CN112308808A - 一种图像处理方法、装置及电子设备 - Google Patents
一种图像处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112308808A CN112308808A CN201910704268.6A CN201910704268A CN112308808A CN 112308808 A CN112308808 A CN 112308808A CN 201910704268 A CN201910704268 A CN 201910704268A CN 112308808 A CN112308808 A CN 112308808A
- Authority
- CN
- China
- Prior art keywords
- image
- resolution
- pixel points
- hyper
- pixel point
- 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 33
- 230000004927 fusion Effects 0.000 claims abstract description 153
- 238000012545 processing Methods 0.000 claims abstract description 69
- 238000007499 fusion processing Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 abstract description 37
- 230000000007 visual effect Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000001427 coherent effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010040844 Skin exfoliation Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法、装置及电子设备,该方法包括:获取原始图像;根据预设的放大倍数对原始图像进行第一图像超分辨率处理,得到第一超分图像;根据放大倍数对原始图像进行第二图像超分辨率处理,得到第二超分图像;获取第一超分图像和第二超分图像中相对应的像素点的融合比例;根据融合比例,对第一超分图像和第二超分图像中相对应的像素点进行融合处理,得到融合后的像素点;根据融合后的像素点,生成融合后的图像。这样,在提升原始图像的分辨率的同时,还可以提升融合后的图像的视觉效果。
Description
技术领域
本发明涉及图像超分辨率技术领域,更具体地,涉及一种图像处理的方法、装置及电子设备。
背景技术
随着移动终端等图像及视频播放设备分辨率的不断提升,高分辨率图像的需求与日俱增。现有技术中,可以通过图像超分辨率技术来提高低分辨的原始图像的分辨率。
原始图像经过图像超分辨率处理后,即可提升原始图像的质量。在对原始图像进行超分辨率处理时,为了对原始图像中的马赛克和毛刺等噪声进行修复,会对原始图像中人物的面部等皮肤产生磨皮效果。这虽然可以使得到的超分图像在视觉上提升清晰度,但是,这也可能会导致图像细节丢失,使得超分图像中的人脸等皮肤的视觉效果不够自然。
发明内容
本发明的一个目的是提供一种图像处理方法的新技术方案。
根据本发明的第一方面,提供了一种图像处理方法,包括:
获取原始图像;
根据预设的放大倍数对所述原始图像进行第一图像超分辨率处理,得到第一超分图像;
根据所述放大倍数对所述原始图像进行第二图像超分辨率处理,得到第二超分图像;
获取所述第一超分图像和所述第二超分图像中相对应的像素点的融合比例;
根据所述融合比例,对所述第一超分图像和所述第二超分图像中相对应的像素点进行融合处理,得到融合后的像素点;
根据所述融合后的像素点,生成融合后的图像。
可选的,所述获取所述第一超分图像和所述第二超分图像中相对应的像素点的融合比例包括:
确定所述原始图像中的像素点与相邻的像素点之间的图像参数的差值;
根据所述原始图像中的像素点与相邻的像素点之间的图像参数的差值,计算所述原始图像中的像素点对应的融合比例;
根据所述原始图像中的像素点对应的融合比例,确定所述第一超分图像和第二超分图像中与所述原始图像中的像素点相对应的像素点的融合比例。
可选的,所述获取所述第一超分图像和所述第二超分图像中相对应的像素点的融合比例包括:
确定所述第一超分图像和所述第二超分图像中相对应的像素点中的至少一个像素点与所在超分图像中的相邻像素点之间的图像参数的差值;
根据所述至少一个像素点与相邻的像素点之间的图像参数的差值,计算所述第一超分图像和所述第二超分图像中相对应的像素点的融合比例。
可选的,所述第一超分图像和所述第二超分图像中相对应的像素点包括:在所述第一超分图像和第二超分图像中的一者上的目标像素点,和,在所述第一超分图像和所述第二超分图像中的另一者上的、与所述目标像素点对应的像素点;
所述根据所述至少一个像素点与相邻的像素点之间的图像参数的差值,计算所述第一超分图像和所述第二超分图像中相对应的像素点的融合比例的步骤包括:
根据所述目标像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算所述目标像素点的融合比例;
根据所述目标像素点的融合比例,计算所述与所述目标像素点相对应的像素点的融合比例;或者,计算所述与所述目标像素点相对应的像素点与所在超分图像中的相邻像素点之间的图像参数的差值,根据所述与所述目标像素点相对应的像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算所述与所述目标像素点相对应的像素点的融合比例。
可选的,所述根据所述目标像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算所述目标像素点的融合比例的步骤包括:
确定所述目标像素点对应的所有相邻像素点中,图像参数的差值大于或等于预设的阈值的相邻像素点所占的比例,作为所述目标像素点的融合比例。
可选的,所述确定所述目标像素点对应的所有相邻像素点中,图像参数的差值大于或等于预设的阈值的相邻像素点所占的比例,作为所述目标像素点的融合比例的步骤包括:
确定图像参数的差值大于或等于预设的阈值的相邻像素点的数量,作为第一数量;
计算所述第一数量与第二数量的比值,作为所述目标像素点的融合比例,其中,所述第二数量为所述目标像素点的对应的所有相邻像素点的数量。
可选的,所述根据所述目标像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算所述目标像素点的融合比例的步骤包括:
根据所述目标像素点与所在超分图像中的每个相邻像素点之间的图像参数的差值,计算所述图像参数的差值的平均值;
根据所述平均值,确定所述目标像素点的融合比例。
可选的,所述对所述第一超分图像和所述第二超分图像中相对应的像素点进行融合处理,得到融合后的像素点的步骤包括:
根据所述目标像素点的融合比例和与所述目标像素点相对应的像素点的融合比例,对所述目标像素点的图像参数和与所述目标像素点相对应的像素点的图像参数进行加权平均处理,得到所述融合后的像素点的图像参数。
可选的,所述图像处理方法还包括:
提取所述第一超分图像中对应人脸部分,作为第一人脸图像区域;
提取所述第二超分图像中对应人脸部分,作为第二人脸图像区域;
对所述第一人脸图像区域和所述第二人脸图像区域中相对应的像素点的进行融合处理,得到所述融合后的人脸图像区域。
可选的,所述图像参数包括灰度值或像素值。
根据本发明的第二方面,提供了一种图像处理装置,包括:
图像获取模块,用于获取原始图像;
第一超分模块,用于根据预设的放大倍数对所述原始图像进行第一图像超分辨率处理,得到第一超分图像;
第二超分模块,用于根据所述放大倍数对所述原始图像进行第二图像超分辨率处理,得到第二超分图像;
融合比例获取模块,用于获取所述第一超分图像和所述第二超分图像中相对应的像素点的融合比例;
像素点融合模块,用于根据所述融合比例,对所述第一超分图像和所述第二超分图像中相对应的像素点进行融合处理,得到融合后的像素点;以及,
图像生成模块,用于根据所述融合后的像素点,生成融合后的图像。
根据本发明的第三方面,提供了一种电子设备,包括:
根据本发明第二方面所述的图像处理装置;或者,
处理器和存储器,所述存储器用于存储可执行的指令,所述指令用于控制所述处理器执行根据本发明第一方面所述的图像处理方法。
本实施例中,根据预设的放大倍数对原始图像进行第一超分辨率处理得到第一超分图像,根据该放大倍数对原始图像进行第二超分辨率处理得到第二超分图像,获取第一超分图像和第二超分图像中的相对应的像素点的融合比例根据该融合比例,对第一超分图像和第二超分图像中相对应的像素点进行融合处理,得到融合后的像素点,根据融合后的像素点生成融合后的图像。这样,在提升原始图像的分辨率的同时,还可以提升融合后的图像的视觉效果。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1是显示可用于实现本发明的实施例的电子设备的硬件配置的例子的框图。
图2示出了本发明的实施例的图像处理方法的流程图。
图3示出了本发明的实施例的融合比例的计算步骤第一个例子的流程图。
图4示出了本发明的实施例的融合比例的计算步骤第二个例子的流程图。
图5示出了本发明的实施例的融合比例的计算步骤第三个例子的流程图。
图6示出了本发明的实施例的图像处理装置的框图。
图7示出了本发明的实施例的电子设备的框图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图1是示出可以实现本发明的实施例的电子设备1000的硬件配置的框图。
电子设备1000可以是便携式电脑、台式计算机、手机、平板电脑等。如图1所示,电子设备1000可以包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中,处理器1100可以是中央处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、耳机接口等。通信装置1400例如能够进行有线或无线通信,具体地可以包括Wifi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。用户可以通过扬声器1700和麦克风1800输入/输出语音信息。
图1所示的电子设备仅仅是说明性的并且决不意味着对本发明、其应用或使用的任何限制。应用于本发明的实施例中,电子设备1000的所述存储器1200用于存储指令,所述指令用于控制所述处理器1100进行操作以执行本发明实施例提供的任意一项图像处理方法。本领域技术人员应当理解,尽管在图1中对电子设备1000示出了多个装置,但是,本发明可以仅涉及其中的部分装置,例如,电子设备1000可以只涉及处理器1100和存储装置1200。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
<方法>
在本实施例中,提供一种图像处理方法。该方法由电子设备实施。该电子设备可以是具有处理器和存储器的电子产品。例如可以是台式计算机、笔记本电脑、手机、平板电脑等。在一个例子中,该电子设备可以是图1所示的电子设备1000。
该图像处理方法,如图2所示,包括:步骤S2100-S2600。
步骤2100,获取原始图像。
本实施例中的原始图像可以是预先存储在电子设备中的,可以是电子设备从其他设备(例如可以是服务器)中获取的,可以是电子设备的摄像头实时获取的。
在一个例子中,该原始图像可以是包含人脸部分的图像。
步骤S2200,根据预设的放大倍数对原始图像进行第一图像超分辨率处理,得到第一超分图像。
图像超分辨率处理是指由一幅低分辨率图像或图像序列恢复出高分辨率图像的处理。
放大倍数可以预先根据应用场景或者是需求进行设定。该放大倍数可以是r2,其中,r可以为任意大于1的正整数。
例如,原始图像中的分辨率可以是W×H。这表明原始图像可以包括W列、H行的像素阵列。那么,根据放大倍数r2对原始图像进行第一超分辨率处理,得到的第一超分图像的分辨率可以是W×H×r2。第一超分图像可以是由W×r行、H×r列的像素阵列组成。
图像超分辨率处理的方法可以包括:基于插值的图像超分辨率处理、基于重建的图像超分辨率处理和基于学习的图像超分辨率处理。
基于插值的图像超分辨率处理的方法可以包括最近邻插值法、线性插值法、三次插值法、样条插值法、核回归插值法等。
最近邻插值又叫零阶插值,是最简单的差值方法。它是用原始图像中的特定像素点的像素值去填充缩放后的图像,容易实现,对于灰度图像,即将原始图像进行逐点处理,把每一个像素点的灰度值进行插值倍数次复制。
线性插值又叫双线性插值,也是一种简单的差值方法,广泛在图像重建领域中使用。它被称为双线性插值是因为在对图像的插值是分两次对行、列像素分别线性插值处理得到的。线性插值的基本思想是在原始图像的相邻像素点A、B之间插入若干个点,这些点的灰度值使A、B之间的灰度值呈线性过渡。
三次插值又叫双三次卷积值。它是在线性插值基础上的改进,基本思想是增加邻域像素点获得更佳的插值函数,利用卷积算子表达插值方法。
上述三种插值方法属于多项式插值。多项式插值在数据点件震荡被称为龙格现象,可以通过样条插值来解决问题。
样条是特殊函数,多项式分段定义。样条插值比多项式插值好用,低阶样条插值能达到高阶多项式插值效果,还能避免龙格现象,且样条插值具有保凸特性。样条插值在插值点一阶连续可导,与期望函数的均方误差最小。
核回归法是从二维平面角度,在图像边缘处,取样窗核函数会顺着边缘方向,选取合适的像素点范围,用于图像重建的正则化求解过程。
基于重建的图像超分辨率处理的方法包括迭代反投影法、凸集投影法和最大后验概率估计法,需要多幅高低分辨率图像样本进行训练获得先验知识。
基于学习的图像超分辨率处理的方法包括:SRCNN(Super-ResolutionConvolutional Neural Network)、DRCN(Deeply-Recursive Convolutional Network forImage Super-Resolution)、ESPCN(Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network)、VESPCN(Real-Time Video Super-Resolution with Spatio-Temporal Networks and MotionCompensation)和SRGAN((Photo-Realistic Single Image Super-Resolution Using aGenerative Adversarial Network)等。
这些基于深度学习的图像超分辨率处理方法均是通过学习低分辨率图像与高分辨率图像之间的关系,然后利用这种关系来指导对图像进行超分辨率处理。
本实施例中的第一图像超分辨率处理的方法可以是任意一种超分辨率处理方法,并不限于本实施例中所公开的方式。
步骤S2300,根据该放大倍数对原始图像进行第二图像超分辨率处理,得到第二超分图像。
本实施例中的第二图像超分辨率处理的方法可以是任意一种超分辨率处理方法,并不限于本实施例中所公开的方式。在一个例子中,第一图像超分变率处理的方法与第二超分辨率处理的方法可以不同,以使得得到的第一超分图像和第二超分图像之间存在差异。
第一超分图像和第二超分图像是通过同一放大倍数对原始图像进行超分辨率处理得到,因此,第一超分图像和第二超分图像的分辨率相同,且第一超分图像的像素阵列的行列数与第二超分图像的像素阵列的行列数相同。
例如,原始图像中的分辨率可以是W×H。这表明原始图像可以包括W列、H行的像素阵列。那么,根据放大倍数r2对原始图像进行第一超分辨率处理,得到的第一超分图像的分辨率可以是W×H×r2。第一超分图像可以是由H×r行、W×r列的像素阵列组成。根据放大倍数r2对原始图像进行第二超分辨率处理,得到的第二超分图像的分辨率也可以是W×H×r2。第二超分图像也可以是由H×r行、W×r列的像素阵列组成。
步骤S2400,获取第一超分图像和第二超分图像中相对应的像素点的融合比例。
那么,步骤S2400可以进一步包括:
确定第一超分图像和第二超分图像中相对应的像素点中的至少一个像素点与所在超分图像中的相邻像素点之间的图像参数的差值;根据该至少一个像素点与相邻的像素点之间的图像参数的差值,计算第一超分图像和第二超分图像中相对应的像素点的融合比例。
在本发明的一个或多个实施例中,图像参数可以是灰度值或者是像素值。
在本实施例中,可以是将第一超分图像和第二超分图像中相对应的像素点中的至少一个像素点作为目标像素点,该目标像素点可以是第一超分图像中的像素点,也可以是第二超分图像中的像素点。
在将第一超分图像和第二超分图像中相对应的像素点中的至少一个像素点作为目标像素点的情况下,可以根据目标像素点与相邻的像素点之间的图像参数的差值,计算第一超分图像和第二超分图像中相对应的像素点的融合比例。其中,第一超分图像和第二超分图像中相对应的像素点包括:在第一超分图像和第二超分图像中的一者上的目标像素点,和,在第一超分图像和第二超分图像中的另一者上的、与目标像素点对应的像素点。
在一个实施例中,根据目标像素点与相邻的像素点之间的图像参数的差值,计算第一超分图像和第二超分图像中相对应的像素点的融合比例的步骤可以包括如图3所示的步骤S2411~S2412:
步骤S2411,根据目标像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算目标像素点的融合比例。
在一个例子中,计算该目标像素点的融合比例的方式可以为:确定该目标像素点对应的所有相邻像素点中,图像参数的差值大于或等于预设的阈值的相邻像素点所占的比例,作为该目标像素点的融合比例。
确定该目标像素点对应的所有相邻像素点中,图像参数的差值大于或等于预设的阈值的相邻像素点所占的比例,作为该目标像素点的融合比例可以进一步包括如下所示的步骤S2411-1~S2411-3:
步骤S2411-1,确定图像参数的差值大于或等于预设的阈值的相邻像素点的数量,作为第一数量。
该阈值可以是预先根据应用场景或者是需求进行设定,也可以是根据大数据训练得到。
步骤S2411-2,确定目标像素点对应的所有相邻像素点的的数量,作为第二数量。
具体的,第一数量小于或等于第二数量。步骤S2411-2可以是在步骤S2411-1之前执行,也可以是在步骤S2411-1之后执行,还可以是与步骤S2411-1同时执行,本实施例中不对步骤S2411-1和S2411-2的执行顺序进行限定。
例如,对于rH行、rW列的像素矩阵,如果该目标像素点位于像素矩阵中第1行第1列、或者第1行第rW列、或者第rH行第1列、或者第rH行第rW列,那么,该目标像素点所在超分图像中的相邻像素点的数量为3个,即第二数量为3个。
如果该目标像素点位于像素矩阵中第1行第2至rW-1列、或者第rH行第2至rW-1列、或者第2至rH-1行第1列、或者第2至rH-1行第rW列,那么,该目标像素点所在超分图像中的相邻像素点的数量为5个,即第二数量为5个。
如果该目标像素点位于像素矩阵中的其他位置上(除上述位置以外的位置),那么该目标像素点所在超分图像中的相邻像素点的数量为8个,即第二数量为8个。
步骤S2411-3,计算第一数量与第二数量的比值,作为该目标像素点的融合比例。
该目标像素点的融合比例=第一数量/第二数量。由于第一数量小于或等于第二数量,因此,该融合比例可以是小于或者等于1的正数。
在另一个例子中,计算该目标像素点的融合比例的方式还可以为:根据该目标像素点与所在超分图像中的每个相邻像素点之间的图像参数的差值,计算图像参数的差值的平均值;根据该平均值,确定该目标像素点的融合比例。
可以预先存储有反映图像参数的差值的平均值与融合比例之间对应关系的对照表。那么,通过查找该对照表,就可以得到该目标像素点的图像参数的差值的平均值对应的融合比例,即该目标像素点的融合比例。
也可以是存储有反映图像参数的差值的平均值的范围与融合比例之间对应关系的对照表。那么,通过查找该对照表,就可以确定该目标像素点的图像参数的差值的平均值所在范围,并得到该范围对应的融合比例,即该目标像素点的融合比例。
步骤S2412,根据目标像素点的融合比例,计算与目标像素点相对应的像素点的融合比例。
根据目标像素点的融合比例,计算与目标像素点相对应的像素点的融合比例的方式,可以为:计算1与目标像素点的融合比例的差值,作为与目标像素点相对应的像素点的融合比例。
具体的,与目标像素点相对应的像素点的融合比例=1-该目标像素点的融合比例。例如,在该目标像素点的融合比例为0.6的情况下,与目标像素点相对应的像素点的融合比例可以为1-0.6=0.4。
在另一个实施例中,根据目标像素点与相邻的像素点之间的图像参数的差值,计算第一超分图像和第二超分图像中相对应的像素点的融合比例的步骤可以包括如图4所示的步骤S2421~S2422:
步骤S2421,根据目标像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算目标像素点的融合比例。
该步骤具体可以参照前述的步骤S2411,在此不再赘述。
步骤S2422,计算与目标像素点相对应的像素点与所在超分图像中的相邻像素点之间的图像参数的差值,根据与目标像素点相对应的像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算与目标像素图相对应的像素点的融合比例。
计算与目标像素点相对应的像素点与所在超分图像中的相邻像素点之间的图像参数的差值,并根据与目标像素点相对应的像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算与目标像素图相对应的像素点的融合比例的方式,具体可以参照前述的根据目标像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算目标像素点的融合比例的方式,在此不再赘述。
在本发明的另一个实施例中,获取第一超分图像和第二超分图像中相对应的像素点的融合比例还可以包括如图5所示的步骤S2431~S2432:
步骤S2431,确定原始图像中的像素点与相邻的像素点之间的图像参数的差值,计算原始图像中的像素点对应的融合比例。
确定原始图像中的像素点与相邻的像素点之间的图像参数的差值,计算原始图像中的像素点对应的融合比例的方式,具体可以参照前述的根据目标像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算目标像素点的融合比例的方式,在此不再赘述。
步骤S2432,根据原始图像中的像素点对应的融合比例,确定第一超分图像和第二超分图像中与原始图像中的像素点相对应的像素点的融合比例。
具体的,原始图像中的每一个像素点,对应于第一超分图像中的多个像素点和第二超分图像中的多个像素点。
可以是将原始图像中的像素点的融合比例,作为第一超分图像中对应的多个像素点的融合比例;将1与原始图像中的像素点的融合比例的差值,作为第二超分图像中对应的多个像素点的融合比例。
步骤S2500,根据融合比例,对第一超分图像和第二超分图像进行融合处理,得到融合后的像素点。
具体的,可以是根据目标像素点的融合比例、及与目标像素点相对应的像素点的融合比例,对目标像素点的图像参数和与目标像素点相对应的像素点的图像参数进行加权平均处理,得到融合后的像素点的图像参数。
相对应的像素点在对应超分图像的像素矩阵中的位置相同,因此,得到的融合后的像素点在对应像素矩阵中的位置与该相对应的像素点在对应超分图像的像素矩阵中的位置也相同。例如,在相对应的像素点在对应超分图像的像素矩阵中的位置为第n行第m列的情况下,融合后的像素点在对应像素矩阵中的位置也为第n行第m列。
在一个例子中,还可以根据经验对相对应的像素点的融合比例进行调整。例如,在目标像素点的融合比例为w,与目标像素点相对应的像素点的融合比例为1-w的情况下,可以是将目标像素点的融合比例调整为a*w,将与目标像素点相对应的像素点的融合比例调整为1-a*w。还可以是将目标像素点的融合比例调整为a*w2,将与目标像素点相对应的像素点的融合比例调整为1-a*w2。
在得到的目标像素点的融合比例为w1,与目标像素点相对应的像素点的融合比例为w2的情况下,可以将目标像素点的融合比例调整为w1+b,将与目标像素点相对应的像素点的融合比例调整为w2-b。
步骤S2600,根据融合后的像素点,生成融合后的图像。
具体的,可以是根据融合后的像素点的像素值、及在对应像素矩阵中的位置,生成融合后的图像。
在一个例子中,可以是仅将第一超分图像和第二超分图像中的部分相对应的像素点进行融合,那么,可以是将第一超分图像或者第二超分图像中未融合的像素点,作为融合后的图像中的像素点,与融合后的像素点共同生成融合后的图像。
例如,第一超分辨率处理为基于插值的超分辨率处理,第二超分辨率处理为基于深度学习的超分辨率处理,根据第一超分图像中的目标像素点与相邻像素点之间的像素值差值,确定目标像素点的融合比例,再根据该目标像素点的融合比例确定第二超分图像中与目标像素点相对应的像素点的融合比例。那么,如果对应第一超分图像的目标像素点的融合比例较低,则可以表明该目标像素点位于第一超分图像中的纯色背景区域或者人脸等皮肤区域。如果目标像素点的融合比例较高,则可以表明该目标像素点位于噪声区域或轮廓边缘。根据对应的融合比例对相对应的像素点做不同程度的融合处理,生成的融合后的图像可以使得人脸等皮肤部位的图像细节得到保留。
在一个实施例中,由于人脸区域在进行图像超分辨率处理时,容易产生马赛克和毛刺等噪声,因此,该图像处理方法还可以包括:
提取第一超分图像中对应人脸部分,作为第一人脸图像区域;
提取第二超分图像中对应人脸部分,作为第二人脸图像区域;
对第一人脸图像区域和第二人脸图像区域中相对应的像素点进行融合处理,得到融合后的人脸图像区域。
在本实施例中,可以是将第一超分图像或者第二超分图像中未融合的像素点和融合后的人脸图像区域共同生成融合后的图像。
这样,对第一超分图像和第二超分图像中的人脸图像区域相对应的像素点,根据对应的融合比例做不同程度的融合处理,生成的融合后的图像可以使得人脸等皮肤部位的图像细节得到保留。
本实施例中,根据预设的放大倍数对原始图像进行第一超分辨率处理得到第一超分图像,根据该放大倍数对原始图像进行第二超分辨率处理得到第二超分图像,获取第一超分图像和第二超分图像中的相对应的像素点的融合比例根据该融合比例,对第一超分图像和第二超分图像中相对应的像素点进行融合处理,得到融合后的像素点,根据融合后的像素点生成融合后的图像。这样,在提升原始图像的分辨率的同时,还可以提升融合后的图像的视觉效果。
<图像处理装置>
在本实施例中,提供一种图像处理装置6000,如图6所示,包括:图像获取模块6100、第一超分模块6200、第二超分模块6300、融合比例获取模块6400、像素点融合模块6500和图像生成模块6600。该图像获取模块6100用于获取原始图像;该第一超分模块6200用于根据预设的放大倍数对原始图像进行第一图像超分辨率处理,得到第一超分图像;该第二超分模块6300用于根据放大倍数对原始图像进行第二图像超分辨率处理,得到第二超分图像;融合比例获取模块6400用于获取所述第一超分图像和所述第二超分图像中相对应的像素点的融合比例;像素点融合模块6500用于根据所述融合比例,对所述第一超分图像和所述第二超分图像中相对应的像素点进行融合处理,得到融合后的像素点;图像生成模块6600用于根据融合后的像素点,生成融合后的图像。
在一个实施例中,融合比例获取模块6400还可以用于:
确定原始图像中的像素点与相邻的像素点之间的图像参数的差值;
根据原始图像中的像素点与相邻的像素点之间的图像参数的差值,计算原始图像中的像素点对应的融合比例;
根据原始图像中的像素点对应的融合比例,确定第一超分图像和第二超分图像中与原始图像中的像素点相对应的像素点的融合比例。
在一个实施例中,融合比例获取模块6400还可以用于:
确定第一超分图像和第二超分图像中相对应的像素点中的至少一个像素点与所在超分图像中的相邻像素点之间的图像参数的差值;
根据至少一个像素点与相邻的像素点之间的图像参数的差值,计算第一超分图像和第二超分图像中相对应的像素点的融合比例。
在一个实施例中,第一超分图像和第二超分图像中相对应的像素点包括:在第一超分图像和第二超分图像中的一者上的目标像素点,和,在第一超分图像和第二超分图像中的另一者上的、与目标像素点对应的像素点;
根据至少一个像素点与相邻的像素点之间的图像参数的差值,计算第一超分图像和第二超分图像中相对应的像素点的融合比例包括:
根据目标像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算目标像素点的融合比例;
根据目标像素点的融合比例,计算与目标像素点相对应的像素点的融合比例;或者,计算与目标像素点相对应的像素点与所在超分图像中的相邻像素点之间的图像参数的差值,根据与目标像素点相对应的像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算与目标像素点相对应的像素点的融合比例。
在一个实施例中,根据目标像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算目标像素点的融合比例包括:
确定目标像素点对应的所有相邻像素点中,图像参数的差值大于或等于预设的阈值的相邻像素点所占的比例,作为目标像素点的融合比例。
在一个实施例中,确定目标像素点对应的所有相邻像素点中,图像参数的差值大于或等于预设的阈值的相邻像素点所占的比例,作为目标像素点的融合比例包括:
确定图像参数的差值大于或等于预设的阈值的相邻像素点的数量,作为第一数量;
计算第一数量与第二数量的比值,作为目标像素点的融合比例,其中,第二数量为目标像素点的对应的所有相邻像素点的数量。
在一个实施例中,融合比例获取模块6400还可以用于:
根据目标像素点与所在超分图像中的每个相邻像素点之间的图像参数的差值,计算图像参数的差值的平均值;
根据平均值,确定目标像素点的融合比例。
在一个实施例中,像素点融合模块6500还可以用于:
根据目标像素点的融合比例和与目标像素点相对应的像素点的融合比例,对目标像素点的图像参数和与目标像素点相对应的像素点的图像参数进行加权平均处理,得到融合后的像素点的图像参数。
在一个实施例中,该图像处理装置还可以包括:
用于提取第一超分图像中对应人脸部分,作为第一人脸图像区域的模块;
用于提取第二超分图像中对应人脸部分,作为第二人脸图像区域的模块;
用于对第一人脸图像区域和第二人脸图像区域中相对应的像素点的进行融合处理,得到融合后的人脸图像区域的模块。
在一个实施例中,图像参数包括灰度值或像素值。
本领域技术人员应当明白,可以通过各种方式来实现图像处理装置6000。例如,可以通过指令配置处理器来实现图像处理装置6000。例如,可以将指令存储在ROM中,并且当启动设备时,将指令从ROM读取到可编程器件中来实现图像处理装置6000。例如,可以将图像处理装置6000固化到专用器件(例如ASIC)中。可以将图像处理装置6000分成相互独立的单元,或者可以将它们合并在一起实现。图像处理装置6000可以通过上述各种实现方式中的一种来实现,或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。
在本实施例中,图像处理装置6000可以具有多种实现形式,例如,图像处理装置6000可以是任何的提供网络访问服务的软件产品或者应用程序中运行的功能模块,或者是这些软件产品或者应用程序的外设嵌入件、插件、补丁件等,还可以是这些软件产品或者应用程序本身。
<电子设备>
在本实施例中,还提供一种电子设备7000,在一方面,该电子设备7000可以包括前述的图像处理装置6000。
在另一方面,如图7所示,可以包括存储器7100和处理器7200,该存储器7100用于存储可执行的指令;该指令用于控制处理器7200执行前述的图像处理方法。
在本实施例中,该电子设备7000可以是手机、平板电脑、掌上电脑、台式机、笔记本电脑、工作站、游戏机等任意具有存储器7100以及处理器7200的电子产品。
在本实施例中,电子设备7000还可以包括其他的硬件装置,例如,如图1所示的电子设备1000。
以上已经结合附图描述了本发明的实施例,根据本实施例,提供一种图像处理方法、装置及电子设备,根据预设的放大倍数对原始图像进行第一超分辨率处理得到第一超分图像,根据该放大倍数对原始图像进行第二超分辨率处理得到第二超分图像,获取第一超分图像和第二超分图像中的相对应的像素点的融合比例根据该融合比例,对第一超分图像和第二超分图像中相对应的像素点进行融合处理,得到融合后的像素点,根据融合后的像素点生成融合后的图像。这样,在提升原始图像的分辨率的同时,还可以提升融合后的图像的视觉效果。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、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、程序段或指令的一部分,所述模块、程序段或指令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。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。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (12)
1.一种图像处理方法,其中,包括:
获取原始图像;
根据预设的放大倍数对所述原始图像进行第一图像超分辨率处理,得到第一超分图像;
根据所述放大倍数对所述原始图像进行第二图像超分辨率处理,得到第二超分图像;
获取所述第一超分图像和所述第二超分图像中相对应的像素点的融合比例;
根据所述融合比例,对所述第一超分图像和所述第二超分图像中相对应的像素点进行融合处理,得到融合后的像素点;
根据所述融合后的像素点,生成融合后的图像。
2.根据权利要求1所述的图像处理方法,其中,所述获取所述第一超分图像和所述第二超分图像中相对应的像素点的融合比例包括:
确定所述原始图像中的像素点与相邻的像素点之间的图像参数的差值;
根据所述原始图像中的像素点与相邻的像素点之间的图像参数的差值,计算所述原始图像中的像素点对应的融合比例;
根据所述原始图像中的像素点对应的融合比例,确定所述第一超分图像和第二超分图像中与所述原始图像中的像素点相对应的像素点的融合比例。
3.根据权利要求1所述的图像处理方法,其中,所述获取所述第一超分图像和所述第二超分图像中相对应的像素点的融合比例包括:
确定所述第一超分图像和所述第二超分图像中相对应的像素点中的至少一个像素点与所在超分图像中的相邻像素点之间的图像参数的差值;
根据所述至少一个像素点与相邻的像素点之间的图像参数的差值,计算所述第一超分图像和所述第二超分图像中相对应的像素点的融合比例。
4.根据权利要求3所述的图像处理方法,其中,
所述第一超分图像和所述第二超分图像中相对应的像素点包括:在所述第一超分图像和第二超分图像中的一者上的目标像素点,和,在所述第一超分图像和所述第二超分图像中的另一者上的、与所述目标像素点对应的像素点;
所述根据所述至少一个像素点与相邻的像素点之间的图像参数的差值,计算所述第一超分图像和所述第二超分图像中相对应的像素点的融合比例的步骤包括:
根据所述目标像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算所述目标像素点的融合比例;
根据所述目标像素点的融合比例,计算所述与所述目标像素点相对应的像素点的融合比例;或者,计算所述与所述目标像素点相对应的像素点与所在超分图像中的相邻像素点之间的图像参数的差值,根据所述与所述目标像素点相对应的像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算所述与所述目标像素点相对应的像素点的融合比例。
5.根据权利要求4所述的图像处理方法,其中,所述根据所述目标像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算所述目标像素点的融合比例的步骤包括:
确定所述目标像素点对应的所有相邻像素点中,图像参数的差值大于或等于预设的阈值的相邻像素点所占的比例,作为所述目标像素点的融合比例。
6.根据权利要求5所述的图像处理方法,其中,所述确定所述目标像素点对应的所有相邻像素点中,图像参数的差值大于或等于预设的阈值的相邻像素点所占的比例,作为所述目标像素点的融合比例的步骤包括:
确定图像参数的差值大于或等于预设的阈值的相邻像素点的数量,作为第一数量;
计算所述第一数量与第二数量的比值,作为所述目标像素点的融合比例,其中,所述第二数量为所述目标像素点的对应的所有相邻像素点的数量。
7.根据权利要求4所述的图像处理方法,其中,所述根据所述目标像素点与所在超分图像中的相邻像素点之间的图像参数的差值,计算所述目标像素点的融合比例的步骤包括:
根据所述目标像素点与所在超分图像中的每个相邻像素点之间的图像参数的差值,计算所述图像参数的差值的平均值;
根据所述平均值,确定所述目标像素点的融合比例。
8.根据权利要求4所述的图像处理方法,其中,所述对所述第一超分图像和所述第二超分图像中相对应的像素点进行融合处理,得到融合后的像素点的步骤包括:
根据所述目标像素点的融合比例和与所述目标像素点相对应的像素点的融合比例,对所述目标像素点的图像参数和与所述目标像素点相对应的像素点的图像参数进行加权平均处理,得到所述融合后的像素点的图像参数。
9.根据权利要求1所述的图像处理方法,其中,所述图像处理方法还包括:
提取所述第一超分图像中对应人脸部分,作为第一人脸图像区域;
提取所述第二超分图像中对应人脸部分,作为第二人脸图像区域;
对所述第一人脸图像区域和所述第二人脸图像区域中相对应的像素点的进行融合处理,得到所述融合后的人脸图像区域。
10.根据权利要求2至8任一项所述的图像处理方法,其中,
所述图像参数包括灰度值或像素值。
11.一种图像处理装置,其中,包括:
图像获取模块,用于获取原始图像;
第一超分模块,用于根据预设的放大倍数对所述原始图像进行第一图像超分辨率处理,得到第一超分图像;
第二超分模块,用于根据所述放大倍数对所述原始图像进行第二图像超分辨率处理,得到第二超分图像;
融合比例获取模块,用于获取所述第一超分图像和所述第二超分图像中相对应的像素点的融合比例;
像素点融合模块,用于根据所述融合比例,对所述第一超分图像和所述第二超分图像中相对应的像素点进行融合处理,得到融合后的像素点;以及,
图像生成模块,用于根据所述融合后的像素点,生成融合后的图像。
12.一种电子设备,其中,包括:
根据权利要求11所述的图像处理装置;或者,
处理器和存储器,所述存储器用于存储可执行的指令,所述指令用于控制所述处理器执行根据权利要求1-10中任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910704268.6A CN112308808A (zh) | 2019-07-31 | 2019-07-31 | 一种图像处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910704268.6A CN112308808A (zh) | 2019-07-31 | 2019-07-31 | 一种图像处理方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112308808A true CN112308808A (zh) | 2021-02-02 |
Family
ID=74486350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910704268.6A Pending CN112308808A (zh) | 2019-07-31 | 2019-07-31 | 一种图像处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308808A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115409753A (zh) * | 2022-11-01 | 2022-11-29 | 北京开运联合信息技术集团股份有限公司 | 图像融合方法、装置、电子设备及计算机可读存储介质 |
-
2019
- 2019-07-31 CN CN201910704268.6A patent/CN112308808A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115409753A (zh) * | 2022-11-01 | 2022-11-29 | 北京开运联合信息技术集团股份有限公司 | 图像融合方法、装置、电子设备及计算机可读存储介质 |
CN115409753B (zh) * | 2022-11-01 | 2023-02-03 | 北京开运联合信息技术集团股份有限公司 | 图像融合方法、装置、电子设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200349680A1 (en) | Image processing method and device, storage medium and electronic device | |
Sun et al. | Learned image downscaling for upscaling using content adaptive resampler | |
CN110136066B (zh) | 面向视频的超分辨率方法、装置、设备和存储介质 | |
CN112074865B (zh) | 在图像中生成和显示模糊 | |
CN109816611B (zh) | 视频修复方法及装置、电子设备和存储介质 | |
US10304157B2 (en) | Information processing method, information processing device, and program | |
US20220222786A1 (en) | Image processing method, smart device, and computer readable storage medium | |
CN109118430B (zh) | 超分辨率图像重建方法及装置、电子设备及存储介质 | |
US9373187B2 (en) | Method and apparatus for producing a cinemagraph | |
US10306210B2 (en) | Image processing apparatus and image capturing apparatus | |
CN111105375B (zh) | 图像生成方法及其模型训练方法、装置及电子设备 | |
WO2018214431A1 (zh) | 通过虚拟现实设备呈现场景的方法、设备及虚拟现实设备 | |
CN110874809A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112967381A (zh) | 三维重建方法、设备和介质 | |
KR102493492B1 (ko) | 초해상도 모델의 메타 러닝을 통한 빠른 적응 방법 및 장치 | |
CN109840890B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109065001B (zh) | 一种图像的降采样方法、装置、终端设备和介质 | |
CN112308808A (zh) | 一种图像处理方法、装置及电子设备 | |
CN113660531A (zh) | 视频处理方法及装置、电子设备和存储介质 | |
CN112837237A (zh) | 视频修复方法及装置、电子设备和存储介质 | |
CN109816620B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111105358B (zh) | 图像处理方法及装置 | |
CN111429458A (zh) | 一种图像还原的方法、装置及电子设备 | |
JP2017103756A (ja) | 画像データ処理装置及び方法 | |
CN106780758B (zh) | 用于虚拟现实设备的成像方法、装置及虚拟现实设备 |
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 |