CN110276737A - 图像优化处理方法、装置、设备及存储介质 - Google Patents
图像优化处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110276737A CN110276737A CN201910548423.XA CN201910548423A CN110276737A CN 110276737 A CN110276737 A CN 110276737A CN 201910548423 A CN201910548423 A CN 201910548423A CN 110276737 A CN110276737 A CN 110276737A
- Authority
- CN
- China
- Prior art keywords
- image
- light source
- pixel
- background image
- target light
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 75
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 72
- 238000013434 data augmentation Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000015654 memory Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 230000003416 augmentation Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种图像优化处理方法、装置、设备及存储介质。其中方法包括:根据待处理图像生成一张与待处理图像相同尺寸的初始背景图像;对初始背景图像进行数据增广处理,得到最终背景图像;将最终背景图像和待处理图像进行融合,得到优化后的图像。本发明实现了通过对图像进行数据增广得到数据增广后的图像,并利用该数据增广图像对识别模型进行训练,使得识别模型具有更好的泛化能力,从而后续进行图像识别时,能够提高图像识别的稳定性和准确度,改善图像的识别效果。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种图像优化处理方法、装置、设备及存储介质。
背景技术
随着人工智能和机器视觉技术的发展,目标识别得到了广泛应用。其中,诸如手势识别、人脸识别等识别任务更是受到研究人员的关注。然而,实际应用过程中,目标识别任务除了与目标本身有关外,还往往会受到目标本身所处环境的影响。尤其是手势识别和人脸识别中,当识别的目标背景光线比较暗时,容易出现识别不稳定的问题。
为了解决上述识别背景光线较暗时存在的识别不稳定问题。相关技术中,通过对原始图像的整体或者局部像素值进行调整,例如调整亮度、对比度、色相、饱和度等,以模拟出更多情况的图像分布,使识别模型具有更好的泛化能力,从而提高识别的稳定性。
然而,上述方式是一种较为通用但缺乏针对性的处理方式,相对于在目标背景环境光线较暗时识别手势或人脸时,仍存在识别准确度低,效果差的问题。
发明内容
本发明实施例提供一种图像优化处理方法、装置、设备及存储介质,以实现通过对图像进行数据增广得到数据增广后的图像,并利用该数据增广图像对识别模型进行训练,使得识别模型具有更好的泛化能力,从而后续进行图像识别时,能够提高图像识别的稳定性和准确度,改善图像的识别效果。
第一方面,本发明实施例提供了一种图像优化处理方法,该方法包括:根据待处理图像生成一张与所述待处理图像相同尺寸的初始背景图像;对所述初始背景图像进行数据增广处理,得到最终背景图像;将所述最终背景图像和所述待处理图像进行融合,得到优化后的图像。
第二方面,本发明实施例还提供了一种图像优化处理装置,该装置包括:生成图像模块,用于根据待处理图像生成一张与所述待处理图像相同尺寸的初始背景图像;数据增广模块,用于对所述初始背景图像进行数据增广处理,得到最终背景图像;图像融合模块,用于将所述最终背景图像和所述待处理图像进行融合,得到优化后的图像。
第三方面,本发明实施例还提供了一种计算机设备,该计算机设备包括:包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面实施例所述的图像优化处理方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时以第一方面实施例所述的图像优化处理方法。
本发明实施例公开的技术方案,具有如下有益效果:
本发明通过根据待处理图像生成一张与待处理图像相同尺寸的初始背景图像,并对初始背景图像进行数据增广处理,得到最终背景图像,然后将最终背景图像和待处理图像进行融合,得到优化后的图像。由此,实现了通过对图像进行数据增广得到数据增广后的图像,并利用该数据增广图像对识别模型进行训练,使得识别模型具有更好的泛化能力,从而后续进行图像识别时,能够提高图像识别的稳定性和准确度,改善图像的识别效果。
附图说明
图1是本发明实施例一提供的一种图像优化处理方法的流程示意图;
图2是本发明实施例一提供的根据待处理图像生成初始背景图像的示意图;
图3是本发明实施例二提供的一种图像优化处理方法的流程示意图;
图4是本发明实施例二提供的对初始背景图像进行数据增广处理,得到最终背景图像的示意图;
图5是本发明实施例二提供的将最终背景图像和待处理图像进行融合,得到优化后的图像的示意图;
图6是本发明实施例三提供的一种图像优化处理装置的结构示意图;
图7是本发明实施例四提供的一种图像优化处理装置的结构示意图;
图8是本发明实施例五提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明实施例,而非对本发明实施例的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明实施例相关的部分而非全部结构。
本发明实施例针对相关技术中,利用现有方式处理图像之后进行识别时,存在识别准确度低,效果差的问题,提出一种图像优化处理方法。
本发明实施例,通过根据待处理图像生成一张与待处理图像相同尺寸的初始背景图像,并对初始背景图像进行数据增广处理,得到最终背景图像,然后将最终背景图像和待处理图像进行融合,得到优化后的图像。由此,实现了通过对图像进行数据增广得到数据增广后的图像,并利用该数据增广图像对识别模型进行训练,使得识别模型具有更好的泛化能力,从而后续进行图像识别时,能够提高图像识别的稳定性和准确度,改善图像的识别效果。
下面参考附图描述本发明实施例的图像优化处理方法、装置、设备及存储介质进行详细说明。
实施例一
图1是本发明实施例一提供的一种图像优化处理方法的流程示意图,本发明实施例可适用于对图像进行优化处理,以提高后续图像识别准确度的场景,该方法可由图像优化处理装置来执行,以对图像优化处理过程进行控制,该装置可以由软件和/硬件实现,可集成于计算机设备的内部。在本实施例中,计算机设备可以是任意具有数据处理功能的设备,比如智能手机、电脑、相机等。该方法具体包括如下步骤:
S101,根据待处理图像生成一张与所述待处理图像相同尺寸的初始背景图像。
在本实施例中,待处理图像可以为以下项中至少一项:人脸图像、手势图像及人像图像;或者,还可以是任意具有人脸区域和/或手势区域的图像,此处对其不做具体限定。
其中,具有人脸区域和/或手势区域的图像,可以是指具有人脸区域的图像;或者,也可以是指具有手势区域的图像;或者,还可以是具有人脸区域和手势区域的图像,此处对其不做具体限定。
可选的,本实施例执行S101之前,可首先接收图像优化处理请求,之后再根据图像优化处理请求对待处理图像进行优化处理。
作为本申请的一种可选的实现方式,本实施例可通过以下方式接收图像优化处理请求:
作为第一种方式
接收用户触发的图像优化处理请求。
其中,用户触发的图像优化处理请求中携带有待处理图像。
在实际使用过程中,用户可利用相机功能拍摄具有人脸或者手势的图像,并且还可对拍摄的图像进行优化处理操作,例如识别、美化等。此时,用户可通过向计算机设备发送图像优化处理请求,以对拍摄的图像进行优化处理。
在本实施例中,向计算机设备发送图像处理请求时,可通过点击计算机设备的显示界面上的图像优化处理功能键,触发图像优化处理请求,其中功能键可以为物理按键,也可以是虚拟按键;或者,通过其他方式,触发图像优化处理请求等,此处对其不做具体限定。
作为第二种方式
在确定拍摄图像中包括人脸区域和/或手势区域时,触发图像优化处理请求。
由于用户在拍摄图像时,除了拍摄景色、建筑物、动物等类型的图像之外,还会拍摄包含人物的图像。当拍摄的图像中包含人脸或手势时,为了确保后续对人脸或手势的识别准确度,计算机设备可在确定拍摄图像中包括人脸区域和/或手势区域时,自动触发图像优化处理请求。
也就是说,当计算机设备触发图像优化处理请求时,上述拍摄图像即为待处理图像。
需要说明的是,上述接收图像优化处理请求的方式仅为示例性的,不作为对本申请的具体限定。
进一步的,在获取到图像优化处理请求之后,图像优化处理装置即可对图像优化处理请求进行解析,获取携带在图像优化处理请求中的待处理图像。然后,获取该待处理图像的尺寸,以根据待处理图像的尺寸,生成一张与待处理图像相同尺寸的初始背景图像。
其中,为了便于对生成的初始背景图像进行数据增广处理,本实施例根据待处理图像生成与其自身相同尺寸的新图像之后,可对该新图像进行初始化处理,得到初始背景图像。
例如,如图2所示,待处理图像为imgA,且imgA的尺寸为h×w×3,则可根据h×w×3生成一个大小同样为h×w×3的全零矩阵的新图像,并将该新图像作为初始背景图像。其中,h表示图像所包含像素的行数,w表示图像所包含像素的列数,3表示该图像有3个颜色通道,分别为b、g、r通道,即蓝色、绿色、红色3个颜色通道。
S102,对所述初始背景图像进行数据增广处理,得到最终背景图像。
S103,将所述最终背景图像和所述待处理图像进行融合,得到优化后的图像。
在本实施例中,在生成初始背景图像之后,图像优化处理装置即可对该初始背景图像进行数据增广处理,以得到最终背景图像;然后,将最终背景图像和待处理图像进行融合,得到优化后的图像。其中,对初始背景图像进行数据增广处理时,可按照预设处理方式进行处理。需要说明的是,预设处理方式可以根据技术人员实际需要进行适应性设置,例如,增加光源区域等,此处对其不做具体限定。
本发明实施例提供的图像优化处理方法,通过根据待处理图像生成一张与待处理图像相同尺寸的初始背景图像,并对初始背景图像进行数据增广处理,得到最终背景图像,然后将最终背景图像和待处理图像进行融合,得到优化后的图像。由此,实现了通过对图像进行数据增广得到数据增广后的图像,并利用该数据增广图像对识别模型进行训练,使得识别模型具有更好的泛化能力,从而后续进行图像识别时,能够提高图像识别的稳定性和准确度,改善图像的识别效果。
实施例二
通过上述分析可知,本发明实施例通过对生成的初始背景图像进行数据增广处理,得到最终背景图像,并将最终背景图像和待处理图像进行融合,得到优化后的图像。
作为本发明实施例的一种实现形式,本实施例中对初始背景图像进行数据增广处理,可按照预设选取规则在初始背景图像选取任一像素点为光源中心及目标光源区域,并根据目标光源区域中各像素点与光源中心的距离,得到最终背景图像。下面结合图3,对本发明实施例的图像优化处理方法的上述情况进行说明。
图3是本发明实施例二提供的一种图像优化处理方法的流程示意图。
如图3所示,该图像优化处理方法可以包括以下步骤:
S301,根据待处理图像生成一张与所述待处理图像相同尺寸的初始背景图像。
其中,S301的具体实现过程和原理,与上述实施例中S101类似,具体可参见上述实施例,此处对其不做过多赘述。
S302,根据预设选取规则,在所述初始背景图像上选取光源中心及目标光源区域。
在本实施例中,光源可以是任意一个发光体发出的光。此处对其不做具体限定。
其中,预设选取规则可根据实际应用场景进行设置。
例如,选取光源中心时,可在初始背景图像上随机选取任一像素点作为光源中心。
又如,以光源中心为中心选取预设半径内的区域作为目标光源区域;或者,以光源中心为中心点选取预设形状大小的区域作为目标光源区域等。上述预设半径可根据待处理图像的尺寸进行设置;预设形状可以为长方形、正方形、圆形、三角形、S形等,此处对其不作具体限定。
可选的,当根据待处理图像生成初始背景图像之后,图像优化处理装置即根据预设选取规则,在初始背景图像上选取光源中心及目标光源区域。
举例来说,假设在初始背景图像上任取一像素点Q(j,i),其中,i∈(x_min,x_max),j∈(y_min,y_max),那么当初始背景图像的尺寸为:h×w×3时,则上述x_min=0,x_max=w,y_min=0,y_max=h。接着,将Q(j,i)作为光源中心,按照预设选取规则选取一目标光源区域R,其中该目标光源区域R包含的像素行数为h′,目标光源R包含的像素列数为w′,并且上述像素的行数h′∈(h_min,h_max),像素的列数w′∈(w_min,w_max)。在该示例中,可取h_min=0,h_max=h,w_min=0,w_max=w。
进一步的,为了避免选取的目标光源区域超出初始背景图像的边界,本实施例还可根据以下条件,确定选取的目标光源区域:
其中,x1表示目标光源区域所对应的最小列坐标,x2表示目标光源区域所对应的最大列坐标,y1表示目标光源区域所对应的最小行坐标,y2表示目标光源区域所对应的最大行坐标。
需要说明的是,在本实施例中,上述条件满足任何光源形状。
可以理解的是,本实施例中在初始背景图像上获取的光源中心,属于目标光源区域,且位于目标光源区域的中心。
S303,根据目标光源区域,确定所述目标光源区域中各像素点与光源中心的距离。
在实际应用过程中,光源形状可包括多种,例如长条形、圆形、正方向、三角形等等。
为了更清楚的说明本实施例,下面以不同光源形状确定目标光源区域,并确定目标光源区域中各像素点与光源中心间的距离进行具体描述。
首先,若光源为长条形,则光源设置状态可包括:横向状态和纵向状态。为了便于后续使用,本实施例可将上述长条形光源的设置状态进行数字化处理,例如可设置光源设置状态为flag,其中,flag=0表示光源设置状态为横向状态,flag=1表示光源设置状态为纵向设置状态,从而可增加光源布置的多样性。
可选的,本实施例在初始背景图像上选取出目标光源区域之后,图像优化处理装置可确定目标光源区域中各像素点与光源中心的距离。
作为一种可选的实现方式,针对长条形光源,本实施例可通过如下公式(1),确定目标光源区域中各像素点与光源中心的距离:
其中,s表示所述目标光源区域中各像素点与光源中心间的距离,p表示所述目标光源区域中各像素点的行坐标、q表示所述目标光源区域中各像素点的列坐标,j表示所述光源中心的行坐标,i表示所述光源中心的列坐标,flag表示所述光源设置状态,其中flag=0表示横向状态,flag=1表示纵向状态,h表示所述初始背景图像包含像素的行数,w表示所述初始背景图像包含像素的列数。
其次,若光源为圆形,则光源设置状态可为点设置状态。可选的,本实施例在初始背景图像上选取出目标光源区域之后,图像优化处理装置可确定目标光源区域中各像素点与光源中心的距离。
作为一种可选的实现方式,针对圆形光源,本实施例可通过如下公式(2),确定目标光源区域中各像素点与光源中心的距离:
其中,s表示所述目标光源区域中各像素点与光源中心间的距离,p表示所述目标光源区域中各像素点的行坐标、q表示所述目标光源区域中各像素点的列坐标,j表示所述光源中心的行坐标,i表示所述光源中心的列坐标,dtl、dtr、dbl、dbr分别表示所述光源中心与所述初始背景图像的左上角、右上角、左下角、右下角顶点的距离;dmax表示上述dtl、dtr、dbl和dbr中的最大值,h表示所述初始背景图像包含像素的行数,w表示所述初始背景图像包含像素的列数。
步骤S303通过把距离归一化,去除了不同量刚或计算单位引起的差异。
S304,根据所述距离确定所述目标光源区域中各像素点的像素值,得到最终背景图像。
作为一种可选的实现方式,本实施例中确定目标光源区域中其他像素点的像素值,可通过如下公式(3)实现:
其中,imgB表示最终背景图像,p表示目标光源区域中各像素点的行坐标,p∈[y1,y2],q表示目标光源区域中各像素点的列坐标,q∈[x1,x2],c表示各像素点的颜色通道中的任一颜色通道,c∈{b,g,r},s表示目标光源区域中各像素点与光源中心间的距离,σ表示光源亮度分布的标准差,且σ∈[a,b],其中a和b根据经验进行设置,例如:a=0.02,b=0.15,即σ∈[0.02,0.15];β表示亮度随机数,且β∈[β1,β2],其中β1和β2根据经验进行设置,例如:β1=100,β2=150。
也就是说,通过上述公式(3)可计算出目标光源区域中各像素点的亮度值,以通过将上述各像素点的亮度值作为目标光源区域中各像素点的像素值,得到最终背景图像。
继续以图2中的初始背景图像为例进行说明,通过在初始背景图像T1中,任取一像素点为光源中心,并根据该光源中心选取长方形的目标光源区域,计算目标光源区域中各像素点对应的像素值,得到最终背景图像(即图4中的灯光背景图像),具体过程如图4所示。
S305,将所述最终背景图像和所述待处理图像进行融合,得到优化后的图像。
本实施例中,当得到最终背景图像之后,图像优化处理装置即可将最终背景图像与待处理图像进行融合,得到优化后的图像。
可选的,本实施例可通过如下公式(4),将最终背景图像和待处理图像进行融合处理:
imgC=imgA+imgB…………………(4)
其中,imgC表示优化后的图像,imgA表示待处理图像,imgB表示最终背景图像。
进一步的,为了防止融合后得到的优化后的图像中存在像素点的像素值溢出情况,本实施例优化后的图像中的任意像素点(y,x)的像素值需要满足以下条件:
其中,imgC表示优化后的图像,y表示像素点的行坐标,x表示像素点的列坐标,c表示像素点的各颜色通道中的任一颜色通道,c∈{b,g,r}。
以图2和图4为例进行说明,将图2中待处理图像imgA与图4中灯光背景图像进行融合,得到优化后的图像,具体如图5所示。
需要说明的是,由于光源亮度分布类似于高斯分布,利用高斯函数计算得到最终背景图像,以将最终背景图像与待处理图像进行融合,得到优化后的图像,并将该优化后的图像作为识别模型的训练图像,有利于提高识别模型的准确度。
本发明实施例提供的图像优化处理方法,通过在初始背景图像上任取一像素点作为光源中心,根据预设选取规则选取以光源中心为中心的目标光源区域,并确定目标光源区域中各像素点与光源中心的距离,并根据距离确定目标光源区域中各像素点的像素值,得到最终背景图像,然后将最终背景图像和待处理图像进行融合,得到优化后的图像。由此,通过从初始背景图像上选取光源设置区域,并确定光源设置区域中像素点的像素值,以实现对初始背景图像进行光照数据增广,使得增广后的图像能够在后续的识别操作中,更易被识别,从而提高识别准确度。
实施例三
为了实现上述目的,本发明实施例三还提出了一种图像优化处理装置。
图6是本发明实施例三提供的一种图像优化处理装置的结构示意图。
如图6所示,本发明实施例图像优化处理装置包括:生成图像模块11、数据增广模块12及图像融合模块13。
其中,生成图像模块11,用于根据待处理图像生成一张与所述待处理图像相同尺寸的初始背景图像;
数据增广模块12,用于对所述初始背景图像进行数据增广处理,得到最终背景图像;
图像融合模块13,用于将所述最终背景图像和所述待处理图像进行融合,得到优化后的图像。
作为本发明实施例的一种可选的实现方式,所述待处理图像所述待处理图像为以下项中至少一项:人脸图像、手势图像及人像图像。
作为本发明实施例的一种可选的实现方式,所述装置,还包括:接收模块。
其中,接收模块具体用于接收用户触发的图像优化处理请求;或者,在确定拍摄图像中包括人脸区域和/或手势区域时,触发所述图像优化处理请求。
需要说明的是,前述对图像优化处理方法实施例的解释说明也适用于该实施例的图像优化处理装置,其实现原理类似,此处不再赘述。
本发明实施例提供的图像优化处理装置,通过根据待处理图像生成一张与待处理图像相同尺寸的初始背景图像,并对初始背景图像进行数据增广处理,得到最终背景图像,然后将最终背景图像和待处理图像进行融合,得到优化后的图像。由此,实现了通过对图像进行数据增广得到数据增广后的图像,并利用该数据增广图像对识别模型进行训练,使得识别模型具有更好的泛化能力,从而后续进行图像识别时,能够提高图像识别的稳定性和准确度,改善图像的识别效果。
实施例四
图7是本发明实施例四提供的一种图像优化处理装置的结构示意图。
如图7所示,本发明实施例图像优化处理装置包括:生成图像模块11、数据增广模块12及图像融合模块13。
其中,生成图像模块11,用于根据待处理图像生成一张与所述待处理图像相同尺寸的初始背景图像;
数据增广模块12,用于对所述初始背景图像进行数据增广处理,得到最终背景图像;
图像融合模块13,用于将所述最终背景图像和所述待处理图像进行融合,得到优化后的图像。
作为本发明实施例的一种可选的实现方式,如图7所示,所述数据增广模块12,包括:选取单元122、距离确定单元124及图像获取单元126。
其中,选取单元122用于根据预设选取规则,在所述初始背景图像上选取光源中心及目标光源区域;
计算单元124用于根据所述目标光源区域,确定所述目标光源区域中各像素点与光源中心的距离;
确定单元126用于根据所述距离确定所述目标光源区域中各像素点的像素值,得到最终背景图像。
作为本发明实施例的一种可选的实现方式,若光源为长条形,所述距离确定单元124具体用于:
采用如下公式,确定所述目标光源区域中各像素点与光源中心的距离:
其中,s表示所述目标光源区域中各像素点与光源中心间的距离,p表示所述目标光源区域中各像素点的行坐标、q表示所述目标光源区域中各像素点的列坐标,j表示所述光源中心的行坐标,i表示所述光源中心的列坐标,flag表示所述光源设置状态,其中flag=0表示横向状态,flag=1表示纵向状态,h表示所述初始背景图像包含像素的行数,w表示所述初始背景图像包含像素的列数。
作为本发明实施例的一种可选的实现方式,若光源为圆形,所述距离确定单元具体用于:
采用如下公式,确定所述目标光源区域中各像素点与光源中心的距离:
其中,s表示所述目标光源区域中各像素点与光源中心间的距离,p表示所述目标光源区域中各像素点的行坐标、q表示所述目标光源区域中各像素点的列坐标,j表示所述光源中心的行坐标,i表示所述光源中心的列坐标,dtl、dtr、dbl、dbr分别表示所述光源中心与所述初始背景图像的左上角、右上角、左下角、右下角顶点的距离;dmax表示上述dtl、dtr、dbl和dbr中的最大值,h表示所述初始背景图像包含像素的行数,w表示所述初始背景图像包含像素的列数。
作为本发明实施例的一种可选的实现方式,图像获取单元126,具体用于:
采用如下公式,确定所述目标光源区域中各像素点的像素值,得到最终背景图像:
其中,imgB表示最终背景图像,p、q表示所述目标光源区域中其他像素点的坐标,c表示各像素点颜色通道中的任一颜色通道,s表示所述目标光源区域中各像素点与光源中心间的距离,σ表示光源亮度分布的标准差,β表示亮度随机数。
需要说明的是,前述对图像优化处理方法实施例的解释说明也适用于该实施例的图像优化处理装置,其实现原理类似,此处不再赘述。
本发明实施例提供的图像优化处理装置,通过在初始背景图像上任取一像素点作为光源中心,根据预设选取规则选取以光源中心为中心的目标光源区域,并确定目标光源区域中各像素点与光源中心的距离,并根据距离确定目标光源区域中各像素点的像素值,得到最终背景图像,然后将最终背景图像和待处理图像进行融合,得到优化后的图像。由此,通过从初始背景图像上选取光源设置区域,并确定光源设置区域中像素点的像素值,以实现对初始背景图像进行光照数据增广,使得增广后的图像能够在后续的识别操作中,更易被识别,从而提高识别准确度。
实施例五
为了实现上述目的,本发明实施例还提出了一种计算机设备。
图8是本发明实施例五提供的一种计算机设备的结构示意图,如图8所示,该计算机设备包括处理器70、存储器71、输入装置72和输出装置73;计算机设备中处理器70的数量可以是一个或多个,图8中以一个处理器70为例;计算机设备中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接,图8中以通过总线连接为例。
存储器71作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的图像优化处理方法对应的程序指令/模块(例如,图像优化处理装置中的生成图像模块11、数据增广模块12和图像融合模块13)。处理器70通过运行存储在存储器71中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的图像优化处理方法,该图像优化处理方法包括:根据待处理图像生成一张与所述待处理图像相同尺寸的初始背景图像;对所述初始背景图像进行数据增广处理,得到最终背景图像;将所述最终背景图像和所述待处理图像进行融合,得到优化后的图像。
当然,本发明实施例所提供的一种计算机设备,该计算机设备不限于如上所述的方法操作,还可以执行本发明实施例任意实施例所提供的图像优化处理方法中的相关操作。
存储器71可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器71可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器71可进一步包括相对于处理器70远程设置的存储器,这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置72可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示设备。
需要说明的是,前述对图像优化处理方法实施例的解释说明也适用于该实施例的计算机设备,其实现原理类似,此处不再赘述。
本发明实施例提供的计算机设备,通过根据待处理图像生成一张与待处理图像相同尺寸的初始背景图像,并对初始背景图像进行数据增广处理,得到最终背景图像,然后将最终背景图像和待处理图像进行融合,得到优化后的图像。由此,实现了通过对图像进行数据增广得到数据增广后的图像,并利用该数据增广图像对识别模型进行训练,使得识别模型具有更好的泛化能力,从而后续进行图像识别时,能够提高图像识别的稳定性和准确度,改善图像的识别效果。
实施例六
为了实现上述目的,本发明实施例还提出了一种计算机可读存储介质。
本发明实施例六还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现如下的图像优化处理方法,该图像优化处理方法包括:根据待处理图像生成一张与所述待处理图像相同尺寸的初始背景图像;对所述初始背景图像进行数据增广处理,得到最终背景图像;将所述最终背景图像和所述待处理图像进行融合,得到优化后的图像
当然,本发明实施例所提供的一种计算机可读存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明实施例任意实施例所提供的图像优化处理方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明实施例可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明实施例各个实施例所述的方法。
值得注意的是,上述搜索装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
注意,上述仅为本发明实施例的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明实施例不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明实施例的保护范围。因此,虽然通过以上实施例对本发明实施例进行了较为详细的说明,但是本发明实施例不仅仅限于以上实施例,在不脱离本发明实施例构思的情况下,还可以包括更多其他等效实施例,而本发明实施例的范围由所附的权利要求范围决定。
Claims (10)
1.一种图像优化处理方法,其特征在于,所述方法包括:
根据待处理图像生成一张与所述待处理图像相同尺寸的初始背景图像;
对所述初始背景图像进行数据增广处理,得到最终背景图像;
将所述最终背景图像和所述待处理图像进行融合,得到优化后的图像。
2.根据权利要求1所述的方法,其特征在于,所述待处理图像为以下项中至少一项:人脸图像、手势图像及人像图像。
3.根据权利要求1所述的方法,其特征在于,所述对初始背景图像进行数据增广处理,得到最终背景图像包括:
根据预设选取规则,在所述初始背景图像上选取光源中心及目标光源区域;
根据所述目标光源区域,确定所述目标光源区域中各像素点与光源中心的距离;
根据所述距离确定所述目标光源区域中各像素点的像素值,得到最终背景图像。
4.根据权利要求3所述的方法,其特征在于,其中,若光源为长条形,则确定所述目标光源区域中各像素点与光源中心的距离,包括:
采用如下公式,确定所述目标光源区域中各像素点与光源中心的距离:
其中,s表示所述目标光源区域中各像素点与光源中心间的距离,p表示所述目标光源区域中各像素点的行坐标、q表示所述目标光源区域中各像素点的列坐标,j表示所述光源中心的行坐标,i表示所述光源中心的列坐标,flag表示所述光源设置状态,其中flag=0表示横向状态,flag=1表示纵向状态,h表示所述初始背景图像包含像素的行数,w表示所述初始背景图像包含像素的列数。
5.根据权利要求3所述的方法,其特征在于,其中,若光源为圆形,则确定所述目标光源区域中各像素点与光源中心的距离,包括:
采用如下公式,确定所述目标光源区域中各像素点与光源中心的距离:
其中,s表示所述目标光源区域中各像素点与光源中心间的距离,p表示所述目标光源区域中各像素点的行坐标、q表示所述目标光源区域中各像素点的列坐标,j表示所述光源中心的行坐标,i表示所述光源中心的列坐标,dtl、dtr、dbl、dbr分别表示所述光源中心与所述初始背景图像的左上角、右上角、左下角、右下角顶点的距离;dmax表示上述dtl、dtr、dbl和dbr中的最大值,h表示所述初始背景图像包含像素的行数,w表示所述初始背景图像包含像素的列数。
6.根据权利要求4或5所述的方法,其特征在于,所述根据所述距离确定所述目标光源区域中各像素点的像素值,得到最终背景图像包括:
采用如下公式,确定所述目标光源区域中各像素点的像素值,得到最终背景图像:
其中,imgB表示最终背景图像,p、q表示所述目标光源区域中各像素点的坐标,c表示各像素点颜色通道中的任一颜色通道,s表示所述目标光源区域中各像素点与光源中心间的距离,σ表示光源亮度分布的标准差,β表示亮度随机数。
7.根据权利要求1所述的方法,其特征在于,所述根据待处理图像生成一张与所述待处理图像相同尺寸的初始背景图像之前,还包括:
接收用户触发的图像优化处理请求;
或者,在确定拍摄图像中包括人脸区域和/或手势区域时,触发所述图像优化处理请求。
8.一种图像优化处理装置,其特征在于,包括:
生成图像模块,用于根据待处理图像生成一张与所述待处理图像相同尺寸的初始背景图像;
数据增广模块,用于对所述初始背景图像进行数据增广处理,得到最终背景图像;
图像融合模块,用于将所述最终背景图像和所述待处理图像进行融合,得到优化后的图像。
9.一种计算机设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-7中任一所述的图像优化处理方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序包括程序指令,该程序指令被处理器执行时实现如权利要求1-7中任一所述的图像优化处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910548423.XA CN110276737A (zh) | 2019-06-24 | 2019-06-24 | 图像优化处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910548423.XA CN110276737A (zh) | 2019-06-24 | 2019-06-24 | 图像优化处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110276737A true CN110276737A (zh) | 2019-09-24 |
Family
ID=67961723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910548423.XA Pending CN110276737A (zh) | 2019-06-24 | 2019-06-24 | 图像优化处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110276737A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368889A (zh) * | 2020-02-26 | 2020-07-03 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及装置 |
CN113012054A (zh) * | 2019-12-20 | 2021-06-22 | 舜宇光学(浙江)研究院有限公司 | 基于抠图的样本增强方法和训练方法及其系统和电子设备 |
-
2019
- 2019-06-24 CN CN201910548423.XA patent/CN110276737A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012054A (zh) * | 2019-12-20 | 2021-06-22 | 舜宇光学(浙江)研究院有限公司 | 基于抠图的样本增强方法和训练方法及其系统和电子设备 |
CN113012054B (zh) * | 2019-12-20 | 2023-12-05 | 舜宇光学(浙江)研究院有限公司 | 基于抠图的样本增强方法和训练方法及其系统和电子设备 |
CN111368889A (zh) * | 2020-02-26 | 2020-07-03 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及装置 |
CN111368889B (zh) * | 2020-02-26 | 2023-10-17 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9639914B2 (en) | Portrait deformation method and apparatus | |
CN112243583B (zh) | 多端点混合现实会议 | |
US9414016B2 (en) | System and methods for persona identification using combined probability maps | |
US20180365518A1 (en) | Target object presentation method and apparatus | |
US20210319621A1 (en) | Face modeling method and apparatus, electronic device and computer-readable medium | |
CN109951628A (zh) | 模型构建方法、拍照方法、装置、存储介质及终端 | |
US20220237812A1 (en) | Item display method, apparatus, and device, and storage medium | |
CN110288614A (zh) | 图像处理方法、装置、设备及存储介质 | |
US11030733B2 (en) | Method, electronic device and storage medium for processing image | |
CN110072046B (zh) | 图像合成方法和装置 | |
CN104899563A (zh) | 一种二维人脸关键特征点定位方法及系统 | |
EP4024352A2 (en) | Method and apparatus for face liveness detection, and storage medium | |
CN109117760A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN111583154A (zh) | 图像处理方法、肤质美化模型训练方法及相关装置 | |
CN105430269B (zh) | 一种应用于移动终端的拍照方法及装置 | |
CN108206941A (zh) | 目标跟踪方法、系统、终端设备及存储介质 | |
WO2021103919A1 (zh) | 构图推荐方法和电子设备 | |
CN110276737A (zh) | 图像优化处理方法、装置、设备及存储介质 | |
US20230074060A1 (en) | Artificial-intelligence-based image processing method and apparatus, electronic device, computer-readable storage medium, and computer program product | |
CN110533773A (zh) | 一种三维人脸重建方法、装置及相关设备 | |
WO2022267653A1 (zh) | 图像处理方法、电子设备及计算机可读存储介质 | |
WO2022227752A1 (zh) | 拍照方法及装置 | |
US10628984B2 (en) | Facial model editing method and apparatus | |
CN208689558U (zh) | 一种辅助用户的智能系统 | |
CN106360941A (zh) | 一种指甲定位方法及美甲设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190924 |