CN110211195B - 生成图像集合的方法、装置、电子设备和计算机可读存储介质 - Google Patents
生成图像集合的方法、装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN110211195B CN110211195B CN201910428671.0A CN201910428671A CN110211195B CN 110211195 B CN110211195 B CN 110211195B CN 201910428671 A CN201910428671 A CN 201910428671A CN 110211195 B CN110211195 B CN 110211195B
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- size
- generating
- ratio
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000009877 rendering Methods 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 abstract description 21
- 230000000694 effects Effects 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 238000003709 image segmentation Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000003796 beauty Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种生成图像集合的方法,其特征在于,包括:获取第一图像;确定所述第一图像中的目标对象,其中所述目标对象在所述第一图像中的第一尺寸与所述第一图像的尺寸具有第一比例;生成图像集合,所述图像集合包括第二图像,所述第二图像包括所述目标对象,其中,所述目标对象在所述第二图像中的第二尺寸与所述第二图像的尺寸具有第二比例,所述第二比例与所述第一比例不同。本公开实施例提供的生成图像集合的方法、装置、电子设备和计算机可读存储介质,能够根据第一图像生成图像集合以实现方便快捷地构造训练集合,进一步的,通过所述图像集合训练分类器能够提高分类器对所述目标对象的分类效果。
Description
技术领域
本公开涉及信息处理领域,尤其涉及一种生成图像集合的方法、装置、电子设备及计算机可读存储介质。
背景技术
随着计算机技术的进步,与图像相关的应用愈发丰富,例如能够通过分类器对图像进行分类和/或识别,然后可以根据分类和/或识别的结果对图像进一步处理。
以较为流行的美颜应用为例,具有关颜功能的应用能够通过分类器对拍摄的人脸图像进行分类或者识别、并根据分类或者识别的结果进行矫正,试想如果分类器没有准确定位图像中的人脸区域和/或出现分类错误没有识别出人脸,也就无法实现上述美颜功能,因此,通过分类器对输入的图像进行分类或者识别是实现上述美颜功能的关键步骤。
现有技术需要通过大量精心挑选的图像构建针对目标对象的训练集合,训练集合中的图像均事先标记是否包括目标对象以及如果包括目标对象时目标对象的颜色和/或位置信息等,然后通过对所述训练集合进行训练以生成分类器,例如通过所述训练集合训练基于LeNet,AlexNet,GoogLeNet等各种卷积神经网络的分类器,训练完成后,通过所述分类器对输入的图像进行分类,能够得到所述图像中是否包括所述目标对象的结果以及如果包括目标对象时还能给出所述目标对象的颜色和/或位置信息。
在训练分类器的方法一定的前提下,训练集合中图像的数量和质量将会对分类器的分类效果起到决定性作用,而获取大量关于目标对象的图像作为训练集合的成本是非常高昂的;并且在通过分类器对输入的图像进行分类和识别时,输入的图像中的目标对象在所述图像中的比例往往也是不确定的,因此为提高分类器针对不同比例的目标对象的分类和识别效果,希望获取具有不同比例的目标对象的图像用于训练分类器。
发明内容
本公开实施例提供生成图像集合的方法,装置,电子设备,和计算机可读存储介质,能够根据第一图像生成图像集合,所述图像集合包括第二图像,所述第二图像包括所述第一图像中的目标对象,并且所述目标对象在所述第二图像的比例与所述目标对象在所述第一图像中的比例不同,从而方便快捷地构造了训练集合,进一步的,通过所述图像集合训练分类器能够提高分类器对所述目标对象的分类效果。
第一方面,本公开实施例提供一种生成图像集合的方法,其特征在于,包括:获取第一图像;确定所述第一图像中的目标对象,其中所述目标对象在所述第一图像中的第一尺寸与所述第一图像的尺寸具有第一比例;生成图像集合,所述图像集合包括第二图像,所述第二图像包括所述目标对象,其中,所述目标对象在所述第二图像中的第二尺寸与所述第二图像的尺寸具有第二比例,所述第二比例与所述第一比例不同。
进一步的,所述第一尺寸包括所述目标对象在所述第一图像中的第一图像区域的最大宽度,所述第二尺寸包括所述目标对象在所述第二图像中的第二图像区域的最大宽度,所述第一图像的尺寸包括所述第一图像的宽度,所述第二图像的尺寸包括所述第二图像的宽度;和/或所述第一尺寸包括所述第一图像区域的最大高度,所述第二尺寸包括所述第二图像区域的最大高度,所述第一图像的尺寸包括所述第一图像的高度,所述第二图像的尺寸包括所述第二图像的高度。
进一步的,所述第一图像区域的最大宽度包括所述第一图像区域的最左侧的像素的横坐标与最右侧的像素的横坐标之间的距离;所述第二图像区域的最大宽度包括所述第二图像区域的最左侧的像素的横坐标与最右侧的像素的横坐标之间的距离;所述第一图像区域的最大高度包括所述第一图像区域的最上方的像素的纵坐标与最下方的像素的纵坐标之间的距离;所述第二图像区域的最大高度包括所述第二图像区域的最上方的像素的纵坐标与最下方的像素的纵坐标之间的距离。
进一步的,所述第一图像区域包括所述目标对象在所述第一图像中的轮廓对应的图像区域,所述第二图像区域包括所述目标对象在所述第二图像中的轮廓对应的图像区域。
进一步的,所述生成图像集合,包括:生成所述第二图像;其中,生成所述第二图像,包括:确定缩放系数;在所述第一图像中根据所述缩放系数放大或者缩小所述目标对象,以生成所述第二图像,所述第二图像的尺寸与所述第一图像的尺寸相同。
进一步的,在所述第一图像中根据缩放系数放大或者缩小所述目标对象之后,还包括:在所述第一图像中,通过预设的颜色参数渲染所述第一图像区域与放大或者缩小后的所述目标对象的图像区域的差集。
进一步的,所述生成图像集合,包括:生成所述第二图像;其中,生成所述第二图像包括:根据所述第一尺寸与所述第二比例确定所述第二图像的尺寸;根据所述第二图像的尺寸从所述第一图像截取出所述第二图像。
进一步的,根据所述第二图像的尺寸从所述第一图像截取出所述第二图像,包括:在所述第一图像中确定所述目标对象的中心,所述目标对象的中心的横坐标包括所述第一图像区域的最左侧的像素的横坐标与最右侧的像素的横坐标之和的一半,所述目标对象的中心的纵坐标包括所述第一图像区域的最上方的像素的纵坐标与最下方的像素的纵坐标之和的一半;以所述目标对象的中心作为所述第二图像的中心,根据所述第二图像的尺寸从所述第一图像截取出所述第二图像。
进一步的,生成所述图像集合,包括:生成第三图像,所述第三图像包括所述目标对象,其中,所述目标对象在所述第三图像中的第三尺寸与所述第三图像的尺寸具有第三比例,所述第三比例与所述第一比例不同,所述第三比例与所述第二比例不同。
第二方面,本公开实施例提供一种生成图像集合的装置,其特征在于,包括:图像获取模块,用于获取第一图像;目标对象确定模块,用于确定所述第一图像中的目标对象,其中所述目标对象在所述第一图像中的第一尺寸与所述第一图像的尺寸具有第一比例;图像集合生成模块,用于生成图像集合,所述图像集合包括第二图像,所述第二图像包括所述目标对象,其中,所述目标对象在所述第二图像中的第二尺寸与所述第二图像的尺寸具有第二比例,所述第二比例与所述第一比例不同。
进一步的,所述第一尺寸包括所述目标对象在所述第一图像中的第一图像区域的最大宽度,所述第二尺寸包括所述目标对象在所述第二图像中的第二图像区域的最大宽度,所述第一图像的尺寸包括所述第一图像的宽度,所述第二图像的尺寸包括所述第二图像的宽度;和/或所述第一尺寸包括所述第一图像区域的最大高度,所述第二尺寸包括所述第二图像区域的最大高度,所述第一图像的尺寸包括所述第一图像的高度,所述第二图像的尺寸包括所述第二图像的高度。
进一步的,所述第一图像区域的最大宽度包括所述第一图像区域的最左侧的像素的横坐标与最右侧的像素的横坐标之间的距离;所述第二图像区域的最大宽度包括所述第二图像区域的最左侧的像素的横坐标与最右侧的像素的横坐标之间的距离;所述第一图像区域的最大高度包括所述第一图像区域的最上方的像素的纵坐标与最下方的像素的纵坐标之间的距离;所述第二图像区域的最大高度包括所述第二图像区域的最上方的像素的纵坐标与最下方的像素的纵坐标之间的距离。
进一步的,所述第一图像区域包括所述目标对象在所述第一图像中的轮廓对应的图像区域,所述第二图像区域包括所述目标对象在所述第二图像中的轮廓对应的图像区域。
进一步的,所述图像集合生成模块还用于生成所述第二图像;其中,生成所述第二图像,包括:确定缩放系数;在所述第一图像中根据所述缩放系数放大或者缩小所述目标对象,以生成所述第二图像,所述第二图像的尺寸与所述第一图像的尺寸相同。
进一步的,在所述第一图像中根据缩放系数放大或者缩小所述目标对象之后,还包括:在所述第一图像中,通过预设的颜色参数渲染所述第一图像区域与放大或者缩小后的所述目标对象的图像区域的差集。
进一步的,所述图像集合生成模块还用于生成所述第二图像;其中,生成所述第二图像包括:根据所述第一尺寸与所述第二比例确定所述第二图像的尺寸;根据所述第二图像的尺寸从所述第一图像截取出所述第二图像。
进一步的,根据所述第二图像的尺寸从所述第一图像截取出所述第二图像,包括:在所述第一图像中确定所述目标对象的中心,所述目标对象的中心的横坐标包括所述第一图像区域的最左侧的像素的横坐标与最右侧的像素的横坐标之和的一半,所述目标对象的中心的纵坐标包括所述第一图像区域的最上方的像素的纵坐标与最下方的像素的纵坐标之和的一半;以所述目标对象的中心作为所述第二图像的中心,根据所述第二图像的尺寸从所述第一图像截取出所述第二图像。
进一步的,所述图像集合生成模块还用于生成第三图像,所述第三图像包括所述目标对象,其中,所述目标对象在所述第三图像中的第三尺寸与所述第三图像的尺寸具有第三比例,所述第三比例与所述第一比例不同,所述第三比例与所述第二比例不同。
第三方面,本公开实施例提供一种电子设备,包括:存储器,用于存储计算机可读指令;以及与所述存储器耦合的一个或多个处理器,用于运行所述计算机可读指令,使得所述处理器运行时实现前述第一方面中的任一所述生成图像集合的方法。
第四方面,本公开实施例提供一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,当所述计算机指令被计算机执行时,使得所述计算机执行前述第一方面中的任一所述生成图像集合的方法。
本公开公开了一种生成图像集合的方法、装置、电子设备和计算机可读存储介质。其中所述生成图像集合的方法,其特征在于,包括:获取第一图像;确定所述第一图像中的目标对象,其中所述目标对象在所述第一图像中的第一尺寸与所述第一图像的尺寸具有第一比例;生成图像集合,所述图像集合包括第二图像,所述第二图像包括所述目标对象,其中,所述目标对象在所述第二图像中的第二尺寸与所述第二图像的尺寸具有第二比例,所述第二比例与所述第一比例不同。本公开实施例提供的生成图像集合的方法、装置、电子设备和计算机可读存储介质,能够根据第一图像生成图像集合,所述图像集合包括第二图像,所述第二图像包括所述第一图像中的目标对象,并且所述目标对象在所述第二图像的比例与所述目标对象在所述第一图像中的比例不同,从而方便快捷地构造了训练集合,进一步的,通过所述图像集合训练分类器能够提高分类器对所述目标对象的分类效果。
上述说明仅是本公开技术方案的概述,为了能更清楚了解本公开的技术手段,而可依照说明书的内容予以实施,并且为让本公开的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
为了更清楚地说明本公开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公开的一些实施例,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他的附图。
图1为本公开实施例提供的生成图像集合的方法实施例的流程图;
图2为本公开实施例提供的根据缩放系数放大以及缩小目标对象的示意图;
图3为本公开实施例提供的生成图像集合的装置实施例的结构示意图;
图4为根据本公开实施例提供的电子设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,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,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图示中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
本实施例提供的该生成图像集合的方法可以由一个生成图像集合的装置来执行,该装置可以实现为软件,可以实现为硬件,还可以实现为软件和硬件的组合,例如所述生成图像集合的装置包括计算机设备,从而通过该计算机设备来执行本实施例提供的该生成图像集合的方法,如本领域技术人员所理解的,计算机设备可以是台式或便携计算机设备,还可以是移动终端设备等。
图1为本公开实施例提供的生成图像集合的方法实施例的流程图,如图1所示,本公开实施例的生成图像集合的方法包括如下步骤:
步骤S101,获取第一图像;
本公开实施例期望根据第一图像生成图像集合,以便丰富分类器的训练数据,以期提高分类器的分类效果,因此在步骤S101中,首先要获取第一图像。
可选的,所述生成图像集合的装置可以包括拍摄装置,从而步骤S101中所获取的第一图像包括该拍摄装置拍摄的图像;可选的,所述生成图像集合的装置可以不包括拍摄装置,但是与拍摄装置通信连接,从而步骤S101中获取第一图像包括通过所述通信连接获取该拍摄装置拍摄的图像;当然,所述生成图像集合的装置还可以从预设的存储位置获取图像并根据获取的图像应用本公开实施例提供的生成图像集合的方法,本公开实施例对获取第一图像的方式不做限定。
步骤S102,确定所述第一图像中的目标对象,其中所述目标对象在所述第一图像中的第一尺寸与所述第一图像的尺寸具有第一比例;
可选的,所述目标对象包括人物对象,或者包括人体的关键部位对象,例如包括面部对象,五官对象,躯干对象,手臂对象等。可选的,所述目标对象包括物体对象,或者包括物体对象的关键部位对象。如本公开背景技术所述,现有技术中的计算机设备具有强大的数据处理能力,例如可以通过图像分割算法和/或关键点定位技术识别图像中的目标对象的像素区域和/或关键点,因此,本公开实施例中的生成图像集合的装置可以基于图像分割算法和/或关键点定位技术确定所述第一图像中的目标对象。
如本领域技术人员所理解的,本公开实施例中的图像由像素构成,可以通过位置参数和颜色参数来表征图像中的每个像素,从而前述的图像分割算法可以基于图像的像素的位置参数和/或颜色参数确定所述图像中的目标对象的像素区域,前述的关键点定位技术可以将预设的关键点特征(例如颜色特征和/或形状特征)与图像的像素的位置参数和/或颜色参数进行匹配,以确定目标对象的关键点。一种典型的表征方式为通过五元组(x,y,r,g,b)来表示图像的一个像素,其中的坐标x和y作为所述一个像素的位置参数,坐标x和y所对应的坐标系可以包括图像坐标系,例如以图像的左上角顶点为原点,从该原点到图像右上角的方向为X轴正向,从该原点到图像左下角为Y轴正向,当然还可以采用其他的坐标系,例如相机坐标系,世界坐标系等,本公开对图像的像素对应的坐标系不作限定;其中的颜色分量r,g,和b为所述像素在RGB空间上的数值,将r,g,和b叠加可以获得所述像素的颜色。当然,还可以通过其他方式表示像素的位置参数和颜色参数,例如通过极坐标或者UV坐标等表示像素的位置参数,根据Lab空间或者CMY空间等表示像素的颜色参数,本公开实施例对此不做限定。
作为一个示例,基于图像分割算法在所述第一图像中确定目标对象,其中,常见的图像分割算法可以根据图像中的像素的颜色参数的相似性或同质性将图像划分为区域,然后通过区域合并的方式将合并后的区域所包括的像素确定为所述目标对象的像素区域,确定了所述目标对象的像素区域,也就确定了所述目标对象(或者所述目标对象的所有像素)在所述第一图像中的位置;还可以根据目标对象的颜色特征和/或形状特征确定所述目标对象的基本区域,然后根据所述目标对象的颜色参数的不连续性和突变性从所述基本区域出发寻找所述目标对象的轮廓,根据其轮廓的位置进行空间上的延伸,也就是说根据图像的特征点、线、面进行图像分割以确定出所述目标对象的轮廓,所述目标对象的轮廓内的区域即为所述目标对象的像素区域,确定了所述目标对象的像素区域,也就确定了所述目标对象(或者所述目标对象的所有像素)在所述第一图像中的位置。当然,还可以采用其他的图像分割算法,本公开实施例对各类图像分割算法不做限定,任何现有的或将来的图像分割算法均可用于本公开实施例中,以确定出所述图像中的目标对象和/或所述目标对象的第一参数。
作为又一个示例,基于目标对象的颜色特征和/或形状特征并通过关键点定位技术在所述第一图像中确定目标对象,例如通过颜色特征和/或形状特征表征所述目标对象的轮廓关键点,然后根据所述颜色特征和/或形状特征在所述图像中与所述图像的像素的位置参数和/或颜色参数进行特征提取,以确定出所述目标对象的轮廓关键点,由于关键点在图像中仅占据非常小的面积(通常只有几个至几十个像素的大小),与关键点对应的颜色特征和/或形状特征在图像上所占据的区域通常也是非常有限和局部的,目前用的特征提取方式有两种:(1)沿轮廓垂向的一维范围图像特征提取;(2)关键点方形邻域的二维范围图像特征提取,上述两种方式有很多种实现方法,如ASM和AAM类方法、统计能量函数类方法、回归分析方法、深度学习方法、分类器方法、批量提取方法等等,本公开实施例不做具体限定。在识别出所述目标对象的轮廓关键点后,还可以基于所述轮廓关键点和所述目标对象的颜色参数的不连续性和突变性寻找目标对象的轮廓,所述目标对象的轮廓内的区域即为所述目标对象的像素区域,确定了所述目标对象的像素区域,也就确定了所述目标对象(或者所述目标对象的所有像素)在所述第一图像中的位置。
由于所述第一图像包括所述目标对象,因此所述目标对象在所述第一图像中的第一尺寸与所述第一图像的尺寸具有第一比例。可选的,所述第一尺寸包括如下中的一种或多种:所述目标对象在所述第一图像中的第一图像区域的最大宽度,所述目标对象在所述第一图像中的第一图像区域的最大高度,和/或所述目标对象在所述第一图像中的第一图像区域的面积;相应地,所述第一图像的尺寸包括如下中的一种或多种:所述第一图像的宽度,高度,和/或面积。其中,可选的,所述第一图像区域包括所述目标对象在所述第一图像中的轮廓对应的图像区域。可选的,本公开实施例中的(最大)宽度和(最大)高度均可以通过像素数量来表征,面积可以通过像素区域包括的像素数量来表征。
例如所述第一尺寸包括所述目标对象在所述第一图像中的第一图像区域的最大宽度,那么所述第一比例包括所述最大宽度与所述第一图像的宽度之间的比例,其中,所述最大宽度包所述第一图像区域的最左侧的像素的横坐标与最右侧的像素的横坐标之间的距离;例如所述第一尺寸包括所述目标对象在所述第一图像中的第一图像区域的最大高度,那么所述第一比例包括所述最大高度与所述第一图像的高度之间的比例,其中,所述第一图像区域的最大高度包括所述第一图像区域的最上方的像素的纵坐标与最下方的像素的纵坐标之间的距离;例如第一尺寸包括所述目标对象在所述第一图像中的第一图像区域的面积,那么所述第一比例包括上述面积与所述第一图像的面积之间的比例,其中,所述目标对象在所述第一图像中的第一图像区域的面积可以包括所述第一图像区域中的像素数量;例如所述第一尺寸包括所述第一图像区域的该最大宽度和该最大高度,那么所述第一比例包括该最大宽度与所述第一图像的宽度之间的比例,和所述最大高度与所述第一图像的高度之间的比例。
步骤S103,生成图像集合,所述图像集合包括第二图像,所述第二图像包括所述目标对象,其中,所述目标对象在所述第二图像中的第二尺寸与所述第二图像的尺寸具有第二比例,所述第二比例与所述第一比例不同。
在步骤S103中生成了图像集合,所述图像集合包括第二图像,因此还可以认为在步骤S103中生成了所述第二图像。其中,所述第二图像可以包括放大的,缩小的,或者大小不变的所述目标对象,作为一个示例,所述第二图像中包括放大的所述目标对象,这可能意味着所述目标对象在所述第二图像中的第二图像区域相对于所述目标对象在所述第一图像中的第一图像区域增加了面积和/或增加了像素数量;作为又一个示例,所述第二图像中包括缩小的所述目标对象,这可能意味着所述目标对象在所述第二图像中的第二图像区域相对于所述目标对象在所述第一图像中的第一图像区域减少了面积和/或减少了像素数量;作为再一个示例,所述第二图像中包括大小不变的所述目标对象,这可能意味着所述目标对象在所述第二图像中的第二图像区域相对于所述目标对象在所述第一图像中的第一图像区域具有相同的面积和/或像素数量。
由于所述第二图像包括所述目标对象,因此所述目标对象在所述第二图像中的第二尺寸与所述第二图像的尺寸具有第二比例。可选的,所述第二尺寸包括如下中的一种或多种:所述目标对象在所述第二图像中的第二图像区域的最大宽度,所述目标对象在所述第二图像中的第二图像区域的最大高度,和/或所述目标对象在所述第二图像中的第二图像区域的面积;相应地,所述第二图像的尺寸包括如下中的一种或多种:所述第二图像的宽度,高度,和/或面积。其中,可选的,所述第二图像区域包括所述目标对象在所述第二图像中的轮廓对应的图像区域。关于所述目标对象在所述第二图像中的第二尺寸与所述第二图像的尺寸具有的第二比例,可以参照所述目标对象在所述第一图像中的第一尺寸与所述第一图像的尺寸具有的第一比例中的相同或相应描述,此处不再赘述。
由于所述目标对象在所述第二图像中的第二尺寸与所述第二图像的尺寸之间的第二比例与所述目标对象在所述第一图像中的第一尺寸与所述第一图像的尺寸之间的第一比例不同,因此所述第二比例大于所述第一比例,或者所述第二比例小于所述第一比例。
在一个可选的实施例中,生成所述图像集合,包括:生成所述第二图像;其中,生成所述第二图像,包括:确定缩放系数;在所述第一图像中根据所述缩放系数放大或者缩小所述目标对象,以生成所述第二图像,所述第二图像的尺寸与所述第一图像的尺寸相同。可选的,所述缩放系数可以是预设的缩放系数。可选的,可以根据所述第二比例确定所述缩放系数,例如希望获得具有所述第二比例的第二图像,该第二比例可以是预设的,从而可以根据所述预设的第二比例和所述第一图像的尺寸确定所述目标对象在所述第二图像中的第二尺寸,从而将所述第二尺寸与所述第一尺寸的比例确定为所述缩放系数。
在上述可选的实施例中,如果所述缩放系数大于1,那么将在所述第一图像中放大所述目标对象,以得到所述第二图像,对于所述第一图像中除上述放大过程所涉及的像素以外的其他像素,其颜色参数和位置参数将保持不便,故所述第二图像的尺寸与所述第一图像的尺寸相同。图2所示为根据所述缩放系数放大以及缩小所述目标对象的示意图,在图2中,以图像的左上角为原点O建立图像坐标系。如图2A所示,所述目标对象在所述第一图像中的第一图像区域包括圆心位于(4,2),半径为1的圆形区域,在放大所述目标对象的过程中,作为示例,例如确定所述缩放系数为2,也就是将所述在所述第一图像中的目标对象放大至原来的2倍,那么放大所述目标对象的实现方式可以包括:将所述目标对象在所述第一图像中的所有像素的坐标*2,得到新的坐标,并且保持这些像素的颜色参数不变,然后通过诸如邻域插值法,双线性插值法,以及双三次差值法等方式渲染放大后的目标对象中的空白像素,从而得到所述第二图像,参见图2A,通过上述放大步骤,放大后的所述目标对象包括圆心位于(8,4),并且半径为2的虚线所示的圆形区域;如图2B所示,所述目标对象在所述第一图像中的第一图像区域包括圆心位于(3,3),半径为2的圆形区域,在放大所述目标对象的过程中,作为示例,例如确定所述缩放系数为1.5,也就是将所述在所述第一图像中的目标对象放大至原来的1.5倍,那么实现放大所述目标对象的方式可以包括:在所述第一图像中确定所述目标对象的中心,所述目标对象的中心的横坐标包括所述第一图像区域的最左侧的像素的横坐标与最右侧的像素的横坐标之和的一半,所述目标对象的中心的纵坐标包括所述第一图像区域的最上方的像素的纵坐标与最下方的像素的纵坐标之和的一半,然后对于所述目标对象在所述第一图像中的所有像素中的任一像素,因此在图2B中所述目标对象的中心的坐标为(3,3),在所述中心至所述任一像素的延长线上1.5倍于该任一像素至所述中心的距离作为所述任一像素的新的位置,并且保持这些像素的颜色参数不变,然后通过诸如邻域插值法,双线性插值法,以及双三次差值法等方式渲染将放大后的目标对象中的空白像素,从而得到所述第二图像,参见图2B,通过上述放大步骤,放大后的所述目标对象包括圆心位于(3,3),并且半径为3的虚线所示的圆形区域。
在上述可选的实施例中,如果所述缩放系数小于1并且大于0,那么将在所述第一图像中缩小所述目标对象,以得到所述第二图像,对于所述第一图像中除上述缩小过程所涉及的像素以外的其他像素,其颜色参数和位置参数将保持不便,故所述第二图像的尺寸与所述第一图像的尺寸相同。如图2C所示,所述目标对象在所述第一图像中的第一图像区域包括圆心位于(4,4),半径为2的圆形区域,在缩小所述目标对象的过程中,作为示例,例如确定所述缩放系数为0.5,也就是将所述在所述第一图像中的目标对象缩小至原来的一半,那么缩小所述目标对象的实现方式可以包括:将所述目标对象在所述第一图像中的所有像素的坐标*0.5,得到新的坐标,在缩小过程中由于降采样将删除部分像素,而保留的像素将保持其颜色参数不变,从而得到所述第二图像,参见图2C,通过上述缩小步骤,缩小后的所述目标对象包括圆心位于(2,2),并且半径为1的虚线所示的圆形区域;如图2D所示,所述目标对象在所述第一图像中的第一图像区域包括圆心位于(3,3),半径为2的圆形区域,在缩小所述目标对象的过程中,作为示例,例如确定所述缩放系数为0.5,也就是将所述在所述第一图像中的目标对象缩小至原来的0.5倍,那么实现缩小所述目标对象的方式可以包括:在所述第一图像中确定所述目标对象的中心(3,3),在所述中心至所述任一像素的延长线上0.5倍于该任一像素至所述中心的距离作为所述任一像素的新的位置,在缩小过程中由于降采样将删除部分像素,而保留的像素将保持其颜色参数不变,从而得到所述第二图像,参见图2D,通过上述缩小步骤,缩小后的所述目标对象包括圆心位于(3,3),并且半径为1的虚线所示的圆形区域。
在上述可选的实施例中,在所述第一图像中根据缩放系数放大或者缩小所述目标对象之后,还包括:在所述第一图像中,通过预设的颜色参数渲染所述第一图像区域与放大或者缩小后的所述目标对象的图像区域的差集。参见图2A,图2C,和图2D,第一图像区域与放大或者缩小后的所述目标对象的图像区域的差集例如包括图2A,图2C,和图2D中的阴影部分,这是因为根据缩放系数放大或者缩小所述目标对象之后,有可能存在上述阴影部分的图像区域:即在所述第一图像中属于所述目标对象的图像区域(第一图像区域),但是在放大或者缩小所述目标对象之后的所述第二图像中不再属于所述目标对象的图像区域,由于这部分图像区域在用于训练分类器的第二图像中不再属于所述目标对象的图像区域,因此如果保持其原有的像素的颜色参数,将会影响训练分类器的结果(例如图2A对应的第二图像包括两个目标对象,一个是放大的目标对象,一个是原有的目标对象,但是对于该第二图像仅希望保留放大后的目标对象以用于训练分类器),因此对于这部分图像区域,可以通过预设的颜色参数进行渲染,例如将这部分差集中的像素的颜色参数统一根据黑色的颜色参数进行渲染,由于大多数分类器在训练过程中会将与目标对象无关的像素标记为黑色(例如图像处理中的mask图),因此将所述第一图像区域与放大或者缩小后的所述目标对象的图像区域的差集渲染为黑色可以避免对分类器的训练结果造成影响。
在另一个可选的实施例中,所述生成图像集合,包括:生成所述第二图像;其中,生成所述第二图像包括:根据所述第一尺寸与所述第二比例确定所述第二图像的尺寸;根据所述第二图像的尺寸从所述第一图像截取出所述第二图像。例如希望获得具有所述第二比例的第二图像,该第二比例可以是预设的,由于是从所述第一图像中截取出所述第二图像,因此所述目标对象在所述第一图像中的第一图像区域和在所述第二图像中的第二图像区域相同(例如是第一区域和第二区域的大小,像素数量,像素颜色均相同),可以根据所述目标对象的第一尺寸除以所述第二比例以确定所述第二图像的尺寸,然后根据所述第二图像的尺寸从所述第一图像截取出所述第二图像。可选的,根据所述第二图像的尺寸从所述第一图像截取出所述第二图像,包括:在所述第一图像中确定所述目标对象的中心,所述目标对象的中心的横坐标包括所述第一图像区域的最左侧的像素的横坐标与最右侧的像素的横坐标之和的一半,所述目标对象的中心的纵坐标包括所述第一图像区域的最上方的像素的纵坐标与最下方的像素的纵坐标之和的一半;以所述目标对象的中心作为所述第二图像的中心,根据所述第二图像的尺寸从所述第一图像截取出所述第二图像,这样可以保证所述目标对象在所述第二图像的正中间,并且避免在截取的过程中将所述目标对象的图像区域截取在所述第二图像之外。
在又一个可选的实施例中,生成所述图像集合,包括:生成第三图像,所述第三图像包括所述目标对象,其中,所述目标对象在所述第三图像中的第三尺寸与所述第三图像的尺寸具有第三比例,所述第三比例与所述第一比例不同,所述第三比例与所述第二比例不同。
由于所述第三图像包括所述目标对象,因此所述目标对象在所述第三图像中的第三尺寸与所述第三图像的尺寸具有第二比例。可选的,所述第三尺寸包括如下中的一种或多种:所述目标对象在所述第三图像中的第三图像区域的最大宽度,所述目标对象在所述第三图像中的第三图像区域的最大高度,和/或所述目标对象在所述第三图像中的第三图像区域的面积;相应地,所述第三图像的尺寸包括如下中的一种或多种:所述第三图像的宽度,高度,和/或面积。其中,可选的,所述第三图像区域包括所述目标对象在所述第三图像中的轮廓对应的图像区域。关于所述目标对象在所述第三图像中的第三尺寸与所述第三图像的尺寸具有的第三比例,可以参照所述目标对象在所述第一图像中的第一尺寸与所述第一图像的尺寸具有的第一比例中的相同或相应描述,以及所述目标对象在所述第二图像中的第二尺寸与所述第二图像的尺寸具有的第二比例中的相同或相应描述,此处不再赘述。并且,关于生成所述第三图像的过程,可以参照生成所述第二图像的相同或相应描述,此处亦不再赘述。
由于所述目标对象在所述第三图像中的第三尺寸与所述第三图像的尺寸之间的第三比例与所述目标对象在所述第一图像中的第一尺寸与所述第一图像的尺寸之间的第一比例不同,因此所述第三比例大于所述第一比例,或者所述第三比例小于所述第一比例。可选的,所述第三比例大于所述第一比例,并且所述第二比例小于所述第一比例;可选的,所述第三比例小于所述第一比例,并且所述第二比例大于所述第一比例。
图3所示为本公开实施例提供的生成图像集合的装置300实施例的结构示意图,如图3所示,所述装置包括图像获取模块301,目标对象确定模块302,和图像集合生成模块303。
所述图像获取模块301,用于获取第一图像;
所述目标对象确定模块302,用于确定所述第一图像中的目标对象,其中所述目标对象在所述第一图像中的第一尺寸与所述第一图像的尺寸具有第一比例;
所述图像集合生成模块303,用于生成图像集合,所述图像集合包括第二图像,所述第二图像包括所述目标对象,其中,所述目标对象在所述第二图像中的第二尺寸与所述第二图像的尺寸具有第二比例,所述第二比例与所述第一比例不同。
图3所示装置可以执行图1所示实施例的方法,本实施例未详细描述的部分,可参考对图1所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1所示实施例中的描述,在此不再赘述。
下面参考图4,其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线或通信线路404彼此相连。输入/输出(I/O)接口405也连接至总线或通信线路404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
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,该计算机程序包含用于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装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上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。计算机可读存储介质例如包括但不限于电、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、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,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。而在本公开中,计算机可读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,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
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电子设备执行时,使得该电子设备执行上述实施例中的生成图像集合的方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上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,图示了按照本公开各种实施例的系统、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用于实现规定的逻辑功能的可执行指令。也应当注意,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。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
以上描述仅为本公开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,本公开中所涉及的公开范围,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公开构思的情况下,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。例如上述特征与本公开中公开的(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 (10)
1.一种生成图像集合的方法,其特征在于,包括:
获取第一图像;
确定所述第一图像中的目标对象,其中所述目标对象在所述第一图像中的第一尺寸与所述第一图像的尺寸具有第一比例;
生成图像集合,所述图像集合包括第二图像,所述第二图像包括所述目标对象,其中,所述目标对象在所述第二图像中的第二尺寸与所述第二图像的尺寸具有第二比例,所述第二比例与所述第一比例不同;
其中,所述生成图像集合,包括:
生成所述第二图像;其中,生成所述第二图像包括:根据所述第一尺寸与所述第二比例确定所述第二图像的尺寸;根据所述第二图像的尺寸从所述第一图像截取出所述第二图像;其中,根据所述第二图像的尺寸从所述第一图像截取出所述第二图像,包括:在所述第一图像中确定所述目标对象的中心,所述目标对象的中心的横坐标包括所述第一图像区域的最左侧的像素的横坐标与最右侧的像素的横坐标之和的一半,所述目标对象的中心的纵坐标包括所述第一图像区域的最上方的像素的纵坐标与最下方的像素的纵坐标之和的一半;以所述目标对象的中心作为所述第二图像的中心,根据所述第二图像的尺寸从所述第一图像截取出所述第二图像。
2.根据权利要求1所述的生成图像集合的方法,其特征在于,所述第一尺寸包括所述目标对象在所述第一图像中的第一图像区域的最大宽度,所述第二尺寸包括所述目标对象在所述第二图像中的第二图像区域的最大宽度,所述第一图像的尺寸包括所述第一图像的宽度,所述第二图像的尺寸包括所述第二图像的宽度;和/或
所述第一尺寸包括所述第一图像区域的最大高度,所述第二尺寸包括所述第二图像区域的最大高度,所述第一图像的尺寸包括所述第一图像的高度,所述第二图像的尺寸包括所述第二图像的高度。
3.根据权利要求2所述的生成图像集合的方法,其特征在于,所述第一图像区域的最大宽度包括所述第一图像区域的最左侧的像素的横坐标与最右侧的像素的横坐标之间的距离;所述第二图像区域的最大宽度包括所述第二图像区域的最左侧的像素的横坐标与最右侧的像素的横坐标之间的距离;所述第一图像区域的最大高度包括所述第一图像区域的最上方的像素的纵坐标与最下方的像素的纵坐标之间的距离;所述第二图像区域的最大高度包括所述第二图像区域的最上方的像素的纵坐标与最下方的像素的纵坐标之间的距离。
4.根据权利要求2或3所述的生成图像集合的方法,其特征在于,所述第一图像区域包括所述目标对象在所述第一图像中的轮廓对应的图像区域,所述第二图像区域包括所述目标对象在所述第二图像中的轮廓对应的图像区域。
5.根据权利要求1-4中任一所述的生成图像集合的方法,其特征在于,所述生成图像集合,包括:生成所述第二图像;
其中,生成所述第二图像,包括:
确定缩放系数;
在所述第一图像中根据所述缩放系数放大或者缩小所述目标对象,以生成所述第二图像,所述第二图像的尺寸与所述第一图像的尺寸相同。
6.根据权利要求5所述的生成图像集合的方法,其特征在于,在所述第一图像中根据缩放系数放大或者缩小所述目标对象之后,还包括:
在所述第一图像中,通过预设的颜色参数渲染所述第一图像区域与放大或者缩小后的所述目标对象的图像区域的差集。
7.根据权利要求1所述的生成图像集合的方法,其特征在于,生成所述图像集合,包括:
生成第三图像,所述第三图像包括所述目标对象,其中,所述目标对象在所述第三图像中的第三尺寸与所述第三图像的尺寸具有第三比例,所述第三比例与所述第一比例不同,所述第三比例与所述第二比例不同。
8.一种生成图像集合的装置,其特征在于,包括:
图像获取模块,用于获取第一图像;
目标对象确定模块,用于确定所述第一图像中的目标对象,其中所述目标对象在所述第一图像中的第一尺寸与所述第一图像的尺寸具有第一比例;
图像集合生成模块,用于生成图像集合,所述图像集合包括第二图像,所述第二图像包括所述目标对象,其中,所述目标对象在所述第二图像中的第二尺寸与所述第二图像的尺寸具有第二比例,所述第二比例与所述第一比例不同;
其中,所述图像集合生成模块还用于:生成所述第二图像;其中,生成所述第二图像包括:根据所述第一尺寸与所述第二比例确定所述第二图像的尺寸;根据所述第二图像的尺寸从所述第一图像截取出所述第二图像;其中,根据所述第二图像的尺寸从所述第一图像截取出所述第二图像,包括:在所述第一图像中确定所述目标对象的中心,所述目标对象的中心的横坐标包括所述第一图像区域的最左侧的像素的横坐标与最右侧的像素的横坐标之和的一半,所述目标对象的中心的纵坐标包括所述第一图像区域的最上方的像素的纵坐标与最下方的像素的纵坐标之和的一半;以所述目标对象的中心作为所述第二图像的中心,根据所述第二图像的尺寸从所述第一图像截取出所述第二图像。
9.一种电子设备,包括:
存储器,用于存储计算机可读指令;以及
处理器,用于运行所述计算机可读指令,使得所述处理器运行时实现根据权利要求1-7中任意一项所述的生成图像集合的方法。
10.一种非暂态计算机可读存储介质,用于存储计算机可读指令,当所述计算机可读指令由计算机执行时,使得所述计算机执行权利要求1-7中任意一项所述的生成图像集合的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910428671.0A CN110211195B (zh) | 2019-05-22 | 2019-05-22 | 生成图像集合的方法、装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910428671.0A CN110211195B (zh) | 2019-05-22 | 2019-05-22 | 生成图像集合的方法、装置、电子设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110211195A CN110211195A (zh) | 2019-09-06 |
CN110211195B true CN110211195B (zh) | 2023-03-31 |
Family
ID=67788290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910428671.0A Active CN110211195B (zh) | 2019-05-22 | 2019-05-22 | 生成图像集合的方法、装置、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110211195B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111078090A (zh) * | 2019-11-29 | 2020-04-28 | 上海联影医疗科技有限公司 | 一种显示方法、装置、设备和存储介质 |
CN111083441A (zh) * | 2019-12-18 | 2020-04-28 | 广州穗能通能源科技有限责任公司 | 工地监控方法、装置、计算机设备和存储介质 |
CN111008934B (zh) * | 2019-12-25 | 2023-08-29 | 上海米哈游天命科技有限公司 | 一种场景构建方法、装置、设备及存储介质 |
CN113837195B (zh) * | 2021-10-19 | 2024-08-23 | 维沃移动通信有限公司 | 图像处理方法、装置、设备和存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2900019B2 (ja) * | 1995-03-23 | 1999-06-02 | トーケン工業株式会社 | 液晶ディスプレイ用セルの検査方法 |
CN100397411C (zh) * | 2006-08-21 | 2008-06-25 | 北京中星微电子有限公司 | 实时鲁棒的人脸追踪显示方法及系统 |
US9076246B2 (en) * | 2012-08-09 | 2015-07-07 | Hologic, Inc. | System and method of overlaying images of different modalities |
CN104899255B (zh) * | 2015-05-15 | 2018-06-26 | 浙江大学 | 适用于训练深度卷积神经网络的图像数据库的构建方法 |
-
2019
- 2019-05-22 CN CN201910428671.0A patent/CN110211195B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110211195A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110211195B (zh) | 生成图像集合的方法、装置、电子设备和计算机可读存储介质 | |
CN111368685B (zh) | 关键点的识别方法、装置、可读介质和电子设备 | |
CN111369427B (zh) | 图像处理方法、装置、可读介质和电子设备 | |
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 | |
CN110062157B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN111784712B (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
CN112488095B (zh) | 印章图像识别方法、装置和电子设备 | |
CN110827301B (zh) | 用于处理图像的方法和装置 | |
CN111783777B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
US20240221126A1 (en) | Image splicing method and apparatus, and device and medium | |
CN112598673A (zh) | 全景分割方法、装置、电子设备和计算机可读介质 | |
CN111209856B (zh) | 发票信息的识别方法、装置、电子设备及存储介质 | |
CN112418249A (zh) | 掩膜图像生成方法、装置、电子设备和计算机可读介质 | |
CN112418054B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN112257598B (zh) | 图像中四边形的识别方法、装置、可读介质和电子设备 | |
CN111815748A (zh) | 一种动画处理方法、装置、存储介质及电子设备 | |
CN115100536B (zh) | 建筑物识别方法、装置、电子设备和计算机可读介质 | |
CN114723640B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN110765304A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN115546766A (zh) | 车道线生成方法、装置、电子设备和计算机可读介质 | |
CN114862720A (zh) | 画布还原方法、装置、电子设备和计算机可读介质 | |
CN115471477A (zh) | 扫描数据的去噪方法、扫描方法、装置、设备和介质 | |
CN112487943B (zh) | 关键帧去重的方法、装置和电子设备 | |
CN114399696A (zh) | 一种目标检测方法、装置、存储介质及电子设备 | |
CN112085035A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 |
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 |