CN113596573A - 图像处理方法、装置、电子设备和计算机可读存储介质 - Google Patents
图像处理方法、装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113596573A CN113596573A CN202110859881.2A CN202110859881A CN113596573A CN 113596573 A CN113596573 A CN 113596573A CN 202110859881 A CN202110859881 A CN 202110859881A CN 113596573 A CN113596573 A CN 113596573A
- Authority
- CN
- China
- Prior art keywords
- image
- gray scale
- frame
- gray
- difference
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 35
- 230000035772 mutation Effects 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 241001270131 Agaricus moelleri Species 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003707 image sharpening Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- HHXYJYBYNZMZKX-UHFFFAOYSA-N 3,4:15,16-diepoxy-7-oxo-13(16),14-clerodadien-20,12-olide-(3alpha,4alpha)-form Natural products C12CCC3C4(C)CCCC(C)(C)C4CCC3(C)C1(C)CCC1C2(C)CCC1C(=C)C HHXYJYBYNZMZKX-UHFFFAOYSA-N 0.000 description 1
- 241000283070 Equus zebra Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
-
- G06T5/73—
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
Abstract
本申请实施例涉及一种图像处理方法、装置、电子设备和计算机可读存储介质,所述图像处理方法包括:获取待处理图像组,所述待处理图像组包括连续的多帧图像,且多帧图像中存在对应的灰阶突变区域,所述灰阶突变区域中至少两个相邻像素点之间的灰阶差值大于第一差值阈值;分别确定各帧图像中的所述灰阶突变区域,并根据所述灰阶突变区域分别获取各帧图像对应的区域灰阶差值;当任意相邻两帧图像的帧灰阶差值大于第二差值阈值时,根据相同的处理参数分别对各帧图像进行清晰化处理,所述帧灰阶差值为相邻两帧图像的所述区域灰阶差值之间的差值,所述第二差值阈值小于所述第一差值阈值。
Description
技术领域
本申请实施例涉及图像显示技术领域,特别是涉及一种图像处理方法、装置、电子设备和计算机可读存储介质。
背景技术
近年来,随着电子设备的不断升级,电子设备能够实现越来越清晰、丰富的图像显示功能。因此,锐化等能够对物体边界进行补偿,从而使图像变得清晰的处理方法被越来越广泛地应用于图像处理中。但是,在一些图像场景下,上述处理方式也会引发视频画面闪烁的问题,大大影响了图像的显示质量。
发明内容
本申请实施例提供了一种图像处理方法、装置、电子设备和计算机可读存储介质,可以抑制画面闪烁的问题,从而提升图像的显示质量。
一种图像处理方法,所述方法包括:
获取待处理图像组,所述待处理图像组包括连续的多帧图像,且多帧图像中存在对应的灰阶突变区域,所述灰阶突变区域中至少两个相邻像素点之间的灰阶差值大于第一差值阈值;
分别确定各帧图像中的所述灰阶突变区域,并根据所述灰阶突变区域分别获取各帧图像对应的区域灰阶差值;
当任意相邻两帧图像的帧灰阶差值大于第二差值阈值时,根据相同的处理参数分别对各帧图像进行清晰化处理,所述帧灰阶差值为相邻两帧图像的所述区域灰阶差值之间的差值,所述第二差值阈值小于所述第一差值阈值。
一种图像处理装置,包括:
图像获取模块,用于获取待处理图像组,所述待处理图像组包括连续的多帧图像,且多帧图像中存在对应的灰阶突变区域,所述灰阶突变区域中至少两个相邻像素点之间的灰阶差值大于第一差值阈值;
区域确定模块,用于分别确定各帧图像中的所述灰阶突变区域,并根据所述灰阶突变区域分别获取各帧图像对应的区域灰阶差值;
清晰化处理模块,用于当任意相邻两帧图像的帧灰阶差值大于第二差值阈值时,根据相同的处理参数分别对各帧图像进行清晰化处理,所述帧灰阶差值为相邻两帧图像的所述区域灰阶差值之间的差值,所述第二差值阈值小于所述第一差值阈值。
一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述的图像处理方法的步骤。
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如上述的图像处理方法的步骤。
上述图像处理方法、装置、电子设备和计算机可读存储介质,所述图像处理方法包括:获取待处理图像组,所述待处理图像组包括连续的多帧图像,且多帧图像中存在对应的灰阶突变区域,所述灰阶突变区域中至少两个相邻像素点之间的灰阶差值大于第一差值阈值;分别确定各帧图像中的所述灰阶突变区域,并根据所述灰阶突变区域分别获取各帧图像对应的区域灰阶差值;当任意相邻两帧图像的帧灰阶差值大于第二差值阈值时,根据相同的处理参数分别对各帧图像进行清晰化处理,所述帧灰阶差值为相邻两帧图像的所述区域灰阶差值之间的差值,所述第二差值阈值小于所述第一差值阈值。在本申请实施例中,通过先识别灰阶突变区域,并基于不同帧中对应的灰阶突变区域的情况,采用相同的处理参数对各帧图像进行较为匹配的清晰化处理,可以有效提升对连续的不同帧图像的处理过程的统一性,从而减小了清晰化处理过程对图像显示质量的影响,即,提高了视频中连续多帧图像的显示质量。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关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的前提下,还可以根据这些附图获得其他的附图。
图1为一实施例的图像处理方法的应用环境图;
图2为一实施例的图像处理方法的流程图之一;
图3为一实施例的步骤202的子流程图;
图4为一实施例的当前帧图像的示意图;
图5为一实施例的与当前帧图像相邻的连续多帧图像之一;
图6为一实施例的与当前帧图像相邻的连续多帧图像之二;
图7为一实施例的步骤304的子流程图;
图8为图4实施例的虚线框部分的局部放大图;
图9为一实施例的步骤708的子流程图之一;
图10为一实施例的步骤708的子流程图之二;
图11为一实施例的步骤获取与所述当前帧图像相邻的连续多帧图像;
图12为一个实施例的图像处理装置的结构框图;
图13为一个实施例中电子设备的内部结构示意图。
具体实施方式
为了便于理解本申请实施例,下面将参照相关附图对本申请实施例进行更全面的描述。附图中给出了本申请实施例的首选实施例。但是,本申请实施例可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本申请实施例的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请实施例的技术领域的技术人员通常理解的含义相同。本文中在本申请实施例的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请实施例。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
在本申请实施例的描述中,需要理解的是,术语“上”、“下”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方法或位置关系,仅是为了便于描述本申请实施例和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请实施例的限制。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一差值阈值称为第二差值阈值,且类似地,可将第二差值阈值称为第一差值阈值。第一差值阈值和第二差值阈值两者都是差值阈值,但其不是同一差值阈值。
此外,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至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。在本申请的描述中,“若干”的含义是至少一个,例如一个,两个等,除非另有明确具体的限定。
图1为一实施例的图像处理方法的应用环境图。如图1所示,该应用环境包括终端110和服务器120。终端110获取待处理图像组,其中终端110可以为包括手机、平板电脑、PDA(Personal Digital Assistant,个人数字助理)、车载电脑、穿戴式设备等终端设备。终端110可以从服务器120下载、应用各类型的图像资源作为待处理图像组。其中,服务器120可以为一个服务器或服务器集群。在本申请实施例中,图像处理方法可以应用于终端110,由终端110直接执行各实施例中的图像处理方法,以对视频中的连续多帧图像进行平滑、自然的清晰化处理,防止图像闪烁的现象,从而提升用户的观看体验。
图2为一实施例的图像处理方法的流程图之一,参考图2,所述方法包括步骤202至206。
步骤202,获取待处理图像组,所述待处理图像组包括连续的多帧图像,且多帧图像中存在对应的灰阶突变区域,所述灰阶突变区域中至少两个相邻像素点之间的灰阶差值大于第一差值阈值。
其中,待处理图像组可以包括三张图像、四张图像、五张图像等。在本实施例中,对应的灰阶突变区域是指相同的目标物体所产生的灰阶突变区域。示例性地,目标物体可以为黑色马路上的白色标示线,标示线与马路在边界处存在由白色转换为黑色的区域,即灰阶突变区域。需要强调的是,多帧图像中对应的灰阶突变区域不必须具有完全相同的位置、形状或颜色。可以理解的是,即使同一目标物体在不同帧图像中存在一定的位置偏移或灰阶差异,也能够基于图像识别算法中的特征点比对等方式,建立不同帧画面中同一目标物体之间的映射关系,从而确定对应的灰阶突变区域。
可选地,第一差值阈值可以根据图像的场景确定,图像的场景例如可以包括人像场景、风景场景等。可以理解的是,不同场景下对图像的清晰度要求不完全相同,因此,根据场景确定对应的第一差值阈值,能够更加准确地对图像进行清晰化处理。示例性地,第一差值阈值可以是但不限于85灰阶、100灰阶、120灰阶等。
步骤204,分别确定各帧图像中的所述灰阶突变区域,并根据所述灰阶突变区域分别获取各帧图像对应的区域灰阶差值。
如前述说明,多帧图像中对应的灰阶突变区域不必须具有完全相同的颜色。因此,若灰阶突变区域的颜色发生变化,则该灰阶突变区域的区域灰阶差值也会相应地发生变化。本实施例通过获取各帧图像对应的区域灰阶差值,可以判断相邻帧之间的变化是否满足显示的要求。若相邻帧之间的变化过大,则存在该变化被观众察觉到的风险,在观众看来,即显示的画面发生了明显的闪烁现象。
步骤206,当任意相邻两帧图像的帧灰阶差值大于第二差值阈值时,根据相同的处理参数分别对各帧图像进行清晰化处理,所述帧灰阶差值为相邻两帧图像的所述区域灰阶差值之间的差值,所述第二差值阈值小于所述第一差值阈值。
对于清晰化处理,通常更关注对于目标物体与背景之间的边界处的处理。因此,图像的区域灰阶差值也是清晰化处理过程中较为重要的参考因素,并极大程度上地影响清晰化处理的处理参数。若不同帧的区域灰阶差值较大,则不同帧的处理参数之间也会存在较大的差异。而上述差异会大大影响清晰化处理的结果,并可能造成处理后的多帧图像之间的连续性变差,帧与帧之间的变化不够平滑,从而造成显示时突变闪烁的问题。
其中,第二差值阈值可以根据电子设备的每秒传输帧数(Frames Per Second,fps)确定,进一步地,可以根据对电子设备的显示质量要求进行更加详细的选择。具体地,电子设备的每一帧的时长与每秒传输帧数相匹配。例如对于60fps的电子设备,在每一秒钟内传输60帧图像并在显示屏上进行显示,每一帧的时长为16.67ms。又例如对于120fps的电子设备,在每一秒钟内传输120帧图像并在显示屏上进行显示,每一帧的时长为8.33ms。对于人眼而言,图像显示的速度越快,图像在显示过程中的闪烁问题越不容易被人眼察觉,因此,对于高fps的电子设备而言,可以选择相对宽松的第二差值阈值。但同时可以理解的是,对于高显示质量要求的电子设备而言,需要选择相对严格的第二差值阈值。示例性地,第二差值阈值可以是但不限于5灰阶、10灰阶等。
在本实施例中,通过先识别灰阶突变区域,并基于不同帧中对应的灰阶突变区域的情况,采用相同的处理参数对各帧图像进行较为匹配的清晰化处理,可以有效提升对连续的不同帧图像的处理过程的统一性,从而减小了清晰化处理过程对图像显示连续性的影响,抑制了不同帧之间的突变闪烁的问题,即,提高了视频中连续多帧图像的显示质量。
在其中一个实施例中,所述根据相同的所述处理参数分别对各帧图像进行清晰化处理,包括根据相同的所述处理参数分别对各帧图像进行锐化和/或对比度拉伸。
其中,锐化可以采用一阶微分锐化、二阶微分锐化等方式进行处理,本实施例不做限定。当所述清晰化处理包括锐化时,所述处理参数包括锐化半径和锐化数量中的至少一种。对比度拉伸可以采用局部标准差对比度拉伸、自适应直方图均衡化(Adaptivehistogram equlization,AHE)、自适应对比度增强(Adaptive Contrast Enhancement,ACE)等方式进行处理,本实施例不做限定。目前常用自适应直方图均衡化。当所述清晰化处理包括对比度拉伸时,所述处理参数包括对比度增益系数。
在本实施例中,可以采用与相关技术中相近的清晰化处理算法,并对清晰化处理中的参数进行特殊设置。通过采用相同的处理参数对多帧图像进行处理,可以在提高图像中物体边界的清晰度的前提下,避免锐化和/或对比度拉伸时扩大多帧图像之间灰阶突变的差值,从而优化了画面中有灰阶突变区域、且连续多帧图像的区域灰阶差值存在变化的情况下的处理方式。相应地,人眼就不会看到多帧图像的跳变产生的闪烁现象,改善了上述场景下用户观看不良的体验,提升了用户观看体验。
在其中一个实施例中,所述根据相同的所述处理参数分别对各帧图像进行清晰化处理前,还包括:根据多个所述区域灰阶差值的平均值获取所述处理参数。示例性地,若待处理图像组中三帧图像的区域灰阶差值分别为G89灰阶、G113灰阶和G64灰阶,则可以获得平均值G88灰阶,再统一按照G88灰阶的区域灰阶差值分别对多帧图像进行锐化和/或对比度拉伸处理,由于都是参考同样的对比度差值进行锐化和/或对比度拉伸,最终的效果就不会出现多帧图像的亮度明显突变的闪烁异常。在本实施例中,选择多个所述区域灰阶差值的平均值作为基础,获取处理参数,可以精准地结合待处理的多帧图像提供对应的处理参数。即,使处理参数适配于实际的图像内容,对图像中物体的边界进行对应的调节和优化,从而可以有效提升清晰化处理的处理质量,提升用户的观看体验。
图3为一实施例的步骤202的子流程图,参考图3,在本实施例中,步骤202包括步骤302至306。
步骤302,获取当前帧图像。其中,当前帧可以理解为处理器正在处理的一帧,图4为一实施例的当前帧图像的示意图。
步骤304,判断所述当前帧图像中是否存在灰阶突变区域。
其中,继续参考图4,图4中示出了一个灰色背景和一个云状图形构成的图像,当前帧图像中云状图形的灰阶是G255灰阶,而灰色背景是G166灰阶。相应地,云状图形的外轮廓边界上的一个像素点的灰阶可以为G255灰阶,而灰色背景的内轮廓边界上的一个像素点的灰阶可以为G166灰阶,且上述两个像素点为两个相邻像素点。计算可知,上述两个像素点之间的灰阶差值为G89灰阶,若第一差值阈值为G85灰阶,则判断当前帧图像中存在灰阶突变区域。
可以理解的是,在进行判断时,也可以基于多个像素点的灰阶进行综合判断,以提高划分时灰阶突变区域的准确性。本实施例不具体限定灰阶突变区域的确定方式,只要最终确定的灰阶突变区域中至少两个相邻像素点之间的灰阶差值大于第一差值阈值,都属于本实施例的保护范围,上述判断方式仅用于示例性说明,而不用于限定本实施例的保护范围,
步骤306,当所述当前帧图像中存在灰阶突变区域时,获取与所述当前帧图像相邻的连续多帧图像,以与所述当前帧图像组成所述待处理图像组。
示例性地,若待处理图像组需要包括三张图像,则除当前帧图像外,还需要额外获取两张图像。图5为一实施例的与当前帧图像相邻的连续多帧图像之一,图6为一实施例的与当前帧图像相邻的连续多帧图像之二,图5中云状图形的灰阶变化到G240灰阶,灰色背景的灰阶变化到G127灰阶,图6中云状图形的灰阶变化到了G255灰阶,灰色背景的灰阶变化到了G191灰阶。结合参考图4至图6,当前帧图像以及与当前帧图像相邻的连续多帧图像中均包含一个云状图形和灰色背景。但三帧的区域灰阶差值都不一样,如果此时直接做锐化和/或对比度拉伸处理,就会导致三帧图像的区域灰阶差值拉开得更大,从而加深明显的闪烁感。其中,结合参考图4和图5,在不同帧图像中所示的云状图形的位置也可以存在一定的偏移,而不会影响图像的清晰化处理结果。
其中,与当前帧图像相邻的连续多帧图像可以是在时序上位于当前帧图像之后的图像。具体地,若图4所示的当前帧图像为第N帧图像,则图5所示的图像为第N+1帧图像,图6所示的图像为第N+2帧图像,其中,N为正整数。
在本实施例中,通过先判断当前帧图像中是否存在灰阶突变区域,再根据判断结果生成待处理图像组,可以避免生成的待处理图像组中不包含灰阶突变区域的情况,即,避免生成无效的待处理图像组,从而可以有效提高待处理图像组的生成效率,进而提升图像处理的速度。
图7为一实施例的步骤304的子流程图,参考图7,在本实施例中,步骤304包括步骤702至710。
步骤702,对所述当前帧图像进行图像识别,以确定所述当前帧图像中的目标物体。
示例性地,可以通过预先训练的图像识别模型对当前帧图像进行识别,以判断当前帧图像中是否存在目标物体,并进一步确定目标物体的类型。其中,图像识别模型中可以包括斑马线等容易产生灰阶突变区域的物体。可以理解的是,当前帧图像中目标物体的数量可以为多个,并逐个进行识别和处理。
步骤704,获取所述目标物体的第一边界,所述第一边界包括多个第一像素。
示例性地,可以通过边缘识别算法对目标物体的第一边界进行识别,例如,可以通过边缘特征提取待处理图像中的边缘像素点,然后把检测到的边缘像素点连接起来作为第一边界。可以理解的是,上述示例仅用于说明,而不用于限定本实施例的保护范围。图8为图4实施例的虚线框部分的局部放大图,参考图4和图8,虚线框区域中的左侧包括部分云状图形,右侧包括部分灰色背景,图8中斜线填充的像素点即为第一像素点,多个第一像素点连接形成目标物体(即预装图形)的第一边界。
步骤706,确定位于所述目标物体外的多个第二像素点,各所述第二像素点分别与至少一个所述第一像素点相邻。
其中,相邻的像素点包括上、下、左、右、左上、右上、左下和右下相邻的像素点。继续参考图8,网格填充的像素点即为第二像素点,其中部分第二像素点可以与一个第一像素点相邻设置,部分第二像素点可以与两个第一像素点相邻设置,且部分第二像素点可以与三个第一像素点相邻设置。可选地,多个第二像素点可以连续设置,即,多个第二像素点可以如图8所示连接形成第二边界。多个第二像素点也可以互相间隔设置,但多个第二像素点要属于同一物体,且多个第二像素点的灰阶相近。例如,在本实施例中,多个第二像素点都属于灰色背景。
步骤708,根据多个所述第一像素点和多个所述第二像素点获取所述区域灰阶差值。
示例性地,以图4实施例为例,云状图形中的每一像素点的灰阶都为G255灰阶,则各第一像素点的灰阶也为G255灰阶,灰色背景中的每一像素点的灰阶都为G166灰阶,则各第二像素点的灰阶也为G166灰阶。因此,灰阶差值为G255-G166=G89灰阶。
步骤710,当所述区域灰阶差值大于所述第一差值阈值时,判断所述当前帧图像中存在所述灰阶突变区域,所述灰阶突变区域包括各所述第一像素点和各所述第二像素点。
在本实施例中,通过先识别图像中的目标物体,然后确定目标物体的第一边界,再根据第一边界上的第一像素点确定第二像素点,最后再进行计算和分析。基于正确识别的目标物体,可以在一定程度上提高边界的识别速度和准确性,从而提高图像处理的速度和准确性。
图9为一实施例的步骤708的子流程图之一,参考图9,在本实施例中,步骤708包括步骤902至906。
步骤902,获取多个所述第一像素点的第一灰阶平均值。
步骤904,获取多个所述第二像素点的第二灰阶平均值。
步骤906,将所述第一灰阶平均值与所述第二灰阶平均值之间的差值作为所述区域灰阶差值。
在本实施例中,获取多个像素点的灰阶平均值可以理解为使整体性的比较,能够准确地反映目标物体边缘特征的整体差异情况。相比逐个像素点式的比较,本实施例的计算方式的可靠性更高,且运算逻辑更加简单,从而可以提高本实施例的图像处理方法的速度和准确性。
图10为一实施例的步骤708的子流程图之二,参考图10,在本实施例中,步骤708包括步骤1002至1010。
步骤1002,分别获取各所述第一像素点的像素灰阶值,所述像素灰阶值为所述红色灰阶值、所述绿色灰阶值和所述蓝色灰阶值的平均值。
步骤1004,根据多个所述像素灰阶值获取所述第一灰阶平均值,所述第一灰阶平均值为多个所述像素灰阶值的平均值。
其中,本步骤可以理解为对第一像素点的灰度化处理,即,将彩色图像转化成为灰度图像。彩色图像中的每个像素的颜色有R、G、B三个分量决定,而每个分量有255个值可取,这样一个像素点可以有1600多万的颜色的变化范围。而灰度图像中一个像素点的变化范围为255种,而且,灰度图像仍然能反映整幅图像的整体和局部的色度和亮度等级的分布和特征。所以,先将彩色图像转变成灰度图像,可以简化后续的图像的计算量。
在本实施例中,灰度化处理的具体步骤可以与清晰化处理的方式相匹配。具体地,若对图像进行锐化处理时,采用算术平均值的方式对图像进行灰度化处理,则在本步骤中,也采用算术平均值的方式对图像进行灰度化处理。若对图像进行锐化处理时,采用加权平均值的方式对图像进行灰度化处理,则在本步骤中,也采用加权平均值的方式对图像进行灰度化处理。
其中,加权平均的方式是指根据RGB和YUV颜色空间的变化关系,建立亮度Y与R、G、B三个颜色分量的对应:Y=0.3R+0.59G+0.11B,以这个亮度值表达图像的灰度值。由于人眼对绿色的敏感最高,对蓝色敏感最低,因此,加权平均的方式根据重要性将三个分量以不同的权值进行加权平均,能够获得合理的灰度图像。
步骤1006,分别获取各所述第二像素点的像素灰阶值,所述像素灰阶值为所述红色灰阶值、所述绿色灰阶值和所述蓝色灰阶值的平均值。
步骤1008,根据多个所述像素灰阶值获取所述第二灰阶平均值,所述第二灰阶平均值为多个所述像素灰阶值的平均值.
步骤1010,将所述第一灰阶平均值与所述第二灰阶平均值之间的差值作为所述区域灰阶差值。
在本实施例中,通过基于预设的灰度化处理规则,将彩色图像转换为灰度图像,可以在不牺牲处理精度的前提下,大大减小数据处理量,从而提高图像处理的速度。
图11为一实施例的步骤获取与所述当前帧图像相邻的连续多帧图像,以与所述当前帧图像组成所述待处理图像组的子流程图,参考图11,在本实施例中,上述步骤包括步骤1102至1106。
步骤1102,获取与所述当前帧图像相邻的连续多帧图像。
步骤1104,分别对获取的多帧图像进行图像识别,以判断各帧图像中是否包括与所述当前帧图像中相同的所述目标物体。
示例性地,可以再连续获取三帧图像画面,并且判断新获取的三帧图像在相近的位置是否存在相同的目标物体。其中,可以以预设范围筛选多帧的特征相似度,以判定是否存在相同的目标物体。示例性地,可以采用峰值信噪比(Peak Signal to Noise Ratio,PSNR)、结构相似性(Structural Similarity,SSIM)、平均结构相似性(Mean StructuralSimilarity,MSSIM)中的至少一种对多帧图像进行比较,以确定新获取的多帧图像和当前帧图像的特征相似度,从而判定是否存在目标物体。
其中,多帧图像中可以包括帧灰阶差值小于第二差值阈值的情况。例如,以四帧图像为例,第一帧图像与第二帧图像之间的帧灰阶差值大于第二差值阈值,第二帧图像与第三帧图像之间的帧灰阶差值小于第二差值阈值,第三帧图像与第四帧图像之间的帧灰阶差值大于第二差值阈值。对于以上情况,实验分析表明,即使不剔除帧灰阶差值小于第二差值阈值对应的图像,对处理结果的影响也在可接受范围内。因此,可以仍基于四帧图像进行分析和处理,从而简化处理逻辑。
步骤1106,选择包括相同的所述目标物体的各帧图像与所述当前帧图像组成所述待处理图像组。
其中,若新获取的图像中存在不包含目标物体的图像,则该图像会对分析和处理结果造成较大的影响。进一步地,连续获取多帧图像后,可以按照时序逐个对获取的图像进行识别,而且,由于各帧图像是连续显示的,若检测到其中一个图像不包含目标物体,可以停止对次序位于其后的各帧图像进行目标物体的识别,从而提高目标物体的识别速度。在本实施例中,通过剔除不包含目标物体的图像,可以有效提升数据分析的准确性和可靠性。
在其中一个实施例中,所述根据相同的所述处理参数分别对各帧图像进行清晰化处理前,还包括:分别对各帧图像进行超分辨率处理,以分别提升各帧图像的分辨率至目标分辨率。
可以理解的是,相关技术在对图片或视频画面处理时,在显示链路上会将内容源直接进行拉伸或缩小到屏幕对应的分辨率,然后再输出显示到屏幕上,通过简单的拉伸处理后会发现,原本比较清晰的画面被放大后反而出现了边缘模糊化的效果,这样拉伸显示影响用户观看的效果,使内容源的画面失真。有些场景是通过将内容源的周围补充黑画面进行处理,只显示对应分辨率大小的区域,其他区域显示黑色,这样虽然不会使内容源的数据失真,但是只显示很小的部分时对用户的体验也是影响比较大,相当于使用了比较高端的显示终端,但是确和低端的显示终端没有区别,只能看到小区域的显示,影响体验效果。
其中,超分辨率可以理解为增大图像的分辨率。例如,超分辨率处理前的图像的分辨率可以为1920×1080,超分辨率处理前的图像的分辨率可以为3840×2160。
可选地,超分辨率处理可以采用传统算法、神经网络算法和字典法等。其中,传统算法例如可以为方向性插值,主成分分析等。神经网络算法例如可以为SRCNN(ImageSuper-resolution Using Deep Convolutional Networks),EDVR(Video Restorationwith Enhanced Deformable Convolutional Networks),VDSR(Very Deep network forSuper-Resolution)等。字典法例如可以为RAISR(Rapid and Accurate Super ImageResolution)等。需要说明的是,上述处理方法仅用于示例性说明,而不用于限定本实施例的保护范围。
在其中一个实施例中,图像处理方法包括如下多个步骤。获取当前帧图像;对所述当前帧图像进行图像识别,以确定所述当前帧图像中的目标物体;获取所述目标物体的第一边界,所述第一边界包括多个第一像素点;确定位于所述目标物体外的多个第二像素点,各所述第二像素点分别与至少一个所述第一像素点相邻;分别获取各所述第一像素点的像素灰阶值,所述像素灰阶值为所述红色灰阶值、所述绿色灰阶值和所述蓝色灰阶值的平均值;根据多个所述像素灰阶值获取所述第一灰阶平均值,所述第一灰阶平均值为多个所述像素灰阶值的平均值;分别获取各所述第二像素点的像素灰阶值,所述像素灰阶值为所述红色灰阶值、所述绿色灰阶值和所述蓝色灰阶值的平均值;根据多个所述像素灰阶值获取所述第二灰阶平均值,所述第二灰阶平均值为多个所述像素灰阶值的平均值;将所述第一灰阶平均值与所述第二灰阶平均值之间的差值作为所述区域灰阶差值;当所述区域灰阶差值大于所述第一差值阈值时,判断所述当前帧图像中存在所述灰阶突变区域,所述灰阶突变区域包括各所述第一像素点和各所述第二像素点;当所述当前帧图像中存在灰阶突变区域时,获取与所述当前帧图像相邻的连续多帧图像;分别对获取的多帧图像进行图像识别,以判断各帧图像中是否包括与所述当前帧图像中相同的所述目标物体;选择包括相同的所述目标物体的各帧图像与所述当前帧图像组成所述待处理图像组;分别确定各帧图像中的所述灰阶突变区域,并根据所述灰阶突变区域分别获取各帧图像对应的区域灰阶差值;分别对各帧图像进行超分辨率处理,以分别提升各帧图像的分辨率至目标分辨率;当任意相邻两帧图像的帧灰阶差值大于第二差值阈值时,根据多个所述区域灰阶差值的平均值获取所述处理参数,根据相同的所述处理参数分别对各帧图像进行锐化和/或对比度拉伸,所述帧灰阶差值为相邻两帧图像的所述区域灰阶差值之间的差值,所述第二差值阈值小于所述第一差值阈值,当所述清晰化处理包括锐化时,所述处理参数包括锐化半径和锐化数量中的至少一种;当所述清晰化处理包括对比度拉伸时,所述处理参数包括对比度增益系数。在本实施例中,通过上述多个步骤,可以有效提升图像的清晰度,并抑制清晰化处理过程中可能导致的突变闪烁问题,从而提升了多帧图像连续播放时的流畅性,改善了用户的观看体验。
应该理解的是,虽然各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,各流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子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,这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。
图12为一个实施例的图像处理装置的结构框图。如图12所示,本实施例的图像处理装置包括图像获取模块1202、区域确定模块1204和清晰化处理模块1206。
图像获取模块1202用于获取待处理图像组,所述待处理图像组包括连续的多帧图像,且多帧图像中存在对应的灰阶突变区域,所述灰阶突变区域中至少两个相邻像素点之间的灰阶差值大于第一差值阈值。区域确定模块1204用于分别确定各帧图像中的所述灰阶突变区域,并根据所述灰阶突变区域分别获取各帧图像对应的区域灰阶差值。清晰化处理模块1206用于当任意相邻两帧图像的帧灰阶差值大于第二差值阈值时,根据相同的处理参数分别对各帧图像进行清晰化处理,所述帧灰阶差值为相邻两帧图像的所述区域灰阶差值之间的差值,所述第二差值阈值小于所述第一差值阈值。
上述图像处理装置中各个模块的划分仅用于举例说明,在其他实施例中,可将图像处理装置按照需要划分为不同的模块,以完成上述图像处理装置的全部或部分功能。
关于图像处理装置的具体限定可以参见上文中对于图像处理方法的限定,在此不再赘述。上述图像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。
图13为一个实施例中电子设备的内部结构示意图。如图13所示,该电子设备包括通过系统总线连接的处理器和存储器。其中,该处理器用于提供计算和控制能力,支撑整个电子设备的运行。存储器可包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行,以用于实现以下各个实施例所提供的一种图像处理方法。内存储器为非易失性存储介质中的操作系统计算机程序提供高速缓存的运行环境。该电子设备可以是手机、平板电脑、PDA(Personal DigitalAssistant,个人数字助理)、POS(Point of Sales,销售终端)、车载电脑、穿戴式设备等任意终端设备。
本申请实施例中提供的图像处理装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端或服务器上运行。该计算机程序构成的程序模块可存储在电子设备的存储器上。该计算机程序被处理器执行时,实现本申请实施例中所描述方法的步骤。
本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质,当所述计算机可执行指令被一个或多个处理器执行时,使得所述处理器执行图像处理方法的步骤。
一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行图像处理方法。
本申请所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM),它用作外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
图像锐化可以包括多种处理方法,比如空域处理或者频域处理,在此不做任何限制。在一个例子中,可以采用Sobel或Canny等边缘检测算子提取场景主图像的边缘强度信息,再处理边缘强度信息以得到增强后的边缘强度信息图,将增强后的边缘强度信息图与场景主图像叠加,可以实现图像锐化的效果。
以上所述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。
以上所述实施例仅表达了本申请实施例的几种实施方式,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,在不脱离本申请实施例构思的前提下,还可以做出若干变形和改进,这些都属于本申请实施例的保护范围。因此,本申请实施例专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种图像处理方法,其特征在于,所述方法包括:
获取待处理图像组,所述待处理图像组包括连续的多帧图像,且多帧图像中存在对应的灰阶突变区域,所述灰阶突变区域中至少两个相邻像素点之间的灰阶差值大于第一差值阈值;
分别确定各帧图像中的所述灰阶突变区域,并根据所述灰阶突变区域分别获取各帧图像对应的区域灰阶差值;
当任意相邻两帧图像的帧灰阶差值大于第二差值阈值时,根据相同的处理参数分别对各帧图像进行清晰化处理,所述帧灰阶差值为相邻两帧图像的所述区域灰阶差值之间的差值,所述第二差值阈值小于所述第一差值阈值。
2.根据权利要求1所述的图像处理方法,其特征在于,所述获取待处理图像组,包括:
获取当前帧图像;
判断所述当前帧图像中是否存在灰阶突变区域;
当所述当前帧图像中存在灰阶突变区域时,获取与所述当前帧图像相邻的连续多帧图像,以与所述当前帧图像组成所述待处理图像组。
3.根据权利要求2所述的图像处理方法,其特征在于,所述判断所述当前帧图像中是否存在灰阶突变区域,包括:
对所述当前帧图像进行图像识别,以确定所述当前帧图像中的目标物体;
获取所述目标物体的第一边界,所述第一边界包括多个第一像素点;
确定位于所述目标物体外的多个第二像素点,各所述第二像素点分别与至少一个所述第一像素点相邻;
根据多个所述第一像素点和多个所述第二像素点获取所述区域灰阶差值;
当所述区域灰阶差值大于所述第一差值阈值时,判断所述当前帧图像中存在所述灰阶突变区域,所述灰阶突变区域包括各所述第一像素点和各所述第二像素点。
4.根据权利要求3所述的图像处理方法,其特征在于,根据多个所述第一像素点和多个所述第二像素点获取所述区域灰阶差值,包括:
获取多个所述第一像素点的第一灰阶平均值;
获取多个所述第二像素点的第二灰阶平均值;
将所述第一灰阶平均值与所述第二灰阶平均值之间的差值作为所述区域灰阶差值。
5.根据权利要求4所述的图像处理方法,其特征在于,各所述第一像素点的灰阶值分别包括红色灰阶值、绿色灰阶值和蓝色灰阶值,所述获取多个所述第一像素点的第一灰阶平均值,包括:
分别获取各所述第一像素点的像素灰阶值,所述像素灰阶值为所述红色灰阶值、所述绿色灰阶值和所述蓝色灰阶值的平均值;
根据多个所述像素灰阶值获取所述第一灰阶平均值,所述第一灰阶平均值为多个所述像素灰阶值的平均值。
6.根据权利要求3所述的图像处理方法,其特征在于,所述获取与所述当前帧图像相邻的连续多帧图像,以与所述当前帧图像组成所述待处理图像组,包括:
获取与所述当前帧图像相邻的连续多帧图像;
分别对获取的多帧图像进行图像识别,以判断各帧图像中是否包括与所述当前帧图像中相同的所述目标物体;
选择包括相同的所述目标物体的各帧图像与所述当前帧图像组成所述待处理图像组。
7.根据权利要求1所述的图像处理方法,其特征在于,所述根据相同的所述处理参数分别对各帧图像进行清晰化处理前,还包括:
根据多个所述区域灰阶差值的平均值获取所述处理参数。
8.根据权利要求1所述的图像处理方法,其特征在于,所述根据相同的所述处理参数分别对各帧图像进行清晰化处理,包括:
根据相同的所述处理参数分别对各帧图像进行锐化和/或对比度拉伸;
其中,当所述清晰化处理包括锐化时,所述处理参数包括锐化半径和锐化数量中的至少一种;当所述清晰化处理包括对比度拉伸时,所述处理参数包括对比度增益系数。
9.根据权利要求1所述的图像处理方法,其特征在于,所述根据相同的所述处理参数分别对各帧图像进行清晰化处理前,还包括:
分别对各帧图像进行超分辨率处理,以分别提升各帧图像的分辨率至目标分辨率。
10.一种图像处理装置,其特征在于,包括:
图像获取模块,用于获取待处理图像组,所述待处理图像组包括连续的多帧图像,且多帧图像中存在对应的灰阶突变区域,所述灰阶突变区域中至少两个相邻像素点之间的灰阶差值大于第一差值阈值;
区域确定模块,用于分别确定各帧图像中的所述灰阶突变区域,并根据所述灰阶突变区域分别获取各帧图像对应的区域灰阶差值;
清晰化处理模块,用于当任意相邻两帧图像的帧灰阶差值大于第二差值阈值时,根据相同的处理参数分别对各帧图像进行清晰化处理,所述帧灰阶差值为相邻两帧图像的所述区域灰阶差值之间的差值,所述第二差值阈值小于所述第一差值阈值。
11.一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至9中任一项所述的图像处理方法的步骤。
12.一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如权利要求1至9中任一项所述的图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110859881.2A CN113596573B (zh) | 2021-07-28 | 2021-07-28 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110859881.2A CN113596573B (zh) | 2021-07-28 | 2021-07-28 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113596573A true CN113596573A (zh) | 2021-11-02 |
CN113596573B CN113596573B (zh) | 2023-04-11 |
Family
ID=78251441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110859881.2A Active CN113596573B (zh) | 2021-07-28 | 2021-07-28 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113596573B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114363659A (zh) * | 2021-12-15 | 2022-04-15 | 深圳万兴软件有限公司 | 降低视频闪烁的方法、装置、设备及存储介质 |
CN115114466A (zh) * | 2022-08-30 | 2022-09-27 | 成都实时技术股份有限公司 | 一种打靶信息图像的查找方法、系统、介质及电子设备 |
CN116883270A (zh) * | 2023-07-04 | 2023-10-13 | 广州医科大学附属第四医院(广州市增城区人民医院) | 一种碎石手术软镜清晰化成像系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010066124A1 (zh) * | 2008-12-10 | 2010-06-17 | 东软集团股份有限公司 | 一种障碍物分割方法及装置 |
CN106446908A (zh) * | 2016-08-31 | 2017-02-22 | 乐视控股(北京)有限公司 | 图像中目标检测方法及装置 |
CN107742280A (zh) * | 2017-11-02 | 2018-02-27 | 浙江大华技术股份有限公司 | 一种图像锐化方法及装置 |
CN111062870A (zh) * | 2019-12-16 | 2020-04-24 | 联想(北京)有限公司 | 一种处理方法及装置 |
CN111260684A (zh) * | 2020-03-02 | 2020-06-09 | 成都信息工程大学 | 基于帧差法和背景差分法结合的前景像素提取方法及系统 |
CN111325769A (zh) * | 2018-12-13 | 2020-06-23 | 北京嘀嘀无限科技发展有限公司 | 一种目标对象检测方法及装置 |
WO2021208275A1 (zh) * | 2020-04-12 | 2021-10-21 | 南京理工大学 | 一种交通视频背景建模方法及系统 |
-
2021
- 2021-07-28 CN CN202110859881.2A patent/CN113596573B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010066124A1 (zh) * | 2008-12-10 | 2010-06-17 | 东软集团股份有限公司 | 一种障碍物分割方法及装置 |
CN106446908A (zh) * | 2016-08-31 | 2017-02-22 | 乐视控股(北京)有限公司 | 图像中目标检测方法及装置 |
CN107742280A (zh) * | 2017-11-02 | 2018-02-27 | 浙江大华技术股份有限公司 | 一种图像锐化方法及装置 |
CN111325769A (zh) * | 2018-12-13 | 2020-06-23 | 北京嘀嘀无限科技发展有限公司 | 一种目标对象检测方法及装置 |
CN111062870A (zh) * | 2019-12-16 | 2020-04-24 | 联想(北京)有限公司 | 一种处理方法及装置 |
CN111260684A (zh) * | 2020-03-02 | 2020-06-09 | 成都信息工程大学 | 基于帧差法和背景差分法结合的前景像素提取方法及系统 |
WO2021208275A1 (zh) * | 2020-04-12 | 2021-10-21 | 南京理工大学 | 一种交通视频背景建模方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114363659A (zh) * | 2021-12-15 | 2022-04-15 | 深圳万兴软件有限公司 | 降低视频闪烁的方法、装置、设备及存储介质 |
CN115114466A (zh) * | 2022-08-30 | 2022-09-27 | 成都实时技术股份有限公司 | 一种打靶信息图像的查找方法、系统、介质及电子设备 |
CN116883270A (zh) * | 2023-07-04 | 2023-10-13 | 广州医科大学附属第四医院(广州市增城区人民医院) | 一种碎石手术软镜清晰化成像系统 |
CN116883270B (zh) * | 2023-07-04 | 2024-03-22 | 广州医科大学附属第四医院(广州市增城区人民医院) | 一种碎石手术软镜清晰化成像系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113596573B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113596573B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN109801605B (zh) | 屏幕亮度调整方法、电子设备、移动终端及存储介质 | |
US10565742B1 (en) | Image processing method and apparatus | |
CN111784609B (zh) | 图像动态范围压缩方法、装置及计算机可读存储介质 | |
CN108009997B (zh) | 一种调整图像对比度的方法及装置 | |
CN108805829B (zh) | 影像数据处理方法、装置、设备及计算机可读存储介质 | |
KR20070004853A (ko) | 낮은 동적 범위로부터 높은 동적 범위로 이미지를 변환하는방법 및 시스템 | |
CN109686342B (zh) | 一种图像处理方法及装置 | |
JP2015162718A (ja) | 画像処理方法、画像処理装置及び電子機器 | |
CN112351195B (zh) | 图像处理方法、装置和电子系统 | |
CN108090887B (zh) | 一种视频图像处理方法及装置 | |
CN108961260B (zh) | 图像二值化方法及装置、计算机存储介质 | |
CN113538271A (zh) | 图像显示方法、装置、电子设备和计算机可读存储介质 | |
CN112017263B (zh) | 基于深度学习的试卷智能生成方法和系统 | |
Wang et al. | Screen content image quality assessment with edge features in gradient domain | |
CN114202491B (zh) | 一种增强光学图像的方法及系统 | |
CN108921869B (zh) | 一种图像二值化方法及装置 | |
CN110298812B (zh) | 一种图像融合处理的方法及装置 | |
CN110136085B (zh) | 一种图像的降噪方法及装置 | |
KR20030066511A (ko) | 동영상 신호의 실시간 밝기 제어 장치 및 방법 | |
CN107292829B (zh) | 图像处理方法及装置 | |
CN111652816B (zh) | 图像处理方法及相关设备 | |
CN110941413B (zh) | 显示画面的生成方法及相关装置 | |
CN113724638A (zh) | 显示面板的Demura方法 | |
CN101364303B (zh) | 边缘像素提取及处理方法 |
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 |