CN111047558A - 图像检测方法、装置、计算机设备以及存储介质 - Google Patents
图像检测方法、装置、计算机设备以及存储介质 Download PDFInfo
- Publication number
- CN111047558A CN111047558A CN201911141666.8A CN201911141666A CN111047558A CN 111047558 A CN111047558 A CN 111047558A CN 201911141666 A CN201911141666 A CN 201911141666A CN 111047558 A CN111047558 A CN 111047558A
- Authority
- CN
- China
- Prior art keywords
- image
- target image
- detected
- similarity
- preset
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 121
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 63
- 239000003086 colorant Substances 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 5
- 239000000463 material Substances 0.000 abstract description 7
- 230000006835 compression Effects 0.000 description 36
- 238000007906 compression Methods 0.000 description 36
- 238000012360 testing method Methods 0.000 description 16
- 238000005070 sampling Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000010561 standard procedure Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/015—High-definition television systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种图像检测方法、装置、计算机设备以及存储介质,所述方法包括:通过HDMI信号源采集待检测图像数据;将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像;通过opencv算法计算所截取的目标图像与模板图像的相似度,并判断所述相似度是否大于预设阈值;若所述相似度大于预设阈值,判定所述目标图像为正常图像;否则判定所述目标图像为异常图像。本发明能够减少人力、物力的消耗,降低检测成本,并且提高检测效率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种图像检测方法、装置、计算机设备以及存储介质。
背景技术
目前,对于电视主板上的通道图像的检测方法主要是通过人工观看显示的图像或者通过摄像头拍摄电视的画面来比对图像是否有异常,采用人工对比的方式需要耗费人力,对于图像异常的判断带有主观意识,并且准确率也不是很理想,例如,当检测人员的状态不佳时,由于精力不能够集中,在检测图像时会导致图像上的很多问题并不能及时被发现,从而影响了图像的检测效率。
发明内容
有鉴于此,本发明实施例提供一种图像检测方法、装置、计算机设备以及存储介质,能够减少人力、物力的消耗,降低检测成本,并且提高检测效率。
一方面,本发明实施例提供了一种图像检测方法,该方法包括:
通过HDMI信号源采集待检测图像数据;
将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像;
通过opencv算法计算所截取的目标图像与模板图像的相似度,并判断所述相似度是否大于预设阈值;
若所述相似度大于预设阈值,判定所述目标图像为正常图像;否则判定所述目标图像为异常图像。
另一方面,本发明实施例提供了一种图像检测装置,所述装置包括:
采集单元,用于通过HDMI信号源采集待检测图像数据;
发送控制单元,用于将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像;
计算单元,用于通过opencv算法计算所截取的目标图像与模板图像的相似度,并判断所述相似度是否大于预设阈值;
判定单元,用于若所述相似度大于预设阈值,判定所述目标图像为正常图像;否则判定所述目标图像为异常图像。
又一方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的图像检测方法。
再一方面,本发明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一个或者一个以上计算机程序,所述一个或者一个以上计算机程序可被一个或者一个以上的处理器执行,以实现如上所述的图像检测方法。
本发明实施例提供一种图像检测方法、装置、计算机设备以及存储介质,其中方法包括:通过HDMI信号源采集待检测图像数据;将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像;通过opencv算法计算所截取的目标图像与模板图像的相似度,并判断所述相似度是否大于预设阈值;若所述相似度大于预设阈值,判定所述目标图像为正常图像;否则判定所述目标图像为异常图像。本发明能够减少人力、物力的消耗,降低检测成本,并且提高检测效率。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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。
图1是本发明实施例提供的一种图像检测方法的应用场景示意图;
图2是本发明实施例提供的一种图像检测方法的示意流程图;
图3是本发明实施例提供的一种图像检测方法的另一示意流程图;
图4是本发明实施例提供的一种图像检测方法的另一示意流程图;
图5是本发明实施例提供的一种图像检测装置的示意性框图;
图6是本发明实施例提供的一种图像检测装置的另一示意性框图;
图7是本发明实施例提供的一种图像检测装置的另一示意性框图;
图8是本发明实施例提供的一种图像检测装置的另一示意性框图;
图9是本发明实施例提供的一种计算机设备的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”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,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明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。
请参阅图1和图2,图1为本发明实施例提供的一种图像检测方法的应用场景示意图,图2为本发明实施例提供的一种图像检测方法的流程示意图。该图像检测方法应用于终端中,其中终端可以是智能电视机、智能手机、平板电脑、笔记本电脑或者台式电脑等具有通信功能的电子设备。作为一应用,如图1所示,该图像检测方法应用于终端20中,该终端20从服务器10中获取待检测图像数据并执行图像检测操作,并将检测结果显示给用户。
请参阅图2,图2为本发明实施例提供的一种图像检测方法的示意流程图。如图2所示,该方法包括以下步骤S101~S104。
S101,通过HDMI信号源采集待检测图像数据。
在本发明实施例中,HDMI(High-Definition Multimedia Interface,高清晰度多媒体接口)信号源是终端上的一个采集数据的功能模块,在终端上还包括有其他功能模块,如TV信号源、AV信号源等,用户可以选择将终端从其他功能模块切换到HDMI信号源并从服务器中采集待检测图像数据。具体的,通过HDMI信号源采集的待检测图像数据包括静态图像视频和静态码流。
具体的,用户可以选择从TV信号源切换到HDMI信号源,然后利用HDMI信号源采集待检测图像数据;或者用户还可以选择从AV信号源切换到HDMI信号源,然后利用HDMI信号源采集待检测图像数据。在终端上还包括其他信号源,在此不进行一一举例。
请参阅图3,所述步骤S101包括步骤S201~S202:
S201,利用HDMI编码棒对HDMI信号源所接收的信号进行编码。
在本发明实施例中,编码方式可以包括压缩编码和非压缩编码,其中,压缩编码可以包括MPEG、Dolby Digital、DTS编码,非压缩编码可以包括线性PCM编码。其中,对于选择压缩编码是由于非压缩编码的数据量过高,从而造成存储和传输方面的障碍,因此必须使用相应的技术降低数字信号源的数据率,并且又不会对数据造成损伤;对于非压缩编码,一般指的是PCM(脉冲编码调制)编码,主要包括以下过程:抽样、量化和编码;抽样过程将连续时间模拟信号变为离散时间、连续幅度的抽样信号,量化过程将抽样信号变为离散时间、离散幅度的数字信号,编码过程将量化后的信号编码成为一个二进制码组输出。
S202,通过HDMI芯片对编码后的信号进行H264压缩,并对压缩后的信号进行高速数据转换,以生成所述待检测图像数据。
在本发明实施例中,通过HDMI信号源采集待检测图像数据具体的包括:所采集的数据信号需要依次经过HDMI编码棒的编码,编码后的数据信号还要经过HDMI芯片进行H264压缩,通过高速数据转换,最终将数据信号转换并生成所述待检测图像数据;这样,可以对数据带宽较大的数据信号进行压缩,从而得到数据容量较小的待检测图像数据,能够节省资源的存储空间。
具体的,H264压缩指的是使用H264视频压缩算法对数据信号进行压缩,主要包括以下过程:(1)帧内预测压缩:解决的是空域数据冗余问题;(2)帧间预测压缩:解决的是时域数据冗余问题;(3)整数离散余弦变换:将空间上的相关性变为频域上无关的数据,然后进行量化;(4)CABAC压缩。经过压缩后的帧分为:I帧,P帧和B帧,其中,I帧指的是关键帧,采用帧内压缩技术;P帧指的是向前参考帧,在压缩时,只参考前面已经处理的帧,采用帧间压缩技术;B帧指的是双向参考帧,在压缩时,它即参考前面的帧,又参考它后面的帧。采用帧间压缩技术。
S102,将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像。
在本发明实施例中,所述将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像的步骤,具体包括:将所述待检测图像数据发送至预设检测区,并通过信号源栈顶弹出指令控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像。所述预设检测区可以是预先设置的检测区域,在本实施例中将测试板作为所述预设检测区,并将该测试板设置在终端中,终端通过HDMI信号源采集到待检测图像数据之后,将所采集的待检测图像数据发送给终端中的预设检测区,即本实施例中的测试板,并通过向测试板发送信号源栈顶弹出指令控制测试板按照预设时长从所述待检测图像数据中截取目标图像,其中,所述预设时长可以设置为每隔1秒、每隔2秒或者其他时长,具体的时长在此不作限制,例如,测试板每隔1秒从所述待检测图像数据中截取一次图片,或者测试板每隔2秒从所述待检测图像数据中截取一次图片等等;通过设置截取目标图像的时间间隔,可以从待检测图像数据中循环的截取图像进行检测,实现自动检测,并能够提高图像的检测效率。
S103,通过opencv算法计算所截取的目标图像与模板图像的相似度,并判断所述相似度是否大于预设阈值。
在本发明实施例中,通过opencv算法计算所截取的目标图像与模板图像的相似度具体是先利用opencv算法中的cvtColor()函数对目标图像和模板图像进行色彩空间转换,例如,可以实现RGB色彩向HSV、HSI等色彩转换,也可以转换为灰度图;通过色彩空间转换后分别使用calcHist()函数计算目标图像和模板图像的直方图,并使用normalize()函数对直方图进行归一化处理,以将直方图转换为[0,1]内的归一化的数据;最后通过opencv算法的compareHist()函数分别对目标图像和模板图像归一化处理后的结果进行相关性比较,并通过相关性比较获得相似度,具体的,本实施例通过compareHist()函数提供的相关系统标准法来计算相似度,要比较两个直方图分别为目标图像和模板图像,将目标图像的归一化处理后的直方图记为H1,将模板图像的归一化处理后的直方图记为H2,然后将计算得出的相似度记为d(H1,H2),则有其中,N是直方图中bin的数目,I、J表示直方图的数目,例如,存在一张模板图像和两张目标图像,在检测时我们会将模板图像与它自身及其半身图像进行对比,我们应该会预料到当将模板图像的直方图及其自身进行对比时会产生完美的匹配,当与来源于同一样的背景环境的半身图像对比时应该会有比较高的相似度,当与来自不同亮度光照条件的其余两张目标图像对比时匹配度应该不是很好,如通过上述计算公式计算得到模板图像自身的相似度为1.000000,选择模板图像的半身进行计算得到的相似度为0.930766,两张目标图像进行计算得到的相似度分别为0.182073、0.120447,基于相关系统标准法得到的相似度,其值越大相似度越大;在计算得到相似度的值之前,本实施例预先设置一个预设阈值,并判断所计算的相似度是否大于预设阈值,若相似度大于预设阈值,判定所述目标图像为正常图像;否则判定所述目标图像为异常图像,具体的,所述预设阈值可以设置为1、2,具体的阈值在此不作限制,可以根据实际操作进行设置。
请参阅图4,所述步骤S103包括步骤S301~S302:
S301,通过opencv算法的cvtColor()函数分别将所述目标图像和模板图像从RGB色彩转换到HSV色彩。
在本发明实施例中,例如:RGB→L*u*v*,输入图像:8-bit image,目标图像:32-bit floating-point image,在调用cvtColor()函数之前,应当将输入图像的分量的取值范围从0~255缩到0~1,再调用cvtColor()函数:img*=1./255;cvtColor(img,img,COLOR_BGR2Luv)。
S302,通过opencv算法的calcHist()函数分别计算已转换为HSV色彩的所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图进行归一化处理。
在本发明实施例中,所述通过opencv算法的calcHist()函数分别计算已转换为HSV色彩的所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图进行归一化处理,具体包括以下步骤:通过opencv算法的calcHist()函数分别计算所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图统一转换为[0,1]内的归一化的数据。
S303,通过opencv算法的compareHist()函数分别对所述目标图像和模板图像归一化处理后的结果进行相关性比较,并通过相关性比较获得所述相似度。
在本发明实施例中,本实施例通过compareHist()函数提供的相关系统标准法来计算相似度,要比较两个直方图分别为目标图像和模板图像,将目标图像的归一化处理后的直方图记为H1,将模板图像的归一化处理后的直方图记为H2,然后将计算得出的相似度记为d(H1,H2),则有其中,N是直方图中bin的数目,I、J表示直方图的数目,例如,存在一张模板图像和两张目标图像,在检测时我们会将模板图像与它自身及其半身图像进行对比,我们应该会预料到当将模板图像的直方图及其自身进行对比时会产生完美的匹配,当与来源于同一样的背景环境的半身图像对比时应该会有比较高的相似度,当与来自不同亮度光照条件的其余两张目标图像对比时匹配度应该不是很好,如通过上述计算公式计算得到模板图像自身的相似度为1.000000,选择模板图像的半身进行计算得到的相似度为0.930766,两张目标图像进行计算得到的相似度分别为0.182073、0.120447,基于相关系统标准法得到的相似度,其值越大相似度越大。
S104,若所述相似度大于预设阈值,判定所述目标图像为正常图像;否则判定所述目标图像为异常图像。
在本发明实施例中,上述预设阈值的具体值可以为预先设定的,例如,预设大小的值为1或者2,上述若所述相似度大于预设阈值,判定所述目标图像为正常图像;若所述相似度小于预设阈值,判定所述目标图像为异常图像。当判官所述目标图像为异常图像时,将导出对应的目标图像的异常信息并写入预设文件中,该预设文件可以为excel文件或者word文件;本发明实施例通过自动检测图像数据,能够解决了人工测试的各种不利问题,能够减少人力、物力的消耗,降低检测成本,并且提高检测效率。
由以上可见,本发明实施例通过通过HDMI信号源采集待检测图像数据;将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像;通过opencv算法计算所截取的目标图像与模板图像的相似度,并判断所述相似度是否大于预设阈值;若所述相似度大于预设阈值,判定所述目标图像为正常图像;否则判定所述目标图像为异常图像。本发明能够减少人力、物力的消耗,降低检测成本,并且提高检测效率。
请参阅图5,对应上述一种图像检测方法,本发明实施例还提出一种图像检测装置,该装置100包括:采集单元101、发送控制单元102、计算单元103、判定单元104。
其中,所述采集单元101,用于通过HDMI信号源采集待检测图像数据。在本发明实施例中,HDMI(High-Definition Multimedia Interface,高清晰度多媒体接口)信号源是终端上的一个采集数据的功能模块,在终端上还包括有其他功能模块,如TV信号源、AV信号源等,用户可以选择将终端从其他功能模块切换到HDMI信号源以采集待检测图像数据。具体的,通过HDMI信号源采集的待检测图像数据包括静态图像视频和静态码流。
具体的,用户可以选择从TV信号源切换到HDMI信号源,然后利用HDMI信号源采集待检测图像数据;或者用户还可以选择从AV信号源切换到HDMI信号源,然后利用HDMI信号源采集待检测图像数据。在终端上还包括其他信号源,在此不进行一一举例。
发送控制单元102,用于将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像。在本发明实施例中,所述将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像的步骤,具体包括:将所述待检测图像数据发送至预设检测区,并通过信号源栈顶弹出指令控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像。所述预设检测区可以是预先设置的检测区域,在本实施例中将测试板作为所述预设检测区,,并将该测试板设置在终端中,终端通过HDMI信号源采集到待检测图像数据之后,将所采集的待检测图像数据发送给预设检测区,即本实施例中的测试板,并通过向测试板发送信号源栈顶弹出指令控制测试板按照预设时长从所述待检测图像数据中截取目标图像,其中,所述预设时长可以设置为每隔1秒、每隔2秒或者其他时长,具体的时长在此不作限制,例如,测试板每隔1秒从所述待检测图像数据中截取一次图片,或者测试板每隔2秒从所述待检测图像数据中截取一次图片等等;通过设置截取目标图像的时间间隔,可以从待检测图像数据中循环的截取图像进行检测,实现自动检测,并能够提高图像的检测效率。
计算单元103,用于通过opencv算法计算所截取的目标图像与模板图像的相似度,并判断所述相似度是否大于预设阈值。在本发明实施例中,通过opencv算法计算所截取的目标图像与模板图像的相似度具体是先利用opencv算法中的cvtColor()函数对目标图像和模板图像进行色彩空间转换,例如,可以实现RGB色彩向HSV、HSI等色彩空间转换,也可以转换为灰度图;通过色彩空间转换后分别使用calcHist()函数计算目标图像和模板图像的直方图,并使用normalize()函数对直方图进行归一化处理,以将直方图转换为[0,1]内的归一化的数据;最后通过opencv算法的compareHist()函数分别对目标图像和模板图像归一化处理后的结果进行相关性比较,并通过相关性比较获得相似度,具体的,本实施例通过compareHist()函数提供的相关系统标准法来计算相似度,要比较两个直方图分别为目标图像和模板图像,将目标图像的归一化处理后的直方图记为H1,将模板图像的归一化处理后的直方图记为H2,然后将计算得出的相似度记为d(H1,H2),则有其中,N是直方图中bin的数目,I、J表示直方图的数目,例如,存在一张模板图像和两张目标图像,在检测时我们会将模板图像与它自身及其半身图像进行对比,我们应该会预料到当将模板图像的直方图及其自身进行对比时会产生完美的匹配,当与来源于同一样的背景环境的半身图像对比时应该会有比较高的相似度,当与来自不同亮度光照条件的其余两张目标图像对比时匹配度应该不是很好,如通过上述计算公式计算得到模板图像自身的相似度为1.000000,选择模板图像的半身进行计算得到的相似度为0.930766,两张目标图像进行计算得到的相似度分别为0.182073、0.120447,基于相关系统标准法得到的相似度,其值越大相似度越大;在计算得到相似度的值之前,本实施例预先设置一个预设阈值,并判断所计算的相似度是否大于预设阈值,若相似度大于预设阈值,判定所述目标图像为正常图像;否则判定所述目标图像为异常图像,具体的,所述预设阈值可以设置为1、2,具体的阈值在此不作限制,可以根据实际操作进行设置。
判定单元104,用于若所述相似度大于预设阈值,判定所述目标图像为正常图像;否则判定所述目标图像为异常图像。在本发明实施例中,上述预设阈值的具体值可以为预先设定的,例如,预设大小的值为1或者2,上述若所述相似度大于预设阈值,判定所述目标图像为正常图像;若所述相似度小于预设阈值,判定所述目标图像为异常图像。当判官所述目标图像为异常图像时,将导出对应的目标图像的异常信息并写入预设文件中,该预设文件可以为excel文件或者word文件;本发明实施例通过自动检测图像数据,能够解决了人工测试的各种不利问题,能够减少人力、物力的消耗,降低检测成本,并且提高检测效率。
请参阅图6,所述发送控制单元102,包括:
发送控制子单元102a,用于将所述待检测图像数据发送至预设检测区,并通过信号源栈顶弹出指令控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像。
请参阅图7,所述计算单元103,包括:
转换单元103a,用于通过opencv算法的cvtColor()函数分别将所述目标图像和模板图像从RGB色彩转换到HSV色彩。在本发明实施例中,例如:RGB→L*u*v*,输入图像:8-bitimage,目标图像:32-bit floating-pointimage,在调用cvtColor()函数之前,应当将输入图像的分量的取值范围从0~255缩到0~1,再调用cvtColor()函数:img*=1./255;cvtColor(img,img,COLOR_BGR2Luv)。
计算子单元103b,用于通过opencv算法的calcHist()函数分别计算已转换为HSV色彩的所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图进行归一化处理。在本发明实施例中,所述通过opencv算法的calcHist()函数分别计算已转换为HSV色彩的所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图进行归一化处理,具体包括以下步骤:通过opencv算法的calcHist()函数分别计算所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图统一转换为[0,1]内的归一化的数据。
获取单元103c,用于通过opencv算法的compareHist()函数分别对所述目标图像和模板图像归一化处理后的结果进行相关性比较,并通过相关性比较获得所述相似度。在本发明实施例中,本实施例通过compareHist()函数提供的相关系统标准法来计算相似度,要比较两个直方图分别为目标图像和模板图像,将目标图像的归一化处理后的直方图记为H1,将模板图像的归一化处理后的直方图记为H2,然后将计算得出的相似度记为d(H1,H2),则有其中,N是直方图中bin的数目,I、J表示直方图的数目,例如,存在一张模板图像和两张目标图像,在检测时我们会将模板图像与它自身及其半身图像进行对比,我们应该会预料到当将模板图像的直方图及其自身进行对比时会产生完美的匹配,当与来源于同一样的背景环境的半身图像对比时应该会有比较高的相似度,当与来自不同亮度光照条件的其余两张目标图像对比时匹配度应该不是很好,如通过上述计算公式计算得到模板图像自身的相似度为1.000000,选择模板图像的半身进行计算得到的相似度为0.930766,两张目标图像进行计算得到的相似度分别为0.182073、0.120447,基于相关系统标准法得到的相似度,其值越大相似度越大。
所述计算子单元103b,还具体用于:通过opencv算法的calcHist()函数分别计算所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图统一转换为[0,1]内的归一化的数据。
请参阅图8,所述采集单元101,包括:
编码单元101a,用于利用HDMI编码棒对HDMI信号源所接收的信号进行编码。在本发明实施例中,编码方式可以包括压缩编码和非压缩编码,其中,压缩编码可以包括MPEG、Dolby Digital、DTS编码,非压缩编码可以包括线性PCM编码。其中,对于选择压缩编码是由于非压缩编码的数据量过高,从而造成存储和传输方面的障碍,因此必须使用相应的技术降低数字信号源的数据率,并且又不会对数据造成损伤;对于非压缩编码,一般指的是PCM(脉冲编码调制)编码,主要包括以下过程:抽样、量化和编码;抽样过程将连续时间模拟信号变为离散时间、连续幅度的抽样信号,量化过程将抽样信号变为离散时间、离散幅度的数字信号,编码过程将量化后的信号编码成为一个二进制码组输出。
生成单元101b,用于通过HDMI芯片对编码后的信号进行H264压缩,并对压缩后的信号进行高速数据转换,以生成所述待检测图像数据。在本发明实施例中,通过HDMI信号源采集待检测图像数据具体的包括:所采集的数据信号需要依次经过HDMI编码棒的编码,编码后的数据信号还要经过HDMI芯片进行H264压缩,通过高速数据转换,最终将数据信号转换并生成所述待检测图像数据;这样,可以对数据带宽较大的数据信号进行压缩,从而得到数据容量较小的待检测图像数据,能够节省资源的存储空间。
具体的,H264压缩指的是使用H264视频压缩算法对数据信号进行压缩,主要包括以下过程:(1)帧内预测压缩:解决的是空域数据冗余问题;(2)帧间预测压缩:解决的是时域数据冗余问题;(3)整数离散余弦变换:将空间上的相关性变为频域上无关的数据,然后进行量化;(4)CABAC压缩。经过压缩后的帧分为:I帧,P帧和B帧,其中,I帧指的是关键帧,采用帧内压缩技术;P帧指的是向前参考帧,在压缩时,只参考前面已经处理的帧,采用帧间压缩技术;B帧指的是双向参考帧,在压缩时,它即参考前面的帧,又参考它后面的帧。采用帧间压缩技术。
由以上可见,本发明实施例通过HDMI信号源采集待检测图像数据;将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像;通过opencv算法计算所截取的目标图像与模板图像的相似度,并判断所述相似度是否大于预设阈值;若所述相似度大于预设阈值,判定所述目标图像为正常图像;否则判定所述目标图像为异常图像。本发明能够减少人力、物力的消耗,降低检测成本,并且提高检测效率。
上述图像检测装置与上述图像检测方法一一对应,其具体的原理和过程与上述实施例所述方法相同,不再赘述。
上述图像检测装置可以实现为一种计算机程序的形式,计算机程序可以在如图9所示的计算机设备上运行。
图9为本发明一种计算机设备的结构组成示意图。该设备可以是终端,其中,终端可以是智能电视机、智能手机、平板电脑、笔记本电脑以及台式电脑等具有通信功能和语音输入功能的电子装置。参照图9,该计算机设备500包括通过系统总线501连接的处理器502、非易失性存储介质503、内存储器504和网络接口505。其中,该计算机设备500的非易失性存储介质503可存储操作系统5031和计算机程序5032,该计算机程序5032被执行时,可使得处理器502执行一种图像检测方法。该计算机设备500的处理器502用于提供计算和控制能力,支撑整个计算机设备500的运行。该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序被处理器执行时,可使得处理器502执行一种图像检测方法。计算机设备500的网络接口505用于进行网络通信。本领域技术人员可以理解,图9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。
其中,所述处理器502执行所述计算机程序时实现如下操作:
通过HDMI信号源采集待检测图像数据;
将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像;
通过opencv算法计算所截取的目标图像与模板图像的相似度,并判断所述相似度是否大于预设阈值;
若所述相似度大于预设阈值,判定所述目标图像为正常图像;否则判定所述目标图像为异常图像。
在一个实施例中,所述将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像,包括:
将所述待检测图像数据发送至预设检测区,并通过信号源栈顶弹出指令控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像。
在一个实施例中,所述通过opencv算法计算所截取的目标图像与模板图像的相似度,包括:
通过opencv算法的cvtColor()函数分别将所述目标图像和模板图像从RGB色彩转换到HSV色彩;
通过opencv算法的calcHist()函数分别计算已转换为HSV色彩的所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图进行归一化处理;
通过opencv算法的compareHist()函数分别对所述目标图像和模板图像归一化处理后的结果进行相关性比较,并通过相关性比较获得所述相似度。
在一个实施例中,所述通过opencv算法的calcHist()函数分别计算已转换为HSV色彩的所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图进行归一化处理,包括:
通过opencv算法的calcHist()函数分别计算所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图统一转换为[0,1]内的归一化的数据。
在一个实施例中,所述通过HDMI信号源采集待检测图像数据,包括:
利用HDMI编码棒对HDMI信号源所接收的信号进行编码;
通过HDMI芯片对编码后的信号进行H264压缩,并对压缩后的信号进行高速数据转换,以生成所述待检测图像数据。
本领域技术人员可以理解,图9中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定,在其他实施例中,计算机设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。例如,在一些实施例中,计算机设备仅包括存储器及处理器,在这样的实施例中,存储器及处理器的结构及功能与图9所示实施例一致,在此不再赘述。
本发明提供了一种计算机可读存储介质,计算机可读存储介质存储有一个或者一个以上计算机程序,所述一个或者一个以上计算机程序可被一个或者一个以上的处理器执行,以实现以下步骤:
通过HDMI信号源采集待检测图像数据;
将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像;
通过opencv算法计算所截取的目标图像与模板图像的相似度,并判断所述相似度是否大于预设阈值;
若所述相似度大于预设阈值,判定所述目标图像为正常图像;否则判定所述目标图像为异常图像。
在一个实施例中,所述将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像,包括:
将所述待检测图像数据发送至预设检测区,并通过信号源栈顶弹出指令控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像。
在一个实施例中,所述通过opencv算法计算所截取的目标图像与模板图像的相似度,包括:
通过opencv算法的cvtColor()函数分别将所述目标图像和模板图像从RGB色彩转换到HSV色彩;
通过opencv算法的calcHist()函数分别计算已转换为HSV色彩的所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图进行归一化处理;
通过opencv算法的compareHist()函数分别对所述目标图像和模板图像归一化处理后的结果进行相关性比较,并通过相关性比较获得所述相似度。
在一个实施例中,所述通过opencv算法的calcHist()函数分别计算已转换为HSV色彩的所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图进行归一化处理,包括:
通过opencv算法的calcHist()函数分别计算所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图统一转换为[0,1]内的归一化的数据。
在一个实施例中,所述通过HDMI信号源采集待检测图像数据,包括:
利用HDMI编码棒对HDMI信号源所接收的信号进行编码;
通过HDMI芯片对编码后的信号进行H264压缩,并对压缩后的信号进行高速数据转换,以生成所述待检测图像数据。
本发明前述的存储介质包括:磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等各种可以存储程序代码的介质。
本发明所有实施例中的单元可以通过通用集成电路,例如CPU(CentralProcessing Unit,中央处理器),或通过ASIC(Application Specific IntegratedCircuit,专用集成电路)来实现。
本发明实施例图像检测方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例图像检测装置中的单元可以根据实际需要进行合并、划分和删减。
以上所述,仅为本发明的具体实施方式,但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,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种图像检测方法,其特征在于,所述方法包括:
通过HDMI信号源采集待检测图像数据;
将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像;
通过opencv算法计算所截取的目标图像与模板图像的相似度,并判断所述相似度是否大于预设阈值;
若所述相似度大于预设阈值,判定所述目标图像为正常图像;否则判定所述目标图像为异常图像。
2.如权利要求1所述的方法,其特征在于,所述将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像,包括:
将所述待检测图像数据发送至预设检测区,并通过信号源栈顶弹出指令控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像。
3.如权利要求1所述的方法,其特征在于,所述通过opencv算法计算所截取的目标图像与模板图像的相似度,包括:
通过opencv算法的cvtColor()函数分别将所述目标图像和模板图像从RGB色彩转换到HSV色彩;
通过opencv算法的calcHist()函数分别计算已转换为HSV色彩的所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图进行归一化处理;
通过opencv算法的compareHist()函数分别对所述目标图像和模板图像归一化处理后的结果进行相关性比较,并通过相关性比较获得所述相似度。
4.如权利要求3所述的方法,其特征在于,所述通过opencv算法的calcHist()函数分别计算已转换为HSV色彩的所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图进行归一化处理,包括:
通过opencv算法的calcHist()函数分别计算所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图统一转换为[0,1]内的归一化的数据。
5.如权利要求1所述的方法,其特征在于,所述通过HDMI信号源采集待检测图像数据,包括:
利用HDMI编码棒对HDMI信号源所接收的信号进行编码;
通过HDMI芯片对编码后的信号进行H264压缩,并对压缩后的信号进行高速数据转换,以生成所述待检测图像数据。
6.一种图像检测装置,其特征在于,所述装置包括:
采集单元,用于通过HDMI信号源采集待检测图像数据;
发送控制单元,用于将所述待检测图像数据发送至预设检测区,并控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像;
计算单元,用于通过opencv算法计算所截取的目标图像与模板图像的相似度,并判断所述相似度是否大于预设阈值;
判定单元,用于若所述相似度大于预设阈值,判定所述目标图像为正常图像;否则判定所述目标图像为异常图像。
7.如权利要求6所述的装置,其特征在于,所述发送控制单元,包括:
发送控制子单元,用于将所述待检测图像数据发送至预设检测区,并通过信号源栈顶弹出指令控制所述预设检测区按照预设时长从所述待检测图像数据中截取目标图像。
8.如权利要求6所述的装置,其特征在于,所述计算单元,包括:
转换单元,用于通过opencv算法的cvtColor()函数分别将所述目标图像和模板图像从RGB色彩转换到HSV色彩;
计算子单元,用于通过opencv算法的calcHist()函数分别计算已转换为HSV色彩的所述目标图像和模板图像的直方图,并通过normalize()函数将所述目标图像和模板图像所对应的直方图进行归一化处理;
获取单元,用于通过opencv算法的compareHist()函数分别对所述目标图像和模板图像归一化处理后的结果进行相关性比较,并通过相关性比较获得所述相似度。
9.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,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1-5任一项所述的图像检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者一个以上计算机程序,所述一个或者一个以上计算机程序可被一个或者一个以上的处理器执行,以实现如权利要求1-5任一项所述的图像检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911141666.8A CN111047558A (zh) | 2019-11-20 | 2019-11-20 | 图像检测方法、装置、计算机设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911141666.8A CN111047558A (zh) | 2019-11-20 | 2019-11-20 | 图像检测方法、装置、计算机设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111047558A true CN111047558A (zh) | 2020-04-21 |
Family
ID=70232458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911141666.8A Pending CN111047558A (zh) | 2019-11-20 | 2019-11-20 | 图像检测方法、装置、计算机设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111047558A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149649A (zh) * | 2020-11-24 | 2020-12-29 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路抛洒物检测方法、计算机设备及存储介质 |
CN112528791A (zh) * | 2020-12-03 | 2021-03-19 | 山东星宏电讯有限责任公司 | 一种铁路站场防入侵系统及方法 |
CN112967467A (zh) * | 2021-02-24 | 2021-06-15 | 九江学院 | 文物防盗方法、系统、移动终端及存储介质 |
CN113542735A (zh) * | 2021-07-07 | 2021-10-22 | 深圳创维-Rgb电子有限公司 | 电视机的检测方法、装置、设备及存储介质 |
CN113624952A (zh) * | 2021-10-13 | 2021-11-09 | 深圳市帝迈生物技术有限公司 | 一种体外诊断设备及其检测方法、计算机可读存储介质 |
CN114713518A (zh) * | 2022-03-15 | 2022-07-08 | 江苏纳唯信息技术有限公司 | 一种基于图像分析的工业管件内壁智能探伤方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136015A (zh) * | 2006-09-01 | 2008-03-05 | 北大方正集团有限公司 | 一种计算图像之间相似度的方法 |
CN102890700A (zh) * | 2012-07-04 | 2013-01-23 | 北京航空航天大学 | 一种基于体育比赛视频的相似视频片段检索方法 |
CN104954791A (zh) * | 2015-07-01 | 2015-09-30 | 中国矿业大学 | 矿井无线分布式视频编码中的关键帧实时选取方法 |
CN109165650A (zh) * | 2018-09-12 | 2019-01-08 | 淮海工学院 | 印花织物图像最小重复单元自动检测方法 |
CN109332192A (zh) * | 2018-08-03 | 2019-02-15 | 小黄狗环保科技有限公司 | 一种用于易拉罐和饮料瓶分类的图像识别方法 |
CN109413417A (zh) * | 2018-12-17 | 2019-03-01 | 南京普物科技有限公司 | 一种互动电视业务质量检测的系统与方法 |
CN109949340A (zh) * | 2019-03-04 | 2019-06-28 | 湖北三江航天万峰科技发展有限公司 | 基于OpenCV的目标尺度自适应跟踪方法 |
CN110336998A (zh) * | 2019-07-04 | 2019-10-15 | 深圳市康冠技术有限公司 | 显示主板检测方法、显示主板检测装置和可读存储介质 |
CN110427885A (zh) * | 2019-07-31 | 2019-11-08 | Tcl王牌电器(惠州)有限公司 | 铭牌的检测方法、装置及计算机可读存储介质 |
-
2019
- 2019-11-20 CN CN201911141666.8A patent/CN111047558A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136015A (zh) * | 2006-09-01 | 2008-03-05 | 北大方正集团有限公司 | 一种计算图像之间相似度的方法 |
CN102890700A (zh) * | 2012-07-04 | 2013-01-23 | 北京航空航天大学 | 一种基于体育比赛视频的相似视频片段检索方法 |
CN104954791A (zh) * | 2015-07-01 | 2015-09-30 | 中国矿业大学 | 矿井无线分布式视频编码中的关键帧实时选取方法 |
CN109332192A (zh) * | 2018-08-03 | 2019-02-15 | 小黄狗环保科技有限公司 | 一种用于易拉罐和饮料瓶分类的图像识别方法 |
CN109165650A (zh) * | 2018-09-12 | 2019-01-08 | 淮海工学院 | 印花织物图像最小重复单元自动检测方法 |
CN109413417A (zh) * | 2018-12-17 | 2019-03-01 | 南京普物科技有限公司 | 一种互动电视业务质量检测的系统与方法 |
CN109949340A (zh) * | 2019-03-04 | 2019-06-28 | 湖北三江航天万峰科技发展有限公司 | 基于OpenCV的目标尺度自适应跟踪方法 |
CN110336998A (zh) * | 2019-07-04 | 2019-10-15 | 深圳市康冠技术有限公司 | 显示主板检测方法、显示主板检测装置和可读存储介质 |
CN110427885A (zh) * | 2019-07-31 | 2019-11-08 | Tcl王牌电器(惠州)有限公司 | 铭牌的检测方法、装置及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
孙琦龙等: "基于颜色特征的藏毯图像检索研究与实现", 软件, no. 08, pages 25 - 29 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149649A (zh) * | 2020-11-24 | 2020-12-29 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路抛洒物检测方法、计算机设备及存储介质 |
CN112149649B (zh) * | 2020-11-24 | 2021-03-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路抛洒物检测方法、计算机设备及存储介质 |
CN112528791A (zh) * | 2020-12-03 | 2021-03-19 | 山东星宏电讯有限责任公司 | 一种铁路站场防入侵系统及方法 |
CN112967467A (zh) * | 2021-02-24 | 2021-06-15 | 九江学院 | 文物防盗方法、系统、移动终端及存储介质 |
CN113542735A (zh) * | 2021-07-07 | 2021-10-22 | 深圳创维-Rgb电子有限公司 | 电视机的检测方法、装置、设备及存储介质 |
CN113624952A (zh) * | 2021-10-13 | 2021-11-09 | 深圳市帝迈生物技术有限公司 | 一种体外诊断设备及其检测方法、计算机可读存储介质 |
CN114713518A (zh) * | 2022-03-15 | 2022-07-08 | 江苏纳唯信息技术有限公司 | 一种基于图像分析的工业管件内壁智能探伤方法 |
CN114713518B (zh) * | 2022-03-15 | 2024-05-14 | 江苏纳唯信息技术有限公司 | 一种基于图像分析的工业管件内壁智能探伤方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111047558A (zh) | 图像检测方法、装置、计算机设备以及存储介质 | |
US11423942B2 (en) | Reference and non-reference video quality evaluation | |
US7474766B2 (en) | Motion image processor, motion image processing method and recording medium | |
RU2740034C1 (ru) | Линейный кодер для обработки изображений/видео | |
CN108833938B (zh) | 用于选取视频封面的方法和设备 | |
US8019170B2 (en) | Video frame motion-based automatic region-of-interest detection | |
US8208758B2 (en) | Video sensor-based automatic region-of-interest detection | |
US20170264902A1 (en) | System and method for video processing based on quantization parameter | |
US20220046261A1 (en) | Encoding method and apparatus for screen sharing, storage medium, and electronic device | |
US8571106B2 (en) | Digital video compression acceleration based on motion vectors produced by cameras | |
US20170324959A1 (en) | Method and apparatus for encoding/decoding a high dynamic range picture into a coded bitstream | |
US20100303364A1 (en) | Image quality evaluation method, image quality evaluation system and image quality evaluation program | |
WO2005001760A3 (en) | Fast loss less image compression system based on neighborhood comparisons | |
CN111787398A (zh) | 视频压缩方法、装置、设备及存储装置 | |
US20190197341A1 (en) | On-camera image processing based on image luminance data | |
US9230173B2 (en) | Soft decision making processes for analyzing images | |
US5710602A (en) | Gain correction for encoding video images | |
US8855432B2 (en) | Color component predictive method for image coding | |
CN110650309B (zh) | 视频会议视频图像传输方法、终端及可读存储介质 | |
KR20160125382A (ko) | 이미지/비디오 신호에 관련된 비트 스트림을 생성하기 위한 방법, 특정 정보 데이터를 포함하는 비트 스트림, 그와 같은 특정 정보 데이터를 획득하기 위한 방법 | |
CN112672164B (zh) | 视频压缩系统及方法、视频解压缩系统及方法 | |
Grbić et al. | Real-time video freezing detection for 4K UHD videos | |
CN109819187B (zh) | 视频录制的控制方法、装置、移动终端及存储介质 | |
US11270661B2 (en) | Display apparatus and display method | |
CN111491166A (zh) | 基于内容分析的动态压缩系统及方法 |
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 |