CN111639588A - 图像效果调整方法、装置、计算机系统及可读存储介质 - Google Patents
图像效果调整方法、装置、计算机系统及可读存储介质 Download PDFInfo
- Publication number
- CN111639588A CN111639588A CN202010467501.6A CN202010467501A CN111639588A CN 111639588 A CN111639588 A CN 111639588A CN 202010467501 A CN202010467501 A CN 202010467501A CN 111639588 A CN111639588 A CN 111639588A
- Authority
- CN
- China
- Prior art keywords
- pixel
- pixels
- adjustment
- brightness
- low
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000000694 effects Effects 0.000 title claims abstract description 57
- 238000010606 normalization Methods 0.000 claims abstract description 67
- 230000007935 neutral effect Effects 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 235000019557 luminance Nutrition 0.000 description 12
- 238000004891 communication Methods 0.000 description 7
- 238000005286 illumination Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 101100341026 Caenorhabditis elegans inx-2 gene Proteins 0.000 description 3
- 101100341024 Drosophila melanogaster ogre gene Proteins 0.000 description 3
- 101100341025 Schistocerca americana inx1 gene Proteins 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了图像效果调整方法、装置、计算机系统及可读存储介质，应用在人工智能领域，包括：接收人脸识别系统发送的图像信息，依次提取图像信息中各像素的亮度；对像素的亮度进行归一化处理获得归一化值；根据像素的归一化值，将图像信息中的像素划分为低光强像素、高光强像素和中性区间像素；根据幂函数规律提高低光强像素的归一化值获得低调整像素，及锐化处理中性区间像素的归一化值获得中性调整像素；汇总低调整像素、中性调整像素以及高光强像素形成第一输出数据，将第一输出数据与预设的指定亮度相乘获得第一图像数据并将其发送人脸识别系统。本发明解决了因像素亮度过暗，及清晰度过低会造成人脸识别系统无法准确识别图像的信息的问题。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像效果调整方法、装置、计算机系统及可读存储介质。
背景技术
人脸识别是人工智能领域重要的领域，代表了人类智能领域的新的发展。通过提取图像或者视频，我们进行识别，从而为更多业务的开展起到了巨大的作用。
但是由于业务的复杂性，以及周围环境的复杂，经常会因图像不清晰，较低的光照度等问题，导致人脸识别系统无法准确判断图像中的重要信息，进而无法进行人脸识别及其后续任务。
发明内容
本发明的目的是提供一种图像效果调整方法、装置、计算机系统及可读存储介质，应用在人工智能领域，用于解决现有技术存在的因图像不清晰，较低的光照度的情况，导致人脸识别系统无法准确判断图像中的重要信息的问题。
为实现上述目的，本发明提供一种图像效果调整方法，用于将图像信息进行处理并将其发送至人脸识别系统，包括：
接收人脸识别系统发送的图像信息，依次提取所述图像信息中各像素的亮度；
对所述像素的亮度进行归一化处理获得归一化值；
根据所述像素的归一化值，将所述图像信息中的像素划分为低光强像素、高光强像素和中性区间像素；
根据幂函数规律提高所述低光强像素的归一化值获得低调整像素，及锐化处理所述中性区间像素的归一化值获得中性调整像素；
汇总所述低调整像素、中性调整像素以及高光强像素形成第一输出数据，将所述第一输出数据与预设的指定亮度相乘获得第一图像数据并将其发送人脸识别系统。
上述方案中，根据幂函数规律提高所述低光强像素的归一化值获得低调整像素的步骤，包括：
根据预设的非线性公式计算所述低光强像素的亮度获得调整值；
根据幂函数规律以所述调整值作为所述低光强像素的归一化值的指数，计算获得低调整亮度；
将所述低光强像素的归一化值提高至所述低调整亮度获得低调整像素。
上述方案中，锐化处理所述中性区间像素的归一化值获得中性调整像素的步骤，包括：
获取锐化卷积核；
利用所述锐化卷积核对所述中性区间像素的归一化值进行锐化处理获得锐化亮度，通过所述锐化亮度和所述归一化值获得用于表达卷积核对所述像素锐化程度的程度值；
根据所述程度值制定锐化系数，并将所述锐化系数与所述中性区间像素的归一化值相乘获得中性调整亮度，并将所述中性区间像素的归一化值调整到所述中性调整亮度获得中性调整像素。
上述方案中，将所述第一输出数据与预设的指定亮度相乘获得第一图像数据并将其发送人脸识别系统之后，还包括：
判断是否接收到由所述人脸识别系统发送的过曝信号；若是，则判定所述高光强像素为过曝光像素；若否，则结束。
上述方案中，判定所述高光强像素为过曝光像素之后还包括：
模糊处理所述高光强像素以降低其归一化值获得高调整像素。
上述方案中，模糊处理所述高光强像素以降低其归一化值获得高调整像素之后还包括：
汇总所述高调整像素，及所述低调整像素和中性调整像素形成第二输出数据，并将所述第二输出数据与预设的指定亮度相乘获得第二图像数据并将其发送人脸识别系统。
上述方案中，模糊处理所述高光强像素以降低其归一化值获得高调整像素的步骤，包括：
获取模糊卷积核；
利用所述模糊卷积核对所述高光强像素的归一化值进行模糊处理获得模糊亮度，通过所述调整值和程度值获得用于调整模糊亮度使其与低调整像素和中性调整像素匹配的模糊值；
通过所述模糊值调整模糊亮度获得高调整亮度，将所述高光强像素的归一化值调整为高调整亮度获得高调整像素。
为实现上述目的，本发明还提供一种图像效果调整装置，用于将图像信息进行处理并将其发送至人脸识别系统，包括：
接收提取模块，用于接收人脸识别系统发送的图像信息，依次提取所述图像信息中各像素的亮度；
归一化处理模块，用于对所述像素的亮度进行归一化处理获得归一化值；
像素划分模块，用于根据所述像素的归一化值，将所述图像信息中的像素划分为低光强像素、高光强像素和中性区间像素；
归一化锐化模块，用于根据幂函数规律提高所述低光强像素的归一化值获得低调整像素，及锐化处理所述中性区间像素的归一化值获得中性调整像素；
第一数据处理模块，用于汇总所述低调整像素、中性调整像素以及高光强像素形成第一输出数据，将所述第一输出数据与预设的指定亮度相乘获得第一图像数据并将其发送人脸识别系统。
为实现上述目的，本发明还提供一种计算机系统，其包括多个计算机设备，各计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述多个计算机设备的处理器执行所述计算机程序时共同实现上述图像效果调整方法的步骤。
为实现上述目的，本发明还提供一种计算机可读存储介质，其包括多个存储介质，各存储介质上存储有计算机程序，所述多个存储介质存储的所述计算机程序被处理器执行时共同实现上述图像效果调整方法的步骤。
本发明提供的图像效果调整方法、装置、计算机系统及可读存储介质，通过对所述像素的亮度进行归一化处理获得归一化值，根据所述像素的归一化值，将所述图像信息中的像素划分为低光强像素、高光强像素和中性区间像素，识别出了图像信息中的亮度及清晰度过低对人脸识别的像素；
通过提高低光强像素的归一化值以提高该像素的亮度，且锐化中性区间像素的归一化值以提高该像素的清晰度，解决了因像素的亮度过暗，及清晰度过低会造成人脸识别系统无法准确识别图像的信息的问题，消除了因像素的亮度及清晰度过低对人脸识别的识别准确度所带来的影响。
附图说明
图1为本发明图像效果调整方法实施例一的流程图；
图2为本发明图像效果调整方法实施例二中图像效果调整方法的环境应用示意图。
图3为本发明图像效果调整方法实施例二中图像效果调整方法的具体方法流程图；
图4为本发明图像效果调整方法实施例二中获得低调整像素的流程图；
图5为本发明图像效果调整方法实施例二中获得中性调整像素的流程图；
图6为本发明图像效果调整方法实施例二中获得高调整像素的流程图；
图7为本发明图像效果调整装置实施例三的程序模块示意图；
图8为本发明计算机系统实施例四中计算机设备的硬件结构示意图。
附图标记：
1、图像效果调整装置 2、服务器 3、网络 4、人脸识别系统
5、计算机设备 11、通信模块 12、接收提取模块
13、归一化处理模块 14、像素划分模块 15、归一化锐化模块
16、第一数据处理模块 17、判断模块 18、归一化模糊模块
19、第二数据处理模块 51、存储器 52、处理器
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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。
本发明提供的图像效果调整方法、装置、计算机系统及可读存储介质，适用于图像处理领域，为提供一种基于通信模块、接收提取模块、归一化处理模块、像素划分模块、归一化锐化模块、第一数据处理模块、判断模块、归一化模糊模块和第二数据处理模块的图像效果调整方法。本发明通过接收人脸识别系统发送的图像信息，依次提取所述图像信息中各像素的亮度；对所述像素的亮度进行归一化处理获得归一化值；根据所述像素的归一化值，将所述图像信息中的像素划分为低光强像素、高光强像素和中性区间像素；根据幂函数规律提高所述低光强像素的归一化值获得低调整像素，及锐化处理所述中性区间像素的归一化值获得中性调整像素；汇总所述低调整像素、中性调整像素以及高光强像素形成第一输出数据，将所述第一输出数据与预设的指定亮度相乘获得第一图像数据并将其发送人脸识别系统。
实施例一：
请参阅图1，本实施例的一种图像效果调整方法，用于将图像信息进行处理并将其发送至人脸识别系统，包括：
S102：接收人脸识别系统发送的图像信息，依次提取所述图像信息中各像素的亮度；
S103：对所述像素的亮度进行归一化处理获得归一化值；
S104：根据所述像素的归一化值，将所述图像信息中的像素划分为低光强像素、高光强像素和中性区间像素；
S105：根据幂函数规律提高所述低光强像素的归一化值获得低调整像素，及锐化处理所述中性区间像素的归一化值获得中性调整像素；
S106：汇总所述低调整像素、中性调整像素以及高光强像素形成第一输出数据，将所述第一输出数据与预设的指定亮度相乘获得第一图像数据并将其发送人脸识别系统。
本申请中，当人脸识别系统成功的对接收到的图像信息进行匹配时，将生成匹配结果；然而，在实际使用过程中，人脸识别系统可能因图像信息较为模糊、或过曝光、或过暗等原因，无法准确识别图像信息中的内容，进而无法产生准确的匹配结果，因此，本申请将接收由人脸识别系统发出的无法进行准确匹配的图像信息。
为避免因光照和/或阴影对图像产生影响，产生颜色通道RGB上的scale变化，对亮度进行归一化操作，以消除光照及阴影对像素的亮度影响。
由于像素的亮度过暗，或清晰度过低会造成人脸识别系统无法准确识别图像中的重要信息，因此通过识别出图像信息中的亮度及清晰度过低对人脸识别的像素，并通过提高低光强像素的归一化值以提高该像素的亮度，且锐化中性区间像素的归一化值以提高该像素的清晰度，以消除像素的亮度及清晰度过低对人脸识别的识别准确度所带来的影响。
由于通常人脸识别系统对高光强像素的识别准确度会比较高，因此，本步骤先不对高光强像素进行处理，直接汇总所述低调整像素、中性调整像素以及高光强像素形成第一输出数据并将其发送人脸识别系统，以缩短图像信息处理的时间，提高人脸识别系统获取经过调整而具有高清晰度的图像数据的效率。
实施例二：
本实施例为上述实施例一的一种具体应用场景，通过本实施例，能够更加清楚、具体地阐述本发明所提供的方法。
下面，以在运行有图像效果调整方法的服务器对图像进行图像效果调整为例，来对本实施例提供的方法进行具体说明。需要说明的是，本实施例只是示例性的，并不限制本发明实施例所保护的范围。
图2示意性示出了根据本申请实施例二的图像效果调整方法的环境应用示意图。
在示例性的实施例中，图像效果调整方法所在的服务器2通过网络3连接人脸识别系统4；所述服务器2可以通过一个或多个网络3提供服务，网络3可以包括各种网络设备，例如路由器，交换机，多路复用器，集线器，调制解调器，网桥，中继器，防火墙，代理设备和/或等等。网络3可以包括物理链路，例如同轴电缆链路，双绞线电缆链路，光纤链路，它们的组合和/或类似物。网络3可以包括无线链路，例如蜂窝链路，卫星链路，Wi-Fi链路和/或类似物；所述用户端4可为安装有人脸识别算法程序的服务器。
图3是本发明一个实施例提供的一种图像效果调整方法的具体方法流程图，该方法具体包括步骤S201至S209。
S201：与人脸识别系统建立通信连接。
本步骤中，可通过TCP或UPD与人脸识别系统建立通信连接；其中，TCP(Transmission Control Protocol传输控制协议)是一种面向连接的、可靠的、基于字节流的传输层通信协议，由IETF的RFC 793定义。在简化的计算机网络OSI模型中，它完成第四层传输层所指定的功能，用户数据报协议(UDP)是同一层内另一个重要的传输协议。在因特网协议族(Internet protocol suite)中，TCP层是位于IP层之上，应用层之下的中间层。不同主机的应用层之间经常需要可靠的、像管道一样的连接，但是IP层不提供这样的流机制，而是提供不可靠的包交换。UDP是User Datagram Protocol的简称，中文名是用户数据报协议，是OSI(Open System Interconnection，开放式系统互联)参考模型中一种无连接的传输层协议，提供面向事务的简单不可靠信息传送服务，IETF RFC 768是UDP的正式规范。
S202：接收人脸识别系统发送的图像信息，依次提取所述图像信息中各像素的亮度；其中，所述亮度是指像素的RGB颜色通道。
本步骤中，人脸识别系统是一种以人脸识别技术为核心，采用区域特征分析算法，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，用于对生物体进行识别判断的计算机系统。
当人脸识别系统成功的对接收到的图像信息进行匹配时，将生成匹配结果；然而，在实际使用过程中，人脸识别系统可能因图像信息较为模糊、或过曝光、或过暗等原因，无法准确识别图像信息中的内容，进而无法产生准确的匹配结果，因此，本步骤将接收由人脸识别系统发出的无法进行准确匹配的图像信息。
S203：对所述像素的亮度进行归一化处理获得归一化值。
为避免因光照和/或阴影对图像产生影响，产生颜色通道RGB上的scale变化，对亮度进行归一化操作，以消除光照及阴影对像素的亮度影响。
例如：T1时刻的像素A的像素值为：rgb(10,20,40)，T2时刻的像素A的像素值为：rgb(50,100,200)；将像素A的亮度进行归一化处理，得到T1时刻的像素A的归一化值为：rgb(1/6,1/3,2/3)，T2时刻的像素A的归一化值为：rgb(1/6,1/3,2/3)，故，T1和T2时刻的归一化RGB的值没有发生变化，消除了光照强度对像素所带来的影响。
S204：根据所述像素的归一化值，将所述图像信息中的像素划分为低光强像素、高光强像素和中性区间像素。
由于像素的亮度过暗，或清晰度过低会造成人脸识别系统无法准确识别图像中的重要信息，因此为识别出图像信息中的亮度及清晰度过低对人脸识别的像素，本步骤通过对各像素的亮度进行归一化处理，将亮度位于后列的像素设为低光强像素，将亮度位于前列的像素设为高光强像素，以适应不同环境下图像信息对光照度强弱理解不同的情况。
于本实施例中，将预设的指定亮度分别与各像素的标准亮度相乘，使所述各像素分别获得标准亮度；通过各像素的标准亮度制作所述图像信息的标准亮度累计直方图，所述标准亮度累计直方图表征了图像信息中像素的标准亮度占各归一化区间的百分比；识别所述标准亮度累计直方图中标准亮度小于预设的低标准亮度阈值的像素，并将其设为低光强像素；识别所述标准亮度累计直方图中标准亮度大于预设的高标准亮度阈值的像素，并将其设为高光强像素；将标准亮度大于或等于所述低标准亮度阈值，且，小于或等于所述高标准亮度阈值的像素设为中性区间像素；其中，所述低标准亮度阈值和高标准亮度阈值分别为RGB值。
示例性地，假设低标准亮度阈值的为100，高标准亮度阈值为160，若图像中标准亮度的极值分别为0和200，那么，低标准亮度阈值所对应的标准亮度为H(r)＝100,H(g)＝100,H(b)＝100，高标准亮度阈值所对应的标准亮度为H(r)＝160,H(g)＝160,H(b)＝160，因此，将标准亮度同时满足H(r)<100，H(g)<100，以及H(b)<100的像素设为低光强像素；将标准亮度同时满足H(r)>160,H(g)>160,H(b)>160的像素设为高光强像素；其中，H(r)是指像素在r通道上的标准亮度值，H(g)是指像素在g通道上的标准亮度值，H(b)是指像素在b通道上的标准亮度值。
S205：根据幂函数规律提高所述低光强像素的归一化值获得低调整像素，及锐化处理所述中性区间像素的归一化值获得中性调整像素。
由于像素的亮度过暗，或清晰度过低会造成人脸识别系统无法准确识别图像中的重要信息，
因此为消除像素的亮度及清晰度过低对人脸识别的识别准确度所带来的影响，本步骤提高低光强像素的归一化值以提高该像素的亮度，且锐化中性区间像素的归一化值以提高该像素的清晰度。
在一个优选的实施例中，请参阅图4，根据幂函数规律提高所述低光强像素的归一化值获得低调整像素的步骤，包括：
S205-01：根据预设的非线性公式计算所述低光强像素的亮度获得调整值。
本步骤中，所述非线性公式如下所示：
其中，H(r)是指坐标为x,y的低光强像素在r通道上的标准亮度值，H(g)是指坐标为x,y的低光强像素在g通道上的标准亮度值，H(b)是指坐标为x,y的低光强像素在b通道上的标准亮度值，inx1为调整值。
S205-02：根据幂函数规律以所述调整值作为所述低光强像素的归一化值的指数，计算获得低调整亮度。
本步骤中，根据幂函数规律以所述调整值作为所述低光强像素的归一化值的指数，以公式如下表示：
m1(x,y)＝P(x,y)inx1
其中，m1(x,y)是坐标为x,y的低光强像素的调整亮度，p(x,y)是坐标为x,y的低光强像素的归一化值。
S205-03：将所述低光强像素的归一化值提高至所述低调整亮度获得低调整像素。
将所述归一化值提高到低调整亮度，将使低光强像素成为更加适应人脸识别系统的低调整像素。
在一个优选的实施例中，请参阅图5，锐化处理所述中性区间像素的归一化值获得中性调整像素的步骤，包括：
S205-11：获取锐化卷积核；
其中，卷积核是图像处理中一个操作，是kernel在图像的每个像素上的操作。Kernel本质上一个固定大小的矩阵数组，其中心点称为锚点(anchor point)。把kernel放到像素数组之上，求锚点周围覆盖的像素乘积之和(包括锚点)，用来替换锚点覆盖下像素点值称为卷积处理。所述锐化卷积核是指用于快速聚焦模糊边缘，提高图像中某一部位的清晰度或者焦距程度，使图像特定区域的色彩更加鲜明的卷积核。
S205-12：利用所述锐化卷积核对所述中性区间像素的归一化值进行锐化处理获得锐化亮度，通过所述锐化亮度和所述归一化值获得用于表达卷积核对所述像素锐化程度的程度值；
本步骤中，通过以下公式通过锐化亮度和归一化值获得程度值：
inx2＝(Pconv(x,y)-P(x,y))/P(x,y)
其中，P_conv(x,y)是指坐标为x,y的中性区间像素经过卷积核锐化的锐化亮度，P(x,y)是指坐标为x,y的中性区间像素的归一化值，inx2是指用于表达卷积核对所述像素锐化程度的程度值。
S205-13：根据所述程度值制定锐化系数，并将所述锐化系数与所述中性区间像素的归一化值相乘获得中性调整亮度，并将所述中性区间像素的归一化值调整到所述中性调整亮度获得中性调整像素。
其中，m2(x,y)是指中性调整亮度，
是指锐化系数。
S206：汇总所述低调整像素、中性调整像素以及高光强像素形成第一输出数据，将所述第一输出数据与预设的指定亮度相乘获得第一图像数据并将其发送人脸识别系统。
由于通常人脸识别系统对高光强像素的识别准确度会比较高，因此，本步骤先不对高光强像素进行处理，直接汇总所述低调整像素、中性调整像素以及高光强像素形成第一输出数据并将其发送人脸识别系统，以缩短图像信息处理的时间，提高人脸识别系统获取经过调整而具有高清晰度的图像数据的效率。
示例性地，通过以下公式表达第一输出数据的获取过程：
其中，此时m3(x,y)是坐标为x,y的高光强像素的归一化值；
是指第一输出数据，Result1是第一图像数据，255为本步骤中预设的指定亮度。
S207：判断是否接收到由所述人脸识别系统发送的过曝信号；若是，则判定所述高光强像素为过曝光像素并执行S208；若否，则结束。
为避免人脸识别系统因高光强像素的亮度过高而导致识别准确度较低的情况，本步骤通过监听是否接收到人脸识别系统发送的过曝信号，一旦接收到过曝信号则说明第一图像数据中的高光强像素出现了过曝光问题。
S208：模糊处理所述高光强像素以降低其归一化值获得高调整像素。
为解决图像信息中过曝光因素给人脸识别系统所带来的影响，本步骤通过对高光强像素进行模糊处理来降低高光强像素的归一化值，以消除人脸识别系统无法对过曝光图像信息进行准确识别的缺陷。
在一个优选的实施例中，请参阅图6，模糊处理所述高光强像素以降低其归一化值获得高调整像素的步骤，包括：
S208-01：获取模糊卷积核。
其中，卷积是图像处理中一个操作，是kernel在图像的每个像素上的操作。Kernel本质上一个固定大小的矩阵数组，其中心点称为锚点(anchor point)。把kernel放到像素数组之上，求锚点周围覆盖的像素乘积之和(包括锚点)，用来替换锚点覆盖下像素点值称为卷积处理。
所述模糊卷积核是指用于快速聚焦锐化边缘，降低图像中某一部位的清晰度或者焦距程度，使图像特定区域的色彩更加混沌的卷积核。
S208-02：利用所述模糊卷积核对所述高光强像素的归一化值进行模糊处理获得模糊亮度，通过所述调整值和程度值获得用于调整模糊亮度使其与低调整像素和中性调整像素匹配的模糊值。
S208-03：通过所述模糊值调整模糊亮度获得高调整亮度，将所述高光强像素的归一化值调整为高调整亮度获得高调整像素。
本步骤中，通过以下公式表达本步骤的操作过程：
其中，P_conv(x,y)是指坐标为x,y的高光强像素经过模糊卷积核模糊处理的模糊亮度，inx1为所述调整值，inx2为所述程度值，m3(x,y)是指高调整亮度。
S209：汇总所述高调整像素，及所述低调整像素和中性调整像素形成第二输出数据，并将所述第二输出数据与预设的指定亮度相乘获得第二图像数据并将其发送人脸识别系统。
示例性地，通过以下公式表达第一输出数据的获取过程：
其中，
是指第二输出数据，Result2是第二图像数据，255为本步骤中预设的指定亮度。
实施例三：
请参阅图7，本实施例的一种图像效果调整装置，用于将图像信息进行处理并将其发送至人脸识别系统，包括：
接收提取模块12，用于接收人脸识别系统发送的图像信息，依次提取所述图像信息中各像素的亮度；
归一化处理模块13，用于对所述像素的亮度进行归一化处理获得归一化值；
像素划分模块14，用于根据所述像素的归一化值，将所述图像信息中的像素划分为低光强像素、高光强像素和中性区间像素；
归一化锐化模块15，用于根据幂函数规律提高所述低光强像素的归一化值获得低调整像素，及锐化处理所述中性区间像素的归一化值获得中性调整像素；
第一数据处理模块16，用于汇总所述低调整像素、中性调整像素以及高光强像素形成第一输出数据，将所述第一输出数据与预设的指定亮度相乘获得第一图像数据并将其发送人脸识别系统。
可选的，所述图像效果调整装置还可包括：
通信模块11，用于与人脸识别系统建立通信连接。
可选的，所述图像效果调整装置还可包括：
判断模块17，用于判断是否接收到由所述人脸识别系统发送的过曝信号；若是，则判定所述高光强像素为过曝光像素；若否，则结束。
可选的，所述图像效果调整装置还可包括：
归一化模糊模块18，用于模糊处理所述高光强像素以降低其归一化值获得高调整像素。
可选的，所述图像效果调整装置还可包括：
第二数据处理模块19，用于汇总所述高调整像素，及所述低调整像素和中性调整像素形成第二输出数据，并将所述第二输出数据与预设的指定亮度相乘获得第二图像数据并将其发送人脸识别系统。
本申请可应用在人工智能的图像检测领域，通过依次提取所述图像信息中各像素的亮度，对所述像素的亮度进行归一化处理获得归一化值，根据所述像素的归一化值，将所述图像信息中的像素划分为低光强像素、高光强像素和中性区间像素，根据幂函数规律提高所述低光强像素的归一化值获得低调整像素，及锐化处理所述中性区间像素的归一化值获得中性调整像素，汇总所述低调整像素、中性调整像素以及高光强像素形成第一输出数据，将所述第一输出数据与预设的指定亮度相乘获得第一图像数据实现对原图像进行图像处理，实现图像增强的技术效果。
实施例四：
为实现上述目的，本发明还提供一种计算机系统，该计算机系统包括多个计算机设备5，实施例三的图像效果调整装置1的组成部分可分散于不同的计算机设备中，计算机设备可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于：可通过系统总线相互通信连接的存储器51、处理器52，如图8所示。需要指出的是，图8仅示出了具有组件-的计算机设备，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
本实施例中，存储器51(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器51可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，存储器51也可以是计算机设备的外部存储设备，例如该计算机设备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。当然，存储器51还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中，存储器51通常用于存储安装于计算机设备的操作系统和各类应用软件，例如实施例三的图像效果调整装置的程序代码等。此外，存储器51还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器52在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器52通常用于控制计算机设备的总体操作。本实施例中，处理器52用于运行存储器51中存储的程序代码或者处理数据，例如运行图像效果调整装置，以实现实施例一和实施例二的图像效果调整方法。
实施例五：
为实现上述目的，本发明还提供一种计算机可读存储系统，其包括多个存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器52执行时实现相应功能。本实施例的计算机可读存储介质用于存储图像效果调整装置，被处理器52执行时实现实施例一和实施例二的图像效果调整方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种图像效果调整方法，用于将图像信息进行处理并将其发送至人脸识别系统，其特征在于，包括：
接收人脸识别系统发送的图像信息，依次提取所述图像信息中各像素的亮度；
对所述像素的亮度进行归一化处理获得归一化值；
根据所述像素的归一化值，将所述图像信息中的像素划分为低光强像素、高光强像素和中性区间像素；
根据幂函数规律提高所述低光强像素的归一化值获得低调整像素，及锐化处理所述中性区间像素的归一化值获得中性调整像素；
汇总所述低调整像素、中性调整像素以及高光强像素形成第一输出数据，将所述第一输出数据与预设的指定亮度相乘获得第一图像数据并将其发送人脸识别系统。
2.根据权利要求1所述的图像效果调整方法，其特征在于，根据幂函数规律提高所述低光强像素的归一化值获得低调整像素的步骤，包括：
根据预设的非线性公式计算所述低光强像素的亮度获得调整值；
根据幂函数规律以所述调整值作为所述低光强像素的归一化值的指数，计算获得低调整亮度；
将所述低光强像素的归一化值提高至所述低调整亮度获得低调整像素。
3.根据权利要求1所述的图像效果调整方法，其特征在于，锐化处理所述中性区间像素的归一化值获得中性调整像素的步骤，包括：
获取锐化卷积核；
利用所述锐化卷积核对所述中性区间像素的归一化值进行锐化处理获得锐化亮度，通过所述锐化亮度和所述归一化值获得用于表达卷积核对所述像素锐化程度的程度值；
根据所述程度值制定锐化系数，并将所述锐化系数与所述中性区间像素的归一化值相乘获得中性调整亮度，并将所述中性区间像素的归一化值调整到所述中性调整亮度获得中性调整像素。
4.根据权利要求1所述的图像效果调整方法，其特征在于，将所述第一输出数据与预设的指定亮度相乘获得第一图像数据并将其发送人脸识别系统之后，还包括：
判断是否接收到由所述人脸识别系统发送的过曝信号；若是，则判定所述高光强像素为过曝光像素；若否，则结束。
5.根据权利要求4所述的图像效果调整方法，其特征在于，判定所述高光强像素为过曝光像素之后还包括：
模糊处理所述高光强像素以降低其归一化值获得高调整像素。
6.根据权利要求5所述的图像效果调整方法，其特征在于，模糊处理所述高光强像素以降低其归一化值获得高调整像素之后还包括：
汇总所述高调整像素，及所述低调整像素和中性调整像素形成第二输出数据，并将所述第二输出数据与预设的指定亮度相乘获得第二图像数据并将其发送人脸识别系统。
7.根据权利要求5所述的图像效果调整方法，其特征在于，模糊处理所述高光强像素以降低其归一化值获得高调整像素的步骤，包括：
获取模糊卷积核；
利用所述模糊卷积核对所述高光强像素的归一化值进行模糊处理获得模糊亮度，通过所述调整值和程度值获得用于调整模糊亮度使其与低调整像素和中性调整像素匹配的模糊值；
通过所述模糊值调整模糊亮度获得高调整亮度，将所述高光强像素的归一化值调整为高调整亮度获得高调整像素。
8.一种图像效果调整装置，用于将图像信息进行处理并将其发送至人脸识别系统，其特征在于，包括：
接收提取模块，用于接收人脸识别系统发送的图像信息，依次提取所述图像信息中各像素的亮度；
归一化处理模块，用于对所述像素的亮度进行归一化处理获得归一化值；
像素划分模块，用于根据所述像素的归一化值，将所述图像信息中的像素划分为低光强像素、高光强像素和中性区间像素；
归一化锐化模块，用于根据幂函数规律提高所述低光强像素的归一化值获得低调整像素，及锐化处理所述中性区间像素的归一化值获得中性调整像素；
第一数据处理模块，用于汇总所述低调整像素、中性调整像素以及高光强像素形成第一输出数据，将所述第一输出数据与预设的指定亮度相乘获得第一图像数据并将其发送人脸识别系统。
9.一种计算机系统，其包括多个计算机设备，各计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述多个计算机设备的处理器执行所述计算机程序时共同实现权利要求1至7任一项所述图像效果调整方法的步骤。
10.一种计算机可读存储介质，其包括多个存储介质，各存储介质上存储有计算机程序，其特征在于，所述多个存储介质存储的所述计算机程序被处理器执行时共同实现权利要求1至7任一项所述图像效果调整方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010467501.6A CN111639588A (zh) | 2020-05-28 | 2020-05-28 | 图像效果调整方法、装置、计算机系统及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010467501.6A CN111639588A (zh) | 2020-05-28 | 2020-05-28 | 图像效果调整方法、装置、计算机系统及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111639588A true CN111639588A (zh) | 2020-09-08 |
Family
ID=72331185
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010467501.6A Pending CN111639588A (zh) | 2020-05-28 | 2020-05-28 | 图像效果调整方法、装置、计算机系统及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111639588A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115209120A (zh) * | 2021-04-09 | 2022-10-18 | 爱思开海力士有限公司 | 图像感测装置及其操作方法及图像处理装置 |
Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004289746A (ja) * | 2003-03-25 | 2004-10-14 | Seiko Epson Corp | 画像処理システム、プロジェクタ、プログラム、情報記憶媒体および画像処理方法 |
| JP2006050155A (ja) * | 2004-08-03 | 2006-02-16 | Sharp Corp | 画像の鮮鋭化装置および方法、画像の鮮鋭化装置を用いた電子機器及び鮮鋭化プログラム、及びそのプログラムを記録した記録媒体 |
| CN101188773A (zh) * | 2006-11-24 | 2008-05-28 | 奥林巴斯映像株式会社 | 摄像装置及图像处理方法 |
| CN101322416A (zh) * | 2006-03-20 | 2008-12-10 | 索尼株式会社 | 图像信号处理装置及图像信号处理方法 |
| JP2011182189A (ja) * | 2010-03-01 | 2011-09-15 | Toshiba Teli Corp | 画像処理装置および画像処理プログラム |
| CN202126821U (zh) * | 2010-11-16 | 2012-01-25 | 深圳市聚作实业有限公司 | 一种led显示屏控制系统 |
| CN102376082A (zh) * | 2010-08-06 | 2012-03-14 | 株式会社理光 | 基于伽马校正的图像处理方法和装置 |
| CN102761751A (zh) * | 2011-12-16 | 2012-10-31 | 新奥特（北京）视频技术有限公司 | 一种分区调色方法及系统 |
| CN102789635A (zh) * | 2012-07-18 | 2012-11-21 | 奇瑞汽车股份有限公司 | 一种图像增强方法和装置 |
| CN103971330A (zh) * | 2013-02-05 | 2014-08-06 | 腾讯科技（深圳）有限公司 | 图像增强方法及装置 |
| CN104580925A (zh) * | 2014-12-31 | 2015-04-29 | 安科智慧城市技术（中国）有限公司 | 一种控制图像亮度的方法、装置及摄像机 |
| CN104715445A (zh) * | 2013-12-13 | 2015-06-17 | 腾讯科技（深圳）有限公司 | 图像处理方法和系统 |
| CN105208281A (zh) * | 2015-10-09 | 2015-12-30 | 广东欧珀移动通信有限公司 | 一种夜景拍摄方法及装置 |
| CN106056064A (zh) * | 2016-05-26 | 2016-10-26 | 汉王科技股份有限公司 | 一种人脸识别方法及人脸识别装置 |
| CN106504215A (zh) * | 2016-11-10 | 2017-03-15 | 中国科学院长春光学精密机械与物理研究所 | 一种图像增强的方法及装置 |
| CN107169942A (zh) * | 2017-07-10 | 2017-09-15 | 电子科技大学 | 一种基于鱼类视网膜机制的水下图像增强方法 |
| CN107451979A (zh) * | 2017-08-08 | 2017-12-08 | 腾讯科技（深圳）有限公司 | 一种图像处理方法、装置和存储介质 |
| CN107622502A (zh) * | 2017-07-28 | 2018-01-23 | 南京航空航天大学 | 复杂光照条件下视觉导引系统的路径提取与识别方法 |
| CN107644193A (zh) * | 2016-07-22 | 2018-01-30 | 北京新岸线网络技术有限公司 | 人脸图像识别方法及装置 |
| CN109308690A (zh) * | 2017-07-26 | 2019-02-05 | Tcl集团股份有限公司 | 一种图像亮度均衡方法及终端 |
| CN109587395A (zh) * | 2018-11-23 | 2019-04-05 | 福建工程学院 | 一种基于图像处理和虚拟增强的防止眩光的系统及其实现方法 |
| CN110248108A (zh) * | 2019-06-14 | 2019-09-17 | 浙江大华技术股份有限公司 | 宽动态下的曝光调整及动态范围确定方法和相关装置 |
| CN110766024A (zh) * | 2019-10-08 | 2020-02-07 | 湖北工业大学 | 基于深度学习的视觉里程计特征点提取方法及视觉里程计 |
| CN110809146A (zh) * | 2019-11-01 | 2020-02-18 | 厦门美图之家科技有限公司 | 一种图像对比度调整方法、装置、终端设备及存储介质 |
-
2020
- 2020-05-28 CN CN202010467501.6A patent/CN111639588A/zh active Pending
Patent Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004289746A (ja) * | 2003-03-25 | 2004-10-14 | Seiko Epson Corp | 画像処理システム、プロジェクタ、プログラム、情報記憶媒体および画像処理方法 |
| JP2006050155A (ja) * | 2004-08-03 | 2006-02-16 | Sharp Corp | 画像の鮮鋭化装置および方法、画像の鮮鋭化装置を用いた電子機器及び鮮鋭化プログラム、及びそのプログラムを記録した記録媒体 |
| CN101322416A (zh) * | 2006-03-20 | 2008-12-10 | 索尼株式会社 | 图像信号处理装置及图像信号处理方法 |
| CN101188773A (zh) * | 2006-11-24 | 2008-05-28 | 奥林巴斯映像株式会社 | 摄像装置及图像处理方法 |
| JP2011182189A (ja) * | 2010-03-01 | 2011-09-15 | Toshiba Teli Corp | 画像処理装置および画像処理プログラム |
| CN102376082A (zh) * | 2010-08-06 | 2012-03-14 | 株式会社理光 | 基于伽马校正的图像处理方法和装置 |
| CN202126821U (zh) * | 2010-11-16 | 2012-01-25 | 深圳市聚作实业有限公司 | 一种led显示屏控制系统 |
| CN102761751A (zh) * | 2011-12-16 | 2012-10-31 | 新奥特（北京）视频技术有限公司 | 一种分区调色方法及系统 |
| CN102789635A (zh) * | 2012-07-18 | 2012-11-21 | 奇瑞汽车股份有限公司 | 一种图像增强方法和装置 |
| CN103971330A (zh) * | 2013-02-05 | 2014-08-06 | 腾讯科技（深圳）有限公司 | 图像增强方法及装置 |
| CN104715445A (zh) * | 2013-12-13 | 2015-06-17 | 腾讯科技（深圳）有限公司 | 图像处理方法和系统 |
| CN104580925A (zh) * | 2014-12-31 | 2015-04-29 | 安科智慧城市技术（中国）有限公司 | 一种控制图像亮度的方法、装置及摄像机 |
| CN105208281A (zh) * | 2015-10-09 | 2015-12-30 | 广东欧珀移动通信有限公司 | 一种夜景拍摄方法及装置 |
| CN106056064A (zh) * | 2016-05-26 | 2016-10-26 | 汉王科技股份有限公司 | 一种人脸识别方法及人脸识别装置 |
| CN107644193A (zh) * | 2016-07-22 | 2018-01-30 | 北京新岸线网络技术有限公司 | 人脸图像识别方法及装置 |
| CN106504215A (zh) * | 2016-11-10 | 2017-03-15 | 中国科学院长春光学精密机械与物理研究所 | 一种图像增强的方法及装置 |
| CN107169942A (zh) * | 2017-07-10 | 2017-09-15 | 电子科技大学 | 一种基于鱼类视网膜机制的水下图像增强方法 |
| CN109308690A (zh) * | 2017-07-26 | 2019-02-05 | Tcl集团股份有限公司 | 一种图像亮度均衡方法及终端 |
| CN107622502A (zh) * | 2017-07-28 | 2018-01-23 | 南京航空航天大学 | 复杂光照条件下视觉导引系统的路径提取与识别方法 |
| CN107451979A (zh) * | 2017-08-08 | 2017-12-08 | 腾讯科技（深圳）有限公司 | 一种图像处理方法、装置和存储介质 |
| CN109587395A (zh) * | 2018-11-23 | 2019-04-05 | 福建工程学院 | 一种基于图像处理和虚拟增强的防止眩光的系统及其实现方法 |
| CN110248108A (zh) * | 2019-06-14 | 2019-09-17 | 浙江大华技术股份有限公司 | 宽动态下的曝光调整及动态范围确定方法和相关装置 |
| CN110766024A (zh) * | 2019-10-08 | 2020-02-07 | 湖北工业大学 | 基于深度学习的视觉里程计特征点提取方法及视觉里程计 |
| CN110809146A (zh) * | 2019-11-01 | 2020-02-18 | 厦门美图之家科技有限公司 | 一种图像对比度调整方法、装置、终端设备及存储介质 |
Non-Patent Citations (7)
| Title |
|---|
| IBUKI YOSHIDA 等: "Underwater Image Enhancement by Independent Processing Scheme of Brightness and Chromaticity", 2018 INTERNATIONAL SYMPOSIUM ON INTELLIGENT SIGNAL PROCESSING AND COMMUNICATION SYSTEMS (ISPACS), pages 76 - 80 * |
| PO-WEN HSIEH 等: "Adaptive Variational Model for Contrast Enhancement of Low-Light Images", SIAM JOURNAL ON IMAGING SCIENCES, vol. 13, no. 1, pages 1 * |
| SEUNG PARK 等: "Contrast Enhancement Using Sensitivity Model-Based Sigmoid Function", IEEE ACCESS, vol. 7, pages 161573 - 161583, XP011755353, DOI: 10.1109/ACCESS.2019.2951583 * |
| 康伟 等: "自动分块亮度校正算法及仿真研究", 计算机仿真, no. 05, pages 185 - 189 * |
| 朱铮涛 等: "基于非线性调整的伽马校正图像增强算法", 计算机工程与设计, vol. 39, no. 9 * |
| 杜旭: "雾天降质图像清晰度恢复技术研究", 中国优秀硕士学位论文全文数据库 信息科技辑, vol. 2019, no. 1, pages 138 - 3268 * |
| 肖小玲 等: "基于非线性反锐化掩模的成像测井图像增强", 长江大学学报(自然科学版)理工卷, vol. 5, no. 4, pages 68 - 69 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115209120A (zh) * | 2021-04-09 | 2022-10-18 | 爱思开海力士有限公司 | 图像感测装置及其操作方法及图像处理装置 |
| CN115209120B (zh) * | 2021-04-09 | 2024-04-26 | 爱思开海力士有限公司 | 图像感测装置及其操作方法及图像处理装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230386002A1 (en) | Shadow elimination method and apparatus for text image, and electronic device | |
| WO2022156178A1 (zh) | 图像目标对比方法、装置、计算机设备及可读存储介质 | |
| CN116188808B (zh) | 图像特征提取方法和系统、存储介质及电子设备 | |
| CN110599554A (zh) | 人脸肤色的识别方法和装置、存储介质及电子装置 | |
| CN110378328B (zh) | 一种证件图像处理方法及装置 | |
| CN110490204B (zh) | 图像处理方法、图像处理装置及终端 | |
| WO2023207408A1 (zh) | 一种数据处理方法、装置、设备以及可读存储介质 | |
| CN112669232A (zh) | 一种深度图像增强处理方法及装置 | |
| CN111639588A (zh) | 图像效果调整方法、装置、计算机系统及可读存储介质 | |
| CN102938140A (zh) | 图像的自动锐化 | |
| CN111598176A (zh) | 一种图像匹配处理方法及装置 | |
| CN111428732B (zh) | Yuv图像识别方法、系统和计算机设备 | |
| CN110751607A (zh) | 一种肤色的校正方法、装置、存储介质以及电子装置 | |
| CN110930474B (zh) | 昆虫密度热力图构建方法、装置及系统 | |
| CN113807166A (zh) | 图像处理方法、装置及存储介质 | |
| CN111800294B (zh) | 网关故障诊断方法、装置、网络设备及存储介质 | |
| CN117218039A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
| CN112699270A (zh) | 基于云计算的监控安防数据传输储存方法、系统、电子设备和计算机存储介质 | |
| CN111950562A (zh) | 图片处理方法、装置、终端设备和存储介质 | |
| CN111833341A (zh) | 确定图像中条纹噪声的方法及装置 | |
| CN112215237B (zh) | 图像处理方法及装置、电子设备和计算机可读存储介质 | |
| CN115019057A (zh) | 图像特征提取模型确定方法及装置、图像识别方法及装置 | |
| CN114882557A (zh) | 一种人脸识别方法和装置 | |
| CN114494833A (zh) | 光缆交接箱的端口的状态识别方法及装置 | |
| CN111340114A (zh) | 图像的匹配方法及装置、存储介质和电子装置 |
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 |