CN110827194A - 图像处理的方法、装置及计算机存储介质 - Google Patents
图像处理的方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN110827194A CN110827194A CN201911021737.0A CN201911021737A CN110827194A CN 110827194 A CN110827194 A CN 110827194A CN 201911021737 A CN201911021737 A CN 201911021737A CN 110827194 A CN110827194 A CN 110827194A
- Authority
- CN
- China
- Prior art keywords
- image
- optical flow
- global motion
- original image
- light
- 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 abstract description 4
- 230000003287 optical effect Effects 0.000 claims abstract description 129
- 238000012545 processing Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000010586 diagram Methods 0.000 claims abstract description 31
- 230000009466 transformation Effects 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 8
- 238000013519 translation Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 8
- 230000006641 stabilisation Effects 0.000 abstract description 6
- 238000011105 stabilization Methods 0.000 abstract description 6
- 239000002699 waste material Substances 0.000 abstract description 6
- 238000012549 training Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 101100269850 Caenorhabditis elegans mask-1 gene Proteins 0.000 description 5
- 101100248200 Arabidopsis thaliana RGGB gene Proteins 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明的实施例提供了一种图像处理的方法、装置及计算机存储介质。该方法包括:获取与原始图像对应的光流图,并确定所述光流图中的全局运动光流;根据所述全局运动光流,确定所述原始图像对应的全局运动参数;根据所述全局运动参数,对所述原始图像进行图像变换,得到处理后的图像。可见,本发明实施例中,在对图像进行电子稳像时,确定光流图中的全局运动光流,从而进一步基于全局运动光流得到全局运动参数,然后根据全局运动参数对原始图像进行处理。也就是说,本发明实施例在由硬件ISP进行相关操作之前,先对原始图像进行基于全局运动光流的电子稳像操作,该过程能够避免ISP处理时的无用的计算消耗,从而避免计算资源的浪费,也提高了图像处理的效率。
Description
技术领域
本发明涉及图像处理领域,更具体地涉及一种图像处理的方法、装置及计算机存储介质。
背景技术
在图像信号处理器(Image Signal Processing,ISP)处理过的RGB图像基础上,会使用电子稳像技术对图像进行电子稳像。在进行电子稳像时,需要对每帧图像剔除掉15%左右的画面,再对剩余部分进行运动补偿。由于15%左右的画面被剔除掉,导致这15%在前面由ISP进行处理的计算消耗是无用的。也就是说,现有的在ISP处理过后的RGB图像上进行电子稳像,导致了大量无用的ISP计算消耗,不仅浪费了计算资源,也增加了处理时间,降低了处理效率。
发明内容
本发明提供了一种图像处理的方法、装置及计算机存储介质,能够避免ISP处理时的无用的计算消耗,从而避免计算资源的浪费,也提高了图像处理的效率。
根据本发明的一方面,提供了一种图像处理的方法,包括:
获取与原始图像对应的光流图,并确定所述光流图中的全局运动光流;
根据所述全局运动光流,确定所述原始图像对应的全局运动参数;
根据所述全局运动参数,对所述原始图像进行图像变换,得到处理后的图像。
在本发明的一种实现方式中,所述确定所述光流图中的全局运动光流,包括:对所述光流图进行图像识别,确定所述光流图中的局部运动光流和全局运动光流。
在本发明的一种实现方式中,将所述光流图中的全局运动光流标记为第一光流值,将所述光流图中的局部运动光流标记为第二光流值。
在本发明的一种实现方式中,以掩码1表示所述第一光流值,以掩码0表示所述第二光流值。
在本发明的一种实现方式中,所述获取与原始图像对应的光流图,包括:将所述原始图像转换为四通道图像;对所述四通道图像进行光流检测,得到所述光流图。
在本发明的一种实现方式中,所述根据所述全局运动参数,对所述原始图像进行图像变换,得到处理后的图像,包括:根据所述全局运动参数,对所述四通道图像进行对应的图像处理,得到稳态后的四通道图像;将所述稳态后的四通道图像转换为单通道图像,得到处理后的图像。
在本发明的一种实现方式中,还包括:将所述处理后的图像输入至硬件图像信号处理器ISP模块,得到与所述原始图像对应的输出图像。
在本发明的一种实现方式中,所述四通道图像为RGGB图像。
在本发明的一种实现方式中,所述根据所述全局运动光流,确定所述原始图像对应的全局运动参数,包括:从所述光流图中提取所述全局运动光流,得到稀疏光流图;根据所述稀疏光流图,得到表征所述稀疏光流图中各个像素点移动的所述全局运动参数。
在本发明的一种实现方式中,所述全局运动参数包括8个参数,分别为:表示旋转的两个参数、表示平移的两个参数、表示投影的两个参数以及表示尺度变化的两个参数。
根据本发明的另一方面,提供了一种图像处理的装置,所述装置用于实现前述方面或任一实现方式所述方法的步骤,所述装置包括:
光流图获取模块,用于获取与原始图像对应的光流图;
全局局部运动区分模块,用于确定所述光流图中的全局运动光流;
参数确定模块,用于根据所述全局运动光流,确定所述原始图像对应的全局运动参数;
输出模块,用于根据所述全局运动参数,对所述原始图像进行图像变换,得到处理后的图像。
根据本发明的又一方面,提供了一种图像处理的装置,包括存储器、处理器及存储在所述存储器上且在所述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前述方面或任一实现方式所述的图像处理的方法的步骤。
根据本发明的再一方面,提供了一种计算机存储介质,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前述方面或任一实现方式所述的图像处理的方法的步骤。
由此可见,本发明实施例中,在对图像进行电子稳像时,确定光流图中的全局运动光流,从而进一步基于全局运动光流得到全局运动参数,然后根据全局运动参数对原始图像进行处理。也就是说,本发明实施例在由硬件ISP进行相关操作之前,先对原始图像进行基于全局运动光流的电子稳像操作,该过程能够避免ISP处理时的无用的计算消耗,从而避免计算资源的浪费,也提高了图像处理的效率。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是本发明实施例的电子设备的一个示意性框图;
图2是本发明实施例的图像处理的方法的一个示意性流程图;
图3是本发明实施例的图像处理的方法的另一个示意性流程图;
图4是本发明实施例的图像处理的装置的一个示意性框图;
图5是本发明实施例的图像处理的装置的另一个示意性框图;
图6是本发明实施例的图像处理的装置的再一个示意性框图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
本发明实施例可以应用于电子设备,图1所示为本发明实施例的电子设备的一个示意性框图。图1所示的电子设备10包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108、图像传感器110以及一个或多个非图像传感器114,这些组件通过总线系统112和/或其它形式互连。应当注意,图1所示的电子设备10的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以包括中央处理单元(Central Processing Unit,CPU)1021和图形处理单元(Graphics Processing Unit,GPU)1022或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,例如现场可编程门阵列(Field-Programmable GateArray,FPGA)或进阶精简指令集机器(Advanced RISC(Reduced Instruction SetComputer)Machine,ARM)等,并且处理器102可以控制所述电子设备10中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器1041和/或非易失性存储器1042。所述易失性存储器1041例如可以包括随机存取存储器(Random Access Memory,RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器1042例如可以包括只读存储器(Read-Only Memory,ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现各种期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如用户)输出各种信息(例如图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像传感器110可以拍摄用户期望的图像(例如照片、视频等),并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。
当注意,图1所示的电子设备10的组件和结构只是示例性的,尽管图1示出的电子设备10包括多个不同的装置,但是根据需要,其中的一些装置可以不是必须的,其中的一些装置的数量可以更多等等,本发明对此不限定。
图2是本发明实施例的一种图像处理的方法的一个示例性流程图。图2所示的方法包括:
S110,获取与原始图像对应的光流图,并确定所述光流图中的全局运动光流;
S120,根据所述全局运动光流,确定所述原始图像对应的全局运动参数。
S130,根据所述全局运动参数,对所述原始图像进行图像变换,得到处理后的图像。
示例性地,在S110之前,如图3所示,还包括:S101,获取原始图像。例如可以从图像采集设备(例如,相机)获取原始图像,该原始图像为未经过硬件图像信号处理器(ImageSignal Processing,ISP)模块进行图像处理的图像,相比经过ISP模块处理后的图像,包含更多的信息。原始图像可以具有后缀.raw,原始图像可以是拜尔(Bayer)格式的图像。
示例性地,如图3所示,S110可以包括:
S1101,将所述原始图像转换为四通道图像;
S1102,对所述四通道图像进行光流检测,得到所述光流图;
S1103,对所述光流图进行图像识别,得到所述光流图中的全局运动光流和局部运动光流。
作为一例,S1101中可以将Bayer格式的原始图像转换为四通道图像,具体地,可以采用双线性插值算法将Bayer格式的原始图像转换为四通道图像(如RGGB图像)。其中,对于四通道RGGB图像,可以满足G=2*R以及G=2*B。
作为一例,S1102中可以使用稠密光流检测网络得到光流图。也就是说,可以将四通道图像输入至稠密光流检测网络,该稠密光流检测网络的输出为光流图。
稠密光流检测网络是一个双图进光流图出的全局卷积神经网络,其可以对各种场景下的图片进行精准的光流检测。可选地,在图3所示的方法之前,可以包括:通过训练得到该稠密光流检测网络。作为一例,训练所使用的训练数据集可以是开源数据集Fly-chairs;可理解也可以使用其他的训练数据集进行训练,本发明对此不限定。
本发明实施例中,S1103可以认为是全局/局部运动区分的过程。作为一例,S1103可以包括:将所述光流图输入至全局局部运动区分神经网络,得到所述光流图中的局部运动光流和所述全局运动光流。
本发明实施例中,可以通过不同的标记来区分局部运动光流和所述全局运动光流。作为一例,可以使用第一光流值标记光流图中的全局运动光流,并使用第二光流值标记光流图中的局部运动光流。
本发明实施例对第一光流值和第二光流值的具体形式不作限定,例如第一光流值可以为掩码1,第二光流值可以为掩码0。
全局局部运动区分神经网络是一个输入光流图输出掩码(Mask)的卷积神经网络模型。也就是说,该全局局部运动区分神经网络的输出可以以掩码的方式区分所述局部运动光流和所述全局运动光流。具体地,它可以挑选出光流图中的全局运动光流和局部运动光流,并以mask的方式表示,例如以掩码1表示所述全局运动光流,以掩码0表示所述局部运动光流。应当理解的是,也可以采用其他的方式来分别表示局部运动光流和全局运动光流,例如0表示全局运动光流,1表示局部运动光流,等等,这里不再一一罗列。
可选地,在图3所示的方法之前,可以包括:通过训练得到该全局局部运动区分神经网络。作为一例,训练所使用的训练数据集可以是合成数据。可以通过对开源数据集Flying-chairs进行全局图像变换和画面中物体的局部运动变化,得到不同视角的具有全局局部运动的光流图,然后再基于此来训练得到该全局局部运动区分神经网络。
示例性地,如图3所示,S120可以包括:
S1201,从所述光流图中提取所述全局运动光流,得到稀疏光流图;
S1202,根据所述稀疏光流图,得到表征稀疏光流图中各个像素点移动的全局运动参数。
作为一例,S1201可以包括:针对S1103的结果,将其中被标记为第一光流值(如掩码为1)的那部分提取出来,即得到了只包括全局运动光流的稀疏光流图。
或者,S1201也可以理解为将光流图中被标记为第二光流值的位置的光流删除,从而得到只包括全局运动光流的稀疏光流图。
示例性地,S1202可以包括:基于稀疏光流图,通过估计计算得到全局运动参数。
具体地,全局运动参数可以包括表示全局运动的8个参数,这8个参数包括:表示旋转的两个参数、表示平移的两个参数、表示投影的两个参数以及表示尺度变化的两个参数。示例性地,全局运动参数可以表示为3*3的矩阵的形式,该矩阵中的前8个元素即对应8个参数,该矩阵的最后一个元素可以填充为1。
具体地,稀疏光流图可以表示各个像素在水平方向与竖直方向上的位置的变化,通过S1202的计算过程可以将该位置的变化表示为矩阵形式的全局运动参数。
示例性地,如图3所示,S130可以包括:
S1301,根据所述全局运动参数,对所述四通道图像进行对应的图像处理,得到稳态后的四通道图像;
S1302,将所述稳态后的四通道图像转换为单通道图像,得到处理后的图像。
作为一例,S1301中可以根据全局运动参数,对四通道图像进行旋转、平移、投影、以及尺度变化等图像处理,从而得到稳态后的四通道图像。
作为一例,S1302通过图像转换得到单通道图像,其中,转换后的单通道图像为拜尔(Bayer)格式的图像。
参照图3,在S1101中将单通道的原始图像转换为四通道图像,在S1302中再将处理后的四通道图像转换回单通道图像,也就是说,S1102至S1301都是基于四通道图像进行的操作,能够保证处理的准确性,提高处理的精度。
示例性地,如图3所示,在S130之后,还可以进一步包括:
S140,将所述处理后的图像输入至硬件图像信号处理器(Image SignalProcessing,ISP)模块,得到与所述原始图像对应的输出图像。
也就是说,可以通过硬件图像信号处理器(Image Signal Processing,ISP)模块,得到与所述原始图像对应的输出图像。作为一例,输出图像可以为jpeg或者png图像,那么,ISP模块可以将单通道图像转换为jpeg或者png图像。具体地,硬件ISP对图像进行操作的过程可以参见已有的硬件ISP的相关操作,这里不再赘述。
由此可见,本发明实施例中,在对图像进行电子稳像时,确定光流图中的全局运动光流,从而进一步基于全局运动光流得到全局运动参数,然后根据全局运动参数对原始图像进行处理。也就是说,本发明实施例在由硬件ISP进行相关操作之前,先对原始图像进行基于全局运动光流的电子稳像操作,该过程能够避免ISP处理时的无用的计算消耗,从而避免计算资源的浪费,也提高了图像处理的效率。
图4是本发明实施例的用于图像处理的装置的一个示意性框图。图4所示的装置20可以包括光流图获取模块210,全局局部运动区分模块220,参数确定模块230和输出模块240。
光流图获取模块210,用于获取与原始图像对应的光流图;
全局局部运动区分模块220,用于确定所述光流图中的全局运动光流;
参数确定模块230,用于根据所述全局运动光流,确定所述原始图像对应的全局运动参数;
输出模块240,用于根据所述全局运动参数,对所述原始图像进行图像变换,得到处理后的图像。
示例性地,参见图5,装置20还可以包括输入模块201,输入模块201可以用于:获取原始图像,并将所述原始图像转换为四通道图像。
示例性地,参见图5,光流图获取模块210也可以被称为光流检测模块,可以具体用于:对所述四通道图像进行光流检测,得到所述光流图。
示例性地,全局局部运动区分模块220可以具体用于:将所述光流图输入至全局局部运动区分神经网络,得到所述光流图中的局部运动光流和所述全局运动光流。
示例性地,可以将所述光流图中的全局运动光流标记为第一光流值,将所述光流图中的局部运动光流标记为第二光流值。
其中,可以以掩码的方式区分所述局部运动光流和所述全局运动光流。作为一例,可以以掩码1表示所述全局运动光流,以掩码0表示所述局部运动光流。也就是说,可以以掩码1表示第一光流值,以掩码0表示第二光流值。
示例性地,输出模块240可以具体用于:根据所述全局运动参数,对所述四通道图像进行对应的图像处理,得到稳态后的四通道图像;将所述稳态后的四通道图像转换为单通道图像,得到处理后的图像。
示例性地,输出模块240还可以用于:将所述处理后的图像输入至硬件ISP模块,得到与所述原始图像对应的输出图像。其中,输出图像可以是jpeg或者png图像,便于进行显示。
示例性地,参数确定模块230可以具体用于:从所述光流图中提取所述全局运动光流,得到稀疏光流图;根据所述稀疏光流图,得到表征所述稀疏光流图中各个像素点移动的所述全局运动参数。
其中,本发明实施例中的四通道图像为RGGB图像,输出图像为jpeg或者png图像。
示例性地,全局运动参数包括8个参数,分别为:表示旋转的两个参数、表示平移的两个参数、表示投影的两个参数以及表示尺度变化的两个参数。
作为另一种模块划分的实现方式,如图5所示,装置20可以包括输入模块201、光流检测模块202、全局局部运动区分模块203、图像变换模块204、ISP模块205以及输出模块206。
输入模块201用于获取原始图像,并将所述原始图像转换为四通道图像。
光流检测模块202用于对所述四通道图像进行光流检测,得到所述光流图。
全局局部运动区分模块203用于将所述光流图输入至全局局部运动区分神经网络,得到所述光流图中的局部运动光流和所述全局运动光流;从所述光流图中提取所述全局运动光流,得到稀疏光流图。
图像变换模块204用于根据所述稀疏光流图,得到表征所述稀疏光流图中各个像素点移动的全局运动参数;根据所述全局运动参数,对所述四通道图像进行对应的图像处理,得到稳态后的四通道图像。
ISP模块205用于将所述稳态后的四通道图像转换为单通道图像,得到处理后处理后的图像;将所述处理后的图像输入至硬件ISP模块,得到与所述原始图像对应的输出图像。
输出模块206用于将得到的输出图像进行输出。
结合图3,输入模块201可以执行S101和S1101。光流检测模块202可以执行S1102。全局局部运动区分模块203可以执行S1103和S1201。图像变换模块204可以执行S1202和S1301。ISP模块205可以执行S1302和S140。
应当理解的是,图4或图5所示的模块划分只是示例性的,也可以按照其他的划分规则进行模块划分,这里不再一一罗列。
图4或图5所示的装置20能够用于实现前述图2或图3所示的图像处理的方法,为避免重复,这里不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
另外,本发明实施例还提供了另一种用于图像处理的装置,包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序,处理器执行所述程序时实现前述图2或图3所示的图像处理的方法的步骤。
如图6所示,该装置30可以包括存储器310和处理器320。存储器310存储用于实现根据本发明实施例的图像处理的方法中的相应步骤的计算机程序代码。处理器320用于运行存储器310中存储的计算机程序代码,以执行根据本发明实施例的图像处理的方法的相应步骤,并且用于实现根据本发明实施例的图3所述的装置中的各个模块。
示例性地,在所述计算机程序代码被处理器320运行时执行以下步骤:获取与原始图像对应的光流图,并确定所述光流图中的全局运动光流;根据所述全局运动光流,确定所述原始图像对应的全局运动参数;根据所述全局运动参数,对所述原始图像进行图像变换,得到处理后的图像。
另外,本发明实施例还提供了一种电子设备,该电子设备可以包括图6所示的装置30。该电子设备可以实现前述图2或图3所示的图像处理的方法。作为一例,该电子设备可以为前述如图1所示的电子设备。
另外,本发明实施例还提供了一种计算机存储介质,其上存储有计算机程序。当所述计算机程序由处理器执行时,可以实现前述图2或图3所示的图像处理的方法的步骤。例如,该计算机存储介质为计算机可读存储介质。
计算机存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合,例如包含用于图像处理的计算机可读的程序代码。
另外,本发明实施例还提供了一种计算机程序或者计算机程序产品,包括计算机程序代码,该程序代码被执行时,使得计算机实现前述图2或图3所示的图像处理的方法的步骤。
示例性地,在所述计算机程序代码被执行时,使得计算机能够实现:获取与原始图像对应的光流图,并确定所述光流图中的全局运动光流;根据所述全局运动光流,确定所述原始图像对应的全局运动参数;根据所述全局运动参数,对所述原始图像进行图像变换,得到处理后的图像。
由此可见,本发明实施例中,在对图像进行电子稳像时,针对光流图进行全局局部运动区分,得到光流图中的全局运动光流,从而进一步基于全局运动光流得到全局运动参数,然后再由ISP处理得到输出图像。也就是说,本发明实施例在由硬件ISP进行相关操作之前进行基于全局运动的电子稳像操作,该过程能够避免ISP处理时的无用的计算消耗,从而避免计算资源的浪费,也提高了图像处理的效率。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(Digital Signal Processing,DSP)来实现根据本发明实施例的物品分析设备中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种图像处理的方法,其特征在于,所述方法包括:
获取与原始图像对应的光流图,并确定所述光流图中的全局运动光流;
根据所述全局运动光流,确定所述原始图像对应的全局运动参数;
根据所述全局运动参数,对所述原始图像进行图像变换,得到处理后的图像。
2.根据权利要求1所述的方法,其特征在于,所述确定所述光流图中的全局运动光流,包括:
对所述光流图进行图像识别,确定所述光流图中的局部运动光流和全局运动光流。
3.根据权利要求2所述的方法,其特征在于,将所述光流图中的全局运动光流标记为第一光流值,将所述光流图中的局部运动光流标记为第二光流值。
4.根据权利要求3所述的方法,其特征在于,以掩码1表示所述第一光流值,以掩码0表示所述第二光流值。
5.根据权利要求1所述的方法,其特征在于,所述获取与原始图像对应的光流图,包括:
将所述原始图像转换为四通道图像;
对所述四通道图像进行光流检测,得到所述光流图。
6.根据权利要求5所述的方法,其特征在于,所述根据所述全局运动参数,对所述原始图像进行图像变换,得到处理后的图像,包括:
根据所述全局运动参数,对所述四通道图像进行对应的图像处理,得到稳态后的四通道图像;
将所述稳态后的四通道图像转换为单通道图像,得到处理后的图像。
7.根据权利要求6所述的方法,其特征在于,还包括:
将所述处理后的图像输入至硬件图像信号处理器ISP模块,得到与所述原始图像对应的输出图像。
8.根据权利要求1所述的方法,其特征在于,所述根据所述全局运动光流,确定所述原始图像对应的全局运动参数,包括:
从所述光流图中提取所述全局运动光流,得到稀疏光流图;
根据所述稀疏光流图,得到表征所述稀疏光流图中各个像素点移动的所述全局运动参数。
9.根据权利要求1至8中任一项所述的方法,其特征在于,所述全局运动参数包括8个参数,分别为:表示旋转的两个参数、表示平移的两个参数、表示投影的两个参数以及表示尺度变化的两个参数。
10.一种图像处理的装置,其特征在于,所述装置包括:
光流图获取模块,用于获取与原始图像对应的光流图;
全局局部运动区分模块,用于确定所述光流图中的全局运动光流;
参数确定模块,用于根据所述全局运动光流,确定所述原始图像对应的全局运动参数;
输出模块,用于根据所述全局运动参数,对所述原始图像进行图像变换,得到处理后的图像。
11.一种图像处理的装置,包括存储器、处理器及存储在所述存储器上且在所述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9中任一项所述方法的步骤。
12.一种计算机存储介质,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9中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911021737.0A CN110827194A (zh) | 2019-10-25 | 2019-10-25 | 图像处理的方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911021737.0A CN110827194A (zh) | 2019-10-25 | 2019-10-25 | 图像处理的方法、装置及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110827194A true CN110827194A (zh) | 2020-02-21 |
Family
ID=69550776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911021737.0A Pending CN110827194A (zh) | 2019-10-25 | 2019-10-25 | 图像处理的方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110827194A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610865A (zh) * | 2021-07-27 | 2021-11-05 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN114579776A (zh) * | 2022-03-14 | 2022-06-03 | 武汉工程大学 | 一种光场数据存储方法、装置、电子设备及计算机介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090059017A1 (en) * | 2007-08-29 | 2009-03-05 | Sanyo Electric Co., Ltd. | Imaging device and image processing apparatus |
CN101854465A (zh) * | 2010-02-01 | 2010-10-06 | 杭州海康威视软件有限公司 | 基于光流算法的图像处理方法及装置 |
CN102202178A (zh) * | 2010-03-25 | 2011-09-28 | 株式会社东芝 | 图像处理方法及图像处理装置 |
US20150271411A1 (en) * | 2014-03-24 | 2015-09-24 | Omnivision Technologies, Inc. | Image sensor cropping images in response to cropping coordinate feedback |
CN107343121A (zh) * | 2017-06-30 | 2017-11-10 | 维沃移动通信有限公司 | 一种图像数据的处理方法和移动终端 |
CN107527358A (zh) * | 2017-08-23 | 2017-12-29 | 北京图森未来科技有限公司 | 一种稠密光流估计方法及装置 |
JP2019071522A (ja) * | 2017-10-06 | 2019-05-09 | キヤノン株式会社 | 撮像装置および制御方法 |
-
2019
- 2019-10-25 CN CN201911021737.0A patent/CN110827194A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090059017A1 (en) * | 2007-08-29 | 2009-03-05 | Sanyo Electric Co., Ltd. | Imaging device and image processing apparatus |
CN101854465A (zh) * | 2010-02-01 | 2010-10-06 | 杭州海康威视软件有限公司 | 基于光流算法的图像处理方法及装置 |
CN102202178A (zh) * | 2010-03-25 | 2011-09-28 | 株式会社东芝 | 图像处理方法及图像处理装置 |
US20150271411A1 (en) * | 2014-03-24 | 2015-09-24 | Omnivision Technologies, Inc. | Image sensor cropping images in response to cropping coordinate feedback |
CN107343121A (zh) * | 2017-06-30 | 2017-11-10 | 维沃移动通信有限公司 | 一种图像数据的处理方法和移动终端 |
CN107527358A (zh) * | 2017-08-23 | 2017-12-29 | 北京图森未来科技有限公司 | 一种稠密光流估计方法及装置 |
JP2019071522A (ja) * | 2017-10-06 | 2019-05-09 | キヤノン株式会社 | 撮像装置および制御方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610865A (zh) * | 2021-07-27 | 2021-11-05 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN113610865B (zh) * | 2021-07-27 | 2024-03-29 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN114579776A (zh) * | 2022-03-14 | 2022-06-03 | 武汉工程大学 | 一种光场数据存储方法、装置、电子设备及计算机介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106650662B (zh) | 目标对象遮挡检测方法及装置 | |
CN106447721B (zh) | 图像阴影检测方法和装置 | |
CN108876791B (zh) | 图像处理方法、装置和系统及存储介质 | |
CN108875723B (zh) | 对象检测方法、装置和系统及存储介质 | |
CN110008808B (zh) | 全景分割方法、装置和系统及存储介质 | |
US10187546B2 (en) | Method and device for correcting document image captured by image pick-up device | |
CN108875535B (zh) | 图像检测方法、装置和系统及存储介质 | |
CN108875537B (zh) | 对象检测方法、装置和系统及存储介质 | |
CN108876804B (zh) | 抠像模型训练和图像抠像方法、装置和系统及存储介质 | |
WO2018120460A1 (zh) | 图像焦距检测方法、装置、设备及计算机可读存储介质 | |
CN108875534B (zh) | 人脸识别的方法、装置、系统及计算机存储介质 | |
US9058655B2 (en) | Region of interest based image registration | |
CN110070551B (zh) | 视频图像的渲染方法、装置和电子设备 | |
CN110428394B (zh) | 用于目标移动侦测的方法、装置及计算机存储介质 | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN106650743B (zh) | 图像强反光检测方法和装置 | |
WO2019062631A1 (zh) | 一种局部动态影像生成方法及装置 | |
CN110827194A (zh) | 图像处理的方法、装置及计算机存储介质 | |
CN110505397B (zh) | 相机选择的方法、装置及计算机存储介质 | |
CN109785439A (zh) | 人脸素描图像生成方法及相关产品 | |
CN108734712B (zh) | 背景分割的方法、装置及计算机存储介质 | |
CN110728172B (zh) | 基于点云的人脸关键点检测方法、装置、系统及存储介质 | |
CN117152453A (zh) | 道路病害的检测方法、装置、电子设备和存储介质 | |
CN110619597A (zh) | 一种半透明水印去除方法、装置、电子设备及存储介质 | |
CN112949526B (zh) | 人脸检测方法和装置 |
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 |