CN113706429A - 图像处理方法、装置、电子设备和存储介质 - Google Patents

图像处理方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN113706429A
CN113706429A CN202110875345.1A CN202110875345A CN113706429A CN 113706429 A CN113706429 A CN 113706429A CN 202110875345 A CN202110875345 A CN 202110875345A CN 113706429 A CN113706429 A CN 113706429A
Authority
CN
China
Prior art keywords
motion
image
target
images
generate
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
Application number
CN202110875345.1A
Other languages
English (en)
Other versions
CN113706429B (zh
Inventor
刘永劼
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.)
Aixin Yuanzhi Semiconductor Co ltd
Aixin Yuanzhi Semiconductor Ningbo Co ltd
Original Assignee
Shanghai Zhixin Semiconductor Technology 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 Zhixin Semiconductor Technology Co ltd filed Critical Shanghai Zhixin Semiconductor Technology Co ltd
Priority to CN202110875345.1A priority Critical patent/CN113706429B/zh
Publication of CN113706429A publication Critical patent/CN113706429A/zh
Application granted granted Critical
Publication of CN113706429B publication Critical patent/CN113706429B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20208—High dynamic range [HDR] image processing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)

Abstract

本申请提出一种图像处理方法、装置、电子设备和存储介质，其中，图像处理方法包括：获取多张待融合图像；对多张待融合图像进行运动幅度检测，以生成运动幅度特征图像；对多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像；根据运动幅度特征图像、第一运动特征图像和第二运动特征图像，生成目标运动特征图像；以及根据目标运动特征图像对多张待融合图像进行融合，以生成目标图像。由此，能够通过运动幅度特征图像动态生成目标运动特征图像，从而提高目标图像的融合效果。

Description

图像处理方法、装置、电子设备和存储介质
技术领域
本申请涉及数据处理技术领域，尤其涉及一种图像处理方法、装置、电子设备和存储介质。
背景技术
随着视频图像技术的快速发展，人们对视频观看体验的要求也越来越高，高动态范围(High Dynamic Range，HDR)图像已经成为如今主流产品，相比于传统的标准动态范围(Standard Dynamic Ranage，SDR)图像，HDR图像能够呈现出更广的亮度和更多的颜色，更丰富地展示出视频的真实内容。
其中，HDR技术是一种常见的图像处理技术。通常，该技术会利用同一场景的多张不同曝光的SDR图像，通过数字图像处理技术，将它们融合成一张HDR图像。
发明内容
本申请第一方面实施例提出一种图像处理方法，能够通过运动幅度特征图像动态生成目标运动特征图像，从而提高目标图像的融合效果。
本申请第二方面实施例提出一种图像处理装置。
本申请第三方面实施例提出一种电子设备。
本申请第四方面实施例提出一种计算机可读存储介质。
本申请第一方面实施例提出了一种图像处理方法，包括：获取多张待融合图像；对所述多张待融合图像进行运动幅度检测，以生成运动幅度特征图像；对所述多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像；根据所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像，生成目标运动特征图像；以及根据所述目标运动特征图像对所述多张待融合图像进行融合，以生成目标图像。
根据本申请实施例的图像处理方法，首先获取多张待融合图像，并对多张待融合图像进行运动幅度检测，以生成运动幅度特征图像，然后对多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像，并根据运动幅度特征图像、第一运动特征图像和第二运动特征图像，生成目标运动特征图像，最后根据目标运动特征图像对多张待融合图像进行融合，以生成目标图像。由此，能够通过运动幅度特征图像动态生成目标运动特征图像，从而提高目标图像的融合效果。
另外，根据本申请上述实施例的图像处理方法还可以具有如下附加的技术特征：
在本申请的一个实施例中，对所述多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像，包括：分别对所述多张待融合图像进行下采样，以获取所述多张待融合图像的采样图像；对所述多张待融合图像的采样图像进行运动检测，以生成所述第一运动特征图像；对所述多张待融合图像进行运动检测，以生成所述第二运动特征图像。
在本申请的一个实施例中，所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像均为多张，所述根据所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像，生成目标运动特征图像，包括：根据第一融合策略对多张所述运动幅度特征图像进行融合，以生成目标运动幅度特征图像；根据第二融合策略对多张所述第一运动特征图像进行融合，以生成目标第一运动特征图像，以及对多张所述第二运动特征图像进行融合，以生成目标第二运动特征图像；基于所述目标运动幅度特征图像，对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成所述目标运动特征图像。
在本申请的一个实施例中，所述基于所述目标运动幅度特征图像，对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成所述目标运动特征图像，包括：获取所述目标运动幅度特征图像中每个像素对应的运动幅度值；分别将所述每个像素对应的运动幅度值与运动幅度阈值进行比较，以确定所述每个像素中大于所述运动幅度阈值的第一像素，和所述每个像素中小于或等于所述运动幅度阈值的第二像素；根据所述第一像素和所述第二像素，对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成所述目标运动特征图像。
在本申请的一个实施例中，所述根据所述第一像素和所述第二像素，对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成所述目标运动特征图像，包括：获取所述第一像素的第一位置信息，并获取所述第二像素的第二位置信息；根据所述第一位置信息从所述目标第一运动特征图像中提取第一目标像素，并根据所述第二位置信息从所述目标第二运动特征图像中提取第二目标像素；根据所述第一目标像素和所述第二目标像素生成所述目标运动特征图像。
在本申请的一个实施例中，所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像均为多张，所述根据所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像，生成目标运动特征图像，包括：根据第二融合策略对多张所述第一运动特征图像进行融合，以生成目标第一运动特征图像，以及对多张所述第二运动特征图像进行融合，以生成目标第二运动特征图像；基于多张所述运动幅度特征图像，分别对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成多张第三运动特征图像；根据第三融合策略对所述多张第三运动特征图像进行融合，以生成所述目标运动特征图像。
本申请第二方面实施例提出了一种图像处理装置，包括：获取模块，用于获取多张待融合图像；第一生成模块，用于对所述多张待融合图像进行运动幅度检测，以生成运动幅度特征图像；第二生成模块，用于对所述多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像；第三生成模块，用于根据所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像，生成目标运动特征图像；以及融合模块，用于根据所述目标运动特征图像对所述多张待融合图像进行融合，以生成目标图像。
本申请实施例的图像处理装置，首先通过获取模块获取多张待融合图像，并通过第一生成模块对多张待融合图像进行运动幅度检测，以生成运动幅度特征图像，然后通过第二生成模块对多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像，并通过第三生成模块根据运动幅度特征图像、第一运动特征图像和第二运动特征图像，生成目标运动特征图像，最后通过融合模块根据目标运动特征图像对多张待融合图像进行融合，以生成目标图像。由此，能够通过运动幅度特征图像动态生成目标运动特征图像，从而提高目标图像的融合效果。
另外，根据本申请上述实施例的图像处理装置还可以具有如下附加的技术特征：
在本申请的一个实施例中，所述第二生成模块，具体用于：分别对所述多张待融合图像进行下采样，以获取所述多张待融合图像的采样图像；对所述多张待融合图像的采样图像进行运动检测，以生成所述第一运动特征图像；对所述多张待融合图像进行运动检测，以生成所述第二运动特征图像。
在本申请的一个实施例中，所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像均为多张，所述第三生成模块，包括：第一生成单元，用于根据第一融合策略对多张所述运动幅度特征图像进行融合，以生成目标运动幅度特征图像；第二生成单元，用于根据第二融合策略对多张所述第一运动特征图像进行融合，以生成目标第一运动特征图像，以及对多张所述第二运动特征图像进行融合，以生成目标第二运动特征图像；处理单元，用于基于所述目标运动幅度特征图像，对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成所述目标运动特征图像。
在本申请的一个实施例中，所述处理单元，包括：获取子单元，用于获取所述目标运动幅度特征图像中每个像素对应的运动幅度值；确定子单元，用于分别将所述每个像素对应的运动幅度值与所述运动幅度阈值进行比较，以确定所述每个像素中大于所述运动幅度阈值的第一像素，和所述每个像素中小于或等于所述运动幅度阈值的第二像素；处理子单元，用于根据所述第一像素和所述第二像素，对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成所述目标运动特征图像。
在本申请的一个实施例中，所述处理子单元，具体用于：获取所述第一像素的第一位置信息，并获取所述第二像素的第二位置信息；根据所述第一位置信息从所述目标第一运动特征图像中提取第一目标像素，并根据所述第二位置信息从所述目标第二运动特征图像中提取第二目标像素；根据所述第一目标像素和所述第二目标像素生成所述目标运动特征图像。
在本申请的一个实施例中，所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像均为多张，所述第三生成模块，具体用于：根据第二融合策略对多张所述第一运动特征图像进行融合，以生成目标第一运动特征图像，以及对多张所述第二运动特征图像进行融合，以生成目标第二运动特征图像；基于多张所述运动幅度特征图像，分别对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成多张第三运动特征图像；根据第三融合策略对所述多张第三运动特征图像进行融合，以生成所述目标运动特征图像。
本申请第三方面实施例提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如前述第一方面实施例所述的图像处理方法。
本申请实施例的电子设备，通过处理器执行存储在存储器上的计算机程序，能够通过运动幅度特征图像动态生成目标运动特征图像，从而提高目标图像的融合效果。
本申请第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如前述第一方面实施例所述的图像处理方法。
本申请实施例的计算机可读存储介质，通过存储计算机程序并被处理器执行，能够通过运动幅度特征图像动态生成目标运动特征图像，从而提高目标图像的融合效果。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请一个实施例的图像处理方法的流程示意图；
图2为根据本申请另一个实施例的图像处理方法的流程示意图；
图3为根据本申请另一个实施例的图像处理方法的流程示意图；
图4为根据本申请另一个实施例的图像处理方法的流程示意图；
图5为根据本申请另一个实施例的图像处理方法的流程示意图；
图6为根据本申请一个具体实施例的图像处理方法的时序图
图7为根据本申请另一个实施例的图像处理方法的流程示意图；
图8为根据本申请一个实施例的图像处理装置的方框示意图；以及
图9为根据本申请一个实施例的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参照附图描述本申请实施例的图像处理方法、装置、电子设备和存储介质。
本申请实施例提供的图像处理方法，可以由电子设备来执行，该电子设备可为PC(Personal Computer，个人计算机)电脑、平板电脑、手机或服务器等，此处不做任何限定。
在本申请实施例中，电子设备中可以设置有处理组件、存储组件和驱动组件。可选的，该驱动组件和处理组件可以集成设置，该存储组件可以存储操作系统、应用程序或其他程序模块，该处理组件通过执行存储组件中存储的应用程序来实现本申请实施例提供的图像处理方法。
图1为根据本申请一个实施例的图像处理方法的流程示意图。
本申请实施例的图像处理方法，还可由本申请实施例提供的图像处理装置执行，该装置可配置于电子设备中，以实现获取多张待融合图像，并对多张待融合图像进行运动幅度检测，以生成运动幅度特征图像，以及对多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像，而后根据运动幅度特征图像、第一运动特征图像和第二运动特征图像，生成目标运动特征图像，并根据目标运动特征图像对多张待融合图像进行融合，以生成目标图像，从而提高目标图像的融合效果。
作为一种可能的情况，本申请实施例的图像处理方法还可以在服务器端执行，服务器可以为云服务器，可以在云端执行该图像处理方法。
如图1所示，该图像处理方法，可包括：
步骤101，获取多张待融合图像。
需要说明的是，该实施例中所描述的待融合图像可为SDR(Standard DynamicRange，标准动态范围)图像。
在本申请实施例中，获取融合图像的途径可有多条，其中，可以通过采集终端(例如，具有摄像头的移动终端)采集多张待融合图像，例如，通过采集终端上的摄像头进行连续拍照以获得多张待融合图像，或者基于用户操作从已构建好的待融合图像数据库库中采集(获取)多张待融合图像，再或者可从图像提供设备中获取，其中，图像提供设备可包括数字通用光盘播放机、影音光盘播放机、服务器、U盘和智能硬盘等。此处不做任何限定。
需要说明的是，当使用采集终端采集多张待融合图像时，可将采集终端采集的多张待融合图像传输至电脑、服务器等电子设备的存储空间中，以便于后续对该多张待融合图像的使用。其中，该存储空间不仅限于基于实体的存储空间，例如，硬盘，该存储空间还可以是连接电子设备的网络硬盘的存储空间(云存储空间)。
具体地，电子设备(例如，电脑)可获取采集终端输入的多张待融合图像，或者从已构建好的待融合图像数据库库中获取多张待融合图像。
步骤102，对多张待融合图像进行运动幅度检测，以生成运动幅度特征图像。其中，运动幅度特征图像可为多张。
需要说明的是，该实施例中所描述的运动幅度特征图像可为Mask图像，也可为其它能够表征图像局部的运动幅度大小的格式对应的图像，此处不做任何限定。
在本申请实施例中，可根据预设的图像运动幅度检测算法对多张待融合图像进行运动幅度检测，以生成运动幅度特征图像。其中，预设的图像运动幅度检测算法可根据实际情况进行标定，例如，该预设的图像运动幅度检测算法可为光流算法(Optical Flow)，特征点匹配算法等。
具体地，电子设备在获取到多张待融合图像之后，可根据预设的图像运动幅度检测算法(例如，光流算法)对多张待融合图像进行运动幅度检测(即，运动幅度大小的检测)，以生成运动幅度特征图像。
作为一种可能的情况，电子设备还可根据图像运动幅度检测模型对多张待融合图像进行运动幅度检测，以生成运动幅度特征图像。应说明的是，该实施例中所描述的图像运动幅度检测模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。
其中，该图像运动幅度检测模型的训练与生成均可由相关的训练服务器执行，该训练服务器可以是云端服务器，也可以是一台电脑的主机，该训练服务器与可执行申请实施例提供的图像处理方法的电子设备之间，建立有通信连接，该通信连接可以是无线网络连接和有线网络连接的至少一种。该训练服务器可将训练完成的图像运动幅度检测模型发送给该电子设备，以便该电子设备在需要时调用，从而大大减少该电子设备的计算压力。
具体地，电子设备在获取到多张待融合图像之后，可从自身的存储空间中调出(获取)图像运动幅度检测模型，并将该多张待融合图像输入至该图像运动幅度检测模型，从而通过该图像运动幅度检测模型对该多张待融合图像进行运动幅度检测，以得到该图像运动幅度检测模型输出的运动幅度特征图像。
作为另一种可能的情况，电子设备还可使用图像运动幅度检测工具(例如，插件)，对多张待融合图像进行运动幅度检测，以生成运动幅度特征图像。
需要说明的是，该实施例中所描述的预设的图像运动幅度检测算法、图像运动幅度检测模型和运图像运动幅度检测工具，在对多张待融合图像进行运动幅度检测时，均可基于图像两两比对的检测原则进行运动幅度检测(即，多张待融合图像进行两两比对以进行运动幅度检测)。
举例而言，假设待融合图像为3张，则在经过上述基于图像两两比对的检测原则下的运动幅度检测后，可生成3张运动幅度特征图像；假设待融合图像为4张，则在经过上述基于图像两两比对的检测原则下的运动幅度检测后，可生成6张运动幅度特征图像；假设待融合图像为2张，则在经过上述基于图像两两比对的检测原则下的运动幅度检测后，可生成1张运动幅度特征图像；即若待融合图像为N张，则得到的运动幅度特征图像可为N*(N-1)/2张，其中，N可为大于等于2的正整数。
步骤103，对多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像。其中，第一运动特征图像和第二运动特征图像均可为多张。
需要说明的是，该实施例中所描述的第一运动特征图像和第二运动特征图像也可为Mask图像，或者其它能够表征图像局部的运动特征的格式对应的图像，此处不做任何限定。
为了清楚说明上一实施例，在本申请的一个实施例中，如图2所示，对多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像，可包括：
步骤201，分别对多张待融合图像进行下采样，以获取多张待融合图像的采样图像。
在本申请实施例中，可根据预设的图像下采样算法分别对多张待融合图像进行下采样，以获取多张待融合图像的采样图像。其中，预设的图像下采样算法可根据实际情况进行标定。
具体地，电子设备在生成上述的运动幅度特征图像之后，可根据预设的图像下采样算法分别对多张待融合图像进行下采样，以获取多张待融合图像的采样图像(即，缩小后的待融合图像)。其中，预设的图像下采样算法可根据实际情况进行标定。
步骤202，对多张待融合图像的采样图像进行运动检测，以生成第一运动特征图像。
在本申请实施例中，可根据预设的图像运动检测算法对多张待融合图像的采样图像进行运动检测，以生成第一运动特征图像。其中，预设的图像运动检测算法可根据实际情况进行标定，例如，该预设的图像运动检测算法可以利用事先标定的图像的噪声模型，结合图像拍摄时的传感器感度，数字增益等内参，进行计算。也可以利用其他更复杂的算法进行计算。
具体地，电子设备在得到上述的多张待融合图像的采样图像之后，可根据预设的图像运动检测算法对该多张待融合图像的采样图像进行运动检测(即，运动检测小尺度)，以生成第一运动特征图像。
作为一种可能的情况，电子设备还可根据图像运动检测模型对多张待融合图像的采样图像进行运动检测，以生成第一运动特征图像。应说明的是，该实施例中所描述的图像运动检测模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。
具体地，电子设备在得到上述的多张待融合图像的采样图像之后，可从自身的存储空间中调出(获取)图像运动检测模型，并将该多张待融合图像的采样图像输入至该图像运动检测模型，从而通过该图像运动检测模型对该多张待融合图像的采样图像进行运动检测，以得到该图像运动检测模型输出的第一运动特征图像。
作为另一种可能的情况，电子设备还可使用图像运动检测工具(例如，插件)，对多张待融合图像的采样图像进行运动检测，以生成第一运动特征图像。
需要说明的是，该实施例中所描述的预设的图像运动检测算法、图像运动检测模型和图像运动检测工具，在对多张待融合图像的采样图像进行运动检测时，也均可基于图像两两比对的检测原则进行运动检测(即，多张待融合图像的采样图像进行两两比对以进行运动检测)。例如，假设上述的采样图像为3张，则在经过上述基于图像两两比对的检测原则下的运动检测后，可生成3张第一运动特征图像。
步骤203，对多张待融合图像进行运动检测，以生成第二运动特征图像。
在本申请实施例中，可根据上述预设的图像运动检测算法、图像运动检测模型或图像运动检测工具，对多张待融合图像进行运动检测，以生成第二运动特征图像。
具体地，电子设备可在得到上述的第一运动特征图像之后，可根据上述预设的图像运动检测算法、图像运动检测模型或图像运动检测工具，对多张待融合图像进行运动检测(即，运动检测大尺度)，以生成第二运动特征图像。
步骤104，根据运动幅度特征图像、第一运动特征图像和第二运动特征图像，生成目标运动特征图像。
需要说明的是，该实施例中所描述的目标运动特征图像也可为Mask图像，或者其它能够表征图像局部的运动特征的格式对应的图像，此处不做任何限定。
在本申请实施例中，可基于运动幅度特征图像，对第一运动特征图像和第二运动特征图像进行处理(例如，融合处理)，以生成目标运动特征图像。
为了清楚说明上一实施例，在本申请的一个实施例中，如图3所示，运动幅度特征图像、第一运动特征图像和第二运动特征图像均为多张，根据运动幅度特征图像、第一运动特征图像和第二运动特征图像，生成目标运动特征图像，可包括：
步骤301，根据第一融合策略对多张运动幅度特征图像进行融合，以生成目标运动幅度特征图像。其中，该第一融合策略可根据实际情况进行标定。
需要说明的是，该实施例中所描述的第一融合策略中可包括基于多张运动幅度特征图像中每个像素对应的运动幅度值的大小来进行图像融合，例如，通过多张运动幅度特征图像中取运动幅度的最大值对应的像素来进行图像融合；或者分别对多张运动幅度特征图像中的相同位置的像素求平均，来进行图像融合，同时也分别可求取多张运动幅度特征图像中每个像素对应的运动幅度值的平均值。其中，运动幅度值可以是在上述进行运动幅度检测时生成的。
具体地，电子设备在得到多张运动幅度特征图像、第一运动特征图像和第二运动特征图像之后，可先获取多张运动幅度特征图像中的每个像素对应的运动幅度值，并分别将该多张运动幅度特征图像中相同位置的像素对应的运动幅度值进行比对取其最大值对应的像素，基于该方式将该多张运动幅度特征图像进行融合，以生成目标运动幅度特征图像。或者电子设备可先获取多张运动幅度特征图像中的每个像素，并分别对多张运动幅度特征图像中的相同位置的像素求平均，基于该方式将该多张运动幅度特征图像进行融合，以生成目标运动幅度特征图像。
步骤302，根据第二融合策略对多张第一运动特征图像进行融合，以生成目标第一运动特征图像，以及对多张第二运动特征图像进行融合，以生成目标第二运动特征图像。其中，第二融合策略可根据实际情况进行标定。
需要说明的是，该实施例中所描述的第二融合策略可与上述的第一融合策略的思想相同，此处不再赘述。
具体地，电子设备在得到上述的目标运动幅度特征图像之后，可先获取多张第一运动特征图像中的每个像素对应的运动特征值，并分别将该多张第一运动特征图像中相同位置的像素对应的运动特征值进行比对取其最大值对应的像素，基于该方式将该多张第一运动特征图像进行融合，以生成目标第一运动特征图像。或者电子设备可先获取多张第一运动特征图像中的每个像素，并分别对多张第一运动特征图像中的相同位置的像素求平均，基于该方式将该多张第一运动特征图像进行融合，以生成目标第一运动特征图像。
进一步地，电子设备获取多张第二运动特征图像中的每个像素对应的运动特征值，并分别将该多张第二运动特征图像中相同位置的像素对应的运动特征值进行比对取其最大值对应的像素，基于该方式将该多张第二运动特征图像进行融合，以生成目标第二运动特征图像。或者电子设备可先获取多张第二运动特征图像中的每个像素，并分别对多张第二运动特征图像中的相同位置的像素求平均，基于该方式将该多张第二运动特征图像进行融合，以生成目标第二运动特征图像。其中，运动特征值可以是在上述进行运动特征检测时生成的。
步骤303，基于目标运动幅度特征图像，对目标第一运动特征图像和目标第二运动特征图像进行处理，以生成目标运动特征图像。
为了清楚说明上一实施例，在本申请的一个实施例中，如图4所示，基于目标运动幅度特征图像，对目标第一运动特征图像和目标第二运动特征图像进行处理，以生成目标运动特征图像，可包括：
步骤401，获取目标运动幅度特征图像中每个像素对应的运动幅度值。
步骤402，分别将每个像素对应的运动幅度值与运动幅度阈值进行比较，以确定每个像素中大于运动幅度阈值的第一像素，和每个像素中小于或等于运动幅度阈值的第二像素。其中，运动幅度阈值可根据实际情况进行标定，且第一像素和第二像素均可为多个。
具体地，电子设备在得到目标运动幅度特征图像、第一运动特征图像和目标第二运动特征图像之后，可先获取目标运动幅度特征图像中每个像素对应的运动幅度值，并可分别将每个像素对应的运动幅度值与运动幅度阈值进行比较，以确定每个像素中大于运动幅度阈值的像素(即，第一像素)，和每个像素中小于或等于运动幅度阈值的像素(即，第二像素)。
步骤403，根据第一像素和第二像素，对目标第一运动特征图像和目标第二运动特征图像进行处理，以生成目标运动特征图像。
为了清楚说明上一实施例，在本申请的一个实施例中，如图5所示，根据第一像素和第二像素，对目标第一运动特征图像和目标第二运动特征图像进行处理，以生成目标运动特征图像，可包括：
步骤501，获取第一像素的第一位置信息，并获取第二像素的第二位置信息。
需要说明的是，该实施例中所描述的位置信息可为像素的坐标信息。
步骤502，根据第一位置信息从目标第一运动特征图像中提取第一目标像素，并根据第二位置信息从目标第二运动特征图像中提取第二目标像素。
步骤503，根据第一目标像素和第二目标像素生成目标运动特征图像。
具体地，电子设备确定上述的第一像素和第二像素之后，可分别获取第一像素和第二像素的坐标信息，并从目标第一运动特征图像中提取(获取)该第一像素的坐标信息对应位置处的像素(即，第一目标像素)，以及从目标第二运动特征图像中提取(获取)该第二像素的坐标信息对应位置处的像素(即，第二目标像素)。然后电子设备将上述从目标第一运动特征图像和目标第二运动特征图像中提取到的像素按照其对应的坐标位置进行放置(拼接)，以生成目标运动特征图像。
作为一种可能的情况，若电子设备得到的运动幅度特征图像、第一运动特征图像和第二运动特征图像均为1张，则可直接基于该运动幅度特征图像，对该第一运动特征图像和该第二运动特征图像进行处理，以生成上述的目标运动特征图像。
步骤105，根据目标运动特征图像对多张待融合图像进行融合，以生成目标图像。
在本申请实施例中，可基于HDR图像生成算法并根据目标运动特征图像对多张待融合图像进行融合，以生成目标图像。其中，HDR图像生成算法可根据实际情况进行标定。
具体地，电子设备在生成上述的目标运动特征图像之后，可基于HDR图像生成算法并根据目标运动特征图像对多张待融合图像进行融合，以生成目标图像。由此，能够提高目标图像的融合效果，获得良好的画质。
为使本领域技术人员更清楚地了解本申请，图6为根据本申请一个具体实施例的图像处理方法的时序图。参见图6，该图像处理方法可包括：
电子设备可先对SDR图像A、SDR图像B和SDR图像C进行运动幅度检测以生成3张运动幅度Mask图像，并分别对该SDR图像A、SDR图像B和SDR图像C进行下采样，以及对下采样后得到的3张采样图像进行运动检测以生成3张第一运动特征Mask图像。然后该电子设备还可对SDR图像A、SDR图像B和SDR图像C进行SDR图像A、SDR图像B和SDR图像C进行运动检测以生成3张第二运动特征Mask图像，并分别对3张运动幅度Mask图像、3张第一运动特征Mask图像和3张第二运动特征Mask图像进行融合，以生成目标运动幅度Mask图像、目标第一运动特征Mask图像和目标第二运动特征Mask图像。再然后该电子设备可基于该目标运动幅度Mask图像对该目标第一运动特征Mask图像和该目标第二运动特征Mask图像进行处理，以生成目标运动特征Mask图像。最后该电子设备可根据该目标运动特征Mask图像对SDR图像A、SDR图像B和SDR图像C进行融合，以生成HDR图像。
作为一种可能的情况，若图6中输入的SDR图像只有SDR图像A和SDR图像B，则仅可得到1张运动幅度Mask图像、1张第一运动特征Mask图像和1张第二运动特征Mask图像，并可直接基于该运动幅度Mask图像对该第一运动特征Mask图像和该第二运动特征Mask图像进行处理，以生成目标运动特征Mask，以及根据该目标运动特征Mask图像对SDR图像A和SDR图像B进行融合，以生成HDR图像。
进一步地，在本申请的一个实施例中，如图7所示，运动幅度特征图像、第一运动特征图像和第二运动特征图像均为多张，根据运动幅度特征图像、第一运动特征图像和第二运动特征图像，生成目标运动特征图像，可包括：
步骤701，根据第二融合策略对多张第一运动特征图像进行融合，以生成目标第一运动特征图像，以及对多张第二运动特征图像进行融合，以生成目标第二运动特征图像。
具体地，电子设备在得到多张运动幅度特征图像、第一运动特征图像和第二运动特征图像之后，可先获取多张第一运动特征图像中的每个像素对应的运动特征值，并分别将该多张第一运动特征图像中相同位置的像素对应的运动特征值进行比对取其最大值对应的像素，基于该方式将该多张第一运动特征图像进行融合，以生成目标第一运动特征图像。或者电子设备可先获取多张第一运动特征图像中的每个像素，并分别对多张第一运动特征图像中的相同位置的像素求平均，基于该方式将该多张第一运动特征图像进行融合，以生成目标第一运动特征图像。
进一步地，电子设备获取多张第二运动特征图像中的每个像素对应的运动特征值，并分别将该多张第二运动特征图像中相同位置的像素对应的运动特征值进行比对取其最大值对应的像素，基于该方式将该多张第二运动特征图像进行融合，以生成目标第二运动特征图像。或者电子设备可先获取多张第二运动特征图像中的每个像素，并分别对多张第二运动特征图像中的相同位置的像素求平均，基于该方式将该多张第二运动特征图像进行融合，以生成目标第二运动特征图像。
步骤702，基于多张运动幅度特征图像，分别对目标第一运动特征图像和目标第二运动特征图像进行处理，以生成多张第三运动特征图像。
步骤703，根据第三融合策略对多张第三运动特征图像进行融合，以生成目标运动特征图像。
需要说明的是，该实施例中所描述的第三融合策略可与上述的第一融合策略和第二融合策略的思想相同，此处不再赘述。
具体地，电子设备在得到上述的目标第一运动特征图像和目标第二运动特征图像之后，可基于多张运动幅度特征图像，分别对目标第一运动特征图像和目标第二运动特征图像进行处理，以生成多张第三运动特征图像，并根据第三融合策略对多张第三运动特征图像进行融合，以生成目标运动特征图像。其中，具体的处理方式和融合方式上述已详细描述，此处不再赘述。
综上，根据本申请实施例的图像处理方法，首先获取多张待融合图像，并对多张待融合图像进行运动幅度检测，以生成运动幅度特征图像，然后对多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像，并根据运动幅度特征图像、第一运动特征图像和第二运动特征图像，生成目标运动特征图像，最后根据目标运动特征图像对多张待融合图像进行融合，以生成目标图像。由此，能够通过运动幅度特征图像动态生成目标运动特征图像，从而提高目标图像的融合效果。
图8为根据本申请一个实施例的图像处理装置的方框示意图。
本申请实施例的图像处理装置，可配置于电子设备中，以实现获取多张待融合图像，并对多张待融合图像进行运动幅度检测，以生成运动幅度特征图像，以及对多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像，而后根据运动幅度特征图像、第一运动特征图像和第二运动特征图像，生成目标运动特征图像，并根据目标运动特征图像对多张待融合图像进行融合，以生成目标图像，从而提高目标图像的融合效果。
如图8所示，该图像处理装置800，可包括：获取模块810、第一生成模块820、第二生成模块830、第三生成模块840和融合模块850。
其中，获取模块810用于获取多张待融合图像。
第一生成模块820用于对多张待融合图像进行运动幅度检测，以生成运动幅度特征图像。
第二生成模块830用于对多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像。
第三生成模块840用于根据运动幅度特征图像、第一运动特征图像和第二运动特征图像，生成目标运动特征图像。
融合模块850用于根据目标运动特征图像对多张待融合图像进行融合，以生成目标图像。
在本申请的一个实施例中，第二生成模块830具体用于：分别对多张待融合图像进行下采样，以获取多张待融合图像的采样图像；对多张待融合图像的采样图像进行运动检测，以生成第一运动特征图像；对多张待融合图像进行运动检测，以生成第二运动特征图像。
在本申请的一个实施例中，运动幅度特征图像、第一运动特征图像和第二运动特征图像均为多张，如图8所示，第三生成模块840可包括：第一生成单元841、第二生成单元842、处理单元843。
其中，第一生成单元841用于根据第一融合策略对多张运动幅度特征图像进行融合，以生成目标运动幅度特征图像。
第二生成单元842用于根据第二融合策略对多张第一运动特征图像进行融合，以生成目标第一运动特征图像，以及对多张第二运动特征图像进行融合，以生成目标第二运动特征图像。
处理单元843用于基于目标运动幅度特征图像，对目标第一运动特征图像和目标第二运动特征图像进行处理，以生成目标运动特征图像。
在本申请的一个实施例中，如图8所示，处理单元843可包括：获取子单元801、确定子单元802和处理子单元803。
其中，获取子单元801用于获取目标运动幅度特征图像中每个像素对应的运动幅度值。
确定子单元802用于分别将每个像素对应的运动幅度值与运动幅度阈值进行比较，以确定每个像素中大于运动幅度阈值的第一像素，和每个像素中小于或等于运动幅度阈值的第二像素。
处理子单元803用于根据第一像素和第二像素，对目标第一运动特征图像和目标第二运动特征图像进行处理，以生成目标运动特征图像。
在本申请的一个实施例中，处理子单元803具体用于：获取第一像素的第一位置信息，并获取第二像素的第二位置信息；根据第一位置信息从目标第一运动特征图像中提取第一目标像素，并根据第二位置信息从目标第二运动特征图像中提取第二目标像素；根据第一目标像素和第二目标像素生成目标运动特征图像。
在本申请的一个实施例中，运动幅度特征图像、第一运动特征图像和第二运动特征图像均为多张，第三生成模块840具体用于：根据第二融合策略对多张第一运动特征图像进行融合，以生成目标第一运动特征图像，以及对多张第二运动特征图像进行融合，以生成目标第二运动特征图像；基于多张运动幅度特征图像，分别对目标第一运动特征图像和目标第二运动特征图像进行处理，以生成多张第三运动特征图像；根据第三融合策略对多张第三运动特征图像进行融合，以生成目标运动特征图像。
需要说明的是，本申请实施例的图像处理装置中未披露的细节，请参照本申请实施例的图像处理方法中所披露的细节，具体这里不再赘述。
综上，本申请实施例的图像处理装置，首先通过获取模块获取多张待融合图像，并通过第一生成模块对多张待融合图像进行运动幅度检测，以生成运动幅度特征图像，然后通过第二生成模块对多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像，并通过第三生成模块根据运动幅度特征图像、第一运动特征图像和第二运动特征图像，生成目标运动特征图像，最后通过融合模块根据目标运动特征图像对多张待融合图像进行融合，以生成目标图像。由此，能够通过运动幅度特征图像动态生成目标运动特征图像，从而提高目标图像的融合效果。
为了实现上述实施例，如图9所示，本申请还提出一种电子设备900，包括存储器910、处理器920及存储在存储器910上并可在处理器920上运行的计算机程序，处理器920执行程序，以实现本申请前述实施例提出的图像处理方法。
本申请实施例的电子设备，通过处理器执行存储在存储器上的计算机程序，能够通过运动幅度特征图像动态生成目标运动特征图像，从而提高目标图像的融合效果。
为了实现上述实施例，本申请还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以实现本申请前述实施例提出的图像处理方法。
本申请实施例的计算机可读存储介质，通过存储计算机程序并被处理器执行，能够通过运动幅度特征图像动态生成目标运动特征图像，从而提高目标图像的融合效果。
在本说明书的描述中，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。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (14)

1.一种图像处理方法，其特征在于，包括：
获取多张待融合图像；
对所述多张待融合图像进行运动幅度检测，以生成运动幅度特征图像；
对所述多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像；
根据所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像，生成目标运动特征图像；以及
根据所述目标运动特征图像对所述多张待融合图像进行融合，以生成目标图像。
2.根据权利要求1所述的图像处理方法，其特征在于，对所述多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像，包括：
分别对所述多张待融合图像进行下采样，以获取所述多张待融合图像的采样图像；
对所述多张待融合图像的采样图像进行运动检测，以生成所述第一运动特征图像；
对所述多张待融合图像进行运动检测，以生成所述第二运动特征图像。
3.根据权利要求1所述的图像处理方法，其特征在于，所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像均为多张，所述根据所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像，生成目标运动特征图像，包括：
根据第一融合策略对多张所述运动幅度特征图像进行融合，以生成目标运动幅度特征图像；
根据第二融合策略对多张所述第一运动特征图像进行融合，以生成目标第一运动特征图像，以及对多张所述第二运动特征图像进行融合，以生成目标第二运动特征图像；
基于所述目标运动幅度特征图像，对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成所述目标运动特征图像。
4.根据权利要求3所述的图像处理方法，其特征在于，所述基于所述目标运动幅度特征图像，对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成所述目标运动特征图像，包括：
获取所述目标运动幅度特征图像中每个像素对应的运动幅度值；
分别将所述每个像素对应的运动幅度值与运动幅度阈值进行比较，以确定所述每个像素中大于所述运动幅度阈值的第一像素，和所述每个像素中小于或等于所述运动幅度阈值的第二像素；
根据所述第一像素和所述第二像素，对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成所述目标运动特征图像。
5.根据权利要求4所述的图像处理方法，其特征在于，所述根据所述第一像素和所述第二像素，对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成所述目标运动特征图像，包括：
获取所述第一像素的第一位置信息，并获取所述第二像素的第二位置信息；
根据所述第一位置信息从所述目标第一运动特征图像中提取第一目标像素，并根据所述第二位置信息从所述目标第二运动特征图像中提取第二目标像素；
根据所述第一目标像素和所述第二目标像素生成所述目标运动特征图像。
6.根据权利要求1所述的图像处理方法，其特征在于，所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像均为多张，所述根据所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像，生成目标运动特征图像，包括：
根据第二融合策略对多张所述第一运动特征图像进行融合，以生成目标第一运动特征图像，以及对多张所述第二运动特征图像进行融合，以生成目标第二运动特征图像；
基于多张所述运动幅度特征图像，分别对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成多张第三运动特征图像；
根据第三融合策略对所述多张第三运动特征图像进行融合，以生成所述目标运动特征图像。
7.一种图像处理装置，其特征在于，包括：
获取模块，用于获取多张待融合图像；
第一生成模块，用于对所述多张待融合图像进行运动幅度检测，以生成运动幅度特征图像；
第二生成模块，用于对所述多张待融合图像进行预处理，以生成第一运动特征图像和第二运动特征图像；
第三生成模块，用于根据所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像，生成目标运动特征图像；以及
融合模块，用于根据所述目标运动特征图像对所述多张待融合图像进行融合，以生成目标图像。
8.根据权利要求7所述的图像处理装置，其特征在于，所述第二生成模块，具体用于：
分别对所述多张待融合图像进行下采样，以获取所述多张待融合图像的采样图像；
对所述多张待融合图像的采样图像进行运动检测，以生成所述第一运动特征图像；
对所述多张待融合图像进行运动检测，以生成所述第二运动特征图像。
9.根据权利要求7所述的图像处理装置，其特征在于，所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像均为多张，所述第三生成模块，包括：
第一生成单元，用于根据第一融合策略对多张所述运动幅度特征图像进行融合，以生成目标运动幅度特征图像；
第二生成单元，用于根据第二融合策略对多张所述第一运动特征图像进行融合，以生成目标第一运动特征图像，以及对多张所述第二运动特征图像进行融合，以生成目标第二运动特征图像；
处理单元，用于基于所述目标运动幅度特征图像，对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成所述目标运动特征图像。
10.根据权利要求9所述的图像处理装置，其特征在于，所述处理单元，包括：
获取子单元，用于获取所述目标运动幅度特征图像中每个像素对应的运动幅度值；
确定子单元，用于分别将所述每个像素对应的运动幅度值与所述运动幅度阈值进行比较，以确定所述每个像素中大于所述运动幅度阈值的第一像素，和所述每个像素中小于或等于所述运动幅度阈值的第二像素；
处理子单元，用于根据所述第一像素和所述第二像素，对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成所述目标运动特征图像。
11.根据权利要求10所述的图像处理装置，其特征在于，所述处理子单元，具体用于：
获取所述第一像素的第一位置信息，并获取所述第二像素的第二位置信息；
根据所述第一位置信息从所述目标第一运动特征图像中提取第一目标像素，并根据所述第二位置信息从所述目标第二运动特征图像中提取第二目标像素；
根据所述第一目标像素和所述第二目标像素生成所述目标运动特征图像。
12.根据权利要求7所述的图像处理装置，其特征在于，所述运动幅度特征图像、所述第一运动特征图像和所述第二运动特征图像均为多张，所述第三生成模块，具体用于：
根据第二融合策略对多张所述第一运动特征图像进行融合，以生成目标第一运动特征图像，以及对多张所述第二运动特征图像进行融合，以生成目标第二运动特征图像；
基于多张所述运动幅度特征图像，分别对所述目标第一运动特征图像和所述目标第二运动特征图像进行处理，以生成多张第三运动特征图像；
根据第三融合策略对所述多张第三运动特征图像进行融合，以生成所述目标运动特征图像。
13.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-6中任一项所述的图像处理方法。
14.一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，该程序被处理器执行时实现如权利要求1-6中任一项所述的图像处理方法。
CN202110875345.1A 2021-07-30 2021-07-30 图像处理方法、装置、电子设备和存储介质 Active CN113706429B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110875345.1A CN113706429B (zh) 2021-07-30 2021-07-30 图像处理方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110875345.1A CN113706429B (zh) 2021-07-30 2021-07-30 图像处理方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN113706429A true CN113706429A (zh) 2021-11-26
CN113706429B CN113706429B (zh) 2023-08-04

Family

ID=78651083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110875345.1A Active CN113706429B (zh) 2021-07-30 2021-07-30 图像处理方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN113706429B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120033896A1 (en) * 2010-08-08 2012-02-09 Geoffrey Louis Barrows Visual Motion Processing with Offset Downsampling
US20140254882A1 (en) * 2013-03-11 2014-09-11 Adobe Systems Incorporated Optical Flow with Nearest Neighbor Field Fusion
CN111047516A (zh) * 2020-03-12 2020-04-21 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机设备和存储介质
CN111986129A (zh) * 2020-06-30 2020-11-24 普联技术有限公司 基于多摄图像融合的hdr图像生成方法、设备及存储介质
CN112215877A (zh) * 2020-10-29 2021-01-12 Oppo广东移动通信有限公司 图像处理方法和装置、电子设备、可读存储介质
CN113096021A (zh) * 2019-12-23 2021-07-09 中国移动通信有限公司研究院 一种图像处理方法、装置、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120033896A1 (en) * 2010-08-08 2012-02-09 Geoffrey Louis Barrows Visual Motion Processing with Offset Downsampling
US20140254882A1 (en) * 2013-03-11 2014-09-11 Adobe Systems Incorporated Optical Flow with Nearest Neighbor Field Fusion
CN113096021A (zh) * 2019-12-23 2021-07-09 中国移动通信有限公司研究院 一种图像处理方法、装置、设备及存储介质
CN111047516A (zh) * 2020-03-12 2020-04-21 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机设备和存储介质
CN111986129A (zh) * 2020-06-30 2020-11-24 普联技术有限公司 基于多摄图像融合的hdr图像生成方法、设备及存储介质
CN112215877A (zh) * 2020-10-29 2021-01-12 Oppo广东移动通信有限公司 图像处理方法和装置、电子设备、可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CY LIOU等: "HDR Deghosting Using Motion-Registration-Free Fusion in the Luminance Gradient Domain", 2020 IEEE INTERNATIONAL CONFERENCE ON VISUAL COMMUNICATIONS AND IMAGE PROCESSING(VCIP) *
王光霞等: "基于块匹配的低光度图像对融合方法", 光子学报 *

Also Published As

Publication number Publication date
CN113706429B (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
CN109671106B (zh) 一种图像处理方法、装置与设备
CN109325933B (zh) 一种翻拍图像识别方法及装置
CN108805047B (zh) 一种活体检测方法、装置、电子设备和计算机可读介质
CN110232369B (zh) 一种人脸识别方法和电子设备
RU2731370C1 (ru) Способ распознавания живого организма и терминальное устройство
CN107967677B (zh) 图像处理方法、装置、计算机可读存储介质和计算机设备
EP3709266A1 (en) Human-tracking methods, apparatuses, systems, and storage media
CN111476306A (zh) 基于人工智能的物体检测方法、装置、设备及存储介质
CN107566749B (zh) 拍摄方法及移动终端
US20130279813A1 (en) Adaptive interest rate control for visual search
CN103888667B (zh) 摄像设备及其控制方法
CN109247068A (zh) 用于滚动快门补偿的方法和设备
JP6924064B2 (ja) 画像処理装置およびその制御方法、ならびに撮像装置
JP6374849B2 (ja) ユーザ端末、色彩補正システム及び色彩補正方法
CN110909691B (zh) 动作检测方法、装置、计算机可读存储介质和计算机设备
CN110677580B (zh) 拍摄方法、装置、存储介质及终端
CN111144156B (zh) 一种图像数据处理方法和相关装置
CN110717452A (zh) 图像识别方法、装置、终端及计算机可读存储介质
CN113706429B (zh) 图像处理方法、装置、电子设备和存储介质
CN111080683A (zh) 图像处理方法、装置、存储介质及电子设备
US10282633B2 (en) Cross-asset media analysis and processing
US8934025B2 (en) Method and apparatus for processing image
CN113240602A (zh) 图像去雾方法及装置、计算机可读介质和电子设备
US8538142B2 (en) Face-detection processing methods, image processing devices, and articles of manufacture
CN113705309A (zh) 一种景别类型判断方法、装置、电子设备和存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 201702 room 1190, zone B, floor 11, building 1, No. 158 Shuanglian Road, Qingpu District, Shanghai

Applicant after: Aisin Yuanzhi semiconductor (Shanghai) Co.,Ltd.

Address before: 201702 room 1190, zone B, floor 11, building 1, No. 158 Shuanglian Road, Qingpu District, Shanghai

Applicant before: Shanghai Zhixin Semiconductor Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: Room 59, 17th Floor, Science and Technology Innovation Building, No. 777 Zhongguan West Road, Zhuangshi Street, Ningbo City, Zhejiang Province, 315200

Patentee after: Aixin Yuanzhi Semiconductor Co.,Ltd.

Country or region after: China

Address before: Room 59, 17th Floor, Science and Technology Innovation Building, No. 777 Zhongguan West Road, Zhuangshi Street, Zhenhai District, Ningbo City, Zhejiang Province, 315200

Patentee before: Aixin Yuanzhi Semiconductor (Ningbo) Co.,Ltd.

Country or region before: China

Address after: Room 59, 17th Floor, Science and Technology Innovation Building, No. 777 Zhongguan West Road, Zhuangshi Street, Zhenhai District, Ningbo City, Zhejiang Province, 315200

Patentee after: Aixin Yuanzhi Semiconductor (Ningbo) Co.,Ltd.

Country or region after: China

Address before: 201702 room 1190, zone B, floor 11, building 1, No. 158 Shuanglian Road, Qingpu District, Shanghai

Patentee before: Aisin Yuanzhi semiconductor (Shanghai) Co.,Ltd.

Country or region before: China