CN113538308A - 图像数据处理方法、装置、计算机设备和存储介质 - Google Patents

图像数据处理方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN113538308A
CN113538308A CN202110729771.4A CN202110729771A CN113538308A CN 113538308 A CN113538308 A CN 113538308A CN 202110729771 A CN202110729771 A CN 202110729771A CN 113538308 A CN113538308 A CN 113538308A
Authority
CN
China
Prior art keywords
pixel
matrix
merging
original
rows
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
Application number
CN202110729771.4A
Other languages
English (en)
Inventor
张广维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN202110729771.4A priority Critical patent/CN113538308A/zh
Publication of CN113538308A publication Critical patent/CN113538308A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20221Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本申请涉及一种图像数据处理方法、装置、计算机设备和存储介质,涉及计算机技术领域。该方法包括:获取像素合并参数,像素合并参数用于指示原始像素矩阵中行方向的像素合并方式和/或原始像素矩阵中列方向的像素合并方式;根据像素合并参数以及原始像素矩阵,生成像素合并矩阵;对像素合并矩阵和原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。采用该方法能够提高对像素合并的速度,从而提高成像效率。

Description

图像数据处理方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域,特别是涉及一种图像数据处理方法、装置、计算机设备和存储介质。
背景技术
随着CT(Computed Tomography,电子计算机断层)探测器的技术发展,CT探测器的性能越来越高,因此,CT探测器生成的像素的数量也成指数倍增长。在一些特定的对探测器的精度要求不高且要求快速成像的使用场景下,可以对探测器生成的像素进行合并,从而提高成像效率。
在传统方法中,通常使用后端算法层面实现对CT探测器生成的像素进行合并处理,从而提高成像效率。
然而,由于后端算法处理速度较慢,且后端算法运行占用的内存较大,因此对像素合并速度较低,导致成像效率低。
发明内容
基于此,有必要针对上述技术问题,提供一种图像数据处理方法、装置、计算机设备和存储介质,能够提高对像素合并的速度,从而提高成像效率。
第一方面,提供一种图像数据处理方法,方法包括:获取像素合并参数,像素合并参数用于指示原始像素矩阵中行方向的像素合并方式和/或原始像素矩阵中列方向的像素合并方式;根据像素合并参数以及原始像素矩阵,生成像素合并矩阵;对像素合并矩阵和原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。
在其中一个实施例中,根据像素合并参数以及原始像素矩阵,生成像素合并矩阵,包括:根据原始像素矩阵中像素行的数量以及原始像素矩阵中像素列的数量中的一个以及像素合并参数,确定像素合并矩阵的行列数以及矩阵元素的值。
在其中一个实施例中,像素合并参数包括第一参数,第一参数用于指示将原始像素矩阵中的每n行像素合并为一行像素,n为大于1的整数,根据原始像素矩阵中像素行的数量以及原始像素矩阵中像素列的数量中的一个以及像素合并参数,确定像素合并矩阵的行列数以及矩阵元素的值,包括:将原始像素矩阵中像素行的数量作为第一像素合并矩阵的列的数量;将原始像素矩阵中像素行的数量与第一参数指示的n的商,作为第一像素合并矩阵的行的数量;根据第一像素合并矩阵的列的数量以及行的数量,确定第一像素合并矩阵中各矩阵元素的值。
在其中一个实施例中,对像素合并矩阵和原始像素矩阵进行矩阵运算,包括:利用第一像素合并矩阵左乘原始像素矩阵。
在其中一个实施例中,像素合并参数包括第二参数,第二参数用于指示将原始像素矩阵中的m列像素合并为一列像素,m为大于1的整数,根据原始像素矩阵中像素行的数量以及原始像素矩阵中像素列的数量中的一个以及像素合并参数,确定像素合并矩阵的行列数以及矩阵元素的值,包括:将原始像素矩阵中像素列的数量作为第二像素合并矩阵的行的数量;将原始像素矩阵中像素行的数量与第二参数指示的m的商,作为第二像素合并矩阵的列的数量;根据像素合并矩阵的列的数量以及行的数量,确定第二像素合并矩阵中各矩阵元素的值。
在其中一个实施例中,对像素合并矩阵和原始像素矩阵进行矩阵运算,包括:利用第二像素合并矩阵右乘原始像素矩阵。
第二方面,提供一种图像数据处理装置,该装置包括:
获取模块,用于获取像素合并参数,像素合并参数用于指示原始像素矩阵中行方向的像素合并方式和/或原始像素矩阵中列方向的像素合并方式;
生成模块,用于根据像素合并参数以及原始像素矩阵,生成像素合并矩阵;
输出模块,用于对像素合并矩阵和原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。
在其中一个实施例中,像素合并参数包括第一参数,第一参数用于指示将原始像素矩阵中的每n行像素合并为一行像素,n为大于1的整数,生成模块,具体用于根据原始像素矩阵中像素行的数量以及原始像素矩阵中像素列的数量中的一个以及像素合并参数,确定像素合并矩阵的行列数以及矩阵元素的值。
第三方面,提供一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现上述第一方面任一的图像数据处理方法。
第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面任一的图像数据处理方法。
上述图像数据处理方法、装置、计算机设备和存储介质,获取像素合并参数,并根据像素合并参数以及原始像素矩阵,生成像素合并矩阵。计算机设备对像素合并矩阵和原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。上述方法中,计算机设备获取像素合并参数,从而可以确定对原始像素矩阵进行合并的方式。然后,根据像素合并参数以及原始像素矩阵,生成像素合并矩阵,可以保证生成的像素合并矩阵的简单、快速且准确。计算机设备对像素合并矩阵和原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。从而提高了对原始像素矩阵进行合并的速度,提高了成像效率。此外,本申请实施例提供的图像数据处理方法还可以实现同时对多个原始像素矩阵进行合并,提升了计算速度,提高了工作效率。
附图说明
图1为一个实施例中图像数据处理方法的流程示意图;
图2为一个实施例中图像数据处理方法中原始像素矩阵配置参数的示意图;
图3为一个实施例中图像数据处理方法中像素合并参数示意图;
图4为另一个实施例中图像数据处理方法的流程示意图;
图5为另一个实施例中图像数据处理方法中动脉矩阵运算的示意图;
图6为另一个实施例中图像数据处理方法中第一像素合并矩阵左乘原始像素矩阵的示意图;
图7为另一个实施例中图像数据处理方法的流程示意图;
图8为另一个实施例中图像数据处理方法中第二像素合并矩阵右乘原始像素矩阵的示意图;
图9为另一个实施例中图像数据处理方法的流程示意图;
图10为一个实施例中图像数据处理装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
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。
随着CT(Computed Tomography,电子计算机断层)探测器的技术发展,CT探测器的性能越来越高,因此,CT探测器生成的像素的数量也成指数倍增长。在一些特定的对探测器的精度要求不高且要求快速成像的使用场景下,可以对探测器生成的像素进行合并,从而提高成像效率。
在传统方法中,通常使用后端算法层面实现对CT探测器生成的像素进行合并处理,从而提高成像效率。
然而,由于后端算法处理速度较慢,且后端算法运行占用的内存较大,因此对像素合并速度较低,导致成像效率低。
针对上述技术问题,提出了一种图像数据处理的方法,该方法主要包括:获取像素合并参数,像素合并参数用于指示原始像素矩阵中行方向的像素合并方式和/或原始像素矩阵中列方向的像素合并方式;根据像素合并参数以及原始像素矩阵,生成像素合并矩阵;对像素合并矩阵和原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。上述方法中,计算机设备获取像素合并参数,从而可以确定对原始像素矩阵进行合并的方式。然后,根据像素合并参数以及原始像素矩阵,生成像素合并矩阵,可以保证生成的像素合并矩阵的简单、快速且准确。计算机设备对像素合并矩阵和原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。从而提高了对原始像素矩阵进行合并的速度,提高了成像效率。此外,本申请实施例提供的图像数据处理方法还可以实现同时对多个原始像素矩阵进行合并,提升了计算速度,提高了工作效率。
需要说明的是,本申请实施例提供的图像数据处理的方法,其执行主体可以是图像数据处理的装置,该图像数据处理的装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部,其中,该计算机设备可以是服务器或者终端,其中,本申请实施例中的服务器可以为一台服务器,也可以为由多台服务器组成的服务器集群,本申请实施例中的终端可以是智能手机、个人电脑、平板电脑、可穿戴设备、儿童故事机以及智能机器人等其他智能硬件设备。下述方法实施例中,均以执行主体是计算机设备为例来进行说明。
在本申请一个实施例中,如图1所示,提供了一种图像数据处理方法,涉及的是对原始图像对应的原始像素矩阵进行合并,生成目标像素矩阵,并根据目标像素矩阵生成目标图像的过程,包括以下步骤:
S101、计算机设备获取像素合并参数。
其中,像素合并参数用于指示原始像素矩阵中行方向的像素合并方式和/或原始像素矩阵中列方向的像素合并方式。
在本实施例中,计算机设备可以获取CT探测器生成的原始像素矩阵,并根据原始像素矩阵中的像素行的数量以及像素列的数量,获取像素合并参数。
可选的,计算机设备可以根据原始像素矩阵中的像素行的数量以及像素列的数量以及预设生成的目标像素矩阵的行数和列数,计算得到像素合并参数。
可选的,计算机设备获取到CT探测器生成的原始像素矩阵之后,还可以通过显示组件像用户展示原始像素矩阵,并接收用户通过计算机设备输入组件输入的像素合并参数。
可选的,计算机设备还可以通过与其他设备之间的网络连接,接收其他设备发送的像素合并参数。
本申请实施例,对计算机设备获取像素合并参数的方式不做具体限定。
可选的,计算机设备可以获取多个原始像素矩阵对应的像素合并参数,从而实现将对多个原始像素矩阵进行同时合并。
可选的,该计算机设备可以是基于FPGA(现场可编程门阵列)的设备。因为在脉动矩阵计算中,FPGA可以用作专用计算机,以便在非常高的频率下执行某些计算。FPGA的设备可以获取像素合并参数,对于不同的像素间的合并处理方式,采用不用的像素合并参数,灵活的配置成各种脉动矩阵,采用流处理方式将像素进行合并,提高了数据链路数据带宽使用率,更加快速的成像,同时保证了图像的质量。
S102、计算机设备根据像素合并参数以及原始像素矩阵,生成像素合并矩阵。
在本实施例中,获取到像素合并参数之后,计算机设备可以根据像素合并参数确定对原始像素矩阵进行合并的方式。
计算机设备根据像素合并参数以及原始像素矩阵中的像素行的数量以及像素列的数量,进行基于预设规则的计算,从而确定生成像素合并矩阵。
可选的,当计算机设备需要对原始像素矩阵的中的像素行进行合并的情况下,计算机设备需要根据原始像素矩阵的行的数量以及对原始像素矩阵的中的像素行进行合并时对应的像素合并参数确定第一像素合并矩阵。
可选的,当计算机设备需要对原始像素矩阵的中的像素列进行合并的情况下,计算机设备需要根据原始像素矩阵的列的数量以及对原始像素矩阵的中的像素列进行合并时对应的像素合并参数确定第二像素合并矩阵。
可选的,当计算机设备既原始像素矩阵的中的像素行进行合并,也需要对原始像素矩阵的中的像素列进行合并的情况下,则计算机设备既需要确定第一像素合并矩阵也需要确定第二像素合并矩阵。
S103、计算机设备对像素合并矩阵和原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。
其中,像素矩阵包括的各个矩阵元素与原始图像包括的各个像素点一一对应,且,像素矩阵包括的各个矩阵元素的值与对应像素点的像素值相等。
在本实施例中,在计算机设备确定了像素合并矩阵之后,计算机设备可以利用预设的矩阵运算算法对像素合并矩阵和原始像素矩阵进行矩阵运算,从而生成目标像素矩阵。其中,目标像素矩阵是利用像素合并矩阵对原始像素矩阵进行合并之后得到的。计算机设备根据运算得到的目标像素矩阵输出像素合并后的目标图像。
示例性的,如图2所示。计算机设备可以根据获取到的CT探测器生成的原始像素矩阵,即图2中的Pixel Matrix,其中,该计算机设备可以是PFGA设备。计算机设备可以根据原始像素矩阵中的像素行的数量以及像素列的数量,配置像素合并参数,也就是图2中的Merge slice和Merge channel。其中,如图3所示。
Merge slice表示将原始像素矩阵中多少个像素行进行合并,当Merge slice=1时,将原始像素矩阵中1个像素行进行合并,即表示不对原始像素矩阵的行数进行合并,只对原始像素矩阵的列数进行合并,因此需要将原始像素矩阵右乘R-Matrix,即PixelMatrix*R-Matrix。当Merge slice≠1时,表示对原始像素矩阵的行数进行合并。
Merge channel表示将原始像素矩阵中多少个像素列进行合并,当Merge channel=1时,将原始像素矩阵中1个像素列进行合并,即表示不对原始像素矩阵的列行数进行合并,只对原始像素矩阵的行列数进行合并,因此需要将原始像素矩阵中左乘L-Matrix,即L-Matrix*Pixel Matrix。当Merge channel≠1表示对原始像素矩阵的列行数进行合并。
当Merge slice≠1,且,Merge channel≠1时,需要将原始像素矩阵右乘R-Matrix,且,将原始像素矩阵乘L-Matrix,即L-Matrix*Pixel Matrix*R-Matrix。其中,Merge slice和Merge channel,可以是任意整数值。
在本申请实施例中,动脉矩阵将FPGA的并行架构运用到了极致,如果采用系统算法软件处理像素合并,系统算法软件一次只能并行处理数量很少的像素,FPGA动脉矩阵运算可以并行处理很多个像素,计算速度有很大提升。像素间的流处理方式减小了计算的延时,像素间的切换不会对计算产生额外的延时。此外,FPGA极大的利用了数据链路的数据传输带宽,提高了吞吐率。传统方法中,像素合并的方式是穿行方式,每次对像素进行合并只能产生一个合并后的结果或者少量合并后的结果,数据链路的传输带宽大多数处于空闲状态,浪费了很多数据率,而FPGA动脉矩阵计算每次对像素进行合并都可以得到很多个合并后的结果,可以和当前的数据传输带宽相匹配,有效的利用了数据传输带宽,提高了成像的速度。
上述图像数据处理方法中,计算机设备获取像素合并参数,并根据像素合并参数以及原始像素矩阵,生成像素合并矩阵。计算机设备对像素合并矩阵和原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。上述方法中,计算机设备获取像素合并参数,从而可以确定对原始像素矩阵进行合并的方式。然后,根据像素合并参数以及原始像素矩阵,生成像素合并矩阵,可以保证生成的像素合并矩阵的简单、快速且准确。计算机设备对像素合并矩阵和原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。从而提高了对原始像素矩阵进行合并的速度,提高了成像效率。此外,本申请实施例提供的图像数据处理方法还可以实现同时对多个原始像素矩阵进行合并,提升了计算速度,提高了工作效率。
在本申请一个实施例中,上述步骤102中的“根据像素合并参数以及原始像素矩阵,生成像素合并矩阵”,可以包括以下内容:
计算机设备根据原始像素矩阵中像素行的数量以及原始像素矩阵中像素列的数量中的一个以及像素合并参数,确定像素合并矩阵的行列数以及矩阵元素的值。
在本实施例中,计算机设备在获取到原始像素矩阵中的像素行的数量和/或原始像素矩阵中的像素列的人数量之后,可以根据原始像素矩阵对应的像素合并参数,确定原始像素矩阵中行方向的像素合并方式和/或原始像素矩阵中列方向的像素合并方式,从而确定像素合并矩阵的行列数以及矩阵元素的值。
在本实施例中,计算机设备根据原始像素矩阵中像素行的数量以及原始像素矩阵中像素列的数量中的一个以及像素合并参数,确定像素合并矩阵的行列数以及矩阵元素的值。从而可以保证计算得到的像素合并矩阵的行列数以及矩阵元素的值的准确性,进一步实现对原始像素矩阵的合并,提高对像素合并的速度,从而提高成像效率。
在本申请一个实施例中,像素合并参数包括第一参数,第一参数用于指示将原始像素矩阵中的每n行像素合并为一行像素,n为大于1的整数,如图4所示,上述“根据原始像素矩阵中像素行的数量以及原始像素矩阵中像素列的数量中的一个以及像素合并参数,确定像素合并矩阵的行列数以及矩阵元素的值”,可以包括以下内容:
S401,计算机设备将原始像素矩阵中像素行的数量作为第一像素合并矩阵的列的数量。
在本实施例中,为了对原始像素矩阵中像素行的数量进行合并,需要在原始像素矩阵的左边乘以一个合并矩阵。为了保证第一像素合并矩阵与原始像素矩之间可以进行相乘,需要保证原始像素矩阵中像素行的数量与第一像素合并矩阵的列的数量相同。
因此,计算机设备可以获取原始像素矩阵的中像素行的数量,并将像素行的数量确定为,计算机设备将作为第一像素合并矩阵的列的数量。
示例性的,假设原始像素矩阵的中像素行的数量为4行,为了保证第一像素合并矩阵与原始像素矩之间可以进行相乘,计算机设备确定第一像素合并矩阵的列的数量为4。
S402,计算机设备将原始像素矩阵中像素行的数量与第一参数指示的n的商,作为第一像素合并矩阵的行的数量。
在本实施例中,计算机设备为了将原始像素矩阵中的每n行像素合并为一行像素,计算机设备需要获取原始像素矩阵中像素行的数量,且保证原始像素矩阵中像素行的数量可以被n整除。
示例性的,假设计算机设备需要将原始像素矩阵中的每3行像素合并为一行像素,计算机设备需要获取原始像素矩阵中像素行的数量,且保证原始像素矩阵中像素行的数量可以被3整除。其中,原始像素矩阵中像素行的数量可以为6、也可以为9,还可以为其他能够被3整除的数。
也就是说,计算机设备在确定将原始像素矩阵中的每n行像素合并为一行像素时,需要首先确定原始像素矩阵中像素行的数量,然后根据原始像素矩阵中像素行的数量,确定n的值。
示例性的,假设计算机设备确定原始像素矩阵中像素行的数量为8,然后根据原始像素矩阵中像素行的数量,确定n的值可以为2,也可以为4,,从而保证保证原始像素矩阵中像素行的数量可以被n整除。其中,当n的值为2时,表征原始像素矩阵中的每2行像素合并为一行像素;其中,当n的值为4时,表征原始像素矩阵中的每4行像素合并为一行像素。
在确定了原始像素矩阵中像素行的数量为,且需要将原始像素矩阵中的每n行像素合并为一行像素,计算机设备计算与第一参数指示的n的商,并将与第一参数指示的n的商作为第一像素合并矩阵的行的数量。
示例性的,假设计算机设备确定原始像素矩阵中像素行的数量为8,且当n的值为2时,与n的商为4,则计算机设备确定第一像素合并矩阵的行的数量为4。
S403,计算机设备根据第一像素合并矩阵的列的数量以及行的数量,确定第一像素合并矩阵中各矩阵元素的值。
在本申请实施例中,计算机设备在确定了第一像素合并矩阵的列的数量以及行的数量之后,可以将第一行中的前n个元素确定为1,后边的元素确定为0;将第二行中第n+1至2n之间的n个元素确定为1,第二行中的其他元素确定为0;将第三行中第2n+1至3n之间的n个元素确定为1,第三行中的其他元素确定为0;以此类推,知道最后一行的倒数n个元素为0,其他元素为1。由此,计算机设备确定第一像素合并矩阵中各矩阵元素的值。
示例性的,假设原始像素矩阵中的行像素的数量为4,列像素的数量也为4,且计算机设备需要将原始像素矩阵中的每2行像素合并为一行。根据上述内容,计算机设备确定第一像素合并矩阵中的列像素的数量为4,且确定合并矩阵中的行像素的数量也为4/2=2。
由上述确定第一像素合并矩阵中各矩阵元素的值的内容可知,其中,第一像素合并矩阵中第一行中的前两个元素为1,后两个元素为0;第一像素合并矩阵中第2行中的前两个元素为0,后两个元素为1,即,最终得到第一像素合并矩阵为
Figure BDA0003138888940000111
在本申请实施例中,计算机设备将原始像素矩阵中像素行的数量作为第一像素合并矩阵的列的数量,并将原始像素矩阵中像素行的数量与第一参数指示的n的商,作为第一像素合并矩阵的行的数量。然后,计算机设备根据第一像素合并矩阵的列的数量以及行的数量,确定第一像素合并矩阵中各矩阵元素的值。从而实现了确定合并矩阵的行的数量和列的数量,并确定第一像素合并矩阵中各元素值的效果,使得原始像素矩阵与合并像素矩阵进行矩阵运算可以实现将原始像素矩阵中的每n行像素合并为一行像素的效果,从而可以实现对原始像素矩阵的合并,提高对像素合并的速度,从而提高成像效率。
在本申请一个实施例中,上述步骤103中的“对像素合并矩阵和原始像素矩阵进行矩阵运算”,可以包括以下内容:
计算机设备利用第一像素合并矩阵左乘原始像素矩阵。
在本实施例中,为了实现将原始像素矩阵中的每n行像素合并为一行像素,计算机设备需要利用第一像素合并矩阵左乘原始像素矩阵。
可选的,该计算机设备可以是FPGA设备,FPGA设备可以进行像素合并处理的动脉矩阵乘法计算。其中,动脉矩阵乘法由多个PM单元组成。每个PM单元的内部结果如图5,由一个乘法器和一个累加器以及最后判断结果是否输出的判决器。PM单元每次都将矩阵元素x传入到下一个PM单元内部,x、y两个矩阵元素先经过乘法器做乘法运算后,将得到的结果每次进行累加,累加到最后一个矩阵元素x,y计算完乘法元素后,判决输出最后的结果。
如图6所示,基于第一个实施例中的例子可知,计算机设备在计算第一像素合并矩阵左乘原始像素矩阵时,相当于merge channel=1时,计算机设备计算L_Matrix*PixelMatrix。
具体地,计算机设备可以根据像素合并参数将所有PM单元配置成一个n*n/mergeslice的矩阵式PM结构。在第一个循环中,计算机设备将pixel Matrix第一列的所有元素分别传入第一列的所有PM单元,同时,计算机设备将L_Matrix第一行的所有元素分别传入第一列PM所有单元,在第一列PM单元内进行一次乘机,将第一列的所有PM单元计算出的乘机进行相加,输出目标矩阵第一行第一列的元素值;在第二个循环中,计算机设备将pixelMatrix每一行的第二个元素传入第二列的所有PM单元,同时,计算机设备将L_Matrix第一行的所有元素传入第二列PM所有单元,在第二列PM单元内进行一次乘机,将第二列的所有PM单元计算出的乘机进行相加,输出目标矩阵第一行第二列的元素值。以此类推,当PixelMatrix和L_Matrix所有元素都经过所有PM单元的一次运算后输出结果,即为目标像素矩阵。
更加直观的,假设原始像素矩阵中的行像素的数量为4,列像素的数量也为4,且,计算机设备需要将原始像素矩阵中的每2行像素合并为一行。根据上述实施例中的内容可知,第一像素合并矩阵的行数为2,列数为4,且,第一像素合并矩阵为
Figure BDA0003138888940000121
假设原始像素矩阵为
Figure BDA0003138888940000122
计算机设备利用第一像素合并矩阵左乘原始像素矩阵,可得:
Figure BDA0003138888940000123
由此可知,第一像素合并矩阵左乘原始像素矩阵实现了将原始像素矩阵中的每2行像素合并为一行。
在本实施例中,计算机设备利用第一像素合并矩阵左乘原始像素矩阵,实现了将原始像素矩阵中的每n行像素合并为一行像素的效果,从而可以实现对原始像素矩阵的合并,提高对像素合并的速度,从而提高成像效率。
在本申请一个实施例中,像素合并参数包括第二参数,第二参数用于指示将原始像素矩阵中的m列像素合并为一列像素,m为大于1的整数,如图7所示,上述“根据原始像素矩阵中像素行的数量以及原始像素矩阵中像素列的数量中的一个以及像素合并参数,确定像素合并矩阵的行列数以及矩阵元素的值”,还可以包括以下步骤:
S701、计算机设备将原始像素矩阵中像素列的数量作为第二像素合并矩阵的行的数量。
在本实施例中,为了对原始像素矩阵中像素列的数量进行合并,需要在原始像素矩阵的右边乘以一个合并矩阵。为了保证第二像素合并矩阵与原始像素矩之间可以进行相乘,需要保证原始像素矩阵中像素列的数量与第二像素合并矩阵的行的数量相同。
因此,计算机设备可以获取原始像素矩阵的中像素列的数量,并将像素列的数量确定为,计算机设备将作为第二像素合并矩阵的行的数量。
示例性的,假设原始像素矩阵的中像素行的数量为4列,为了保证第二像素合并矩阵与原始像素矩之间可以进行相乘,计算机设备确定第二像素合并矩阵的行的数量为4。
S702、计算机设备将原始像素矩阵中像素行的数量与第二参数指示的m的商,作为像素合并矩阵的列的数量。
在本实施例中,计算机设备为了将原始像素矩阵中的每m列像素合并为一列像素,计算机设备需要获取原始像素矩阵中像素列的数量,且保证原始像素矩阵中像素列的数量可以被m整除。
示例性的,假设计算机设备需要将原始像素矩阵中的每3列像素合并为一列像素,计算机设备需要获取原始像素矩阵中像素列的数量,且保证原始像素矩阵中像素列的数量可以被3整除。其中,原始像素矩阵中像素行的数量可以为6、也可以为9,还可以为其他能够被3整除的数。
也就是说,计算机设备在确定将原始像素矩阵中的每m列像素合并为一行像素时,需要首先确定原始像素矩阵中像素列的数量,然后根据原始像素矩阵中像素列的数量,确定m的值。
示例性的,假设计算机设备确定原始像素矩阵中像素列的数量为8,然后根据原始像素矩阵中像素列的数量,确定m的值可以为2,也可以为4,,从而保证保证原始像素矩阵中像素列的数量可以被m整除。其中,当m的值为2时,表征原始像素矩阵中的每2列像素合并为一列像素;其中,当m的值为4时,表征原始像素矩阵中的每4列像素合并为一列像素。
在确定了原始像素矩阵中像素列的数量为,且需要将原始像素矩阵中的每m列像素合并为一列像素,计算机设备计算与第二参数指示的m的商,并将与第二参数指示的m的商作为第二像素合并矩阵的列的数量。
示例性的,假设计算机设备确定原始像素矩阵中像素列的数量为8,且当m的值为2时,与m的商为4,则计算机设备确定第二像素合并矩阵的列的数量为4。
S703、计算机设备根据像素合并矩阵的列的数量以及行的数量,确定第二像素合并矩阵中各矩阵元素的值。
在本申请实施例中,计算机设备在确定了第二像素合并矩阵的列的数量以及行的数量之后,可以将第二列中的前m个元素确定为1,后边的元素确定为0;将第二类中第m+1至2m之间的m个元素确定为1,第二列中的其他元素确定为0;将第三列中第2m+1至3m之间的m个元素确定为1,第三列中的其他元素确定为0;以此类推,知道最后一列的倒数m个元素为0,其他元素为1。由此,去确定第二像素合并矩阵中各矩阵元素的值。
示例性的,假设原始像素矩阵中的行像素的数量为4,列像素的数量也为4,且计算机设备需要将原始像素矩阵中的每2列像素合并为一列。根据上述内容,计算机设备确定第二像素合并矩阵中的行像素的数量为4,且确定合并矩阵中的列像素的数量也为4/2=2。
由上述确定第二像素合并矩阵中各矩阵元素的值的内容可知,其中,第二像素合并矩阵中第一列中的前两个元素为1,后两个元素为0;第二像素合并矩阵中第2列中的前两个元素为0,后两个元素为1,即,最终得到第二像素合并矩阵为
Figure BDA0003138888940000151
在本申请实施例中,计算机设备将原始像素矩阵中像素列的数量作为第二像素合并矩阵的行的数量,并将原始像素矩阵中像素列的数量与第二参数指示的m的商,作为第二像素合并矩阵的列的数量。然后,计算机设备根据第二像素合并矩阵的列的数量以及行的数量,确定第二像素合并矩阵中各矩阵元素的值。从而实现了确定合并矩阵的列的数量和行的数量,并确定第二像素合并矩阵中各元素值的效果,使得原始像素矩阵与合并像素矩阵进行矩阵运算可以实现将原始像素矩阵中的每m列像素合并为一列像素的效果,从而可以实现对原始像素矩阵的合并,提高对像素合并的速度,从而提高成像效率。
在本申请一个实施例中上述步骤103中的“对像素合并矩阵和原始像素矩阵进行矩阵运算”可以包括以下内容:
计算机设备利用第二像素合并矩阵右乘原始像素矩阵。
在本实施例中,为了实现将原始像素矩阵中的每m列像素合并为一列像素,计算机设备需要利用第一像素合并矩阵右乘原始像素矩阵。
如图8所示,基于第一个实施例中的例子可知,计算机设备在计算第二像素合并矩阵右乘原始像素矩阵时,相当于merge slice=1时,计算机设备计算Pixel Matrix*R_Matrix。
具体地,计算机设备可以根据像素合并参数将所有PM单元配置成一个m*m/mergechannel的矩阵式PM结构。在第一个循环中,将pixel Matrix将第一行的所有元素传入第一行的所有PM单元,同时将R_Matrix第一列所有元素传入第一行PM所有单元,在第一行每个PM单元内进行一次乘机运算,将各PM单元输出的结果进行相加,输出目标像素矩阵在第一行第一列的元素值;在第二个循环中,计算机设备将pixel Matrix第二行的所有元素传入第二行的所有PM单元,同时,计算机设备将将R_Matrix第一列所有元素传入第二列PM所有单元,在第二行每个PM单元内进行一次乘机运算,将各PM单元输出的结果进行相加,输出目标像素矩阵在第二行第一列的元素值,以此类推,当Pixel Matrix和R_Matrix所有元素都经过所有PM单元的一次运算后输出结果,即为目标像素矩阵。
示例性的,假设原始像素矩阵中的行像素的数量为4,列像素的数量也为4,且,计算机设备需要将原始像素矩阵中的每2列像素合并为一列。根据上述实施例中的内容可知,第二像素合并矩阵的行数为4,列数为2,且,第二像素合并矩阵为
Figure BDA0003138888940000161
假设原始像素矩阵为
Figure BDA0003138888940000162
计算机设备利用第二像素合并矩阵右乘原始像素矩阵,可得:
Figure BDA0003138888940000163
由此可知,第二像素合并矩阵右乘原始像素矩阵实现了将原始像素矩阵中的每2列像素合并为一列。
在本实施例中,计算机设备利用第二像素合并矩阵右乘原始像素矩阵,实现了将原始像素矩阵中的每m列像素合并为一列像素的效果,从而可以实现对原始像素矩阵的合并,提高对像素合并的速度,从而提高成像效率。
为了更好的说明上述方法,如图9所示,本实施例提供一种图像数据处理方法,具体包括:
S901、计算机设备获取像素合并参数。
S902、计算机设备将原始像素矩阵中像素行的数量作为像素合并矩阵的列的数量。
S903、计算机设备将原始像素矩阵中像素行的数量与第一参数指示的n的商,作为像素合并矩阵的行的数量以及矩阵元素的值。
S904、计算机设备根据像素合并矩阵的列的数量以及行的数量,确定像素合并矩阵中各矩阵元素的值。
S905、计算机设备根据原始像素矩阵中像素行的数量以及第一合并参数确定第一像素合并矩阵。
S906、计算机设备利用第一像素合并矩阵左乘原始像素矩阵。
S907、计算机设备将原始像素矩阵中像素列的数量作为像素合并矩阵的行的数量。
S908、计算机设备将原始像素矩阵中像素行的数量与第二参数指示的m的商,作为像素合并矩阵的列的数量以及矩阵元素的值。
S909、计算机设备根据像素合并矩阵的列的数量以及行的数量,确定像素合并矩阵中各矩阵元素的值。
S910、计算机设备根据原始像素矩阵中像素列的数量以及第二合并参数确定第二像素合并矩阵。
S911、计算机设备利用第二像素合并矩阵右乘原始像素矩阵。
S912、计算机设备并根据运算得到的目标像素矩阵输出像素合并后的目标图像。
上述实施例提供的图像数据处理方法,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
应该理解的是,虽然图1、4、7以及9的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1、4、7以及9中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图10所示,提供了一种图像数据处理装置1000,装置包括:获取模块1010、生成模块1020以及输出模块1030,其中:
获取模块1010,用于获取像素合并参数,像素合并参数用于指示原始像素矩阵中行方向的像素合并方式和/或原始像素矩阵中列方向的像素合并方式;
生成模块1020,用于根据像素合并参数以及原始像素矩阵,生成像素合并矩阵;
输出模块1030,用于对像素合并矩阵和原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。
在本申请一个实施例中,生成模块1020,具体用于根据原始像素矩阵中像素行的数量以及原始像素矩阵中像素列的数量中的一个以及像素合并参数,确定像素合并矩阵的行列数以及矩阵元素的值。
在本申请一个实施例中,像素合并参数包括第一参数,第一参数用于指示将原始像素矩阵中的每n行像素合并为一行像素,n为大于1的整数;
生成模块1020,具体用于将原始像素矩阵中像素行的数量作为像素合并矩阵的列的数量;将原始像素矩阵中像素行的数量与第一参数指示的n的商,作为像素合并矩阵的行的数量;根据像素合并矩阵的列的数量以及行的数量,确定像素合并矩阵中各矩阵元素的值。
在本申请一个实施例中,上述输出模块1030,具体用于利用第一像素合并矩阵左乘原始像素矩阵。
在本申请一个实施例中,像素合并参数包括第二参数,第二参数用于指示将原始像素矩阵中的m列像素合并为一列像素,m为大于1的整数;
上述生成模块1020,具体用于将原始像素矩阵中像素列的数量作为像素合并矩阵的行的数量;将原始像素矩阵中像素行的数量与第二参数指示的m的商,作为像素合并矩阵的列的数量;根据像素合并矩阵的列的数量以及行的数量,确定像素合并矩阵中各矩阵元素的值。
在本申请一个实施例中,上述输出模块1030,具体用于利用第二像素合并矩阵右乘原始像素矩阵。
关于图像数据处理装置的具体限定可以参见上文中对于图像数据处理方法的限定,在此不再赘述。上述图像数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,当计算机设备为服务器时,其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种图像数据处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在本申请一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取像素合并参数,像素合并参数用于指示原始像素矩阵中行方向的像素合并方式和/或原始像素矩阵中列方向的像素合并方式;根据像素合并参数以及原始像素矩阵,生成像素合并矩阵;对像素合并矩阵和原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。
在本申请一个实施例中,该处理器执行计算机程序时实现以下步骤:根据原始像素矩阵中像素行的数量以及原始像素矩阵中像素列的数量中的一个以及像素合并参数,确定像素合并矩阵的行列数以及矩阵元素的值。
在本申请一个实施例中,像素合并参数包括第一参数,第一参数用于指示将原始像素矩阵中的每n行像素合并为一行像素,n为大于1的整数。该处理器执行计算机程序时实现以下步骤:将原始像素矩阵中像素行的数量作为像素合并矩阵的列的数量;将原始像素矩阵中像素行的数量与第一参数指示的n的商,作为像素合并矩阵的行的数量;根据像素合并矩阵的列的数量以及行的数量,确定像素合并矩阵中各矩阵元素的值。
在本申请一个实施例中,该处理器执行计算机程序时实现以下步骤:利用第一像素合并矩阵左乘原始像素矩阵。
在本申请一个实施例中,像素合并参数包括第二参数,第二参数用于指示将原始像素矩阵中的m列像素合并为一列像素,m为大于1的整数。该处理器执行计算机程序时实现以下步骤:将原始像素矩阵中像素列的数量作为像素合并矩阵的行的数量;将原始像素矩阵中像素行的数量与第二参数指示的m的商,作为像素合并矩阵的列的数量;根据像素合并矩阵的列的数量以及行的数量,确定像素合并矩阵中各矩阵元素的值。
在本申请一个实施例中,该处理器执行计算机程序时实现以下步骤:;利用第二像素合并矩阵右乘原始像素矩阵。
上述实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取像素合并参数,像素合并参数用于指示原始像素矩阵中行方向的像素合并方式和/或原始像素矩阵中列方向的像素合并方式;根据像素合并参数以及原始像素矩阵,生成像素合并矩阵;对像素合并矩阵和原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。
在本申请一个实施例中,该计算机程序被处理器执行时实现以下步骤:根据原始像素矩阵中像素行的数量以及原始像素矩阵中像素列的数量中的一个以及像素合并参数,确定像素合并矩阵的行列数以及矩阵元素的值。
在本申请一个实施例中,像素合并参数包括第一参数,第一参数用于指示将原始像素矩阵中的每n行像素合并为一行像素,n为大于1的整数。该计算机程序被处理器执行时实现以下步骤:将原始像素矩阵中像素行的数量作为像素合并矩阵的列的数量;将原始像素矩阵中像素行的数量与第一参数指示的n的商,作为像素合并矩阵的行的数量;根据像素合并矩阵的列的数量以及行的数量,确定像素合并矩阵中各矩阵元素的值。
在本申请一个实施例中,该计算机程序被处理器执行时实现以下步骤:利用第一像素合并矩阵左乘原始像素矩阵。
在本申请一个实施例中,像素合并参数包括第二参数,第二参数用于指示将原始像素矩阵中的m列像素合并为一列像素,m为大于1的整数。该计算机程序被处理器执行时实现以下步骤:将原始像素矩阵中像素列的数量作为像素合并矩阵的行的数量;将原始像素矩阵中像素行的数量与第二参数指示的m的商,作为像素合并矩阵的列的数量;根据像素合并矩阵的列的数量以及行的数量,确定像素合并矩阵中各矩阵元素的值。
在本申请一个实施例中,该计算机程序被处理器执行时实现以下步骤:利用第二像素合并矩阵右乘原始像素矩阵。
上述实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种图像数据处理方法,其特征在于,所述方法包括:
获取像素合并参数,所述像素合并参数用于指示原始像素矩阵中行方向的像素合并方式和/或所述原始像素矩阵中列方向的像素合并方式;
根据所述像素合并参数以及原始像素矩阵,生成像素合并矩阵;
对所述像素合并矩阵和所述原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所述像素合并参数以及原始像素矩阵,生成像素合并矩阵,包括:
根据所述原始像素矩阵中像素行的数量以及所述原始像素矩阵中像素列的数量中的一个以及所述像素合并参数,确定所述像素合并矩阵的行列数以及矩阵元素的值。
3.根据权利要求2所述的方法,其特征在于,所述像素合并参数包括第一参数,所述第一参数用于指示将所述原始像素矩阵中的每n行像素合并为一行像素,n为大于1的整数,所述根据所述原始像素矩阵中像素行的数量以及所述原始像素矩阵中像素列的数量中的一个以及所述像素合并参数,确定所述像素合并矩阵的行列数以及矩阵元素的值,包括:
将所述原始像素矩阵中像素行的数量作为第一像素合并矩阵的列的数量;
将所述原始像素矩阵中像素行的数量与所述第一参数指示的n的商,作为所述第一像素合并矩阵的行的数量;
根据所述第一像素合并矩阵的列的数量以及行的数量,确定所述第一像素合并矩阵中各矩阵元素的值。
4.根据权利要求3所述的方法,其特征在于,所述对所述像素合并矩阵和所述原始像素矩阵进行矩阵运算,包括:
利用所述第一像素合并矩阵左乘所述原始像素矩阵。
5.根据权利要求2所述的方法,其特征在于,所述像素合并参数包括第二参数,所述第二参数用于指示将所述原始像素矩阵中的m列像素合并为一列像素,m为大于1的整数,所述根据所述原始像素矩阵中像素行的数量a以及所述原始像素矩阵中像素列的数量中的一个以及所述像素合并参数,确定所述像素合并矩阵的行列数以及矩阵元素的值,包括:
将所述原始像素矩阵中像素列的数量作为第二像素合并矩阵的行的数量;
将所述原始像素矩阵中像素行的数量与所述第二参数指示的m的商,作为所述第二像素合并矩阵的列的数量;
根据所述第二像素合并矩阵的列的数量以及行的数量,确定所述第二像素合并矩阵中各矩阵元素的值。
6.根据权利要求5所述的方法,其特征在于,所述对所述像素合并矩阵和所述原始像素矩阵进行矩阵运算,包括:
利用所述第二像素合并矩阵右乘所述原始像素矩阵。
7.一种图像数据处理装置,其特征在于,所述装置包括:
获取模块,用于获取像素合并参数,所述像素合并参数用于指示原始像素矩阵中行方向的像素合并方式和/或所述原始像素矩阵中列方向的像素合并方式;
生成模块,用于根据所述像素合并参数以及原始像素矩阵,生成像素合并矩阵;
输出模块,用于对所述像素合并矩阵和所述原始像素矩阵进行矩阵运算,并根据运算得到的目标像素矩阵输出像素合并后的目标图像。
8.根据权利要求7所述的装置,其特征在于,所述生成模块,具体用于根据所述原始像素矩阵中像素行的数量以及所述原始像素矩阵中像素列的数量中的一个以及所述像素合并参数,确定所述像素合并矩阵的行列数以及矩阵元素的值。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一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6中任一项所述的方法的步骤。
CN202110729771.4A 2021-06-29 2021-06-29 图像数据处理方法、装置、计算机设备和存储介质 Pending CN113538308A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110729771.4A CN113538308A (zh) 2021-06-29 2021-06-29 图像数据处理方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110729771.4A CN113538308A (zh) 2021-06-29 2021-06-29 图像数据处理方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN113538308A true CN113538308A (zh) 2021-10-22

Family

ID=78097246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110729771.4A Pending CN113538308A (zh) 2021-06-29 2021-06-29 图像数据处理方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN113538308A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100141780A1 (en) * 2008-12-09 2010-06-10 Kar-Han Tan View Projection Matrix Based High Performance Low Latency Display Pipeline
JP2010273012A (ja) * 2009-05-20 2010-12-02 Nikon Corp 画像処理装置、撮像装置およびプログラム
CN103065277A (zh) * 2012-12-21 2013-04-24 深圳市创维群欣安防科技有限公司 数字图像信息处理方法及装置
CN104574455A (zh) * 2013-10-29 2015-04-29 华为技术有限公司 图像重建方法及装置
CN105225207A (zh) * 2015-09-01 2016-01-06 中国科学院计算技术研究所 一种基于观测矩阵的压缩感知成像及图像重建方法
CN107527321A (zh) * 2017-08-22 2017-12-29 维沃移动通信有限公司 一种图像重建方法、终端及计算机可读存储介质
CN111106836A (zh) * 2019-10-30 2020-05-05 北京歌尔泰克科技有限公司 图像重构方法和装置
CN112802139A (zh) * 2021-02-05 2021-05-14 歌尔股份有限公司 一种图像处理方法、装置、电子设备及可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100141780A1 (en) * 2008-12-09 2010-06-10 Kar-Han Tan View Projection Matrix Based High Performance Low Latency Display Pipeline
JP2010273012A (ja) * 2009-05-20 2010-12-02 Nikon Corp 画像処理装置、撮像装置およびプログラム
CN103065277A (zh) * 2012-12-21 2013-04-24 深圳市创维群欣安防科技有限公司 数字图像信息处理方法及装置
CN104574455A (zh) * 2013-10-29 2015-04-29 华为技术有限公司 图像重建方法及装置
CN105225207A (zh) * 2015-09-01 2016-01-06 中国科学院计算技术研究所 一种基于观测矩阵的压缩感知成像及图像重建方法
CN107527321A (zh) * 2017-08-22 2017-12-29 维沃移动通信有限公司 一种图像重建方法、终端及计算机可读存储介质
CN111106836A (zh) * 2019-10-30 2020-05-05 北京歌尔泰克科技有限公司 图像重构方法和装置
CN112802139A (zh) * 2021-02-05 2021-05-14 歌尔股份有限公司 一种图像处理方法、装置、电子设备及可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张淑芳 等: "基于CMOS图像传感器的压缩感知成像算法", 《天津大学学报》 *

Similar Documents

Publication Publication Date Title
Roy et al. FPGA-based high-performance parallel architecture for homomorphic computing on encrypted data
CN112214726B (zh) 运算加速器
CN107454965B (zh) 神经网络处理器中的批处理
KR101999639B1 (ko) 데이터 처리 시스템, 계산 노드 및 데이터 처리 방법
CN107341547A (zh) 一种用于执行卷积神经网络训练的装置和方法
CN106445471A (zh) 处理器和用于在处理器上执行矩阵乘运算的方法
CN111897579A (zh) 图像数据处理方法、装置、计算机设备和存储介质
US11328395B2 (en) Image processing method, image processing device, electronic equipment and computer readable storage medium
CN106855952B (zh) 基于神经网络的计算方法及装置
CN112929300B (zh) 一种数据处理装置、方法、基站和存储介质
CN110851787B (zh) 合并指令处理方法、装置、电子设备和存储介质
CN111160542A (zh) 集成电路芯片装置及相关产品
CN111241568A (zh) 加密方法、解密方法、装置、计算机设备和存储介质
CN113538308A (zh) 图像数据处理方法、装置、计算机设备和存储介质
CN115221091A (zh) 一种聚合通信的方法、系统和计算机设备
CN115408061B (zh) 复数矩阵运算的硬件加速方法、装置、芯片及存储介质
CN114758209B (zh) 卷积结果获取方法、装置、计算机设备及存储介质
Meng et al. How to avoid zero-spacing in fractionally-strided convolution? a hardware-algorithm co-design methodology
WO2023050807A1 (zh) 一种数据处理方法、装置、系统、电子设备及存储介质
CN115994561A (zh) 卷积神经网络加速方法、系统、存储介质、装置及设备
CN116051345A (zh) 图像数据处理方法、装置、计算机设备及可读存储介质
CN114254563A (zh) 数据处理方法及装置、电子设备、存储介质
CN114626515A (zh) 基于通道数量执行卷积运算的npu装置及其操作方法
CN111767996B (zh) 集成电路芯片装置及相关产品
CN110197275B (zh) 集成电路芯片装置及相关产品

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