CN114022662A - 图像识别方法、装置、设备及介质 - Google Patents
图像识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114022662A CN114022662A CN202111316119.6A CN202111316119A CN114022662A CN 114022662 A CN114022662 A CN 114022662A CN 202111316119 A CN202111316119 A CN 202111316119A CN 114022662 A CN114022662 A CN 114022662A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- candidate
- angle range
- camera
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000003384 imaging method Methods 0.000 claims description 145
- 230000000007 visual effect Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 11
- 230000003287 optical effect Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000012015 optical character recognition Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007526 fusion splicing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
Abstract
本公开实施例涉及一种图像识别方法、装置、设备及介质,其中该方法包括:响应于对目标物体的拍摄识别请求,控制摄像头模组中预先确定的多个目标摄像头同时拍摄目标物体获取多张候选图像;对多张候选图像拼接融合处理以获取目标图像,并根据目标图像进行图像识别处理。由此,基于多个摄像头的选择和配合扩大拍摄图像的视场范围,对相机的硬件参数的设计要求较低,在扩大拍摄的图像的范围的基础上,保证了图像拍摄质量,进一步便于提高图像识别率。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种图像识别方法、装置、设备及介质。
背景技术
通常,在对图像进行光学字符识别(Optical Character Recognition,OCR)等识别场景下,通过摄像机拍摄待识别对象的图像,基于图像进行识别,拍摄的图像的视场范围限制图像识别范围。
相关技术中,通过单摄像头拍摄待识别的对象获取图像,通过调整单摄像头的拍摄焦距等方式来提升摄像头的拍摄视场,从而,提升了图像识别范围。
然而,上述通过调整拍摄焦距来提升拍摄视场的方式,不但对相机的硬件参数有较高的设计要求,还会导致图像的拍摄的畸变较大,影响了图像的识别率。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开提供了一种图像识别方法、装置、设备及介质,由此,基于多个摄像头的选择和配合扩大拍摄图像的视场范围,对相机的硬件参数的设计要求较低,在扩大拍摄的图像的范围的基础上,保证了图像拍摄质量,进一步便于提高图像识别率。
本公开实施例提供了一种图像识别方法,所述方法包括:
响应于对目标物体的拍摄识别请求,控制摄像头模组中预先确定的多个目标摄像头同时拍摄所述目标物体获取多张候选图像;
对所述多张候选图像拼接融合处理以获取目标图像,并根据所述目标图像进行图像识别处理。
本公开实施例还提供了一种图像识别装置,所述装置包括:拍摄模块,用于响应于对目标物体的拍摄识别请求,控制摄像头模组中预先确定的多个目标摄像头同时拍摄所述目标物体获取多张候选图像;识别模块,用于对所述多张候选图像拼接融合处理以获取目标图像,并根据所述目标图像进行图像识别处理。
本公开实施例还提供了一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现如本公开实施例提供的图像识别方法。
本公开实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行如本公开实施例提供的图像识别方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
本公开实施例提供的图像识别方案,响应于对目标物体的拍摄请求,从摄像头模组中间隔设置的多个候选摄像头中确定与成像需求视场角关联的多个目标摄像头,控制摄像头模组中的多个目标摄像头同时拍摄目标物体获取多张候选图像,进而,对多张候选图像拼接融合处理以获取目标图像,并根据目标图像进行图像识别处理。由此,基于多个摄像头的选择和配合扩大拍摄图像的视场范围,对相机的硬件参数的设计要求较低,在扩大拍摄的图像的范围的基础上,保证了图像拍摄质量,进一步便于提高图像识别率。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本公开实施例提供的一种图像识别方法的流程示意图;
图2(a)为本公开实施例提供的一种摄像头模组的摄像头排列示意图;
图2(b)为本公开实施例提供的另一种摄像头模组的摄像头排列示意图;
图3为本公开实施例所提供的一种摄像头模组的应用场景示意图;
图4为本公开实施例提供的一种视场角范围示意图;
图5为本公开实施例提供的另一种视场角范围示意图;
图6为本公开实施例提供的另一种图像识别方法的流程示意图;
图7为本公开实施例提供的另一种图像识别方法的流程示意图;
图8为本公开实施例提供的一种图像识别场景示意图;
图9(a)为本公开实施例提供的另一种图像识别场景示意图;
图9(b)为本公开实施例提供的另一种图像识别场景示意图;
图10为本公开实施例提供的一种图像识别装置的结构示意图;
图11为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
为了解决上述提高的为了提升图像识别率,通过改变摄像头的拍摄焦距等方式提高拍摄视场范围的方式,可能会导致图像畸变较大,从而,反而会降低图像的识别率的问题,本公开实施例提供了一种图像识别方法,在该方法中,基于多个摄像头的选择和配合,来扩大视场范围,而不是通过改变摄像头的焦距等方式,从而,降低了对摄像头硬件参数的限制,由于多个摄像头的拍摄视场范围相对单摄像头的拍摄视场范围较大,因此,对提升图像识别率具有显著效果。
下面结合具体的实施例对该方法进行介绍。
图1为本公开实施例提供的一种图像识别方法的流程示意图,该方法可以由图像识别装置执行,其中该装置可以采用软件和/或硬件实现,一般可集成在电子设备中。如图1所示,该方法包括:
步骤101,响应于对目标物体的拍摄识别请求,控制摄像头模组中预先确定的多个目标摄像头同时拍摄目标物体获取多张候选图像。
可以理解,本实施例中的摄像头模组包括多个摄像头,多个摄像头和目标物体所在平面可以在同一个平面间隔排列(如图2(a)所示),也可以不在同一个平面间隔排列(如图2(b)所示),其中,间隔排列的摄像头之间的间隔可以相同,也可以不同,在一些可能的实施例中,如图3所示,摄像头模组可以设置在图像识别设备中,该图像识别设备上设置摄像头模组以及物体放置元件(可以为桌面等),物体放置元件上承载待识别的目标物体,摄像头模组朝向该物体放置元件,以便于拍摄对应的目标物体。
在本实施例中,获取目标物体相对摄像头模组的成像需求视场角,可以理解为,对目标物体来说可以被拍摄完全的成像范围对应的拍摄的视场角,或者,对目标物体被识别的部分可以被拍摄完全的成像范围对应的拍摄的视场角,单摄像头标准视场角阈值可以理解为在摄像头模组的成像范围内,单摄像头清晰成像的视场角范围,或者默认拍摄模式下的城下的可清晰成像的视场角范围,其中,对于单个摄像头来说,以摄像头模组的摄像头为顶点,以拍摄的物体可通过镜头的最大范围的两条边缘构成的夹角范围作为视场角,如图4所示,视场角范围限定了可以清晰成像的区域,当拍摄的物体超过单摄像头标准视场角阈值,则对应的单摄像头就无法拍摄到对应的区域并成像,这是由于对于单摄像头来说,若是通过调整摄像头的相关硬件模组等方式扩大视场角来拍摄图像,则会导致拍摄的图像的单位面积像素值降低,甚至拍摄的图像会产生畸变等,从而,影响对拍摄的图像的OCR识别率等,因此,这种扩大单摄像头视场角来拍摄图像的方式,需要对单摄像头增加图像传感器像素以提高图像的单位面积像素值,同时,还需要进行图像畸变消除计算来对拍摄的图像去畸变,这无异于增加了单摄像头的设计和制造的难度,以及后续算法计算的难度。
需要说明的是,单摄像头标准视场角阈值对应的单摄像头可以为摄像头模组中任意一个摄像头,也可以预先根据在每个拍摄距离下,拍摄视场角最大的摄像头,从而,在本实施例中,预先在数据库中存储对应的拍摄距离下(或者拍摄距离范围下),拍摄距离和对应的拍摄视场角最大的摄像头对应的视场角作为单摄像头标准视场角阈值,由此,可以获取目标物体与摄像头模组的当前拍摄距离,查询预设数据库确定与当前拍摄距离对应的单摄像头标准视场角阈值。
在本实施例中,若是目标物体相对摄像头模组的成像需求视场角大于单摄像头标准视场角阈值,则表明基于摄像头模组的单个摄像头无法满足目标物体清晰完整的成像需求,因此,需要扩大成像视场范围。
容易理解的是,间隔排列的摄像头时间的成像视场范围可能是不完全相同的,因此,若是提高拍摄目标物体的摄像头数量,显然会对目标物体的拍摄视场范围具有提升的作用,这种通过增加拍摄目标物体的摄像头数量的方式,在提高拍摄视场角范围的前提下,也对摄像头模组的设计和制造难度没有较高的要求,因此,在本实施例中,从摄像头模组中间隔设置的多个候选摄像头中确定与成像需求视场角关联的多个目标摄像头,以提高对目标物体的拍摄视场范围。
举例而言,如图5所示,若是摄像头模组中的摄像头1的成像需求视场角范围为S1,则新增与摄像头1间隔排列的摄像头2,则总的成像需求视场角范围根据S1和S2确定,拍摄视场角相对于S1来说,增大了S2和S1不同的视场角范围部分。
其中,在不同的应用场景中,从摄像头模组中间隔设置的多个候选摄像头中确定与成像需求视场角关联的多个目标摄像头的方式不同,任意确定能够对目标物体实现清晰完整成像的目标摄像头的选择方式,都应当属于本实施例中的多个目标摄像头的选择方式,为了便于理解,将会在后续实施例中示例性描述,在此不再赘述。
在本实施例中,响应于对目标物体的拍摄请求,在确定了摄像头模组中的多个目标摄像头后,控制摄像头模组中的多个目标摄像头同时拍摄目标物体获取多张候选图像,其中,多张候选图像由于是同时拍摄的,因此,针对的是同一个目标物体同一个时间的状态,具有合并融合的基础。
步骤102,对多张候选图像拼接融合处理以获取目标图像,并根据目标图像进行图像识别处理。
需要说明的是,本实施例中的摄像头模组中的多个摄像头的摄像头参数可以相同也可以不同,当摄像头参数(包括拍摄焦距等摄像头内参、距离目标物体的拍摄距离等摄像头外参)不完全相同时,在对多张候选图像拼接融合处理时,需要基于摄像头参数的差别将候选图像处理到同一个显示维度后进行拼接融合(比如,根据距离目标物体的距离进行对应的尺寸缩放处理、对不处于同一个拍摄平面的图像进行逆向透视变换等),若是拍摄参数完全相同,则无需对多张候选图像进行显示维度的统一处理即可进行拼接融合。
在本实施例中,对多张候选图像拼接融合处理以获取目标图像,进而,根据目标图像进行图像识别处理,由于目标图像是多个目标摄像头拍摄的,因此,目标图像的拍摄视场范围可以对目标物体清晰成像,从而,提升了图像识别率。
需要说明的是,在不同的应用场景中,对多张候选图像拼接融合处理以获取目标图像的方式不同,示例如下:
在本公开的一个实施例中,如图6所示,对多张候选图像拼接融合处理以获取目标图像,包括:
步骤601,确定多张候选图像中的主候选图像。
在本实施例中,可以根据拍摄到目标物体的面积确定面积最大的一张候选图像为主候选图像,还可以确定每张候选图像的图像清晰度,确定图像清晰度最高的一张候选图像为主候选图像等。
步骤602,将主候选图像与其他每张候选图像进行图像特征匹配,确定匹配成功的重叠图像区域和匹配不成功的新增图像区域。
其中,图像特征包括但不限于像素值、像素位置等。
在本实施例中,将主候选图像与其他每张候选图像进行图像特征匹配,确定匹配成功的重叠图像区域和匹配不成功的新增图像区域,其中,匹配不成功指的是其他候选图像相对于主候选图像不同的图像区域,对应于目标物体的不同的区域。
步骤603,根据重叠图像区域将主候选图像和对应的其他候选图像进行图像融合生成融合图像区域。
在本实施例中,根据重叠图像区域将主候选图像和对应的其他候选图像进行图像融合生成融合图像区域,由此,实现了对重叠图像区域的画质增强,这里的图像融合可以采用高动态范围图像成像等。
步骤604,根据新增图像区域将主候选图像和对应的融合图像区域拼接生成目标图像。
在本实施例中,根据新增图像区域将主候选图像和对应的融合图像区域拼接生成目标图像,由此,实现了对目标图像的成像视场范围的扩大。
在本公开的另一个实施例中,可以预先训练深度学习模型,将该多张候选图像输入预先训练得到的深度学习模型,获取该模型输出的目标图像。
综上,本公开实施例的图像识别方法,响应于对目标物体的拍摄请求,从摄像头模组中间隔设置的多个候选摄像头中确定与成像需求视场角关联的多个目标摄像头,控制摄像头模组中的多个目标摄像头同时拍摄目标物体获取多张候选图像,进而,对多张候选图像拼接融合处理以获取目标图像,并根据目标图像进行图像识别处理。由此,基于多个摄像头的选择和配合扩大拍摄图像的视场范围,对相机的硬件参数的设计要求较低,在扩大拍摄的图像的范围的基础上,保证了图像拍摄质量,进一步便于提高图像识别率。
下面结合示例说明,如何确定目标物体的成像视角场关联的多个目标摄像头。
在本本公开的一个实施例中,如图7所示,在从摄像头模组中间隔设置的多个候选摄像头中确定与成像需求视场角关联的多个目标摄像头,包括:
步骤701,获取每个候选摄像头的拍摄视场角范围。
在本实施例中,可以根据每个候选摄像头的焦距计算出每个候选摄像头的拍摄视场角范围,拍摄视场角范围表示对应的候选摄像头拍摄物体可成像的面积范围。
步骤702,根据预设的算法计算每个拍摄视场角范围和其他每个拍摄视场角范围的组合成像视角范围。
在本实施例中,根据预设的算法计算每个拍摄视场角范围和其他每个拍摄视场角范围不重叠的视场角范围和重叠的视场角范围,即确定每个拍摄视场角范围和其他每个拍摄视场角范围相同的可成像面积区域和不相同的可成像面积区域,基于相同的和不相同的可成像面积区域共同组成组合成像视角范围。
举例而言,参照图8,当候选摄像头包括摄像头1和2时,摄像头1的视场角范围为S1,摄像头2的视场角范围为S2,则图中阴影区域为相同的视场角范围,图中白色区域为不同的视场角范围。
在一些可能的实施例中,若是摄像头模组相对固定的朝向图像识别设备中物体放置原件设置,则可以预先标定每个候选摄像头和其他候选摄像头之间的相同的视场角范围和不相同的视场角范围,基于标定结果直接获取相同的视场角范围和不相同的视场角范围,基于相同的视场角范围和不相同的视场角范围共同组成组合成像视角范围。
在另一些可能的实施例中,基于视场角的几何关系计算得到组合成像视角范围。
在本实施例中,获取每个候选摄像头和目标物体的垂直距离、光轴和垂直距离所在方向的倾角、水平视场角和垂直视场角,进而,对垂直距离、倾角、水平视场角和垂直视场角计算,以获取每个候选摄像头的拍摄视场角范围,根据每个候选摄像头的拍摄视场角范围计算每个拍摄视场角范围和其他至少一个拍摄视场角范围不重叠的视场角范围和重叠的视场角范围。
继续以候选摄像头包括摄像头1和摄像头2为例,如图9(a)所示,当摄像头1的相对于目标物体的垂直距离为h,光轴相对于垂直距离对应方向的倾角为θ,水平视场角为FOVβ,垂直视场角为FOVα,在而根据几何关系,确定摄像头1的拍摄视场角范围S1如下面的公式(1)所示:
摄像头2的拍摄视场角范围S2的确定方式也可以参照上述实施例,在此不再赘述。
进而,若是摄像头1和摄像头2的拍摄参数一致,且如图在同一个水平面拍摄,若是摄像头1和摄像头2的间隔距离为n,则如图9(b)所示,确定摄像头2相对于摄像头1不重叠的场角范围S2可以参照公式(2):
当然,在本实施例中,若是摄像头1和摄像头2的拍摄参数不一致,则可以根据各自计算得到的拍摄视场角范围投影获取对应的组合视场角范围等。
步骤703,根据组合成像视角范围确定与成像需求视场角关联的多个目标摄像头。
在本实施例中,在确定组合成像视角范围后,可以大概知道摄像头之间拍摄的重叠区域和不重叠区域的范围,因此,若是想要提高对目标物体的成像范围,可以基于组合成像视角范围确定与成像需求视场角关联的多个目标摄像头。
在本公开的一个实施例中,判断组合成像视角范围中是否存在大于成像需求视场角的至少一个候选组合成像视角范围,若存在至少一个候选组合成像视角范围,则根据预设的筛选策略在至少一个候选组合成像视角范围中确定目标组合成像视角范围,进而,确定目标组合成像视角范围对应的候选摄像头为目标摄像头。
在一些可能的实施例中,可以为了保证对目标物体的识别率,确定至少一个候选组合成像视角范围的最大值为目标组合成像视角范围。
在另一些可能的实施例中,可以获取目标物体中待识别元素和其他元素的成像对比度,其中,待识别元素可以是任意识别对象,比如文字、人脸图像区域等,该成像对比度用于表示对目标物体进行识别时对图像清晰度的要求,比如,若是成像对比度较低,则表明需要保证目标物体的图像较为清晰,否则可能无法准确识别对应的待识别元素。
若成像对比度小于预设阈值,则比较至少一个候选组合成像视角范围对应的相同的视场角范围的大小关系,由于相同的对应的是拍摄视场角范围重叠的区域,当重叠区域越大,表明融合拼接得到的目标图像清晰度越高的概率越大,因此,可以确定相同的视场角范围中的最大值对应的候选组合成像视角范围为目标候选组合成像视角范围,当然,也可以在至少一个候选组合成像视角范围中直接确定合成的目标图像清晰度最高值对应的候选组合成像视角范围为图像为目标组合成像视角范围。
在本公开的另一个实施例中,在判断组合成像视角范围中是否存在大于成像需求视场角的至少一个候选组合成像视角范围之后,若不存在至少一个候选组合成像视角范围,则获取视角范围之和大于等于成像需求视场角的多个组合成像视角范围为目标组合成像视角范围,其中,多个组合成像视角范围为可以为大于2且小于等候选摄像头总数量的任意自然数。
在本实施例中,根据同样的逻辑,根据预设的算法计算每个拍摄视场角范围和其他候选摄像头中,每M个候选摄像头的拍摄视场角范围的组合成像视角范围,根据组合成像视角范围,确定与成像需求视场角关联的多个目标摄像头,确定目标摄像头的方式参照上述实施例,其中,M为大于2的自然数,即在本实施例中,当需要大于2个候选摄像头才能对目标物体清晰成像,或者对目标物体的待识别部分清晰成像时,也可以基于上述计算方式,计算大于2个的候选摄像头的组合成像视角范围,基于上述逻辑根据预设的筛选策略在多个组合成像视角范围中确定目标组合成像视角范围,并确定目标组合成像视角范围对应的候选摄像头为目标摄像头。
综上,本公开实施例的图像识别方法,当单摄像头无法对目标物体待识别区域清晰完整的成像时,可以通过目标物体相对摄像头模组的成像需求视场角,从摄像头模组中间隔设置的多个候选摄像头中确定与成像需求视场角关联的多个目标摄像头,在避免图像边缘畸变的前提下,基于多个目标摄像头增大对目标物体的成像视场范围,有助于提升目标物体的识别率。
为了实现上述实施例,本公开还提出了一种图像识别装置。
图10为本公开实施例提供的一种图像识别装置的结构示意图,该装置可由软件和/或硬件实现,一般可集成在电子设备中图像识别。如图10所示,该装置包括:拍摄模块1010、识别模块1020,其中,
拍摄模块1010,用于响应于对目标物体的拍摄识别请求,控制摄像头模组中预先确定的多个目标摄像头同时拍摄所述目标物体获取多张候选图像;
识别模块1020,用于对多张候选图像拼接融合处理以获取目标图像,并根据目标图像进行图像识别处理。
本公开实施例所提供的图像识别装置可执行本公开任意实施例所提供的图像识别方法,具备执行方法相应的功能模块和有益效果。
为了实现上述实施例,本公开还提出一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述实施例中的图像识别方法
图11为本公开实施例提供的一种电子设备的结构示意图。
下面具体参考图11,其示出了适于用来实现本公开实施例中的电子设备1100的结构示意图。本公开实施例中的电子设备1100可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图11示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图11所示,电子设备1100可以包括处理装置(例如中央处理器、图形处理器等)1101,其可以根据存储在只读存储器(ROM)1102中的程序或者从存储装置1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。在RAM 1103中,还存储有电子设备1100操作所需的各种程序和数据。处理装置1101、ROM 1102以及RAM 1103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。
通常,以下装置可以连接至I/O接口1105:包括例如触摸屏、触摸板、键盘、鼠标、候选摄像头、麦克风、加速度计、陀螺仪等的输入装置1106;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置1107;包括例如磁带、硬盘等的存储装置1108;以及通信装置1109。通信装置1109可以允许电子设备1100与其他设备进行无线或有线通信以交换数据。虽然图11示出了具有各种装置的电子设备1100,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置1109从网络上被下载和安装,或者从存储装置1108被安装,或者从ROM 1102被安装。在该计算机程序被处理装置1101执行时,执行本公开实施例的图像识别方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
响应于对目标物体的拍摄请求,从摄像头模组中间隔设置的多个候选摄像头中确定与成像需求视场角关联的多个目标摄像头,控制摄像头模组中的多个目标摄像头同时拍摄目标物体获取多张候选图像,进而,对多张候选图像拼接融合处理以获取目标图像,并根据目标图像进行图像识别处理。由此,基于多个摄像头的选择和配合扩大拍摄图像的视场范围,对相机的硬件参数的设计要求较低,在扩大拍摄的图像的范围的基础上,保证了图像拍摄质量,进一步便于提高图像识别率。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
根据本公开的一个或多个实施例,本公开提供了一种图像识别方法,包括:响应于对目标物体的拍摄识别请求,控制摄像头模组中预先确定的多个目标摄像头同时拍摄所述目标物体获取多张候选图像;
对所述多张候选图像拼接融合处理以获取目标图像,并根据所述目标图像进行图像识别处理。
根据本公开的一个或多个实施例,本公开提供的图像识别方法中,在所述控制摄像头模组中预先确定的多个目标摄像头同时拍摄所述目标物体获取多张候选图像之前包括:
获取所述目标物体相对所述摄像头模组的成像需求视场角,判断所述成像需求视场角是否大于预先确定的单摄像头标准视场角阈值;
若大于所述单摄像头标准视场角阈值,则从所述摄像头模组中间隔设置的多个候选摄像头中确定与所述成像需求视场角关联的多个目标摄像头。
根据本公开的一个或多个实施例,本公开提供的图像识别方法中,在所述判断所述成像需求视场角是否大于预先确定的单摄像头标准视场角阈值之前,还包括:
获取所述目标物体与所述摄像头模组的当前拍摄距离;
查询预设数据库确定与所述当前拍摄距离对应的单摄像头标准视场角阈值。
根据本公开的一个或多个实施例,本公开提供的图像识别方法中,所述在所述从所述摄像头模组中间隔设置的多个候选摄像头中确定与所述成像需求视场角关联的多个目标摄像头,包括:
获取每个所述候选摄像头的拍摄视场角范围;
根据预设的算法计算每个所述拍摄视场角范围和其他每个所述拍摄视场角范围的组合成像视角范围;
根据所述组合成像视角范围确定与所述成像需求视场角关联的多个目标摄像头。
根据本公开的一个或多个实施例,本公开提供的图像识别方法中,
所述根据所述组合成像视角范围确定与所述成像需求视场角关联的多个目标摄像头,包括:
判断所述组合成像视角范围中是否存在大于所述成像需求视场角的至少一个候选组合成像视角范围;
若存在所述至少一个候选组合成像视角范围,则根据预设的筛选策略在所述至少一个候选组合成像视角范围中确定目标组合成像视角范围;
确定所述目标组合成像视角范围对应的候选摄像头为所述目标摄像头。
根据本公开的一个或多个实施例,本公开提供的图像识别方法中,
所述根据预设的筛选策略在所述至少一个候选组合成像视角范围中确定目标组合成像视角范围,包括:
确定所述至少一个候选组合成像视角范围中的最大值为所述目标组合成像视角范围。
根据本公开的一个或多个实施例,本公开提供的图像识别方法中,
在所述判断所述组合成像视角范围中是否存在大于所述成像需求视场角的至少一个候选组合成像视角范围之后,还包括:
若不存在所述至少一个候选组合成像视角范围,则获取视角范围之和大于等于所述成像需求视场角的多个所述组合成像视角范围为所述目标组合成像视角范围。
根据本公开的一个或多个实施例,本公开提供的图像识别方法中,
所述获取每个所述候选摄像头的拍摄视场角范围,包括:
获取每个所述候选摄像头相对于所述目标物体的垂直距离、光轴相对于所述垂直距离所在方向的倾角、水平视场角和垂直视场角;
对所述垂直距离、所述倾角、所述水平视场角和垂直视场角计算,以获取每个所述候选摄像头的拍摄视场角范围。
根据本公开的一个或多个实施例,本公开提供的图像识别方法中,所述对所述多张候选图像拼接融合处理以获取目标图像,包括:
确定所述多张候选图像中的主候选图像;
将所述主候选图像与其他每张所述候选图像进行图像特征匹配,确定匹配成功的重叠图像区域和匹配不成功的新增图像区域;
根据所述重叠图像区域将所述主候选图像和对应的其他候选图像进行图像融合生成融合图像区域;
根据所述新增图像区域将所述主候选图像和对应的融合图像区域拼接生成所述目标图像。
根据本公开的一个或多个实施例,本公开提供了一种图像识别装置,包括:
拍摄模块,用于响应于对目标物体的拍摄识别请求,控制摄像头模组中预先确定的多个目标摄像头同时拍摄所述目标物体获取多张候选图像;
识别模块,用于对所述多张候选图像拼接融合处理以获取目标图像,并根据所述目标图像进行图像识别处理。
根据本公开的一个或多个实施例,本公开提供的图像识别装置中,还包括:判断模块,用于获取目标物体相对摄像头模组的成像需求视场角,判断所述成像需求视场角是否大于预先确定的单摄像头标准视场角阈值;
确定模块,用于在大于所述单摄像头标准视场角阈值时,从所述摄像头模组中间隔设置的多个候选摄像头中确定与所述成像需求视场角关联的多个目标摄像头。根据本公开的一个或多个实施例,本公开提供的图像识别装置中,还包括:获取模块,用于:
获取所述目标物体与所述摄像头模组的当前拍摄距离;
查询预设数据库确定与所述当前拍摄距离对应的单摄像头标准视场角阈值。
根据本公开的一个或多个实施例,本公开提供的图像识别装置中,所述确定模块,包括:
获取单元,用于获取每个所述候选摄像头的拍摄视场角范围;
计算单元,用于根据预设的算法计算每个所述拍摄视场角范围和其他每个所述拍摄视场角范围的组合成像视角范围;
确定单元,用于根据所述组合成像视角范围确定与所述成像需求视场角关联的多个目标摄像头。
根据本公开的一个或多个实施例,本公开提供的图像识别装置中,所述确定单元,具体用于:
判断所述组合成像视角范围中是否存在大于所述成像需求视场角的至少一个候选组合成像视角范围;
若存在所述至少一个候选组合成像视角范围,则根据预设的筛选策略在所述至少一个候选组合成像视角范围中确定目标组合成像视角范围;
确定所述目标组合成像视角范围对应的候选摄像头为所述目标摄像头。
根据本公开的一个或多个实施例,本公开提供的图像识别装置中,所述确定单元,具体用于:
确定所述至少一个候选组合成像视角范围中的最大值为所述目标组合成像视角范围。
根据本公开的一个或多个实施例,本公开提供的图像识别装置中,所述确定单元,具体用于:
若不存在所述至少一个候选组合成像视角范围,则获取视角范围之和大于等于所述成像需求视场角的多个所述组合成像视角范围为所述目标组合成像视角范围。
根据本公开的一个或多个实施例,本公开提供的图像识别装置中,所述计算单元,具体用于:
获取每个所述候选摄像头相对于所述目标物体的垂直距离、光轴相对于所述垂直距离所在方向的倾角、水平视场角和垂直视场角;
对所述垂直距离、所述倾角、所述水平视场角和垂直视场角计算,以获取每个所述候选摄像头的拍摄视场角范围。
根据本公开的一个或多个实施例,本公开提供的图像识别装置中,所述识别模块,具体用于:
确定所述多张候选图像中的主候选图像;
将所述主候选图像与其他每张所述候选图像进行图像特征匹配,确定匹配成功的重叠图像区域和匹配不成功的新增图像区域;
根据所述重叠图像区域将所述主候选图像和对应的其他候选图像进行图像融合生成融合图像区域;
根据所述新增图像区域将所述主候选图像和对应的融合图像区域拼接生成所述目标图像。
根据本公开的一个或多个实施例,本公开提供了一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现如本公开提供的任一所述的图像识别方法。
根据本公开的一个或多个实施例,本公开提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行如本公开提供的任一所述的图像识别方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (12)
1.一种图像识别方法,其特征在于,所述方法包括以下步骤:
响应于对目标物体的拍摄识别请求,控制摄像头模组中预先确定的多个目标摄像头同时拍摄所述目标物体获取多张候选图像;
对所述多张候选图像拼接融合处理以获取目标图像,并根据所述目标图像进行图像识别处理。
2.如权利要求1所述的方法,其特征在于,在所述控制摄像头模组中预先确定的多个目标摄像头同时拍摄所述目标物体获取多张候选图像之前包括:
获取所述目标物体相对所述摄像头模组的成像需求视场角,判断所述成像需求视场角是否大于预先确定的单摄像头标准视场角阈值;
若大于所述单摄像头标准视场角阈值,则从所述摄像头模组中间隔设置的多个候选摄像头中确定与所述成像需求视场角关联的多个目标摄像头。
3.如权利要求1所述的方法,其特征在于,在所述判断所述成像需求视场角是否大于预先确定的单摄像头标准视场角阈值之前,还包括:
获取所述目标物体与所述摄像头模组的当前拍摄距离;
查询预设数据库确定与所述当前拍摄距离对应的单摄像头标准视场角阈值。
4.如权利要求2所述的方法,其特征在于,所述在所述从所述摄像头模组中间隔设置的多个候选摄像头中确定与所述成像需求视场角关联的多个目标摄像头,包括:
获取每个所述候选摄像头的拍摄视场角范围;
根据预设的算法计算每个所述拍摄视场角范围和其他每个所述拍摄视场角范围的组合成像视角范围;
根据所述组合成像视角范围确定与所述成像需求视场角关联的多个目标摄像头。
5.如权利要求4所述的方法,其特征在于,所述根据所述组合成像视角范围确定与所述成像需求视场角关联的多个目标摄像头,包括:
判断所述组合成像视角范围中是否存在大于所述成像需求视场角的至少一个候选组合成像视角范围;
若存在所述至少一个候选组合成像视角范围,则根据预设的筛选策略在所述至少一个候选组合成像视角范围中确定目标组合成像视角范围;
确定所述目标组合成像视角范围对应的候选摄像头为所述目标摄像头。
6.如权利要求5所述的方法,其特征在于,所述根据预设的筛选策略在所述至少一个候选组合成像视角范围中确定目标组合成像视角范围,包括:
确定所述至少一个候选组合成像视角范围中的最大值为所述目标组合成像视角范围。
7.如权利要求4所述的方法,其特征在于,在所述判断所述组合成像视角范围中是否存在大于所述成像需求视场角的至少一个候选组合成像视角范围之后,还包括:
若不存在所述至少一个候选组合成像视角范围,则获取视角范围之和大于等于所述成像需求视场角的多个所述组合成像视角范围为所述目标组合成像视角范围。
8.如权利要求4-7任一所述的方法,其特征在于,所述获取每个所述候选摄像头的拍摄视场角范围,包括:
获取每个所述候选摄像头相对于所述目标物体的垂直距离、光轴相对于所述垂直距离所在方向的倾角、水平视场角和垂直视场角;
对所述垂直距离、所述倾角、所述水平视场角和垂直视场角计算,以获取每个所述候选摄像头的拍摄视场角范围。
9.如权利要求1所述的方法,其特征在于,所述对所述多张候选图像拼接融合处理以获取目标图像,包括:
确定所述多张候选图像中的主候选图像;
将所述主候选图像与其他每张所述候选图像进行图像特征匹配,确定匹配成功的重叠图像区域和匹配不成功的新增图像区域;
根据所述重叠图像区域将所述主候选图像和对应的其他候选图像进行图像融合生成融合图像区域;
根据所述新增图像区域将所述主候选图像和对应的融合图像区域拼接生成所述目标图像。
10.一种图像识别装置,其特征在于,包括:
拍摄模块,用于响应于对目标物体的拍摄识别请求,控制摄像头模组中预先确定的多个目标摄像头同时拍摄所述目标物体获取多张候选图像;
识别模块,用于对所述多张候选图像拼接融合处理以获取目标图像,并根据所述目标图像进行图像识别处理。
11.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-9中任一所述的图像识别方法。
12.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-9中任一所述的图像识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111316119.6A CN114022662A (zh) | 2021-11-08 | 2021-11-08 | 图像识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111316119.6A CN114022662A (zh) | 2021-11-08 | 2021-11-08 | 图像识别方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114022662A true CN114022662A (zh) | 2022-02-08 |
Family
ID=80062649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111316119.6A Pending CN114022662A (zh) | 2021-11-08 | 2021-11-08 | 图像识别方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114022662A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114567716A (zh) * | 2022-02-28 | 2022-05-31 | 业成科技(成都)有限公司 | 摄像头模组、移动终端及车载影像拍摄系统 |
CN114638980A (zh) * | 2022-03-04 | 2022-06-17 | 支付宝(杭州)信息技术有限公司 | 菜品种类识别处理方法及装置 |
CN116612168A (zh) * | 2023-04-20 | 2023-08-18 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备、图像处理系统及介质 |
-
2021
- 2021-11-08 CN CN202111316119.6A patent/CN114022662A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114567716A (zh) * | 2022-02-28 | 2022-05-31 | 业成科技(成都)有限公司 | 摄像头模组、移动终端及车载影像拍摄系统 |
CN114638980A (zh) * | 2022-03-04 | 2022-06-17 | 支付宝(杭州)信息技术有限公司 | 菜品种类识别处理方法及装置 |
CN116612168A (zh) * | 2023-04-20 | 2023-08-18 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备、图像处理系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368685B (zh) | 关键点的识别方法、装置、可读介质和电子设备 | |
CN111243049B (zh) | 人脸图像的处理方法、装置、可读介质和电子设备 | |
CN114022662A (zh) | 图像识别方法、装置、设备及介质 | |
US20220343520A1 (en) | Image Processing Method and Image Processing Apparatus, and Electronic Device Using Same | |
CN110062157B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN110211195B (zh) | 生成图像集合的方法、装置、电子设备和计算机可读存储介质 | |
CN112085775A (zh) | 图像处理的方法、装置、终端和存储介质 | |
CN112381717A (zh) | 图像处理方法、模型训练方法、装置、介质及设备 | |
US11871137B2 (en) | Method and apparatus for converting picture into video, and device and storage medium | |
CN114494071A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN115311178A (zh) | 图像拼接方法、装置、设备及介质 | |
CN114125411B (zh) | 投影设备校正方法、装置、存储介质以及投影设备 | |
CN110658918B (zh) | 用于视频眼镜的眼球追踪相机的定位方法、设备及介质 | |
CN110719407A (zh) | 图片美化方法、装置、设备及存储介质 | |
WO2018219274A1 (zh) | 降噪处理方法、装置、存储介质及终端 | |
CN111402159B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN112257598A (zh) | 图像中四边形的识别方法、装置、可读介质和电子设备 | |
CN115086541B (zh) | 一种拍摄位置确定方法、装置、设备及介质 | |
CN115471477A (zh) | 扫描数据的去噪方法、扫描方法、装置、设备和介质 | |
CN112492230B (zh) | 视频处理方法、装置、可读介质及电子设备 | |
CN115170395A (zh) | 全景图像拼接方法、装置、电子设备、介质和程序产品 | |
CN110971813B (zh) | 一种对焦方法、装置、电子设备及存储介质 | |
CN113538269A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
CN112291445A (zh) | 图像处理的方法、装置、设备和存储介质 | |
CN112308809A (zh) | 一种图像合成方法、装置、计算机设备及存储介质 |
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 |