CN110852951B - 图像处理方法、装置、终端设备及计算机可读存储介质 - Google Patents
图像处理方法、装置、终端设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110852951B CN110852951B CN201911086810.2A CN201911086810A CN110852951B CN 110852951 B CN110852951 B CN 110852951B CN 201911086810 A CN201911086810 A CN 201911086810A CN 110852951 B CN110852951 B CN 110852951B
- Authority
- CN
- China
- Prior art keywords
- image
- reference image
- branch
- dimensional code
- hyper
- 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 21
- 238000000034 method Methods 0.000 claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 238000003909 pattern recognition Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 230000001413 cellular effect Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000000872 buffer Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 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
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010897 surface acoustic wave method 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
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/38—Registration of image sequences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本申请适用于图像处理技术领域,提供了图像处理方法、装置、终端设备及计算机可读存储介质,包括:获取至少一帧图像;识别所述至少一帧图像中是否存在二维码图形;从存在二维码图形的图像中确定基准图像以及非基准图像;提取所述基准图像的特征点以及非基准图像的特征点;基于所述基准图像的特征点以及非基准图像的特征点确定所述基准图像与所述非基准图像的单应性矩阵;根据所述单应性矩阵以及所述非基准图像得到对齐图像序列;将所述对齐图像序列输入预设的超分模型,得到所述预设的超分模型输出的超分图像。通过上述方法,能够获得质量更好的超分图像。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及图像处理方法、装置、终端设备及计算机可读存储介质。
背景技术
超分辨率(Super-Resolution,SR)是指通过硬件或软件的方法提高原有图像的分辨率。通过对一系列低分辨率的图像进行处理后得到一幅高分辨率的图像的过程就是超分辨率重建。超分辨率重建的核心思想是用时间带宽(获取同一场景的多帧图像序列)换取空间分辨率,实现时间分辨率向空间分辨率的转换。SR在监控设备、卫星图像和医学影像等领域都有重要的应用价值。
现有的二维码图像超分方法在提取特征块后,对提取的特征块进行稀疏编码,最后结合低分辨率图像块与对应的高分辨率图像块的学习字典,得到最终的高分辨率的二维码图像。但现有的方法仍难以实现对低质量的二维码图像的超分。
发明内容
本申请实施例提供了图像处理方法、装置、终端设备及计算机可读存储介质,可以解决现有技术中难以实现对低质量的二维码图像的超分的问题。
第一方面,本申请实施例提供了一种图像处理方法,包括:
获取至少一帧图像;
识别所述至少一帧图像中是否存在二维码图形;
从存在二维码图形的图像中确定基准图像以及非基准图像;
提取所述基准图像的特征点以及非基准图像的特征点;
基于所述基准图像的特征点以及非基准图像的特征点确定所述基准图像与所述非基准图像的单应性矩阵;
根据所述单应性矩阵以及所述非基准图像得到对齐图像序列;
将所述对齐图像序列输入预设的超分模型,得到所述预设的超分模型输出的超分图像。
第二方面,本申请实施例提供了一种图像处理装置,包括:
图像获取单元,用于获取至少一帧图像;
二维码图形识别单元,用于识别所述至少一帧图像中是否存在二维码图形;
基准图像选取单元,用于从存在二维码图形的图像中确定基准图像以及非基准图像;
特征点提取单元,用于提取所述基准图像的特征点以及非基准图像的特征点;
单应性矩阵确定单元,用于基于所述基准图像的特征点以及非基准图像的特征点确定所述基准图像与所述非基准图像的单应性矩阵;
对齐图像序列确定单元,用于根据所述单应性矩阵以及所述非基准图像得到对齐图像序列;
超分图像生成单元,用于将所述对齐图像序列输入预设的超分模型,得到所述预设的超分模型输出的超分图像。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可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如第一方面所述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中所述的方法。
本申请实施例与现有技术相比存在的有益效果是:由于在确定出获取的图像存在二维码图形后,将从存在二维码图形的图像中确定基准图像和非基准图像,并根据从基准图像和非基准图像提取的特征点确定该基准图像和非基准图像对应的单应性矩阵,因此,能够根据单应性矩阵和非基准图像实现该非基准图像与基准图像的对齐,得到对应的对齐图像序列,而对齐图像序列表明其对应的图像更接近基准图像,即更接近用户要求的图像,从而使得根据对齐图像序列得到的超分图像更清晰,质量更好。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本申请一实施例提供的图像处理方法所适用于的手机的结构示意图;
图2是本申请一实施例提供的一种图像处理方法的流程图;
图3是本申请一实施例提供的另一种图像处理方法的流程图;
图4是本申请一实施例提供的一种预设的超分模型的结构示意图;
图5是本申请一实施例提供的另一种预设的超分模型的结构示意图;
图6是本申请一实施例提供的一种图像处理装置的结构示意图;
图7是本申请一实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例提供的图像处理方法方法可以应用于手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
例如,所述终端设备可以是WLAN中的站点(STAION,ST),可以是蜂窝电话、无绳电话、会话启动协议(Session InitiationProtocol,SIP)电话、无线本地环路(WirelessLocal Loop,WLL)站、个人数字处理(Personal Digital Assistant,PDA)设备、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、车联网终端、电脑、膝上型计算机、手持式通信设备、手持式计算设备、卫星无线设备、无线调制解调器卡、电视机顶盒(set top box,STB)、用户驻地设备(customer premise equipment,CPE)和/或用于在无线系统上进行通信的其它设备以及下一代通信系统,例如,5G网络中的移动终端或者未来演进的公共陆地移动网络(Public Land Mobile Network,PLMN)网络中的移动终端等。
作为示例而非限定,当所述终端设备为可穿戴设备时,该可穿戴设备还可以是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称,如眼镜、手套、手表、服饰及鞋等。可穿戴设备即直接穿在身上,或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备,更是通过软件支持以及数据交互、云端交互来实现强大的功能。广义穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或者部分的功能,如智能手表或智能眼镜等,以及只专注于某一类应用功能,需要和其它设备如智能手机配合使用,如各类进行体征监测的智能手环、智能首饰等。
以所述终端设备为手机为例。图1示出的是与本申请实施例提供的手机的部分结构的框图。参考图1,手机包括:射频(Radio Frequency,RF)电路110、存储器120、输入单元130、显示单元140、传感器150、音频电路160、无线保真(wireless fidelity,WiFi)模块170、处理器180、以及电源190等部件。本领域技术人员可以理解,图1中示出的手机结构并不构成对手机的限定,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。
下面结合图1对手机的各个构成部件进行具体的介绍:
RF电路110可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,给处理器180处理;另外,将设计上行的数据发送给基站。通常,RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier,LNA)、双工器等。此外,RF电路110还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(GlobalSystem of Mobile communication,GSM)、通用分组无线服务(General Packet RadioService,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、长期演进(Long Term Evolution,LTE))、电子邮件、短消息服务(Short Messaging Service,SMS)等。
存储器120可用于存储软件程序以及模块,处理器180通过运行存储在存储器120的软件程序以及模块,从而执行手机的各种功能应用以及数据处理。存储器120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120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。
输入单元130可用于接收输入的数字或字符信息,以及产生与手机100的用户设置以及功能控制有关的键信号输入。具体地,输入单元130可包括触控面板131以及其他输入设备132。触控面板131,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131上或在触控面板131附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板131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180,并能接收处理器180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131。除了触控面板131,输入单元130还可以包括其他输入设备132。具体地,其他输入设备132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、操作杆等中的一种或多种。
显示单元140可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元140可包括显示面板141,可选的,可以采用液晶显示器(Liquid CrystalDisplay,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板141。进一步的,触控面板131可覆盖显示面板141,当触控面板131检测到在其上或附近的触摸操作后,传送给处理器180以确定触摸事件的类型,随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图1中,触控面板131与显示面板141是作为两个独立的部件来实现手机的输入和输入功能,但是在某些实施例中,可以将触控面板131与显示面板141集成而实现手机的输入和输出功能。
手机100还可包括至少一种传感器150,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可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141的亮度,接近传感器可在手机移动到耳边时,关闭显示面板141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,可用于识别手机姿态的应用(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;至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路160、扬声器161,传声器162可提供用户与手机之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号,传输到扬声器161,由扬声器161转换为声音信号输出;另一方面,传声器162将收集的声音信号转换为电信号,由音频电路160接收后转换为音频数据,再将音频数据输出处理器180处理后,经RF电路110以发送给比如另一手机,或者将音频数据输出至存储器120以便进一步处理。
WiFi属于短距离无线传输技术,手机通过WiFi模块170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图1示出了WiFi模块170,但是可以理解的是,其并不属于手机100的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器180是手机的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器120内的软件程序和/或模块,以及调用存储在存储器120内的数据,执行手机的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器180可包括一个或多个处理单元;优选的,处理器180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180中。
手机100还包括给各个部件供电的电源190(比如电池),优选的,电源可以通过电源管理系统与处理器180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。
尽管未示出,手机100还包括摄像头。可选地,摄像头在手机100的上的位置可以为前置的,也可以为后置的,本申请实施例对此不作限定。
可选地,手机100可以包括单摄像头、双摄像头或三摄像头等,本申请实施例对此不作限定。
例如,手机100可以包括三摄像头,其中,一个为主摄像头、一个为广角摄像头、一个为长焦摄像头。
可选地,当手机100包括多个摄像头时,这多个摄像头可以全部前置,或者全部后置,或者一部分前置、另一部分后置,本申请实施例对此不作限定。
另外,尽管未示出,手机100还可以包括蓝牙模块等,在此不再赘述。
以下实施例可以在具有上述硬件结构/软件结构的手机100上实现。以下实施例将以手机100为例,对本申请实施例提供的图像处理方法进行说明。
本实施例的应用场景主要针对图像中的二维码的识别,特别是针对远距离拍摄的图像中的二维码的识别,比如,在出车库时,由于二维码图形与车相距较远,又或者光的亮度较差,因此,可能导致拍摄的图像中的二维码的清晰度较低,此时,为了提高二维码识别的准确度,可先对拍摄的图像进行超分,以获取更高分辨率的图像。具体地,本申请实施例将从拍摄的图像中选取基准图像和非基准图像,接着分别从基准图像和非基准图像提取特征点,再根据提取的特征点确定对应的单应性矩阵,以及根据该单应性矩阵实现非基准图像与基准图像的对齐,对齐得到的对齐图像序列将作为预设的超分模型的输入,而将非基准图像与基准图像对齐相当于提高非基准图像的质量,即保证预设的超分模型输入较高质量的图像序列,从而有助于后续输出更高质量的超分图像。
图2示出了本申请实施例提供的一种图像处理方法的流程图,详述如下:
步骤S21,获取至少一帧图像;
具体地,在预设时间段内通过终端设备(如手机)拍摄至少一帧图像并缓存,比如,在1秒之内拍摄5张图像等。
在一些实施例中,由于获取的图像帧越多,其占用的资源越多(比如占用的缓存越多,占用的中央处理器(CPU,central processing unit)的资源)也越多,因此,可在获取图像之前,获取终端设备所在的位置,若所在的位置满足预设条件,比如,在判断出所在的位置为车库、停车场时,获取至少一帧图像,比如通过手机拍摄至少一帧图像。当然,若所在位置不满足预设条件,即手机为正常拍摄,则只拍摄一帧图像。
步骤S22,识别所述至少一帧图像中是否存在二维码图形;
具体地,通过识别图像中是否存在与二维码图形相似的图形,且相似的程度大于预设的相似度阈值,则判定图像中存在二维码图形,否则,判定图像中不存在二维码图形。
步骤S23,从存在二维码图形的图像中确定基准图像以及非基准图像;
具体地,从存在二维码图形的图像中选择出满足要求的一个图像帧作为基准图像,其他图像帧作为非基准图像。其中,满足要求包括满足以下至少一个要求:亮度、清晰度。其中,清晰度可根据像素均值、梯度进行描述。
步骤S24,提取所述基准图像的特征点以及非基准图像的特征点;
需要指出的是,在基准图像提取特征点的位置与非基准图像提取特征点的位置对应相同。例如,假设在基准图像的左1位置提取一个特征点,则在非基准图像的左1位置也提取一个特征点。
步骤S25,基于所述基准图像的特征点以及非基准图像的特征点确定所述基准图像与所述非基准图像的单应性矩阵;
其中,单应性矩阵包括非基准图像与基准图像的映射关系。具体地,根据非基准图像的特征点与基准图像对应位置的特征点的映射关系确定单应性矩阵。
步骤S26,根据所述单应性矩阵以及所述非基准图像得到对齐图像序列;
具体地,将单应性矩阵与非基准图像相乘得到对齐图像序列。
步骤S27,将所述对齐图像序列输入预设的超分模型,得到所述预设的超分模型输出的超分图像。
在一些实施例中,为了得到更清晰的超分图像,也可将对齐图像序列以及基准图像同时输入预设的超分模型,得到该预设的超分模型输出的超分图像。
本申请实施例中,获取至少一帧图像,识别所述至少一帧图像中是否存在二维码图形,从存在二维码图形的图像中确定基准图像以及非基准图像,提取所述基准图像的特征点以及非基准图像的特征点,基于所述基准图像的特征点以及非基准图像的特征点确定所述基准图像与所述非基准图像的单应性矩阵,根据所述单应性矩阵以及所述非基准图像得到对齐图像序列,将所述对齐图像序列输入预设的超分模型,得到所述预设的超分模型输出的超分图像。由于在确定出获取的图像存在二维码图形后,将从存在二维码图形的图像中确定基准图像和非基准图像,并根据从基准图像和非基准图像提取的特征点确定该基准图像和非基准图像对应的单应性矩阵,因此,能够根据单应性矩阵和非基准图像实现该非基准图像与基准图像的对齐,得到对应的对齐图像序列,而对齐图像序列表明其对应的图像更接近基准图像,即更接近用户要求的图像,从而使得根据对齐图像序列得到的超分图像更清晰,质量更好。
在一些实施例中,由于二维码图形在整张图像中占据的位置较小,因此,为了提高后续的处理速度,则所述步骤S23,包括:
裁剪存在二维码图形的图像,从裁剪后的至少一帧图像中确定基准图像以及非基准图像,其中,裁剪后的图像包括二维码图形。
本实施例中,当判断出获取的多帧图像中存在包括二维码图形的图像,则对存在二维码图形的至少一帧图像进行裁剪,并对裁剪后的图像划分出基准图像以及非基准图像,该基准图像优选为一帧,即从裁剪后的图像中选出一个图像帧作为基准图像之后,其余的图像帧作为非基准图像帧。由于裁剪掉图像中未包含二维码图形的部分,因此,减少了后续需处理的数据量,从而提高了后续的图像处理速度。
在一些实施例中,为了减少后续的数据处理量,在所述步骤S21之后,包括:
对获取的所述至少一帧图像进行降采样,得到降采样后的图像;具体地,通过对获取的图像执行降采样操作,能够减少图像的尺寸,进而减少后续待处理的数据量。
对应地,所述步骤S22具体为:
识别所述降采样后的图像中是否存在二维码图形;若存在二维码图形,则将所述二维码图形所在的位置映射至降采样前的图像中的对应位置;
对应地,所述裁剪存在二维码图形的图像,从裁剪后的至少一帧图像中确定基准图像以及非基准图像具体为:
根据所述映射至降采样前的图像中的对应位置裁剪所述降采样前的图像,从裁剪后的至少一帧图像中确定基准图像以及非基准图像。
本实施例中,由于是对获取的图像帧先执行降采样再定位,因此,减少在识别二维码图形时所需的数据量。另外,由于对获取的图像帧执行降采样的操作,因此,在识别出二维码图形后,需要将二维码图形在降采样后的图像位置映射至降采样前所在的图像位置,以实现二维码的准确定位,这样,在对降采样前的图像进行裁剪时,能够保证裁剪的精度。
在一些实施例中,可通过预设的二维码检测模块快速、准确识别图像中是否存在二维码图形以及该二维码图形所在的位置。其中,预设的二维码检测模块可通过大量包含标注了位置的二维码图形的图像进行训练得到。
在一些实施例中,由于超分图像是在非基准图像与基准图像对齐后进一步处理得到,即基准图像的质量对超分图像的质量影响较大,因此,为了获得高质量的超分图像,需要选取高质量的图像帧作为基准图像,具体地,所述从裁剪后的至少一帧图像中确定基准图像以及非基准图像,包括:
获取裁剪后的图像的曝光补偿参数,选取曝光补偿参数符合要求的一帧裁剪后的图像作为基准图像,其他裁剪后的图像作为非基准图像。
本实施例中,将正常曝光的图像帧作为基准图像,当然,若正常曝光的图像帧有多帧,则任意选取其中一个图像帧作为基准图像,其中,正常曝光的图像帧是指曝光补偿参数为0(EV 0)的图像帧。
图3示出了本申请实施例提供的另一种图像处理方法的流程图,在本实施例中,为了得到更准确的对齐图像序列,则根据基准图像校准非基准图像,其余过程与上述实施例相同,详述如下:
步骤S31,获取至少一帧图像;
步骤S32,识别所述至少一帧图像中是否存在二维码图形;
其中,二维码图形识别之前可以先进行降采样,具体的实现过程与上述实施例的相同,此处不再赘述。
步骤S33,从存在二维码图形的图像中确定基准图像以及非基准图像;
其中,确定基准图像和非基准图像与上述实施例的确定过程相同,此处不再赘述。
步骤S34,统计所述基准图像的直方图以及所述非基准图像的直方图;
具体地,由于图像的灰度值为0~255,因此,若直方图通过灰度值体现,则为了减少统计时间,则将0~255划分为x个区别,该x的值小于50大于5,优选地,将该x设为16,即将0~255的值映射到16个区间。
步骤S35,按照所述基准图像的直方图对所述非基准图像的直方图进行变换,得到直方图变换后的非基准图像;
具体地,以基准图像的直方图为依据,将非基准图像的直方图校正为与基准图像的直方图相同的直方图,再根据校正后的直方图还原出对应的非基准图像,即得到与基准图像近似曝光的图像。需要指出的是,当直方图被校正之后,其还原出的非基准图像通常与直方图校正之前对应的非基准图像不同。
步骤S36,提取所述基准图像的特征点以及所述直方图变换后的非基准图像的特征点。
步骤S37,基于所述基准图像的特征点以及非基准图像的特征点确定所述基准图像与所述非基准图像的单应性矩阵;
需要指出的是,这里的非基准图像对应的直方图是经过校正之后的直方图。
步骤S38,根据所述单应性矩阵以及所述非基准图像得到对齐图像序列;
步骤S39,将所述对齐图像序列输入预设的超分模型,得到所述预设的超分模型输出的超分图像。
在一些实施例中,所述预设的超分模型包括第一分支和第二分支,所述第一分支包括第一卷积层、类残差模块以及第一子像素卷积层,所述第二分支包括第二卷积层和第二子像素卷积层,所述第一分支用于提取对齐图像序列的高频信息,所述第二分支用于提取对齐图像序列的低频信息;
对应地,所述步骤S27(或步骤S39)具体为:
分别将所述对齐图像序列输入所述第一分支和第二分支,再融合所述第一分支输出的图像和所述第二分支输出的图像,得到超分图像。
图4示出了本申请实施例提供的一种预设的超分模型的结构示意图,在图4中,第一分支包括两个第一卷积层、多个类残差模块以及一个第一子像素卷积层;第二分支包括一个第二卷积层和一个第二子像素卷积层。例如,在输入第一分支中的第一卷积层1时,快速提取出图像的特征,再将提取的特征输入到多个类残差模块以对提取的特征进行处理,再将处理后的特征输入第一卷积层2以扩展出更多的特征,最后通过第一sub-pixel卷积层对特征的像素重排,得到该图片帧的高频信息;将相同的图像帧输入到第二分支的第二卷积层以及第二sub-pixel卷积层,以获取该图像帧的低频信息,最后将得到的高频信息和低频信息进行融合得到最终超分图像。
在实际情况中,卷积层的个数可根据实际情况进行增减,此处不再赘述。
在一些实施例中,如图5所示,图5示出了本申请实施例提供的另一种预设的超分模型的结构示意图,为了使得融合后的图像更符合实际需求,则设置所述预设的超分模型还包括第三卷积层;
对应地,所述分别将所述对齐图像序列输入所述第一分支和第二分支,再融合所述第一分支输出的图像和所述第二分支输出的图像,得到超分图像具体为:
分别将所述对齐图像序列输入所述第一分支和第二分支,再融合所述第一分支输出的图像和所述第二分支输出的图像,得到融合后的图像;将所述融合后的图像输入所述第三卷积层,将所述第三卷积层输出的图像作为超分图像,所述第三卷积层用于对所述融合后的图像进行指定的处理,所述指定的处理包括以下至少一种:锐化、去噪、平滑。
本实施例中,对融合后的图像再执行锐化、去噪、平滑等至少一种操作,从而使得输出的超分图像更自然,更符合用户需求。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的图像处理方法,图6示出了本申请实施例提供的装置的结构框图,该图像处理装置应用于终端设备中,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图6,该图像处理装置6包括:图像获取单元61、二维码图形识别单元62、基准图像选取单元63、特征点提取单元64、单应性矩阵确定单元65、对齐图像序列确定单元66、超分图像生成单元67,其中:
图像获取单元61,用于获取至少一帧图像;
具体地,在预设时间段内通过终端设备(如手机)拍摄至少一帧图像并缓存,比如,在1秒之内拍摄5张图像等。
在一些实施例中,由于获取的图像帧越多,其占用的资源越多(比如占用的缓存越多,占用的CPU的资源也越多,因此,该图像获取单元61具体用于:获取终端设备所在的位置,若所在的位置满足预设条件,获取至少一帧图像。
二维码图形识别单元62,用于识别所述至少一帧图像中是否存在二维码图形;
基准图像选取单元63,用于从存在二维码图形的图像中确定基准图像以及非基准图像;
特征点提取单元64,用于提取所述基准图像的特征点以及非基准图像的特征点;
单应性矩阵确定单元65,用于基于所述基准图像的特征点以及非基准图像的特征点确定所述基准图像与所述非基准图像的单应性矩阵;
其中,单应性矩阵包括非基准图像与基准图像的映射关系。
对齐图像序列确定单元66,用于根据所述单应性矩阵以及所述非基准图像得到对齐图像序列;
超分图像生成单元67,用于将所述对齐图像序列输入预设的超分模型,得到所述预设的超分模型输出的超分图像。
在一些实施例中,为了得到更清晰的超分图像,所述超分图像生成单元67具体用于:将所述对齐图像序列以及基准图像同时输入预设的超分模型,得到该预设的超分模型输出的超分图像。
本申请实施例中,由于在确定出获取的图像存在二维码图形后,将从存在二维码图形的图像中确定基准图像和非基准图像,并根据从基准图像和非基准图像提取的特征点确定该基准图像和非基准图像对应的单应性矩阵,因此,能够根据单应性矩阵和非基准图像实现该非基准图像与基准图像的对齐,得到对应的对齐图像序列,而对齐图像序列表明其对应的图像更接近基准图像,即更接近用户要求的图像,从而使得根据对齐图像序列得到的超分图像更清晰,质量更好。
在一些实施例中,由于二维码图形在整张图像中占据的位置较小,因此,为了提高后续的处理速度,则所述基准图像选取单元63具体用于:
裁剪存在二维码图形的图像,从裁剪后的至少一帧图像中确定基准图像以及非基准图像,其中,裁剪后的图像包括二维码图形。
在一些实施例中,该图像处理装置6包括:
降采样单元,用于对获取的所述至少一帧图像进行降采样,得到降采样后的图像;
对应地,所述二维码图形识别单元62具体用于:
识别所述降采样后的图像中是否存在二维码图形;若存在二维码图形,则将所述二维码图形所在的位置映射至降采样前的图像中的对应位置;
对应地,所述基准图像选取单元63在裁剪存在二维码图形的图像,从裁剪后的至少一帧图像中确定基准图像以及非基准图像时,具体用于:
根据所述映射至降采样前的图像中的对应位置裁剪所述降采样前的图像,从裁剪后的至少一帧图像中确定基准图像以及非基准图像。
在一些实施例中,可通过预设的二维码检测模块快速、准确识别图像中是否存在二维码图形以及该二维码图形所在的位置,即所述二维码图形识别单元62为预设的二维码检测模块。其中,预设的二维码检测模块可通过大量包含标注了位置的二维码图形的图像进行训练得到。
在一些实施例中,由于超分图像是在非基准图像与基准图像对齐后进一步处理得到,即基准图像的质量对超分图像的质量影响较大,因此,为了获得高质量的超分图像,需要选取高质量的图像帧作为基准图像,此时,所述基准图像选取单元63在从裁剪后的至少一帧图像中确定基准图像以及非基准图像时,具体用于:
获取裁剪后的图像的曝光补偿参数,选取曝光补偿参数符合要求的一帧裁剪后的图像作为基准图像,其他裁剪后的图像作为非基准图像。
在一些实施例中,所述图像处理装置6还包括:
直方图统计单元,用于统计所述基准图像的直方图以及所述非基准图像的直方图;
直方图校正单元,用于按照所述基准图像的直方图对所述非基准图像的直方图进行变换,得到直方图变换后的非基准图像;
对应地,所述特征点提取单元64,具体用于:
提取所述基准图像的特征点以及所述直方图变换后的非基准图像的特征点。
在一些实施例中,所述预设的超分模型包括第一分支和第二分支,所述第一分支包括第一卷积层、类残差模块以及第一子像素卷积层,所述第二分支包括第二卷积层和第二子像素卷积层,所述第一分支用于提取对齐图像序列的高频信息,所述第二分支用于提取对齐图像序列的低频信息;
对应地,所述超分图像生成单元67具体用于:
分别将所述对齐图像序列输入所述第一分支和第二分支,再融合所述第一分支输出的图像和所述第二分支输出的图像,得到超分图像。
在一些实施例中,预设的超分模型还包括第三卷积层;
对应地,所述所述超分图像生成单元67在分别将所述对齐图像序列输入所述第一分支和第二分支,再融合所述第一分支输出的图像和所述第二分支输出的图像,得到超分图像时,具体用于:
分别将所述对齐图像序列输入所述第一分支和第二分支,再融合所述第一分支输出的图像和所述第二分支输出的图像,得到融合后的图像;将所述融合后的图像输入所述第三卷积层,将所述第三卷积层输出的图像作为超分图像,所述第三卷积层用于对所述融合后的图像进行指定的处理,所述指定的处理包括以下至少一种:锐化、去噪、平滑。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
图7为本申请一实施例提供的终端设备的结构示意图。如图7所示,该实施例的终端设备7包括:至少一个处理器70(图7中仅示出一个处理器)、存储器71以及存储在所述存储器71中并可在所述至少一个处理器70上运行的计算机程序72,所述处理器70执行所述计算机程序72时实现上述任意各个方法实施例中的步骤。
获取至少一帧图像;
识别所述至少一帧图像中是否存在二维码图形;
从存在二维码图形的图像中确定基准图像以及非基准图像;
提取所述基准图像的特征点以及非基准图像的特征点;
基于所述基准图像的特征点以及非基准图像的特征点确定所述基准图像与所述非基准图像的单应性矩阵;
根据所述单应性矩阵以及所述非基准图像得到对齐图像序列;
将所述对齐图像序列输入预设的超分模型,得到所述预设的超分模型输出的超分图像。
所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是终端设备7的举例,并不构成对终端设备7的限定,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,例如还可以包括输入输出设备、网络接入设备等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),该处理器70还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71在一些实施例中可以是所述终端设备7的内部存储单元,例如终端设备7的硬盘或内存。所述存储器71在另一些实施例中也可以是所述终端设备7的外部存储设备,例如所述终端设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种网络设备,该网络设备包括:至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个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任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
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申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种图像处理方法,其特征在于,包括:
获取至少一帧图像;
识别所述至少一帧图像中是否存在二维码图形;
从存在二维码图形的图像中确定基准图像以及非基准图像;
提取所述基准图像的特征点以及非基准图像的特征点;
基于所述基准图像的特征点以及非基准图像的特征点确定所述基准图像与所述非基准图像的单应性矩阵;
根据所述单应性矩阵以及所述非基准图像得到对齐图像序列;
将所述对齐图像序列输入预设的超分模型,得到所述预设的超分模型输出的超分图像;
其中,在所述提取所述基准图像的特征点以及非基准图像的特征点之前,包括:
统计所述基准图像的直方图以及所述非基准图像的直方图;
按照所述基准图像的直方图对所述非基准图像的直方图进行变换,得到直方图变换后的非基准图像;
对应地,所述提取所述基准图像的特征点以及非基准图像的特征点,具体为:
提取所述基准图像的特征点以及所述直方图变换后的非基准图像的特征点。
2.如权利要求1所述的图像处理方法,其特征在于,所述从存在二维码图形的图像中确定基准图像以及非基准图像,包括:
裁剪存在二维码图形的图像,从裁剪后的至少一帧图像中确定基准图像以及非基准图像,其中,裁剪后的图像包括二维码图形。
3.如权利要求2所述的图像处理方法,其特征在于,在所述获取至少一帧图像之后,包括:
对获取的所述至少一帧图像进行降采样,得到降采样后的图像;
对应地,所述识别所述至少一帧图像中是否存在二维码图形具体为:
识别所述降采样后的图像中是否存在二维码图形;
若存在二维码图形,则将所述二维码图形所在的位置映射至降采样前的图像中的对应位置;
对应地,所述裁剪存在二维码图形的图像,从裁剪后的至少一帧图像中确定基准图像以及非基准图像具体为:
根据所述映射至降采样前的图像中的对应位置裁剪所述降采样前的图像,从裁剪后的至少一帧图像中确定基准图像以及非基准图像。
4.如权利要求2所述的图像处理方法,其特征在于,所述从裁剪后的至少一帧图像中确定基准图像以及非基准图像,包括:
获取裁剪后的图像的曝光补偿参数,选取曝光补偿参数符合要求的一帧裁剪后的图像作为基准图像,其他裁剪后的图像作为非基准图像。
5.如权利要求1或4所述的图像处理方法,其特征在于,所述预设的超分模型包括第一分支和第二分支,所述第一分支包括第一卷积层、类残差模块以及第一子像素卷积层,所述第二分支包括第二卷积层和第二子像素卷积层,所述第一分支用于提取对齐图像序列的高频信息,所述第二分支用于提取对齐图像序列的低频信息;
对应地,所述将所述对齐图像序列输入预设的超分模型,得到所述预设的超分模型输出的超分图像具体为:
分别将所述对齐图像序列输入所述第一分支和第二分支,再融合所述第一分支输出的图像和所述第二分支输出的图像,得到超分图像。
6.如权利要求5所述的图像处理方法,其特征在于,预设的超分模型还包括第三卷积层;
对应地,所述分别将所述对齐图像序列输入所述第一分支和第二分支,再融合所述第一分支输出的图像和所述第二分支输出的图像,得到超分图像具体为:
分别将所述对齐图像序列输入所述第一分支和第二分支,再融合所述第一分支输出的图像和所述第二分支输出的图像,得到融合后的图像;
将所述融合后的图像输入所述第三卷积层,将所述第三卷积层输出的图像作为超分图像,所述第三卷积层用于对所述融合后的图像进行指定的处理,所述指定的处理包括以下至少一种:锐化、去噪、平滑。
7.一种图像处理装置,其特征在于,包括:
图像获取单元,用于获取至少一帧图像;
二维码图形识别单元,用于识别所述至少一帧图像中是否存在二维码图形;
基准图像选取单元,用于从存在二维码图形的图像中确定基准图像以及非基准图像;
特征点提取单元,用于提取所述基准图像的特征点以及非基准图像的特征点;
单应性矩阵确定单元,用于基于所述基准图像的特征点以及非基准图像的特征点确定所述基准图像与所述非基准图像的单应性矩阵;
对齐图像序列确定单元,用于根据所述单应性矩阵以及所述非基准图像得到对齐图像序列;
超分图像生成单元,用于将所述对齐图像序列输入预设的超分模型,得到所述预设的超分模型输出的超分图像;
其中,所述图像处理装置还包括:
直方图统计单元,用于统计所述基准图像的直方图以及所述非基准图像的直方图;
直方图校正单元,用于按照所述基准图像的直方图对所述非基准图像的直方图进行变换,得到直方图变换后的非基准图像;
对应地,所述特征点提取单元,具体用于:提取所述基准图像的特征点以及所述直方图变换后的非基准图像的特征点。
8.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可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如权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911086810.2A CN110852951B (zh) | 2019-11-08 | 2019-11-08 | 图像处理方法、装置、终端设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911086810.2A CN110852951B (zh) | 2019-11-08 | 2019-11-08 | 图像处理方法、装置、终端设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110852951A CN110852951A (zh) | 2020-02-28 |
CN110852951B true CN110852951B (zh) | 2023-04-07 |
Family
ID=69600034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911086810.2A Active CN110852951B (zh) | 2019-11-08 | 2019-11-08 | 图像处理方法、装置、终端设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852951B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110147864B (zh) * | 2018-11-14 | 2022-02-22 | 腾讯科技(深圳)有限公司 | 编码图案的处理方法和装置、存储介质、电子装置 |
CN111047516B (zh) * | 2020-03-12 | 2020-07-03 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN113518243A (zh) * | 2020-04-10 | 2021-10-19 | Tcl科技集团股份有限公司 | 一种图像处理方法及装置 |
CN113808175B (zh) * | 2021-08-31 | 2023-03-10 | 数坤(北京)网络科技股份有限公司 | 一种图像配准方法、装置、设备及可读存储介质 |
CN114972768A (zh) * | 2022-05-27 | 2022-08-30 | 吉林大学 | 图像处理方法及装置、介质及终端 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971400A (zh) * | 2013-02-06 | 2014-08-06 | 阿里巴巴集团控股有限公司 | 一种基于标识码的三维交互的方法和系统 |
CN110070511A (zh) * | 2019-04-30 | 2019-07-30 | 北京市商汤科技开发有限公司 | 图像处理方法和装置、电子设备及存储介质 |
CN110431563A (zh) * | 2017-04-06 | 2019-11-08 | 华为技术有限公司 | 图像校正的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080170126A1 (en) * | 2006-05-12 | 2008-07-17 | Nokia Corporation | Method and system for image stabilization |
-
2019
- 2019-11-08 CN CN201911086810.2A patent/CN110852951B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971400A (zh) * | 2013-02-06 | 2014-08-06 | 阿里巴巴集团控股有限公司 | 一种基于标识码的三维交互的方法和系统 |
CN110431563A (zh) * | 2017-04-06 | 2019-11-08 | 华为技术有限公司 | 图像校正的方法和装置 |
CN110070511A (zh) * | 2019-04-30 | 2019-07-30 | 北京市商汤科技开发有限公司 | 图像处理方法和装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110852951A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110852951B (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
CN111355886B (zh) | 拍照方法、拍照装置和移动终端 | |
CN110136183B (zh) | 一种图像处理的方法、装置以及摄像装置 | |
CN110636375B (zh) | 视频流处理方法、装置、终端设备及计算机可读存储介质 | |
CN113132618B (zh) | 辅助拍照方法、装置、终端设备及存储介质 | |
CN107038681B (zh) | 图像虚化方法、装置、计算机可读存储介质和计算机设备 | |
CN107609514A (zh) | 人脸识别方法及相关产品 | |
CN111145339B (zh) | 图像处理方法及装置、设备、存储介质 | |
CN111161316A (zh) | 目标物体跟踪方法、装置及终端设备 | |
CN113507558B (zh) | 去除图像眩光的方法、装置、终端设备和存储介质 | |
CN109919836A (zh) | 视频抠像处理方法、视频抠像处理客户端及可读存储介质 | |
CN108510955A (zh) | 调整显示屏亮度的方法以及相关产品 | |
CN108269530A (zh) | Amoled显示屏的亮度调节方法及相关产品 | |
CN113132704B (zh) | 一种图像处理的方法、装置、终端以及存储介质 | |
CN113392954B (zh) | 终端网络模型的数据处理方法、装置、终端以及存储介质 | |
CN106851119B (zh) | 一种图片生成的方法和设备以及移动终端 | |
CN110851350A (zh) | 网页界面白屏监测的方法及装置 | |
CN113518243A (zh) | 一种图像处理方法及装置 | |
WO2022267506A1 (zh) | 图像融合方法、电子设备、存储介质及计算机程序产品 | |
CN110168599B (zh) | 一种数据处理方法及终端 | |
CN110971822A (zh) | 图片处理方法、装置、终端设备及计算机可读存储介质 | |
CN110536067B (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
CN111028192B (zh) | 一种图像合成方法及电子设备 | |
CN107566654A (zh) | 解锁控制方法及相关产品 | |
CN107357412A (zh) | 解锁控制方法及相关产品 |
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 |