CN113259597B - 图像处理方法、装置、设备、介质及程序产品 - Google Patents
图像处理方法、装置、设备、介质及程序产品 Download PDFInfo
- Publication number
- CN113259597B CN113259597B CN202110803808.3A CN202110803808A CN113259597B CN 113259597 B CN113259597 B CN 113259597B CN 202110803808 A CN202110803808 A CN 202110803808A CN 113259597 B CN113259597 B CN 113259597B
- Authority
- CN
- China
- Prior art keywords
- image
- scene
- target
- image processing
- pose
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
本申请提供了一种图像处理方法、装置、设备、介质及程序产品,通过获取至少一个参照图像以及与参照图像对应的第一场景特征,然后根据第一场景特征以及目标设备的当前状态,确定并输出指引信息,指引信息用于指引用户构建第二采集场景,第二采集场景对应的第二场景特征包括第一场景特征,当检测到第二采集场景构建完成时,控制目标设备采集至少一个目标图像,再根据至少一个参照图像以及至少一个目标图像,调整目标设备的图像处理参数,以使目标设备采集和/或显示的图像满足预设画质要求。解决了如何对各类型的图像处理设备进行图像处理参数的快速调整的技术问题。达到了无需逐个设置图像处理参数,快速统一多个设备的图像画质的技术效果。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像处理方法、装置、设备、介质及程序产品。
背景技术
随着人们生活水平的提高,各式各样的电子产品已经融入了人们的工作和日常生活当中,尤其是图像处理设备更是得到了普遍的推广应用。
然而,由于各类图像处理设备的型号、类型等越来越丰富,在面对需要对各个图像处理设备的画质调整设置时,目前,无论是对日常用户或者是研发人员来说,都只能够单独对各类型设备设置与调试,并且为达到满意的画质逐个对各类型的设备不断重复进行图像处理参数的调整。
因此,如何对各类型的图像处理设备进行图像处理参数的快速调整成为了亟需解决的技术问题。
发明内容
本申请提供一种图像处理方法、装置、设备、介质及程序产品,以解决如何对各类型的图像处理设备进行图像处理参数的快速调整的技术问题。
第一个方面,本申请提供一种图像处理方法,包括:
获取至少一个参照图像以及与参照图像对应的第一场景特征,第一场景特征用于表征参照图像的第一采集场景;
根据第一场景特征以及目标设备的当前状态,确定并输出指引信息,指引信息用于指引用户构建第二采集场景,第二采集场景与至少一个目标图像相对应,第二采集场景对应的第二场景特征包括第一场景特征;
当检测到第二采集场景构建完成时,控制目标设备采集至少一个目标图像;根据至少一个参照图像以及至少一个目标图像,调整目标设备的图像处理参数,以使目标设备采集和/或显示的图像满足预设画质要求。
在一种可能的设计中,目标设备包括:一个或多个用于图像采集和/或图像显示的设备或部件。
在一种可能的设计中,第一场景特征包括:第一设备的目标位姿,第一设备包括用于采集参照图像的一个或多个设备,指引信息包括目标设备的位姿调整信息,当前状态包括目标设备的当前位姿,对应的,根据第一场景特征以及目标设备的当前状态,确定并输出指引信息,包括:
获取当前位姿;
对比当前位姿与目标位姿,以确定对比结果;
根据对比结果确定并输出位姿调整信息。
在一种可能的设计中,当检测到第二采集场景构建完成时,控制目标设备采集至少一个目标图像,包括:
循环检测当前位姿与目标位姿的匹配度是否达到预设要求;
若是,则确定采集至少一个目标图像的采集指令;
若否,则根据当前位姿重新确定并输出位姿调整信息。
在一种可能的设计中,确定并输出位姿调整信息,包括:
通过图像采集界面向用户发送位姿调整信息,以指引用户根据位姿调整信息调整当前位姿。
在一种可能的设计中,目标设备包括位姿调整部件,确定并输出位姿调整信息,包括:
向位姿调整部件发送位姿调整信息,以控制位姿调整部件自动调整当前位姿直至当前位姿与目标位姿的匹配度大于或等于预设阈值。
可选的,目标位姿包括:动态参考线,动态参考线与参照图像中的定位参考对象相对应,通过图像采集界面向用户发送位姿调整信息,包括:
在图像采集界面叠加显示动态参考线的第一形态,以指引用户根据动态参考线调整目标设备的当前位姿。
在一种可能的设计中,循环检测当前位姿与目标位姿的匹配度是否达到预设要求,包括:
当检测到当前位姿与目标位姿的匹配度大于或等于预设匹配阈值时,将动态参考线的形态变换为第二形态,第二形态与第一形态的不同属性包括:线型、颜色、线宽、箭头形式、闪烁方式中的至少一项。
可选的,循环检测当前位姿与目标位姿的匹配度是否达到预设要求,还包括:
当检测到匹配度小于预设匹配阈值时,将动态参考线的形态变换为第三形态,第三形态用于动态提示用户对当前位姿的调整方向和/或调整范围,第三形态为第一形态与第二形态之间的动态过渡形态。
在一种可能的设计中,动态参考线包括定位参考对象的外轮廓线。
可选的,动态参考线还包括定位参考对象上的纹理线条。
在一种可能的设计中,第一场景特征包括:第一采集场景的空间位置坐标以及环境特征信息,环境特征信息包括:温度、湿度、能见度、PM2.5颗粒物浓度、天气、光照强度中至少一项,对应的,在获取当前位姿之前,包括:
根据当前位置坐标与空间位置坐标,确定并输出位置导航信息;
当检测到当前位置坐标到达空间位置坐标对应的预设范围内时,检测当前环境的环境特征与环境特征信息的环境匹配度是否满足要求;
若是,则获取当前位姿;
若否,则输出环境不匹配的提示信息。
在一种可能的设计中,在获取至少一个参照图像以及与参照图像对应的第一场景特征之前,还包括:
获取第一设备在第一采集场景采集的至少一个参照图像,第一设备包括用于采集参照图像的一个或多个设备;
利用对象识别模型,提取参照图像中至少一个定位参考对象;
利用边缘识别模型,根据定位参考对象,确定与定位参考对象对应的动态参考线。
在一种可能的设计中,利用对象识别模型,提取参照图像中至少一个定位参考对象,包括:
利用图像识别算法,从参照图像中识别出所有的物体对象;
从所有的物体对象中筛选出静态对象,静态对象为不可移动的对象;
根据预设过滤要求以及静态对象,确定定位参考对象。
可选的,预设过滤要求包括:
滤除完整度小于完整度阈值的对象;
和/或,滤除画面占比小于占比阈值的对象;
和/或,滤除无法识别身份或种类类型的对象;
和/或,滤除清晰度小于清晰度阈值的对象。
在一种可能的设计中,利用边缘识别模型,根据定位参考对象,确定与定位参考对象对应的动态参考线,包括:
利用轮廓提取模型提取定位参考对象的外轮廓线,动态参考线包括外轮廓线。
在一种可能的设计中,利用边缘识别模型,根据定位参考对象,确定与定位参考对象对应的动态参考线,还包括:
利用纹理识别模型提取定位参考对象上的纹理线条,动态参考线还包括纹理线条。
在一种可能的设计中,在利用纹理识别模型提取定位参考对象上的纹理线条之后,还包括:
将纹理线条的透明度设置为第一透明度;
将外轮廓线的透明度设置为第二透明度;
将纹理线条与外轮廓线进行组合,以确定动态参考线。
第二方面,本申请提供一种图像处理装置,包括:
获取模块,用于获取至少一个参照图像以及与参照图像对应的第一场景特征,第一场景特征用于表征参照图像的第一采集场景;
指引模块,用于根据第一场景特征以及目标设备的当前状态,确定并输出指引信息,指引信息用于指引用户构建第二采集场景,第二采集场景与至少一个目标图像相对应,第二采集场景对应的第二场景特征包括第一场景特征;
处理模块,用于当检测到第二采集场景构建完成时,控制目标设备采集至少一个目标图像;根据至少一个参照图像以及至少一个目标图像,调整目标设备的图像处理参数,以使目标设备采集和/或显示的图像满足预设画质要求。
在一种可能的设计中,目标设备包括:一个或多个用于图像采集和/或图像显示的设备或部件。
在一种可能的设计中,第一场景特征包括:第一设备的目标位姿,第一设备包括用于采集参照图像的一个或多个设备,指引信息包括目标设备的位姿调整信息,当前状态包括目标设备的当前位姿,对应的,指引模块,用于:
获取当前位姿;
对比当前位姿与目标位姿,以确定对比结果;
根据对比结果确定并输出位姿调整信息。
在一种可能的设计中,处理模块,用于:
循环检测当前位姿与目标位姿的匹配度是否达到预设要求;
若是,则确定采集至少一个目标图像的采集指令;
若否,则根据当前位姿重新确定并输出位姿调整信息。
在一种可能的设计中,指引模块,用于:
通过图像采集界面向用户发送位姿调整信息,以指引用户根据位姿调整信息调整当前位姿。
在一种可能的设计中,目标设备包括位姿调整部件,指引模块,用于:
向位姿调整部件发送位姿调整信息,以控制位姿调整部件自动调整当前位姿直至当前位姿与目标位姿的匹配度大于或等于预设阈值。
可选的,目标位姿包括:动态参考线,动态参考线与参照图像中的定位参考对象相对应,指引模块,用于:
在图像采集界面叠加显示动态参考线的第一形态,以指引用户根据动态参考线调整目标设备的当前位姿。
在一种可能的设计中,指引模块,用于:
当检测到当前位姿与目标位姿的匹配度大于或等于预设匹配阈值时,将动态参考线的形态变换为第二形态,第二形态与第一形态的不同属性包括:线型、颜色、线宽、箭头形式、闪烁方式中的至少一项。
可选的,指引模块,还用于:
当检测到匹配度小于预设匹配阈值时,将动态参考线的形态变换为第三形态,第三形态用于动态提示用户对当前位姿的调整方向和/或调整范围,第三形态为第一形态与第二形态之间的动态过渡形态。
在一种可能的设计中,动态参考线包括定位参考对象的外轮廓线。
可选的,动态参考线还包括定位参考对象上的纹理线条。
在一种可能的设计中,第一场景特征包括:第一采集场景的空间位置坐标以及环境特征信息,环境特征信息包括:温度、湿度、能见度、PM2.5颗粒物浓度、天气、光照强度中至少一项,对应的,指引模块,还用于:
根据当前位置坐标与空间位置坐标,确定并输出位置导航信息;
当检测到当前位置坐标到达空间位置坐标对应的预设范围内时,检测当前环境的环境特征与环境特征信息的环境匹配度是否满足要求;
若是,则获取当前位姿;
若否,则输出环境不匹配的提示信息。
在一种可能的设计中,获取模块,还用于获取第一设备在第一采集场景采集的至少一个参照图像,第一设备包括用于采集参照图像的一个或多个设备;
指引模块,还用于:
利用对象识别模型,提取参照图像中至少一个定位参考对象;
利用边缘识别模型,根据定位参考对象,确定与定位参考对象对应的动态参考线。
在一种可能的设计中,指引模块,用于:
利用图像识别算法,从参照图像中识别出所有的物体对象;
从所有的物体对象中筛选出静态对象,静态对象为不可移动的对象;
根据预设过滤要求以及静态对象,确定定位参考对象。
可选的,预设过滤要求包括:
滤除完整度小于完整度阈值的对象;
和/或,滤除画面占比小于占比阈值的对象;
和/或,滤除无法识别身份或种类类型的对象;
和/或,滤除清晰度小于清晰度阈值的对象。
在一种可能的设计中,指引模块,用于:
利用轮廓提取模型提取定位参考对象的外轮廓线,动态参考线包括外轮廓线。
在一种可能的设计中,指引模块,还用于:
利用纹理识别模型提取定位参考对象上的纹理线条,动态参考线还包括纹理线条。
在一种可能的设计中,指引模块,还用于:
将纹理线条的透明度设置为第一透明度;
将外轮廓线的透明度设置为第二透明度;
将纹理线条与外轮廓线进行组合,以确定动态参考线。
第三个方面,本申请提供一种电子设备,包括:
存储器,用于存储程序指令;
处理器,用于调用并执行所述存储器中的程序指令,执行第一方面所提供的任意一种可能的图像处理方法。
第四方面,本申请提供一种存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序用于执行第一方面所提供的任意一种可能的图像处理方法。
第五方面,本申请还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面所提供的任意一种可能的图像处理系统方法。
本申请提供了一种图像处理方法、装置、设备、介质及程序产品,通过获取至少一个参照图像以及与参照图像对应的第一场景特征,然后根据第一场景特征以及目标设备的当前状态,确定并输出指引信息,指引信息用于指引用户构建第二采集场景,第二采集场景对应的第二场景特征包括第一场景特征,当检测到第二采集场景构建完成时,控制目标设备采集至少一个目标图像,再根据至少一个参照图像以及至少一个目标图像,调整目标设备的图像处理参数,以使目标设备采集和/或显示的图像满足预设画质要求。解决了如何对各类型的图像处理设备进行图像处理参数的快速调整的技术问题。达到了无需逐个设置图像处理参数,快速统一多个设备的图像画质的技术效果。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1a-1b为本申请实施例提供的多设备统一画质调整的应用场景示意图;
图2为本申请实施例提供的一种图像处理方法的流程示意图;
图3为本申请实施提供的另一种图像处理方法的流程示意图;
图4a-4c为用于借助动态参考线调节目标设备当前位姿的过程示意图;
图5为本申请实施例提供的一种图像处理装置的结构示意图;
图6为本申请提供的一种电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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作出创造性劳动前提下所获得的所有其他实施例,包括但不限于对多个实施例的组合,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请发明人发现,随着图像处理设备的类型不断增多,且更新换代的速度不断提高,并且由于产品本身硬件或软件的差异性,使得各个不同类型或者不同型号的图像处理设备之间画质存在差异。这个现象甚至出现在了同类同型号的不同设备之间,比如,由于产品批次不同,造成了画质的差异,或者是图像处理软件的版本不同,造成图像处理参数的不同,从而使得画质存在着差异。
在一种使用场景中,当用户想要将多个图像处理设备协同工作时,例如将多个手机组成环形阵列进行360度的拍照取景,或者是将多个数码相机排成一排进行广角组合拍摄,如多人合影拍摄时,由于相机广角的限制,以及考虑到广角造成人像变形的原因,有些摄影师会用多个相机并排拍摄,再进行后期合成。
此时用户特别希望多个图像处理设备能够有相同的画质,避免得到的图像存在明显画质差异,影响图像观感,但是目前,用户只能逐个设备分别进行图像处理参数调整,并且很难将各个图像处理设备的画质调整到一致。
在另一种使用场景中,研发人员在对某款图像处理设备进行调试时,需要多次往返不同测试地点,反复对图像处理设备的图像处理参数进行调整,以达到满意的画质要求。而当有新的图像处理设备需要调试,或者画质要求改变时,又要重新再次重复一遍调试的过程。工作重复繁杂,延长了研发时间,也提高了研发成本。
基于上述场景所引发的技术问题,本申请的发明构思是:
记录某个图像处理设备(即第一设备)采集图像时的采集场景,以及处理后所呈现的图像(即参照图像),通过两者的结合,指引用户在相同或相似的采集场景中,利用目标设备对相同或相似的图像进行采集,通过自动对比两个图像的画质差异,调整目标设备的图像处理参数,达到自动快速调整不同设备的图像处理参数的目的。
这样,即使是非专业的普通用户,也能够快速将多个不同设备的画质调整到一致,无需再逐个设备单独调整。由于不同设备可供普通用户调整的参数各不相同,且可以让用户自定义的图像处理参数的数量有限。利用本申请的调整方式,就无需用户去手动设置各个图像处理参数,也突破了不同厂商、不同类型、不同型号的图像处理设备中图像处理参数调节的技术壁垒,只需要为多个目标设备安装承载本申请所提供的图像处理方法的应用程序,即可实现画质的快速、统一性调节。
此外,本申请发明人还发现,在研发人员应用本申请时,不但能够简化多种不同类型图像处理设备的调试过程,还能够简化同一款图像处理设备的画质调试过程,达到了意料之外的技术效果。
因为,根据本申请的发明构思,若研发人员将待调试设备作为上述第一设备,记录其图像采集时的采集场景,以及经过待调试设备处理后所呈现的图像即下文所谓的参照图像,研发人员就不需要像现有技术一样,在一个测试地点完成所有的调试任务后才能离开。
研发人员可以到多个户外测试地点进行测试图像采集,然后回到室内研发室对待调试设备进行调试,调试完成后,通过已经记录的采集场景进行快速场景复现。如通过虚拟环境搭建,或虚拟场景模拟等手段进行场景复现。即使需要重新到户外测试地点测试,也能够快速还原最初图像采集时的采集场景,缩短了调试时间,提高了调试效率。也将图像采集测试与图像处理参数的调试进行了解耦,无需并行实施,减轻了调试研发人员的工作压力和工作量。
下面以几个实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
为了便于更全面地理解本申请所提供的图像处理方法,下面分别以两个应用场景对应的实施例来对本申请所提供的图像处理方法进行介绍。
即多设备协同工作时,画质一致性快速调整场景和研发人员对图像处理设备调试时的调试场景,在两种差距较大的场景下,体现意料之中和意料之外的技术效果的对比。
值得说明的是,本申请所提供的图像处理方法的应用场景并不局限于这两种场景,本领域技术人员可以根据实际情况进行应用场景的选择,本申请不做限定。
下面先介绍多设备统一画质调整的应用场景。
图1a-1b为本申请实施例提供的多设备统一画质调整的应用场景示意图。图1a为多人排队合照时,由于单独用相机101或手机102都无法将所有人以最佳角度和成像效果拍摄到同一个照片中,因为相机101或手机102的广角覆盖范围都无法做到全覆盖,且过大的广角设置会使得处于两侧部分的图像出现变形失真。此时,就可以如图1a所示用相机101和手机102同时采集两部分图像,然后经过后续拼接处理,就可以得到一张完整的合影照。
但是由于相机101和手机102之间硬件和拍摄软件的不同,两者拍摄出来的图像画质并不相同,给后续拼接造成了比较大的困扰。
现有技术解决上述问题,一般是用一个相机分别拍摄两次,这样得到的画质虽然一样,但是图像内容却可能存在差异,无法同时采集。现有技术还可以用两个相同的相机或手机来采集,但是这种方式对采集设备的一致性要求太高,很难直接实施。另一方面,即使是两个同类型同型号的相机,由于生产时本身的差异性,如不一定是同批次的相机,依然还是会存在画质差异,对一些要求较高的场景,这种不一致性就会影响用户体验。
图1b为车载360度监视系统在监视时各个摄像头的工作监视范围。车辆110上的不同位置设置有多个摄像头,其可以分为四组,前向摄像头组、左侧摄像头组、右侧摄像头组以及后向摄像头组,前向摄像头组负责前向区域111的监视,右侧摄像头组负责右侧区域112的监视,左侧摄像头组负责左侧区域114的监视,后向摄像头组负责后向区域113的监视。
为了对四个监视区域采集到的图像要求其画质需要一致,避免驾驶员产生突兀感,但是由于各个摄像头组,甚至是各个摄像头之间会存在差异,导致画质一致性较差,或者是随着一段时间使用后,不同摄像头之间的损耗和老化程度不一致(如维修时更换了摄像头),导致采集到的图像画质不一致。
在另一可能的场景中,由于不同人员在不同时刻协调工作进行图像采集和/或显示,如若干用户拿着不同的图像处理设备(如手机)分别采集同一个区域内的不同图像,然后将这些图像组合为一个环境全息场景图,这时也是要求各个图像处理设备的画质要调整到一致。
在又一种可能的场景中,在图像处理过程中,如拍摄一段视频或者是一部影视作品,拍摄设备突然坏了,但是所拍摄的场景又需要高度一致的画面呈现,才能保证视频的连贯性,此时替换的拍摄设备如何保障其与之前的拍摄设备所采集到的画质是一致的,如何去调整其图像处理参数,也可以运用到本申请所提供的图像处理方法。
本申请所提供的图像处理方法就能够解决上述如何对各个图像处理设备的画质进行统一快速调整的技术问题。
图2为本申请实施例提供的一种图像处理方法的流程示意图。如图2所示,该图像处理方法的具体步骤,包括:
S201、获取至少一个参照图像以及与参照图像对应的第一场景特征。
在本步骤中,第一场景特征用于表征参照图像的第一采集场景。
从图像数据库中获取至少一个参照图像,以及采集参照图像时的采集场景即第一采集场景,该第一采集场景是用第一场景特征的方式来进行数字化描述的。
具体的,如图1a中,相机101在某个环境中,拍摄至少一个图像即参照图像,在将此图像存入数据库中时,也将与环境相关的参数,如地理位置的经纬度坐标、海拔高度、天气、温度、光照强度、能见度、PM2.5颗粒物浓度等,以及相机101的拍摄位置和姿态即目标位姿,组合成第一场景特征与参照图像一起存入数据库。
然后手机102在数据库中获取参照图像以及第一场景特征。
可以理解的是,参照图像不一定是相机101或手机102采集的,也可以是其它的图像处理设备采集的。
例如,如图1b中,前向摄像头组、左侧摄像头组、右侧摄像头组以及后向摄像头组中的各个摄像头模块,可以分别获取汽车厂商给出的标准摄像头模组的参照图像数据。便于车主在更换摄像头后,对其画质一致性进行调整。
S202、根据第一场景特征以及目标设备的当前状态,确定并输出指引信息。
在本步骤中,指引信息用于指引用户构建第二采集场景,第二采集场景与至少一个目标图像相对应,第二采集场景对应的第二场景特征包括第一场景特征。
具体的,若参考图像是预设的标准图像,如对某个标准物体在某个角度拍摄而得到的图像,那么指引信息就会提示用户准备好该标准物体,比指引用户以对应的角度进行拍摄。还需要注意的是,第一场景特征中可以包括光照强度,那么目标设备也需要检测当前的光照强度是否与第一场景特征中的光照强度相同,或者是与第一场景特征中的光照强度在相同的区段内。
若参考图像是用户自定义图像,如用户在室外拍摄的某个街道的图像,某处自然或人文景观图像等,那么就需要指引用户回到对应的地理位置,以相同的拍摄角度,利用目标设备再次进行拍照。
即所谓的第二采集场景对应的第二场景特征包括第一场景特征。此时,指引信息就包含两部分,一部分是导航信息,另一部分是拍摄角度信息。
导航信息可以在目标设备上开启导航软件,引导用户到达指定的地点位置。拍摄角度信息,则可以以动态参考线,如某个建筑的外轮廓线和/或建筑的纹理线条,如建筑物中各个窗的轮廓线条。将动态参考线叠加显示在拍摄界面上,用户借助动态参考线调整目标设备的拍摄角度或者位姿,以使得拍摄界面中目标图像与动态参考线重合,这样就能够保证以相同拍摄角度进行图像采集。
在一种可能的设计中,根据第一场景特征中第一设备采集参考图像时的目标位姿,与至少一个目标设备的当前位姿的差异,确定与当前位姿对应的位姿调整信息。
即获取当前位姿;对比当前位姿与目标位姿,以确定对比结果;根据对比结果确定并输出位姿调整信息。
具体的,在一种可能的实施方式中,确定并输出位姿调整信息,包括:
通过图像采集界面向用户发送位姿调整信息,以指引用户根据位姿调整信息调整当前位姿。
例如,如图1a中,假设第一设备为相机101,目标设备为手机102,用户可以先用相机101以一个预设角度拍摄一张参照图像,然后将参照图像以及第一场景特征,如采集地点、天气、光照强度、拍摄角度等上传到数据库中。
云服务器通过分析参照图像,提取出其中便于用户定位目标设备的位姿的参考对象,并用边缘识别模型,提取参考对象的外轮廓线和/或内部纹理线条,以生成动态参考线。
然后用户在相同的位置,打开目标设备即手机102,从云服务器中获取到动态参考线,并叠加显示在手机102的拍照界面上。
在另一种可能的实施方式中,目标设备包括位姿调整部件,确定并输出位姿调整信息,包括:
向位姿调整部件发送位姿调整信息,以控制位姿调整部件自动调整当前位姿直至当前位姿与目标位姿的匹配度大于或等于预设阈值。
例如,手机102还可以配套一个智能支架,该智能支架可以自动调整手机102的拍摄位姿,向该智能支架发送位姿调整信息,该智能支架自动调整手机102的当前位姿直至当前位姿与目标位姿的匹配度大于或等于预设阈值。
S203、当检测到第二采集场景构建完成时,控制目标设备采集至少一个目标图像。
在本步骤中,循环检测目标设备的当前位姿与目标位姿的匹配度是否达到预设要求;
若是,则确定采集至少一个目标图像的采集指令;
若否,则根据当前位姿重新确定并输出所述位姿调整信息。
例如,接着上面的例子,用户调整手机102使得拍摄界面中显示的参考对象与动态参考线重合,完成拍摄角度的复现,然后用户点击手机102上的拍摄按钮采集目标图像。
需要说明的是,若参考图像为室外景观的图像,但用户开启目标设备调整时,其所在环境与第一采集场景对应的环境差距较大,如地理位置的经纬度坐标和/或海拔高度坐标不一致时,需要先指引用户到达相同地理位置。
S204、根据至少一个参照图像以及至少一个目标图像,调整目标设备的图像处理参数,以使目标设备采集和/或显示的图像满足预设画质要求。
在本步骤中,对比参照图像与目标图像画质的差异;利用预设调整模型,根据对比结果,确定图像处理参数的调整值;根据调整值调整对应的图像处理参数,该图像处理参数包括:图像采集参数,和/或,图像显示参数。
图像采集参数包括:光圈大小、曝光时间、白平衡、饱和度、对比度、亮度、清晰度、锐度等参数中的至少一项。
图像显示参数包括:屏幕亮度、饱和度、对比度、图像锐度、透明度等参数。
需要说明的是,本申请不对预设调整模型进行限定,本领域技术人员可以根据实际应用场景,选择对应的调整算法。
在调整了目标设备的图像处理参数后,协同工作的各个目标设备就可以采集和/或显示相同画质的图像,或各个目标设备采集和/或显示的图像的画质差异用肉眼难以察觉。
如图1b中,若更换了车辆110上一个或多个摄像头时,利用本实施例的图像处理方法,就可以根据旧摄像头所采集的参照图像以及对应的采集场景,将车辆开到相同或相似的采集场景中,完成对新摄像头的画质调整。
在一种可能的情况中,当各个目标设备采集和/或显示的图像的画质基本相同时,用户就可以将各个目标设备组合拼装成一个大型的图像处理设备。或者说,运用本申请所提供的图像处理方法可以将多个图像处理设备变成一个图像子模块,实现任意多个图像处理设备的组合使用,开拓了图像处理设备的新的使用方式。
并且,本申请所提供的图像处理方法,可以将用户闲置或淘汰的图像处理设备重新利用起来,达到了延长设备使用寿命的技术效果。
需要说明的是,在本实施例中,目标设备可以包括一个或多个图像处理设备或部件,即目标设备包括:一个或多个用于图像采集和/或图像显示的设备或部件。例如,目标设备可以是一个图像采集的部件如摄像头模组,也可以是一个图像显示的设备如车载360度显示器,还可以是同时具备图像采集和显示的设备,如手机、平板电脑、360度车载行车监视器等等。
本实施例所提供的图像处理方法,在一种可能的实施方式中,可以将该集成在目标设备的控制器中,或者以应用程序的形式安装在目标设备中。
在另一种可能的实施方式中,也可以将该方法集成在一个服务器,如云服务器中,通过云服务器给至少一个目标设备进行图像处理参数的快速调整。
本实施例提供了一种图像处理系统方法,通过获取至少一个参照图像以及与参照图像对应的第一场景特征,然后根据第一场景特征以及目标设备的当前状态,确定并输出指引信息,指引信息用于指引用户构建第二采集场景,第二采集场景对应的第二场景特征包括第一场景特征,当检测到第二采集场景构建完成时,控制目标设备采集至少一个目标图像,再根据至少一个参照图像以及至少一个目标图像,调整目标设备的图像处理参数,以使目标设备采集和/或显示的图像满足预设画质要求。解决了如何对各类型的图像处理设备进行图像处理参数的快速调整的技术问题。达到了无需逐个设置图像处理参数,快速统一多个设备的图像画质的技术效果。
下面介绍研发人员对图像处理设备调试时的调试场景:
值得注意的是,以下图像处理方法的具体步骤与图2所示实施例可以相互结合,并不受应用场景的限制。
图3为本申请实施提供的另一种图像处理方法的流程示意图。如图3所示,该图像处理方法的具体步骤包括:
S301、获取第一设备在第一采集场景采集的至少一个参照图像和/或第一采集场景的第一场景特征。
在本步骤中,第一设备包括用于采集参照图像的一个或多个设备。
在本实施例中,测试人员开启图像处理测试应用,并输入测试启动指令,如点击开始测试按钮,然后安装在第一设备上的测试应用开始记录测试信息。测试应用从后台读取第一设备所处的当前位置、光照强度、当前天气信息、温度、能见度、第一设备的位姿等等,以作为第一场景特征。
在一种可能的设计中,开始测试后,第一设备上的测试应用发出环境采集提示,并开启录像,指引用户将周围环境图像通过录像的形式记录下来,以便于后续的位置导航。
然后,测试应用将提取或采集的第一场景特征存储到存储空间B中。
接下来,测试应用开启图像处理应用界面,如相机软件界面。用户通过图像处理应用进行至少一个参照图像的采集,即拍照得到图片P。
在一种可能的设计中,测试应用还会记录用户的所有操作,以及第一设备的实时位姿变化情况,添加到第一场景特征中一并存储起来。
然后,测试应用读取图片P的自带命名N,按照命名格式提取出拍照时间T,可选的,拍照时间T精确到分为单位,将提取的时间T也存储到空间B中。
测试应用再将存储空间B以N命名,便于信息与图片匹配;
需要说明的是,在数据库管理应用或测试应用中,可以将上述所有信息(即参照图片以及第一场景特性)以N命名的列表格式进行展示,便于用户查看。
在完成了本步骤之后,测试人员即可离开第一采集场景,前往下一采集场景,或者是结束测试工作。而不必考虑直接在现场就进行调试工作。使得测试和调试解耦了,不再被绑定到同一个时间和空间中进行。提高了测试和调试的效率,便于测试与调试的分工,实现多个地点同时测试,而调试人员可以在测试人员外出测试的同时,进行其它的测试工作或者准备工作。极大提高了多个项目同时进行时测试和调试的效率。
S302、用对象识别模型,提取参照图像中至少一个定位参考对象。
在本步骤中,利用图像识别算法,从参照图像中识别出所有的物体对象;从所有的物体对象中筛选出静态对象,静态对象为不可移动的对象;根据预设过滤要求以及静态对象,确定定位参考对象。
预设过滤要求包括:滤除完整度小于完整度阈值的对象;和/或,滤除画面占比小于占比阈值的对象;和/或,滤除无法识别身份或种类类型的对象;和/或,滤除清晰度小于清晰度阈值的对象。
具体的,图像识别算法包括AI智能对象识别,比如经过神经网络训练的对象识别模型。
识别并区分图片P即参考图像中的所有场景物体,包括但不限于:建筑、植物、人等
在一种可能的设计中,图像识别算法包括通过红外光温度差异区分识别,即第一设备的图像采集模组中包括了红外线传感器,在采集参考图像,即图片P时,也同时采集红外线成像图,与图片P一起作为参考图像的图像数据存储到存储空间B中。
这样就可以通过,红外光温度差异来区分各个物体对象。
可选的,可以同时使用AI智能识别与红外光温差识别,以提高对象识别的精度和速度。
在得到所有物体对象后,需要先将物体对象进行分类,可以分为两大类:静态对象和动态对象,静态对象是无法移动的,而动态对象是可以移动的或正在移动的对象,比如:行人、动物、临时经过车辆等等。可以通过对象的身份属性进行辨别。
由于调试人员可能需要到现场复现参照图像对应的采集场景,因此,选取的参考对象,一般会选择静态对象。
进一步的,还需要遵循预设过滤要求,在所有静态对象中滤除无法作为场景复现的对象。
对于某些拍摄时不完整的对象(不完整的对象一般是位于参考图像的边缘),比如半个人脸、部分路灯、部分树枝等等,其对调试人员再次定位的帮助不大,因此将其滤除。
对于图像占比较小的对象,比如路边的几朵花,或者是远处的物体,其呈现在参照图像中的大小太小,或者说其占整个参照图片的占比较小,小于预设占比阈值,如3%、5%等,也需要将这些对象滤除。需要说明的是,本领域技术人员可以根据实际需要进行预设占比阈值的设定。
同理,滤除清晰度不够的对象以及无法识别出类型的对象(无法识别出类型一般都是拍摄时角度无法采集到该对象的属性特征,其为动态物体的可能性较高)。
经过上述处理后,就可以筛选出至少一个参考对象。
S303、利用边缘识别模型,根据定位参考对象,确定与定位参考对象对应的动态参考线。
在本步骤中,利用轮廓提取模型提取定位参考对象的外轮廓线,动态参考线包括外轮廓线。
具体的,通过S302中各个参考对象对应的图像上,各像素点的颜色差异,提取出参考对象的外轮廓线。
在一种可能的设计中,也可以通过红外线的温度差异得到参考对象的外轮廓线。
可选的,提取外轮廓线之前,还可以对参考对象所对应的部分图像进行噪声/噪点滤除,使得参考对象更加清晰,将其边缘做平滑处理。
在一种可能的设计中,在得到外轮廓线之后,还包括:
利用纹理识别模型提取定位参考对象上的纹理线条,动态参考线还包括纹理线条。
具体的,将参考对象所对应的部分图像进行锐化处理,以凸显参考对象上的的纹理,并对纹理进行线条识别,比如:将建筑物上的门窗、装饰等的边缘线条进行识别。
可选的,用Soble索贝尔算子对参考对象进行处理,以得到参考对象上的纹理线条以及参考对象的边缘线条。
在一种可能的设计中,进一步的,还包括:
将纹理线条的透明度设置为第一透明度;
将外轮廓线的透明度设置为第二透明度;
将纹理线条与外轮廓线进行组合,以确定动态参考线。
可选的,第一透明度大于第二透明度,以使图像采集界面叠加显示动态参考线时重点更突出,也更简洁清晰。
例如,将第一透明度设置为50%~80%,将第二透明度设置为0%~20%。
需要说明的是,S301~S303既可以在第一设备采集了参考图像后立即执行,并将所得到的动态参考线一同存入数据库当中。也可以是研发人员开始调试后,通过调试指令触发,生成动态参考线。
S304、获取至少一个参照图像以及与参照图像对应的第一场景特征。
在本步骤中,第一场景特征用于表征参照图像的第一采集场景。第一场景特征包括:第一采集场景的空间位置坐标以及环境特征信息,环境特征信息包括:温度、湿度、能见度、PM2.5颗粒物浓度、天气、光照强度中至少一项;
并且在本实施例中,第一场景特征还包括第一设备的目标位姿。目标位姿的表现形式就是S303中得到的动态参考线。
具体的,本步骤对应调试人员开启了对应的调试应用,或者是S301中的测试应用,然后测试应用或者调试应用调用至少一个参照图像以及对应的第一场景特征,其中包括动态参考线。
S305、根据当前位置坐标与第一采集场景的空间位置坐标,确定并输出位置导航信息。
在本步骤中,通过当前调试人员或目标设备所处的位置,即当前位置坐标与第一采集场景的空间位置坐标进行对比,得到导航路线图,并通过导航界面或者导航应用输出导航提示。
需要说明的是,通过读取参照图像对应的标签,如果参照图像没有采集场景的限制,或者其为室内虚拟布景拍摄的,那么就无需执行此步骤,改为向用户发出重建采集场景的指引信息。
S306、当检测到当前位置坐标到达空间位置坐标对应的预设范围内时,检测当前环境的环境特征与环境特征信息的环境匹配度是否满足要求。
若是,则执行步骤S307;若否,则执行步骤S313,即输出环境不匹配的提示信息。
例如,预设范围为:半径取值为0~100米的圆内。通过GPS定位得到调试人员或者目标设备进入到预设范围内后,停止导航,切换到拍摄界面或图像采集界面。否则,输出提示信息,并更新导航指引信息。
S307、获取目标设备的当前位姿。
在本步骤中,目标设备包括:一个或多个用于图像采集和/或图像显示的设备或部件。
可选的,目标设备包括第一设备。
例如,在调试人员进行调试时,同时以第一设备即参照图像的原始采集设备,以及预先经过调试的至少一个其它图像处理设备一起作为目标设备。第一设备作为调试的对照设备。
可以理解的是,调试人员也可以只以第一设备作为目标设备进行调试。
S308、对比当前位姿与目标位姿,以确定对比结果。
在本步骤中,在开启的图像采集界面(如相机应用的拍摄界面)实时采集到的图像(即当前位姿的表征)中,检测或识别其是否包含了动态参考线对应的参考对象(即目标位姿的表征)。
当检测到时参考对象时,执行步骤S309;当没有检测到参考对象时,弹出提示框,提示没有检测到参考对象。
S309、通过图像采集界面向用户发送位姿调整信息,以指引用户根据位姿调整信息调整当前位姿。
在本实施例中,目标位姿包括:动态参考线,动态参考线与参照图像中的定位参考对象相对应,即以动态参考线来表征第一设备在对参照图像进行图像采集时的位姿。
具体的,在图像采集界面叠加显示动态参考线的第一形态,以指引用户根据动态参考线调整目标设备的当前位姿。
在一种可能的设计中,第一形态包括展示动态参考线的一部分。
图4a-4c为用于借助动态参考线调节目标设备当前位姿的过程示意图。如图4a所示,在检测到实时采集的画面中出现了参考对象41后,在第一位置,以细虚线的形式显示动态参考线中的外轮廓线421,即一第一形态显示动态参考线。这里第一位置可以是会随着参考对象41的变化而变化的,其目的是指引调试任意目标位姿的调整方向,即第一位置用于表征当前位姿向目标位姿调整的调整方向。
S310、循环检测当前位姿与目标位姿的匹配度是否达到预设要求。
在本步骤中,当检测到当前位姿与目标位姿的匹配度大于或等于预设匹配阈值时,执行步骤S311;
当检测到匹配度小于预设匹配阈值时,执行步骤S312。
具体的,在调试人员不断调整目标设备的当前位姿的过程中,不断检测实时采集的画面中的参考对象是否与动态参考线对齐。
S311、将动态参考线的形态变换为第二形态。
在本步骤中,第二形态与第一形态的不同属性包括:线型、颜色、线宽、箭头形式、闪烁方式中的至少一项。
例如,如图4c所示,当参考对象41与动态参考线对齐时,将动态参考线的线型改为粗实线422。
在一种可能的实施方式中,参考对象与动态参考线没对准时,动态参考线显示为红色,对准时动态参考线显示为绿色。
在一种可能的实施方式中,参考对象与动态参考线没对准时,动态参考线不断闪烁,对准时动态参考线不再闪烁。
本领域技术人员可以参考上述实施方式,为两种形态设置具体的显示方式,只要两种显示方式不同,都是本申请所保护的范围。
S312、将动态参考线的形态变换为第三形态。
在本步骤中,第三形态用于动态提示用户对当前位姿的调整方向和/或调整范围,第三形态为第一形态与第二形态之间的动态过渡形态。
例如,如图4b所示,根据参考对象41与动态参考线的对齐程度值,改变动态参考线的第一位置以及其形态,这样中间过渡形态即第三形态就能够给调试人员判断其对当前位姿的调整是否正确,便于调试人员快速准确地将目标设备的当前位姿调整到目标位姿。
S313、输出环境不匹配的提示信息。
在本步骤中,若S306中检测到当前环境的环境特征与环境特征信息的环境匹配度不满足要求时,输出环境不匹配的提示信息,例如弹出提示框“当前采集场景不匹配,请前往正确采集场景!”。
本实施例提供了一种图像处理系统方法,通过获取至少一个参照图像以及与参照图像对应的第一场景特征,然后根据第一场景特征以及目标设备的当前状态,确定并输出指引信息,指引信息用于指引用户构建第二采集场景,第二采集场景对应的第二场景特征包括第一场景特征,当检测到第二采集场景构建完成时,控制目标设备采集至少一个目标图像,再根据至少一个参照图像以及至少一个目标图像,调整目标设备的图像处理参数,以使目标设备采集和/或显示的图像满足预设画质要求。解决了如何对各类型的图像处理设备进行图像处理参数的快速调整的技术问题。达到了无需逐个设置图像处理参数,避免因场景偏差导致重复工作,提升参数调试效率,快速统一多个设备的图像画质的技术效果。
图2和图3所示的实施例分别展示了两个应用场景,图2为本申请在最初设计时所针对的场景,图3为在本申请发明人在实际应用中所发现的产生额外技术效果的场景。两个场景虽然差别较大,但是通过本申请所提供的图像处理方法,都能够完成对多个目标设备的画质的统一调整,且调整方式简便快速,其图像处理参数的调整过程在逻辑上是互通的。还打破了各个设备生产商之间的参数调整技术壁垒,使得无论是专业用户(研发人员)还是普通用户,都能够简单方便地调整图像采集和/或显示的图像处理参数,达到多个设备画质一致,协同配合使用的情况。
图5为本申请实施例提供的一种图像处理装置的结构示意图。该图像处理装置500可以通过软件、硬件或者两者的结合实现。
如图5所示,该图像处理装置500包括:
获取模块501,用于获取至少一个参照图像以及与参照图像对应的第一场景特征,第一场景特征用于表征参照图像的第一采集场景;
指引模块502,用于根据第一场景特征以及目标设备的当前状态,确定并输出指引信息,指引信息用于指引用户构建第二采集场景,第二采集场景与至少一个目标图像相对应,第二采集场景对应的第二场景特征包括第一场景特征;
处理模块503,用于当检测到第二采集场景构建完成时,控制目标设备采集至少一个目标图像;根据至少一个参照图像以及至少一个目标图像,调整目标设备的图像处理参数,以使目标设备采集和/或显示的图像满足预设画质要求。
在一种可能的设计中,目标设备包括:一个或多个用于图像采集和/或图像显示的设备或部件。
在一种可能的设计中,第一场景特征包括:第一设备的目标位姿,第一设备包括用于采集参照图像的一个或多个设备,指引信息包括目标设备的位姿调整信息,当前状态包括目标设备的当前位姿,对应的,指引模块502,用于:
获取当前位姿;
对比当前位姿与目标位姿,以确定对比结果;
根据对比结果确定并输出位姿调整信息。
在一种可能的设计中,处理模块503,用于:
循环检测当前位姿与目标位姿的匹配度是否达到预设要求;
若是,则确定采集至少一个目标图像的采集指令;
若否,则根据当前位姿重新确定并输出位姿调整信息。
在一种可能的设计中,指引模块502,用于:
通过图像采集界面向用户发送位姿调整信息,以指引用户根据位姿调整信息调整当前位姿。
在一种可能的设计中,目标设备包括位姿调整部件,指引模块502,用于:
向位姿调整部件发送位姿调整信息,以控制位姿调整部件自动调整当前位姿直至当前位姿与目标位姿的匹配度大于或等于预设阈值。
可选的,目标位姿包括:动态参考线,动态参考线与参照图像中的定位参考对象相对应,指引模块502,用于:
在图像采集界面叠加显示动态参考线的第一形态,以指引用户根据动态参考线调整目标设备的当前位姿。
在一种可能的设计中,指引模块502,用于:
当检测到当前位姿与目标位姿的匹配度大于或等于预设匹配阈值时,将动态参考线的形态变换为第二形态,第二形态与第一形态的不同属性包括:线型、颜色、线宽、箭头形式、闪烁方式中的至少一项。
可选的,指引模块502,还用于:
当检测到匹配度小于预设匹配阈值时,将动态参考线的形态变换为第三形态,第三形态用于动态提示用户对当前位姿的调整方向和/或调整范围,第三形态为第一形态与第二形态之间的动态过渡形态。
在一种可能的设计中,动态参考线包括定位参考对象的外轮廓线。
可选的,动态参考线还包括定位参考对象上的纹理线条。
在一种可能的设计中,第一场景特征包括:第一采集场景的空间位置坐标以及环境特征信息,环境特征信息包括:温度、湿度、能见度、PM2.5颗粒物浓度、天气、光照强度中至少一项,对应的,指引模块502,还用于:
根据当前位置坐标与空间位置坐标,确定并输出位置导航信息;
当检测到当前位置坐标到达空间位置坐标对应的预设范围内时,检测当前环境的环境特征与环境特征信息的环境匹配度是否满足要求;
若是,则获取当前位姿;
若否,则输出环境不匹配的提示信息。
在一种可能的设计中,获取模块501,还用于获取第一设备在第一采集场景采集的至少一个参照图像,第一设备包括用于采集参照图像的一个或多个设备;
指引模块502,还用于:
利用对象识别模型,提取参照图像中至少一个定位参考对象;
利用边缘识别模型,根据定位参考对象,确定与定位参考对象对应的动态参考线。
在一种可能的设计中,指引模块502,用于:
利用图像识别算法,从参照图像中识别出所有的物体对象;
从所有的物体对象中筛选出静态对象,静态对象为不可移动的对象;
根据预设过滤要求以及静态对象,确定定位参考对象。
可选的,预设过滤要求包括:
滤除完整度小于完整度阈值的对象;
和/或,滤除画面占比小于占比阈值的对象;
和/或,滤除无法识别身份或种类类型的对象;
和/或,滤除清晰度小于清晰度阈值的对象。
在一种可能的设计中,指引模块502,用于:
利用轮廓提取模型提取定位参考对象的外轮廓线,动态参考线包括外轮廓线。
在一种可能的设计中,指引模块502,还用于:
利用纹理识别模型提取定位参考对象上的纹理线条,动态参考线还包括纹理线条。
在一种可能的设计中,指引模块502,还用于:
将纹理线条的透明度设置为第一透明度;
将外轮廓线的透明度设置为第二透明度;
将纹理线条与外轮廓线进行组合,以确定动态参考线。
值得说明的是,图5所示实施例提供的装置,可以执行上述任一方法实施例中所提供的方法,其具体实现原理、技术特征、专业名词解释以及技术效果类似,在此不再赘述。
图6为本申请实施例提供的一种电子设备的结构示意图。如图6所示,该电子设备600,可以包括:至少一个处理器601和存储器602。图6示出的是以一个处理器为例的电子设备。
存储器602,用于存放程序。具体地,程序可以包括程序代码,程序代码包括计算机操作指令。
存储器602可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
处理器601用于执行存储器602存储的计算机执行指令,以实现以上各方法实施例所述的方法。
其中,处理器601可能是一个中央处理器(central processing unit,简称为CPU),或者是特定集成电路(application specific integrated circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
可选地,存储器602既可以是独立的,也可以跟处理器601集成在一起。当所述存储器602是独立于处理器601之外的器件时,所述电子设备600,还可以包括:
总线603,用于连接所述处理器601以及所述存储器602。总线可以是工业标准体系结构(industry standard architecture,简称为ISA)总线、外部设备互连(peripheralcomponent, PCI)总线或扩展工业标准体系结构(extended industry standardarchitecture, EISA)总线等。总线可以分为地址总线、数据总线、控制总线等,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器602和处理器601集成在一块芯片上实现,则存储器602和处理器601可以通过内部接口完成通信。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(read-only memory ,ROM)、随机存取存储器(randomaccess memory,RAM)、磁盘或者光盘等各种可以存储程序代码的介质,具体的,该计算机可读存储介质中存储有程序指令,程序指令用于上述各方法实施例中的方法。
本申请实施例还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申请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,本申请的真正范围和精神由本申请的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (20)
1.一种图像处理方法,其特征在于,应用于图像处理设备的画质调试场景,所述画质调试场景为对多人排队合照场景,包括:
获取第一设备在第一采集场景中采集的至少一个参照图像,所述第一设备包括用于采集所述参照图像的一个或多个设备,所述第一设备的广角覆盖范围无法全面覆盖所述多人排队合照场景中的所有人,所述第一设备将所述参照图像上传至云服务器;
所述云服务器利用对象识别模型,提取所述参照图像中至少一个定位参考对象;
所述云服务器利用边缘识别模型,根据所述定位参考对象,确定与所述定位参考对象对应的动态参考线;
目标设备获取至少一个所述参照图像以及与所述参照图像对应的第一场景特征,所述第一场景特征用于表征所述参照图像的第一采集场景,所述第一设备与所述目标设备为不同的设备,所述目标设备的广角覆盖范围无法全面覆盖所述多人排队合照场景中的所有人;
所述目标设备根据所述第一场景特征以及目标设备的当前状态,确定并输出指引信息,所述指引信息用于指引用户构建第二采集场景,所述第二采集场景与至少一个目标图像相对应,所述第二采集场景对应的第二场景特征包括所述第一场景特征;
当检测到所述第二采集场景构建完成时,所述目标设备采集至少一个所述目标图像;根据至少一个所述参照图像以及至少一个所述目标图像,调整所述目标设备的图像处理参数,以使所述目标设备采集和/或显示的图像满足预设画质要求;
所述第一设备采集所述多人排队合照场景中所有人的第一部分图像,所述目标设备同时采集所述多人排队合照场景中所有人的第二部分图像,以通过所述第一部分图像以及所述第二部分图像拼接形成所述多人排队合照场景中所有人的完整合影照。
2.根据权利要求1所述的图像处理方法,其特征在于,所述第一场景特征包括:第一设备的目标位姿,所述第一设备包括用于采集所述参照图像的一个或多个设备,所述指引信息包括所述目标设备的位姿调整信息,所述当前状态包括所述目标设备的当前位姿,对应的,所述根据所述第一场景特征以及目标设备的当前状态,确定并输出指引信息,包括:
获取所述当前位姿;
对比所述当前位姿与所述目标位姿,以确定对比结果;
根据所述对比结果确定并输出所述位姿调整信息。
3.根据权利要求2所述的图像处理方法,其特征在于,所述当检测到所述第二采集场景构建完成时,控制目标设备采集至少一个所述目标图像,包括:
循环检测所述当前位姿与所述目标位姿的匹配度是否达到预设要求;
若是,则确定采集至少一个所述目标图像的采集指令;
若否,则根据所述当前位姿重新确定并输出所述位姿调整信息。
4.根据权利要求3所述的图像处理方法,其特征在于,所述确定并输出所述位姿调整信息,包括:
通过图像采集界面向所述用户发送所述位姿调整信息,以指引所述用户根据所述位姿调整信息调整所述当前位姿。
5.根据权利要求3所述的图像处理方法,其特征在于,所述目标设备包括位姿调整部件,所述确定并输出所述位姿调整信息,包括:
向所述位姿调整部件发送所述位姿调整信息,以控制所述位姿调整部件自动调整所述当前位姿直至所述当前位姿与所述目标位姿的匹配度大于或等于预设阈值。
6.根据权利要求4所述的图像处理方法,其特征在于,所述目标位姿包括:动态参考线,所述动态参考线与所述参照图像中的定位参考对象相对应,所述通过图像采集界面向所述用户发送所述位姿调整信息,包括:
在所述图像采集界面叠加显示所述动态参考线的第一形态,以指引所述用户根据所述动态参考线调整所述目标设备的所述当前位姿。
7.根据权利要求6所述的图像处理方法,其特征在于,所述循环检测所述当前位姿与所述目标位姿的匹配度是否达到预设要求,包括:
当检测到当前位姿与所述目标位姿的匹配度大于或等于预设匹配阈值时,将所述动态参考线的形态变换为第二形态,所述第二形态与所述第一形态的不同属性包括:线型、颜色、线宽、箭头形式、闪烁方式中的至少一项。
8.根据权利要求7所述的图像处理方法,其特征在于,所述循环检测所述当前位姿与所述目标位姿的匹配度是否达到预设要求,还包括:
当检测到所述匹配度小于所述预设匹配阈值时,将所述动态参考线的形态变换为第三形态,所述第三形态用于动态提示所述用户对所述当前位姿的调整方向和/或调整范围,所述第三形态为所述第一形态与所述第二形态之间的动态过渡形态。
9.根据权利要求6-8中任意一项所述的图像处理方法,其特征在于,所述动态参考线包括所述定位参考对象的外轮廓线。
10.根据权利要求9所述的图像处理方法,其特征在于,所述动态参考线还包括所述定位参考对象上的纹理线条。
11.根据权利要求2-8中任意一项所述的图像处理方法,其特征在于,所述第一场景特征包括:所述第一采集场景的空间位置坐标以及环境特征信息,所述环境特征信息包括:温度、湿度、能见度、PM2.5颗粒物浓度、天气、光照强度中至少一项,对应的,在获取所述当前位姿之前,包括:
根据当前位置坐标与所述空间位置坐标,确定并输出位置导航信息;
当检测到所述当前位置坐标到达所述空间位置坐标对应的预设范围内时,检测当前环境的环境特征与所述环境特征信息的环境匹配度是否满足要求;
若是,则获取所述当前位姿;
若否,则输出环境不匹配的提示信息。
12.根据权利要求1所述的图像处理方法,其特征在于,所述利用对象识别模型,提取所述参照图像中至少一个定位参考对象,包括:
利用图像识别算法,从所述参照图像中识别出所有的物体对象;
从所有的所述物体对象中筛选出静态对象,所述静态对象为不可移动的对象;
根据预设过滤要求以及所述静态对象,确定所述定位参考对象。
13.根据权利要求12所述的图像处理方法,其特征在于,所述预设过滤要求包括:
滤除完整度小于完整度阈值的对象;
和/或,滤除画面占比小于占比阈值的对象;
和/或,滤除无法识别身份或种类类型的对象;
和/或,滤除清晰度小于清晰度阈值的对象。
14.根据权利要求1所述的图像处理方法,其特征在于,所述利用边缘识别模型,根据所述定位参考对象,确定与所述定位参考对象对应的动态参考线,包括:
利用轮廓提取模型提取所述定位参考对象的外轮廓线,所述动态参考线包括所述外轮廓线。
15.根据权利要求14所述的图像处理方法,其特征在于,所述利用边缘识别模型,根据所述定位参考对象,确定与所述定位参考对象对应的动态参考线,还包括:
利用纹理识别模型提取所述定位参考对象上的纹理线条,所述动态参考线还包括所述纹理线条。
16.根据权利要求15所述的图像处理方法,其特征在于,在所述利用纹理识别模型提取所述定位参考对象上的纹理线条之后,还包括:
将所述纹理线条的透明度设置为第一透明度;
将所述外轮廓线的透明度设置为第二透明度;
将所述纹理线条与所述外轮廓线进行组合,以确定所述动态参考线。
17.根据权利要求1-8中任意一项所述的图像处理方法,其特征在于,所述目标设备包括:一个或多个用于图像采集和/或图像显示的设备或部件。
18.一种图像处理装置,其特征在于,包括:
获取模块,用于获取第一设备在第一采集场景中采集的至少一个参照图像,第一设备包括用于采集参照图像的一个或多个设备,所述第一设备的广角覆盖范围无法全面覆盖多人排队合照场景中的所有人,所述第一设备将所述参照图像上传至云服务器;
指引模块,用于利用对象识别模型,提取参照图像中至少一个定位参考对象;利用边缘识别模型,根据定位参考对象,确定与定位参考对象对应的动态参考线,所述第一设备与目标设备为不同的设备,所述目标设备的广角覆盖范围无法全面覆盖所述多人排队合照场景中的所有人;
获取模块,还用于获取至少一个参照图像以及与所述参照图像对应的第一场景特征,所述第一场景特征用于表征所述参照图像的第一采集场景;
指引模块,还用于根据所述第一场景特征以及目标设备的当前状态,确定并输出指引信息,所述指引信息用于指引用户构建第二采集场景,所述第二采集场景与至少一个目标图像相对应,所述第二采集场景对应的第二场景特征包括所述第一场景特征;
处理模块,用于当检测到所述第二采集场景构建完成时,控制目标设备采集至少一个所述目标图像;根据至少一个所述参照图像以及至少一个所述目标图像,调整所述目标设备的图像处理参数,以使所述目标设备采集和/或显示的图像满足预设画质要求;
所述第一设备采集所述多人排队合照场景中所有人的第一部分图像,所述目标设备同时采集所述多人排队合照场景中所有人的第二部分图像,以通过所述第一部分图像以及所述第二部分图像拼接形成所述多人排队合照场景中所有人的完整合影照。
19.一种电子设备,其特征在于,包括:
处理器;以及,
存储器,用于存储所述处理器的计算机程序;
其中,所述处理器配置为经由执行所述计算机程序来执行权利要求1至17任一项所述的图像处理方法。
20.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至17任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110803808.3A CN113259597B (zh) | 2021-07-16 | 2021-07-16 | 图像处理方法、装置、设备、介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110803808.3A CN113259597B (zh) | 2021-07-16 | 2021-07-16 | 图像处理方法、装置、设备、介质及程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113259597A CN113259597A (zh) | 2021-08-13 |
CN113259597B true CN113259597B (zh) | 2021-11-02 |
Family
ID=77180486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110803808.3A Active CN113259597B (zh) | 2021-07-16 | 2021-07-16 | 图像处理方法、装置、设备、介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113259597B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115862081A (zh) * | 2021-09-22 | 2023-03-28 | Oppo广东移动通信有限公司 | 图像采集方法、装置、设备和计算机可读存储介质 |
CN113804222B (zh) * | 2021-11-16 | 2022-03-04 | 浙江欣奕华智能科技有限公司 | 一种定位精度的测试方法、装置、设备及存储介质 |
CN115223028B (zh) * | 2022-06-02 | 2024-03-29 | 支付宝(杭州)信息技术有限公司 | 场景重建及模型训练方法、装置、设备、介质及程序产品 |
CN115442408B (zh) * | 2022-09-13 | 2023-06-02 | 脉冲视觉(北京)科技有限公司 | 图像数据的传输处理方法、装置、介质以及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108156384A (zh) * | 2017-12-29 | 2018-06-12 | 珠海市君天电子科技有限公司 | 图像处理方法、装置、电子设备及介质 |
CN109344715A (zh) * | 2018-08-31 | 2019-02-15 | 北京达佳互联信息技术有限公司 | 智能构图控制方法、装置、电子设备及存储介质 |
CN110113534A (zh) * | 2019-05-13 | 2019-08-09 | Oppo广东移动通信有限公司 | 一种图像处理方法、图像处理装置及移动终端 |
JP2019164496A (ja) * | 2018-03-19 | 2019-09-26 | 日立建機株式会社 | 監視装置およびトロリー式車両 |
CN111405191A (zh) * | 2020-04-24 | 2020-07-10 | Oppo(重庆)智能科技有限公司 | 一种图像管理方法、装置、终端及存储介质 |
CN111756995A (zh) * | 2020-06-17 | 2020-10-09 | 维沃移动通信有限公司 | 图像处理方法及装置 |
CN112348738A (zh) * | 2020-11-04 | 2021-02-09 | Oppo广东移动通信有限公司 | 图像优化方法、图像优化装置、存储介质与电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108200334B (zh) * | 2017-12-28 | 2020-09-08 | Oppo广东移动通信有限公司 | 图像拍摄方法、装置、存储介质及电子设备 |
CN110706282B (zh) * | 2019-10-31 | 2020-09-15 | 镁佳(北京)科技有限公司 | 全景系统自动标定方法、装置、可读存储介质及电子设备 |
-
2021
- 2021-07-16 CN CN202110803808.3A patent/CN113259597B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108156384A (zh) * | 2017-12-29 | 2018-06-12 | 珠海市君天电子科技有限公司 | 图像处理方法、装置、电子设备及介质 |
JP2019164496A (ja) * | 2018-03-19 | 2019-09-26 | 日立建機株式会社 | 監視装置およびトロリー式車両 |
CN109344715A (zh) * | 2018-08-31 | 2019-02-15 | 北京达佳互联信息技术有限公司 | 智能构图控制方法、装置、电子设备及存储介质 |
CN110113534A (zh) * | 2019-05-13 | 2019-08-09 | Oppo广东移动通信有限公司 | 一种图像处理方法、图像处理装置及移动终端 |
CN111405191A (zh) * | 2020-04-24 | 2020-07-10 | Oppo(重庆)智能科技有限公司 | 一种图像管理方法、装置、终端及存储介质 |
CN111756995A (zh) * | 2020-06-17 | 2020-10-09 | 维沃移动通信有限公司 | 图像处理方法及装置 |
CN112348738A (zh) * | 2020-11-04 | 2021-02-09 | Oppo广东移动通信有限公司 | 图像优化方法、图像优化装置、存储介质与电子设备 |
Non-Patent Citations (2)
Title |
---|
《Magnetic equivalent circuit modelling of Reluctance Machines》;Wei Peng; Johan Gyselinck; Arkadiusz Dziechciarz; Claudia Martis;《2016 Eleventh International Conference on Ecological Vehicles and Renewable Energies》;20160523;全文 * |
光场成像技术及其在计算机视觉中的应用;张驰等;《中国图象图形学报》;20160316(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113259597A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113259597B (zh) | 图像处理方法、装置、设备、介质及程序产品 | |
US10984293B2 (en) | Image processing method and apparatus | |
US9449413B2 (en) | Image compositing via multi-spectral detection | |
CN108683907A (zh) | 光学模组像素缺陷检测方法、装置及设备 | |
CN103914802A (zh) | 用于使用导入的深度信息的图像选择和掩蔽的系统与方法 | |
CN104780308A (zh) | 一种信息处理方法及电子设备 | |
US20100066910A1 (en) | Video compositing method and video compositing system | |
CN111787354B (zh) | 一种视频生成方法及其装置 | |
CN106770313A (zh) | 一种汽车扶手的检测系统 | |
CN102685207A (zh) | 基于云服务的智能摄影方法和云服务设备 | |
CN108900764A (zh) | 拍摄方法和电子装置以及拍摄控制方法和服务器 | |
CN111833423A (zh) | 展示方法、装置、设备和计算机可读存储介质 | |
CN111064893A (zh) | 一种扫码拍照兼容方法及电子终端 | |
US20200045298A1 (en) | Method, system and apparatus for visual effects | |
CN104580892A (zh) | 一种终端拍照的方法 | |
US11417019B2 (en) | Detection of a calibration object for modifying image parameters | |
CN111127367A (zh) | 人脸图像处理的方法、装置及系统 | |
CN109618088A (zh) | 具有光照识别与重现功能的智能化拍摄系统及方法 | |
CN109325926B (zh) | 自动滤镜实现方法、存储介质、设备及系统 | |
CN115134533B (zh) | 自动调用车载图像采集装置的拍摄方法及设备 | |
CN104580889A (zh) | 一种终端 | |
CN110853487A (zh) | 一种用于城市设计的数字化沙盘系统 | |
CN114173059B (zh) | 一种视频编辑系统、方法及装置 | |
US11620765B2 (en) | Automatic detection of a calibration object for modifying image parameters | |
CN111766049B (zh) | Ar镜片测试方法、装置、设备及计算机可读存储介质 |
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 |