CN110660030B - 图像处理方法以及装置 - Google Patents
图像处理方法以及装置 Download PDFInfo
- Publication number
- CN110660030B CN110660030B CN201910865745.7A CN201910865745A CN110660030B CN 110660030 B CN110660030 B CN 110660030B CN 201910865745 A CN201910865745 A CN 201910865745A CN 110660030 B CN110660030 B CN 110660030B
- Authority
- CN
- China
- Prior art keywords
- display picture
- contour
- noise removal
- region
- outlines
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000004927 fusion Effects 0.000 description 7
- 239000000284 extract Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种图像处理方法及装置,所述方法图像处理方法,所述方法包括如下步骤:电子设备获取三维全景实景的第一显示图片以及该第一显示图片对应的位置坐标;如该位置坐标包含道路时,电子设备将该显示图片输入到分类器中确定该显示图片中各个对象的类别以及各个对象的轮廓;电子设备获取与噪声列表匹配类别的多个对象的多个轮廓,对该多个轮廓的内容进行噪声去除处理得到第二显示图片,将该第二显示图片显示。本申请提供的技术方案具有显示效果好的优点。
Description
技术领域
本申请涉及图像领域,具体涉及一种图像处理方法以及装置。
背景技术
图像处理(image processing),用计算机对图像进行分析,以达到所需结果的技术,图像处理一般指数字图像处理。地图三维模型已经广泛应用,它通过多方位摄取的地面影像处理而成,能够体现许多真实场景的空间信息与时空数据,然而,无论模型构建得再美好,真实场面的全方面细节始终无法全部体现,并且图片数据中具有一些噪声数据,地图三维建模对上述噪声数据是不进行处理,这样导致用户在观看地图三维模型时,会接收到对应的噪声数据,影响了用户体验度。
发明内容
本发明的目的在于提供图像处理方法以及装置,该技术方案具有对地图三维建模上的噪声数据进行去除,提高显示的效果,具有提高用户体验度的优点。
本发明所采取的技术方案是:提供一种图像处理方法,所述方法包括如下步骤:
电子设备获取三维全景实景的第一显示图片以及该第一显示图片对应的位置坐标;
当该位置坐标包含道路时,电子设备将该显示图片输入到分类器中确定该显示图片中各个对象的类别以及各个对象的轮廓;
电子设备获取与噪声列表匹配类别的多个对象的多个轮廓,对该多个轮廓的内容进行噪声去除处理得到第二显示图片,将该第二显示图片显示;
所述对该多个轮廓内容进行噪声去除处理得到第二显示图片具体包括:
将多个轮廓中每个轮廓的内容分别执行噪声去除步骤,该噪声去除步骤具体包括:
确定第一轮廓的范围,将该第一轮廓分成多个区域,对每个区域执行填充操作,该填充操作具体包括:
以一个区域的中心点为射线端点发射n条射线,获取n条射线与第一轮廓相交的n个点,将端点与n个点组成n个线段,提取n个线段中距离最短的第一线段,提取第一线段外侧的端点设定范围的RGB均值,将该一个区域的像素点的RGB值修改成该RGB均值;
对所有的区域执行填充操作即去除掉该第一轮廓的内容,遍历所有轮廓执行噪声去除步骤得到第二显示图片。
可选的,当所述多个轮廓中的一个轮廓为车辆轮廓,构建该车辆轮廓向中心方向的等距轮廓,确定该等距轮廓与车辆轮廓之间的区域为中间区域,提取中间区域的所有像素点的RGB值,确定中间区域的数量最多的第一RGB值以及第二RGB值,将该车辆轮廓内的所有像素点调整至该第二RGB值。
可选的,所述方法还包括:对所述车辆轮廓进行调整,所述调整方法具体包括:
依据拍照时间将该车辆轮廓的对应边向外拉伸x个像素点得到新的车辆轮廓;
其中,
其中,α为第一显示图片的拍摄角度值,该β为太阳时角;
β=|t-12|*0.262
h=h0*k*(γ/γ0);
h0为车辆在第一显示图片标准位置的车辆高度对应的像素点数量,k为调整系数,γ0为标准位置到图片上边缘的直线距离对应的像素点数量,γ为车辆轮廓中心点到图片上边缘的直线距离对应的像素点数量。
第二方面,提供一种图像处理系统,所述系统包括:
获取单元,用于获取三维全景实景的第一显示图片以及该第一显示图片对应的位置坐标;
处理单元,用于如该位置坐标包含道路时,将该显示图片输入到分类器中确定该显示图片中各个对象的类别以及各个对象的轮廓;获取与噪声列表匹配类别的多个对象的多个轮廓,对该多个轮廓的内容进行噪声去除处理得到第二显示图片,将该第二显示图片显示;
所述对该多个轮廓内容进行噪声去除处理得到第二显示图片具体包括:
将多个轮廓中每个轮廓的内容分别执行噪声去除步骤,该噪声去除步骤具体包括:
确定第一轮廓的范围,将该第一轮廓分成多个区域,对每个区域执行填充操作,该填充操作具体包括:
以一个区域的中心点为射线端点发射n条射线,获取n条射线与第一轮廓相交的n个点,将端点与n个点组成n个线段,提取n个线段中距离最短的第一线段,提取第一线段外侧的端点设定范围的RGB均值,将该一个区域的像素点的RGB值修改成该RGB均值;
对所有的区域执行填充操作即去除掉该第一轮廓的内容,遍历所有轮廓执行噪声去除步骤得到第二显示图片。
可选的,处理单元,还用于当所述多个轮廓中的一个轮廓为车辆轮廓,构建该车辆轮廓向中心方向的等距轮廓,确定该等距轮廓与车辆轮廓之间的区域为中间区域,提取中间区域的所有像素点的RGB值,确定中间区域的数量最多的第一RGB值以及第二RGB值,将该车辆轮廓内的所有像素点调整至该第二RGB值。
可选的,所述方法还包括:对所述车辆轮廓进行调整,所述调整方法具体包括:
所述处理单元,具体用于依据拍照时间将该车辆轮廓的对应边向外拉伸x个像素点得到新的车辆轮廓;
其中,
其中,α为第一显示图片的拍摄角度值,该β为太阳时角;
β=|t-12|*0.262
h=h0*k*(γ/γ0);
h0为车辆在第一显示图片标准位置的车辆高度对应的像素点数量,k为调整系数,γ0为标准位置到图片上边缘的直线距离对应的像素点数量,γ为车辆轮廓中心点到图片上边缘的直线距离对应的像素点数量。
第三方面,提供一种计算机可读存储介质,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行第一方面提供的方法。
本申请提供的技术方案能够将显示图片的部分噪声进行去除,这样能够提高显示图片的显示效果,提高了用户的体验度。
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他的附图。
图1a为本发明一种三维全景实景混杂现实技术的示意图。
图1b为本发明另一种三维全景实景混杂现实技术的示意图。
图2为本发明一种图像处理方法的流程示意图。
图3为本发明提供的区域划分示意图。
图4为本发明的第二显示图片的示意图。
图5为本发明提供的车辆轮廓示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
实景融合功能是将应用倾斜摄影技术进行高空航拍获得的高清航拍影像图片与三维重建完成的实景三维地图模型无缝融合展示的视图模式。通过实景三维模型与航拍影像照片的无缝融合,弥补了倾斜摄影航拍重建生成的实景三维模型,在遮挡区模型纹理丢失和精细度低的缺点,给予使用者更好的浏览体验。实景三维模型生产中,通过使用的高清航拍影像图片的图像信息进行三维重建,重建过程中生成影像图片对应的影像姿态信息(通过空中三角测量计算获得的姿态信息),进行模型三维视图的位置和角度的自适应,完成实景三维模型和航拍影像照片的叠加融合,实现高清影像展示的效果。
实景影像照片匹配算法:
获取实景三维地图的视图中心位置点,高程,航向角及倾斜角信息;并将实景三维视图中心点转换成三维空间姿态信息;匹配的相关参数主要是角度参数和距离参数,通过设定角度和距离惩罚因子系数,将实景三维视图当前空间姿态与影像的位置和姿态信息进行计算,计算获得当前空间姿态与查找的影像位置姿态之间角度差值及距离差值,并根据惩罚因子生成可信度参数,根据角度及距离的惩罚因子作为惩罚值的权重,对惩罚值累加比较;若可信度低于最低可信阈值,最低可信阈值可根据融合查找的范围进行调整,默认使用中间值,则判断匹配失败,匹配失败则返回失败结果。若可信度高于最低可信阈值,则选取可信度最高的对象作为匹配对象;匹配成功的照片对象。
实景融合算法:
根据相机姿态参数,结合模型位置,计算出模型调整方向角,投影显示角度,调整三维模型展示效果;根据相机三姿态,计算影像照片的显示旋转角度和倾斜角度,调整影像照片展示效果;三维模型与影像照片完全叠加重合,展示融合效果。
三维全景实景混杂现实技术为实景三维地图中一种技术,其三维全景实景混杂现实技术则克服了现有技术中构建虚拟场景单独采用基于图像绘制技术与单独采用基于图形绘制技术所带来的场景构建仿真度较低,或场景立体感与层次感较差,内容不够丰富的问题,使得全景实景图像具有了三维空间信息,实现真实场景和虚拟对象在三维空间的有机融合,进而可以构建出真实完美的三维立体实景空间。全景实景混杂现实技术通过计算机图像图形技术和计算机视觉技术,将现实环境中不存在的虚拟对象精确地融合在真实环境中,使真实的环境和虚拟的物体叠加到了同一个画面或空间同时存在,两种信息相互补充、叠加,从而增强了全景实景图片的表现力,进一步模糊真实世界与计算机所生成的虚拟世界之间的界线。该技术提供了一种表现立体三维真实场景的有效手段。
参见图1a为一种三维全景实景混杂现实技术的示意图,参阅图1b,图1b为三维全景实景混杂现实技术的另一示意图。
参阅图1a,上述图1a具有一些噪声信息,具体如三辆车,如图1a的箭头所指位置,虽然远处也具有车辆,但是由于离的比较远,因此可以对远处的车辆信息进行忽略。如果将这些噪声信息直接显示,会影响用户的使用效果,因为对于用户来说,其只需要看到实景的图片信息,这些噪声信息会影响观看的效果。
参阅图1b,上述图1b具有一些噪声信息,具体如自行车、中间二个行人以及右下角二个行人,如图1b的箭头所指位置。如果将这些噪声信息直接显示,会影响用户的使用效果,因为对于用户来说,其只需要看到实景的图片信息,例如清华园的实景图片,这些噪声信息会影响观看的效果,另外,这些噪声信息涉及到人物的图片,有可能构成对人物肖像权或隐私信息产生一定的影响。
本申请实施例所涉及到的电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备(智能手表、智能手环、无线耳机、增强现实/虚拟现实设备、智能眼镜)、计算设备或连接到无线调制解调器的其他处理设备,以及各种形式的用户设备(userequipment,UE),移动台(mobile station,MS),终端设备(terminal device)等等。为方便描述,上面提到的设备统称为电子设备。
参阅图2,图2提供了一种图像处理方法,该方法可以有电子设备执行,该方法如图2所示,包括如下步骤:
步骤S201、电子设备获取三维全景实景的第一显示图片以及该第一显示图片对应的位置坐标;
上述获取三维全景实景的第一显示图片的方式具体可以包括:
电子设备获取航拍的实景全景照片,获取该实景全景照片的位置信息,依据该位置信息提取该位置信息的转向信息,将该转向信息添加在该实景全景照片的对应的位置即能够得到第一显示图片,上述步骤S201的第一显示图片如图1a所示。
步骤S202、当该位置坐标包含道路时(即该位置坐标对应的导航链路link为道路),电子设备将该显示图片输入到分类器中确定该显示图片中各个对象的类别以及各个对象的轮廓;
上述分类器可以采用现有的分类器,例如神经网络模型或机器学习模型等等。
上述步骤S202中确定该位置包含道路的方法具体可以包括:
提取该位置对应的GPS坐标,调用导航软件确定该GPS坐标是否位于车辆道路内,如该GPS坐标位于车辆道路内,则确定该位置包含道路。
这里需要说明的是,上述位置并不一定是用户的实时位置,也有可能是用户自行选择的位置的坐标。
步骤S203、电子设备获取与噪声列表匹配类别的多个对象的多个轮廓,对该多个轮廓的内容进行噪声去除处理得到第二显示图片,将该第二显示图片显示。
上述电子设备获取与噪声列表匹配类别的多个对象的多个轮廓具体可以包括:
电子设备确定所有对象以后,将所有对象中每个对象在噪声列表搜索确定该噪声列表是否具有该对象,如具有该对象,确定该对象为多个对象中的一个,遍历所有的对象,确定该多个对象,然后提取该多个对象的多个轮廓。上述多个对象的多个轮廓的提取方式可以采用神经网络模型来提取,本申请并不限制上述轮廓的提取方式。
上述多个轮廓的内容具体可以包括:多个轮廓内包含的所有像素点。
上述对该多个轮廓的内容进行噪声去除处理得到第二显示图片的实现方法具体可以包括:
将多个轮廓中每个轮廓的内容分别执行噪声去除步骤,该噪声去除步骤具体可以包括:
确定第一轮廓的范围,将该第一轮廓分成多个区域,对每个区域执行填充操作,该填充操作具体可以包括:
参阅图3为划分区域示意图(该区域可以为等份区域,当然也可以为非等份区域,具体可以由厂家自行设置),以该区域的中心点为射线端点发射n条射线,获取n条射线与第一轮廓相交的n个点,将端点与n个点组成n个线段,提取n个线段中距离最短的第一线段,提取第一线段外侧(即邻近第一轮廓的一侧)的端点设定范围(例如相近的5个或10个像素点)的RGB均值,将该区域的像素点的RGB值修改成该RGB均值,对所有的区域执行填充操作即去除掉该第一轮廓的内容,遍历所有轮廓执行噪声去除步骤得到第二显示图片,所述n为16、32等数值,n条射线之间的角度相同。
上述区域划分还可以根据不同对象的类别设定不同的策略,例如如对象是车辆,由于车辆比较大,那么其区域的数量可以较小,又如对象是人物,由于人物比较大,那么其区域的数量可以比较多,这样更有利于噪声去除操作。
下面说明下其噪声去除的原理,对于轮廓的确认来说,其并不困难,例如现有的分类器或AI模型中均是能够识别出车辆和人的轮廓的,因此对于轮廓的确定方法这里不在说明,那么如何将噪声数据的像素点改变成更加贴近现实场景就更加的重要,以图1b为例,中间二个人的噪声数据中靠右侧的一个人的噪声数据去除就比第一个人复杂,以为对于右侧的一个人来说其跨越的物体更多,不同的物体会有不同的颜色,通过实验发现,其轮廓内的像素点与最近的轮廓外的像素点调整成一致的噪声去除效果是比较好的,但是每个像素点均执行类似的计算则计算量太大,为了减少计算量,这里将轮廓内划分成多个区域,对每个区域进行填充操作即能够对噪声进行有效的去除,并且区域比较小,肉眼基本不能看出区别来,另外,为了减少计算量,上述区域划分时,将靠近轮廓边缘的区域的面积可以小于轮廓边缘非边缘的区域的面积,这样在进一步减少计算量的同时,能够提高去噪的效果,所以通过此种方式能够有效的降低计算量,如图1a所示的噪声去除操作以后的图片如图4所示。
上述遍历所有轮廓执行噪声去除步骤得到第二显示图片具体可以包括:
遍历所有轮廓,对所有轮廓执行噪声去除步骤后得到待确定的图片,提取每个轮廓的一个区域,对一个区域执行修订操作,该修订操作具体可以包括:识别该一个区域的RGB值是否与相邻的多个区域的RGB值相同,如该一个区域的RGB值不与相邻的多个区域的RGB值相同,如相邻的多个区域的RGB值相同,则将该一个区域的RGB值调整至相邻的多个区域的RGB值,遍历待确定的图片中的所有轮廓的所有区域,对所有区域执行修订操作后即得到第二显示图片。
此修订操作主要目的是为了避免对于个别的区域出现噪声去除步骤错误,因为对于一个区域,如果其周边相邻的所有的区域的RGB值均相同,但是位于中间位置的RGB值不同,那么就会出现中间一点与周边均不一致的问题,这在实际图片应用中是不符合实际场景的,即使出现这样的问题,也是因为具有噪声物体的原因,例如道路中间有一张纸,那么可能周边均为灰色,而中间为白色,但是此噪声物体很显然也属于去噪声的范围内,因此对于这样的情况进行去噪处理后得到第二显示图片显得更加的贴合实际场景的图片。
上述对该多个轮廓的内容进行噪声去除处理得到第二显示图片的实现方法具体可以包括:
提取多个轮廓中的一个轮廓,该一个轮廓为车辆轮廓,构建该车辆轮廓向中心方向的等距轮廓,确定该等距轮廓与车辆轮廓之间的区域为中间区域,提取中间区域的所有像素点的RGB值,确定中间区域的数量最多的第一RGB值以及第二RGB值,将该车辆轮廓内的所有像素点调整值该第二RGB值。
其中方法能够比较快速的将该车辆轮廓的内容去除,因为只需要对中间区域进行识别确定即可,无需对每个区域进行遍历,减少了计算量。
参阅图5为一种车辆轮廓识别示意图,依据图5所示,由于需要识别海量的车辆,因此该车辆识别的轮廓均为方形,对于方形的轮廓内的所有像素点,其一定包含车辆的像素点以及道路的像素点,通过分析发现,建立一个中间区域后,即有一个等距轮廓之间的区域以后,在中间区域内第一RGB值(即数量最大)一般为车辆的颜色对应的RGB值,而中间区域内的第二RGB值(即数量第二大)一般为道路的颜色对应的RGB值,为了去掉车辆的噪声,那么将该一个轮廓的所有像素点均替换成第二RGB值即能够去除掉车辆的噪声,从而对图片进行去除。
可选的,上述车辆轮廓在如图5所示的车辆轮廓的基础上,可以进行一些调整,该调整主要是为了避免太阳光照射的阴影对轮廓填充的影响,具体的调整方式为,依据拍照时间将该车辆轮廓的对应边向外拉伸x个像素点得到新的车辆轮廓,对新的车辆轮廓执行噪声去除处理。
上述对应边的确定方式为,如拍照时间为上午区间(一般为早上7-12点之间),无论车辆行驶方向为何种方向,确定对应边为车辆轮廓的西边缘线,如拍照时间为下午区间(一般为13-18点之间),无论车辆行驶方向为何种方向,确定对应边为车辆轮廓的东边缘线。
上述x的取值具体可以包括:
其中,α为第一显示图片的拍摄角度值,该β为太阳时角,该时角依据时间变化而变化,一般一个小时的变化角度为15°左右。
β=|t-12|*0.262
其中,t为当前时间值,h为车辆高度对应的像素点数量,h0为车辆在第一显示图片标准位置的车辆高度对应的像素点数量h0,(其可以依据经验测定),即该h0为定值,
那么h=h0*k*(γ/γ0);
其中k为调整系数(经验值),该γ为当前车辆轮廓中心点到图片上边缘的直线距离(如图5所示)对应的像素点数量,该γ0为设置值(即标准位置到图片上边缘的直线距离对应的像素点数量)。
对于其影子的长度,其具有如下几个因素,首先,是拍摄角度的影响,另外是太阳时角的影响,虽然太阳时角具有影子,但是如果太阳时角小于该拍摄角度,那么拍摄出的图片的影子是不明显的或者说被车辆阻挡了,只有在太阳时角大于拍摄角度的时候,拍摄的影子才会显现,将该影子划入新的轮廓中,才能够对该影子进行消除,另外,该车辆的位置对于影子在图片中的像素点的数量也具有一定的影响,因此通过计算h来去除车辆位置对于影子角度的影响,然后在依据对应的三角函数的计算即能够估算出拍摄影子的角度值。
本申请还提供一种图像处理系统,所述系统包括:
获取单元,用于获取三维全景实景的第一显示图片以及该第一显示图片对应的位置坐标;
处理单元,用于如该位置坐标包含道路时,将该显示图片输入到分类器中确定该显示图片中各个对象的类别以及各个对象的轮廓;获取与噪声列表匹配类别的多个对象的多个轮廓,对该多个轮廓的内容进行噪声去除处理得到第二显示图片,将该第二显示图片显示;
所述对该多个轮廓内容进行噪声去除处理得到第二显示图片具体包括:
将多个轮廓中每个轮廓的内容分别执行噪声去除步骤,该噪声去除步骤具体包括:
确定第一轮廓的范围,将该第一轮廓分成多个区域,对每个区域执行填充操作,该填充操作具体包括:
以一个区域的中心点为射线端点发射n条射线,获取n条射线与第一轮廓相交的n个点,将端点与n个点组成n个线段,提取n个线段中距离最短的第一线段,提取第一线段外侧的端点设定范围的RGB均值,将该一个区域的像素点的RGB值修改成该RGB均值;
对所有的区域执行填充操作即去除掉该第一轮廓的内容,遍历所有轮廓执行噪声去除步骤得到第二显示图片。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (3)
1.一种图像处理方法,其特征在于,所述方法包括如下步骤:
电子设备获取三维全景实景的第一显示图片以及该第一显示图片对应的位置坐标;
当该位置坐标包含道路时,电子设备将该第一显示图片输入到分类器中确定该显示图片中各个对象的类别以及各个对象的轮廓;
电子设备获取与噪声列表匹配类别的多个对象的多个轮廓,对该多个轮廓的内容进行噪声去除处理得到第二显示图片,将该第二显示图片显示;
所述对该多个轮廓内容进行噪声去除处理得到第二显示图片具体包括:
将多个轮廓中每个轮廓的内容分别执行噪声去除步骤,该噪声去除步骤具体包括:
确定第一轮廓的范围,将该第一轮廓分成多个区域,对每个区域执行填充操作,该填充操作具体包括:
以一个区域的中心点为射线端点发射n条射线,获取n条射线与第一轮廓相交的n个点,将端点与n个点组成n个线段,提取n个线段中距离最短的第一线段,提取第一线段外侧的端点设定范围的RGB均值,将该一个区域的像素点的RGB值修改成该RGB均值;
对所有的区域执行填充操作即去除掉该第一轮廓的内容,遍历所有轮廓执行噪声去除步骤得到第二显示图片。
2.一种图像处理系统,其特征在于,所述系统包括:
获取单元,用于获取三维全景实景的第一显示图片以及该第一显示图片对应的位置坐标;
处理单元,用于当该位置坐标包含道路时,将该第一显示图片输入到分类器中确定该显示图片中各个对象的类别以及各个对象的轮廓;获取与噪声列表匹配类别的多个对象的多个轮廓,对该多个轮廓的内容进行噪声去除处理得到第二显示图片,将该第二显示图片显示;
所述对该多个轮廓内容进行噪声去除处理得到第二显示图片具体包括:
将多个轮廓中每个轮廓的内容分别执行噪声去除步骤,该噪声去除步骤具体包括:
确定第一轮廓的范围,将该第一轮廓分成多个区域,对每个区域执行填充操作,该填充操作具体包括:
以一个区域的中心点为射线端点发射n条射线,获取n条射线与第一轮廓相交的n个点,将端点与n个点组成n个线段,提取n个线段中距离最短的第一线段,提取第一线段外侧的端点设定范围的RGB均值,将该一个区域的像素点的RGB值修改成该RGB均值;
对所有的区域执行填充操作即去除掉该第一轮廓的内容,遍历所有轮廓执行噪声去除步骤得到第二显示图片。
3.一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910865745.7A CN110660030B (zh) | 2019-09-12 | 2019-09-12 | 图像处理方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910865745.7A CN110660030B (zh) | 2019-09-12 | 2019-09-12 | 图像处理方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110660030A CN110660030A (zh) | 2020-01-07 |
CN110660030B true CN110660030B (zh) | 2021-02-05 |
Family
ID=69037355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910865745.7A Active CN110660030B (zh) | 2019-09-12 | 2019-09-12 | 图像处理方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110660030B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932666B (zh) * | 2020-07-17 | 2024-04-26 | 北京字节跳动网络技术有限公司 | 房屋三维虚拟图像的重建方法、装置和电子设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361628B (zh) * | 2014-11-27 | 2017-07-07 | 广西界围信息科技有限公司 | 一种基于航空倾斜摄影测量的三维实景建模系统 |
CN105488460A (zh) * | 2015-11-24 | 2016-04-13 | 成都四象联创科技有限公司 | 基于生理特征的图像处理方法 |
CN108010035A (zh) * | 2017-11-07 | 2018-05-08 | 深圳市金城保密技术有限公司 | 基于方向谷形检测的指静脉图像分割方法及其系统、终端 |
CN107862664A (zh) * | 2017-11-15 | 2018-03-30 | 广东交通职业技术学院 | 一种图像非真实感绘制方法及系统 |
CN109886973B (zh) * | 2019-01-25 | 2021-01-08 | 杭州晟视科技有限公司 | 一种血管提取方法、装置及计算机可读存储介质 |
-
2019
- 2019-09-12 CN CN201910865745.7A patent/CN110660030B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110660030A (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200090390A1 (en) | Mosaic oblique images and systems and methods of making and using same | |
EP2910899B1 (en) | A method and a system for building a three-dimensional model from satellite images | |
CN103226830B (zh) | 三维虚实融合环境中视频纹理投影的自动匹配校正方法 | |
CN113192179B (zh) | 一种基于双目立体视觉的三维重建方法 | |
CN109255808B (zh) | 基于倾斜影像的建筑物纹理提取方法和装置 | |
CN109660783A (zh) | 虚拟现实视差校正 | |
CN110858414A (zh) | 图像处理方法、装置、可读存储介质与增强现实系统 | |
US20120275698A1 (en) | Method of Orthoimage Color Correction Using Multiple Aerial Images | |
CN106780629A (zh) | 一种三维全景数据采集、建模方法 | |
CN112233049B (zh) | 一种用于提升图像清晰度的图像融合方法 | |
CN108182212A (zh) | 一种基于航空摄影的相片地图调度方法与显示系统 | |
CN114143528A (zh) | 多视频流融合方法、电子设备、存储介质 | |
CN108629742B (zh) | 真正射影像阴影检测与补偿方法、装置及存储介质 | |
CN102822874A (zh) | 基于地基图像和从天上拍摄的图像的组合的三维模型方法 | |
CN110245199A (zh) | 一种大倾角视频与2d地图的融合方法 | |
CN113223070A (zh) | 一种深度图像增强处理方法及装置 | |
CN110660030B (zh) | 图像处理方法以及装置 | |
CN107958489B (zh) | 一种曲面重建方法及装置 | |
CN114897684A (zh) | 车辆图像的拼接方法、装置、计算机设备和存储介质 | |
CN109767484A (zh) | 一种三维贴图中具有色彩一致性的匀光匀色方法及系统 | |
CN113781512A (zh) | 图像边界识别方法、装置、设备、系统和存储介质 | |
US20150213636A1 (en) | Method and image processing system for removing a visual object from an image | |
CN107945196A (zh) | 一种用于航拍校正图像拼接的图像边沿检测方法 | |
CN114742726A (zh) | 盲区的检测方法、装置、电子设备及存储介质 | |
CN113870365B (zh) | 相机标定方法、装置、设备以及存储介质 |
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 |