CN113962240B - 图片处理方法、装置、电子设备和存储介质 - Google Patents

图片处理方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN113962240B
CN113962240B CN202111189145.7A CN202111189145A CN113962240B CN 113962240 B CN113962240 B CN 113962240B CN 202111189145 A CN202111189145 A CN 202111189145A CN 113962240 B CN113962240 B CN 113962240B
Authority
CN
China
Prior art keywords
picture
target area
dimensional code
color
smearing
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.)
Active
Application number
CN202111189145.7A
Other languages
English (en)
Other versions
CN113962240A (zh
Inventor
魏承东
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202111189145.7A priority Critical patent/CN113962240B/zh
Publication of CN113962240A publication Critical patent/CN113962240A/zh
Priority to EP22198022.0A priority patent/EP4092618A3/en
Priority to US17/936,433 priority patent/US20230015096A1/en
Application granted granted Critical
Publication of CN113962240B publication Critical patent/CN113962240B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • G06K7/1443—Methods for optical code recognition including a method step for retrieval of the optical code locating of the code in an image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • G06K7/1452—Methods for optical code recognition including a method step for retrieval of the optical code detecting bar code edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/146—Methods for optical code recognition the method including quality enhancement steps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/10—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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G06T2207/30208—Marker matrix

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Toxicology (AREA)
  • Electromagnetism (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Television Signal Processing For Recording (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本公开提供了图片处理方法、装置、电子设备和存储介质，涉及人工智能技术领域中的计算机视觉领域。具体实现方案为：识别图片中二维码所在的目标区域，获取图片的参数，根据参数对目标区域内的图片进行涂抹处理。本公开的图片处理方法，通过对二维码所在的目标区域内的图片进行涂抹处理，在规避了二维码潜在的安全风险的前提下实现了图片的正常传播，提高了用户体验。

Description

图片处理方法、装置、电子设备和存储介质
技术领域
本公开涉及人工智能技术领域中的计算机视觉领域，尤其涉及一种图片处理方法、装置、电子设备和存储介质。
背景技术
目前业界为了规避二维码潜在的安全风险会将带有二维码的图片一律全部审核删除。
但是实际上互联网上的大多数图片，排除二维码本身以及指向的内容外，剩余图片部分可能有很高的使用价值，如果全部删除，会使得带有二维码的图片无法正常传播，降低用户体验。
发明内容
本公开提供了一种图片处理方法、装置、电子设备和存储介质。
根据第一方面，提供了一种图片处理方法，包括：识别图片中二维码所在的目标区域，获取所述图片的参数，根据所述参数对所述目标区域内的图片进行涂抹处理。
根据第二方面，提供了一种图片处理装置，包括：识别模块，用于识别图片中二维码所在的目标区域；第一获取模块，用于获取所述图片的参数；涂抹模块，用于根据所述参数对所述目标区域内的图片进行涂抹处理。
根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面所述的图片处理方法。
根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开第一方面所述的图片处理方法。
根据第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开第一方面所述的图片处理方法的步骤。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的图片处理方法的流程示意图；
图2是根据本公开第二实施例的图片处理方法的流程示意图；
图3是根据本公开第三实施例的图片处理方法的流程示意图；
图4是36色标准色卡的示意图；
图5是根据本公开第四实施例的图片处理方法的流程示意图；
图6是根据本公开第五实施例的图片处理方法的流程示意图；
图7是根据本公开第六实施例的图片处理方法的流程示意图；
图8是根据本公开第七实施例的图片处理方法的流程示意图；
图9是根据本公开第一实施例的图片处理装置的框图；
图10是根据本公开第二实施例的图片处理装置的框图；
图11是用来实现本公开实施例的图片处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
人工智能(Artificial Intelligence，简称AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。目前，AI技术具有自动化程度高、精确度高、成本低的优点，得到了广泛的应用。
计算机视觉(Computer Vision，简称CV)是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。
下面结合附图描述本公开实施例的图片处理方法、装置、电子设备和存储介质。
图1是根据本公开第一实施例的图片处理方法的流程示意图。
如图1所示，本公开实施例的图片处理方法具体可包括以下步骤：
S101，识别图片中二维码所在的目标区域。
具体的，本公开实施例的图片处理方法的执行主体可为本公开实施例提供的图片处理装置，该图片处理装置可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选的，执行主体可包括工作站、服务器，计算机、用户终端及其他设备。其中，用户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。
需要说明的是，二维码是一种在移动设备上广泛应用的编码方式，相比传统的条形码(Bar Code)可以存储更多的信息，也能表示更多的数据类型。例如，在信息获取的场景中，可以通过二维码获取名片、地图、无线网络(WIFI)密码、资料等信息；在广告推送的场景中，可以通过二维码实现用户扫码后对商家推送的音视频广告的直接浏览；在手机电商场景中，可以通过二维码实现用户扫码后直接进行手机购物下单；在防伪溯源场景中，可以通过二维码实现用户扫码后查看产品生产地以及后台获取最终的产品消费地；在优惠促销场景中，可以通过二维码实现用户扫码后下载电子优惠券和抽奖；在会员管理场景中，可以通过二维码获取电子会员信息以及开展会员服务；在手机支付场景中，可以通过二维码实现对商品的扫描以及通过银行或第三方支付提供的手机端通道完成支付；在账号登录场景中，可以通过二维码进行各个网站或软件的登录。
由于二维码的开放特性，使得二维码在生成、存储、传输、展示和使用的过程中几乎不受任何的信息安全控制，导致一些非法从业者生成具有恶意功能的二维码在互联网上进行传播，而用户在扫描到这些恶意二维码后，会被诱导下载具有非法性质的应用程序或者跳转到指定的恶意网站，使得用户的计算机感染病毒等情况，从而给用户造成财产损失。
相关技术中，一些服务提供商为了规避二维码潜在的安全风险会将带有二维码的图片一律全部审核删除，但是实际上互联网上大多数带有二维码的图片在排除二维码本身以及指向的内容外，剩余图片部分往往还是有着很高的使用价值。
基于此，本公开实施例提供了一种图像处理方法，通过对图片中的二维码区域进行涂抹处理，规避了二维码在生成、存储、传输、展示和使用中可能存在的安全风险，在实现和使用的成本上更低，尽可能地保留了图片存在的价值，解决了用户对图片正常传播的诉求，极大地提高了用户体验。
在本公开实施例中，识别图片中二维码所在的目标区域，该目标区域至少包括二维码占用的二维码区域，图片即云端服务器或者主机上存储的含有二维码的图像文件，二维码所在目标区域的识别可通过多种方式进行，例如通过深度卷积神经网络：(You OnlyLook Once，简称YOLO)、快速区域卷积神经网络(Faster Region-Convolutional NeuralNetworks，简称Faster R-CNN)等目标检测算法完成，本公开对此不作过多限定。
本领域技术人员可以理解，在识别图片中二维码所在的目标区域之前，需要对获取到的图片进行二维码识别，即判断图片中是否包括二维码，对不包括二维码的图片不做处理，对包括二维码的图片进行二维码所在的目标区域的识别。
S102，获取图片的参数。
具体的，对包括二维码的图片的进行参数获取，作为一种可行的实施方式，本公开实施例中的参数具体可以包括二维码所在的目标区域外和/或内的图片参数，即目标区域外的图片的第一参数和/或目标区域内的图片的第二参数。其中，目标区域外的图片的第一参数具体可包括目标区域外的图片的主色系即第一主色系，目标区域内的图片的第二参数具体可包括但不限于目标区域内的图片的主色系即第二主色系、二维码的中心图标的属性(例如二维码的中心图标(logo)、二维码的中心图标的大小等)和二维码的容错比例等信息中的至少一种，本公开对获取图片参数的具体方式不作过多限定。
S103，根据参数对目标区域内的图片进行涂抹处理。
具体的，根据步骤S102获取的图片的参数对目标区域内的图片进行对应的涂抹处理，涂抹处理方式具体可包括但不限于：颜色填充方式、模糊处理方式和二维码掩码方式等方式。
综上，本公开实施例的图片处理方法，识别图片中二维码所在的目标区域，获取图片的参数，根据参数对目标区域内的图片进行涂抹处理。本公开的图片处理方法，通过对二维码所在目标区域内的图片进行涂抹处理，在规避了二维码潜在的安全风险的前提下实现了图片的正常传播，提高了用户体验。且基于图片的参数进行涂抹处理，尽可能的保证了涂抹掉二维码的内容信息后，图片的美观度不至于大幅度降低，进一步提高了用户体验。
图2是根据本公开第二实施例的图片处理方法的流程示意图。
如图2所示，在图1所示实施例的基础上，本公开实施例的图片处理方法具体可包括以下步骤：
上述实施例中的步骤S101“识别图片中二维码所在的目标区域”具体可包括以下步骤S201和S202。
S201，识别二维码的边框。
具体的，对图片中的二维码的边框进行识别，得到二维码的边框坐标信息，本公开对识别的具体方式不作过多限定。
S202，将边框内的区域确定为所述目标区域。
具体的，根据步骤S201识别出的二维码的边框，根据边框坐标信息将边框内的区域作为二维码所在的目标区域，以作为后续涂抹处理的具体对象。
S203，获取图片的参数。
S204，根据参数对目标区域内的图片进行涂抹处理。
具体的，本实施例中的步骤S203-S204与上述实施例中的步骤S102-S103相同，此处不再赘述。
进一步的，如图3所示，上述实施例中的步骤S203“获取图片的参数”中获取目标区域外的图片的第一主色系具体可包括以下步骤S301-S302。
S301，获取目标区域外预设区域范围内的像素的第一颜色值。
具体的，根据步骤S202获取的目标区域，进行目标区域外的预设的区域范围例如扩展宽度X范围内的像素的颜色值即第一颜色值的获取。获取方法具体可以为统计目标区域外扩展宽度在X范围内(X的范围可以根据具体的实际需要进行调整，一般默认设置为3-5像素即可)的所有像素的红绿蓝(Red-Green-Blue，简称RGB)颜色值。
S302，根据第一颜色值确定第一主色系。
具体的，作为一种可行的实施方式，可以根据步骤S301获取的第一颜色值对应的像素的数量确定第一主色系，例如将对应像素的数量最多的第一颜色值确定为第一主色系。
作为另一种可行的实施方式，可以将步骤S301获取的预设区域范围内的每个像素的第一颜色值和色卡比对一次，将第一颜色值按照就近原则分配到色卡上，即按照就近分配原则确定第一颜色值在色卡上的匹配颜色即第一匹配颜色，色卡上的每个第一匹配颜色被分配到一次，则对应的被匹配到的次数加一，根据第一匹配颜色被匹配到的次数确定第一主色系，例如将色卡上被匹配到的次数最多的颜色作为第一主色系，色卡具体可以选择12色，24色，36色等标准色卡，如图4所示，为36色标准色卡的示意图。
进一步的，如图5所示，在第二参数包括目标区域内的图片的第二主色系的情况下，上述实施例中的步骤S203“获取图片的参数”中获取目标区域内的图片的第二主色系具体可包括以下步骤S501-S502。
S501，获取目标区域内的像素的第二颜色值。
具体的，根据步骤S202获取的目标区域，进行在目标区域内的像素的第二颜色值的获取，获取方式同步骤S301，此处不再赘述。
S502，根据第二颜色值确定第二主色系。
具体的，作为一种可行的实施方式，可以根据步骤S501获取的第二颜色值对应的像素的数量确定第二主色系，例如将对应像素的数量最多的第二颜色值确定为第二主色系。
作为另一种可行的实施方式，可以按照就近分配原则确定目标区域内的每个像素的第二颜色值在色卡上的第二匹配颜色，并根据第二匹配颜色被匹配到的次数确定第二主色系。具体方法同步骤S302，此处不再赘述。
进一步的，如图6所示，上述实施例中的步骤S204“根据参数对目标区域内的图片进行涂抹处理”具体可包括以下步骤S601-S602。
S601，获取涂抹方式。
具体的，涂抹方式可以是系统默认设置好的，也可以是用户在对目标区域内的图片进行涂抹处理之前预先设置的，涂抹方式具体可包括但不限于颜色填充方式、模糊处理方式和二维码掩码方式等。在实际实践中涂抹方式的设置可以是配置文件或者配置数据库，伴有一套配置的图形用户界面(Graphical User Interface，简称GUI)，选择三种涂抹方式中的任意一种来进行目标区域内图片的涂抹处理。模糊处理方式具体可包括马赛克处理、毛玻璃处理等。
S602，根据参数，基于涂抹方式对目标区域内的图片进行涂抹处理。
具体的，可以根据获取到的二维码所在的目标区域内和/或外的图片参数，进行色彩设定，例如基准色、纯色、渐变色等。
在涂抹方式包括颜色填充方式，且参数包括第一参数，第一参数包括目标区域外的图片的第一主色系的情况下，上述步骤S602“根据参数，基于涂抹方式对目标区域内的图片进行涂抹处理”具体可包括以下步骤：基于第一主色系对目标区域内的图片进行颜色填充。
具体的，使用第一主色系对目标区域内的图片进行颜色填充，在色彩设定方面可以将第一主色系作为基准色，设置如纯色和渐变色填充，而渐变色填充的渐变方式可以设定为线性渐变或中心辐射渐变等。根据目标区域外图片的第一主色系对目标区域内的图片进行颜色填充，可以使得填充后的目标区域颜色与目标区域外图片的颜色相近，尽量保证了图片的美观度。
在涂抹方式包括模糊处理方式，且参数包括第二参数，第二参数包括目标区域内的图片的第二主色系的情况下，上述步骤S602“根据参数，基于涂抹方式对目标区域内的图片进行涂抹处理”，具体可包括以下步骤：基于第二主色系确定模糊处理方式的基准色，并根据基准色对目标区域内的图片进行涂抹处理。
具体的，以目标区域内的颜色为基准色，即基于目标区域内的颜色即第二主色系确定模糊处理方式的基准色，例如将模糊处理方式的基准色设置为目标区域内的颜色即第二主色系，对目标区域内的图片进行模糊处理，基于目标区域内的颜色作确定基准色，不同于传统的统一黑白马赛克或白色毛玻璃的模糊处理方式，可以使得模糊处理的效果更平滑，尽可能地降低了对图片美观度的影响。
在涂抹方式包括二维码掩码方式，且参数包括第二参数，第二参数包括以下至少之一：目标区域内的图片的第二主色系、二维码的中心图标的属性和二维码的容错比例的情况下，如图7所示，上述步骤S602“根据参数，基于涂抹方式对目标区域内的图片进行涂抹处理”中的，具体可包括以下步骤S701-S704：
S701，在目标区域内显示二维码掩码，二维码掩码对应的内容为空或安全提示信息。
具体的，把二维码掩码对应的内容设置为空或安全提示信息，安全提示信息例如“**提醒您，请勿访问不明来源的二维码，谨防诈骗！”，这样当用户扫描二维码掩码时可以看到具体的安全提示信息，这种涂抹方式对原有的图片影响极小，不损伤原有图片美观性，二维码掩码显示在二维码的目标区域内。二维码掩码即生成一个和原二维码参数一致但是内容被替换掉的二维码，在技术上有多种选型，例如，Python(一种编程语言)语言的QRcode(二维码)库、MyQR(二维码制作函数)库或者JavaScript(一种编程语言)语言的QRCode.js(二维码生成)库等，二维码掩码的参数可具体参考第二参数，即第二主色系、二维码的中心图标、二维码的中心图标的大小和二维码的容错比例等。
S702，基于第二主色系设置二维码掩码的颜色。
具体的，基于第二参数中的第二主色系确定二维码掩码的基准色，即基于第二参数中的第二主色系设置二维码掩码的颜色，例如把第二参数中的第二主色系设置为二维码掩码的颜色，可基于配置GUI界面通过配置文件或者配置数据库进行设置。
S703，基于二维码的中心图标的属性设置二维码掩码的中心图标的属性。
具体的，可以把第二参数中的二维码的中心图标设置为二维码掩码的中心图标，可以把第二参数中的中心图标的大小设置为二维码掩码的中心图标的大小，可基于配置GUI界面通过配置文件或者配置数据库进行设置。
S704，基于二维码的容错比例设置二维码掩码的容错比例。
具体的，可以把第二参数中的二维码掩码的容错比例设置为二维码掩码的容错比例，可基于配置GUI界面通过配置文件或者配置数据库进行设置。
根据图片中原二维码的参数生成与原二维码风格统一的二维码掩码，可以尽量保证图片的美观性，二维码掩码对应的内容设置为空或安全提示信息，可以规避原二维码潜在的安全风险。
综上，本公开实施例的图片处理方法，将识别出来的二维码的边框内的区域确定为目标区域，获取目标区域外和/或内的像素的第一、第二颜色值以及对应的第一、第二匹配颜色，从而根据匹配颜色被匹配到的次数确定对应的第一、第二主色系，分别基于涂抹参数进行包括涂抹方式和色彩设定的相关系统设定后，通过对应的涂抹方式对图片进行涂抹处理。本公开的图片处理方法，通过对二维码所在目标区域内的图片进行涂抹处理，在规避了二维码潜在的安全风险的前提下实现了图片的正常传播，提高了用户体验。且基于图片的参数进行涂抹处理，例如根据目标区域外的第一主色系基于颜色填充方式、根据目标区域内的第二主色系基于模糊处理方式和根据第二主色系、二维码的中心图标的属性和二维码的容错比例基于二维码掩码方式等，尽可能地保证了涂抹掉二维码的内容信息后，图片的美观度不至于大幅度降低，进一步提高了用户体验。
为清楚说明本公开实施例的图片处理方法，下面结合图8对本公开实施例的图片处理方法的具体实施过程进行描述。如图8所示，该方法包括：
S801，识别二维码的边框。
S802，将边框内的区域确定为目标区域。
S803，获取目标区域外预设区域范围内的像素的第一颜色值。
S804，确定预设区域范围内的各像素的第一颜色值在色卡上的第一匹配颜色。
S805，根据预设区域范围内的像素对应的第一匹配颜色被匹配到的次数确定第一主色系。
S806，获取目标区域内的像素的第二颜色值。
S807，确定目标区域内的各像素的第二颜色值在色卡上的第二匹配颜色。
S808，根据目标区域内的像素对应的第二匹配颜色被匹配到的次数确定所第二主色系。
S809，获取目标区域内二维码的中心图标的属性和二维码的容错比例。
S810，获取涂抹方式。
S811，基于第一主色系对目标区域内的图片进行颜色填充。
S812，基于第二主色系确定模糊处理方式的基准色，并根据基准色对目标区域内的图片进行涂抹处理。
S813，在目标区域内显示二维码掩码，二维码掩码对应的内容为空或安全提示信息。
S814，基于第二主色系设置二维码掩码的颜色。
S815，基于二维码的中心图标的属性设置二维码掩码的中心图标的属性。
S816，基于二维码的容错比例设置二维码掩码的容错比例。
图9是根据本公开第一实施例的图片处理装置的框图。
如图9所示，本公开实施例的图片处理装置900，包括：识别模块901、获取模块902和涂抹模块903。
识别模块901，用于识别图片中二维码所在的目标区域。
获取模块902，用于获取图片的参数。
涂抹模块903，用于根据参数对目标区域内的图片进行涂抹处理。
需要说明的是，上述对图片处理方法实施例的解释说明，也适用于本公开实施例的图片处理装置，具体过程此处不再赘述。
综上，本公开实施例的图片处理装置，识别图片中二维码所在的目标区域，获取图片的参数，根据参数对目标区域内的图片进行涂抹处理。本公开的图片处理装置，通过对二维码所在目标区域内的图片进行涂抹处理，在规避了二维码潜在的安全风险的前提下实现了图片的正常传播，提高了用户体验。且基于图片的参数进行涂抹处理，尽可能的保证了涂抹掉二维码的内容信息后，图片的美观度不至于大幅度降低，进一步提高了用户体验。
图10是根据本公开第二实施例的图片处理装置的框图。
如图10所示，本公开实施例的图片处理装置1000，包括：识别模块1001、获取模块1002和涂抹模块1003。
其中，识别模块1001与上一实施例中的识别模块901具有相同的结构和功能，获取模块1002与上一实施例中的获取模块902具有相同的结构和功能，涂抹模块1003与上一实施例中的涂抹模块903具有相同的结构和功能。
进一步的，识别模块1001具体可包括：识别单元10011，用于识别二维码的边框；第一确定单元10012，用于将边框内的区域确定为目标区域。
其中，图片的参数包括目标区域外的图片的第一参数和/或目标区域内的图片的第二参数。第一参数包括第一主色系，第二参数包括第二主色系、二维码的中心图标的属性和二维码的容错比例中的至少一种。
进一步的，获取模块1002具体可包括：第一获取单元，用于获取目标区域外预设区域范围内的像素的第一颜色值；第二确定单元，用于根据第一颜色值确定第一主色系。
进一步的，第二确定单元具体可包括：第一确定子单元，用于确定预设区域范围内的各像素的第一颜色值在色卡上的第一匹配颜色；第二确定子单元，用于根据预设区域范围内的像素对应的第一匹配颜色被匹配到的次数确定第一主色系。
进一步的，在第二参数包括第二主色系的情况下，获取模块1002具体还可包括：第二获取单元，用于获取目标区域内的像素的第二颜色值；第三确定单元，用于根据第二颜色值确定第二主色系。
进一步的，第三确定单元具体可包括：第三确定子单元，用于确定目标区域内的各像素的第二颜色值在色卡上的第二匹配颜色；第四确定子单元，用于根据目标区域内的像素对应的第二匹配颜色被匹配到的次数确定第二主色系。
进一步的，涂抹模块1003具体可包括：第三获取单元，用于获取涂抹方式；涂抹单元，用于根据参数，基于涂抹方式对目标区域内的图片进行涂抹处理。
其中，涂抹方式包括以下任意一种：颜色填充方式、模糊处理方式和二维码掩码方式。
进一步的，在涂抹方式包括颜色填充方式，且参数包括第一参数，第一参数包括目标区域外的图片的第一主色系的情况下，涂抹单元具体可包括：填充子单元，用于基于第一主色系对目标区域内的图片进行颜色填充。
进一步的，在涂抹方式包括模糊处理方式，且参数包括第二参数，第二参数包括目标区域内的图片的第二主色系的情况下，涂抹单元具体还可包括：涂抹子单元，用于基于第二主色系确定模糊处理方式的基准色，并根据基准色对目标区域内的图片进行涂抹处理。
进一步的，在涂抹方式包括二维码掩码方式，且参数包括第二参数，第二参数包括以下至少之一：目标区域内的图片的第二主色系、二维码的中心图标的属性和二维码的容错比例的情况下，涂抹单元具体还可包括：显示子单元，用于在目标区域内显示二维码掩码，二维码掩码对应的内容为空或安全提示信息；第一设置子单元，用于基于第二主色系设置二维码掩码的颜色；第二设置子单元，用于基于二维码的中心图标的属性设置二维码掩码的中心图标的属性；第三设置子单元，用于基于二维码的容错比例设置二维码掩码的容错比例。
需要说明的是，上述对图片处理方法实施例的解释说明，也适用于本公开实施例的图片处理装置，具体过程此处不再赘述。
综上，本公开实施例的图片处理装置，将识别出来的二维码的边框内的区域确定为目标区域，获取目标区域外和/或内的像素的第一、第二颜色值以及对应的第一、第二匹配颜色，从而根据匹配颜色被匹配到的次数确定对应的第一、第二主色系，分别基于涂抹参数进行包括涂抹方式和色彩的相关系统设定后，通过对应的涂抹方式对图片进行涂抹处理。本公开的图片处理装置，通过对二维码所在目标区域内的图片进行涂抹处理，在规避了二维码潜在的安全风险的前提下实现了图片的正常传播，提高了用户体验。且基于图片的参数进行涂抹处理，例如根据目标区域外的第一主色系基于颜色填充方式、根据目标区域内的第二主色系基于模糊处理方式和根据第二主色系、二维码的中心图标的属性和二维码的容错比例基于二维码掩码方式等，尽可能地保证了涂抹掉二维码的内容信息后，图片的美观度不至于大幅度降低，进一步提高了用户体验。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图11示出了可以用来实施本公开的实施例的示例电子设备1100的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图11所示，电子设备1100包括计算单元1101，其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序，来执行各种适当的动作和处理。在RAM 1103中，还可存储电子设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
电子设备1100中的多个部件连接至I/O接口1105，包括：输入单元1106，例如键盘、鼠标等；输出单元1107，例如各种类型的显示器、扬声器等；存储单元1108，例如磁盘、光盘等；以及通信单元1109，例如网卡、调制解调器、无线通信收发机等。通信单元1109允许电子设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如图1至图8所示的图片处理方法。例如，在一些实施例中，图片处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到电子设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时，可以执行上文描述的图片处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图片处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程图片处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网以及区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
根据本公开的实施例，本公开还提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现根据本公开上述实施例所示的图片处理方法的步骤。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (16)

1.一种图片处理方法，包括：
识别图片中二维码所在的目标区域；
获取所述图片的参数，所述参数包括：所述目标区域外的图片的第一参数和/或所述目标区域内的图片的第二参数，所述第一参数包括第一主色系，所述第二参数包括第二主色系、所述二维码的中心图标的属性和所述二维码的容错比例中的至少一种；以及
根据所述参数对所述目标区域内的图片进行涂抹处理；
其中，在所述第二参数包括所述第二主色系的情况下，所述获取所述图片的参数，包括：获取所述目标区域内的像素的第二颜色值；以及根据所述第二颜色值确定所述第二主色系；
其中，所述根据所述参数对所述目标区域内的图片进行涂抹处理，包括：获取涂抹方式，所述涂抹方式包括以下任意一种：颜色填充方式、模糊处理方式和二维码掩码方式；以及根据所述参数，基于所述涂抹方式对所述目标区域内的图片进行涂抹处理；
其中，在所述涂抹方式包括二维码掩码方式，且所述参数包括第二参数，所述第二参数包括以下至少之一：所述目标区域内的图片的第二主色系、所述二维码的中心图标的属性和所述二维码的容错比例的情况下，所述根据所述参数，基于所述涂抹方式对所述目标区域内的图片进行涂抹处理，包括以下至少之一：在所述目标区域内显示二维码掩码，所述二维码掩码对应的内容为空或安全提示信息；基于所述第二主色系设置所述二维码掩码的颜色；基于所述二维码的中心图标的属性设置所述二维码掩码的中心图标的属性；以及基于所述二维码的容错比例设置所述二维码掩码的容错比例。
2. 根据权利要求1所述的图片处理方法，其中，所述识别图片中二维码所在的目标区域，包括：
识别所述二维码的边框；以及
将所述边框内的区域确定为所述目标区域。
3. 根据权利要求1所述的图片处理方法，其中，所述获取所述图片的参数，包括：
获取所述目标区域外预设区域范围内的像素的第一颜色值；以及
根据所述第一颜色值确定所述第一主色系。
4. 根据权利要求3所述的图片处理方法，其中，所述根据所述第一颜色值确定所述第一主色系，包括：
确定所述预设区域范围内的各像素的第一颜色值在色卡上的第一匹配颜色；以及
根据所述预设区域范围内的像素对应的所述第一匹配颜色被匹配到的次数确定所述第一主色系。
5. 根据权利要求1所述的图片处理方法，其中，所述根据所述第二颜色值确定所述第二主色系，包括：
确定所述目标区域内的各像素的第二颜色值在色卡上的第二匹配颜色；以及
根据所述目标区域内的像素对应的所述第二匹配颜色被匹配到的次数确定所述第二主色系。
6.根据权利要求1所述的图片处理方法，其中，在所述涂抹方式包括颜色填充方式，且所述参数包括第一参数，所述第一参数包括所述目标区域外的图片的第一主色系的情况下，所述根据所述参数，基于所述涂抹方式对所述目标区域内的图片进行涂抹处理，包括：
基于所述第一主色系对所述目标区域内的图片进行颜色填充。
7.根据权利要求1所述的图片处理方法，其中，在所述涂抹方式包括模糊处理方式，且所述参数包括第二参数，所述第二参数包括所述目标区域内的图片的第二主色系的情况下，所述根据所述参数，基于所述涂抹方式对所述目标区域内的图片进行涂抹处理，包括：
基于所述第二主色系确定所述模糊处理方式的基准色，并根据所述基准色对所述目标区域内的图片进行涂抹处理。
8.一种图片处理装置，包括：
识别模块，用于识别图片中二维码所在的目标区域；
获取模块，用于获取所述图片的参数，所述参数包括：所述目标区域外的图片的第一参数和/或所述目标区域内的图片的第二参数，所述第一参数包括第一主色系，所述第二参数包括第二主色系、所述二维码的中心图标的属性和所述二维码的容错比例中的至少一种；以及
涂抹模块，用于根据所述参数对所述目标区域内的图片进行涂抹处理；
其中，在所述第二参数包括所述第二主色系的情况下，所述获取模块，包括：第二获取单元，用于获取所述目标区域内的像素的第二颜色值；以及第三确定单元，用于根据所述第二颜色值确定所述第二主色系；
其中，所述涂抹模块，包括：第三获取单元，用于获取涂抹方式，所述涂抹方式包括以下任意一种：颜色填充方式、模糊处理方式和二维码掩码方式；以及涂抹单元，用于根据所述参数，基于所述涂抹方式对所述目标区域内的图片进行涂抹处理；
其中，在所述涂抹方式包括二维码掩码方式，且所述参数包括第二参数，所述第二参数包括以下至少之一：所述目标区域内的图片的第二主色系、所述二维码的中心图标的属性和所述二维码的容错比例的情况下，所述涂抹单元，包括以下至少之一：显示子单元，用于在所述目标区域内显示二维码掩码，所述二维码掩码对应的内容为空或安全提示信息；第一设置子单元，用于基于所述第二主色系设置所述二维码掩码的颜色；第二设置子单元，用于基于所述二维码的中心图标的属性设置所述二维码掩码的中心图标的属性；以及第三设置子单元，用于基于所述二维码的容错比例设置所述二维码掩码的容错比例。
9. 根据权利要求8所述的图片处理装置，其中，所述识别模块，包括：
识别单元，用于识别所述二维码的边框；以及
第一确定单元，用于将所述边框内的区域确定为所述目标区域。
10. 根据权利要求8所述的图片处理装置，其中，所述获取模块，包括：
第一获取单元，用于获取所述目标区域外预设区域范围内的像素的第一颜色值；以及
第二确定单元，用于根据所述第一颜色值确定所述第一主色系。
11. 根据权利要求10所述的图片处理装置，其中，所述第二确定单元，包括：
第一确定子单元，用于确定所述预设区域范围内的各像素的第一颜色值在色卡上的第一匹配颜色；以及
第二确定子单元，用于根据所述预设区域范围内的像素对应的所述第一匹配颜色被匹配到的次数确定所述第一主色系。
12. 根据权利要求8所述的图片处理装置，其中，所述第三确定单元，包括：
第三确定子单元，用于确定所述目标区域内的各像素的第二颜色值在色卡上的第二匹配颜色；以及
第四确定子单元，用于根据所述目标区域内的像素对应的所述第二匹配颜色被匹配到的次数确定所述第二主色系。
13.根据权利要求8所述的图片处理装置，其中，在所述涂抹方式包括颜色填充方式，且所述参数包括第一参数，所述第一参数包括所述目标区域外的图片的第一主色系的情况下，所述涂抹单元，包括：
填充子单元，用于基于所述第一主色系对所述目标区域内的图片进行颜色填充。
14.根据权利要求8所述的图片处理装置，其中，在所述涂抹方式包括模糊处理方式，且所述参数包括第二参数，所述第二参数包括所述目标区域内的图片的第二主色系的情况下，所述涂抹单元，包括：
涂抹子单元，用于基于所述第二主色系确定所述模糊处理方式的基准色，并根据所述基准色对所述目标区域内的图片进行涂抹处理。
15. 一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
CN202111189145.7A 2021-10-12 2021-10-12 图片处理方法、装置、电子设备和存储介质 Active CN113962240B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202111189145.7A CN113962240B (zh) 2021-10-12 2021-10-12 图片处理方法、装置、电子设备和存储介质
EP22198022.0A EP4092618A3 (en) 2021-10-12 2022-09-27 Picture processing method and apparatus, electronic device and storage medium
US17/936,433 US20230015096A1 (en) 2021-10-12 2022-09-29 Picture processing method and apparatus, electronic device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111189145.7A CN113962240B (zh) 2021-10-12 2021-10-12 图片处理方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN113962240A CN113962240A (zh) 2022-01-21
CN113962240B true CN113962240B (zh) 2023-09-15

Family

ID=79463700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111189145.7A Active CN113962240B (zh) 2021-10-12 2021-10-12 图片处理方法、装置、电子设备和存储介质

Country Status (3)

Country Link
US (1) US20230015096A1 (zh)
EP (1) EP4092618A3 (zh)
CN (1) CN113962240B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110288069A (zh) * 2019-06-26 2019-09-27 百度在线网络技术（北京）有限公司 二维码生成和解析的方法、装置、设备及可读存储介质
WO2020156552A1 (zh) * 2019-01-31 2020-08-06 北京嘀嘀无限科技发展有限公司 二维码生成、识别方法及装置
CN112560530A (zh) * 2020-12-07 2021-03-26 北京三快在线科技有限公司 一种二维码处理方法、设备、介质及电子设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007181655A (ja) * 2005-12-09 2007-07-19 Aruze Corp サンド装置、遊技時間計測システム及び遊技時間計測装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020156552A1 (zh) * 2019-01-31 2020-08-06 北京嘀嘀无限科技发展有限公司 二维码生成、识别方法及装置
CN110288069A (zh) * 2019-06-26 2019-09-27 百度在线网络技术（北京）有限公司 二维码生成和解析的方法、装置、设备及可读存储介质
CN112560530A (zh) * 2020-12-07 2021-03-26 北京三快在线科技有限公司 一种二维码处理方法、设备、介质及电子设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
M. Alwan ; S. Dalal ; D. Mack ; S. Kell ; B. Turner ; J. Leachtenauer ; R. Felder.Impact of monitoring technology in assisted living: outcome pilot.IEEE.2006,全文. *
燕伯禹 ; 孙承君 ; 冯帆 ; 张金 ; 宫晓利 ; .Half-Art――一种基于Halftone和QArt的新型二维码艺术化算法.应用科学学报.2018,(第03期),全文. *
管小卫 ; .基于Python的二维码生成与识别.科学技术创新.2020,(第25期),全文. *

Also Published As

Publication number Publication date
EP4092618A3 (en) 2023-04-19
US20230015096A1 (en) 2023-01-19
EP4092618A2 (en) 2022-11-23
CN113962240A (zh) 2022-01-21

Similar Documents

Publication Publication Date Title
CN113643412B (zh) 虚拟形象的生成方法、装置、电子设备及存储介质
CN111654746B (zh) 视频的插帧方法、装置、电子设备和存储介质
CN111800493B (zh) 信息内容推送方法、装置、电子设备和存储介质
CN114187633B (zh) 图像处理方法及装置、图像生成模型的训练方法及装置
CN112634343A (zh) 图像深度估计模型的训练方法、图像深度信息的处理方法
CN111768356A (zh) 一种人脸图像融合方法、装置、电子设备及存储介质
CN113393371B (zh) 一种图像处理方法、装置及电子设备
CN113177472A (zh) 动态手势识别方法、装置、设备以及存储介质
CN113642491A (zh) 人脸融合方法、人脸融合模型的训练方法及装置
CN113705362A (zh) 图像检测模型的训练方法、装置、电子设备及存储介质
CN113923474B (zh) 视频帧处理方法、装置、电子设备以及存储介质
CN113327193A (zh) 图像处理方法、装置、电子设备和介质
CN114792355A (zh) 虚拟形象生成方法、装置、电子设备和存储介质
CN112862934B (zh) 用于处理动画的方法、装置、设备、介质和产品
CN113962240B (zh) 图片处理方法、装置、电子设备和存储介质
CN112311952A (zh) 图像处理方法、系统和装置
CN113781653B (zh) 对象模型生成方法、装置、电子设备及存储介质
CN114093006A (zh) 活体人脸检测模型的训练方法、装置、设备以及存储介质
CN114677566A (zh) 深度学习模型的训练方法、对象识别方法和装置
CN113947146A (zh) 样本数据生成方法、模型训练方法、图像检测方法及装置
CN113903071A (zh) 人脸识别方法、装置、电子设备和存储介质
CN110119954B (zh) 生成手术用具追踪订单的方法及装置
CN113627526A (zh) 车辆标识的识别方法、装置、电子设备和介质
CN109062645B (zh) 用于终端的处理信息的方法和装置
CN114117281A (zh) 一种背景确定方法、装置、设备以及存储介质

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
GR01 Patent grant
GR01 Patent grant