CN110717576A - 图像处理方法、装置和设备 - Google Patents
图像处理方法、装置和设备 Download PDFInfo
- Publication number
- CN110717576A CN110717576A CN201810770150.9A CN201810770150A CN110717576A CN 110717576 A CN110717576 A CN 110717576A CN 201810770150 A CN201810770150 A CN 201810770150A CN 110717576 A CN110717576 A CN 110717576A
- Authority
- CN
- China
- Prior art keywords
- image
- target range
- trajectory
- determining
- size
- 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 9
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims description 37
- 238000003860 storage Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000002372 labelling Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000019771 cognition Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- 241001422033 Thestylus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/62—Control of parameters via user interfaces
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Image Processing (AREA)
- Storing Facsimile Image Data (AREA)
- Processing Or Creating Images (AREA)
Abstract
提供了一种图像处理方法、装置和设备。所述方法包括：接收操作输入；基于操作输入，从待处理图像中确定目标范围；在目标范围内，生成预定数量的预定大小的剪裁图像，其中，目标范围的大小与剪裁图像的大小成预定比例。
Description
技术领域
本申请涉及图像处理领域，并且具体涉及一种图像处理方法、图像处理装置、图像处理设备以及计算机可读存储介质。
背景技术
深度神经网络是一种大规模、多参数优化的工具。依靠大量的训练数据，深度神经网络能够通过学习，确定数据中难以总结的隐藏特征，从而完成多项复杂的任务，如人脸检测、图像语义分割、物体检测、动作追踪、自然语言翻译等。
当前，已经将深度神经网络用于物体表面裂纹检测这样的复杂任务中，并且预期能够实现比人眼检测更高的检测精度。为了获取用于裂纹检测神经网络模型，需要预先使用大量已标注裂纹的训练图像(即，训练数据)对神经网络进行训练。因此，基于深度神经网络的裂纹检测的性能和效果很大程度依赖所提供的训练数据。在现有技术中，通常由大量工作人员进行人工标注图像中的裂纹来获得训练数据。然而，人工标注图像得到的训练数据可能存在理论认知错误和视觉错误，这些都可能会导致得到的训练数据不准确，并且大量的训练数据需要工作人员花费较长的时间，给工作人员带来极大的精神以及视觉负担，易产生错误的标注，不适用于工业生产。
发明内容
鉴于上述问题而提出了本公开。本公开提供了一种图像处理方法、图像处理装置、图像处理设备以及计算机可读存储介质。
根据本公开的一个方面，提供了一种图像处理方法，包括：接收操作输入；基于所述操作输入，从待处理图像中确定目标范围；在所述目标范围内，生成预定数量的预定大小的剪裁图像，其中，所述目标范围的大小与所述剪裁图像的大小成预定比例。
根据本公开的一个方面，提供了一种图像处理装置，包括：操作输入接收单元，配置为接收操作输入；目标范围确定单元，配置为基于所述操作输入，从待处理图像中确定目标范围；剪裁图像生成单元，配置为在所述目标范围内，生成预定数量的预定大小的剪裁图像，其中，所述目标范围的大小与所述剪裁图像的大小成预定比例。
根据本公开的一个方面，提供了一种图像处理设备，包括：存储器，配置为存储计算机可读指令；以及处理器，配置为运行存储在所述存储器中的所述计算机可读指令，其中，所述处理器运行所述计算机可读指令时执行以下步骤：接收操作输入；基于所述操作输入，从待处理图像中确定目标范围；在所述目标范围内，生成预定数量的预定大小的剪裁图像，其中，所述目标范围的大小与所述剪裁图像的大小成预定比例。
根据本公开的一个方面，提供了一种计算机可读存储介质，其上存储计算机可读指令，当所述计算机可读指令由计算机执行时，所述计算机执行以下步骤：接收操作输入；基于所述操作输入，从待处理图像中确定目标范围；在所述目标范围内，生成预定数量的预定大小的剪裁图像，其中，所述目标范围的大小与所述剪裁图像的大小成预定比例。
在本公开的上述方面中，只需要用户进行简单的操作输入，便可以自动、准确地生成剪裁图像，由此为深度神经网络提供带标注的训练用图像(训练数据)，同时减少理论认知错误和视觉错误以及降低人工标注成本。
附图说明
通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1是用于实现本公开实施例的图像处理方法的流程图；
图2是根据本公开的第一实施例的从待处理图像中确定目标范围的示例；
图3是根据本公开的第二实施例的从待处理图像中确定目标范围的流程图；
图4(a)-(b)是根据本公开的第二实施例的从待处理图像中确定目标范围的示例；
图5是根据本公开的第一实施例的生成剪裁图像的过程的示意图；
图6是根据本公开的第二实施例的生成剪裁图像的过程的示意图；
图7是根据本公开实施例的图像处理装置的示意图；
图8是根据本公开实施例的图像处理设备的示意图；
图9是根据本公开实施例的计算机可读存储介质的示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
首先，参照图1来描述用于实现本公开实施例的图像处理方法。该方法可以由计算机执行。通过该方法，只需要用户进行简单的操作输入，便可以自动、准确地生成剪裁图像，由此为深度神经网络提供带标注的训练用图像。
如图1所示，在步骤S101中，接收用户的操作输入。
该接收操作输入的方法有多种，例如，可以通过跟踪鼠标在图像上相应位置的点击和滑动来接收操作输入，或者也可以通过跟踪连接到计算机的手写笔的点击和滑动来接收操作输入。可以理解的是，上述接收操作输入的方法只是示例，可以根据实际情况灵活选择。
在步骤S102中，基于该操作输入，从待处理图像中确定目标范围，其中，该目标范围的大小与剪裁图像的大小成预定比例。
在本公开的第一实施例中，操作输入可以用于指定待处理图像中的特定点，从待处理图像中确定目标范围包括：以该特定点为中心，确定该目标范围。
首先，例如，操作输入可以对应于用户通过鼠标或者手写笔在待处理图像上的点击，该点击指定了待处理图像中的特定点。例如，当用户想要通过图像处理标注工业应用中的物体的裂纹时，该操作输入用于指定待处理图像中的由用户点击的图像中的裂纹上或者裂纹附近的特定点。
接下来，以该特定点为中心确定目标范围，其中，目标范围的大小与剪裁图像的大小成预定比例，该剪裁图像的大小是用户需要的图像的大小。例如，在本实施例中，可以以该特定点为中心，将半径为特定值的圆形区域确定为目标范围，其中，该圆形区域的大小大于剪裁图像的大小。作为另一个示例，也可以以该特定点为中心，将大小大于剪裁图像的大小的正方形确定为目标范围，以使得生成的正方形目标范围可以完全覆盖剪裁图像。作为又一个示例，还可以以该特定点为中心，将长和宽与剪裁图像的长和宽成预定比例值的矩形确定为目标范围，其中，该预定比例值大于1，以使得生成的目标范围可以完全覆盖剪裁图像。可以理解，上述目标范围的形状仅仅是示例，可以根据需要灵活选择所需要的目标范围的形状。
图2是根据本公开的第一实施例的从待处理图像中确定目标范围的示例。
如图2所示，计算机根据用户通过鼠标或者手写笔在待处理图像上的点击指定待处理图像中的特定点20(以圆点表示)，然后计算机以该特定点20为中心，将矩形区域确定为目标范围22，其中，该目标范围22的长和宽与剪裁图像21的长和宽成预定比例值，该预定比例值大于1。例如，该预定比例值可以为任意大于1的数。例如，当剪裁图像21的大小为96×96像素时，目标范围可以确定为128×128像素。
可替代地，该预定比例值可以根据需要确定为3/2、2或3等，以从目标范围内选出用户期望的剪裁图像。但是，当选择的预定比例值过大时，可能导致从目标图像中选出过多用户不需要的剪裁图像，造成储存空间的浪费，当选择的预定比例值约等于1时，可能导致从目标图像中选出的剪裁照片过多的重复。因此，应该根据需要灵活确定预定比例值。
在本公开的第二实施例中，操作输入可以用于指定待处理图像中的特定轨迹，从待处理图像中确定目标范围包括：基于特定轨迹确定轨迹范围；以剪裁图像的大小为步长遍历轨迹范围；以每个该步长为中心，确定与每个该步长对应的目标范围。例如，操作输入可以对应于用户通过鼠标或者手写笔在待处理图像上的滑动，该滑动指定了待处理图像中的特定轨迹。例如，当用户想要通过图像处理标注工业应用中的物体的裂纹时，该操作输入用于指定待处理图像中的用户在裂纹上滑动的轨迹。
图3是根据本公开的第二实施例的从待处理图像中确定目标范围的流程图。
如图3所示，在步骤S201中，基于特定轨迹确定轨迹范围。例如，可以根据特定轨迹的起始位置和终止位置来确定该轨迹范围。可以理解，确定轨迹范围的方式不限于此，还可以根据其他方式来确定轨迹范围。
在步骤S202中，在确定了轨迹范围后，以剪裁图像的大小为步长遍历轨迹范围。例如，以剪裁图像的大小为步伐，在轨迹范围中横向和纵向地遍历该轨迹范围。其中，遍历轨迹范围是的剪裁图像重叠的程度可以是随机的，也可以是根据需要预先设置的。
在步骤S203中，以每个步长为中心，以如本公开的第一实施例的方式确定与每个步长对应的目标范围。例如，以每个步伐的中心作为本公开的第一实施例中的特定点来确定目标范围，该目标范围的大小与剪裁图像的大小成预定比例。
图4(a)-(b)是根据本公开的第二实施例的从待处理图像中确定目标范围的示例。
如图4(a)所示，计算机根据用户通过鼠标或者手写笔在待处理图像上的滑动指定待处理图像中的特定轨迹31，然后例如根据该特定轨迹31的起始位置和终止位置确定轨迹范围30。
如图4(b)所示，在确定了轨迹范围30后，以剪裁图像32为步伐，同时在横向上和纵向上遍历轨迹范围30。剪裁图像33和剪裁图像34表示在横向上遍历轨迹范围30的示例。接下来，再以每个步长为中心，以每个步伐的中心作为本公开的第一实施例中的特定点来确定目标范围，该目标范围的大小与剪裁图像的大小成预定比例，例如该目标范围(未示出)可以是圆形、三角形、正方形或者矩形。
返回参考图1，在步骤S103中，在目标范围内，生成预定数量的预定大小的剪裁图像。
例如，在确定了目标范围后，可以在目标范围内随机生成预定数量的预定大小的剪裁图像。可替代地，也可以预先设定在目标范围的不同位置处生成的剪裁图像的数量。例如可以预先设定在目标范围中心生成的剪裁图像的数量大于在目标范围边缘的数量。此外，生成的剪裁图像的数量和大小可以根据用户的需要预先设定。
在生成剪裁图像后，可以由计算机自动命名并保存所生成的剪裁图像。例如，当用户想要在工业应用中使用该方法来标注裂纹时，在生成剪裁图像后，计算机自动将生成的剪裁图像命名为“裂纹”，并保存到计算机上相应的目标路径。
此外，还可以根据不同的操作自动设置不同的标签。作为一个示例，可以根据鼠标的左右键设定多个标签。例如，当计算机接收到鼠标的左键的点击和滑动时，通过上述方法生成的剪裁图像自动标注为“裂纹”，并自动保存到相应的目标路径，当计算机接收到鼠标的右键的点击和滑动时，通过上述方法生成的剪裁图像自动标注为“非裂纹”，并自动保存到与“裂纹”目标路径不同的目标路径中。作为另一个示例，可以根据键盘的输入设定多个标签。例如，可以对键盘上不同的输入提前设定不同的标签种类，当通过键盘进行输入时，最终生成的剪裁图像可以被自动命名并保存到对应的标签种类的目标路径中。应该注意的是，以上设置标签的方法不限于此，可以根据需要通过不同的方法设置不同的标签。
图5是根据本公开的第一实施例的生成剪裁图像的过程的示意图。
如图5所示，计算机接收用户的操作输入，该操作输入用于指定待处理图像(左侧图像)中的特定点。基于该操作输入，计算机从待处理图像中确定目标范围，该目标范围的大小与所需的剪裁图像(右侧的图像)的大小成预定比例，例如，目标范围的大小可以是剪裁图像大小的2倍、3倍等。在确定了目标范围后，在该目标范围内，生成预定数量的预定大小的用户期望的剪裁图像。在生成剪裁图像后，可以由计算机自动命名并保存所生成的剪裁图像。
图6是根据本公开的第二实施例的生成剪裁图像的过程的示意图。
如图6所示，计算机接收用户的操作输入，该操作输入用于指定待处理图像(左侧图像)中的特定轨迹。基于该特定轨迹确定轨迹范围，例如，该轨迹范围可以是通过特定轨迹的起始位置和终止位置确定的。在确定了轨迹范围后，以用户所需的剪裁图像(右侧的图像)的大小为步长遍历上述轨迹范围。最后以每个该步长为中心，确定与每个该步长对应的目标范围。该确定目标范围的方法例如可以包括以上述第一实施例的方法确定目标范围。例如，以每个步伐的中心作为上述第一实施例中的特定点来确定目标范围。在确定了目标范围后，在该目标范围内，生成预定数量的预定大小的用户期望的剪裁图像。在生成剪裁图像后，可以由计算机自动命名并保存所生成的剪裁图像。
下面，参照图7描述根据本公开实施例的图像处理装置。图7是根据本公开实施例的图像处理装置的示意图。由于本实施例的图像处理装置的功能与在上文中参照图1描述的方法的细节相同，因此在这里为了简单起见，省略对相同内容的详细描述。
如图7所示，图像处理装置1000包括操作输入接收单元1001、目标范围确定单元1002、剪裁图像生成单元1003和剪裁图像存储单元1004。需要注意的是，尽管在图7中图像处理装置1000被示出为只包括4个单元，但这只是示意性的，图像处理装置1000也可以包括一个或多个其他单元，这些单元与发明构思无关，因此在这里被省略。
操作输入接收单元1001可以接收用户的操作输入。
该接收操作输入的方法有多种，例如，可以通过跟踪鼠标在图像上相应位置的点击和滑动来接收操作输入，或者也可以通过跟踪手写笔的点击和滑动来接收操作输入。可以理解的是，上述接收操作输入的方法只是示例，可以根据实际情况灵活选择。
目标范围确定单元1002可以基于该操作输入，从待处理图像中确定目标范围，其中，该目标范围的大小与该剪裁图像的大小成预定比例。
在本公开的第一实施例中，操作输入可以用于指定待处理图像中的特定点，该从待处理图像中确定目标范围包括：以该特定点为中心，确定该目标范围。
首先，例如，操作输入可以对应于用户通过鼠标或者手写笔在待处理图像上的点击，该点击指定了待处理图像中的特定点。
接下来，以该特定点为中心确定目标范围，其中，目标范围的大小与剪裁图像的大小成预定比例，该剪裁图像的大小是用户需要的图像的大小。例如，在本实施例中，可以以该特定点为中心，将半径为特定值的圆形区域确定为目标范围，其中，该圆形区域的大小大于剪裁图像的大小。作为另一个示例，也可以以该特定点为中心，将大小大于剪裁图像的大小的正方形确定为目标范围，以使得生成的正方形目标范围可以完全覆盖剪裁图像。作为又一个示例，还可以以该特定点为中心，将长和宽与剪裁图像的长和宽成预定比例值的矩形确定为目标范围，其中，该预定比例值大于1，以使得生成的目标范围可以完全覆盖剪裁图像。可以理解，上述目标范围的形状仅仅是示例，可以根据需要灵活选择所需要的目标范围的形状。
在本公开的第二实施例中，操作输入可以用于指定待处理图像中的特定轨迹，从待处理图像中确定目标范围包括：基于特定轨迹确定轨迹范围；以剪裁图像的大小为步长遍历轨迹范围；以每个该步长为中心，确定与每个该步长对应的目标范围。
首先，例如，操作输入可以对应于用户通过鼠标或者手写笔在待处理图像上的滑动，该滑动指定了待处理图像中的特定轨迹。
接下来，基于特定轨迹确定轨迹范围。例如，可以根据特定轨迹的起始位置和终止位置来确定该轨迹范围。可以理解，确定轨迹范围的方式不限于此，还可以根据其他方式来确定轨迹范围。
在确定了轨迹范围后，以剪裁图像的大小为步长遍历轨迹范围。例如，以剪裁图像的大小为步伐，在轨迹范围中横向和纵向地遍历该轨迹范围。
最后，以每个步长为中心，以如本公开的第一实施例的方式确定与每个步长对应的目标范围。
剪裁图像生成单元1003在目标范围内生成预定数量的预定大小的剪裁图像。
例如，在确定了目标范围后，剪裁图像生成单元1003可以在目标范围内随机生成预定数量的预定大小的剪裁图像。可替代地，也可以预先设定在目标范围的不同位置处生成的剪裁图像的数量。例如可以预先设定在目标范围中心生成的剪裁图像的数量大于在目标范围边缘的数量。此外，生成的剪裁图像的数量和大小可以根据用户的需要预先设定。
在生成剪裁图像后，可以由剪裁图像存储单元1004保存自动命名的剪裁图像。
下面，参照图8描述根据本公开实施例的图像处理设备。图8是根据本公开实施例的图像处理设备的示意图。由于本实施例的图像处理设备的功能与在上文中参照图1描述的方法的细节相同，因此在这里为了简单起见，省略对相同内容的详细描述。
如图8所示，图像处理设备1100包括存储器1101和处理器1102。需要注意的是，尽管在图8中图像处理设备1100被示出为只包括2个设备，但这只是示意性的，图像处理设备1100也可以包括一个或多个其他设备，这些设备与发明构思无关，因此在这里被省略。
本公开的图像处理设备1100包括：配置为存储计算机可读指令的存储器1101；以及配置为处理运行存储在该存储器中的该计算机可读指令的处理器1102，其中，该处理器1102处理运行该计算机可读指令时执行以下功能步骤：接收操作输入；基于该操作输入，从待处理图像中确定目标范围；该目标范围内，生成预定数量的预定大小的剪裁图像，其中，该目标范围的大小与该剪裁图像的大小成预定比例。
在本公开的第一实施例中，操作输入用于指定该待处理图像中的特定点，该从待处理图像中确定目标范围包括：以该特定点为中心，确定该目标范围。
在本公开的第二实施例中，操作输入用于指定该待处理图像中的特定轨迹，该从待处理图像中确定目标范围包括：基于该特定轨迹确定轨迹范围；以该剪裁图像的大小为步长遍历该轨迹范围；以每个该步长为中心，确定与每个该步长对应的目标范围。其中，基于该特定轨迹确定轨迹范围包括基于该特定轨迹的起始位置和终止位置来确定该轨迹范围。
在确定了目标范围后，从该目标范围内随机生成预定数量的预定大小的剪裁图像，并且由存储器1101保存自动命名的该剪裁图像。
图9是根据本公开实施例的计算机可读存储介质的示意图。
如图9所示，本公开还包括一种计算机可读存储介质1200，其上存储计算机可读指令1201，当该计算机可读指令由计算机执行时，该计算机执行以下步骤：接收操作输入；基于该操作输入，从待处理图像中确定目标范围；在该目标范围内，生成预定数量的预定大小的剪裁图像，其中，该目标范围的大小与该剪裁图像的大小成预定比例。
可以看出，在本公开的上述方面中，可以由接收用户的操作输入(例如，鼠标或手写笔的点击或滑动)，然后基于该操作输入，从待处理图像中确定诸如圆形、三角形、矩形的目标范围，在该目标范围内，由计算机生成预定数量的预定大小的剪裁图像，其中，目标范围的大小与剪裁图像的大小成预定比例。通过该方法，可以实现只需少量工作人员的操作输入，便可以自动、准确地生成剪裁图像，由此为神经网络提供带标注的训练用图像，实现减少理论认知错误和视觉错误以及降低人工标注成本。
本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本公开所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
以上是对本公开的说明，而不应被认为是对其的限制。尽管描述了本公开的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本公开的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本公开范围内。应当理解，上面是对本公开的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本公开由权利要求书及其等效物限定。
Claims (19)
1.一种图像处理方法，包括：
接收操作输入；
基于所述操作输入，从待处理图像中确定目标范围；
在所述目标范围内，生成预定数量的预定大小的剪裁图像，
其中，所述目标范围的大小与所述剪裁图像的大小成预定比例。
2.根据权利要求1所述的方法，其中，所述操作输入用于指定所述待处理图像中的特定点，
所述从待处理图像中确定目标范围包括：
以所述特定点为中心，确定所述目标范围。
3.根据权利要求1所述的方法，其中，所述操作输入用于指定所述待处理图像中的特定轨迹，
所述从待处理图像中确定目标范围包括：
基于所述特定轨迹确定轨迹范围；
以所述剪裁图像的大小为步长遍历所述轨迹范围；
以每个所述步长为中心，确定与每个所述步长对应的目标范围。
4.根据权利要求3所述的方法，其中，所述基于所述特定轨迹确定轨迹范围包括基于所述特定轨迹的起始位置和终止位置来确定所述轨迹范围。
5.根据权利要求1-4的任一项所述的方法，还包括：
从所述目标范围内随机生成预定数量的预定大小的剪裁图像。
6.根据权利要求5所述的方法，还包括：
自动命名并保存所生成的所述剪裁图像。
7.一种图像处理装置，包括：
操作输入接收单元，配置为接收操作输入；
目标范围确定单元，配置为基于所述操作输入，从待处理图像中确定目标范围；
剪裁图像生成单元，配置为在所述目标范围内，生成预定数量的预定大小的剪裁图像，
其中，所述目标范围的大小与所述剪裁图像的大小成预定比例。
8.根据权利要求7所述的图像处理装置，其中，所述操作输入用于指定所述待处理图像中的特定点，
所述目标范围确定单元以所述特定点为中心，确定所述目标范围。
9.根据权利要求7所述的图像处理装置，其中，所述操作输入用于指定所述待处理图像中的特定轨迹，
所述目标范围确定单元基于所述特定轨迹确定轨迹范围；
以所述剪裁图像的大小为步长遍历所述轨迹范围；
以每个所述步长为中心，确定与每个所述步长对应的目标范围。
10.根据权利要求9所述的图像处理装置，其中，所述确定单元基于所述特定轨迹的起始位置和终止位置来确定所述轨迹范围。
11.根据权利要求7-10的任一项所述的图像处理装置，其中，所述剪裁图像生成单元从所述目标范围内随机生成预定数量的预定大小的剪裁图像。
12.根据权利要求11所述的图像处理装置，还包括：
剪裁图像存储单元，用于保存自动命名的所述剪裁图像。
13.一种图像处理设备，包括：
存储器，配置为存储计算机可读指令；以及
处理器，配置为运行存储在所述存储器中的所述计算机可读指令，
其中，所述处理器运行所述计算机可读指令时执行以下步骤：
接收操作输入；
基于所述操作输入，从待处理图像中确定目标范围；
在所述目标范围内，生成预定数量的预定大小的剪裁图像，
其中，所述目标范围的大小与所述剪裁图像的大小成预定比例。
14.根据权利要求13所述的图像处理设备，其中，所述操作输入用于指定所述待处理图像中的特定点，
所述从待处理图像中确定目标范围包括：
以所述特定点为中心，确定所述目标范围。
15.根据权利要求13所述的图像处理设备，其中，所述操作输入用于指定所述待处理图像中的特定轨迹，
所述从待处理图像中确定目标范围包括：
基于所述特定轨迹确定轨迹范围；
以所述剪裁图像的大小为步长遍历所述轨迹范围；
以每个所述步长为中心，确定与每个所述步长对应的目标范围。
16.根据权利要求15所述的图像处理设备，其中，所述基于所述特定轨迹确定轨迹范围包括基于所述特定轨迹的起始位置和终止位置来确定所述轨迹范围。
17.根据权利要求13-16的任一项所述的图像处理设备，还包括：
从所述目标范围内随机生成预定数量的预定大小的剪裁图像。
18.根据权利要求17所述的图像处理设备，其中，所述存储器保存自动命名的所述剪裁图像。
19.一种计算机可读存储介质，其上存储计算机可读指令，当所述计算机可读指令由计算机执行时，所述计算机执行以下步骤：
接收操作输入；
基于所述操作输入，从待处理图像中确定目标范围；
在所述目标范围内，生成预定数量的预定大小的剪裁图像，
其中，所述目标范围的大小与所述剪裁图像的大小成预定比例。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810770150.9A CN110717576B (zh) | 2018-07-13 | 2018-07-13 | 图像处理方法、装置和设备 |
| JP2019128083A JP7386007B2 (ja) | 2018-07-13 | 2019-07-10 | 画像処理方法、画像処理装置及び画像処理機器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810770150.9A CN110717576B (zh) | 2018-07-13 | 2018-07-13 | 图像处理方法、装置和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110717576A true CN110717576A (zh) | 2020-01-21 |
| CN110717576B CN110717576B (zh) | 2024-05-28 |
Family
ID=69170720
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810770150.9A Active CN110717576B (zh) | 2018-07-13 | 2018-07-13 | 图像处理方法、装置和设备 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP7386007B2 (zh) |
| CN (1) | CN110717576B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114205515A (zh) * | 2020-09-18 | 2022-03-18 | 荣耀终端有限公司 | 一种视频的防抖处理方法及电子设备 |
| CN114444622A (zh) * | 2022-04-11 | 2022-05-06 | 中国科学院微电子研究所 | 一种基于神经网络模型的水果检测系统和方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009266061A (ja) * | 2008-04-28 | 2009-11-12 | Panasonic Corp | 画像処理装置、画像処理方法および画像伝送システム |
| JP2010198476A (ja) * | 2009-02-26 | 2010-09-09 | Omron Corp | 欠陥検出装置、欠陥検出方法および欠陥検出プログラム |
-
2018
- 2018-07-13 CN CN201810770150.9A patent/CN110717576B/zh active Active
-
2019
- 2019-07-10 JP JP2019128083A patent/JP7386007B2/ja active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009266061A (ja) * | 2008-04-28 | 2009-11-12 | Panasonic Corp | 画像処理装置、画像処理方法および画像伝送システム |
| JP2010198476A (ja) * | 2009-02-26 | 2010-09-09 | Omron Corp | 欠陥検出装置、欠陥検出方法および欠陥検出プログラム |
Non-Patent Citations (1)
| Title |
|---|
| 祁广云;马晓丹;: "基于图像处理的任意封闭区域的剪裁技术", 黑龙江八一农垦大学学报, no. 06, 25 December 2005 (2005-12-25) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114205515A (zh) * | 2020-09-18 | 2022-03-18 | 荣耀终端有限公司 | 一种视频的防抖处理方法及电子设备 |
| US11750926B2 (en) | 2020-09-18 | 2023-09-05 | Honor Device Co., Ltd. | Video image stabilization processing method and electronic device |
| CN114444622A (zh) * | 2022-04-11 | 2022-05-06 | 中国科学院微电子研究所 | 一种基于神经网络模型的水果检测系统和方法 |
| CN114444622B (zh) * | 2022-04-11 | 2022-06-17 | 中国科学院微电子研究所 | 一种基于神经网络模型的水果检测系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110717576B (zh) | 2024-05-28 |
| JP2020013567A (ja) | 2020-01-23 |
| JP7386007B2 (ja) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108460014A (zh) | 企业实体的识别方法、装置、计算机设备及存储介质 | |
| US20170343983A1 (en) | System and method for generating machining control data of numerical control machine tool | |
| CN105551492A (zh) | 语音控制的方法、装置与终端 | |
| US11036915B2 (en) | Dynamic font similarity | |
| CN103324620A (zh) | 一种对标注结果进行纠偏的方法和装置 | |
| US8904352B2 (en) | Systems and methods for processing source code during debugging operations | |
| CN103995880A (zh) | 交互式搜索方法和装置 | |
| JP6117760B2 (ja) | 静的解析警告のユーザインタフェース使用可能レビューを促進するシステム及び方法 | |
| CN114595343B (zh) | 图谱展示方法、装置、存储介质及电子设备 | |
| US11790953B2 (en) | Smart summarization, indexing, and post-processing for recorded document presentation | |
| CN110717576A (zh) | 图像处理方法、装置和设备 | |
| CN111523174B (zh) | 船体图纸中开孔的自动绘制方法、系统、设备和存储介质 | |
| CN108446115A (zh) | 一种代码复用的方法及装置 | |
| CN110362596A (zh) | 一种文本抽取信息结构化数据处理的控制方法及装置 | |
| US11663103B2 (en) | Automatic control identification | |
| CN112307145A (zh) | 一种历史地图数据的批量更新方法及装置、介质、设备 | |
| US10747794B2 (en) | Smart search for annotations and inking | |
| US20160063744A1 (en) | Data Quality Test and Report Creation System | |
| US20200394058A1 (en) | Systems and methods for automated real-time selection and display of guidance elements in computer implemented sketch training environments | |
| CN104268244A (zh) | 处理表单的方法及装置 | |
| CN107301226A (zh) | 一种问答系统中检索自模块的自动评价方法 | |
| US20160335327A1 (en) | Context Aware Suggestion | |
| CN115599908A (zh) | 非结构化数据文档的标注方法及系统 | |
| CN110334430B (zh) | 图纸中电缆托架的自动标注方法、系统、设备和存储介质 | |
| US20140114645A1 (en) | Information management systems and methods |
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 |