CN113837955A - 图像抗锯齿处理方法及电子设备 - Google Patents
图像抗锯齿处理方法及电子设备 Download PDFInfo
- Publication number
- CN113837955A CN113837955A CN202110944123.0A CN202110944123A CN113837955A CN 113837955 A CN113837955 A CN 113837955A CN 202110944123 A CN202110944123 A CN 202110944123A CN 113837955 A CN113837955 A CN 113837955A
- Authority
- CN
- China
- Prior art keywords
- image
- line segment
- straight line
- original image
- target
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 142
- 238000001914 filtration Methods 0.000 claims abstract description 125
- 238000000034 method Methods 0.000 claims abstract description 62
- 238000003708 edge detection Methods 0.000 claims abstract description 25
- 238000009877 rendering Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000005034 decoration Methods 0.000 claims description 15
- 238000013461 design Methods 0.000 claims description 15
- 230000003628 erosive effect Effects 0.000 claims description 9
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 18
- 230000008569 process Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000000926 separation method Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Generation (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了图像抗锯齿处理方法及电子设备,所述方法包括:对原始图像进行边缘检测;从检测出的边缘线条中确定出带有锯齿失真的目标直线线段;通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像;从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果;将所述处理结果替换到所述原始图像中所述目标直线线段所在的位置处。通过本申请实施例,能够针对长直线上比较稀疏的锯齿,获得良好的抗锯齿效果。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及图像抗锯齿处理方法及电子设备。
背景技术
反锯齿(Anti-Aliasing,AA),也称抗锯齿,或者边缘柔化、消除混叠、抗图像折叠有损等。它是一种消除显示器输出的画面中图物边缘出现凹凸锯齿失真的技术,这种凹凸锯齿通常因为高分辨率的信号以低分辨率表示,或无法准确运算出3D图形坐标定位时所导致的图形混叠(aliasing)等而产生的,反锯齿技术就用于解决这些问题。
其中,SMAA(Enhanced Subpixel Morphological Antialiasing,增强型子像素形态学抗锯齿)就是其中一种抗锯齿技术。SMAA来源于MLAA(Morphological Anti-Aliasing,形态抗锯齿),MLAA的基本思路是:检测每帧图像上的边缘,然后对这些边缘进行模式识别,归类出Z、U、L等三种形状,然后根据形状类型对检测出的边缘重新进行矢量化处理,并根据覆盖面积对边缘上的像素计算混合权重,将其与周围的颜色进行混合,从而达到平滑锯齿的目的。
但是,在使用SMAA技术进行抗锯齿时,需要首先检测出当前像素到所在边缘左右两端的边缘距离,以及该边缘的形状,才能得到此像素及其邻接像素的权重因子。并且,对可检测的边缘距离是有限制的,这就导致SMAA对于密集的锯齿有良好的平滑效果,但是对于长直线上比较稀疏的锯齿,平滑效果并不明显。也就是说,如果一条直线上的锯齿比较稀疏,则使用SMAA技术对这种直线进行处理之后,可能仍然具有比较明显的锯齿感。其中的抗锯齿技术针对这种稀疏锯齿的直线处理效果也不明显。
因此,针对长直线上比较稀疏的锯齿,如何获得良好的抗锯齿效果,成为需要本领域技术人员解决的技术问题。
发明内容
本申请提供了图像抗锯齿处理方法及电子设备,能够针对长直线上比较稀疏的锯齿,获得良好的抗锯齿效果。
本申请提供了如下方案:
一种图像抗锯齿处理方法,包括:
对原始图像进行边缘检测;
从检测出的边缘线条中确定出带有锯齿失真的目标直线线段;
通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像;
从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果;
将所述处理结果替换到所述原始图像中所述目标直线线段所在的位置处。
其中,所述滤波处理后的图像与所述原始图像的尺寸相同。
其中,还包括:
在从所述原始图像中检测出所述目标直线线段后,确定所述目标直线线段的端点,在所述原始图像中的位置信息;
所述从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果,包括:
根据所述目标直线线段的端点在所述原始图像中的位置信息,从所述滤波处理后的图像中确定出两个目标端点;
从所述滤波处理后的图像中所述两个目标端点之间连成的直线线段上,确定多个像素点,并将所述多个像素点在所述滤波处理后的图像中的像素值以及位置信息确定为所述处理结果。
其中,所述将所述处理结果替换到所述原始图像中所述目标直线线段所在的位置处,包括:
根据所述滤波处理结果中多个像素点的像素值,替换到所述原始图像中对应的位置处。
其中,所述通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像,包括:
通过对原始图像中的全部像素点分别进行滤波处理,得到所述滤波处理后的图像。
其中,所述通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像,包括:
对所述原始图像中位于所述目标直线线段上的像素点进行滤波处理,得到所述滤波处理后的图像。
其中,所述目标直线线段为长度及斜率符合目标条件的直线线段。
其中,所述目标直线线段包括:在横向上具有目标范围内的斜率的直线线段,或者,在纵向上具有目标范围内的斜率的直线线段;
所述通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像,包括:
利用横向或者纵向的滤波矩阵对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像。
其中,所述目标直线线段包括:在横向上具有目标范围内的斜率的至少一条第一目标直线线段,以及,在纵向上具有目标范围内的斜率的至少一条第二目标直线线段;
所述通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像,包括:
分别利用横向以及纵向的滤波矩阵对所述原始图像中的像素点进行滤波处理,得到滤波处理后的第一图像以及第二图像;
所述根据所述位置信息,从所述滤波处理后的图像中分离出滤波处理后的直线线段,包括:
根据所述第一目标直线线段以及所述第二目标直线线段的所述位置信息,分别从所述第一图像以及所述第二图像中分离出滤波处理后的直线线段。
其中,还包括:
在对所述原始图像中的像素点进行滤波处理时,根据所述原始图像的分辨率,确定滤波矩阵的滤波长度。
其中,所述根据所述位置信息,从所述滤波处理后的图像中分离出滤波处理后的直线线段包括:
根据所述位置信息,对所述目标直线线段进行腐蚀和/或膨胀处理,并确定腐蚀和/或膨胀后的直线线段的端点在所述原始图像中的位置信息;
根据腐蚀和/或膨胀后的直线线段的端点在所述原始图像中的位置信息,从所述滤波处理后的图像中分离出滤波处理后的直线线段。
其中,所述方法之前还包括:
在对图像进行渲染展示的过程中,将当前渲染完成的待展示图像帧确定为所述原始图像。
一种家装家居设计方案信息展示方法,包括:
加载目标家装家居设计方案对应的图像数据;
根据对所述图像数据的渲染结果确定原始图像;
对所述原始图像进行边缘检测;
从检测出的边缘线条中确定出带有锯齿的目标直线线段;
通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像;
从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果;
将所述处理结果替换到所述原始图像中所述目标直线线段所在的位置处,以得到目标图像;
对所述目标图像进行展示。
其中,所述图像数据包括通过3D建模的方式生成的图像内容。
一种图像抗锯齿处理装置,包括:
边缘检测单元,用于对原始图像进行边缘检测;
目标直线线段定位单元,用于从检测出的边缘线条中确定出带有锯齿失真的目标直线线段;
滤波处理单元,用于通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像;
分离处理单元,用于从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果;
替换处理单元,用于将所述处理结果替换到所述原始图像中所述目标直线线段所在的位置处。
一种家装家居设计方案信息展示装置,包括:
图像数据加载单元,用于加载目标家装家居设计方案对应的图像数据;
图像渲染单元,用于根据对所述图像数据的渲染结果确定原始图像;
边缘检测单元,用于对所述原始图像进行边缘检测;
目标直线线段定位单元,用于从检测出的边缘线条中确定出带有锯齿失真的目标直线线段;
滤波单元,用于通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像;
分离处理单元,用于从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果;
替换处理单元,用于将所述处理结果替换到所述原始图像中所述目标直线线段所在的位置处,以得到目标图像;
图像展示单元,用于对所述目标图像进行展示。
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前述任一项所述的方法的步骤。
一种电子设备,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行前述任一项所述的方法的步骤。
根据本申请提供的具体实施例,本申请公开了以下技术效果:
通过本申请实施例,可以首先通过对原始图像进行边缘检测,并从检测出的边缘线条中,确定出带有锯齿失真的目标直线线段。之后,可以通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像,再从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果,并将处理结果替换到所述原始图像中所述目标直线线段所在的位置处,以此实现对目标直线线段的抗锯齿处理。通过这种方式,可以通过滤波过程的模糊化处理效果,使得目标直线线段中的锯齿感弱化。并且,由于在处理过程中不需要识别具体的锯齿类型,因此不会受到边缘距离等因素的限制,对于锯齿比较稀疏的长直线线段也可以具有较好的抗锯齿效果。
当然,实施本申请的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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是本申请实施例提供的系统架构的示意图;
图2是本申请实施例提供的第一方法的流程图;
图3是本申请实施例提供的图像腐蚀膨胀处理的示意图;
图4是本申请实施例提供的滤波处理前后图像对比示意图;
图5是本申请实施例提供的替换后的处理效果示意图;
图6是本申请实施例提供的第二方法的流程图;
图7是本申请实施例提供的第一装置的示意图;
图8是本申请实施例提供的第二装置的示意图;
图9是本申请实施例提供的电子设备的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本申请保护的范围。
在本申请实施例中,针对图像中长直线上比较稀疏的锯齿,为了获得良好的抗锯齿效果,提供了相应的解决方案。在该解决方案中,首先可以对需要进行抗锯齿处理的原始图像进行边缘检测,检测出多条边缘线条之后,可以从中确定出符合条件的目标直线线段。之后,可以通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像,再从滤波后的图像中分离出与所述目标直线线段对应的处理结果,再将处理结果替换到所述原始图像中所述目标直线线段所在的位置处,以此实现对目标直线线段的抗锯齿处理。例如,具体实现时,可以通过滤波的方式,将原始图像进行模糊化处理,再根据目标直线线段在原始图像中的端点位置,从滤波后的图像中找到对应位置的两个目标端点,将两个目标端点之间连成的直线线段通过“抠图”等方式,从滤波后的图像中分离出,并替换到原始图像对应的位置处。这样,可以通过滤波的方式,使得目标直线线段中的锯齿感弱化。并且,由于不需要识别具体的锯齿类型,因此不会受到距离的限制,对于锯齿比较稀疏的长直线线段也可以具有较好的抗锯齿效果。
从系统架构角度而言,本申请实施例可以提供用于对图像进行抗锯齿处理的工具,用户可以利用该工具对一些图像进行抗锯齿处理。或者还可以将具体的抗锯齿功能封装为功能模块或接口服务等,以便集成到具有图像展示需求的应用系统中使用,或者,以远程服务等形式,供应用系统进行调用。例如,对于后者,参见图1,在某应用系统(例如,商品对象信息系统,游戏系统等等)与用户进行交互的过程中,如果涉及到对图像的展示,则客户端可以首先从服务端加载图像数据,之后,可以对图像数据进行渲染。在完成渲染之后,可以调用本申请实施例中的抗锯齿处理模块,对渲染后的图像进行抗锯齿处理,之后再对处理后的图像进行展示。
下面对本申请实施例提供的具体实现方案进行详细介绍。
实施例一
首先,该实施例一提供了一种图像抗锯齿处理方法,参见图2,该方法可以包括:
S201:对原始图像进行边缘检测。
其中,本申请实施例提供的方案可以在多种应用场景中使用,相应的,原始图像的确定方式可以有多种。例如,在具体的应用系统与用户进行交互的过程中,如果需要对图像进行展示,为了为用户提供更好的图像展示效果,则可以使用本申请实施例提供的方案对图像进行抗锯齿处理。此时,可以在对图像进行渲染展示的过程中,将当前渲染完成的图像帧确定为所述原始图像,完成抗锯齿处理之后,再将得到的目标图像进行展示。也即,在对图像进行渲染与展示之间,可以插入本申请实施例中的抗锯齿处理过程。或者,也可以对线下图像进行抗锯齿处理,例如,在利用采集到的样本图像进行模型训练之前,可以对样本图像进行预处理,预处理的过程,便可以包括上述抗锯齿处理,此时,可以将这种训练样本图像作为原始图像,等等。
在确定出原始图像之后,可以首先对原始图像进行边缘检测,边缘检测的目的是标识出图像中亮度变化明显的点,其中,边缘检测的算法可以有多种,例如,Canny边缘检测算法,laplace(拉普拉斯)边缘检测算法等等。
S202:从检测出的边缘线条中确定出带有锯齿失真的目标直线线段。
在完成边缘检测之后,可以从中确定出至少一条带有锯齿失真的目标直线线段。其中,是否带有锯齿失真,可以根据直线线段的倾斜角度等进行确定。在优选的实施方式中,本申请实施例提供的方案主要用于对长直线稀疏锯齿的情况进行处理,因此,目标直线线段就可以是在长度以及锯齿的稀疏程度方面符合条件的线段。具体实现时,本申请实施例中不需要识别具体的锯齿形状等信息,因此,可以采用更简单高效的方式识别出具体的目标直线线段。例如,可以首先识别出直线线段,之后,再根据直线线段的斜率等信息,对其锯齿的稀疏或密集程度进行预测。也就是说,一般而言,对于有倾斜、但是斜率比较小的直线而言,通常是产生稀疏锯齿失真。因此,如果确定出某直线线段,并且其斜率在一定的范围内,则可以将其确定为本申请实施例中的目标直线线段。
这里需要说明的是,具体实现时,还可以识别出具体目标直线线段的方向,例如,可以包括横向(x轴方向)具有目标范围内斜率的直线线段,或者,在纵向(y轴方向)上具有目标范围内斜率的直线线段,或者,同一目标图像中还可以同时包括多条横向的目标直线线段,以及多条纵向的目标直线线段,等等。也就是说,在本申请实施例中,可以将图像中的目标直线线段区分为横向以及纵向两种,后续可以分别用不同方向的滤波矩阵进行滤波。
在确定出目标直线线段之后,在可选的实施方式中,还可以确定出具体的目标直线线段的端点在原始图像中的位置信息。例如,每条线段可以有两个端点,可以确定出这种端点在原始图像中的位置,以用于后续完成滤波之后,利用滤波后的线段上的像素值对原始图像中对应位置上的像素值进行替换。也就是说,通过边缘检测,可以确定出需要按照本申请实施例提供的方式进行抗锯齿处理的目标直线线段,并对这种目标直线线段进行定位。
另外,在具体实现时,为了防止具体的抗锯齿处理影响到目标直线线段以外的区域,还可以对目标直线线段进行腐蚀和/或膨胀处理。腐蚀及膨胀处理后的目标直线线段可以变宽、变短。例如,如图3所示,假设原始的目标直线线段如上边的线段所示,其宽度通常为一个像素,腐蚀膨胀之后可以如下边的线段所示,宽度变为3个像素。另外,在长度方向上,也可以是比原始目标直线线段短,例如,两端各短N个像素,等等。其中,N为正整数,具体的取值可以与后续滤波时使用的滤波矩阵长度有关,例如,假设滤波矩阵是一个3*20的矩阵,也即,宽度为3个像素,长度为20个像素,则在进行腐蚀膨胀时,可以将目标直线线段的两端各缩短10个像素,以避免后续在将滤波后的线段混合到原始图像中时,目标直线线段与其他边缘线条形成的拐角等区域受到影响。
S203:通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像。
除了对原始图像进行边缘检测,并对其中包含的目标直线线段进行定位之外,还可以通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像。其中,具体的滤波方式可以有多种,例如,可以包括均值滤波,高斯滤波,等等。
具体在进行滤波时,可以通过对原始图像中的全部像素点分别进行滤波处理,得到所述滤波处理后的图像。或者,还可以仅对所述原始图像中、在所述目标直线线段上的像素点进行滤波处理(其他非目标直线线段上的像素点可以保持不变),得到所述滤波处理后的图像,等等。例如,对于图4(A)所示的原始图像,则在针对全部像素点分别进行滤波处理之后,得到的滤波处理后的图像可以如图4(B)所示。其中,无论是对原始图像中的全部像素点分别进行滤波,还是仅对属于目标直线线段上的像素点进行滤波,具体对各像素点的滤波过程都可以是并行处理的,得到的滤波后的图像都与原始图像具有相同的尺寸。并且,像素点的位置在原始图像与滤波后的图像中也是相同的。例如,某像素点的原始像素值是0,在原始图像中的位置是(25,100),则在滤波处理后的图像中,该像素点所在的位置仍然是(25,100),只是像素值可能发生了变化,例如,变成75,等等。
需要说明的是,具体实现时,由于目标直线线段通常是x轴方向上具有一定斜率的线段,或者y轴方向上具有一定斜率的线段,或者两者都有,因此,在具体在进行滤波时,也可以采用矩形的滤波矩阵,并且可以具有不同的方向,从而分别对不同倾斜方向的线段进行滤波处理。例如,对于x轴方向上的目标直线线段,可以使用3*20的滤波矩阵,也即,在宽度方向上具有3个像素,在长度方向上具有20个像素。对于y轴方向上的目标直线线段,可以使用20*3的滤波矩阵,此时,同样是宽度方向上具有3个像素,在长度方向上具有20个像素,只是长度方向变成了y轴方向,等等。
如果一个原始图像中包括x轴方向上具有一定斜率的多条第一目标直线线段,以及y轴方向上具有一定斜率的多条第二目标直线线段,则具体在进行滤波时,可以分别使用两种不同方向的滤波矩阵,分别对原始图像中的像素点进行滤波,得到两幅滤波后的图像。后续可以分别用两幅滤波处理后的图像,对原始图像中x轴方向以及y轴方向上的目标直线线段进行替换。也就是说,可以分别利用横向以及纵向的滤波矩阵对所述原始图像中的像素点进行滤波处理,得到滤波处理后的第一图像以及第二图像,这样,后续可以根据所述第一目标直线线段以及所述第二目标直线线段的所述位置信息,分别从所述第一图像以及所述第二图像中分离出滤波处理后的直线线段(具体在后文中会有介绍)。
其中,具体的滤波矩阵中各像素点上的值可以有多种设置方式,例如,在均值滤波的方式下,滤波矩阵中每个像素上的值都可以为1,以实现利用目标像素周围的临近像素(以目标像素为中心的周围多个像素,构成一个滤波模板),再用模板中的全体像素的平均值来代替原来像素值,以此达到滤波的目的。
另外,具体在对所述原始图像中的像素点进行滤波处理时,还可以根据所述原始图像的分辨率,确定滤波矩阵的滤波长度。也即,滤波矩阵的长度可以根据原始图像的分辨率来进行确定,这样,对于不同分辨率的原始图像,可以通过调整滤波矩阵的参数来解决各个分辨率下的锯齿失真问题。
S204:从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果。
在得到滤波处理后的图像之后,可以从所述滤波处理后的图像中分离出滤波所述目标直线线段对应的处理结果。具体的,由于滤波处理后的图像与原始图像具有相同的尺寸,并且,像素点的位置也不会发生变化,因此,具体实现时,在从所述原始图像中检测出所述目标直线线段后,可以确定所述目标直线线段的端点在所述原始图像中的位置信息,这样,在得到滤波处理后的图像之后,可以首先根据所述目标直线线段的端点在所述原始图像中的位置信息,从所述滤波处理后的图像中确定出两个目标端点,然后,从所述滤波处理后的图像中所述两个目标端点之间连成的直线线段上,确定多个像素点,并将所述多个像素点在所述滤波处理后的图像中的像素值以及位置信息确定为所述处理结果。
例如,某目标直线线段的端点在原始图像中的位置分别为(25,100),(150,110)。在得到滤波处理后的图像之后,可以从滤波处理后的图像中找到坐标分别为(25,100),(150,110)的两个点,然后,从滤波处理后的图像中取这两个点之间连成的直线线段,作为滤波处理后的直线线段。
或者,在另一种实现方式下,在具体获取滤波后的直线线段时,还可以首先根据目标直线线段在原始图像中的位置信息,对该目标直线线段进行腐蚀和/或膨胀处理,并确定腐蚀和/或膨胀后的直线线段的端点在所述原始图像中的位置信息。当然,由于腐蚀膨胀之后的直线线段的宽度可能不再是一个像素,因此,其端点可能是由六个像素点来表示,两端各三个像素点,等等。然后,再根据腐蚀和/或膨胀后的直线线段的端点在所述原始图像中的位置信息,从所述滤波处理后的图像中分离出滤波处理后的直线线段。
具体在对滤波处理后的直线线段进行分离时,可以有多种方式,例如,具体可以确定出该滤波处理后的直线线段上多个像素点的像素值以及位置信息,以便后续对原始图像中对应位置处的像素点的像素值进行替换。
S205:将所述处理结果替换到所述原始图像中所述目标直线线段所在的位置处。
在确定出滤波处理后的直线线段之后,可以将滤波结果替换到原始图像中目标直线线段对应的位置处。具体实现时,如果目标直线线段对应的处理结果是通过多个像素点的位置信息以及对应的像素值进行表达,则具体在进行替换时,就可以是对原始图像中对应位置处的像素点的像素值,替换成上述滤波处理后的直线线段上对应像素点的像素值。例如,如图4(A)所示原始图像中“门缝”处的直线线段存在锯齿失真,并且由于该直线线段在y轴方向的斜率并不是很大,因此锯齿比较稀疏;经过本申请实施例中的滤波以及替换处理之后的效果可以如图5(A)中的51处所示,具体参见图5(B)所示的局部放大对比图,其中,图5(B)左侧是原始图像中该直线线段的显示情况,图5(B)右侧是处理后的效果,可见,锯齿已经不明显,展示出的图像获得了更好的展示效果。
需要说明的是,本申请实施例中主要对原始图像中一些比较长的、锯齿比较稀疏的直线线段进行了抗锯齿处理,关于原始图像中其他的边缘线条,可能是曲线,或者,锯齿比较密集的直线,等等,此时,可以使用其他现有的抗锯齿技术进行处理,例如,包括SMAA。之后,可以将两部分抗锯齿处理结果进行合并,得到最终处理后的目标图像,等等。
另外需要说明的是,如果具体的原始图像是当前完成渲染的图像帧,则在得到上述具体的目标图像之后,可以将目标图像进行展示。也就是说,在完成对当前图像帧的渲染之后,可以并不是直接进行展示,而是首先按照本申请实施例中的方式,对其中一些长的、锯齿稀疏的直线线段进行抗锯齿处理之后,再进行展示。当然,在具体实现时,可以将这种抗锯齿处理作为一个可选项,用户可以根据实际需求选择是否使用该功能。
总之,通过本申请实施例,可以首先通过对原始图像进行边缘检测,并从检测出的边缘线条中,确定出带有锯齿失真的目标直线线段。之后,可以通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像,再从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果,并将处理结果替换到所述原始图像中所述目标直线线段所在的位置处,以此实现对目标直线线段的抗锯齿处理。通过这种方式,可以通过滤波过程的模糊化处理效果,使得目标直线线段中的锯齿感弱化。并且,由于在处理过程中不需要识别具体的锯齿类型,因此不会受到边缘距离等因素的限制,对于锯齿比较稀疏的长直线线段也可以具有较好的抗锯齿效果。
实施例二
前述实施例一主要从具体的抗锯齿处理模块或者服务的角度,提供了相应的图像抗锯齿处理方法,而在该实施例二中,提供了具体的抗锯齿技术在家装家居设计方案信息展示场景中的应用。例如,在某商品对象信息服务系统中,可以为用户提供家装家居设计方案,其中可以包括根据用户的实际户型图、具体搭配的家装家居类商品对象等,通过3D建模等方式生成的图像内容。在对这种图像内容进行渲染展示的过程中,可能容易出现锯齿失真等情况,此时,就可以在该商品对象信息系统中使用本申请实施例所提供的抗锯齿处理功能。具体的,该实施例二提供了一种家装家居设计方案信息展示方法,参见图6,该方法可以包括:
S601:加载目标家装家居设计方案对应的图像数据。
其中,所述图像数据可以包括通过3D建模的方式生成的图像内容。具体实现时,可以通过商品对象信息系统中的相关界面等提供用于对家装家居设计方案进行展示的入口,用户可以通过具体的入口发起具体的访问请求,进而,便可以对具体用户所需访问的目标家装家居设计方案对应的图像数据进行加载。
S602:根据对所述图像数据的渲染结果确定原始图像;
完成数据加载之后可以进行渲染,并且可以将渲染结果确定为原始图像。也即,在本申请实施例中,具体在完成对图像的渲染之后,不是直接进行展示,而是先进行抗锯齿处理,然后再进行展示。其中,具体的图像数据可能是视频等数据,因此,渲染结果中可能包括多个图像帧,此时,可以分别将每个图像帧确定为一幅原始图像,等等。
S603:对所述原始图像进行边缘检测;
S604:从检测出的边缘线条中确定出带有锯齿的目标直线线段;
S605:通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像;
S606:从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果;
S607:将所述处理结果替换到所述原始图像中所述目标直线线段所在的位置处,以得到目标图像;
S608:对所述目标图像进行展示。
关于该实施例二中的未详述部分,可以参见实施例一中的记载,这里不再赘述。
需要说明的是,本申请实施例中可能会涉及到对用户数据的使用,在实际应用中,可以在符合所在国的适用法律法规要求的情况下(例如,用户明确同意,对用户切实通知,等),在适用法律法规允许的范围内在本文描述的方案中使用用户特定的个人数据。
与实施例一相对应,本申请实施例还提供了一种图像抗锯齿处理装置,参见图7,该装置可以包括:
边缘检测单元701,用于对原始图像进行边缘检测;
目标直线线段定位单元702,用于从检测出的边缘线条中确定出带有锯齿失真的目标直线线段;
滤波处理单元703,用于通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像;
分离处理单元704,用于从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果;
替换处理单元705,用于将所述处理结果替换到所述原始图像中所述目标直线线段所在的位置处。
其中,所述滤波处理后的图像与所述原始图像的尺寸相同。
具体实现时,该装置还可以包括:
位置信息确定单元,用于在从所述原始图像中检测出所述目标直线线段后,确定所述目标直线线段的端点,在所述原始图像中的位置信息;
所述分离处理单元具体可以用于:
根据所述目标直线线段的端点在所述原始图像中的位置信息,从所述滤波处理后的图像中确定出两个目标端点;
从所述滤波处理后的图像中所述两个目标端点之间连成的直线线段上,确定多个像素点,并将所述多个像素点在所述滤波处理后的图像中的像素值以及位置信息确定为所述处理结果。
所述替换处理单元具体可以用于:
根据所述滤波处理结果中多个像素点的像素值,替换到所述原始图像中对应的位置处。
其中,所述滤波处理单元具体可以用于:
通过对原始图像中的全部像素点分别进行滤波处理,得到所述滤波处理后的图像。
或者,所述滤波处理单元具体也可以用于:
对所述原始图像中位于所述目标直线线段上的像素点进行滤波处理,得到所述滤波处理后的图像。
其中,所述目标直线线段为长度及斜率符合目标条件的直线线段。
具体的,所述目标直线线段包括:在横向上具有目标范围内斜率的直线线段,或者,在纵向上具有目标范围内斜率的直线线段;
滤波处理单元具体可以用于:
利用横向或者纵向的滤波矩阵对所述原始图像中的像素点进行滤波处理,得到所述滤波处理后的图像。
或者,所述目标直线线段包括:在横向上具有目标范围内斜率的至少一条第一目标直线线段,以及,在纵向上具有目标范围内斜率的至少一条第二目标直线线段;
此时,所述滤波处理单元具体可以用于:
分别利用横向以及纵向的滤波矩阵对所述原始图像中的像素点进行滤波处理,得到滤波处理后的第一图像以及第二图像;
所述分离处理单元具体可以用于:
根据所述第一目标直线线段以及所述第二目标直线线段的所述位置信息,分别从所述第一图像以及所述第二图像中分离出滤波处理后的直线线段。
另外,该装置还可以包括:
滤波长度确定单元,用于在对所述原始图像中的像素点进行滤波处理时,根据所述原始图像的分辨率,确定滤波矩阵的滤波长度。
其中,所述分离处理单元具体可以用于:
根据所述位置信息,对所述目标直线线段进行腐蚀和/或膨胀处理,并确定腐蚀和/或膨胀后的直线线段的端点在所述原始图像中的位置信息;
根据腐蚀和/或膨胀后的直线线段的端点在所述原始图像中的位置信息,从所述滤波处理后的图像中分离出滤波处理后的直线线段。
再者,该装置还可以包括:
原始图像确定单元,用于在对图像进行渲染展示的过程中,将当前渲染完成的图像帧确定为所述原始图像。
与实施例二相对应,本申请实施例还提供了一种家装家居设计方案信息展示装置,参见图8,该装置可以包括:
图像数据加载单元801,用于加载目标家装家居设计方案对应的图像数据;
图像渲染单元802,用于根据对所述图像数据的渲染结果确定原始图像;
边缘检测单元803,用于对所述原始图像进行边缘检测;
目标直线线段定位单元804,用于从检测出的边缘线条中确定出带有锯齿失真的目标直线线段;
滤波单元805,用于通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像;
分离处理单元806,用于从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果;
替换处理单元807,用于将所述处理结果替换到所述原始图像中所述目标直线线段所在的位置处,以得到目标图像;
图像展示单元808,用于对所述目标图像进行展示。
其中,所述图像数据包括通过3D建模的方式生成的图像内容。
另外,本申请实施例还提供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前述方法实施例中任一项所述的方法的步骤。
以及一种电子设备,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行前述方法实施例中任一项所述的方法的步骤。
其中,图9示例性的展示出了电子设备的架构,例如,设备900可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理,飞行器等。
参照图9,设备900可以包括以下一个或多个组件:处理组件902,存储器904,电源组件906,多媒体组件908,音频组件910,输入/输出(I/O)的接口912,传感器组件914,以及通信组件916。
处理组件902通常控制设备900的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理元件902可以包括一个或多个处理器920来执行指令,以完成本公开技术方案提供的方法的全部或部分步骤。此外,处理组件902可以包括一个或多个模块,便于处理组件902和其他组件之间的交互。例如,处理部件902可以包括多媒体模块,以方便多媒体组件908和处理组件902之间的交互。
存储器904被配置为存储各种类型的数据以支持在设备900的操作。这些数据的示例包括用于在设备900上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器904可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件906为设备900的各种组件提供电力。电源组件906可以包括电源管理系统,一个或多个电源,及其他与为设备900生成、管理和分配电力相关联的组件。
多媒体组件908包括在设备900和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件908包括一个前置摄像头和/或后置摄像头。当设备900处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件910被配置为输出和/或输入音频信号。例如,音频组件910包括一个麦克风(MIC),当设备900处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器904或经由通信组件916发送。在一些实施例中,音频组件910还包括一个扬声器,用于输出音频信号。
I/O接口912为处理组件902和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件914包括一个或多个传感器,用于为设备900提供各个方面的状态评估。例如,传感器组件914可以检测到设备900的打开/关闭状态,组件的相对定位,例如所述组件为设备900的显示器和小键盘,传感器组件914还可以检测设备900或设备900一个组件的位置改变,用户与设备900接触的存在或不存在,设备900方位或加速/减速和设备900的温度变化。传感器组件914可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件914还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件914还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件916被配置为便于设备900和其他设备之间有线或无线方式的通信。设备900可以接入基于通信标准的无线网络,如WiFi,或2G、3G、4G/LTE、5G等移动通信网络。在一个示例性实施例中,通信部件916经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件916还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,设备900可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器904,上述指令可由设备900的处理器920执行以完成本公开技术方案提供的方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上对本申请所提供的图像抗锯齿处理方法及电子设备,能够针对长直线上比较稀疏的锯齿,获得良好的抗锯齿效果,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本申请的限制。
Claims (14)
1.一种图像抗锯齿处理方法,其特征在于,包括:
对原始图像进行边缘检测;
从检测出的边缘线条中确定出带有锯齿失真的目标直线线段;
通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像;
从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果;
将所述处理结果替换到所述原始图像中所述目标直线线段所在的位置处。
2.根据权利要求1所述的方法,其特征在于,
所述滤波处理后的图像与所述原始图像的尺寸相同。
3.根据权利要求1所述的方法,其特征在于,还包括:
在从所述原始图像中检测出所述目标直线线段后,确定所述目标直线线段的端点,在所述原始图像中的位置信息;
所述从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果,包括:
根据所述目标直线线段的端点在所述原始图像中的位置信息,从所述滤波处理后的图像中确定出两个目标端点;
从所述滤波处理后的图像中所述两个目标端点之间连成的直线线段上,确定多个像素点,并将所述多个像素点在所述滤波处理后的图像中的像素值以及位置信息确定为所述处理结果。
4.根据权利要求3所述的方法,其特征在于,
所述将所述处理结果替换到所述原始图像中所述目标直线线段所在的位置处,包括:
根据所述滤波处理结果中多个像素点的像素值,替换到所述原始图像中对应的位置处。
5.根据权利要求1所述的方法,其特征在于,
所述通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像,包括:
通过对原始图像中的全部像素点分别进行滤波处理,得到所述滤波处理后的图像。
6.根据权利要求1所述的方法,其特征在于,
所述通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像,包括:
对所述原始图像中位于所述目标直线线段上的像素点进行滤波处理,得到所述滤波处理后的图像。
7.根据权利要求1所述的方法,其特征在于,
所述目标直线线段为长度及斜率符合目标条件的直线线段。
8.根据权利要求1所述的方法,其特征在于,
所述目标直线线段包括:在横向上具有目标范围内的斜率的直线线段,或者,在纵向上具有目标范围内的斜率的直线线段;
所述通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像,包括:
利用横向或者纵向的滤波矩阵对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像。
9.根据权利要求1所述的方法,其特征在于,
所述目标直线线段包括:在横向上具有目标范围内的斜率的至少一条第一目标直线线段,以及,在纵向上具有目标范围内的斜率的至少一条第二目标直线线段;
所述通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像,包括:
分别利用横向以及纵向的滤波矩阵对所述原始图像中的像素点进行滤波处理,得到滤波处理后的第一图像以及第二图像;
所述根据所述位置信息,从所述滤波处理后的图像中分离出滤波处理后的直线线段,包括:
根据所述第一目标直线线段以及所述第二目标直线线段的所述位置信息,分别从所述第一图像以及所述第二图像中分离出滤波处理后的直线线段。
10.根据权利要求1至9任一项所述的方法,其特征在于,还包括:
在对所述原始图像中的像素点进行滤波处理时,根据所述原始图像的分辨率,确定滤波矩阵的滤波长度。
11.根据权利要求1至9任一项所述的方法,其特征在于,
所述根据所述位置信息,从所述滤波处理后的图像中分离出滤波处理后的直线线段包括:
根据所述位置信息,对所述目标直线线段进行腐蚀和/或膨胀处理,并确定腐蚀和/或膨胀后的直线线段的端点在所述原始图像中的位置信息;
根据腐蚀和/或膨胀后的直线线段的端点在所述原始图像中的位置信息,从所述滤波处理后的图像中分离出滤波处理后的直线线段。
12.一种家装家居设计方案信息展示方法,其特征在于,包括:
加载目标家装家居设计方案对应的图像数据;
根据对所述图像数据的渲染结果确定原始图像;
对所述原始图像进行边缘检测;
从检测出的边缘线条中确定出带有锯齿的目标直线线段;
通过对所述原始图像中的像素点进行滤波处理,得到滤波处理后的图像;
从所述滤波处理后的图像中分离出与所述目标直线线段对应的处理结果;
将所述处理结果替换到所述原始图像中所述目标直线线段所在的位置处,以得到目标图像;
对所述目标图像进行展示。
13.一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权利要求1至12任一项所述的方法的步骤。
14.一种电子设备,其特征在于,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行权利要求1至12任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110944123.0A CN113837955A (zh) | 2021-08-17 | 2021-08-17 | 图像抗锯齿处理方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110944123.0A CN113837955A (zh) | 2021-08-17 | 2021-08-17 | 图像抗锯齿处理方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113837955A true CN113837955A (zh) | 2021-12-24 |
Family
ID=78960636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110944123.0A Pending CN113837955A (zh) | 2021-08-17 | 2021-08-17 | 图像抗锯齿处理方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113837955A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0767444A2 (en) * | 1995-10-06 | 1997-04-09 | Nintendo Co., Ltd. | Antialiasing of silhouette edges |
JP2002218247A (ja) * | 2001-01-22 | 2002-08-02 | Ricoh Co Ltd | 画像処理方法 |
US20100302402A1 (en) * | 2009-06-02 | 2010-12-02 | Sony Corporation | Image processing apparatus, image processing method, and program |
CN104794692A (zh) * | 2015-04-16 | 2015-07-22 | 中国科学院自动化研究所 | 一种图像去锯齿的系统 |
CN106600544A (zh) * | 2016-11-10 | 2017-04-26 | 北京暴风魔镜科技有限公司 | 基于纹理贴图的抗锯齿方法及系统 |
CN106657962A (zh) * | 2015-10-30 | 2017-05-10 | 深圳创锐思科技有限公司 | 用于裸眼立体显示的图像处理方法、装置及设备 |
CN107481200A (zh) * | 2017-07-31 | 2017-12-15 | 腾讯科技(深圳)有限公司 | 图像处理方法和装置 |
CN108846815A (zh) * | 2018-06-19 | 2018-11-20 | 腾讯科技(深圳)有限公司 | 图像抗锯齿处理方法、装置和计算机设备 |
CN110390644A (zh) * | 2018-04-12 | 2019-10-29 | 辉达公司 | 通过平滑锯齿边缘向计算机生成的图像添加更大的真实感 |
-
2021
- 2021-08-17 CN CN202110944123.0A patent/CN113837955A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0767444A2 (en) * | 1995-10-06 | 1997-04-09 | Nintendo Co., Ltd. | Antialiasing of silhouette edges |
JP2002218247A (ja) * | 2001-01-22 | 2002-08-02 | Ricoh Co Ltd | 画像処理方法 |
US20100302402A1 (en) * | 2009-06-02 | 2010-12-02 | Sony Corporation | Image processing apparatus, image processing method, and program |
CN104794692A (zh) * | 2015-04-16 | 2015-07-22 | 中国科学院自动化研究所 | 一种图像去锯齿的系统 |
CN106657962A (zh) * | 2015-10-30 | 2017-05-10 | 深圳创锐思科技有限公司 | 用于裸眼立体显示的图像处理方法、装置及设备 |
CN106600544A (zh) * | 2016-11-10 | 2017-04-26 | 北京暴风魔镜科技有限公司 | 基于纹理贴图的抗锯齿方法及系统 |
CN107481200A (zh) * | 2017-07-31 | 2017-12-15 | 腾讯科技(深圳)有限公司 | 图像处理方法和装置 |
CN110390644A (zh) * | 2018-04-12 | 2019-10-29 | 辉达公司 | 通过平滑锯齿边缘向计算机生成的图像添加更大的真实感 |
CN108846815A (zh) * | 2018-06-19 | 2018-11-20 | 腾讯科技(深圳)有限公司 | 图像抗锯齿处理方法、装置和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109344832B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
US9344619B2 (en) | Method and apparatus for generating an all-in-focus image | |
CN109118430B (zh) | 超分辨率图像重建方法及装置、电子设备及存储介质 | |
CN111328448A (zh) | 图像处理的方法和设备 | |
CN105095881B (zh) | 人脸识别方法、装置及终端 | |
EP3163505A1 (en) | Method and apparatus for area identification | |
US10650502B2 (en) | Image processing method and apparatus, and storage medium | |
CN110009555B (zh) | 图像虚化方法、装置、存储介质及电子设备 | |
CN109285126B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112258404A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN105678296B (zh) | 确定字符倾斜角度的方法及装置 | |
CN109784327B (zh) | 边界框确定方法、装置、电子设备及存储介质 | |
CN111539269A (zh) | 文本区域的识别方法、装置、电子设备和存储介质 | |
CN110874809A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113160039B (zh) | 图像风格迁移方法、装置、电子设备及存储介质 | |
CN113660531B (zh) | 视频处理方法及装置、电子设备和存储介质 | |
CN109544490B (zh) | 图像增强方法、装置和计算机可读存储介质 | |
CN113160038B (zh) | 一种图像风格迁移方法、装置、电子设备及存储介质 | |
CN112446241A (zh) | 用于获得目标对象的特征信息的方法、装置及电子设备 | |
US9665925B2 (en) | Method and terminal device for retargeting images | |
CN107613210B (zh) | 图像显示方法及装置、终端、存储介质 | |
US20180150978A1 (en) | Method and device for processing a page | |
CN109816620B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111914739A (zh) | 智能跟随方法、装置、终端设备和可读存储介质 | |
CN113837955A (zh) | 图像抗锯齿处理方法及电子设备 |
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 |