CN112308098A - 一种图像处理方法及装置 - Google Patents
一种图像处理方法及装置 Download PDFInfo
- Publication number
- CN112308098A CN112308098A CN201910684337.1A CN201910684337A CN112308098A CN 112308098 A CN112308098 A CN 112308098A CN 201910684337 A CN201910684337 A CN 201910684337A CN 112308098 A CN112308098 A CN 112308098A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- field
- file format
- processed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 20
- 238000013136 deep learning model Methods 0.000 claims description 19
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 19
- 238000013523 data management Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Library & Information Science (AREA)
- Geometry (AREA)
- Studio Devices (AREA)
Abstract
本申请实施例提供了一种图像处理方法及装置,所述方法包括:获取待处理图像及其标定信息;确定所述待处理图像的文件格式;根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段;将所述标定信息按照预设协议添加至所述目标字段,得到处理后的图像。采用该方案,可以将图像的标定信息添加至图像数据的目标字段,标定信息和图像不再是两个单独的文件,标定信息不会丢失,方便对图像进行管理及使用。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种图像处理方法及装置。
背景技术
图像作为一种计算机可处理的数据,在各个领域的应用非常广泛,例如,人脸识别领域、车辆检测领域、模型训练领域等。由于图像的数量往往是非常多的,为了方便对大量的图像进行管理,会为每个图像设置标定信息,其中,标定信息即为根据实际需要标记的图像的一些属性信息,例如,可以包括图像类型、图像中目标对象的位置信息、图像的拍摄参数等信息。
在目前的图像管理系统中,标定信息单独存储为一个文件,图像存储为另一个文件,并通过一定的映射关系进行匹配,这样,在对图像进行管理或使用时,便可以根据标定信息与图像之间的映射关系,确定每个图像对应的标定信息。
在上述图像管理系统中,在图像迁移或使用过程中,标定信息文件容易丢失,导致其对应的图像无法再进行管理及使用。例如,在图像用于模型训练的情况下,对于训练算法来说,需要同时存在图像及其标定信息,标定信息丢失,其对应的图像也就无法再用于模型训练。
发明内容
本申请实施例的目的在于提供一种图像处理方法及装置,以解决标定信息文件容易丢失的问题。具体技术方案如下:
第一方面,本申请实施例提供了一种图像处理方法,所述方法包括:
获取待处理图像及其标定信息;
确定所述待处理图像的文件格式;
根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段;
将所述标定信息按照预设协议添加至所述目标字段,得到处理后的图像。
可选的,所述待处理图像的文件格式为JPEG格式或JPG格式;
所述根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段的步骤,包括:
根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段为COM注解字段。
可选的,所述待处理图像的文件格式为便携式网络图形格式;
所述根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段的步骤,包括:
根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段为tEXt文本信息数据块字段或zTXt压缩文本数据块字段。
可选的,所述待处理图像的文件格式为标签图像文件格式;
所述根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段的步骤,包括:
根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段为DE目录项字段。
可选的,在所述将所述标定信息按照预设协议添加至所述目标字段的步骤之后,所述方法还包括:
记录所述目标字段的数据长度。
可选的,所述标定信息为标识所述待处理图像的特征的信息,用于对所述待处理图像进行分类管理。
可选的,在所述将所述标定信息按照预设协议添加至所述目标字段,得到处理后的图像的步骤之后,所述方法还包括:
将所述处理后的图像作为虚拟样本图像,以用于训练深度学习模型。
第二方面,本申请实施例提供了另一种图像处理方法,所述方法包括:
获取目标图像;
确定所述目标图像的文件格式;
根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段;
读取所述目标字段包括的自定义数据;
按照预设协议对所述自定义数据进行解析,得到所述目标图像对应的标定信息。
可选的,在所述读取所述目标字段包括的自定义数据的步骤之前,所述方法还包括:
判断所述目标字段是否包括自定义数据;
如果是,执行所述读取所述目标字段包括的自定义数据的步骤。
可选的,所述目标图像的文件格式为JPEG格式或JPG格式;
所述根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段的步骤,包括:
根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段为COM注解字段。
可选的,所述目标图像的文件格式为便携式网络图形格式;
所述根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段的步骤,包括:
根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段为tEXt文本信息数据块字段和zTXt压缩文本数据块字段。
可选的,所述目标图像的文件格式为标签图像文件格式;
所述根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段的步骤,包括:
根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段为DE目录项字段。
可选的,在所述读取所述目标字段包括的自定义数据的步骤之前,所述方法还包括:
读取所述目标字段的数据长度;
判断所述数据长度与目标长度是否相同,其中,所述目标长度为将所述标定信息按照所述预设协议添加至所述目标字段时所记录的目标字段的数据长度;
如果是,执行所述读取所述目标字段包括的自定义数据的步骤。
可选的,所述标定信息为标识所述目标图像的特征的信息;
在所述按照预设协议对所述自定义数据进行解析,得到所述目标图像对应的标定信息的步骤之后,所述方法还包括:
将所述目标图像及其标定信息作为虚拟样本图像,通过深度学习训练平台,对深度学习模型进行训练。
第三方面,本申请实施例提供了一种图像处理装置,所述装置包括:
待处理图像获取模块,用于获取待处理图像及其标定信息;
第一文件格式确定模块,用于确定所述待处理图像的文件格式;
第一目标字段确定模块,用于根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段;
标定信息添加模块,用于将所述标定信息按照预设协议添加至所述目标字段,得到处理后的图像。
第四方面,本申请实施例提供了另一种图像处理装置,所述装置包括:
目标图像获取模块,用于获取目标图像;
第二文件格式确定模块,用于确定所述目标图像的文件格式;
第二目标字段确定模块,用于根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段;
自定义数据读取模块,用于读取所述目标字段包括的自定义数据;
标定信息确定模块,用于按照预设协议对所述自定义数据进行解析,得到所述目标图像对应的标定信息。
本申请实施例所提供的方案中,电子设备可以获取待处理图像及其标定信息,确定待处理图像的文件格式,根据待处理图像的文件格式及预设的文件格式与字段的对应关系,确定待处理图像对应的目标字段,进而将标定信息按照预设协议添加至目标字段,得到处理后的图像。采用该方案,可以将图像的标定信息添加至图像数据的目标字段,标定信息和图像不再是两个单独的文件,标定信息不会丢失,方便对图像进行管理及使用。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例所提供的第一种图像处理方法的流程图;
图2为本申请实施例所提供的COM注解段的一种规定结构示意图;
图3为本申请实施例所提供的PNG格式的图像文件的一种结构示意图;
图4为本申请实施例所提供的第二种图像处理方法的流程图;
图5为基于图1所示实施例的目标字段的数据长度的一种判断方式的流程图;
图6为本申请实施例所提供的第一种图像处理装置的结构示意图;
图7为本申请实施例所提供的第二种图像处理装置的结构示意图;
图8为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。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,都属于本申请保护的范围。
为了解决标定信息文件容易丢失的问题,方便对图像进行管理及使用,本申请实施例提供了一种图像处理方法、装置、电子设备及计算机可读存储介质。
下面首先对本申请实施例所提供的第一种图像处理方法进行介绍。
本申请实施例所提供的第一种图像处理方法可以应用于任意需要处理图像及其标定信息的电子设备,例如,可以为处理器、电脑、手机等,在此不做具体限定。为了描述方便,以下简称第一电子设备。
如图1所示,一种图像处理方法,所述方法包括:
S101,获取待处理图像及其标定信息;
S102,确定所述待处理图像的文件格式;
S103,根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段;
S104,将所述标定信息按照预设协议添加至所述目标字段,得到处理后的图像。
可见,本申请实施例所提供的方案中,第一电子设备可以获取待处理图像及其标定信息,确定待处理图像的文件格式,根据待处理图像的文件格式及预设的文件格式与字段的对应关系,确定待处理图像对应的目标字段,进而将标定信息按照预设协议添加至目标字段,得到处理后的图像。采用该方案,可以将图像的标定信息添加至图像数据的目标字段,标定信息和图像不再是两个单独的文件,标定信息不会丢失,方便对图像进行管理及使用。
在上述步骤S101中,在需要对图像及其标定信息进行处理时,第一电子设备可以获取待处理图像及其标定信息,其中,待处理图像即为需要进行处理的图像,其可以是第一电子设备本地存储的图像,也可以是其他电子设备发送至第一电子设备的图像,还可以是第一电子设备从网络下载的图像等,在此不做具体限定。
待处理图像的标定信息可以包括图像类型、图像中目标对象的位置信息、图像的拍摄参数等信息,待处理图像的标定信息可以根据待处理图像的用途等因素预先标记得到。例如,待处理图像用于作为训练机器学习模型的图像样本,该机器学习模型用于人脸识别,那么待处理图像的标定信息可以为人脸所在位置。
获取待处理图像及其标定信息后,为了解决标定信息容易丢失的问题,可以将标定信息和待处理图像融合成一个文件,那么便需要将标定信息添加至待处理图像中。为了不破坏待处理图像的图像信息,可以将标定信息添加至待处理图像中允许用户自定义的字段。
由于图像具体多种文件格式,而图像中允许用户自定义的字段与文件格式有关,因此为了方便确定待处理图像中允许用户自定义的字段,第一电子设备可以根据各种文件格式的图像中具体允许用户自定义的字段,预先设置文件格式与字段的对应关系,也就是上述预设的文件格式与字段的对应关系。
这样,在上述步骤S102中确定待处理图像的文件格式后,第一电子设备可以根据待处理图像的文件格式及预设的文件格式与字段的对应关系,确定待处理图像的目标字段,也就是执行上述步骤S103。
其中,目标字段即为待处理图像中允许用户自定义的字段。待处理图像的文件格式可以为JPEG(Joint Photographic Experts Group)格式、JPG(Joint PhotographicGroup)格式、PNG(Portable Network Graphics,便携式网络图形)格式及Tiff(Tag ImageFile Format,标签图像文件格式)格式等,在此不做具体限定。
接下来,第一电子设备便可以执行步骤S104,即将标定信息按照预设协议添加至目标字段,便可以得到处理后的图像。其中,预设协议可以为预先根据图像的文件格式、目标字段的结构等因素确定,在此不做具体限定。
在一种实施方式中,第一电子设备可以将标定信息按照上述预设协议压缩打包至待处理图像的目标字段。例如,标定信息为标记待处理图像中人脸位置的矩形框的四个顶点的坐标,以及采集待处理图像时的采集参数,那么第一电子设备便可以将该四个顶点的坐标以及该采集参数按照预设协议压缩打包至待处理图像的目标字段。
获得的处理后的图像即为包括图像信息以及标定信息的图像文件,为了方便后续的管理和使用,第一电子设备可以将处理后的图像存储至预设的数据库中,以便备用。
作为本申请实施例的一种实施方式,上述待处理图像的文件格式可以为JPEG格式或JPG格式。
在这种情况下,上述根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段的步骤,可以包括:
根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段为COM注解字段。
由于在JPEG格式或JPG格式的图像中抓取图像信息中自定义信息需要符合《ITU-T.81(09/92):Information technology-Digital compression and coding ofcontinuous-tone still images-Requirements and guidelines》中规定的压缩数据格式。以JPEG格式的图像文件为例,JPEG格式的图像文件以字符串X’FFD8’开头,并以字符串X’FFD9’结束。图像文件中有一系列X’FF??’格式的字符串,称为“JPEG标记”或“JPEG标记段”,用来标记JPEG文件的信息段。X’FFD8’表示图像信息开始,X’FFD9’表示图像信息结束,这两个标识后面没有信息,而其它标识紧跟一些信息字符。
标记段由标记和随后一个有序参数序列组成。标记段中的第一个参数是一个2字节长度参数,该长度参数记录标记段中的字节数,在计数时,包括长度参数,不包含2字节长的标记。
下表为JPEG格式的图像文件中各字段的代码赋值以及字段的含义。
可以看出,JPEG格式的图像文件中,可以允许用户添加自定义信息的字段仅有APPn应用字段(X’FFE0’到X’FFEF’)和COM注解字段(X’FFFE’)。其中,APPn应用字段为第三方自定义并预先占用的字段,无法再进行自定义信息的添加。
因此,第一电子设备可以设置文件格式与字段的对应关系中,JPEG格式或JPG格式对应的字段为COM注解字段。那么在确定待处理图像的文件格式后,第一电子设备并可以根据JPEG格式或JPG格式对应的字段为COM注解字段,以及待处理图像的文件格式,确定待处理图像对应的目标字段为COM注解字段。
对于COM注解字段,图2为COM注解段的规定结构。COM注解字段的开始为COM注解标记,标记代码为X’FFFE’,自定义信息应出现在压缩数据的有序字节序列的前面。接下来为Lc注解段长度,用于指定COM注解字段的长度,自定义信息应出现在压缩数据的有序字节序列的前面。接下来是Cmi注解字节,其中,i的取值为1-Lc-2。下表为COM注解字段中参数大小和值。
参数 | 大小(位) | 值 |
Lc | 16 | 2-65535 |
Cm<sub>i</sub> | 8 | 0-255 |
第一电子设备在将标定信息按照预设协议添加至COM注解字段时,可以根据图2所示的COM注解段的规定结构以及上述参数大小和值的规定设置预设协议,以保证将标定信息顺利添加至COM注解字段。
可见,在本实施例中,在待处理图像的文件格式为JPEG格式或JPG格式时,第一电子设备可以确定待处理图像的目标字段为COM注解字段,使用COM注解字段作为目标字段,不存在图像解码兼容性问题,码流符合JPEG标准。同时,不会与APPn应用字段语法产生冲突。
作为本申请实施例的一种实施方式,上述待处理图像的文件格式可以为PNG格式。
在这种情况下,上述根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段的步骤,可以包括:
根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段为为tEXt文本信息数据块字段或zTXt压缩文本数据块字段。
PNG格式的图像文件总体上由两部分组成,分别是文件标志和数据块(chunks)。图像文件开始为文件标志,其后的数据是数据块,其中,数据块可以分为两类,分别为关键数据块(critical chunks)和辅助数据块(ancillary chunks)。关键数据块在PNG格式的图像文件中是必要的,而辅助数据块则是可选的。
辅助数据块一般有14个,这些辅助数据块可以包含很多信息,PNG格式的图像文件的辅助数据块的组织顺序可以如下表所示:
可以看出,PNG格式的图像文件中,tEXt字段或者zTXt字段对于位置没有限制,并且允许存在多个数据块,因此,第一电子设备可以设置文件格式与字段的对应关系中,PNG格式对应的字段为tEXt字段或者zTXt字段。那么在确定待处理图像的文件格式后,第一电子设备并可以根据PNG格式对应的字段为tEXt字段或者zTXt字段,以及待处理图像的文件格式,确定待处理图像对应的目标字段为tEXt字段或者zTXt字段。
在一种实施方式中,PNG格式的图像文件的结构可以如图3所示,其中,图像文件开始为文件标志HEAD,然后为文件头数据块IHDR,其后为图像数据块(image data chunk,IDAT),然后为tEXt字段,其后为zTXt字段,最后为图像结束数据块IEND。
第一电子设备在将标定信息按照预设协议添加至tEXt字段或者zTXt字段时,可以根据tEXt字段或者zTXt字段的规定结构设置预设协议,以保证将标定信息顺利添加至tEXt字段或者zTXt字段。
可见,在本实施例中,在待处理图像的文件格式为PNG格式时,第一电子设备可以确定待处理图像的目标字段为tEXt字段或者zTXt字段,使用tEXt字段或者zTXt字段作为目标字段,可以在不破坏原有图像数据的基础上将标定信息添加至图像文件中,避免标定信息丢失。
作为本申请实施例的一种实施方式,上述待处理图像的文件格式可以为Tiff格式;
在这种情况下,上述根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段的步骤,可以包括:
根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段为DE目录项字段。
Tiff格式的图像文件包括三个关键部分,分别为图像文件头(Image FileHeader,IFH)、图像文件目录(Image File Directory,IFD)和目录项(Directory Entry,DE)。每一个Tiff格式的图像文件是以8字节的IFH开始的,这个IFH指向第一个IFD。IFD包含图像文件的各种信息,同时也包含一个指向实际图像数据的指针。
具体来说,IFH的构成为:字节0-1:字节顺序标志位,值为II或者MM。II表示小字节在前,又称为little-endian,MM表示大字节在前,又称为big-endian;字节2-3:Tiff的标志位,一般值为42;字节4-7:第一个IFD的偏移量,可以在任意位置,但必须是在一个字的边界,也就是说必须是2的整数倍。
IFD的构成为:字节0-1:表示此IFD包含了多少个DE,假设数目为n;那么,字节2-(n×12+1):n个DE;字节(n×12+2)-(n×12+5):下一个IFD的偏移量,如果没有则置为0,0代表此IFD的起始位置。
DE的构成为:字节0-1:此TAG的唯一标识;字节2-3:数据类型;字节4-7:数量。通过数据类型和数量可以确定存储此TAG的数据需要占据的字节数。字节8-11:如果占用的字节数少于4,则数据直接存于此。如果超过4个,则这里存放的是指向实际数据的指针。
Tiff格式的图像文件中DE目录项字段一般共有12个字节,其结构可以如下表所示:
名称 | 字节数 | 数据类型 | 说明 |
tag | 2 | Integer | 本属性的标签编号 |
type | 2 | Integer | 本属性值的数据类型 |
type | 4 | Long | 该类型数据的数量 |
valueOffset | 4 | Long | 属性值的存放偏移量 |
DE目录项字段的数量可以是不定的,因为每个DE只标识了图像的一个属性,那么图像文件有N个属性就会有N个DE,用户甚至可添加自定义的标记属性,这也是Tiff格式的图像文件称为可扩充标记文件的原因。
因此,第一电子设备可以设置文件格式与字段的对应关系中,Tiff格式对应的字段为DE目录项字段。那么在确定待处理图像的文件格式后,第一电子设备并可以根据Tiff格式对应的字段为DE目录项字段,以及待处理图像的文件格式,确定待处理图像对应的目标字段为DE目录项字段。
第一电子设备在将标定信息按照预设协议添加至DE目录项字段时,可以根据DE目录项字段的规定结构设置预设协议,以保证将标定信息顺利添加至DE目录项字段。
可见,在本实施例中,在待处理图像的文件格式为Tiff格式时,第一电子设备可以确定待处理图像的目标字段为DE目录项字段,使用DE目录项字段,可以在不破坏原有图像数据的基础上将标定信息添加至图像文件中,避免标定信息丢失。
作为本申请实施例的一种实施方式,在上述将所述标定信息按照预设协议添加至所述目标字段的步骤之后,上述方法还可以包括:
记录所述目标字段的数据长度。
为了方便后续读取目标字段中的数据等操作,第一电子设备在将上述标定信息按照预设协议添加至目标字段后,可以记录目标字段的数据长度。例如,可以记录目标字段的字节数等。
作为本申请实施例的一种实施方式,上述标定信息可以为标识待处理图像的特征的信息,可以用于对待处理图像进行分类管理。
例如,标定信息可以通过在图像中的标定框来框出目标对象,又例如,标定信息可以为图像中目标对象的属性或者类别信息,如,目标对象为成年长发女性,又如,目标对象的车牌信息。或者,标定信息为表征目标对象的特征向量或者字符串等等。
作为本申请实施例的一种实施方式,在将所述标定信息按照预设协议添加至所述目标字段,得到处理后的图像的步骤之后,还包括:
将所述处理后的图像作为虚拟样本图像,以用于训练深度学习模型。
由于图像从不同的方面进行分类可以分为多种类别,不同类别的图像可以用于不同的后续处理,所以为了方便对图像管理,可以为图像添加标定信息,以标识其所属类别。
作为本申请实施例的一种实施方式,上述处理后的图像可以为虚拟样本图像。
在这种情况下,在上述将所述标定信息按照预设协议添加至所述目标字段,得到处理后的图像的步骤之后,上述方法还可以包括:
上传所述处理后的图像至预先建立的图像管理平台,用于训练深度学习模型。
通过上述图像处理方法可以获得大量的虚拟样本图像,这些虚拟样本图像的标定信息已知,可以用于训练深度学习模型。为了方便进行管理,第一电子设备在得到处理后的图像后,可以将处理后的图像至预先建立的图像管理平台,图像管理平台可以保存处理后的图像,以便需要时将这些虚拟样本图像用于训练深度学习模型。
可见,在本实施例中,上述处理后的图像可以为虚拟样本图像,在将标定信息按照预设协议添加至目标字段,得到处理后的图像之后,第一电子设备可以上传处理后的图像至预先建立的图像管理平台,以便需要时用于训练深度学习模型。由于虚拟样本图像包括标定信息及图像数据,不会出现其中一个丢失的情况,更加便于训练深度学习模型。
相应于上述第一种图像处理方法,本申请实施例还提供了另一种图像处理方法,下面对本申请实施例所提供的第二种图像处理方法进行介绍。
本申请实施例所提供的第二种图像处理方法可以应用于任意需要处理图像得到其标定信息的电子设备,例如,可以为处理器、电脑、手机等,在此不做具体限定。为了描述方便,以下简称第二电子设备。第二电子设备与上述第一电子设备可以为同一个电子设备,也可以为不同的电子设备,这都是合理的。
如图4所示,一种图像处理方法,所述方法包括:
S401,获取目标图像;
S402,确定所述目标图像的文件格式;
S403,根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段;
S404,读取所述目标字段包括的自定义数据;
S405,按照预设协议对所述自定义数据进行解析,得到所述目标图像对应的标定信息。
可见,本申请实施例所提供的方案中,第二电子设备可以获取目标图像,确定目标图像的文件格式,然后根据目标图像的文件格式及预设的文件格式与字段的对应关系,确定目标图像对应的目标字段,进而读取目标字段包括的自定义数据,按照预设协议对自定义数据进行解析,便可以得到目标图像对应的标定信息。采用该方案,可以将目标图像中的标定信息读取出来,便于对目标图像进行管理和使用。
在上述步骤S401中,在需要读取图像的其标定信息时,第二电子设备可以获取该图像,该图像也就是上述目标图像。其中,目标图像可以是采用上述第一种图像处理方法处理得到的图像。
由于目标图像的目标字段与其文件格式有关,所以第二电子设备获取目标图像后,可以确定目标图像的文件格式,进而,便可以根据目标图像的文件格式及预设的文件格式与字段的对应关系,确定目标图像对应的目标字段,也就是执行步骤S403。其中,预设的文件格式与字段的对应关系已经在上述第一种图像处理方法中进行了介绍,在此不再是赘述。
确定了目标图像对应的目标字段后,第二电子设备便可以执行步骤S404,即读取目标字段包括的自定义数据,其中,读取自定义数据的具体方式可以根本目标图像的文件格式确定,采用与其文件格式对应的读取方式即可。
进而,第二电子设备可以按照预设协议对自定义数据进行解析,也就可以得到目标图像对应的标定信息。其中,预设协议即为将标定信息添加至待处理图像中时所采用的协议。这样,第二电子设备便可以顺利获取目标图像对应的标定信息。
获得目标图像对应的标定信息后,可以根据目标图像的实际用途,对其进行分类以便备用。
作为本申请实施例的一种实施方式,在上述读取所述目标字段包括的自定义数据的步骤之前,上述方法还可以包括:
判断所述目标字段是否包括自定义数据;如果是,执行所述读取所述目标字段包括的自定义数据的步骤。
由于目标图像可能为不包括标定信息的图像文件,那么为了确定目标图像是否包括标定信息,在读取目标字段包括的自定义数据之前,第二电子设备可以判断目标字段是否包括自定义数据。如果包括自定义数据,再执行读取目标字段包括的自定义数据的步骤;如果不包括自定义数据,那么便可以不执行读取目标字段包括的自定义数据的步骤。
在一种实施方式中,由于目标字段一般具有起始符、标识符等标识自定义数据开始的标志,第二电子设备可以通过判断目标字段是否具有起始符、标识符等标识来确定目标字段是否包括自定义数据。
可见,在本实施例中,在读取目标字段包括的自定义数据之前,第二电子设备可以判断目标字段是否包括自定义数据,如果是,执行读取目标字段包括的自定义数据的步骤。这样,在目标字段不包括自定义数据的情况下,便可以不进行读取操作,节省资源占用,提高图像处理效率。
作为本申请实施例的一种实施方式,上述目标图像的文件格式可以为JPEG格式或JPG格式。
在这种情况下,上述根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段的步骤,可以包括:
根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段为COM注解字段。
作为本申请实施例的一种实施方式,上述目标图像的文件格式可以为PNG格式。
在这种情况下,上述根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段的步骤,可以包括:
根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段为tEXt文本信息数据块字段和zTXt压缩文本数据块字段。
作为本申请实施例的一种实施方式,上述目标图像的文件格式可以为Tiff格式。
在这种情况下,上述根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段的步骤,可以包括:
根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段为DE目录项字段。
由于目标图像的文件格式可以为JPEG格式或JPG格式、PNG格式、Tiff格式的情况下,第二电子设备确定目标字段的具体方式与上述第一种图像处理方法中,第一电子设备确定目标字段的具体方式相似,相关之处可以参加上述第一种图像处理方法中,第一电子设备确定目标字段的具体方式部分的说明,在此不再赘述。
作为本申请实施例的一种实施方式,在上述读取所述目标字段包括的自定义数据的步骤之前,如图5所示,上述方法还可以包括:
S501,读取所述目标字段的数据长度;
为了确定目标图像中目标字段所包括的数据是否丢失,或者发生错误,在读取目标字段包括的自定义数据之前,第二电子设备可以先读取目标字段的数据长度。
S502,判断所述数据长度与目标长度是否相同,如果是,执行步骤S503;如果否,停止图像处理操作。
读取目标字段的数据长度后,第二电子设备便可以判断该数据长度与目标长度是否相同,其中,目标长度为将标定信息按照预设协议添加至目标字段时所记录的目标字段的数据长度。
在将标定信息按照上述预设协议添加至目标字段时,可以记录的目标字段的数据长度,这样,在第二电子设备读取目标字段的数据长度后,便可以判断该数据长度与目标长度是否相同。
如果第二电子设备读取目标字段的数据长度与目标长度相同,说明目标字段所包括的数据未发生丢失,或者错误的情况,那么便可以继续执行读取目标字段包括的自定义数据的步骤S503。
如果第二电子设备读取目标字段的数据长度与目标长度不同,说明目标字段所包括的数据发生了丢失,或者错误的问题,那么目标字段所包括的数据已经不是准确的标定信息,所以第二电子设备便可以图像处理操作。
S503,读取所述目标字段包括的自定义数据。
由于步骤S503与上述步骤S404相同,在此不再赘述。
可见,在本实施例中,在读取所述目标字段包括的自定义数据之前,第二电子设备可以读取目标字段的数据长度,进而判断该数据长度与目标长度是否相同,如果是,再执行读取目标字段包括的自定义数据的步骤。这样,在目标字段所包括的数据发生丢失,或者错误的情况下,便可以不进行读取操作,节省资源占用,提高图像处理效率。
作为本申请实施例的一种实施方式,上述标定信息可以为标识目标图像的特征的信息。
作为本申请实施例的可选实施方式,在所述按照预设协议对所述自定义数据进行解析,得到所述目标图像对应的标定信息的步骤之后,还包括:
将所述目标图像及其标定信息作为虚拟样本图像,通过深度学习训练平台,对深度学习模型进行训练。
上述获取目标图像的步骤,可以包括:
从预先建立的图像管理平台读取目标图像。
在一种实施方式中,目标图像可以为上述第一电子设备上传至预先建立的图像管理平台的图像,那么此时第二电子设备便可以从预先建立的图像管理平台读取目标图像。
相应的,在上述按照预设协议对所述自定义数据进行解析,得到所述目标图像对应的标定信息的步骤之后,上述方法还可以包括:
根据所述标定信息对所述目标图像进行分类;将分类后的目标图像及其标定信息上传至预先建立的数据管理平台,以使所述数据管理平台基于所述分类后的目标图像及其标定信息,对预设的深度学习模型进行训练。
由于目标图像的标定信息可以标识目标图像的特征,所以第二电子设备可以根据目标图像的标定信息对目标图像进行分类,以确定目标图像的类别,方便对图像进行应用。
进而,第二电子设备可以将分类后的目标图像及其标定信息上传至预先建立的数据管理平台,这样,数据管理平台便可以将分类后的目标图像及其标定信息作为虚拟样本图像,对预设的深度学习模型进行训练,已得到需要的深度学习模型。
可见,在本实施例中,第二电子设备可以从预先建立的图像管理平台读取目标图像,在得到目标图像对应的标定信息之后,可以根据标定信息对目标图像进行分类,进而,将分类后的目标图像及其标定信息上传至预先建立的数据管理平台,这样,数据管理平台可以基于分类后的目标图像及其标定信息,对预设的深度学习模型进行训练,由于虚拟样本图像包括标定信息及图像数据,不会出现其中一个丢失的情况,更加便于训练深度学习模型。
相应于上述第一种图像处理方法,本申请实施例还提供了一种图像处理装置。
如图6所示,一种图像处理装置,所述装置包括:
待处理图像获取模块610,用于获取待处理图像及其标定信息;
第一文件格式确定模块620,用于确定所述待处理图像的文件格式;
第一目标字段确定模块630,用于根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段;
标定信息添加模块640,用于将所述标定信息按照预设协议添加至所述目标字段,得到处理后的图像。
可见,本申请实施例所提供的方案中,第一电子设备可以获取待处理图像及其标定信息,确定待处理图像的文件格式,根据待处理图像的文件格式及预设的文件格式与字段的对应关系,确定待处理图像对应的目标字段,进而将标定信息按照预设协议添加至目标字段,得到处理后的图像。采用该方案,可以将图像的标定信息添加至图像数据的目标字段,标定信息和图像不再是两个单独的文件,标定信息不会丢失,方便对图像进行管理及使用。
作为本申请实施例的一种实施方式,上述待处理图像的文件格式可以为JPEG格式或JPG格式;
上述第一目标字段确定模块630可以包括:
第一目标字段确定单元(图6中未示出),用于根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段为COM注解字段。
作为本申请实施例的一种实施方式,上述待处理图像的文件格式可以为PNG格式;
上述第一目标字段确定模块630可以包括:
第二目标字段确定单元(图6中未示出),用于根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段为为tEXt文本信息数据块字段或zTXt压缩文本数据块字段。
作为本申请实施例的一种实施方式,上述待处理图像的文件格式可以为Tiff格式;
上述第一目标字段确定模块630可以包括:
第三目标字段确定单元(图6中未示出),用于根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段为DE目录项字段。
作为本申请实施例的一种实施方式,上述装置还可以包括:
数据长度记录模块(图6中未示出),用于在所述将所述标定信息按照预设协议添加至所述目标字段的步骤之后,记录所述目标字段的数据长度。
作为本申请实施例的一种实施方式,上述标定信息可以为标识所述待处理图像的特征的信息,用于对所述待处理图像进行分类管理。
作为本申请实施例的一种实施方式,上述装置还可以包括:
数据处理模块(图6中未示出),用于在所述将所述标定信息按照预设协议添加至所述目标字段,得到处理后的图像之后,将所述处理后的图像作为虚拟样本图像,以用于训练深度学习模型。
作为本申请实施例的一种实施方式,上述数据处理模块可以包括:
虚拟图像上传单元(图6中未示出),用于将所述处理后的图像作为虚拟样本图像,上传至预先建立的图像管理平台,以用于训练深度学习模型。
相应于上述第二种图像处理方法,本申请实施例还提供了第二种图像处理装置。
如图7所示,一种图像处理装置,所述装置包括:
目标图像获取模块710,用于获取目标图像;
第二文件格式确定模块720,用于确定所述目标图像的文件格式;
第二目标字段确定模块730,用于根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段;
自定义数据读取模块740,用于读取所述目标字段包括的自定义数据;
标定信息确定模块750,用于按照预设协议对所述自定义数据进行解析,得到所述目标图像对应的标定信息。
可见,本申请实施例所提供的方案中,第二电子设备可以获取目标图像,确定目标图像的文件格式,然后根据目标图像的文件格式及预设的文件格式与字段的对应关系,确定目标图像对应的目标字段,进而读取目标字段包括的自定义数据,按照预设协议对自定义数据进行解析,便可以得到目标图像对应的标定信息。采用该方案,可以将目标图像中的标定信息读取出来,便于对目标图像进行管理和使用。
作为本申请实施例的一种实施方式,上述装置还可以包括:
数据判断模块(图7中未示出),用于在所述读取所述目标字段包括的自定义数据之前,判断所述目标字段是否包括自定义数据;如果是,触发所述自定义数据读取模块。
作为本申请实施例的一种实施方式,上述目标图像的文件格式可以为JPEG格式或JPG格式;
上述第二目标字段确定模块730可以括:
第四目标字段确定单元(图7中未示出),用于根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段为COM注解字段。
作为本申请实施例的一种实施方式,上述目标图像的文件格式可以为PNG格式;
上述第二目标字段确定模块730可以包括:
第五目标字段确定单元(图7中未示出),用于根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段为tEXt文本信息数据块字段和zTXt压缩文本数据块字段。
作为本申请实施例的一种实施方式,上述目标图像的文件格式可以为Tiff格式;
上述第二目标字段确定模块730可以包括:
第六目标字段确定单元(图7中未示出),用于根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段为DE目录项字段。
作为本申请实施例的一种实施方式,上述装置还可以包括:
数据长度读取模块(图7中未示出),用于在所述读取所述目标字段包括的自定义数据之前,读取所述目标字段的数据长度;
长度判断模块(图7中未示出),用于判断所述数据长度与目标长度是否相同,如果是,触发所述自定义数据读取模块。
其中,所述目标长度为将所述标定信息按照所述预设协议添加至所述目标字段时所记录的目标字段的数据长度。
作为本申请实施例的一种实施方式,上述标定信息可以为标识所述目标图像的特征的信息;
上述装置还可以包括:
模型训练模块(图7中未示出),用于在上述按照预设协议对所述自定义数据进行解析,得到所述目标图像对应的标定信息之后,将所述目标图像及其标定信息作为虚拟样本图像,通过深度学习训练平台,对深度学习模型进行训练。
作为本申请实施例的一种实施方式,上述目标图像获取模块710可以包括:
目标图像获取单元(图7中未示出),用于从预先建立的图像管理平台读取目标图像;
上述模型训练模块可以包括:
图像分类单元(图7中未示出),用于根据所述标定信息对所述目标图像进行分类;
数据上传单元(图7中未示出),用于将分类后的目标图像及其标定信息上传至预先建立的数据管理平台,以使所述数据管理平台基于所述分类后的目标图像及其标定信息,对预设的深度学习模型进行训练。
本申请实施例还提供了一种电子设备,如图8所示,电子设备可以包括处理器801和存储器802,其中,
存储器802,用于存放计算机程序;
处理器801,用于执行存储器802上所存放的程序时,实现上述任一实施例所述的图像处理方法步骤。
可见,本申请实施例所提供的方案中,电子设备可以将图像的标定信息添加至图像数据的目标字段,标定信息和图像不再是两个单独的文件,标定信息不会丢失,方便对图像进行管理及使用。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例所述的图像处理方法步骤。
可见,本申请实施例所提供的方案中,计算机程序被处理器执行时,可以将图像的标定信息添加至图像数据的目标字段,标定信息和图像不再是两个单独的文件,标定信息不会丢失,方便对图像进行管理及使用。
需要说明的是,对于上述装置、电子设备及计算机可读存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
进一步需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。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,均包含在本申请的保护范围内。
Claims (16)
1.一种图像处理方法,其特征在于,所述方法包括:
获取待处理图像及其标定信息;
确定所述待处理图像的文件格式;
根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段;
将所述标定信息按照预设协议添加至所述目标字段,得到处理后的图像。
2.如权利要求1所述的方法,其特征在于,所述待处理图像的文件格式为JPEG格式或JPG格式;
所述根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段的步骤,包括:
根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段为COM注解字段。
3.如权利要求1所述的方法,其特征在于,所述待处理图像的文件格式为便携式网络图形格式;
所述根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段的步骤,包括:
根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段为tEXt文本信息数据块字段或zTXt压缩文本数据块字段。
4.如权利要求1所述的方法,其特征在于,所述待处理图像的文件格式为标签图像文件格式;
所述根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段的步骤,包括:
根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段为DE目录项字段。
5.如权利要求1-4任一项所述的方法,其特征在于,在所述将所述标定信息按照预设协议添加至所述目标字段的步骤之后,所述方法还包括:
记录所述目标字段的数据长度。
6.如权利要求1-4任一项所述的方法,其特征在于,所述标定信息为标识所述待处理图像的特征的信息,用于对所述待处理图像进行分类管理。
7.如权利要求1-4任一项所述的方法,其特征在于,在所述将所述标定信息按照预设协议添加至所述目标字段,得到处理后的图像的步骤之后,所述方法还包括:
将所述处理后的图像作为虚拟样本图像,以用于训练深度学习模型。
8.一种图像处理方法,其特征在于,所述方法包括:
获取目标图像;
确定所述目标图像的文件格式;
根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段;
读取所述目标字段包括的自定义数据;
按照预设协议对所述自定义数据进行解析,得到所述目标图像对应的标定信息。
9.如权利要求8所述的方法,其特征在于,在所述读取所述目标字段包括的自定义数据的步骤之前,所述方法还包括:
判断所述目标字段是否包括自定义数据;
如果是,执行所述读取所述目标字段包括的自定义数据的步骤。
10.如权利要求8所述的方法,其特征在于,所述目标图像的文件格式为JPEG格式或JPG格式;
所述根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段的步骤,包括:
根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段为COM注解字段。
11.如权利要求8所述的方法,其特征在于,所述目标图像的文件格式为便携式网络图形格式;
所述根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段的步骤,包括:
根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段为tEXt文本信息数据块字段和zTXt压缩文本数据块字段。
12.如权利要求8所述的方法,其特征在于,所述目标图像的文件格式为标签图像文件格式;
所述根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段的步骤,包括:
根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段为DE目录项字段。
13.如权利要求8-12任一项所述的方法,其特征在于,在所述读取所述目标字段包括的自定义数据的步骤之前,所述方法还包括:
读取所述目标字段的数据长度;
判断所述数据长度与目标长度是否相同,其中,所述目标长度为将所述标定信息按照所述预设协议添加至所述目标字段时所记录的目标字段的数据长度;
如果是,执行所述读取所述目标字段包括的自定义数据的步骤。
14.如权利要求8-12任一项所述的方法,其特征在于,所述标定信息为标识所述目标图像的特征的信息;
在所述按照预设协议对所述自定义数据进行解析,得到所述目标图像对应的标定信息的步骤之后,所述方法还包括:
将所述目标图像及其标定信息作为虚拟样本图像,通过深度学习训练平台,对深度学习模型进行训练。
15.一种图像处理装置,其特征在于,所述装置包括:
待处理图像获取模块,用于获取待处理图像及其标定信息;
第一文件格式确定模块,用于确定所述待处理图像的文件格式;
第一目标字段确定模块,用于根据所述待处理图像的文件格式及预设的文件格式与字段的对应关系,确定所述待处理图像对应的目标字段;
标定信息添加模块,用于将所述标定信息按照预设协议添加至所述目标字段,得到处理后的图像。
16.一种图像处理装置,其特征在于,所述装置包括:
目标图像获取模块,用于获取目标图像;
第二文件格式确定模块,用于确定所述目标图像的文件格式;
第二目标字段确定模块,用于根据所述目标图像的文件格式及预设的文件格式与字段的对应关系,确定所述目标图像对应的目标字段;
自定义数据读取模块,用于读取所述目标字段包括的自定义数据;
标定信息确定模块,用于按照预设协议对所述自定义数据进行解析,得到所述目标图像对应的标定信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910684337.1A CN112308098B (zh) | 2019-07-26 | 一种图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910684337.1A CN112308098B (zh) | 2019-07-26 | 一种图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112308098A true CN112308098A (zh) | 2021-02-02 |
CN112308098B CN112308098B (zh) | 2024-06-07 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022100588A1 (zh) * | 2020-11-13 | 2022-05-19 | 华为技术有限公司 | 一种图片收藏方法及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030098877A1 (en) * | 2001-11-29 | 2003-05-29 | International Business Machines Corporation | Method and system for appending information to graphical files stored in specific graphical file formats |
CN101630324A (zh) * | 2009-08-18 | 2010-01-20 | 北京航空航天大学 | 一种在多媒体资源中存取地理位置信息的方法 |
CN102982501A (zh) * | 2012-11-19 | 2013-03-20 | 山东神思电子技术股份有限公司 | 一种图像样本标定方法 |
CN104661586A (zh) * | 2012-09-26 | 2015-05-27 | 爱克发医疗保健公司 | 用于光学相干断层成像的方法和系统 |
CN107193838A (zh) * | 2016-03-15 | 2017-09-22 | 四川效率源信息安全技术股份有限公司 | 一种自动化检验jpeg图片是否正常的方法 |
CN108810537A (zh) * | 2017-04-26 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 一种图片转码方法、装置及图像处理设备 |
CN109800320A (zh) * | 2019-01-04 | 2019-05-24 | 平安科技(深圳)有限公司 | 一种图像处理方法、设备及计算机可读存储介质 |
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030098877A1 (en) * | 2001-11-29 | 2003-05-29 | International Business Machines Corporation | Method and system for appending information to graphical files stored in specific graphical file formats |
CN101630324A (zh) * | 2009-08-18 | 2010-01-20 | 北京航空航天大学 | 一种在多媒体资源中存取地理位置信息的方法 |
CN104661586A (zh) * | 2012-09-26 | 2015-05-27 | 爱克发医疗保健公司 | 用于光学相干断层成像的方法和系统 |
CN102982501A (zh) * | 2012-11-19 | 2013-03-20 | 山东神思电子技术股份有限公司 | 一种图像样本标定方法 |
CN107193838A (zh) * | 2016-03-15 | 2017-09-22 | 四川效率源信息安全技术股份有限公司 | 一种自动化检验jpeg图片是否正常的方法 |
CN108810537A (zh) * | 2017-04-26 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 一种图片转码方法、装置及图像处理设备 |
CN109800320A (zh) * | 2019-01-04 | 2019-05-24 | 平安科技(深圳)有限公司 | 一种图像处理方法、设备及计算机可读存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022100588A1 (zh) * | 2020-11-13 | 2022-05-19 | 华为技术有限公司 | 一种图片收藏方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8036497B2 (en) | Method, program and apparatus for storing document and/or image using invariant values calculated from feature points and method, program and apparatus for retrieving document based on stored document and/or image | |
CN110059320B (zh) | 实体关系抽取方法、装置、计算机设备和存储介质 | |
CN107239666B (zh) | 一种对医疗影像数据进行脱敏处理的方法及系统 | |
EP1914680A1 (en) | Document/image searching method and program, and document/image recording and searching device | |
JP4569471B2 (ja) | 電子画像蓄積方法、電子画像蓄積装置、及び電子画像蓄積システム | |
WO2021051867A1 (zh) | 资产信息识别方法、装置、计算机设备及存储介质 | |
CN111144370B (zh) | 单据要素抽取方法、装置、设备及存储介质 | |
CN109756760A (zh) | 视频标签的生成方法、装置及服务器 | |
CN112800949A (zh) | 基于人工智能的纸质档案的数字化处理方法、系统及设备 | |
CN115659226A (zh) | 一种获取app标签的数据处理系统 | |
CN115082659A (zh) | 一种图像标注方法、装置、电子设备及存储介质 | |
CN114548059A (zh) | 一种结构化数据的管理方法、装置、存储介质及电子设备 | |
CN108921193B (zh) | 图片录入方法、服务器及计算机存储介质 | |
CN112308098B (zh) | 一种图像处理方法及装置 | |
CN108334800B (zh) | 印章图像的处理装置、方法以及电子设备 | |
CN112308098A (zh) | 一种图像处理方法及装置 | |
CN114491134B (zh) | 一种商标注册成功率分析方法及系统 | |
CN107861931B (zh) | 模板文件处理方法、装置、计算机设备和存储介质 | |
CN110909188A (zh) | 检查图片确定方法及装置 | |
CN115587247A (zh) | 用户标签的监控方法、装置、设备和存储介质 | |
CN111538914B (zh) | 地址信息的处理方法和装置 | |
CN111352917A (zh) | 信息录入方法、装置、电子设备及存储介质 | |
US9805008B2 (en) | System and method for encoding standard-formatted images with information | |
CN117173725B (zh) | 表格信息处理方法、装置、计算机设备和存储介质 | |
CN117010349B (zh) | 基于神经网络模型的表单填充方法、系统及存储介质 |
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 | ||
GR01 | Patent grant |