，此处不再赘述。
在步骤S603中，确定上述第一基准图像中上述运动对象位于的图像区域；
在本申请实施例二中，该步骤S603至后续步骤S606为实施例一中步骤S103的一种具体实施方式。
在该步骤S603中，首先确定上述第一基准图像中上述运动对象位于的图像区域，在本申请实施例二中，可以采用如下方式来确定运动对象位于的图像区域：
步骤M：根据上述第一基准图像以及参考图像，确定上述第一基准图像中每个像素点在该第一基准图像以及上述参考图像之间的帧间运动向量(可以采用稠密光流算法确定)，其中，上述参考图像为与上述第一基准图像相邻的一帧第一图像；
步骤N：确定由于摄像头运动所导致的在上述第一基准图像以及上述参考图像之间的帧间摄像头运动向量；
在该步骤N中，若摄像头运动仅仅是由于用户手抖所导致的，则上述帧间摄像头运动向量可以采用单应变换或者仿射变换的方式来估算。
步骤O：将每个像素点在上述第一基准图像以及上述参考图像之间的帧间运动向量减去在上述第一基准图像以及上述参考图像之间的上述帧间摄像头运动向量，得到上述第一基准图像中每个像素点在上述第一基准图像以及上述参考图像之间的帧间净运动向量；
步骤P：将上述第一基准图像中帧间净运动向量不为0的像素点所位于的区域作为上述运动对象位于的图像区域。
也即是，上述步骤M-步骤P是通过确定第一基准图像中各个像素点的帧间净运动向量来确定该第一基准图像中运动对象所位于的图像区域。
在实际应用中，可以不单单依据第一基准图像以及参考图像，可以依据第一基准图像以及与该第一基准图像距离较近的连续多帧图像(比如，依据第一基准图像、与第一基准图像相邻的参考图像，与该参考图像相邻的第一参考图像)，来确定运动对象所在的图像区域(基于第一基准图像与参考图像，利用上述步骤M-步骤P确定运动对象所在的第一区域，基于参考图像与第一参考图像，同样利用上述步骤M-步骤P再次确定运动对象所在的第二区域，将第一区域与第二区域取交集，得到最终的该运动对象所在的图像区域)，这样可以消除仅仅采用第一基准图像以及参考图像所导致的运动对象所在位置区域的误判。
请本领域技术人员注意，上述步骤M-步骤P仅仅是上述步骤S603的一种具体的实现方式，该步骤S603还可以采用其他方式，比如，可以通过用户选定的方式来确定上述运动对象位于的图像区域；或者，也可以通过目标检测的方式来确定上述运动对象位于的图像区域。本申请并不对上述步骤S603的具体实现方式进行限定。
在步骤S604中，在上述运动对象位于的图像区域中，选取M个基准像素点，其中，M≥1且M为整数；
与实施例一相同，上述M的取值可以为第一基准图像中组成上述运动对象的所有像素点的个数，比如，若第一基准图像中，组成上述运动对象的像素点个数一共有10000个，则M可以为10000。
在步骤S605中，确定每个基准像素点在每两帧相邻第一图像之间的帧间运动向量；
在本申请实施例中，每个基准像素点在每两帧相邻第一图像之间的帧间运动向量的计算方式可以为稠密光流算法(每帧第一图像的清晰度会影响帧间运动向量的计算准确度，因此，为了保证每帧第一图像的清晰度，拍摄每帧第一图像的曝光时长应较短)。
为了使本领域技术人员了解该步骤S605的具体实施过程，下面利用附图7进行说明。如图7所示，假设步骤S601获取的第一图像共4帧，其中第3帧为第一基准图像，该第一基准图像中有基准像素点X，则可以利用稠密光流算法，确定该点X在第1帧与第2帧之间的帧间运动向量第2帧与第3帧之间的帧间运动向量以及第3帧与第4帧之间的帧间运动向量(具体利用稠密光流算法，确定帧间运动向量的方法是现有技术，此处不再赘述)。
在步骤S606中，对于每个基准像素点，根据该基准像素点在每两帧相邻第一图像之间的帧间运动向量，确定该基准像素点在上述第一基准图像中的运动轨迹；
对于某个基准像素点来说，通过该基准像素点在相邻两帧第一图像之间的帧间运动向量，可以确定该基准像素点在各个第一图像上的位置，比如，如图7所示，根据运动向量运动向量以及运动向量可以确定基准像素点X在第1帧、第2帧以及第4帧的位置，然后可以将点X在第1帧的位置映射到第一基准图像，得到点X的一个轨迹点1(比如，若点X在第1帧的位置为(100,100)，则可以将第一基准图像中(100,100)处的像素点确定为点X的一个轨迹点)，将点X在第2帧的位置映射到第一基准图像，得到轨迹点2，将点X在第4帧的位置映射到第一基准图像，得到点X的轨迹点3，轨迹点1、轨迹点2以及轨迹点3组成点X的运动轨迹。
此外，拍摄步骤S601所述“N帧第一图像”的摄像头若也存在移动(比如用户手抖所导致的)，则仅仅通过基准像素点在相邻两帧第一图像之间的帧间运动向量，是无法得到该基准像素点准确的运动轨迹的，可以在上述步骤S605之后，执行如下步骤确定基准像素点的运动轨迹：
步骤Q：确定在拍摄上述N帧第一图像时，由于摄像头运动所导致的每两帧相邻第一图像之间的帧间摄像头运动向量；
步骤R：对于每个基准像素点，根据该基准像素点在每两帧相邻第一图像之间的帧间运动向量以及对应的帧间摄像头运动向量，确定该基准像素点在每两帧相邻第一图像之间的帧间净运动向量；
本领域技术人员应该清楚，帧间净运动向量＝帧间运动向量-帧间摄像头运动向量。下面举例来说明上述步骤R的具体执行过程：
在计算基准像素点X在图像1和图像2之间的帧间净运动向量时，可以先确定该基准像素点X在图像1和图像2之间的帧间运动向量，然后，再确定基准像素点X在图像1和图像2之间的帧间摄像头运动向量，将基准像素点X在图像1和图像2之间的帧间运动向量减去基准像素点X在图像1和图像2之间的帧间摄像头运动向量，得到该基准像素点X在图像1和图像2之间的帧间净运动向量。
步骤S：对于每个基准像素点，根据该基准像素点在每两帧相邻第一图像之间的帧间净运动向量，确定每个基准像素点在上述第一基准图像中对应的轨迹点；
步骤T：根据每个基准像素点对应的轨迹点，确定该基准像素点在所述第一基准图像中的运动轨迹；
在上述步骤S中，对于某个基准像素点，根据该基准像素点的帧间净运动向量，可以确定该基准像素点在除第一基准图像之外的其他第一图像的位置，然后可以将位置映射到第一基准图像，得到该基准像素点的在该第一基准图像中的轨迹点。如图7所示，假设附图7中的运动向量为第一基准图像中点X在第1帧与第2帧之间的帧间净运动向量、运动向量第2帧与第3帧之间的帧间净运动向量、运动向量第3帧与第4帧之间的帧间净运动向量，则可以根据净运动向量净运动向量以及净运动向量确定基准像素点X在第1帧、第2帧以及第4帧的位置，然后可以将点X在第1帧的位置映射到第一基准图像，得到点X的一个轨迹点1(比如，若点X在第1帧的位置为(100,100)，则可以将第一基准图像中(100,100)处的像素点确定为点X的一个轨迹点)，将点X在第2帧的位置映射到第一基准图像，得到轨迹点2，将点X在第4帧的位置映射到第一基准图像，得到点X的轨迹点3。
具体地，上述步骤T可以包括如下步骤：
步骤T1、根据每个基准像素点对应的轨迹点，确定每个基准像素点在所述第一基准图像中的初始运动轨迹，其中，每个基准像素点的初始运动轨迹由该基准像素点对应的轨迹点组成；
在附图7中，若基准像素点X的轨迹点为轨迹点1、轨迹点2以及轨迹点3，则该点X的初始运动轨迹为：轨迹点1、轨迹点2以及轨迹点3。
步骤T2：对每个基准像素点的初始运动轨迹进行插值处理，得到每个基准像素点在所述第一基准图像中的运动轨迹。
在附图7所示的例子中，对轨迹点1、轨迹点2以及轨迹点3组成的初始运动轨迹进行插值处理，得到点X的运动轨迹。与实施例一相同，每个基准像素点的运动轨迹是不包括该基准像素点的。
在步骤S607中，对上述第一基准图像中位于M个上述运动轨迹上的像素点进行模糊处理，得到处理后的第二图像。
上述步骤S607与实施例一中的步骤S104的具体执行方式完全相同，具体可参见实施例一的描述，此处不再赘述。
本申请实施例二给出了实施例一中步骤S103的具体实现过程，即通过计算帧间运动向量的方式来确定基准像素点的运动轨迹，但是本领域技术人员应该知晓，实施例一中步骤S103并不局限于本申请实施例二所述的方法。与实施例一相同，该实施例二相比于现有技术，也可以在一定程度上提高获取用于展现运动对象运动状态的图像的效率。
实施例三
下面论述再一种图像处理方法，该图像处理方法同样可以得到用于展现运动对象运动状态的图像。请参阅附图8，本申请实施例三的图像处理方法包括：
在步骤S801中，获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，该N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含上述运动对象；
在步骤S802中，确定第一基准图像，其中，该第一基准图像为上述N帧第一图像中的一帧图像；
上述步骤S801-S802与实施例一中的步骤S101-S102的具体执行方式完全相同，具体可参见实施例一的描述，此处不再赘述。
在步骤S803中，根据上述N帧第一图像，确定上述运动对象的运动方向；
下面论述一种运动对象的运动方向确定方式：
根据上述第一基准图像以及与该第一基准图像相邻的一帧图像(为便于后续描述，称该帧图像为参考图像)，确定上述运动对象中多个像素点的帧间运动向量(也可以为帧间净运动向量，帧间净运动向量的计算方式可以参见实施例二中的步骤O)，根据确定的每个像素点的帧间运动向量，统计每个像素点的运动方向，将对应像素点最多的运动方向确定为所述运动对象的运动方向(比如，可以制作直方图，选取直方图的峰值作为上述运动对象的运动方向)。
当然，本领域技术人员也可以想到其他确定上述运动对象的运动方向的方法。
在步骤S804中，在所述第一基准图像中，选取M个模糊处理的起始点，其中，M≥1且M为整数；
在本申请实施例二中，M个模糊处理的起始点可以选取为组成上述运动对象的像素点；或者，也可以选取为组成背景区域的像素点；或者，M个模糊处理的起始点中可以一部分选取为组成上述运动对象的像素点，另一部分选取为组成背景区域的像素点。本申请对起始点的选取不作限定。
可选地，上述M个模糊处理的起始点可以是上述第一基准图像中第一列或最后一列各个像素点(如图9(b)所示)。
在步骤S805中，根据上述运动对象的运动方向，确定每个模糊处理的起始点所对应的模糊轨迹，其中，每个起始点对应的模糊轨迹均为端点为该起始点，且与所述运动方向平行的线段；
如图9(a)所示，可以选取位于运动对象上的点A以及点B为模糊处理的起始点，假设运动对象的运动方向为水平向右，则该点A以及点B分别对应的模糊轨迹应该也是水平的。如图9(a)所示，点A对应的模糊轨迹为902，点B对应的模糊轨迹为903。此外，请本领域技术人员注意，在本申请实施例中，每个起始点的模糊轨迹是不包括该起始点的。
在步骤S806中，对上述第一基准图像中位于M个模糊轨迹上的像素点进行模糊处理，得到处理后的第四图像；
在该步骤中，对于每个模糊起始点对于的模糊轨迹来说，该模糊轨迹不包括对于的模糊起始点。
具体地，该步骤S806可以针对每个起始点的模糊轨迹，将该第一基准图像中，位于该模糊轨迹上的像素点的像素值修正为原像素值与该起始点像素值的混合值，得到第四图像，通过这种模糊方式，可以使得第四图像中具有起始点的拖影。
在附图9(a)所示的例子中，对模糊轨迹902经过的像素点进行模糊处理，并且对模糊轨迹903经过的模糊轨迹进行模糊处理。但是，请本领域技术人员注意，对某条模糊轨迹上的像素点进行模糊处理，并不代表着对该模糊轨迹上的每个像素点均进行模糊处理。
此外，如图9(b)所示，模糊处理的起始点可以选择为图像901右侧边缘的第一个像素点，在获取的各个模糊轨迹中，可以对每个模糊轨迹中除去运动对象之外的像素点进行模糊处理，从而可以使得第四图像中除去运动对象之外其余图像区域均具备模糊处理的起始点的拖影(具体呈现效果可参考图9(c))。
在本申请实施例三中，最终得到的第四图像可以在一定程度上展现运动对象的运动状态。此外，在本申请实施例三中，终端设备在获取到上述N帧第一图像之后，该终端设备可以自动生成能够展现运动对象运动状态的第四图像，避免了目前需要人为采用修图软件才能得到展现运动状态图像的技术问题，并且，本申请所提供的图像处理方法中，完全不需要上述N帧第一图像的静态背景绝对对齐，所以，上述N帧第一图像完全可以是用户手持终端设备拍摄的图像，而不是必须为采用三脚架固定该终端设备后，由该终端设备所拍摄的图像。因此，相比于现有技术，在获取用于展现运动对象运动状态的图像时，完全不需要三脚架等固定装置，也不需要人工利用修图软件，所以，该实施例三可以在一定程度上提高获取用于展现运动对象运动状态的图像的效率。
应理解，上述各个方法实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
实施例四
本申请实施例四提供了一种图像处理装置，为了便于说明，仅示出与本申请相关的部分，如图10所示，该图像处理装置1000包括：
多帧图像获取模块1001，用于获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，该N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含上述运动对象；
第一基准确定模块1002，用于确定第一基准图像，其中，该第一基准图像为上述N帧第一图像中的一帧图像；
运动轨迹确定模块1003，用于根据上述N帧第一图像，确定上述第一基准图像中M个基准像素点分别在上述第一基准图像中的运动轨迹，其中，M≥1且M为整数，上述基准像素点为上述第一基准图像中组成上述运动对象的像素点；
模糊处理模块1004，用于对上述第一基准图像中位于M个上述运动轨迹上的像素点进行模糊处理，得到处理后的第二图像。
可选地，上述运动轨迹确定模块1003，包括：
区域确定单元，用于确定上述第一基准图像中上述运动对象位于的图像区域；
基准点选取单元，用于在上述运动对象位于的图像区域中，选取M个基准像素点；
运动向量计算单元，用于确定每个基准像素点在每两帧相邻第一图像之间的帧间运动向量；
运动轨迹确定单元，用于对于每个基准像素点，根据该基准像素点在每两帧相邻第一图像之间的帧间运动向量，确定该基准像素点在上述第一基准图像中的运动轨迹。
可选地，上述区域确定单元，包括：
向量确定子单元，用于根据上述第一基准图像以及参考图像，确定上述第一基准图像中每个像素点在上述第一基准图像以及上述参考图像之间的帧间运动向量，其中，上述参考图像为与上述第一基准图像相邻的一帧第一图像；
第一摄像头确定子单元，用于确定由于摄像头运动所导致的在上述第一基准图像以及上述参考图像之间的帧间摄像头运动向量；
第一净向量确定子单元，用于将每个像素点在上述第一基准图像以及上述参考图像之间的帧间运动向量减去在上述第一基准图像以及上述参考图像之间的上述帧间摄像头运动向量，得到上述第一基准图像中每个像素点在上述第一基准图像以及上述参考图像之间的帧间净运动向量；
区域确定子单元，用于将上述第一基准图像中帧间净运动向量不为0的像素点所位于的区域作为上述运动对象位于的图像区域。
可选地，上述运动轨迹确定单元，包括：
第二摄像头确定子单元，用于确定在拍摄上述N帧第一图像时，由于摄像头运动所导致的每两帧相邻第一图像之间的帧间摄像头运动向量；
第二净向量确定子单元，用于根据每个基准像素点在每两帧相邻第一图像之间的帧间运动向量以及每两帧相邻第一图像之间的帧间摄像头运动向量，确定每个基准像素点在每两帧相邻第一图像之间的帧间净运动向量；
轨迹点确定子单元，用于对于每个基准像素点，根据该基准像素点在每两帧相邻第一图像之间的帧间净运动向量，确定每个基准像素点在所述第一基准图像中对应的轨迹点；
运动轨迹确定子单元，用于根据每个基准像素点对应的轨迹点，确定该基准像素点在上述第一基准图像中的运动轨迹。
可选地，上述运动轨迹确定子单元，包括：
初始轨迹确定小单元，用于根据每个基准像素点对应的轨迹点，确定每个基准像素点在上述第一基准图像中的初始运动轨迹，其中，每个基准像素点的初始运动轨迹由该基准像素点对应的轨迹点组成；
轨迹确定小单元，用于对每个基准像素点的初始运动轨迹进行插值处理，得到每个基准像素点在上述第一基准图像中的运动轨迹。
可选地，上述第一基准确定模块1002，包括：
长度计算单元，用于对于每帧第一图像，利用与其相邻的第一图像，计算该帧第一图像中组成上述运动对象的多个像素点的帧间运动向量，并根据每帧第一图像中组成上述运动对象的多个像素点的帧间运动向量，计算每帧第一图像中组成上述运动对象的多个像素点的帧间运动向量的长度平均值；
第一分数分配单元，用于根据每帧第一图像所对应的长度平均值，为每帧第一图像分别分配第一分数值，其中，第一分数值的大小与长度平均值的大小反相关；
第二分数分配单元，用于根据每帧第一图像在所述N帧第一图像中的拍摄次序，为每帧第一图像分别分配第二分数值，其中，拍摄次序小于第一次序的第一图像对应的第二分数值大于拍摄次序居中的第一图像对应的第二分数值，拍摄次数大于第二次序的第一图像对应的第二分数值大于拍摄次序居中的第一图像对应的第二分数值，上述第一次序小于居中的拍摄次序，上述第二次序大于居中的拍摄次序；
分数计算单元，用于计算每帧第一图像分别对应的分数值，其中，每帧第一图像对应的分数值为该帧第一图像的第一分数值与该帧第一图像的第二分数值之和；
第一基准确定单元，用于将对应分数值最大的一帧第一图像确定为上述第一基准图像。
可选地，上述模糊处理模块1004具体用于：
针对每个基准像素点的运动轨迹，将上述第一基准图像中，位于该运动轨迹上的所有像素点的像素值均修正为原像素值与该基准像素点像素值的混合值，得到上述第二图像。
可选地，上述N帧第一图像中相邻两帧第一图像之间的拍摄时间间隔小于预设时长，并且任意两帧第一图像的拍摄角度差值小于预设差值，上述图像处理装置1000还包括：
第二基准确定模块，用于确定第二基准图像，其中，该第二基准图像为上述N帧第一图像中除上述第一基准图像之外的一帧图像；
对齐模块，用于以上述第一基准图像为标准，将上述第二基准图像中的静态对象与上述第一基准图像中的静态对象对齐，得到对齐处理后的修正第二基准图像；
透明模块，用于将上述修正第二基准图像中上述运动对象所在的图像区域设置为不透明状态，将上述修正第二基准图像中除上述运动对象所在的图像区域之外的图像区域设置为透明状态，得到透明处理后的图像；
覆盖模块，用于将上述透明处理后的图像覆盖至上述第二图像上，得到第三图像。
需要说明的是，该实施例四中的装置/单元之间的信息交互、执行过程等内容，由于与本申请实施例一以及实施例二基于同一构思，其具体功能及带来的技术效果，具体可参见实施例一以及实施例二部分，此处不再赘述。
实施例五
本申请实施例五提供了另一种图像处理装置，为了便于说明，仅示出与本申请相关的部分，如图11所示，该图像处理装置1100包括：
多帧图像获取模块1101，获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，该N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含上述运动对象；
第一基准确定模块1102，确定第一基准图像，其中，该第一基准图像为上述N帧第一图像中的一帧图像；
运动方向确定模块1103，用于根据上述N帧第一图像，确定上述运动对象的运动方向；
起始点选取模块1104，用于在所述第一基准图像中，选取M个模糊处理的起始点，其中，M≥1且M为整数；
模糊轨迹确定模块1105，用于根据上述运动对象的运动方向，确定每个模糊处理的起始点所对应的模糊轨迹，其中，每个起始点对应的模糊轨迹均为端点为该起始点，且与所述运动方向平行的线段；
模糊处理模块1106，用于针对每个起始点的模糊轨迹，将该第一基准图像中，位于该模糊轨迹上的像素点的像素值修正为原像素值与该起始点像素值的混合值，得到第四图像。
可选地，上述运动方向确定模块1103，包括：
帧间向量确定单元，用于根据所述第一基准图像以及参考图像，确定组成所述运动对象的多个像素点的帧间运动向量，其中，该参考图像为与所述第一基准图像相邻的一帧第一图像；
统计单元，用于根据确定的每个像素点的帧间运动向量，统计每个像素点的运动方向；
运动方向确定单元，用于将对应像素点最多的运动方向确定为所述运动对象的运动方向。
可选地，上述统计单元，包括：
摄像头运动确定子单元，用于确定由于摄像头运动所导致的在所述第一基准图像和所述参考图像之间的帧间摄像头运动向量；
净运动确定子单元，用于根据所述帧间摄像头运动向量以及所述每个像素点的帧间运动向量，确定所述每个像素点的帧间净运动向量；
统计子单元，用于根据所述每个像素点的帧间净运动向量，统计所述每个像素点的运动方向。
可选地，上述起始点选取模块1104具体用于：
将所述第一基准图像中第一列或最后一列各个像素点确定为M个模糊处理的起始点。
可选地，上述模糊处理模块1106具体用于：
针对每个起始点的模糊轨迹，将所述第一基准图像中，位于该模糊轨迹上的目标像素点的像素值修正为原像素值与该起始点像素值的混合值，得到第四图像，其中，所述目标像素点为所述第一基准图像中位于目标区域的像素点，所述目标区域为除所述运动对象所在图像区域的区域。
需要说明的是，该实施例五中的装置/单元之间的信息交互、执行过程等内容，由于与本申请实施例三基于同一构思，其具体功能及带来的技术效果，具体可参见实施例三部分，此处不再赘述。
实施例六
图12是本申请实施例六提供的终端设备的示意图。如图12所示，该实施例的终端设备12包括：处理器120、存储器121以及存储在上述存储器121中并可在上述处理器120上运行的计算机程序122。上述处理器120执行上述计算机程序122时实现上述各个方法实施例(实施例一、实施例二以及实施例三)中的步骤。或者，上述处理器120执行上述计算机程序122时实现上述各装置实施例中各模块/单元的功能。
示例性的，上述计算机程序122可以被分割成一个或多个模块/单元，上述一个或者多个模块/单元被存储在上述存储器121中，并由上述处理器120执行，以完成本申请。上述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述上述计算机程序122在上述终端设备12中的执行过程。例如，上述计算机程序122可以被分割成多帧图像获取模块、第一基准确定模块、运动轨迹确定模块以及模糊处理模块，各模块具体功能如下：
获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，该N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含上述运动对象；
确定第一基准图像，其中，该第一基准图像为上述N帧第一图像中的一帧图像；
根据上述N帧第一图像，确定上述第一基准图像中M个基准像素点分别在上述第一基准图像中的运动轨迹，其中，M≥1且M为整数，上述基准像素点为上述第一基准图像中组成上述运动对象的像素点；
对上述第一基准图像中位于M个上述运动轨迹上的像素点进行模糊处理，得到处理后的第二图像。
或者，上述计算机程序122可以被分割成多帧图像获取模块、第一基准确定模块、运动方向确定模块、起始点选取模块、模糊轨迹确定模块以及模糊处理模块，各模块具体功能如下：
获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，该N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含所述运动对象；
确定第一基准图像，其中，该第一基准图像为所述N帧第一图像中的一帧图像；
根据上述N帧第一图像，确定上述运动对象的运动方向；
在上述第一基准图像中，选取M个模糊处理的起始点，其中，M≥1且M为整数；
根据上述运动对象的运动方向，确定每个模糊处理的起始点所对应的模糊轨迹，其中，每个起始点对应的模糊轨迹均为端点为该起始点，且与所述运动方向平行的线段；
对上述第一基准图像中位于M个模糊轨迹上的像素点进行模糊处理，得到处理后的第四图像。
上述终端设备可包括，但不仅限于，处理器120、存储器121。本领域技术人员可以理解，图12仅仅是终端设备12的示例，并不构成对终端设备12的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如上述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器120可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，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。
上述存储器121可以是上述终端设备12的内部存储单元，例如终端设备12的硬盘或内存。上述存储器121也可以是上述终端设备12的外部存储设备，例如上述终端设备12上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，上述存储器121还可以既包括上述终端设备12的内部存储单元也包括外部存储设备。上述存储器121用于存储上述计算机程序以及上述终端设备所需的其它程序和数据。上述存储器121还可以用于暂时地存储已经输出或者将要输出的数据。
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，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，上述模块或单元的划分，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，例如多个单元或组件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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述各个方法实施例中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上上述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (17)
1.一种图像处理方法，其特征在于，包括：
获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，所述N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含所述运动对象；
确定第一基准图像，其中，所述第一基准图像为所述N帧第一图像中的一帧图像；
根据所述N帧第一图像，确定所述第一基准图像中M个基准像素点分别在所述第一基准图像中的运动轨迹，其中，M≥1且M为整数，所述基准像素点为所述第一基准图像中组成所述运动对象的像素点；
对所述第一基准图像中位于M个所述运动轨迹上的像素点进行模糊处理，得到处理后的第二图像。
2.如权利要求1所述的图像处理方法，其特征在于，所述根据所述N帧第一图像，确定所述第一基准图像中M个基准像素点分别在所述第一基准图像中的运动轨迹，包括：
确定所述第一基准图像中所述运动对象位于的图像区域；
在所述运动对象位于的图像区域中，选取M个基准像素点；
确定每个基准像素点在每两帧相邻第一图像之间的帧间运动向量；
对于每个基准像素点，根据该基准像素点在每两帧相邻第一图像之间的帧间运动向量，确定该基准像素点在所述第一基准图像中的运动轨迹。
3.如权利要求2所述的图像处理方法，其特征在于，所述确定所述第一基准图像中所述运动对象位于的图像区域，包括：
根据所述第一基准图像以及参考图像，确定所述第一基准图像中每个像素点在所述第一基准图像以及所述参考图像之间的帧间运动向量，其中，所述参考图像为与所述第一基准图像相邻的一帧第一图像；
确定由于摄像头运动所导致的在所述第一基准图像以及所述参考图像之间的帧间摄像头运动向量；
将每个像素点在所述第一基准图像以及所述参考图像之间的帧间运动向量减去在所述第一基准图像以及所述参考图像之间的所述帧间摄像头运动向量，得到所述第一基准图像中每个像素点在所述第一基准图像以及所述参考图像之间的帧间净运动向量；
将所述第一基准图像中帧间净运动向量不为0的像素点所位于的区域作为所述运动对象位于的图像区域。
4.如权利要求2所述的图像处理方法，其特征在于，所述对于每个基准像素点，根据该基准像素点在每两帧相邻第一图像之间的帧间运动向量，确定该基准像素点在所述第一基准图像中的运动轨迹，包括：
确定在拍摄所述N帧第一图像时，由于摄像头运动所导致的每两帧相邻第一图像之间的帧间摄像头运动向量；
对于每个基准像素点，将该基准像素点在每两帧相邻第一图像之间的帧间运动向量分别减去对应的帧间摄像头运动向量，得到该基准像素点在每两帧相邻第一图像之间的帧间净运动向量；
对于每个基准像素点，根据该基准像素点在每两帧相邻第一图像之间的帧间净运动向量，确定每个基准像素点在所述第一基准图像中对应的轨迹点；
根据每个基准像素点对应的轨迹点，确定该基准像素点在所述第一基准图像中的运动轨迹。
5.如权利要求4所述的图像处理方法，其特征在于，所述根据每个基准像素点对应的轨迹点，确定该基准像素点在所述第一基准图像中的运动轨迹，包括：
根据每个基准像素点对应的轨迹点，确定每个基准像素点在所述第一基准图像中的初始运动轨迹，其中，每个基准像素点的初始运动轨迹由该基准像素点对应的轨迹点组成；
对每个基准像素点的初始运动轨迹进行插值处理，得到每个基准像素点在所述第一基准图像中的运动轨迹。
6.如权利要求1至5中任一项所述的图像处理方法，其特征在于，所述确定第一基准图像，包括：
对于每帧第一图像，利用与其相邻的第一图像，计算该帧第一图像中组成所述运动对象的多个像素点的帧间运动向量；
根据每帧第一图像中组成所述运动对象的多个像素点的帧间运动向量，计算每帧第一图像中组成所述运动对象的多个像素点的帧间运动向量的长度平均值；
根据每帧第一图像所对应的长度平均值，为每帧第一图像分别分配第一分数值，其中，第一分数值的大小与长度平均值的大小反相关；
根据每帧第一图像在所述N帧第一图像中的拍摄次序，为每帧第一图像分别分配第二分数值，其中，第二分数值与拍摄次序的关系如下：随着拍摄次序由前至后，第二分数值先变小后增大；
计算每帧第一图像分别对应的分数值，其中，每帧第一图像对应的分数值为该帧第一图像的第一分数值与该帧第一图像的第二分数值之和；
将对应分数值最大的一帧第一图像确定为所述第一基准图像。
7.如权利要求1至5中任一项所述的图像处理方法，其特征在于，所述对所述第一基准图像中位于M个所述运动轨迹上的像素点进行模糊处理，得到处理后的第二图像，包括：
针对每个基准像素点的运动轨迹，将所述第一基准图像中位于该运动轨迹上的所有像素点的像素值均修正为原像素值与该基准像素点像素值的混合值，得到所述第二图像。
8.如权利要求1至5中任一项所述的图像处理方法，其特征在于，所述N帧第一图像中任意两帧第一图像的拍摄角度差值小于预设差值，所述图像处理方法还包括：
确定第二基准图像，其中，所述第二基准图像为所述N帧第一图像中除所述第一基准图像之外的一帧图像；
以所述第一基准图像为标准，将所述第二基准图像中的静态对象与所述第一基准图像中的静态对象对齐，得到对齐处理后的修正第二基准图像；
将所述修正第二基准图像中所述运动对象所在的图像区域设置为不透明状态，将所述修正第二基准图像中除所述运动对象所在的图像区域之外的图像区域设置为透明状态，得到透明处理后的图像；
将所述透明处理后的图像覆盖至所述第二图像上，得到第三图像。
9.一种图像处理装置，其特征在于，包括：
多帧图像获取模块，用于获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，所述N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含所述运动对象；
第一基准确定模块，用于确定第一基准图像，其中，所述第一基准图像为所述N帧第一图像中的一帧图像；
运动轨迹确定模块，用于根据所述N帧第一图像，确定所述第一基准图像中M个基准像素点分别在所述第一基准图像中的运动轨迹，其中，M≥1且M为整数，所述基准像素点为所述第一基准图像中组成所述运动对象的像素点；
模糊处理模块，用于对所述第一基准图像中位于M个所述运动轨迹上的像素点进行模糊处理，得到处理后的第二图像。
10.一种图像处理方法，其特征在于，包括：
获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，该N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含所述运动对象；
确定第一基准图像，其中，该第一基准图像为所述N帧第一图像中的一帧图像；
根据所述N帧第一图像，确定所述运动对象的运动方向；
在所述第一基准图像中，选取M个模糊处理的起始点，其中，M≥1且M为整数；
根据所述运动对象的运动方向，确定每个模糊处理的起始点所对应的模糊轨迹，其中，每个起始点对应的模糊轨迹均为端点为该起始点，且与所述运动方向平行的线段；
对所述第一基准图像中位于M个模糊轨迹上的像素点进行模糊处理，得到处理后的第四图像。
11.如权利要求10所述的图像处理方法，其特征在于，所述根据所述N帧第一图像，确定所述运动对象的运动方向，包括：
根据所述第一基准图像以及参考图像，确定组成所述运动对象的多个像素点的帧间运动向量，其中，该参考图像为与所述第一基准图像相邻的一帧第一图像；
根据确定的每个像素点的帧间运动向量，统计每个像素点的运动方向；
将对应像素点最多的运动方向确定为所述运动对象的运动方向。
12.如权利要求11所述的图像处理方法，其特征在于，所述根据确定的每个像素点的帧间运动向量，统计每个像素点的运动方向，包括：
确定由于摄像头运动所导致的在所述第一基准图像和所述参考图像之间的帧间摄像头运动向量；
根据所述帧间摄像头运动向量以及所述每个像素点的帧间运动向量，确定所述每个像素点的帧间净运动向量；
根据所述每个像素点的帧间净运动向量，统计所述每个像素点的运动方向。
13.如权利要求10至12中任一项所述的图像处理方法，其特征在于，所述在所述第一基准图像中，选取M个模糊处理的起始点，包括：
将所述第一基准图像中第一列或最后一列各个像素点确定为M个模糊处理的起始点。
14.如权利要求10至12中任一项所述的图像处理方法，其特征在于，所述对所述第一基准图像中位于M个模糊轨迹上的像素点进行模糊处理，得到处理后的第四图像，包括：
针对每个起始点的模糊轨迹，将所述第一基准图像中，位于该模糊轨迹上的目标像素点的像素值修正为原像素值与该起始点像素值的混合值，得到第四图像，其中，所述目标像素点为所述第一基准图像中位于目标区域的像素点，所述目标区域为除所述运动对象所在图像区域的区域。
15.一种图像处理装置，其特征在于，包括：
多帧图像获取模块，用于获取针对运动对象所拍摄的N帧第一图像，其中，N>1且N为整数，该N帧第一图像为按照时间顺序依次拍摄的图像，且每帧第一图像均包含所述运动对象；
第一基准确定模块，用于确定第一基准图像，其中，该第一基准图像为所述N帧第一图像中的一帧图像；
运动方向确定模块，用于根据所述N帧第一图像，确定所述运动对象的运动方向；
起始点选取模块，用于在所述第一基准图像中，选取M个模糊处理的起始点，其中，M≥1且M为整数；
模糊轨迹确定模块，用于根据所述运动对象的运动方向，确定每个模糊处理的起始点所对应的模糊轨迹，其中，每个起始点对应的模糊轨迹均为端点为该起始点，且与所述运动方向平行的线段；
模糊处理模块，用于对所述第一基准图像中位于M个模糊轨迹上的像素点进行模糊处理，得到处理后的第四图像。
16.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8或10至14中任一项所述方法的步骤。
17.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8或10至14中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910369269.XA CN110084765B (zh) | 2019-05-05 | 2019-05-05 | 一种图像处理方法、图像处理装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910369269.XA CN110084765B (zh) | 2019-05-05 | 2019-05-05 | 一种图像处理方法、图像处理装置及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110084765A true CN110084765A (zh) | 2019-08-02 |
| CN110084765B CN110084765B (zh) | 2021-08-06 |
Family
ID=67418671
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910369269.XA Active CN110084765B (zh) | 2019-05-05 | 2019-05-05 | 一种图像处理方法、图像处理装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110084765B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111145192A (zh) * | 2019-12-30 | 2020-05-12 | 维沃移动通信有限公司 | 图像处理方法及电子设备 |
| CN111462190A (zh) * | 2020-04-20 | 2020-07-28 | 海信集团有限公司 | 一种智能冰箱及食材录入方法 |
| CN111614905A (zh) * | 2020-05-29 | 2020-09-01 | 维沃移动通信有限公司 | 图像处理方法、图像处理装置和电子设备 |
| CN111667508A (zh) * | 2020-06-10 | 2020-09-15 | 北京爱笔科技有限公司 | 一种检测方法和相关装置 |
| CN112672056A (zh) * | 2020-12-25 | 2021-04-16 | 维沃移动通信有限公司 | 图像处理方法及装置 |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101048799A (zh) * | 2004-10-25 | 2007-10-03 | 惠普开发有限公司 | 通过实时视频动作分析理解视频内容 |
| CN101326810A (zh) * | 2006-03-31 | 2008-12-17 | 索尼株式会社 | 图像处理设备、图像处理方法和计算机程序 |
| CN101547316A (zh) * | 2008-03-25 | 2009-09-30 | 索尼株式会社 | 图像抓取设备和方法 |
| CN101795355A (zh) * | 2009-01-15 | 2010-08-04 | 富士胶片株式会社 | 成像设备、图像处理方法及图像处理程序 |
| CN102572222A (zh) * | 2010-11-15 | 2012-07-11 | 三菱电机株式会社 | 图像处理装置和方法以及图像显示装置和方法 |
| US20140023141A1 (en) * | 2012-07-19 | 2014-01-23 | Chang Jung Christian University | Image deblurring method using motion compensation |
| CN103871076A (zh) * | 2014-02-27 | 2014-06-18 | 西安电子科技大学 | 基于光流法和超像素分割的运动目标提取方法 |
| US9094667B1 (en) * | 2013-10-31 | 2015-07-28 | Electronic Arts Inc. | Encoding of computer-generated video content |
| CN104867161A (zh) * | 2015-05-14 | 2015-08-26 | 国家电网公司 | 一种视频处理方法及装置 |
| CN105141853A (zh) * | 2015-08-18 | 2015-12-09 | 联想(北京)有限公司 | 图像处理方法以及电子设备 |
| CN105227851A (zh) * | 2015-11-09 | 2016-01-06 | 联想(北京)有限公司 | 图像处理方法及图像采集装置 |
| US20160125633A1 (en) * | 2013-05-13 | 2016-05-05 | Nokia Technologies Oy | Method, apparatus and computer program product to represent motion in composite images |
| CN105827951A (zh) * | 2016-01-29 | 2016-08-03 | 维沃移动通信有限公司 | 一种运动对象拍照方法及移动终端 |
| CN106331462A (zh) * | 2015-06-25 | 2017-01-11 | 宇龙计算机通信科技(深圳)有限公司 | 一种轨迹照片的拍摄方法、装置及移动终端 |
| CN106993134A (zh) * | 2017-03-31 | 2017-07-28 | 努比亚技术有限公司 | 一种图像生成装置和方法、终端 |
| CN107004292A (zh) * | 2014-11-21 | 2017-08-01 | 微软技术许可有限责任公司 | 使用高速缓存的纹理空间模糊的运动模糊 |
| CN107146239A (zh) * | 2017-04-21 | 2017-09-08 | 武汉大学 | 卫星视频运动目标检测方法及系统 |
| CN107333056A (zh) * | 2017-06-13 | 2017-11-07 | 努比亚技术有限公司 | 运动物体的图像处理方法、装置及计算机可读存储介质 |
| CN109257523A (zh) * | 2018-10-19 | 2019-01-22 | 江西财经大学 | 一种医学图像处理装置及图像处理方法 |
| CN109615140A (zh) * | 2018-12-14 | 2019-04-12 | 中国科学技术大学 | 一种预测行人运动的方法及装置 |
-
2019
- 2019-05-05 CN CN201910369269.XA patent/CN110084765B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101048799A (zh) * | 2004-10-25 | 2007-10-03 | 惠普开发有限公司 | 通过实时视频动作分析理解视频内容 |
| CN101326810A (zh) * | 2006-03-31 | 2008-12-17 | 索尼株式会社 | 图像处理设备、图像处理方法和计算机程序 |
| CN101547316A (zh) * | 2008-03-25 | 2009-09-30 | 索尼株式会社 | 图像抓取设备和方法 |
| CN101795355A (zh) * | 2009-01-15 | 2010-08-04 | 富士胶片株式会社 | 成像设备、图像处理方法及图像处理程序 |
| CN102572222A (zh) * | 2010-11-15 | 2012-07-11 | 三菱电机株式会社 | 图像处理装置和方法以及图像显示装置和方法 |
| US20140023141A1 (en) * | 2012-07-19 | 2014-01-23 | Chang Jung Christian University | Image deblurring method using motion compensation |
| US20160125633A1 (en) * | 2013-05-13 | 2016-05-05 | Nokia Technologies Oy | Method, apparatus and computer program product to represent motion in composite images |
| US9094667B1 (en) * | 2013-10-31 | 2015-07-28 | Electronic Arts Inc. | Encoding of computer-generated video content |
| CN103871076A (zh) * | 2014-02-27 | 2014-06-18 | 西安电子科技大学 | 基于光流法和超像素分割的运动目标提取方法 |
| CN107004292A (zh) * | 2014-11-21 | 2017-08-01 | 微软技术许可有限责任公司 | 使用高速缓存的纹理空间模糊的运动模糊 |
| CN104867161A (zh) * | 2015-05-14 | 2015-08-26 | 国家电网公司 | 一种视频处理方法及装置 |
| CN106331462A (zh) * | 2015-06-25 | 2017-01-11 | 宇龙计算机通信科技(深圳)有限公司 | 一种轨迹照片的拍摄方法、装置及移动终端 |
| CN105141853A (zh) * | 2015-08-18 | 2015-12-09 | 联想(北京)有限公司 | 图像处理方法以及电子设备 |
| CN105227851A (zh) * | 2015-11-09 | 2016-01-06 | 联想(北京)有限公司 | 图像处理方法及图像采集装置 |
| CN105827951A (zh) * | 2016-01-29 | 2016-08-03 | 维沃移动通信有限公司 | 一种运动对象拍照方法及移动终端 |
| CN106993134A (zh) * | 2017-03-31 | 2017-07-28 | 努比亚技术有限公司 | 一种图像生成装置和方法、终端 |
| CN107146239A (zh) * | 2017-04-21 | 2017-09-08 | 武汉大学 | 卫星视频运动目标检测方法及系统 |
| CN107333056A (zh) * | 2017-06-13 | 2017-11-07 | 努比亚技术有限公司 | 运动物体的图像处理方法、装置及计算机可读存储介质 |
| CN109257523A (zh) * | 2018-10-19 | 2019-01-22 | 江西财经大学 | 一种医学图像处理装置及图像处理方法 |
| CN109615140A (zh) * | 2018-12-14 | 2019-04-12 | 中国科学技术大学 | 一种预测行人运动的方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| CHRISTOPHER MEI 等: "Modeling and Generating Complex Motion Blur for Real-time Tracking", 《2008 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 * |
| 易云等: "基于显著鲁棒轨迹的自然环境视频行为识别", 《第十届和谐人机环境联合学术会议论文集》 * |
| 杨勇杰: "运动模糊图像恢复方法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 薛翠红: "图像及视频序列中人脸超分辨率重建技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111145192A (zh) * | 2019-12-30 | 2020-05-12 | 维沃移动通信有限公司 | 图像处理方法及电子设备 |
| CN111145192B (zh) * | 2019-12-30 | 2023-07-28 | 维沃移动通信有限公司 | 图像处理方法及电子设备 |
| CN111462190A (zh) * | 2020-04-20 | 2020-07-28 | 海信集团有限公司 | 一种智能冰箱及食材录入方法 |
| CN111462190B (zh) * | 2020-04-20 | 2023-11-17 | 海信集团有限公司 | 一种智能冰箱及食材录入方法 |
| CN111614905A (zh) * | 2020-05-29 | 2020-09-01 | 维沃移动通信有限公司 | 图像处理方法、图像处理装置和电子设备 |
| CN111667508A (zh) * | 2020-06-10 | 2020-09-15 | 北京爱笔科技有限公司 | 一种检测方法和相关装置 |
| CN111667508B (zh) * | 2020-06-10 | 2023-10-24 | 北京爱笔科技有限公司 | 一种检测方法和相关装置 |
| CN112672056A (zh) * | 2020-12-25 | 2021-04-16 | 维沃移动通信有限公司 | 图像处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110084765B (zh) | 2021-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110084765A (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
| CN109151329A (zh) | 拍照方法、装置、终端及计算机可读存储介质 | |
| CN109474780B (zh) | 一种用于图像处理的方法和装置 | |
| CN107409166A (zh) | 摇摄镜头的自动生成 | |
| CN108174152A (zh) | 一种目标监控方法及目标监控系统 | |
| WO2012115347A2 (ko) | 파노라마 이미지를 생성하기 위한 방법, 사용자 단말 장치 및 컴퓨터 판독 가능한 기록 매체 | |
| AU2013206601A1 (en) | Variable blend width compositing | |
| CN101605209A (zh) | 摄像装置及图像再生装置 | |
| CN101150650B (zh) | 用于处理图像的设备和方法 | |
| CN106204513A (zh) | 图像处理的方法、装置和系统 | |
| CN109040596B (zh) | 一种调整摄像头的方法、移动终端及存储介质 | |
| CN110572636B (zh) | 摄像头脏污检测方法、装置、存储介质及电子设备 | |
| CN110766706A (zh) | 图像融合方法、装置、终端设备及存储介质 | |
| CN105488777A (zh) | 一种基于移动前景下全景图实时生成系统及其方法 | |
| CN110335216A (zh) | 图像处理方法、图像处理装置、终端设备及可读存储介质 | |
| CN110677621A (zh) | 摄像头调用方法、装置、存储介质及电子设备 | |
| CN110288511A (zh) | 基于双相机图像的最小化误差拼接方法、装置、电子设备 | |
| CN108776800B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
| CN109559272A (zh) | 一种图像处理方法及装置、电子设备、存储介质 | |
| CN106101578A (zh) | 图像合成方法和设备 | |
| CN109981967B (zh) | 用于智能机器人的拍摄方法、装置、终端设备及介质 | |
| CN109445569A (zh) | 基于ar的信息处理方法、装置、设备及可读存储介质 | |
| CN110047126B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
| CN105893578A (zh) | 一种照片选择的方法及装置 | |
| CN109377460A (zh) | 一种图像处理方法、图像处理装置及终端设备 |
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 |