CN113011328A - 图像处理方法、装置、电子设备及存储介质 - Google Patents
图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113011328A CN113011328A CN202110293666.0A CN202110293666A CN113011328A CN 113011328 A CN113011328 A CN 113011328A CN 202110293666 A CN202110293666 A CN 202110293666A CN 113011328 A CN113011328 A CN 113011328A
- Authority
- CN
- China
- Prior art keywords
- image
- information
- target
- processing
- parameter
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 104
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000003672 processing method Methods 0.000 title abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000007613 environmental effect Effects 0.000 claims abstract description 34
- 230000003993 interaction Effects 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 abstract description 17
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 206010000496 acne Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- 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
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像处理方法、装置、电子设备及存储介质,涉及人工智能、深度学习、视频直播、图像采集等领域。具体实现方案为:对采集的第一图像,根据训练好的识别模型进行信息识别,得到环境信息;查询用于图像处理的参数列表,得到与所述环境信息对应的目标参数;获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像。采用本公开,可以不借助辅助工具即可实现一体化成像,简单易用。
Description
技术领域
本公开涉及计算机视觉处理领域。本公开尤其涉及人工智能、深度学习、视频直播、图像采集等处理领域。
背景技术
在日常拍摄照片或视频时,要想得到比较好的画质效果,需要对相机参数等进行参数的调整,而要想得到更专业的画质,需要用户具备一定的拍摄专业知识,但是大多数用户不够专业,导致拍摄照片或视频所得到的画质不理想。
发明内容
本公开提供了一种图像处理方法、装置、电子设备及存储介质。
根据本公开的一方面,提供了一种图像处理方法,包括:
对采集的第一图像,根据训练好的识别模型进行信息识别,得到环境信息;
查询用于图像处理的参数列表,得到与所述环境信息对应的目标参数;
获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像。
根据本公开的另一方面,提供了一种图像处理装置,包括:
识别模块,用于对采集的第一图像,根据训练好的识别模型进行信息识别,得到环境信息;
查询模块,用于查询用于图像处理的参数列表,得到与所述环境信息对应的目标参数;
图像处理模块,用于获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任意一实施例所提供的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使该计算机执行本公开任意一项实施例所提供的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机指令,该计算机指令被处理器执行时实现本公开任意一项实施例所提供的方法。
采用本公开,对采集的第一图像,根据训练好的识别模型进行信息识别,得到环境信息;查询用于图像处理的参数列表,得到与所述环境信息对应的目标参数;获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像,从而,可以不借助辅助工具即可实现一体化成像,简单易用。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例的图像处理方法的流程示意图;
图2是根据本公开实施例的图像处理方法的一体成像的示意图;
图3是根据本公开实施例的图像处理方法一应用示例的环境信息识别的流程示意图;
图4是根据本公开实施例的图像处理方法一应用示例的调参的流程示意图;
图5是根据本公开实施例的图像处理装置的组成结构示意图;
图6是用来实现本公开实施例的图像处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。本文中术语“第一”、“第二”表示指代多个类似的技术用语并对其进行区分,并不是限定顺序的意思,或者限定只有两个的意思,例如,第一特征和第二特征,是指代有两类/两个特征,第一特征可以为一个或多个,第二特征也可以为一个或多个。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
对相机参数等进行参数调整的过程中,需要根据不同的场景切换不同的滤镜,调整不同的拍摄效果,才能得到用户想要的画质效果。而要想得到更专业的画质,需要用户具备一定的拍摄专业知识,比如在公园中拍摄树木花草的视频,想要色彩艳丽一些,对比度鲜明一些,由于用户不会专业的拍摄参数的调整拍摄出的效果往往不如预期效果,导致拍摄照片或视频所得到的画质不理想。
就上述不同的场景而言,可以基于对图像的环境信息进行识别后将环境信息与参数进行匹配,从而实现对参数的调整。以视频图像环境识别技术中的黑夜模式为例进行说明,采用“黑夜模式”这种方案,是通过手机感光原件判断是否需要开启黑夜模式,该方案所适用的场景,只能在黑夜或者环境光比较暗的时候识别出来,效果比较单一,换言之,只是优化了黑夜的拍摄模式。以视频图像环境识别技术中的手动调节参数模式为例进行说明,采用“手动调节参数模式”这种方案,是在拍摄前调节多种拍摄参数,调整感光度(ISO)、光圈、快门速度等等一系列参数来实现理想的拍摄效果。该方案所适用的场景有限,实现操作起来比较复杂,需要的编辑者有较强的领域知识,学习成本比较高,但是掌握这些知识后,即便可以调整出理想的画质效果,但是耗时长。
根据本公开的实施例,提供了一种图像处理方法,图1是根据本公开实施例的图像处理方法的流程示意图,该方法可以应用于图像处理装置,例如,该装置可以部署于终端或服务器或其它处理设备执行的情况下,可以执行图像采集、环境信息识别、拍摄参数的调整等等。其中,终端可以为用户设备(UE,User Equipment)、移动设备、蜂窝电话、无绳电话、个人数字处理(PDA,Personal Digital Assistant)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该方法还可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示,包括:
S101、对采集的第一图像,根据训练好的识别模型进行信息识别,得到环境信息。
S102、查询用于图像处理的参数列表,得到与所述环境信息对应的目标参数。
S103、获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像。
S101-S103的一示例中,对通过手机或智能相机所采集的第一图像(如人物图像或风景图像等),根据训练好的识别模型(如通过特征提取可以识别出图像中前景信息或背景信息等神经网络模型)进行信息识别,得到环境信息(即图像采集的当前环境,如白天、晚上、强光、弱光等)。查询用于图像处理的参数列表,得到与该环境信息对应的目标参数(如相机参数或滤镜参数等)。获取与该第一图像相关联的目标处理信息(比如特效,或互动点赞的图像处理结果),根据该目标参数及该目标处理信息将该第一图像转换为第二图像,第二图像即为通过手机或智能相机直接成像的图像,该第二图像不需要借助外部的辅助软件来合成,为“通过手机或智能相机的一体化成像”。
采用本公开,对采集的第一图像,根据训练好的识别模型进行信息识别,得到环境信息;查询用于图像处理的参数列表,得到与所述环境信息对应的目标参数;获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像。采用本公开,可以不借助辅助工具即可实现一体化成像,简单易用,且适应范围广泛,比如适用于微录(VlOG,Video Log)的制作(即视频记录)、视频直播、小视频编辑、照相等等。
一实施方式中,所述对采集的第一图像,根据训练好的识别模型进行信息识别,得到环境信息,包括:对采集的所述第一图像进行特征提取处理,得到多种特征信息;采用所述训练好的识别模型对所述多种特征信息进行识别,得到环境特征信息;根据所述环境特征信息确定所述环境信息。采用本实施方式,通过训练好的识别模型进行环境信息的识别,提高了识别准确性及识别速度。
一实施方式中,所述查询用于图像处理的参数列表,得到与所述环境信息对应的目标参数,包括:查询到所述参数列表中包含所述环境信息的情况下,获取与所述环境信息对应的相机参数和/或滤镜信息,将所述相机参数和/或滤镜信息作为所述目标参数。采用本实施方式,在成像过程中直接调整相机参数和/或滤镜信息,在目标参数为相机参数或滤镜的情况下,可以改善最终成像的画质明暗度、对比度、曝光度等等,从而提高了最终成像的画质效果。
一实施方式中,所述获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像,包括:检测所述第一图像中指定的局部区域,得到待优化的局部对象;获取与所述局部对象相关联的第一图像美化信息,并作为所述目标处理信息;根据所述目标参数及所述第一图像美化信息,将所述第一图像转换为所述第二图像。采用本实施方式,在成像过程中直接对图像中的局部对象进行美化,比如,该局部对象可以为眼睛、鼻子、嘴唇等,即可以在成像过程中直接使得眼睛变大、鼻子去黑头、嘴唇上色等等,从而提高了最终成像的画质效果。
一实施方式中,所述获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像,包括:发送包含所述第一图像的互动请求;接收与所述第一图像相关联的全局图像或图像局部区域;将所述全局图像或图像局部区域的第二图像美化信息,作为所述目标处理信息;根据所述目标参数及所述第二图像美化信息,将所述第一图像转换为所述第二图像。采用本实施方式,可以在成像过程中直接对图像中的局部对象进行美化,且加入了互动模式,比如,上述与第一图像相关联的全局图像或图像局部区域,可以为自己之前已经美化好的处理结果,还可以是其他用户之前已经美化好的处理结果等,不限于眼睛变大、鼻子去黑头、嘴唇上色等等。由于这些已经美化好的处理结果,默认是各个用户在互动中都认可的图像合成效果,因此,可以通过互动模式直接得到最优的美化结果,而不需要自己手动去调参或者自行选择,从而降低了用户处理图像的处理难度,最终成像的画质效果也符合预期画质效果。
一实施方式中,所述获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像,包括:发送包含所述第一图像的互动请求;接收与所述第一图像相关联的全局图像或图像局部区域的评价指标;将所述全局图像或图像局部区域的评价指标基于指标优先级排序,得到排序第一的第三图像美化信息,作为所述目标处理信息;根据所述目标参数及所述第三图像美化信息,将所述第一图像转换为所述第二图像。采用本实施方式,可以在成像过程中直接对图像中的局部对象进行美化,且加入了互动模式,比如,上述与所述第一图像相关联的全局图像或图像局部区域的评价指标,可以为针对自己之前已经美化好的处理结果的点赞指标(不限于针对眼睛变大、鼻子去黑头、嘴唇上色等的点赞分值或者点赞次数等),还可以是其他用户之前已经美化好的处理结果等的点赞指标。由于这些点赞指标,默认是各个用户在互动中都认可的图像合成效果,选取点赞指标排序中点赞分数最高或点赞次数最多的美化结果,因此,可以通过互动模式直接得到最优的美化结果,而不需要自己手动去调参或者自行选择,从而降低了用户处理图像的处理难度,最终成像的画质效果也符合预期画质效果。
图2是根据本公开实施例的图像处理方法的一体成像的示意图,如图2所示,用户采用智能相机201或手机202拍照或者摄像,得到第一图像203,可以对第一图像整体进行图像处理,以得到一体化成像的第二图像207。也可以对该第一图像中的第一局部区域2041进行图像处理,以得到一体化成像的第二图像207,且该第二图像207采用第二局部区域2042替换原来的第一局部区域2041。在图像处理的过程中,可以针对所识别出的环境信息,在数据库205中查询相关信息,比如,通过查询参数列表,得到与环境信息对应的目标信息(如相机参数或滤镜信息等);比如,通过获取与第一图像203相关联的全局图像或图像局部区域的图像美化信息(如眼睛、嘴唇、配饰等);比如,通过互联网向服务器206发起包含第一图像203的互动请求,以获取与第一图像203相关联的全局图像或图像局部区域的图像美化信息(如眼睛、嘴唇、配饰等)的评价指标,基于包含目标信息、图像美化信息中的至少一种信息对第一图像203的整体或局部进行一体化成像,并最终得到第二图像207,不需要借助专业人士,也不需要熟悉专业知识,更不需要借助辅助的软件,即可实现一体化成像,画质可以达到专业级的水平,耗时短。
应用示例:
针对不同场景(如白天、夜晚、强光、弱光等)中对拍摄环境的识别而言,应用场景为黑夜或者环境光比较暗的情况下,可以采用黑夜模式进行拍摄环境的识别,比如,通过终端的感光元件判断当前所处的拍摄环境是否需要开启该黑夜模式,在该黑夜模式中通过提升ISO、放大光圈及降低快门速度等一些参数来提升光感效果。效果比较单一,只是优化了黑夜的拍摄模式。或者采用手动调节参数模式对该黑夜或者环境光比较暗的情况及其他如白天、强光等进行拍摄环境的识别,在该手动调节参数模式下不具备智能识别功能,而且,操作者需要有较强的摄影知识,具备专业的调参能力,而这种能力需要的学习成本非常高,对经验的要求也非常的高,即便专业,可要想调出理想的效果,耗时比较长。
本公开具备智能识别功能,可以根据所识别出的图像环境针对性的调节终端的采集参数(如手机或智能相机的参数等),以及针对性的添加与该所识别出的图像环境相对应的滤镜。其中,该智能识别功能建立在AI识别技术上,从而,通过预识别拍摄环境,在相应的拍摄环境中进行采集参数及滤镜的调整,达到画质更高的拍摄效果,且耗时短。
本公开的一应用示例中,图3是根据本公开实施例的图像处理方法一应用示例的环境信息识别的流程示意图,如图3所示,包括如下内容:
1)拍摄前,预先采集多帧图像信息,以训练识别模型。
2)对获取到的当前图像信息,采用训练好的识别模型进行分析。
3)根据当前图像信息及训练好的识别模型,识别出环境信息。
比如,识别出环境信息可以包括:光强度、采集周边环境等因素决定的环境类型,还可以包括:图像信息是否为风景类型、人物类型、建筑类型等环境类型。
本公开的一应用示例中,图4是根据本公开实施例的图像处理方法一应用示例的调参的流程示意图,如图4所示,包括如下内容:
1)通过一个识别模型(具体是环境识别模型)得到环境信息。
2)通过另一个识别模型(具体是调参识别模型)得到与环境信息对应的相机参数和/或滤镜信息。
除此之外,还可以通过查询参数列表,而不需要设置专门的识别模型,直接得到与环境信息对应的相机参数和/或滤镜信息。其中,该参数列表可以是通过学习不同环境对应的相机参数和/或滤镜信息,从而达到业界认可专业级别的拍摄参数。
3)通过对环境识别,获取到当前环境信息最匹配的相机参数和/或滤镜信息后,直接应用到相机进行一体化成像,得到最终的图像处理结果,可以让用户从拍摄小白拍摄秒变专业级的拍摄大师。
采用上述各应用示例,能有效的简化拍摄流程,提升拍摄画质,输出高质量的一体化成像成品。还可以将输出的该高质量的一体化成像成品作为数据源提供给其他图像编辑工具使用,适应的场景更更广泛。
根据本公开的实施例,提供了一种图像处理装置,图5是根据本公开实施例的图像处理装置的组成结构示意图,如图5所示,图像处理500包括:识别模块501,用于对采集的第一图像,根据训练好的识别模型进行信息识别,得到环境信息;查询模块502,用于查询用于图像处理的参数列表,得到与所述环境信息对应的目标参数;图像处理模块503,用于获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像。
一实施方式中,所述识别模块,用于对采集的所述第一图像进行特征提取处理,得到多种特征信息;采用所述训练好的识别模型对所述多种特征信息进行识别,得到环境特征信息;根据所述环境特征信息确定所述环境信息。
一实施方式中,所述查询模块,用于查询到所述参数列表中包含所述环境信息的情况下,获取与所述环境信息对应的相机参数和/或滤镜信息,将所述相机参数和/或滤镜信息作为所述目标参数。
一实施方式中,所述图像处理模块,用于检测所述第一图像中指定的局部区域,得到待优化的局部对象;获取与所述局部对象相关联的第一图像美化信息,并作为所述目标处理信息;根据所述目标参数及所述第一图像美化信息,将所述第一图像转换为所述第二图像。
一实施方式中,所述图像处理模块,用于发送包含所述第一图像的互动请求;接收与所述第一图像相关联的全局图像或图像局部区域;将所述全局图像或图像局部区域的第二图像美化信息,作为所述目标处理信息;根据所述目标参数及所述第二图像美化信息,将所述第一图像转换为所述第二图像。
一实施方式中,所述图像处理模块,用于发送包含所述第一图像的互动请求;接收与所述第一图像相关联的全局图像或图像局部区域的评价指标;将所述全局图像或图像局部区域的评价指标基于指标优先级排序,得到排序第一的第三图像美化信息,作为所述目标处理信息;根据所述目标参数及所述第三图像美化信息,将所述第一图像转换为所述第二图像。
本公开实施例各装置中的各模块的功能可以参见上述方法中的对应描述,在此不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6是用来实现本公开实施例的图像处理方法的电子设备的框图。该电子设备可以为前述部署设备或代理设备。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或要求的本公开的实现。
如图6所示,电子设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序来执行各种适当的动作和处理。在RAM 603中,还可存储电子设备600操作所需的各种程序和数据。计算单元601、ROM602以及RAM 603通过总线604彼此相连。输入输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如图像处理方法。例如,在一些实施例中,图像处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的图像处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种图像处理方法,所述方法包括:
对采集的第一图像,根据训练好的识别模型进行信息识别,得到环境信息;
查询用于图像处理的参数列表,得到与所述环境信息对应的目标参数;
获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像。
2.根据权利要求1所述的方法,其中,所述对采集的第一图像,根据训练好的识别模型进行信息识别,得到环境信息,包括:
对采集的所述第一图像进行特征提取处理,得到多种特征信息;
采用所述训练好的识别模型对所述多种特征信息进行识别,得到环境特征信息;
根据所述环境特征信息确定所述环境信息。
3.根据权利要求1或2所述的方法,其中,所述查询用于图像处理的参数列表,得到与所述环境信息对应的目标参数,包括:
查询到所述参数列表中包含所述环境信息的情况下,获取与所述环境信息对应的相机参数和/或滤镜信息,将所述相机参数和/或滤镜信息作为所述目标参数。
4.根据权利要求1或2所述的方法,其中,所述获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像,包括:
检测所述第一图像中指定的局部区域,得到待优化的局部对象;
获取与所述局部对象相关联的第一图像美化信息,并作为所述目标处理信息;
根据所述目标参数及所述第一图像美化信息,将所述第一图像转换为所述第二图像。
5.根据权利要求1或2所述的方法,其中,所述获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像,包括:
发送包含所述第一图像的互动请求;
接收与所述第一图像相关联的全局图像或图像局部区域;
将所述全局图像或图像局部区域的第二图像美化信息,作为所述目标处理信息;
根据所述目标参数及所述第二图像美化信息,将所述第一图像转换为所述第二图像。
6.根据权利要求1或2所述的方法,其中,所述获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像,包括:
发送包含所述第一图像的互动请求;
接收与所述第一图像相关联的全局图像或图像局部区域的评价指标;
将所述全局图像或图像局部区域的评价指标基于指标优先级排序,得到排序第一的第三图像美化信息,作为所述目标处理信息;
根据所述目标参数及所述第三图像美化信息,将所述第一图像转换为所述第二图像。
7.一种图像处理装置,所述装置包括:
识别模块,用于对采集的第一图像,根据训练好的识别模型进行信息识别,得到环境信息;
查询模块,用于查询用于图像处理的参数列表,得到与所述环境信息对应的目标参数;
图像处理模块,用于获取与所述第一图像相关联的目标处理信息,根据所述目标参数及所述目标处理信息将所述第一图像转换为第二图像。
8.根据权利要求7所述的装置,其中,所述识别模块,用于:
对采集的所述第一图像进行特征提取处理,得到多种特征信息;
采用所述训练好的识别模型对所述多种特征信息进行识别,得到环境特征信息;
根据所述环境特征信息确定所述环境信息。
9.根据权利要求7或8所述的装置,其中,所述查询模块,用于:
查询到所述参数列表中包含所述环境信息的情况下,获取与所述环境信息对应的相机参数和/或滤镜信息,将所述相机参数和/或滤镜信息作为所述目标参数。
10.根据权利要求7或8所述的装置,其中,所述图像处理模块,用于:
检测所述第一图像中指定的局部区域,得到待优化的局部对象;
获取与所述局部对象相关联的第一图像美化信息,并作为所述目标处理信息;
根据所述目标参数及所述第一图像美化信息,将所述第一图像转换为所述第二图像。
11.根据权利要求7或8所述的装置,其中,所述图像处理模块,用于:
发送包含所述第一图像的互动请求;
接收与所述第一图像相关联的全局图像或图像局部区域;
将所述全局图像或图像局部区域的第二图像美化信息,作为所述目标处理信息;
根据所述目标参数及所述第二图像美化信息,将所述第一图像转换为所述第二图像。
12.根据权利要求7或8所述的装置,其中,所述图像处理模块,用于:
发送包含所述第一图像的互动请求;
接收与所述第一图像相关联的全局图像或图像局部区域的评价指标;
将所述全局图像或图像局部区域的评价指标基于指标优先级排序,得到排序第一的第三图像美化信息,作为所述目标处理信息;
根据所述目标参数及所述第三图像美化信息,将所述第一图像转换为所述第二图像。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机指令,该计算机指令被处理器执行时实现权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110293666.0A CN113011328B (zh) | 2021-03-19 | 2021-03-19 | 图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110293666.0A CN113011328B (zh) | 2021-03-19 | 2021-03-19 | 图像处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113011328A true CN113011328A (zh) | 2021-06-22 |
CN113011328B CN113011328B (zh) | 2024-02-27 |
Family
ID=76402787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110293666.0A Active CN113011328B (zh) | 2021-03-19 | 2021-03-19 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011328B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116320720A (zh) * | 2023-05-08 | 2023-06-23 | 南京芯驰半导体科技有限公司 | 一种图像处理方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020119588A1 (zh) * | 2018-12-11 | 2020-06-18 | 上海掌门科技有限公司 | 拍摄方法及设备 |
CN111833340A (zh) * | 2020-07-21 | 2020-10-27 | 北京百度网讯科技有限公司 | 图像检测方法、装置、电子设备及存储介质 |
-
2021
- 2021-03-19 CN CN202110293666.0A patent/CN113011328B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020119588A1 (zh) * | 2018-12-11 | 2020-06-18 | 上海掌门科技有限公司 | 拍摄方法及设备 |
CN111833340A (zh) * | 2020-07-21 | 2020-10-27 | 北京百度网讯科技有限公司 | 图像检测方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
RODRIGO TERPÁN ARENAS: "Development of a Virtual Environment Based Image Generation Tool for Neural Network Training", IEEE * |
林杰;李如意;: "基于深度学习的图像识别处理", 网络安全技术与应用, no. 11 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116320720A (zh) * | 2023-05-08 | 2023-06-23 | 南京芯驰半导体科技有限公司 | 一种图像处理方法、装置、设备及存储介质 |
CN116320720B (zh) * | 2023-05-08 | 2023-09-29 | 南京芯驰半导体科技有限公司 | 一种图像处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113011328B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109688351B (zh) | 一种图像信号处理方法、装置及设备 | |
CN105049718A (zh) | 一种图像处理方法及终端 | |
CN109547701A (zh) | 图像拍摄方法、装置、存储介质及电子设备 | |
US20200082508A1 (en) | Information processing method, information processing apparatus, and recording medium | |
US11321830B2 (en) | Image detection method and apparatus and terminal | |
US11776129B2 (en) | Semantic refinement of image regions | |
CN110335216B (zh) | 图像处理方法、图像处理装置、终端设备及可读存储介质 | |
CN107690804B (zh) | 一种图像处理方法及用户终端 | |
WO2022160895A1 (zh) | 图像处理方法、图像处理装置、电子系统及可读存储介质 | |
CN110121031B (zh) | 图像采集方法和装置、电子设备、计算机可读存储介质 | |
KR20100134085A (ko) | 디지털 이미지에서 객체 검출 속도 향상을 위한 시스템 및 방법 | |
CN108574803B (zh) | 图像的选取方法、装置、存储介质及电子设备 | |
CN113011328B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113705381B (zh) | 雾天的目标检测方法、装置、电子设备以及存储介质 | |
CN108259767B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN108495038B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN111901519A (zh) | 屏幕补光方法、装置及电子设备 | |
CN114255177B (zh) | 成像中的曝光控制方法、装置、设备及存储介质 | |
CN115334250A (zh) | 一种图像处理方法、装置及电子设备 | |
CN113989387A (zh) | 相机拍摄参数调整方法、装置及电子设备 | |
WO2008113650A2 (en) | Categorizing moving objects into familiar colours in video | |
CN113988294A (zh) | 训练预测网络的方法、图像处理方法和装置 | |
CN114071024A (zh) | 图像拍摄方法、神经网络训练方法、装置、设备和介质 | |
CN114387157A (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
CN113962840A (zh) | 图像处理方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant |