CN112801932A - 图像显示方法、装置、电子设备和存储介质 - Google Patents

图像显示方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112801932A
CN112801932A CN201911032525.2A CN201911032525A CN112801932A CN 112801932 A CN112801932 A CN 112801932A CN 201911032525 A CN201911032525 A CN 201911032525A CN 112801932 A CN112801932 A CN 112801932A
Authority
CN
China
Prior art keywords
image
frame data
mode
image frame
parameters
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
Application number
CN201911032525.2A
Other languages
English (en)
Inventor
李兵和
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Oneplus Technology Shenzhen Co Ltd
Original Assignee
Oneplus Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Oneplus Technology Shenzhen Co Ltd filed Critical Oneplus Technology Shenzhen Co Ltd
Priority to CN201911032525.2A priority Critical patent/CN112801932A/zh
Publication of CN112801932A publication Critical patent/CN112801932A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及移动智能终端技术领域，特别是涉及一种图像显示方法、装置、电子设备和存储介质。一个实施例中的方法包括：获取图像帧数据以及当前图像模式；对图像帧数据进行边缘检测处理，获得图像边缘特征，根据图像边缘特征确定图像帧数据的图像参数；获取图像帧数据的图像质量，根据图像参数以及图像质量，确定图像帧数据的目标图像模式；当当前图像模式与目标图像模式不一致时，采用目标图像模式显示图像帧数据。这样可以实现图像模式的自动切换，且根据图像参数以及图像质量确定图像模式，可以提高图像帧数据在该图像模式下的显示精度。

Description

图像显示方法、装置、电子设备和存储介质
技术领域
本申请涉及智能终端技术领域，特别是涉及一种图像显示方法、装置、电子设备和存储介质。
背景技术
随着科学技术的发展，智能终端的种类越来越多，各种智能终端极大的丰富了人们的生活。比如人们可方便地通过智能手机、平板、数字电视等智能终端观看视频。智能终端的图像模式一般是根据生产厂商的定义，预制设定相关的图像模式，例如：标准模式、电影模式、图片模式、运动模式等。
传统的图像模式主要依赖于用户对播放画面的主观感受，在片源和观看场景发生改变时，手动进行选择设定。而由于人眼对播放画面的敏感度一般不高，导致用户通过手动方式选择的图像模式往往显示精度不佳。即传统的基于手动选择图像模式的图像显示方式存在显示精度不佳的缺陷。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高显示精度的图像显示方法、装置、电子设备和存储介质。
一种图像显示方法，所述方法包括：
获取图像帧数据以及当前图像模式；
对所述图像帧数据进行边缘检测处理，获得图像边缘特征，根据所述图像边缘特征确定所述图像帧数据对应的图像参数；
获取所述图像帧数据的图像质量，根据所述图像参数以及所述图像质量，确定所述图像帧数据的目标图像模式；
当所述当前图像模式与所述目标图像模式不一致时，采用所述目标图像模式显示所述图像帧数据。
在一个实施例中，所述根据所述图像参数以及所述图像质量，确定所述图像帧数据的目标图像模式之前，还包括：
获取样本数据，所述样本数据包括样本图像参数、样本图像质量以及对应的图像模式；
将所述样本图像参数以及所述样本图像质量输入至神经网络模型进行训练，得到训练结果；
将训练结果与对应的图像模式进行比较，调整神经网络模型的参数，直到训练结果满足预设条件，得到已训练的神经网络模型；
所述根据所述图像参数以及所述图像质量，确定所述图像帧数据的目标图像模式包括：
将所述图像参数以及所述图像质量输入至所述已训练的神经网络模型，获取所述神经网络模型的输出，即获得目标图像模式。
在一个实施例中，所述获取所述图像帧数据的图像质量之前，包括：
获取显示分辨率；
当所述图像帧数据对应的分辨率不等于所述显示分辨率时，对所述图像帧数据进行缩放处理，获得缩放处理后的图像帧数据；
所述获取所述图像帧数据的图像质量，包括：
获取所述缩放处理后的图像帧数据的图像质量。
在一个实施例中，所述根据所述图像边缘特征确定所述图像帧数据的图像参数包括：
获取预设的边缘特征集合；
当所述边缘特征集合中存在与所述图像边缘特征匹配的边缘特征时，根据所述匹配的边缘特征，得到所述图像帧数据的图像参数。
在一个实施例中，所述方法还包括：
当所述边缘特征集合中不存在与所述图像边缘特征匹配的边缘特征时，将所述图像帧数据发送至云端服务器，由所述云端服务器将所述图像帧数据与预先存储的图像数据进行比对，得到所述图像帧数据的图像参数；
接收所述云端服务器反馈的所述图像帧数据的图像参数。
在一个实施例中，所述获取图像帧数据包括：
获取输入的视频数据，对所述视频数据进行解码和去噪处理，获得图像帧数据。
一种图像显示装置，所述装置包括：
数据获取模块，用于获取图像帧数据以及当前图像模式；
图像处理模块，用于对所述图像帧数据进行边缘检测处理，获得图像边缘特征，根据所述图像边缘特征确定所述图像帧数据对应的图像参数；
图像模式确定模块，用于获取所述图像帧数据的图像质量，根据所述图像参数以及所述图像质量，确定所述图像帧数据的目标图像模式；
图像模式切换模块，用于当所述当前图像模式与所述目标图像模式不一致时，采用所述目标图像模式显示所述图像帧数据。
一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取图像帧数据以及当前图像模式；
对所述图像帧数据进行边缘检测处理，获得图像边缘特征，根据所述图像边缘特征确定所述图像帧数据对应的图像参数；
获取所述图像帧数据的图像质量，根据所述图像参数以及所述图像质量，确定所述图像帧数据的目标图像模式；
当所述当前图像模式与所述目标图像模式不一致时，采用所述目标图像模式显示所述图像帧数据。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取图像帧数据以及当前图像模式；
对所述图像帧数据进行边缘检测处理，获得图像边缘特征，根据所述图像边缘特征确定所述图像帧数据对应的图像参数；
获取所述图像帧数据的图像质量，根据所述图像参数以及所述图像质量，确定所述图像帧数据的目标图像模式；
当所述当前图像模式与所述目标图像模式不一致时，采用所述目标图像模式显示所述图像帧数据。
上述图像显示方法、装置、电子设备和存储介质，通过对图像帧数据进行边缘检测处理，获得图像边缘特征，根据图像边缘特征确定图像帧数据对应的图像参数，获取图像帧数据的图像质量，再根据图像参数以及图像质量，确定图像帧数据的目标图像模式，当移动终端的当前图像模式与目标图像模式不一致时，采用目标图像模式显示图像帧数据，这样可以实现图像模式的自动切换，且根据图像参数以及图像质量确定图像模式，可以提高图像帧数据在该图像模式下的显示精度。
附图说明
图1(a)为一个实施例中图像显示方法的应用场景图；
图1(b)为一个实施例中图像显示方法的应用场景图；
图2为一个实施例中图像显示方法的流程示意图；
图3为另一个实施例中图像显示方法的流程示意图；
图4为一个实施例中图像显示装置的结构框图；
图5为一个实施例中电子设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
图1为一个实施例中图像显示方法的应用环境图。参照图1(a)，该应用场景包括终端处理器102和终端显示组件104，终端处理器102与终端显示组件104通过接口连接。终端处理器102可以通过接口向终端显示组件104发送数据，以控制终端显示组件进行显示。终端处理器102获取图像帧数据以及当前图像模式；对图像帧数据进行边缘检测处理，获得图像边缘特征，根据图像边缘特征确定图像帧数据的图像参数；获取图像帧数据的图像质量；根据图像参数以及图像质量，确定图像帧数据的目标图像模式；当当前图像模式与目标图像模式不一致时，采用目标图像模式显示图像帧数据，比如发送目标图像模式至终端显示组件104。终端显示组件104根据目标图像模式加载图像帧数据进行显示。
在另一个应用场景中，如图1(b)所示，其中，终端106通过网络与服务器108进行通信。服务器108从终端106获取图像帧数据以及当前图像模式；对图像帧数据进行边缘检测处理，获得图像边缘特征，根据图像边缘特征确定图像帧数据对应的图像参数；获取图像帧数据的图像质量，根据图像参数以及图像质量，确定图像帧数据的目标图像模式；当当前图像模式与目标图像模式不一致时，采用目标图像模式显示图像帧数据。其中，终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑，服务器108可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种图像显示方法，以该方法应用于图1中的终端处理器/服务器为例进行说明，包括以下步骤：
步骤202，获取图像帧数据以及当前图像模式。
图像帧是组成视频的最小单位，获取图像帧数据包括：获取输入的视频数据，对视频数据进行解码和去噪处理，获得图像帧数据。去噪可以通过邻域平均法、低通滤波法、中值滤波法等方法来实现。比如，对视频数据进行解码和去噪预处理后输出每秒50帧画面，可以采取按时间增加的方式，比如在5分钟内抓取10帧画面，具体可以是第1秒抓1帧，60秒后再抓取一帧画面，依此类推。当前图像模式是指移动终端当前状态下所处的图像模式，可以是生产厂商在终端出厂时默认设置的，也可以是用户上次手动切的换的图像模式。图像模式具体可以包括：标准模式、电影模式、艳丽模式、游戏模式、杜比视频亮模式/暗模式、图片模式、运动模式、客制化模式等等。
步骤204，对图像帧数据进行边缘检测处理，获得图像边缘特征，根据图像边缘特征确定图像帧数据对应的图像参数。
边缘检测是指特征提取和特征检测，用于检测一张数字图像中有明显变化的边缘或者不连续的区域，边缘检测是图像分析和模式识别的主要特征提取手段。边缘是指其周围像素灰度后阶变化或屋顶状变化的像素的集合，存在于目标与背景、目标与目标、区域与区域、基元与基元之间，是图象分割的重要的特征，也是纹理特征的重要信息源和形状特征的基础。比如可以基于小波变换进行边缘检测，小波变换具有良好的时频局部转化及多尺度分析能力，小波边缘检测算子的基本思想是取小波函数作为平滑函数的一阶导数或二阶导数，利用信号的小波变换的模值在信号突变点处取局部极大值或过零点的性质来提取信号的边缘点。图像参数是指用于表征图像帧数据对应的内容的图像参数，比如具体可以是图像帧数据的灰度直方图信息、亮度直方图信息、色度直方图信息、图标信息等。
在一个实施例中，根据图像边缘特征确定图像帧数据的图像参数包括：获取预设的边缘特征集合；当边缘特征集合中存在与图像边缘特征匹配的边缘特征时，根据匹配的边缘特征，得到图像帧数据的图像参数。进一步地，当边缘特征集合中不存在与图像边缘特征匹配的边缘特征时，将图像帧数据发送至云端服务器，由云端服务器将图像帧数据与预先存储的图像数据进行比对，得到图像帧数据的图像参数，接收云端服务器反馈的图像帧数据的图像参数。由于云端服务器的计算能力和计算速度较强，因此，可以将整张画面与云端服务器数据库中凸显存储的图像进行比对，获取到的图像帧数据的灰度信息、亮度信息和色度信息准确度较高。
步骤206，获取图像帧数据的图像质量，根据图像参数以及图像质量，确定图像帧数据的目标图像模式。
可以通过图像质量评价算法实现对图像帧数据的图像质量评价处理，图像质量评价算法将任意图像作为输入，并输出质量分数作为输出。通过图像质量评价算法对图像帧数据进行处理，获得图像帧数据的图像质量。IQA(Image Quality Assessment，图像质量评价)主要通过对图像进行特性分析研究，评估出图像优劣，即图像失真程度。IQA可包括三种类型：全参考IQA、部分参考IQA和无参考IQA，其中，全参考IQA是指在选择理想图像作为参考图像的情况下，比较待评图像与参考图像之间的差异，分析待评图像的失真程度，从而得到待评图像的质量评估。部分参考IQA是以理想图像的部分特征信息作为参考，对待评图像进行比较分析，从而得到图像质量评价结果，由于所参考的信息是从图像中提取出来的特征，所以必须要先提取待评图像和理想图像的部分特征信息，通过比较提取出的部分信息对待评图像进行质量评估。无参考IQA完全脱离了对理想参考图像的依赖，基于图像统计特性。
引入神经网络模型进行图像模式匹配的深度学习，根据边缘特征检测得到的灰度直方图信息、亮度直方图信息、色度直方图信息以及通过图像质量评价得到的图像质量，进行图像模式匹配的深度学习。例如，在画面某个位置，通过边缘检测存在固定像素的图像边缘特征，且通过图像质量评价得到图像质量为存在噪点，通过深度学习，神经网络模型输出的匹配图像模式表征有线电视播放区间，比如对应的图像模式为标准模式。如果图像特征信息中的亮度直方图信息和色度直方图信息较为明显，则输出艳丽模式作为匹配图像模式。即根据当前场景的图像特征信息以及深度学习后的神经网络模型，预估当前场景适用的目标图像模式。
在一个实施例中，根据图像参数以及图像质量，确定图像帧数据的目标图像模式之前，还包括：获取样本数据，样本数据包括样本图像参数、样本图像质量以及对应的图像模式；将样本图像参数以及样本图像质量输入至神经网络模型进行训练，得到训练结果；将训练结果与对应的图像模式进行比较，调整神经网络模型的参数，直到训练结果满足预设条件，得到已训练的神经网络模型；根据图像参数以及图像质量，确定图像帧数据的目标图像模式包括：将图像参数以及图像质量输入至已训练的神经网络模型，获取神经网络模型的输出，即获得目标图像模式。
步骤208，当当前图像模式与目标图像模式不一致时，采用目标图像模式显示图像帧数据。
比如获取到的当前图像模式为标准模式，而目标图像模式为电影模式，此时则将移动终端的图像模式切换为电影模式，通过电影模式加载图像帧数据进行图像显示。
上述图像显示方法，通过对图像帧数据进行边缘检测处理，获得图像边缘特征，根据图像边缘特征确定图像帧数据对应的图像参数，获取图像帧数据的图像质量，再根据图像参数以及图像质量，确定图像帧数据的目标图像模式，当移动终端的当前图像模式与目标图像模式不一致时，采用目标图像模式显示图像帧数据，这样可以实现图像模式的自动切换，且根据图像参数以及图像质量确定图像模式，可以提高图像帧数据在该图像模式下的显示精度。
在一个实施例中，如图3所示，获取图像帧数据的图像质量之前，包括：步骤303，获取显示分辨率；步骤304，当图像帧数据对应的分辨率不等于显示分辨率时，对图像帧数据进行缩放处理，获得缩放处理后的图像帧数据；获取图像帧数据的图像质量，包括：步骤305，获取缩放处理后的图像帧数据的图像质量。由于移动终端的显示分辨率是固定的，比如移动终端的显示分辨率为3840*2160，而前端输入的播放视频的图像分辨率是各不一样的，当前端输入视频的图像分辨率大于3840*2160时，将输入视频的图像分辨率缩小至3840*2160；当输入视频的图像分辨率小于3840*2160，将输入视频的图像分辨率放大至3840*2160；当输入视频的图像分辨率等于3840*2160时，对输入视频的图像分辨率不做缩放处理。对输入视频的图像分辨率进行缩放，会导致图像的显示效果有所损失，但对输入视频的图像分辨率进行缩放处理，将输入视频的图像分辨率缩放至与显示分辨率相同，可以更好地进行图像质量评价。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种图像显示装置，包括：数据获取模块402、图像处理模块404、图像模式确定模块406和图像模式切换模块408。数据获取模块，用于获取图像帧数据以及当前图像模式。图像处理模块，用于对图像帧数据进行边缘检测处理，获得图像边缘特征，根据图像边缘特征确定图像帧数据对应的图像参数。图像模式确定模块，用于获取图像帧数据的图像质量，根据图像参数以及图像质量，确定图像帧数据的目标图像模式。图像模式切换模块，用于当当前图像模式与目标图像模式不一致时，采用目标图像模式显示图像帧数据。
在一个实施例中，图像模式确定模块之前还包括：模型建立模块，用于获取样本数据，样本数据包括样本图像参数、样本图像质量以及对应的图像模式；将样本图像参数以及样本图像质量输入至神经网络模型进行训练，得到训练结果；将训练结果与对应的图像模式进行比较，调整神经网络模型的参数，直到训练结果满足预设条件，得到已训练的神经网络模型；图像模式确定模块用于将图像参数以及图像质量输入至已训练的神经网络模型，获取神经网络模型的输出，即获得目标图像模式。
在一个实施例中，图像模式确定模块之前还包括：缩放模块，用于获取显示分辨率，当图像帧数据对应的分辨率不等于显示分辨率时，对图像帧数据进行缩放处理，获得缩放处理后的图像帧数据；图像模式确定模块用于获取缩放处理后的图像帧数据的图像质量。
在一个实施例中，图像处理模块还用于获取预设的边缘特征集合；当边缘特征集合中存在与图像边缘特征匹配的边缘特征时，根据匹配的边缘特征，得到图像帧数据的图像参数。
在一个实施例中，图像处理模块还用于当边缘特征集合中不存在与图像边缘特征匹配的边缘特征时，将图像帧数据发送至云端服务器，由云端服务器将图像帧数据与预先存储的图像数据进行比对，得到图像帧数据的图像参数；接收云端服务器反馈的图像帧数据的图像参数。
在一个实施例中，数据获取模块还用于获取输入的视频数据，对视频数据进行解码和去噪处理，获得图像帧数据。
关于图像显示装置的具体限定可以参见上文中对于图像显示方法的限定，在此不再赘述。上述图像显示装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种电子设备，图5提供了一种电子设备的内部结构图。该电子设备包括通过系统总线连接的处理器、存储器和显示屏。其中，该处理器用于提供计算和控制能力。该存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。显示亮度的调节方法可以由该电子设备的处理器来完成，即计算机程序被处理器执行时实现一种图像显示方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种电子设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取图像帧数据以及当前图像模式；对图像帧数据进行边缘检测处理，获得图像边缘特征，根据图像边缘特征确定图像帧数据对应的图像参数；获取图像帧数据的图像质量，根据图像参数以及图像质量，确定图像帧数据的目标图像模式；当当前图像模式与目标图像模式不一致时，采用目标图像模式显示图像帧数据。
在一个实施例中，提供了一种电子设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取样本数据，样本数据包括样本图像参数、样本图像质量以及对应的图像模式；将样本图像参数以及样本图像质量输入至神经网络模型进行训练，得到训练结果；将训练结果与对应的图像模式进行比较，调整神经网络模型的参数，直到训练结果满足预设条件，得到已训练的神经网络模型；将图像参数以及图像质量输入至已训练的神经网络模型，获取神经网络模型的输出，即获得目标图像模式。
在一个实施例中，提供了一种电子设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取显示分辨率；当图像帧数据对应的分辨率不等于显示分辨率时，对图像帧数据进行缩放处理，获得缩放处理后的图像帧数据；获取缩放处理后的图像帧数据的图像质量。
在一个实施例中，提供了一种电子设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取预设的边缘特征集合；当边缘特征集合中存在与图像边缘特征匹配的边缘特征时，根据匹配的边缘特征，得到图像帧数据的图像参数。
在一个实施例中，提供了一种电子设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：当边缘特征集合中不存在与图像边缘特征匹配的边缘特征时，将图像帧数据发送至云端服务器，由云端服务器将图像帧数据与预先存储的图像数据进行比对，得到图像帧数据的图像参数；接收云端服务器反馈的图像帧数据的图像参数。
在一个实施例中，提供了一种电子设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取输入的视频数据，对视频数据进行解码和去噪处理，获得图像帧数据。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取图像帧数据以及当前图像模式；对图像帧数据进行边缘检测处理，获得图像边缘特征，根据图像边缘特征确定图像帧数据对应的图像参数；获取图像帧数据的图像质量，根据图像参数以及图像质量，确定图像帧数据的目标图像模式；当当前图像模式与目标图像模式不一致时，采用目标图像模式显示图像帧数据。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取样本数据，样本数据包括样本图像参数、样本图像质量以及对应的图像模式；将样本图像参数以及样本图像质量输入至神经网络模型进行训练，得到训练结果；将训练结果与对应的图像模式进行比较，调整神经网络模型的参数，直到训练结果满足预设条件，得到已训练的神经网络模型；将图像参数以及图像质量输入至已训练的神经网络模型，获取神经网络模型的输出，即获得目标图像模式。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取显示分辨率；当图像帧数据对应的分辨率不等于显示分辨率时，对图像帧数据进行缩放处理，获得缩放处理后的图像帧数据；获取缩放处理后的图像帧数据的图像质量。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取预设的边缘特征集合；当边缘特征集合中存在与图像边缘特征匹配的边缘特征时，根据匹配的边缘特征，得到图像帧数据的图像参数。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：当边缘特征集合中不存在与图像边缘特征匹配的边缘特征时，将图像帧数据发送至云端服务器，由云端服务器将图像帧数据与预先存储的图像数据进行比对，得到图像帧数据的图像参数；接收云端服务器反馈的图像帧数据的图像参数。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取输入的视频数据，对视频数据进行解码和去噪处理，获得图像帧数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种图像显示方法，所述方法包括：
获取图像帧数据以及当前图像模式；
对所述图像帧数据进行边缘检测处理，获得图像边缘特征，根据所述图像边缘特征确定所述图像帧数据对应的图像参数；
获取所述图像帧数据的图像质量，根据所述图像参数以及所述图像质量，确定所述图像帧数据的目标图像模式；
当所述当前图像模式与所述目标图像模式不一致时，采用所述目标图像模式显示所述图像帧数据。
2.根据权利要求1所述的方法，其特征在于，所述根据所述图像参数以及所述图像质量，确定所述图像帧数据的目标图像模式之前，还包括：
获取样本数据，所述样本数据包括样本图像参数、样本图像质量以及对应的图像模式；
将所述样本图像参数以及所述样本图像质量输入至神经网络模型进行训练，得到训练结果；
将训练结果与对应的图像模式进行比较，调整神经网络模型的参数，直到训练结果满足预设条件，得到已训练的神经网络模型；
所述根据所述图像参数以及所述图像质量，确定所述图像帧数据的目标图像模式包括：
将所述图像参数以及所述图像质量输入至所述已训练的神经网络模型，获取所述神经网络模型的输出，即获得目标图像模式。
3.根据权利要求1所述的方法，其特征在于，所述获取所述图像帧数据的图像质量之前，包括：
获取显示分辨率；
当所述图像帧数据对应的分辨率不等于所述显示分辨率时，对所述图像帧数据进行缩放处理，获得缩放处理后的图像帧数据；
所述获取所述图像帧数据的图像质量，包括：
获取所述缩放处理后的图像帧数据的图像质量。
4.根据权利要求1所述的方法，其特征在于，所述根据所述图像边缘特征确定所述图像帧数据的图像参数包括：
获取预设的边缘特征集合；
当所述边缘特征集合中存在与所述图像边缘特征匹配的边缘特征时，根据所述匹配的边缘特征，得到所述图像帧数据的图像参数。
5.根据权利要求4所述的方法，其特征在于，还包括：
当所述边缘特征集合中不存在与所述图像边缘特征匹配的边缘特征时，将所述图像帧数据发送至云端服务器，由所述云端服务器将所述图像帧数据与预先存储的图像数据进行比对，得到所述图像帧数据的图像参数；
接收所述云端服务器反馈的所述图像帧数据的图像参数。
6.根据权利要求1所述的方法，其特征在于，所述获取图像帧数据包括：
获取输入的视频数据，对所述视频数据进行解码和去噪处理，获得图像帧数据。
7.一种图像显示装置，其特征在于，所述装置包括：
数据获取模块，用于获取图像帧数据以及当前图像模式；
图像处理模块，用于对所述图像帧数据进行边缘检测处理，获得图像边缘特征，根据所述图像边缘特征确定所述图像帧数据对应的图像参数；
图像模式确定模块，用于获取所述图像帧数据的图像质量，根据所述图像参数以及所述图像质量，确定所述图像帧数据的目标图像模式；
图像模式切换模块，用于当所述当前图像模式与所述目标图像模式不一致时，采用所述目标图像模式显示所述图像帧数据。
8.根据权利要求7所述的装置，其特征在于，所述图像模式确定模块之前还包括：模型建立模块，用于获取样本数据，所述样本数据包括样本图像参数、样本图像质量以及对应的图像模式；将所述样本图像参数以及所述样本图像质量输入至神经网络模型进行训练，得到训练结果；将训练结果与对应的图像模式进行比较，调整神经网络模型的参数，直到训练结果满足预设条件，得到已训练的神经网络模型；
所述图像模式确定模块用于将所述图像参数以及所述图像质量输入至所述已训练的神经网络模型，获取所述神经网络模型的输出，即获得目标图像模式。
9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN201911032525.2A 2019-10-28 2019-10-28 图像显示方法、装置、电子设备和存储介质 Pending CN112801932A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911032525.2A CN112801932A (zh) 2019-10-28 2019-10-28 图像显示方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911032525.2A CN112801932A (zh) 2019-10-28 2019-10-28 图像显示方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN112801932A true CN112801932A (zh) 2021-05-14

Family

ID=75803005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911032525.2A Pending CN112801932A (zh) 2019-10-28 2019-10-28 图像显示方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112801932A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115297256A (zh) * 2022-07-15 2022-11-04 浙江大华技术股份有限公司 图像数据处理方法、装置、设备及存储介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005165341A (ja) * 2004-12-22 2005-06-23 Nanao Corp ディスプレイ装置及び画像表示システム
CN1680998A (zh) * 2004-03-22 2005-10-12 三星电子株式会社 用于自适应显示控制的设备、方法和介质
JP2006180078A (ja) * 2004-12-21 2006-07-06 Nikon Corp 電子カメラ、画像処理装置および画像処理プログラム
CN1924840A (zh) * 2005-08-29 2007-03-07 株式会社东芝 信息处理设备和系统控制方法
KR20080022276A (ko) * 2006-09-06 2008-03-11 엘지전자 주식회사 영상표시기기의 화면 제어장치 및 방법
CN101650419A (zh) * 2008-08-12 2010-02-17 研祥智能科技股份有限公司 雷达图像自适应液晶显示控制方法
CN101661739A (zh) * 2008-08-29 2010-03-03 索尼株式会社 信息处理装置、信息处理方法和程序
US20100058180A1 (en) * 2008-08-27 2010-03-04 Sharp Kabushiki Kaisha Display control device, image forming apparatus, method for controlling display device, and storage medium
CN101945275A (zh) * 2010-08-18 2011-01-12 镇江唐桥微电子有限公司 一种基于感兴趣区域的视频编码方法
CN103079047A (zh) * 2012-12-25 2013-05-01 华为技术有限公司 一种参数调整的方法及终端
CN103838578A (zh) * 2014-03-10 2014-06-04 联想(北京)有限公司 一种数据处理方法、装置及一种电子设备
CN104519325A (zh) * 2014-12-29 2015-04-15 重庆邮电大学 一种基于4g网络的无线视频监控系统自适应保障方法
CN105513098A (zh) * 2014-09-26 2016-04-20 腾讯科技（北京）有限公司 一种图像处理的方法和装置
CN108234870A (zh) * 2017-12-27 2018-06-29 广东欧珀移动通信有限公司 图像处理方法、装置、终端及存储介质
CN108495130A (zh) * 2017-03-21 2018-09-04 腾讯科技（深圳）有限公司 视频编码、解码方法和装置、终端、服务器和存储介质
CN108712674A (zh) * 2018-05-17 2018-10-26 深圳创维－Rgb电子有限公司 视频播放控制方法、播放设备及存储介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1680998A (zh) * 2004-03-22 2005-10-12 三星电子株式会社 用于自适应显示控制的设备、方法和介质
JP2006180078A (ja) * 2004-12-21 2006-07-06 Nikon Corp 電子カメラ、画像処理装置および画像処理プログラム
JP2005165341A (ja) * 2004-12-22 2005-06-23 Nanao Corp ディスプレイ装置及び画像表示システム
CN1924840A (zh) * 2005-08-29 2007-03-07 株式会社东芝 信息处理设备和系统控制方法
KR20080022276A (ko) * 2006-09-06 2008-03-11 엘지전자 주식회사 영상표시기기의 화면 제어장치 및 방법
CN101650419A (zh) * 2008-08-12 2010-02-17 研祥智能科技股份有限公司 雷达图像自适应液晶显示控制方法
US20100058180A1 (en) * 2008-08-27 2010-03-04 Sharp Kabushiki Kaisha Display control device, image forming apparatus, method for controlling display device, and storage medium
CN101661739A (zh) * 2008-08-29 2010-03-03 索尼株式会社 信息处理装置、信息处理方法和程序
CN101945275A (zh) * 2010-08-18 2011-01-12 镇江唐桥微电子有限公司 一种基于感兴趣区域的视频编码方法
CN103079047A (zh) * 2012-12-25 2013-05-01 华为技术有限公司 一种参数调整的方法及终端
CN103838578A (zh) * 2014-03-10 2014-06-04 联想(北京)有限公司 一种数据处理方法、装置及一种电子设备
CN105513098A (zh) * 2014-09-26 2016-04-20 腾讯科技（北京）有限公司 一种图像处理的方法和装置
CN104519325A (zh) * 2014-12-29 2015-04-15 重庆邮电大学 一种基于4g网络的无线视频监控系统自适应保障方法
CN108495130A (zh) * 2017-03-21 2018-09-04 腾讯科技（深圳）有限公司 视频编码、解码方法和装置、终端、服务器和存储介质
CN108234870A (zh) * 2017-12-27 2018-06-29 广东欧珀移动通信有限公司 图像处理方法、装置、终端及存储介质
CN108712674A (zh) * 2018-05-17 2018-10-26 深圳创维－Rgb电子有限公司 视频播放控制方法、播放设备及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
PAN GAO等: "Rate-Distortion Optimized Mode Switching for Error-Resilient Multi-View Video Plus Depth Based 3-D Video Coding", IEEE TRANSACTIONS ON MULTIMEDIA, vol. 16, no. 7, 9 July 2014 (2014-07-09), pages 1797, XP011561426, DOI: 10.1109/TMM.2014.2331013 *
温阳;张宾;杨琳;: "基于边缘相似度的全参考图像质量评价算法", 测控技术, no. 09, 18 September 2017 (2017-09-18), pages 44 - 47 *
胡栋;刘峰;朱秀昌;: "实时多模式无线视频传输原型系统的实现", 通信学报, no. 10, 25 October 2006 (2006-10-25), pages 110 - 116 *
远远: "遥感图像实时多模式显示技术研究", 中国优秀硕士学位论文全文数据库 信息科技辑, vol. 2009, no. 11, 16 November 2009 (2009-11-16), pages 140 - 584 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115297256A (zh) * 2022-07-15 2022-11-04 浙江大华技术股份有限公司 图像数据处理方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
US7542600B2 (en) Video image quality
CN112102204B (zh) 图像增强方法、装置及电子设备
CN110839129A (zh) 图像处理方法、装置以及移动终端
WO2018099136A1 (zh) 一种低照度图像降噪方法、装置及存储介质
CN108154086B (zh) 一种图像提取方法、装置及电子设备
EP3644599B1 (en) Video processing method and apparatus, electronic device, and storage medium
CN107993209B (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
CN111754528A (zh) 人像分割方法、装置、电子设备和计算机可读存储介质
JP2009506688A (ja) 画像分割方法および画像分割システム
CN110366001B (zh) 视频清晰度的确定方法和装置、存储介质、电子装置
CN104902143B (zh) 一种基于分辨率的图像去噪方法及装置
WO2020108010A1 (zh) 视频处理方法、装置、电子设备以及存储介质
CN110069974A (zh) 高光图像处理方法、装置和电子设备
CN113411498A (zh) 图像拍摄方法、移动终端及存储介质
CN112839167A (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN115471413A (zh) 图像处理方法及装置、计算机可读存储介质和电子设备
WO2022111269A1 (zh) 视频的细节增强方法、装置、移动终端和存储介质
CN113205011B (zh) 图像掩膜确定方法及装置、存储介质和电子设备
US11902533B2 (en) Code rate control method and apparatus, image acquisition device, and readable storage medium
CN113438386B (zh) 一种应用于视频处理的动静判定方法及装置
CN106851099B (zh) 一种拍摄的方法及移动终端
CN112801932A (zh) 图像显示方法、装置、电子设备和存储介质
CN108805883B (zh) 一种图像分割方法、图像分割装置及电子设备
CN114049288A (zh) 图像生成方法、装置、电子设备和计算机可读存储介质
CN115292011A (zh) 一种人脸及二维码识别的方法、系统、装置和介质

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