CN112967301A - 自拍图像抠图方法及装置 - Google Patents
自拍图像抠图方法及装置 Download PDFInfo
- Publication number
- CN112967301A CN112967301A CN202110378425.6A CN202110378425A CN112967301A CN 112967301 A CN112967301 A CN 112967301A CN 202110378425 A CN202110378425 A CN 202110378425A CN 112967301 A CN112967301 A CN 112967301A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- mask image
- human body
- foreground
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000011218 segmentation Effects 0.000 claims abstract description 82
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 18
- 238000005260 corrosion Methods 0.000 claims description 12
- 230000007797 corrosion Effects 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 13
- 230000009467 reduction Effects 0.000 description 5
- 230000003321 amplification Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 210000000746 body region Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种自拍图像抠图方法及装置,该方法包括:获取待抠图自拍图像的彩色图像和深度图像;对深度图像进行前景分割处理,得到深度图像的目标前景掩码图像;从彩色图像中获取目标区域;目标区域为彩色图像中人体特定部位的图像区域;对所获取的目标区域进行语义分割,得到目标掩码图像;依据目标前景掩码图像和目标掩码图像,获得目标人体掩码图像;依据目标人体掩码图像和彩色图像,获得目标抠图图像。本技术方案中,只对所获取的人体特定部位的图像区域进行语义分割,而不是对整张图像进行语义分割,从而减小计算量,并提高了自拍图像抠图效率。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种自拍图像抠图方法及装置。
背景技术
自拍图像抠图,是图像处理的操作之一,用于将指定区域从自拍原始图像中分离出来。
现有的自拍图像抠图方案中,直接基于整张自拍图像进行语义分割,从而实现对自拍图像抠图,而对整张自拍图像进行语义分割需要非常大的计算量,从而导致自拍图像抠图效率较低。
发明内容
本申请提供了一种自拍图像抠图方法及装置,目的在于解决对整张自拍图像进行语义分割需要非常大的计算量,从而导致自拍图像抠图效率较低的问题。
为了实现上述目的,本申请提供了以下技术方案:
一种自拍图像抠图方法,包括:
获取待抠图自拍图像的彩色图像和深度图像;
对所述深度图像进行前景分割处理,得到所述深度图像的目标前景掩码图像;
从所述彩色图像中的获取目标区域;所述目标区域为所述彩色图像中人体特定部位的图像区域;
对所获取的所述目标区域进行语义分割,得到目标掩码图像;
依据所述目标前景掩码图像和所述目标掩码图像,构建目标人体掩码图像;
依据所述目标人体掩码图像和所述彩色图像,构建目标抠图图像。
上述的方法,可选的,所述依据所述目标前景掩码图像和所述目标掩码图像,构建目标人体掩码图像,包括:
将所述目标前景掩码图像中与所述目标掩码图像对应的区域进行截取,得到第一图像和第二图像;所述第一图像与所述目标掩码图像的图像大小相同,所述第二图像为所述目标前景掩码图像中截取所述第一图像后剩余的图像;
将所述第一图像和所述目标掩码图像中的第n个像素点的像素值进行第一相关计算,得到用于构建原始人体掩码图像的第n个像素点的像素值,所述n为大于等于1且小于等于N的可变量,N为所述第一图像的像素点个数;
基于所得到的用于构建原始人体掩码图像的所有像素值,构建原始人体掩码图像;
将所述原始人体掩码图像和所述第二图像进行叠加,得到初始人体掩码图像;
对所述初始人体掩码图像进行边缘羽化处理,得到目标人体掩码图像。
上述的方法,可选的,所述对所述初始人体掩码图像进行边缘羽化处理,得到目标人体掩码图像,包括:
对所述初始人体掩码图像进行腐蚀处理;
对腐蚀处理后的初始人体掩码图像中的每一个像素点的像素值进行放大处理,得到第一人体掩码图像;
对所述第一人体掩码图像进行第一滤波处理,得到第二人体掩码图像;
将所述第二人体掩码图像中的每一个像素点的像素值进行缩小处理,得到目标人体掩码图像。
上述的方法,可选的,所述依据所述目标人体掩码图像和所述彩色图像,构建目标抠图图像,包括:
将所述目标人体掩码图像和所述彩色图像中的第m个像素点的像素值进行第二相关,得到用于构建目标抠图图像的第m个像素点的像素值;所述m为大于等于1且小于等于M的可变量,所述M为所述目标人体掩码图像的像素点个数;
基于所得到的用于构建目标抠图图像的所有像素值,构建目标抠图图像。
上述的方法,可选的,所述对所述深度图像进行前景分割处理,得到所述深度图像的目标前景掩码图像,包括:
获取所述深度图像的数据流,并基于所述深度图像的数据流,绘制直方图;
基于所绘制的直方图,确定分割阈值;
基于所述分割阈值,对所述深度图像进行前景分割,得到所述深度图像的前景掩码图像;
对所述前景掩码图像进行图像预处理,得到所述深度图像的目标前景掩码图像。
上述的方法,可选的,所述基于所述分割阈值,对所述深度图像进行前景分割,得到所述深度图像的前景掩码图像,包括:
将所述深度图像的数据流中,数值小于所述分割阈值的每一个非零像素值确定为前景数据;
基于所有的前景数据,构建深度图像的前景掩码图像。
上述的方法,可选的,所述对所述前景掩码图像进行图像预处理,得到所述深度图像的目标前景掩码图像,包括:
对所述前景掩码图像进行膨胀处理;
对膨胀处理后的前景掩码图像进行第二滤波处理,得到所述深度图像的目标前景掩码图像。
一种自拍图像抠图装置,包括:
第一获取单元,用于获取待抠图自拍图像的彩色图像和深度图像;
前景分割单元,用于对所述深度图像进行前景分割处理,得到所述深度图像的目标前景掩码图像;
第二获取单元,用于从所述彩色图像中获取目标区域;所述目标区域为所述彩色图像中人体特定部位的图像区域;
语义分割单元,对所获取的所述目标区域进行语义分割,得到目标掩码图像;
第一构建单元,用于依据所述目标前景掩码图像和所述目标掩码图像,构建目标人体掩码图像;
第二构建单元,用于依据所述目标人体掩码图像和所述彩色图像,构建目标抠图图像。
上述的装置,可选的,所述第一构建单元,包括:
截取子单元,用于将所述目标前景掩码图像中与所述目标掩码图像对应的区域进行截取,得到第一图像和第二图像;所述第一图像与所述目标掩码图像的图像大小相同,所述第二图像为所述目标前景掩码图像中截取所述第一图像后剩余的图像;
计算子单元,用于将所述第一图像和所述目标掩码图像中的第n个像素点的像素值进行第一相关计算,得到用于构建原始人体掩码图像的第n个像素点的像素值,所述n为大于等于1且小于等于N的可变量,N为所述第一图像的像素点个数;
构建子单元,用于基于所得到的用于构建原始人体掩码图像的所有像素值,构建原始人体掩码图像;
叠加子单元,用于将所述原始人体掩码图像和所述第二图像进行叠加,得到初始人体掩码图像;
羽化处理子单元,用于对所述初始人体掩码图像进行边缘羽化处理,得到目标人体掩码图像。
上述的装置,可选的,所述羽化处理子单元执行对所述初始人体掩码图像进行边缘羽化处理,得到目标人体掩码图像,用于:
对所述初始人体掩码图像进行腐蚀处理;
对腐蚀处理后的初始人体掩码图像中的每一个像素点的像素值进行放大处理,得到第一人体掩码图像;
对所述第一人体掩码图像进行第一滤波处理,得到第二人体掩码图像;
将所述第二人体掩码图像中的每一个像素点的像素值进行缩小处理,得到目标人体掩码图像。
一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行上述的自拍图像抠图方法。
一种电子设备,包括存储器,以及一个或者一个以上的指令,其中一个或者一个以上指令存储于存储器中,且经配置以由一个或者一个以上处理器执行上述的自拍图像抠图方法。
与现有技术相比,本申请包括以下优点:
本申请提供了一种自拍图像抠图方法及装置,该方法包括:获取待抠图自拍图像的彩色图像和深度图像;对深度图像进行前景分割处理,得到深度图像的目标前景掩码图像;从彩色图像中获取目标区域;目标区域为彩色图像中人体特定部位的图像区域;对所获取的目标区域进行语义分割,得到目标掩码图像;依据目标前景掩码图像和目标掩码图像,获得目标人体掩码图像;依据目标人体掩码图像和彩色图像,获得目标抠图图像。本技术方案中,对深度图像进行前景分割得到目标前景掩码,获取彩色图像中人体特定部位的图像区域,对所获取的人体特定部位的图像区域进行语义分割,得到目标掩码图像,从而基于目标掩码图像和目标前景掩码,对彩色图像进行抠图,得到目标抠图图像,由于只对所获取的人体特定部位的图像区域进行语义分割,而不是对整张图像进行语义分割,从而减小计算量,并提高了自拍图像抠图效率。
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,还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种自拍图像抠图方法的方法流程图;
图2为本申请提供的一种自拍图像抠图方法的另一方法流程图;
图3为本申请提供的一种自拍图像抠图方法的又一方法流程图;
图4为本申请提供的一种自拍图像抠图方法的再一方法流程图;
图5为本申请提供的一种自拍图像抠图装置的结构示意图;
图6为本申请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。
本发明可用于众多通用或专用的计算装置环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。
本发明实施例提供了一种自拍图像抠图方法,该方法可以应用在多种系统平台,其执行主体可以为计算机终端或各种移动设备的处理器,所述方法的方法流程图如图1所示,具体包括:
S101、获取待抠图自拍图像的彩色图像和深度图像。
用户通过摄像设备进行自拍,得到待扣图自拍图像的彩色图像和深度图像,处理器获取待抠图自拍图像的彩色图像和深度图像。
S102、对深度图像进行前景分割处理,得到深度图像的目标前景掩码图像。
对深度图像进行前景分割,也就是将深度图像的前景和被景进行分离,从而得到深度图像的目标前景掩码图像。
其中,对深度图像进行前景分割,可以是通过直方图统计的方法,将深度图像中的前景和背景进行分离。
参阅图2,对深度图像进行前景分割处理,得到深度图像的目标前景掩码图像的过程,包括:
S201、获取深度图像的数据流,并基于深度图像的数据流,绘制直方图。
获取深度图像的数据流,深度图像的数据流可以通过拍摄设备的深度传感器获取。
基于深度图像的数据流,绘制直方图。所绘制的直方图以像素值为横坐标,围绕着每个像素值在图像中出现的次数作为它的纵坐标。直方图描述了深度图像中像素分布情况。
S202、基于所绘制的直方图,确定分割阈值。
由于深度图像的成像原理决定,人体本身在图像中是一个连通的区域,自拍时,人体通常和背景相距一段距离,在图像的直方图统计中会形成一个明显的分界,将直方图中的各个直方型矩形图划分成两簇矩形图,每一簇矩形图由多个直方型矩形图组成,因此,基于所绘制的直方图,确定两簇矩形图的分界线,基于两簇矩形图的分界线,确定分割阈值。其中,两簇矩形图的分界线为直方图中两簇矩形图中间空白区域的任意一个像素点的竖直线。
S203、基于分割阈值,对深度图像进行前景分割,得到深度图像的前景掩码图像。
基于分割阈值,实现对深度图像进行前景分割,具体包括:
将所述深度图像的数据流中,数值小于所述分割阈值的每一个非零像素值确定为前景数据;
基于所有的前景数据,构建所述深度图像的前景掩码图像。
本申请实施例提供的方法中,将深度图像的数据流中,数值小于分割阈值的每一个非零像素值确定为前景数据,并基于所有的前景数据,构建深度图像的前景掩码图像。
S204、对前景掩码图像进行图像预处理,得到深度图像的目标前景掩码图像。
对前景掩码图像进行图像预处理,其中,图像预处理包括膨胀处理和滤波处理,即对前景掩码图像进行膨胀处理和滤波处理,从而得到深度图像的目标前景掩码图像。
其中,对前景掩码图像进行图像预处理,得到深度图像的目标前景掩码图像的过程,包括:
对所述前景掩码图像进行膨胀处理;
对膨胀处理后的前景掩码图像进行第二滤波处理,得到所述深度图像的目标前景掩码图像。
本申请实施例提供的方法中,所获取的前景掩码图像可能会因佩戴眼镜或项链等,而导致出现部分空洞的区域,因此,需对前景掩码图像进行膨胀处理,对空洞进行填补,可选的,可以利用3*3的滑动窗,对前景掩码图像进行膨胀处理。
由于噪声的关系,膨胀处理后的前景掩码图像边缘会有严重的锯齿问题,因此,需对膨胀处理后的前景掩码图像进行第二滤波处理,得到实现对膨胀处理后的前景掩码图像进行平滑。可选的,可以是对膨胀处理后的前景掩码图像进行中值滤波处理。
本申请实施例提供的方法中,基于直方图统计方法,确定分割阈值,从而基于分割阈值,对深度图像进行前景分割,得到前景掩码图像,本申请所采用的基于直方图统计的前景分割算法实现了快速获取前景掩码图像。
S103、从彩色图像中获取目标区域。
识别彩色图像中的目标区域,并从彩色图像中获取目标区域,目标区域为彩色图像中人体特定部位的图像区域。
其中,识别彩色图像中目标区域的过程,包括:
通过预设的识别算法,对彩色图像进行识别,得到识别框,对识别框进行放大处理,得到目标识别框,目标识别框所框住的区域即为目标区域。其中,按预设阈值,对识别框进行放大处理,预设阈值为人为设定的数值,可以根据需求进行调整。
可选的,目标区域可以是头部区域,识别彩色图像中的目标区域,也就是识别彩色图像中的头部区域。
从彩色图像中获取目标区域的过程,包括:从彩色图像中分割目标区域,或复制彩色图像中的目标区域。
S104、对所获取的目标区域进行语义分割,得到目标掩码图像。
采用语义分割算法,对所获取的目标区域进行语义分割,得到目标掩码图像。
本申请实施例提供的方法中,语义分割算法为现有的语义分割算法。
需要说明的是,本申请实施例提供的方法只对头部区域进行语义分割,这样做到优势是,首先,头部的特征相比较人体姿态和衣服颜色的多样性来说,相对稳定,这样训练出来的语义分割模型可以较稳定的分割出头部的掩码;其次,只将头部区域输送到模型中可以极大程度的降低图像分辨率的情况下,提高被分割部位被传输到模型的分辨率,举例说明:对于1080的图像,其分辨率为1920*1080个像素,自拍情况下,头部像素假设为108*108个像素;而通常的彩色图分割要求图像的分辨率为512*512(deeplab v3+),此时人体头部在图像中的占比通常,将原始图像通过预处理到512*512,此时的头部区域在图像中就只剩下29*29个像素,而直接用原始的头部像素108*108的分辨率进行深度学习计算,就算也采用deeplab v3+,那么计算量也将是108*108/(512*512)=0.045倍,但是对于头部区域的分割分辨率是其108*108/(29*29)=13.9倍,这样在速度和精度上都能有极大的提高。
S105、依据目标前景掩码图像和目标掩码图像,构建目标人体掩码图像。
依据目标前景掩码图像中的每一个像素值和目标掩码图像中的每一个像素值,构建目标人体掩码图像。
参阅图3,依据目标前景掩码图像和目标掩码图像,构建目标人体掩码图像的过程,包括:
S301、将目标前景掩码图像中与目标掩码图像对应的区域进行截取,得到第一图像和第二图像。
将目标前景图像中与目标掩码图像对应的区域进行截取,具体的,基于识别彩色图像中目标区域的目标识别框,对将目标前景图像中与目标掩码图像对应的区域进行截取,从而得到第一图像和第二图像,第一图像与目标掩码图像的图像大小相同,第二图像为目标前景掩码图像中截取第一图像后剩余的图像。
S302、将第一图像和目标掩码图像中的第n个像素点的像素值进行第一相关计算,得到用于构建原始人体掩码图像的第n个像素点的像素值。
将第一图像和目标掩码图像中第n个像素点的像素值进行第一相关计算,得到用于构建原始人体掩码图像的第n个像素点的像素值,其中,n为大于等于1且小于等于N的可变量,N为所述第一图像的像素点个数,也就是说,对于第一图像和目标掩码图像中的每一个像素点,均进行对应计算。
可选的,第一相关计算可以按位或运算,将第一图像和目标掩码图像中第n个像素点的像素值进行第一相关计算,可以是,将第一图像和目标掩码图像中第n个像素点的像素值进行按位或运算,从而实现将第一图像和目标掩码图像的非零像素值求并集。
S303、基于所得到的用于构建原始人体掩码图像的所有像素值,构建原始人体掩码图像。
基于所得到的用于构建原始人体掩码图像的所有像素值,构建原始人体掩码图像,所构建的原始人体图像为只包含人体特定区域的掩码图像。
S304、将原始人体掩码图像和第二图像进行叠加,得到初始人体掩码图像。
将原始人体掩码图像和第二图像进行叠加,得到初始人体掩码图像,所得到的初始人体掩码图像为完整的人体掩码图像。
S305、对初始人体掩码图像进行边缘羽化处理,得到目标人体掩码图像。
对初始人体掩码图像进行边缘羽化处理,得到目标人体掩码图像,对初始人体掩码图像进行边缘羽化处理的目的是初始人体掩码图像的边缘半透明化。
参阅图4,对初始人体掩码图像进行边缘羽化处理,得到目标人体掩码图像的过程,包括:
S401、对初始人体掩码图像进行腐蚀处理。
对初始人体掩码图像进行腐蚀处理,可选的,腐蚀半径可以是5。
S402、对腐蚀处理后的初始人体掩码图像中的每一个像素点的像素值进行放大处理,得到第一人体掩码图像。
对腐蚀处理后的初始人体掩码图像中的每一个像素点的像素值进行放大处理,也就是针对腐蚀处理后的初始人体掩码图像中的每一个像素点,将该像素点的像素值乘以放大阈值得到的结果,作为该像素点的像素值,从而得到第一人体掩码图像,放大阈值为大于1的数值,需要说明的是,放大阈值为人为设定的数值,可选的,放大阈值可以是5。
S403、对第一人体掩码图像进行第一滤波处理,得到第二人体掩码图像。
对第一人体掩码图像进行第一滤波处理,得到第二人体掩码图像。其中,第一滤波处理可以是均值滤波处理,即对第一人体掩码图像进行均值滤波处理,得到第二人体掩码图像。
S404、将第二人体掩码图像中的每一个像素点的像素值进行缩小处理,得到目标人体掩码图像。
将第二人体掩码图像中的每一个像素点的像素值进行缩小处理,也就是针对第二人体掩码图像中的每一个像素点,将该像素点的像素值乘以缩小阈值得到的结果,作为该像素点的像素值,从而得到目标人体掩码图像,缩小阈值为小于1的数值,需要说明的是,缩小阈值为人为设定的数值,可选的,缩小阈值可以是0.2。
本申请实施例提供的方法中,边缘羽化处理后得到的目标人体掩码图像中,人体区域的像素值为1.0,人体边缘的像素值为0-1.0,非人体区域的像素值为0。
S106、依据目标人体掩码图像和彩色图像,构建目标抠图图像。
依据目标人体掩码图像和彩色图像,构建目标抠图图像,即依据目标人体掩码图像和彩色图像中每一个像素点的像素值,构建目标抠图图像。
依据目标人体掩码图像和彩色图像,构建目标抠图图像的过程,包括:
将所述目标人体掩码图像和所述彩色图像中的第m个像素点的像素值进行第二相关,得到用于构建目标抠图图像的第m个像素点的像素值;所述m为大于等于1且小于等于M的可变量,所述M为所述目标人体掩码图像的像素点个数;
基于所得到的用于构建目标抠图图像的所有像素值,构建目标抠图图像。
本申请实施例提供的方法中,将目标人体掩码图像和彩色图像中第m个像素点的像素值进行第二相关计算,得到用于目标抠图图像的第m个像素点的像素值,其中,m为大于等于1且小于等于M的可变量,M标人体掩码图像的像素点个数。也就是说,对于目标人体掩码图像和彩色图像中的每一个像素点,均进行对应计算。
可选的,第二相关计算可以相乘计算,将目标人体掩码图像和彩色图像中第m个像素点的像素值进行第二相关计算,可以是,将目标人体掩码图像和彩色图像中第m个像素点的像素值进行相乘计算。
需要说明的是,步骤S106所涉及的彩色图像为获取目标区域前的彩色图像。
本申请实施例提供的自拍图像抠图方法,对深度图像进行前景分割得到目标前景掩码,获取彩色图像中人体特定部位的图像区域,对所获取的人体特定部位的图像区域进行语义分割,得到目标掩码图像,从而基于目标掩码图像和目标前景掩码,对彩色图像进行抠图,得到目标抠图图像,由于只对所获取的人体特定部位的图像区域进行语义分割,而不是对整张图像进行语义分割,从而减小计算量,并提高语义分割的精度和稳定性,且通过基于直方图的前景分割算法,提高前景分割的效率,从而提高了自拍图像抠图效率。
与图1所述的方法相对应,本申请实施例还提供了一种自拍图像抠图装置,用于对图1中方法的具体实现,其结构示意图如图5所示,具体包括:
第一获取单元501,用于获取待抠图自拍图像的彩色图像和深度图像;
前景分割单元502,用于对所述深度图像进行前景分割处理,得到所述深度图像的目标前景掩码图像;
第二单元503,用于从所述彩色图像中获取目标区域;所述目标区域为所述彩色图像中人体特定部位的图像区域;
语义分割单元504,对所获取的所述目标区域进行语义分割,得到目标掩码图像;
第一构建单元505,用于依据所述目标前景掩码图像和所述目标掩码图像,构建目标人体掩码图像;
第二构建单元506,用于依据所述目标人体掩码图像和所述彩色图像,构建目标抠图图像。
本申请实施例提供的自拍图像抠图装置,对深度图像进行前景分割得到目标前景掩码,获取彩色图像中人体特定部位的图像区域,对所获取的人体特定部位的图像区域进行语义分割,得到目标掩码图像,从而基于目标掩码图像和目标前景掩码,对彩色图像进行抠图,得到目标抠图图像,由于只对所获取的人体特定部位的图像区域进行语义分割,而不是对整张图像进行语义分割,从而减小计算量,并提高语义分割的精度和稳定性,且通过基于直方图的前景分割算法,提高前景分割的效率,从而提高了自拍图像抠图效率。
在本申请的一个实施例中,基于前述方案,第一构建单元505配置为:
截取子单元,用于将所述目标前景掩码图像中与所述目标掩码图像对应的区域进行截取,得到第一图像和第二图像;所述第一图像与所述目标掩码图像的图像大小相同,所述第二图像为所述目标前景掩码图像中截取所述第一图像后剩余的图像;
计算子单元,用于将所述第一图像和所述目标掩码图像中的第n个像素点的像素值进行第一相关计算,得到用于构建原始人体掩码图像的第n个像素点的像素值,所述n为大于等于1且小于等于N的可变量,N为所述第一图像的像素点个数;
构建子单元,用于基于所得到的用于构建原始人体掩码图像的所有像素值,构建原始人体掩码图像;
叠加子单元,用于将所述原始人体掩码图像和所述第二图像进行叠加,得到初始人体掩码图像;
羽化处理子单元,用于对所述初始人体掩码图像进行边缘羽化处理,得到目标人体掩码图像。
在本申请的一个实施例中,基于前述方案,羽化处理子单元执行对所述初始人体掩码图像进行边缘羽化处理,得到目标人体掩码图像,用于:
对所述初始人体掩码图像进行腐蚀处理;
对腐蚀处理后的初始人体掩码图像中的每一个像素点的像素值进行放大处理,得到第一人体掩码图像;
对所述第一人体掩码图像进行第一滤波处理,得到第二人体掩码图像;
将所述第二人体掩码图像中的每一个像素点的像素值进行缩小处理,得到目标人体掩码图像。
在本申请的一个实施例中,基于前述方案,第二构建单元506执行依据所述目标人体掩码图像和所述彩色图像,构建目标抠图图像,用于:
将所述目标人体掩码图像和所述彩色图像中的第m个像素点的像素值进行第二相关,得到用于构建目标抠图图像的第m个像素点的像素值;所述m为大于等于1且小于等于M的可变量,所述M为所述目标人体掩码图像的像素点个数;
基于所得到的用于构建目标抠图图像的所有像素值,构建目标抠图图像。
在本申请的一个实施例中,基于前述方案,前景分割单元502配置为:
获取子单元,用于获取所述深度图像的数据流,并基于所述深度图像的数据流,绘制直方图;
绘制子单元,用于基于所绘制的直方图,确定分割阈值;
前景分割子单元,用于基于所述分割阈值,对所述深度图像进行前景分割,得到所述深度图像的前景掩码图像;
预处理子单元,用于对所述前景掩码图像进行图像预处理,得到所述深度图像的目标前景掩码图像。
在本申请的一个实施例中,基于前述方案,前景分割子单元执行基于所述分割阈值,对所述深度图像进行前景分割,得到所述深度图像的前景掩码图像,用于:
将所述深度图像的数据流中,数值小于所述分割阈值的每一个非零像素值确定为前景数据;
基于所有的前景数据,构建深度图像的前景掩码图像。
在本申请的一个实施例中,基于前述方案,预处理子单元执行对所述前景掩码图像进行图像预处理,得到所述深度图像的目标前景掩码图像,用于:
对所述前景掩码图像进行膨胀处理;
对膨胀处理后的前景掩码图像进行第二滤波处理,得到所述深度图像的目标前景掩码图像。
本申请实施例还提供了一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行上述自拍图像抠图方法。
本申请实施例还提供了一种电子设备,其结构示意图如图6所示,具体包括存储器601,以及一个或者一个以上的指令602,其中一个或者一个以上指令602存储于存储器601中,且经配置以由一个或者一个以上处理器603执行所述一个或者一个以上指令602进行以下操作:
获取待抠图自拍图像的彩色图像和深度图像;
对所述深度图像进行前景分割处理,得到所述深度图像的目标前景掩码图像;
从所述彩色图像中获取目标区域;所述目标区域为所述彩色图像中人体特定部位的图像区域;
对所获取的所述目标区域进行语义分割,得到目标掩码图像;
依据所述目标前景掩码图像和所述目标掩码图像,构建目标人体掩码图像;
依据所述目标人体掩码图像和所述彩色图像,构建目标抠图图像。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,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。
最后,还需要说明的是,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。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请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,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
以上对本申请所提供的一种自拍图像抠图方法及装置进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种自拍图像抠图方法,其特征在于,包括:
获取待抠图自拍图像的彩色图像和深度图像;
对所述深度图像进行前景分割处理,得到所述深度图像的目标前景掩码图像;
从所述彩色图像中获取目标区域;所述目标区域为所述彩色图像中人体特定部位的图像区域;
对所获取的所述目标区域进行语义分割,得到目标掩码图像;
依据所述目标前景掩码图像和所述目标掩码图像,构建目标人体掩码图像;
依据所述目标人体掩码图像和所述彩色图像,构建目标抠图图像。
2.根据权利要求1所述的方法,其特征在于,所述依据所述目标前景掩码图像和所述目标掩码图像,构建目标人体掩码图像,包括:
将所述目标前景掩码图像中与所述目标掩码图像对应的区域进行截取,得到第一图像和第二图像;所述第一图像与所述目标掩码图像的图像大小相同,所述第二图像为所述目标前景掩码图像中截取所述第一图像后剩余的图像;
将所述第一图像和所述目标掩码图像中的第n个像素点的像素值进行第一相关计算,得到用于构建原始人体掩码图像的第n个像素点的像素值,所述n为大于等于1且小于等于N的可变量,N为所述第一图像的像素点个数;
基于所得到的用于构建原始人体掩码图像的所有像素值,构建原始人体掩码图像;
将所述原始人体掩码图像和所述第二图像进行叠加,得到初始人体掩码图像;
对所述初始人体掩码图像进行边缘羽化处理,得到目标人体掩码图像。
3.根据权利要求2所述的方法,其特征在于,所述对所述初始人体掩码图像进行边缘羽化处理,得到目标人体掩码图像,包括:
对所述初始人体掩码图像进行腐蚀处理;
对腐蚀处理后的初始人体掩码图像中的每一个像素点的像素值进行放大处理,得到第一人体掩码图像;
对所述第一人体掩码图像进行第一滤波处理,得到第二人体掩码图像;
将所述第二人体掩码图像中的每一个像素点的像素值进行缩小处理,得到目标人体掩码图像。
4.根据权利要求1所述的方法,其特征在于,所述依据所述目标人体掩码图像和所述彩色图像,构建目标抠图图像,包括:
将所述目标人体掩码图像和所述彩色图像中的第m个像素点的像素值进行第二相关,得到用于构建目标抠图图像的第m个像素点的像素值;所述m为大于等于1且小于等于M的可变量,所述M为所述目标人体掩码图像的像素点个数;
基于所得到的用于构建目标抠图图像的所有像素值,构建目标抠图图像。
5.根据权利要求1所述的方法,其特征在于,所述对所述深度图像进行前景分割处理,得到所述深度图像的目标前景掩码图像,包括:
获取所述深度图像的数据流,并基于所述深度图像的数据流,绘制直方图;
基于所绘制的直方图,确定分割阈值;
基于所述分割阈值,对所述深度图像进行前景分割,得到所述深度图像的前景掩码图像;
对所述前景掩码图像进行图像预处理,得到所述深度图像的目标前景掩码图像。
6.根据权利要求5所述的方法,其特征在于,所述基于所述分割阈值,对所述深度图像进行前景分割,得到所述深度图像的前景掩码图像,包括:
将所述深度图像的数据流中,数值小于所述分割阈值的每一个非零像素值确定为前景数据;
基于所有的前景数据,构建深度图像的前景掩码图像。
7.根据权利要求5所述的方法,其特征在于,所述对所述前景掩码图像进行图像预处理,得到所述深度图像的目标前景掩码图像,包括:
对所述前景掩码图像进行膨胀处理;
对膨胀处理后的前景掩码图像进行第二滤波处理,得到所述深度图像的目标前景掩码图像。
8.一种自拍图像抠图装置,其特征在于,包括:
第一获取单元,用于获取待抠图自拍图像的彩色图像和深度图像;
前景分割单元,用于对所述深度图像进行前景分割处理,得到所述深度图像的目标前景掩码图像;
第二获取单元,用于从所述彩色图像中获取目标区域;所述目标区域为所述彩色图像中人体特定部位的图像区域;
语义分割单元,对所获取的所述目标区域进行语义分割,得到目标掩码图像;
第一构建单元,用于依据所述目标前景掩码图像和所述目标掩码图像,构建目标人体掩码图像;
第二构建单元,用于依据所述目标人体掩码图像和所述彩色图像,构建目标抠图图像。
9.根据权利要求8所述的装置,其特征在于,所述第一构建单元,包括:
截取子单元,用于将所述目标前景掩码图像中与所述目标掩码图像对应的区域进行截取,得到第一图像和第二图像;所述第一图像与所述目标掩码图像的图像大小相同,所述第二图像为所述目标前景掩码图像中截取所述第一图像后剩余的图像;
计算子单元,用于将所述第一图像和所述目标掩码图像中的第n个像素点的像素值进行第一相关计算,得到用于构建原始人体掩码图像的第n个像素点的像素值,所述n为大于等于1且小于等于N的可变量,N为所述第一图像的像素点个数;
构建子单元,用于基于所得到的用于构建原始人体掩码图像的所有像素值,构建原始人体掩码图像;
叠加子单元,用于将所述原始人体掩码图像和所述第二图像进行叠加,得到初始人体掩码图像;
羽化处理子单元,用于对所述初始人体掩码图像进行边缘羽化处理,得到目标人体掩码图像。
10.根据权利要求9所述的装置,其特征在于,所述羽化处理子单元执行对所述初始人体掩码图像进行边缘羽化处理,得到目标人体掩码图像,用于:
对所述初始人体掩码图像进行腐蚀处理;
对腐蚀处理后的初始人体掩码图像中的每一个像素点的像素值进行放大处理,得到第一人体掩码图像;
对所述第一人体掩码图像进行第一滤波处理,得到第二人体掩码图像;
将所述第二人体掩码图像中的每一个像素点的像素值进行缩小处理,得到目标人体掩码图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110378425.6A CN112967301A (zh) | 2021-04-08 | 2021-04-08 | 自拍图像抠图方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110378425.6A CN112967301A (zh) | 2021-04-08 | 2021-04-08 | 自拍图像抠图方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112967301A true CN112967301A (zh) | 2021-06-15 |
Family
ID=76279834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110378425.6A Pending CN112967301A (zh) | 2021-04-08 | 2021-04-08 | 自拍图像抠图方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112967301A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648640A (zh) * | 2022-05-23 | 2022-06-21 | 深圳市其域创新科技有限公司 | 一种目标物单体化方法、装置、设备及存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110299776A1 (en) * | 2010-04-05 | 2011-12-08 | Lee Kuang-Chih | Systems and methods for segmenting human hairs and faces in color images |
EP2637139A1 (en) * | 2012-03-05 | 2013-09-11 | Thomson Licensing | Method and apparatus for bi-layer segmentation |
US20150254868A1 (en) * | 2014-03-07 | 2015-09-10 | Pelican Imaging Corporation | System and methods for depth regularization and semiautomatic interactive matting using rgb-d images |
CN105590312A (zh) * | 2014-11-12 | 2016-05-18 | 株式会社理光 | 前景图像分割方法和装置 |
CN107481261A (zh) * | 2017-07-31 | 2017-12-15 | 中国科学院长春光学精密机械与物理研究所 | 一种基于深度前景跟踪的彩色视频抠图方法 |
US9965865B1 (en) * | 2017-03-29 | 2018-05-08 | Amazon Technologies, Inc. | Image data segmentation using depth data |
CN108694719A (zh) * | 2017-04-05 | 2018-10-23 | 北京京东尚科信息技术有限公司 | 图像输出方法和装置 |
CN110136144A (zh) * | 2019-05-15 | 2019-08-16 | 北京华捷艾米科技有限公司 | 一种图像分割方法、装置及终端设备 |
US20190384984A1 (en) * | 2018-06-19 | 2019-12-19 | Vimeo, Inc. | Method and system for using semantic-segmentation for automatically generating effects and transitions in video productions |
CN110688962A (zh) * | 2019-09-29 | 2020-01-14 | 武汉秀宝软件有限公司 | 人脸图像处理方法、用户设备、存储介质及装置 |
CN111402170A (zh) * | 2020-03-23 | 2020-07-10 | Oppo广东移动通信有限公司 | 图像增强方法、装置、终端及计算机可读存储介质 |
CN111507994A (zh) * | 2020-04-24 | 2020-08-07 | Oppo广东移动通信有限公司 | 一种人像提取方法、人像提取装置及移动终端 |
WO2020206850A1 (zh) * | 2019-04-09 | 2020-10-15 | 华为技术有限公司 | 基于高维图像的图像标注方法和装置 |
CN112258528A (zh) * | 2020-11-02 | 2021-01-22 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备 |
US20210082118A1 (en) * | 2019-09-18 | 2021-03-18 | Adobe Inc. | Enhanced semantic segmentation of images |
CN112614149A (zh) * | 2020-12-11 | 2021-04-06 | 北京影谱科技股份有限公司 | 基于实例分割的语义合成方法 |
-
2021
- 2021-04-08 CN CN202110378425.6A patent/CN112967301A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110299776A1 (en) * | 2010-04-05 | 2011-12-08 | Lee Kuang-Chih | Systems and methods for segmenting human hairs and faces in color images |
EP2637139A1 (en) * | 2012-03-05 | 2013-09-11 | Thomson Licensing | Method and apparatus for bi-layer segmentation |
US20150254868A1 (en) * | 2014-03-07 | 2015-09-10 | Pelican Imaging Corporation | System and methods for depth regularization and semiautomatic interactive matting using rgb-d images |
CN105590312A (zh) * | 2014-11-12 | 2016-05-18 | 株式会社理光 | 前景图像分割方法和装置 |
US9965865B1 (en) * | 2017-03-29 | 2018-05-08 | Amazon Technologies, Inc. | Image data segmentation using depth data |
CN108694719A (zh) * | 2017-04-05 | 2018-10-23 | 北京京东尚科信息技术有限公司 | 图像输出方法和装置 |
CN107481261A (zh) * | 2017-07-31 | 2017-12-15 | 中国科学院长春光学精密机械与物理研究所 | 一种基于深度前景跟踪的彩色视频抠图方法 |
US20190384984A1 (en) * | 2018-06-19 | 2019-12-19 | Vimeo, Inc. | Method and system for using semantic-segmentation for automatically generating effects and transitions in video productions |
WO2020206850A1 (zh) * | 2019-04-09 | 2020-10-15 | 华为技术有限公司 | 基于高维图像的图像标注方法和装置 |
CN110136144A (zh) * | 2019-05-15 | 2019-08-16 | 北京华捷艾米科技有限公司 | 一种图像分割方法、装置及终端设备 |
US20210082118A1 (en) * | 2019-09-18 | 2021-03-18 | Adobe Inc. | Enhanced semantic segmentation of images |
CN110688962A (zh) * | 2019-09-29 | 2020-01-14 | 武汉秀宝软件有限公司 | 人脸图像处理方法、用户设备、存储介质及装置 |
CN111402170A (zh) * | 2020-03-23 | 2020-07-10 | Oppo广东移动通信有限公司 | 图像增强方法、装置、终端及计算机可读存储介质 |
CN111507994A (zh) * | 2020-04-24 | 2020-08-07 | Oppo广东移动通信有限公司 | 一种人像提取方法、人像提取装置及移动终端 |
CN112258528A (zh) * | 2020-11-02 | 2021-01-22 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备 |
CN112614149A (zh) * | 2020-12-11 | 2021-04-06 | 北京影谱科技股份有限公司 | 基于实例分割的语义合成方法 |
Non-Patent Citations (4)
Title |
---|
JI LIU等: "RGBD Image Matting Using Depth Assisted Active Contours", 《2018 INTERNATIONAL CONFERENCE ON AUDIO, LANGUAGE AND IMAGE PROCESSING (ICALIP)》 * |
冉清;冯结青;: "人体前景的自动抠图算法", 计算机辅助设计与图形学学报, no. 02 * |
文韬;章义来;彭永康;: "基于闭合解抠图算法的图像边缘分割改进研究", 信息与电脑(理论版), no. 14 * |
郭佳昌: "基于深度学习的图像语义分割方法研究与实现实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648640A (zh) * | 2022-05-23 | 2022-06-21 | 深圳市其域创新科技有限公司 | 一种目标物单体化方法、装置、设备及存储介质 |
WO2023226654A1 (zh) * | 2022-05-23 | 2023-11-30 | 深圳市其域创新科技有限公司 | 一种目标物单体化方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598610B (zh) | 一种基于神经选择注意的目标显著性检测方法 | |
CN108876804B (zh) | 抠像模型训练和图像抠像方法、装置和系统及存储介质 | |
US10991103B2 (en) | Method for extracting person region in image and apparatus using the same | |
US11367195B2 (en) | Image segmentation method, image segmentation apparatus, image segmentation device | |
CN111985281B (zh) | 图像生成模型的生成方法、装置及图像生成方法、装置 | |
CN112752158B (zh) | 一种视频展示的方法、装置、电子设备及存储介质 | |
CN111260037A (zh) | 图像数据的卷积运算方法、装置、电子设备及存储介质 | |
CN111241924A (zh) | 基于尺度估计的人脸检测及对齐方法、装置、存储介质 | |
CN111614867A (zh) | 一种视频去噪方法、装置、移动终端和存储介质 | |
KR20220153667A (ko) | 특징 추출 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 | |
CN110599522A (zh) | 一种视频序列中动态目标检测剔除方法 | |
CN111028276A (zh) | 图像对齐方法、装置、存储介质及电子设备 | |
CN111292335A (zh) | 一种前景掩模特征图的确定方法、装置及电子设备 | |
CN112967301A (zh) | 自拍图像抠图方法及装置 | |
CN113221842B (zh) | 模型训练方法、图像识别方法、装置、设备及介质 | |
CN113658196A (zh) | 红外图像中船舶的检测方法、装置、电子设备和介质 | |
CN116664603A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
Teixeira et al. | Object segmentation using background modelling and cascaded change detection | |
CN111179287A (zh) | 人像实例分割方法、装置、设备及存储介质 | |
CN112070035A (zh) | 基于视频流的目标跟踪方法、装置及存储介质 | |
Khashman | Automatic detection, extraction and recognition of moving objects | |
CN109271854B (zh) | 基于视频处理方法及装置、视频设备及存储介质 | |
CN111754411B (zh) | 图像降噪方法、图像降噪装置及终端设备 | |
CN114155268A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN109493349B (zh) | 一种图像特征处理模块、增强现实设备和角点检测方法 |
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 |