CN110458202A - 图片处理方法、装置、设备及计算机可读存储介质 - Google Patents
图片处理方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110458202A CN110458202A CN201910648050.3A CN201910648050A CN110458202A CN 110458202 A CN110458202 A CN 110458202A CN 201910648050 A CN201910648050 A CN 201910648050A CN 110458202 A CN110458202 A CN 110458202A
- Authority
- CN
- China
- Prior art keywords
- picture
- article
- area
- different articles
- overlapping
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图片处理方法、装置、设备及计算机可读存储介质，该方法包括步骤：获取图片，当所述图片中存在重叠的不同物品时，确定物品的重叠区域对应的第一面积；确定产生重叠区域的不同物品中满足预设条件的物品对应的第二面积；计算所述第一面积与所述第二面积的比值；在所述比值达到所述预设阈值时，采用过滤算法对所述满足预设条件的物品进行过滤处理，以得到过滤处理后的图片。本发明提高了图片处理的准确性，也提升了物品分类的精确度，也避免了由两种材质组成的物品被重复抓取。
Description
技术领域
本发明涉及图片处理领域，尤其涉及一种图片处理方法、装置、设备及计算机可读存储介质。
背景技术
随着计算机技术的发展，图片处理的技术也越来越进步，现在的物品分选(比如垃圾分类)也会采用图片处理技术进行快速分类，例如，先拍摄垃圾的图片，然后经过深度学习预测后对图片中的不同垃圾进行过滤，但是由于垃圾行业的垃圾千奇百怪(其中垃圾附着更是常见)，而现有技术的预测结果极可能出现垃圾A上本身附着有垃圾B，导致本来只需抓取一次垃圾变成抓取两次，使运动多余且有可能把A垃圾抓到B垃圾投放点处。显然，目前对物品进行分类的图片处理方式，不够准确，导致降低了物品分类的精确度，同时容易造成两种材质以上组成的物品被重复抓取。
发明内容
本发明的主要目的在于提供一种图片处理方法、装置、设备及计算机可读存储介质，旨在解决现有技术的图片处理方法不够准确，导致对物品分类精确度低，容易造成两种材质以上组成的物品被重复抓取的技术问题。
为实现上述目的，本发明提供一种图片处理方法，所述图片处理方法包括以下步骤：
获取图片，当所述图片中存在重叠的不同物品时，确定物品的重叠区域对应的第一面积；
确定产生重叠区域的不同物品中满足预设条件的物品对应的第二面积；
计算所述第一面积与所述第二面积的比值；
在所述比值达到所述预设阈值时，采用过滤算法对所述满足预设条件的物品进行过滤处理，以得到过滤处理后的图片。
可选地，所述当所述图片中存在重叠的不同物品时，确定物品的重叠区域对应的第一面积的步骤包括：
采用深度学习算法对所述图片进行计算，确定所述图片中是否存在重叠的不同物品；
若所述图片中存在重叠的不同物品，则在所述图片中确定物品的重叠区域。
可选地，所述采用深度学习算法对所述图片进行计算，确定所述图片中是否存在重叠的不同物品的步骤包括：
采用深度学习算法对所述图片进行计算，以识别所述图片中物品的像素信息及位置信息；
根据识别的像素信息和位置信息，确定所述图片中是否存在重叠的不同物品，其中，在图片中包括至少两种相邻的像素信息时，确定所述图片中存在重叠的不同物品；
所述若所述图片中存在重叠的不同物品，则在所述图片中确定物品的重叠区域的步骤包括：
若所述图片中存在重叠的不同物品，则根据图片中的像素信息确定物品重叠的面积，并根据图片中像素信息具体的位置信息确定物品的重叠区域。
可选地，所述确定产生重叠区域的不同物品中满足预设条件的物品对应的第二面积的步骤包括：
将重叠的不同物品压入集合中；
对所述集合进行遍历，以将集合中产生重叠区域的不同物品进行两两比较，以在产生重叠区域的不同物品中满足预设条件的物品对应的第二面积。
可选地，所述对所述集合进行遍历，以将集合中产生重叠区域的不同物品进行两两比较，以在产生重叠区域的不同物品中满足预设条件的物品对应的第二面积的步骤包括：
对所述集合进行遍历，计算产生重叠区域的不同物品对应的物品面积；
将集合中产生重叠区域的不同物品进行两两比较，以在不同物品的物品面积中确定面积最小的物品，并将面积最小的物品对应的面积作为满足预设条件的物品对应的第二面积。
可选地，所述计算所述第一面积与所述第二面积的比值的步骤之后，所述方法还包括：
在所述比值小于所述预设阈值时，保持所述图片不变。
进一步地，为实现上述目的，本发明还提供一种图片处理装置，所述图片处理装置包括：
获取模块，用于获取图片；
确定模块，用于当所述图片中存在重叠的不同物品时，确定物品的重叠区域对应的第一面积；
并确定产生重叠区域的不同物品中满足预设条件的物品对应的第二面积；
计算模块，用于计算所述第一面积与所述第二面积的比值；
处理模块，用于在所述比值达到所述预设阈值时，采用过滤算法对所述满足预设条件的物品进行过滤处理，以得到过滤处理后的图片。
可选地，所述确定模块包括：
计算单元，用于采用深度学习算法对所述图片进行计算，确定所述图片中是否存在重叠的不同物品；
确定单元，用于若所述图片中存在重叠的不同物品，则在所述图片中确定物品的重叠区域。
可选地，所述计算单元，还用于采用深度学习算法对所述图片进行计算，以识别所述图片中物品的像素信息及位置信息；
根据识别的像素信息和位置信息，确定所述图片中是否存在重叠的不同物品，其中，在图片中包括至少两种相邻的像素信息时，确定所述图片中存在重叠的不同物品；
所述确定单元，还用于若所述图片中存在重叠的不同物品，则根据图片中的像素信息确定物品重叠的面积，并根据图片中像素信息具体的位置信息确定物品的重叠区域。
可选地，所述确定模块，包括：
压入单元，用于将重叠的不同物品压入集合中；
产生单元，用于对所述集合进行遍历，以将集合中产生重叠区域的不同物品进行两两比较，以在产生重叠区域的不同物品中满足预设条件的物品对应的第二面积。
可选地，所述产生单元，还用于对所述集合进行遍历，计算产生重叠区域的不同物品对应的物品面积；
将集合中产生重叠区域的不同物品进行两两比较，以在不同物品的物品面积中确定面积最小的物品，并将面积最小的物品对应的面积作为满足预设条件的物品对应的第二面积。
可选地，所述图片处理装置还包括：
保持模块，用于在所述比值小于所述预设阈值时，保持所述图片不变。
进一步地，为实现上述目的，本发明还提供一种图片处理设备，所述图片处理设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的图片处理程序，所述图片处理程序被所述处理器执行时实现如上述所述的图片处理方法的步骤。
进一步地，为实现上述目的，本发明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图片处理程序，所述图片处理程序被处理器执行时实现如上所述的图片处理方法的步骤。
本发明的技术方案公开一种图片处理方法，先获取图片，当所述图片中存在重叠的不同物品时，确定物品的重叠区域对应的第一面积，然后确定产生重叠区域的不同物品中满足预设条件的物品对应的第二面积，再计算所述第一面积与所述第二面积的比值，在所述比值达到所述预设阈值时，采用过滤算法对所述满足预设条件的物品进行过滤处理，以得到过滤处理后的图片。最后根据过滤处理后的图片进行物品分类处理，使得图片中即使出现堆叠的物品，也可以上述方法先确定出重叠区域，再将重叠部分的小面积物品过滤掉，防止了物品分类的干扰，本发明提高了图片处理的准确性，也提升了物品分类的精确度，同时也避免了由两种材质组成的物品被重复抓取。
附图说明
图1为本发明图片处理设备实施例方案涉及的设备硬件运行环境的结构示意图；
图2为本发明图片处理方法第一实施例的流程示意图；
图3为本发明一种应用场景示意图；
图4为本发明图片处理装置的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供一种图片处理设备，参照图1，图1为本发明图片处理设备实施例方案涉及的设备硬件运行环境的结构示意图。
如图1所示，该图片处理设备可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
本领域技术人员可以理解，图1中示出的图片处理设备的硬件结构并不构成对图片处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及图片处理程序。其中，操作系统是管理和控制图片处理设备与软件资源的程序，支持网络通信模块、用户接口模块、图片处理程序以及其他程序或软件的运行；网络通信模块用于管理和控制网络接口1004；用户接口模块用于管理和控制用户接口1003。
在图1所示的图片处理设备硬件结构中，处理器1001可以调用存储器1005中存储的图片处理程序，并执行以下图片处理方法的步骤：
获取图片，当所述图片中存在重叠的不同物品时，确定物品的重叠区域对应的第一面积；
确定产生重叠区域的不同物品中满足预设条件的物品对应的第二面积；
计算所述第一面积与所述第二面积的比值；
在所述比值达到所述预设阈值时，采用过滤算法对所述满足预设条件的物品进行过滤处理，以得到过滤处理后的图片。
进一步地，所述当所述图片中存在重叠的不同物品时，确定物品的重叠区域对应的第一面积的步骤包括：
采用深度学习算法对所述图片进行计算，确定所述图片中是否存在重叠的不同物品；
若所述图片中存在重叠的不同物品，则在所述图片中确定物品的重叠区域。
进一步地，所述采用深度学习算法对所述图片进行计算，确定所述图片中是否存在重叠的不同物品的步骤包括：
采用深度学习算法对所述图片进行计算，以识别所述图片中物品的像素信息及位置信息；
根据识别的像素信息和位置信息，确定所述图片中是否存在重叠的不同物品，其中，在图片中包括至少两种相邻的像素信息时，确定所述图片中存在重叠的不同物品；
所述若所述图片中存在重叠的不同物品，则在所述图片中确定物品的重叠区域的步骤包括：
若所述图片中存在重叠的不同物品，则根据图片中的像素信息确定物品重叠的面积，并根据图片中像素信息具体的位置信息确定物品的重叠区域。
进一步地，所述确定产生重叠区域的不同物品中满足预设条件的物品对应的第二面积的步骤包括：
将重叠的不同物品压入集合中；
对所述集合进行遍历，以将集合中产生重叠区域的不同物品进行两两比较，以在产生重叠区域的不同物品中满足预设条件的物品对应的第二面积。
进一步地，所述对所述集合进行遍历，以将集合中产生重叠区域的不同物品进行两两比较，以在产生重叠区域的不同物品中满足预设条件的物品对应的第二面积的步骤包括：
对所述集合进行遍历，计算产生重叠区域的不同物品对应的物品面积；
将集合中产生重叠区域的不同物品进行两两比较，以在不同物品的物品面积中确定面积最小的物品，并将面积最小的物品对应的面积作为满足预设条件的物品对应的第二面积。
进一步地，所述计算所述第一面积与所述第二面积的比值的步骤之后，所述方法还包括：
在所述比值小于所述预设阈值时，保持所述图片不变。
本发明图片处理设备的具体实施方式与上述图片处理方法各实施例基本相同，在此不再赘述。
本发明还提供一种图片处理方法。
本发明实施例提供了图片处理方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在图片处理方法的各个实施例中，为了便于描述，省略执行主体进行阐述各个实施例。
参照图2，图2为本发明图片处理方法第一实施例的流程示意图，所述图片处理方法包括：
步骤S10，获取图片，当所述图片中存在重叠的不同物品时，确定物品的重叠区域对应的第一面积；
在本实施例中，通过相机拍摄图片，相机拍摄图片可选每隔预设时间间隔采集一帧图片，然后获取该采集的一帧图片进行处理，所述预设时间间隔根据实际需求设置。此外，还可选实时采集一帧图片，并获取该采集的一帧图片进行处理。
在获取到图片之后，采用深度学习算法对所述图片进行计算，以确定所述图片中是否存在重叠的不同物品，若通过该深度学习算法确定图片中存在重叠的不同物品，则在该图片中确定物品的重叠区域。
具体地，所述采用深度学习算法对所述图片进行计算，确定所述图片中是否存在重叠的不同物品的步骤包括：
采用深度学习算法对所述图片进行计算，以识别所述图片中物品的像素信息及位置信息；
根据识别的像素信息和位置信息，确定所述图片中是否存在重叠的不同物品，其中，在图片中包括至少两种相邻的像素信息时，确定所述图片中存在重叠的不同物品；
也就是说，先采用深度学习算法对所述图片进行计算，以识别所述图片中物品的像素信息及位置信息，其中，物品的像素信息用于区分物品的类型，不同类型的物品形状、颜色不同，相应的，显示的像素信息也有所不同，因此，通过物品的像素信息即可确定图片中包含多少种物品，并且可以确定重叠区域的物品对应的权重(即重叠区域的物品占图片中物品总面积的占比)，例如，该物品为垃圾，那么通过图片中的像素信息，不仅可以确定图片中的不同垃圾，还可以确定该重叠区域中的垃圾权重(重叠区域的垃圾占图片中垃圾总面积的占比)。物品的位置信息用于区分物品的位置，不同物品在图片中的位置不同，物品的位置信息除了区分物品的位置，还可以判断图片中的哪个区域发生堆叠。因此，在确定图片中物品的像素信息及位置信息之后，根据识别的像素信息和位置信息，确定所述图片中是否存在重叠的不同物品，具体在图片中包括至少两种相邻的像素信息时，即可确定所述图片中存在重叠的不同物品。
所述若所述图片中存在重叠的不同物品，则在所述图片中确定物品的重叠区域的步骤包括：
若所述图片中存在重叠的不同物品，则根据图片中的像素信息确定物品重叠的面积，并根据图片中像素信息具体的位置信息确定物品的重叠区域。即，根据图片中不同物品的像素信息确定物品重叠的轮廓面积，该轮廓面积即为物品重叠的面积，然后，根据图片中像素信息的具体位置信息确定物品的重叠区域，即根据物品重叠的轮廓面积的位置信息，确定物品的重叠区域。
在本实施例中，在确定物品的重叠区域之后，计算该重叠区域对应的第一面积，具体的计算方式与现有计算方式一致，此处不做赘述。
步骤S20，确定产生重叠区域的不同物品中满足预设条件的物品对应的第二面积；
在本实施例中，在确定重叠区域对应的第一面积之后，再从产生重叠区域的不同物品中找出满足预设条件的物品，之后确定该满足预设条件的物品对应的第二面积。具体地，确定产生重叠区域的不同物品中满足预设条件的物品对应的第二面积的步骤为：
将重叠的不同物品压入集合中；
对所述集合进行遍历，以将集合中产生重叠区域的不同物品进行两两比较，以在产生重叠区域的不同物品中满足预设条件的物品对应的第二面积。
其中，所述对所述集合进行遍历，以将集合中产生重叠区域的不同物品进行两两比较，以在产生重叠区域的不同物品中满足预设条件的物品对应的第二面积的具体过程为：
对所述集合进行遍历，计算产生重叠区域的不同物品对应的物品面积；
将集合中产生重叠区域的不同物品进行两两比较，以在不同物品的物品面积中确定面积最小的物品，并将面积最小的物品对应的面积作为满足预设条件的物品对应的第二面积。
为更好理解本实施例，举例两种场景如下：
1)如图3所示，图中有ABCDE五个物体，其中，AB有重叠区域，CD有重叠区域。
在数据量较少的情况下，将重叠的每个物品压入集合中，得到集合＝{A,B,C,D}，该集合为堆叠集合。对所述集合进行遍历，计算产生重叠区域的不同物品对应的物品面积，然后将集合中产生重叠区域的不同物品进行两两比较，即进行AB、AC、AD、BC、BD、CD的比较，以在不同物品的物品面积中确定面积最小的物品，并将面积最小的物品对应的面积作为满足预设条件的物品对应的第二面积。
需要说明的是，这种比较的方式，类似冒泡法，因为数据比较少，所以这样子遍历是不会影响时间的，既能提高物品分类的精确度，又能保证物品分类的效率。
2)继续参照图3，图中有ABCDE五个物体，其中，AB有重叠区域，CD有重叠区域。
在数据量较多的情况下，将重叠的不同物品压入集合中，堆叠集合就是集合＝{{A,B}，{C,D}}，同样也类似刚才的遍历方式，遍历方法为AB，CD，以在不同物品的物品面积中确定面积最小的物品，并将面积最小的物品对应的面积作为满足预设条件的物品对应的第二面积。
需要说明的是，这种比较的方式，针对数据比较多的情况，能减少时间复杂度。
步骤S30，计算所述第一面积与所述第二面积的比值；
在重叠区域的不同物品中满足预设条件的物品对应的第二面积之后，计算所述第一面积与所述第二面积的比值，即，将所述第一面积除以第二面积，得到比值。
步骤S40，在所述比值达到所述预设阈值时，采用过滤算法对所述满足预设条件的物品进行过滤处理，以得到过滤处理后的图片。
之后，将该比值与预设阈值进行比较，所述预设阈值根据实际需要进行设置，例如设置成30％。在所述比值达到所述预设阈值时，采用过滤算法对所述满足预设条件的物品进行过滤处理，以得到过滤处理后的图片，也就是说，在所述比值达到所述预设阈值时，对重叠的小面积物品过滤掉，从而去除小面积物品的干扰，所述过滤算法为现有的过滤算法，此处不做赘述。
在本实施例中，递归该过滤算法即可实现对多种物品混合堆叠的进行过滤。
本实施例中，先获取图片，当所述图片中存在重叠的不同物品时，确定物品的重叠区域对应的第一面积，然后确定产生重叠区域的不同物品中满足预设条件的物品对应的第二面积，再计算所述第一面积与所述第二面积的比值，在所述比值达到所述预设阈值时，采用过滤算法对所述满足预设条件的物品进行过滤处理，以得到过滤处理后的图片。最后根据过滤处理后的图片进行物品分类处理，使得图片中即使出现堆叠的物品，也可以上述方法先确定出重叠区域，再将重叠部分的小面积物品过滤掉，防止了物品分类的干扰，本发明提高了图片处理的准确性，也提升了物品分类的精确度，同时也避免了由两种材质组成的物品被重复抓取。
进一步地，基于所述图片处理方法的第一实施例，提出本发明第二实施例。
在本实施例中，所述步骤S30之后，所述方法还包括：
在所述比值小于所述预设阈值时，保持所述图片不变。
在本实施例中，若第一面积与第二面积的比值小于该预设阈值，则说明图片中的物品重叠区域的面积较小，或者是产生重叠区域的各个物品的实际面积较大，此处若过滤掉任一个物品，会导致物品分类不准确，因此在所述比值小于所述预设阈值时，保持所述图片不变，按照原来的处理进行物品分类，从而保证了图片处理的准确性，也保证了物品分类的精确度。
本发明还提供一种图片处理装置。
参照图4，图4为本发明图片处理装置第一实施例的功能模块示意图，所述图片处理装置应用于图片处理设备。
在本实施例中，所述图片处理装置包括：
获取模块，用于获取图片；
确定模块，用于当所述图片中存在重叠的不同物品时，确定物品的重叠区域对应的第一面积；
并确定产生重叠区域的不同物品中满足预设条件的物品对应的第二面积；
计算模块，用于计算所述第一面积与所述第二面积的比值；
处理模块，用于在所述比值达到所述预设阈值时，采用过滤算法对所述满足预设条件的物品进行过滤处理，以得到过滤处理后的图片。
进一步地，所述确定模块包括：
计算单元，用于采用深度学习算法对所述图片进行计算，确定所述图片中是否存在重叠的不同物品；
确定单元，用于若所述图片中存在重叠的不同物品，则在所述图片中确定物品的重叠区域。
进一步地，所述计算单元，还用于采用深度学习算法对所述图片进行计算，以识别所述图片中物品的像素信息及位置信息；
根据识别的像素信息和位置信息，确定所述图片中是否存在重叠的不同物品，其中，在图片中包括至少两种相邻的像素信息时，确定所述图片中存在重叠的不同物品；
所述确定单元，还用于若所述图片中存在重叠的不同物品，则根据图片中的像素信息确定物品重叠的面积，并根据图片中像素信息具体的位置信息确定物品的重叠区域。
进一步地，所述确定模块，包括：
压入单元，用于将重叠的不同物品压入集合中；
产生单元，用于对所述集合进行遍历，以将集合中产生重叠区域的不同物品进行两两比较，以在产生重叠区域的不同物品中满足预设条件的物品对应的第二面积。
进一步地，所述产生单元，还用于对所述集合进行遍历，计算产生重叠区域的不同物品对应的物品面积；
将集合中产生重叠区域的不同物品进行两两比较，以在不同物品的物品面积中确定面积最小的物品，并将面积最小的物品对应的面积作为满足预设条件的物品对应的第二面积。
进一步地，所述图片处理装置还包括：
保持模块，用于在所述比值小于所述预设阈值时，保持所述图片不变。
本发明图片处理装置具体实施方式与上述图片处理方法各实施例基本相同，在此不再赘述。
此外，本发明实施例还提出一种计算机可读存储介质。
计算机可读存储介质上存储有图片处理程序，图片处理程序被处理器执行时实现如上所述的图片处理方法的步骤。
本发明计算机可读存储介质具体实施方式与上述图片处理方法各实施例基本相同，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它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、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，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，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种图片处理方法，其特征在于，所述图片处理方法包括以下步骤：
获取图片，当所述图片中存在重叠的不同物品时，确定物品的重叠区域对应的第一面积；
确定产生重叠区域的不同物品中满足预设条件的物品对应的第二面积；
计算所述第一面积与所述第二面积的比值；
在所述比值达到所述预设阈值时，采用过滤算法对所述满足预设条件的物品进行过滤处理，以得到过滤处理后的图片。
2.如权利要求1所述的图片处理方法，其特征在于，所述当所述图片中存在重叠的不同物品时，确定物品的重叠区域对应的第一面积的步骤包括：
采用深度学习算法对所述图片进行计算，确定所述图片中是否存在重叠的不同物品；
若所述图片中存在重叠的不同物品，则在所述图片中确定物品的重叠区域。
3.如权利要求2所述的图片处理方法，其特征在于，所述采用深度学习算法对所述图片进行计算，确定所述图片中是否存在重叠的不同物品的步骤包括：
采用深度学习算法对所述图片进行计算，以识别所述图片中物品的像素信息及位置信息；
根据识别的像素信息和位置信息，确定所述图片中是否存在重叠的不同物品，其中，在图片中包括至少两种相邻的像素信息时，确定所述图片中存在重叠的不同物品；
所述若所述图片中存在重叠的不同物品，则在所述图片中确定物品的重叠区域的步骤包括：
若所述图片中存在重叠的不同物品，则根据图片中的像素信息确定物品重叠的面积，并根据图片中像素信息具体的位置信息确定物品的重叠区域。
4.如权利要求1所述的图片处理方法，其特征在于，所述确定产生重叠区域的不同物品中满足预设条件的物品对应的第二面积的步骤包括：
将重叠的不同物品压入集合中；
对所述集合进行遍历，以将集合中产生重叠区域的不同物品进行两两比较，以在产生重叠区域的不同物品中满足预设条件的物品对应的第二面积。
5.如权利要求4所述的图片处理方法，其特征在于，所述对所述集合进行遍历，以将集合中产生重叠区域的不同物品进行两两比较，以在产生重叠区域的不同物品中满足预设条件的物品对应的第二面积的步骤包括：
对所述集合进行遍历，计算产生重叠区域的不同物品对应的物品面积；
将集合中产生重叠区域的不同物品进行两两比较，以在不同物品的物品面积中确定面积最小的物品，并将面积最小的物品对应的面积作为满足预设条件的物品对应的第二面积。
6.如权利要求1-5任一项所述的图片处理方法，其特征在于，所述计算所述第一面积与所述第二面积的比值的步骤之后，所述方法还包括：
在所述比值小于所述预设阈值时，保持所述图片不变。
7.一种图片处理装置，其特征在于，所述图片处理装置包括：
获取模块，用于获取图片；
确定模块，用于当所述图片中存在重叠的不同物品时，确定物品的重叠区域对应的第一面积；
并确定产生重叠区域的不同物品中满足预设条件的物品对应的第二面积；
计算模块，用于计算所述第一面积与所述第二面积的比值；
处理模块，用于在所述比值达到所述预设阈值时，采用过滤算法对所述满足预设条件的物品进行过滤处理，以得到过滤处理后的图片。
8.如权利要求7所述的图片处理装置，其特征在于，所述确定模块包括：
计算单元，用于采用深度学习算法对所述图片进行计算，确定所述图片中是否存在重叠的不同物品；
确定单元，用于若所述图片中存在重叠的不同物品，则在所述图片中确定物品的重叠区域。
9.一种图片处理设备，其特征在于，所述图片处理设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的图片处理程序，所述图片处理程序被所述处理器执行时实现如权利要求1-6中任一项所述的图片处理方法的步骤。
10.一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图片处理程序，所述图片处理程序被处理器执行时实现如权利要求1-6中任一项所述的图片处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910648050.3A CN110458202B (zh) | 2019-07-18 | 2019-07-18 | 图片处理方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910648050.3A CN110458202B (zh) | 2019-07-18 | 2019-07-18 | 图片处理方法、装置、设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110458202A true CN110458202A (zh) | 2019-11-15 |
| CN110458202B CN110458202B (zh) | 2022-11-25 |
Family
ID=68481366
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910648050.3A Active CN110458202B (zh) | 2019-07-18 | 2019-07-18 | 图片处理方法、装置、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110458202B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113470125A (zh) * | 2021-07-21 | 2021-10-01 | 杭州万事利丝绸文化股份有限公司 | 一种对图案进行颜色搭配的方法及系统 |
| CN113655002A (zh) * | 2021-08-30 | 2021-11-16 | 华侨大学 | 基于高光谱技术的表面含砂浆的再生骨料质量检测系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102129690A (zh) * | 2011-03-21 | 2011-07-20 | 西安理工大学 | 一种抗环境干扰的人体运动目标的跟踪方法 |
| JP2016070951A (ja) * | 2014-09-26 | 2016-05-09 | パイオニア株式会社 | 表示装置、制御方法、プログラム、及び記憶媒体 |
| CN107369150A (zh) * | 2016-05-12 | 2017-11-21 | 株式会社理光 | 一种检测矩形目标的方法及矩形目标检测装置 |
| CN109345558A (zh) * | 2018-10-29 | 2019-02-15 | 网易（杭州）网络有限公司 | 图像处理方法、装置、介质和电子设备 |
-
2019
- 2019-07-18 CN CN201910648050.3A patent/CN110458202B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102129690A (zh) * | 2011-03-21 | 2011-07-20 | 西安理工大学 | 一种抗环境干扰的人体运动目标的跟踪方法 |
| JP2016070951A (ja) * | 2014-09-26 | 2016-05-09 | パイオニア株式会社 | 表示装置、制御方法、プログラム、及び記憶媒体 |
| CN107369150A (zh) * | 2016-05-12 | 2017-11-21 | 株式会社理光 | 一种检测矩形目标的方法及矩形目标检测装置 |
| CN109345558A (zh) * | 2018-10-29 | 2019-02-15 | 网易（杭州）网络有限公司 | 图像处理方法、装置、介质和电子设备 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113470125A (zh) * | 2021-07-21 | 2021-10-01 | 杭州万事利丝绸文化股份有限公司 | 一种对图案进行颜色搭配的方法及系统 |
| CN113470125B (zh) * | 2021-07-21 | 2024-01-12 | 杭州万事利丝绸文化股份有限公司 | 一种对图案进行颜色搭配的方法及系统 |
| CN113655002A (zh) * | 2021-08-30 | 2021-11-16 | 华侨大学 | 基于高光谱技术的表面含砂浆的再生骨料质量检测系统 |
| CN113655002B (zh) * | 2021-08-30 | 2023-11-24 | 华侨大学 | 基于高光谱技术的表面含砂浆的再生骨料质量检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110458202B (zh) | 2022-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106201170B (zh) | 一种应用图标的角标处理方法及终端 | |
| CN110009556A (zh) | 图像背景虚化方法、装置、存储介质及电子设备 | |
| CN111144215B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN109840502B (zh) | 一种基于ssd模型进行目标检测的方法及设备 | |
| CN106529485A (zh) | 用于获取训练数据的方法及装置 | |
| CN106202427B (zh) | 应用处理方法及装置、计算机存储介质 | |
| CN107911798A (zh) | 消息推送方法、装置及终端 | |
| CN110458202A (zh) | 图片处理方法、装置、设备及计算机可读存储介质 | |
| EP2890105A1 (en) | Method, apparatus and terminal for generating thumbnail of image | |
| CN108921111A (zh) | 对象检测后处理方法及对应装置 | |
| CN111382808A (zh) | 一种车辆检测处理方法及装置 | |
| CN112132130B (zh) | 一种面向全场景的实时性车牌检测方法及系统 | |
| CN107340964A (zh) | 一种视图的动画效果实现方法及装置 | |
| CN107704829A (zh) | 一种人脸关键点追踪方法及应用和装置 | |
| CN110083243A (zh) | 基于摄像头的交互方法、装置、机器人及可读存储介质 | |
| CN109783680B (zh) | 图像推送方法、图像获取方法、装置及图像处理系统 | |
| CN104572123B (zh) | 一种脚本生成方法及装置 | |
| CN106815588A (zh) | 垃圾图片过滤方法及装置 | |
| CN102693231B (zh) | 用于根据来自网络的图像来确定图集的方法、装置和设备 | |
| CN113705461A (zh) | 人脸清晰度检测方法、装置、设备及存储介质 | |
| CN110321892A (zh) | 一种图片筛选方法、装置及电子设备 | |
| CN110443119A (zh) | 车厢内货物状态识别方法及装置 | |
| CN110490118A (zh) | 图像处理方法及装置 | |
| CN104424485A (zh) | 一种基于图像识别来获取特定信息的方法与装置 | |
| CN106372602A (zh) | 一种视频文件的处理方法和装置 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 523000 room 325, building 15, No. 1, Xuefu Road, Songshanhu Park, Dongguan City, Guangdong Province Applicant after: Guangdong Gongye Technology Co.,Ltd. Address before: Room 123-128, Building 1, No. 1, R&D Fifth Road, Songshanhu Park, Dongguan, Guangdong 523000 Applicant before: Dongguan Gongye Interconnection Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |