CN112241941A - 获取图像的方法、装置、设备和计算机可读介质 - Google Patents
获取图像的方法、装置、设备和计算机可读介质 Download PDFInfo
- Publication number
- CN112241941A CN112241941A CN202011125219.6A CN202011125219A CN112241941A CN 112241941 A CN112241941 A CN 112241941A CN 202011125219 A CN202011125219 A CN 202011125219A CN 112241941 A CN112241941 A CN 112241941A
- Authority
- CN
- China
- Prior art keywords
- image
- type
- processed
- channel
- variance
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012545 processing Methods 0.000 claims description 51
- 230000004927 fusion Effects 0.000 claims description 25
- 238000010606 normalization Methods 0.000 claims description 22
- 238000000605 extraction Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 241000287127 Passeridae Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本公开的实施例公开了获取图像的方法、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:接收待处理图像和类型图像,类型图像的图像风格为待处理图像的目标图像风格;提取类型图像的第一类型图像特征和第二类型图像特征;将第一类型图像特征与待处理图像进行融合,得到第一图像;将第二类型图像特征与待处理图像进行融合,得到第二图像;将第一图像和第二图像通过调节权重的方式进行融合,得到目标图像风格的目标图像。该实施方式实现了对图像风格的调节,并且可以通过权重来控制图像颜色的调整,提高了用户体验。
Description
技术领域
本公开的实施例涉及图像处理领域,具体涉及获取图像的方法、装置、设备和计算机可读介质。
背景技术
实际中,图像拍摄条件多种多样,获得的原始图像可能存在光影、光线的色温和图像风格不好等问题。为此,现有方法可以用图像滤镜等方法对上述原始图像进行颜色调整,使得原始图像的图像氛围更加符合用户的要求。但是,现有的图像滤镜算法对原始图像颜色调整的效果不够好。
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了获取图像的方法、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获取图像的方法,该方法包括:接收基准图像和原始图像;接收待处理图像和类型图像,类型图像的图像风格为待处理图像的目标图像风格;提取类型图像的第一类型图像特征和第二类型图像特征;将第一类型图像特征与待处理图像进行融合,得到第一图像;将第二类型图像特征与待处理图像进行融合,得到第二图像;将第一图像和第二图像通过调节权重的方式进行融合,得到目标图像风格的目标图像。
第二方面,本公开的一些实施例提供了一种获取图像的装置,装置包括:接收单元,被配置成接收待处理图像和类型图像,上述类型图像的图像风格为待处理图像的目标图像风格;提取单元,被配置成提取上述类型图像的第一类型图像特征和第二类型图像特征;第一融合单元,被配置成将第一类型图像特征与待处理图像进行融合,得到第一图像;第二融合单元,被配置成将第二类型图像特征与待处理图像进行融合,得到第二图像;第三融合单元,被配置成将上述第一图像和上述第二图像通过调节权重的方式进行融合,得到上述目标图像风格的目标图像。
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的获取图像的方法。
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的获取图像的方法。
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:基于类型图像,可以得到类型图像的第一类型图像特征和第二类型图像特征。从而,可以将第一类型图像特征和第二类型图像特征分别与待处理图像进行融合,得到了第一图像和第二图像。第一图像与第二图像是在待处理图像的基础上,包含了类型图像的图像特征的图像。然后,可以通过调节权重的方式,将第一图像与第二图像融合,得到目标图像。本公开的获取图像的方法可以将类型图像的图像特征融合到待处理图像中,并且使得融合后得到的目标图像视觉上更加自然。
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,元件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的获取图像的方法的一个应用场景的示意图;
图2是根据本公开的获取图像的方法的一些实施例的流程图;
图3是根据本公开的获取图像的方法的另一些实施例的流程图;
图4是根据本公开的获取图像的方法的又一些实施例的流程图;
图5是根据本公开的获取图像的装置的一些实施例的结构示意图;
图6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是根据本公开一些实施例的获取图像的方法的一个应用场景的示意图。
在图1的应用场景中,首先,电子设备101可以接收待处理图像102和类型图像103。然后,电子设备101可以提取类型图像103的第一类型图像特征104和第二类型图像特征105。电子设备101可以将待处理图像102与第一类型图像特征104融合,得到第一图像106。电子设备101可以将待处理图像102与第二类型图像特征105融合,得到第二图像107。由于第一图像106与第二图像107融合了不同的图像特征,使得图像效果存在差异。电子设备101可以通过调节权重的方式对第一图像106与第二图像107进行处理,得到目标图像110。例如,在图1的应用场景中,可以设置第一图像106的图像特征权重108为0.3,第二图像107的图像特征权重109为0.7,融合得到目标图像110。如此,实现了类型图像103的图像特征与待处理图像102的有效融合,使得目标图像110的图像效果更加自然。
需要说明的是,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。当电子设备体现为软件时,可以安装在上述所列举的硬件设备中。其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获取图像的方法的一些实施例的流程200。该获取图像的方法,包括以下步骤:
步骤201,接收待处理图像和类型图像。
在一些实施例中,获取图像的方法的执行主体(例如图1所示的电子设备101)可以通过有线连接方式或者无线连接方式接收图像。其中,上述图像包括了待处理图像和类型图像。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
在一些实施例中,上述待处理图像和类型图像可以从现有公开的数据库中获得,也可以用照相机拍摄。上述待处理图像和类型图像可以是任意图像。作为示例,上述待处理图像可以是显示有小猪、麻雀、斑马的图像等,上述类型图像可以是显示有大海、太阳、彩虹的图像等,类型图像的图像风格可以为待处理图像的目标图像风格。目标图像风格例如可以是复古风格、怀旧风格等。
步骤202,提取类型图像的第一类型图像特征和第二类型图像特征。
在一些实施例中,基于步骤201中的类型图像,上述执行主体(例如图1所示的电子设备)提取上述类型图像的第一类型图像特征和第二类型图像特征,可以通过网络模型或者特征提取算法对基准图像进行特征提取。作为示例,网络模型可以是LeNet网络、AlexNet网络、VGG网络、Nin网络、GooLeNet网络等。作为示例,特征提取算法可以是尺度不变特征变换算法(Scale-invariant features transform)、加速稳健特征算法(Speeded Up RobustFeatures)、方向梯度直方图算法(Histogram of Oriented Gradient)、高斯函数的差分算法(Difference of Gaussian)。
步骤203,将第一类型图像特征与待处理图像进行融合,得到第一图像。
在一些实施例中,第一类型图像特征与待处理图像可以通过第一融合算法进行融合,得到第一图像。其中,第一融合算法可以是:神经网络法、基于特征抽取的融合方法、粒子群优化算法等。
步骤204,将第二类型图像特征与待处理图像进行融合,得到第二图像
在一些实施例中,第二类型图像特征与待处理图像可以通过第二融合算法进行融合,得到第二图像。其中,第二融合算法可以是:加权平均法、贝叶斯估计法、逻辑推理方法等。
步骤205,将第一图像和第二图像通过调节权重的方式进行融合,得到目标图像风格的目标图像。
在一些实施例中,可以设置第一图像的权重(即图像特征权)为0.5,第二图像的权重为0.5,将第一图像与第二图像乘以对应的权重后做加法操作,得到目标图像。则上述目标图像可以认为是综合了第一图像与第二图像的图像风格后得到的图像。
本公开的一些实施例提供的方法,基于类型图像,可以得到类型图像的第一类型图像特征和第二类型图像特征。从而,可以将第一类型图像特征和第二类型图像特征分别与待处理图像进行融合,得到了第一图像和第二图像。第一图像与第二图像是在待处理图像的基础上,包含了类型图像的图像特征的图像。然后,可以通过调节权重的方式,将第一图像与第二图像融合,得到目标图像。本公开的获取图像的方法可以将类型图像的图像特征融合到待处理图像中,并且使得融合后得到的目标图像视觉上更加自然。
进一步参考图3,其示出了获取图像的方法的另一些实施例的流程300。该获取图像的方法的流程300,包括以下步骤:
步骤301,接收待处理图像和类型图像,类型图像的图像风格为待处理图像的目标图像风格。
步骤302,通过第一类型通道对类型图像进行特征处理,得到第一类型图像。
在一些实施例中,对上述类型图像中的第一类型通道中的每个通道进行特征处理,得到第一类型图像。其中,第一类型通道可以包括以下至少一项:亮度通道,第一颜色通道,第二颜色通道。作为示例,上述第一类型通道可以是Lab颜色模型对应的三个通道,其中:L表示亮度通道,a和b是两个颜色通道。a包括的颜色可以是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值),b包括的颜色可以是从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)。
步骤303,根据第一类型图像的第一类型通道中每个通道参数的均值和方差,得到第一类型均值和第一类型方差。
在一些实施例中,作为示例,第一类型通道可以为Lab颜色通道,分别计算第一类型图像中L、a、b三个通道参数的均值,得到对应Lab颜色通道的第一类型均值可以为53、136、62。然后分别计算第一类型图像中L、a、b三个通道参数的方差,得到对应Lab颜色通道的第一类型方差可以为20、31、14。
步骤304,根据第一类型均值和第一类型方差,生成第一类型图像特征。
在一些实施例中,作为示例,第一类型均值可以为53、136、62,第一类型方差可以为20、31、14。将第一类型均值整合成向量(53,136,62),将第一类型方差合成向量(20,31,14)。将上述两组向量作为第一类型图像特征。
步骤305,通过第二类型通道对类型图像进行特征处理,得到第二类型图像。
在一些实施例中,对上述类型图像中的第二类型通道中的每个通道进行特征处理,得到第二类型图像。其中,第二类型通道可以包括以下至少一项:第三颜色通道,第四颜色通道,第五颜色通道。作为示例,上述第二类型通道可以是RGB颜色模型对应的三个通道,其中R、G、B分别对应红、绿、蓝三个颜色通道。
步骤306,根据第二类型图像的第二类型通道中每个通道参数的均值和方差,得到第二类型均值和第二类型方差。
步骤307,根据第二类型均值和第二类型方差,生成第二类型图像特征。
步骤308,将第一类型图像特征与待处理图像进行融合,得到第一图像。
在一些实施例的可选实现方式中,将第一类型图像特征与待处理图像进行融合,得到第一图像,可以包括:通过第一类型通道对待处理图像进行特征处理,得到第一待处理图像;对第一待处理图像进行归一化处理,得到第一归一化图像;将第一归一化图像与第一类型图像特征进行融合,得到第一图像。对第一待处理图像的归一化处理可以是指对第一待处理图像进行了一系列标准的处理变换,使之变换为一固定标准形式的过程。归一化后的第一待处理被转换成标准模式,可以防止仿射变换的影响,可以减小几何变换的影响。
在一些实施例的可选实现方式中,对第一待处理图像进行归一化处理,得到第一归一化图像,可以包括:确定第一待处理图像的第一类型通道中每个通道参数的均值和方差,得到第一待处理均值和第一待处理方差;将第一待处理均值和第一待处理方差对待处理图像进行归一化处理,得到第一归一化图像。
步骤309,将第二类型图像特征与待处理图像进行融合,得到第二图像。
在一些实施例的可选实现方式中,将第二类型图像特征与待处理图像进行融合,得到第二图像,可以包括:通过第二类型通道对待处理图像进行特征处理,得到第二待处理图像;对第二待处理图像进行归一化处理,得到第二归一化图像;将第二归一化图像与第二类型图像特征进行融合,得到第二图像。对第二待处理图像的归一化处理是指对第二待处理图像进行了一系列标准的处理变换,使之变换为一固定标准形式的过程。归一化后的第二待处理被转换成标准模式,可以防止仿射变换的影响,可以减小几何变换的影响。
在一些实施例的可选实现方式中,对第二待处理图像进行归一化处理,得到第二归一化图像,可以包括:确定第二待处理图像的第二类型通道中每个通道参数的均值和方差,得到第二待处理均值和第二待处理方差;将第二待处理均值和第二待处理方差对待处理图像进行归一化处理,得到第二归一化图像。
步骤310,将第一图像和第二图像通过调节权重的方式进行融合,得到目标图像风格的目标图像。
在一些实施例中,步骤301、310的具体实现及其所带来的技术效果,可以参考图2对应的实施例中的步骤201、205,在此不再赘述。
在一些实施例中,步骤306、307的具体实现及其所带来的技术效果,可以参考图3对应的实施例中的步骤203、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获取图像的方法的流程300体现了对类型图像的第一类型图像特征和第二类型图像特征提取的步骤。第一类型图像特征是由类型图像通过第一类型通道得到的第一类型均值和第一类型方差确定。第二类型图像特征是由类型图像通过第二类型通道得到的第二类型均值和第二类型方差确定。由此,可以得到在不同类型通道下的图像特征,为目标图像提供了更加丰富的图像特征。
进一步参考图4,其示出了获取图像的方法的另一些实施例的流程400。该获取图像的方法的流程400,包括以下步骤:
步骤401,接收待处理图像和类型图像,类型图像的图像风格为待处理图像的目标图像风格。
步骤402,提取类型图像的第一类型图像特征和第二类型图像特征。
步骤403,将第一类型图像特征与待处理图像进行融合,得到第一图像。
步骤404,将第二类型图像特征与待处理图像进行融合,得到第二图像。
步骤405,通过第三类型通道对第一图像和第二图像进行特征提取,得到对应第一图像的第三图像和对应第二图像的第四图像,第三类型通道包括指定的图像特征通道。
在一些实施例中,作为示例,第三类型通道可以是HSB(Hues为色相,Saturation为饱和度,Brightness为亮度)颜色模式、YUV(Y表示明亮度,U和V表示的是色度)颜色模式、CMYK(C表示青色,M表示品红色,Y表示黄色,K表示黑色)颜色模式等。
步骤406,根据预先设定的权重,将第三图像的第三类型通道中的每个通道参数、与对应第四图像的第三类型通道中的通道参数相加,得到目标图像。
在一些实施例中,将第三图像的第三类型通道中的每个通道参数与第三图像对应的权重相乘后的第三类型通道中的每个通道参数,加上第四图像对应的权重与第四图像的第三类型通道中的通道参数相乘后得到的第四类型通道中的每个通道的参数,得到目标图像。这样,可以使目标图像同时具有第三图像与第四图像的图像颜色特征,实现通过权重来调节待处理图像的图像颜色风格。
在一些实施例中,步骤401、402、403、404的具体实现及其所带来的技术效果,可以参考图2对应的实施例中的步骤201、202、203、204,在此不再赘述。
从图4中可以看出,与图3对应的一些实施例的描述相比,图4对应的一些实施例中的获取图像的方法的流程400体现了对第一图像和第二图像的权重调节方法。通过控制权重,可以综合第一图像和第二图像的特征,而且用户可以根据自己的需求调整权重,从而达到用户需要的图像效果。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种获取图像的装置的一些实施例,这些装置实施例与图2所示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5所示,一些实施例的获取图像的装置500包括:接收单元501,被配置成接收待处理图像和类型图像,类型图像的图像风格为待处理图像的目标图像风格;提取单元502,被配置成提取类型图像的第一类型图像特征和第二类型图像特征;第一融合单元503,被配置成将第一类型图像特征与待处理图像进行融合,得到第一图像;第二融合单元504,将第二类型图像特征与待处理图像进行融合,得到第二图像;第三融合单元505,被配置成将第一图像和第二图像通过调节权重的方式进行融合,得到目标图像风格的目标图像。
在一些实施例的可选实现方式中,提取单元502进一步被配置成:通过第一类型通道对类型图像进行特征处理,得到第一类型图像,第一类型通道包括以下至少一项:亮度通道,第一颜色通道,第二颜色通道;根据第一类型图像的第一类型通道中每个通道参数的均值和方差,得到第一类型均值和第一类型方差;根据第一类型均值和第一类型方差,生成第一类型图像特征。
在一些实施例的可选实现方式中,提取单元502进一步被配置成:通过第二类型通道对类型图像进行特征处理,得到第二类型图像,第二类型通道包括以下至少一项:第三颜色通道,第四颜色通道,第五颜色通道;根据第二类型图像的第二类型通道中每个通道参数的均值和方差,得到第二类型均值和第二类型方差;根据第二类型均值和第二类型方差,生成第二类型图像特征。
在一些实施例的可选实现方式中,第一融合单元503进一步被配置成:通过第一类型通道对待处理图像进行特征处理,得到第一待处理图像;对第一待处理图像进行归一化处理,得到第一归一化图像;将第一归一化图像与第一类型图像特征进行融合,得到第一图像。
在一些实施例的可选实现方式中,第一融合单元503进一步被配置成:确定第一待处理图像的第一类型通道中每个通道参数的均值和方差,得到第一待处理均值和第一待处理方差;将第一待处理均值和第一待处理方差对待处理图像进行归一化处理,得到第一归一化图像。
在一些实施例的可选实现方式中,第二融合单元504进一步被配置成:通过第二类型通道对待处理图像进行特征处理,得到第二待处理图像;对第二待处理图像进行归一化处理,得到第二归一化图像;将第二归一化图像与第二类型图像特征进行融合,得到第二图像。
在一些实施例的可选实现方式中,第二融合单元504进一步被配置成:确定第二待处理图像的第一类型通道中每个通道参数的均值和方差,得到第二待处理均值和第二待处理方差;将第二待处理均值和第二待处理方差对待处理图像进行归一化处理,得到第二归一化图像。
在一些实施例的可选实现方式中,第三融合单元505进一步被配置成:通过第三类型通道对第一图像和第二图像进行特征提取,得到对应第一图像的第三图像和对应第二图像的第四图像,第三类型通道包括指定的图像特征通道;根据预先设定的权重,将第三图像的第三类型通道中的每个通道参数、与对应第四图像的第三类型通道中的通道参数相加,得到目标图像。
可以理解的是,该装置500中记载的存诸单元与参考图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500及其中包含的单元,在此不再赘述。
下面参考图6,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中的服务器或终端设备)600的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6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6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605: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606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,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6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609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601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中记载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电子设备中所包含的;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:接收待处理图像和类型图像,类型图像的图像风格为待处理图像的目标图像风格;提取类型图像的第一类型图像特征和第二类型图像特征;将第一类型图像特征与待处理图像进行融合,得到第一图像;将第二类型图像特征与待处理图像进行融合,得到第二图像;将第一图像和第二图像通过调节权重的方式进行融合,得到目标图像风格的目标图像。
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:一种处理器包括接收单元、提取单元、第一融合单元、第二融合单元和第三融合单元。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,接收单元还可以被描述为“接收待处理图像和类型图像的单元”。
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,提供了一种获取图像的方法,包括:接收待处理图像和类型图像,类型图像的图像风格为待处理图像的目标图像风格;提取类型图像的第一类型图像特征和第二类型图像特征;将第一类型图像特征与待处理图像进行融合,得到第一图像;将第二类型图像特征与待处理图像进行融合,得到第二图像;将第一图像和第二图像通过调节权重的方式进行融合,得到目标图像风格的目标图像。
根据本公开的一个或多个实施例,通过第一类型通道对类型图像进行特征处理,得到第一类型图像,第一类型通道包括以下至少一项:亮度通道,第一颜色通道,第二颜色通道;根据第一类型图像的第一类型通道中每个通道参数的均值和方差,得到第一类型均值和第一类型方差;根据第一类型均值和第一类型方差,生成第一类型图像特征。
根据本公开的一个或多个实施例,通过第二类型通道对类型图像进行特征处理,得到第二类型图像,第二类型通道包括以下至少一项:第三颜色通道,第四颜色通道,第五颜色通道;根据第二类型图像的第二类型通道中每个通道参数的均值和方差,得到第二类型均值和第二类型方差;根据第二类型均值和第二类型方差,生成第二类型图像特征。
根据本公开的一个或多个实施例,通过第一类型通道对待处理图像进行特征处理,得到第一待处理图像;对第一待处理图像进行归一化处理,得到第一归一化图像;将第一归一化图像与第一类型图像特征进行融合,得到第一图像。
根据本公开的一个或多个实施例,确定第一待处理图像的第一类型通道中每个通道参数的均值和方差,得到第一待处理均值和第一待处理方差;将第一待处理均值和第一待处理方差对待处理图像进行归一化处理,得到第一归一化图像。
根据本公开的一个或多个实施例,通过第二类型通道对待处理图像进行特征处理,得到第二待处理图像;对第二待处理图像进行归一化处理,得到第二归一化图像;将第二归一化图像与第二类型图像特征进行融合,得到第二图像。
根据本公开的一个或多个实施例,确定第二待处理图像的第一类型通道中每个通道参数的均值和方差,得到第二待处理均值和第二待处理方差;将第二待处理均值和第二待处理方差对待处理图像进行归一化处理,得到第二归一化图像。
根据本公开的一个或多个实施例,通过第三类型通道对第一图像和第二图像进行特征提取,得到对应第一图像的第三图像和对应第二图像的第四图像,第三类型通道包括指定的图像特征通道;根据预先设定的权重,将第三图像的第三类型通道中的每个通道参数、与对应第四图像的第三类型通道中的通道参数相加,得到目标图像。
根据本公开的一个或多个实施例,提供了一种获取图像的装置,包括:接收单元,被配置成接收待处理图像和类型图像,类型图像的图像风格为待处理图像的目标图像风格;提取单元,被配置成提取类型图像的第一类型图像特征和第二类型图像特征;第一融合单元,被配置成将第一类型图像特征与待处理图像进行融合,得到第一图像;第二融合单元,被配置成将第二类型图像特征与待处理图像进行融合,得到第二图像;第三融合单元,被配置成将第一图像和第二图像通过调节权重的方式进行融合,得到目标图像风格的目标图像。
根据本公开的一个或多个实施例,提取单元被进一步配置成:通过第一类型通道对类型图像进行特征处理,得到第一类型图像,第一类型通道包括以下至少一项:亮度通道,第一颜色通道,第二颜色通道;根据第一类型图像的第一类型通道中每个通道参数的均值和方差,得到第一类型均值和第一类型方差;根据第一类型均值和第一类型方差,生成第一类型图像特征。
根据本公开的一个或多个实施例,提取单元被进一步配置成:通过第二类型通道对类型图像进行特征处理,得到第二类型图像,第二类型通道包括以下至少一项:第三颜色通道,第四颜色通道,第五颜色通道;根据第二类型图像的第二类型通道中每个通道参数的均值和方差,得到第二类型均值和第二类型方差;根据第二类型均值和第二类型方差,生成第二类型图像特征。
根据本公开的一个或多个实施例,第一融合单元被进一步配置成:通过第一类型通道对待处理图像进行特征处理,得到第一待处理图像;对第一待处理图像进行归一化处理,得到第一归一化图像;将第一归一化图像与第一类型图像特征进行融合,得到第一图像。
根据本公开的一个或多个实施例,第一融合单元被进一步配置成:确定第一待处理图像的第一类型通道中每个通道参数的均值和方差,得到第一待处理均值和第一待处理方差;将第一待处理均值和第一待处理方差对待处理图像进行归一化处理,得到第一归一化图像。
根据本公开的一个或多个实施例,第二融合单元被进一步配置成:通过第二类型通道对待处理图像进行特征处理,得到第二待处理图像;对第二待处理图像进行归一化处理,得到第二归一化图像;将第二归一化图像与第二类型图像特征进行融合,得到第二图像。
根据本公开的一个或多个实施例,第二融合单元被进一步配置成:确定第二待处理图像的第一类型通道中每个通道参数的均值和方差,得到第二待处理均值和第二待处理方差;将第二待处理均值和第二待处理方差对待处理图像进行归一化处理,得到第二归一化图像。
根据本公开的一个或多个实施例,第三融合单元被进一步配置成:通过第三类型通道对第一图像和第二图像进行特征提取,得到对应第一图像的第三图像和对应第二图像的第四图像,第三类型通道包括指定的图像特征通道;根据预先设定的权重,将第三图像的第三类型通道中的每个通道参数、与对应第四图像的第三类型通道中的通道参数相加,得到目标图像。
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 (11)
1.一种获取图像的方法,包括:
接收待处理图像和类型图像,所述类型图像的图像风格为待处理图像的目标图像风格;
提取所述类型图像的第一类型图像特征和第二类型图像特征;
将所述第一类型图像特征与所述待处理图像进行融合,得到第一图像;
将所述第二类型图像特征与所述待处理图像进行融合,得到第二图像;
将所述第一图像和所述第二图像通过调节权重的方式进行融合,得到所述目标图像风格的目标图像。
2.根据权利要求1所述的方法,其中,所述提取所述类型图像的第一类型图像特征,包括:
通过第一类型通道对所述类型图像进行特征处理,得到第一类型图像,所述第一类型通道包括以下至少一项:亮度通道,第一颜色通道,第二颜色通道;
根据所述第一类型图像的所述第一类型通道中每个通道参数的均值和方差,得到第一类型均值和第一类型方差;
根据所述第一类型均值和所述第一类型方差,生成所述第一类型图像特征。
3.根据权利要求1所述的方法,其中,所述提取所述类型图像的第二类型图像特征,包括:
通过第二类型通道对所述类型图像进行特征处理,得到第二类型图像,所述第二类型通道包括以下至少一项:第三颜色通道,第四颜色通道,第五颜色通道;
根据所述第二类型图像的所述第二类型通道中每个通道参数的均值和方差,得到第二类型均值和第二类型方差;
根据所述第二类型均值和所述第二类型方差,生成所述第二类型图像特征。
4.根据权利要求2所述的方法,其中,所述将所述第一类型图像特征与所述待处理图像进行融合,得到第一图像,包括:
通过所述第一类型通道对所述待处理图像进行特征处理,得到第一待处理图像;
对所述第一待处理图像进行归一化处理,得到第一归一化图像;
将所述第一归一化图像与所述第一类型图像特征进行融合,得到所述第一图像。
5.根据权利要求4所述的方法,其中,所述对所述第一待处理图像进行归一化处理,得到第一归一化图像,包括:
确定所述第一待处理图像的所述第一类型通道中每个通道参数的均值和方差,得到第一待处理均值和第一待处理方差;
将所述第一待处理均值和所述第一待处理方差对所述待处理图像进行归一化处理,得到所述第一归一化图像。
6.根据权利要求3所述的方法,其中,所述将所述第二类型图像特征与所述待处理图像进行融合,得到第二图像,包括:
通过所述第二类型通道对所述待处理图像进行特征处理,得到第二待处理图像;
对所述第二待处理图像进行归一化处理,得到第二归一化图像;
将所述第二归一化图像与所述第二类型图像特征进行融合,得到所述第二图像。
7.根据权利要求6所述的方法,其中,所述对所述第二待处理图像进行归一化处理,得到第二归一化图像,包括:
确定所述第二待处理图像的所述第二类型通道中每个通道参数的均值和方差,得到第二待处理均值和第二待处理方差;
将所述第二待处理均值和所述第二待处理方差对所述待处理图像进行归一化处理,得到所述第二归一化图像。
8.根据权利要求1所述的方法,其中,所述将所述第一图像和所述第二图像通过调节权重的方式进行融合,得到所述目标图像风格的目标图像,包括:
通过第三类型通道对所述第一图像和所述第二图像进行特征提取,得到对应第一图像的第三图像和对应第二图像的第四图像,所述第三类型通道包括指定的图像特征通道;
根据预先设定的权重,将所述第三图像的第三类型通道中的每个通道参数、与对应所述第四图像的第三类型通道中的通道参数相加,得到目标图像。
9.一种获取图像的装置,包括:
接收单元,被配置成接收待处理图像和类型图像,所述类型图像的图像风格为待处理图像的目标图像风格;
提取单元,被配置成提取所述类型图像的第一类型图像特征和第二类型图像特征;
第一融合单元,被配置成将所述第一类型图像特征与所述待处理图像进行融合,得到第一图像;
第二融合单元,被配置成将所述第二类型图像特征与所述待处理图像进行融合,得到第二图像;
第三融合单元,被配置成将所述第一图像和所述第二图像通过调节权重的方式进行融合,得到所述目标图像风格的目标图像。
10.一种电子设备,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,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至8中任一所述的方法。
11.一种计算机可读介质,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至8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011125219.6A CN112241941B (zh) | 2020-10-20 | 2020-10-20 | 获取图像的方法、装置、设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011125219.6A CN112241941B (zh) | 2020-10-20 | 2020-10-20 | 获取图像的方法、装置、设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112241941A true CN112241941A (zh) | 2021-01-19 |
CN112241941B CN112241941B (zh) | 2024-03-22 |
Family
ID=74169240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011125219.6A Active CN112241941B (zh) | 2020-10-20 | 2020-10-20 | 获取图像的方法、装置、设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112241941B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241744A (zh) * | 2020-10-20 | 2021-01-19 | 北京字跳网络技术有限公司 | 图像颜色迁移方法、装置、设备和计算机可读介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107948529A (zh) * | 2017-12-28 | 2018-04-20 | 北京麒麟合盛网络技术有限公司 | 图像处理方法及装置 |
WO2018127091A1 (zh) * | 2017-01-09 | 2018-07-12 | 腾讯科技(深圳)有限公司 | 一种图像处理的方法、装置、相关设备及服务器 |
CN109102484A (zh) * | 2018-08-03 | 2018-12-28 | 北京字节跳动网络技术有限公司 | 用于处理图像的方法和装置 |
CN109426858A (zh) * | 2017-08-29 | 2019-03-05 | 京东方科技集团股份有限公司 | 神经网络、训练方法、图像处理方法及图像处理装置 |
CN109472270A (zh) * | 2018-10-31 | 2019-03-15 | 京东方科技集团股份有限公司 | 图像风格转换方法、装置及设备 |
CN110047122A (zh) * | 2019-04-04 | 2019-07-23 | 北京字节跳动网络技术有限公司 | 渲染图像的方法、装置、电子设备和计算机可读存储介质 |
CN110070499A (zh) * | 2019-03-14 | 2019-07-30 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置和计算机可读存储介质 |
CN110555799A (zh) * | 2019-09-26 | 2019-12-10 | 北京百度网讯科技有限公司 | 用于处理视频的方法和装置 |
US20190378257A1 (en) * | 2017-02-10 | 2019-12-12 | Hangzhou Hikvision Digital Technology Co., Ltd. | Multi-spectrum-based image fusion apparatus and method, and image sensor |
CN110852385A (zh) * | 2019-11-12 | 2020-02-28 | 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 |
CN110956575A (zh) * | 2018-09-26 | 2020-04-03 | 京东方科技集团股份有限公司 | 转变图像风格的方法和装置、卷积神经网络处理器 |
CN111127378A (zh) * | 2019-12-23 | 2020-05-08 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
CN111179282A (zh) * | 2019-12-27 | 2020-05-19 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、存储介质与电子设备 |
CN111383289A (zh) * | 2018-12-29 | 2020-07-07 | Tcl集团股份有限公司 | 图像处理方法、装置、终端设备及计算机可读存储介质 |
CN111784565A (zh) * | 2020-07-01 | 2020-10-16 | 北京字节跳动网络技术有限公司 | 图像处理方法、迁移模型训练方法、装置、介质及设备 |
US20210365710A1 (en) * | 2019-02-19 | 2021-11-25 | Boe Technology Group Co., Ltd. | Image processing method, apparatus, equipment, and storage medium |
-
2020
- 2020-10-20 CN CN202011125219.6A patent/CN112241941B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018127091A1 (zh) * | 2017-01-09 | 2018-07-12 | 腾讯科技(深圳)有限公司 | 一种图像处理的方法、装置、相关设备及服务器 |
US20190378257A1 (en) * | 2017-02-10 | 2019-12-12 | Hangzhou Hikvision Digital Technology Co., Ltd. | Multi-spectrum-based image fusion apparatus and method, and image sensor |
CN109426858A (zh) * | 2017-08-29 | 2019-03-05 | 京东方科技集团股份有限公司 | 神经网络、训练方法、图像处理方法及图像处理装置 |
CN107948529A (zh) * | 2017-12-28 | 2018-04-20 | 北京麒麟合盛网络技术有限公司 | 图像处理方法及装置 |
CN109102484A (zh) * | 2018-08-03 | 2018-12-28 | 北京字节跳动网络技术有限公司 | 用于处理图像的方法和装置 |
CN110956575A (zh) * | 2018-09-26 | 2020-04-03 | 京东方科技集团股份有限公司 | 转变图像风格的方法和装置、卷积神经网络处理器 |
CN109472270A (zh) * | 2018-10-31 | 2019-03-15 | 京东方科技集团股份有限公司 | 图像风格转换方法、装置及设备 |
US20200134797A1 (en) * | 2018-10-31 | 2020-04-30 | Boe Technology Group Co., Ltd. | Image style conversion method, apparatus and device |
CN111383289A (zh) * | 2018-12-29 | 2020-07-07 | Tcl集团股份有限公司 | 图像处理方法、装置、终端设备及计算机可读存储介质 |
US20210365710A1 (en) * | 2019-02-19 | 2021-11-25 | Boe Technology Group Co., Ltd. | Image processing method, apparatus, equipment, and storage medium |
CN110070499A (zh) * | 2019-03-14 | 2019-07-30 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置和计算机可读存储介质 |
CN110047122A (zh) * | 2019-04-04 | 2019-07-23 | 北京字节跳动网络技术有限公司 | 渲染图像的方法、装置、电子设备和计算机可读存储介质 |
CN110555799A (zh) * | 2019-09-26 | 2019-12-10 | 北京百度网讯科技有限公司 | 用于处理视频的方法和装置 |
CN110852385A (zh) * | 2019-11-12 | 2020-02-28 | 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 |
CN111127378A (zh) * | 2019-12-23 | 2020-05-08 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
CN111179282A (zh) * | 2019-12-27 | 2020-05-19 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、存储介质与电子设备 |
CN111784565A (zh) * | 2020-07-01 | 2020-10-16 | 北京字节跳动网络技术有限公司 | 图像处理方法、迁移模型训练方法、装置、介质及设备 |
Non-Patent Citations (3)
Title |
---|
XIANHUA ZENG 等: "Adaptive Medical Image Deep Color Perception Algorithm", 《IEEE ACCESS》, vol. 8, pages 2169 - 3536 * |
夏志明: "基于多色彩通道的深度伪造视频检测方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 02, pages 138 - 119 * |
李岩: "基于可计算美学的静物水彩画图像色彩评价研究与应用", 《中国优秀硕士学位论文全文数据库 哲学与人文科学辑》, no. 06, pages 088 - 39 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241744A (zh) * | 2020-10-20 | 2021-01-19 | 北京字跳网络技术有限公司 | 图像颜色迁移方法、装置、设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112241941B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112241714B (zh) | 图像中指定区域的识别方法、装置、可读介质和电子设备 | |
CN111314614B (zh) | 图像的处理方法、装置、可读介质和电子设备 | |
CN110069974B (zh) | 高光图像处理方法、装置和电子设备 | |
CN111260601B (zh) | 图像融合方法、装置、可读介质及电子设备 | |
WO2022142875A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111757100B (zh) | 相机运动变化量的确定方法、装置、电子设备和介质 | |
CN109102484B (zh) | 用于处理图像的方法和装置 | |
CN113962859A (zh) | 一种全景图生成方法、装置、设备及介质 | |
CN112348910A (zh) | 获取图像的方法、装置、设备和计算机可读介质 | |
CN112418249A (zh) | 掩膜图像生成方法、装置、电子设备和计算机可读介质 | |
CN110719407A (zh) | 图片美化方法、装置、设备及存储介质 | |
CN112241941B (zh) | 获取图像的方法、装置、设备和计算机可读介质 | |
CN110097520B (zh) | 图像处理方法和装置 | |
US20230360286A1 (en) | Image processing method and apparatus, electronic device and storage medium | |
CN111738950B (zh) | 图像处理方法及装置 | |
CN110636331B (zh) | 用于处理视频的方法和装置 | |
CN113066020A (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
CN112700385A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110555799A (zh) | 用于处理视频的方法和装置 | |
CN112241744B (zh) | 图像颜色迁移方法、装置、设备和计算机可读介质 | |
CN115375909A (zh) | 一种图像处理方法及装置 | |
CN110084835B (zh) | 用于处理视频的方法和装置 | |
CN112312200A (zh) | 视频封面生成方法、装置和电子设备 | |
CN112215789B (zh) | 图像去雾方法、装置、设备和计算机可读介质 | |
CN117692679B (zh) | 质量增强视频发送方法、装置、电子设备和可读介质 |
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 |