CN110335216A - 图像处理方法、图像处理装置、终端设备及可读存储介质 - Google Patents
图像处理方法、图像处理装置、终端设备及可读存储介质 Download PDFInfo
- Publication number
- CN110335216A CN110335216A CN201910615977.7A CN201910615977A CN110335216A CN 110335216 A CN110335216 A CN 110335216A CN 201910615977 A CN201910615977 A CN 201910615977A CN 110335216 A CN110335216 A CN 110335216A
- Authority
- CN
- China
- Prior art keywords
- image
- main body
- processed
- mentioned
- sub
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 50
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000002708 enhancing effect Effects 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 23
- 238000004040 coloring Methods 0.000 claims description 8
- 238000003709 image segmentation Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 210000000746 body region Anatomy 0.000 claims 1
- 230000006870 function Effects 0.000 description 12
- 238000012549 training Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种图像处理方法、图像处理装置、终端设备及可读存储介质。所述方法包括：获取待处理图像，并确定所述待处理图像中包含的拍摄主体；确定所述待处理图像中各个目标像素点的深度信息，所述目标像素点为组成所述拍摄主体的像素点；根据所述各个目标像素点的深度信息，将所述待处理图像中的所述拍摄主体分割为多个子主体，其中，对于每个子主体，组成所述子主体的任意两个目标像素点的深度信息的差值的绝对值小于第一预设阈值；对所述待处理图像中每个子主体的边缘轮廓线进行边缘增强处理，得到处理后图像。本申请可以在一定程度上避免延长终端设备的开发时长。
Description
技术领域
本申请属于计算机技术领域，尤其涉及一种图像处理方法、图像处理装置、终端设备及计算机可读存储介质。
背景技术
目前，我们利用终端设备进行拍照时，往往会由于手部晃动或者光线较暗等原因，使得拍摄主体出现不清晰的现象，为了提高拍摄主体的清晰度，传统的方法是利用训练后的超分辨率重建模型对所拍摄的图像进行处理。显然，这种传统的方法需要在终端设备出厂之前，事先训练超分辨率重建模型，而超分辨率重建模型的训练需要大量的样本图像，并且往往需要较长的训练时长。
由此可见，传统的提高拍摄主体清晰度的方法会延长终端设备的开发时长。
发明内容
有鉴于此，本申请实施例提供了一种图像处理方法、图像处理装置、终端设备及计算机可读存储介质，可以在提高拍摄主体清晰度的前提下，避免延长终端设备的开发时长。
本申请实施例的第一方面提供了一种图像处理方法，包括：
获取待处理图像，并确定该待处理图像中包含的拍摄主体；
确定上述待处理图像中各个目标像素点的深度信息，上述目标像素点为组成上述拍摄主体的像素点；
根据上述各个目标像素点的深度信息，将上述待处理图像中的上述拍摄主体分割为多个子主体，其中，对于每个子主体，组成该子主体的任意两个目标像素点的深度信息的差值的绝对值小于第一预设阈值；
对上述待处理图像中每个子主体的边缘轮廓线进行边缘增强处理，得到处理后图像。
本申请实施例的第二方面提供了一种图像处理装置，包括：
图像获取模块，用于获取待处理图像，并确定该待处理图像中包含的拍摄主体；
深度确定模块，用于确定上述待处理图像中各个目标像素点的深度信息，上述目标像素点为组成上述拍摄主体的像素点；
主体分割模块，用于根据上述各个目标像素点的深度信息，将上述待处理图像中的上述拍摄主体分割为多个子主体，其中，对于每个子主体，组成该子主体的任意两个目标像素点的深度信息的差值的绝对值小于第一预设阈值；
增强处理模块，用于对上述待处理图像中每个子主体的边缘轮廓线进行边缘增强处理，得到处理后图像。
本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上述第一方面图像处理方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如上述第一方面图像处理方法的步骤。
本申请第五方面提供了一种计算机程序产品，上述计算机程序产品包括计算机程序，上述计算机程序被一个或多个处理器执行时实现如上述第一方面图像处理方法的步骤。
由此可见，本申请提供了一种图像处理方法，首先，通过拍摄主体的深度信息，将拍摄主体分割为多个子主体，由此可以将拍摄主体中位于不同平面的图像区域分割开来；然后，对每个子主体的边缘进行边缘增强处理，从而使得拍摄主体中，位于不同平面的图像区域的交界处的锐化程度更高，从而在视觉上提高拍摄主体的清晰度。通过本申请提供的技术方案，在提高拍摄主体清晰度的前提下，避免了超分辨率重建模型的训练，因此，可以在一定程度上避免延长终端设备的开发时长。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本申请实施例一提供的一种图像处理方法的实现流程示意图；
图2是本申请实施例二提供的另一种图像处理方法的实现流程示意图；
图3是本申请实施例三提供的一种图像处理装置的结构示意图；
图4是本申请实施例四提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
本申请实施例提供的图像处理方法可以适用于终端设备，示例性地，该终端设备包括但不限于：智能手机、平板电脑、笔记本、智能可穿戴设备、桌上型计算机等。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
实施例一
下面对本申请实施例一提供的图像处理方法进行描述，请参阅附图1，该图像处理方法包括：
在步骤S101中，获取待处理图像，并确定该待处理图像中包含的拍摄主体；
在本申请实施例中，上述待处理图像可以是用户通过摄像头拍摄的照片，比如，用户通过智能手机的相机应用程序拍摄的照片；或者，可以是用户通过其他应用程序新接收的图像，比如，用户在微信中接收到的其他微信联系人所发送的图像；或者，也可以是用户从互联网上下载的图像，比如用户通过公共运营商网络在浏览器中下载的图像；或者，还可以是视频中的某一帧图像，比如，用户所观看的电视剧中的其中一帧图像。此处对待处理图像的来源不作限定。
在获取上述待处理图像之后，需要确定该待处理图像的拍摄主体，即确定待处理图像中哪一块图像区域为拍摄主体。在本申请实施例中，拍摄主体的数量可以是一个，也可以是多个，本申请对此不作限定。
具体地，可以提示用户指定上述待处理图像中的拍摄主体，然后根据用户的指定来确定拍摄主体。另外，也可以通过如下步骤A-步骤C，自动确定拍摄主体：
步骤A：对上述待处理图像进行目标识别；
步骤B：若识别出上述待处理图像中包含目标对象，则判断识别出的该目标对象是否满足预设条件，该预设条件为占据上述待处理图像的比例在预设比例范围内、组成其的各个像素点的深度信息均在预设距离范围内和/或在上述待处理图像中的位置在预设区域内；
步骤C；若满足上述预设条件，则将上述目标对象确定为上述拍摄主体。
也即是，假设待处理图像为图像X，则首先对图像X进行目标识别，比如，可以预先训练一目标识别模型，该目标识别模块可以识别出预设的各个目标，利用训练后的该目标识别模型对该图像X进行目标识别；然后，若识别出上述图像X中包含目标对象，则分别判断识别出的各个目标对象是否满足上述预设条件，比如，若利用训练后的目标识别模型进行目标识别时，若该目标识别模型识别出该图像X中包含人像和狗时，需要判断识别出的该人像是否满足上述预设条件以及识别出的该狗是否满足上述预设条件，若识别出的该人像满足上述预设条件，识别出的该狗不满足上述预设条件，则确定该人像为上述图像X的拍摄主体。
此外，在本申请实施例中，若步骤A和/或步骤B的判断结果是否定的情况下，可以提示用户指定上述待处理图像中的拍摄主体，或者，还可以执行如下步骤C-步骤E来确定拍摄主体：
步骤C：对上述待处理图像进行图像分割，得到该待处理图像中包含的分割处理后的各个连通区域；
步骤D：从上述待处理图像的中心点开始，查找满足上述预设条件的连通区域；
步骤E：若查找到满足上述预设条件的连通区域，则将查找到的该连通区域确定为上述拍摄主体。
另外，本领域技术人员容易理解，在上述步骤D中，从中心点开始查找满足上述预设条件的连通区域，若一旦查找到某个满足上述预设条件的连通区域时，则可以停止继续查找，或者，也可以继续向周围查找，本申请对此不作限定。
此外，若未能通过上述步骤D查找到满足上述预设条件的连通区域时，则可以提示用户指定上述待处理图像中的拍摄主体。
在步骤S102中，确定上述待处理图像中各个目标像素点的深度信息，该目标像素点为组成上述拍摄主体的像素点；
在本申请实施例中，深度信息可以通过双摄像头、TOF相机、结构光投射器或者激光传感器等方式来确定，本申请并不对深度信息的获取方式进行限定。在本申请实施例中，可以利用现有技术已知的方法，获取组成拍摄主体的各个像素点的深度信息。
在步骤S103中，根据上述各个目标像素点的深度信息，将上述待处理图像中的上述拍摄主体分割为多个子主体，其中，对于每个子主体，组成该子主体的任意两个目标像素点的深度信息的差值的绝对值小于第一预设阈值；
也即是，将上述拍摄主体分割为多个图像区域，每个图像区域包含的任意两个像素点的深度信息是较为接近的。这样，通过上述步骤S103可以把拍摄主体中属于不同平面的各个组成部分区分开来。
此外，在本申请实施例中，若上述待处理图像为彩色图像，则该步骤S103可以具体为：
根据上述各个目标像素点的深度信息，以及上述拍摄主体的颜色信息，将上述待处理图像中的上述拍摄主体分割为多个子主体，其中，对于每个子主体，组成该子主体的任意两个目标像素点的深度信息的差值的绝对值小于上述第一预设阈值，并且，组成该子主体的任意两个目标像素点的色差小于第二预设阈值。
也即是，在对拍摄主体进行分割时，不仅要考虑各个目标像素点的深度信息，还要考虑各个目标像素点的颜色信息。这样不仅可以把拍摄主体中属于不同平面的各个组成部分区分开来，而且还能够将属于同一平面，但为不同颜色的各个组成部分区分开来。
在本申请实施例中，任意两个目标像素点(比如，第一目标像素点与第二目标像素点)的色差计算公式可以为：
Δ＝|R1-R2|+|G1-G2|+|B1-B2|
其中，第一目标像素点的颜色信息为R1、G1和B1，第二目标像素点的颜色信息为R2、G2和B2。
在步骤S104中，对上述待处理图像中每个子主体的边缘轮廓线进行边缘增强处理，得到处理后图像。
在本申请实施例中，每个子主体为位于不同平面的图像区域，将位于不同平面的图像区域的边缘轮廓线进行增强处理后，会使得不同平面的交界处的锐化程度更高，因此，能够在视觉上，在一定程度上提高拍摄主体的清晰度。
此外，若还依据拍摄主体的颜色信息来划分各个子主体时，还会使得不同颜色的图像区域的交界处锐化程度更高，能够进一步在视觉上提高拍摄主体的清晰度。
由此可见，本申请实施例一提供了一种图像处理方法，首先，通过拍摄主体的深度信息，将拍摄主体分割为多个子主体，由此可以将拍摄主体中位于不同平面的图像区域分割开来；然后，对每个子主体的边缘进行边缘增强处理，从而使得拍摄主体中，位于不同平面的图像区域的交界处的锐化程度更高，从而在视觉上提高拍摄主体的清晰度。通过本申请实施例一的技术方案，在提高拍摄主体清晰度的前提下，避免了超分辨率重建模型的训练，因此，可以在一定程度上避免延长终端设备的开发时长。
实施例二
下面对本申请实施例二提供的另一种图像处理方法进行描述，在本申请实施例二中，该图像处理方法应用于包括N个摄像头的终端设备，其中，N>1。如图2所示，该图像处理方法包括：
在步骤S201中，获取上述N个摄像头中，每个摄像头分别采集的图像，在上述N个摄像头分别采集的图像中，选取一帧图像作为待处理图像，并确定该待处理图像中包含的拍摄主体；
本申请实施例二提供的图像处理方法应用于包含N个摄像头的终端设备，该步骤S201中的待处理图像是该N个摄像头中某一摄像头所采集的图像。
具体地，可以在N个摄像头分别采集的N帧图像中，任意选取一帧作为上述待处理图像，或者，也可以采用如下步骤F-步骤H来确定该待处理图像：
步骤F：确定上述N个摄像头的拍摄主体；
步骤G：对于每个摄像头所采集的图像，计算该拍摄主体在该图像中的清晰度；
步骤H：将上述拍摄主体的清晰度最高的一帧图像作为上述待处理图像。
通常情况下，由于N个摄像头的距离相距较近，因此，每个摄像头采集的图像中均会包含拍摄主体。因此，可以在上述N个摄像头分别采集的图像中，选取一帧拍摄主体最为清晰的图像作为上述待处理图像。
本领域技术人员应该理解，当采用上述步骤F-步骤H来确定待处理图像时，需要先确定拍摄主体，然后确定待处理图像。此时，拍摄主体的确定方法可以为：在上述N个摄像头分别采集的图像中，选取一帧图像(为便于后续描述，假设该图像为选取图像)，然后，参考实施例一所述的方法，确定该选取图像中的拍摄主体，然后依据上述步骤F和步骤H来确定待处理图像。此时，该步骤S201所述的“确定该待处理图像中包含的拍摄主体”即是：直接将根据步骤F所确定的拍摄主体作为该待处理图像中包含的拍摄主体。
在步骤S202中，确定上述待处理图像中各个目标像素点的深度信息，该目标像素点为组成上述拍摄主体的像素点；
在步骤S203中，根据上述各个目标像素点的深度信息，将上述待处理图像中的上述拍摄主体分割为多个子主体，其中，对于每个子主体，组成该子主体的任意两个目标像素点的深度信息的差值的绝对值小于第一预设阈值；
上述步骤S202-S203的具体实施方式与实施例一中步骤S102-S103完全相同，具体可参见实施例一的描述，此处不再赘述。
在步骤S204中，对上述待处理图像进行去噪处理；
在本申请实施例二中，上述去噪处理包括：将上述待处理图像中的上述拍摄主体与其余摄像头分别采集的图像中的上述拍摄主体进行叠加运算，得到去噪处理后的待处理图像，其中，上述其余摄像头为所述N个摄像头中，除去采集上述待处理图像的摄像头之外的N-1个摄像头。
也即是，将待处理图像中的拍摄主体与其他摄像头所采集的拍摄主体进行叠加运算，以此去除待处理图像中拍摄主体的白噪声。以进一步提高步骤S205所得到的处理后图像的清晰度。
在步骤S205中，对去噪处理后的待处理图像中每个子主体的边缘轮廓线进行边缘增强处理，得到处理后图像；
在步骤S203中，得到了每个子主体的边缘轮廓线在去噪去除前的待处理图像中的位置。在该步骤S205中，可以直接认为，各个子主体的边缘轮廓线在去噪处理后的待处理图像中的位置不变，直接依据步骤S203的结果，在去噪处理后的待处理图像中，对各个边缘轮廓线进行边缘增强处理，得到处理后图像。
此外，在上述步骤S205之后，在本申请实施例二中，还可以包括以下步骤：
步骤I：对于每个摄像头所采集的图像，计算该图像中，除上述拍摄主体之外的图像区域的清晰度；
步骤J：将除上述拍摄主体之外的图像区域的清晰度最高的一帧图像作为参考图像；
步骤K：将上述处理后图像中的上述拍摄主体与上述参考图像中除上述拍摄主体之外的图像区域进行拼接运算，得到最终处理图像。
也即是，在上述述N个摄像头分别采集的图像中，选取一帧参考图像，该参考图像为包含除上述拍摄主体之外的图像区域最为清晰的一帧图像。然后，将参考图像中的除拍摄主体之外的图像区域与步骤S205得到的处理后图像中的拍摄主体进行拼接，得到最终处理图像，以使得，最终处理图像的清晰度进一步提高。
本申请实施例二提供的技术方案，可以去除拍摄主体的白噪声，使得处理后图像中的拍摄主体更加清晰。
应理解，上述方法实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
实施例三
本申请实施例三提供了一种图像处理装置。为了便于说明，仅示出与本申请相关的部分，如图3所示，该图像处理装置300包括：
图像获取模块301，用于获取待处理图像，并确定该待处理图像中包含的拍摄主体；
深度确定模块302，用于确定上述待处理图像中各个目标像素点的深度信息，上述目标像素点为组成上述拍摄主体的像素点；
主体分割模块303，用于根据上述各个目标像素点的深度信息，将上述待处理图像中的上述拍摄主体分割为多个子主体，其中，对于每个子主体，组成该子主体的任意两个目标像素点的深度信息的差值的绝对值小于第一预设阈值；
增强处理模块304，用于对上述待处理图像中每个子主体的边缘轮廓线进行边缘增强处理，得到处理后图像。
可选地，上述待处理图像为彩色图像；
相应地，上述主体分割模块303具体用于：
根据上述各个目标像素点的深度信息，以及上述拍摄主体的颜色信息，将上述待处理图像中的上述拍摄主体分割为多个子主体，其中，对于每个子主体，组成该子主体的任意两个目标像素点的深度信息的差值的绝对值小于上述第一预设阈值，并且，组成该子主体的任意两个目标像素点的色差小于第二预设阈值。
可选地，上述图像处理方法应用于包括N个摄像头的终端设备，N>1；
相应地，上述图像获取模块301，包括：
N帧图像获取单元，用于获取上述N个摄像头中，每个摄像头同时分别采集的图像；
选取单元，用于在上述N个摄像头分别采集的图像中，选取一帧图像作为上述待处理图像；
相应地，上述增强处理模块304，包括：
去噪单元，用于对上述待处理图像进行去噪处理，上述去噪处理包括：将上述待处理图像中的上述拍摄主体与其余摄像头分别采集的图像中的上述拍摄主体进行叠加运算，得到去噪处理后的待处理图像，其中，上述其余摄像头为上述N个摄像头中，除去采集上述待处理图像的摄像头之外的N-1个摄像头；
增强处理单元，用于对去噪处理后的待处理图像中每个子主体的边缘轮廓线进行边缘增强处理，得到处理后图像。
可选地，上述图像处理装置300还包括：
清晰度计算模块，用于对于每个摄像头所采集的图像，计算该图像中，除上述拍摄主体之外的图像区域的清晰度；
参考图像确定模块，用于将除上述拍摄主体之外的图像区域的清晰度最高的一帧图像作为参考图像；
拼接模块，用于将上述处理后图像中的上述拍摄主体与上述参考图像中除上述拍摄主体之外的图像区域进行拼接运算，得到最终处理图像。
可选地，上述图像获取模块301包括：
目标识别单元，用于对上述待处理图像中进行目标识别；
目标判断单元，用于若识别出上述待处理图像中包含目标对象，则判断识别出的上述目标对象是否满足预设条件，该预设条件为占据上述待处理图像的比例在预设比例范围内、组成其的各个像素点的深度信息均在预设距离范围内和/或在上述待处理图像中的位置在预设区域内；
第一拍摄主体确定单元，若满足上述预设条件，则将上述目标对象确定为上述拍摄主体。
可选地，上述图像获取模块301还包括：
第一分割单元，用于若未识别出上述待处理图像中包含目标对象，则对上述待处理图像进行图像分割，得到上述待处理图像中包含的分割处理后的各个连通区域，和/或，第二分割单元，用于若判断出识别出的上述目标对象不满足上述预设条件，则对上述待处理图像进行图像分割，得到上述待处理图像中包含的分割处理后的各个连通区域；
连通判断单元，用于从上述待处理图像的中心点开始，查找满足上述预设条件的连通区域；
第二拍摄主体确定单元，用于若查找到满足上述预设条件的连通区域，则将查找到的上述连通区域确定为上述拍摄主体；
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
实施例四
图4是本申请实施例四提供的终端设备的示意图。如图4所示，该实施例的终端设备400包括：处理器401、存储器402以及存储在上述存储器402中并可在上述处理器401上运行的计算机程序403。上述处理器401执行上述计算机程序403时实现上述各个方法实施例中的步骤。或者，上述处理器401执行上述计算机程序403时实现上述各装置实施例中各模块/单元的功能。
示例性的，上述计算机程序403可以被分割成一个或多个模块/单元，上述一个或者多个模块/单元被存储在上述存储器402中，并由上述处理器401执行，以完成本申请。上述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述上述计算机程序403在上述终端设备400中的执行过程。例如，上述计算机程序403可以被分割成图像获取模块、深度确定模块、主体分割模块以及增强处理模块，各模块具体功能如下：
获取待处理图像，并确定该待处理图像中包含的拍摄主体；
确定上述待处理图像中各个目标像素点的深度信息，上述目标像素点为组成上述拍摄主体的像素点；
根据上述各个目标像素点的深度信息，将上述待处理图像中的上述拍摄主体分割为多个子主体，其中，对于每个子主体，组成该子主体的任意两个目标像素点的深度信息的差值的绝对值小于第一预设阈值；
对上述待处理图像中每个子主体的边缘轮廓线进行边缘增强处理，得到处理后图像。
上述终端设备可包括，但不仅限于，处理器401、存储器402。本领域技术人员可以理解，图4仅仅是终端设备400的示例，并不构成对终端设备400的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如上述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器401可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述存储器402可以是上述终端设备400的内部存储单元，例如终端设备400的硬盘或内存。上述存储器402也可以是上述终端设备400的外部存储设备，例如上述终端设备400上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，上述存储器402还可以既包括上述终端设备400的内部存储单元也包括外部存储设备。上述存储器402用于存储上述计算机程序以及上述终端设备所需的其它程序和数据。上述存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述各个方法实施例中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上上述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种图像处理方法，其特征在于，包括：
获取待处理图像，并确定所述待处理图像中包含的拍摄主体；
确定所述待处理图像中各个目标像素点的深度信息，所述目标像素点为组成所述拍摄主体的像素点；
根据所述各个目标像素点的深度信息，将所述待处理图像中的所述拍摄主体分割为多个子主体，其中，对于每个子主体，组成所述子主体的任意两个目标像素点的深度信息的差值的绝对值小于第一预设阈值；
对所述待处理图像中每个子主体的边缘轮廓线进行边缘增强处理，得到处理后图像。
2.如权利要求1所述的图像处理方法，其特征在于，所述待处理图像为彩色图像；
相应地，所述根据所述各个目标像素点的深度信息，将所述待处理图像中的所述拍摄主体分割为多个子主体，包括：
根据所述各个目标像素点的深度信息，以及所述拍摄主体的颜色信息，将所述待处理图像中的所述拍摄主体分割为多个子主体，其中，对于每个子主体，组成所述子主体的任意两个目标像素点的深度信息的差值的绝对值小于所述第一预设阈值，并且，组成所述子主体的任意两个目标像素点的色差小于第二预设阈值。
3.如权利要求1所述的图像处理方法，其特征在于，所述图像处理方法应用于包括N个摄像头的终端设备，N>1；
相应地，所述获取待处理图像，包括：
获取所述N个摄像头中，每个摄像头同时分别采集的图像；
在所述N个摄像头分别采集的图像中，选取一帧图像作为所述待处理图像；
相应地，所述对所述待处理图像中每个子主体的边缘轮廓线进行边缘增强处理，得到处理后图像，包括：
对所述待处理图像进行去噪处理，所述去噪处理包括：将所述待处理图像中的所述拍摄主体与其余摄像头分别采集的图像中的所述拍摄主体进行叠加运算，得到去噪处理后的待处理图像，其中，所述其余摄像头为所述N个摄像头中，除去采集所述待处理图像的摄像头之外的N-1个摄像头；
对去噪处理后的待处理图像中每个子主体的边缘轮廓线进行边缘增强处理，得到处理后图像。
4.如权利要求3所述的图像处理方法，其特征在于，在所述对去噪处理后的待处理图像中每个子主体的边缘轮廓线进行边缘增强处理，得到处理后图像的步骤之后，还包括：
对于每个摄像头所采集的图像，计算所述图像中，除所述拍摄主体之外的图像区域的清晰度；
将除所述拍摄主体之外的图像区域的清晰度最高的一帧图像作为参考图像；
将所述处理后图像中的所述拍摄主体与所述参考图像中除所述拍摄主体之外的图像区域进行拼接运算，得到最终处理图像。
5.如权利要求1至4中任一项所述的图像处理方法，其特征在于，所述确定所述待处理图像中包含的拍摄主体，包括：
对所述待处理图像中进行目标识别；
若识别出所述待处理图像中包含目标对象，则判断识别出的所述目标对象是否满足预设条件，所述预设条件为占据所述待处理图像的比例在预设比例范围内、组成其的各个像素点的深度信息均在预设距离范围内和/或在所述待处理图像中的位置在预设区域内；
若满足所述预设条件，则将所述目标对象确定为所述拍摄主体。
6.如权利要求5所述的图像处理方法，其特征在于，在所述对所述待处理图像中进行目标识别的步骤之后，还包括：
若未识别出所述待处理图像中包含目标对象，则：
对所述待处理图像进行图像分割，得到所述待处理图像中包含的分割处理后的各个连通区域；
从所述待处理图像的中心点开始，查找满足所述预设条件的连通区域；
若查找到满足所述预设条件的连通区域，则将查找到的所述连通区域确定为所述拍摄主体；
和/或
在所述判断识别出的所述目标对象是否满足预设条件的步骤之后，还包括：
若不满足所述预设条件，则：
对所述待处理图像进行图像分割，得到所述待处理图像中包含的分割处理后的各个连通区域；
从所述待处理图像的中心点开始，查找满足所述预设条件的连通区域；
若查找到满足所述预设条件的连通区域，则将查找到的所述连通区域确定为所述拍摄主体。
7.一种图像处理装置，其特征在于，包括：
图像获取模块，用于获取待处理图像，并确定所述待处理图像中包含的拍摄主体；
深度确定模块，用于确定所述待处理图像中各个目标像素点的深度信息，所述目标像素点为组成所述拍摄主体的像素点；
主体分割模块，用于根据所述各个目标像素点的深度信息，将所述待处理图像中的所述拍摄主体分割为多个子主体，其中，对于每个子主体，组成所述子主体的任意两个目标像素点的深度信息的差值的绝对值小于第一预设阈值；
增强处理模块，用于对所述待处理图像中每个子主体的边缘轮廓线进行边缘增强处理，得到处理后图像。
8.如权利要求7所述的图像处理装置，其特征在于，所述待处理图像为彩色图像；
相应地，所述主体分割模块具体用于：
根据所述各个目标像素点的深度信息，以及所述拍摄主体的颜色信息，将所述待处理图像中的所述拍摄主体分割为多个子主体，其中，对于每个子主体，组成所述子主体的任意两个目标像素点的深度信息的差值的绝对值小于所述第一预设阈值，并且，组成所述子主体的任意两个目标像素点的色差小于第二预设阈值。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述图像处理方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述图像处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910615977.7A CN110335216B (zh) | 2019-07-09 | 2019-07-09 | 图像处理方法、图像处理装置、终端设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910615977.7A CN110335216B (zh) | 2019-07-09 | 2019-07-09 | 图像处理方法、图像处理装置、终端设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110335216A true CN110335216A (zh) | 2019-10-15 |
| CN110335216B CN110335216B (zh) | 2021-11-30 |
Family
ID=68144863
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910615977.7A Active CN110335216B (zh) | 2019-07-09 | 2019-07-09 | 图像处理方法、图像处理装置、终端设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110335216B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111145108A (zh) * | 2019-12-06 | 2020-05-12 | Oppo广东移动通信有限公司 | 一种图像处理方法、装置、设备及存储介质 |
| CN112949423A (zh) * | 2021-02-07 | 2021-06-11 | 深圳市优必选科技股份有限公司 | 物体识别方法、物体识别装置及机器人 |
| CN112991381A (zh) * | 2021-03-15 | 2021-06-18 | 深圳市慧鲤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN113469875A (zh) * | 2021-07-13 | 2021-10-01 | 中国人民解放军总医院 | 光衰图像合成方法、装置、终端设备及存储介质 |
| CN113470138A (zh) * | 2021-06-30 | 2021-10-01 | 维沃移动通信有限公司 | 图像的生成方法、装置、电子设备及可读存储介质 |
| CN113989276A (zh) * | 2021-12-23 | 2022-01-28 | 珠海视熙科技有限公司 | 一种基于深度图像的检测方法、检测装置及摄像设备 |
| CN115861451A (zh) * | 2022-12-27 | 2023-03-28 | 东莞市楷德精密机械有限公司 | 一种基于机器视觉的多功能图像处理方法及系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103226387A (zh) * | 2013-04-07 | 2013-07-31 | 华南理工大学 | 基于Kinect的视频人手指尖定位方法 |
| CN103530874A (zh) * | 2013-10-09 | 2014-01-22 | 上海大学 | 基于Kinect的人流计数方法 |
| US20150193965A1 (en) * | 2010-11-03 | 2015-07-09 | Industrial Technology Research Institute | Apparatus and method for inpainting three-dimensional stereoscopic image |
| CN105404888A (zh) * | 2015-11-16 | 2016-03-16 | 浙江大学 | 结合颜色和深度信息的显著性目标检测方法 |
| CN106295640A (zh) * | 2016-08-01 | 2017-01-04 | 乐视控股（北京）有限公司 | 一种智能终端的物体识别方法和装置 |
| CN106570489A (zh) * | 2016-11-10 | 2017-04-19 | 腾讯科技（深圳）有限公司 | 活体判别方法和装置、身份认证方法和装置 |
| CN107016651A (zh) * | 2017-03-09 | 2017-08-04 | 广东欧珀移动通信有限公司 | 图像锐化方法、图像锐化装置及电子装置 |
| CN107888822A (zh) * | 2017-10-27 | 2018-04-06 | 珠海市魅族科技有限公司 | 拍摄方法、装置、终端及可读存储介质 |
| CN108009999A (zh) * | 2017-11-30 | 2018-05-08 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
| CN108200351A (zh) * | 2017-12-21 | 2018-06-22 | 深圳市金立通信设备有限公司 | 拍摄方法、终端及计算机可读介质 |
| CN108777784A (zh) * | 2018-06-06 | 2018-11-09 | Oppo广东移动通信有限公司 | 深度获取方法和装置、电子装置、计算机设备和存储介质 |
| CN109376575A (zh) * | 2018-08-20 | 2019-02-22 | 奇酷互联网络科技（深圳）有限公司 | 对图像中人体美化的方法、移动终端和存储介质 |
| CN109729272A (zh) * | 2019-01-04 | 2019-05-07 | 平安科技（深圳）有限公司 | 一种拍摄控制方法、终端设备及计算机可读存储介质 |
-
2019
- 2019-07-09 CN CN201910615977.7A patent/CN110335216B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150193965A1 (en) * | 2010-11-03 | 2015-07-09 | Industrial Technology Research Institute | Apparatus and method for inpainting three-dimensional stereoscopic image |
| CN103226387A (zh) * | 2013-04-07 | 2013-07-31 | 华南理工大学 | 基于Kinect的视频人手指尖定位方法 |
| CN103530874A (zh) * | 2013-10-09 | 2014-01-22 | 上海大学 | 基于Kinect的人流计数方法 |
| CN105404888A (zh) * | 2015-11-16 | 2016-03-16 | 浙江大学 | 结合颜色和深度信息的显著性目标检测方法 |
| CN106295640A (zh) * | 2016-08-01 | 2017-01-04 | 乐视控股（北京）有限公司 | 一种智能终端的物体识别方法和装置 |
| CN106570489A (zh) * | 2016-11-10 | 2017-04-19 | 腾讯科技（深圳）有限公司 | 活体判别方法和装置、身份认证方法和装置 |
| CN107016651A (zh) * | 2017-03-09 | 2017-08-04 | 广东欧珀移动通信有限公司 | 图像锐化方法、图像锐化装置及电子装置 |
| CN107888822A (zh) * | 2017-10-27 | 2018-04-06 | 珠海市魅族科技有限公司 | 拍摄方法、装置、终端及可读存储介质 |
| CN108009999A (zh) * | 2017-11-30 | 2018-05-08 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
| CN108200351A (zh) * | 2017-12-21 | 2018-06-22 | 深圳市金立通信设备有限公司 | 拍摄方法、终端及计算机可读介质 |
| CN108777784A (zh) * | 2018-06-06 | 2018-11-09 | Oppo广东移动通信有限公司 | 深度获取方法和装置、电子装置、计算机设备和存储介质 |
| CN109376575A (zh) * | 2018-08-20 | 2019-02-22 | 奇酷互联网络科技（深圳）有限公司 | 对图像中人体美化的方法、移动终端和存储介质 |
| CN109729272A (zh) * | 2019-01-04 | 2019-05-07 | 平安科技（深圳）有限公司 | 一种拍摄控制方法、终端设备及计算机可读存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| HAIKUN LI 等: "A Recovery Method for Kinect-like Depth Map based on Color Image Segmentation", 《IEEE》 * |
| 于萍 等: "《拓扑同构与视频目标跟踪》", 30 May 2018, 西安电子科技大学出版社 * |
| 李洪安: "《信号稀疏化与应用》", 31 October 2017, 西安电子科技大学出版社 * |
| 由春秋: "实时采集多幅图像叠加平均去噪的研究与实现", 《哈尔滨师范大学自然科学学报》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111145108A (zh) * | 2019-12-06 | 2020-05-12 | Oppo广东移动通信有限公司 | 一种图像处理方法、装置、设备及存储介质 |
| CN112949423A (zh) * | 2021-02-07 | 2021-06-11 | 深圳市优必选科技股份有限公司 | 物体识别方法、物体识别装置及机器人 |
| CN112949423B (zh) * | 2021-02-07 | 2024-05-24 | 深圳市优必选科技股份有限公司 | 物体识别方法、物体识别装置及机器人 |
| CN112991381A (zh) * | 2021-03-15 | 2021-06-18 | 深圳市慧鲤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN112991381B (zh) * | 2021-03-15 | 2022-08-02 | 深圳市慧鲤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN113470138A (zh) * | 2021-06-30 | 2021-10-01 | 维沃移动通信有限公司 | 图像的生成方法、装置、电子设备及可读存储介质 |
| WO2023274131A1 (zh) * | 2021-06-30 | 2023-01-05 | 维沃移动通信有限公司 | 图像的生成方法、装置、电子设备及可读存储介质 |
| CN113470138B (zh) * | 2021-06-30 | 2024-05-24 | 维沃移动通信有限公司 | 图像的生成方法、装置、电子设备及可读存储介质 |
| CN113469875A (zh) * | 2021-07-13 | 2021-10-01 | 中国人民解放军总医院 | 光衰图像合成方法、装置、终端设备及存储介质 |
| CN113469875B (zh) * | 2021-07-13 | 2023-07-14 | 中国人民解放军总医院 | 光衰图像合成方法、装置、终端设备及存储介质 |
| CN113989276A (zh) * | 2021-12-23 | 2022-01-28 | 珠海视熙科技有限公司 | 一种基于深度图像的检测方法、检测装置及摄像设备 |
| CN115861451A (zh) * | 2022-12-27 | 2023-03-28 | 东莞市楷德精密机械有限公司 | 一种基于机器视觉的多功能图像处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110335216B (zh) | 2021-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110335216A (zh) | 图像处理方法、图像处理装置、终端设备及可读存储介质 | |
| US9741137B2 (en) | Image-based color palette generation | |
| US9311889B1 (en) | Image-based color palette generation | |
| US20160104303A1 (en) | Image-based color palette generation | |
| CN116324878A (zh) | 针对图像效果的分割 | |
| EP3937129A1 (en) | Image processing method and related apparatus | |
| CN108961183B (zh) | 图像处理方法、终端设备及计算机可读存储介质 | |
| CN110399842B (zh) | 视频处理方法、装置、电子设备及计算机可读存储介质 | |
| CN108805838B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
| CN111131688B (zh) | 一种图像处理方法、装置及移动终端 | |
| CN111191582A (zh) | 三维目标检测方法、检测装置、终端设备及计算机可读存储介质 | |
| CN115170893B (zh) | 共视档位分类网络的训练方法、图像排序方法及相关设备 | |
| CN113673584A (zh) | 一种图像检测方法及相关装置 | |
| CN113011328B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN108769521B (zh) | 一种拍照方法、移动终端及计算机可读存储介质 | |
| EP4303815A1 (en) | Image processing method, electronic device, storage medium, and program product | |
| CN110610178A (zh) | 图像识别方法、装置、终端及计算机可读存储介质 | |
| CN108491820B (zh) | 图像中肢体表示信息的识别方法、装置及设备、存储介质 | |
| CN109377460A (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
| CN110209861A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN112989924B (zh) | 目标检测方法、目标检测装置及终端设备 | |
| CN114359162A (zh) | 显著性检测方法、显著性检测设备和存储介质 | |
| US8538142B2 (en) | Face-detection processing methods, image processing devices, and articles of manufacture | |
| CN107633498A (zh) | 图像暗态增强方法、装置及电子设备 | |
| CN116579968A (zh) | 用于食材图像的识别方法及装置、蒸烤设备、存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |