CN110764090A - 图像处理方法、装置、计算机设备及可读存储介质 - Google Patents
图像处理方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN110764090A CN110764090A CN201911006795.6A CN201911006795A CN110764090A CN 110764090 A CN110764090 A CN 110764090A CN 201911006795 A CN201911006795 A CN 201911006795A CN 110764090 A CN110764090 A CN 110764090A
- Authority
- CN
- China
- Prior art keywords
- matrix
- label
- value
- pixel value
- target cloud
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 412
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000007781 pre-processing Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 231100000225 lethality Toxicity 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
- G01S13/955—Radar or analogous systems specially adapted for specific applications for meteorological use mounted on satellite
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Image Processing (AREA)
Abstract
本申请提供图像处理方法、装置、计算机设备及可读存储介质，该方法包括：对初始云图矩阵进行预处理，得到目标云图矩阵，对每个目标云图矩阵中的像素值配置相应的标签数值，得到目标云图标签矩阵，根据所有目标云图标签矩阵，得到最大标签数值集，从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值，根据所述中间标签数值获取对流初生图矩阵，根据所述对流初生图矩阵得到目标对流初生位置矩阵；该方法可以通过雷达云图对应的多个数据来预测对流初生时刻和位置，使得预测到的对流发生的初始时刻和位置的准确度较高。
Description
技术领域
本申请涉及图像处理技术领域，特别是涉及一种图像处理方法、装置、计算机设备及可读存储介质。
背景技术
强对流天气是气象学上所指的发生突然、天气剧烈、破坏力极强，常伴有雷雨大风、冰雹、龙卷风、局部强降雨等强烈对流性灾害天气，是具有重大杀伤性的灾害性天气之一。提前预测出强对流天气的发生可以有效减少灾害损失，所以气象预报机构非常关注对流发生的初始时刻。
传统技术中，利用卫星云图来推算出对流发生的初始时刻。但是，传统的方法分析结果比较片面，导致预测到的对流发生的初始时刻的准确度降低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高预测到的对流发生的初始时刻准确度的图像处理方法、装置、计算机设备及可读存储介质。
本申请实施例提供一种图像处理方法，所述方法包括：
对初始云图矩阵进行预处理，得到目标云图矩阵，所述初始云图矩阵包括连续M帧雷达云图对应的像素值；
对每个目标云图矩阵中的像素值配置相应的标签数值，得到目标云图标签矩阵；
根据所有目标云图标签矩阵，得到最大标签数值集；
从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值；
根据所述中间标签数值获取对流初生图矩阵；
根据所述对流初生图矩阵得到目标对流初生位置矩阵。
在其中一个实施例中，所述对所述目标云图矩阵中的像素值配置相应的标签数值，得到所述目标云图标签矩阵，包括：
遍历每个目标云图矩阵中的像素值，并判断所述目标云图矩阵中的像素值是否为无效像素值；
若是，则将一维目标云图矩阵中的无效像素值配置第一标签数值后，将所述无效像素值和所述第一标签数值存储至初始云图标签矩阵中，得到多个二维目标云图标签矩阵。
在其中一个实施例中，所述方法还包括：
若否，则继续判断在第一方向上与所述目标云图矩阵中的像素值相邻的第一像素值，以及在第二方向上与所述目标云图矩阵中的像素值相邻的第二像素值是否均为有效像素值；
若是，则对一维目标云图矩阵中的有效像素值配置第二标签数值，将所述像素值和所述第二标签数值存储至初始云图标签矩阵中，得到多个二维目标云图标签矩阵。
在其中一个实施例中，所述方法还包括：
若否，则继续判断在第一方向上与所述目标云图矩阵中的像素值相邻的第一像素值，以及在第二方向上与所述目标云图矩阵中的像素值相邻的第二像素值是否均为无效像素值；
若是，则对一维目标云图矩阵中的有效像素值配置第三标签数值，将所述像素值和所述第三标签数值存储至初始云图标签矩阵中，得到多个二维目标云图标签矩阵，所述第三标签数值等于所述第二标签数值加1；
根据所述第三标签数值得到第二标签数值，继续遍历所述目标云图矩阵中的下一个像素值，执行所述判断所述目标云图矩阵中的像素值是否为无效像素值，直到遍历完所述目标云图矩阵中的所有像素值为止，得到所述目标云图标签矩阵。
在其中一个实施例中，所述根据所述目标云图标签矩阵，得到最大标签数值集，包括：提取每个目标云图标签矩阵中的最大标签数值，得到所述最大标签数值集。
在其中一个实施例中，所述从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值，包括：从所述最大标签数值集中的第二个最大标签数值开始遍历，直到当前遍历到的最大标签数值大于所述最大标签数值集中的第一个最大标签数值为止，将当前遍历到的最大标签数值作为中间标签数值。
在其中一个实施例中，所述根据所述中间标签数值获取对流初生图矩阵，包括：根据所述中间标签数值所对应的目标云图标签矩阵，得到所述对流初生图矩阵。
在其中一个实施例中，所述根据所述对流初生图矩阵得到目标对流初生位置矩阵，包括：遍历所述对流初生图矩阵中的所有第一像素值，并对所第一像素值进行比较处理，得到所述目标对流初生位置矩阵。
在其中一个实施例中，所述遍历所述对流初生图矩阵中的所有第一像素值，并对所第一像素值进行比较处理，得到所述目标对流初生位置矩阵，包括：
获取所述对流初生图矩阵所对应的雷达云图的前一帧雷达云图，对应的目标云图标签矩阵，并将所述目标云图标签矩阵作为预设目标云图标签矩阵；
遍历所述对流初生图矩阵中的第一像素值以及遍历所述预设目标云图标签矩阵中对应位置的第二像素值，判断所述第一像素值与所述第二像素值是否相等；
若不相等，则根据所述第一像素值所在所述对流初生图矩阵中的位置信息，将所述第一像素值和所述第一像素值对应的标签数值添加至第一云图标签矩阵中的对应位置，得到第二云图标签矩阵；
将所述第二云图标签矩阵作为所述第一云图标签矩阵，继续执行所述遍历所述对流初生图矩阵中的第一像素值以及遍历所述预设目标云图标签矩阵中对应位置的第二像素值，判断所述第一像素值与所述第二像素值是否相等，直到遍历完所述对流初生图矩阵以及所述预设目标云图标签矩阵中的所有像素值为止，得到所述第二云图标签矩阵；
根据所述初始云图矩阵的尺寸大小构建初始对流初生位置图矩阵；
将所述第二云图标签矩阵中的每个第一像素值对应在所述初始对流初生位置图矩阵中对应位置的像素值设置为预设像素值，得到所述目标对流初生位置图矩阵。
在其中一个实施例中，所述对初始云图矩阵进行预处理，得到目标云图矩阵，包括：
对所述初始云图矩阵进行中值滤波处理，得到中间云图矩阵；
对所述中间云图矩阵进行二值化处理，得到所述目标云图矩阵。
本申请实施例提供一种图像处理装置，所述装置包括：
预处理模块，用于对初始云图矩阵进行预处理，得到目标云图矩阵，所述初始云图矩阵包括连续M帧雷达云图对应的像素值；
配置标签模块，用于对每个目标云图矩阵中的像素值配置相应的标签数值，得到目标云图标签矩阵；
第一获取模块，用于根据所有目标云图标签矩阵，得到最大标签数值集；
第二获取模块，用于从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值；
获取初生图矩阵模块，用于根据所述中间标签数值获取对流初生图矩阵；
获取初生位置矩阵模块，用于根据所述对流初生图矩阵得到目标对流初生位置矩阵。
本申请实施例提供一种计算机设备，包括存储器、处理器，所述存储器上存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
对初始云图矩阵进行预处理，得到目标云图矩阵，所述初始云图矩阵包括连续M帧雷达云图对应的像素值；
对每个目标云图矩阵中的像素值配置相应的标签数值，得到目标云图标签矩阵；
根据所有目标云图标签矩阵，得到最大标签数值集；
从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值；
根据所述中间标签数值获取对流初生图矩阵；
根据所述对流初生图矩阵得到目标对流初生位置矩阵。
本申请实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
对初始云图矩阵进行预处理，得到目标云图矩阵，所述初始云图矩阵包括连续M帧雷达云图对应的像素值；
对每个目标云图矩阵中的像素值配置相应的标签数值，得到目标云图标签矩阵；
根据所有目标云图标签矩阵，得到最大标签数值集；
从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值；
根据所述中间标签数值获取对流初生图矩阵；
根据所述对流初生图矩阵得到目标对流初生位置矩阵。
本实施例提供的图像处理方法、装置、计算机设备及可读存储介质，计算机设备可以对初始云图矩阵进行预处理，得到目标云图矩阵，对每个目标云图矩阵中的像素值配置相应的标签数值，得到目标云图标签矩阵，根据所有目标云图标签矩阵，得到最大标签数值集，从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值，根据所述中间标签数值获取对流初生图矩阵，根据所述对流初生图矩阵得到目标对流初生位置矩阵；该方法可以通过雷达云图对应的多个数据来预测对流初生时刻和位置，使得预测到的对流发生的初始时刻和位置的准确度较高。
附图说明
图1为一实施例提供的一种图像处理方法的流程示意图；
图2为另一实施例提供的一个目标云图矩阵数据存储位置示意图；
图3为一实施例提供的图像处理装置的结构示意图；
图4为一个实施例提供的计算机设备的内部结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例提供的图像处理方法，可以适用于电子设备中。该设备可以为智能手机、平板电脑、笔记本电脑、台式电脑或个人数字助理等具有图像处理功能的电子设备，本实施例对电子设备的具体形式不做限定。
需要说明的是，本发明实施例提供的图像处理方法，其执行主体可以是图像处理装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为图片处理设备的部分或者全部。可选的，该图片处理设备可以为智能手机、平板电脑、笔记本电脑、台式电脑或个人数字助理等具有图像处理功能的电子设备，本实施例对电子设备的具体形式并不做限定。下述方法实施例的执行主体以电子设备为例来进行说明。
为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本发明实施例中的技术方案的进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定发明。
图1为一实施例提供的图像处理方法的流程示意图。本实施例涉及的是如何获取对流发生初始位置的过程。如图1所示，该方法包括：
S101、对初始云图矩阵进行预处理，得到目标云图矩阵，所述初始云图矩阵包括连续M帧雷达云图对应的像素值。
具体的，计算机设备可以调用跨平台计算机视觉库(即OpenCV)中的读取函数，读取M张连续帧的雷达云图，以得到这M张雷达云图所对应的M个初始云图矩阵。可选的，上述雷达云图可以表征为一种提供天气信息的雷达回波图像。可选的，初始云图矩阵的尺寸大小不固定，可以为任意大小，且初始云图矩阵中包含的是多个像素值，即初始云图矩阵包含多个一维数据。
需要说明的是，上述预处理可以包括图像增强、滤波以及边缘锐化等处理。可选的，中间云图矩阵的尺寸大小可以等于初始云图矩阵尺寸大小，且目标云图矩阵也包含多个一维数据。可选的，预处理后得到的目标云图矩阵的数目可以等于初始云图矩阵的数目，且每一个初始云图矩阵均有对应的目标云图矩阵。
S102、对每个目标云图矩阵中的像素值配置相应的标签数值，得到目标云图标签矩阵。
需要说明的是，计算机设备可以分别对M个目标云图矩阵中的每个像素值均配置相应的标签数值，也就是配置处理后，每个像素值均有对应的标签数值，一个像素值和对应的标签数值组成一个二维数据。可选的，目标云图标签矩阵可以包含多个二维数据，包含的二维数据的数目可以等于像素值的数目。可选的，每一个像素值配置的标签数值可以相等，也可以不相等。可选的，计算机设备得到的目标云图标签矩阵的数目可以等于M。
S103、根据所有目标云图标签矩阵，得到最大标签数值集。
可选的，上述S103中根据所有目标云图标签矩阵，得到最大标签数值集的步骤，可以包括：提取每个目标云图标签矩阵中的最大标签数值，得到所述最大标签数值集。
具体的，计算机设备可以提取每个目标云图标签矩阵中的不同标签数值，选取其中最大标签数值，然后将这M个最大标签数值组合，得到最大标签数值集。可选的，每个目标云图标签矩阵可以得到一个最大标签数值。
S104、从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值。
具体的，上述中间标签数值可以等于最大标签数值集中的最大标签数值，也可以不等于最大标签数值集中的最大标签数值。
可选的，上述S104中从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值的步骤，具体可以包括：从所述最大标签数值集中的第二个最大标签数值开始遍历，直到当前遍历到的最大标签数值大于所述最大标签数值集中的第一个最大标签数值为止，将当前遍历到的最大标签数值作为中间标签数值。
需要说明的是，计算机设备可以从最大标签数值集中的第二个最大标签数值开始遍历，判断每次遍历到的最大标签数值是否大于最大标签数值集中的第一个最大标签数值；若当前遍历到的最大标签数值大于最大标签数值集中的第一个最大标签数值，则结束遍历处理，直接将当前遍历到的最大标签数值作为中间标签数值。
S105、根据所述中间标签数值获取对流初生图矩阵。
可选的，上述S105中根据所述中间标签数值获取对流初生图矩阵的步骤，具体可以包括：根据所述中间标签数值所对应的目标云图标签矩阵，得到所述对流初生图矩阵。
具体的，计算机设备可以得到中间标签数值所处的目标云图标签矩阵，并将该目标云图标签矩阵作为对流初生图矩阵。可选的，对流初生图矩阵可以为M张连续帧的雷达云图所对应的M个目标云图标签矩阵中，除第一个目标云图标签矩阵以外的其它任意一个目标云图标签矩阵。可选的，上述对流初生可以表征对流开始发生的时刻。可选的，每一个雷达云图均有一个对应的对流初生图矩阵。
S106、根据所述对流初生图矩阵得到目标对流初生位置矩阵。
具体的，计算机设备可以对预设目标云图标签矩阵和对流初生图矩阵进行比较处理，以得到目标对流初生位置矩阵。可选的，每一个雷达云图均有一个对应的目标对流初生位置矩阵。
本实施例提供的图像处理方法，计算机设备可以对初始云图矩阵进行预处理，得到目标云图矩阵，对每个目标云图矩阵中的像素值配置相应的标签数值，得目标云图标签矩阵，根据所有目标云图标签矩阵，得到最大标签数值集，从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值，根据所述中间标签数值获取对流初生图矩阵，根据所述对流初生图矩阵得到目标对流初生位置矩阵；该方法可以通过雷达云图对应的多个数据来预测对流初生时刻和位置，使得预测到的对流发生的初始时刻和位置的准确度较高，能够更好的预测强对流天气的发生，以避免人们遭受对流性灾害天气的侵害。
作为其中一个实施例，上述S101中对初始云图矩阵进行预处理，得到目标云图矩阵的步骤，可以包括以下过程：
S1011、对所述初始云图矩阵进行中值滤波处理，得到中间云图矩阵。
具体的，计算机设备可以调用scipy库中signal工具中包含的中值滤波函数，并通过中值滤波函数对初始云图矩阵进行中值滤波处理，得到中间云图矩阵。
S1012、对所述中间云图矩阵进行二值化处理，得到所述目标云图矩阵。
具体的，计算机设备可以对中间云图矩阵进行二值化处理，其中，二值化处理的具体过程可以表征为，遍历中间云图矩阵中的每个像素值，若像素值大于15，则将该像素值修改为1，否则，将像素值修改为0。其中，1表示有效像素值，0表示无效像素值。
本实施例提供的图像处理方法，计算机设备可以对初始云图矩阵进行中值滤波处理，得到中间云图矩阵，并对中间云图矩阵进行二值化处理，得到目标云图矩阵，进而对目标云图矩阵中的像素值配置相应的标签数值，得到目标云图标签矩阵，以对目标云图标签矩阵进行后续处理，预测对流初生时刻和位置，该方法可以使得预测到的对流发生的初始时刻和位置的准确度较高，能够更好的预测强对流天气的发生，以避免人们遭受对流性灾害天气的侵害。
作为其中一个实施例，上述S102中对每个目标云图矩阵中的像素值配置相应的标签数值，得到所述目标云图标签矩阵的步骤，具体可以包括：
S1021、遍历每个目标云图矩阵中的像素值，并判断所述目标云图矩阵中的像素值是否为无效像素值。
具体的，计算机设备可以同步遍历M个目标云图矩阵中的任意一个像素值，还可以分步遍历M个目标云图矩阵中的任意一个像素值，并判断遍历到的当前像素值是否为无效像素值。
S1022、若是，则将一维目标云图矩阵中的无效像素值配置第一标签数值后，将所述像素值和所述第一标签数值存储至初始云图标签矩阵中，得到多个二维目标云图标签矩阵。
具体的，若遍历到的像素值为无效像素值，则计算机设备可以对该无效像素值配置第一标签数值，也就是配置处理后，每个无效像素值均有一个对应的第一标签数值。在本实施例中，上述第一标签数值可以等于0。其中，初始云图标签矩阵的尺寸大小可以等于一维目标云图矩阵的尺寸大小，但是，初始云图标签矩阵中保存的数据为空。可选的，计算机设备执行完一次配置操作后，可以将无效像素值和第一标签数值组合的二维数据，存储至初始云图标签矩阵中相应的位置，该位置和无效像素值在目标云图矩阵中的位置是对应的。
需要说明的是，计算机可以创建M个初始云图标签矩阵，最终得到M个二维目标云图标签矩阵。
可选的，在上述S1021的步骤之后，所述方法还包括：
S1023、若否，则继续判断在第一方向上与所述目标云图矩阵中的像素值相邻的第一像素值，以及在第二方向上与所述目标云图矩阵中的像素值相邻的第二像素值是否均为有效像素值。
具体的，若遍历到的像素值不是无效像素值，表明遍历到的像素值为有效像素值，此时，计算机设备可以继续判断在第一方向上与目标云图矩阵中的像素值相邻的第一像素值，以及在第二方向上与目标云图矩阵中的像素值相邻的第二像素值是否均为有效像素值。可选的，以当前遍历到的目标云图矩阵中的像素值为坐标原点建立直角坐标系xoy，坐标原点的正上方为y轴正方向，坐标原点的正右方为x轴正方向，则上述第一方向可以为y轴正方向，上述第二方向可以为x轴正方向。
例如，图2为一个目标云图矩阵数据存储位置示意图，标号代表不同像素点所处的位置，在第一方向上与第1个位置像素值相邻的第一像素值，以及在第二方向上与第1个位置像素值相邻的第二像素值均为空，该种情况下可以将在第一方向上与第1个位置像素值相邻的第一像素值视为0，在第二方向上与第1个位置像素值相邻的第二像素值也可以视为0；判断第一方向上与其它边界位置的像素值相邻的第一像素值，以及判断第二方向上与其它边界位置的像素值相邻的第二像素值也类似，在此不再赘述。
S1024、若是，则对一维目标云图矩阵中的有效像素值配置第二标签数值，将所述像素值和所述第二标签数值存储至初始云图标签矩阵中，得到多个二维目标云图标签矩阵。
具体的，若遍历的像素值为有效像素值，且判定在第一方向上与该有效像素值相邻的第一像素值，以及在第二方向上与该有效像素值相邻的第二像素值均为有效像素值，则计算机设备可以对该像素值(有效像素值)配置第二标签数值，也就是配置处理后，每个有效像素值均有一个对应的第二标签数值。在本实施例中，上述第二标签数值可以等于1。可选的，计算机设备执行完一次配置操作后，可以将有效像素值和第二标签数值组合的二维数据，存储至初始云图标签矩阵中相应的位置，该位置和有效像素值在目标云图矩阵中的位置是对应的。
可选的，在上述S1021的步骤之后，所述方法还可以包括：
S1025、若否，则继续判断在第一方向上与所述目标云图矩阵中的像素值相邻的第一像素值，以及在第二方向上与所述目标云图矩阵中的像素值相邻的第二像素值是否均为无效像素值。
具体的，若遍历到的像素值不是无效像素值，表明遍历到的像素值为有效像素值，此时，计算机设备可以继续判断在第一方向上与该有效像素值相邻的第一像素值，在第二方向上与该有效像素值相邻的第二像素值是否均为无效像素值。
S1026、若是，则对一维目标云图矩阵中的有效像素值配置第三标签数值，将所述像素值和所述第三标签数值存储至初始云图标签矩阵中，得到多个二维目标云图标签矩阵，所述第三标签数值等于所述第二标签数值加1。
具体的，若遍历的像素值为有效像素值，且判定在第一方向上与该有效像素值相邻的第一像素值，以及在第二方向上与该有效像素值相邻的第二像素值均为无效像素值，则计算机设备可以对该像素值(有效像素值)配置第三标签数值，也就是配置处理后，每个有效像素值均有一个对应的第三标签数值。在本实施例中，上述第三标签数值可以等于第二标签数值加1。可选的，计算机设备执行完一次配置操作后，可以将有效像素值和第三标签数值组合的二维数据，存储至初始云图标签矩阵中相应的位置，该位置和有效像素值在目标云图矩阵中的位置是对应的。
S1027、根据所述第三标签数值得到第二标签数值，继续遍历所述目标云图矩阵中的下一个像素值，执行所述判断所述目标云图矩阵中的像素值是否为无效像素值，直到遍历完所述目标云图矩阵中的所有像素值为止，得到所述目标云图标签矩阵。
具体的，计算机设备遍历完M个目标云图矩阵可以得到M个目标云图标签矩阵。在本实施例中，遍历的顺序不做任何限定。
本实施例提供的图像处理方法，计算机设备可以遍历目标云图矩阵中的像素值，并判断目标云图矩阵中的像素值是否为无效像素值，若是，则将一维目标云图矩阵中的无效像素值配置第一标签数值后，将无效像素值和第一标签数值存储至初始云图标签矩阵中，得到多个二维目标云图标签矩阵，以对目标云图标签矩阵进行后续处理，预测对流初生时刻和位置，该方法可以使得预测到的对流发生的初始时刻和位置的准确度较高，能够更好的预测强对流天气的发生，以避免人们遭受对流性灾害天气的侵害。
作为其中一个实施例，上述S106中根据所述对流初生图矩阵得到目标对流初生位置矩阵的步骤，可以包括：遍历所述对流初生图矩阵中的所有第一像素值，并对所第一像素值进行比较处理，得到所述目标对流初生位置矩阵。可选的，所述遍历所述对流初生图矩阵中的所有第一像素值，并对所第一像素值进行比较处理，得到所述目标对流初生位置矩阵的步骤，具体可以包括如下过程：
S1061、获取所述对流初生图矩阵所对应的雷达云图的前一帧雷达云图，对应的目标云图标签矩阵，并将所述目标云图标签矩阵作为预设目标云图标签矩阵。
可以理解的是，连续M帧雷达云图对应的M个目标云图标签矩阵也是连续的，则计算机设备可以获取中间标签数值所对应的目标云图标签矩阵相邻的前一个目标云图标签矩阵，并将得到的目标云图标签矩阵作为预设目标云图标签矩阵。
S1062、遍历所述对流初生图矩阵中的第一像素值以及遍历所述预设目标云图标签矩阵中对应位置的第二像素值，判断所述第一像素值与所述第二像素值是否相等。
具体的，计算机设备可以同步遍历对流初生图矩阵和预设目标云图标签矩阵中对应位置的两个像素值，并且比较这两个像素值的大小，判断这两个像素值是否相等。
S1063、若不相等，则根据所述第一像素值所在所述对流初生图矩阵中的位置信息，将所述第一像素值和所述第一像素值对应的标签数值添加至第一云图标签矩阵中的对应位置，得到第二云图标签矩阵。
具体的，若判定对流初生图矩阵和预设目标云图标签矩阵中对应位置上的两个像素值不相等，则根据第一像素值所在对流初生图矩阵中的位置信息，将第一像素值和对应的标签数值均添加至第一云图标签矩阵中的对应的位置，得到第二云图标签矩阵。可选的，第一云图标签矩阵的尺寸大小可以等于初始云图标签矩阵尺寸大小，但是，第一云图标签矩阵可以为一个空矩阵，但是该第一云图标签矩阵可以存储二维数据。可选的，位置信息可以通过对流初生图矩阵中的像素值所处的行和列表示，即第i行第j列。
S1064、将所述第二云图标签矩阵作为所述第一云图标签矩阵，继续执行所述遍历所述对流初生图矩阵中的第一像素值以及遍历所述预设目标云图标签矩阵中对应位置的第二像素值，判断所述第一像素值与所述第二像素值是否相等，直到遍历完所述对流初生图矩阵以及所述预设目标云图标签矩阵中的所有像素值为止，得到所述第二云图标签矩阵。
需要说明的是，计算机设备遍历每一个对流初生图矩阵中的所有像素值，最后均可以得到一个对应的第二云图标签矩阵。
S1065、根据所述初始云图矩阵的尺寸大小构建初始对流初生位置图矩阵。
具体的，计算机设备可以根据M个初始云图矩阵的尺寸大小，构建对应的M个初始对流初生位置图矩阵。可选的，初始对流初生位置图矩阵的尺寸大小可以等于初始云图矩阵的尺寸大小。可选的，初始对流初生位置图矩阵中存储的数据可以为全0数值。在本实施例中，步骤S1065可以在所述方法中上述任意一个步骤之前执行。
S1066、将所述第二云图标签矩阵中的每个第一像素值对应在所述初始对流初生位置图矩阵中对应位置的像素值设置为预设像素值，得到所述目标对流初生位置图矩阵。
具体的，计算机设备可以根据第二云图标签矩阵中的每个第一像素值所存储的位置信息，将初始对流初生位置图矩阵中对应位置的像素值设置为预设像素值，得到目标对流初生位置图矩阵。可选的，目标对流初生位置图矩阵的数目可以等于雷达云图的数目。可选的，上述预设像素值可以等于255。可选的，初始对流初生位置图矩阵中存储的数据均为0，则计算机设备将初始对流初生位置图矩阵中对应位置的像素值0设置为预设像素值255。
本实施例提供的图像处理方法，该方法可以结合多个数据预测对流发生的初始时刻和位置，从而使得预测到的对流发生的初始时刻和位置信息准确度较高，能够更好的预测强对流天气的发生，以避免人们遭受对流性灾害天气的侵害。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
关于图像处理装置的具体限定可以参见上文中对于图像处理方法的限定，在此不再赘述。上述计算机设备的图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图2为一实施例提供的图像处理装置结构示意图。如图2所示，该装置可以包括：预处理模块11、配置标签模块12、第一获取模块13、第二获取模块14、获取初生图矩阵模块15以及获取初生位置矩阵模块16。
具体的，所述预处理模块11，用于对初始云图矩阵进行预处理，得到目标云图矩阵，所述初始云图矩阵包括连续M帧雷达云图对应的像素值；
所述配置标签模块12，用于对每个目标云图矩阵中的像素值配置相应的标签数值，得到目标云图标签矩阵；
所述第一获取模块13，用于根据所有目标云图标签矩阵，得到最大标签数值集；
所述第二获取模块14，用于从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值；
所述获取初生图矩阵模块15，用于根据所述中间标签数值获取对流初生图矩阵；
所述获取初生位置矩阵模块16，用于根据所述对流初生图矩阵得到目标对流初生位置矩阵。
可选的，所述获取初生位置矩阵模块16具体用于遍历所述对流初生图矩阵中的所有第一像素值，并对所第一像素值进行比较处理，得到所述目标对流初生位置矩阵。
本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述预处理模块11包括：中值滤波单元以及二值化单元。
其中，所述中值滤波单元，用于对所述初始云图矩阵进行中值滤波处理，得到中间云图矩阵；
所述二值化单元，用于对所述中间云图矩阵进行二值化处理，得到所述目标云图矩阵。
本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述配置标签模块12包括：第一判断单元以及第一配置单元。
其中，所述第一判断单元，用于遍历每个目标云图矩阵中的像素值，并判断所述目标云图矩阵中的像素值是否为无效像素值；
所述第一配置单元，用于所述第一判断单元的判断结果为是，则将一维目标云图矩阵中的无效像素值配置第一标签数值后，将所述无效像素值和所述第一标签数值存储至初始云图标签矩阵中，得到多个二维目标云图标签矩阵。
本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述配置标签模块12还包括：第二判断单元以及第二配置单元。
其中，所述第二判断单元，用于所述第一判断单元的判断结果为否，则继续判断在第一方向上与所述目标云图矩阵中的像素值相邻的第一像素值，以及在第二方向上与所述目标云图矩阵中的像素值相邻的第二像素值是否均为有效像素值；
所述第二配置单元，用于所述第二判断单元的判断结果为是，则对一维目标云图矩阵中的有效像素值配置第二标签数值，将所述像素值和所述第二标签数值存储至初始云图标签矩阵中，得到多个二维目标云图标签矩阵。
本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述所述配置标签模块12还包括：第三判断单元、第三配置单元以及第一确定单元。
其中，所述第三判断单元，用于所述第二判断单元的判断结果为否，则继续判断在第一方向上与所述目标云图矩阵中的像素值相邻的第一像素值，以及在第二方向上与所述目标云图矩阵中的像素值相邻的第二像素值是否均为无效像素值；
所述第三配置单元，用于所述第三判断单元的判断结果为是，则对一维目标云图矩阵中的有效像素值配置第三标签数值，将所述像素值和所述第三标签数值存储至初始云图标签矩阵中，得到多个二维目标云图标签矩阵，所述第三标签数值等于所述第二标签数值加1；
所述第一确定单元，用于根据所述第三标签数值得到第二标签数值，继续遍历所述目标云图矩阵中的下一个像素值，执行所述判断所述目标云图矩阵中的像素值是否为无效像素值，直到遍历完所述目标云图矩阵中的所有像素值为止，得到所述目标云图标签矩阵。
本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述第一获取模块13具体用于提取每个目标云图标签矩阵中的最大标签数值，得到所述最大标签数值集。
本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述第二获取模块14具体用于从所述最大标签数值集中的第二个最大标签数值开始遍历，直到当前遍历到的最大标签数值大于所述最大标签数值集中的第一个最大标签数值为止，将当前遍历到的最大标签数值作为中间标签数值。
本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述获取初生图矩阵模块15具体用于根据所述中间标签数值所对应的目标云图标签矩阵，得到所述对流初生图矩阵。
本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述获取初生位置矩阵模块16包括：获取预设矩阵单元、第四判断单元、添加单元、第二确定单元、构建矩阵单元以及获取目标位置图矩阵单元。
其中，所述获取预设矩阵单元，用于获取所述对流初生图矩阵所对应的雷达云图的前一帧雷达云图，对应的目标云图标签矩阵，并将所述目标云图标签矩阵作为预设目标云图标签矩阵；
所述第四判断单元，用于遍历所述对流初生图矩阵中的第一像素值以及遍历所述预设目标云图标签矩阵中对应位置的第二像素值，判断所述第一像素值与所述第二像素值是否相等；
所述添加单元，用于所述第四判断单元的判断结果为否，则根据所述第一像素值所在所述对流初生图矩阵中的位置信息，将所述第一像素值和所述第一像素值对应的标签数值添加至第一云图标签矩阵中的对应位置，得到第二云图标签矩阵；
所述第二确定单元，用于将所述第二云图标签矩阵作为所述第一云图标签矩阵，继续执行所述遍历所述对流初生图矩阵中的第一像素值以及遍历所述预设目标云图标签矩阵中对应位置的第二像素值，判断所述第一像素值与所述第二像素值是否相等，直到遍历完所述对流初生图矩阵以及所述预设目标云图标签矩阵中的所有像素值为止，得到所述第二云图标签矩阵；
所述构建矩阵单元，用于根据所述初始云图矩阵的尺寸大小构建初始对流初生位置图矩阵；
所述获取目标位置图矩阵单元，用于将所述第二云图标签矩阵中的每个第一像素值对应在所述初始对流初生位置图矩阵中对应位置的像素值设置为预设像素值，得到所述目标对流初生位置图矩阵。
本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在一个实施例中，提供了一种计算机设备，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的计算机设备通过网络连接通信。该计算机程序被处理器执行时以实现一种图像处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
对初始云图矩阵进行预处理，得到目标云图矩阵，所述初始云图矩阵包括连续M帧雷达云图对应的像素值；
对所述目标云图矩阵中的像素值配置相应的标签数值，得到所述目标云图标签矩阵；
根据所述目标云图标签矩阵，得到最大标签数值集；
从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值；
根据所述中间标签数值获取对流初生图矩阵；
根据所述对流初生图矩阵得到目标对流初生位置矩阵。
在一个实施例中，提供了一种可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
对初始云图矩阵进行预处理，得到目标云图矩阵，所述初始云图矩阵包括连续M帧雷达云图对应的像素值；
对所述目标云图矩阵中的像素值配置相应的标签数值，得到所述目标云图标签矩阵；
根据所述目标云图标签矩阵，得到最大标签数值集；
从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值；
根据所述中间标签数值获取对流初生图矩阵；
根据所述对流初生图矩阵得到目标对流初生位置矩阵。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (13)
1.一种图像处理方法，其特征在于，所述方法包括：
对初始云图矩阵进行预处理，得到目标云图矩阵，所述初始云图矩阵包括连续M帧雷达云图对应的像素值；
对每个目标云图矩阵中的像素值配置相应的标签数值，得到目标云图标签矩阵；
根据所有目标云图标签矩阵，得到最大标签数值集；
从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值；
根据所述中间标签数值获取对流初生图矩阵；
根据所述对流初生图矩阵得到目标对流初生位置矩阵。
2.根据权利要求1所述的方法，其特征在于，所述对每个目标云图矩阵中的像素值配置相应的标签数值，得到所述目标云图标签矩阵，包括：
遍历每个目标云图矩阵中的像素值，并判断所述目标云图矩阵中的像素值是否为无效像素值；
若是，则将一维目标云图矩阵中的无效像素值配置第一标签数值后，将所述无效像素值和所述第一标签数值存储至初始云图标签矩阵中，得到多个二维目标云图标签矩阵。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
若否，则继续判断在第一方向上与所述目标云图矩阵中的像素值相邻的第一像素值，以及在第二方向上与所述目标云图矩阵中的像素值相邻的第二像素值是否均为有效像素值；
若是，则对一维目标云图矩阵中的有效像素值配置第二标签数值，将所述像素值和所述第二标签数值存储至初始云图标签矩阵中，得到多个二维目标云图标签矩阵。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
若否，则继续判断在第一方向上与所述目标云图矩阵中的像素值相邻的第一像素值，以及在第二方向上与所述目标云图矩阵中的像素值相邻的第二像素值是否均为无效像素值；
若是，则对一维目标云图矩阵中的有效像素值配置第三标签数值，将所述像素值和所述第三标签数值存储至初始云图标签矩阵中，得到多个二维目标云图标签矩阵，所述第三标签数值等于所述第二标签数值加1；
根据所述第三标签数值得到第二标签数值，继续遍历所述目标云图矩阵中的下一个像素值，执行所述判断所述目标云图矩阵中的像素值是否为无效像素值，直到遍历完所述目标云图矩阵中的所有像素值为止，得到所述目标云图标签矩阵。
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标云图标签矩阵，得到最大标签数值集，包括：提取每个目标云图标签矩阵中的最大标签数值，得到所述最大标签数值集。
6.根据权利要求1所述的方法，其特征在于，所述从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值，包括：从所述最大标签数值集中的第二个最大标签数值开始遍历，直到当前遍历到的最大标签数值大于所述最大标签数值集中的第一个最大标签数值为止，将当前遍历到的最大标签数值作为中间标签数值。
7.根据权利要求1所述的方法，其特征在于，所述根据所述中间标签数值获取对流初生图矩阵，包括：根据所述中间标签数值所对应的目标云图标签矩阵，得到所述对流初生图矩阵。
8.根据权利要求1所述的方法，其特征在于，所述根据所述对流初生图矩阵得到目标对流初生位置矩阵，包括：
遍历所述对流初生图矩阵中的所有第一像素值，并对所第一像素值进行比较处理，得到所述目标对流初生位置矩阵。
9.根据权利要求8所述的方法，其特征在于，所述遍历所述对流初生图矩阵中的所有第一像素值，并对所第一像素值进行比较处理，得到所述目标对流初生位置矩阵，包括：
获取所述对流初生图矩阵所对应的雷达云图的前一帧雷达云图，对应的目标云图标签矩阵，并将所述目标云图标签矩阵作为预设目标云图标签矩阵；
遍历所述对流初生图矩阵中的第一像素值以及遍历所述预设目标云图标签矩阵中对应位置的第二像素值，判断所述第一像素值与所述第二像素值是否相等；
若不相等，则根据所述第一像素值所在所述对流初生图矩阵中的位置信息，将所述第一像素值和所述第一像素值对应的标签数值添加至第一云图标签矩阵中的对应位置，得到第二云图标签矩阵；
将所述第二云图标签矩阵作为所述第一云图标签矩阵，继续执行所述遍历所述对流初生图矩阵中的第一像素值以及遍历所述预设目标云图标签矩阵中对应位置的第二像素值，判断所述第一像素值与所述第二像素值是否相等，直到遍历完所述对流初生图矩阵以及所述预设目标云图标签矩阵中的所有像素值为止，得到所述第二云图标签矩阵；
根据所述初始云图矩阵的尺寸大小构建初始对流初生位置图矩阵；
将所述第二云图标签矩阵中的每个第一像素值对应在所述初始对流初生位置图矩阵中对应位置的像素值设置为预设像素值，得到所述目标对流初生位置图矩阵。
10.根据权利要求1所述的方法，其特征在于，所述对初始云图矩阵进行预处理，得到目标云图矩阵，包括：
对所述初始云图矩阵进行中值滤波处理，得到中间云图矩阵；
对所述中间云图矩阵进行二值化处理，得到所述目标云图矩阵。
11.一种图像处理装置，其特征在于，所述装置包括：
预处理模块，用于对初始云图矩阵进行预处理，得到目标云图矩阵，所述初始云图矩阵包括连续M帧雷达云图对应的像素值；
配置标签模块，用于对每个目标云图矩阵中的像素值配置相应的标签数值，得到目标云图标签矩阵；
第一获取模块，用于根据所有目标云图标签矩阵，得到最大标签数值集；
第二获取模块，用于从所述最大标签数值集中的第二个最大标签数值开始遍历，得到中间标签数值；
获取初生图矩阵模块，用于根据所述中间标签数值获取对流初生图矩阵；
获取初生位置矩阵模块，用于根据所述对流初生图矩阵得到目标对流初生位置矩阵。
12.一种计算机设备，包括存储器、处理器，所述存储器上存储有可在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权利要求1至10中任一项所述方法的步骤。
13.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911006795.6A CN110764090A (zh) | 2019-10-22 | 2019-10-22 | 图像处理方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911006795.6A CN110764090A (zh) | 2019-10-22 | 2019-10-22 | 图像处理方法、装置、计算机设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110764090A true CN110764090A (zh) | 2020-02-07 |
Family
ID=69331386
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911006795.6A Pending CN110764090A (zh) | 2019-10-22 | 2019-10-22 | 图像处理方法、装置、计算机设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110764090A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111856620A (zh) * | 2020-07-03 | 2020-10-30 | 上海眼控科技股份有限公司 | 云顶高度及云底高度确定方法及设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130026241A1 (en) * | 2011-07-25 | 2013-01-31 | Sakahashi Koji | Device and its use for creation, output and management of 2d barcodes with embedded images |
| CN103455715A (zh) * | 2013-08-22 | 2013-12-18 | 南京莱斯信息技术股份有限公司 | 一种基于线性插值的气象云图剖面投影方法 |
| CN106651886A (zh) * | 2017-01-03 | 2017-05-10 | 北京工业大学 | 一种基于超像素聚类优化cnn的云图分割方法 |
| US20170213093A1 (en) * | 2016-01-27 | 2017-07-27 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for detecting vehicle contour based on point cloud data |
| CN109920011A (zh) * | 2019-05-16 | 2019-06-21 | 长沙智能驾驶研究院有限公司 | 激光雷达与双目摄像头的外参标定方法、装置及设备 |
| CN110221360A (zh) * | 2019-07-25 | 2019-09-10 | 广东电网有限责任公司 | 一种电力线路雷暴预警方法及系统 |
| CN110226184A (zh) * | 2016-12-27 | 2019-09-10 | 杰拉德·迪尔克·施密茨 | 用于机器感知的系统和方法 |
| US20190317217A1 (en) * | 2017-01-03 | 2019-10-17 | Innoviz Technologies Ltd. | Classifying objects with additional measurements |
| US20200143526A1 (en) * | 2017-08-23 | 2020-05-07 | Boe Technology Group Co., Ltd. | Image processing method and device |
-
2019
- 2019-10-22 CN CN201911006795.6A patent/CN110764090A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130026241A1 (en) * | 2011-07-25 | 2013-01-31 | Sakahashi Koji | Device and its use for creation, output and management of 2d barcodes with embedded images |
| CN103455715A (zh) * | 2013-08-22 | 2013-12-18 | 南京莱斯信息技术股份有限公司 | 一种基于线性插值的气象云图剖面投影方法 |
| US20170213093A1 (en) * | 2016-01-27 | 2017-07-27 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for detecting vehicle contour based on point cloud data |
| CN110226184A (zh) * | 2016-12-27 | 2019-09-10 | 杰拉德·迪尔克·施密茨 | 用于机器感知的系统和方法 |
| CN106651886A (zh) * | 2017-01-03 | 2017-05-10 | 北京工业大学 | 一种基于超像素聚类优化cnn的云图分割方法 |
| US20190317217A1 (en) * | 2017-01-03 | 2019-10-17 | Innoviz Technologies Ltd. | Classifying objects with additional measurements |
| US20200143526A1 (en) * | 2017-08-23 | 2020-05-07 | Boe Technology Group Co., Ltd. | Image processing method and device |
| CN109920011A (zh) * | 2019-05-16 | 2019-06-21 | 长沙智能驾驶研究院有限公司 | 激光雷达与双目摄像头的外参标定方法、装置及设备 |
| CN110221360A (zh) * | 2019-07-25 | 2019-09-10 | 广东电网有限责任公司 | 一种电力线路雷暴预警方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111856620A (zh) * | 2020-07-03 | 2020-10-30 | 上海眼控科技股份有限公司 | 云顶高度及云底高度确定方法及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108563739B (zh) | 天气数据获取方法及装置、计算机装置及可读存储介质 | |
| CN111079632A (zh) | 文本检测模型的训练方法、装置、计算机设备和存储介质 | |
| CN110674804A (zh) | 文本图像的检测方法、装置、计算机设备和存储介质 | |
| CN111950329A (zh) | 目标检测及模型训练方法、装置、计算机设备和存储介质 | |
| CN110852285A (zh) | 对象检测方法、装置、计算机设备和存储介质 | |
| WO2020258491A1 (zh) | 通用字符识别方法、装置、计算机设备和存储介质 | |
| CN110659092B (zh) | 网页截图方法、装置、计算机设备和存储介质 | |
| CN110517186B (zh) | 消除发票印章的方法、装置、存储介质和计算机设备 | |
| CN112419202B (zh) | 基于大数据及深度学习的野生动物图像自动识别系统 | |
| CN110807463B (zh) | 图像分割方法、装置、计算机设备和存储介质 | |
| CN110659529A (zh) | 条形码识别方法、装置、计算机设备和存储介质 | |
| KR20220093187A (ko) | 포지셔닝 방법 및 장치, 전자 기기, 컴퓨터 판독 가능 저장 매체 | |
| CN109767382B (zh) | 图像重建方法、装置、计算机设备和存储介质 | |
| CN111612726A (zh) | 图像数据筛选方法、装置、计算机设备和存储介质 | |
| CN111832561B (zh) | 基于计算机视觉的字符序列识别方法、装置、设备和介质 | |
| CN110796663A (zh) | 图片剪裁方法、装置、设备和存储介质 | |
| CN110764090A (zh) | 图像处理方法、装置、计算机设备及可读存储介质 | |
| CN113361536A (zh) | 图像语义分割模型训练、图像语义分割方法及相关装置 | |
| US10242119B1 (en) | Systems and methods for displaying web content | |
| CN110826119A (zh) | 信息处理方法、装置、计算机设备及可读存储介质 | |
| CN111582012A (zh) | 一种检测小目标船只方法及装置 | |
| CN110889432A (zh) | 特征点匹配方法、装置、计算机设备和存储介质 | |
| CN115908116A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
| CN115147929A (zh) | 一种施工场景监控方法、装置、设备及存储介质 | |
| CN110737934B (zh) | 老虎窗屋面桁架节点的生成方法、装置和存储介质 |
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 | ||
| AD01 | Patent right deemed abandoned | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240227 |