CN112149672A - 图像处理方法和装置、电子设备及存储介质 - Google Patents
图像处理方法和装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112149672A CN112149672A CN202011048893.9A CN202011048893A CN112149672A CN 112149672 A CN112149672 A CN 112149672A CN 202011048893 A CN202011048893 A CN 202011048893A CN 112149672 A CN112149672 A CN 112149672A
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- target
- eye
- region
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 160
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000013507 mapping Methods 0.000 claims abstract description 22
- 208000035753 Periorbital contusion Diseases 0.000 claims description 73
- 235000002673 Dioscorea communis Nutrition 0.000 claims description 72
- 241000544230 Dioscorea communis Species 0.000 claims description 72
- 230000008569 process Effects 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 14
- 239000000654 additive Substances 0.000 claims description 10
- 230000000996 additive effect Effects 0.000 claims description 10
- 238000007499 fusion processing Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
本申请提供的图像处理方法和装置、电子设备及存储介质,涉及图像处理技术领域。在本申请中,首先,对待处理图像进行目标区域的第一识别处理得到第一图像。其次,基于预设蒙版图像对第一图像进行映射处理得到目标蒙版图像,其中,该预设蒙版图像为针对目标区域预先配置的模板图像。然后对待处理图像或第一图像进行目标区域的第二识别处理得到第二图像。最后,基于目标蒙版图像和第二图像确定出目标区域。通过上述方法,可以改善现有图像处理技术中存在的区域确定精度不高的问题。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种图像处理方法和装置、电子设备及存储介质。
背景技术
在图像处理技术的应用中,在一些情况下,需要针对图像中的部分区域进行单独处理(如对部分区域进行优化或美化等),因而,需要先在图像中确定出需要单独处理的区域。但是,经发明人研究发现,在现有技术中,对于图像区域的确定存在着精度不高的问题。
发明内容
有鉴于此,本申请的目的在于提供一种图像处理方法和装置、电子设备及存储介质,以改善现有图像处理技术中存在的图像区域确定精度不高的问题。
为实现上述目的,本申请实施例采用如下技术方案:
一种图像处理方法,包括:
对待处理图像进行目标区域的第一识别处理,得到第一图像;
基于预设蒙版图像对所述第一图像进行映射处理,得到目标蒙版图像,其中,该预设蒙版图像为针对所述目标区域预先配置的模板图像;
对所述待处理图像或所述第一图像进行所述目标区域的第二识别处理,得到第二图像;
基于所述目标蒙版图像和所述第二图像,确定出所述目标区域。
在本申请实施例较佳的选择中,在上述图像处理方法中,所述对所述待处理图像或所述第一图像进行所述目标区域的第二识别处理,得到第二图像的步骤,包括:
在所述第一图像中,对进行第一识别处理确定的第一眼袋区域进行模糊处理,得到第一模糊图像,其中,该第一眼袋区域包括目标区域;
将所述第一模糊图像与所述第一图像进行比较处理得到第二图像,其中,该第二图像中具有第二眼袋区域的图像信息,该第二眼袋区域包含于所述第一眼袋区域,且包含所述目标区域。
在本申请实施例较佳的选择中,在上述图像处理方法中,所述在所述第一图像中,对进行第一识别处理确定的第一眼袋区域进行模糊处理,得到第一模糊图像的步骤,包括:
在所述第一图像中,将进行第一识别处理识别出的第一眼袋区域作为处理区域;
在所述第一图像中,基于眼睛特征点确定出眼睛区域,并将该眼睛区域填充为白色,以作为非处理区域;
基于预先确定的滤波半径对所述处理区域进行滤波处理,得到第一模糊图像,其中,该滤波处理的对象不包括所述非处理区域。
在本申请实施例较佳的选择中,在上述图像处理方法中,所述将所述第一模糊图像与所述第一图像进行比较处理得到第二图像的步骤,包括:
将所述第一模糊图像与所述第一图像进行亮度差值计算处理,得到每一个像素点在该第一模糊图像与该第一图像之间的亮度差值;
基于所述亮度差值大于预设差值的像素点确定第二眼袋区域,以得到第二图像。
在本申请实施例较佳的选择中,在上述图像处理方法中,所述基于所述目标蒙版图像和所述第二图像,确定出所述目标区域的步骤,包括:
对所述目标蒙版图像和所述第二图像的纹理像素值进行相乘处理,其中,该纹理像素值用于表征像素点属于黑眼圈区域的概率信息;
基于进行所述相乘处理的结果确定出所述目标区域,其中,该目标区域为所述黑眼圈区域。
在本申请实施例较佳的选择中,在上述图像处理方法中,所述对待处理图像进行目标区域的第一识别处理,得到第一图像的步骤,包括:
对待处理图像进行人脸特征点的识别处理,得到特征识别结果,其中,该待处理图像包括人脸图像;
基于所述特征识别结果在所述待处理图像中确定第一眼袋区域,得到第一图像,其中,该第一眼袋区域包括目标区域。
在本申请实施例较佳的选择中,在上述图像处理方法中,所述目标区域为黑眼圈区域,所述图像处理方法还包括祛除黑眼圈的步骤,该步骤包括:
对所述待处理图像或所述第一图像进行黑眼圈祛除处理,得到祛除黑眼圈后的第三图像;
基于所述目标区域对所述第三图像与所述待处理图像进行融合处理或对所述第三图像与所述第一图像进行融合处理,得到目标图像,其中,该目标区域包括的每一个像素点的纹理像素值分别作为该第三图像中对应像素点的融合系数,该目标图像包括祛除黑眼圈后的人脸图像。
在本申请实施例较佳的选择中,在上述图像处理方法中,所述对所述待处理图像或所述第一图像进行黑眼圈祛除处理,得到祛除黑眼圈后的第三图像的步骤,包括:
对所述第一图像进行模糊处理,得到第二模糊图像;
对所述第二模糊图像与所述第一图像进行颜色通道值差值计算处理,得到每一个像素点的颜色差值;
针对每一个所述像素点,基于该像素点的颜色差值对应的纹理像素值的平方值,得到权重图像,其中,该平方值为对应像素点的权重系数;
对所述权重图像进行模糊处理,得到第三模糊图像;
对所述第三模糊图像进行加性去噪处理,得到第三图像,其中,该第三图像为祛除黑眼圈后的图像。
在本申请实施例较佳的选择中,在上述图像处理方法中,所述针对每一个所述像素点,基于该像素点的颜色差值对应的纹理像素值的平方值,得到权重图像的步骤,包括:
针对每一个所述像素点,计算该像素点的颜色差值对应的纹理像素值的平方值,得到每一个所述像素点的纹理像素平方值;
针对每一个所述像素点,将该像素点的纹理像素平方值与预设系数进行相乘处理,得到该像素点的权重系数,其中,该预设系数大于1,该权重系数小于或等于1;
基于每一个所述像素点的权重系数形成权重图像。
在本申请实施例较佳的选择中,在上述图像处理方法中,所述对所述第三模糊图像进行加性去噪处理,得到第三图像的步骤,包括:
对所述第三模糊图像和所述第一图像进行差值计算,得到细节图像;
对所述第三模糊图像进行加性去噪处理,得到基准图像,其中,该基准图像为祛除黑眼圈后的图像;
对所述基准图像和所述细节图像进行叠加计算,得到第三图像。
本申请实施例还提供了一种图像处理装置,包括:
第一识别处理模块,用于对待处理图像进行目标区域的第一识别处理,得到第一图像;
图像映射处理模块,用于基于预设蒙版图像对所述第一图像进行映射处理,得到目标蒙版图像,其中,该预设蒙版图像为针对所述目标区域预先配置的模板图像;
第二识别处理模块,用于对所述待处理图像或所述第一图像进行所述目标区域的第二识别处理,得到第二图像;
目标区域确定模块,用于基于所述目标蒙版图像和所述第二图像,确定出所述目标区域。
在上述基础上,本申请实施例还提供了一种电子设备,包括:
存储器,用于存储计算机程序;
与所述存储器连接的处理器,用于执行该存储器存储的计算机程序,以实现上述的图像处理方法。
在上述基础上,本申请实施例还提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被执行时,实现上述的图像处理方法。
本申请提供的图像处理方法和装置、电子设备及存储介质,通过先进行第一识别处理得到第一图像,然后,将第一图像与预设蒙版图像进行映射处理得到目标蒙版图像,并将目标蒙版图像与进行第二识别处理得到的第二图像进行处理,从而确定出需要的目标区域。如此,相较于直接基于蒙版图像确定区域的技术方案,确定区域的依据可以更为充分,使得确定的结果精度更高,进而改善现有图像处理技术中存在的图像区域确定精度不高的问题,使得在基于确定的区域在进行后续处理时,也可以进行有针对性的处理,以保证处理得到的图像效果更佳,使得具有较高的实用价值。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本申请实施例提供的电子设备的结构框图。
图2为本申请实施例提供的图像处理方法的流程示意图。
图3为图2中步骤S110包括的子步骤的流程示意图。
图4为本申请实施例提供的第一眼袋区域的效果示意图。
图5为本申请实施例提供的黑眼圈蒙版区域的效果示意图。
图6为图2中步骤S130包括的子步骤的流程示意图。
图7为图6中步骤S131包括的子步骤的流程示意图。
图8为图6中步骤S132包括的子步骤的流程示意图。
图9为图2中步骤S140包括的子步骤的流程示意图。
图10为本申请实施例提供的黑眼圈权重图的效果示意图。
图11为本申请实施例提供的图像处理方法的其它步骤的流程示意图。
图12为图11中步骤S150包括的子步骤的流程示意图。
图13为图12中步骤S153包括的子步骤的流程示意图。
图14为图12中步骤S155包括的子步骤的流程示意图。
图15为本申请实施例提供的图像处理装置的方框示意图。
图标:10-电子设备;12-存储器;14-处理器;100-图像处理装置;110-第一识别处理模块;120-图像映射处理模块;130-第二识别处理模块;140-目标区域确定模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本申请的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示,本申请实施例提供了一种电子设备10,可以包括存储器12、处理器14和图像处理装置100。
其中,所述存储器12和处理器14之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述图像处理装置100包括至少一个可以软件或固件(firmware)的形式存储于所述存储器12中的软件功能模块。所述处理器14用于执行所述存储器12中存储的可执行的计算机程序,例如,所述图像处理装置100所包括的软件功能模块及计算机程序等,以实现本申请实施例提供的图像处理方法。
可选地,所述存储器12可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。
并且,所述处理器14可以是一种通用处理器,包括中央处理器(CentralProcessing Unit,CPU)、图形处理器(Graphics Processing Unit,GPU)等。
可以理解,图1所示的结构仅为示意,所述电子设备10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
例如,所述电子设备10还可以包括用于与其它设备进行信息交互的通信单元,以及,在该电子设备10作为终端设备(如手机、平板电脑、电脑等)时,还可以包括用于采集待处理图像的图像采集设备(如摄像头等)。
结合图2,本申请实施例还提供一种可应用于上述电子设备10的图像处理方法。其中。所述图像处理方法有关的流程所定义的方法步骤可以由所述电子设备10实现。下面将对图2所示的具体流程,进行详细阐述。
步骤S110,对待处理图像进行目标区域的第一识别处理得到第一图像。
在本实施例中,在需要确定出目标区域时,所述电子设备10可以对待处理图像进行该目标区域的第一识别处理,如此,可以得到第一图像。
步骤S120,基于预设蒙版图像对所述第一图像进行映射处理,得到目标蒙版图像。
在本实施例中,在基于步骤S120得到所述第一图像之后,所述电子设备10可以基于预设蒙版图像对该第一图像进行映射处理,如此,可以得到目标蒙版图像。
其中,所述预设蒙版图像可以为针对所述目标区域预先配置的模板图像,也就是说,该预设蒙版图像为目标区域的一标准图像。
步骤S130,对所述待处理图像或所述第一图像进行所述目标区域的第二识别处理,得到第二图像。
在本实施例中,在需要确定出目标区域时或者在基于步骤S110得到所述第一图像之后,所述电子设备10可以对该待处理图像或该第一图像进行所述目标区域的第二识别处理,如此,可以得到第二图像。
步骤S140,基于所述目标蒙版图像和所述第二图像,确定出目标区域。
在本实施例中,在基于步骤S120得到所述目标蒙版图像和基于步骤S130得到所述第二图像之后,所述电子设备10可以基于该目标蒙版图像和该第二图像,确定出所述目标区域。
基于上述方法,相较于直接基于蒙版图像确定区域的技术方案,可以保证确定区域的依据更为充分,使得确定的结果精度更高,进而改善现有图像处理技术中存在的图像区域确定精度不高的问题,使得在基于确定的区域在进行后续处理时,也可以进行有针对性的处理,以保证处理得到的图像效果更佳(例如,若对非目标区域也一并进行处理,可能导致该非目标区域的图像效果不自然或失真的问题)。
第一方面,对于步骤S110需要说明的是,对所述待处理图像进行第一识别处理的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,可以预先配置形成目标区域的标准轮廓信息,如此,可以基于该轮廓信息对所述待处理图像进行对比识别处理,从而得到第一图像。
又例如,在另一种可以替代的示例中,可以对所述待处理图像进行特征点识别处理,从而得到第一图像。基于此,在一种具体的应用示例中,所述待处理图像包括人脸图像,所述目标区域为黑眼圈区域,结合图3,步骤S110可以包括步骤S111和步骤S112,具体内容如下所述。
步骤S111,对待处理图像进行人脸特征点的识别处理,得到特征识别结果。
在本实施例中,在需要确定出目标区域(如黑眼圈区域)时,可以对所述待处理图像(该待处理图像可以包括人脸图像)进行人脸特征点的识别处理,如此,可以得到特征识别结果。
步骤S112,基于所述特征识别结果在所述待处理图像中确定第一眼袋区域,得到第一图像。
在本实施例中,在基于步骤S111得到所述特征识别结果之后,可以在所述待处理图像中,基于该特征识别结果确定出第一眼袋区域,如标记出该第一眼袋区域,如此,可以得到所述第一图像。
其中,所述第一眼袋区域可以包括目标区域。也就是说,为了确定出所述目标区域,即为了确定出黑眼圈区域,可以先在所述待处理图像中进行一次初步的区域确定操作,从而得到黑眼圈粗略区域,即包括黑眼圈区域的所述第一眼袋区域。
第二方面,对于步骤S120需要说明的是,基于所述预设蒙版图像对所述第一图像进行映射处理的具体方式,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,若执行步骤S110以进行第一识别处理时,是进行特征点识别处理,可以基于所述预设蒙版图像中的位置坐标与所述第一图像中识别出的特征点进行映射处理,从而得到目标蒙版图像。
详细地,在一种具体的示例中,进行第一识别处理可以是进行人脸特征点的识别处理,如图4所示,可以标记出如上述示例中所述的第一眼袋区域。所述预设蒙版图像可以为黑眼圈蒙版图像,可以包括黑眼圈蒙版区域,如图5所示。
第三方面,对于步骤S130需要说明的是,对所述待处理图像进行第二识别处理或对所述第一图像进行第二识别处理的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,可以对所述待处理图像进行第二识别处理,以得到第二图像。
又例如,在另一种可以替代的示例中,可以对所述第一图像进行第二识别处理,以得到第二图像。基于此,在一种具体的应用示例中,在所述目标区域为黑眼圈区域时,结合图6,步骤S130可以包括步骤S131和步骤S132,具体内容如下所述。
步骤S131,在所述第一图像中,对进行第一识别处理确定的第一眼袋区域进行模糊处理,得到第一模糊图像。
在本实施例中,在基于步骤S110得到确定出第一眼袋区域的所述第一图像之后,可以在该第一图像中,对该第一眼袋区域(该第一眼袋区域包括目标区域,即包括黑眼圈区域)进行模糊处理,从而得到第一模糊图像。
步骤S132,将所述第一模糊图像与所述第一图像进行比较处理,得到第二图像。
在本实施例中,在基于步骤S131得到所述第一模糊图像之后,可以将该第一模糊图像与所述第一图像经比较处理,如此,可以得到第二图像。
其中,所述第二图像中具有第二眼袋区域的图像信息,由于该第二图像由该第一模糊图像和该第一图像进行比较处理得到,且所述第一模糊图像是基于对第一眼袋区域进行模糊处理得到,使得该第一模糊图像和该第一图像之间在第一眼袋区域的图像信息会发生一定的变化,特别是黑眼圈区域的变化会较大,因而,基于比较处理得到的第二眼袋区域相较于第一眼袋区域可以具有更高的精度。
因此,所述第一眼袋区域、所述第二眼袋区域和所述目标区域之间,可以具有以下关系,该第二眼袋区域包含于所述第一眼袋区域,且包含所述目标区域(即包含黑眼圈区域)。
可选地,执行步骤S131以对所述第一图像进行模糊处理的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,由于所述第一图像中已经基于进行第一识别处理确定出第一眼袋区域,因而,可以直接对该第一眼袋区域进行模糊处理,从而得到第一模糊图像。
又例如,在另一种可以替代的示例中,经过本申请的发明人的研究发现,眼睛区域由于存在较大的色差,可能会对模糊处理产生较大的干扰,因而,为了提高第一模糊图像的质量,可以对所述第一眼袋区域进行选择性的模糊处理。基于此,结合图7,步骤S131可以包括步骤S131a、步骤S131b和步骤S131c,具体内容如下所述。
步骤S131a,在所述第一图像中,将进行第一识别处理识别出的第一眼袋区域作为处理区域。
在本实施例中,在基于步骤S110得到确定出第一眼袋区域的所述第一图像之后,在该第一图像中,可以将该第一眼袋区域作为模糊处理的处理区域(如填充为黑色)。
步骤S131b,在所述第一图像中,基于眼睛特征点确定出眼睛区域,并将该眼睛区域填充为白色,以作为非处理区域。
在本实施例中,为了避免眼睛区域对模糊处理造成干扰,在基于步骤S110得到确定出第一眼袋区域的所述第一图像之后,在该第一图像中,可以先基于眼睛特征点确定眼睛区域,然后,可以将该眼睛区域作为模糊处理的非处理区域(如填充为白色)。
步骤S131c,基于预先确定的滤波半径对所述处理区域进行滤波处理,得到第一模糊图像。
在本实施例中,在基于步骤S131a和步骤S131b确定出所述处理区域和所述非处理区域之后,可以基于预先确定的滤波半径对所述处理区域进行滤波处理,且该滤波处理的对象不包括所述非处理区域。如此,可以实现针对所述第一眼袋区域的选择性滤波处理,即完成模糊处理,从而得到所述第一模糊图像。
可以理解的是,在步骤S131b中,基于眼睛特征点确定出眼睛区域的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,可以基于三角形网络确定出眼睛区域。也就是说,针对所述眼睛特征点,可以将每相邻的三个眼睛特征点作为三角形的顶点,然后,将该三角形的每一个边的中间点作为新的眼睛特征点,如此,通过多次迭代,可以不断扩充眼睛特征点,从而将点扩展为面,即将眼睛特征点扩展为眼睛区域。
并且,在步骤S131c中,对所述处理区域进行滤波处理的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,可以对所述处理区域进行均值滤波处理,从而实现对该处理区域的模糊处理。
可选地,执行步骤S132以将所述第一图像和所述第一模糊图像进行比较处理的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,可以直接基于所述第一图像和所述第二模糊图像中像素值或亮度值等图像参数不同像素点,构成第二图像。
又例如,在另一种可以替代的示例中,为了能够降低所述第二眼袋区域与黑眼圈区域(即所述目标区域)之间存在的范围误差,结合图8,步骤S132可以包括步骤S132a和步骤S132b,具体内容如下所述。
步骤S132a,将所述第一模糊图像与所述第一图像进行亮度差值计算处理,得到每一个像素点在该第一模糊图像与该第一图像之间的亮度差值。
在本实施例中,在基于步骤S131得到所述第一模糊图像之后,可以将该第一模糊图像与所述第一图像进行亮度差值的计算处理,从而得到每一个像素点(在一种可以替代的示例中,可以仅针对所述第一眼袋区域的像素点,以降低数据处理量,在其它示例中,也可以包括其它像素点)在该第一模糊图像与该第一图像之间的亮度差值。
步骤S132b,基于所述亮度差值大于预设差值的像素点确定第二眼袋区域,以得到第二图像。
在本实施例中,考虑到黑眼圈区域的像素点在经过模糊处理之后,亮度会发生较大的变化,因而,可以先选择出亮度差值大于预设差值的像素点,如此,可以基于该像素点确定出第二眼袋区域,即得到第二图像。
其中,所述第二眼袋区域中的每一个像素点的亮度差值可以表征该像素点属于所述目标区域的概率,该目标区域为黑眼圈区域。
也就是说,可以根据所述第二眼袋区域中的每一个像素点的亮度差值进行纹理像素的映射,以确定该像素点属于黑眼圈区域的概率,从而得到一概率图(也就是说,所述第二图像可以为一种概率图或权重图)。其中,亮度差值越大,对应像素点属于黑眼圈区域的概率越大。
第四方面,对于步骤S140需要说明的是,基于所述目标蒙版图像和所述第二图像确定出所述目标区域的具体方式不受限制,例如,针对所述目标蒙版图像和所述第二图像中的图像信息表征的具体内容不同,确定所述目标区域的具体方式可以不同。
详细地,在一种具体的应用示例中,所述目标区域可以为黑眼圈区域,在所述目标蒙版图像中,包括白色区域和黑色区域,其中,该白色区域用于表征黑眼圈区域,对应像素点的纹理像素值为1,该黑色区域用于标志非黑眼圈区域,对应像素点的纹理像素值为0。在所述第二图像中,可以携带有各个像素点属于黑眼圈区域的概率(如基于前述示例中的亮度差值确定),且该概率(如通过亮度值进行纹理像素的映射)的范围值为[0,1]。
基于此,结合图9,步骤S140可以包括步骤S141和步骤S142,具体内容如下所述。
步骤S141,对所述目标蒙版图像和所述第二图像的纹理像素值进行相乘处理。
在本实施例中,在基于步骤S120和步骤S130得到所述目标蒙版图像和所述第二图像之后,可以基于该目标蒙版图像和该第二图像的纹理像素值(用于表征像素点属于黑眼圈区域的概率信息)进行相乘处理。
其中,若该目标蒙版图像和该第二图像本身就是用纹理像素值表示,可以直接使用该纹理像素值,若该目标蒙版图像和该第二图像不是用纹理像素值表示,可以先在纹理像素空间进行映射,得到对应的纹理像素值。
步骤S142,基于进行所述相乘处理的结果确定出所述目标区域。
在本实施例中,在基于步骤S141对纹理像素值进行相乘处理之后,可以基于进行该相乘处理的结果确定出所述目标区域,即确定出黑眼圈区域。
也就是说,执行步骤S141对所述目标蒙版图像和所述第二图像的纹理像素值进行相乘处理,得到的结果实际上也是一种黑眼圈权重图(如图10所示),如此,可以基于各像素点的权重确定是否属于黑眼圈,即执行步骤S142确定出所述目标区域,可以是指在该黑眼圈权重图中标记出属于黑眼圈的像素点,也可以是直接将该黑眼圈权重图作为执行步骤S142的结果。
在上述示例的基础上,例如,在所述目标区域为黑眼圈区域时,在确定黑眼圈区域之后,还可以对黑眼圈进行祛除处理,因此,所述图像处理方法还可以包括祛除黑眼圈的步骤。
例如,在一种可以替代的示例中,结合图11,祛除黑眼圈的步骤可以包括步骤S150和步骤S160,具体内容如下所述。
步骤S150,对所述待处理图像或所述第一图像进行黑眼圈祛除处理,得到祛除黑眼圈后的第三图像。
在本实施例中,可以先对所述待处理图像或所述第一图像先进行黑眼圈祛除处理,如此,可以得到祛除黑眼圈后的第三图像。
步骤S160,基于所述目标区域对所述第三图像与所述待处理图像进行融合处理或对所述第三图像与所述第一图像进行融合处理,得到目标图像。
在本实施例中,在基于步骤S150得到所述第三图像之后,考虑到祛除黑眼圈的区域范围一般是大于实际黑眼圈区域的,因而,可以进一步结合所述待处理图像或所述第一图像,并基于确定的所述目标区域,进行融合处理,从而得到对黑眼圈区域进行黑眼圈祛除处理的目标图像,使得该目标图像包括祛除黑眼圈后的人脸图像。
其中,所述目标区域包括的每一个像素点的纹理像素值(例如,上述示例中,黑眼圈权重图中的权重值)可以分别作为该第三图像中对应像素点的融合系数,如此,可以基于该融合系数对将该第三图像与所述待处理图像或所述第一图像进行融合,从而得到目标图像。
在上述示例中,对于步骤S150需要说明的是,进行黑眼圈祛除处理的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,可以对所述待处理图像进行黑眼圈祛除处理,从而得到祛除黑眼圈后的第三图像。
又例如,在另一种可以替代的示例中,可以对所述第一图像进行黑眼圈祛除处理,从而得到祛除黑眼圈后的第三图像。基于此示例,对该第一图像进行黑眼圈祛除处理的具体方式可以不受限制,例如,在一种具体的应用示例中,结合图12,步骤S150可以包括步骤S151、步骤S152、步骤S153、步骤S154和步骤S155,具体内容如下所述。
步骤S151,对所述第一图像进行模糊处理,得到第二模糊图像。
在本实施例中,在基于步骤S110得到所述第一图像之后,可以对该第一图像进行模糊处理(该模糊处理与执行步骤S131时对第一图像进行的模糊处理可以相同,也可以不同,如滤波半径可以不同,如可以不排除眼睛区域,即非选择性模糊处理等),如此,可以得到第二模糊图像。
步骤S152,对所述第二模糊图像与所述第一图像进行颜色通道值差值计算处理,得到每一个像素点的颜色差值。
在本实施例中,在基于步骤S151得到所述第二模糊图像之后,可以对该第二模糊图像(在其它示例中,也可以将执行步骤S131得到的第一模糊图像,作为该第二模糊图像)与所述第一图像进行颜色通道值差值计算处理(例如,可以针对每一个像素点的三个颜色通道分别进行差值计算),如此,可以得到每一个像素点的颜色差值。
步骤S153,针对每一个所述像素点,基于该像素点的颜色差值对应的纹理像素值的平方值,得到权重图像。
在本实施例中,在基于步骤S152得到每一个像素点的颜色差值之后,可以针对每一个像素点,基于该像素点的颜色差值(如在纹理像素空间进行映射)对应的纹理像素值计算平方值,如此,可以得到所述权重图像。
其中,在所述所述权重图像中,所述平方值为对应像素点的权重系数。
步骤S154,对所述权重图像进行模糊处理,得到第三模糊图像。
在本实施例中,在基于步骤S153得到所述权重图像之后,可以对该权重图像进行模糊处理(该模糊处理与执行步骤S151时对第一图像进行的模糊处理可以相同,如都是通过同等半径的均值滤波实现模糊处理),如此,可以得到第三模糊图像(若此时的模糊处理为均值滤波,则该第三模糊图像也可以称为均值图像)。
步骤S155,对所述第三模糊图像进行加性去噪处理,得到第三图像。
在本实施例中,在基于步骤S154得到所述第三模糊图像之后,可以对该第三模糊图像进行加性去噪处理。如此,可以得到第三图像,即祛除黑眼圈后的图像。
可选地,在上述示例中,执行步骤S153以得到权重图像的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,可以将得到的所述平方值直接作为对应像素点的权重系数,从而得到所述权重图像。
又例如,在另一种可以替代的示例中,为了提高得到的权重图像中各像素点的权重系数的可靠性,结合图13,步骤S153可以包括步骤S153a、步骤S153b和步骤S153c,具体内容如下所述。
步骤S153a,针对每一个所述像素点,计算该像素点的颜色差值对应的纹理像素值的平方值,得到每一个所述像素点的纹理像素平方值。
在本实施例中,在基于步骤S152得到每一个像素点的颜色差值之后,可以针对每一个像素点,计算该像素点的颜色差值(在一种可以替代的示例中,可以是RGB三通道差值的均值)对应的纹理像素值的平方值,如此,可以得到每一个像素点的纹理像素平方值。
步骤S153b,针对每一个所述像素点,将该像素点的纹理像素平方值与预设系数进行相乘处理,得到该像素点的权重系数。
在本实施例中,在基于步骤S153a得到每一个像素点的纹理像素平方值之后,可以将每一个像素点的纹理像素平方值与预设系数进行相乘处理,如此,可以得到每一个像素点的权重系数。
其中,考虑到在纹理像素空间的最大值为1,使得纹理像素平方值会小于或等于对应的纹理像素值,如0.2的平方为0.04,远小于0.2,因而,需要乘以一个大于1的预设系数,避免得到的权重系数不合理的问题,同样基于在纹理像素空间的最大值为1,所述权重系数小于或等于1。
步骤S153c,基于每一个所述像素点的权重系数形成权重图像。
在本实施例中,在基于步骤S153b得到每一个像素点的权重系数之后,可以基于每一个像素点的权重系数形成权重图像。
可选地,在上述示例中,执行步骤S155以得到第三图像的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,可以直接将对所述第三模糊图像进行加性去噪处理得到的图像,作为所述第三图像。
又例如,在另一种可以替代的示例中,为了增强得到的所述第三图像的细节信息,结合图14,步骤S155可以包括步骤S155a、步骤S155b和步骤S155c,具体内容如下所述。
步骤S155a,对所述第三模糊图像和所述第一图像进行差值计算,得到细节图像。
在本实施例中,在基于步骤S154得到所述第三模糊图像之后,可以对该第三模糊图像和所述第一图像进行差值计算(如对应像素点之间的纹理像素值的差值计算,在一些示例中,还可以对计算得到的差值乘以一个权重系数,该权重系数可以根据实际应用中对图像细节的需求高低设置),如此,可以得到用于增强图像细节的细节图像。
步骤S155b,对所述第三模糊图像进行加性去噪处理,得到基准图像。
在本实施例中,在基于步骤S154得到所述第三模糊图像之后,还可以对该第三模糊图像进行加性去噪处理,如此,可以得到基准图像(即祛除黑眼圈后的图像)。
步骤S155c,对所述基准图像和所述细节图像进行叠加计算,得到第三图像。
在本实施例中,在基于步骤S155a和步骤S155b得到所述细节图像和所述基准图像之后,可以将该基准图像和该细节图像进行叠加计算(如对应像素点之间的纹理像素值的叠加计算),如此,可以得到第三图像。
其中,由于增加了所述细节图像,可以使得该第三图像的图像细节得到增强,使得祛除黑眼圈后的图像区域不会模糊。
在上述示例中,对于步骤S160需要说明的是,基于所述目标区域(即所述融合系数)进行融合处理的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,可以将所述目标区域的像素点的纹理像素值作为所述第三图像中对应像素点的权重系数,所述待处理图像或所述第一图像中对应像素点的权重系数可以基于其它规则确定,如此,针对每一个像素点进行加权计算,可以使得该第三图像与该待处理图像或该第一图像完成融合,从而得到所述目标图像。
又例如,在另一种可以替代的示例中,可以将所述目标区域的像素点的纹理像素值作为所述第三图像中对应像素点的权重系数,并将1与该纹理像素值的差值作为所述待处理图像或所述第一图像的权重系数,如此,针对每一个像素点进行加权计算,可以使得该第三图像与该待处理图像或该第一图像完成融合,从而得到所述目标图像。
结合图15,本申请实施例还提供一种可应用于上述电子设备10的图像处理装置100。其中,该图像处理装置100可以包括第一识别处理模块110、图像映射处理模块120、第二识别处理模块130和目标区域确定模块140。
所述第一识别处理模块110,可以用于对待处理图像进行目标区域的第一识别处理,得到第一图像。在本实施例中,所述第一识别处理模块110可用于执行图2所示的步骤S110,关于所述第一识别处理模块110的相关内容可以参照前文对步骤S110的描述。
所述图像映射处理模块120,可以用于基于预设蒙版图像对所述第一图像进行映射处理,得到目标蒙版图像,其中,该预设蒙版图像为针对所述目标区域预先配置的模板图像。在本实施例中,所述图像映射处理模块120可用于执行图2所示的步骤S120,关于所述图像映射处理模块120的相关内容可以参照前文对步骤S120的描述。
所述第二识别处理模块130,可以用于对所述待处理图像或所述第一图像进行所述目标区域的第二识别处理,得到第二图像。在本实施例中,所述第二识别处理模块130可用于执行图2所示的步骤S130,关于所述第二识别处理模块130的相关内容可以参照前文对步骤S130的描述。
所述目标区域确定模块140,可以用于基于所述目标蒙版图像和所述第二图像,确定出所述目标区域。在本实施例中,所述目标区域确定模块140可用于执行图2所示的步骤S140,关于所述目标区域确定模块140的相关内容可以参照前文对步骤S140的描述。
需要说明的是,在上述示例的基础上,所述图像处理装置100还可以包括其它模块,如黑眼圈祛除模块(所述目标区域为黑眼圈区域)。
其中,所述黑眼圈祛除模块的作用可以是:
首先,对所述待处理图像或所述第一图像进行黑眼圈祛除处理,得到祛除黑眼圈后的第三图像;其次,基于所述目标区域对所述第三图像与所述待处理图像进行融合处理或对所述第三图像与所述第一图像进行融合处理,得到目标图像,其中,该目标区域包括的每一个像素点的纹理像素值分别作为该第三图像中对应像素点的融合系数,该目标图像包括祛除黑眼圈后的人脸图像。
可以理解的是,所述黑眼圈祛除模块的具体作用可以结合前文对图像处理方法的相关步骤的解释说明,在此不再一一赘述。
在本申请实施例中,对应于上述的图像处理方法,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,该计算机程序运行时执行上述图像处理方法的各个步骤。
其中,前述计算机程序运行时执行的各步骤,在此不再一一赘述,可参考前文对所述图像处理方法的解释说明。
综上所述,本申请提供的图像处理方法和装置、电子设备及存储介质,通过先进行第一识别处理得到第一图像,然后,将第一图像与预设蒙版图像进行映射处理得到目标蒙版图像,并将目标蒙版图像与进行第二识别处理得到的第二图像进行处理,从而确定出需要的目标区域。如此,相较于直接基于蒙版图像确定区域的技术方案,确定区域的依据可以更为充分,使得确定的结果精度更高,进而改善现有图像处理技术中存在的图像区域确定精度不高的问题,使得在基于确定的区域在进行后续处理时,也可以进行有针对性的处理,以保证处理得到的图像效果更佳,使得具有较高的实用价值。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、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,所述模块、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方式中,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,两个连续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动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。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (13)
1.一种图像处理方法,其特征在于,包括:
对待处理图像进行目标区域的第一识别处理,得到第一图像;
基于预设蒙版图像对所述第一图像进行映射处理,得到目标蒙版图像,其中,该预设蒙版图像为针对所述目标区域预先配置的模板图像;
对所述待处理图像或所述第一图像进行所述目标区域的第二识别处理,得到第二图像;
基于所述目标蒙版图像和所述第二图像,确定出所述目标区域。
2.根据权利要求1所述的图像处理方法,其特征在于,所述对所述待处理图像或所述第一图像进行所述目标区域的第二识别处理,得到第二图像的步骤,包括:
在所述第一图像中,对进行第一识别处理确定的第一眼袋区域进行模糊处理,得到第一模糊图像,其中,该第一眼袋区域包括目标区域;
将所述第一模糊图像与所述第一图像进行比较处理得到第二图像,其中,该第二图像中具有第二眼袋区域的图像信息,该第二眼袋区域包含于所述第一眼袋区域,且包含所述目标区域。
3.根据权利要求2所述的图像处理方法,其特征在于,所述在所述第一图像中,对进行第一识别处理确定的第一眼袋区域进行模糊处理,得到第一模糊图像的步骤,包括:
在所述第一图像中,将进行第一识别处理识别出的第一眼袋区域作为处理区域;
在所述第一图像中,基于眼睛特征点确定出眼睛区域,并将该眼睛区域填充为白色,以作为非处理区域;
基于预先确定的滤波半径对所述处理区域进行滤波处理,得到第一模糊图像,其中,该滤波处理的对象不包括所述非处理区域。
4.根据权利要求2所述的图像处理方法,其特征在于,所述将所述第一模糊图像与所述第一图像进行比较处理得到第二图像的步骤,包括:
将所述第一模糊图像与所述第一图像进行亮度差值计算处理,得到每一个像素点在该第一模糊图像与该第一图像之间的亮度差值;
基于所述亮度差值大于预设差值的像素点确定第二眼袋区域,以得到第二图像。
5.根据权利要求1所述的图像处理方法,其特征在于,所述基于所述目标蒙版图像和所述第二图像,确定出所述目标区域的步骤,包括:
对所述目标蒙版图像和所述第二图像的纹理像素值进行相乘处理,其中,该纹理像素值用于表征像素点属于黑眼圈区域的概率信息;
基于进行所述相乘处理的结果确定出所述目标区域,其中,该目标区域为所述黑眼圈区域。
6.根据权利要求1所述的图像处理方法,其特征在于,所述对待处理图像进行目标区域的第一识别处理,得到第一图像的步骤,包括:
对待处理图像进行人脸特征点的识别处理,得到特征识别结果,其中,该待处理图像包括人脸图像;
基于所述特征识别结果在所述待处理图像中确定第一眼袋区域,得到第一图像,其中,该第一眼袋区域包括目标区域。
7.根据权利要求1-6任意一项所述的图像处理方法,其特征在于,所述目标区域为黑眼圈区域,所述图像处理方法还包括祛除黑眼圈的步骤,该步骤包括:
对所述待处理图像或所述第一图像进行黑眼圈祛除处理,得到祛除黑眼圈后的第三图像;
基于所述目标区域对所述第三图像与所述待处理图像进行融合处理或对所述第三图像与所述第一图像进行融合处理,得到目标图像,其中,该目标区域包括的每一个像素点的纹理像素值分别作为该第三图像中对应像素点的融合系数,该目标图像包括祛除黑眼圈后的人脸图像。
8.根据权利要求7所述的图像处理方法,其特征在于,所述对所述待处理图像或所述第一图像进行黑眼圈祛除处理,得到祛除黑眼圈后的第三图像的步骤,包括:
对所述第一图像进行模糊处理,得到第二模糊图像;
对所述第二模糊图像与所述第一图像进行颜色通道值差值计算处理,得到每一个像素点的颜色差值;
针对每一个所述像素点,基于该像素点的颜色差值对应的纹理像素值的平方值,得到权重图像,其中,该平方值为对应像素点的权重系数;
对所述权重图像进行模糊处理,得到第三模糊图像;
对所述第三模糊图像进行加性去噪处理,得到第三图像,其中,该第三图像为祛除黑眼圈后的图像。
9.根据权利要求8所述的图像处理方法,其特征在于,所述针对每一个所述像素点,基于该像素点的颜色差值对应的纹理像素值的平方值,得到权重图像的步骤,包括:
针对每一个所述像素点,计算该像素点的颜色差值对应的纹理像素值的平方值,得到每一个所述像素点的纹理像素平方值;
针对每一个所述像素点,将该像素点的纹理像素平方值与预设系数进行相乘处理,得到该像素点的权重系数,其中,该预设系数大于1,该权重系数小于或等于1;
基于每一个所述像素点的权重系数形成权重图像。
10.根据权利要求8所述的图像处理方法,其特征在于,所述对所述第三模糊图像进行加性去噪处理,得到第三图像的步骤,包括:
对所述第三模糊图像和所述第一图像进行差值计算,得到细节图像;
对所述第三模糊图像进行加性去噪处理,得到基准图像,其中,该基准图像为祛除黑眼圈后的图像;
对所述基准图像和所述细节图像进行叠加计算,得到第三图像。
11.一种图像处理装置,其特征在于,包括:
第一识别处理模块,用于对待处理图像进行目标区域的第一识别处理,得到第一图像;
图像映射处理模块,用于基于预设蒙版图像对所述第一图像进行映射处理,得到目标蒙版图像,其中,该预设蒙版图像为针对所述目标区域预先配置的模板图像;
第二识别处理模块,用于对所述待处理图像或所述第一图像进行所述目标区域的第二识别处理,得到第二图像;
目标区域确定模块,用于基于所述目标蒙版图像和所述第二图像,确定出所述目标区域。
12.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序;
与所述存储器连接的处理器,用于执行该存储器存储的计算机程序,以实现权利要求1-10任意一项所述的图像处理方法。
13.一种计算机可读存储介质,存储有计算机程序,其特征在于,该计算机程序被执行时,实现权利要求1-10任意一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011048893.9A CN112149672A (zh) | 2020-09-29 | 2020-09-29 | 图像处理方法和装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011048893.9A CN112149672A (zh) | 2020-09-29 | 2020-09-29 | 图像处理方法和装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112149672A true CN112149672A (zh) | 2020-12-29 |
Family
ID=73895217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011048893.9A Pending CN112149672A (zh) | 2020-09-29 | 2020-09-29 | 图像处理方法和装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149672A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112750116A (zh) * | 2021-01-15 | 2021-05-04 | 北京市商汤科技开发有限公司 | 一种缺陷检测方法、装置、计算机设备及存储介质 |
CN113298698A (zh) * | 2021-04-30 | 2021-08-24 | 成都东方盛行电子有限责任公司 | 一种用于非编工程中人脸关键点的祛眼袋方法 |
CN113744414A (zh) * | 2021-09-06 | 2021-12-03 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备和存储介质 |
-
2020
- 2020-09-29 CN CN202011048893.9A patent/CN112149672A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112750116A (zh) * | 2021-01-15 | 2021-05-04 | 北京市商汤科技开发有限公司 | 一种缺陷检测方法、装置、计算机设备及存储介质 |
WO2022151658A1 (zh) * | 2021-01-15 | 2022-07-21 | 北京市商汤科技开发有限公司 | 一种缺陷检测方法、装置、计算机设备及计算机可读存储介质 |
CN112750116B (zh) * | 2021-01-15 | 2023-08-11 | 北京市商汤科技开发有限公司 | 一种缺陷检测方法、装置、计算机设备及存储介质 |
CN113298698A (zh) * | 2021-04-30 | 2021-08-24 | 成都东方盛行电子有限责任公司 | 一种用于非编工程中人脸关键点的祛眼袋方法 |
CN113744414A (zh) * | 2021-09-06 | 2021-12-03 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112149672A (zh) | 图像处理方法和装置、电子设备及存储介质 | |
CN114418957B (zh) | 基于机器人视觉的全局和局部二值模式图像裂缝分割方法 | |
CN103942758B (zh) | 基于多尺度融合的暗通道先验图像去雾方法 | |
CN107172354B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN105243371A (zh) | 一种人脸美颜程度的检测方法、系统及拍摄终端 | |
CN110706174A (zh) | 一种图像增强方法、终端设备及存储介质 | |
Hua et al. | Extended guided filtering for depth map upsampling | |
CN111738995A (zh) | 一种基于rgbd图像的目标检测方法、装置及计算机设备 | |
WO2005004040A1 (en) | Image sharpening with region edge sharpness correction | |
CN110390643A (zh) | 一种车牌增强方法、装置及电子设备 | |
CN113689373B (zh) | 图像处理方法、装置、设备及计算机可读存储介质 | |
CN111028170A (zh) | 图像处理方法、图像处理装置、电子设备和可读存储介质 | |
CN111476735B (zh) | 人脸图像处理方法、装置、计算机设备及可读存储介质 | |
CN114972123B (zh) | 图像去噪处理方法及装置、计算机设备和可读存储介质 | |
CN116580028B (zh) | 一种物体表面缺陷检测方法、装置、设备及存储介质 | |
CN114004754A (zh) | 一种基于深度学习的场景深度补全系统及方法 | |
CN110458857B (zh) | 中心对称图元检测方法、装置、电子设备及可读存储介质 | |
CN113327193A (zh) | 图像处理方法、装置、电子设备和介质 | |
CN111951196A (zh) | 基于图的渐进式点云下采样方法及装置 | |
Feng et al. | Low-light image enhancement by refining illumination map with self-guided filtering | |
CN111476739B (zh) | 水下图像增强方法、系统及存储介质 | |
CN116309494B (zh) | 一种电子地图中兴趣点信息确定方法、装置、设备及介质 | |
CN112215768A (zh) | 图像清晰度提升方法、装置、电子设备及可读存储介质 | |
CN109785367B (zh) | 三维模型追踪中外点滤除方法和装置 | |
CN116805322A (zh) | 一种图像处理方法、设备及计算机可读存储介质 |
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 |