CN111415301A - 一种图像处理方法、装置及计算机可读存储介质 - Google Patents
一种图像处理方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111415301A CN111415301A CN201910013461.5A CN201910013461A CN111415301A CN 111415301 A CN111415301 A CN 111415301A CN 201910013461 A CN201910013461 A CN 201910013461A CN 111415301 A CN111415301 A CN 111415301A
- Authority
- CN
- China
- Prior art keywords
- image
- images
- processed
- standard
- shooting direction
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000003062 neural network model Methods 0.000 claims description 33
- 238000002372 labelling Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 abstract description 6
- 238000000034 method Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010586 diagram Methods 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
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种图像处理方法、装置及存储介质,包括:服务器获取待处理图像;利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。从本发明实施例提供的技术方案可见,由于利用了预先建立的图像处理模型对待处理图像中拍摄方向非正对拍摄对象的图像进行了识别和处理,得到了拍摄方向正对拍摄对象的图像,从而实现了对图像的纠正,提升了用户的视觉体验。
Description
技术领域
本发明实施例涉及图像处理领域,尤其涉及一种图像处理方法、装置及计算机可读存储介质。
背景技术
在实际应用中,常常会出现因为拍摄角度不是正对拍摄对象而导致所获得的图像不符合视觉习惯的情况。
然而在现有技术中,缺乏相应的纠正方法。
发明内容
为了解决上述技术问题,本发明实施例提供一种图像处理方法、装置及计算机可读存储介质,能够对图像进行纠正,提升用户的视觉体验。
为了达到本发明实施例目的,本发明实施例提供了一种图像处理方法,包括:
服务器获取待处理图像;
利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。
所述获取待处理图像之前,还包括:
获取至少一组图像;其中,每组图像包括:针对同一拍摄对象的一张标准图像和以多种拍摄角度分别拍摄的多张非标准图像;其中,所述标准图像为拍摄方向正对所述拍摄对象的图像;
以获得的图像组作为输入训练预设神经网络模型,得到所述图像处理模型。
所述以获得的图像组作为输入训练预设神经网络模型,包括:
遍历每组图像中的非标准图像,将所述标准图像分别与一张非标准图像进行组合以得到图像组合;
对每个图像组合中的标准图像进行标注;
将经过标注的图像组合作为输入训练所述预设神经网络模型。
所述获取待处理图像,包括:
获取图像的选择信息;其中,所述选择信息为从多张图像中选择一个或多个图像作为所述待处理图像的标识信息;
根据所述选择信息从图像集合中选择相应的图像作为所述待处理图像。
所述预设神经网络模型包括:神经网络模型TensorFlow。
本发明实施例还提供一种服务器,包括:
获取模块,用于获取待处理图像;其中,所述待处理图像的拍摄方向非正对拍摄对象;
处理模块,用于利用预先建立的图像处理模型对所述待处理图像进行纠正处理,得到拍摄方向正对拍摄对象的图像。
所述获取模块,还用于获取至少一组图像;其中,每组图像包括:针对同一拍摄对象的一张标准图像和以多种拍摄角度分别拍摄的多张非标准图像;其中,所述标准图像为拍摄方向正对所述拍摄对象的图像;
所述处理模块,还用于以获得的图像组作为输入训练预设神经网络模型,得到所述图像处理模型。
所述处理模块具体用于:
遍历每组图像中的非标准图像,将所述标准图像分别与一张非标准图像进行组合以得到图像组合;
对每个图像组合中的标准图像进行标注;
将经过标注的图像组合作为输入训练所述预设神经网络模型。
本发明实施例还提供一种图像处理装置,包括:处理器和存储器,其中,存储器中存储有以下可被处理器执行的命令:
获取待处理图像;
利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。
本发明实施例还提供一种计算机可读存储介质,所述存储介质上存储有计算机可执行命令,所述计算机可执行命令用于执行以下步骤:
获取待处理图像;
利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。
与现有技术相比,本发明实施例至少包括:服务器获取待处理图像;利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。从本发明实施例提供的技术方案可见,由于利用了预先建立的图像处理模型对待处理图像中拍摄方向非正对拍摄对象的图像进行了识别和处理,得到了拍摄方向正对拍摄对象的图像,从而实现了对图像的纠正,提升了用户的视觉体验。
本发明实施例的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例而了解。本发明实施例的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明实施例技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本发明实施例的技术方案,并不构成对本发明实施例技术方案的限制。
图1为本发明实施例提供的一种图像处理方法的流程示意图;
图2为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明实施例的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
本发明实施例提供一种图像处理方法,如图1所示,该方法包括:
步骤101、服务器获取待处理图像。
步骤102、利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。
本发明实施例所提供的图像处理方法,服务器获取待处理图像;利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。从本发明实施例提供的技术方案可见,由于利用了预先建立的图像处理模型对待处理图像中拍摄方向非正对拍摄对象的图像进行了识别和处理,得到了拍摄方向正对拍摄对象的图像,从而实现了对图像的纠正,提升了用户的视觉体验。
可选地,获取待处理图像之前,还包括:
步骤103、获取至少一组图像。
其中,每组图像包括:针对同一拍摄对象的一张标准图像和以多种拍摄角度分别拍摄的多张非标准图像;其中,标准图像为拍摄方向正对拍摄对象的图像。
步骤104、以获得的图像组作为输入训练预设神经网络模型,得到图像处理模型。
可选地,以获得的图像组作为输入训练预设神经网络模型,包括:
步骤104a、遍历每组图像中的非标准图像,将标准图像分别与一张非标准图像进行组合以得到图像组合。
具体的,假设得到了三组图像,第一组图像是:A、A1和A2,其中,标准图像是A;第二组图像是:B、B1和B2,其中,标准图像是B;第三组图像是:C、C1和C2,其中,标准图像是C。遍历第一组图像中的非标准图像,将标准图像分别与一张非标准图像进行组合,因此得到的组合是(A、A1),(A、A2);遍历第二组图像中的非标准图像,将标准图像分别与一张非标准图像进行组合,因此得到的组合是(B、B1),(B、B2),遍历第三组图像中的非标准图像,将标准图像分别与一张非标准图像进行组合,因此得到的组合是(C、C1),(C、C2)。
步骤104b、对每个图像组合中的标准图像进行标注。
步骤104c、将经过标注的图像组合作为输入训练预设神经网络模型。
可选地,获取待处理图像,包括:
步骤101a、获取图像的选择信息。
其中,选择信息为从多张图像中选择一个或多个图像作为待处理图像的标识信息。
步骤102a、根据选择信息从图像集合中选择相应的图像作为待处理图像。
可选地,预设神经网络模型包括:神经网络模型TensorFlow。
具体的,在本发明实施例提供的一种图像处理方法中,采用TensorFlow这一神经网络模型来对图像进行纠正,神经网络模型训练数据如下,将一份或者多分文档转换成图片,每一页对应一张图片,为了方便说明,将其标记为A、B、C……,同时也将这些文档打印出来,同样是一页对应一张,再刻意多种角度对这些打印出来的文件进行拍照,每一页可以拍多张,即A1、A2......,B1、B2……,C1、C2……,将A以及其对应每一张照片组成一组数据,也就是说,A1和A是一组数据,A2和A是一组数据,其余类似;将B以及其对应每一张照片组成一组数据,也就是说,B1和B是一组数据,B2和B是一组数据,其余类似;将C以及其对应每一张照片组成一组数据,也就是说,C1和C是一组数据,C2和C是一组数据,其余类似。然后对网络模型进行训练。纠偏的过程如下,当用户使用扫描仪等设备生成便携式文档格式(PortableDocument Format,PDF)文件的时候,程序在设置对话框中,可以提供选项,是否启用人工智能(Artificial Intelligence,AI)纠偏功能,当用户启用该功能,程序在生成每一页扫描件的时候,则对其进行纠偏。程序也可以在菜单中显示一个AI纠偏的按钮,当用户点击的时候,则对某一页,或者某些页,或者全部页进行纠偏,将纠偏后的图片替换原文档中对应的页面。
本发明实施例还提供一种服务器,如图2所示,该服务器2包括:
获取模块21,用于获取待处理图像。
处理模块22,利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。
可选地,获取模块21,还用于获取至少一组图像;其中,每组图像包括:针对同一拍摄对象的一张标准图像和以多种拍摄角度分别拍摄的多张非标准图像;其中,标准图像为拍摄方向正对拍摄对象的图像。
处理模块22,还用于根据以获得的图像组作为输入训练预设神经网络模型,得到图像处理模型。
可选地,处理模块22具体用于:
遍历每组图像中的非标准图像,将标准图像分别与一张非标准图像进行组合以得到图像组合。
对每个图像组合中的标准图像进行标注。
将经过标注的图像组合作为输入训练预设神经网络模型。
可选地,获取模块21具体用于:
获取图像的选择信息;其中,选择信息为从多张图像中选择一个或多个图像作为待处理图像的标识信息。
根据选择信息从图像集合中选择相应的图像作为待处理图像。
可选地,预设神经网络模型包括:神经网络模型TensorFlow。
本发明实施例所提供的服务器,获取待处理图像;利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。从本发明实施例提供的技术方案可见,由于利用了预先建立的图像处理模型对待处理图像中拍摄方向非正对拍摄对象的图像进行了识别和处理,得到了拍摄方向正对拍摄对象的图像,从而实现了对图像的纠正,提升了用户的视觉体验。
在实际应用中,所述获取模块21和处理模块22位于服务器中的中央处理器(Central Processing Unit,CPU)、微处理器(Micro Processor Unit,MPU)、数字信号处理器(Digital Signal Processor,DSP)或现场可编程门阵列(Field Programmable GateArray,FPGA)等实现。
本发明实施例还提供一种图像处理装置,包括存储器和处理器,其中,存储器中存储有以下可被处理器执行的命令:
获取待处理图像。
利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。
可选地,存储器中还存储有以下可被处理器执行的命令:
获取至少一组图像;其中,每组图像包括:针对同一拍摄对象的一张标准图像和以多种拍摄角度分别拍摄的多张非标准图像;其中,标准图像为拍摄方向正对拍摄对象的图像。
以获得的图像组作为输入训练预设神经网络模型,得到图像处理模型。
可选地,存储器中具体存储有以下可被处理器执行的命令:
遍历每组图像中的非标准图像,将标准图像分别与一张非标准图像进行组合以得到图像组合。
对每个图像组合中的标准图像进行标注。
将经过标注的图像组合作为输入训练预设神经网络模型。
可选地,存储器中具体存储有以下可被处理器执行的命令:
获取图像的选择信息;其中,选择信息为从多张图像中选择一个或多个图像作为待处理图像的标识信息。
根据选择信息从图像集合中选择相应的图像作为待处理图像。
可选地,预设神经网络模型包括:神经网络模型TensorFlow。
本发明实施例还提供一种计算机可读存储介质,存储介质上存储有计算机可执行命令,计算机可执行命令用于执行以下步骤:
获取待处理图像。
利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。
可选地,计算机可执行命令还用于执行以下步骤:
获取至少一组图像;其中,每组图像包括:针对同一拍摄对象的一张标准图像和以多种拍摄角度分别拍摄的多张非标准图像;其中,标准图像为拍摄方向正对拍摄对象的图像。
以获得的图像组作为输入训练预设神经网络模型,得到图像处理模型。
可选地,计算机可执行命令具体用于执行以下步骤:
遍历每组图像中的非标准图像,将标准图像分别与一张非标准图像进行组合以得到图像组合。
对每个图像组合中的标准图像进行标注。
将经过标注的图像组合作为输入训练预设神经网络模型。
可选地,计算机可执行命令具体用于执行以下步骤:
获取图像的选择信息;其中,选择信息为从多张图像中选择一个或多个图像作为待处理图像的标识信息。
根据选择信息从图像集合中选择相应的图像作为待处理图像。
可选地,预设神经网络模型包括:神经网络模型TensorFlow。
虽然本发明实施例所揭露的实施方式如上,但所述的内容仅为便于理解本发明实施例而采用的实施方式,并非用以限定本发明实施例。任何本发明实施例所属领域内的技术人员,在不脱离本发明实施例所揭露的精神和范围的前提下,可以在实施的形式及细节上进行任何的修改与变化,但本发明实施例的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
服务器获取待处理图像;
利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。
2.根据权利要求1所述的图像处理方法,其特征在于,所述获取待处理图像之前,还包括:
获取至少一组图像;其中,每组图像包括:针对同一拍摄对象的一张标准图像和以多种拍摄角度分别拍摄的多张非标准图像;其中,所述标准图像为拍摄方向正对所述拍摄对象的图像;
以获得的图像组作为输入训练预设神经网络模型,得到所述图像处理模型。
3.根据权利要求2所述的图像处理方法,其特征在于,所述以获得的图像组作为输入训练预设神经网络模型,包括:
遍历每组图像中的非标准图像,将所述标准图像分别与一张非标准图像进行组合以得到图像组合;
对每个图像组合中的标准图像进行标注;
将经过标注的图像组合作为输入训练所述预设神经网络模型。
4.根据权利要求1所述的图像处理方法,其特征在于,所述获取待处理图像,包括:
获取图像的选择信息;其中,所述选择信息为从多张图像中选择一个或多个图像作为所述待处理图像的标识信息;
根据所述选择信息从图像集合中选择相应的图像作为所述待处理图像。
5.根据权利要求2或3所述的图像处理方法,其特征在于,所述预设神经网络模型包括:神经网络模型TensorFlow。
6.一种服务器,其特征在于,包括:
获取模块,用于获取待处理图像;
处理模块,用于利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。
7.根据权利要求6所述的服务器,其特征在于,
所述获取模块,还用于获取至少一组图像;其中,每组图像包括:针对同一拍摄对象的一张标准图像和以多种拍摄角度分别拍摄的多张非标准图像;其中,所述标准图像为拍摄方向正对所述拍摄对象的图像;
所述处理模块,还用于以获得的图像组作为输入训练预设神经网络模型,得到所述图像处理模型。
8.根据权利要求7所述的服务器,其特征在于,所述处理模块具体用于:
遍历每组图像中的非标准图像,将所述标准图像分别与一张非标准图像进行组合以得到图像组合;
对每个图像组合中的标准图像进行标注;
将经过标注的图像组合作为输入训练所述预设神经网络模型。
9.一种图像处理装置,其特征在于,包括:处理器和存储器,其中,存储器中存储有以下可被处理器执行的命令:
获取待处理图像;
利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机可执行命令,所述计算机可执行命令用于执行以下步骤:
获取待处理图像;
利利用预先建立的图像处理模型识别和处理所述待处理图像中拍摄方向非正对拍摄对象的图像,得到拍摄方向正对拍摄对象的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910013461.5A CN111415301B (zh) | 2019-01-07 | 2019-01-07 | 一种图像处理方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910013461.5A CN111415301B (zh) | 2019-01-07 | 2019-01-07 | 一种图像处理方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111415301A true CN111415301A (zh) | 2020-07-14 |
CN111415301B CN111415301B (zh) | 2024-03-12 |
Family
ID=71490819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910013461.5A Active CN111415301B (zh) | 2019-01-07 | 2019-01-07 | 一种图像处理方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111415301B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724330A (zh) * | 2019-03-19 | 2020-09-29 | 广州金山移动科技有限公司 | 一种图像处理方法、装置及计算机可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050129326A1 (en) * | 2003-12-15 | 2005-06-16 | Fuji Photo Film Co., Ltd. | Image processing apparatus and print system |
US20150002690A1 (en) * | 2013-07-01 | 2015-01-01 | Sony Corporation | Image processing method and apparatus, and electronic device |
JP2016001855A (ja) * | 2014-06-12 | 2016-01-07 | キヤノン株式会社 | 画像処理装置および画像処理方法、画像処理システム |
CN105868417A (zh) * | 2016-05-27 | 2016-08-17 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN107147852A (zh) * | 2017-06-29 | 2017-09-08 | 维沃移动通信有限公司 | 图像拍摄方法、移动终端及计算机可读存储介质 |
CN107509024A (zh) * | 2017-07-25 | 2017-12-22 | 维沃移动通信有限公司 | 一种拍照处理方法及移动终端 |
CN108200337A (zh) * | 2017-12-29 | 2018-06-22 | 广东欧珀移动通信有限公司 | 拍照处理的方法、装置、终端及存储介质 |
CN108234870A (zh) * | 2017-12-27 | 2018-06-29 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、终端及存储介质 |
CN108470328A (zh) * | 2018-03-28 | 2018-08-31 | 百度在线网络技术(北京)有限公司 | 用于处理图像的方法和装置 |
CN108965574A (zh) * | 2017-05-26 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 图像处理方法和装置 |
CN109002790A (zh) * | 2018-07-11 | 2018-12-14 | 广州视源电子科技股份有限公司 | 一种人脸识别的方法、装置、设备和存储介质 |
-
2019
- 2019-01-07 CN CN201910013461.5A patent/CN111415301B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050129326A1 (en) * | 2003-12-15 | 2005-06-16 | Fuji Photo Film Co., Ltd. | Image processing apparatus and print system |
US20150002690A1 (en) * | 2013-07-01 | 2015-01-01 | Sony Corporation | Image processing method and apparatus, and electronic device |
JP2016001855A (ja) * | 2014-06-12 | 2016-01-07 | キヤノン株式会社 | 画像処理装置および画像処理方法、画像処理システム |
CN105868417A (zh) * | 2016-05-27 | 2016-08-17 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN108965574A (zh) * | 2017-05-26 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 图像处理方法和装置 |
CN107147852A (zh) * | 2017-06-29 | 2017-09-08 | 维沃移动通信有限公司 | 图像拍摄方法、移动终端及计算机可读存储介质 |
CN107509024A (zh) * | 2017-07-25 | 2017-12-22 | 维沃移动通信有限公司 | 一种拍照处理方法及移动终端 |
CN108234870A (zh) * | 2017-12-27 | 2018-06-29 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、终端及存储介质 |
CN108200337A (zh) * | 2017-12-29 | 2018-06-22 | 广东欧珀移动通信有限公司 | 拍照处理的方法、装置、终端及存储介质 |
CN108470328A (zh) * | 2018-03-28 | 2018-08-31 | 百度在线网络技术(北京)有限公司 | 用于处理图像的方法和装置 |
CN109002790A (zh) * | 2018-07-11 | 2018-12-14 | 广州视源电子科技股份有限公司 | 一种人脸识别的方法、装置、设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724330A (zh) * | 2019-03-19 | 2020-09-29 | 广州金山移动科技有限公司 | 一种图像处理方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111415301B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9544473B2 (en) | Information processing system and information processing method | |
US9473669B2 (en) | Electronic document generation system, electronic document generation apparatus, and recording medium | |
US9813578B2 (en) | Device and information processing method in which a received program causes a device to execute image processing | |
US20150146224A1 (en) | Image processing apparatus and image processing method | |
US20220309275A1 (en) | Extraction of segmentation masks for documents within captured image | |
US20220269898A1 (en) | Information processing device, information processing system, information processing method, and non-transitory computer readable medium | |
CN111415301B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
US20150332492A1 (en) | Image processing system, image processing apparatus, and method for image processing | |
US10306095B2 (en) | Image processing apparatus and method | |
US9413841B2 (en) | Image processing system, image processing method, and medium | |
Driscoll et al. | The airplane information management system: An integrated real-time flight-deck control system | |
JP2014123881A (ja) | 情報処理装置、情報処理方法、コンピュータプログラム | |
KR20180075075A (ko) | 클라우드를 이용한 무선스캔 시스템 | |
KR101976805B1 (ko) | 식별코드를 이용한 기록물 분류 시스템 및 분류 방법 | |
US10831880B2 (en) | Information processing apparatus, information processing system, information processing method, and computer-readable recording medium for facial recognition registration and verification | |
CN111724330A (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
Chazalon et al. | A semi-automatic groundtruthing tool for mobile-captured document segmentation | |
US11170211B2 (en) | Information processing apparatus for extracting portions filled with characters from completed document without user intervention and non-transitory computer readable medium | |
JP2013207449A (ja) | 画像読取装置、画像処理方法および画像処理プログラム | |
US20190050180A1 (en) | Information processing apparatus, non-transitory computer readable medium, image forming apparatus, and information processing system | |
US11388308B2 (en) | Creating label form templates | |
US20190278528A1 (en) | Information processing apparatus | |
US20240112348A1 (en) | Edge identification of documents within captured image | |
US9560238B2 (en) | Portable terminal capable of displaying image, control method therefor, and storage medium storing control program therefor | |
US11641443B2 (en) | Information processing apparatus and non-transitory computer readable medium |
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 |