CN112633198A - 一种图片处理方法、装置、存储介质及电子装置 - Google Patents
一种图片处理方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN112633198A CN112633198A CN202011589741.XA CN202011589741A CN112633198A CN 112633198 A CN112633198 A CN 112633198A CN 202011589741 A CN202011589741 A CN 202011589741A CN 112633198 A CN112633198 A CN 112633198A
- Authority
- CN
- China
- Prior art keywords
- image data
- target
- initial image
- data
- filtering
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/30—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种图片处理方法、装置、存储介质及电子装置,其方法包括:获取初始图像数据;解析初始图像数据,以确定初始图像数据中是否包含目标数据;在初始图像数据中包含目标数据的情况下,对初始图像数据执行过滤处理,基于处理结果得到目标对象的图像数据。通过本发明,解决了相关技术中存在的图像的数据量较大导致图像的存储及传输压力较大的问题,达到了减小图像的数据量进而较小图像的存储及传输压力的效果。
Description
技术领域
本发明实施例涉及图片处理领域,具体而言,涉及一种图片处理方法、装置、存储介质及电子装置。
背景技术
随着视频监控行业的智能化发展,传统视频录像逐渐发展为以录像和抓图相结合的方式进行视频录制;同时伴随着图像分辨率的提高,抓图得到的文件大小也在日益增大。
在抓图文件较大的情况下,会增加图片链路传输带宽的压力和配套存储空间的压力,由此导致无法快速传输更多的图片以及无法存储更多的图片的问题。
针对相关技术中存在的上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种图片处理方法、装置、存储介质及电子装置,以至少解决相关技术中存在的图像的数据量较大导致图像的存储及传输压力较大的问题。
根据本发明的一个实施例,提供了一种图片处理方法,包括:
获取初始图像数据;
解析所述初始图像数据,以确定所述初始图像数据中是否包含目标数据,其中,所述目标数据用于指示所述初始图像数据中包括的符合预设条件的目标对象的信息;
在所述初始图像数据中包含所述目标数据的情况下,对所述初始图像数据执行过滤处理,基于处理结果得到所述目标对象的图像数据。
在一个示例性实施例中,所述在所述初始图像数据中包含所述目标数据的情况下,对所述初始图像数据执行过滤处理,基于处理结果得到所述目标对象的图像数据包括:
确定所述目标数据在所述初始图像数据中所占数据量比值;
在确定所述数据量比值小于预设值的情况下,根据预先设置的帧率控制策略确定目标过滤方式;
根据所述目标过滤方式,对所述初始图像进行过滤处理,基于处理结果得到所述目标对象的图像数据。
在一个示例性实施例中,根据所述目标过滤方式,对所述初始图像数据进行过滤处理,基于处理结果得到所述目标对象的图像数据包括:
在确定所述目标过滤方式为缩放处理的情况下,按照预设的缩放比例系数依次对所述初始图像数据进行等比例缩小和等比例放大,以得到第一图像数据;
将所述第一图像数据与所述初始图像数据进行目标融合处理,以得到所述目标对象的图像数据。
在一个示例性实施例中,根据所述目标过滤方式,对所述初始图像数据进行过滤处理,基于处理结果得到所述目标对象的图像数据包括:
在确定所述目标过滤方式为滤波处理的情况下,按照目标过滤算法对所述初始图像数据进行过滤处理,以得到第二图像数据;
将所述第二图像数据与所述初始图像数据进行目标融合处理,以得到所述目标对象的图像数据。
在一个示例性实施例中,在按照目标过滤算法对所述初始图像数据进行过滤处理之前,所述方法还包括:
对所述初始图像数据进行图像检测;
根据所述图像检测的检测结果确定所述目标过滤方式。
在一个示例性实施例中,所述解析所述初始图像数据,以确定所述初始图像数据中是否包含目标数据包括:
获取参考数据,其中,所述参考数据用于指示与所述目标对象类别相同的对象的信息;
根据所述参考数据,对所述初始图像数据进行帧率同步化操作,以使所述初始图像数据的图像帧率与所述参考数据的图像帧率相同;
将进行所述帧率同步化操作后的所述初始图像数据与所述参考数据进行匹配,以确定所述初始图像数据中是否包含所述目标数据。
在一个示例性实施例中,在基于处理结果得到所述目标对象的图像数据之后,所述方法还包括:
对所述目标对象的图像数据进行编码处理,以得到目标图像数据。
根据本发明的另一个实施例,提供了一种图片处理装置,包括:
初始图像采集模块,用于获取初始图像数据;
图像解析模块,用于解析所述初始图像数据,以确定所述初始图像数据中是否包含目标数据,其中,所述目标数据用于指示所述初始图像数据中包括的符合预设条件的目标对象的信息;
过滤模块,用于在所述初始图像数据中包含所述目标数据的情况下,对所述初始图像数据执行过滤处理,基于处理结果得到所述目标对象的图像数据。
根据本发明的又一个实施例,还提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,由于对初始图像数据进行过滤处理,因而可以将图像数据中的无效信息进行过滤,因此,可以解决相关技术中存在的图像的数据量较大导致图像的存储及传输压力较大的问题,达到了减小图像的数据量,进而实现较小图像的存储及减少传输压力。
附图说明
图1是本发明实施例的一种图片处理方法的移动终端的硬件结构框图;
图2是根据本发明实施例的一种图片处理方法的流程图;
图3是根据本发明实施例的一种图片处理装置的结构框图;
图4是本发明的具体实施例流程图一;
图5是本发明的具体实施例流程图二。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种图片处理方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图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。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种图片处理方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种图片处理方法,图2是根据本发明实施例的一种图片处理方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取初始图像数据;
在本实施例中,获取初始的YUV(Luminance-Chrominance-Chroma,明亮色度编码格式)图像数据,以方便对初始的YUV图像数据进行后续处理。
其中,初始的YUV图像数据可以是一帧,也可以是多帧;其中,一帧初始的YUV数据能够减少计算量,而多帧的YUV数据能够提高处理结果的精确度;且获取初始图像数据的方式可以是通过图像采集设备采集到目标区域的图像数据,随后再从采集的图像数据中随机或者按照预定的规则取其中一帧或多帧图像数据的方式来实现,也可以是通过其它方式进行初始图像数据的获取;并在初始图像数据为多帧的情况下,可以是连续帧图像数据,也可以是按照预定规则选取的非连续帧图像数据,还可以是其它形式的多帧图像数据。
需要说明的是,初始图像数据可以(但不限于)包括目标区域位置坐标、目标区域内的目标对象、目标对象的信息(如颜色、类型、大小、温度等)、目标数据的图像画面所占画面比例阈值、缩小放大比例系数、帧率控制策略、滤波算法、滤波像素半径等。
步骤S204,解析初始图像数据,以确定初始图像数据中是否包含目标数据,其中,目标数据用于指示初始图像数据中包括的符合预设条件的目标对象的信息;
在本实施例中,通过解析初始图像数据确定初始图像数据中是否包含目标数据,从而再执行后续过滤操作。
其中,目标数据可以(但不限于)包括通过智能ROI(region of interest,感兴趣区域)技术生成的包含用户感兴趣的包含目标对象的图像数据,例如包含机动车、行人、动物的图像,或包含行人的大小、车辆的品牌等,也可以是预先指定的图像数据,还可以是其它数据内容;预设条件可以是目标对象的大小、类型、温度、位置等。
需要说明的是,目标数据可以是符合预设条件的目标对象的部分信息,且触发生成目标数据只需要目标对象的部分信息符合预设条件即可;其中,目标数据的获取可以是在执行解析初始图像数据之前,也可以是同时进行。
步骤S206,在初始图像数据中包含目标数据的情况下,对初始图像数据执行过滤处理,基于处理结果得到目标对象的图像数据。
在本实施例中,在确定初始图像包含目标数据的情况下,则对初始图像数据执行过滤处理,从而对非目标的数据进行剔除或丢失,以减少图像数据的大小。
其中,基于处理结果得到目标对象的图像数据除了包含目标数据之外,还可以(但不限于)包含少量的非目标的数据,从而使得目标对象以及目标数据能够被识别;也可以是只包含目标对象以及目标数据,从而减少非目标数据所占用的空间;过滤处理可以(但不限于)是通过算法进行过滤,如深度学习的神经网络或者滤波算法等,也可以是通过图像缩放的方式将非目标数据在缩放过程中进行丢失,从而实现初始图像的过滤。
例如,将图像中目标区域以外的图像数据全部丢失,从而只保留目标区域以内的图像数据;或者将目标区域以外的图像数据以及目标区域中的车辆、建筑物等数据全部丢失,从而只保留行人的图像数据,从而大大减少了图像数据的大小。
在智能化抓图技术的快速发展下,抓图画面中会存在一定量的无效信息,这些无效信息增加了抓图得到的文件的大小;因此,在不影响图片真实性的情况下,通过上述步骤,减少抓图得到的文件中包含的无效信息,能够减少视频图像的大小,从而减少图片链路传输带宽压力和降低配套存储空间压力,使得产品方案在视频监控中更具有竞争优势。
由于通过过滤处理将非目标数据进行了丢失,从而减小了图像数据大小,解决了相关技术中存在的图像的数据量较大导致图像的存储及传输压力较大的问题,达到了减小图像的数据量,进而实现较小图像的存储及减少传输压力的效果,提高了图像数据存储性能。
其中,上述步骤的执行主体可以为基站、终端等,但不限于此。
在一个可选的实施例中,目标数据的获取方式可以是通过以下步骤获得:
步骤S2002,获取目标对象信息,其中,目标对象信息用于指示目标对象;
步骤S2004,根据目标对象信息,确定帧率控制策略,其中,帧率控制策略用于指示执行帧率同步化操作;
步骤S2006,根据目标对象信息,对初始图像数据进行目标处理,以得到目标数据。
在本实施例中,目标处理可以是根据目标对象信息对初始图像数据进行智能算法处理,以得到包含ROI信息的目标数据。其中,智能算法可以是机动车自动检测算法,也可以是其它算法;目标对象信息可以(但不限于)于包括根据场景预设的感兴趣内容或者用户配置的感兴趣内容,例如,机动车、行人等。
在一个可选的实施例中,在初始图像数据中包含目标数据的情况下,对初始图像数据执行过滤处理,基于处理结果得到目标对象的图像数据包括:
步骤S2062,确定目标数据在初始图像数据中所占数据量比值;
步骤S2064,在确定数据量比值小于预设值的情况下,根据预先设置的帧率控制策略确定目标过滤方式;
步骤S2066,根据目标过滤方式,对初始图像进行过滤处理,基于处理结果得到目标对象的图像数据。
在本实施例中,在选择过滤方式之前,先对目标数据在初始图像数据中所占数据量比值进行确定,以避免在目标数据所占比值大于预设值的情况下进行过滤,但是过滤后的图像数据变化量不大而造成的能源浪费以及效率的降低;由于目标数据中包含的不同的用户感兴趣内容对应的算法处理周期不同,从而使得对应的帧率控制策略以及与帧率控制策略对应的过滤方式也不同,因而需要预先设置帧率控制策略;而通过预先设置的帧率控制策略来确定目标过滤方式是为了保证过滤后的图像数据的图像帧率满足需求。
其中,目标数据在初始图像数据中所占数据量比值可以(但不限于)是包含目标对象的图像在初始图像中所占的画面比例大小,也可以是包含目标对象的图像在转化为编码数据后在初始图像数据中所占的数据量的比例,还可以是目标数据所占的存储空间在初始图像数据的存储空间中的比例;一个帧率控制策略可以对应多个不同过滤方式,也可以是对应一个过滤方式。
在一个可选的实施例中,根据目标过滤方式,对初始图像数据进行过滤处理,基于处理结果得到目标对象的图像数据包括:
步骤S20662,在确定目标过滤方式为缩放处理的情况下,按照预设的缩放比例系数依次对初始图像数据进行等比例缩小和等比例放大,以得到第一图像数据;
步骤S20664,将第一图像数据与初始图像数据进行目标融合处理,以得到目标对象的图像数据。
在本实施例中,在对初始图像数据的等比例缩小过程中,初始图像数据中的非目标数据会被丢失,从而实现图像数据的减小;而将第一图像数据与初始图像重新进行融合,是因为在初始图像的缩放过程中,目标数据也可能存在部分丢失的情况,因而为了使得得到的目标对象的图像数据保持图像清晰,需要将初始图像数据中的目标数据与第一图像数据进行融合,以将丢失的目标数据补充完整。
其中,在对缩小后的图像数据进行放大时,会在放大后的非目标数据的位置填充可处理的冗余数据,这些冗余数据不会对图像的真实性产生变化;第一图像数据与初始图像数据相融合的方式可以是对初始图像数据中包含的目标对象的画面进行截取,随后再填充到第一图像数据的对应位置,还可以是将初始图像数据中的目标数据的图像编码截取并填充到第一图像数据的相应位置,还可以是通过其它方式进行融合。
例如,可以按照设定的缩放比例系数完成等比例缩小x倍和等比例放大y倍操作,以得到完成降采样效果的第一图像数据,其中,x可以与y相等,也可以不相等;随后再通过memcpy(内存拷贝函数)或者DMA(Direct memory access,直接内存访问)搬运等拷贝方式将初始图像数据中的目标数据搬移到第一图像数据中。
在一个可选的实施例中,根据目标过滤方式,对初始图像数据进行过滤处理,基于处理结果得到目标对象的图像数据包括:
步骤S20666,在确定目标过滤方式为滤波处理的情况下,按照目标过滤算法对初始图像数据进行过滤处理,以得到第二图像数据;
步骤S20668,将第二图像数据与初始图像数据进行目标融合处理,以得到目标对象的图像数据。
在本实施例中,按照滤波算法对初始图像数据进行过滤,是为了将初始图像数据中包含的噪声进行过滤,从而减少图像数据的大小。
其中,被过滤的噪声可以(但不限于)是高斯噪声、椒盐噪声等,也可以是其它类型的噪声;对噪声进行过滤的算法可以(但不限于)根据滤波像素半径来对噪声进行过滤,且过滤的过程可以是对其中一种噪声进行过滤,也可以是对多种噪声进行过滤,此处可以根据具体需求进行选择和调节。
例如,当需要对高斯噪声进行滤波时,可以选择均值滤波算法进行滤波;当需要对椒盐噪声进行滤波时,可以选择中值滤波算法进行滤波。
在一个可选的实施例中,在按照目标过滤算法对初始图像数据进行过滤处理之前,该方法还包括:
步骤S20660,对初始图像数据进行图像检测;
步骤S20661,根据图像检测的检测结果确定目标过滤方式。
在本实施例中,对初始图像数据进行图像检测是为了检测初始图像中包含的噪声、非目标数据等信息,从而能够结合帧率控制策略确定目标过滤方式。
其中,对初始图像数据进行图像检测的方式可以是通过深度学习的神经网络来进行检测,也可以是通过预设的检测算法来进行检测,还可以是通过其它方式进行检测。
在一个可选的实施例中,解析初始图像数据,以确定初始图像数据中是否包含目标数据包括:
步骤S2042,获取参考数据,其中,参考数据用于指示与目标对象类别相同的对象的信息;
步骤S2044,根据参考数据,对初始图像数据进行帧率同步化操作,以使初始图像数据的图像帧率与参考数据的图像帧率相同;
步骤S2046,将进行帧率同步化操作后的初始图像数据与参考数据进行匹配,以确定初始图像数据中是否包含目标数据。
在本实施例中,根据参考数据对初始图像数据进行帧率同步化操作时是为了使初始图像数据能够快速被识别和处理,从而提高图像处理效率。
其中,参考数据可以(但不限于)包括目标数据包含的目标区域的信息、目标对象的信息、图像帧率等数据,目标区域的信息包括目标区域的位置信息、区域大小等信息,目标对象的信息包括目标对象的类型、大小、温度等信息,例如,机动车、男性行人等;对初始图像进行同步化操作可以是通过预设的帧率同步化算法来实现,也可以是通过其它方式来实现。
在一个可选的实施例中,在基于处理结果得到目标对象的图像数据之后,该方法还包括:
步骤S208,对目标对象的图像数据进行编码处理,以得到目标图像数据。
在一个可选的实施例中,对目标对象的图像数据进行编码是为了使目标对象的图像数据能够被识别,从而能够被正常使用。
其中,对目标对象的图像数据进行编码的方法可以(但不限于)是RGB(Red-Green-Blue,颜色编码)编码,也可以是YUV编码,还可以是预测编码、变换编码、混合编码等其它编码方式;执行图像数据编码的设备可以是图像编码器,例如,卷积自编码器、分形编码器等,还可以是其它图像数据编码设备。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种图片处理装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图3是根据本发明实施例的一种图片处理装置的结构框图,如图3所示,该装置包括:
初始图像采集模块32,用于获取初始图像数据;
图像解析模块34,用于解析初始图像数据,以确定初始图像数据中是否包含目标数据,其中,目标数据用于指示初始图像数据中包括的符合预设条件的目标对象的信息;
过滤模块36,用于在初始图像数据中包含目标数据的情况下,对初始图像数据执行过滤处理,基于处理结果得到目标对象的图像数据。
在一个可选的实施例中,过滤模块36包括:
比值确定单元362,用于确定目标数据在初始图像数据中所占数据量比值;
过滤方式选择单元364,用于在确定数据量比值小于预设值的情况下,根据预先设置的帧率控制策略确定目标过滤方式;
过滤执行单元366,用于根据目标过滤方式,对初始图像进行过滤处理,基于处理结果得到目标对象的图像数据。
在一个可选的实施例中,过滤执行单元366包括:
缩放执行子单元3662,用于在确定目标过滤方式为缩放处理的情况下,按照预设的缩放比例系数依次对初始图像数据进行等比例缩小和等比例放大,以得到第一图像数据;
第一融合子单元3664,用于将第一图像数据与初始图像数据进行目标融合处理,以得到目标对象的图像数据。
在一个可选的实施例中,过滤执行单元366还包括:
滤波执行子单元3666,用于在确定目标过滤方式为滤波处理的情况下,按照目标过滤算法对初始图像数据进行过滤处理,以得到第二图像数据;
第二融合子单元3668,用于将第二图像数据与初始图像数据进行目标融合处理,以得到目标对象的图像数据。
在一个可选的实施例中,过滤执行单元366还包括:
图像检测子单元3660,用于对初始图像数据进行图像检测;
过滤方式选择子单元3661,用于根据图像检测的检测结果确定目标过滤方式。
在一个可选的实施例中,图像解析模块34包括:
参考数据采集单元342,用于获取参考数据,其中,参考数据用于指示与目标对象类别相同的对象的信息;
同步单元344,用于根据参考数据,对初始图像数据进行帧率同步化操作,以使初始图像数据的图像帧率与参考数据的图像帧率相同;
匹配单元346,用于将进行帧率同步化操作后的初始图像数据与参考数据进行匹配,以确定初始图像数据中是否包含目标数据。
在一个可选的实施例中,该装置还包括:
编码模块38,用于对目标对象的图像数据进行编码处理,以得到目标图像数据。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
下面结合具体的实施例对本发明进行说明。
如图4所示,获取智能ROI信息的步骤如下:
步骤S401,生成流程启动;
步骤S402,根据场景预设感兴趣内容或者用户配置的感兴趣内容,比如机动车;
步骤S403,根据配置的感兴趣内容确定帧率控制策略(不同感兴趣内容对应算法处理周期不同),如果设定感兴趣内容无法支持,则直接流转到步骤S407);
步骤S404,获取一帧YUV(颜色编码)数据;
步骤S405,送入智能算法处理;
步骤S406,算法输出ROI信息内容,包括不限于区域个数、区域坐标、目标物信息等;
步骤S407,结束单次处理流程。
如图5所示,获取处理后的图像数据的步骤如下:
步骤S501,处理流程启动;
步骤S502,初始化图片编码处理相关参数,比如ROI区域占画面比例阈值、缩小放大比例系数、帧率控制策略、滤波算法、滤波像素半径等;
步骤S503,获取一帧原始YUV数据记录为data1;
步骤S504,帧率同步(与智能输出结果匹配),确认当前YUV数据是否有ROI信息:如果有ROI信息,则执行步骤S506);如果没有ROI信息,则执行步骤S514);
步骤S506,计算完成同步后的YUV数据中智能ROI信息占比总画面的大小;
步骤S507,如果小于设置阈值,则执行步骤S508;如果大于设置阈值,则将data1数据送入设备图片编码器中进行编码,然后执行步骤S514;
步骤S508,根据设置的帧率控制策略选择实际处理的策略方案。如果是策略1,则执行步骤S509;如果是策略2,则执行步骤S510和步骤11;
步骤S509,将data1数据按照设定的缩放比例系数完成等比例缩小x倍和等比例放大y倍操作,x可以与y相等,得到完成降采样效果的data2数据;
步骤S510,根据预设置的滤波算法选择对应滤波算法,其中滤波算法基于图像检测结果,如高斯噪声选择均值滤波,椒盐噪声选择中值滤波等;
步骤S511,基于滤波算法,结合设置的滤波像素半径,完成滤波处理,以获得data2数据;
步骤S512,根据智能ROI信息将data1中数据搬移到data2中,其中,搬运方式采用memcpy或者DMA搬运等拷贝方式实现;
步骤S513,将data2数据送入设备图片编码器中进行编码;
步骤S514,图片编码器编码处理;
步骤S515,输出最终生成图片;
步骤S516,处理流程结束。
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种图片处理方法,其特征在于,包括:
获取初始图像数据;
解析所述初始图像数据,以确定所述初始图像数据中是否包含目标数据,其中,所述目标数据用于指示所述初始图像数据中包括的符合预设条件的目标对象的信息;
所述在初始图像数据中包含所述目标数据的情况下,对所述初始图像数据执行过滤处理,基于处理结果得到所述目标对象的图像数据。
2.根据权利要求1所述的方法,其特征在于,所述在所述初始图像数据中包含所述目标数据的情况下,对所述初始图像数据执行过滤处理,基于处理结果得到所述目标对象的图像数据包括:
确定所述目标数据在所述初始图像数据中所占数据量比值;
在确定所述数据量比值小于预设值的情况下,根据预先设置的帧率控制策略确定目标过滤方式;
根据所述目标过滤方式,对所述初始图像进行过滤处理,基于处理结果得到所述目标对象的图像数据。
3.根据权利要求2所述的方法,其特征在于,根据所述目标过滤方式,对所述初始图像数据进行过滤处理,基于处理结果得到所述目标对象的图像数据包括:
在确定所述目标过滤方式为缩放处理的情况下,按照预设的缩放比例系数依次对所述初始图像数据进行等比例缩小和等比例放大,以得到第一图像数据;
将所述第一图像数据与所述初始图像数据进行目标融合处理,以得到所述目标对象的图像数据。
4.根据权利要求2所述的方法,其特征在于,根据所述目标过滤方式,对所述初始图像数据进行过滤处理,基于处理结果得到所述目标对象的图像数据包括:
在确定所述目标过滤方式为滤波处理的情况下,按照目标过滤算法对所述初始图像数据进行过滤处理,以得到第二图像数据;
将所述第二图像数据与所述初始图像数据进行目标融合处理,以得到所述目标对象的图像数据。
5.根据权利要求4所述的方法,其特征在于,在按照目标过滤算法对所述初始图像数据进行过滤处理之前,所述方法还包括:
对所述初始图像数据进行图像检测;
根据所述图像检测的检测结果确定所述目标过滤方式。
6.根据权利要求1所述的方法,其特征在于,所述解析所述初始图像数据,以确定所述初始图像数据中是否包含目标数据包括:
获取参考数据,其中,所述参考数据用于指示与所述目标对象类别相同的对象的信息;
根据所述参考数据,对所述初始图像数据进行帧率同步化操作,以使所述初始图像数据的图像帧率与所述参考数据的图像帧率相同;
将进行所述帧率同步化操作后的所述初始图像数据与所述参考数据进行匹配,以确定所述初始图像数据中是否包含所述目标数据。
7.根据权利要求1所述的方法,其特征在于,在基于处理结果得到所述目标对象的图像数据之后,所述方法还包括:
对所述目标对象的图像数据进行编码处理,以得到目标图像数据。
8.一种图片处理装置,其特征在于,包括:
初始图像采集模块,用于获取初始图像数据;
图像解析模块,用于解析所述初始图像数据,以确定所述初始图像数据中是否包含目标数据,其中,所述目标数据用于指示所述初始图像数据中包括的符合预设条件的目标对象的信息;
过滤模块,用于在所述初始图像数据中包含所述目标数据的情况下,对所述初始图像数据执行过滤处理,基于处理结果得到所述目标对象的图像数据。
9.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011589741.XA CN112633198A (zh) | 2020-12-28 | 2020-12-28 | 一种图片处理方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011589741.XA CN112633198A (zh) | 2020-12-28 | 2020-12-28 | 一种图片处理方法、装置、存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112633198A true CN112633198A (zh) | 2021-04-09 |
Family
ID=75286215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011589741.XA Pending CN112633198A (zh) | 2020-12-28 | 2020-12-28 | 一种图片处理方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112633198A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114217758A (zh) * | 2021-12-01 | 2022-03-22 | 深圳Tcl新技术有限公司 | 图像显示方法、装置、电子设备及计算机可读存储介质 |
-
2020
- 2020-12-28 CN CN202011589741.XA patent/CN112633198A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114217758A (zh) * | 2021-12-01 | 2022-03-22 | 深圳Tcl新技术有限公司 | 图像显示方法、装置、电子设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107967677B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
CN107370958A (zh) | 图像虚化处理方法、装置及拍摄终端 | |
KR100776805B1 (ko) | 스테레오 비전 처리를 통해 지능형 서비스 로봇 시스템에서효율적인 영상 정보의 전송을 위한 장치 및 그 방법 | |
CN108921823A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN110366048B (zh) | 视频传输方法、装置、电子设备和计算机可读存储介质 | |
CN111901604B (zh) | 视频压缩、重构方法及对应装置、摄像头及视频处理设备 | |
CN111028137A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN111310727B (zh) | 对象检测方法及装置、存储介质、电子装置 | |
CN107908998B (zh) | 二维码解码方法、装置、终端设备及计算机可读存储介质 | |
CN107959798B (zh) | 视频数据实时处理方法及装置、计算设备 | |
CN115565154A (zh) | 可行域预测方法、装置、系统和存储介质 | |
CN113556582A (zh) | 视频数据处理方法、装置、设备以及存储介质 | |
CN115115540A (zh) | 基于光照信息引导的无监督低光图像增强方法及装置 | |
US20120144304A1 (en) | System and method for reducing artifacts in images | |
CN112633198A (zh) | 一种图片处理方法、装置、存储介质及电子装置 | |
CN114356243A (zh) | 数据处理方法、装置及服务器 | |
CN114170432A (zh) | 一种图像处理方法、图像识别方法及相关装置 | |
CN109523456A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN114584781A (zh) | 视频压缩方法及装置、计算机可读存储介质 | |
CN110475044B (zh) | 图像传输方法和装置、电子设备、计算机可读存储介质 | |
CN113496176B (zh) | 动作识别方法、装置以及电子设备 | |
CN113808147A (zh) | 一种图像处理方法、装置、系统及计算机设备 | |
CN115604528A (zh) | 鱼眼图像压缩、鱼眼视频流压缩以及全景视频生成方法 | |
CN115115526A (zh) | 图像处理方法及装置、存储介质和图形计算处理器 | |
CN112487858A (zh) | 一种视频生成方法及装置 |
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 |