CN110827377B - 粒子模糊处理方法、装置、计算机设备及存储介质 - Google Patents

粒子模糊处理方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN110827377B
CN110827377B CN201911051540.1A CN201911051540A CN110827377B CN 110827377 B CN110827377 B CN 110827377B CN 201911051540 A CN201911051540 A CN 201911051540A CN 110827377 B CN110827377 B CN 110827377B
Authority
CN
China
Prior art keywords
particle
ambiguity
target
depth
bus
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
Application number
CN201911051540.1A
Other languages
English (en)
Other versions
CN110827377A (zh
Inventor
王龙平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201911051540.1A priority Critical patent/CN110827377B/zh
Publication of CN110827377A publication Critical patent/CN110827377A/zh
Application granted granted Critical
Publication of CN110827377B publication Critical patent/CN110827377B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00Animation
    • G06T13/203D [Three Dimensional] animation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00Indexing scheme for image data processing or generation, in general
    • G06T2200/04Indexing scheme for image data processing or generation, in general involving 3D image data
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本申请涉及一种粒子模糊处理方法、装置、计算机设备及存储介质。所述方法包括:获取粒子在场景中的景深粒子模糊度,查找预设的模糊度图形,确定与景深粒子模糊度匹配的目标粒子母线,根据目标粒子母线对粒子进行模糊处理,从而提高模糊效率,降低功耗。

Description

粒子模糊处理方法、装置、计算机设备及存储介质
技术领域
本申请涉及图形处理技术领域,特别是涉及一种粒子模糊处理方法、装置、计算机设备及存储介质。
背景技术
在三维场景渲染中,粒子系统是整个程序模块中不可或缺的部分,适当的在场景中添加粒子特效,能极大丰富场景内容,让整个场景更加生动。经常需要使用景深技术来进行图像后期处理,以增强真实感。目前常见的景深处理方法有以下两种:第一种是渲染出一张原图像纹理和一张原图像的高斯模糊纹理,然后根据深度值计算每个片段模糊因子,最后根据模糊因子将两张纹理进行混合,最终图像将表现为近焦区域清晰,离焦区域模糊。第二种是在对原图像纹理进行高斯模糊时会进行深度对比,当样本片段深度大于等于中心样本片段深度时,才进行模糊。
上述两种方案都需要采用算法进行模糊,模糊效率低,且上述两种方案主要运用于性能强大的PC端,如果在移动端采用上述技术进行粒子模糊处理,会出现内存占用过大,功耗过高的问题。
发明内容
本申请实施例提供了一种粒子模糊处理方法、装置、计算机设备及存储介质,至少能够解决相关技术中都需要采用算法进行模糊,模糊效率低,且上述两种方案主要运用于性能强大的PC端,如果在移动端采用上述技术进行粒子模糊处理,会出现内存占用过大,功耗过高的问题。
本申请实施例第一方面提供了一种粒子模糊处理方法,所述方法包括:
获取粒子在场景中的景深粒子模糊度;
查找预设的模糊度图形,确定与所述景深粒子模糊度匹配的目标粒子母线;
根据所述目标粒子母线对所述粒子进行模糊处理。
本申请实施例第二方面提供了一种粒子模糊处理装置,所述装置包括:
模糊度获取模块,用于获取粒子在场景中的景深粒子模糊度;
粒子母线获取模块,用于查找预设的模糊度图形,确定与所述景深粒子模糊度匹配的目标粒子母线;
模糊处理模块,用于根据所述目标粒子母线对所述粒子进行模糊处理。
本申请实施例第三方面提供了一种计算机设备,包括存储器、处理器及存储在存储器上并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,实现上述本申请实施例第一方面提供的粒子模糊处理方法中的各步骤。
本申请实施例第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时,实现上述本申请实施例第一方面提供的粒子模糊处理方法中的各步骤。
由上可见,根据本申请方案所提供的粒子模糊处理方法、装置、计算机设备及存储介质,获取粒子在场景中的景深粒子模糊度,查找预设的模糊度图形,确定与景深粒子模糊度匹配的目标粒子母线,根据目标粒子母线对粒子进行模糊处理。其中,通过在粒子模糊处理时,直接根据景深粒子模糊度从预设的模糊度图形中查找出相应的目标粒子母线,根据目标粒子母线进行模糊处理,而无需采用算法模糊,极大提高模糊效率,也不会出现内存占用过大,功耗过高的问题。
附图说明
图1为一个实施例中粒子模糊处理方法的流程示意图;
图2为一个实施例中模糊度图形的示意图;
图3为一个实施例中步骤S101的细化步骤的流程示意图;
图4为一个实施例中步骤S102的细化步骤的流程示意图;
图5为一个实施例中粒子模糊处理装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,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,所描述的实施例仅仅是本申请一部分实施例,而非全部实施例。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
为了使本领域普通人员更好地理解本申请的技术方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为了解决相关技术中都需要采用算法进行模糊,模糊效率低,且上述两种方案主要运用于性能强大的PC端,如果在移动端采用上述技术进行粒子模糊处理,会出现内存占用过大,功耗过高的问题。在一个实施例中,如图1所示,提供了一种粒子模糊处理方法,应用于粒子模糊处理装置,如图1为本实施例提供的粒子模糊处理方法的基本流程图,该粒子模糊处理方法包括以下的步骤:
步骤S101,获取粒子在场景中的景深粒子模糊度。
在本发明实施例中,该场景是利用相机得到的一个三维场景,该场景中可以包括若干粒子,因为粒子在三维场景中是分散排布的,距离相机镜头的距离是不同的,所以每个粒子都有不同的景深粒子模糊度。
步骤S102,查找预设的模糊度图形,确定与所述景深粒子模糊度匹配的目标粒子母线。
在本发明实施例中,预设一个模糊度图形,如图2的右半部分所示,该模糊度图形包含若干粒子母线,每个粒子母线对应着一个模糊度。
其中,图2的左半部分是三个不同模糊度的粒子图形,从图2的左半部分可以看出,模糊后的粒子图形有一个规律,就是可描述为由一条母线沿圆心旋转一周后,即可得到模糊后的粒子。因此,可以将每一张模糊后的粒子图形(每一张模糊后的粒子图形都对应着一个模糊度)以一条母线来表征,简称为粒子母线,该粒子母线不仅仅是一条线段,是包含模糊度等信息的线段,不同的粒子母线沿圆心旋转一周后,得到的是模糊程度不同的粒子图像。
其中,预设模糊度图形相当于先训练好一个具有若干模糊度的库,在训练的过程中,对于样本中的粒子的模糊处理可以用现有的模糊处理方法,例如,高斯模糊,对每个粒子进行不同程度的模糊后,会得到若干图形,将每张图像用一条粒子母线进行表征,其中,可以根据需求进行不同程度的模糊,例如,按照用户需求,将所有的粒子按照0.00-1.00的程度进行模糊,最小单位为0.01;也可以将所有的粒子按照0-100的程度进行模糊,最小单位为1,等等。
需要说明的是,在预设模糊度图形中的模糊程度的范围定义好后,步骤S101需要按照预设模糊度图形中定义好的模糊程度的范围,对粒子的景深粒子模糊度进行计算获取。例如,预设模糊度图形中的模糊程度的范围为0.00-1.00,需要保证粒子的景深粒子模糊度也在0.00-1.00之间,假设景深粒子模糊度为99,则需要对景深粒子模糊度进行处理,99处理100得到0.99,保证粒子的景深粒子模糊度也在0.00-1.00之间。
步骤S103,根据所述目标粒子母线对所述粒子进行模糊处理。
具体的:根据所述目标模糊度,将所述目标粒子母线以所述粒子的中心为圆心旋转一周,得到所述模糊后的粒子。
在本发明实施例中,如步骤S102可知,模糊后的粒子图形有一个规律,就是可描述为由一条母线沿圆心旋转一周后,即可得到模糊后的粒子,因此,可以根据这个规律,由目标粒子母线沿圆心旋转一周,即可得到模糊后的粒子,实现了对粒子的模糊处理。
上述粒子模糊处理方法,获取粒子在场景中的景深粒子模糊度,查找预设的模糊度图形,确定与景深粒子模糊度匹配的目标粒子母线,根据目标粒子母线对粒子进行模糊处理。其中,通过在粒子模糊处理时,直接根据景深粒子模糊度从预设的模糊度图形中查找出相应的目标粒子母线,根据目标粒子母线进行模糊处理,而无需采用算法模糊,极大提高模糊效率,也不会出现内存占用过大,功耗过高的问题。
在一个实施例中,如图3所示,为步骤S101的细化步骤的流程示意图,步骤S101获取粒子在场景中的景深粒子模糊度具体包括:
步骤S1011,根据所述粒子在场景中的坐标值,得到所述粒子的深度值。
步骤S1012,根据相机的焦距和焦点宽度,将所述深度值转换为所述景深粒子模糊度。
在本发明实施例中,通常根据粒子在场景中的Z轴的坐标值,得到粒子的深度值。上述得到粒子的深度值以及将深度值转换为景深粒子模糊度的过程均属于现有技术,此处不再加以详细赘述。
在一个实施例中,所述模糊度图形包括若干模糊度和粒子母线,所述粒子母线与所述模糊度一一对应,如图4所示,为步骤S102的细化步骤的流程示意图,步骤S102查找预设的模糊度图形,确定与所述景深粒子模糊度匹配的目标粒子母线具体包括:
步骤S1021,查找所述模糊度图形,确定与所述景深粒子模糊度匹配的目标模糊度。
其中,按照模糊度从小到大的规律,将预设数量的模糊度粒子图像中的粒子母线存储于一张图形中,得到所述模糊度图形。
在本发明实施例中,如图2所示,按照模糊度从小到大的规律(0,0.05,1.00),将粒子母线从上到下存储于一张图形中,得到模糊度图形。
步骤S1022,将与所述目标模糊度对应的粒子母线确定为所述目标粒子母线。
在本发明实施例中,如图2所示,模糊度图形包括若干模糊度和粒子母线,假设景深粒子模糊度为0.5,查找模糊度图形,确定与景深粒子模糊度(0.5)匹配的目标模糊度(0.5),该目标模糊度对应的粒子母线即为目标粒子母线。
其中,若未查找到与所述景深粒子模糊度匹配的目标模糊度,则计算所述模糊度图形中的各模糊度与所述景深粒子模糊度的差值的绝对值;将最小绝对值所对应的模糊度确定为所述目标模糊度;将与所述目标模糊度对应的粒子母线确定为所述目标粒子母线。
在本发明实施例中,模糊度图形中的模糊度和粒子母线的数量是有限的,是预先设置的,例如,模糊度范围为0.00-1.00,最小单位为0.01,则模糊度从小到大依次为:0.00,0.01,0.02,0.03,……,0.097,0.98,0.99,1.00。若景深粒子模糊度为0.036,查找模糊度图形,发现未查找到与景深粒子模糊度0.036匹配的目标模糊度,计算模糊度图形中的各模糊度与景深粒子模糊度的差值的绝对值,可选的,计算与0.036相邻的两个模糊度与景深粒子模糊度的差值的绝对值,0.036与0.03的差值的绝对值为0.006,0.036与0.04的差值的绝对值为0.004,则将绝对值0.004对应的模糊度0.04确定为目标模糊度,将与模糊度0.04确定为目标粒子母线。模糊后的粒子图形有一个规律,就是可描述为由一条母线沿圆心旋转一周后,即可得到模糊后的粒子,因此,可以根据这个规律,由目标粒子母线沿圆心旋转一周,即可得到模糊后的粒子,实现了对粒子的模糊处理。
需要说明的是,在本发明实施例中,在一帧图像中可能包含若干粒子,而在景深处理的时候,通常是对一帧一帧的图像进行处理的,在对某帧图像进行处理的时候,获取该帧图像中的所有粒子在场景中的Z轴的坐标值,根据每个粒子在场景中的Z轴的坐标值,得到每个粒子的深度值,根据相机的焦距和焦点宽度,将每个粒子的深度值转换为景深粒子模糊度。之后,查找预设的模糊度图形,确定与景深粒子模糊度匹配的目标模糊度,其中,假设有100个粒子,则可以同时确定100个粒子的目标模糊度,并确定与100个粒子中的每个粒子的模糊度对应的粒子母线。之后,每个粒子的粒子母线以该粒子的中心为圆心旋转一周,得到该粒子模糊后的粒子。利用上述方案,可以无需对每个粒子进行算法模糊,只要查找模糊度图形,便可同时对获取的一帧图像中的所有粒子进行模糊,高效且操作简单。对该帧图像进行模糊处理后,则对于下一帧图像,可以按照上述方案进行模糊处理。
应该理解的是,虽然图1、图3和图4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、图3和图4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。
在一个实施例中,如图5所示,提供了一种粒子模糊处理装置,包括:模糊度获取模块501、粒子母线获取模块502和模糊处理模块503,其中:
所述模糊度获取模块501,用于获取粒子在场景中的景深粒子模糊度。
所述粒子母线获取模块502,用于查找预设的模糊度图形,确定与所述景深粒子模糊度匹配的目标粒子母线。
所述模糊处理模块503,用于根据所述目标粒子母线对所述粒子进行模糊处理。
在一个实施例中,所述模糊度获取模块501用于:
根据所述粒子在场景中的坐标值,得到所述粒子的深度值;
根据相机的焦距和焦点宽度,将所述深度值转换为所述景深粒子模糊度。
在一个实施例中,所述模糊度图形包括若干模糊度和粒子母线,所述粒子母线与所述模糊度一一对应;所述粒子母线获取模块502用于:
查找所述模糊度图形,确定与所述景深粒子模糊度匹配的目标模糊度;
将与所述目标模糊度对应的粒子母线确定为所述目标粒子母线。
在一个实施例中,所述粒子母线获取模块502用于:
若未查找到与所述景深粒子模糊度匹配的目标模糊度,则计算所述模糊度图形中的各模糊度与所述景深粒子模糊度的差值的绝对值;
将最小绝对值所对应的模糊度确定为所述目标模糊度;
将与所述目标模糊度对应的粒子母线确定为所述目标粒子母线。
在一个实施例中,所述模糊处理模块503用于:
根据所述目标模糊度,将所述目标粒子母线以所述粒子的中心为圆心旋转一周,得到所述模糊后的粒子。
在一个实施例中,所述装置还包括:模糊度图形创建模块,用于按照模糊度从小到大的规律,将预设数量的模糊度粒子图像中的粒子母线存储于一张图形中,得到所述模糊度图形。
上述粒子模糊处理装置,模糊度获取模块501获取粒子在场景中的景深粒子模糊度,粒子母线获取模块502查找预设的模糊度图形,确定与景深粒子模糊度匹配的目标粒子母线,模糊处理模块503根据目标粒子母线对粒子进行模糊处理。其中,通过在粒子模糊处理时,直接根据景深粒子模糊度从预设的模糊度图形中查找出相应的目标粒子母线,根据目标粒子母线进行模糊处理,而无需采用算法模糊,极大提高模糊效率,也不会出现内存占用过大,功耗过高的问题。
关于粒子模糊处理装置的具体限定可以参见上文中对于粒子模糊处理方法的限定,在此不再赘述。上述粒子模糊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。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6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、网络接口和数据库。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、计算机程序和数据库。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。该计算机设备的数据库用于存储模糊度等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种粒子模糊处理方法。
本领域技术人员可以理解,图6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、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取粒子在场景中的景深粒子模糊度;
查找预设的模糊度图形,确定与所述景深粒子模糊度匹配的目标粒子母线;
根据所述目标粒子母线对所述粒子进行模糊处理。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据所述粒子在场景中的坐标值,得到所述粒子的深度值;
根据相机的焦距和焦点宽度,将所述深度值转换为所述景深粒子模糊度。
在一个实施例中,所述模糊度图形包括若干模糊度和粒子母线,所述粒子母线与所述模糊度一一对应;处理器执行计算机程序时还实现以下步骤:
查找所述模糊度图形,确定与所述景深粒子模糊度匹配的目标模糊度;
将与所述目标模糊度对应的粒子母线确定为所述目标粒子母线。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若未查找到与所述景深粒子模糊度匹配的目标模糊度,则计算所述模糊度图形中的各模糊度与所述景深粒子模糊度的差值的绝对值;
将最小绝对值所对应的模糊度确定为所述目标模糊度;
将与所述目标模糊度对应的粒子母线确定为所述目标粒子母线。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据所述目标模糊度,将所述目标粒子母线以所述粒子的中心为圆心旋转一周,得到所述模糊后的粒子。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
按照模糊度从小到大的规律,将预设数量的模糊度粒子图像中的粒子母线存储于一张图形中,得到所述模糊度图形。
在一个实施例中,提供了一种计算机可读存储介质,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:
获取粒子在场景中的景深粒子模糊度;
查找预设的模糊度图形,确定与所述景深粒子模糊度匹配的目标粒子母线;
根据所述目标粒子母线对所述粒子进行模糊处理。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据所述粒子在场景中的坐标值,得到所述粒子的深度值;
根据相机的焦距和焦点宽度,将所述深度值转换为所述景深粒子模糊度。
在一个实施例中,所述模糊度图形包括若干模糊度和粒子母线,所述粒子母线与所述模糊度一一对应;计算机程序被处理器执行时还实现以下步骤:
查找所述模糊度图形,确定与所述景深粒子模糊度匹配的目标模糊度;
将与所述目标模糊度对应的粒子母线确定为所述目标粒子母线。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若未查找到与所述景深粒子模糊度匹配的目标模糊度,则计算所述模糊度图形中的各模糊度与所述景深粒子模糊度的差值的绝对值;
将最小绝对值所对应的模糊度确定为所述目标模糊度;
将与所述目标模糊度对应的粒子母线确定为所述目标粒子母线。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据所述目标模糊度,将所述目标粒子母线以所述粒子的中心为圆心旋转一周,得到所述模糊后的粒子。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
按照模糊度从小到大的规律,将预设数量的模糊度粒子图像中的粒子母线存储于一张图形中,得到所述模糊度图形。
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。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
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发明专利范围的限制。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 (6)

1.一种粒子模糊处理方法,其特征在于,所述方法包括:
获取粒子在场景中的景深粒子模糊度;
查找预设的模糊度图形,确定与所述景深粒子模糊度匹配的目标模糊度,所述模糊度图形包括若干模糊度和粒子母线,所述粒子母线与所述模糊度一一对应;将与所述目标模糊度对应的粒子母线确定为目标粒子母线;
根据所述目标模糊度,将所述目标粒子母线以所述粒子的中心为圆心旋转一周,得到模糊后的粒子;
所述方法还包括:
按照模糊度从小到大的规律,将预设数量的模糊度粒子图像中的粒子母线存储于一张图形中,得到所述模糊度图形。
2.根据权利要求1所述的方法,其特征在于,所述获取粒子在场景中的景深粒子模糊度,包括:
根据所述粒子在场景中的坐标值,得到所述粒子的深度值;
根据相机的焦距和焦点宽度,将所述深度值转换为所述景深粒子模糊度。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若未查找到与所述景深粒子模糊度匹配的目标模糊度,则计算所述模糊度图形中的各模糊度与所述景深粒子模糊度的差值的绝对值;
将最小绝对值所对应的模糊度确定为所述目标模糊度;
将与所述目标模糊度对应的粒子母线确定为所述目标粒子母线。
4.一种粒子模糊处理装置,其特征在于,所述装置包括:
模糊度获取模块,用于获取粒子在场景中的景深粒子模糊度;
粒子母线获取模块,用于查找预设的模糊度图形,确定与所述景深粒子模糊度匹配的目标模糊度,所述模糊度图形包括若干模糊度和粒子母线,所述粒子母线与所述模糊度一一对应;将与所述目标模糊度对应的粒子母线确定为目标粒子母线;
模糊处理模块,用于根据所述目标模糊度,将所述目标粒子母线以所述粒子的中心为圆心旋转一周,得到模糊后的粒子;
模糊度图形创建模块,用于按照模糊度从小到大的规律,将预设数量的模糊度粒子图像中的粒子母线存储于一张图形中,得到所述模糊度图形。
5.一种计算机设备,包括存储器、处理器及存储在存储器上并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3中任一项所述方法的步骤。
6.一种计算机可读存储介质,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3中任一项所述的方法的步骤。
CN201911051540.1A 2019-10-31 2019-10-31 粒子模糊处理方法、装置、计算机设备及存储介质 Active CN110827377B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911051540.1A CN110827377B (zh) 2019-10-31 2019-10-31 粒子模糊处理方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911051540.1A CN110827377B (zh) 2019-10-31 2019-10-31 粒子模糊处理方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN110827377A CN110827377A (zh) 2020-02-21
CN110827377B true CN110827377B (zh) 2023-05-26

Family

ID=69551628

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911051540.1A Active CN110827377B (zh) 2019-10-31 2019-10-31 粒子模糊处理方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN110827377B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106060423A (zh) * 2016-06-02 2016-10-26 广东欧珀移动通信有限公司 虚化照片生成方法、装置和移动终端
CN108076286A (zh) * 2017-11-30 2018-05-25 广东欧珀移动通信有限公司 图像虚化方法、装置、移动终端和存储介质
WO2018119912A1 (zh) * 2016-12-29 2018-07-05 深圳大学 基于并行模糊高斯和粒子滤波的目标跟踪方法及装置
CN110378943A (zh) * 2019-06-21 2019-10-25 北京达佳互联信息技术有限公司 图像处理方法、装置、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10410327B2 (en) * 2017-06-02 2019-09-10 Apple Inc. Shallow depth of field rendering

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106060423A (zh) * 2016-06-02 2016-10-26 广东欧珀移动通信有限公司 虚化照片生成方法、装置和移动终端
WO2018119912A1 (zh) * 2016-12-29 2018-07-05 深圳大学 基于并行模糊高斯和粒子滤波的目标跟踪方法及装置
CN108076286A (zh) * 2017-11-30 2018-05-25 广东欧珀移动通信有限公司 图像虚化方法、装置、移动终端和存储介质
CN110378943A (zh) * 2019-06-21 2019-10-25 北京达佳互联信息技术有限公司 图像处理方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于模糊粒子群算法的非线性函数优化;柳寅等;《上海理工大学学报》;20120815(第04期);第314-322页 *

Also Published As

Publication number Publication date
CN110827377A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN109389665B (zh) 三维模型的纹理获取方法、装置、设备和存储介质
US20140355892A1 (en) Image processing method and apparatus
CN111161269B (zh) 图像分割方法、计算机设备和可读存储介质
CN109859314B (zh) 三维重建方法、装置、电子设备和存储介质
US9824421B2 (en) Content-aware image resizing using superpixels
CN110852949A (zh) 点云数据补全方法、装置、计算机设备和存储介质
CN110599586A (zh) 一种半稠密场景重建方法、装置、电子设备及存储介质
GB2557657A (en) Mipmap rendering
CN111586321B (zh) 视频生成方法、装置、电子设备和计算机可读存储介质
CN107808394B (zh) 一种基于卷积神经网络的图像处理方法及移动终端
CN107578375B (zh) 图像处理方法及装置
Yang et al. Automatic objects removal for scene completion
CN110363837B (zh) 游戏中纹理图像的处理方法及装置、电子设备、存储介质
WO2014198029A1 (en) Image completion based on patch offset statistics
CN112446951B (zh) 三维重建方法、装置、电子设备及计算机存储介质
CN110827377B (zh) 粒子模糊处理方法、装置、计算机设备及存储介质
CN111340728B (zh) 基于3d点云分割的点云去噪方法、装置和存储介质
CN116091322B (zh) 超分辨率图像重建方法和计算机设备
Krishnamoorthy et al. An enhanced method for object removal using exemplar-based image inpainting
CN108986031B (zh) 图像处理方法、装置、计算机设备和存储介质
CN112767239A (zh) 一种样本自动生成方法、系统、设备和存储介质
CN109523634B (zh) 优化网格的方法及装置
CN111192192B (zh) 在图形中填充图像的方法、装置、设备以及介质
CN110312164A (zh) 视频处理方法、装置及计算机存储介质和终端设备
CN115550190A (zh) 网络拓扑图的确定方法、装置、设备及存储介质

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