CN111757100B - 相机运动变化量的确定方法、装置、电子设备和介质 - Google Patents

相机运动变化量的确定方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN111757100B
CN111757100B CN202010677231.1A CN202010677231A CN111757100B CN 111757100 B CN111757100 B CN 111757100B CN 202010677231 A CN202010677231 A CN 202010677231A CN 111757100 B CN111757100 B CN 111757100B
Authority
CN
China
Prior art keywords
frame image
determining
camera
light flow
processing
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
Application number
CN202010677231.1A
Other languages
English (en)
Other versions
CN111757100A (zh
Inventor
杨松
陈奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Douyin Vision Co Ltd
Douyin Vision Beijing Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010677231.1A priority Critical patent/CN111757100B/zh
Publication of CN111757100A publication Critical patent/CN111757100A/zh
Application granted granted Critical
Publication of CN111757100B publication Critical patent/CN111757100B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Studio Devices (AREA)

Abstract

本公开的实施例公开了相机运动变化量的确定方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图，其中，该第一帧图像和该第二帧图像是由目标相机拍摄得到的，该第一帧图像是在该第二帧图像前拍摄的；对该灰度处理后的第二帧图像进行处理，得到处理结果；将该第一光流图的像素和该处理结果的像素进行对应位置求与操作，生成第二光流图；基于该第二光流图，确定相机的运动变化量。该实施方式简便、准确的确定出当前相机的运动变化量，有助于后续相机参数的调整。

Description

相机运动变化量的确定方法、装置、电子设备和介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及相机运动变化量的确定方法、装置、电子设备和计算机可读介质。
背景技术
随着各种数码产品的普及，相机已成为人类活动中最常用的拍摄载体。在相机拍摄过程中，常常存在拍摄对象手持相机不稳定或拍摄的目标运动过快的现象，导致拍摄的图像存在模糊的现象。以此可以通过调节拍摄参数(快门、光圈和ISO)来达到拍摄效果的平衡。常见方法为上述拍摄对象利用经验来对拍摄参数进行调节，存在繁琐、不准确的问题。进而，需求一种可以通过确定相机的运动状态来对上述拍摄参数进行调节的方法。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出相机运动变化量的确定方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。
第一方面，本公开的一些实施例提供了一种图像处理方法，该方法包括：确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图，其中，上述第一帧图像和上述第二帧图像是由目标相机拍摄得到的，上述第一帧图像是在上述第二帧图像前拍摄的；对上述灰度处理后的第二帧图像进行处理，得到处理结果；将上述第一光流图的像素和上述处理结果的像素进行对应位置求与操作，生成第二光流图；基于上述第二光流图，确定相机的运动变化量。
第二方面，本公开的一些实施例提供了一种相机运动变化量的确定装置，装置包括：第一确定单元，被配置成确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图；处理单元，被配置成对上述灰度处理后的第二帧图像进行处理，得到处理结果；生成单元，被配置成将上述第一光流图的像素和上述处理结果的像素进行对应位置求与操作，生成第二光流图；第二确定单元，被配置成基于上述第二光流图，确定相机的运动变化量。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图来展现出两帧图像之间的图像亮度变换。其中，该第一帧图像和该第二帧图像是由目标相机拍摄得到的。然后，对上述灰度处理后的第二帧图像进行处理，得到处理结果。可选的，对上述灰度处理后的第二帧图像进行处理，可以是先确定上述灰度处理后的第二帧图像的梯度图，然后进行二值化。二值化后的结果作为处理结果。然后，可以将上述第一光流图的像素和上述处理结果的像素对应位置进行求与，生成第二光流图。得到上述第二光流图包括上述第二帧图像的梯度变化信息。最后，根据上述第二光流图，确定相机的运动变化量。该图像处理方法可以简便、准确的确定出当前相机的运动变化量，有助于后续相机参数的调整。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是本公开的一些实施例的相机运动变化量的确定方法的一个应用场景图的示意图；
图2是根据本公开的相机运动变化量的确定方法一些实施例的流程图；
图3是根据本公开的相机运动变化量的确定方法的另一些实施例的流程图；
图4是根据本公开的图像处理装置的一些实施例的结构示意图；
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的一些实施例的相机运动变化量的确定方法的一个应用场景的示意图100。
如图1所示，电子设备101确定灰度处理后的第一帧图像102到灰度处理后的第二帧图像103的第一光流图104。其中，上述第一帧图像和上述第二帧图像是由目标相机拍摄得到的，上述第一帧图像是在上述第二帧图像前拍摄的。对上述灰度处理后的第二帧图像103进行处理，得到处理结果105。将上述第一光流图104的像素和上述处理结果105的像素进行对应位置求与操作，生成第二光流图106。基于上述第二光流图106，确定相机的运动变化量107。
需要说明的是，相机运动变化量的确定方法可以是由电子设备101来执行。上述电子设备101可以是硬件，也可以是软件。当电子设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当电子设备101体现为软件时，可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的电子设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的电子设备。
继续参考图2，示出了根据本公开的相机运动变化量的确定方法的一些实施例的流程200。该相机运动变化量的确定方法，包括以下步骤：
步骤201，确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图。
在一些实施例中，相机运动变化量的确定方法的执行主体(例如图1所示的电子设备101)可以通过各种方式确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图。其中，上述第一帧图像和上述第二帧图像是由目标相机拍摄得到的，上述第一帧图像是在上述第二帧图像前拍摄的。上述光流图可以用来描述图像亮度的运动信息。
需要说明的是，灰度处理可以是让与图像对应的像素点矩阵中的每一个像素点都满足下面的关系：R(红色变量的值)＝G(绿色变量的值)＝B(蓝色变量的值)。
作为示例，对图像进行灰度处理的方法可以包括：
灰度化后的R＝(处理前的R+处理前的G+处理前的B)/3，
灰度化后的G＝(处理前的R+处理前的G+处理前的B)/3，
灰度化后的B＝(处理前的R+处理前的G+处理前的B)/3。
对图像进行灰度处理的方法还可以包括：
灰度化后的R＝处理前的R*0.3+处理前的G*0.59+处理前的B*0.11，
灰度化后的G＝处理前的R*0.3+处理前的G*0.59+处理前的B*0.11，
灰度化后的B＝处理前的R*0.3+处理前的G*0.59+处理前的B*0.11。
作为示例，可以通过Lucas–Kanade光流算法来确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图。其中，上述Lucas–Kanade光流算法可以确定两帧在预定时间内每个像素点位置的移动情况。
步骤202，对上述灰度处理后的第二帧图像进行处理，得到处理结果。
在一些实施例中，上述执行主体可以对上述灰度处理后的第二帧图像进行处理，得到处理结果。作为示例，可以对上述灰度处理后的第二帧图像进行二值化操作，得到的二值化图作为处理结果。
需要说明的是，上述二值化操作就是让图像的像素点矩阵中的每个像素点的灰度值为0(黑色)或者255(白色)，也就是让整个图像呈现只有黑和白的效果。在灰度化的图像中灰度值的范围为0～255，在二值化后的图像中的灰度值范围是0或者255。
在这里，对图像进行二值化操作可以是取阈值为127(相当于0～255的中数，(0+255)/2＝127)，让灰度值小于等于127的变为0(黑色)，灰度值大于127的变为255(白色)，这样做的好处是计算量小速度快，但是缺点也是很明显的。
步骤203，将上述第一光流图的像素和上述处理结果的像素进行对应位置求与操作，生成第二光流图。
在一些实施例中，上述执行主体可以将上述第一光流图的像素和上述处理结果的像素进行对应位置求与操作，生成第二光流图。在这里，生成的上述第二光流图包括处理结果中的信息。作为示例，上述处理结果中的信息可以包括但不限于以下至少一项：轮廓信息，梯度信息。
步骤204，基于上述第二光流图，确定相机的运动变化量。
在一些实施例中，上述执行主体可以确定上述第二光流图对应的像素值平均值作为相机的运动变化量。其中，上述相机的运动变化量可以是当前时刻相机位置和姿态相对上个时刻相机位置和姿态的变化量。
在一些实施例的一些可选的实现方式中，上述基于上述第二光流图，确定相机的运动变化量可以确定上述第二光流图中的最大的像素值作为相机的运动变化量。
在一些实施例的一些可选的实现方式中，上述基于上述第二光流图，确定相机的运动变化量包括以下步骤：
第一步，将上述第二光流图进行划分，得到预定数目个子光流图。
第二步，确定每个子光流图对应像素点集合中满足预定条件的像素点子集合；
第三步，确定与上述像素点子集合对应的像素平均值。
第四步，确定与各个子光流图相关联的像素平均值集合中像素平均值的最大值作为相机运动的变化量。
由上述示例可以看出，首先，确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图来展现出两帧图像之间的图像亮度变换。其中，该第一帧图像和该第二帧图像是由目标相机拍摄得到的。然后，对上述灰度处理后的第二帧图像进行处理，得到处理结果。可选的，对上述灰度处理后的第二帧图像进行处理，可以是先确定上述灰度处理后的第二帧图像的梯度图，然后进行二值化。二值化后的结果作为处理结果。然后，可以将上述第一光流图的像素和上述处理结果的像素对应位置进行求与，生成第二光流图。得到上述第二光流图包括上述第二帧图像的梯度变化信息。最后，根据上述第二光流图，确定相机的运动变化量。该图像处理方法可以简便、准确的确定出当前相机的运动变化量，有助于后续相机参数的调整。
继续参考图3，示出了根据本公开的相机运动变化量的确定方法的另一些实施例的流程300。该相机运动变化量的确定方法，包括以下步骤：
步骤301，确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图。
步骤302，确定上述灰度处理后的第二帧图像的梯度图。
在一些实施例中，上述执行主体可以确定上述灰度处理后的第二帧图像的梯度图。其中，上述梯度图可以衡量第二帧图像灰度的变化率。需要说明的是，梯度的方向是函数f(x,y)变化最快的方向。当图像中存在边缘时，有较大的梯度值。相反，当图像中有比较平滑的部分时，灰度值变化较小，则相应的梯度也较小。图像处理中把梯度的模简称为梯度，由图像梯度构成的图像成为梯度图。作为示例，可以通过图像梯度算法上述灰度处理后的第二帧图像的梯度图。其中，图像梯度算法是考虑图像的每个像素的某个邻域内的灰度变化，利用边缘临近的一阶或二阶导数变化规律，对原始图像中像素某个邻域设置梯度算子。通常用小区域模板进行卷积来计算，有Sobel算子、Robinson算子、Laplace算子等。
步骤303，对上述梯度图进行二值化，得到二值化后的图像。
在一些实施例中，上述执行主体可以对上述梯度图进行二值化，得到二值化后的图像。
在一些实施例的一些可选的实现方式中，上述二值化的阈值可以基于图像的噪声程度来动态调整。
步骤304，将上述第一光流图的像素和上述处理结果的像素进行对应位置求与操作，生成第二光流图。
步骤305，基于上述第二光流图，确定相机的运动变化量。
在一些实施例中，步骤301、304和305的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201、203和204，在此不再赘述。
从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的图像处理方法的流程300更加突出了对上述灰度处理后的第二帧图像进行处理的具体步骤。由此，这些实施例描述的方案将灰度处理后的第二帧图像的梯度的梯度信息添加到上述第一帧图像和上述第二帧图像的光流的变化中，来有效、精准的确定出当前相机的运动变化量，有助于后续相机参数的调整。
继续参考图4，作为对上述各图上述方法的实现，本公开提供了一种相机运动变化量的确定装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，一些实施例的相机运动变化量的确定装置400包括：第一确定单元401、处理单元402、生成单元403和第二确定单元404。其中，第一确定单元401，被配置成确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图，其中，上述第一帧图像和上述第二帧图像是由目标相机拍摄得到的，上述第一帧图像是在上述第二帧图像前拍摄的。处理单元402，被配置成对上述灰度处理后的第二帧图像进行处理，得到处理结果。生成单元403，被配置成将上述第一光流图的像素和上述处理结果的像素进行对应位置求与操作，生成第二光流图。第二确定单元404，被配置成基于上述第二光流图，确定相机的运动变化量。
在一些实施例的一些可选的实现方式中，处理单元402可以进一步被配置成：确定上述灰度处理后的第二帧图像的梯度图；对上述梯度图进行二值化，得到二值化后的图像。
在一些实施例的一些可选的实现方式中，第二确定单元404可以进一步被配置成：确定上述第二光流图中的最大的像素值作为相机的运动变化量。
在一些实施例的一些可选的实现方式中，第二确定单元404可以进一步被配置成：将上述第二光流图进行划分，得到预定数目个子光流图。确定每个子光流图对应像素点集合中满足预定条件的像素点子集合；确定与上述像素点子集合对应的像素平均值；确定与各个子光流图相关联的像素平均值集合中像素平均值的最大值作为相机运动的变化量。
在一些实施例的一些可选的实现方式中，上述二值化的阈值可以基于图像的噪声程度来动态调整。
可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。
下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的电子设备)500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机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。而在本公开的一些实施例中，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，其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、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。计算机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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图，其中，上述第一帧图像和上述第二帧图像是由目标相机拍摄得到的，上述第一帧图像是在上述第二帧图像前拍摄的；对上述灰度处理后的第二帧图像进行处理，得到处理结果；将上述第一光流图的像素和上述处理结果的像素进行对应位置求与操作，生成第二光流图；基于上述第二光流图，确定相机的运动变化量。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一确定单元、处理单元、生成单元和第二确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，处理单元还可以被描述为“对上述灰度处理后的第二帧图像进行处理，得到处理结果的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
根据本公开的一个或多个实施例，提供了一种相机运动变化量的确定方法，包括：确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图，其中，上述第一帧图像和上述第二帧图像是由目标相机拍摄得到的，上述第一帧图像是在上述第二帧图像前拍摄的；对上述灰度处理后的第二帧图像进行处理，得到处理结果；将上述第一光流图的像素和上述处理结果的像素进行对应位置求与操作，生成第二光流图；基于上述第二光流图，确定相机的运动变化量。
根据本公开的一个或多个实施例，上述对上述灰度处理后的第二帧图像进行处理，得到处理结果，包括：确定上述灰度处理后的第二帧图像的梯度图；对上述梯度图进行二值化，得到二值化后的图像。
根据本公开的一个或多个实施例，上述基于上述第二光流图，确定相机的运动变化量，包括：确定上述第二光流图中的最大的像素值作为相机的运动变化量。
根据本公开的一个或多个实施例，上述基于上述第二光流图，确定相机的运动变化量，包括：将上述第二光流图进行划分，得到预定数目个子光流图；确定每个子光流图对应像素点集合中满足预定条件的像素点子集合；确定与上述像素点子集合对应的像素平均值；确定与各个子光流图相关联的像素平均值集合中像素平均值的最大值作为相机运动的变化量。
根据本公开的一个或多个实施例，上述二值化的阈值可以基于图像的噪声程度来动态调整。
根据本公开的一个或多个实施例，提供了一种相机运动变化量的确定装置，包括：第一确定单元，被配置成确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图；处理单元，被配置成对上述灰度处理后的第二帧图像进行处理，得到处理结果；生成单元，被配置成将上述第一光流图的像素和上述处理结果的像素进行对应位置求与操作，生成第二光流图；第二确定单元，被配置成基于上述第二光流图，确定相机的运动变化量。
根据本公开的一个或多个实施例，处理单元可以进一步被配置成：确定上述灰度处理后的第二帧图像的梯度图；对上述梯度图进行二值化，得到二值化后的图像。
根据本公开的一个或多个实施例，第二确定单元可以进一步被配置成：确定上述第二光流图中的最大的像素值作为相机的运动变化量。
根据本公开的一个或多个实施例，调整单元可以进一步被配置成：确定与上述每个子图像相对应的像素值集合的均方根值作为与上述每个子图像对应的噪声方差。
根据本公开的一个或多个实施例，变换单元可以进一步被配置成：对调整后的每个子图像进行傅里叶变换，得到变换后的子频率图。
根据本公开的一个或多个实施例，处理单元可以进一步被配置成：基于调整后的噪声方差，对上述子频率图进行处理，得到处理后的子图像；对上述每个通道图像包括的各个处理后的子图像进行处理，得到去噪后的目标未处理图像。
根据本公开的一个或多个实施例，处理单元可以进一步被配置成：基于调整后的噪声方差，对上述子频率图上的像素进行处理；对处理后的子频率图进行逆频率变换，得到上述处理后的子图像。
根据本公开的一个或多个实施例，处理单元可以进一步被配置成：对上述每个通道图像包括的上述各个处理后的子图像进行组合，得到组合后的通道图像；对各个上述组合后的通道图像进行组合，得到上述去噪后的目标未处理图像。
根据本公开的一个或多个实施例，提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述任一实施例描述的方法。
根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如上述任一实施例描述的方法。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (7)

1.一种相机运动变化量的确定方法，包括：
确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图，其中，所述第一帧图像和所述第二帧图像是由目标相机拍摄得到的，所述第一帧图像是在所述第二帧图像前拍摄的；
确定所述灰度处理后的第二帧图像的梯度图；
对所述梯度图进行二值化，得到二值化后的图像；
将所述第一光流图的像素和所述二值化后的图像的像素进行对应位置求与操作，生成第二光流图；
基于所述第二光流图，确定相机的运动变化量，其中，所述基于所述第二光流图，确定相机的运动变化量，包括：确定所述第二光流图中的最大的像素值作为相机的运动变化量。
2.根据权利要求1所述的方法，其中，所述基于所述第二光流图，确定相机的运动变化量，包括：
将所述第二光流图进行划分，得到预定数目个子光流图；
确定每个子光流图对应像素点集合中满足预定条件的像素点子集合；
确定与所述像素点子集合对应的像素平均值；
确定与各个子光流图相关联的像素平均值集合中像素平均值的最大值作为相机运动的变化量。
3.根据权利要求1所述的方法，其中，所述二值化的阈值可以基于图像的噪声程度来动态调整。
4.一种相机运动变化量的确定装置，包括：
第一确定单元，被配置成确定灰度处理后的第一帧图像到灰度处理后的第二帧图像的第一光流图，其中，所述第一帧图像和所述第二帧图像是由目标相机拍摄得到的，所述第一帧图像是在所述第二帧图像前拍摄的；
第二确定单元，被配置成确定所述灰度处理后的第二帧图像的梯度图；
二值化单元，被配置成对所述梯度图进行二值化，得到二值化后的图像；
生成单元，被配置成将所述第一光流图的像素和所述二值化后的图像的像素进行对应位置求与操作，生成第二光流图；
第三确定单元，被配置成基于所述第二光流图，确定相机的运动变化量，其中，所述基于所述第二光流图，确定相机的运动变化量，包括：确定所述第二光流图中的最大的像素值作为相机的运动变化量。
5.根据权利要求4所述的装置，其中，所述第二确定单元进一步被配置成：
将所述第二光流图进行划分，得到预定数目个子光流图；
确定每个子光流图对应像素点集合中满足预定条件的像素点子集合；
确定与所述像素点子集合对应的像素平均值；
确定与各个子光流图相关联的像素平均值集合中像素平均值的最大值作为相机运动的变化量。
6.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。
7.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-3中任一所述的方法。
CN202010677231.1A 2020-07-14 2020-07-14 相机运动变化量的确定方法、装置、电子设备和介质 Active CN111757100B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010677231.1A CN111757100B (zh) 2020-07-14 2020-07-14 相机运动变化量的确定方法、装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010677231.1A CN111757100B (zh) 2020-07-14 2020-07-14 相机运动变化量的确定方法、装置、电子设备和介质

Publications (2)

Publication Number Publication Date
CN111757100A CN111757100A (zh) 2020-10-09
CN111757100B true CN111757100B (zh) 2022-05-31

Family

ID=72710531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010677231.1A Active CN111757100B (zh) 2020-07-14 2020-07-14 相机运动变化量的确定方法、装置、电子设备和介质

Country Status (1)

Country Link
CN (1) CN111757100B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112261349B (zh) * 2020-10-23 2023-02-21 北京字节跳动网络技术有限公司 图像处理方法、装置和电子设备
CN113160277A (zh) * 2021-01-29 2021-07-23 北京小米松果电子有限公司 一种图像处理方法、装置、电子设备及存储介质
CN113436146A (zh) * 2021-06-01 2021-09-24 北京京东乾石科技有限公司 信息生成方法、装置、电子设备和计算机可读介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030054106A (ko) * 2001-12-24 2003-07-02 한국전자통신연구원 동영상에서 상관 정합과 시스템 모델을 이용한 광류와카메라 움직임 산출 장치
CN110310299A (zh) * 2019-07-03 2019-10-08 北京字节跳动网络技术有限公司 用于训练光流网络、以及处理图像的方法和装置
CN110880184A (zh) * 2019-10-03 2020-03-13 上海淡竹体育科技有限公司 一种基于光流场进行摄像头自动巡检的方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102265315B1 (ko) * 2015-04-17 2021-06-15 삼성전자주식회사 영상 광류를 추정하는 방법 및 이를 위한 장치
CN108615248B (zh) * 2018-04-27 2022-04-05 腾讯科技（深圳）有限公司 相机姿态追踪过程的重定位方法、装置、设备及存储介质
CN109819229B (zh) * 2019-01-22 2021-02-26 北京市商汤科技开发有限公司 图像处理方法及装置、电子设备和存储介质
CN110415276B (zh) * 2019-07-30 2022-04-05 北京字节跳动网络技术有限公司 运动信息计算方法、装置及电子设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030054106A (ko) * 2001-12-24 2003-07-02 한국전자통신연구원 동영상에서 상관 정합과 시스템 모델을 이용한 광류와카메라 움직임 산출 장치
CN110310299A (zh) * 2019-07-03 2019-10-08 北京字节跳动网络技术有限公司 用于训练光流网络、以及处理图像的方法和装置
CN110880184A (zh) * 2019-10-03 2020-03-13 上海淡竹体育科技有限公司 一种基于光流场进行摄像头自动巡检的方法及装置

Also Published As

Publication number Publication date
CN111757100A (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN111757100B (zh) 相机运动变化量的确定方法、装置、电子设备和介质
CN111080595A (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN112381717A (zh) 图像处理方法、模型训练方法、装置、介质及设备
CN110719407A (zh) 图片美化方法、装置、设备及存储介质
CN114399814A (zh) 一种基于深度学习的遮挡物移除和三维重建方法
CN113658196A (zh) 红外图像中船舶的检测方法、装置、电子设备和介质
CN110636331B (zh) 用于处理视频的方法和装置
CN111402159B (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN110097520B (zh) 图像处理方法和装置
CN110399802B (zh) 处理面部图像眼睛亮度的方法、装置、介质和电子设备
CN112348910A (zh) 获取图像的方法、装置、设备和计算机可读介质
CN115063335A (zh) 特效图的生成方法、装置、设备及存储介质
CN111784726A (zh) 人像抠图方法和装置
CN112235563A (zh) 一种对焦测试方法、装置、计算机设备及存储介质
CN115526796A (zh) 图像处理方法、装置、设备及存储介质
CN113256785B (zh) 图像处理方法、装置、设备及介质
CN114170341A (zh) 一种图像处理方法、装置、设备及介质
CN111369472B (zh) 图像去雾方法、装置、电子设备及介质
CN114757843A (zh) 图像处理方法、装置、电子设备及存储介质
CN111815535A (zh) 图像处理方法、装置、电子设备和计算机可读介质
CN112488947A (zh) 模型训练和图像处理方法、装置、设备和计算机可读介质
CN112312200A (zh) 视频封面生成方法、装置和电子设备
CN110599437A (zh) 用于处理视频的方法和装置
CN112884794B (zh) 生成图像方法、装置、电子设备和计算机可读介质
CN111756954B (zh) 图像处理方法、装置、电子设备和计算机可读介质

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee after: Douyin Vision Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee before: Tiktok vision (Beijing) Co.,Ltd.

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee after: Tiktok vision (Beijing) Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd.