CN113486939A - 一种处理图片的方法、装置、终端及存储介质 - Google Patents
一种处理图片的方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN113486939A CN113486939A CN202110736362.7A CN202110736362A CN113486939A CN 113486939 A CN113486939 A CN 113486939A CN 202110736362 A CN202110736362 A CN 202110736362A CN 113486939 A CN113486939 A CN 113486939A
- Authority
- CN
- China
- Prior art keywords
- picture
- converted
- quality parameter
- format
- quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000006243 chemical reaction Methods 0.000 claims abstract description 91
- 230000006835 compression Effects 0.000 claims abstract description 38
- 238000007906 compression Methods 0.000 claims abstract description 38
- 239000013598 vector Substances 0.000 claims description 45
- 238000012549 training Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/11—File system administration, e.g. details of archiving or snapshots
- G06F16/116—Details of conversion of file system types or formats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
Abstract
本申请适用于人工智能技术领域，提供了一种处理图片的方法、装置、设备及存储介质。该处理图片的方法包括：获取待转换图片对应的质量参数；基于该质量参数确定待转换图片对应的转换方式，该转换方式包括待转换图片对应的图片压缩率，以及待转换图片需要转换的目标图片格式；根据该转换方式转换该待转换图片，得到该待转换图片对应的目标图片。本方案可以实现图片格式转换的自适应调整，即根据不同待转换图片的质量参数，选择不同的转换方式，使高质量原始图片在转换时保留图片质量，使普通质量图片在转换时减少图片体积以节省网络带宽，提高了图片格式转换的灵活性和转换效果，提高了用户浏览图片的体验。
Description
技术领域
本申请涉及人工智能技术领域，尤其涉及一种处理图片的方法、装置、终端及存储介质。
背景技术
随着信息技术的发展，用户越来越喜欢在浏览器中查阅各类信息，浏览各种图片。不同的浏览器支持的图片格式不同，因此会对待显示图片进行图片格式转换，以满足不同浏览器显示图片的需求。
现有的图片格式转换方法，对浏览器页面待显示的图片都通过同一种转换方式进行转换，即对该页面所有的图片都采用同一种压缩率进行压缩，都转换为同一种图片格式。当压缩率较大时，高质量图片转换后质量损失过大，当压缩率较小时，普通质量图片转换后图片体积过大，浪费网络带宽，导致图片格式转换效果差、灵活性差。
发明内容
有鉴于此，本申请实施例提供了一种处理图片的方法、装置、终端及存储介质，以解决现有的通过单一的图片格式转换方法对图片进行格式转换，导致图片格式转换效果差、灵活性差的问题。
本申请实施例的第一方面提供了一种处理图片的方法，该方法包括：
获取待转换图片对应的质量参数；
基于所述质量参数确定所述待转换图片对应的转换方式，所述转换方式包括所述待转换图片对应的图片压缩率，以及所述待转换图片需要转换的目标图片格式；
根据所述转换方式转换所述待转换图片，得到所述待转换图片对应的目标图片。
可选地，所述获取待转换图片对应的质量参数，包括：
基于已训练的质量参数确定模型提取所述待转换图片对应的特征向量，其中，所述质量参数确定模型是基于图像样本集中的样本图像和每个样本图像对应的样本质量参数之间的对应关系训练得到的；
对所述特征向量进行测算，得到所述待转换图片对应的质量参数。
可选地，所述获取待转换图片对应的质量参数，包括：
获取所述待转换图片对应的属性信息，所述属性信息包括图片格式、像素点数以及图片尺寸；
基于所述属性信息确定所述待转换图片对应的质量参数。
可选地，所述基于所述质量参数确定所述待转换图片对应的转换方式，包括：
基于所述质量参数以及所述图片格式，在预设映射表中查找所述待转换图片对应的转换方式。
可选地，所述获取待转换图片对应的质量参数之前，所述方法还包括：
当检测到网页中的待加载图片的图片格式为动图格式时，获取所述待加载图片的体积；
当检测到所述体积大于或等于预设体积阈值时，将所述待加载图片标记为所述待转换图片；或当检测到所述体积小于所述预设体积阈值时，以所述动图格式显示所述待加载图片。
可选地，所述获取待转换图片对应的质量参数之前，所述方法还包括：
获取图像样本集，所述图像样本集包括多个样本图像以及每个样本图像对应的样本质量参数；
基于所述图像样本集对初始质量参数确定网络进行训练，并基于训练结果更新所述初始质量参数确定网络的参数；
当检测到所述初始质量参数确定网络对应的预设损失函数收敛时，得到所述已训练的质量参数确定模型。
可选地，所述特征向量包括所述待转换图片在不同维度的多个特征向量，所述质量参数确定模型包括质量参数测算模块，所述对所述特征向量进行测算，得到所述待转换图片对应的质量参数，包括：
基于所述质量参数测算模块，确定所述待转换图片在不同维度的多个特征向量各自对应的质量参数；
基于所述待转换图片在不同维度的多个特征向量各自对应的质量参数，确定所述待转换图片对应的质量参数。
本申请实施例的第二方面提供了一种处理图片的装置，包括：
获取单元，用于获取待转换图片对应的质量参数；
确定单元，用于基于所述质量参数确定所述待转换图片对应的转换方式，所述转换方式包括所述待转换图片对应的图片压缩率，以及所述待转换图片需要转换的目标图片格式；
转换单元，用于根据所述转换方式转换所述待转换图片，得到所述待转换图片对应的目标图片。
本申请实施例的第三方面提供了一种处理图片的设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述第一方面所述的处理图片的方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的处理图片的方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在处理图片的设备上运行时，使得该设备执行上述第一方面所述的处理图片的方法的步骤。
本申请实施例提供的一种处理图片的方法、装置、设备及存储介质，具有以下有益效果：
本申请实施例提供的处理图片的方法，通过获取待转换图片对应的质量参数；基于该质量参数确定该待转换图片对应的转换方式；根据转换方式转换该待转换图片，得到该待转换图片对应的目标图片。上述方式，针对每个待转换图片，获取其对应的质量参数，根据质量参数确定其对应的图片压缩率以及需要转换的目标图片格式。终端根据每个待转换图片对应的图片压缩率以及需要转换的目标图片格式进行转换，得到每个待转换图片对应的目标图片。相对于现有技术而言，该方案可以实现图片格式转换的自适应调整，即根据不同待转换图片的质量参数，选择不同的转换方式，使高质量原始图片在转换时保留图片质量，使普通质量图片在转换时减少图片体积以节省网络带宽，提高了图片格式转换的灵活性和转换效果，提高了用户浏览图片的体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一示例性实施例提供的处理图片的方法的示意性流程图；
图2是本申请一示例性实施例示出的处理图片的方法的步骤S101的具体流程图；
图3是本申请一实施例提供的部分预设映射表的示意图；
图4是本申请另一实施例提供的一种处理图片的方法的示意性流程图；
图5是本申请一实施例提供的一种处理图片的装置的示意图；
图6是本申请另一实施例提供的处理图片的设备的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本申请实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“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。另外，在本申请实施例的描述中，“多个”是指两个或多于两个。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
随着信息技术的发展，用户越来越喜欢在浏览器中查阅各类信息，浏览各种图片。不同的浏览器支持的图片格式不同，因此会对待显示图片进行图片格式转换，以满足不同浏览器显示图片的需求。
现有的图片格式转换方法，对浏览器页面待显示的图片都通过同一种转换方式进行转换，即对该页面所有的图片都采用同一种压缩率进行压缩，都转换为同一种图片格式。当压缩率较大时，高质量图片转换后质量损失过大，当压缩率较小时，普通质量图片转换后图片体积过大，浪费网络带宽，导致图片格式转换效果差、灵活性差，给用户带来不好的体验。
有鉴于此，本申请实施例提供的处理图片的方法，通过获取待转换图片对应的质量参数；基于该质量参数确定该待转换图片对应的转换方式；根据转换方式转换该待转换图片，得到该待转换图片对应的目标图片。上述方式，针对每个待转换图片，获取其对应的质量参数，根据质量参数确定其对应的图片压缩率以及需要转换的目标图片格式。终端根据每个待转换图片对应的图片压缩率以及需要转换的目标图片格式进行转换，得到每个待转换图片对应的目标图片。相对于现有技术而言，该方案可以实现图片格式转换的自适应调整，即根据不同待转换图片的质量参数，选择不同的转换方式，使高质量原始图片在转换时保留图片质量，使普通质量图片在转换时减少图片体积以节省网络带宽，提高了图片格式转换的灵活性和转换效果，提高了用户浏览图片的体验。
请参见图1，图1是本申请一示例性实施例提供的处理图片的方法的示意性流程图。本申请提供的处理图片的方法的执行主体为处理图片的设备，其中，该设备包括但不限于智能手机、平板电脑、计算机、个人数字助理(Personal Digital Assistant，PDA)、台式电脑等移动终端，还可以包括各种类型的服务器。如图1所示的处理图片的方法可包括：S101～S103，具体如下：
S101：获取待转换图片对应的质量参数。
待转换图片指需要进行图片格式转换的图片。图片格式是指计算机存储图片的格式，图片格式可以包括标准图像文件格式(BMP，Bitmap)、联合图像专家小组所制定的图像格式(JPEG，Joint Photographic Experts Group)、图像文件存储格式(PNG，PortableNetwork Graphic Format)、图像互换格式(GIF，Graphics Interchange Format)、JP2(JPEG 2000标准的一种格式)、便携式文档格式(PDF，Portable Document Format)等。
质量参数用于表示待转换图片的整体质量。基于待转换图片在不同维度上的表现，进行综合测评，得到该待转换图片对应的质量参数，该质量参数体现了该转换图片的整体质量。示例性地，可对待转换图片的图片格式、像素点数、图片尺寸等维度进行综合测评，得到待转换图片对应的质量参数。此处仅为示例性说明，对此不做限定。
具体地，获取待转换图片对应的质量参数可以是，将每个待转换图片输入到已训练好的质量参数确定模型中进行处理，最终得到每个待转换图片对应的质量参数。也可以是获取每个待转换图片的属性信息；基于每个属性信息确定每个待转换图片对应的质量参数，其中，属性信息包括待转换图片的图片格式、待转换图片对应的像素点数以及待转换图片的图片尺寸。此处仅为示例性说明，对此不做限定。
图2是本申请一示例性实施例示出的处理图片的方法的步骤S101的具体流程图；可选地，在本申请一些可能的实现方式中，当通过已训练的质量参数确定模型确定待转换图片对应的质量参数时，上述S101可包括S1011～S1012，具体如下：
S1011：基于已训练的质量参数确定模型提取该待转换图片对应的特征向量，其中，该质量参数确定模型是基于图像样本集中的样本图像和每个样本图像对应的样本质量参数之间的对应关系训练得到的。
在本实施例中，处理图片的设备中预先存储有预先训练好的质量参数确定模型。该质量参数确定模型是使用机器学习算法，基于图像样本集对初始质量参数确定网络进行训练得到。可以理解的是，该质量参数确定模型可以由处理图片的设备预先训练好，也可以由其他设备预先训练好后将该质量参数确定模型对应的文件移植至处理图片的设备中。也就是说，训练该质量参数确定模型的执行主体与使用该质量参数确定模型的执行主体可以是相同的，也可以是不同的。
示例性地，已训练的质量参数确定模型可包括特征向量提取模块。其中，特征向量提取模块用于对输入质量参数确定模型中的待转换图片进行处理，提取到该待转换图片对应的特征向量。待转换图片对应的特征向量包括待转换图片在不同维度的多个特征向量。例如，待转换图片对应的特征向量包括待转换图片对应的噪声特征向量、图片格式特征向量、像素特征向量、图片大小特征向量等。此处仅为示例性说明，对此不做限定。
示例性地，对待转换图片进行预处理。预处理可以包括归一化处理、去噪处理中的任意一种或多种组合。例如，对待转换图片进行去噪处理，得到去噪图像，对去噪图像进行归一化处理，得到目标图像。具体地，获取该去噪图像中每个像素点对应的像素值，用每个像素点对应的像素值除以255，使各个像素点对应的像素值落入[0，1]中，对该去噪图像中的每个像素点都这样处理后，得到归一化处理后的待转换图片。
特征向量提取模块可包括输入层、多个卷积层、多个采样层、输出层(全连接层)。将预处理后的待转换图片传递至第一个卷积层，第一个卷积层对该待转换图片进行卷积处理，提取该待转换图片对应的特征，并基于提取的特征输出特征图。其中，该特征可以包括该待转换图片对应的噪声特征、图片格式特征、像素特征等。第一卷积层将特征图输入至第一个采样层，第一个采样层对特征图进行特征选择，去除多余特征，重构新的特征图，并将新的特征图传递至第二个卷积层。第二个卷积层对新的特征图进行二次特征提取，并基于提取的特征再次输出特征图，第二个卷积层将再次输出的特征图传递至第二个采样层，第二个采样层进行二次特征选择，重构特征图。以此类推，直至特征向量提取模块中的最后一个采样层对待转换图片处理完成后，传递至输出层，即传递至全连接层。其中，每一层用到的激活函数可以为PReLU激活函数。由于在特征向量提取模块中各个特征均以向量的形式表现，也可理解为全连接层输出该待转换图片对应的特征向量。此处仅为示例性说明，对此不做限定。
S1012：对该特征向量进行测算，得到该待转换图片对应的质量参数。
已训练的质量参数确定模型还可包括质量参数测算模块。质量参数测算模块用于对待转换图片对应的特征向量进行测算，得到该待转换图片对应的质量参数。示例性地，质量参数测算模块在训练过程中，学习到了不同的特征向量与不同的质量参数之间的关联关系。将待转换图片对应的特征向量输入质量参数测算模块，质量参数测算模块基于训练过程中学习到的能力对该特征向量进行测算，输出待转换图片对应的质量参数。此处仅为示例性说明，对此不做限定。
示例性地，质量参数测算模块中预先存储有不同的特征向量各自对应的质量参数。将待转换图片对应的特征向量输入质量参数测算模块，查找与该待转换图片对应的特征向量匹配的质量参数。示例性地，基于质量参数测算模块查找待转换图片在不同维度的多个特征向量各自对应的质量参数，将每个质量参数相加，得到的值即为待转换图片对应的质量参数。质量参数测算模块将待转换图片对应的质量参数输出。此处仅为示例性说明，对此不做限定。
可选地，在本申请一些可能的实现方式中，当通过属性信息确定待转换图片对应的质量参数时，上述S101可包括S1013～S1014，值得说明的是，S1011～S1012与S1013～S1014并列，并非在S1012后执行S1013～S1014，具体执行方式以实际为准，对此不做限定。S1013～S1014具体如下：
S1013：获取该待转换图片对应的属性信息，该属性信息包括图片格式、像素点数以及图片尺寸。
待转换图片对应的属性信息可以包括图片格式、像素点数以及待图片尺寸等。示例性地，获取到的待转换图片的格式可以是BMP格式、JPEG格式、GIF格式、JP2格式、PDF格式等。待转换图片对应的像素点数指该待转换图片中纵向上的像素点数和横向上的像素点数；待转换图片的图片尺寸指该待转换图片的长度和宽度。
可选地，待转换图片对应的属性信息还可以包括待转换图片对应的颜色值、图片体积等。其中，颜色值用于表示该待转换图片中包含的像素点中所具有的颜色的数量。
可在网络中获取待转换图片对应的属性信息。示例性地，在网络中获取待转换图片时，获取该待转换图片的详细信息，在该详细信息中提取该待转换图片对应的属性信息，即提取待转换图片对应的图片格式、像素点数以及待图片尺寸等。可选地，也可以是获取待转换图片对应的源代码，在源代码中提取该待转换图片对应的属性信息。此处仅为示例性说明，对此不做限定。
S1014：基于该属性信息确定该待转换图片对应的质量参数。
示例性地，获取待转换图片的图片格式对应的第一权重值、待转换图片的像素点数对应的第二权重值以及待转换图片的图片尺寸对应的第三权重值。其中，第一权重值、第二权重值、第三权重值均为预先设置好的数值。第一权重值在设置时可根据该图片格式解码所需的时间、难易程度等进行设置；第二权重值与第三权重值可根据像素点数与图片尺寸分别对图片质量的影响进行设置；第一权重值、第二权重值、第三权重值可根据实际情况进行调整，对此不做限定。
针对每个待转换图片，基于获取到的该待转换图片对应的图片格式、像素点数、图片尺寸、第一权重值、第二权重值、第三权重值以及第一预设公式，计算待转换图片对应的质量参数。其中，第一预设公式如下：
S＝m1*+m2*(y/x)+m3*(h/w)， (1)
上述(1)式中，S为待转换图片对应的质量参数；m1、m2、m3分别表示第一权重值、第二权重值、第三权重值；y表示待转换图片纵向上的像素点数；x表示待转换图片横向上的像素点数；h表示待转换图片的宽度；w表示待转换图片的长度。
示例性地，将待转换图片对应的各个数值代入上述(1)式，计算得到待转换图片对应的质量参数。此处仅为示例性说明，对此不做限定。
可选地，当属性信息还包括待转换图片对应的颜色值时，获取颜色值对应的第四权重值。针对每个待转换图片，基于获取到的该待转换图片对应的图片格式、像素点数、图片尺寸、颜色值、第一权重值、第二权重值、第三权重值、第四权重值以及第二预设公式，计算待转换图片对应的质量参数。其中，第二预设公式如下：
S＝m1*+m2*(y/x)+m3*(h/w)+m4*p， (2)
上述(2)式中，S为待转换图片对应的质量参数；m1、m2、m3、m4分别表示第一权重值、第二权重值、第三权重值、第四权重值；y表示待转换图片纵向上的像素点数；x表示待转换图片横向上的像素点数；h表示待转换图片的宽度；w表示待转换图片的长度；p表示待转换图片对应的颜色值。
示例性地，将待转换图片对应的各个数值代入上述(2)式，计算得到待转换图片对应的质量参数。此处仅为示例性说明，对此不做限定。
S102：基于该质量参数确定该待转换图片对应的转换方式，该转换方式包括该待转换图片对应的图片压缩率，以及该待转换图片需要转换的目标图片格式。
目标图片格式用于表示待转换图片需要转换为什么格式，图片压缩率表示在进行图片格式转换时待转换图片以什么样的压缩率进行压缩。
示例性地，基于该质量参数确定该待转换图片对应的转换方式包括：基于待转换图片对应的质量参数以及待转换图片对应的图片格式，在预设映射表中查找该待转换图片对应的转换方式。
具体地，数据库中存储有预先建立好的预设映射表。预设映射表中包含了原始图片格式、质量参数范围、目标图片格式、图片压缩率，以及这些信息之间的对应关系。其中，原始图片格式指待转换图片的图片格式，质量参数范围用于确定待转换图片的质量参数属于哪个范围内，目标图片格式用于表示待转换图片需要转换为什么格式，图片压缩率表示在进行图片格式转换时待转换图片以什么样的压缩率进行压缩。
可根据待转换图片的质量参数先在预设映射表中查找其所对应的质量参数范围，接着查找在该质量参数范围内转换为哪些目标图片格式比较好，同时结合浏览器支持的图片格式，选择待转换图片对应的目标图片格式，在该目标图片格式的基础上查找图片压缩率，得到该待转换图片对应的转换方式。转换方式通俗的讲，就是待转换图片需要以什么样的图片压缩率转换为什么格式的图片。
请参见图3，图3是本申请一实施例提供的部分预设映射表的示意图。如图3所示，原始图片格式1用于表示待转换图片未转换前的图片格式。示例性地，每个质量参数范围后对应的多个目标图片格式可以是，以最优转换图片格式、优选转换图片格式、良好转换图片格式这样的顺序进行排列。此时，可通俗的理解为，原始图片格式1对应的质量参数在质量参数范围a-b内时，转换为目标图片格式1得到的图片质量以及显示效果最好，其次是转换为目标图片格式2，再者是转换为目标图片格式3。
示例性地，每个目标图片格式对应的图片压缩率是指转换为该目标图片格式时采用该图片压缩率最优。可通俗的理解为，原始图片格式1对应的质量参数在质量参数范围a-b内时，转换为目标图片格式1时以图片压缩率Z1进行压缩得到的图片质量以及显示效果最好。
例如，待转换图片的图片格式为PNG格式，质量参数为S。在预设映射表中查找到原始图片格式1表示PNG格式，质量参数S在质量参数范围a-b内，接着查找到可转换的目标图片格式1--WebP格式--图片压缩率Z1，目标图片格式2--JPEG格式--图片压缩率Z2，目标图片格式3--JMagick格式--图片压缩率Z3。获取浏览器支持的图片格式为WebP格式和JPEG格式。此时，确定待转换图片对应的转换方式为：目标图片格式1--WebP格式--图片压缩率Z1。即该转换图片应转换为WebP格式，转换时的图片压缩率为Z。此处仅为示例性说明，对此不做限定。
S103：根据该转换方式转换该待转换图片，得到该待转换图片对应的目标图片。
根据获取到的每个待转换图片对应的转换方式对每个待转换图片进行图片格式转换，得到每个待转换图片对应的目标图片。示例性地，确定某个PNG格式的待转换图片对应的转换方式为：目标图片格式1--WebP格式--图片压缩率Z1，则对将该PNG格式的待转换图片转换为WebP格式，转换时的图片压缩率为Z1。具体地，可通过图片格式转换工具(例如puppeteern工具)实现对该PNG格式的待转换图片的图片格式转换。在获取到该PNG格式的待转换图片对应的转换方式后，在puppeteern中设置好其要转换的目标图片格式：WebP格式以及图片压缩率Z1，通过puppeteern实现转换。
可选地，也可以是通过预设的程序代码对该PNG格式的待转换图片进行转换，将该PNG格式的待转换图片以及其对应的转换方式输入预设的程序代码进行处理，实现转换。
可选地，还可以是对该PNG格式的待转换图片进行解码，得到解码数据，以WebP格式对应的编码方式对这些解码数据进行编码，生成新的图片。由于图片格式发生了转变，得到的新的图片的体积也发生了变化，参照图片压缩率Z1对新的图片进行调整，得到该PNG格式的待转换图片对应的目标图片。
可选地，用户也可对某个待转换图片的转换方式进行自定义设置，根据设置的转换方式对该待转换图片进行转换。
本申请实施例中，针对每个待转换图片，获取其对应的质量参数，根据质量参数确定其对应的图片压缩率以及需要转换的目标图片格式。终端根据每个待转换图片对应的图片压缩率以及需要转换的目标图片格式进行转换，得到每个待转换图片对应的目标图片。相对于现有技术而言，该方案可以实现图片格式转换的自适应调整，即根据不同待转换图片的质量参数，选择不同的转换方式，使高质量原始图片在转换时保留图片质量，使普通质量图片在转换时减少图片体积以节省网络带宽，提高了图片格式转换的灵活性和转换效果，提高了用户浏览图片的体验。
可选地，在步骤S101之前，本申请提供的处理图片的方法还可包括：训练质量参数确定模型。该质量参数确定模型是基于图像样本集中的样本图像和每个样本图像对应的样本质量参数之间的对应关系训练得到的。
示例性地，训练质量参数确定模型具体包括获取图像样本集，该图像样本集包括多个样本图像以及每个样本图像对应的样本质量参数；基于该图像样本集对初始质量参数确定网络进行训练，并基于训练结果更新初始质量参数确定网络的参数；当检测到初始质量参数确定网络对应的预设损失函数收敛时，得到已训练的质量参数确定模型。
具体地，预先获取图像样本集。图像样本集包括多个样本图像以及每个样本图像对应的样本质量参数。将图像样本集中的数据分为训练集与测试集。例如，选取800个样本图像，为这些样本图像人工标记样本质量参数。将600个样本图像以及这600个样本图像各自对应的样本质量参数作为训练集，将其余的作为测试集。
基于训练集对初始质量参数确定网络进行训练。初始质量参数确定网学习每个样本图像与每个样本图像对应的样本质量参数之间的关系。在达到预设的训练次数时，基于测试集对此时的初始质量参数确定网络进行测试。示例性地，将测试集中的样本图像输入此时的初始质量参数确定网络中进行处理，此时的初始质量参数确定网络输出该样本图像对应的实际质量参数。基于预设损失函数计算样本图像对应的实际质量参数与该样本图像对应的样本质量参数之间的损失值。
当损失值不满足预设条件时，调整初始质量参数确定网络的参数(例如，调整初始质量参数确定网络的各个网络层对应的权重值)，并继续训练该初始质量参数确定网络。当损失值满足预设条件时，停止训练该初始质量参数确定网络，并将训练后的该初始质量参数确定网络作为已训练好的质量参数确定模型。例如，假设预设条件为损失值小于或等于预设的损失值阈值。那么，当损失值大于损失值阈值时，调整初始质量参数确定网络的参数，并继续训练该初始质量参数确定网络。当损失值小于或等于损失值阈值时，停止训练该初始质量参数确定网络，并将训练后的该初始质量参数确定网络作为已训练好的质量参数确定模型。此处仅为示例性说明，对此不做限定。
可选地，也可以是在训练初始质量参数确定网络的过程中，观察初始质量参数确定网络对应的预设损失函数收敛情况，当预设损失函数收敛时，停止训练该初始质量参数确定网络，并将训练后的该初始质量参数确定网络作为已训练好的质量参数确定模型。其中，预设损失函数收敛是指预设损失函数的值趋于稳定。此处仅为示例性说明，对此不做限定。
本实施例中，基于图像样本集对初始质量参数确定网络进行训练，得到质量参数确定模型。便于后续基于该质量参数确定模型确定每个待转换图片的质量参数，提升了确定质量参数的速度和准确率，进一步提升了转换图片格式的速度，也侧面提升了网页显示图片的速度。
图4是本申请另一实施例提供的一种处理图片的方法的示意性流程图。示例性地，在本申请一些可能的实现方式中，如图4所示的处理图片的方法可包括：S201～S205，其中，图4所示的步骤S203～S205可以参考上述对S101～S103的相关描述，为了简洁，这里不再赘述。下面将具体对步骤S201～S202进行说明。
S201：当检测到网页中的待加载图片的图片格式为动图格式时，获取该待加载图片的体积。
待加载图片指需要在该当前网页中显示出来的图片。获取待加载图片的图片格式，具体的获取方式可参考S1013中获取待转换图片的图片格式的方式，此处不再赘述。
当检测到待加载图片的图片格式为动图格式(例如GIF格式)时，获取该待加载图片的体积。示例性地，在网络中获取该待加载图片的详细信息，在该详细信息中提取待加载图片的体积。可选地，也可以是获取待加载图片对应的源代码，在源代码中提取该待加载图片对应的体积。此处仅为示例性说明，对此不做限定。
S202：当检测到该体积大于或等于预设体积阈值时，将该待加载图片标记为该待转换图片。
将待加载图片的体积与预设体积阈值进行比较。当待加载图片的体积大于或等于预设体积阈值时，执行S202；当待加载图片的体积小于该预设体积阈值时，以该动图格式显示该待加载图片。
示例性地，当图片格式为动态GIF格式的待加载图片的体积大于或等于预设体积阈值时，将图片格式为动态GIF格式的待加载图片标记为待转换图片。
可选地，在一种可能的实现方式中，在步骤S201之后，还可包括：当检测到该体积小于该预设体积阈值时，以该动图格式显示该待加载图片。示例性地，将待加载图片的体积与预设体积阈值进行比较，当图片格式为动态GIF格式的待加载图片的体积小于预设体积阈值时，对该待加载图片标记不进行图片格式转换，以动图格式在网页中显示该待加载图片。
上述实施例中，当图片格式为动态GIF格式的待加载图片的体积过大时，为了节省网络带宽资源、数据空间，以及提升当前页面图片加载速度，对该待加载图片进行图片格式转换。当图片格式为动态GIF格式的待加载图片的体积较小时，不对其进行图片格式转换，使其在浏览器页面中依旧可以动态显示，提升了浏览器页面图片显示的多样性，提升了用户体验。
请参见图5，图5是本申请一实施例提供的一种处理图片的装置的示意图。该装置包括的各单元用于执行图1～图4对应的实施例中的各步骤。具体请参阅图1～图4各自对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图5，包括：
获取单元310，用于获取待转换图片对应的质量参数；
确定单元320，用于基于所述质量参数确定所述待转换图片对应的转换方式，所述转换方式包括所述待转换图片对应的图片压缩率，以及所述待转换图片需要转换的目标图片格式；
转换单元330，用于根据所述转换方式转换所述待转换图片，得到所述待转换图片对应的目标图片。
可选地，所述获取单元310具体用于：
基于已训练的质量参数确定模型提取所述待转换图片对应的特征向量，其中，所述质量参数确定模型是基于图像样本集中的样本图像和每个样本图像对应的样本质量参数之间的对应关系训练得到的；
对所述特征向量进行测算，得到所述待转换图片对应的质量参数。
可选地，所述获取单元310还用于：
获取所述待转换图片对应的属性信息，所述属性信息包括图片格式、像素点数以及图片尺寸；
基于所述属性信息确定所述待转换图片对应的质量参数。
可选地，所述确定单元320具体用于：
基于所述质量参数以及所述图片格式，在预设映射表中查找所述待转换图片对应的转换方式。
可选地，所述装置还包括：
第一检测单元，用于当检测到网页中的待加载图片的图片格式为动图格式时，获取所述待加载图片的体积；
第二检测单元，用于当检测到所述体积大于或等于预设体积阈值时，将所述待加载图片标记为所述待转换图片；
第三检测单元，用于当检测到所述体积小于所述预设体积阈值时，以所述动图格式显示所述待加载图片。
可选地，所述装置还包括训练单元，所述训练单元具体用于：
获取图像样本集，所述图像样本集包括多个样本图像以及每个样本图像对应的样本质量参数；
基于所述图像样本集对初始质量参数确定网络进行训练，并基于训练结果更新所述初始质量参数确定网络的参数；
当检测到所述初始质量参数确定网络对应的预设损失函数收敛时，得到所述已训练的质量参数确定模型。
可选地，所述特征向量包括所述待转换图片在不同维度的多个特征向量，所述质量参数确定模型包括质量参数测算模块，所述获取单元310还用于：
基于所述质量参数测算模块，确定所述待转换图片在不同维度的多个特征向量各自对应的质量参数；
基于所述待转换图片在不同维度的多个特征向量各自对应的质量参数，确定所述待转换图片对应的质量参数。
请参见图6，图6是本申请另一实施例提供的处理图片的设备的示意图。如图6所示，该实施例的处理图片的设备4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个处理图片的方法实施例中的步骤，例如图1所示的S101至S103。或者，所述处理器40执行所述计算机程序42时实现上述各实施例中各单元的功能，例如图5所示单元310至330功能。
示例性地，所述计算机程序42可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器41中，并由所述处理器40执行，以完成本申请。所述一个或多个单元可以是能够完成特定功能的一系列计算机指令段，该指令段用于描述所述计算机程序42在所述处理图片的设备4中的执行过程。例如，所述计算机程序42可以被分割为获取单元、确定单元以及转换单元，各单元具体功能如上所述。
所述处理图片的设备可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图6仅仅是处理图片的设备4的示例，并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述设备的内部存储单元，例如设备的硬盘或内存。所述存储器41也可以是所述设备的外部存储终端，例如所述设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述设备的内部存储单元也包括外部存储终端。所述存储器41用于存储所述计算机指令以及所述终端所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机存储介质，计算机存储介质可以是非易失性，也可以是易失性，该计算机存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述各个处理图片的方法实施例中的步骤。
本申请还提供了一种计算机程序产品，当计算机程序产品在设备上运行时，使得该设备执行上述各个处理图片的方法实施例中的步骤。
本申请实施例还提供了一种芯片或者集成电路，该芯片或者集成电路包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有该芯片或者集成电路的设备执行上述各个处理图片的方法实施例中的步骤。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
以上所述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精神范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种处理图片的方法，其特征在于，包括：
获取待转换图片对应的质量参数；
基于所述质量参数确定所述待转换图片对应的转换方式，所述转换方式包括所述待转换图片对应的图片压缩率，以及所述待转换图片需要转换的目标图片格式；
根据所述转换方式转换所述待转换图片，得到所述待转换图片对应的目标图片。
2.如权利要求1所述的方法，其特征在于，所述获取待转换图片对应的质量参数，包括：
基于已训练的质量参数确定模型提取所述待转换图片对应的特征向量；
对所述特征向量进行测算，得到所述待转换图片对应的质量参数。
3.如权利要求1所述的方法，其特征在于，所述获取待转换图片对应的质量参数，包括：
获取所述待转换图片对应的属性信息，所述属性信息包括图片格式、像素点数以及图片尺寸；
基于所述属性信息确定所述待转换图片对应的质量参数。
4.如权利要求3所述的方法，其特征在于，所述基于所述质量参数确定所述待转换图片对应的转换方式，包括：
基于所述质量参数以及所述图片格式，在预设映射表中查找所述待转换图片对应的转换方式。
5.如权利要求1至4任一项所述的方法，其特征在于，所述获取待转换图片对应的质量参数之前，所述方法还包括：
当检测到网页中的待加载图片的图片格式为动图格式时，获取所述待加载图片的体积；
当检测到所述体积大于或等于预设体积阈值时，将所述待加载图片标记为所述待转换图片；或当检测到所述体积小于所述预设体积阈值时，以所述动图格式显示所述待加载图片。
6.如权利要求1至4任一项所述的方法，其特征在于，所述获取待转换图片对应的质量参数之前，所述方法还包括：
获取图像样本集，所述图像样本集包括多个样本图像以及每个样本图像对应的样本质量参数；
基于所述图像样本集对初始质量参数确定网络进行训练，并基于训练结果更新所述初始质量参数确定网络的参数；
当检测到所述初始质量参数确定网络对应的预设损失函数收敛时，得到已训练的质量参数确定模型。
7.如权利要求2所述的方法，其特征在于，所述特征向量包括所述待转换图片在不同维度的多个特征向量，所述质量参数确定模型包括质量参数测算模块，所述对所述特征向量进行测算，得到所述待转换图片对应的质量参数，包括：
基于所述质量参数测算模块，确定所述待转换图片在不同维度的多个特征向量各自对应的质量参数；
基于所述待转换图片在不同维度的多个特征向量各自对应的质量参数，确定所述待转换图片对应的质量参数。
8.一种处理图片的装置，其特征在于，包括：
获取单元，用于获取待转换图片对应的质量参数；
确定单元，用于基于所述质量参数确定所述待转换图片对应的转换方式，所述转换方式包括所述待转换图片对应的图片压缩率，以及所述待转换图片需要转换的目标图片格式；
转换单元，用于根据所述转换方式转换所述待转换图片，得到所述待转换图片对应的目标图片。
9.一种处理图片的设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110736362.7A CN113486939A (zh) | 2021-06-30 | 2021-06-30 | 一种处理图片的方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110736362.7A CN113486939A (zh) | 2021-06-30 | 2021-06-30 | 一种处理图片的方法、装置、终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113486939A true CN113486939A (zh) | 2021-10-08 |
Family
ID=77937025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110736362.7A Pending CN113486939A (zh) | 2021-06-30 | 2021-06-30 | 一种处理图片的方法、装置、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113486939A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114095783A (zh) * | 2021-11-29 | 2022-02-25 | 中国平安财产保险股份有限公司 | 图片上传方法、装置、计算机设备及存储介质 |
| CN114840597A (zh) * | 2022-07-04 | 2022-08-02 | 杭州安恒信息技术股份有限公司 | 一种组件参数格式转换方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106611432A (zh) * | 2015-10-21 | 2017-05-03 | 深圳市腾讯计算机系统有限公司 | 一种图片格式转换方法、装置和系统 |
| CN108399052A (zh) * | 2018-02-07 | 2018-08-14 | 深圳壹账通智能科技有限公司 | 图片压缩方法、装置、计算机设备和存储介质 |
| CN108805943A (zh) * | 2017-04-27 | 2018-11-13 | 腾讯科技（深圳）有限公司 | 图片转码方法和装置 |
| CN109729384A (zh) * | 2018-12-18 | 2019-05-07 | 广州市百果园信息技术有限公司 | 视频转码的选择方法和装置 |
| CN111475245A (zh) * | 2020-04-08 | 2020-07-31 | 腾讯科技（深圳）有限公司 | 动态图片显示方法、装置、电子设备及计算机存储介质 |
| CN112418292A (zh) * | 2020-11-17 | 2021-02-26 | 平安科技（深圳）有限公司 | 一种图像质量评价的方法、装置、计算机设备及存储介质 |
-
2021
- 2021-06-30 CN CN202110736362.7A patent/CN113486939A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106611432A (zh) * | 2015-10-21 | 2017-05-03 | 深圳市腾讯计算机系统有限公司 | 一种图片格式转换方法、装置和系统 |
| CN108805943A (zh) * | 2017-04-27 | 2018-11-13 | 腾讯科技（深圳）有限公司 | 图片转码方法和装置 |
| CN108399052A (zh) * | 2018-02-07 | 2018-08-14 | 深圳壹账通智能科技有限公司 | 图片压缩方法、装置、计算机设备和存储介质 |
| CN109729384A (zh) * | 2018-12-18 | 2019-05-07 | 广州市百果园信息技术有限公司 | 视频转码的选择方法和装置 |
| CN111475245A (zh) * | 2020-04-08 | 2020-07-31 | 腾讯科技（深圳）有限公司 | 动态图片显示方法、装置、电子设备及计算机存储介质 |
| CN112418292A (zh) * | 2020-11-17 | 2021-02-26 | 平安科技（深圳）有限公司 | 一种图像质量评价的方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 刘瑜 著: "当代摄影艺术的研究与应用", 31 March 2021, 吉林出版集团股份有限公司, pages: 57 - 61 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114095783A (zh) * | 2021-11-29 | 2022-02-25 | 中国平安财产保险股份有限公司 | 图片上传方法、装置、计算机设备及存储介质 |
| CN114840597A (zh) * | 2022-07-04 | 2022-08-02 | 杭州安恒信息技术股份有限公司 | 一种组件参数格式转换方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110189246B (zh) | 图像风格化生成方法、装置及电子设备 | |
| JP5846517B2 (ja) | 画像構図変更の品質評価 | |
| CN111626932B (zh) | 图像的超分辨率重建方法及装置 | |
| CN113486939A (zh) | 一种处理图片的方法、装置、终端及存储介质 | |
| CN113870104A (zh) | 超分辨率图像重建 | |
| CN112200041B (zh) | 视频动作识别方法、装置、存储介质与电子设备 | |
| CN110738235A (zh) | 肺结核判定方法、装置、计算机设备及存储介质 | |
| CN115630236B (zh) | 无源遥感影像的全球快速检索定位方法、存储介质及设备 | |
| CN114511041B (zh) | 模型训练方法、图像处理方法、装置、设备和存储介质 | |
| CN113033580B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN112037223B (zh) | 图像缺陷检测方法、装置及电子设备 | |
| CN111950570A (zh) | 目标图像提取方法、神经网络训练方法及装置 | |
| CN112734910A (zh) | 基于rgb单图实时人脸三维图像重建方法、装置及电子设备 | |
| CN113724136A (zh) | 一种视频修复方法、设备及介质 | |
| CN113658122A (zh) | 图像质量评价方法、装置、存储介质与电子设备 | |
| CN113516697A (zh) | 图像配准的方法、装置、电子设备及计算机可读存储介质 | |
| CN110197459B (zh) | 图像风格化生成方法、装置及电子设备 | |
| CN110717405B (zh) | 人脸特征点定位方法、装置、介质及电子设备 | |
| CN116912556A (zh) | 图片分类方法、装置、电子设备及存储介质 | |
| CN115272667B (zh) | 农田图像分割模型训练方法、装置、电子设备和介质 | |
| CN110728732A (zh) | 一种图像重建方法、装置、设备及介质 | |
| CN109447911A (zh) | 图像复原的方法、装置、存储介质和终端设备 | |
| CN111553961B (zh) | 线稿对应色图的获取方法和装置、存储介质和电子装置 | |
| CN114493971A (zh) | 媒体数据转换模型训练、数字水印嵌入方法和装置 | |
| CN112530003A (zh) | 一种三维人手重建方法、装置及电子设备 |
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 |