CN110290395A - 一种图像处理方法、装置及计算机可读存储介质 - Google Patents
一种图像处理方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110290395A CN110290395A CN201910517469.5A CN201910517469A CN110290395A CN 110290395 A CN110290395 A CN 110290395A CN 201910517469 A CN201910517469 A CN 201910517469A CN 110290395 A CN110290395 A CN 110290395A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- image
- principal component
- target image
- coefficient
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 230000004048 modification Effects 0.000 claims abstract description 34
- 238000012986 modification Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims description 53
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 16
- 238000000513 principal component analysis Methods 0.000 claims description 14
- 238000013519 translation Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 5
- 239000004615 ingredient Substances 0.000 claims 1
- 210000001508 eye Anatomy 0.000 description 30
- 230000008569 process Effects 0.000 description 20
- 230000000875 corresponding effect Effects 0.000 description 18
- 230000000694 effects Effects 0.000 description 12
- 230000003321 amplification Effects 0.000 description 9
- 238000003199 nucleic acid amplification method Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 210000005252 bulbus oculi Anatomy 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种图像处理方法、装置及计算机可读存储介质,包括:在目标图像的预设区域中,确定第一坐标;按照预设修正规则,对第一坐标进行修正,得到第二坐标;将第一坐标集合与第二坐标集合进行点云配准计算,得到修正参数,根据修正参数和第二坐标,对目标图像中的背景区域进行修正,得到修正图像。修正参数可以使得在预设区域中保留预设修正规则的修整痕迹的基础上,实现该预设区域之外的背景区域与目标图像的背景区域配准对齐的目的。另外,因为得到修正参数的过程中引入了目标图像的四个角点的坐标,使得修正图像的四个角点的坐标被限定为与目标图像的四个角点的坐标相同,从而解决了在视频播放的过程中出现画面抖动的问题。
Description
技术领域
本发明属于计算机技术领域,特别是涉及一种图像处理方法、装置及计算机可读存储介质。
背景技术
随着移动互联网技术发展至今,带宽资费越来越低,直播平台也产生井喷式爆发。在进行视频直播或视频自拍时,瘦脸及五官美化是一种常见的视频美化需求,因此,快速、高效、稳定的美颜算法有很好地商业价值和应用前景。
现有技术中,直播或视频中进行实时美颜,主要采用图像处理的方法,对视频中的各个视频帧图像,进行整体或局部区域的修正处理,以使得修正后的视频画面能够达到预期的要求。如,在具有人像画面的视频中,对各个视频帧图像的人脸区域进行瘦脸、眼睛大小调整、整体美白等形式的修正,修正完成后,视频在播放时会达到相应的修正效果。
但是,目前方案的修正手段,对局部区域的修正会影响到局部区域之外的背景区域,使得背景区域会随着局部区域的形变而产生不自然的形变,在进行视频播放时,画面中的物体发生位置偏移会导致画面背景轮廓随之偏移,产生画面抖动的问题,降低了播放效果。
发明内容
有鉴于此,本发明提供一种图像处理方法、装置及计算机可读存储介质,在一定程度上解决了目前方案中对局部区域的修正会影响到局部区域之外的背景区域,使得背景区域会随着局部区域的形变而产生不自然的形变,并在进行视频播放时,画面中的物体发生位置偏移会导致画面背景轮廓随之偏移,产生画面抖动的问题。
依据本发明的第一方面,提供了一种图像处理方法,该方法可以包括:
获取目标图像;
在所述目标图像的预设区域中,确定第一坐标;
按照预设修正规则,对所述第一坐标进行修正,得到第二坐标;
将第一坐标集合与第二坐标集合进行点云配准计算,得到修正参数;
根据所述修正参数和所述第二坐标,对所述目标图像中的背景区域进行修正,得到修正图像;所述修正图像的四个角点的坐标与所述目标图像的四个角点的坐标相同;所述背景区域为所述目标图像中所述预设区域之外的区域;
其中,所述第一坐标集合包括所述目标图像的四个角点的坐标以及所述第一坐标,所述第二坐标集合包括所述目标图像的四个角点的坐标以及所述第二坐标。
依据本发明的第二方面,提供了一种图像处理装置,该装置可以包括:
第一获取模块,用于获取目标图像;
第一确定模块,用于在所述目标图像的预设区域中,确定第一坐标;
第一修正模块,用于按照预设修正规则,对所述第一坐标进行修正,得到第二坐标;
配准模块,用于将第一坐标集合与第二坐标集合进行点云配准计算,得到修正参数;
生成模块,用于根据所述修正参数和所述第二坐标,对所述目标图像中的背景区域进行修正,得到修正图像;所述修正图像的四个角点的坐标与所述目标图像的四个角点的坐标相同;所述背景区域为所述目标图像中所述预设区域之外的区域;
其中,所述第一坐标集合包括所述目标图像的四个角点的坐标以及所述第一坐标,所述第二坐标集合包括所述目标图像的四个角点的坐标以及所述第二坐标。
第三方面,本发明实施例提供了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计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的图像处理方法的步骤。
针对在先技术,本发明具备如下优点:
本发明提供的一种图像处理方法,包括:获取目标图像;在目标图像的预设区域中,确定第一坐标;按照预设修正规则,对第一坐标进行修正,得到第二坐标;将第一坐标集合与第二坐标集合进行点云配准计算,得到修正参数;根据修正参数和第二坐标,对目标图像中的背景区域进行修正,得到修正图像;修正图像的四个角点的坐标与目标图像的四个角点的坐标相同;背景区域为目标图像中预设区域之外的区域;其中,第一坐标集合包括目标图像的四个角点的坐标以及第一坐标,第二坐标集合包括目标图像的四个角点的坐标以及第二坐标。本发明可以将第一坐标集合与第二坐标集合进行点云配准计算,从而将计算得到的两个集合之间的空间变换关系作为修正参数,修正参数可以使得在预设区域中保留预设修正规则的修整痕迹的基础上,实现该预设区域之外的背景区域,与修正操作所针对的预设区域配准对齐的目的,从而解决对预设区域的修正会影响到预设区域之外的背景区域的问题。另外,因为得到修正参数的过程中引入了目标图像的四个角点的坐标,使得在修正参数修正目标图像,得到修正图像的过程中,将修正图像的四个角点的坐标限定为与目标图像的四个角点的坐标相同,从而在视频画面中的物体产生了幅度较大的动作偏移时,避免整个视频画面的轮廓随之发生角度偏转,从而解决了在视频播放的过程中出现画面抖动的问题。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明实施例提供的一种图像处理方法的步骤流程图;
图2是本发明实施例提供的一种视频帧画面图;
图3是本发明实施例提供的另一种图像处理方法的步骤流程图;
图4是本发明实施例提供一种概率密度曲线图;
图5是本发明实施例提供的一种图像处理装置的框图;
图6是本发明实施例提供的一种图像处理装置的具体结构框图;
图7是本发明实施例提供的一种建立模块的框图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1是本发明实施例提供的一种图像处理方法的步骤流程图,应用于终端,如图1所示,该方法可以包括:
步骤101、获取目标图像。
在本发明实施例中,视频文件为维度较高的文件格式,且视频文件由多个视频帧图像构成,对于视频文件的画面修正处理,首先可以对视频文件进行视频帧图像提取,所提取的每一帧视频帧图像,可以作为目标图像进行后续处理。
需要说明的是,在本发明实施例的另一种实现方式中,目标图像还可以为一张单独的图像文件,如,目标图像可以为用户通过手机摄像头拍摄的一张图像,目标图像也可以为手机相册中储存的一张图像,或在互联网中下载得到的一张图像。
步骤102、在所述目标图像的预设区域中,确定第一坐标。
在本发明实施例中,一张图像可以由多个特征构成,预设区域可以为整个目标图像,也可以为目标图像中的局部区域,第一坐标则可以为预设区域中关键内容所处区域的像素坐标。如,若预设区域为人脸区域,关键内容为眼睛,则第一坐标可以为眼睛轮廓的坐标。
具体的,对于确定目标图像中的预设区域,在一种实现方式中,目标图像中会包括画面主体以及画面背景。其中,画面主体是画面中较为突出的部分,画面主体可以为人,动物,或者建筑物等等。实际应用中,目标图像中的画面主体可以为一个或多个,可以通过抠图技自动将画面主体以及画面背景进行分离,以对画面主体或画面背景进行修改。
进一步的,在进行目标图像整体色调修正时,预设区域可以为整个目标图像的区域,第一坐标可以为目标图像中的各个像素点的坐标;假设在对人像目标图像的人脸区域进行修正时,预设区域可以为人脸区域,第一坐标可以为人脸区域中人脸的轮廓的坐标,当然,在对人脸区域进行修正时,还可以进一步对人脸区域中的不同特征进行划分,从而得到多个子区域,如眼部区域、鼻子区域、嘴部区域等,此时各个子区域中可以对应提取得到眼睛轮廓的坐标、鼻子轮廓的坐标、嘴部轮廓的坐标等。
步骤103、按照预设修正规则,对所述第一坐标进行修正,得到第二坐标。
本发明实施例中,预设修正规则可以为针对用户需求所预设的一些修正算法,通过预设修正规则,可以达到对预设区域的关键内容进行修正的目的,预设修正规则包括:通过一些预设修正规则,对预设区域的关键内容所处区域的像素点进行修正处理,该修正处理包括但不限于:对像素点的颜色、位置进行调整。
例如,通过更改关键内容所处区域的像素点的颜色,可以对预设区域的色调进行调整。
或者,又例如,通过调整关键内容所处区域的轮廓的像素点位置,使得关键内容所处区域的面积增大预设倍数。
或者,又例如,通过调整关键内容所处区域的轮廓的像素点位置,使得关键内容所处区域的面积减小预设倍数。
进一步的,在本发明实施例中,图像处理方法主要应用于对预设区域中关键内容的画面轮廓进行调整的场景,即按照预设修正规则,对预设区域提取得到的第一坐标进行修正处理,得到第二坐标。
例如,在对人像图像中,进行对面部的眼睛大小调整,预设修正规则可以包括对眼睛区域的选取规则、对眼睛区域中的坐标的更改规则等,若更改规则为调整眼睛区域中像素点的坐标位置,使得眼睛区域的面积增大20%,则可以对眼睛区域中像素点的第一坐标,进行放大20%处理,得到了新的用于表示眼睛区域中像素点的第二坐标。
步骤104、将第一坐标集合与第二坐标集合进行点云配准计算,得到修正参数。
其中,所述第一坐标集合包括所述目标图像的四个角点的坐标以及所述第一坐标,所述第二坐标集合包括所述目标图像的四个角点的坐标以及所述第二坐标。
本发明实施例中,在目标图像的预设区域中,确定了第一坐标后,可以将所有第一坐标与目标图像的四个角点的坐标添加在第一坐标集合中。在将第一坐标修正为第二坐标后,可以将第二坐标与目标图像的四个角点的坐标添加在第二坐标集合中。
具体的,在对第一坐标进行修正,得到第二坐标的过程中,预设区域的轮廓发生了形变,基于目前的修正规则,对视频帧中预设区域的修正会影响到预设区域之外的背景区域,使得背景区域会随着预设区域的形变而产生不自然的形变,进一步在进行视频播放时,会产生背景轮廓弯曲,画面抖动的问题。如,用户在对视频中的人像进行瘦脸修正时,若人脸区域的轮廓附近具有直线边缘的物体,则随着人脸区域的宽度缩小,该物体的直线边缘也会发生弯曲。
进一步的,若视频画面中的人物产生了幅度较大的动作偏移,如脸部发生角度偏转,则基于目前的修正规则对脸部的修正,会使得整个视频画面的轮廓随之发生角度偏转,从而在视频播放的过程中出现画面抖动的现象。
基于上述背景区域产生不自然的形变的问题,以及在进行视频播放时产生画面抖动的问题,本发明实施例可以将第一坐标集合与第二坐标集合进行点云配准计算,从而计算得到修正参数。
具体的,一个二维或三维面上的点的坐标可以被称作点云(Point Cloud),第一坐标集合与第二坐标集合可以为两个点云集合,第一坐标集合可以代表目标图像,第二坐标可以代表经过预设修正规则修正后的目标图像,
根据两个不同的点云集合,找到两个点云集合之间的空间变换关系,使得两个点云集合能统一到同一坐标系统的过程,即点云配准过程,该空间变换关系即可以表达为修正参数,修正参数可以包括旋转矩阵和/或平移向量,利用修正参数修正背景区域中因受影响而发生改变的像素坐标,可以使得这些像素坐标恢复至受影响之前的数值,从而使得背景区域恢复至正常。
因此,在将修正参数应用于预设区域的过程中,修正参数可以使得在预设区域中保留原有修正痕迹的基础上,实现该预设区域之外的背景区域与目标图像的背景区域配准对齐的目的,从而解决对预设区域的修正会影响到预设区域之外的背景区域的问题。
如,若人脸区域的轮廓附近具有直线边缘的物体,则随着人脸区域的宽度缩小,该物体的直线边缘也会发生弯曲,在利用修正参数对人脸区域之外的背景区域进行修正后,发生弯曲的物体的直线边缘会恢复至直线。
另外,由于在第一坐标集合和第二坐标集合中增加了目标图像的四个角点的坐标,则在第一坐标集合与第二坐标集合进行点云配准计算的过程中,会将这四个角点的坐标作为图像边界的基准点,从而计算得到修正参数。具体的,在点云配准的过程中,将第一坐标集合的四个角点的坐标和第二坐标集合的四个角点的坐标一一对应,使得将点云配准过程产生的空间变换关系,作为修正参数。
具体的,在本发明实施例中,点云配准计算可以通过移动最小二乘法(MLS,MovingLeast Squares)实现,MLS的优点是其形成的二维问题的无网格方法可取较少节点。另外,MLS具备很好的数学理论支持,MLS对基函数的选择比较宽松,所得到的形函数公式也较简单,使得MLS具有较高的精度,这一点也是其他无网格方法如光滑粒子法、单位分解法等方法无法比拟的。
步骤105、根据所述修正参数和所述第二坐标,对所述目标图像中的背景区域进行修正,得到修正图像;所述修正图像的四个角点的坐标与所述目标图像的四个角点的坐标相同;所述背景区域为所述目标图像中所述预设区域之外的区域。
在该步骤中,通过第二坐标修正所述目标图像,可以使得目标图像中的预设区域被预设修正规则所修改,达到相应的效果,如,假设预设修正规则为眼睛放大,则第二坐标为眼睛放大后的坐标,将第二坐标修正目标图像,可以得到眼睛放大后的目标图像。
进一步的,在通过修正参数修正目标图像的背景区域的过程中,修正参数可以使得在预设区域中保留预设修正规则的修整痕迹的基础上,实现该预设区域之外的背景区域与目标图像的背景区域配准对齐的目的,从而解决对预设区域的修正会影响到预设区域之外的背景区域的问题。
另外,因为得到修正参数的过程中引入了目标图像的四个角点的坐标,使得在修正参数修正目标图像,得到修正图像的过程中,将修正图像的四个角点的坐标限定为与目标图像的四个角点的坐标相同,从而在视频画面中的人物产生了幅度较大的动作偏移时,避免整个视频画面的轮廓随之发生角度偏转,从而解决了在视频播放的过程中出现画面抖动的问题。
例如,参照图2,其示出了本发明实施例提供的一种视频帧画面图,假设在视频的相邻两帧画面中,第一帧画面a中人脸正对着摄像头,第二帧画面b中的人脸斜对着摄像头,且画面中人脸的背景具有两条物体的直线边缘,则利用预设瘦脸算法,对第一帧画面a的人脸进行瘦脸后,进一步对第二帧画面b的人脸进行瘦脸,由于第二帧画面b的人脸的角度发生了偏移,则使用与第一帧画面a相同的瘦脸算法进行瘦脸操作,会使得第二帧画面b的整个背景轮廓发生角度偏移,在播放该视频的这相邻两帧画面时,会产生画面抖动,且画面中两条物体的直线边缘也发生了弯曲,在本发明实施例中,可以在通过瘦脸算法进行第二帧画面b的瘦脸操作的过程中,引入基于第一帧画面a的四个角点的坐标得到的修正参数,对第二帧画面b进行修正,使得得到的新的第二帧画面b’的四个角点的坐标限定为与第一帧画面a的四个角点的坐标相同,从而在视频画面中的人脸产生了幅度较大的动作偏移时,不会影响画面的背景轮廓发送改变,从而消除了视频播放时画面抖动的问题,且画面中两条物体的直线边缘也被修正为笔直。
综上,本发明实施例提供的图像处理方法中,可以将第一坐标集合与第二坐标集合进行点云配准计算,从而将计算得到的两个集合之间的空间变换关系作为修正参数,修正参数可以使得在预设区域中保留预设修正规则的修整痕迹的基础上,实现该预设区域之外的背景区域与目标图像的背景区域配准对齐的目的,从而解决对预设区域的修正会影响到预设区域之外的背景区域的问题。另外,因为得到修正参数的过程中引入了目标图像的四个角点的坐标,使得在修正参数修正目标图像,得到修正图像的过程中,将修正图像的四个角点的坐标限定为与目标图像的四个角点的坐标相同,从而在视频画面中的物体产生了幅度较大的动作偏移时,避免整个视频画面的轮廓随之发生角度偏转,从而解决了在视频播放的过程中出现画面抖动的问题。
图3是本发明实施例提供的另一种图像处理方法的步骤流程图,如图3所示,该方法可以包括:
步骤301、获取合法图像。
在本发明实施例中,合法图像可以是已经经过预设修正规则处理,且达到较优处理效果的图像,如,经过美颜处理后展现效果很好的人物图像等。另外,合法图像也可以为一些标准图像,如,标准人脸图像等。合法图像的预设区域中的特征具有较好的展示效果,或在大众群体中能够建立起一致好评的共识。
坐标合法的具体含义是指将一个坐标作为标准坐标,从而使得这些标准坐标可以作为其他图像的对应坐标的评判标准。在本发明实施例中,可以将合法图像的预设区域中的坐标作为标准坐标。
坐标不合法的具体含义是指,将一个与标准坐标之间的相似度小于或等于预设相似度阈值的坐标,作为不合法坐标,以表明这个坐标的非优选特性。
步骤302、根据所述合法图像,建立合法性判断区间。
在本发明实施例中,可以基于将合法图像的预设区域中的坐标作为标准坐标的做法,通过对这些标准坐标的合法程度进行计算,确定标准坐标的合法程度值,并利用合法程度值的分布情况,构建合法性判断区间,合法性判断区间可以作为其他图像的预设区域中的坐标的评判标准。
可选的,步骤302具体可以包括:
子步骤3021、按照主成分分析算法,提取所述合法图像中预设区域的第三主成分系数。
在本发明实施例中,针对预设修正规则所对应修正的预设区域,可以在合法图像中确定这些预设区域,并通过主成分分析算法,提取这些预设区域中的第三主成分系数,第三主成分系数可以对预设区域中特征的合法程度进行表示,是一种具有权重属性的参数。
具体的,主成分分析法(PCA,principal component analysis)也称主分量分析法,旨在利用降维的思想,把合法图像中预设区域中的较多特征转化为少数几个综合特征(即主成分),其中每个主成分都能够反映原始变量的大部分信息,且所含信息互不重复。这种方法在引进多方面变量的同时将复杂因素归结为主成分,使问题简单化,同时得到的结果更加科学有效的数据信息。
一般的,对预设区域进行主成分提取,得到的主成分常常为较复杂的矩阵形式,所以对求出来的主成分矩阵,用主成分矩阵中每一列的因子,除以相对应的特征值的开方,得到主成分矩阵对应的主成分系数。
可选的,在本发明实施例的一种实现方式中,步骤3021具体可以包括:
子步骤30211,在所述合法图像的预设区域中,确定合法坐标。
在该步骤中,在合法图像的预设区域中,确定合法坐标,具体可以采集落在预设区域中相关特征的轮廓上的坐标,并将这些坐标作为合法坐标,针对不同的精度要求,可以提取不同数量的合法坐标数量。
例如,针对眼部修正算法,可以提取合法图像中眼睛轮廓的坐标作为合法坐标,如,在精度要求较高的情况下,可以从合法图像中眼睛轮廓上提取数量较多(1万个以上)的合法坐标,在精度要求不高的情况下,可以仅从合法图像中眼睛轮廓上提取4个合法坐标,其中两个合法坐标用来表示眼睛的长度,另外两个合法坐标用来表示眼睛的宽度。
子步骤30212,按照主成分分析算法,计算得到所述合法坐标对应的第三主成分系数。
在该步骤中,实现通过主成分分析算法,计算得到合法坐标对应的第三主成分系数,具体可以包括:
1、将合法坐标按行排列组成矩阵X。
2、对矩阵X进行数据标准化处理,使其均值变为0。
3、就矩阵X的协方差矩阵C。
4、将协方差矩阵C中的特征向量按照特征值由大到小排列,去前k和向量按行组成矩阵P。
5、将矩阵P与矩阵X相乘,得到主成分数据Y。
6、用主成分数据Y每一列的因子,除以相对应的特征值的开方,得到主成分矩阵对应的主成分系数。
子步骤3022、根据所述第三主成分系数,建立合法性判断区间。
在该步骤中,一般会获取到多张合法图像,每张合法图像的预设区域中都会提取得到对应的第三主成分系数,针对所有的第三主成分系数,可以统计相同第三主成分系数出现的频次,并根据对频次的分析,建立一个合法性判断区间。
例如,假设有6张合法图像,并对这6张合法图像的预设区域提取了6个第三主成分系数0.2、0.2、0.5、0.5、0.5、0.4,则可以构建合法性判断区间[0.2,0.5]。
可选的,在本发明实施例的一种实现方式中,步骤3022具体可以包括:
子步骤30221,根据所述第三主成分系数,建立概率密度曲线图。
具体的,在本发明实施例中,对多张合法图像提取得到的多个第三主成分系数进行频次分析,可以根据多个第三主成分系数,构建系数标准分布图,将第三主成分系数的频次进行可视化的表现。
在本发明实施例的一种实现方式中,可以建立概率密度曲线类型的系数标准分布图,例如,假设有6张合法图像,并对这6张合法图像的预设区域提取了6个第三主成分系数0.2、0.2、0.5、0.5、0.5、0.4。其中,第三主成分系数0.2出现的频次为0.33,第三主成分系数0.5出现的频次为0.5,第三主成分系数0.40出现的频次为0.17。
因此,针对第三主成分系数的频次,可以建立如图4所示的概率密度曲线图,其中,横坐标为第三主成分系数,纵坐标为积分面积,由于仅有6张合法图像,所以概率密度曲线图中的数据成离散状,但是,随着合法图像的数量不断增加,概率密度曲线图中的数据会不断趋向于一条曲线。
子步骤30222,在所述概率密度曲线图中,将积分面积达到第一预设阈值时对应的横坐标值,确定为所述合法性判断区间的第一端点。
在该步骤中,参照针对图4的示例,可以预设两个积分面积阈值,如第一预设阈值为0.33,第二预设阈值为0.5,当积分面积达到第一预设阈值为0.33时,取对应的横坐标值0.2为合法性判断区间的第一端点。
子步骤30223,将所述概率密度曲线图中,将所述积分面积达到第二预设阈值时对应的横坐标值,确定为所述合法性判断区间的第二端点。
其中,第二预设阈值大于第一预设阈值。
在该步骤中,参照针对图4的示例,若预设了第一预设阈值为0.33,第二预设阈值为0.5,当积分面积达到第一预设阈值为0.5时,取对应的横坐标值0.5为合法性判断区间的第二端点。此时构建了合法性判断区间[0.2,0.5]。
需要说明的是,针对目标图像的不同预设区域,可以对应建立不同的合法性判断区间。如,针对眼部放大修正算法,可以收集1万张具有合法眼部坐标的合法图像,建立针对眼部区域的合法性判断区间;针对脸部修正算法,可以收集1万张具有合法脸部坐标的合法图像,建立针对脸部区域的合法性判断区间。
步骤303、获取目标图像。
具体的,本步骤的实现方式与上述步骤101类似,可以参照上述步骤101来实现,本发明实施例在此不做赘述。
步骤304、在所述目标图像的预设区域中,确定第一坐标。
具体的,本步骤的实现方式与上述步骤102类似,可以参照上述步骤102来实现,本发明实施例在此不做赘述。
步骤305、按照预设修正规则,对所述第一坐标进行修正,得到第二坐标。
具体的,本步骤的实现方式与上述步骤103类似,可以参照上述步骤103来实现,本发明实施例在此不做赘述。
步骤306、按照所述主成分分析算法,提取所述第二坐标的第一主成分系数。
具体的,本步骤的实现方式与上述子步骤30211至子步骤30212类似,本发明实施例在此不做赘述。
步骤307、在所述第一主成分系数未落入所述合法性判断区间时,将所述第一主成分系数修改为落入所述合法性判断区间的第二主成分系数,所述第二主成分系数的值包括所述合法性判断区间的端点的值。
具体的,在该步骤中,可以将第一主成分系数与合法性判断区间进行匹配,当第一主成分系数未落入合法性判断区间时,可以确定当前修正后的第二坐标不合法,此时可以将第二坐标对应的第一主成分系数,修改为落入合法性判断区间的第二主成分系数,在利用第二主成分系数修正第二坐标后,使得修正后的第二坐标合法。
如,在对眼部区域进行放大修正处理过程中,合法性判断区间可以通过其端点,定义将眼部放大20%—30%为优选放大效果,若通过预设眼部放大规则对眼部区域的第一坐标进行修正,得到第二坐标,且第二坐标的第一主成分系数未落入合法性判断区间,则可以确定通过预设眼部放大规则对眼部区域放大,未达到将眼部放大20%—30%为优选放大效果,此时可以将第一主成分系数,修改为落入合法性判断区间的第二主成分系数,利用第二主成分系数修正第二坐标,让修正后的第二坐标合法,使得修正后的第二坐标能够达到将眼部放大20%—30%的效果。
进一步的,在本申请实施例中,合法性判断区间的端点对应的主成分系数,通常为出现频次较高的系数,即为价值权重较大的系数,因此,在一种实现方式中,还可以将未落入合法性判断区间第一主成分系数的值,修改为合法性判断区间的端点的值,从而进一步提升预设修正规则的修正效果。
步骤308、根据所述第二主成分系数,修正所述第二坐标。
在该步骤中,在利用第二主成分系数修正第二坐标后,可以使得修正后的第二坐标合法,从而提升预设修正规则的修正效果。
步骤309、将第一坐标集合与第二坐标集合进行点云配准计算,得到修正参数。
其中,所述第一坐标集合包括所述目标图像的四个角点的坐标以及所述第一坐标,所述第二坐标集合包括所述目标图像的四个角点的坐标以及所述第二坐标。
可选的,步骤309具体可以通过图像处理器,进行所述第一坐标集合与所述第二坐标集合之间的点云配准计算,得到所述修正参数的方式实现。
在本发明实施例中,图像处理器(GPU,Graphics Processing Unit)是专为执行复杂的数学和几何计算而设计的,这些计算是图形渲染所必需的,由于点云配准计算是一种图形处理算法,因此,可以将进行第一坐标集合与第二坐标集合之间的点云配准计算,得到修正参数的计算过程,交由GPU进行处理,以大幅提升图像处理方法的处理速度。
假设当前图像处理方法的计算载体为处理器(CPU,Central Processing Unit),则当通过CPU执行完步骤308时,将当前计算作业由CPU发送至GPU,由GPU实现步骤309的计算过程,步骤309的计算过程完成后,GPU可以将计算完成结果再返回至CPU。
在本发明实施例的一种实现方式中,步骤309具体可以包括:
子步骤3091,确定所述第一坐标集合中的第一关键点,以及所述第二坐标集合中的第二关键点。
其中,所述第一关键点和所述第二关键点为灰度值变化大于预设灰度阈值的点,或所述第一关键点和所述第二关键点为曲率大于预设曲率值的点。
在本发明实施例中,第一坐标集合和第二坐标集合之间的点云配准计算,目的是求两个点云集合之间的旋转平移矩阵和平移向量,并将源点云(source cloud)变换到目标点云(target cloud)相同的坐标系下的一种方法,其中,源点云可以为第二坐标集合,目标点云可以为第一坐标集合。
在配准过程中,首先需要确定源点云和目标点云具体为哪些点,具体的,在本发明实施例中,源点云可以包括目标图像的四个角点的坐标以及第二坐标,目标点云可以包括目标图像的四个角点的坐标以及第一坐标。
具体的,在该步骤中,关键点(key points)是一些兴趣点,如目标的转点、角点等具有明显特征的点或点集,而转点、角点等具有明显特征的点通常具有灰度值变化大于预设灰度阈值,或曲率大于预设曲率值的特性。
例如,眼部放大修正算法针对目标图像的眼部区域的轮廓进行处理,则关键点可以包括表示眼部宽度的两个边角点的坐标、目标图像的四个角点的坐标以及表示眼部长度的两个边角点的坐标。
子步骤3092,通过图像处理器,将所述第一关键点和所述第二关键点进行点云配准计算,得到所述修正参数,所述修正参数包括:旋转矩阵和/或平移向量。
在该步骤中,假设确定了第一关键点Q和第二关键点P后,分别对第一关键点Q和第二关键点P进行主成分分析,得到相应的第一关键点特征向量Uq和第二关键点特征向量Up,结合得到的第一关键点Q和第二关键点P,按照公式:旋转矩阵与平移向量T0=P-R0×Q即可以得到两集合进行配准需要的旋转矩阵Ro和平移向量To,从而得到修正参数。
步骤310、根据所述修正参数和所述第二坐标,对所述目标图像中的背景区域进行修正,得到修正图像;所述修正图像的四个角点的坐标与所述目标图像的四个角点的坐标相同;所述背景区域为所述目标图像中所述预设区域之外的区域。
具体的,本步骤的实现方式与上述步骤105类似,可以参照上述步骤105来实现,本发明实施例在此不做赘述。
可选的,步骤310具体可以通过图像处理器,进行根据所述修正参数和所述第二坐标修正所述目标图像,生成所述修正图像的操作的方式实现。
在本发明实施例中,由于图像生成过程是一种图形处理算法,因此,可以将根据修正参数和第二坐标修正目标图像,生成修正图像的计算过程,交由GPU进行处理,以大幅提升图像处理方法的处理速度。
假设当前图像处理方法的计算载体为CPU,则当通过CPU执行完步骤308时,将当前计算作业由CPU发送至GPU,由GPU实现步骤309的计算过程,步骤309的计算过程完成后,进一步由GPU执行步骤310的计算过程,GPU可以将步骤310的计算完成结果再返回至CPU。
综上所述,本发明实施例提供的图像处理方法,可以将第一坐标集合与第二坐标集合进行点云配准计算,从而将计算得到的两个集合之间的空间变换关系作为修正参数,修正参数可以使得在预设区域中保留预设修正规则的修整痕迹的基础上,实现该预设区域之外的背景区域与目标图像的背景区域配准对齐的目的,从而解决对预设区域的修正会影响到预设区域之外的背景区域的问题。另外,因为得到修正参数的过程中引入了目标图像的四个角点的坐标,使得在修正参数修正目标图像,得到修正图像的过程中,将修正图像的四个角点的坐标限定为与目标图像的四个角点的坐标相同,从而在视频画面中的物体产生了幅度较大的动作偏移时,避免整个视频画面的轮廓随之发生角度偏转,从而解决了在视频播放的过程中出现画面抖动的问题。
另外,本发明还可以利用合法图像进行合法性判断区间的建立,当第二坐标的第一主成分系数未落入合法性判断区间时,可以确定当前修正后的第二坐标不合法,此时可以将第二坐标对应的第一主成分系数,修改为落入合法性判断区间的第二主成分系数,在利用第二主成分系数修正第二坐标后,使得修正后的第二坐标合法,从而提升预设修正规则的修正效果。
图5是本发明实施例提供的一种图像处理装置的框图,如图5所示,该装置50可以包括:
第一获取模块501,用于获取目标图像;
第一确定模块502,用于在所述目标图像的预设区域中,确定第一坐标;
第一修正模块503,用于按照预设修正规则,对所述第一坐标进行修正,得到第二坐标;
配准模块504,用于将第一坐标集合与第二坐标集合进行点云配准计算,得到修正参数;
可选的,配准模块504还用于:
确定所述第一坐标集合中的第一关键点,以及所述第二坐标集合中的第二关键点;
通过图像处理器,将所述第一关键点和所述第二关键点进行点云配准计算,得到所述修正参数,所述修正参数包括:旋转矩阵和/或平移向量;
其中,所述第一关键点和所述第二关键点为灰度值变化大于预设灰度阈值的点,或所述第一关键点和所述第二关键点为曲率大于预设曲率值的点。
生成模块505,用于根据所述修正参数和所述第二坐标,对所述目标图像中的背景区域进行修正,得到修正图像;所述修正图像的四个角点的坐标与所述目标图像的四个角点的坐标相同;所述背景区域为所述目标图像中所述预设区域之外的区域;
其中,所述第一坐标集合包括所述目标图像的四个角点的坐标以及所述第一坐标,所述第二坐标集合包括所述目标图像的四个角点的坐标以及所述第二坐标。
参照图6,图6是本发明实施例提供的一种图像处理装置的具体结构框图,可选的,所述装置50还包括:
第二获取模块506,用于获取合法图像;
建立模块507,用于根据所述合法图像,建立合法性判断区间;
第二提取模块508,用于按照主成分分析算法,提取所述第二坐标的第一主成分系数;
第二确定模块509,用于在所述第一主成分系数未落入所述合法性判断区间时,将所述第一主成分系数修改为落入所述合法性判断区间的第二主成分系数,所述第二主成分系数的值包括所述合法性判断区间的端点的值;
第二修正模块510,用于根据所述第二主成分系数,修正所述第二坐标。
参照图7,图7是本发明实施例提供的一种建立模块的结构框图。
可选的,所述建立模块507进一步包括:
提取子模块5071,用于按照所述主成分分析算法,提取所述合法图像中预设区域的第三主成分系数;
建立子模块5072,用于根据所述第三主成分系数,建立合法性判断区间。
可选的,建立子模块5072还用于:
根据所述第三主成分系数,建立概率密度曲线图;
在所述概率密度曲线图中,将积分面积达到第一预设阈值时对应的横坐标值,确定为所述合法性判断区间的第一端点;
将所述概率密度曲线图中,将所述积分面积达到第二预设阈值时对应的横坐标值,确定为所述合法性判断区间的第二端点;
其中,所述第二预设阈值大于所述第一预设阈值。
综上所述,本发明实施例提供的图像处理装置,可以将第一坐标集合与第二坐标集合进行点云配准计算,从而将计算得到的两个集合之间的空间变换关系作为修正参数,修正参数可以使得在预设区域中保留预设修正规则的修整痕迹的基础上,实现该预设区域之外的背景区域与目标图像的背景区域配准对齐的目的,从而解决对预设区域的修正会影响到预设区域之外的背景区域的问题。另外,因为得到修正参数的过程中引入了目标图像的四个角点的坐标,使得在修正参数修正目标图像,得到修正图像的过程中,将修正图像的四个角点的坐标限定为与目标图像的四个角点的坐标相同,从而在视频画面中的物体产生了幅度较大的动作偏移时,避免整个视频画面的轮廓随之发生角度偏转,从而解决了在视频播放的过程中出现画面抖动的问题。
对于上述装置实施例而言,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。
优选的,本发明实施例还提供一种终端,包括处理器,存储器,存储在存储器上并可在所述处理器上运行的计算机程序,该计算机程序被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。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被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。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。
本领域技术人员易于想到的是:上述各个实施例的任意组合应用都是可行的,故上述各个实施例之间的任意组合都是本发明的实施方案,但是由于篇幅限制,本说明书在此就不一一详述了。
在此提供的图像处理方法不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造具有本发明方案的系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的图像处理方法中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (11)
1.一种图像处理方法,其特征在于,所述方法包括:
获取目标图像;
在所述目标图像的预设区域中,确定第一坐标;
按照预设修正规则,对所述第一坐标进行修正,得到第二坐标;
将第一坐标集合与第二坐标集合进行点云配准计算,得到修正参数;
根据所述修正参数和所述第二坐标,对所述目标图像中的背景区域进行修正,得到修正图像;所述修正图像的四个角点的坐标与所述目标图像的四个角点的坐标相同;所述背景区域为所述目标图像中所述预设区域之外的区域;
其中,所述第一坐标集合包括所述目标图像的四个角点的坐标以及所述第一坐标,所述第二坐标集合包括所述目标图像的四个角点的坐标以及所述第二坐标。
2.根据权利要求1所述的方法,其特征在于,所述将第一坐标集合与第二坐标集合进行点云配准计算,得到修正参数,包括:
确定所述第一坐标集合中的第一关键点,以及所述第二坐标集合中的第二关键点;
通过图像处理器,将所述第一关键点和所述第二关键点进行点云配准计算,得到所述修正参数,所述修正参数包括:旋转矩阵和/或平移向量;
其中,所述第一关键点和所述第二关键点为灰度值变化大于预设灰度阈值的点,或所述第一关键点和所述第二关键点为曲率大于预设曲率值的点。
3.根据权利要求1所述的方法,其特征在于,在将第一坐标集合与第二坐标集合进行点云配准计算,得到修正参数之前,所述方法还包括:
获取合法图像;
根据所述合法图像,建立合法性判断区间;
按照主成分分析算法,提取所述第二坐标的第一主成分系数;
在所述第一主成分系数未落入所述合法性判断区间时,将所述第一主成分系数修改为落入所述合法性判断区间的第二主成分系数,所述第二主成分系数的值包括所述合法性判断区间的端点的值;
根据所述第二主成分系数,修正所述第二坐标。
4.根据权利要求3所述的方法,其特征在于,所述根据所述合法图像,建立合法性判断区间,包括:
按照所述主成分分析算法,提取所述合法图像中预设区域的第三主成分系数;
根据所述第三主成分系数,建立合法性判断区间。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第三主成分系数,建立合法性判断区间,包括:
根据所述第三主成分系数,建立概率密度曲线图;
在所述概率密度曲线图中,将积分面积达到第一预设阈值时对应的横坐标值,确定为所述合法性判断区间的第一端点;
将所述概率密度曲线图中,将所述积分面积达到第二预设阈值时对应的横坐标值,确定为所述合法性判断区间的第二端点;
其中,所述第二预设阈值大于所述第一预设阈值。
6.一种图像处理装置,其特征在于,所述装置包括:
第一获取模块,用于获取目标图像;
第一确定模块,用于在所述目标图像的预设区域中,确定第一坐标;
第一修正模块,用于按照预设修正规则,对所述第一坐标进行修正,得到第二坐标;
配准模块,用于将第一坐标集合与第二坐标集合进行点云配准计算,得到修正参数;
生成模块,用于根据所述修正参数和所述第二坐标,对所述目标图像中的背景区域进行修正,得到修正图像;所述修正图像的四个角点的坐标与所述目标图像的四个角点的坐标相同;所述背景区域为所述目标图像中所述预设区域之外的区域;
其中,所述第一坐标集合包括所述目标图像的四个角点的坐标以及所述第一坐标,所述第二坐标集合包括所述目标图像的四个角点的坐标以及所述第二坐标。
7.根据权利要求6所述的装置,其特征在于,所述配准模块还用于:
确定所述第一坐标集合中的第一关键点,以及所述第二坐标集合中的第二关键点;
通过图像处理器,将所述第一关键点和所述第二关键点进行点云配准计算,得到所述修正参数,所述修正参数包括:旋转矩阵和/或平移向量;
其中,所述第一关键点和所述第二关键点为灰度值变化大于预设灰度阈值的点,或所述第一关键点和所述第二关键点为曲率大于预设曲率值的点。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取合法图像;
建立模块,用于根据所述合法图像,建立合法性判断区间;
第二提取模块,用于按照主成分分析算法,提取所述第二坐标的第一主成分系数;
第二确定模块,用于在所述第一主成分系数未落入所述合法性判断区间时,将所述第一主成分系数修改为落入所述合法性判断区间的第二主成分系数,所述第二主成分系数的值包括所述合法性判断区间的端点的值;
第二修正模块,用于根据所述第二主成分系数,修正所述第二坐标。
9.根据权利要求8所述的装置,其特征在于,所述建立模块进一步包括:
提取子模块,用于按照所述主成分分析算法,提取所述合法图像中预设区域的第三主成分系数;
建立子模块,用于根据所述第三主成分系数,建立合法性判断区间。
10.根据权利要求9所述的装置,其特征在于,所述建立子模块还用于:
根据所述第三主成分系数,建立概率密度曲线图;
在所述概率密度曲线图中,将积分面积达到第一预设阈值时对应的横坐标值,确定为所述合法性判断区间的第一端点;
将所述概率密度曲线图中,将所述积分面积达到第二预设阈值时对应的横坐标值,确定为所述合法性判断区间的第二端点;
其中,所述第二预设阈值大于所述第一预设阈值。
11.一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5任一所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910517469.5A CN110290395B (zh) | 2019-06-14 | 2019-06-14 | 一种图像处理方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910517469.5A CN110290395B (zh) | 2019-06-14 | 2019-06-14 | 一种图像处理方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110290395A true CN110290395A (zh) | 2019-09-27 |
CN110290395B CN110290395B (zh) | 2021-05-25 |
Family
ID=68003861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910517469.5A Active CN110290395B (zh) | 2019-06-14 | 2019-06-14 | 一种图像处理方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110290395B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465908A (zh) * | 2020-11-30 | 2021-03-09 | 深圳市优必选科技股份有限公司 | 一种物体定位方法、装置、终端设备及存储介质 |
CN113379847A (zh) * | 2021-05-31 | 2021-09-10 | 上海集成电路制造创新中心有限公司 | 异常像素的修正方法及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090297034A1 (en) * | 2008-05-28 | 2009-12-03 | Daniel Pettigrew | Tools for selecting a section of interest within an image |
CN104850847A (zh) * | 2015-06-02 | 2015-08-19 | 上海斐讯数据通信技术有限公司 | 具有自动瘦脸功能的图像优化系统和方法 |
CN105741229A (zh) * | 2016-02-01 | 2016-07-06 | 成都通甲优博科技有限责任公司 | 实现人脸图像快速融合的方法 |
CN107507216A (zh) * | 2017-08-17 | 2017-12-22 | 北京觅己科技有限公司 | 图像中局部区域的替换方法、装置及存储介质 |
CN107808137A (zh) * | 2017-10-31 | 2018-03-16 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
US20180130217A1 (en) * | 2016-11-07 | 2018-05-10 | The Boeing Company | Method and apparatus for performing background image registration |
CN108053366A (zh) * | 2018-01-02 | 2018-05-18 | 联想(北京)有限公司 | 一种图像处理方法及电子设备 |
CN108259766A (zh) * | 2018-03-29 | 2018-07-06 | 宁波大学 | 一种移动智能终端拍照摄像处理方法 |
-
2019
- 2019-06-14 CN CN201910517469.5A patent/CN110290395B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090297034A1 (en) * | 2008-05-28 | 2009-12-03 | Daniel Pettigrew | Tools for selecting a section of interest within an image |
CN104850847A (zh) * | 2015-06-02 | 2015-08-19 | 上海斐讯数据通信技术有限公司 | 具有自动瘦脸功能的图像优化系统和方法 |
CN105741229A (zh) * | 2016-02-01 | 2016-07-06 | 成都通甲优博科技有限责任公司 | 实现人脸图像快速融合的方法 |
US20180130217A1 (en) * | 2016-11-07 | 2018-05-10 | The Boeing Company | Method and apparatus for performing background image registration |
CN107507216A (zh) * | 2017-08-17 | 2017-12-22 | 北京觅己科技有限公司 | 图像中局部区域的替换方法、装置及存储介质 |
CN107808137A (zh) * | 2017-10-31 | 2018-03-16 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN108053366A (zh) * | 2018-01-02 | 2018-05-18 | 联想(北京)有限公司 | 一种图像处理方法及电子设备 |
CN108259766A (zh) * | 2018-03-29 | 2018-07-06 | 宁波大学 | 一种移动智能终端拍照摄像处理方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465908A (zh) * | 2020-11-30 | 2021-03-09 | 深圳市优必选科技股份有限公司 | 一种物体定位方法、装置、终端设备及存储介质 |
CN112465908B (zh) * | 2020-11-30 | 2023-09-22 | 深圳市优必选科技股份有限公司 | 一种物体定位方法、装置、终端设备及存储介质 |
CN113379847A (zh) * | 2021-05-31 | 2021-09-10 | 上海集成电路制造创新中心有限公司 | 异常像素的修正方法及设备 |
CN113379847B (zh) * | 2021-05-31 | 2024-02-13 | 上海集成电路制造创新中心有限公司 | 异常像素的修正方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110290395B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6929047B2 (ja) | 画像処理装置、情報処理方法及びプログラム | |
Gallo et al. | Artifact-free high dynamic range imaging | |
CN110971827B (zh) | 人像模式拍摄方法、装置、终端设备和存储介质 | |
CN112487921B (zh) | 一种用于活体检测的人脸图像预处理方法及系统 | |
Courteille et al. | Towards shape from shading under realistic photographic conditions | |
CN111008947B (zh) | 图像处理方法和装置、终端设备及存储介质 | |
EP2590140A1 (en) | Facial authentication system, facial authentication method, and facial authentication program | |
US8254644B2 (en) | Method, apparatus, and program for detecting facial characteristic points | |
CN110349080B (zh) | 一种图像处理方法及装置 | |
CN110505398B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN113888437A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN108846807A (zh) | 光效处理方法、装置、终端及计算机可读存储介质 | |
RU2419880C2 (ru) | Способ и устройство для вычисления и фильтрации карты диспарантности на основе стерео изображений | |
CN113343878A (zh) | 基于生成对抗网络的高保真人脸隐私保护方法和系统 | |
CN110290395A (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
CN106846249A (zh) | 一种全景视频拼接方法 | |
CN111179333B (zh) | 一种基于双目立体视觉的散焦模糊核估计方法 | |
JP2019091122A (ja) | デプスマップフィルタ処理装置、デプスマップフィルタ処理方法及びプログラム | |
US20240212393A1 (en) | Face anti-spoofing method, device, and computer-readable storage medium | |
Hossain et al. | High dynamic range imaging of non-static scenes | |
JP7191588B2 (ja) | 画像処理方法、画像処理装置、撮像装置、レンズ装置、プログラム、および、記憶媒体 | |
WO2023023960A1 (zh) | 图像处理及神经网络的训练方法和装置 | |
CN114648800A (zh) | 人脸图像检测模型训练方法、人脸图像检测方法及装置 | |
Tal et al. | Nldnet++: A physics based single image dehazing network | |
CN110555907B (zh) | 一种非标准化图片三维重构方法 |
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 |