CN110264412A - 图像处理方法、装置、终端设备以及存储介质 - Google Patents

图像处理方法、装置、终端设备以及存储介质 Download PDF

Info

Publication number
CN110264412A
CN110264412A CN201910411677.7A CN201910411677A CN110264412A CN 110264412 A CN110264412 A CN 110264412A CN 201910411677 A CN201910411677 A CN 201910411677A CN 110264412 A CN110264412 A CN 110264412A
Authority
CN
China
Prior art keywords
floating
mode filter
point mode
data
integer
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
Application number
CN201910411677.7A
Other languages
English (en)
Other versions
CN110264412B (zh
Inventor
曹江龙
田巍
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.)
Beijing QIYI Century Science and Technology Co Ltd
Original Assignee
Beijing QIYI Century Science and 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 Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN201910411677.7A priority Critical patent/CN110264412B/zh
Publication of CN110264412A publication Critical patent/CN110264412A/zh
Application granted granted Critical
Publication of CN110264412B publication Critical patent/CN110264412B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • G06T1/20Processor architectures; Processor configuration, e.g. pipelining
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Generation (AREA)

Abstract

本申请实施例提供了一种图像处理方法、装置、终端设备以及存储介质。在本申请中,可以将第一浮点型滤波器转换为多个整形纹理模型,每一个整型纹理模型中的数据均为整型数据,而不包括浮点型数据,图形处理器可以接收包括整型数据的整型纹理模型,然后可以在图形处理器中根据多个整型纹理模型还原出第一浮点型滤波器,进而就可以在图形处理器中根据还原出的第一浮点型滤波器处理待处理图像。相比于现有技术,本申请可以避免遗漏第一浮点型滤波器中的数据的小数,因此,使用还原出的第一浮点型滤波器处理待处理图像可以提高处理后的图像的画面质量,进而可以提高用户的观看体验。

Description

图像处理方法、装置、终端设备以及存储介质
技术领域
本申请涉及互联网技术领域,特别是涉及一种图像处理方法、装置、终端设备以及存储介质。
背景技术
随着技术的飞速发展,诸如智能电视和智能机顶盒等OTT(Over The Top,互联网电视)设备越来越普及,日渐成为家庭娱乐的中心。在OTT设备上,播放视频或图片是最重要且最常见的应用场景。
这种应用场景下,通常需要使用滤波器对原始图像做滤波处理,比如放大、调色等滤镜,例如,OTT设备将滤波器和原始图像传输至GPU(Graphics Processing Unit,图形处理器)中,之后GPU使用滤波器对原始图像处理,并将处理后的图像返回至OTT设备中,然后OTT设备就可以播放处理后的图像,提高了画面质量,进而提高用户的观看体验。
然而,为了得到更高的滤波精度和画面效果,可以使用的滤波器为浮点型滤波器,浮点型滤波器中包括浮点型数据,但是低版本的GPU无法接收到浮点型滤波器中的数据的小数,只能接收浮点型滤波器中的数据的整数,因此,GPU在对原始图像处理时,只能使用浮点型滤波器中的数据的整数对原始图像处理,但是这样得到的处理后的图像的画面质量较低,会降低用户的观看体验。
发明内容
为解决上述技术问题,本申请实施例示出了一种图像处理方法、装置、终端设备以及存储介质。
第一方面,本申请实施例示出了一种图像处理方法,所述方法包括:
获取第一浮点型滤波器对应的多个整型纹理模型;
将所述多个整型纹理模型和待处理图像加载至图形处理器中;
在所述图形处理器中根据所述多个整型纹理模型生成所述第一浮点型滤波器;
在所述图形处理器中根据生成的第一浮点型滤波器处理所述待处理图像。
在一个可选的实现方式中,所述获取第一浮点型滤波器对应的多个整型纹理模型,包括:
将所述第一浮点型滤波器中的浮点型数据转换为预设数据范围内的数据,得到第二浮点型滤波器;
基于所述第二浮点型滤波器中的数据的整数生成至少一个第一整型纹理模型;
基于所述第二浮点型滤波器中的数据的小数生成至少一个第二整型纹理模型;
将所述第一整型纹理模型和所述第二整型纹理模型确定为所述第一浮点型滤波器对应的多个整型纹理模型。
在一个可选的实现方式中,所述在所述图形处理器中根据所述多个整型纹理模型生成所述第一浮点型滤波器,包括:
根据所述至少一个第一整型纹理模型获取所述第二浮点型滤波器中的数据的整数;
根据所述至少一个第二整型纹理模型获取所述第二浮点型滤波器中的数据的小数;
根据所述第二浮点型滤波器中的数据的整数和所述第二浮点型滤波器中的数据的小数生成所述第二浮点型滤波器;
将所述第二浮点型滤波器转换为所述第一浮点型滤波器。
在一个可选的实现方式中,所述将所述第一浮点型滤波器中的浮点型数据转换为预设数据范围内的数据,得到第二浮点型滤波器,包括:
确定所述第一浮点型滤波器中的浮点型数据的当前数据范围;
计算所述预设数据范围的左端点与所述当前数据范围的左端点的差值;
计算所述预设数据范围的右端点与预设倍数的所述差值之间的第一比值;
将所述第一浮点型滤波器中的浮点型数据分别先与差值相加,然后再与所述第一比值相乘,得到所述第二浮点型滤波器。
在一个可选的实现方式中,所述将所述第二浮点型滤波器转换为所述第一浮点型滤波器,包括:
确定所述第一浮点型滤波器中的浮点型数据的当前数据范围;
计算所述预设数据范围的左端点与所述当前数据范围的左端点的差值;
计算预设倍数的所述差值与所述预设数据范围的右端点之间的第二比值;
将所述第二浮点型滤波器中的数据分别与所述第二比值相乘,再与所述差值相减,得到所述第一浮点型滤波器。
在一个可选的实现方式中,所述基于所述第二浮点型滤波器中的数据的小数生成至少一个第二整型纹理模型,包括:
将所述第二浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第三浮点型滤波器;
基于所述第三浮点型滤波器中的数据的整数生成至少一个第三整型纹理模型;
基于所述第三浮点型滤波器中的数据的小数生成至少一个第四整型纹理模型;
将所述第三整型纹理模型和所述第四整型纹理模型确定为所述第二整型纹理模型。
在一个可选的实现方式中,所述根据所述至少一个第二整型纹理模型获取所述第二浮点型滤波器中的数据的小数,包括:
根据所述至少一个第三整型纹理模型获取所述第三浮点型滤波器中的数据的整数;
根据所述至少一个第四整型纹理模型生成所述第三浮点型滤波器中的数据的小数;
根据所述第三浮点型滤波器中的数据的整数和第三浮点型滤波器中的数据的小数确定所述第二浮点型滤波器中的数据的小数。
在一个可选的实现方式中,所述基于所述第三浮点型滤波器中的数据的小数生成至少一个第四整型纹理模型,包括:
将所述第三浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第四浮点型滤波器;
基于所述第四浮点型滤波器中的数据的整数生成至少一个第五整型纹理模型;
基于所述第四浮点型滤波器中的数据的小数生成至少一个第六整型纹理模型;
将所述第五整型纹理模型和所述第六整型纹理模型确定为所述第四整型纹理模型。
在一个可选的实现方式中,所述根据所述至少一个第四整型纹理模型生成所述第三浮点型滤波器中的数据的小数,包括:
根据所述至少一个第五整型纹理模型获取所述第四浮点型滤波器中的数据的整数;
根据所述至少一个第六整型纹理模型生成所述第四浮点型滤波器中的数据的小数;
根据所述第四浮点型滤波器中的数据的整数和第五浮点型滤波器中的数据的小数确定所述第三浮点型滤波器中的数据的小数。
在一个可选的实现方式中,所述基于所述第四浮点型滤波器中的数据的小数生成至少一个第六整型纹理模型,包括:
将所述第四浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第五浮点型滤波器;
基于所述第五浮点型滤波器中的数据的整数生成至少一个第六整型纹理模型。
在一个可选的实现方式中,所述根据所述至少一个第六整型纹理模型生成所述第四浮点型滤波器中的数据的小数,包括:
根据所述至少一个第六整型纹理模型获取所述第五浮点型滤波器中的数据;
将所述第五浮点型滤波器中的数据分别除以所述预设数据范围的右端点,得到所述第四浮点型滤波器中的数据的小数。
在一个可选的实现方式中,所述方法还包括:
存储所述第一浮点型滤波器与所述多个整型纹理模型之间的对应关系。
在一个可选的实现方式中,所述方法还包括:
在所述图形处理器中存储所述第一浮点型滤波器。
第二方面,本申请实施例示出了一种图像处理装置,所述装置包括:
获取模块,用于获取第一浮点型滤波器对应的多个整型纹理模型;
加载模块,用于将所述多个整型纹理模型和待处理图像加载至图形处理器中;
生成模块,用于在所述图形处理器中根据所述多个整型纹理模型生成所述第一浮点型滤波器;
处理模块,用于在所述图形处理器中根据生成的第一浮点型滤波器处理所述待处理图像。
在一个可选的实现方式中,所述获取模块包括:
第一转换子模块,用于将所述第一浮点型滤波器中的浮点型数据转换为预设数据范围内的数据,得到第二浮点型滤波器;
第一生成子模块,用于基于所述第二浮点型滤波器中的数据的整数生成至少一个第一整型纹理模型;
第二生成子模块,用于基于所述第二浮点型滤波器中的数据的小数生成至少一个第二整型纹理模型;
第一确定子模块,用于将所述第一整型纹理模型和所述第二整型纹理模型确定为所述第一浮点型滤波器对应的多个整型纹理模型。
在一个可选的实现方式中,所述生成模块包括:
第一获取子模块,用于根据所述至少一个第一整型纹理模型获取所述第二浮点型滤波器中的数据的整数;
第二获取子模块,用于根据所述至少一个第二整型纹理模型获取所述第二浮点型滤波器中的数据的小数;
第三生成子模块,用于根据所述第二浮点型滤波器中的数据的整数和所述第二浮点型滤波器中的数据的小数生成所述第二浮点型滤波器;
第二转换子模块,用于将所述第二浮点型滤波器转换为所述第一浮点型滤波器。
在一个可选的实现方式中,所述第一转换子模块包括:
第一确定单元,用于确定所述第一浮点型滤波器中的浮点型数据的当前数据范围;
第一计算单元,用于计算所述预设数据范围的左端点与所述当前数据范围的左端点的差值;
第二计算单元,用于计算所述预设数据范围的右端点与预设倍数的所述差值之间的第一比值;
相加相乘单元,用于将所述第一浮点型滤波器中的浮点型数据分别先与差值相加,然后再与所述第一比值相乘,得到所述第二浮点型滤波器。
在一个可选的实现方式中,所述第二转换子模块包括:
第二确定单元,用于确定所述第一浮点型滤波器中的浮点型数据的当前数据范围;
第三计算单元,用于计算所述预设数据范围的左端点与所述当前数据范围的左端点的差值;
第四计算单元,用于计算预设倍数的所述差值与所述预设数据范围的右端点之间的第二比值;
相乘加减单元,用于将所述第二浮点型滤波器中的数据分别与所述第二比值相乘,再与所述差值相减,得到所述第一浮点型滤波器。
在一个可选的实现方式中,所述第二生成子模块包括:
相乘单元,用于将所述第二浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第三浮点型滤波器;
第一生成单元,用于基于所述第三浮点型滤波器中的数据的整数生成至少一个第三整型纹理模型;
第二生成单元,用于基于所述第三浮点型滤波器中的数据的小数生成至少一个第四整型纹理模型;
第三确定单元,用于将所述第三整型纹理模型和所述第四整型纹理模型确定为所述第二整型纹理模型。
在一个可选的实现方式中,所述第二获取子模块包括:
第一获取单元,用于根据所述至少一个第三整型纹理模型获取所述第三浮点型滤波器中的数据的整数;
第三生成单元,用于根据所述至少一个第四整型纹理模型生成所述第三浮点型滤波器中的数据的小数;
第四确定单元,用于根据所述第三浮点型滤波器中的数据的整数和第三浮点型滤波器中的数据的小数确定所述第二浮点型滤波器中的数据的小数。
在一个可选的实现方式中,所述第二生成单元包括:
相乘子单元,用于将所述第三浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第四浮点型滤波器;
第一生成子单元,用于基于所述第四浮点型滤波器中的数据的整数生成至少一个第五整型纹理模型;
第二生成子单元,用于基于所述第四浮点型滤波器中的数据的小数生成至少一个第六整型纹理模型;
第一确定子单元,用于将所述第五整型纹理模型和所述第六整型纹理模型确定为所述第四整型纹理模型。
在一个可选的实现方式中,所述第三生成单元包括:
获取子单元,用于根据所述至少一个第五整型纹理模型获取所述第四浮点型滤波器中的数据的整数;
第三生成子单元,用于根据所述至少一个第六整型纹理模型生成所述第四浮点型滤波器中的数据的小数;
第二确定子单元,用于根据所述第四浮点型滤波器中的数据的整数和第五浮点型滤波器中的数据的小数确定所述第三浮点型滤波器中的数据的小数。
在一个可选的实现方式中,所述第二生成子单元具体用于:将所述第四浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第五浮点型滤波器;基于所述第五浮点型滤波器中的数据的整数生成至少一个第六整型纹理模型。
在一个可选的实现方式中,所述第三生成子单元具体用于:根据所述至少一个第六整型纹理模型获取所述第五浮点型滤波器中的数据;将所述第五浮点型滤波器中的数据分别除以所述预设数据范围的右端点,得到所述第四浮点型滤波器中的数据的小数。
在一个可选的实现方式中,所述装置还包括:
第一存储模块,用于存储所述第一浮点型滤波器与所述多个整型纹理模型之间的对应关系。
在一个可选的实现方式中,所述装置还包括:
第二存储模块,用于在所述图形处理器中存储所述第一浮点型滤波器。
第三方面,本申请实施例示出了一种终端设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述任一项所述的图像处理方法。
第四方面,本申请实施例示出了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的图像处理方法。
与现有技术相比,本申请实施例包括以下优点:
在本申请中,可以将第一浮点型滤波器转换为多个整形纹理模型,每一个整型纹理模型中的数据均为整型数据,而不包括浮点型数据,图形处理器可以接收包括整型数据的整型纹理模型,然后可以在图形处理器中根据多个整型纹理模型还原出第一浮点型滤波器,进而就可以在图形处理器中根据还原出的第一浮点型滤波器处理待处理图像。相比于现有技术,本申请可以避免遗漏第一浮点型滤波器中的数据的小数,因此,使用还原出的第一浮点型滤波器处理待处理图像可以提高处理后的图像的画面质量,进而可以提高用户的观看体验。
附图说明
图1是本申请的一种图像处理方法实施例的步骤流程图;
图2是本申请的一种获取整型纹理模型的方法实施例的步骤流程图;
图3是本申请的一种生成浮点型滤波器的方法实施例的步骤流程图;
图4是本申请的一种图像处理装置实施例的结构框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
参照图1,示出了本申请的一种图像处理方法实施例的步骤流程图,该方法具体可以包括如下步骤:
在步骤S101中,获取第一浮点型滤波器对应的多个整型纹理模型;
在本申请中,事先在本地设置有第一浮点型滤波器,为了提高图像质量,可以使用第一浮点型滤波器对图像处理,在处理待处理图像时往往是在图形处理器中处理图像。因此,在本申请中,可以将第一浮点型滤波器以及待处理图像加载至图形处理器中,从而就可以在图形处理器中使用第一浮点型滤波器处理待处理图像。
然而,如果图形处理器只能接收第一浮点型滤波器中的数据的整数,而无法接收第一浮点型滤波器中的小数,则为了能够在图形处理器中使用第一浮点型滤波器中的数据的整数和小数一起处理待处理图像,可以将第一浮点型滤波器转换为多个整型纹理模型,然后执行步骤S102。
其中,获取第一浮点型滤波器对应的多个整型纹理模型的具体获取方法可以参见之后图2所示的实施例,在此不做详述。
需要说明的是,本申请中的整数为数据中的位于小数点以前的数据,小数为数据中的位于小数点以后的数据,例如,假设数据为52.164,则位于小数点以前的“52”为整数,位于小数点以后的“164”为小数。
在步骤S102中,将多个整型纹理模型和待处理图像加载至图形处理器中;
在本申请中,整型纹理模型中包括整数而不包括小数,如此图形处理器就可以接收到整型纹理模型中的所有数据。
在本申请中,使用多个整型纹理模型无法直接对待处理图像进行处理,可以先根据多个整型纹理模型还原出第一浮点型滤波器,然后在图形处理器中使用第一浮点型滤波器处理待处理图像,具体还原流程可以参见步骤S103。
在步骤S103中,在图形处理器中根据多个整型纹理模型生成第一浮点型滤波器;
在本申请中,多个整型纹理模型是根据第一浮点型滤波器获取到的,因此,可以根据多个整型纹理模型还原出第一浮点型滤波器,还原出的滤波器可以是与步骤S101中的第一浮点型滤波器相同的滤波器。
当然,也可以是与步骤S101中的第一浮点型滤波器非常相似的滤波器,例如,还原出的第一滤波器中的数据的整数可以与步骤S101中的第一浮点型滤波器中的数据的整数相同,且还原出的第一滤波器中的数据的前若干位小数可以与步骤S101中的第一浮点型滤波器中的数据的前若干位小数相同。此,
无论是与步骤S101中的第一浮点型滤波器相同的滤波器,还是与步骤S101中的第一浮点型滤波器非常相似的滤波器,相比于现有技术中的仅能使用第一浮点型滤波器中的整数处理待处理图像,本申请使用还原得到的第一浮点型滤波器处理待处理图像时可以提高滤波精度。
其中,在图形处理器中根据多个整型纹理模型生成第一浮点型滤波器的具体生成方法可以参见之后图3所示的实施例,在此不做详述。
在步骤S104中,在图形处理器中根据生成的第一浮点型滤波器处理待处理图像。
在本申请中,可以将第一浮点型滤波器转换为多个整形纹理模型,每一个整型纹理模型中的数据均为整型数据,而不包括浮点型数据,图形处理器可以接收包括整型数据的整型纹理模型,然后可以在图形处理器中根据多个整型纹理模型还原出第一浮点型滤波器,进而就可以在图形处理器中根据还原出的第一浮点型滤波器处理待处理图像。相比于现有技术,本申请可以避免遗漏第一浮点型滤波器中的数据的小数,因此,使用还原出的第一浮点型滤波器处理待处理图像可以提高处理后的图像的画面质量,进而可以提高用户的观看体验。
在本步骤中,参见图2,步骤S101包括:
在步骤S201中,将第一浮点型滤波器中的浮点型数据转换为预设数据范围内的数据,得到第二浮点型滤波器;
其中,本步骤可以通过如下流程实现,包括:
2011、确定第一浮点型滤波器中的浮点型数据的当前数据范围;
例如,可以确定第一浮点型滤波器中的所有浮点型数据中最小的数据以及最大的数据,然后可以根据最小的数据以及最大的数据确定当前数据范围,例如,将最小的数据作为左端点,将最大的数据作为右端点,从而得到以该左端点和该右端点组成的范围,并作为第一浮点型滤波器中的浮点型数据的当前数据范围。
或者,在本领域中,浮点型数据是有固定的数据范围的,因此,可以将本领域中的浮点型数据的固定的数据范围作为第一浮点型滤波器中的浮点型数据的当前数据范围,
当然,也可以通过其他方式确定第一浮点型滤波器中的浮点型数据的当前数据范围,本申请对具体的确定方法不做限定。
2012、计算预设数据范围的左端点与当前数据范围的左端点的差值;
在本申请中,整型数据可以由8位二进制字符表示,8位二进制字符的范围使用十进制来表示即为(0,256),因此,可将预设数据范围设置为(0,256)等。当然,也可以设置为其他范围,本申请对此不加以限定。
2013、计算预设数据范围的右端点与预设倍数的该差值之间的第一比值;
在本申请中,预设倍数可以为2,当然,也可以为其他数值,例如,4或8等偶数,本申请对此不加以限定。
2014、将第一浮点型滤波器中的浮点型数据分别先与该差值相加,然后再与第一比值相乘,得到第二浮点型滤波器。
例如,假设第一浮点型滤波器中的浮点型数据的当前数据范围为(-a,a),预设数据范围为(0,256),预设数据范围的左端点0与当前数据范围的左端点-a的差值为a,预设数据范围的右端点256与2倍的差值a之间的第一比值为256/2a,将第一浮点型滤波器中的浮点型数据分别先与差值a相加,从而使得第一浮点型滤波器中的浮点型数据的数据范围变为(0,2a),再将第一浮点型滤波器中的浮点型数据分别第一比值256/2a相乘,从而使得第一浮点型滤波器中的浮点型数据的数据范围变为(0,256),也即得到第二浮点型滤波器。
在步骤S202中,基于第二浮点型滤波器中的数据的整数生成至少一个第一整型纹理模型;
在本申请中,第二浮点型滤波器中包括多个数据,通常在第二浮点型滤波器中至少有一个数据会同时包括整数和小数,因此,可以提取第二浮点型滤波器中的每一个数据中的整数,然后根据提取出的整数生成至少一个第一整型纹理模型。
例如,假设第二浮点型滤波器为矩阵,矩阵中包括多个数据,且每一个数据在矩阵中都具备各自的位置,位置可以为矩阵中的第几行第几列等,可以提取矩阵中的每一个数据中的整数,然后将各个整数按照其分别所属的数据在矩阵中的位置,生成另一个矩阵,并作为第一整型纹理模型。
在步骤S203中,基于第二浮点型滤波器中的数据的小数生成至少一个第二整型纹理模型;
本步骤具体可通过如下流程实现,包括:
2031、将第二浮点型滤波器中的数据的小数分别乘以预设数据范围的右端点,得到第三浮点型滤波器;
在本申请中,对于第二浮点型滤波器中的任意一个数据包括的小数,将该小数乘以预设数据范围的右端点之后,会得到一个数据,得到的数据往往包括整数和小数,对于第二浮点型滤波器中的其他每一个数据包括的小数,同样执行上述操作,如此可以得到第三浮点型滤波器。
2032、基于第三浮点型滤波器中的数据的整数生成至少一个第三整型纹理模型;
在本申请中,第三浮点型滤波器中包括多个数据,通常在第三浮点型滤波器中至少有一个数据会同时包括整数和小数,因此,可以提取第三浮点型滤波器中的每一个数据中的整数,然后根据提取出的整数生成至少一个第三整型纹理模型。
例如,假设第三浮点型滤波器为矩阵,矩阵中包括多个数据,且每一个数据在矩阵中都具备各自的位置,位置可以为矩阵中的第几行第几列等,可以提取矩阵中的每一个数据中的整数,然后将各个整数按照其分别所属的数据在矩阵中的位置,生成另一个矩阵,并作为第三整型纹理模型。
2033、基于第三浮点型滤波器中的数据的小数生成至少一个第四整型纹理模型;
在本步骤可以通过如下流程实现,包括:
11)、将第三浮点型滤波器中的数据的小数分别乘以预设数据范围的右端点,得到第四浮点型滤波器;
在本申请中,对于第三浮点型滤波器中的任意一个数据包括的小数,将该小数乘以预设数据范围的右端点之后,会得到一个数据,得到的数据往往包括整数和小数,对于第三浮点型滤波器中的其他每一个数据包括的小数,执行上述操作,如此可以得到第四浮点型滤波器。
12)、基于第四浮点型滤波器中的数据的整数生成至少一个第五整型纹理模型;
在本申请中,第四浮点型滤波器中包括多个数据,通常在第四浮点型滤波器中至少有一个数据会同时包括整数和小数,因此,可以提取第四浮点型滤波器中的每一个数据中的整数,然后根据提取出的整数生成至少一个第五整型纹理模型。
例如,假设第四浮点型滤波器为矩阵,矩阵中包括多个数据,且每一个数据在矩阵中都具备各自的位置,位置可以为矩阵中的第几行第几列等,可以提取矩阵中的每一个数据中的整数,然后将各个整数按照其分别所属的数据在矩阵中的位置,生成另一个矩阵,并作为第五整型纹理模型。
13)、基于第四浮点型滤波器中的数据的小数生成至少一个第六整型纹理模型;
在本申请中,可以将第四浮点型滤波器中的数据的小数分别乘以预设数据范围的右端点,得到第五浮点型滤波器;基于第五浮点型滤波器中的数据的整数生成至少一个第六整型纹理模型。
在本申请中,对于第四浮点型滤波器中的任意一个数据包括的小数,将该小数乘以预设数据范围的右端点之后,会得到一个数据,得到的数据往往包括整数和小数,对于第四浮点型滤波器中的其他每一个数据包括的小数,执行上述操作,如此可以得到第五浮点型滤波器。
在本申请中,第五浮点型滤波器中包括多个数据,通常在第五浮点型滤波器中至少有一个数据会同时包括整数和小数,因此,可以提取第五浮点型滤波器中的每一个数据中的整数,然后根据提取出的整数生成至少一个第六五整型纹理模型。
例如,假设第五浮点型滤波器为矩阵,矩阵中包括多个数据,且每一个数据在矩阵中都具备各自的位置,位置可以为矩阵中的第几行第几列等,可以提取矩阵中的每一个数据中的整数,然后将各个整数按照其分别所属的数据在矩阵中的位置,生成另一个矩阵,并作为第六整型纹理模型。
14)、将第五整型纹理模型和第六整型纹理模型确定为第四整型纹理模型。
在本申请中,可以将第五整型纹理模型和第六整型纹理模型均作为第四整型纹理模型。
2034、将第三整型纹理模型和第四整型纹理模型确定为第二整型纹理模型。
在本申请中,可以将第三整型纹理模型和第四整型纹理模型均作为第二整型纹理模型。
在步骤S204中,将第一整型纹理模型和第二整型纹理模型确定为第一浮点型滤波器对应的多个整型纹理模型。
在本申请中,浮点型数据包括32位二进制字符,而整型数据包括8位二进制字符,因此,通过4个整型数据可以表示一个浮点型数据,整型纹理模型中仅包括整型数据,而浮点型滤波器中包括浮点型数据,所以,通过四个整型纹理模型即可表示一个浮点型滤波器。
本申请中可以生成第一整型纹理模型、第三整型纹理模型、第五整型纹理模型以及第六整型纹理模型这四个整型纹理模型即可表示第一浮点型滤波器。
然而,通过上述步骤S201至步骤S204的流程来获取第一浮点型滤波器对应的多个整型纹理模型需要耗费较长的时间,导致获取效率较低,以及会耗费较多的系统资源,进而影响处理图像的效率。
因此,为了提高之后处理图像的效率,则需要降低获取第一浮点型滤波器对应的多个整型纹理模型耗费的时间,同时也为了节约系统资源,在本申请另一实施例中,在得到第一浮点型滤波器对应的多个整型纹理模型之后,还可以存储第一浮点型滤波器与多个整型纹理模型之间的对应关系。如此,在之后需要获取第一浮点型滤波器对应的多个整型纹理模型时,可以根据该对应关系直接获取第一浮点型滤波器对应的多个整型纹理模型,无需再次重复执行上述步骤S201~步骤S204的流程,从而可以提高获取效率以及节省系统资源,进而可以处理图像的效率。
在本步骤中,参见图3,步骤S103包括:
在步骤S301中,根据至少一个第一整型纹理模型获取第二浮点型滤波器中的数据的整数;
在本申请中,由于第一整型纹理模型中的数据均为整数,因此,可以直接将第一整型纹理模型中的数据作为第二浮点型滤波器中的数据的整数。
在步骤S302中,根据至少一个第二整型纹理模型获取第二浮点型滤波器中的数据的小数;
本步骤可以通过如下流程实现,包括:
3021、根据至少一个第三整型纹理模型获取第三浮点型滤波器中的数据的整数;
在本申请中,由于第三整型纹理模型中的数据均为整数,因此,可以直接将第三整型纹理模型中的数据作为第三浮点型滤波器中的数据的整数。
3022、根据至少一个第四整型纹理模型生成第三浮点型滤波器中的数据的小数;
其中,本步骤可以通过如下流程实现,包括:
21)、根据至少一个第五整型纹理模型获取第四浮点型滤波器中的数据的整数;
在本申请中,由于第五整型纹理模型中的数据均为整数,因此,可以直接将第五整型纹理模型中的数据作为第四浮点型滤波器中的数据的整数。
22)、根据至少一个第六整型纹理模型生成第四浮点型滤波器中的数据的小数;
其中,第六整型纹理模型中的数据均为整数,可以根据至少一个第六整型纹理模型获取第五浮点型滤波器中的数据。
可以将第六整型纹理模型的数据作为第五浮点型滤波器中的数据的正数,然后将第五浮点型滤波器中的数据分别除以预设数据范围的右端点,得到第四浮点型滤波器中的数据的小数。
23)、根据第四浮点型滤波器中的数据的整数和第四浮点型滤波器中的数据的小数确定第三浮点型滤波器中的数据的小数。
对于第四浮点型滤波器中任意一个位置上的整数和小数,将该整数和小数组合为一个数据,然后计算该数据与预设数据范围的右端点之间的比值,得到一个小数,并作为第三浮点型滤波器中的数据的小数。
3023、将第三浮点型滤波器中的数据的整数和第三浮点型滤波器中对应的数据的小数分别组成的数据除以预设数据范围的右端点,得到第二浮点型滤波器中的数据的小数。
对于第三浮点型滤波器中任意一个位置上的整数和小数,将该整数和小数组合为一个数据,然后计算该数据与预设数据范围的右端点之间的比值,得到一个小数,并作为第二浮点型滤波器中的数据的小数。
在步骤S303中,根据第二浮点型滤波器中的数据的整数和第二浮点型滤波器中的数据的小数生成第二浮点型滤波器;
其中,可以第二浮点型滤波器中相同位置的整数和小数相加,生成第二浮点型滤波器。
例如,对于第二浮点型滤波器中任意一个位置上的整数和小数,将该整数和小数组合为一个数据,对于其他每一个位置上的整数和小数,均执行上述操作,将得到的所有数据按照其对应的正数或小数在第二浮点型滤波器中的位置生成第二浮点型滤波器。
在步骤S304中,将第二浮点型滤波器转换为第一浮点型滤波器。
其中,本步骤可以通过如下流程实现,包括:
3041、确定第一浮点型滤波器中的浮点型数据的当前数据范围;
在本申请中,第一浮点型滤波器中的浮点型数据的当前数据范围在图2所示的步骤S201中的2011中已经确定出了,因此在本步骤中,可以直接获取已确定出的第一浮点型滤波器中的浮点型数据的当前数据范围。
3042、计算预设数据范围的左端点与当前数据范围的左端点的差值;
在本申请中,整型数据可以由8位二进制字符表示,8位二进制字符的范围使用十进制来表示即为(0,256),因此,可将预设数据范围设置为(0,256)等。当然,也可以设置为其他范围,本申请对此不加以限定。
3043、计算预设倍数的差值与预设数据范围的右端点之间的第二比值;
在本申请中,预设倍数可以为2,当然,也可以为其他数值,例如,4或8等偶数,本申请对此不加以限定。
3044、将第二浮点型滤波器中的数据分别与第二比值相乘,再与差值相减,得到第一浮点型滤波器。
例如,假设第一浮点型滤波器中的浮点型数据的当前数据范围为(-a,a),预设数据范围为(0,256),预设数据范围的左端点0与当前数据范围的左端点-a的差值为a,2倍的差值a与预设数据范围的右端点256之间的第二比值为2a/256,将第二浮点型滤波器中的浮点型数据分别先与第二比值2a/256相乘,从而使得第二浮点型滤波器中的浮点型数据的数据范围变为(0,2a),再将第二浮点型滤波器中的浮点型数据分别与差值a相减,从而使得第二浮点型滤波器中的浮点型数据的数据范围变为(-a,a),也即得到第一浮点型滤波器。
然而,通过前述实施例的流程可知,想要在图形处理器中加载第一浮点型滤波器需要耗费较长的时间,导致获取效率较低,以及会耗费较多的系统资源,进而影响处理图像的效率。
因此,为了提高之后处理图像的效率,则需要降低在图形处理器中加载第一浮点型滤波器耗费的时间,同时也为了节省系统资源,在本申请另一实施例中,当在图形处理器中根据多个整型纹理模型生成第一浮点型滤波器之后,可以在图形处理器中存储第一浮点型滤波器。如此,在之后需要在图形处理器中使用第一浮点型滤波器处理图像时,可以从图形处理器中直接获取已存储的第一浮点型滤波器,无需再次重复执行上述步骤S201~步骤S204的流程以及步骤S301~步骤S304的流程,从而可以提高获取效率以及节省系统资源,进而可以处理图像的效率。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
参照图4,示出了本申请一种图像处理装置实施例的结构框图,该装置具体可以包括如下模块:
获取模块11,用于获取第一浮点型滤波器对应的多个整型纹理模型;
加载模块12,用于将所述多个整型纹理模型和待处理图像加载至图形处理器中;
生成模块13,用于在所述图形处理器中根据所述多个整型纹理模型生成所述第一浮点型滤波器;
处理模块14,用于在所述图形处理器中根据生成的第一浮点型滤波器处理所述待处理图像。
在一个可选的实现方式中,所述获取模块11包括:
第一转换子模块111,用于将所述第一浮点型滤波器中的浮点型数据转换为预设数据范围内的数据,得到第二浮点型滤波器;
第一生成子模块112,用于基于所述第二浮点型滤波器中的数据的整数生成至少一个第一整型纹理模型;
第二生成子模块113,用于基于所述第二浮点型滤波器中的数据的小数生成至少一个第二整型纹理模型;
第一确定子模块114,用于将所述第一整型纹理模型和所述第二整型纹理模型确定为所述第一浮点型滤波器对应的多个整型纹理模型。
在一个可选的实现方式中,所述生成模块13包括:
第一获取子模块131,用于根据所述至少一个第一整型纹理模型获取所述第二浮点型滤波器中的数据的整数;
第二获取子模块132,用于根据所述至少一个第二整型纹理模型获取所述第二浮点型滤波器中的数据的小数;
第三生成子模块133,用于根据所述第二浮点型滤波器中的数据的整数和所述第二浮点型滤波器中的数据的小数生成所述第二浮点型滤波器;
第二转换子模块134,用于将所述第二浮点型滤波器转换为所述第一浮点型滤波器。
在一个可选的实现方式中,所述第一转换子模块111包括:
第一确定单元,用于确定所述第一浮点型滤波器中的浮点型数据的当前数据范围;
第一计算单元,用于计算所述预设数据范围的左端点与所述当前数据范围的左端点的差值;
第二计算单元,用于计算所述预设数据范围的右端点与预设倍数的所述差值之间的第一比值;
相加相乘单元,用于将所述第一浮点型滤波器中的浮点型数据分别先与差值相加,然后再与所述第一比值相乘,得到所述第二浮点型滤波器。
在一个可选的实现方式中,所述第二转换子模块134包括:
第二确定单元,用于确定所述第一浮点型滤波器中的浮点型数据的当前数据范围;
第三计算单元,用于计算所述预设数据范围的左端点与所述当前数据范围的左端点的差值;
第四计算单元,用于计算预设倍数的所述差值与所述预设数据范围的右端点之间的第二比值;
相乘加减单元,用于将所述第二浮点型滤波器中的数据分别与所述第二比值相乘,再与所述差值相减,得到所述第一浮点型滤波器。
在一个可选的实现方式中,所述第二生成子模块113包括:
相乘单元,用于将所述第二浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第三浮点型滤波器;
第一生成单元,用于基于所述第三浮点型滤波器中的数据的整数生成至少一个第三整型纹理模型;
第二生成单元,用于基于所述第三浮点型滤波器中的数据的小数生成至少一个第四整型纹理模型;
第三确定单元,用于将所述第三整型纹理模型和所述第四整型纹理模型确定为所述第二整型纹理模型。
在一个可选的实现方式中,所述第二获取子模块132包括:
第一获取单元,用于根据所述至少一个第三整型纹理模型获取所述第三浮点型滤波器中的数据的整数;
第三生成单元,用于根据所述至少一个第四整型纹理模型生成所述第三浮点型滤波器中的数据的小数;
第四确定单元,用于根据所述第三浮点型滤波器中的数据的整数和第三浮点型滤波器中的数据的小数确定所述第二浮点型滤波器中的数据的小数。
在一个可选的实现方式中,所述第二生成单元包括:
相乘子单元,用于将所述第三浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第四浮点型滤波器;
第一生成子单元,用于基于所述第四浮点型滤波器中的数据的整数生成至少一个第五整型纹理模型;
第二生成子单元,用于基于所述第四浮点型滤波器中的数据的小数生成至少一个第六整型纹理模型;
第一确定子单元,用于将所述第五整型纹理模型和所述第六整型纹理模型确定为所述第四整型纹理模型。
在一个可选的实现方式中,所述第三生成单元包括:
获取子单元,用于根据所述至少一个第五整型纹理模型获取所述第四浮点型滤波器中的数据的整数;
第三生成子单元,用于根据所述至少一个第六整型纹理模型生成所述第四浮点型滤波器中的数据的小数;
第二确定子单元,用于根据所述第四浮点型滤波器中的数据的整数和第五浮点型滤波器中的数据的小数确定所述第三浮点型滤波器中的数据的小数。
在一个可选的实现方式中,所述第二生成子单元具体用于:将所述第四浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第五浮点型滤波器;基于所述第五浮点型滤波器中的数据的整数生成至少一个第六整型纹理模型。
在一个可选的实现方式中,所述第三生成子单元具体用于:根据所述至少一个第六整型纹理模型获取所述第五浮点型滤波器中的数据;将所述第五浮点型滤波器中的数据分别除以所述预设数据范围的右端点,得到所述第四浮点型滤波器中的数据的小数。
在一个可选的实现方式中,所述装置还包括:
第一存储模块,用于存储所述第一浮点型滤波器与所述多个整型纹理模型之间的对应关系。
在一个可选的实现方式中,所述装置还包括:
第二存储模块,用于在所述图形处理器中存储所述第一浮点型滤波器。
在本申请中,可以将第一浮点型滤波器转换为多个整形纹理模型,每一个整型纹理模型中的数据均为整型数据,而不包括浮点型数据,图形处理器可以接收包括整型数据的整型纹理模型,然后可以在图形处理器中根据多个整型纹理模型还原出第一浮点型滤波器,进而就可以在图形处理器中根据还原出的第一浮点型滤波器处理待处理图像。相比于现有技术,本申请可以避免遗漏第一浮点型滤波器中的数据的小数,因此,使用还原出的第一浮点型滤波器处理待处理图像可以提高处理后的图像的画面质量,进而可以提高用户的观看体验。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
可选的,本申请还提供一种移动终端,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述图像处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
可选的,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的图像处理方法的步骤。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种图像处理方法、装置、终端设备以及存储介质,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。

Claims (28)

1.一种图像处理方法,其特征在于,所述方法包括:
获取第一浮点型滤波器对应的多个整型纹理模型;
将所述多个整型纹理模型和待处理图像加载至图形处理器中;
在所述图形处理器中根据所述多个整型纹理模型生成所述第一浮点型滤波器;
在所述图形处理器中根据生成的第一浮点型滤波器处理所述待处理图像。
2.根据权利要求1所述的方法,其特征在于,所述获取第一浮点型滤波器对应的多个整型纹理模型,包括:
将所述第一浮点型滤波器中的浮点型数据转换为预设数据范围内的数据,得到第二浮点型滤波器;
基于所述第二浮点型滤波器中的数据的整数生成至少一个第一整型纹理模型;
基于所述第二浮点型滤波器中的数据的小数生成至少一个第二整型纹理模型;
将所述第一整型纹理模型和所述第二整型纹理模型确定为所述第一浮点型滤波器对应的多个整型纹理模型。
3.根据权利要求2所述的方法,其特征在于,所述在所述图形处理器中根据所述多个整型纹理模型生成所述第一浮点型滤波器,包括:
根据所述至少一个第一整型纹理模型获取所述第二浮点型滤波器中的数据的整数;
根据所述至少一个第二整型纹理模型获取所述第二浮点型滤波器中的数据的小数;
根据所述第二浮点型滤波器中的数据的整数和所述第二浮点型滤波器中的数据的小数生成所述第二浮点型滤波器;
将所述第二浮点型滤波器转换为所述第一浮点型滤波器。
4.根据权利要求3所述的方法,其特征在于,所述将所述第一浮点型滤波器中的浮点型数据转换为预设数据范围内的数据,得到第二浮点型滤波器,包括:
确定所述第一浮点型滤波器中的浮点型数据的当前数据范围;
计算所述预设数据范围的左端点与所述当前数据范围的左端点的差值;
计算所述预设数据范围的右端点与预设倍数的所述差值之间的第一比值;
将所述第一浮点型滤波器中的浮点型数据分别先与差值相加,然后再与所述第一比值相乘,得到所述第二浮点型滤波器。
5.根据权利要求4所述的方法,其特征在于,所述将所述第二浮点型滤波器转换为所述第一浮点型滤波器,包括:
确定所述第一浮点型滤波器中的浮点型数据的当前数据范围;
计算所述预设数据范围的左端点与所述当前数据范围的左端点的差值;
计算预设倍数的所述差值与所述预设数据范围的右端点之间的第二比值;
将所述第二浮点型滤波器中的数据分别与所述第二比值相乘,再与所述差值相减,得到所述第一浮点型滤波器。
6.根据权利要求3所述的方法,其特征在于,所述基于所述第二浮点型滤波器中的数据的小数生成至少一个第二整型纹理模型,包括:
将所述第二浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第三浮点型滤波器;
基于所述第三浮点型滤波器中的数据的整数生成至少一个第三整型纹理模型;
基于所述第三浮点型滤波器中的数据的小数生成至少一个第四整型纹理模型;
将所述第三整型纹理模型和所述第四整型纹理模型确定为所述第二整型纹理模型。
7.根据权利要求6所述的方法,其特征在于,所述根据所述至少一个第二整型纹理模型获取所述第二浮点型滤波器中的数据的小数,包括:
根据所述至少一个第三整型纹理模型获取所述第三浮点型滤波器中的数据的整数;
根据所述至少一个第四整型纹理模型生成所述第三浮点型滤波器中的数据的小数;
根据所述第三浮点型滤波器中的数据的整数和第三浮点型滤波器中的数据的小数确定所述第二浮点型滤波器中的数据的小数。
8.根据权利要求7所述的方法,其特征在于,所述基于所述第三浮点型滤波器中的数据的小数生成至少一个第四整型纹理模型,包括:
将所述第三浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第四浮点型滤波器;
基于所述第四浮点型滤波器中的数据的整数生成至少一个第五整型纹理模型;
基于所述第四浮点型滤波器中的数据的小数生成至少一个第六整型纹理模型;
将所述第五整型纹理模型和所述第六整型纹理模型确定为所述第四整型纹理模型。
9.根据权利要求8所述的方法,其特征在于,所述根据所述至少一个第四整型纹理模型生成所述第三浮点型滤波器中的数据的小数,包括:
根据所述至少一个第五整型纹理模型获取所述第四浮点型滤波器中的数据的整数;
根据所述至少一个第六整型纹理模型生成所述第四浮点型滤波器中的数据的小数;
根据所述第四浮点型滤波器中的数据的整数和第五浮点型滤波器中的数据的小数确定所述第三浮点型滤波器中的数据的小数。
10.根据权利要求9所述的方法,其特征在于,所述基于所述第四浮点型滤波器中的数据的小数生成至少一个第六整型纹理模型,包括:
将所述第四浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第五浮点型滤波器;
基于所述第五浮点型滤波器中的数据的整数生成至少一个第六整型纹理模型。
11.根据权利要求10所述的方法,其特征在于,所述根据所述至少一个第六整型纹理模型生成所述第四浮点型滤波器中的数据的小数,包括:
根据所述至少一个第六整型纹理模型获取所述第五浮点型滤波器中的数据;
将所述第五浮点型滤波器中的数据分别除以所述预设数据范围的右端点,得到所述第四浮点型滤波器中的数据的小数。
12.根据权利要求1-11任一项所述的方法,其特征在于,所述方法还包括:
存储所述第一浮点型滤波器与所述多个整型纹理模型之间的对应关系。
13.根据权利要求1-11任一项所述的方法,其特征在于,所述方法还包括:
在所述图形处理器中存储所述第一浮点型滤波器。
14.一种图像处理装置,其特征在于,所述装置包括:
获取模块,用于获取第一浮点型滤波器对应的多个整型纹理模型;
加载模块,用于将所述多个整型纹理模型和待处理图像加载至图形处理器中;
生成模块,用于在所述图形处理器中根据所述多个整型纹理模型生成所述第一浮点型滤波器;
处理模块,用于在所述图形处理器中根据生成的第一浮点型滤波器处理所述待处理图像。
15.根据权利要求14所述的装置,其特征在于,所述获取模块包括:
第一转换子模块,用于将所述第一浮点型滤波器中的浮点型数据转换为预设数据范围内的数据,得到第二浮点型滤波器;
第一生成子模块,用于基于所述第二浮点型滤波器中的数据的整数生成至少一个第一整型纹理模型;
第二生成子模块,用于基于所述第二浮点型滤波器中的数据的小数生成至少一个第二整型纹理模型;
第一确定子模块,用于将所述第一整型纹理模型和所述第二整型纹理模型确定为所述第一浮点型滤波器对应的多个整型纹理模型。
16.根据权利要求15所述的装置,其特征在于,所述生成模块包括:
第一获取子模块,用于根据所述至少一个第一整型纹理模型获取所述第二浮点型滤波器中的数据的整数;
第二获取子模块,用于根据所述至少一个第二整型纹理模型获取所述第二浮点型滤波器中的数据的小数;
第三生成子模块,用于根据所述第二浮点型滤波器中的数据的整数和所述第二浮点型滤波器中的数据的小数生成所述第二浮点型滤波器;
第二转换子模块,用于将所述第二浮点型滤波器转换为所述第一浮点型滤波器。
17.根据权利要求16所述的装置,其特征在于,所述第一转换子模块包括:
第一确定单元,用于确定所述第一浮点型滤波器中的浮点型数据的当前数据范围;
第一计算单元,用于计算所述预设数据范围的左端点与所述当前数据范围的左端点的差值;
第二计算单元,用于计算所述预设数据范围的右端点与预设倍数的所述差值之间的第一比值;
相加相乘单元,用于将所述第一浮点型滤波器中的浮点型数据分别先与差值相加,然后再与所述第一比值相乘,得到所述第二浮点型滤波器。
18.根据权利要求17所述的装置,其特征在于,所述第二转换子模块包括:
第二确定单元,用于确定所述第一浮点型滤波器中的浮点型数据的当前数据范围;
第三计算单元,用于计算所述预设数据范围的左端点与所述当前数据范围的左端点的差值;
第四计算单元,用于计算预设倍数的所述差值与所述预设数据范围的右端点之间的第二比值;
相乘加减单元,用于将所述第二浮点型滤波器中的数据分别与所述第二比值相乘,再与所述差值相减,得到所述第一浮点型滤波器。
19.根据权利要求17所述的装置,其特征在于,所述第二生成子模块包括:
相乘单元,用于将所述第二浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第三浮点型滤波器;
第一生成单元,用于基于所述第三浮点型滤波器中的数据的整数生成至少一个第三整型纹理模型;
第二生成单元,用于基于所述第三浮点型滤波器中的数据的小数生成至少一个第四整型纹理模型;
第三确定单元,用于将所述第三整型纹理模型和所述第四整型纹理模型确定为所述第二整型纹理模型。
20.根据权利要求19所述的装置,其特征在于,所述第二获取子模块包括:
第一获取单元,用于根据所述至少一个第三整型纹理模型获取所述第三浮点型滤波器中的数据的整数;
第三生成单元,用于根据所述至少一个第四整型纹理模型生成所述第三浮点型滤波器中的数据的小数;
第四确定单元,用于根据所述第三浮点型滤波器中的数据的整数和第三浮点型滤波器中的数据的小数确定所述第二浮点型滤波器中的数据的小数。
21.根据权利要求20所述的装置,其特征在于,所述第二生成单元包括:
相乘子单元,用于将所述第三浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第四浮点型滤波器;
第一生成子单元,用于基于所述第四浮点型滤波器中的数据的整数生成至少一个第五整型纹理模型;
第二生成子单元,用于基于所述第四浮点型滤波器中的数据的小数生成至少一个第六整型纹理模型;
第一确定子单元,用于将所述第五整型纹理模型和所述第六整型纹理模型确定为所述第四整型纹理模型。
22.根据权利要求21所述的装置,其特征在于,所述第三生成单元包括:
获取子单元,用于根据所述至少一个第五整型纹理模型获取所述第四浮点型滤波器中的数据的整数;
第三生成子单元,用于根据所述至少一个第六整型纹理模型生成所述第四浮点型滤波器中的数据的小数;
第二确定子单元,用于根据所述第四浮点型滤波器中的数据的整数和第五浮点型滤波器中的数据的小数确定所述第三浮点型滤波器中的数据的小数。
23.根据权利要求22所述的装置,其特征在于,所述第二生成子单元具体用于:将所述第四浮点型滤波器中的数据的小数分别乘以所述预设数据范围的右端点,得到第五浮点型滤波器;基于所述第五浮点型滤波器中的数据的整数生成至少一个第六整型纹理模型。
24.根据权利要求23所述的装置,其特征在于,所述第三生成子单元具体用于:根据所述至少一个第六整型纹理模型获取所述第五浮点型滤波器中的数据;将所述第五浮点型滤波器中的数据分别除以所述预设数据范围的右端点,得到所述第四浮点型滤波器中的数据的小数。
25.根据权利要求14-24任一项所述的装置,其特征在于,所述装置还包括:
第一存储模块,用于存储所述第一浮点型滤波器与所述多个整型纹理模型之间的对应关系。
26.根据权利要求14-24任一项所述的装置,其特征在于,所述装置还包括:
第二存储模块,用于在所述图形处理器中存储所述第一浮点型滤波器。
27.一种终端设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至13中任一项所述的图像处理方法。
28.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至13中任一项所述的图像处理方法。
CN201910411677.7A 2019-05-16 2019-05-16 图像处理方法、装置、终端设备以及存储介质 Active CN110264412B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910411677.7A CN110264412B (zh) 2019-05-16 2019-05-16 图像处理方法、装置、终端设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910411677.7A CN110264412B (zh) 2019-05-16 2019-05-16 图像处理方法、装置、终端设备以及存储介质

Publications (2)

Publication Number Publication Date
CN110264412A true CN110264412A (zh) 2019-09-20
CN110264412B CN110264412B (zh) 2021-05-25

Family

ID=67913231

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910411677.7A Active CN110264412B (zh) 2019-05-16 2019-05-16 图像处理方法、装置、终端设备以及存储介质

Country Status (1)

Country Link
CN (1) CN110264412B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101286226A (zh) * 2008-05-23 2008-10-15 杭州华三通信技术有限公司 一种缩小图像的数字滤波方法和装置
CN103390265A (zh) * 2013-07-17 2013-11-13 蒲亦非 一种基于分数阶发展方程的纹理图像去噪滤波器
US20140225907A1 (en) * 2011-05-25 2014-08-14 Arm Limited Processing order with integer inputs and floating point inputs
JP2016024499A (ja) * 2014-07-16 2016-02-08 株式会社リコー 画像処理装置、画像処理方法、及びプログラム
CN105634439A (zh) * 2015-12-22 2016-06-01 熊猫电子集团有限公司 一种异步成形滤波器设计方法
CN107167196A (zh) * 2017-06-28 2017-09-15 合肥工业大学 一种基于fpga的科氏质量流量计数字驱动系统
CN107424184A (zh) * 2017-04-27 2017-12-01 厦门美图之家科技有限公司 一种基于卷积神经网络的图像处理方法、装置及移动终端
CN108769677A (zh) * 2018-05-31 2018-11-06 宁波大学 一种基于感知的高动态范围视频动态范围可分级编码方法
CN108805792A (zh) * 2017-04-28 2018-11-13 英特尔公司 具有先进调度的可编程粗粒度化和稀疏矩阵计算硬件
CN109117187A (zh) * 2018-08-27 2019-01-01 郑州云海信息技术有限公司 卷积神经网络加速方法及相关设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101286226A (zh) * 2008-05-23 2008-10-15 杭州华三通信技术有限公司 一种缩小图像的数字滤波方法和装置
US20140225907A1 (en) * 2011-05-25 2014-08-14 Arm Limited Processing order with integer inputs and floating point inputs
CN103390265A (zh) * 2013-07-17 2013-11-13 蒲亦非 一种基于分数阶发展方程的纹理图像去噪滤波器
JP2016024499A (ja) * 2014-07-16 2016-02-08 株式会社リコー 画像処理装置、画像処理方法、及びプログラム
CN105634439A (zh) * 2015-12-22 2016-06-01 熊猫电子集团有限公司 一种异步成形滤波器设计方法
CN107424184A (zh) * 2017-04-27 2017-12-01 厦门美图之家科技有限公司 一种基于卷积神经网络的图像处理方法、装置及移动终端
CN108805792A (zh) * 2017-04-28 2018-11-13 英特尔公司 具有先进调度的可编程粗粒度化和稀疏矩阵计算硬件
CN107167196A (zh) * 2017-06-28 2017-09-15 合肥工业大学 一种基于fpga的科氏质量流量计数字驱动系统
CN108769677A (zh) * 2018-05-31 2018-11-06 宁波大学 一种基于感知的高动态范围视频动态范围可分级编码方法
CN109117187A (zh) * 2018-08-27 2019-01-01 郑州云海信息技术有限公司 卷积神经网络加速方法及相关设备

Also Published As

Publication number Publication date
CN110264412B (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
JP3964765B2 (ja) イメージおよびビデオコード化のための改善ブロック変換および量子化
CN107977229B (zh) 一种指令生成过程的复用方法及装置、处理装置
CN107948529A (zh) 图像处理方法及装置
CN102804165A (zh) 具有可扩展数据路径的前端处理器
CN110390075A (zh) 矩阵预处理方法、装置、终端及可读存储介质
CN110109646A (zh) 数据处理方法、装置和乘加器及存储介质
CN105678831A (zh) 一种图像渲染方法和装置
US9378186B2 (en) Data processing apparatus and method for performing a transform between spatial and frequency domains when processing video data
CN114003194A (zh) 一种基于乘法器的运算方法、装置和计算机可读存储介质
CN110264412A (zh) 图像处理方法、装置、终端设备以及存储介质
JP6687803B2 (ja) 区分線形近似のためのシステムおよび方法
JP5589628B2 (ja) 内積演算装置および内積演算方法
CN106791881B (zh) 一种滤波方法及装置
CN101562744A (zh) 二维反变换装置
CN109831670A (zh) 一种反量化方法、系统、设备及计算机可读介质
CN109788289A (zh) 一种反量化方法、系统、设备及计算机可读介质
CN108235028A (zh) 基于hevc协议的视频图像解码方法及终端
CN113286150B (zh) 用于视频编解码的变换编码硬件实现方法、装置及设备
US9336579B2 (en) System and method of performing multi-level integration
CN112765541B (zh) 数据处理方法、装置、计算机设备和存储介质
KR20130137951A (ko) 초고해상도 영상 코덱을 위한 역변환 방법
EP4174644A1 (en) Computing apparatus, integrated circuit chip, board card, electronic device, and computing method
JP3142356B2 (ja) 量子化装置および画像データ量子化装置
CN100562115C (zh) 一种mpeg4文件解码过程中的滤波方法及装置
JPH10116267A (ja) 演算装置及び情報処理装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant