CN110784648B - 一种图像处理方法和电子设备 - Google Patents
一种图像处理方法和电子设备 Download PDFInfo
- Publication number
- CN110784648B CN110784648B CN201911083717.6A CN201911083717A CN110784648B CN 110784648 B CN110784648 B CN 110784648B CN 201911083717 A CN201911083717 A CN 201911083717A CN 110784648 B CN110784648 B CN 110784648B
- Authority
- CN
- China
- Prior art keywords
- image
- specific object
- contour
- contour image
- electronic device
- 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 13
- 238000000034 method Methods 0.000 claims abstract description 64
- 238000003702 image correction Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 238000003709 image segmentation Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000005067 remediation Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- H04N23/815—Camera processing pipelines; Components thereof for controlling the resolution by using a single image
-
- 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
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法和电子设备,通过基于特定对象的拍摄角度得到的轮廓图像对放大后图像中特定对象的轮廓图像进行矫正,以提升放大后图像的图像品质;所述方法包括:在对匹配到特定对象的原始图像进行放大后,使用基于特定对象的拍摄角度得到的轮廓图像对放大后图像中特定对象的轮廓图像进行图像矫正,来实现对特定对象由于超分辨率重构而被放大的畸变进行矫正,从而,提升通过超分辨率重构放大后图像的图像品质。
Description
技术领域
本发明涉及终端领域,尤其涉及一种图像处理方法和电子设备。
背景技术
随着现代数字成像技术的发展,人们通常期望获得高分辨率图像。高分辨率意味着图像的像素密度高,能够有效提供拍摄场景的细节信息,这些细节信息有利于后续的图像解析和应用。由于手机本身的体积和屏幕局限,不利于搭载大尺寸的图像传感器;且高分辨率意味着更高的运行成本,对手机处理器要求较高,不利于成本缩减。因此,目前大部分手机都是先获取完整颜色通道的低分辨率图像,再通过超分辨率重构生成放大的高分辨率图像。从而,可以提升图像纹理的锐度和清晰度,保留更多细节纹理特征。
然而,通过上述方式将低分辨率图像放大的同时,会将低分辨率图像中的畸变放大,影响放大后的高分辨率图像的图像品质。
发明内容
本发明实施例的目的是提供一种图像处理方法和电子设备,通过基于拍摄角度得到的轮廓图像对放大后图像中特定对象的轮廓图像进行矫正,以提升放大后图像的图像品质。
第一方面,提供了一种图像处理方法,应用于电子设备,所述方法包括:
将匹配到特定对象的第一图像进行超分辨率重构得到第二图像;
确定所述特定对象在所述第二图像中的第一轮廓图像;
基于采集所述第一图像时所述特定对象的拍摄角度,获取所述特定对象的第二轮廓图像,其中,所述第二轮廓图像对应的分辨率与所述第二图像对应的分辨率相同;
基于所述第二轮廓图像对所述第二图像中的所述第一轮廓图像进行图像矫正,得到目标图像。
第二方面,提供了一种电子设备,包括:
重构模块,用于将匹配到特定对象的第一图像进行超分辨率重构得到第二图像;
确定模块,用于确定所述特定对象在所述第二图像中的第一轮廓图像;
获取模块,用于基于采集所述第一图像时所述特定对象的拍摄角度,获取所述特定对象的第二轮廓图像,其中,所述第二轮廓图像对应的分辨率与所述第二图像对应的分辨率相同;
矫正模块,用于基于所述第二轮廓图像对所述第二图像中的所述第一轮廓图像进行图像矫正,得到目标图像。
第三方面,提供了一种电子设备,该电子设备包括处理器、存储器及存储在该存储器上并可在该处理器上运行的计算机程序,该计算机程序被该处理器执行时实现如第一方面所述方法的步骤。
第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质上存储计算机程序,该计算机程序被处理器执行时实现如第一方面所述方法的步骤。
通过本发明技术方案,在对匹配到特定对象的原始图像进行放大后,使用基于特定对象的拍摄角度得到的轮廓图像对放大后图像中特定对象的轮廓图像进行图像矫正,来实现对特定对象由于超分辨率重构而被放大的畸变进行矫正,从而,提升通过超分辨率重构放大后图像的图像品质。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1a是本发明的一个实施例提供的图像处理方法的步骤示意图之一。
图1b是本发明的步骤101所涉及的子步骤示意图。
图1c是本发明的步骤102的方式二所涉及的子步骤示意图。
图1d是本发明的步骤104所涉及的子步骤示意图。
图1e是本发明的一个实施例提供的图像处理方法的步骤示意图之二。
图2a是本发明实施例提供的人脸图像处理方法步骤示意图。
图2b是本发明实施例提供的人脸图像处理的原理示意图。
图3a是本发明的一个实施例提供的电子设备300的结构示意图之一。
图3b是本发明的一个实施例提供的电子设备300的结构示意图之二。
图4为实现本发明各个实施例的电子设备400的硬件结构示意图。
具体实施方式
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,都属于本发明保护的范围。
图1a是本发明的一个实施例提供的图像处理方法的步骤示意图。图1a的方法可以由电子设备执行。所述电子设备可以是手机、PAD或具有拍摄以及图像处理功能的其它电子设备等。具体地,图1a所述方法可以包括以下步骤:
步骤101:将匹配到特定对象的第一图像进行超分辨率重构得到第二图像。
应理解,超分辨率重构(Super Resolution,SR)也称图像超分辨率重构,是指利用计算机将一幅低分辨率图像(Low Resolution,LR)或图像序列进行处理,恢复出高分辨率图像(High Resolution,HR)的图像处理技术。高分辨率图像意味着图像具有高像素密度,可以提供更多图像细节。
其中,所述第一图像可以是由本地电子设备拍摄的分辨率较低的原始图像(亦指低分辨率图像),所述第二图像是基于低分辨率图像进行超分辨率重构后的分辨率较高的图像(亦指高分辨率图像)。所述第一图像也可以是由其它电子设备传输来的原始图像。在本发明实施例中,并不对低分辨率图像以及高分辨率图像的具体分辨率取值作限定。
所述特定对象是指具有特定形态且可以通过先验信息获取某个拍摄角度对应的轮廓图像的对象。该特定对象可以是整个人或所属人的部分肢体部分,或其它物体,本发明实施例并不对该特定对象进行具体限定,例如可以是:人脸、大树、汽车等。
可选地,在本发明实施例中,参照图1b步骤101在将拍摄的匹配到特定对象的第一图像进行超分辨率重构得到第二图像时,可具体执行为以下子步骤:
子步骤1011:确定匹配到特定对象的第一图像。
考虑到拍摄的第一图像中,并不是每幅第一图像都需要进行本发明中的图像矫正处理,通过分析可知,现有技术中低分辨率图像在放大为高分辨率图像过程中,上述提及的人脸、大树、汽车等特定对象容易发生畸变放大。因此,可以先对拍摄的第一图像进行图像检测,具体可以是基于图像检测技术对第一图像中是否包含特定对象进行检测,如果检测到,则将所述第一图像确定为匹配到特定对象的第一图像。
子步骤1012:对所述第一图像进行插值重构得到第二图像。
在本发明实施例中,可以采用插值重构的方式将分辨率较低的所述第一图像放大为分辨率较高的第二图像。其中,插值重构的具体实现可以参照现有的插值重构算法在图像处理领域的使用,在此不做赘述。此外,除了采用插值重构将分辨率较低的第一图像放大为分辨率较高的第二图像外,还可以采用稀疏编码或贝叶斯算法或深度学习算法等方式,本发明并不对此进行限定。
由此,通过上述子步骤可以准确匹配特定对象,并对匹配到特定对象的第一图像进行超分辨率重构处理。
步骤102:确定所述特定对象在所述第二图像中的第一轮廓图像。
可选地,在本发明实施例中,步骤102的具体实现可以为以下两种方式:
方式一:
对所述第二图像中所述特定对象所在区域进行图像分割,划分得到所述特定对象的第一轮廓图像。
该方式一可以直接在放大后的分辨率较高的第二图像中确定特定对象在第二图像中的第一轮廓图像,具体地,可以对第二图像中特定对象所在图像区域进行图像分割,分割的方法并不做限定;分割后的图像区域被划分开,这样就可以得到特定对象的第一轮廓图像,换言之,获取到特定对象在第二图像中的像素点及其位置。
方式二:
参照图1c所示,该方式二可以通过对第一图像的处理,间接确定特定对象在第二图像中的第一轮廓图像,具体实现包括:
子步骤1021:对所述第一图像中所述特定对象所在区域进行图像分割,划分得到所述特定对象的原始轮廓图像。
可以对第一图像中特定对象所在图像区域进行图像分割,分割的方法并不做限定;分割后的图像区域被划分开,这样就可以得到特定对象的原始轮廓图像,换言之,获取到特定对象在第一图像中的像素点及其位置。
子步骤1022:对所述原始轮廓图像进行超分辨率重构。
该子步骤中,仅对划分得到的原始轮廓图像进行超分辨率重构,得到放大的轮廓图像,其实质是获取到特定对象放大的轮廓图像的像素点。该子步骤中超分辨率重构方式不做限定。
子步骤1023:基于重构后的所述原始轮廓图像确定所述特定对象在所述第二图像中的第一轮廓图像。
基于子步骤1022中重构后的原始轮廓图像(亦指放大的轮廓图像)的像素点,以及子步骤1021中特定对象在第一图像中的像素点及其位置,计算特定对象在第二图像中的轮廓图像(亦指第一轮廓图像)。
从而,通过上述方式一或方式二,可以准确确定特定对象在第二图像中的第一轮廓图像。
步骤103:基于采集所述第一图像时的拍摄角度,获取所述特定对象的第二轮廓图像,其中,所述第二轮廓图像对应的分辨率与所述第二图像对应的分辨率相同。
应理解,所述特定对象可以包括人脸;相应地,步骤103在基于采集所述第一图像时所述特定对象的拍摄角度,获取所述特定对象的第二轮廓图像,可具体包括:基于采集所述第一图像时所述特定对象的拍摄角度以及所述特定对象中人脸的偏转角度,获取所述特定对象的第二轮廓图像。由于拍照时经常是对人物进行拍摄,针对这种情况,能够提高相应人脸的分辨率,从而提高用户体验。
可选地,在本发明实施例中,步骤103在基于采集所述第一图像时所述特定对象的拍摄角度,获取所述特定对象的第二轮廓图像时,可具体执行为:基于采集所述第一图像时所述特定对象的拍摄角度,利用预设模型获取所述特定对象的第二轮廓图像;其中,所述预设模型基于以下方法之一或组合确定:基于图像处理的深度学习方法、基于多摄像头的计算摄影学方法以及基于可变焦的计算摄影学方法。
具体地,以基于摄像头的计算摄影学方法为例对该步骤103进行简单说明。首先利用多摄像头构建所述特定对象所在拍摄场景的深度图,具体可参照现有的深度图构建方式;然后对该深度图进行三维建模,并结合采集第一图像时的拍摄角度,估计特定对象基于第二图像对应的分辨率时的轮廓图像(亦指第二轮廓图像)。由于该第二轮廓图像是估计得到的理想轮廓图像,因此,不存在第一图像以及放大后第二图像中的畸变。从而,可以通过先验信息建立预设模型以计算得到特定对象的第二轮廓图像,为后续图像矫正提供了较为准确的矫正依据。
步骤104:基于所述第二轮廓图像对所述第二图像中的所述第一轮廓图像进行图像矫正,得到目标图像。
可选地,在本发明实施例中,参照图1d所示,步骤104在基于所述第二轮廓图像对所述第二图像中的第一轮廓图像进行图像矫正时,可以包括以下子步骤:
子步骤1041:将所述第二轮廓图像中的像素点分别与所述第二图像中的第一轮廓图像的像素点进行差分处理。
具体地,分别提取第一轮廓图像以及第二轮廓图像中的像素点,并将相同位置的像素点进行差分处理,以得到每个位置处的差分值。
子步骤1042:基于差分处理结果对所述第一轮廓图像进行畸变检测并统计畸变对应的像素点的梯度变化。
依据特定对象的轮廓位置处的差分值,确定畸变位置,并统计畸变位置对应的像素点的梯度变化。
子步骤1043:基于构建的优化函数对畸变对应的像素点进行调整以实现图像矫正。
可以根据像素点的梯度变化构建优化函数,并基于构建的优化函数确定的结果对畸变位置处的像素点进行调整,从而,实现对特定对象的图像矫正。
应理解,在对所述第二图像中的第一轮廓图像进行图像矫正时,并不限于采用上述子步骤1041-子步骤1043;还可以采用其它的修正方式对特定对象的畸变位置进行图像矫正。
可选地,另一种可实现的方式,参照图1e所示,在步骤104执行之后,上述图像处理方法还包括:
步骤105:对矫正后的所述第二图像中的第一轮廓图像的边缘区域进行平滑处理。
具体地,所述平滑处理可以是将所述第二图像中的第一轮廓图像所在的前景与后景背景的衔接处进行重合处理和/或模糊处理。所述重合处理主要针对少量重复图像,尤其是在衔接位置处的重复部分;所述模糊处理主要针对少量缺失图像,尤其是在衔接位置处的缺失部分。
通过该平滑处理可以消除矫正后的所述第二图像中的第一轮廓图像的衔接位置处由于重复、缺失而导致的图像衔接缺陷,使矫正后的所述第二图像更为真实、自然、流畅,提升图像品质。
应理解,所述目标图像可以是矫正后的所述第二图像中的第一轮廓图像,也可以是进行平滑处理后的所述第二图像中的第一轮廓图像。
下面以人脸作为特定对象对上述图像处理方案进行详述。
参照图2a所示,为本发明实施例提供的人脸图像处理方法步骤示意图。
所述方法步骤主要包括:
步骤201:对拍摄的原始图像进行人脸检测。
如果检测到原始图像中存在人脸图像,则执行步骤202;否则,不做处理或使用现有超分算法重构原始图像。
步骤202:对原始图像进行插值重构得到放大图像。
步骤203:将原始图像中人脸图像所在区域进行图像分割,划分得到人脸轮廓对应的像素点及位置。
步骤204:基于得到人脸轮廓的像素点,对人脸轮廓进行超分辨率重构。
步骤205:基于重构后的人脸轮廓确定人脸在放大图像中的人脸轮廓。
具体参照图2b中所示。
步骤206:基于采集原始图像时人脸的拍摄角度以及人脸的偏转角度,估计人脸在放大图像对应的分辨率下的人脸轮廓。
仍可参照图2b中所示。
步骤207:使用估计的人脸轮廓对放大图像中的人脸轮廓进行图像矫正。
步骤208:对矫正后的放大图像中的人脸轮廓的边缘区域进行平滑处理,得到目标图像。
通过本发明技术方案,在对匹配到特定对象的原始图像进行放大后,使用估计得到的轮廓图像对放大后图像中特定对象的轮廓图像进行图像矫正,来实现对特定对象由于超分辨率重构而被放大的畸变进行矫正,从而,提升通过超分辨率重构放大后图像的图像品质。
图3a是本发明的一个实施例提供的电子设备300的结构示意图。应理解,所述电子设备300可以是手机、PAD或具有拍摄以及图像处理功能的电子设备等。如图3a所示,电子设备300可以包括:
重构模块301,用于将匹配到特定对象的第一图像进行超分辨率重构得到第二图像;
确定模块302,用于确定所述特定对象在所述第二图像中的第一轮廓图像;
获取模块303,用于基于采集所述第一图像时所述特定对象的拍摄角度,获取所述特定对象的第二轮廓图像,其中,所述第二轮廓图像对应的分辨率与所述第二图像对应的分辨率相同;
矫正模块304,用于基于所述第二轮廓图像对所述第二图像中的所述第一轮廓图像进行图像矫正,得到目标图像。
可选地,在另一种可实现的实施例中,所述重构模块301,包括:
确定单元,用于确定匹配到特定对象的第一图像;
重构单元,用于对所述第一图像进行插值重构得到第二图像。
可选地,在一种可实现的实施例中,所述确定模块302,用于对所述第二图像中所述特定对象所在区域进行图像分割,划分得到所述特定对象的第一轮廓图像;
或者,
所述确定模块302,用于对所述第一图像中所述特定对象所在区域进行图像分割,划分得到所述特定对象的原始轮廓图像;对所述原始轮廓图像进行超分辨率重构;基于重构后的所述原始轮廓图像确定所述特定对象在所述第二图像中的第一轮廓图像。
可选地,在另一种可实现的实施例中,所述特定对象包括人脸;相应地,所述获取模块303,用于基于采集所述第一图像时所述特定对象的拍摄角度以及所述特定对象中人脸的偏转角度,获取所述特定对象的第二轮廓图像。
可选地,在另一种可实现的实施例中,所述获取模块303,用于基于采集所述第一图像时所述特定对象的拍摄角度,利用预设模型获取所述特定对象的第二轮廓图像;其中,所述预设模型基于以下方法之一或组合确定:基于图像处理的深度学习方法、基于多摄像头的计算摄影学方法以及基于可变焦的计算摄影学方法。
可选地,在另一种可实现的实施例中,所述矫正模块304,包括:
差分处理单元,用于将所述第二轮廓图像中的像素点分别与所述第二图像中的所述第一轮廓图像的像素点进行差分处理;
检测统计单元,用于基于差分处理结果对所述第一轮廓图像进行畸变检测并统计畸变对应的像素点的梯度变化;
调整单元,用于基于构建的优化函数对畸变对应的像素点进行调整以实现图像矫正。
可选地,在另一种可实现的实施例中,参照图3b所述电子设备300还包括:
平滑模块305,用于对矫正后的所述第二图像中的所述第一轮廓图像的边缘区域进行平滑处理。
通过本发明技术方案,在对匹配到特定对象的原始图像进行放大后,使用基于特定对象的拍摄角度得到的轮廓图像对放大后图像中特定对象的轮廓图像进行图像矫正,来实现对特定对象由于超分辨率重构而被放大的畸变进行矫正,从而,提升通过超分辨率重构放大后图像的图像品质。
本发明实施例提供的电子设备300能够实现图1a-图1e、图2所示的方法实施例中电子设备实现的各个过程,且达到相同的效果。为避免重复,这里不再赘述。
图4为实现本发明实施例提供的一种电子设备的硬件结构示意图,该电子设备400包括但不限于:射频单元401、网络模块402、音频输出单元403、输入单元404、传感器405、显示单元406、用户输入单元407、接口单元408、存储器409、处理器410、以及电源411等部件。本领域技术人员可以理解,图4中示出的电子设备结构并不构成对电子设备的限定,电子设备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。在本发明实施例中,电子设备包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。
其中,处理器410,用于:
将匹配到特定对象的第一图像进行超分辨率重构得到第二图像;
确定所述特定对象在所述第二图像中的第一轮廓图像;
基于采集所述第一图像时所述特定对象的拍摄角度,获取所述特定对象的第二轮廓图像,其中,所述第二轮廓图像对应的分辨率与所述第二图像对应的分辨率相同;
基于所述第二轮廓图像对所述第二图像中的所述第一轮廓图像进行图像矫正。
通过本发明技术方案,在对匹配到特定对象的原始图像进行放大后,使用基于特定对象的拍摄角度得到的轮廓图像对放大后图像中特定对象的轮廓图像进行图像矫正,来实现对特定对象由于超分辨率重构而被放大的畸变进行矫正,从而,提升通过超分辨率重构放大后图像的图像品质。
应理解的是,本发明实施例中,射频单元401可用于收发信息或通话过程中,信号的接收和发送,具体的,将来自基站的下行数据接收后,给处理器410处理;另外,将上行的数据发送给基站。通常,射频单元401包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外,射频单元401还可以通过无线通信系统与网络和其他设备通信。
电子设备通过网络模块402为用户提供了无线的宽带互联网访问,如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
音频输出单元403可以将射频单元401或网络模块402接收的或者在存储器409中存储的音频数据转换成音频信号并且输出为声音。而且,音频输出单元403还可以提供与电子设备400执行的特定功能相关的音频输出(例如,呼叫信号接收声音、消息接收声音等等)。音频输出单元403包括扬声器、蜂鸣器以及受话器等。
输入单元404用于接收音频或视频信号。输入单元404可以包括图形处理器(Graphics Processing Unit,GPU)4041和麦克风4042,图形处理器4041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元406上。经图形处理器4041处理后的图像帧可以存储在存储器409(或其它存储介质)中或者经由射频单元401或网络模块402进行发送。麦克风4042可以接收声音,并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元401发送到移动通信基站的格式输出。
电子设备400还包括至少一种传感器405,比如光传感器、运动传感器以及其他传感器。具体地,光传感器包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板4061的亮度,接近传感器可在电子设备400移动到耳边时,关闭显示面板4061和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别电子设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;传感器405还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等,在此不再赘述。
显示单元406用于显示由用户输入的信息或提供给用户的信息。显示单元406可包括显示面板4061,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板4061。
用户输入单元407可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地,用户输入单元407包括触控面板4071以及其他输入设备4072。触控面板4071,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板4071上或在触控面板4071附近的操作)。触控面板4071可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器410,接收处理器410发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板4071。除了触控面板4071,用户输入单元407还可以包括其他输入设备4072。具体地,其他输入设备4072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。
进一步的,触控面板4071可覆盖在显示面板4061上,当触控面板4071检测到在其上或附近的触摸操作后,传送给处理器410以确定触摸事件的类型,随后处理器410根据触摸事件的类型在显示面板4061上提供相应的视觉输出。虽然在图4中,触控面板4071与显示面板4061是作为两个独立的部件来实现电子设备的输入和输出功能,但是在某些实施例中,可以将触控面板4071与显示面板4061集成而实现电子设备的输入和输出功能,具体此处不做限定。
接口单元408为外部装置与电子设备400连接的接口。例如,外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元408可以用于接收来自外部装置的输入(例如,数据信息、电力等等)并且将接收到的输入传输到电子设备400内的一个或多个元件或者可以用于在电子设备400和外部装置之间传输数据。
存储器409可用于存储软件程序以及各种数据。存储器409可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器409可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器410是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器409内的软件程序和/或模块,以及调用存储在存储器409内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。处理器410可包括一个或多个处理单元;优选的,处理器410可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器410中。
电子设备400还可以包括给各个部件供电的电源411(比如电池),优选的,电源411可以通过电源管理系统与处理器410逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
另外,电子设备400包括一些未示出的功能模块,在此不再赘述。
优选的,本发明实施例还提供一种电子设备,包括处理器410,存储器409,存储在存储器409上并可在所述处理器410上运行的计算机程序,该计算机程序被处理器410执行时实现上述图1a的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述图1a的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他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他要素,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。
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(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。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
Claims (12)
1.一种图像处理方法,应用于电子设备,其特征在于,所述方法包括:
将匹配到特定对象的第一图像进行超分辨率重构得到第二图像;
确定所述特定对象在所述第二图像中的第一轮廓图像;
基于采集所述第一图像时所述特定对象的拍摄角度,获取所述特定对象的第二轮廓图像,其中,所述第二轮廓图像对应的分辨率与所述第二图像对应的分辨率相同;
基于所述第二轮廓图像对所述第二图像中的所述第一轮廓图像进行图像矫正,得到目标图像;
所述基于采集所述第一图像时所述特定对象的拍摄角度,获取所述特定对象的第二轮廓图像,包括:
基于采集所述第一图像时所述特定对象的拍摄角度,利用预设模型获取所述特定对象的第二轮廓图像;其中,所述预设模型基于以下方法之一或组合确定:基于图像处理的深度学习方法、基于多摄像头的计算摄影学方法以及基于可变焦的计算摄影学方法。
2.如权利要求1所述的方法,其特征在于,确定所述特定对象在所述第二图像中的第一轮廓图像,包括:
对所述第二图像中所述特定对象所在区域进行图像分割,划分得到所述特定对象的第一轮廓图像;
或者,
对所述第一图像中所述特定对象所在区域进行图像分割,划分得到所述特定对象的原始轮廓图像;对所述原始轮廓图像进行超分辨率重构;基于重构后的所述原始轮廓图像确定所述特定对象在所述第二图像中的第一轮廓图像。
3.如权利要求1所述的方法,其特征在于,所述特定对象包括人脸;
基于采集所述第一图像时所述特定对象的拍摄角度,获取所述特定对象的第二轮廓图像,包括:
基于采集所述第一图像时所述特定对象的拍摄角度以及所述特定对象中人脸的偏转角度,获取所述特定对象的第二轮廓图像。
4.如权利要求1-3任一项所述的方法,其特征在于,基于所述第二轮廓图像对所述第二图像中的所述第一轮廓图像进行图像矫正,包括:
将所述第二轮廓图像中的像素点分别与所述第二图像中的所述第一轮廓图像的像素点进行差分处理;
基于差分处理结果对所述第一轮廓图像进行畸变检测并统计畸变对应的像素点的梯度变化;
基于构建的优化函数对畸变对应的像素点进行调整以实现图像矫正。
5.如权利要求1-3任一项所述的方法,其特征在于,在基于所述第二轮廓图像对所述第二图像中的所述第一轮廓图像进行图像矫正之后,所述方法还包括:
对矫正后的所述第二图像中的所述第一轮廓图像的边缘区域进行平滑处理。
6.一种电子设备,其特征在于,包括:
重构模块,用于将匹配到特定对象的第一图像进行超分辨率重构得到第二图像;
确定模块,用于确定所述特定对象在所述第二图像中的第一轮廓图像;
获取模块,用于基于采集所述第一图像时所述特定对象的拍摄角度,获取所述特定对象的第二轮廓图像,其中,所述第二轮廓图像对应的分辨率与所述第二图像对应的分辨率相同;
矫正模块,用于基于所述第二轮廓图像对所述第二图像中的所述第一轮廓图像进行图像矫正,得到目标图像;
所述获取模块,具体用于基于采集所述第一图像时所述特定对象的拍摄角度,利用预设模型获取所述特定对象的第二轮廓图像;其中,所述预设模型基于以下方法之一或组合确定:基于图像处理的深度学习方法、基于多摄像头的计算摄影学方法以及基于可变焦的计算摄影学方法。
7.如权利要求6所述的电子设备,其特征在于,所述确定模块,用于:
对所述第二图像中所述特定对象所在区域进行图像分割,划分得到所述特定对象的第一轮廓图像;
或者,
对所述第一图像中所述特定对象所在区域进行图像分割,划分得到所述特定对象的原始轮廓图像;对所述原始轮廓图像进行超分辨率重构;基于重构后的所述原始轮廓图像确定所述特定对象在所述第二图像中的第一轮廓图像。
8.如权利要求6所述的电子设备,其特征在于,所述特定对象包括人脸;
所述获取模块,用于基于采集所述第一图像时所述特定对象的拍摄角度以及所述特定对象中人脸的偏转角度,获取所述特定对象的第二轮廓图像。
9.如权利要求6-8任一项所述的电子设备,其特征在于,所述矫正模块,包括:
差分处理单元,用于将所述第二轮廓图像中的像素点分别与所述第二图像中的所述第一轮廓图像的像素点进行差分处理;
检测统计单元,用于基于差分处理结果对所述第一轮廓图像进行畸变检测并统计畸变对应的像素点的梯度变化;
调整单元,用于基于构建的优化函数对畸变对应的像素点进行调整以实现图像矫正。
10.如权利要求6-8任一项所述的电子设备,其特征在于,还包括:
平滑模块,用于对矫正后的所述第二图像中的所述第一轮廓图像的边缘区域进行平滑处理。
11.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1-5任一项所述方法的步骤。
12.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储计算机程序,该计算机程序被处理器执行时实现如权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911083717.6A CN110784648B (zh) | 2019-11-07 | 2019-11-07 | 一种图像处理方法和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911083717.6A CN110784648B (zh) | 2019-11-07 | 2019-11-07 | 一种图像处理方法和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110784648A CN110784648A (zh) | 2020-02-11 |
CN110784648B true CN110784648B (zh) | 2021-04-16 |
Family
ID=69390059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911083717.6A Active CN110784648B (zh) | 2019-11-07 | 2019-11-07 | 一种图像处理方法和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110784648B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882497A (zh) * | 2020-07-10 | 2020-11-03 | 深圳传音控股股份有限公司 | 一种图像矫正方法、拍摄方法、终端及计算机存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639932A (zh) * | 2008-07-28 | 2010-02-03 | 汉王科技股份有限公司 | 一种数字图像分辨率增强的方法及系统 |
CN102982520A (zh) * | 2012-12-05 | 2013-03-20 | 武汉大学 | 一种基于轮廓先验的鲁棒性人脸超分辨率处理方法 |
CN104268827A (zh) * | 2014-09-24 | 2015-01-07 | 三星电子(中国)研发中心 | 视频图像局部区域放大的方法和装置 |
CN108510440A (zh) * | 2017-02-23 | 2018-09-07 | 韩国电子通信研究院 | 用于将图像伪影最小化的超分辨率图像清晰化方法及装置 |
-
2019
- 2019-11-07 CN CN201911083717.6A patent/CN110784648B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639932A (zh) * | 2008-07-28 | 2010-02-03 | 汉王科技股份有限公司 | 一种数字图像分辨率增强的方法及系统 |
CN102982520A (zh) * | 2012-12-05 | 2013-03-20 | 武汉大学 | 一种基于轮廓先验的鲁棒性人脸超分辨率处理方法 |
CN104268827A (zh) * | 2014-09-24 | 2015-01-07 | 三星电子(中国)研发中心 | 视频图像局部区域放大的方法和装置 |
CN108510440A (zh) * | 2017-02-23 | 2018-09-07 | 韩国电子通信研究院 | 用于将图像伪影最小化的超分辨率图像清晰化方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110784648A (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108513070B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN109688322B (zh) | 一种生成高动态范围图像的方法、装置及移动终端 | |
CN108038825B (zh) | 一种图像处理方法及移动终端 | |
CN110930329B (zh) | 星空图像处理方法及装置 | |
CN107566749B (zh) | 拍摄方法及移动终端 | |
CN110262737A (zh) | 一种视频数据的处理方法及终端 | |
CN107749046B (zh) | 一种图像处理方法及移动终端 | |
CN111145192A (zh) | 图像处理方法及电子设备 | |
CN111145087B (zh) | 一种图像处理方法及电子设备 | |
CN111031234B (zh) | 一种图像处理方法及电子设备 | |
CN109819166B (zh) | 一种图像处理方法和电子设备 | |
CN108174110B (zh) | 一种拍照方法及柔性屏终端 | |
CN109246351B (zh) | 一种构图方法及终端设备 | |
CN110908517B (zh) | 图像编辑方法、装置、电子设备及介质 | |
CN111008929B (zh) | 图像矫正方法及电子设备 | |
CN110363729B (zh) | 一种图像处理方法、终端设备及计算机可读存储介质 | |
CN109639981B (zh) | 一种图像拍摄方法及移动终端 | |
CN110312070B (zh) | 一种图像处理方法及终端 | |
CN110555815A (zh) | 一种图像处理方法和电子设备 | |
CN108234978B (zh) | 一种图像处理方法及移动终端 | |
CN107798662B (zh) | 一种图像处理方法及移动终端 | |
CN111432154B (zh) | 视频播放方法、视频处理方法及电子设备 | |
CN111182206B (zh) | 图像处理方法和装置 | |
CN110443752B (zh) | 一种图像处理方法和移动终端 | |
CN111010514B (zh) | 一种图像处理方法及电子设备 |
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 |