CN113112422B - 图像处理方法、装置、电子设备、计算机可读介质 - Google Patents
图像处理方法、装置、电子设备、计算机可读介质 Download PDFInfo
- Publication number
- CN113112422B CN113112422B CN202110366996.8A CN202110366996A CN113112422B CN 113112422 B CN113112422 B CN 113112422B CN 202110366996 A CN202110366996 A CN 202110366996A CN 113112422 B CN113112422 B CN 113112422B
- Authority
- CN
- China
- Prior art keywords
- image
- mask image
- processed
- pixel
- value
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 230000002829 reductive effect Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 19
- 230000000694 effects Effects 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000010606 normalization Methods 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 241000282326 Felis catus Species 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G06T5/94—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
Abstract
本公开提供了一种图像处理方法和装置,涉及图像处理技术领域。该方法的一具体实施方式包括:从获取的原始图像中提取掩膜图像;基于掩膜图像,确定待处理区域;在原始图像的待处理区域,计算得到颜色参数值的平均值;基于颜色参数值的平均值、原始图像,对掩膜图像的待处理区域进行处理,得到新的掩膜图像。该实施方式优化了生成的掩膜图像,提高了新的掩膜图像的稳定性。
Description
技术领域
本公开涉及计算机技术领域,具体涉及图像处理技术领域,尤其涉及图像处理方法和装置、电子设备、计算机可读介质以及计算机程序产品。
背景技术
图像分割算法作为计算机视觉技术的一项关键技术,其核心是将一幅图像中的目标从背景中分离出来,实现智能抠图。在此基础上,可进一步实现自由替换背景,虚化背景等效果,在直播、互动娱乐、照片美化等领域有重要的应用。而在分割结果的处理上,由于前景背景的融合生硬,导致整体的融合效果不自然、锯齿明显、在视频等连续多帧场景下有明显的抖动等问题。
发明内容
本公开的实施例提出了图像处理方法和装置、电子设备、计算机可读介质以及计算机程序产品。
第一方面,本公开的实施例提供了一种图像处理方法,该方法包括:从获取的原始图像中提取掩膜图像;基于掩膜图像,确定待处理区域;在原始图像的待处理区域,计算得到颜色参数值的平均值;基于颜色参数值的平均值、原始图像,对掩膜图像的待处理区域进行处理,得到新的掩膜图像。
在一些实施例中,上述方法还包括:获取背景图像;将背景图像与新的掩膜图像进行融合,得到融合后的图像。
在一些实施例中,上述基于掩膜图像,确定待处理区域,包括:获取掩膜图像中前景目标的边缘轮廓;基于边缘轮廓,得到待处理区域。
在一些实施例中,上述基于边缘轮廓,得到待处理区域,包括:以边缘轮廓的中心为缩放中心,将边缘轮廓向轮廓内缩小第一设定值倍,得到缩小轮廓;以边缘轮廓的中心为缩放中心,将边缘轮廓向轮廓外放大第二设定值倍,得到放大轮廓;取放大轮廓和缩小轮廓之间的区域为待处理区域。
在一些实施例中,上述在原始图像的待处理区域,计算得到颜色参数值的平均值,包括:计算原始图像的待处理区域中的所有像素点的色值;对色值求平均,得到颜色参数值的平均值。
在一些实施例中,上述基于颜色参数值的平均值、原始图像,对掩膜图像的待处理区域进行处理,得到新的掩膜图像包括:针对掩膜图像的待处理区域中每个像素点,计算原始图像中该像素点的像素色值与颜色参数值的平均值之间的相对距离;基于相对距离,确定掩膜图像中与该像素点对应的新像素值;使掩膜图像的待处理区域中的所有像素点采用新像素值,得到新的掩膜图像。
在一些实施例中,基于相对距离,确定掩膜图像中与该像素点对应的新像素值,包括:将相对距离代入像素值计算公式,得到掩膜图像中与该像素点对应的新像素值,像素值计算公式用于表示新像素值与相对距离之间的关系。第二方面,本公开的实施例提供了一种图像处理装置,该装置包括:提取单元,被配置成从获取的原始图像中提取掩膜图像;确定单元,被配置成基于掩膜图像,确定待处理区域;计算单元,被配置成在原始图像的待处理区域,计算得到颜色参数值的平均值;处理单元,被配置成基于颜色参数值的平均值、原始图像,对掩膜图像的待处理区域进行处理,得到新的掩膜图像。
在一些实施例中,上述装置还包括:获取单元,被配置成获取背景图像;融合单元,被配置成将背景图像与新的掩膜图像进行融合,得到融合后的图像。
在一些实施例中,上述确定单元包括:获取模块,被配置成获取掩膜图像中前景目标的边缘轮廓;得到模块,被配置成基于边缘轮廓,得到待处理区域。
在一些实施例中,上述得到模块包括:缩小子模块,被配置成以边缘轮廓的中心为缩放中心,将边缘轮廓向轮廓内缩小第一设定值倍,得到缩小轮廓;放大子模块,被配置成以边缘轮廓的中心为缩放中心,将边缘轮廓向轮廓外放大第二设定值倍,得到放大轮廓;定位子模块,被配置成取放大轮廓和缩小轮廓之间的区域为待处理区域。
在一些实施例中,上述计算单元包括:计算模块,被配置成计算原始图像的待处理区域中的所有像素点的色值;集合模块,被配置成对色值求平均,得到颜色参数值的平均值。
在一些实施例中,上述处理单元包括:求距模块,被配置成针对掩膜图像的待处理区域中每个像素点,计算原始图像中该像素点的像素色值与颜色参数值的平均值之间的相对距离;确定模块,被配置成基于相对距离,确定掩膜图像中与该像素点对应的新像素值;替换模块,被配置成使掩膜图像的待处理区域中的所有像素点采用新像素值,得到新的掩膜图像。
在一些实施例中,上述确定模块进一步被配置成将相对距离代入像素值计算公式,得到掩膜图像中与该像素点对应的新像素值,像素值计算公式用于表示新像素值与相对距离之间的关系。
第三方面,本公开的实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
第五方面,本公开的实施例提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如第一方面任一实现方式描述的方法。
本公开的实施例提供的图像处理方法和装置,首先从获取的原始图像中提取掩膜图像;其次,基于掩膜图像,确定待处理区域;再次,在原始图像的待处理区域,计算得到颜色参数值的平均值;最后,基于颜色参数值的平均值、原始图像,对掩膜图像的待处理区域进行处理,得到新的掩膜图像。由此,基于颜色参数值的平均值、原始图像对掩膜图像进行处理得到新的掩膜图像,使新的掩膜图像参考更多的原始图像的特征,提高了提取的掩膜图像的稳定性,减少了掩膜图像边缘部分抖动性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的图像处理方法的一个实施例的流程图;
图3是根据本公开的图像处理方法的另一个实施例的流程图;
图4a是本公开的一个实际场景中的原始图像;
图4b是本公开的实际场景中的掩膜图像;
图4c是本公开的实际场景中的边缘轮廓;
图5是根据本公开的图像处理装置的实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的图像处理方法的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,通常可以包括无线通信链路等等。
终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如即时通信工具、邮箱客户端等。
终端设备101、102、103可以是硬件,也可以是软件;当终端设备101、102、103为硬件时,可以是具有通信和控制功能的用户设备,上述用户设置可与服务器105进行通信。当终端设备101、102、103为软件时,可以安装在上述用户设备中;终端设备101、102、103可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如为终端设备101、102、103上图像系统中待处理图像提供图像处理的后台服务器。后台服务器可以对网络中的图像进行掩膜图像提取以及处理,并将处理结果(如新的掩膜图像)反馈给终端设备。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的图像处理方法一般由服务器105执行。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
如图2,示出了根据本公开的图像处理方法的一个实施例的流程200,该图像处理方法包括以下步骤:
步骤201,从获取的原始图像中提取掩膜图像。
本实施例中,原始图像是提取掩膜图像的图像,图像处理方法的执行主体(如图1所示的服务器105)可以通过多种手段获取原始图像,比如,实时从用户终端(如图1所示的终端设备101、102、103)采集原始图像,并从原始图像中提取掩膜图像。或者,从本地内存中获取原始图像,并从原始图像中提取掩膜图像。
本实施例中,掩膜图像是对原始图像进行前景和背景分割后得到的图像,掩膜图像与原始图像的尺寸相同,掩膜图像中各个像素值表示与原始图像对应像素点所属的类别,例如,掩膜图像的像素的像素值为0表示为原始图像的背景部分,掩膜图像的像素的像素值为1表示为原始图像的前景部分。
本实施例中,还可以对原始图像进行分割处理得到中间图像(中间图像的尺寸与原始图像的尺寸相同,中间图像是将原始图像的像素点划分为不同类别之后,得到的图像),再对中间图像进行归一化处理得到掩膜图像。其中,分割处理是将原始图像分为若干区域,提取具有独特性质的区域(比如,具有前景部分的)中的前景目标的过程。
针对像素点被分为两类的中间图像,直接对中间图像进行归一化处理得到掩膜图像,例如,中间图像的像素的像素值为0时表示为原始图像的背景部分,中间图像的像素的像素值为255时表示为原始图像的前景部分;通过对中间图像进行归一化处理,使中间图像的像素值为255转换为1,从而得到掩膜图像。
针对像素点被分为两个以上类的中间图像(如分类为人、猫、其他)时,需要对中间图像进一步分类(例如将人的部分取出,则人为前景,猫/其他为背景),再进行归一化处理得到掩膜图像。
本实施例中,掩膜图像可以是通过分割算法(例如,基于色键的绿屏分割算法、基于深度学习的分割算法)得到的掩膜图像,掩膜图像的像素值通常只包含0,1值,对应原始图像中的像素类别分别为前景和背景,缺少中间过渡,造成锯齿、毛刺现象,以及多帧图像中的抖动问题,因此,通过在像素值取0到1间的过渡值,可以解决上述缺陷,而本实施例提供的图像处理方法可以实现精确的像素点取值,达到更自然柔和的效果。
步骤202,基于掩膜图像,确定待处理区域。
本实施例中,待处理区域是预对掩膜图像进行像素处理(比如,增加掩膜图像的像素值、减小掩膜图像的像素值等)的区域,由于掩膜图像与原始图像的尺寸相同,该待处理区域可以是掩膜图像或原始图像的整个图像区域,也可以是掩膜图像或原始图像的部分区域。
待处理区域可以基于掩膜图像的处理需求而直接选取,比如,需要对掩膜图像的中心进行像素值增加,此时选取掩膜图像的中心区域作为待处理区域,或者需要对掩膜图像的边缘进行像素值减小,此时需先确定掩膜图像的边缘位置范围,选取包括边缘位置范围的区域作为待处理区域。
可选地,还可以通过形态学操作得到待处理区域。具体实施方式为:在掩膜图像M的基础上,分别通过形态学膨胀和腐蚀操作得到处理后的掩膜Mdilate,Merode,而待处理区域E则可以通过Mdilate-Merode得到。其中腐蚀操作和膨胀操作的核半径,即为扩展的内外侧宽度参数,即为。
步骤203,在原始图像的待处理区域,计算得到颜色参数值的平均值。
本实施例中,颜色参数值的平均值是对原始图像的待处理区域中的所有像素点的颜色参数值求平均后而得到的值,其中,颜色参数值是原始图像中像素点的颜色参数的值,对于不同的颜色模型或空间(例如,RGB色彩模型、HSV(Hue,Saturation,Value)色彩模型),颜色参数值表现方式不同。
对于RGB色彩模型,颜色参数值为像素点的色值,该像素点的色值包括红色通道色值、绿色通道色值以及蓝色通道色值。而颜色参数值的平均值是分别对原始图像的待处理区域中的所有像素点的红色通道色值、绿色通道色值,蓝色通道色值求平均得到的值。
对于HSV色彩模型,颜色参数值为色调、饱和度、明度,而颜色参数值的平均值是分别对原始图像的待处理区域中的所有像素点的色调值、饱和度、明度求平均得到的值。
步骤204,基于颜色参数值的平均值、原始图像,对掩膜图像的待处理区域进行处理,得到新的掩膜图像。
本实施例中,通过颜色参数值的平均值可以感知原始图像的待处理区域中颜色分布情况。而在感知待处理区域中颜色分布情况的基础上,计算原始图像的像素点的像素值与颜色参数值的平均值之间的差距,基于该差距可以动态(比如,正比、线性对应等)确定该像素点作为前景或是背景部分对应的权重,该权重即为新的掩膜图像的像素值,将新的掩膜图像的像素值替换掩膜图像的待处理区域中的所有像素点的像素值,实现对掩膜图像的待处理区域进行处理(即基于新的掩膜图像的像素值,对掩膜图像的待处理区域中的像素点的像素值进行替换),得到新的掩膜图像。
当像素值与颜色参数值的平均值之间较为接近时,则计算出的相对距离较小,从而该像素点对应的权重也较小,其更偏向于背景部分;反之,当像素值与颜色参数值的平均值差距较大时,则计算出的相对距离较大,从而像素点对应的权重也较大,其更偏向于前景部分。本实施例中,利用原始图像色彩之间的距离与掩膜图像的权重进行关联,达到权重根据原始图像实际色彩平滑过渡的效果。
本公开的该方案:定位待处理区域,检测原始图像的待处理区域的色彩分布,计算待处理区域的掩膜图像的新权重,得到新的掩膜图像。在对原始图像的同一前景目标通过分割算法得到掩膜图像的基础上,可以得到更加柔化的新的掩膜图像,实现了新的掩膜图像与背景图像更真实自然的融合效果,并优化了多帧场景下掩膜图像的稳定性。进一步地,本公开的一些实现方式中可以仅针对边缘区域部分进行优化,即待处理区域为原始图像或掩膜图像的边缘区域。当待处理区域为原始图像或掩膜图像的边缘区域时,根据色彩分布确定新的权重,可以有效地优化边缘区域前景、背景的融合效果。且流程简单,具有执行复杂度低,耗时短的特性,可支持PC端、移动端等设备上的实时运行。
本公开的实施例提供的图像处理方法,首先从获取的原始图像中提取掩膜图像;其次,基于掩膜图像,确定待处理区域;从次,在原始图像的待处理区域,计算得到颜色参数值的平均值;最后,基于颜色参数值的平均值、原始图像,对掩膜图像的待处理区域进行处理,得到新的掩膜图像。由此,基于颜色参数值的平均值、原始图像对掩膜图像进行处理,得到新的掩膜图像,使新的掩膜图像参考更多的原始图像的特征,提高了提取的掩膜图像稳定性,减少了掩膜图像边缘部分抖动性。
在本公开的另一实施例中,可以将新的掩膜图像用于图像融合中得到新的图像,如图3,示出了根据本公开的图像处理方法的另一个实施例的流程300,该图像处理方法包括以下步骤:
步骤301,从获取的原始图像中提取掩膜图像。
步骤302,基于掩膜图像,确定待处理区域。
步骤303,在原始图像的待处理区域,计算得到颜色参数值的平均值。
步骤304,基于颜色参数值的平均值、原始图像,对掩膜图像的待处理区域进行处理,得到新的掩膜图像。
应当理解,上述步骤301-步骤304中的操作和特征,分别与步骤201-步骤204中的操作和特征相对应,因此,上述在步骤201-步骤204中对于操作和特征的描述,同样适用于步骤301-步骤304,在此不再赘述。
步骤305,获取背景图像。
本实施例中,获取背景图像可以在得到的新的掩膜图像基础上,实现对原始图像中背景的替换。
其中,背景图像可以是自定义的任意一种背景图像,该背景图像可以与原始图像、掩膜图像和新的掩膜图像三种无任何关系。
可选地,背景图像还可以是根据背景融合需求而设置的图像,比如,背景图像为全黑或全白或全透明图。当背景图像为全透明图时,可以达到抠取原始图像中前景目标的作用。
本实施例中,背景图像的尺寸可以与新的掩膜图像的尺寸相同,当获取的背景图像的尺寸与掩膜图像的尺寸不一致时,可以对获取的背景图像进行裁剪、填充、插值等处理,得到与新的掩膜图像尺寸相同的背景图像。
步骤306,将背景图像与新的掩膜图像进行融合,得到融合后的图像。
本实施例中,在给定背景图像之后,可以将原始图像、新的掩膜图像以及背景图像代入式(1)所示的公式,得到融合后的图像。
I(x,y)=M(x,y)*F(x,y)+(1-M(x,y))*B(x,y) (1)
在式(1)中,M(x,y)表示新的掩膜图像,F(x,y)表示原始图像,B(x,y)表示背景图像,I(x,y)表示融合后的图像。
本实施例提供的图像处理方法,在得到新的掩膜图像之后,获取背景图像,将背景图像与新的掩膜图像进行融合,得到融合后的图像,该实施例达到了更自然柔和的前景与背景融合效果,同时优化了连续多帧图像之间分割结果的稳定性,解决了抖动问题,并且本实施例提供的方法可支持实时运行的场景。
为了加强对掩膜图像边缘区域的柔化效果,在本实施例的一些可选实现方式中,基于掩膜图像,确定待处理区域包括:获取掩膜图像中前景目标的边缘轮廓;基于边缘轮廓,得到待处理区域。
本可选实现方式中,可以采用轮廓提取算法(如suzuki)提取边缘轮廓。轮廓,即物体的外围或图形的外框。轮廓提取算法旨在从图像中提取可体现物体形状的曲线,本可选实现方式中,前景目标是掩膜图像中反映原始图像前景部分的目标,该目标可以是原始图像中的人、动物、植物等。如图4a、图4b、图4c所示,图4a是一种原始图像,图4b是图4a的掩膜图像,图4c是4b中前景目标(图4a中前景目标是人物)的边缘轮廓。
本可选实现方式中,基于边缘轮廓,得到待处理区域,其中,可以将边缘轮廓包围的区域作为待处理区域,还可以对边缘轮廓的进行设定区域范围的内扩或外扩,得到待处理区域。比如,对边缘轮廓进行5px的内部缩小或外部放大,原边缘轮廓与内扩或外扩后的区域为待处理区域。
本可选实现方式中,基于掩膜图像中前景目标的边缘轮廓,得到待处理区域,实现了仅对掩膜图像的部分区域进行处理,为从原始图像抠取前景目标的图像打下了可靠基础。
在本实施例的一些可选实现方式中,上述基于边缘轮廓,得到待处理区域,包括:以边缘轮廓的中心为缩放中心,将边缘轮廓向轮廓内缩小第一设定值倍,得到缩小轮廓;以边缘轮廓的中心为缩放中心,将边缘轮廓向轮廓外放大第二设定值倍,得到放大轮廓;取放大轮廓和缩小轮廓之间的区域为待处理区域。
本可选实现方式中,第一设定值d1与第二设定值d2的值影响着新的掩膜图像柔化处理区域的范围,第一设定值与第二设定值的值较小时会造成柔化效果不明显,第一设定值与第二设定值的值较大时会导致轮廓整体模糊。实践中,第一设定值第二设定值d2等于第一设定值d1的2倍,其中,H为掩膜图像的高度(纵向长度),W为掩膜图像的宽度(横向长度)。/>表示向下取整。
本可选实现方式中,对边缘轮廓进行放大或缩小,得到放大轮廓和缩小轮廓,将放大轮廓和缩小轮廓之间的区域作为待处理区域,为掩膜图像中前景目标边缘区域的处理奠定了区域基础。
在本实施例的一些可选实现方式中,上述在原始图像的待处理区域,计算得到颜色参数值的平均值,包括:计算原始图像的待处理区域中的所有像素点的色值;对色值求平均,得到颜色参数值的平均值。
本可选实现方式针对的是RGB色彩模型,在RGB色彩模型中,通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色。RGB即是RGB色彩模型中代表红、绿、蓝三个通道的颜色参数,颜色参数值是指RGB在0~255范围内的强度值,例如:纯红色R值为255,G值为0,B值为0;灰色的R、G、B三个值相等(除了0和255);白色的R、G、B都为255;黑色的R、G、B都为0。RGB图像只使用三种颜色,就可以使它们按照不同的比例混合,在屏幕上重现16777216种颜色。
RGB色彩模型中,颜色参数值的平均值可以由原始图像的待处理区域中所有像素点的R值的平均值,所有像素点的G值的平均值,所有像素点的G值的平均值组成。具体如式(2)所示:
在式(2)中,RGBmean代表颜色参数值的平均值,P代表原始图像的待处理区域中的像素点q的总数,r,g,b分别是像素点q的红,绿,蓝色度的取值,范围为0~255。
本可选实现方式中,通过求颜色参数值的平均值,可以确定原始图像的待处理区域内的色彩分布情况。
在本实施例的一些可选实现方式中,上述基于颜色参数值的平均值、原始图像,对掩膜图像的待处理区域进行处理,得到新的掩膜图像包括:
针对掩膜图像的待处理区域中每个像素点,计算原始图像中该像素点的像素色值与颜色参数值的平均值之间的相对距离;基于相对距离,确定掩膜图像中与该像素点对应的新像素值;使掩膜图像的待处理区域中的所有像素点采用新像素值,得到新的掩膜图像。
本可选实现方式中,相对距离是指原始图像的像素点的颜色特征与颜色参数值的平均值之间的归一化的距离值,该归一化的距离值可以是对原始图像的像素点的颜色特征与颜色参数值的平均值求欧式距离(还可以采用其他距离公式,比如余弦距离的绝对值、马氏距离等)之后再进行归一化处理后,得到的值。
不同的颜色模型,相对距离的表现形式不同。对于RGB模型,相对距离是原始图像中该像素点的像素色值与颜色参数值的平均值求欧式距离之后进行归一化处理得到的值。具体如式(3)所示:
dx,y=||rgbx,y-RGBmean||2/255,(x,y)∈E (3)
在式(3)中,对于待处理区域E中的像素点,其横纵坐标为x,y,rgbx,y表示红、绿、蓝三通道中色度的取值,范围为0~255,RGBmean代表颜色参数值的平均值。|| ||2是指求欧式距离,在式(3)中欧式距离除以255得到0~1之间的相对距离dx,y。
本实施例中,红、绿、蓝三通道中色度的取值,范围均为0~255,因此在欧式距离归一化时,红、绿、蓝三通道的欧式距离均除于255。
可选地,对于HSV模型,相对距离是原始图像中像素点的色调值,饱和度值,明度值分别与颜色参数值的平均值中色调分量、饱和度分量、明度分量求欧式距离之后各自进行归一化处理得到的值。其中,色调分量、饱和度分量、明度分量是分别对像素点的色调值、饱和度值、明度值求平均后得到的值,具体如式(4)所示:
dx,y=(||hxy-Hmean||2/360,||sxy-Smean||2/1,||vxy-Vmean||2/1),(x,y)∈E (4)
在式(4)中,对于待处理区域E中的像素点,其横纵坐标为x,y,hx,y表示像素点色调值,sx,y表示像素点饱和度值,vx,y表示像素点明度值,Hmean代表颜色参数值的平均值中的色调分量,Hmean代表颜色参数值的平均值中的饱和度分量,Hmean代表颜色参数值的平均值中的明度分量。|| ||2是指求欧式距离,dx,y为相对距离。
本实施例中,像素点色调值,像素点饱和度值,像素点明度值,三者的范围不同,因此在三者的欧式距离进行归一化处理时,欧式距离值除于的数值不同。
本实施例中,相对距离用于反映原始图像的待处理区域中像素点与颜色参数值的平均值之间的差距,当该差距较大时,掩膜图像的像素值更偏向于前景部分;当该差距较小时,掩膜图像的像素值更偏向于背景部分;因此在得到相对距离之后,可以采用预先标定的相对距离与掩膜图像的新像素值之间的对应关系,得到新像素值。
本可选实现方式中,基于原始图像中像素点的像素值与颜色参数值的平均值之间的相对距离,确定掩膜图像中与该像素点对应的新像素值,使掩膜图像中的像素点采用新像素值,通过原始图像实际像素值与平均色彩的距离,动态确定掩膜图像的新像素值,从而使新的掩膜图像更加接近原始图像的像素分布,提升了掩膜图像的处理效果。
在本实施例的一些可选实现方式中,基于相对距离,确定掩膜图像中与该像素点对应的新像素值,包括:将相对距离代入像素值计算公式,得到掩膜图像中与该像素点对应的新像素值,像素值计算公式用于表示新像素值与相对距离之间的关系。
本可选实现方式中,通过像素值计算公式可以快速方便得到掩膜图像中与原始图像点对应的新像素值,保证了掩膜图像的新像素值计算的可靠性。
具体地,像素值计算公式为式(5)所示的公式:
M′(x,y)=min(max((dx,y-s),0)/c,1) (5)
其中,在式(5)中,dx,y表示原始图像中横纵坐标为(x,y)的像素点的像素色值与颜色参数值的平均值之间的相对距离,s,c均为超参数,M′(x,y)为横纵坐标为(x,y)的像素点的新像素值。
本可选实现方式中,s取值范围:0~1,c取值范围0~1(且不包含0)。进一步地,s,c可以是固定值。s,c也可以是可调节值,通过调节s或/和c可以达到调节掩膜图像的新像素值的目的。
本实施例中,通过式(5)可以快速、方便的得到新像素值,并且通过该式可以将待处理区域域中的像素值转换为0~1之间的值,提高而新的掩膜图像的显示效果。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了图像处理装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本公开的实施例提供了一种图像处理装置500,该装置500包括:提取单元501、确定单元502、计算单元503、处理单元504。其中,提取单元501,可以被配置成从获取的原始图像中提取掩膜图像。确定单元502,可以被配置成基于掩膜图像,确定待处理区域。计算单元503,可以被配置成在原始图像的待处理区域,计算得到颜色参数值的平均值。处理单元504,可以被配置成基于颜色参数值的平均值、原始图像,对掩膜图像的待处理区域进行处理,得到新的掩膜图像。
在本实施例中,图像处理装置500中,提取单元501、确定单元502、计算单元503、处理单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204。
在一些实施例中,上述装置还包括:获取单元(图中未示出)、融合单元(图中未示出)。其中,获取单元,可以被配置成获取背景图像。融合单元,可以被配置成将背景图像与新的掩膜图像进行融合,得到融合后的图像。
在一些实施例中,确定单元502包括:获取模块(图中未示出)、得到模块(图中未示出)。其中,上述获取模块,可以被配置成获取掩膜图像中前景目标的边缘轮廓。上述得到模块,可以被配置成基于边缘轮廓,得到待处理区域。
在一些实施例中,上述得到模块包括:缩小子模块(图中未示出)、放大子模块(图中未示出)、定位子模块(图中未示出)。其中,上述缩小子模块,可以被配置成以边缘轮廓的中心为缩放中心,将边缘轮廓向轮廓内缩小第一设定值倍,得到缩小轮廓。上述放大子模块,可以被配置成以边缘轮廓的中心为缩放中心,将边缘轮廓向轮廓外放大第二设定值倍,得到放大轮廓。上述定位子模块,可以被配置成取放大轮廓和缩小轮廓之间的区域为待处理区域。
在一些实施例中,上述计算单元503包括:计算模块(图中未示出)、集合模块(图中未示出)。其中,上述计算模块,可以被配置成计算原始图像的待处理区域中的所有像素点的色值。上述集合模块,可以被配置成对色值求平均,得到颜色参数值的平均值。
在一些实施例中,上述处理单元504包括:求距模块(图中未示出)、确定模块(图中未示出)、替换模块(图中未示出)。其中,上述求距模块,可以被配置成针对掩膜图像的待处理区域中每个像素点,计算原始图像中该像素点的像素色值与颜色参数值的平均值之间的相对距离。上述确定模块,可以被配置成基于相对距离,确定掩膜图像中与该像素点对应的新像素值。上述替换模块,可以被配置成使掩膜图像的待处理区域中的所有像素点采用新像素值,得到新的掩膜图像。
在一些实施例中,上述确定模块进一步被配置成将相对距离代入像素值计算公式,得到掩膜图像中与该像素点对应的新像素值,像素值计算公式用于表示新像素值与相对距离之间的关系。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备600的结构示意图。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603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。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、等的输入装置606;包括例如液晶显示器(LCD,Liquid Crystal Display)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(Radio Frequency,射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述服务器中所包含的;也可以是单独存在,而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该服务器执行时,使得该服务器:从获取的原始图像中提取掩膜图像;基于掩膜图像,确定待处理区域;在原始图像的待处理区域,计算得到颜色参数值的平均值;基于颜色参数值的平均值、原始图像,对掩膜图像的待处理区域进行处理,得到新的掩膜图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
附图中的流程图和框图,图示了按照本公开的各种实施例的系统、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、或代码的一部分,该模块、程序段、或代码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。也应当注意,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,两个接连地表示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操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。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器,包括提取单元、确定单元、计算单元、处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,提取单元还可以被描述为“被配置成从获取的原始图像中提取掩膜图像”的单元。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种图像处理方法,所述方法包括:
从获取的原始图像中提取掩膜图像;
基于所述掩膜图像,确定待处理区域;
在所述原始图像的待处理区域,计算得到颜色参数值的平均值;
基于所述颜色参数值的平均值、所述原始图像,对所述掩膜图像的待处理区域进行处理,得到新的掩膜图像包括:计算所述原始图像的像素点的像素值与所述颜色参数值的平均值之间的差距,基于该差距确定该像素点作为前景或是背景部分对应的权重,该权重即为新的掩膜图像的像素值,将新的掩膜图像的像素值替换所述掩膜图像的待处理区域中的所有像素点的像素值,得到新的掩膜图像。
2.根据权利要求1所述的方法,所述方法还包括:
获取背景图像;
将所述背景图像与所述新的掩膜图像进行融合,得到融合后的图像。
3.根据权利要求1或2所述的方法,其中,所述基于所述掩膜图像,确定待处理区域,包括:
获取所述掩膜图像中前景目标的边缘轮廓;
基于所述边缘轮廓,得到待处理区域。
4.根据权利要求3所述的方法,其中,所述基于所述边缘轮廓,得到待处理区域,包括:
以所述边缘轮廓的中心为缩放中心,将所述边缘轮廓向轮廓内缩小第一设定值倍,得到缩小轮廓;
以所述边缘轮廓的中心为缩放中心,将所述边缘轮廓向轮廓外放大第二设定值倍,得到放大轮廓;
取所述放大轮廓和所述缩小轮廓之间的区域为待处理区域。
5.根据权利要求1或2所述的方法,其中,所述在所述原始图像的待处理区域,计算得到颜色参数值的平均值,包括:
计算所述原始图像的待处理区域中的所有像素点的色值;
对所述色值求平均,得到颜色参数值的平均值。
6.根据权利要求5所述的方法,其中,所述基于所述颜色参数值的平均值、所述原始图像,对所述掩膜图像的待处理区域进行处理,得到新的掩膜图像包括:
针对所述掩膜图像的待处理区域中每个像素点,计算所述原始图像中该像素点的像素色值与所述颜色参数值的平均值之间的相对距离;
基于所述相对距离,确定所述掩膜图像中与该像素点对应的新像素值;
使所述掩膜图像的待处理区域中的所有像素点采用新像素值,得到新的掩膜图像。
7.根据权利要求6所述的方法,其中,所述基于所述相对距离,确定所述掩膜图像中与该像素点对应的新像素值,包括:
将所述相对距离代入像素值计算公式,得到所述掩膜图像中与该像素点对应的新像素值,所述像素值计算公式用于表示新像素值与相对距离之间的关系。
8.一种图像处理装置,所述装置包括:
提取单元,被配置成从获取的原始图像中提取掩膜图像;
确定单元,被配置成基于所述掩膜图像,确定待处理区域;
计算单元,被配置成在所述原始图像的待处理区域,计算得到颜色参数值的平均值;
处理单元,被配置成基于所述颜色参数值的平均值、所述原始图像,对所述掩膜图像的待处理区域进行处理,得到新的掩膜图像;
所述处理单元进一步被配置成:计算所述原始图像的像素点的像素值与所述颜色参数值的平均值之间的差距,基于该差距确定该像素点作为前景或是背景部分对应的权重,该权重即为新的掩膜图像的像素值,将新的掩膜图像的像素值替换所述掩膜图像的待处理区域中的所有像素点的像素值,得到新的掩膜图像。
9.根据权利要求8所述的装置,所述装置还包括:
获取单元,被配置成获取背景图像;
融合单元,被配置成将所述背景图像与所述新的掩膜图像进行融合,得到融合后的图像。
10.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
12.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110366996.8A CN113112422B (zh) | 2021-04-06 | 2021-04-06 | 图像处理方法、装置、电子设备、计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110366996.8A CN113112422B (zh) | 2021-04-06 | 2021-04-06 | 图像处理方法、装置、电子设备、计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113112422A CN113112422A (zh) | 2021-07-13 |
CN113112422B true CN113112422B (zh) | 2024-04-16 |
Family
ID=76714021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110366996.8A Active CN113112422B (zh) | 2021-04-06 | 2021-04-06 | 图像处理方法、装置、电子设备、计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112422B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11636796B2 (en) * | 2020-12-03 | 2023-04-25 | Black Sesame Technologies Inc. | Subject segmentation for motion control and textured display |
CN114494298A (zh) * | 2022-01-28 | 2022-05-13 | 北京字跳网络技术有限公司 | 对象分割方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458781A (zh) * | 2019-08-14 | 2019-11-15 | 北京百度网讯科技有限公司 | 用于处理图像的方法和装置 |
WO2020038207A1 (en) * | 2018-08-21 | 2020-02-27 | Huawei Technologies Co., Ltd. | Binarization and normalization-based inpainting for removing text |
-
2021
- 2021-04-06 CN CN202110366996.8A patent/CN113112422B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020038207A1 (en) * | 2018-08-21 | 2020-02-27 | Huawei Technologies Co., Ltd. | Binarization and normalization-based inpainting for removing text |
CN110458781A (zh) * | 2019-08-14 | 2019-11-15 | 北京百度网讯科技有限公司 | 用于处理图像的方法和装置 |
Non-Patent Citations (2)
Title |
---|
Pattern Masking Estimation in Image With Structural Uncertainty;Jinjian Wu;IEEE;20130830;全文 * |
一种结合多种图像分割算法的实例分割方案;詹琦梁;陈胜勇;胡海根;李小薪;周乾伟;;小型微型计算机系统;20200409(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113112422A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113112422B (zh) | 图像处理方法、装置、电子设备、计算机可读介质 | |
CN110400275B (zh) | 一种基于全卷积神经网络和特征金字塔的颜色校正方法 | |
CN113518185B (zh) | 视频转换处理方法、装置、计算机可读介质及电子设备 | |
JP2006246519A (ja) | 映像色選好特性の変換装置、変換方法、および記録媒体 | |
CN107220652B (zh) | 用于处理图片的方法和装置 | |
CN110728722B (zh) | 图像颜色迁移方法、装置、计算机设备和存储介质 | |
CN111681177A (zh) | 视频处理方法及装置、计算机可读存储介质、电子设备 | |
CN105335933A (zh) | 一种图像对比度增强方法和装置 | |
CN109102484B (zh) | 用于处理图像的方法和装置 | |
CN113742025A (zh) | 页面生成方法、装置、设备和存储介质 | |
CN112435173A (zh) | 一种图像处理和直播方法、装置、设备和存储介质 | |
CN116614716A (zh) | 图像处理方法、图像处理装置、存储介质及电子设备 | |
CN111369431A (zh) | 图像的处理方法、装置、可读介质和电子设备 | |
CN116485944A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
CN111383289A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
EP3183870A1 (en) | Methods and apparatus for mapping input image | |
CN112215237B (zh) | 图像处理方法及装置、电子设备和计算机可读存储介质 | |
KR20140040497A (ko) | 사용자 단말에서의 사용자 맞춤형 영상 처리장치 및 방법 | |
CN109242750B (zh) | 图片签名方法、图片匹配方法、装置、设备及存储介质 | |
CN111062862A (zh) | 基于颜色的数据增强方法和系统及计算机设备和存储介质 | |
CN112967194B (zh) | 目标图像生成方法及装置、计算机可读介质和电子设备 | |
CN114820349B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN109819318B (zh) | 一种图像处理、直播方法、装置、计算机设备及存储介质 | |
Chen et al. | Real-time Image Contrast Enhancement VLSI Design for Intelligent Autonomous Vehicles. | |
CN114299168A (zh) | 图像配色方法、装置、设备及介质 |
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 |