CN110263894A - 一种图像码的生成方法 - Google Patents
一种图像码的生成方法 Download PDFInfo
- Publication number
- CN110263894A CN110263894A CN201910543674.9A CN201910543674A CN110263894A CN 110263894 A CN110263894 A CN 110263894A CN 201910543674 A CN201910543674 A CN 201910543674A CN 110263894 A CN110263894 A CN 110263894A
- Authority
- CN
- China
- Prior art keywords
- image
- target image
- target
- background image
- code
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06046—Constructional details
- G06K19/06103—Constructional details the marking being embedded in a human recognizable image, e.g. a company logo with an embedded two-dimensional code
Abstract
本发明提供了一种图像码生成方法,包括:获取目标图像A;根据所述目标图像A,生成包含目标图像A部分信息或全部信息的背景图像B;根据所述背景图像B,获取背景图像点阵BG[x,y,(r,g,b)];根据所述背景图像点阵BG[x,y,(r,g,b)]和所述目标图像A,对所述背景图像B中的每一个像素点进行AlphaBlend混合运算,获取所述背景图像B的背景图像增强点阵BGN[x,y,(r,g,b)];获取目标信息;根据所述目标信息,生成所述目标信息的二维码数组值Z;根据所述目标信息的二维码数组值Z、所述背景图像点阵BG[x,y,(r,g,b)]中的x和y,生成所述目标信息的二维码点阵QR[x,y,(r,g,b)];将所述二维码点阵QR[x,y,(r,g,b)]和所述背景图像增强点阵BGN[x,y,(r,g,b)]进行融合运算处理,生成图像码点阵F[x,y,(r,g,b)];根据所述图像码点阵F[x,y,(r,g,b)]生成图像码。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种图像码的生成方法。
背景技术
二维码又称为二维条形码,是用某种特定的几何图形按一定规律在平面(二维方向上)分布的黑白相间的图形记录数据符号信息的,相比于传统的条形码,能够存储和表示更多的数据类型,使得二维码在人们生活、消费等方面得到广泛的应用。
但目前的二维码由黑白两种颜色构成,不容易让用户直接识别二维码的所要表述的内容,使得传统二维码并不具有辨识度;并且随着二维码的普遍使用,使得二维码的防伪安全能力降低;因此,急需一种图像码的生成方法。
发明内容
为解决上述技术问题,本发明提供一种图像码的生成方法,用以实现对图像码的生成。
本发明实施例中提供了一种图像码生成方法,包括:
获取目标图像A;
根据所述目标图像A,生成包含所述目标图像A部分信息或全部信息的背景图像B;
根据所述背景图像B,获取背景图像点阵BG[x,y,(r,g,b)];所述背景图像点阵BG[x,y,(r,g,b)]中x表示所述背景图像B的横坐标,y表示所述背景图像B的纵坐标,(r,g,b)表示所述背景图像B的颜色的RGB分量原色值;
根据所述背景图像点阵BG[x,y,(r,g,b)]和所述目标图像A,对所述背景图像B中的每一个像素点进行AlphaBlend混合运算,获取所述背景图像B的背景图像增强点阵BGN[x,y,(r,g,b)];
获取目标信息;
根据所述目标信息,生成所述目标信息的二维码数组值Z;
根据所述目标信息的二维码数组值Z、所述背景图像点阵BG[x,y,(r,g,b)]中的x和y,生成所述目标信息的二维码点阵QR[x,y,(r,g,b)];所述QR[x,y,(r,g,b)]中的x表示所述目标信息的二维码的横坐标,y表示所述目标信息的二维码的纵坐标,(r,g,b)表示所述目标信息的二维码的颜色的RGB分量原色值;
将所述二维码点阵QR[x,y,(r,g,b)]和所述背景图像增强点阵BGN[x,y,(r,g,b)]进行融合运算处理,生成图像码点阵F[x,y,(r,g,b)];
根据所述图像码点阵F[x,y,(r,g,b)]生成图像码;所述F[x,y,(r,g,b)]中的x表示所述图像码的横坐标,y表示所述图像码的纵坐标,(r,g,b)表示所述图像码的颜色的RGB分量原色值。
在一个实施例中,步骤:根据所述背景图像点阵BG[x,y,(r,g,b)]和所述目标图像A,对所述背景图像B中的每一个像素点进行AlphaBlend混合运算,获取所述背景图像B的背景图像增强点阵BGN[x,y,(r,g,b)];具体包括:
AlphaBlend混合运算公式如下:
R(N)=(1-alpha)*R(B)+alpha*R(A);
G(N)=(1-alpha)*G(B)+alpha*G(A);
B(N)=(1-alpha)*B(B)+alpha*B(A);
所述背景图像增强点阵BGN[x,y,(r,g,b)]中,x表示所述背景图像B的横坐标,y表示所述背景图像B的纵坐标,R(N)、G(N)、B(N)为所述背景图像混合运算后图像颜色的RGB分量原色值,即所述背景图像增强点阵BGN[x,y,(r,g,b)]中的(r,g,b);R(B)表示所述背景图像B的颜色的R分量原色值,R(A)表示所述目标图像A的颜色的R分量原色值,G(B)表示所述背景图像B的颜色的G分量原色值,G(A)表示所述目标图像A的颜色的G分量原色值,B(B)表示所述背景图像B的颜色的B分量原色值,B(A)表示所述目标图像A的颜色的B分量原色值;alpha表示所述背景图像B的透明度;
在一个实施例中,所述二维码数组值Z包括0、1;0表示黑色码点,1表示白色码点。
在一个实施例中,所述步骤:获取目标图像A之后,所述方法还包括:
识别所述目标图像A中是否存在人脸;
若所述目标图像A中存在人脸,则通过人脸识别算法,获取所述目标图像A中的人脸区域;
采用图像腐蚀原理去除所述目标图像A中的人脸区域的码点,生成所述图像码。
在一个实施例中,所述步骤:若所述目标图像A中存在人脸,则通过人脸识别算法,获取所述目标图像A中的人脸区域;具体步骤包括如下:
对所述目标图像A中的人脸进行检测定位,通过调整人脸矩形选择框,让人脸矩形选择框选中所述目标图像A中的人脸以待处理;
提取所述人脸矩形选择框选中选中的人脸的人脸轮廓,采用几何轮廓模型提取闭合的人脸轮廓线,获取人脸区域。
在一个实施例中,所述步骤:获取目标图像A之后,所述方法还包括:对所述目标图像A进行处理;具体步骤包括如下步骤:
通过光源照射所述目标图像A,获取所述目标图像A中每个像素的光量值;
获取所述每个像素的光量值与预设图像标准光量值的比值;
将所述比值与预设图像光量阈值进行比对;若所述比值大于所述预设图像光量阈值时,则判定所述像素为反常像素;若所述比值小于或等于所述预设图像光量阈值时,则判定所述像素为正常像素;
根据所述反常像素相邻像素的光量值,计算获取所述反常像素的正常光量值,将所述反常像素的光量值替换为所述正常光量值。
在一个实施例中,所述步骤:获取目标图像A之后,所述方法还包括:对所述目标图像A进行降噪处理;具体步骤包括如下步骤:
获取所述目标图像A的局部特征参数;
根据所述目标图像A的局部特征参数,获取所述目标图像A的降噪算法的参数方阵;
获取所述目标图像A的多个特征分量图;
采用所述降噪算法的参数方阵将所述多个特征分量图合成,获取所述降噪图像。
在一个实施例中,所述步骤:对所述目标图像A进行降噪处理之前;所述方法还包括:
检测所述目标图像A中需要进行降噪的图像区域,具体包括如下步骤:
将所述目标图像A均匀分割为多个图像区域;
分别对所述目标图像A中的每个图像区域进行运动检测,获取所述每个图像区域的运动参数;
将所述运动参数与设定阈值进行比对,若所述运动参数小于所述设定阈值时,则所述图像区域需进行降噪处理;若所述运动参数大于或等于所述设定阈值时,则所述图像区域无需进行降噪处理。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明所提供一种图像码的生成方法的结构示意图;
图2为本发明所提供一种图像码的生成方法的具体实施结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种图像码生成方法,如图1所示,包括:
获取目标图像A;
根据目标图像A,生成包含目标图像A部分信息或全部信息的背景图像B;
根据背景图像B,获取背景图像点阵BG[x,y,(r,g,b)];背景图像点阵BG[x,y,(r,g,b)]中x表示背景图像B的横坐标,y表示背景图像B的纵坐标,(r,g,b)表示背景图像B的颜色的RGB分量原色值;
根据背景图像点阵BG[x,y,(r,g,b)]和目标图像A,对背景图像B中的每一个像素点进行AlphaBlend混合运算,获取背景图像B的背景图像增强点阵BGN[x,y,(r,g,b)];
获取目标信息;
根据目标信息,生成目标信息的二维码数组值Z;
根据目标信息的二维码数组值Z、背景图像点阵BG[x,y,(r,g,b)]中的x和y,生成目标信息的二维码点阵QR[x,y,(r,g,b)];QR[x,y,(r,g,b)]中的x表示目标信息的二维码的横坐标,y表示目标信息的二维码的纵坐标,(r,g,b)表示目标信息的二维码的颜色的RGB分量原色值;
将二维码点阵QR[x,y,(r,g,b)]和背景图像增强点阵BGN[x,y,(r,g,b)]进行融合运算处理,生成图像码点阵F[x,y,(r,g,b)];
根据图像码点阵F[x,y,(r,g,b)]生成图像码;F[x,y,(r,g,b)]中的x表示图像码的横坐标,y表示图像码的纵坐标,(r,g,b)表示图像码的颜色的RGB分量原色值。
上述方法的工作原理在于:获取目标图像A的背景图像B;并根据背景图像B,获取背景图像点阵BG[x,y,(r,g,b)];根据背景图像点阵BG[x,y,(r,g,b)]和目标图像A,对背景图像B中的每一个像素点进行AlphaBlend混合运算,获取背景图像B的背景图像增强点阵BGN[x,y,(r,g,b)];
获取目标信息的二维码数组值Z,并根据二维码数组值Z、背景图像点阵BG[x,y,(r,g,b)]中的x和y,生成目标信息的二维码点阵QR[x,y,(r,g,b)];
将二维码点阵QR[x,y,(r,g,b)]和背景图像增强点阵BGN[x,y,(r,g,b)]进行融合运算处理,生成图像码点阵F[x,y,(r,g,b)];根据图像码点阵F[x,y,(r,g,b)]生成图像码。
上述方法的有益效果在于:通过对目标图像A的处理,实现了对背景图像增强点阵BGN[x,y,(r,g,b)]的生成;通过对目标信息的处理,实现了对二维码点阵QR[x,y,(r,g,b)]的获取;将二维码点阵QR[x,y,(r,g,b)]和背景图像增强点阵BGN[x,y,(r,g,b)]进行融合运算处理,生成图像码点阵F[x,y,(r,g,b)],进一步根据图像码点阵F[x,y,(r,g,b)]生成图像码。上述方法通过对目标图像A和目标信息的运算,实现了对图像码的获取;生成的图像码与传统技术中的二维码相比,图像码实现了图像与二维码的融合,外观色彩丰富,方便用户通过识别图像码上的图像获取图像码所要表述的内容;避免了以往用户盲目扫描二维码,使用户获取到无用的信息,严重影响二维码的使用效率;并且通过上述方法生成的图像码,实现了图像与二维码的融合,使得图像码具有较高的辨识度,解决了传统技术中二维码不易识别所要表述内容的不便,方便了用户根据需求选择所需扫描的图像码进行扫描,进一步提高了图像码的使用效率,同时也通过图像码上的图像提高了图像码的防伪安全能力。
在一个具体实施例中,背景图像B可根据需求任意调整选取。
在一个实施例中,将二维码点阵QR[x,y,(r,g,b)]和背景图像增强点阵BGN[x,y,(r,g,b)]进行融合运算处理,生成图像码点阵F[x,y,(r,g,b)];具体步骤包括:
黑色码点BGN[x,y,(r,g,b)]AND QR[x,y,(0,0,0)];
白色码点BGN[x,y,(r,g,b)]AND OR QR[x,y,(255,255,255)]。
在一个实施例中,步骤:根据背景图像点阵BG[x,y,(r,g,b)]和目标图像A,对背景图像B中的每一个像素点进行AlphaBlend混合运算,获取背景图像B的背景图像增强点阵BGN[x,y,(r,g,b)];具体包括:
AlphaBlend混合运算公式如下:
R(N)=(1-alpha)*R(B)+alpha*R(A);
G(N)=(1-alpha)*G(B)+alpha*G(A);
B(N)=(1-alpha)*B(B)+alpha*B(A);
背景图像增强点阵BGN[x,y,(r,g,b)]中,x表示背景图像B的横坐标,y表示背景图像B的纵坐标,R(N)、G(N)、B(N)为背景图像混合运算后图像颜色的RGB分量原色值,即背景图像增强点阵BGN[x,y,(r,g,b)]中的(r,g,b);R(B)表示背景图像B的颜色的R分量原色值,R(A)表示目标图像A的颜色的R分量原色值,G(B)表示背景图像B的颜色的G分量原色值,G(A)表示目标图像A的颜色的G分量原色值,B(B)表示背景图像B的颜色的B分量原色值,B(A)表示目标图像A的颜色的B分量原色值;alpha表示背景图像B的透明度。上述技术方案中通过AlphaBlend混合运算公式实现了对背景图像B的背景图像增强点阵BGN[x,y,(r,g,b)]的获取。
在一个具体实施例中,如图2所示,根据目标图像A和目标信息进行处理,生成图像码。
在一个实施例中,二维码数组值Z包括0、1;0表示黑色码点,1表示白色码点。上述技术方案中通过目标信息实现了生成目标信息的二维码数组值Z。
在一个实施例中,步骤:获取目标图像A之后,方法还包括:
识别目标图像A中是否存在人脸;
若目标图像A中存在人脸,则通过人脸识别算法,获取目标图像A中的人脸区域;
采用图像腐蚀原理去除目标图像A中的人脸区域的码点,生成图像码。上述技术方案中通过识别目标图像A中是否存在人脸,若目标图像A中存在人脸时,采用图像腐蚀原理去除目标图像A中的人脸区域的码点,生成人脸区域清晰没有码点的图像码,从而实现了当目标图像A中存在人脸时,保留人脸区域,生成图像码。
在一个实施例中,步骤:若目标图像A中存在人脸,则通过人脸识别算法,获取目标图像A中的人脸区域;具体步骤包括如下:
对目标图像A中的人脸进行检测定位,通过调整人脸矩形选择框,让人脸矩形选择框选中目标图像A中的人脸以待处理;
提取人脸矩形选择框选中选中的人脸的人脸轮廓,采用几何轮廓模型提取闭合的人脸轮廓线,获取人脸区域。上述技术方案中通过对目标图像A中的人脸进行检测定位,调整人脸矩形选择框,再从人脸矩形选择框选中选中的人脸的人脸轮廓,提取闭合的人脸轮廓线,获取人脸区域,从而实现了对目标图像A中的人脸区域的获取。
在一个实施例中,步骤:获取目标图像A之后,方法还包括:对目标图像A进行处理;具体步骤包括如下步骤:
通过光源照射目标图像A,获取目标图像A中每个像素的光量值;
获取每个像素的光量值与预设图像标准光量值的比值;
将比值与预设图像光量阈值进行比对;若比值大于预设图像光量阈值时,则判定像素为反常像素;若比值小于或等于预设图像光量阈值时,则判定像素为正常像素;
根据反常像素相邻像素的光量值,计算获取反常像素的正常光量值,将反常像素的光量值替换为正常光量值。上述技术方案中通过光源照射目标图像A,获取目标图像A各个像素的光量值,并将像素的光量值与预设图像标准光量值相比获取比值,将每个像素的比值与预设图像光量阈值进行比对,判断像素是否为反常像素;若判断为反常像素,根据反常像素相邻的正常像素计算出反正像素所对应的标准光量值并进行替换;从而实现了对目标图像A的像素的光量值的检测,并对反常像素光量值校正替换,使得目标图像A的图像质量更高,方便后续其他步骤对目标图像A的处理。
在一个实施例中,步骤:获取目标图像A之后,方法还包括:对目标图像A进行降噪处理;具体步骤包括如下步骤:
获取目标图像A的局部特征参数;
根据目标图像A的局部特征参数,获取目标图像A的降噪算法的参数方阵;
获取目标图像A的多个特征分量图;
采用降噪算法的参数方阵将多个特征分量图合成,获取降噪图像。上述技术方案中通过对目标图像A的局部特征参数(例如目标图像A的梯度向量),获取目标图像A的降噪算法的参数方阵;获取目标图像A多个特征分量图;例如,可采用正太分布获取目标图像A的多个特征分量图;通过采用降噪算法的参数方阵将多个特征分量图合成为降噪图像。上述技术方案实现了对目标图像A的自动降噪处理,无需人工调整平滑参数,有效地提高了对目标图像A的降噪处理的效率,从而实现了对于目标图像A的自动降噪处理。
在一个实施例中,步骤:对目标图像A进行降噪处理之前;方法还包括:
检测目标图像A中需要进行降噪的图像区域,具体包括如下步骤:
将目标图像A均匀分割为多个图像区域;
分别对目标图像A中的每个图像区域进行运动检测,获取每个图像区域的运动参数;
将运动参数与设定阈值进行比对,若运动参数小于设定阈值时,则图像区域需进行降噪处理;若运动参数大于或等于设定阈值时,则图像区域无需进行降噪处理。上述技术方案中通过将目标图像A均匀分割为多个图像区域,并分别对每个图像区域进行检测,判断是否需要进行降噪处理,从而实现了对目标图像A中的每个图像区域是否需要进行降噪的判断,避免了对不需要进行降噪处理的图像区域的处理,从而进一步地提高了对目标图像A的降噪效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种图像码生成方法,其特征在于,包括:
获取目标图像A;
根据所述目标图像A,生成包含所述目标图像A部分信息或全部信息的背景图像B;
根据所述背景图像B,获取背景图像点阵BG[x,y,(r,g,b)];所述背景图像点阵BG[x,y,(r,g,b)]中x表示所述背景图像B的横坐标,y表示所述背景图像B的纵坐标,(r,g,b)表示所述背景图像B的颜色的RGB分量原色值;
根据所述背景图像点阵BG[x,y,(r,g,b)]和所述目标图像A,对所述背景图像B中的每一个像素点进行AlphaBlend混合运算,获取所述背景图像B的背景图像增强点阵BGN[x,y,(r,g,b)];
获取目标信息;
根据所述目标信息,生成所述目标信息的二维码数组值Z;
根据所述目标信息的二维码数组值Z、所述背景图像点阵BG[x,y,(r,g,b)]中的x和y,生成所述目标信息的二维码点阵QR[x,y,(r,g,b)];所述QR[x,y,(r,g,b)]中的x表示所述目标信息的二维码的横坐标,y表示所述目标信息的二维码的纵坐标,(r,g,b)表示所述目标信息的二维码的颜色的RGB分量原色值;
将所述二维码点阵QR[x,y,(r,g,b)]和所述背景图像增强点阵BGN[x,y,(r,g,b)]进行融合运算处理,生成图像码点阵F[x,y,(r,g,b)];
根据所述图像码点阵F[x,y,(r,g,b)]生成图像码;所述F[x,y,(r,g,b)]中的x表示所述图像码的横坐标,y表示所述图像码的纵坐标,(r,g,b)表示所述图像码的颜色的RGB分量原色值。
2.如权利要求1所述的方法,其特征在于,
步骤:根据所述背景图像点阵BG[x,y,(r,g,b)]和所述目标图像A,对所述背景图像B中的每一个像素点进行AlphaBlend混合运算,获取所述背景图像B的背景图像增强点阵BGN[x,y,(r,g,b)];具体包括:
AlphaBlend混合运算公式如下:
R(N)=(1-alpha)*R(B)+alpha*R(A);
G(N)=(1-alpha)*G(B)+alpha*G(A);
B(N)=(1-alpha)*B(B)+alpha*B(A);
所述背景图像增强点阵BGN[x,y,(r,g,b)]中,x表示所述背景图像B的横坐标,y表示所述背景图像B的纵坐标,R(N)、G(N)、B(N)为所述背景图像混合运算后图像颜色的RGB分量原色值,即所述背景图像增强点阵BGN[x,y,(r,g,b)]中的(r,g,b);R(B)表示所述背景图像B的颜色的R分量原色值,R(A)表示所述目标图像A的颜色的R分量原色值,G(B)表示所述背景图像B的颜色的G分量原色值,G(A)表示所述目标图像A的颜色的G分量原色值,B(B)表示所述背景图像B的颜色的B分量原色值,B(A)表示所述目标图像A的颜色的B分量原色值;alpha表示所述背景图像B的透明度。
3.如权利要求1所述的方法,其特征在于,
所述二维码数组值Z包括0、1;0表示黑色码点,1表示白色码点。
4.如权利要求1所述的方法,其特征在于,
所述步骤:获取目标图像A之后,所述方法还包括:
识别所述目标图像A中是否存在人脸;
若所述目标图像A中存在人脸,则通过人脸识别算法,获取所述目标图像A中的人脸区域;
采用图像腐蚀原理去除所述目标图像A中的人脸区域的码点,生成所述图像码。
5.如权利要求1所述的方法,其特征在于,
所述步骤:若所述目标图像A中存在人脸,则通过人脸识别算法,获取所述目标图像A中的人脸区域;具体步骤包括如下:
对所述目标图像A中的人脸进行检测定位,通过调整人脸矩形选择框,让人脸矩形选择框选中所述目标图像A中的人脸以待处理;
提取所述人脸矩形选择框选中选中的人脸的人脸轮廓,采用几何轮廓模型提取闭合的人脸轮廓线,获取人脸区域。
6.如权利要求1所述的方法,其特征在于,
所述步骤:获取目标图像A之后,所述方法还包括:对所述目标图像A进行处理;具体步骤包括如下步骤:
通过光源照射所述目标图像A,获取所述目标图像A中每个像素的光量值;
获取所述每个像素的光量值与预设图像标准光量值的比值;
将所述比值与预设图像光量阈值进行比对;若所述比值大于所述预设图像光量阈值时,则判定所述像素为反常像素;若所述比值小于或等于所述预设图像光量阈值时,则判定所述像素为正常像素;
根据所述反常像素相邻像素的光量值,计算获取所述反常像素的正常光量值,将所述反常像素的光量值替换为所述正常光量值。
7.如权利要求1所述的方法,其特征在于
所述步骤:获取目标图像A之后,所述方法还包括:对所述目标图像A进行降噪处理;具体步骤包括如下步骤:
获取所述目标图像A的局部特征参数;
根据所述目标图像A的局部特征参数,获取所述目标图像A的降噪算法的参数方阵;
获取所述目标图像A的多个特征分量图;
采用所述降噪算法的参数方阵将所述多个特征分量图合成,获取所述降噪图像。
8.如权利要求7所述的方法,其特征在于,
所述步骤:对所述目标图像A进行降噪处理之前;所述方法还包括:
检测所述目标图像A中需要进行降噪的图像区域,具体包括如下步骤:
将所述目标图像A均匀分割为多个图像区域;
分别对所述目标图像A中的每个图像区域进行运动检测,获取所述每个图像区域的运动参数;
将所述运动参数与设定阈值进行比对,若所述运动参数小于所述设定阈值时,则所述图像区域需进行降噪处理;若所述运动参数大于或等于所述设定阈值时,则所述图像区域无需进行降噪处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910543674.9A CN110263894B (zh) | 2019-06-21 | 2019-06-21 | 一种图像码的生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910543674.9A CN110263894B (zh) | 2019-06-21 | 2019-06-21 | 一种图像码的生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110263894A true CN110263894A (zh) | 2019-09-20 |
CN110263894B CN110263894B (zh) | 2022-08-16 |
Family
ID=67920338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910543674.9A Active CN110263894B (zh) | 2019-06-21 | 2019-06-21 | 一种图像码的生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110263894B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09167216A (ja) * | 1995-12-18 | 1997-06-24 | Tec Corp | 個人認証システム |
CN103886353A (zh) * | 2014-03-10 | 2014-06-25 | 百度在线网络技术(北京)有限公司 | 二维码图像的生成方法和装置 |
CN103886548A (zh) * | 2013-07-04 | 2014-06-25 | 百度在线网络技术(北京)有限公司 | 一种用于将二维码与图像融合的方法和装置 |
CN104123572A (zh) * | 2014-07-22 | 2014-10-29 | 上海高研明鉴信息技术有限公司 | 二维码生成方法 |
CN104754210A (zh) * | 2013-12-26 | 2015-07-01 | 精工爱普生株式会社 | 照相机及图像处理方法 |
CN104778732A (zh) * | 2015-01-30 | 2015-07-15 | 北大方正集团有限公司 | 图像的二维码生成方法及装置 |
CN105718980A (zh) * | 2016-01-14 | 2016-06-29 | 厦门纳纬信息技术有限公司 | 一种生成二维码图片的方法 |
CN107563476A (zh) * | 2017-07-25 | 2018-01-09 | 浙江惠码科技有限公司 | 一种二维码美化防伪的方法 |
CN109816697A (zh) * | 2019-02-02 | 2019-05-28 | 绥化学院 | 一种无人模型车建立地图的系统及方法 |
-
2019
- 2019-06-21 CN CN201910543674.9A patent/CN110263894B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09167216A (ja) * | 1995-12-18 | 1997-06-24 | Tec Corp | 個人認証システム |
CN103886548A (zh) * | 2013-07-04 | 2014-06-25 | 百度在线网络技术(北京)有限公司 | 一种用于将二维码与图像融合的方法和装置 |
CN104754210A (zh) * | 2013-12-26 | 2015-07-01 | 精工爱普生株式会社 | 照相机及图像处理方法 |
CN103886353A (zh) * | 2014-03-10 | 2014-06-25 | 百度在线网络技术(北京)有限公司 | 二维码图像的生成方法和装置 |
CN104123572A (zh) * | 2014-07-22 | 2014-10-29 | 上海高研明鉴信息技术有限公司 | 二维码生成方法 |
CN104778732A (zh) * | 2015-01-30 | 2015-07-15 | 北大方正集团有限公司 | 图像的二维码生成方法及装置 |
CN105718980A (zh) * | 2016-01-14 | 2016-06-29 | 厦门纳纬信息技术有限公司 | 一种生成二维码图片的方法 |
CN107563476A (zh) * | 2017-07-25 | 2018-01-09 | 浙江惠码科技有限公司 | 一种二维码美化防伪的方法 |
CN109816697A (zh) * | 2019-02-02 | 2019-05-28 | 绥化学院 | 一种无人模型车建立地图的系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110263894B (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875546B (zh) | 一种增值税发票的识别方法 | |
CN109376582A (zh) | 一种基于生成对抗网络的交互式人脸卡通方法 | |
CN111275696B (zh) | 一种医学图像处理的方法、图像处理的方法及装置 | |
CN111667400B (zh) | 一种基于无监督学习的人脸轮廓特征风格化生成方法 | |
CN110610124B (zh) | 一种基于生成对抗网络的图像生成方法 | |
CN103914699A (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
Anvari et al. | Dehaze-GLCGAN: unpaired single image de-hazing via adversarial training | |
CN109740572A (zh) | 一种基于局部彩色纹理特征的人脸活体检测方法 | |
CN108549836A (zh) | 照片的翻拍检测方法、装置、设备及可读存储介质 | |
CN109003287A (zh) | 基于改进遗传算法的图像分割方法 | |
CN113139557B (zh) | 一种基于二维多元经验模态分解的特征提取方法 | |
KR100815209B1 (ko) | 3차원 영상의 생성을 위한 2차원 영상의 특징 추출 장치및 그 방법과 그를 이용한 3차원 영상의 생성 장치 및 그방법 | |
CN116822548B (zh) | 生成高识别率ai二维码的方法及计算机可读存储介质 | |
CN101873506B (zh) | 提供深度信息的影像处理方法及其影像处理系统 | |
CN116310008B (zh) | 一种基于少样本学习的图像处理方法及相关设备 | |
CN110263894A (zh) | 一种图像码的生成方法 | |
Ter-Sarkisov | Network of steel: Neural font style transfer from heavy metal to corporate logos | |
CN113269167B (zh) | 一种基于图像分块打乱的人脸伪造检测方法 | |
Worring et al. | Segmentation of color documents by line oriented clustering using spatial information | |
Murguia | Document segmentation using texture variance and low resolution images | |
Subramani et al. | A novel binarization method for degraded tamil palm leaf images | |
Qian et al. | A new preprocessing algorithm and local binary pattern based facial expression recognition | |
Devi et al. | Active facial tracking | |
KR100618493B1 (ko) | 3차원 영상 자동 생성 장치 및 그 방법 | |
JP2005092349A (ja) | 顔画像合成装置、顔画像合成方法および顔画像合成プログラム |
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 |