CN113117341B - 图片处理方法及装置、计算机可读存储介质、电子设备 - Google Patents
图片处理方法及装置、计算机可读存储介质、电子设备 Download PDFInfo
- Publication number
- CN113117341B CN113117341B CN202110540538.1A CN202110540538A CN113117341B CN 113117341 B CN113117341 B CN 113117341B CN 202110540538 A CN202110540538 A CN 202110540538A CN 113117341 B CN113117341 B CN 113117341B
- Authority
- CN
- China
- Prior art keywords
- color
- feature
- detected
- texture
- picture
- 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 42
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims description 92
- 238000012545 processing Methods 0.000 claims description 42
- 238000012549 training Methods 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 18
- 238000005070 sampling Methods 0.000 description 14
- 230000004913 activation Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/70—Game security or game management aspects
- A63F13/77—Game security or game management aspects involving data related to game devices or game servers, e.g. configuration data, software version or amount of memory
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/50—Controlling the output signals based on the game progress
- A63F13/52—Controlling the output signals based on the game progress involving aspects of the displayed game scene
-
- 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
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开属于计算机技术领域,涉及一种图片处理方法及装置、计算机可读存储介质、电子设备。该方法包括:创建游戏图片特征模型,并获取待检测彩色游戏图片;基于游戏图片特征模型,确定与待检测彩色游戏图片对应的特征预测结果,并获取与特征预测结果对应的检测条件;根据特征预测结果与检测条件得到特征判断结果,并根据特征判断结果确定待检测彩色游戏图片的兼容性。本公开中,一方面,通过创建游戏图片特征模型,减少了确定待检测彩色游戏图片的兼容性的复杂度,提高了确定待检测彩色游戏图片的兼容性的准确度以及速度;另一方面,根据特征判断结果确定待检测彩色游戏图片的兼容性,增加了确定待检测彩色游戏图片的兼容性的泛化性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种图片处理方法与图片处理装置、计算机可读存储介质及电子设备。
背景技术
随着计算机技术的发展,使用终端进行游戏成为了一种新的娱乐消遣方式。在用户使用终端进行游戏的过程中,终端上会显示对应的游戏画面,然而用户所使用的终端的类型并不相同,为了保证游戏画面在终端上的正常显示,需要确保游戏画面在不同类型的终端上具有兼容性。
在相关技术中,首先将测试游戏画面在终端中播放,并同时录制视频,然后人工对录制的视频进行标注,以区分录制的视频中具有兼容性的游戏画面和不具有兼容性的游戏画面,然后再对每一帧游戏画面进行再一次的兼容性判断,以确定游戏画面是否具有兼容性,显然,人工标注会降低确定游戏画面是否具有兼容性的速度,对每一帧游戏画面进行兼容性判断,难以检测到所有的兼容性问题,进而降低了确定游戏画面是否具有兼容性的准确度以及泛化性。
鉴于此,本领域亟需开发一种新的图片处理方法及装置。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种图片处理方法、图片处理装置、计算机可读存储介质及电子设备,进而至少在一定程度上克服由于相关技术导致的确定游戏画面是否具有兼容性的速度慢的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本发明实施例的第一个方面,提供图片处理方法,所述方法包括:创建游戏图片特征模型,并获取待检测彩色游戏图片;基于所述游戏图片特征模型,确定与所述待检测彩色游戏图片对应的特征预测结果,并获取与所述特征预测结果对应的检测条件;根据所述特征预测结果与所述检测条件得到特征判断结果,并根据所述特征判断结果确定所述待检测彩色游戏图片的兼容性。
在本发明的一种示例性实施例中,所述游戏图片特征模型包括颜色特征模型以及纹理特征模型;所述创建游戏图片特征模型,包括:从多个不同类型的终端设备中采集彩色游戏图片,并对所述彩色游戏图片进行灰度化处理得到灰度游戏图片;将所述灰度游戏图片以及所述彩色游戏图片作为颜色训练样本进行训练得到所述颜色特征模型;对所述彩色游戏图片进行模糊处理得到模糊游戏图片,并将所述模糊游戏图片以及所述彩色游戏图片作为纹理训练样本进行训练得到所述纹理特征模型。
在本发明的一种示例性实施例中,所述特征预测结果包括颜色特征预测结果以及纹理特征预测结果;所述基于所述游戏图片特征模型,确定与所述待检测彩色游戏图片对应的特征预测结果,包括:对所述待检测彩色游戏图片进行灰度化处理得到待检测灰度游戏图片,并对所述待检测彩色游戏图片进行模糊处理得到待检测模糊游戏图片;基于所述颜色特征模型,确定与所述待检测灰度游戏图片对应的所述颜色特征预测结果;基于所述纹理特征模型,确定与所述待检测模糊游戏图片对应的纹理特征预测结果。
在本发明的一种示例性实施例中,所述特征判断结果包括颜色特征判断结果以及纹理特征判断结果,所述检测条件包括与所述颜色特征判断结果对应的颜色阈值以及与所述纹理特征判断结果对应的纹理阈值;所述根据所述特征预测结果与所述检测条件得到特征判断结果,包括:对所述颜色特征预测结果和所述待检测彩色游戏图片进行计算得到目标颜色特征差值;从所述纹理特征预测结果中确定目标纹理特征值,并获取与所述待检测彩色游戏图片关联的其他待检测彩色游戏图片;基于所述颜色特征模型,确定与所述其他待检测彩色游戏图片对应的其他颜色特征预测结果,并对所述其他颜色特征预测结果和所述其他待检测彩色游戏图片进行计算得到其他颜色特征差值;基于所述纹理特征模型,确定与所述其他待检测彩色游戏图片对应的其他纹理特征值;对所述其他颜色特征差值和所述目标颜色特征差值进行计算得到颜色差值计算结果,并对所述其他纹理特征值和所述目标纹理特征值进行计算得到纹理差值计算结果;根据所述颜色差值计算结果和所述颜色阈值得到所述颜色特征判断结果,并根据所述纹理差值计算结果和所述纹理阈值得到纹理特征判断结果。
在本发明的一种示例性实施例中,所述对所述颜色特征预测结果和所述待检测彩色游戏图片进行计算得到目标颜色特征差值,包括:获取颜色特征计算公式,并获取所述待检测彩色游戏图片的高度以及所述待检测彩色游戏图片的宽度;其中,所述颜色特征计算公式为所述颜色特征预测结果、所述待检测彩色游戏图片、所述待检测彩色游戏图片的高度以及所述待检测彩色游戏图片的宽度之间的计算公式;利用所述颜色特征计算公式,对所述颜色特征预测结果和所述待检测彩色游戏图片进行计算得到目标颜色特征差值。
在本发明的一种示例性实施例中,所述根据所述特征判断结果确定所述待检测彩色游戏图片的兼容性,包括:若所述颜色特征判断结果为所述颜色差值计算结果大于所述颜色阈值或/且所述纹理特征判断结果为所述纹理差值计算结果大于所述纹理阈值,确定所述待检测彩色游戏图片为具有兼容性问题的异常图片;若所述颜色特征判断结果为所述颜色差值计算结果小于或等于所述颜色阈值且所述纹理特征判断结果为所述纹理差值计算结果小于或等于所述纹理阈值,确定所述待检测彩色游戏图片为不具有兼容性问题的正常图片。
在本发明的一种示例性实施例中,所述根据所述特征判断结果确定所述待检测彩色游戏图片的兼容性之后,所述方法还包括:若所述待检测彩色游戏图片为所述正常图片,创建与所述正常图片对应的第一标识信息;若所述待检测彩色游戏图片为所述异常图片,创建与所述异常图片对应的第二标识信息。
根据本发明实施例的第二个方面,提供一种图片处理装置,所述装置包括:创建模块,被配置为创建游戏图片特征模型,并获取待检测彩色游戏图片;预测模块,被配置为基于所述游戏图片特征模型,确定与所述待检测彩色游戏图片对应的特征预测结果,并获取与所述特征预测结果对应的检测条件;确定模块,被配置为根据所述特征预测结果与所述检测条件得到特征判断结果,并根据所述特征判断结果确定所述待检测彩色游戏图片的兼容性。
根据本发明实施例的第三个方面,提供一种电子设备,包括:处理器和存储器;其中,存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现上述任意示例性实施例的图片处理方法。
根据本发明实施例的第四个方面,提供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上述任意示例性实施例中的图片处理方法。
由上述技术方案可知,本发明示例性实施例中的图片处理方法、图片处理装置、计算机存储介质及电子设备至少具备以下优点和积极效果:
在本公开的示例性实施例提供的方法及装置中,一方面,通过创建游戏图片特征模型,减少了确定待检测彩色游戏图片的兼容性的复杂度,提高了确定待检测彩色游戏图片的兼容性的准确度以及速度;另一方面,根据特征判断结果确定待检测彩色游戏图片的兼容性,增加了确定待检测彩色游戏图片的兼容性的泛化性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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,还可以根据这些附图获得其他的附图。
图1示意性示出本公开实施例中图片处理方法的流程示意图;
图2示意性示出本公开实施例中图片处理方法中创建游戏图片特征模型的流程示意图;
图3示意性示出本公开实施例中图片处理方法中确定特征预测结果的流程示意图;
图4示意性示出本公开实施例中图片处理方法中根据特征预测结果与待检测条件得到特征判断结果的流程示意图;
图5示意性示出本公开实施例中图片处理方法中得到目标颜色特征差值的流程示意图;
图6示意性示出本公开实施例中图片处理方法中确定待检测彩色游戏图片的兼容性的流程示意图;
图7示意性示出本公开实施例中图片处理方法中确定待检测彩色游戏图片的兼容性之后的流程示意图;
图8示意性示出本公开实施例中应用场景下图片处理方法中颜色特征模型的结构示意图;
图9示意性示出本公开实施例中应用场景下图片处理方法中纹理特征模型的结构示意图;
图10示意性示出本公开实施例中一种图片处理装置的结构示意图;
图11示意性示出本公开实施例中一种用于图片处理方法的电子设备;
图12示意性示出本公开实施例中一种用于图片处理方法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等;用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等;用语“第一”和“第二”等仅作为标记使用,不是对其对象的数量限制。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。
针对相关技术中存在的问题,本公开提出了一种图片处理方法。图1示出了图片处理方法的流程示意图,如图1所示,图片处理方法至少包括以下步骤:
步骤S110.创建游戏图片特征模型,并获取待检测彩色游戏图片。
步骤S120.基于游戏图片特征模型,确定与待检测彩色游戏图片对应的特征预测结果,并获取与特征预测结果对应的检测条件。
步骤S130.根据特征预测结果与检测条件得到特征判断结果,并根据特征判断结果确定待检测彩色游戏图片的兼容性。
在本公开的示例性实施例提供的方法及装置中,一方面,通过创建游戏图片特征模型,减少了确定待检测彩色游戏图片的兼容性的复杂度,提高了确定待检测彩色游戏图片的兼容性的准确度以及速度;另一方面,根据特征判断结果确定待检测彩色游戏图片的兼容性,增加了确定待检测彩色游戏图片的兼容性的泛化性。
下面对图片处理方法的各个步骤进行详细说明。
在步骤S110中,创建游戏图片特征模型,并获取待检测彩色游戏图片。
在本公开的示例性实施例中,待检测彩色游戏图片指的是需要被检测是否具有兼容性问题的游戏图片,例如,需要检测游戏A中的游戏介绍画面在终端播放过程中是否具有兼容性问题,具体地,在检测的过程中,将游戏介绍画面示例在终端中播放,并对播放的过程进行录制得到游戏介绍画面示例在终端中播放的视频A,基于此,待检测彩色游戏画面指的是就是组成视频A的彩色图片。
游戏图片特征模型指的是一个机器学习模型,具体的可以包括颜色特征模型和纹理特征模型,其中,颜色特征模型的作用是为了鉴别待检测彩色游戏图片是否存在颜色特征上存在兼容性或在与图片颜色相关的特征上存在兼容性问题的模型,对应的,纹理特征模型是为了鉴别待检测彩色游戏图片是否存在马赛克、文字超出边框等和纹理特征相关的兼容性问题的模型。
举例而言,创建游戏图片特征模型,具体地可以创建两个模型,分别为颜色特征模型以及纹理特征模型。将游戏画面介绍示例播放在游戏终端A中,并对该播放过程进行录制得到录制视频A,基于此,待检测彩色游戏画面可以是与录制视频A对应的彩色图片。
在可选的实施例中,图2示出了图片处理方法中创建游戏图片特征模型的流程示意图,如图2所示,游戏图片特征处理模型包括颜色特征模型以及纹理特征模型,该方法至少包括以下步骤:在步骤S210中,从多个不同类型的终端设备中采集彩色游戏图片,并对彩色游戏图片进行灰度化处理得到灰度游戏图片。
其中,在多个不同类型的终端设备上都会播放游戏画面示例,并且会对播放游戏画面示例的过程进行录制,彩色游戏图片指的是与录制的游戏画面示例对应的彩色图片。值得说明是,由于兼容性问题只出现在少数手机机型以及少部分游戏场景中,因此获得的大部分彩色游戏画面为不具有兼容性问题的正常画面。
灰度游戏图片指的对彩色游戏图片进行灰度化处理后得到的图片,具体的,灰度化处理的过程首先需要获取彩色游戏图片中的每一个像素的红色通道、绿色通道以及蓝色通道的值,然后为每一个像素的红色通道、绿色通道以及蓝色通道设置相同的取值,以实现灰度化的处理过程。
值得说明的是,本示例性实施例中的灰度化处理包括任何一种可以对图片进行灰度化的处理过程。进一步,对彩色游戏图片进行灰度化处理是为了去除彩色游戏图片的颜色信息,以使彩色游戏图片以及灰度游戏图片作为后续颜色特征模型的颜色训练样本。
举例而言,从4个不同类型的终端设备采集到了100张彩色游戏图片,分别获取这100张彩色游戏图片的像素的红色通道、绿色通道以及蓝色通道的值,并将从每一张图片中获取的红色通道、绿色通道以及蓝色通道的值设置为同一个数字,以得到与采集到的100张彩色游戏图片对应的100张灰度游戏图片。
在步骤S220中,将灰度游戏图片以及彩色游戏图片作为颜色训练样本进行训练得到颜色特征模型。
其中,颜色训练样本指的是输入颜色特征模型的样本,通过输入颜色训练样本,即输入灰度游戏图片以及彩色游戏图片可以得到特征预测结果,并将该特征预测结果与彩色游戏图片进行对比得到对比结果,以基于损失函数,并根据对比结果实现对于颜色特征模型参数的调节。损失函数指的是一种颜色特征模型的学习准则,基于损失函数以及对比结果,颜色特征模型可以具有尽可能的将输入颜色特征模型中的图片还原成具有正常颜色分布的图片的作用。
基于此,经过多个颜色训练样本对颜色特征模型的训练,颜色特征模型具有了将输入的待检测彩色游戏图片恢复成具有正常颜色分布的正常图片的能力。
举例而言,彩色游戏图片为从4个不同类型的终端设备采集到的100张彩色游戏图片,对应的,灰度游戏图片为对100张彩色游戏图片进行灰度化处理后得到的100张游戏图片。确定出的损失函数如公式(1)所示。
其中,H为彩色图片的高度值,W为彩色图片的宽度值,i为像素点在彩色图片中的横坐标,j为像素在彩色图片中的纵坐标,X为与颜色特征模型对应的特征预测结果,即颜色特征模型的输出值,Y为彩色游戏图片,即颜色特征模型的输入值,Lcolor为特征预测结果与彩色游戏图片之间的颜色特征差值。
将100张灰度游戏图片以及100张彩色游戏图片作为训练颜色特征模型的颜色训练样本,并基于公式(1)以及该200张图片对颜色特征模型中的参数不断调节,以得到颜色特征模型。
在步骤S230中,对彩色游戏图片进行模糊处理得到模糊游戏图片,并将模糊游戏图片以及彩色游戏图片作为纹理训练样本进行训练得到纹理特征模型。
其中,模糊处理指的是对彩色游戏图片去除细节纹理的过程,具体的,模糊处理可以利用高斯模糊算法来实现,也可以运用其他模糊算法来实现,本示例性实施例对此不做特殊限定。除此之外,在对彩色游戏图片进行模糊处理之前,可能需要对彩色游戏图片的分辨率进行压缩,以确保后续创建的纹理特征模型的准确性,基于此,模糊游戏图片指的是对彩色游戏图片进行模糊处理后得到的图片。
类似于创建颜色特征模型的过程,纹理训练样本指的是输入纹理特征模型的样本,具体地,纹理训练样本包括彩色游戏图片以及模糊游戏图片,通过输入纹理训练样本,得到与纹理特征模型对应的特征预测结果,并将该特征预测结果与彩色游戏图片进行对比得到对比结果,以基于损失函数,并根据对比结果实现对于纹理特征模型参数的调节,并且基于损失函数以及对比结果,纹理特征模型可以具有尽可能将输入纹理特征模型中的图片还原成具有正常纹理分布的图片的作用。
基于此,经过多个纹理训练样本对纹理特征模型的训练,纹理特征模型具有了将输入的待检测彩色游戏图片恢复成具有正常纹理分布的正常图片能力。
举例而言,彩色游戏图片为从4个不同类型的终端设备采集到的100张彩色游戏图片,对应的,模糊游戏图片为对100张彩色游戏图片进行模糊处理后得到的100张游戏图片,确定出的损失函数如公式(2)所示。
其中,H为彩色游戏图片的高度值,W为彩色游戏图片的宽度值,i为像素点在彩色游戏图片中的横坐标,j为像素在彩色游戏图片中的纵坐标,P为与纹理特征模型对应的特征预测结果,即纹理特征模型的输出值,Y为彩色游戏图片,即纹理特征模型的输入值。
将100张模糊游戏图片以及100张彩色游戏图片作为训练纹理特征模型的纹理训练样本,并基于损失函数,即公式(2)以及该200张图片对纹理特征模型中的参数不断调节,以得到纹理特征模型。
在本示例性实施例中,通过创建游戏图片特征模型,一方面,避免了需要对录制的视频进行人工标注的现象发生,进而提高了后续确定待检测彩色游戏画面是否具有兼容性问题的效率;另一方面,提高了后续确定待检测彩色游戏图片是否具有兼容性问题的准确度。
在步骤S120中,基于游戏图片特征模型,确定与待检测彩色游戏图片对应的特征预测结果,并获取与特征预测结果对应的检测条件。
在本公开的示例性实施例中,特征预测结果指的是利用游戏图片特征模型,确定的与待检测彩色游戏图片对应的输出结果。检测条件指的是判断特征预测结果的条件。
举例而言,确定待检测彩色游戏图片为图片A,基于游戏图片特征模型,得到与图片A对应的特征预测结果为B,检测条件可以是后续判断特征预测结果B的一个阈值,具体该阈值可以是0.05。
在可选的实施例中,图3示出了图片处理方法中确定特征预测结果的流程示意图,如图3所示,特征预测结果包括颜色特征预测结果以及纹理特征预测结果,该方法至少包括以下步骤:在步骤S310中,对待检测彩色游戏图片进行灰度化处理得到待检测灰度游戏图片,并对待检测彩色游戏图片进行模糊处理得到待检测模糊游戏图片。
其中,对应于颜色特征模型以及纹理特征模型,特征预测结果也包括两个,分别为与颜色特征模型对应的颜色特征预测结果以及与纹理特征模型对应的纹理特征预测结果。
为了将待检测彩色游戏图片输入颜色特征模型中,以得到颜色特征预测结果,需要对应于创建颜色特征模型的过程,对待检测彩色游戏图片进行灰度化处理,对应的待检测灰度游戏图片即为对待检测彩色游戏图片进行灰度化处理后得到的图片,同理,为了将待检测彩色游戏图片输入纹理特征模型中,以得到纹理特征预测结果,需要对待检测彩色游戏图片进行模糊处理,对应的待检测模糊游戏图片即为对待检测彩色游戏图片进行模糊处理后得到的图片。
举例而言,待检测彩色游戏图片为图片A,对图片A分别进行灰度化处理以及模糊处理得到待检测灰度游戏图片,即图片B,还得到待检测模糊游戏图片,即图片C。
在步骤S320中,基于颜色特征模型,确定与待检测灰度游戏图片对应的颜色特征预测结果。
其中,将待检测灰度游戏图片输入至颜色特征模型中,通过颜色特征模型可以得到将待检测灰度游戏图片尽可能还原为具有正常颜色分布的颜色特征预测结果。
举例而言,待检测灰度游戏图片为图片B,将图片B输入至颜色特征模型中得到特征预测结果为B1,此时B1即为具有正常颜色分布的图片。
在步骤S330中,基于纹理特征模型,确定与待检测模糊游戏图片对应的纹理特征预测结果。
其中,将待检测模糊游戏图片输入至纹理特征模型中,通过纹理特征模型可以得到将待检测模糊游戏图片尽可能还原为具有正常纹理特征的纹理特征预测结果。
举例而言,待检测模糊游戏图片为图片C,将图片C输入至纹理特征模型中得到特征预测结果为C1,此时C1即为具有正常纹理特征的图片。
在本示例性实施例中,基于颜色特征模型得到颜色特征预测结果,并基于纹理特征模型得到纹理特征预测结果,有助于后续对特征预测结果进行判断,以确定待检测彩色有序图片的兼容性问题。
在步骤S130中,根据特征预测结果与检测条件得到特征判断结果,并根据特征判断结果确定待检测彩色游戏图片的兼容性。
在本公开的示例性实施例中,根据将特征预测结果与检测条件确定待检测彩色游戏图片是否具有兼容性问题。
举例而言,特征预测结果为图片B1以及图片C1,可以分别利用公式(1)以及公式(2)得到与图片B1对应的Lcolor1以及与图片C1对应的Lcolor2,获取与B1对应的检测条件为0.05,获取与C1对应的检测条件可以是0.008。
基于此,可以对Lcolor1和0.05进行判断得到特征判断结果1,并对Lcolor2和0.008进行判断得到特征判断结果2,以通过特征判断结果1以及特征判断结果2确定待检测彩色游戏图片的兼容性。
在可选的实施例中,图4示出了图片处理方法中根据特征预测结果与待检测条件得到特征判断结果的流程示意图,如图4所示,特征判断结果包括颜色特征判断结果以及纹理特征判断结果,检测条件包括与颜色特征判断结果对应的颜色阈值以及与纹理特征判断结果对应的纹理阈值,该方法至少包括以下步骤:在步骤S410中,对颜色特征预测结果和待检测彩色游戏图片进行计算得到目标颜色特征差值。
其中,由于特征预测结果包括颜色特征预测结果以及纹理特征预测结果,因此特征判断结果包括颜色特征判断结果和纹理特征判断结果,进一步的,检测条件包括用于判断颜色特征预测结果的颜色阈值以及用于判断纹理特征预测结果的纹理阈值。
目标特征差值表示的是像素点之间的颜色差值,具体为待检测彩色游戏图片与颜色特征预测结果之间的像素点的颜色差值。
值得说明的是,颜色特征预测结果为与待检测彩色游戏图片对应的,尽可能的表示待检测彩色游戏画面在正常颜色分布情况下的图片,基于此,通过计算颜色特征预测结果与待检测彩色游戏图片之间的目标颜色特征差值,可以得出待检测彩色游戏图片具有兼容性问题的程度。
举例而言,颜色特征预测结果为图片A1,待检测彩色游戏图片为图片A,基于公式(1),将A1作为与颜色特征模型对应的特征预测结果,将A作为颜色特征模型的输入值,可以计算对应的Lcolor值,此时Lcolor即为目标颜色特征差值。
在步骤S420中,从纹理特征预测结果中确定目标纹理特征值,并获取与待检测彩色游戏图片关联的其他待检测彩色游戏图片。
其中,目标纹理特征值指的是从纹理特征预测结果中获取到的,用来表示待检测模糊游戏图片的正常纹理特征的值。
其他待检测彩色游戏图片指的是除去待检测彩色游戏图片之外的,本次需要检测是否存在兼容性问题的其他待检测彩色游戏图片。
举例而言,从纹理特征预测结果中获取目标纹理特征值为A,待检测彩色游戏图片为图片B,获取到的除去图片B之外的,本次需要检测是否存在兼容性问题的图片为彩色游戏图片C以及彩色游戏图片D,因此其他待检测彩色游戏图片即为彩色游戏图片C和彩色游戏图片D。
在步骤S430中,基于颜色特征模型,确定与其他待检测彩色游戏图片对应的其他颜色特征预测结果,并对其他颜色特征预测结果和其他待检测彩色游戏图片进行计算得到其他颜色特征差值。
其中,其他颜色特征预测结果为将其他待检测彩色游戏图片输入至颜色特征模型中得到的输出结果,例如有5个其他待检测彩色游戏图片,对应地,就存在5个其他颜色特征预测结果,基于此,与计算目标特征差值同理,可以求得其他待检测彩色游戏图片与其他颜色特征预测结果之间的像素点的颜色差值,即可以求得其他颜色特征差值。
举例而言,其他待检测彩色游戏图片为图片A以及图片B,对应的,其他颜色特征预测结果为图片A1和图片B1,基于公式(1),将A1作为颜色特征模型的输出值,将A作为颜色特征模型的输入值,可以计算出其他颜色特征差值D1,将B1作为颜色特征模型的输出值,将B作为颜色特征模型的输入值,可以得出其他颜色特征差值D2。
在步骤S440中,基于纹理特征模型,确定与其他待检测彩色游戏图片对应的其他纹理特征值。
其中,与确定纹理特征预测结果同理,其他纹理特征值指的是从其他纹理特征预测结果中获取到的纹理特征值,其他纹理特征预测结果指的是基于纹理特征模型,确定出的与其他待检验彩色游戏图片对应的纹理特征预测结果。
举例而言,其他待检测彩色游戏图片包括图片A以及图片B,基于纹理特征模型,确定出与其他待检测彩色游戏图片A对应的纹理特征预测结果为A1,与其他待检测彩色游戏图片B对应的纹理特征预测结果为B1。值得说明的是,纹理特征预测结果A1为通过纹理特征模型得到的,具有正常纹理的图片,纹理特征预测结果B1为通过纹理特征模型得到的,具有正常纹理的图片。除此之外,在纹理特征预测结果中还可以获取到与其他待检测彩色游戏图片A对应的其他纹理特征值F1,与其他待检测彩色游戏图片B对应的其他纹理特征值F2。
在步骤S450中,对其他颜色特征差值和目标颜色特征差值进行计算得到颜色差值计算结果,并对其他纹理特征值和目标纹理特征值进行计算得到纹理差值计算结果。
其中,颜色差值计算结果指的是目标颜色特征差值与全部颜色特征差值之间的差值的绝对值。全部颜色特征差值可以是其他颜色特征差值与目标颜色特征差值的平均值,可以是其他颜色特征差值与目标颜色特征差值的方差,还可以是其他颜色特征差值与目标颜色特征差值的标准差,还可以是其他颜色特征差值与目标颜色特征差值之间的任何一种计算结果,本示例性实施例对此不做特殊限定。
对应的,纹理差值计算结果指的是目标纹理特征值与全部纹理特征值之间的差值的绝对值。全部纹理特征值可以是其他纹理特征值与目标纹理特征值的平均值,可以是其他纹理特征值与目标纹理特征值的方差,还可以是其他纹理特征值与目标纹理特征值的标准差,还可以是其他纹理特征值与目标纹理特征值之间的任何一种计算结果,本示例性实施例对此不做特殊限定。
举例而言,目标颜色特征差值为2,其他颜色特征差值有3个,分别为3、10以及1。全部颜色特征差值可以是目标颜色特征差值与其他颜色特征差值之间的平均值,具体可以利用公式(3)进行计算为4,基于此,颜色差值计算可以利用公式(4)进行计算,并且计算的结果2。
其中,L’color为全部特征差值,N为待检测彩色游戏图片以及其他待检测彩色游戏图片的个数,K为1至N中的一个数值,假设此时K为2,则表示在待检测彩色游戏图片以及其他待检测彩色游戏图片中第2个计算出的颜色特征差值。
其中,表示在待检测彩色游戏图片以及其他待检测彩色游戏图片中第K个计算出的颜色特征差值,L’color为全部特征差值,D为颜色差值计算结果。
目标纹理特征值为0.1,其他纹理特征值有3个,分别为0.2、0.5以及0.2。全部纹理特征值可以是目标纹理特征值与其他纹理特征值之间的平均值,具体为0.2。基于此,可以利用公式(5)计算纹理差值计算结果,具体地计算结果为0.1。
D’=‖fK-f’‖2 (5)
其中,D’为纹理差值计算结果,fK为目标纹理特征值,f’为全部纹理特征值。
在步骤S460中,根据颜色差值计算结果和颜色阈值得到颜色特征判断结果,并根据纹理差值计算结果和纹理阈值得到纹理特征判断结果。
其中,基于颜色差值计算结果和颜色阈值进行可以得到颜色特征判断结果,对应的,基于纹理差值计算结果和纹理阈值可以得到纹理特征判断结果。
举例而言,颜色差值计算结果为2,颜色阈值为0.05,基于此,颜色特征判断结果为颜色差值计算结果大于纹理阈值,对应的,纹理差值计算结果为0.01,纹理阈值为0.08,基于此,纹理特征判断结果为纹理差值计算结果小于纹理阈值。
在本示例性实施例中,创建游戏图片特征模型时,采集的彩色游戏图片中可能具有少部分具有兼容性问题的游戏图片,通过判断颜色差值计算结果以及纹理差值计算结果,完善了方法的逻辑,增加了后续确定待检测彩色游戏图片的兼容性问题的精确度。
在可选的实施例中,图5示出了图片处理方法中得到目标颜色特征差值的流程示意图,如图5所示,该方法至少包括以下步骤:在步骤S510中,获取颜色特征计算公式,并获取待检测彩色游戏图片的高度以及待检测彩色游戏图片的宽度;其中,颜色特征计算公式为颜色特征预测结果、待检测彩色游戏图片、待检测彩色游戏图片的高度以及待检测彩色游戏图片的宽度之间的计算公式。
其中,颜色特征计算公式指的是计算目标颜色特征差值的计算公式,除此之外,颜色特征计算公式还可以计算出其他颜色特征差值。
待检测彩色游戏图片的宽度指的是待检测彩色游戏图片的宽度值,对应的,待检测彩色游戏图片的高度指的是待检测彩色游戏图片的高度值。
举例而言,待检测彩色游戏图片为图片A,获取的待检测彩色游戏图片的高度即为图片A的高度值,具体可以为20像素,对应的,获取的待检测彩色游戏图片的宽度即为图片A的宽度值,具体可以是15像素,颜色特征预测结果可以为图片A1。颜色特征计算公式可以为公式(1),此时,公式(1)中的H即为20像素,W即为15像素,X即为图片A,Y即为图片A1。
在步骤S520中,利用颜色特征计算公式,对颜色特征预测结果和待检测彩色游戏图片进行计算得到目标颜色特征差值。
其中,将颜色特征预测结果、待检测彩色游戏图片、待检测彩色游戏图片的高度以及待检测游戏图片的宽度代入颜色特征计算公式,即可以得出目标颜色特征差值。
举例而言,将待检测彩色游戏图片的高度20像素、待检测彩色游戏图片的宽度15像素、待检测彩色游戏图片A的每一个像素点的颜色值以及颜色特征预测结果的每一个像素点的颜色值代入公式(1)中,既可以得出目标颜色特征差值。
在本示例性实施例中,目标颜色特征差值是利用颜色特征计算公式得出的,因此目标颜色特征差值表示的是具有正常颜色分布的颜色特征预测结果与待检测彩色游戏图片之间的颜色差距,有助于后续将目标颜色特征差值与其他颜色特征差值进行计算,以完善确定待检测彩色游戏图片的兼容性的逻辑。
在可选的实施例中,图6示出了图片处理方法中确定待检测彩色游戏图片的兼容性的流程示意图,如图6所示,该方法至少包括以下步骤:在步骤S610中,若颜色特征判断结果为颜色差值计算结果大于颜色阈值或/且纹理特征判断结果为纹理差值计算结果大于纹理阈值,确定待检测彩色游戏图片为具有兼容性问题的异常图片。
其中,若颜色特征判断结果为颜色差值计算结果大于颜色阈值,则意味着待检测彩色游戏图片的颜色特征与颜色特征预测结果的颜色特征差距较大。同理,若纹理特征判断结果为纹理差值计算结果大于纹理阈值,则意味着待检测彩色游戏图片的纹理特征与纹理特征预测结果的纹理特征差距较大。
对应的,若颜色特征判断结果为颜色差值计算结果小于或等于颜色阈值,则意味着待检测彩色游戏图片的颜色特征与颜色特征预测结果的颜色特征差距较小,若纹理特征判断结果为纹理差值计算结果小于或等于纹理阈值,则意味着待检测彩色游戏图片的纹理特征与纹理特征预测结果的纹理特征差距较小。
值得说明的是,在确定待检测彩色游戏图片是否具有兼容性问题的过程中,需要从颜色特征和纹理特征这两个维度考虑。
基于此,若颜色差值计算结果大于颜色阈值或纹理特征差值计算结果大于纹理阈值,则确定待检测彩色游戏图片至少在一个特征上具有兼容性问题,具体的,当颜色差值计算结果大于颜色阈值,但纹理特征差值计算结果小于或等于纹理阈值时,证明该待检测彩色游戏图片在颜色特征上具有兼容性问题;当纹理差值计算结果大于纹理阈值,但颜色纹理特征计算结果小于或等于颜色阈值时,证明该待检测彩色游戏图片在纹理特征上具有兼容性问题;当颜色差值计算结果大于颜色阈值且纹理差值计算结果大于纹理阈值时,证明该待检测彩色游戏图片在颜色特征和纹理特征上都具有兼容性问题。
不论待检测彩色游戏图片是在纹理特征上具有兼容性问题还是在颜色特征上具有兼容性问题,该图片都为具有兼容性问题的异常图片。
举例而言,若颜色差值计算结果为2,颜色阈值为0.05,并且纹理差值计算结果为0.01,纹理阈值为0.08,则证明待检测彩色游戏图片在颜色特征上具有兼容性问题,进而证明该待检测彩色游戏图片为具有兼容性问题的异常图片。
在步骤S620中,若颜色特征判断结果为颜色差值计算结果小于或等于颜色阈值且纹理特征判断结果为纹理差值计算结果小于或等于纹理阈值,确定待检测彩色游戏图片为不具有兼容性问题的正常图片。
其中,因为在确定待检测彩色游戏图片的过程中需要考虑纹理特征和颜色特征两个维度,因此只有在颜色差值计算结果小于或等于颜色阈值,并且纹理差值计算结果也小于或等于纹理阈值时,才证明待检测彩色游戏图片即不在纹理特征上具有兼容性问题,也不在颜色特征上具有兼容性问题,进一步可以证明该待检测彩色游戏图片为不具有兼容性问题的正常图片。
举例而言,若颜色差值计算结果为0.02,颜色阈值为0.05,并且纹理差值计算结果为0.01,纹理阈值为0.08,则证明待检测彩色游戏图片为在颜色特征和纹理特征上都不具有兼容性问题的图片,进而证明该待检测彩色游戏图片为不具有兼容性问题的正常图片。
在本示例性实施例中,在确定待检测彩色游戏图片的过程中不仅需要参考颜色差值计算结果,还需要参考纹理差值计算结果,完善了确定待检测彩色游戏图片是否具有兼容性问题的逻辑。
在可选的实施例中,图7示出了图片处理方法中确定待检测彩色游戏图片的兼容性之后的流程示意图,如图7所示,该方法至少包括以下步骤:在步骤S710中,若待检测彩色游戏图片为正常图片,创建与正常图片对应的第一标识信息。
其中,第一标识信息可以是标识待检测彩色游戏图片为正常图片的信息,第一标识信息可以是一个数字,也可以是一个字符串,本示例性实施例对此不做特殊限定。
举例而言,若待检测彩色游戏图片A为正常图片,即待检测彩色游戏图片A为没有兼容性问题的图片,则可以创建与该图片对应的第一标识信息,具体的,第一标识信息可以为1,以表示待检测彩色游戏图片A为正常图片。
在步骤S720中,若待检测彩色游戏图片为异常图片,创建与异常图片对应的第二标识信息。
其中,第二标识信息可以是标识待检测彩色游戏图片为异常图片的信息,第二标识信息可以是一个数字,也可以是一个字符串,本示例性实施例对此不做特殊限定。
举例而言,若待检测彩色游戏图片A为异常图片,即待检测彩色游戏图片A为有兼容性问题的图片,则可以创建与该图片对应的第二标识信息,具体的,第一标识信息可以为0,以表示待检测彩色游戏图片A为异常图片。
在本示例性实施例中,可以根据第一标识信息或第二标识信息来获知待检测彩色游戏图片是否具有兼容性问题,进而提高了确定待检测彩色游戏图片是否具有兼容性问题的效率。
在本公开的示例性实施例提供的方法及装置中,一方面,通过创建游戏图片特征模型,减少了确定待检测彩色游戏图片的兼容性的复杂度,提高了确定待检测彩色游戏图片的兼容性的准确度以及速度;另一方面,根据特征判断结果确定待检测彩色游戏图片的兼容性,增加了确定待检测彩色游戏图片的兼容性的泛化性。
下面结合一应用场景对本公开实施例中图片处理方法做出详细说明。
图8示出了在应用场景下图片处理方法中颜色特征模型的结构示意图,如图8所示,其中,图片810为待检测灰度游戏图片,820为颜色特征预测结果,即将待检测灰度游戏图片输入颜色特征模型中得出的颜色特征预测结果,830、831、832以及833为颜色特征模型中的卷积层,840以及841为颜色特征模型中的上采样层。
具体地,每一个卷积层都有对应的参数,卷积层830对应的参数中conv3×3×128表示卷积层830的卷积个数为3×3×128,stride2表示卷积核的大小为2,RelU(RectifiedLinear Units,激活函数)表示激活函数,同理,卷积层831、832以及833的参数组成部分及意义与卷积层830相同。
上采样层840中的Upsample表示该层为上采样层,上采样层也有其对应的参数,在上采样层840对应的参数中conv1×1×256表示上采样层840的卷积个数为1×1×256,stride1表示卷积核的大小为1,RelU(Rectified Linear Units,激活函数)表示激活函数,同理,上采样层841参数组成部分及意义与上采样层840相同。
图9示出了在应用场景下图片处理方法中纹理特征模型的结构示意图,如图9所示,其中,910为待检测模糊游戏图片,并且待检测模糊游戏图片为将待检测彩色游戏图片的尺寸缩小至256×256,即将待检测彩色游戏图片的宽缩小至256,将待检测彩色游戏图片的高缩小至256,并对缩小后的待检测彩色游戏图片进行模糊处理后的待检测模糊游戏图片。920为纹理特征预测结果,即将待检测模糊游戏图片输入纹理特征模型中得出的纹理特征预测结果。930、931、932以及933为卷积层。940以及941为全连接层,950为纹理特征层,目标纹理特征值即从该层获取。960以及961为上采样层。
具体地,每一个卷积层都有对应的参数,卷积层930对应的参数中conv3×3×32表示卷积层930的卷积个数为3×3×32,stride2表示卷积核的大小为2,RelU(RectifiedLinear Units,激活函数)表示激活函数,同理,卷积层931、卷积层932以及卷积层933的参数组成部分及意义与卷积层930相同。
上采样层960中的Upsample表示该层为上采样层,上采样层也有其对应的参数,在上采样层960对应的参数中conv1×1×128表示上采样层960的卷积个数为1×1×128,stride1表示卷积核的大小为1,RelU(Rectified Linear Units,激活函数)表示激活函数,同理,上采样层961参数组成部分及意义与上采样层960相同。
全连接层940、941以及纹理特征层950的参数中的数字表示维度,Flatten表示将三维立体图形转换为二维平面图形的过程,对应的Reshape表示将二维平面图形转换为三维立体图形的过程。
经过上述对颜色特征模型以及纹理特征模型的创建,对待检测彩色游戏图片进行灰度化处理以及模糊处理可以分别得到待检测灰度游戏图片A以及待检测模糊游戏图片B。
将待检测灰度游戏图片A输入颜色特征模型可以得到具有正常颜色特征的颜色特征预测结果A1,将待检测模糊游戏图片B输入纹理特征模型可以得到具有正常纹理特征的纹理特征预测结果B1。
获取与待检测彩色游戏图片对应的其他待检测彩色游戏图片,例如获得的其他待检测彩色游戏图片为图片C以及图片D。
基于如公式(1)所述的损失函数、颜色特征模型以及纹理特征模型得到其他颜色特征预测结果以及其他纹理特征预测结果,具体包括与图片C对应的其他颜色特征预测结果C1以及其他纹理特征预测结果C2,与图片D对应的其他颜色特征预测结果D1以及其他纹理特征预测结果D2。
基于颜色特征预测结果A1、颜色特征计算公式以及待检测彩色游戏图片得到目标颜色特征差值,同理,基于颜色特征计算公式还可以得到其他颜色特征差值。从纹理特征预测结果B1中得到目标纹理特征值,基于纹理特征模型,还可以得到其他纹理特征值,基于此,根据其他颜色特征差值和目标颜色特征差值可以得出颜色差值计算结果,根据其他纹理特征值和目标纹理特征值可以得到纹理差值计算结果。
获取检测条件,具体包括颜色阈值以及纹理阈值,对颜色差值计算结果和颜色阈值进行判断得到颜色特征判断结果,并对纹理差值计算结果和纹理阈值进行判断得到纹理特征判断结果。
若所述颜色特征判断结果为所述颜色差值计算结果大于所述颜色阈值或/且所述纹理特征判断结果为所述纹理差值计算结果大于所述纹理阈值,确定所述待检测彩色游戏图片为具有兼容性问题的异常图片。
若颜色特征判断结果为颜色差值计算结果小于或/且等于颜色阈值且纹理特征判断结果为纹理差值计算结果小于或等于纹理阈值,则确定待检测彩色游戏图片为正常图片,反之,若颜色特征判断结果为颜色差值计算结果小于或等于颜色阈值且纹理特征判断结果为纹理差值计算结果小于或等于纹理阈值,确定待检测彩色游戏图片为正常图片。
在确定出待检测彩色游戏图片的兼容性之后,若待检测彩色游戏图片为正常图片,可以创建与待检测彩色游戏图片对应的第一标识信息,用以表示待检测彩色游戏图片不具有兼容性问题。
若待检测彩色游戏图片为异常图片,可以创建与待检测彩色游戏图片对应的第二标识信息,用以表示待检测彩色游戏图片具有兼容性问题。
在本应用场景中,一方面,通过创建游戏图片特征模型,减少了确定待检测彩色游戏图片的兼容性的复杂度,增加了确定待检测彩色游戏图片的兼容性的准确度以及速度;另一方面,根据特征判断结果确定待检测彩色游戏图片的兼容性,增加了确定待检测彩色游戏图片的兼容性的泛化性。
此外,在本公开的示例性实施例中,还提供一种图片处理装置。图10示出了图片处理装置的结构示意图,如图10所示,图片处理装置1000可以包括:创建模块1010、预测模块1020和确定模块1030。其中:
创建模块1010,被配置为创建游戏图片特征模型,并获取待检测彩色游戏图片;预测模块1020,被配置为基于游戏图片特征模型,确定与待检测彩色游戏图片对应的特征预测结果,并获取与特征预测结果对应的检测条件;确定模块1030,被配置为根据特征预测结果与检测条件得到特征判断结果,并根据特征判断结果确定待检测彩色游戏图片的兼容性。
上述图片处理装置1000的具体细节已经在对应的图片处理方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及图片处理装置1000的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
下面参照图11来描述根据本发明的这种实施例的电子设备1100。图11显示的电子设备1100仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图11所示,电子设备1100以通用计算设备的形式表现。电子设备1100的组件可以包括但不限于:上述至少一个处理单元1110、上述至少一个存储单元1120、连接不同系统组件(包括存储单元1120和处理单元1110)的总线1130、显示单元1140。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1110执行,使得所述处理单元1110执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
存储单元1120可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)1121和/或高速缓存存储单元1122,还可以进一步包括只读存储单元(ROM)1123。
存储单元1120还可以包括具有一组(至少一个)程序模块1125的程序/使用工具1124,这样的程序模块1125包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包含网络环境的现实。
总线1130可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1100也可以与一个或多个外部设备1170(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备1100交互的设备通信,和/或与使得该电子设备1100能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1150进行。并且,电子设备1100还可以通过网络适配器1160与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1160通过总线1130与电子设备1100的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备1100使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图12所示,描述了根据本发明的实施例的用于实现上述方法的程序产品1200,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (8)
1.一种图片处理方法,其特征在于,所述方法包括:
创建游戏图片特征模型,并获取待检测彩色游戏图片;所述游戏图片特征模型包括颜色特征模型和纹理特征模型;
基于所述游戏图片特征模型,确定与所述待检测彩色游戏图片对应的特征预测结果,并获取与所述特征预测结果对应的检测条件;所述特征预测结果包括颜色特征预测结果以及纹理特征预测结果;所述检测条件包括与颜色特征判断结果对应的颜色阈值以及与纹理特征判断结果对应的纹理阈值;
对所述颜色特征预测结果和所述待检测彩色游戏图片进行计算得到目标颜色特征差值;
从所述纹理特征预测结果中确定目标纹理特征值,并获取与所述待检测彩色游戏图片关联的其他待检测彩色游戏图片;
基于所述颜色特征模型,确定与所述其他待检测彩色游戏图片对应的其他颜色特征预测结果,并对所述其他颜色特征预测结果和所述其他待检测彩色游戏图片进行计算得到其他颜色特征差值;
基于所述纹理特征模型,确定与所述其他待检测彩色游戏图片对应的其他纹理特征值;
对所述其他颜色特征差值和所述目标颜色特征差值进行计算得到颜色差值计算结果,并对所述其他纹理特征值和所述目标纹理特征值进行计算得到纹理差值计算结果;
根据所述颜色差值计算结果和所述颜色阈值得到颜色特征判断结果,并根据所述纹理差值计算结果和所述纹理阈值得到纹理特征判断结果;
若所述颜色特征判断结果为所述颜色差值计算结果大于所述颜色阈值或/且所述纹理特征判断结果为所述纹理差值计算结果大于所述纹理阈值,确定所述待检测彩色游戏图片为具有兼容性问题的异常图片;
若所述颜色特征判断结果为所述颜色差值计算结果小于或等于所述颜色阈值且所述纹理特征判断结果为所述纹理差值计算结果小于或等于所述纹理阈值,确定所述待检测彩色游戏图片为不具有兼容性问题的正常图片。
2.根据权利要求1所述的图片处理方法,其特征在于,所述创建游戏图片特征模型,包括:
从多个不同类型的终端设备中采集彩色游戏图片,并对所述彩色游戏图片进行灰度化处理得到灰度游戏图片;
将所述灰度游戏图片以及所述彩色游戏图片作为颜色训练样本进行训练得到所述颜色特征模型;
对所述彩色游戏图片进行模糊处理得到模糊游戏图片,并将所述模糊游戏图片以及所述彩色游戏图片作为纹理训练样本进行训练得到所述纹理特征模型。
3.根据权利要求2所述的图片处理方法,其特征在于,所述基于所述游戏图片特征模型,确定与所述待检测彩色游戏图片对应的特征预测结果,包括:
对所述待检测彩色游戏图片进行灰度化处理得到待检测灰度游戏图片,并对所述待检测彩色游戏图片进行模糊处理得到待检测模糊游戏图片;
基于所述颜色特征模型,确定与所述待检测灰度游戏图片对应的所述颜色特征预测结果;
基于所述纹理特征模型,确定与所述待检测模糊游戏图片对应的所述纹理特征预测结果。
4.根据权利要求1所述的图片处理方法,其特征在于,所述对所述颜色特征预测结果和所述待检测彩色游戏图片进行计算得到目标颜色特征差值,包括:
获取颜色特征计算公式,并获取所述待检测彩色游戏图片的高度以及所述待检测彩色游戏图片的宽度;其中,所述颜色特征计算公式为所述颜色特征预测结果、所述待检测彩色游戏图片、所述待检测彩色游戏图片的高度以及所述待检测彩色游戏图片的宽度之间的计算公式;
利用所述颜色特征计算公式,对所述颜色特征预测结果和所述待检测彩色游戏图片进行计算得到目标颜色特征差值。
5.根据权利要求1所述的图片处理方法,其特征在于,所述方法还包括:
若所述待检测彩色游戏图片为所述正常图片,创建与所述正常图片对应的第一标识信息;
若所述待检测彩色游戏图片为所述异常图片,创建与所述异常图片对应的第二标识信息。
6.一种图片处理装置,其特征在于,包括:
创建模块,被配置为创建游戏图片特征模型,并获取待检测彩色游戏图片;所述游戏图片特征模型包括颜色特征模型和纹理特征模型;
预测模块,被配置为基于所述游戏图片特征模型,确定与所述待检测彩色游戏图片对应的特征预测结果,并获取与所述特征预测结果对应的检测条件;所述特征预测结果包括颜色特征预测结果以及纹理特征预测结果;所述检测条件包括与颜色特征判断结果对应的颜色阈值以及与纹理特征判断结果对应的纹理阈值;
确定模块,被配置为对所述颜色特征预测结果和所述待检测彩色游戏图片进行计算得到目标颜色特征差值;从所述纹理特征预测结果中确定目标纹理特征值,并获取与所述待检测彩色游戏图片关联的其他待检测彩色游戏图片;基于所述颜色特征模型,确定与所述其他待检测彩色游戏图片对应的其他颜色特征预测结果,并对所述其他颜色特征预测结果和所述其他待检测彩色游戏图片进行计算得到其他颜色特征差值;基于所述纹理特征模型,确定与所述其他待检测彩色游戏图片对应的其他纹理特征值;对所述其他颜色特征差值和所述目标颜色特征差值进行计算得到颜色差值计算结果,并对所述其他纹理特征值和所述目标纹理特征值进行计算得到纹理差值计算结果;根据所述颜色差值计算结果和所述颜色阈值得到颜色特征判断结果,并根据所述纹理差值计算结果和所述纹理阈值得到纹理特征判断结果;若所述颜色特征判断结果为所述颜色差值计算结果大于所述颜色阈值或/且所述纹理特征判断结果为所述纹理差值计算结果大于所述纹理阈值,确定所述待检测彩色游戏图片为具有兼容性问题的异常图片;若所述颜色特征判断结果为所述颜色差值计算结果小于或等于所述颜色阈值且所述纹理特征判断结果为所述纹理差值计算结果小于或等于所述纹理阈值,确定所述待检测彩色游戏图片为不具有兼容性问题的正常图片。
7.一种电子设备,其特征在于,包括:
处理器;
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器被配置为经由执行所述可执行指令来执行权利要求1-5中的任意一项所述的图片处理方法。
8.一种计算机可读存储介质,其上存储计算机程序,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1-5中的任意一项所述的图片处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110540538.1A CN113117341B (zh) | 2021-05-18 | 2021-05-18 | 图片处理方法及装置、计算机可读存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110540538.1A CN113117341B (zh) | 2021-05-18 | 2021-05-18 | 图片处理方法及装置、计算机可读存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113117341A CN113117341A (zh) | 2021-07-16 |
CN113117341B true CN113117341B (zh) | 2024-02-02 |
Family
ID=76782167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110540538.1A Active CN113117341B (zh) | 2021-05-18 | 2021-05-18 | 图片处理方法及装置、计算机可读存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113117341B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030081732A (ko) * | 2002-04-12 | 2003-10-22 | (주)유라비젼 | 바둑 기보 생성 방법 및 장치 |
CA2752370A1 (en) * | 2011-09-16 | 2013-03-16 | Mcgill University | Segmentation of structures for state determination |
JP2019144107A (ja) * | 2018-02-21 | 2019-08-29 | 株式会社タナカ技研 | 情報処理装置、端末装置、情報処理方法、およびプログラム |
CN110264447A (zh) * | 2019-05-30 | 2019-09-20 | 浙江省北大信息技术高等研究院 | 一种注塑件的表面缺陷检测方法、装置、设备和存储介质 |
CN110766081A (zh) * | 2019-10-24 | 2020-02-07 | 腾讯科技(深圳)有限公司 | 一种界面图像检测的方法、模型训练的方法以及相关装置 |
CN112712475A (zh) * | 2020-12-17 | 2021-04-27 | 珠海格力电器股份有限公司 | 图像色差补偿方法、装置、电子设备和存储介质 |
-
2021
- 2021-05-18 CN CN202110540538.1A patent/CN113117341B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030081732A (ko) * | 2002-04-12 | 2003-10-22 | (주)유라비젼 | 바둑 기보 생성 방법 및 장치 |
CA2752370A1 (en) * | 2011-09-16 | 2013-03-16 | Mcgill University | Segmentation of structures for state determination |
JP2019144107A (ja) * | 2018-02-21 | 2019-08-29 | 株式会社タナカ技研 | 情報処理装置、端末装置、情報処理方法、およびプログラム |
CN110264447A (zh) * | 2019-05-30 | 2019-09-20 | 浙江省北大信息技术高等研究院 | 一种注塑件的表面缺陷检测方法、装置、设备和存储介质 |
CN110766081A (zh) * | 2019-10-24 | 2020-02-07 | 腾讯科技(深圳)有限公司 | 一种界面图像检测的方法、模型训练的方法以及相关装置 |
CN112712475A (zh) * | 2020-12-17 | 2021-04-27 | 珠海格力电器股份有限公司 | 图像色差补偿方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113117341A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229526B (zh) | 网络训练、图像处理方法、装置、存储介质和电子设备 | |
KR102354692B1 (ko) | 규칙 기반 비디오 중요도 분석 | |
CN112308095A (zh) | 图片预处理及模型训练方法、装置、服务器及存储介质 | |
EP2109313B1 (en) | Television receiver and method | |
CN110189336B (zh) | 图像生成方法、系统、服务器及存储介质 | |
CN109711407B (zh) | 一种车牌识别的方法及相关装置 | |
CN105229697A (zh) | 多模态前景背景分割 | |
CA3039239C (en) | Conformance of media content to original camera source using optical character recognition | |
CN113344826B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114511041B (zh) | 模型训练方法、图像处理方法、装置、设备和存储介质 | |
CN111836118B (zh) | 视频处理方法、装置、服务器及存储介质 | |
CN113255516A (zh) | 活体检测方法、装置和电子设备 | |
CN114375460A (zh) | 实例分割模型的数据增强方法、训练方法和相关装置 | |
CN113117341B (zh) | 图片处理方法及装置、计算机可读存储介质、电子设备 | |
CN111369557A (zh) | 图像处理方法、装置、计算设备和存储介质 | |
CN112052863B (zh) | 一种图像检测方法及装置、计算机存储介质、电子设备 | |
CN113628192B (zh) | 图像模糊检测方法、装置、设备、存储介质及程序产品 | |
CN113627342B (zh) | 视频深度特征提取优化的方法、系统、设备及存储介质 | |
CN114387315A (zh) | 图像处理模型训练、图像处理方法、装置、设备及介质 | |
CN109141457A (zh) | 导航评估方法、装置、计算机设备和存储介质 | |
CN113313642A (zh) | 图像去噪方法、装置、存储介质及电子设备 | |
CN113706636A (zh) | 一种用于篡改图像识别的方法与装置 | |
CN112559340A (zh) | 一种画面测试方法、装置、设备及存储介质 | |
CN113628121A (zh) | 数据处理、训练多媒体数据的方法和装置 | |
CN112995666B (zh) | 一种结合场景切换检测的视频横竖屏转换方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |