CN110866881B - 图像处理方法及装置、存储介质和电子设备 - Google Patents
图像处理方法及装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN110866881B CN110866881B CN201911117950.1A CN201911117950A CN110866881B CN 110866881 B CN110866881 B CN 110866881B CN 201911117950 A CN201911117950 A CN 201911117950A CN 110866881 B CN110866881 B CN 110866881B
- Authority
- CN
- China
- Prior art keywords
- image
- image block
- processed
- pixel point
- block
- 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 22
- 238000012545 processing Methods 0.000 claims abstract description 63
- 239000013598 vector Substances 0.000 claims abstract description 48
- 238000001914 filtration Methods 0.000 claims abstract description 33
- 238000000605 extraction Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 43
- 230000008569 process Effects 0.000 description 22
- 239000011159 matrix material Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法、图像处理装置、存储介质和电子设备,涉及图像处理技术领域。该图像处理方法包括:获取待处理图像,从待处理图像中提取多个图像块;根据各图像块之间的相似关系,将各图像块划分为多个图像块组;针对每一图像块组,提取所包括的各图像块中相同位置的像素点信息,并构建多个像素点信息向量;对多个像素点信息向量进行滤波处理,得到处理后的像素点信息,并利用处理后的像素点信息重新构建图像,以得到与待处理图像对应的处理后的图像。本公开可以有效去除图像中的噪声。
Description
技术领域
本公开涉及图像处理技术领域,具体而言,涉及一种图像处理方法、图像处理装置、存储介质和电子设备。
背景技术
随着移动终端的发展,人们对移动终端的拍照性能要求越来越高,双摄、多摄的出现,不断丰富了拍摄模式及拍摄效果的同时,也存在一些需要优化的问题。
受限于摄像头模组传感器的尺寸规格以及搭载环境(如,手机便携性)的约束,在摄像头模组由低像素向高像素的产品迭代过程中,实际感光面积的增长速度远低于像素增长的速度,像素密度大大增加,而单位像素的感光面积越来越小,信噪比越来越低,严重限制了高像素传感器的应用场景。
发明内容
本公开提供一种图像处理方法、图像处理装置、存储介质和电子设备,进而至少在一定程度上克服拍摄图像中噪点较多的问题。
根据本公开的第一方面,提供了一种图像处理方法,包括:获取待处理图像,从待处理图像中提取多个图像块;根据各图像块之间的相似关系,将各图像块划分为多个图像块组;针对每一图像块组,提取所包括的各图像块中相同位置的像素点信息,并构建多个像素点信息向量;对多个像素点信息向量进行滤波处理,得到处理后的像素点信息,并利用处理后的像素点信息重新构建图像,以得到与待处理图像对应的处理后的图像。
根据本公开的第二方面,提供了一种图像处理装置,包括:图像块提取模块,用于获取待处理图像,从待处理图像中提取多个图像块;图像块组确定模块,用于根据各图像块之间的相似关系,将各图像块划分为多个图像块组;向量构建模块,用于针对每一图像块组,提取所包括的各图像块中相同位置的像素点信息,并构建多个像素点信息向量;图像处理模块,用于对多个像素点信息向量进行滤波处理,得到处理后的像素点信息,并利用处理后的像素点信息重新构建图像,以得到与待处理图像对应的处理后的图像。
根据本公开的第三方面,提供了一种存储介质,其上存储有计算机程序,其特征在于,计算机程序被处理器执行时实现上述图像处理方法。
根据本公开的第四方面,提供了一种电子设备,其特征在于,包括:处理器;以及存储器,用于存储处理器的可执行指令;其中,处理器配置为经由执行可执行指令来执行上述图像处理方法。
在本公开的一些实施例所提供的技术方案中,根据待处理图像中各图像块之间的相似关系将各图像块划分为多个图像块组,针对每一图像块组,提取各图像块中相同位置的像素点信息,构建多个像素点信息向量,对这些像素点信息向量进行滤波处理,并利用处理后的像素点信息重新构建图像,得到处理后的图像。一方面,本公开基于相似图像块中对应位置的像素信息也是相似的这一构思,有效地将真实环境信息与噪声进行区分,达到准确去除图像中噪声的效果;另一方面,采用本公开方案能够有效去除图像噪声,使得高像素摄像模组可以应用于弱光环境下,大大扩展了高像素摄像模组的应用场景;再一方面,本公开方案无需辅助工具或硬件上改动,易于实施。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示意性示出了根据本公开的示例性实施方式的图像处理方法的流程图;
图2示意性示出了根据本公开的示例性实施方式的对待处理图像进行重叠扫描的示意图;
图3示意性示出了根据本公开的示例性实施方式的将待处理图像转换为矩阵的示意图;
图4示意性示出了根据本公开的示例性实施方式的相似图像块的示意图;
图5示意性示出了根据本公开的示例性实施方式的相似图像块的另一示意图;
图6示意性示出了根据本公开的示例性实施方式的进行滤波后的对比图;
图7示意性示出了根据本公开一个实施例的图像处理过程的流程图;
图8示意性示出了根据本公开的示例性实施方式的图像处理装置的方框图;
图9示意性示出了根据本公开的示例性实施方式的电子设备的方框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的步骤。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。另外,本公开所用的“第一”、“第二”仅是为了区分的目的,不应作为本公开内容的限制。
目前,摄像头模组在拍摄图像时,容易出现噪点,尤其针对高像素摄像头模组在弱光环境下进行拍摄的情况,噪点问题突出。
在一些技术中,通常采用多帧降噪的方式去除噪声,多帧降噪方法是建立在假设图像中的噪声是均值为零的高斯噪声的基础上,即服从高斯分布。然而,实际处理过程中,噪声往往并非高斯噪声,造成处理效果差的问题。在另一些技术中,通过频谱分离来抑制噪声,然而,在抑制噪声的过程中,同时也抑制了图像边缘高频部分,导致图像边缘锐度下降,影响主观视觉感受。
基于上述问题,发明人发现,从信息论与稀疏表示领域的通俗观点来看,噪声与图像本身特性是截然不同的。噪声是随机产生的,每一个像素点之间的噪声是独立无关联的,蕴含的信息量是无限的,也就是说,它是复杂的不稀疏的,不可能用少数的几个通用信息表示。图像却截然相反,其像素点之间存在有强烈的关联性,正是这种关联性使得图像体现出语义信息,变得有意义。
那么一个简单而直接的问题:如何找出这些能够表示图像信息的元素,一个最简单的例子是傅里叶变换。傅里叶变换最核心的思想是通过一系列不同频率的三角函数来表示一切信号,这些三角函数就是最初的图像元素,一个信号包含不同频率的范围与多少就构成了这个信号的频谱。这些元素被称为基底函数。同时如果这些基底函数的集合数学上是严格完备的,即元素之间是无法相互替代和相互表示的。实际的应用过程中发现,使用完备集来表示数据并分离一些高频部分已达到消除噪声的目的虽然是有效的,但是确无法有效保留同样是高频成分的。
另一种思路是,使用过完备集来表示信号。过完备集与完备集不同之处在于集合内的基底函数可以相互表示,不唯一。经典的JPEG压缩领域的DCT变换(离散余弦变换)就是一个过完备集表示图像的应用。本文中采用的方法正是基于这个思路。
图像是由若干图像块组成的。这些图像块绝大多数可以用少数几个纹理简单的含有边缘信息的图像块叠加而成。但是噪声因为在各个像素点之间相互独立无规律,理论上需要用完备集中所有图像元素或过完备集中较多的图像元素来表示。那么一个自然而然的推断就是:相似的图像块由过完备集中相似的图像元素叠加组合而成,而噪声不具备此特性。
基于相似图像块中对应位置的像素信息相似这一构思,提出了一种新的图像处理方法。下面将对本公开示例性实施方式的图像处理方法进行说明。
应当理解的是,本公开示例性实施方式的图像处理方法可以由移动终端实现,也就是说,移动终端可以执行下述方法的各个步骤,在这种情况下,本公开示例性实施方式的图像处理装置可以部署在该移动终端中。另外,本公开所说的移动终端可以包括手机、平板电脑、智能可穿戴设备等。
另外,服务器可以获取由移动终端拍摄的图像,并执行下述图像处理过程,在这种情况下,服务器可以执行下述方法的各个步骤,对应的,图像处理装置可以部署在该服务器中。
图1示意性示出了本公开的示例性实施方式的图像处理方法的流程图。参考图1,所述图像处理方法可以包括以下步骤:
S12.获取待处理图像,从待处理图像中提取多个图像块。
根据本公开的一些实施例,本公开所述待处理图像可以是由移动终端的摄像头模组拍摄的图像,在这种情况下,移动终端在获取到由摄像头模组拍摄的图像后,可以直接执行本公开示例性实施方式的图像处理过程。
根据本公开的另一些实施例,待处理图像可以是预先拍摄好的图像,可以响应用户的操作,再执行本公开示例性实施方式的图像处理过程。例如,摄像头模组拍摄的图像可以存储在相册中,当用户浏览该图像时,通过点击界面上的高清图像转换按钮,来执行下述图像处理过程。
根据本公开的又一些实施例,针对移动终端配置有双摄的情况,首先,可以分别采用第一摄像头模组和第二摄像头模组对同一场景进行拍摄,得到第一图像和第二图像。其中,第一摄像头模组的像素大于第二摄像头模组的像素,例如,第一摄像头模组为6400像素对应的拍摄模组,第二摄像头模组为1600万像素对应的拍摄模组。
需要说明的是,在双摄拍摄的过程中,同时保存第一图像和第二图像。
接下来,在用户打开相册进行图像查看操作时,移动终端界面可以呈现出第二图像。在界面上配置有例如“超清画质”的按钮,用户可以点击该按钮,进行图像显示切换操作,以调取第一图像,并将第一图像作为待处理图像执行本公开示例性实施方式的图像处理过程。
在获取到待处理图像后,移动终端可以从待处理图像中提取多个图像块。
需要注意的是,可以遍历待处理图像提取多个图像块,也就是说,提取的图像块能够反映待处理图像的所有图像信息。然而,在本公开的另一些实例中,还可以针对待处理图像中的一部分提取多个图像块,在这种情况下,是对部分图像进行去噪处理,这也应当属于本公开内容的构思。
可以借助于滑动窗口的方式提取图像块,参考图2,滑动窗口可以在图像上以自左向右或自上到下的方式对图像进行扫描,并在扫描的过程中提取多个图像块。
具体的,可以利用一预设尺寸的滑动窗口,以预设滑动步长对待处理图像进行扫描。可以理解的是,滑动窗口的尺寸越小且滑动步长(或称为步距)越小,提取的图像块越多,相应的,处理结果越准确,然而,这对移动终端的处理性能要求较高。因此,可以结合移动终端的处理能力确定预设尺寸及预设滑动步长。例如,预设尺寸可以为8×8,滑动步长为1,也就是说,利用8×8的滑动窗口对待处理图像进行滑动步长为1的扫描操作,以提取多个图像块。
此外,可以将每一图像块看做一个列向量,扫描完成后,可以得到如图3所示的矩阵,来表征该待处理图像。在图3中,n为图像块中像素点的数量,m为待处理图像中提取的图像块的数量,仍以8×8的图像块为例,那么矩阵为64×m的矩阵。可以看出,矩阵中的每一列向量就是一个图像块。
另外,针对每一图像块,可以用图像块的中心位置坐标点表征该图像块的位置信息。
S14.根据各图像块之间的相似关系,将各图像块划分为多个图像块组。
在本公开的示例性实施方式中,首先,从上述步骤S12确定的多个图像块中随机选取起始图像块,作为当前图像块。应当理解的是,选取的起始图像块的数量可以为一个或多个。
接下来,针对当前图像块,可以确定当前图像块周围的多个图像块,分别计算该当前图像块与周围图像块之间的相似度。在确定相似度的过程中,是将当前图像块与其周围图像块进行比对,这样,一方面,可以防止意外匹配到关联度较小的图像块,另一方面,有效减小了匹配运算量。
针对周围图像块的选取范围,可以自行定义,例如,可以将当前图像块周围边长为4的区域确定为周围的图像块,然而,还可以将该边长设定为其他数值,本示例性实施方式中对此不做限定。
在将图像块表征为列向量的情况下,可以计算它们之间的距离来确定出相似度。向量距离的计算可以采用欧氏距离、曼哈顿距离、余弦距离等来实现,本公开对此不做限制。
随后,移动终端可以从当前图像块周围的多个图像块中,筛选出与当前图像块的相似度最大的图像块,作为下一图像块,重复执行上述过程。也就是说,将该下一图像块作为当前图像块,继续确定周围相似度最大的图像块。如此反复,直至对待处理图像的所有图像块进行排序。本公开所述的排序指的是自起始图像块开始逐一确定相似图像块的过程。
如图4所示,连续执行上述操作,确定当前图像块41相似的图像块。如图5所示,在起始图像块为多个的情况下,可以分别从图像块51、图像块52、图像块53、图像块54、图像块55开始进行相似度确定过程,实现对所有图像块进行排序。
在确定出所有图像块的排序结果后,可以根据该排序结果,将各图像块划分为多个图像块组。
具体的,可以按排序结果,将相似度大于一相似度阈值的多个图像块划分为一个图像块组。其中,相似度阈值可以由开发人为自行设定,本公开对此不做限制。
例如,在100个已排序的图像块中,前10个图像块之间的相似度均大于相似度阈值,则可以将前10个图像块划分为一个图像块组,第11个至第16个图像块之间的相似度大于该相似度阈值,则可以将这6个图像块划分为一个图像块组。
S16.针对每一图像块组,提取所包括的各图像块中相同位置的像素点信息,并构建多个像素点信息向量。
在本公开的示例性实施方式中,针对步骤S14中确定出的每一个图像块组,均可以执行下述操作。
确定图像块组中的多个图像块,提取图像块中相同位置的像素点信息,构成一个像素点信息向量。例如,该图像块组包含a个图像块,提取这a个图像块中位于左上角的像素的像素点信息,构成一个1×a的向量。由此,遍历图像块上所有像素点,即可构建出多个像素点信息向量,像素点信息向量的数量与图像块中包含的像素点的数量相同。若图像上像素点数量为n,则可以构建出n×a的矩阵。
S18.对多个像素点信息向量进行滤波处理,得到处理后的像素点信息,并利用处理后的像素点信息重新构建图像,以得到与待处理图像对应的处理后的图像。
在确定出多个像素点信息向量后,可以进行滤波处理。具体的,可以通过一维低通滤波器对各像素点信息向量进行滤波处理,得到一个较为平滑的曲线,该曲线基本保持了图像的原有信息。
参考图6,针对每一个像素点信息向量(1×a向量),执行一维滤波处理后,可以得到平滑的曲线,即去除噪声后的图像信息。
另外,这种一维滤波的操作不需要逐一进行n次才能得到一个图像块组的处理结果。可以利用矩阵运算的方式对多个像素点信息向量进行整体滤波处理,也就是说,整体滤波可以转换若干个简单的矩阵运算操作,这通过软件即可实现,可以极大提高运算的效率。
在对所有图像块组均执行上述相同位置像素点的一维滤波处理过程后,可以利用处理后的像素点信息重新构建图像。
应当注意的是,在以滑动窗口进行扫描的过程中,同一像素点可能存在于多个图像块内,在重新确定像素点信息时,会出现多次重复运算的情况。下面将以一个像素点为例对图像重构的过程进行说明。
针对待处理图像上一目标像素点,确定该目标像素点被滤波处理的次数以及各滤波处理后的像素点信息,并计算目标像素点的像素点信息的平均值,作为重新侯建图像中目标像素点的像素点信息。其中,目标像素点可以是待处理图像上的任意一个像素点。
例如,一个像素点A,经历了5次滤波处理,则将这5次滤波处理后的像素点信息相加后除以5,即为处理后图像上像素点A的像素点信息。
针对图像上每一个像素点均执行上述操作,即可得到与待处理图像对应的处理后的图像,并可进行输出、展示、存储等操作。
下面将参考图7对本公开的图像处理过程进行说明。
在步骤S702中,移动终端可以对待处理图像进行重叠(Overlap)扫描,也就是上述滑动窗口的扫描,得到m个图像块;在步骤S704中,针对m个图像块,可以采用计算向量相似度的方法寻找相似图像块,以得到图像块的相似度排序,并确定出K个图像块组。
在步骤S706中,针对图像块组中各图像块的相同位置,进行整体一维低通滤波,则到经处理后的m个图像块;在步骤S708中,对重复处理的像素点的信息进行平均,并回填到图像原有的位置,以实现图像重构的过程,得到处理后的图像。
另外,因为在划分图像块组的过程中,是随机确定起始图像块,因此,可能出现选取的起始图像块不理想的问题,导致周围相似图像块不高或异常情况的发生。因此,可以循环执行划分图像块组的过程,以提高图像处理的稳定性。
综上所述,采用本公开示例性实施方式的图像处理方法,一方面,基于相似图像块中对应位置的像素信息也是相似的这一构思,有效地将真实环境信息与噪声进行区分,达到准确去除图像中噪声的效果;另一方面,因为能够有效去除图像噪声,使得高像素摄像模组可以应用于弱光环境下,大大扩展了高像素摄像模组的应用场景;再一方面,本公开方案无需辅助工具或硬件上改动,易于实施。
应当注意,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
进一步的,本示例实施方式中还提供了一种图像处理装置。
图8示意性示出了本公开的示例性实施方式的图像处理装置的方框图。参考图8,根据本公开的示例性实施方式的图像处理装置8可以包括图像块提取模块81、图像块组确定模块83、向量构建模块85和图像处理模块87。
具体的,图像块提取模块81可以用于获取待处理图像,从待处理图像中提取多个图像块;图像块组确定模块83可以用于根据各图像块之间的相似关系,将各图像块划分为多个图像块组;向量构建模块85可以用于针对每一图像块组,提取所包括的各图像块中相同位置的像素点信息,并构建多个像素点信息向量;图像处理模块87可以用于对多个像素点信息向量进行滤波处理,得到处理后的像素点信息,并利用处理后的像素点信息重新构建图像,以得到与待处理图像对应的处理后的图像。
采用本公开示例性实施方式的图像处理装置,一方面,本公开基于相似图像块中对应位置的像素信息也是相似的这一构思,有效地将真实环境信息与噪声进行区分,达到准确去除图像中噪声的效果;另一方面,采用本公开方案能够有效去除图像噪声,使得高像素摄像模组可以应用于弱光环境下,大大扩展了高像素摄像模组的应用场景;再一方面,本公开方案无需辅助工具或硬件上改动,易于实施。
根据本公开的示例性实施例,图像块提取模块81可以被配置为执行:利用一预设尺寸的滑动窗口,以预设滑动步长对待处理图像进行扫描,以提取多个图像块。
根据本公开的示例性实施例,图像块组确定模块83可以被配置为执行:从多个图像块中随机选取起始图像块,作为当前图像块;确定当前图像块周围的多个图像块,分别计算当前图像块与当前图像块周围的多个图像块之间的相似度;从当前图像块周围的多个图像块中,筛选出与当前图像块的相似度最大的下一图像块;将下一图像块作为当前图像块,直至对待处理图像的所有图像块进行排序;利用对所有图像块的排序结果,将各图像块划分为多个图像块组。
根据本公开的示例性实施例,图像块组确定模块83分别计算当前图像块与当前图像块周围的多个图像块之间的相似度的过程可以被配置为执行:分别将各图像块的像素点信息转化为n×1的列向量,其中,n为图像块中像素点的数量;分别计算当前图像块对应的列向量与周围图像块对应的列向量之间的距离,以得到当前图像块与当前图像块周围的多个图像块之间的相似度。
根据本公开的示例性实施例,图像块组确定模块83将各图像块划分为多个图像块组的过程可以被配置为执行:按排序结果,将相似度大于一相似度阈值的多个图像块划分为一个图像组。
根据本公开的示例性实施例,图像处理模块87对多个像素点信息向量进行滤波处理的过程可以被配置为执行:对各像素点信息向量分别进行滤波处理;或者采用矩阵运算的方式对多个像素点信息向量进行整体滤波处理。
根据本公开的示例性实施例,图像处理模块87利用处理后的像素点信息重新构建图像的过程可以被配置为执行:针对待处理图像上一目标像素点,确定目标像素点被滤波处理的次数以及各滤波处理后的像素点信息;利用目标像素点被滤波处理的次数以及各滤波处理后的像素点信息,计算目标像素点的像素点信息的平均值,并将平均值作为重新构建的图像中目标像素点的像素点信息;其中,目标像素点为待处理图像上任意一个像素点。
根据本公开的示例性实施例,图像块提取模块81获取待处理图像的构成可以被配置为执行:分别采用第一摄像头模组和第二摄像头模组对同一场景进行拍摄,得到第一图像和第二图像;其中,第一摄像头模组的像素大于第二摄像头模组的像素;响应用户的图像查看操作,显示第二图像;响应用户的图像显示切换操作,获取第一图像作为待处理图像。
由于本发明实施方式的图像处理装置的各个功能模块与上述方法发明实施方式中相同,因此在此不再赘述。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
根据本发明的实施方式的用于实现上述方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光盘、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本公开的示例性实施例中,还提供了一种电子设备。该电子设备可以对应于能够实现上述图像处理方法的移动终端或服务器。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图9来描述根据本发明的这种实施方式的电子设备900。图9显示的电子设备900仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于:上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930、显示单元940,其中,显示单元940可以例如包括手机的触控屏。另外,在电子设备为手机的示例中,电子设备还可以包括一个或多个摄像头模组。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元910执行,使得所述处理单元910执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元910可以获取待处理图像,从待处理图像中提取多个图像块,根据各图像块之间的相似关系将各图像块划分为多个图像块组,针对每一图像块组,提取包括的各图像块中相同位置的的像素点信息,构建出多个像素点信息向量,对多个像素点信息向量进行滤波处理,得到处理后的像素点信息,并利用处理后的像素点信息重构图像,以得到与待处理图像对应的处理后的图像。
存储单元920可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)9201和/或高速缓存存储单元9202,还可以进一步包括只读存储单元(ROM)9203。
存储单元920还可以包括具有一组(至少一个)程序模块9205的程序/实用工具9204,这样的程序模块9205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线930可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备900也可以与一个或多个外部设备1000(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备900交互的设备通信,和/或与使得该电子设备900能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口950进行。并且,电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器960通过总线930与电子设备900的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备900使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (6)
1.一种图像处理方法,其特征在于,包括:
分别采用第一摄像头模组和第二摄像头模组对同一场景进行拍摄,得到第一图像和第二图像;其中,所述第一摄像头模组的像素大于所述第二摄像头模组的像素;响应用户的图像查看操作,显示所述第二图像;响应用户的图像显示切换操作,获取所述第一图像作为待处理图像,从所述待处理图像中提取多个图像块;
从所述多个图像块中随机选取起始图像块,作为当前图像块;确定所述当前图像块周围的多个图像块,分别将各所述图像块的像素点信息转化为n×1的列向量,其中,n为所述图像块中像素点的数量;分别计算所述当前图像块对应的列向量与周围图像块对应的列向量之间的距离,以得到所述当前图像块与所述当前图像块周围的多个图像块之间的相似度;从所述当前图像块周围的多个图像块中,筛选出与所述当前图像块的相似度最大的下一图像块;将所述下一图像块作为所述当前图像块,直至对所述待处理图像的所有图像块进行排序,根据排序的结果,将各所述图像块划分为多个图像块组;
针对每一图像块组,提取所包括的各图像块中相同位置的像素点信息,并构建多个像素点信息向量;
对各所述像素点信息向量分别进行滤波处理,得到处理后的像素点信息,并利用所述处理后的像素点信息重新构建图像,以得到与所述待处理图像对应的处理后的图像。
2.根据权利要求1所述的图像处理方法,其特征在于,从所述待处理图像中提取多个图像块包括:
利用一预设尺寸的滑动窗口,以预设滑动步长对所述待处理图像进行扫描,以提取所述多个图像块。
3.根据权利要求2所述的图像处理方法,其特征在于,利用所述处理后的像素点信息重新构建图像包括:
针对待处理图像上一目标像素点,确定所述目标像素点被滤波处理的次数以及各滤波处理后的像素点信息;
利用所述目标像素点被滤波处理的次数以及各滤波处理后的像素点信息,计算所述目标像素点的像素点信息的平均值,并将所述平均值作为重新构建的图像中所述目标像素点的像素点信息;
其中,所述目标像素点为所述待处理图像上任意一个像素点。
4.一种图像处理装置,其特征在于,包括:
图像块提取模块,用于分别采用第一摄像头模组和第二摄像头模组对同一场景进行拍摄,得到第一图像和第二图像;其中,所述第一摄像头模组的像素大于所述第二摄像头模组的像素;响应用户的图像查看操作,显示所述第二图像;响应用户的图像显示切换操作,获取所述第一图像作为待处理图像,从所述待处理图像中提取多个图像块;
图像块组确定模块,用于从所述多个图像块中随机选取起始图像块,作为当前图像块;确定所述当前图像块周围的多个图像块,分别将各所述图像块的像素点信息转化为n×1的列向量,其中,n为所述图像块中像素点的数量;分别计算所述当前图像块对应的列向量与周围图像块对应的列向量之间的距离,以得到所述当前图像块与所述当前图像块周围的多个图像块之间的相似度;从所述当前图像块周围的多个图像块中,筛选出与所述当前图像块的相似度最大的下一图像块;将所述下一图像块作为所述当前图像块,直至对所述待处理图像的所有图像块进行排序,根据排序的结果,将各所述图像块划分为多个图像块组;
向量构建模块,用于针对每一图像块组,提取所包括的各图像块中相同位置的像素点信息,并构建多个像素点信息向量;
图像处理模块,用于对各所述像素点信息向量分别进行滤波处理,得到处理后的像素点信息,并利用所述处理后的像素点信息重新构建图像,以得到与所述待处理图像对应的处理后的图像。
5.一种存储介质,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中任一项所述的图像处理方法。
6.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至3中任一项所述的图像处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911117950.1A CN110866881B (zh) | 2019-11-15 | 2019-11-15 | 图像处理方法及装置、存储介质和电子设备 |
PCT/CN2020/120664 WO2021093499A1 (zh) | 2019-11-15 | 2020-10-13 | 图像处理方法及装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911117950.1A CN110866881B (zh) | 2019-11-15 | 2019-11-15 | 图像处理方法及装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110866881A CN110866881A (zh) | 2020-03-06 |
CN110866881B true CN110866881B (zh) | 2023-08-04 |
Family
ID=69654480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911117950.1A Active CN110866881B (zh) | 2019-11-15 | 2019-11-15 | 图像处理方法及装置、存储介质和电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110866881B (zh) |
WO (1) | WO2021093499A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866881B (zh) * | 2019-11-15 | 2023-08-04 | RealMe重庆移动通信有限公司 | 图像处理方法及装置、存储介质和电子设备 |
CN112183484B (zh) * | 2020-10-30 | 2023-08-29 | 北京百度网讯科技有限公司 | 一种图像处理方法、装置、设备以及存储介质 |
CN113724157A (zh) * | 2021-08-11 | 2021-11-30 | 浙江大华技术股份有限公司 | 图像分块方法、图像处理方法、电子设备及存储介质 |
CN114115640B (zh) * | 2021-11-30 | 2024-05-14 | 上海小度技术有限公司 | 图标的确定方法、装置、设备以及存储介质 |
CN115690246B (zh) * | 2022-10-20 | 2023-06-27 | 北京国电通网络技术有限公司 | 图像纹理信息生成方法、装置、设备、介质和程序产品 |
CN116260973B (zh) * | 2023-03-31 | 2024-03-19 | 北京百度网讯科技有限公司 | 一种时域滤波方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103606132A (zh) * | 2013-10-31 | 2014-02-26 | 西安电子科技大学 | 基于空域和时域联合滤波的多帧数字图像去噪方法 |
CN103745442A (zh) * | 2014-01-08 | 2014-04-23 | 西安电子科技大学 | 基于非局部小波系数收缩的图像去噪方法 |
CN103903228A (zh) * | 2014-03-07 | 2014-07-02 | 西安电子科技大学 | 一种基于hwd变换的非局部图像去噪方法 |
CN104408694A (zh) * | 2014-11-27 | 2015-03-11 | 北京理工大学 | 基于软阈值的非局域平均图像去噪方法 |
WO2019066642A2 (en) * | 2017-09-29 | 2019-04-04 | Mimos Berhad | SYSTEM AND METHOD FOR DETECTION OF LICENSE PLATE |
CN109981991A (zh) * | 2019-04-17 | 2019-07-05 | 北京旷视科技有限公司 | 模型训练方法、图像处理方法、装置、介质和电子设备 |
CN110363121A (zh) * | 2019-07-01 | 2019-10-22 | Oppo广东移动通信有限公司 | 指纹图像处理方法及装置、存储介质和电子设备 |
CN110378846A (zh) * | 2019-06-28 | 2019-10-25 | 北京字节跳动网络技术有限公司 | 一种处理图像磨皮的方法、装置、介质和电子设备 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7694887B2 (en) * | 2001-12-24 | 2010-04-13 | L-1 Secure Credentialing, Inc. | Optically variable personalized indicia for identification documents |
CN101582984B (zh) * | 2009-04-14 | 2014-04-16 | 公安部物证鉴定中心 | 一种消除图像噪声的方法及装置 |
JP6071419B2 (ja) * | 2012-10-25 | 2017-02-01 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
CN102982520B (zh) * | 2012-12-05 | 2015-07-15 | 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 |
CN104751423B (zh) * | 2015-03-16 | 2017-09-29 | 西安理工大学 | 一种基于共振子空间分析的医学图像去噪方法 |
CN105279742B (zh) * | 2015-11-19 | 2018-03-30 | 中国人民解放军国防科学技术大学 | 一种快速的基于分块噪声能量估计的图像去噪方法 |
JP6583527B2 (ja) * | 2016-02-22 | 2019-10-02 | 株式会社リコー | 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム |
CN108629264B (zh) * | 2017-03-18 | 2022-09-27 | 上海荆虹电子科技有限公司 | 用于图像处理的方法和装置 |
US10902244B2 (en) * | 2017-03-27 | 2021-01-26 | Samsung Electronics Co., Ltd. | Apparatus and method for image processing |
CN109767408B (zh) * | 2018-12-29 | 2021-11-12 | 广州方硅信息技术有限公司 | 图像处理方法、装置、存储介质及计算机设备 |
CN110866881B (zh) * | 2019-11-15 | 2023-08-04 | RealMe重庆移动通信有限公司 | 图像处理方法及装置、存储介质和电子设备 |
-
2019
- 2019-11-15 CN CN201911117950.1A patent/CN110866881B/zh active Active
-
2020
- 2020-10-13 WO PCT/CN2020/120664 patent/WO2021093499A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103606132A (zh) * | 2013-10-31 | 2014-02-26 | 西安电子科技大学 | 基于空域和时域联合滤波的多帧数字图像去噪方法 |
CN103745442A (zh) * | 2014-01-08 | 2014-04-23 | 西安电子科技大学 | 基于非局部小波系数收缩的图像去噪方法 |
CN103903228A (zh) * | 2014-03-07 | 2014-07-02 | 西安电子科技大学 | 一种基于hwd变换的非局部图像去噪方法 |
CN104408694A (zh) * | 2014-11-27 | 2015-03-11 | 北京理工大学 | 基于软阈值的非局域平均图像去噪方法 |
WO2019066642A2 (en) * | 2017-09-29 | 2019-04-04 | Mimos Berhad | SYSTEM AND METHOD FOR DETECTION OF LICENSE PLATE |
CN109981991A (zh) * | 2019-04-17 | 2019-07-05 | 北京旷视科技有限公司 | 模型训练方法、图像处理方法、装置、介质和电子设备 |
CN110378846A (zh) * | 2019-06-28 | 2019-10-25 | 北京字节跳动网络技术有限公司 | 一种处理图像磨皮的方法、装置、介质和电子设备 |
CN110363121A (zh) * | 2019-07-01 | 2019-10-22 | Oppo广东移动通信有限公司 | 指纹图像处理方法及装置、存储介质和电子设备 |
Non-Patent Citations (1)
Title |
---|
曾钢燕 ; 等.基于RGB坐标系的卦限分割的彩色图像的滤波方法.《湖南工程学院学报(自然科学版)》.2018,28-31. * |
Also Published As
Publication number | Publication date |
---|---|
WO2021093499A1 (zh) | 2021-05-20 |
CN110866881A (zh) | 2020-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110866881B (zh) | 图像处理方法及装置、存储介质和电子设备 | |
CN111275626B (zh) | 一种基于模糊度的视频去模糊方法、装置及设备 | |
CN107424123B (zh) | 一种摩尔纹去除方法及装置 | |
CN107529098B (zh) | 用于视频摘要的方法和系统 | |
CN109766925B (zh) | 特征融合方法、装置、电子设备及存储介质 | |
CN108805840A (zh) | 图像去噪的方法、装置、终端及计算机可读存储介质 | |
JP2002269556A (ja) | デジタル画像からノイズを除去する複数解像度に基づく方法 | |
Alireza Golestaneh et al. | Algorithm for JPEG artifact reduction via local edge regeneration | |
CN110166684B (zh) | 图像处理方法、装置、计算机可读介质及电子设备 | |
Diana Andrushia et al. | Saliency-based image compression using Walsh–Hadamard transform (WHT) | |
CN111131688B (zh) | 一种图像处理方法、装置及移动终端 | |
CN110855957B (zh) | 图像处理方法及装置、存储介质和电子设备 | |
WO2019118236A1 (en) | Deep learning on image frames to generate a summary | |
KR20100016272A (ko) | Pixon 방법을 사용한 이미지 압축 및 압축 해제 | |
WO2016108847A1 (en) | Methods and apparatus for processing motion information images | |
CN110958363B (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
CN113870283A (zh) | 人像抠图方法、装置、计算机设备及可读存储介质 | |
CN112801882B (zh) | 图像处理方法及装置、存储介质和电子设备 | |
CN113936071A (zh) | 图像处理方法及装置 | |
CN110689486A (zh) | 图像的处理方法、装置、设备及计算机可存储介质 | |
CN111369557B (zh) | 图像处理方法、装置、计算设备和存储介质 | |
CN110570376B (zh) | 一种图像去雨方法、装置、设备和计算机可读存储介质 | |
CN110880160B (zh) | 图片帧超分方法、装置、终端设备及计算机可读存储介质 | |
CN105657252A (zh) | 一种移动终端中的图像处理方法和移动终端 | |
CN112487943B (zh) | 关键帧去重的方法、装置和电子设备 |
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 |