CN114529490A - 一种数据处理方法、装置、设备以及可读存储介质 - Google Patents
一种数据处理方法、装置、设备以及可读存储介质 Download PDFInfo
- Publication number
- CN114529490A CN114529490A CN202210432913.5A CN202210432913A CN114529490A CN 114529490 A CN114529490 A CN 114529490A CN 202210432913 A CN202210432913 A CN 202210432913A CN 114529490 A CN114529490 A CN 114529490A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- filtering
- fusion
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 310
- 230000004927 fusion Effects 0.000 claims abstract description 172
- 238000012545 processing Methods 0.000 claims abstract description 105
- 238000000034 method Methods 0.000 claims abstract description 100
- 238000003707 image sharpening Methods 0.000 claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 47
- 238000013507 mapping Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 abstract description 19
- 238000013473 artificial intelligence Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 40
- 230000000694 effects Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 15
- 241000282326 Felis catus Species 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000007499 fusion processing Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 101100322581 Caenorhabditis elegans add-1 gene Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000001360 synchronised 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
- G06T5/50—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
- 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
- G06T5/73—Deblurring; Sharpening
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本申请公开了一种数据处理方法、装置、设备以及可读存储介质,方法包括:获取用于进行滤波处理的滤波尺寸集合;滤波尺寸集合中包括N个滤波尺寸,N为大于1的正整数;N个滤波尺寸中的任意两个滤波尺寸不同;基于每个滤波尺寸分别对原始图像进行低通滤波处理,得到N个滤波图像;根据原始图像将N个滤波图像分别进行图像转换,得到N个高频图像;将N个高频图像进行图像融合,得到融合图像,将融合图像与原始图像进行融合,得到原始图像对应的锐化增强图像。采用本申请,可以提高在图像锐化业务中,提高锐化后的图像质量。本申请可以应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种数据处理方法、装置、设备以及可读存储介质。
背景技术
随着数字化时代的到来,图像可以交由计算机进行处理,人们便对图像的清晰度有了更高的要求,而将模糊的图像变得清晰的图像处理过程,称之为图像锐化。图像模糊的原因有很多,比如摄像仪器在获取图像时发生抖动,扫描设备的光学元件设计不良,或图像信号传输的过程中受到噪声的干扰等。从图像频谱分析的角度来说,图像的模糊是因为图像中的高频分量不足,导致图像的锐利度不够。所以我们对模糊图像进行锐化处理,实质就是合理的提高图像中的高频分量。
传统的图像锐化方法是单纯的增强图像中的高频分量,使得图像边缘部分的亮度差异提高,从而达到锐化的效果。但由于图像细节所表现出来的图像特征(如纹理)理应有所不同,如果进行统一增幅的增强的话,会使得图像中的各个细节所表现出来的图像信息变得不合理,使锐化后图像失真比较大,锐化后的图像质量并不高。
发明内容
本申请实施例提供一种数据处理方法、装置、设备以及可读存储介质,可以提高在图像锐化业务中,提高锐化后的图像质量。
本申请实施例一方面提供了一种数据处理方法,包括:
获取用于进行滤波处理的滤波尺寸集合;滤波尺寸集合中包括N个滤波尺寸,N为大于1的正整数;N个滤波尺寸中的任意两个滤波尺寸不同;
基于每个滤波尺寸分别对原始图像进行低通滤波处理,得到N个滤波图像;
根据原始图像将N个滤波图像分别进行图像转换,得到N个高频图像;
将N个高频图像进行图像融合,得到融合图像,将融合图像与原始图像进行融合,得到原始图像对应的锐化增强图像。
本申请实施例一方面提供了一种数据处理装置,包括:
尺寸获取模块,用于获取用于进行滤波处理的滤波尺寸集合;滤波尺寸集合中包括N个滤波尺寸,N为大于1的正整数;N个滤波尺寸中的任意两个滤波尺寸不同;
滤波模块,用于基于每个滤波尺寸分别对原始图像进行低通滤波处理,得到N个滤波图像;
图像转换模块,用于根据原始图像将N个滤波图像分别进行图像转换,得到N个高频图像;
图像融合模块,用于将N个高频图像进行图像融合,得到融合图像;
图像锐化模块,用于将融合图像与原始图像进行融合,得到原始图像对应的锐化增强图像。
在一个实施例中,N个滤波尺寸包括滤波尺寸Si,N个滤波图像中包括滤波尺寸Si所对应的滤波图像Ti,i为正整数;
滤波模块包括:
集合获取单元,用于获取原始图像对应的图像像素集合,以及图像像素集合对应的像素坐标集合;
坐标获取单元,用于在图像像素集合中获取目标图像像素,在像素坐标集合中获取目标图像像素对应的目标像素坐标;
邻域坐标确定单元,用于获取滤波尺寸Si所指示的坐标变化量,根据目标像素坐标以及坐标变化量,在像素坐标集合中确定针对目标像素坐标的邻域像素坐标;
滤波图像确定单元,用于根据目标像素坐标与邻域像素坐标,确定滤波尺寸Si对应的滤波图像Ti。
在一个实施例中,滤波图像确定单元包括:
像素运算子单元,用于在图像像素集合中获取邻域像素坐标所对应的邻域图像像素;
像素运算子单元,还用于获取邻域图像像素对应的邻域像素值,以及目标图像像素对应的目标像素值;
像素运算子单元,还用于将邻域像素值与目标像素值进行相加处理,得到像素运算值;
像素更新子单元,用于将像素运算值与像素总数量之间的比值,确定为目标图像像素对应的更新像素值;像素总数量为邻域图像像素的数量与目标图像像素的数量之和;
像素更新子单元,还用于当确定出图像像素集合中每个图像像素分别对应的更新像素值时,将包含每个图像像素分别对应的更新像素值的图像,确定为滤波尺寸Si对应的滤波图像Ti。
在一个实施例中,N个滤波尺寸包括滤波尺寸Si,N个滤波图像中包括滤波尺寸Si所对应的滤波图像Ti,N个高频图像中包括滤波图像Ti所对应的高频图像Zi,i为正整数;
图像转换模块包括:
像素坐标获取单元,用于获取原始图像对应的图像像素集合,以及图像像素集合对应的像素坐标集合;
像素坐标获取单元,还用于获取滤波图像Ti对应的滤波图像像素集合,以及滤波图像像素集合对应的滤波像素坐标集合;
高频图像确定单元,用于根据像素坐标集合与滤波像素坐标集合,确定滤波图像Ti对应的高频图像Zi。
在一个实施例中,高频图像确定单元包括:
高频像素值确定子单元,用于在滤波像素坐标集合中获取目标滤波像素坐标,将像素坐标集合中与目标滤波像素坐标具有映射关系的像素坐标,确定为映射像素坐标;
高频像素值确定子单元,还用于在图像像素集合中获取映射像素坐标对应的映射图像像素,在滤波图像像素集合中获取目标滤波像素坐标对应的目标滤波像素;
高频像素值确定子单元,还用于获取映射图像像素对应的映射像素值,以及目标滤波像素对应的滤波像素值;
高频像素值确定子单元,还用于将映射像素值与滤波像素值之间的差值像素值,确定为目标滤波像素对应的高频像素值;
高频图像确定子单元,用于当确定出滤波图像像素集合中每个滤波图像像素分别对应的高频像素值时,将包含每个滤波图像像素分别对应的高频像素值的图像,确定为滤波图像Ti对应的高频图像Zi。
在一个实施例中,N个滤波尺寸包括第一滤波尺寸与第二滤波尺寸,N个滤波图像包括第一滤波尺寸对应的第一滤波图像与第二滤波尺寸对应的第二滤波图像,N个高频图像包括第一滤波图像对应的第一高频图像与第二滤波图像对应的第二高频图像;
图像融合模块包括:
权重融合单元,用于获取第一滤波尺寸对应的第一融合权重,以及第二滤波尺寸对应的第二融合权重;
高频图像融合单元,用于获取高频图像融合函数;
高频图像融合单元,还用于根据第一融合权重、第二融合权重以及高频图像融合函数,将第一高频图像与第二高频图像进行图像融合,得到融合图像。
在一个实施例中,高频图像融合单元包括:
权重运算子单元,用于按照高频图像融合函数,将第一融合权重与第二融合权重进行相加处理,得到运算权重;
图像运算子单元,用于确定第一融合权重与运算权重之间的第一比值,基于第一比值将第一高频图像进行指数幂运算,得到第一运算特征;
图像运算子单元,还用于确定第二融合权重与运算权重之间的第二比值,基于第二比值将第二高频图像进行指数幂运算,得到第二运算特征;
特征融合子单元,用于按照高频图像融合函数,将第一运算特征与第二运算特征进行几何融合,得到融合图像。
在一个实施例中,图像锐化模块包括:
重映射单元,用于对融合图像进行重映射处理,得到重映射融合图像;
图像锐化单元,用于将重映射融合图像与原始图像进行融合,得到锐化增强图像。
在一个实施例中,重映射单元包括:
重映射值确定子单元,用于获取融合图像对应的融合图像像素,以及融合图像像素对应的融合像素值;
重映射值确定子单元,用于获取重映射函数;
重映射值确定子单元,用于根据重映射函数以及融合像素值,确定融合图像像素对应的重映射像素值;
重映射图像确定子单元,用于将包含重映射像素值的图像,确定为重映射融合图像。
在一个实施例中,重映射值确定子单元,还具体用于按照重映射函数,将融合像素值与像素值阈值进行比较;
重映射值确定子单元,还具体用于若融合像素值大于或等于像素值阈值,则将预设像素参数确定为融合图像像素对应的重映射像素值;
重映射值确定子单元,还具体用于若融合像素值小于像素值阈值,则将融合像素值与预设融合系数进行相乘处理,得到融合图像像素对应的重映射像素值。
在一个实施例中,图像锐化单元包括:
锐化值确定子单元,用于获取重映射融合图像对应的重映射像素,以及重映射像素对应的重映射像素值;
锐化值确定子单元,还用于获取原始图像对应的图像像素,以及图像像素对应的图像像素值;
锐化值确定子单元,还用于将重映射像素值与图像像素值进行相加处理,得到锐化像素值;
锐化图像确定子单元,用于将包含锐化像素值的图像,确定为锐化增强图像。
本申请实施例一方面提供了一种计算机设备,包括:处理器和存储器;
存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行本申请实施例中的方法。
本申请实施例一方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序包括程序指令,程序指令当被处理器执行时,执行本申请实施例中的方法。
本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行本申请实施例中一方面提供的方法。
在本申请实施例中,对于某个图像(如原始图像),可采用不同的N个滤波尺寸,分别对原始图像进行低通滤波处理,由此可得到N个不同的滤波图像;随后,可以根据原始图像将N个不同的滤波图像进行图像转换,得到N个不同的高频图像;该N个不同的高频图像即可用于锐化增强。例如,可以将N个高频图像进行图像融合,得到融合图像后,再将融合图像与原始图像进行融合,也就是将融合后的包含多尺寸下的高频信息,添加到原始图像中,即将原始图像中各个尺寸下的高频信息进行了增强,那么由此即可得到原始图像对应的锐化增强图像。应当理解,本申请通过不同的滤波尺寸对原始图像进行低通滤波处理后,可以得到不同滤波尺寸下的低频图像(即N个滤波图像),然后通过原始图像本身与各个滤波图像,即可提取得到每个滤波图像各自对应的高频信息(即得到N个高频图像),对于多尺度的高频图像,本申请可以对其进行融合处理得到融合图像,处理后的融合图像可以与原始图像进行再次融合,从而可以从不同尺度(滤波尺寸)增强原始图像的高频强度,得到锐化增强图像。此外,由于本申请是采用不同滤波尺寸对原始图像同时进行低通滤波处理,所得到的高频信息也是不同滤波尺寸下的高频信息,可以对不同类型的图像细节(如平缓纹理与复杂锐利纹理)具有强自适应能力(如,对于复杂锐利纹理,基于低滤波尺寸的低通滤波处理便可以提取到对应的高频信息,并实现对应的增强;对于平缓纹理,基于高滤波尺寸的低通滤波处理可以提取到对应的高频信息,并实现对应的增强),即可以达到从不同尺度增强原始图像的细节信息,进而可以提升图像的锐化质量,提升图像的清晰度。综上,本申请可以在图像锐化业务中,提高锐化后的图像质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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一种网络架构图;
图2是本申请实施例提供的一种对图像进行锐化处理的场景示意图;
图3是本申请实施例提供的一种图像处理场景示意图;
图4是本申请实施例提供的一种数据处理方法的流程示意图;
图5是本申请实施例提供的一种基于均值滤波进行像素处理的示意图;
图6是本申请实施例提供的一种融合原始图像与融合图像,得到锐化增强图像的流程示意图;
图7是本申请实施例提供的一种数据处理装置的结构示意图;
图8是本申请实施例提供的一种计算机设备的结构示意图。
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在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请涉及人工智能等相关技术,为便于理解,以下将优先对人工智能等相关概念进行阐述说明。
人工智能(Artificial Intelligence, AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的方案属于人工智能领域下属的计算机视觉技术(ComputerVision, CV)和机器学习((Machine Learning, ML)。
计算机视觉技术(Computer Vision, CV)计算机视觉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对目标进行识别、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。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术。
本申请的方案具体涉及计算机视觉技术中的图像处理技术,可以实现对图像进行锐化增强处理,以得到图像质量更高的锐化增强图像。
请参见图1,图1是本申请实施例提供的一种网络架构的结构示意图。如图1所示,该网络架构可以包括业务服务器1000和终端设备集群(即终端设备集群)。该终端设备集群可以包括一个或者多个终端设备,这里将不对终端设备的数量进行限制。如图1所示,多个终端设备具体可以包括终端设备100a、终端设备100b、终端设备100c、…、终端设备100n。如图1所示,终端设备100a、终端设备100b、终端设备100c、…、终端设备100n可以分别与上述业务服务器1000进行网络连接,以便于每个终端设备可以通过该网络连接与业务服务器1000进行数据交互。其中,这里的网络连接不限定连接方式,可以通过有线通信方式进行直接或间接地连接,也可以通过无线通信方式进行直接或间接地连接,还可以通过其他方式,本申请在此不做限制。
如图1所示的每个终端设备均可以集成安装有目标应用,当该目标应用运行于各终端设备中时,则每个终端设备对应的后台服务器可以对应用中的业务数据进行存储,并与上述图1所示的业务服务器1000之间进行数据交互。其中,该目标应用可以包括具有显示文字、图像、音频以及视频等数据信息功能的应用。如,应用可以为多媒体应用(如视频应用),可以用于用户上传图片或视频,也可以用于用户播放观看他人上传的图像或视频;应用也可以为娱乐类应用(如游戏应用),可以用于用户进行游戏。应用也可以为其他具备数据信息处理功能的应用,如浏览器应用、社交应用、图像美化应用等等,这里将不对应用进行一一举例说明。目标应用也可以为小程序,即只需要下载到浏览器环境中就可以运行的程序独立的程序,当然,目标应用可以为独立应用,也可以为嵌入在某一应用中的子应用(如小程序),该子应用可以由用户控制运行或关闭。总而言之,目标应用可以为任意形式的应用、模块或插件,对此不进行限定。
本申请实施例可以在多个终端设备中选择一个终端设备作为目标终端设备,该终端设备可以包括:智能手机、平板电脑、笔记本电脑、桌上型电脑、智能电视、智能音箱、台式计算机、智能手表、智能车载终端、智能语音交互设备、智能家电、飞行器等等携带数据处理功能(如图像数据处理功能)的智能终端,但并不局限于此。例如,本申请实施例可以将图1所示的终端设备100a作为该目标终端设备,该目标终端设备中可以集成有上述目标应用,此时,该目标终端设备可以与业务服务器1000之间进行数据交互。
例如,用户在使用终端设备中的目标应用(如图像美化应用)时,业务服务器1000通过该终端设备,可以检测并收集到该用户上传了一张包含目标对象(如用户或其他如某个动物的对象)的目标图像(该目标图像可作为未经过处理的原始图像),业务服务器1000可以对该原始图像进行图像锐化处理,以增强该原始图像的图像质量(如增强原始图像的清晰度)。在对该原始图像进行图像锐化处理得到锐化增强图像后,业务服务器1000还可以识别出该锐化增强图像中目标对象所属的区域,并将该区域从该目标图像中提取出来,得到只包含目标对象而未包含背景的图像(可称之为目标区域图像),随后,业务服务器1000可以将该只包含目标对象的目标区域图像进行后续处理(如添加特效处理或美化处理等等),得到具有特殊效果或具有美化效果(如美妆效果等)的目标区域图像;随后,业务服务器1000可以将该具有特殊效果或具有美化效果的目标区域图像放回目标图像中目标对象所属的区域中,由此可以得到具有较高图像质量的且具有特殊效果或具有美化效果的目标处理图像。随后,业务服务器1000可以将该目标处理图像返回至终端设备,则用户可以在该终端设备的显示页面上查看到该目标处理图像(查看到该具有较高图像质量的且具有特殊效果或具有美化效果的目标对象)。
当然,在业务服务器1000对原始图像进行锐化增强处理得到锐化增强图像后,业务服务器1000也可以不进行特效处理或美化处理,而是将该锐化增强图像返回至终端设备,则用户可以再该终端设备的显示页面上查看到该锐化增强图像(查看到具有较高图像质量的图像)。
其中,对于业务服务器1000对原始图像进行锐化增强以得到锐化增强图像的具体过程,可以包括:业务服务器1000可以获取到用于进行滤波处理的滤波尺寸集合(该滤波尺寸集合中可包含有不同的滤波尺寸,如可包括有N个滤波尺寸,N为大于1的正整数);基于每个滤波尺寸,业务服务器1000可分别对原始图像进行低通滤波处理,由此可以得到不同的滤波图像;随后,业务服务器100可以根据原始图像降N个滤波图像分别进行图像转换,由此即可得到N个高频图像;随后,业务服务器1000可以将该N个高频图像进行图像融合,得到融合图像后,再将融合图像与原始图像进行融合,即可得到该原始图像所对应的锐化增强图像。其中,对于业务服务器1000对原始图像进行锐化增强以得到锐化增强图像的具体实现方式(如可以包含基于滤波尺寸对原始图像进行低通滤波处理,得到不同的滤波图像的具体实现方式;将某个滤波图像进行图像转换,得到高频图像的具体实现方式;将高频图像进行图像融合,得到融合图像的具体实现方式;基于融合图像与原始图像,得到锐化增强图像的具体实现方式),可以参见后续图3所对应实施例中的描述。
应当理解,在图像处理中,锐化处理十分重要,通过锐化处理可以提高图像的清晰度,而在锐化处理中,滤波处理也显得十分关键。为了进一步提升锐化处理后的图像质量(如清晰度),本申请可以为图像的滤波处理配置不同的滤波尺寸,这些不同的滤波尺寸可以组成一个滤波尺寸集合,在将为某个原始图像进行滤波处理时,即可获取到该滤波尺寸集合,再通过该滤波尺寸集合对其进行滤波处理。通过不同的滤波尺寸进行滤波处理后所得到的锐化增强图像,可以从不同尺度对图像中的细节进行处理,可以很好地提升锐化增强图像的图像质量。
在上述过程中,对于业务服务器1000对某个图像(如锐化增强图像)中目标对象所属的区域进行识别的具体方法,可以通过目标图像模型(如目标图像识别模型)来处理。而为了提高图像识别的准确率,可以对图像模型进行训练,使得训练调整后的目标图像模型达到最优,基于该训练后的目标图像模型,可以对目标图像进行图像识别处理(如对目标图像中的目标对象所属的区域进行识别)。
可以理解的是,本申请实施例提供的方法可以由计算机设备执行,计算机设备包括但不限于终端设备或业务服务器。其中,业务服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
其中,终端设备以及业务服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
可选的,可以理解的是,上述计算机设备(如上述业务服务器1000、终端设备100a、终端设备100b等等)可以是一个分布式系统中的一个节点,其中,该分布式系统可以为区块链系统,该区块链系统可以是由该多个节点通过网络通信的形式连接形成的分布式系统。其中,节点之间可以组成的点对点(P2P,Peer To Peer)网络,P2P 协议是一个运行在传输控制协议(TCP,Transmission Control Protocol )协议之上的应用层协议。在分布式系统中,任意形式的计算机设备,比如业务服务器、终端设备等电子设备都可以通过加入该点对点网络而成为该区块链系统中的一个节点。为便于理解,以下将对区块链的概念进行说明:区块链是一种分布式数据存储、点对点传输、共识机制以及加密算法等计算机技术的新型应用模式,主要用于对数据按时间顺序进行整理,并加密成账本,使其不可被篡改和伪造,同时可进行数据的验证、存储和更新。当计算机设备为区块链节点时,由于区块链的不可被篡改特性与防伪造特性,可以使得本申请中的数据(如上传的如目标图像之类的图像数据、锐化图像等等)具备真实性与安全性,从而可以使得基于这些数据进行相关数据处理后,得到的结果更为可靠。
需要说明的是,在本申请的具体实施方式中,涉及到用户信息、用户数据(如上传的图像、视频等)等相关的数据,需要经过用户授权许可才能进行获取。也就是说,当本申请以上实施例运用到具体产品或技术中时,需要获得用户许可或者同意,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本申请实施例可应用于各种场景,包括但不限于云技术、人工智能、智慧交通、辅助驾驶等。为便于理解,请参见图2,图2是本申请实施例提供的一种对图像进行锐化处理的场景示意图。其中,如图2所示的业务服务器200可以为上述图1所示的业务服务器1000,且如图2所示的终端设备100a可以为在上述图1所对应实施例的终端设备集群中所选取的任意一个终端设备,比如,该终端设备可以为上述终端设备100b;如图2所示的终端设备100b可以为在上述图1所对应实施例的终端设备集群中所选取的任意一个终端设备,比如,该终端设备可以为上述终端设备100a。
如图2所示,用户A可以为目标用户,用户A可以通过终端设备100a运行目标应用(如短视频应用),用户A在短视频应用中上传了一张图像20a,其中,该图像20a中包括了目标对象B,该图像20a可以为目标图像,该目标图像20a也可称为原始图像。业务服务器200可以通过终端设备100a的后台服务器接收到该原始图像20a。随后,业务服务器200可以基于不同的滤波尺寸(如可以包括滤波尺寸1、滤波尺寸2、…、滤波尺寸n,n可为大于1的正整数),对该原始图像20a进行低通滤波处理,由此可以得到滤波尺寸1对应的滤波图像1、滤波尺寸2对应的滤波图像2、…、滤波尺寸n对应的滤波图像n。其中,这里的滤波尺寸可为用于进行低通滤波处理的尺寸,该滤波尺寸可为人为规定尺寸,该滤波尺寸可以包括有高有低的不同的尺寸,例如,滤波尺寸可包括5x5的尺寸、9x9的尺寸、17x17的尺寸等等,这里将不再进行一一举例说明。应当理解,低通滤波即为通过均值滤波等手段,以抑制视频或图像中的高频信息,使得视频或图像看上去更加模糊,那么实际上低通滤波处理后所得到的图像为模糊图像(即低频图像),则该每个滤波图像(包括滤波图像、滤波图像2、…、滤波图像n)也可以称之为低频图像。
进一步地,本申请可以根据原始图像与每个滤波图像,确定出不同滤波尺寸下的高频信息(也可称之为高频图像),如图2所示,可以根据原始图像20a与滤波图像1,确定出滤波图像1对应的高频图像1;可以根据原始图像20a与滤波图像2,确定出滤波图像2对应的高频图像2;…;可以根据原始图像20a与滤波图像n,确定出滤波图像n对应的高频图像n。随后,将该不同滤波尺寸下的高频图像进行融合后,即可得到包含各个滤波尺寸下的高频信息的融合图像,将该融合图像与原始图像20a进行融合,即为将各个滤波尺寸下的高频信息添加到原始图像20a中,那么进行融合后,即可得到该原始图像20a对应的锐化增强图像20b。应当理解,通过上述锐化增强的处理后,该锐化增强图像20b可以具备更高的清晰度(如,线条更清晰,分界更明显)。
进一步地,业务服务器200可以将该具备更高清晰度的锐化增强图像20b,发送至终端设备100b,则当用户C通过该终端设备100b使用目标应用并浏览到该用户A所上传的图像时,所查看到的为具备更高清晰度的锐化增强图像20b,而不是失真图像。同理,业务服务器200也可以将该具备更高清晰度的锐化增强图像20b返回至终端设备100a,用户a可以在该终端设备100a的显示界面上查看到具备更高清晰度的锐化增强图像20b。
可选的,可以理解的是,在对原始图像20a进行锐化增强处理,得到锐化增强图像20b后,还可以对该锐化增强图像20b进行后续图像处理(如添加特效处理),由此可以使得最终呈现至终端显示界面(如上述终端设备100a的显示界面或终端100b的显示界面)的图像,更具备趣味性。为便于理解,请一并参见图3,图3是本申请实施例提供的一种图像处理场景示意图。如图3所示,业务服务器200可以将该锐化增强图像20b输入至目标图像模型(如目标图像识别模型)中,通过目标图像识别模型可以识别出该目标对象B在锐化增强图像20b中的所在区域。如图3,目标图像识别模型识别出目标对象B在锐化增强图像20b中所在区域为区域P(即,目标对象B的边界所包含的区域),目标图像识别模型可以将该包含目标对象B的区域P提取出来,随后,业务服务器200可以不再考虑目标图像20a中除区域P之外的其他区域,只对该区域P中的目标对象B进行特效处理。
如图3所示,业务服务器200对区域P中的目标对象B添加了“猫咪特效”,进一步地,业务服务器200可以将该带有“猫咪特效”的目标对象B,放回锐化增强图像20b中的区域P,由此可以得到带有“猫咪特效”的锐化增强图像20c。该带有“猫咪特效”的锐化增强图像20c如图3所示,随后,业务服务器200可以将该带有“猫咪特效”的锐化增强图像20c返回至终端设备100a,用户A可以在终端设备100a的显示页面上查看到该带有猫咪特效”的锐化增强图像20c。
需要说明的是,本申请中的某个图像中的任一对象均可以作为目标对象,例如,若上述目标图像20a中还包含除目标对象B以外的其余对象(如小卖部、自动扶梯、篮球等),则这些对象也可以作为目标对象,目标图像识别模型也可以同时对除目标对象B以外的其他目标对象进行图像识别处理。且本申请中的目标图像识别模型可以为任一具备图像识别功能的模型,本申请对其不进行限制。
进一步地,为便于理解,请参见图4,图4是本申请实施例提供的一种数据处理方法的流程示意图。该方法可以由终端设备(例如,上述图1所示的终端设备集群中的任一终端设备,如终端设备100a)执行,也可以由终端设备和业务服务器(如上述图1所对应实施例中的业务服务器1000)共同执行。为便于理解,本实施例以该方法由上述终端设备执行为例进行说明。如图4所示,该图像处理方法至少可以包括以下步骤S101-步骤S104:
步骤S101,获取用于进行滤波处理的滤波尺寸集合;滤波尺寸集合中包括N个滤波尺寸,N为大于1的正整数;N个滤波尺寸中的任意两个滤波尺寸不同。
本申请中,滤波尺寸可以是指在图像上对某个像素点进行像素计算处理的模板尺寸。可以理解的是,某个图像可以包含一个或多个像素点,在滤波处理中,对于某个像素点,可以给定一个模板(即模板尺寸可为人为规定),该模板包含了其周围的临近像素点和其本身像素点,其中,该本身像素点是作为中心,其周围的临近像素点是以该像素点作为中心的一个或多个邻域像素点。而该本身像素点的像素值,可以基于该模板内的全部像素点的像素值来确定(即,基于该模板内的全部像素点的像素值所确定的一个最终的像素值,可用于替代本身像素点的原始的像素值)。例如,给定模板尺寸为5x5,那么该模板包含的像素点共为25个,对于某个像素点,需要选择其周围临近的24个像素点作为其邻域像素点,该像素点的最终的像素点可以通过该模板内的25个像素点的像素值来共同确定。例如,当滤波处理为均值滤波处理时,该像素点的最终的像素点可以为该模板内的25个像素点的像素值的平均值;当滤波处理为中值滤波处理时,可以将25个像素点的像素值按照大小顺序(如从大到小的顺序)进行排序,再在排序后的像素值序列中获取到中位值,该中位值即可作为该像素点的最终的像素值。当然,不同类型的滤波处理方式,其模板的应用也不同,这里仅是以均值滤波处理和中值滤波处理为例作为示例性说明。
为便于理解,请一并参见图5,图5是本申请实施例提供的一种基于均值滤波进行像素处理的示意图。如图5所示,图像50a可为原始图像,对于原始图像50a而言,该原始图像包含有49个像素点(其中,包含有像素点a1、像素点a2、像素点a3、…、像素点g7),这里假设将对该原始图像50a进行均值滤波处理,假设给定模板尺寸(即滤波尺寸)为3x3。如图5所示,以像素点b2为例,可以基于模板尺寸3x3,以像素点b2为中心,确定出其周围的邻域像素点为像素点a1、像素点a2、像素点a3、像素点b1、像素点b3、像素点c1、像素点c2以及像素点c3。其中,在确定像素点b2的邻域像素点时,可以以原始图像50a的某个顶点为坐标原点,将以该坐标原点为交点的两条图像边各作为一个坐标轴(可称之为x轴与y轴),由此可以构建得到一个以顶点为坐标原点的坐标系,那么该原始图像50a上的每个像素点可以对应一个坐标,那么对于像素点b2的邻域像素点,可以在像素点b2的坐标的基础上进行确定。例如,以像素点b2的坐标为(2,6)为例,可以在x轴上增加[-1,1](即增加-1,0,1),在y轴上增加[-1,1](即增加-1,0,1),即在坐标(2,6)上增加(-1,-1)、(-1,0)、(-1,1)、(0,-1)、(0,1)、(1,-1)、(1,0)以及(1,1),由此即可得到邻域像素点的坐标为(1,5)、(1,6)、(1,7)、(2,5)、(2,7)、(3,5)、(3,6)以及(3,7),由此即可通过坐标对应得到上述包含像素点a1等像素点的各个邻域像素点。
进一步地,可以获取到该模板内包含的全部像素点的像素值,即像素点a1、像素点a2、像素点a3、像素点b1、像素点b2、像素点b3、像素点c1、像素点c2以及像素点c3分别对应的像素值,以像素点a1、像素点a2、像素点a3、像素点b1、像素点b2、像素点b3、像素点c1、像素点c2以及像素点c3分别对应的像素值为11、8、11、10、9、12、10、10、9为例,可以确定出这些像素值对应的平均值为10(即将11、8、11、10、9、12、10、10、9进行相加后,所得到的相加和为90,该模板内所包含的全部像素的数量为9,则该平均值即为10),那么该平均值10即可作为该像素点b2的新的像素值。也就是说,通过该均值滤波处理,可以得到原始图像50a中每个像素点对应的新的像素值。
应当理解,在图像处理中,锐化处理十分重要,通过锐化处理可以提高图像的清晰度,而在锐化处理中,滤波处理也显得十分关键。为了提升锐化处理后的图像质量(如清晰度),本申请可以为图像的滤波处理配置不同的滤波尺寸,这些不同的滤波尺寸可以组成一个滤波尺寸集合,在将为某个原始图像进行滤波处理时,即可获取到该滤波尺寸集合,再通过该滤波尺寸集合对其进行滤波处理。
步骤S102,基于每个滤波尺寸分别对原始图像进行低通滤波处理,得到N个滤波图像。
本申请中,通过上述可知,每个滤波尺寸可用于对原始图像进行滤波处理。本申请中的滤波处理可以是指低通滤波处理(如均值滤波处理、中值滤波处理等等),以N个滤波尺寸包括滤波尺寸Si, N个滤波图像中包括滤波尺寸Si所对应的滤波图像Ti(i为正整数)为例,基于某个滤波尺寸对原始图像进行低通滤波处理,得到该滤波尺寸对应的滤波图像的具体实现方式可为:可以获取原始图像对应的图像像素集合,以及图像像素集合对应的像素坐标集合;随后,可以在图像像素集合中获取目标图像像素,在像素坐标集合中获取目标图像像素对应的目标像素坐标;可以获取滤波尺寸Si所指示的坐标变化量,根据目标像素坐标以及坐标变化量,可以在像素坐标集合中确定针对目标像素坐标的邻域像素坐标;根据目标像素坐标与邻域像素坐标,即可确定滤波尺寸Si对应的滤波图像Ti。
可以理解的是,对于原始图像,可以包含有一个或多个像素点(也可称为图像像素),每个像素点(每个图像像素)可以对应一个坐标,其中,这里的坐标可以是指基于该原始图像所建立的坐标系中的坐标,例如,可以以该原始图像的某个图像顶点作为坐标原点,并将以该坐标原点为交点的两条图像边各作为一个坐标轴(可称之为x轴与y轴),由此可以构建得到一个以图像顶点为坐标原点的坐标系,那么每个像素点在该坐标系中可对应一个坐标。每个像素点所对应的坐标可称之为像素坐标,那么各个图像像素(像素点)可以组成一个图像像素集合(像素点集合),各个图像像素所对应的像素坐标可组成一个像素坐标集合,在对原始图像进行滤波处理时,可以获取到原始图像的图像像素集合以及图像像素集合所对应的像素坐标集合。
进一步地,通过上述图5所对应实施例可知,在低通滤波处理中(如均值滤波处理中),基于一个滤波尺寸(如3x3的尺寸),可以确定出某个图像像素(如目标图像像素)的邻域图像像素。其中,基于滤波尺寸确定邻域图像像素的具体方式可通过像素坐标来确定,一个滤波尺寸可对应于一个坐标变化量,如3x3的尺寸可对应于坐标变化量[-1,1](即在x轴与y轴上同时增加-1,0或1);如3x3的尺寸可对应于坐标变化量[-2,2](即在x轴与y轴上同时增加-2,-1,0,1或2)。那么在获取到目标图像像素对应的目标像素坐标后,即可根据在该目标像素坐标的基础上,基于该坐标变化量计算出邻域像素坐标,根据该邻域像素坐标即可确定出该目标图像像素的邻域图像像素。其中,该邻域图像像素与该目标图像像素所组成的区域即为该滤波尺寸所覆盖到的区域,该区域是以目标图像像素作为中心位置。
进一步地,基于该目标像素坐标以及该邻域像素坐标,即可确定出该滤波尺寸对应的滤波图像。这里以低通滤波处理为均值滤波处理为例,根据目标像素坐标与邻域像素坐标,确定滤波尺寸Si对应的滤波图像Ti的具体实现方式可为:可以在图像像素集合中获取邻域像素坐标所对应的邻域图像像素;可以获取邻域图像像素对应的邻域像素值,以及目标图像像素对应的目标像素值;随后,可以将邻域像素值与目标像素值进行相加处理,得到像素运算值;可以将像素运算值与像素总数量之间的比值,确定为目标图像像素对应的更新像素值;其中,像素总数量为邻域图像像素的数量与目标图像像素的数量之和;当确定出图像像素集合中每个图像像素分别对应的更新像素值时,即可将包含每个图像像素分别对应的更新像素值的图像,确定为滤波尺寸Si对应的滤波图像Ti。
也就是说,可以将该滤波尺寸所覆盖到的各个像素(包括目标图像像素与邻域图像像素)所对应的像素值(包括目标像素值与邻域像素值)进行相加处理,得到的像素运算值再求取均值(即确定出像素运算值与像素总数量之间的比值),该均值即可作为该目标图像像素的更新像素值(即将该均值代替目标图像像素的原始像素值,即代替目标像素值)。其具体示例性场景说明,可以参见上述图5所对应实施例中的场景示例描述。应当理解,对于原始图像中的每个图像像素,均可以采用如确定目标图像像素的更新像素值的方式,确定出每个图像像素的更新像素值,那么在确定出每个图像像素的更新像素值时,可以认为基于该滤波尺寸对该原始图像的低通滤波处理的过程完成,此时可以将包含各个更新像素值的图像确定为该滤波尺寸(如滤波尺寸Si)对应的滤波图像(滤波图像Ti)。
以上仅以滤波尺寸Si为例,描述了基于某个滤波尺寸对原始图像进行低通滤波处理,对于N个滤波尺寸中的每个滤波尺寸,均可以采用相同的处理方式,对原始图像进行低通滤波处理(如均值滤波处理),由此可以得到不同滤波尺寸所分别对应的滤波图像,即得到N个滤波图像。
为便于理解,请一并参见公式(1)、公式(2)以及公式(3),公式(1)、公式(2)以及公式(3)是以N个滤波尺寸包括滤波尺寸5x5、9x9以及17x17为例,对原始图像进行均值滤波处理的具体实现方式。
其中,公式(1)中的可以表征基于滤波尺寸5x5对原始图像进行均值滤波处理
后,所得到的原始图像中某个像素点的低频像素值(也可理解为滤波处理后的更新像素
值);与可分别用于表征x轴上的坐标变化量以及y轴上的坐标变化量;x与y可分别
用于表征原始图像上的某个像素点(如目标图像像素)所对应的像素坐标(如目标像素坐
标),即目标像素坐标为()。具体来说,对于原始图像中每个坐标位置为(x,y)的像素点
(图像像素),在对其进行均值滤波处理时,可以基于滤波尺寸(模板尺寸5x5)确定出其周围
的邻域图像像素,然后可以计算其本身像素值及其邻域图像像素的像素值的平均值,该平
均值即可作为该滤波尺寸5x5下所对应的滤波图像中该图像像素的像素值。
其中,公式(2)中的可以表征基于滤波尺寸9x9对原始图像进行均值滤波处理
后,所得到的原始图像中某个像素点的低频像素值(也可理解为滤波处理后的更新像素
值);与可分别用于表征x轴上的坐标变化量以及y轴上的坐标变化量;x与y可分
别用于表征原始图像上的某个像素点(如目标图像像素)所对应的像素坐标(如目标像素坐
标),即目标像素坐标为()。具体来说,对于原始图像中每个坐标位置为(x,y)的像素
点(图像像素),在对其进行均值滤波处理时,可以基于滤波尺寸(模板尺寸9x9)确定出其周
围的邻域图像像素,然后可以计算其本身像素值及其邻域图像像素的像素值的平均值,该
平均值即可作为该滤波尺寸9x9下所对应的滤波图像中该图像像素的像素值。
其中,公式(3)中的可以表征基于滤波尺寸17x17对原始图像进行均值滤波处
理后,所得到的原始图像中某个像素点的低频像素值(也可理解为滤波处理后的更新像素
值);与可分别用于表征x轴上的坐标变化量以及y轴上的坐标变化量;x与y可分
别用于表征原始图像上的某个像素点(如目标图像像素)所对应的像素坐标(如目标像素坐
标),即目标像素坐标为()。具体来说,对于原始图像中每个坐标位置为(x,y)的像素
点(图像像素),在对其进行均值滤波处理时,可以基于滤波尺寸(模板尺寸17x17)确定出其
周围的邻域图像像素,然后可以计算其本身像素值及其邻域图像像素的像素值的平均值,
该平均值即可作为该滤波尺寸17x17下所对应的滤波图像中该图像像素的像素值。
应当理解,通过上述公式(1),可以得到原始图像在低滤波尺寸下对应的一个滤波图像;通过上述公式(2),可以得到原始图像在中滤波尺寸下对应的一个滤波图像;通过上述公式(3),可以得到原始图像在高滤波尺寸下对应的一个滤波图像。
步骤S103,根据原始图像将N个滤波图像分别进行图像转换,得到N个高频图像。
本申请中,通过上述可知,可基于每个滤波尺寸对原始图像进行低通滤波处理,具体来说,低通滤波处理后所得到的为低频信息(即每个滤波图像可理解为低频图像),在得到低频信息后,可以基于原始图像与低频信息来提取出高频信息(高频信息可理解为高频图像)。例如,可以通过将原始图像与低频信息进行作差,所得到的结果即可作为高频信息。以N个滤波尺寸包括滤波尺寸Si,N个滤波图像中包括滤波尺寸Si所对应的滤波图像Ti,N个高频图像中包括滤波图像Ti所对应的高频图像Zi(i为正整数)为例,对于根据原始图像滤波图像Ti进行图像转换,得到高频图像Zi的具体实现方式可为:可以获取原始图像对应的图像像素集合,以及图像像素集合对应的像素坐标集合;随后,可以获取滤波图像Ti对应的滤波图像像素集合,以及滤波图像像素集合对应的滤波像素坐标集合;根据像素坐标集合与滤波像素坐标集合,即可确定滤波图像Ti对应的高频图像Zi。
可以理解的是,通过上述可知,滤波图像可以是对原始图像的每个像素点的像素值进行更新后所得到,则实际上滤波图像与原始图像相比,像素点的坐标并未发生变化,但每个像素点的像素值可能会发生变化,则这里的滤波图像的滤波图像像素集合,可与原始图像的图像像素集合为相同的像素集合,滤波图像像素集合对应的滤波像素坐标集合,也可与图像像素集合对应的像素坐标集合未相同集合。也就是说,滤波像素坐标集合中的每个滤波像素坐标,均会对应一个像素坐标集合中的一个像素坐标(两者为相同的坐标)。根据像素坐标集合与滤波像素坐标集合,即可确定某个滤波图像对应的高频图像。
以滤波图像Ti为例,对于根据像素坐标集合与滤波像素坐标集合,确定滤波图像Ti对应的高频图像Zi的具体实现方式可为:可以在滤波像素坐标集合中获取目标滤波像素坐标,并将像素坐标集合中与目标滤波像素坐标具有映射关系的像素坐标,确定为映射像素坐标;随后,可以在图像像素集合中获取映射像素坐标对应的映射图像像素,在滤波图像像素集合中可以获取目标滤波像素坐标对应的目标滤波像素;可以获取映射图像像素对应的映射像素值,以及目标滤波像素对应的滤波像素值;可以将映射像素值与滤波像素值之间的差值像素值,确定为目标滤波像素对应的高频像素值;当确定出滤波图像像素集合中每个滤波图像像素分别对应的高频像素值时,即可将包含每个滤波图像像素分别对应的高频像素值的图像,确定为滤波图像Ti对应的高频图像Zi。
可以理解的是,与目标滤波像素坐标具有映射关系的像素坐标,实际上可理解为像素坐标集合中与目标滤波像素坐标为相同坐标的像素坐标,通过上述可知,像素坐标集合与滤波像素坐标集合实际上为相同集合,像素坐标集合中的每个像素坐标,均在滤波像素坐标集合中存在相同的坐标,这两个相同的坐标即可认为具有映射关系,其实际为同一像素点的坐标。映射图像像素对应的映射像素值可理解为原始图像中,未经过滤波处理的原始像素值(如上述目标图像像素对应的目标像素值),滤波图像像素对应的滤波像素值可理解为对原始图像进行滤波处理后的像素值(如滤波图像像素为上述目标图像像素时,滤波像素值可以是指目标图像像素对应的更新像素值)。
应当理解,对于每个像素点(如目标滤波像素或映射图像像素),可以采用其更新像素值(即滤波像素值)与原始像素值(如映射像素值)进行作差,所得到的差值结果即可作为该像素点对应的高频信息(即高频像素值)。当确定出每个像素点对应的高频像素值时,即可得到一个包含各个高频像素值的高频图像。
为便于理解,请一并参见公式(4)、公式(5)以及公式(6),公式(4)、公式(5)以及公式(6)是以N个滤波尺寸包括滤波尺寸5x5、9x9以及17x17为例,提取高频信息的具体实现方式。
其中,如公式(4)所示的可用于表征原始图像中位置为(x,y)的像素点所对应的原始像素值;可用于表征基于上述公式(1)所确定的该像素点
所对应的滤波像素值;即可表征该像素点所对应的高频像素值。具体来说,对于
原始图像中每个坐标位置为(x,y)的像素点(图像像素),或对于滤波图像中每个坐标位置
为(x,y)的像素点(滤波图像像素),在对其提取高频信息时,均可以将其原始像素值与其滤
波像素值进行作差处理,即可得到该像素点的高频像素值。当得到每个像素点对应的高频
像素值时,即可得到包含各个高频像素值的高频图像。如公式(4)所示的高频图像可对应于
滤波尺寸5x5。
其中,如公式(5)所示的可用于表征原始图像中位置为(x,y)的像素点所对应的原始像素值;可用于表征基于上述公式(2)所确定的该像素点
所对应的滤波像素值;即可表征该像素点所对应的高频像素值。具体来说,对于
原始图像中每个坐标位置为(x,y)的像素点(图像像素),或对于滤波图像中每个坐标位置
为(x,y)的像素点(滤波图像像素),在对其提取高频信息时,均可以将其原始像素值与其滤
波像素值进行作差处理,即可得到该像素点的高频像素值。当得到每个像素点对应的高频
像素值时,即可得到包含各个高频像素值的高频图像。如公式(5)所示的高频图像可对应于
滤波尺寸9x9。
其中,如公式(6)所示的可用于表征原始图像中位置为(x,y)的像素点所对应的原始像素值;可用于表征基于上述公式(3)所确定的该像素点所
对应的滤波像素值;即可表征该像素点所对应的高频像素值。具体来说,对于原
始图像中每个坐标位置为(x,y)的像素点(图像像素),或对于滤波图像中每个坐标位置为
(x,y)的像素点(滤波图像像素),在对其提取高频信息时,均可以将其原始像素值与其滤波
像素值进行作差处理,即可得到该像素点的高频像素值。当得到每个像素点对应的高频像
素值时,即可得到包含各个高频像素值的高频图像。如公式(6)所示的高频图像可对应于滤
波尺寸17x17。
应当理解,具体来说,通过小尺度的低通滤波处理(如滤波尺寸较小的均值滤波处理)所获取的高频信息相对较弱,而通过大尺度的低通滤波处理(如滤波尺寸较大的均值滤波处理)所获取的高频信息则相对较强。对于原始图像中锐利的纹理(内容复杂、变化剧烈且复杂的图像信息,如草地、树木的纹理),小尺度的低通滤波便可以提取到对应的高频信息,而使用大尺度的低通滤波很可能会导致对锐利纹理过度增强。而对于原始图像中平缓的纹理(内容简单、变化平缓的图像信息,如天空的纹理),则需要大尺度的低通滤波才可以提取到对应的高频信息,那么通过从小到大不同的滤波尺寸,对原始图像进行低通滤波处理后,可以以不同尺度的低通滤波来准确且针对性地获取到原始图像中不同类型的高频信息,可以很好地提升提取到的高频信息的准确性与全面性,进而可以在后续基于高频信息进行图像锐化增强处理时,可以提升锐化处理的针对性,由此可以提升锐化增强后的图像质量。
步骤S104,将N个高频图像进行图像融合,得到融合图像,将融合图像与原始图像进行融合,得到原始图像对应的锐化增强图像。
本申请中,对于提取到的不同滤波尺寸下的N个高频图像,可以将其进行融合。本申请主要采用几何平均的融合。以N个滤波尺寸包括第一滤波尺寸与第二滤波尺寸,N个滤波图像包括第一滤波尺寸对应的第一滤波图像与第二滤波尺寸对应的第二滤波图像,N个高频图像包括第一滤波图像对应的第一高频图像与第二滤波图像对应的第二高频图像为例,对于将第一高频图像与第二高频图像进行图像融合,得到融合图像的具体实现方式可为:可以获取第一滤波尺寸对应的第一融合权重,以及第二滤波尺寸对应的第二融合权重;随后,可以获取高频图像融合函数,根据第一融合权重、第二融合权重以及高频图像融合函数,可以将第一高频图像与第二高频图像进行图像融合,由此即可得到融合图像。
其中,对于根据第一融合权重、第二融合权重以及高频图像融合函数,将第一高频图像与第二高频图像进行图像融合,得到融合图像的具体实现方式可为:可以按照高频图像融合函数,将第一融合权重与第二融合权重进行相加处理,得到运算权重;可以确定第一融合权重与运算权重之间的第一比值,基于第一比值将第一高频图像进行指数幂运算,可以得到第一运算特征;可以确定第二融合权重与运算权重之间的第二比值,基于第二比值将第二高频图像进行指数幂运算,可以得到第二运算特征;按照高频图像融合函数,可以将第一运算特征与第二运算特征进行几何融合,得到融合图像。
为便于理解,以滤波尺寸5x5、9x9以及17x17为例,高频图像可以包括滤波尺寸5x5、9x9以及17x17分别对应的高频图像。请一并参见公式(7),公式(7)为基于几何平均融合的方式,将N个高频图像进行图像融合,得到融合图像的具体实现方式:
其中,该公式(7)即可用于表征该高频图像融合函数;可用于表征滤波尺寸5x5
对应的权重参数(当该滤波尺寸为第一滤波尺寸时,该权重参数即可称之为第一融合权
重);可用于表征滤波尺寸9x9对应的权重参数(当其为第二滤波尺寸时,该权重参数即可
称之为第二融合权重);可用于表征滤波尺寸17x17对应的权重参数(当其为第二滤波尺
寸时,该权重参数即可称之为第二融合权重)。本申请中的、以及可分别取值为0.3、
0.4以及0.3,当然,该参数的取值并不限定于此,这里仅是举例说明了一组合理的参数取
值,本申请对其并不限制。可用于表征滤波尺寸5x5对应的高频图像中的某个位置为
(x,y)的像素点的高频像素值,当其对应高频图像为第一高频图像时,且用于表征第一融
合权重时,即可用于表征第一比值;可用于表征滤波尺寸9x9对应的高频图像
中的某个位置为(x,y)的像素点的高频像素值,当其对应高频图像为第二高频图像时,且用于表征第二融合权重时,即可用于表征第二比值;可用于表征滤波尺寸
17x17对应的高频图像中的某个位置为(x,y)的像素点的高频像素值,当其对应高频图像为
第二高频图像时,且用于表征第二融合权重时,即可用于表征第二比值。可用
于表征融合各个高频图像中的高频像素值后,所得到的位置为(x,y)的像素点的融合像素
值。当确定出每个位置上的像素点的融合像素值时,即可得到包含各个融合像素值的融合
图像(也就是融合后的高频信息)。也就是说,本申请中的几何融合可以是指将第一运算特
征与第一运算特征进行如公式(7)所示的运算处理(如相乘运算处理),进行运算处理后得
到的结果即为几何融合后得到的融合结果。
进一步地,当得到融合图像后,可以将融合后的高频信息添加到原始图像中,也就是将融合图像与原始图像进行融合,由此即可将原始图像中的高频信息进行增强,得到原始图像对应的锐化增强图像。将融合图像与原始图像进行融合的具体实现方式可如公式(8)所示:
其中,可用于表征原始图像中位置坐标为(x,y)的像素点的原始像素值;可用于表征位置坐标为(x,y)的像素点的融合像素值;可用于表征融合了高频
像素值的锐化增强像素值(也可称之为锐化像素值)。当确定出每个位置上的像素点的锐化
像素值时,即可得到包含各个锐化像素值的锐化图像。也就是说,在获取到某个重映射像素
时,可以在原始图像中获取到与该重映射像素具有映射关系的原始图像像素(或称之为图
像像素),其中,具有映射关系可以是指具有相同像素坐标的关系,再将两个像素的像素值
进行相加,即可得到该坐标上的像素的锐化像素值。即:将同一位置坐标上的重映射像素值
与原始图像像素值(或称之为图像像素值)进行相加,得到该位置坐标上的像素的锐化像素
值,在得到各个位置坐标上的锐化像素值时,即可得到一个包含各个锐化像素值的锐化增
强图像。
在本申请实施例中,对于某个原始图像,可以利用不同尺度的低通滤波,提取到不同类型纹理的高频信息(即,基于不同的滤波尺寸对原始图像进行低通滤波处理,得到不同的滤波图像后,再基于原始图像与每个滤波图像获取到不同滤波图像对应的高频图像),且在对高频信息进行融合后,可以得到融合后的高频信息(即融合图像),在对融合图像与原始图像进行融合后即可得到锐化增强图像。该锐化增强图像,是基于不同尺度对原始图像中的平缓纹理和锐利纹理均进行了合理的增强处理所得到,所以该锐化增强图像具备较高的图像质量。综上,本申请可以在图像锐化业务中,提高锐化后的图像质量。
通过上述可知,在对N个高频图像进行图像融合后,可以得到融合图像(得到每个像素点对应的融合像素值),随后可以将融合图像与原始图像进行融合(即对于每个像素点,将其融合像素值与原始像素值进行相加),即可得到锐化增强图像。在一种可行的实施例中,为了进一步提高融合后的高频信息(即融合像素值)的准确率与合理性,可将其进行线性的重映射与截断处理,得到处理后的融合像素值后,再将其余原始像素值进行融合。为便于理解,请一并参见图6,图6是本申请实施例提供的一种融合原始图像与融合图像,得到锐化增强图像的流程示意图。该流程也可对应于上述图4所对应实施例中,对于将融合图像与原始图像进行融合,得到原始图像对应的锐化增强图像的流程。如图6所示,该流程可以至少包括以下步骤S201-步骤S202:
步骤S201,对融合图像进行重映射处理,得到重映射融合图像。
具体的,在上述将N个高频图像进行图像融合后,可以得到融合图像。实际上,该融合图像中的每个像素点均与原始图像中的每个像素点相同,但每个像素点的像素值可能不同。对于原始图像中的某个像素点,其未经过处理的像素值可称之为原始像素值,在某个滤波图像中的像素值可称之为滤波像素值,在某个高频图像中的像素值可称之为高频像素值,而在融合图像中的像素值可称之为融合像素值。对于对融合图像进行重映射处理,得到重映射融合图像的具体实现方式可为:可以获取融合图像对应的融合图像像素,以及融合图像像素对应的融合像素值;随后,可以获取重映射函数,根据重映射函数以及融合像素值,可以确定融合图像像素对应的重映射像素值;随后,即可将包含重映射像素值的图像,确定为重映射融合图像。
其中,对于根据重映射函数以及融合像素值,确定融合图像像素对应的重映射像素值的具体实现方式可为:可以按照重映射函数,将融合像素值与像素值阈值进行比较;若融合像素值大于或等于像素值阈值,则可以将预设像素参数确定为融合图像像素对应的重映射像素值;若融合像素值小于像素值阈值,则可以将融合像素值与预设融合系数进行相乘处理,得到融合图像像素对应的重映射像素值。
通过上述可知,每个像素点对应的滤波像素值,基于原始像素值所确定,高频像素值基于滤波像素值所确定,融合像素值基于高频像素值所确定。则这里的融合图像的融合图像像素,可与原始图像的图像像素集合中的某个图像像素为相同的像素。将每个像素点对应的融合像素值进行重映射与截断处理(可简称为重映射处理)后,可得到每个像素点对应的重映射像素值,根据该像素的重映射像素值与原始像素值,即可确定该像素所对应的锐化像素值。在确定出每个像素点的锐化像素值时,即可得到包含各个锐化像素值的锐化增强图像。
为便于理解,请一并参见公式(9),公式(9)为对融合图像进行重映射处理,得到重映射融合图像的具体实现方式。
其中,如公式(9)所示的函数可用于表征重映射函数;可用于表征位置坐标
为(x,y)的像素点的融合像素值;可用于表征位置坐标为(x,y)的像素点的重映射像
素值;0.25可用于表征像素值阈值,该像素值阈值可为人为规定数值(这里仅是以0.25为举
例说明,实际上,像素值阈值可为其他任意合理数值,本申请对其不进行限定)。0.8可为预
设融合系数,该预设融合系数可为人为规定数值(这里仅是以0.8为举例说明,实际上,预设
融合系数可为其他任意合理数值,本申请对其不进行限定)。当融合像素值低于像素值阈值
时,可以将预设融合系数与融合像素值进行相乘处理,得到的结果即可作为锐化像素值;当
融合像素值大于或等于像素值阈值时,即可将预设像素参数0.2作为锐化像素值。其中,预
设像素参数也可为其他合理数值,0.2仅是合理数值中的一种,为举例描述。通过上述公式
(9),即可得到每个像素点对应的重映射像素值。
步骤S202,将重映射融合图像与原始图像进行融合,得到锐化增强图像。
具体的,对于将重映射融合图像与原始图像进行融合,得到锐化增强图像的具体实现方式可为:可以获取重映射融合图像对应的重映射像素,以及重映射像素对应的重映射像素值;随后,可以获取原始图像对应的图像像素,以及图像像素对应的图像像素值;可以将重映射像素值与图像像素值进行相加处理,得到锐化像素值;可以将包含锐化像素值的图像,确定为锐化增强图像。
可以理解的是,当得到各个像素点对应的重映射像素值后,可以将重映射后的高频信息(即重映射像素值)添加到原始图像中,也就是将重映射后的融合图像与原始图像进行融合,由此即可将原始图像中的高频信息进行增强,得到原始图像对应的锐化增强图像。即:可以将每个像素点(即图像像素)对应的重映射像素值与原始像素值,进行相加处理,由此可以得到每个图像像素分别对应的锐化像素值,进而可以得到包含各个锐化像素值的锐化增强图像。
对于基于重映射像素值与原始像素值,确定锐化增强图像的具体实现方式可如公式(10)所示:
其中,可用于表征原始图像中位置坐标为(x,y)的像素点的原始像素值;可用于表征位置坐标为(x,y)的像素点的重映射像素值;可用于表征融合了
重映射像素值的锐化增强像素值(也可称之为锐化像素值)。当确定出每个位置上的像素点
的锐化像素值时,即可得到包含各个锐化像素值的锐化图像。
在本申请实施例中,通过不同的滤波尺寸对原始图像进行低通滤波处理后,可以得到不同滤波尺寸下的低频图像(即N个滤波图像),然后通过原始图像本身与各个滤波图像,即可提取得到每个滤波图像各自对应的高频信息(即得到N个高频图像),对于多尺度的高频图像,本申请可以对其进行融合处理得到融合图像,处理后的融合图像可以与原始图像进行再次融合,从而可以从不同尺度(滤波尺寸)增强原始图像的高频强度,得到锐化增强图像。此外,由于本申请是采用不同滤波尺寸对原始图像同时进行低通滤波处理,所得到的高频信息也是不同滤波尺寸下的高频信息,可以对不同类型的图像细节(如平缓纹理与复杂锐利纹理)具有强自适应能力(如,对于复杂锐利纹理,基于低滤波尺寸的低通滤波处理便可以提取到对应的高频信息,并实现对应的增强;对于平缓纹理,基于高滤波尺寸的低通滤波处理可以提取到对应的高频信息,并实现对应的增强),即可以达到从不同尺度增强原始图像的细节信息,进而可以提升图像的锐化质量,提升图像的清晰度。综上,本申请可以在图像锐化业务中,提高锐化后的图像质量。
进一步地,请参见图7,图7是本申请实施例提供的一种数据处理装置的结构示意图。该数据处理装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该数据处理装置为一个应用软件;该数据处理装置可以用于执行图4所示的方法。如图7所示,该数据处理装置1可以包括:尺寸获取模块11、滤波模块12、图像转换模块13、图像融合模块14以及图像锐化模块15。
尺寸获取模块11,用于获取用于进行滤波处理的滤波尺寸集合;滤波尺寸集合中包括N个滤波尺寸,N为大于1的正整数;N个滤波尺寸中的任意两个滤波尺寸不同;
滤波模块12,用于基于每个滤波尺寸分别对原始图像进行低通滤波处理,得到N个滤波图像;
图像转换模块13,用于根据原始图像将N个滤波图像分别进行图像转换,得到N个高频图像;
图像融合模块14,用于将N个高频图像进行图像融合,得到融合图像;
图像锐化模块15,用于将融合图像与原始图像进行融合,得到原始图像对应的锐化增强图像。
其中,尺寸获取模块11、滤波模块12、图像转换模块13、图像融合模块14以及图像锐化模块15的具体实现方式,可以参见上述图4所对应实施例中步骤S101-步骤S104的描述,这里将不再进行赘述。
在一个实施例中,N个滤波尺寸包括滤波尺寸Si,N个滤波图像中包括滤波尺寸Si所对应的滤波图像Ti,i为正整数;
滤波模块12可以包括:集合获取单元121、坐标获取单元122、邻域坐标确定单元123以及滤波图像确定单元124。
集合获取单元121,用于获取原始图像对应的图像像素集合,以及图像像素集合对应的像素坐标集合;
坐标获取单元122,用于在图像像素集合中获取目标图像像素,在像素坐标集合中获取目标图像像素对应的目标像素坐标;
邻域坐标确定单元123,用于获取滤波尺寸Si所指示的坐标变化量,根据目标像素坐标以及坐标变化量,在像素坐标集合中确定针对目标像素坐标的邻域像素坐标;
滤波图像确定单元124,用于根据目标像素坐标与邻域像素坐标,确定滤波尺寸Si对应的滤波图像Ti。
其中,集合获取单元121、坐标获取单元122、邻域坐标确定单元123以及滤波图像确定单元124的具体实现方式,可以参见上述图4所对应实施例中步骤S102的描述,这里将不再进行赘述。
在一个实施例中,滤波图像确定单元124可以包括:像素运算子单元1241以及像素更新子单元1242。
像素运算子单元1241,用于在图像像素集合中获取邻域像素坐标所对应的邻域图像像素;
像素运算子单元1241,还用于获取邻域图像像素对应的邻域像素值,以及目标图像像素对应的目标像素值;
像素运算子单元1241,还用于将邻域像素值与目标像素值进行相加处理,得到像素运算值;
像素更新子单元1242,用于将像素运算值与像素总数量之间的比值,确定为目标图像像素对应的更新像素值;像素总数量为邻域图像像素的数量与目标图像像素的数量之和;
像素更新子单元1242,还用于当确定出图像像素集合中每个图像像素分别对应的更新像素值时,将包含每个图像像素分别对应的更新像素值的图像,确定为滤波尺寸Si对应的滤波图像Ti。
其中,像素运算子单元1241以及像素更新子单元1242的具体实现方式,可以参见上述图4所对应实施例中步骤S102的描述,这里将不再进行赘述。
在一个实施例中,N个滤波尺寸包括滤波尺寸Si,N个滤波图像中包括滤波尺寸Si所对应的滤波图像Ti,N个高频图像中包括滤波图像Ti所对应的高频图像Zi,i为正整数;
图像转换模块13可以包括:像素坐标获取单元131以及高频图像确定单元132。
像素坐标获取单元131,用于获取原始图像对应的图像像素集合,以及图像像素集合对应的像素坐标集合;
像素坐标获取单元131,还用于获取滤波图像Ti对应的滤波图像像素集合,以及滤波图像像素集合对应的滤波像素坐标集合;
高频图像确定单元132,用于根据像素坐标集合与滤波像素坐标集合,确定滤波图像Ti对应的高频图像Zi。
其中,像素坐标获取单元131以及高频图像确定单元132的具体实现方式,可以参见上述图4所对应实施例中步骤S103中对于确定高频图像的相关描述,这里将不再进行赘述。
在一个实施例中,高频图像确定单元132可以包括:高频像素值确定子单元1321以及高频图像确定子单元1322。
高频像素值确定子单元1321,用于在滤波像素坐标集合中获取目标滤波像素坐标,将像素坐标集合中与目标滤波像素坐标具有映射关系的像素坐标,确定为映射像素坐标;
高频像素值确定子单元1321,还用于在图像像素集合中获取映射像素坐标对应的映射图像像素,在滤波图像像素集合中获取目标滤波像素坐标对应的目标滤波像素;
高频像素值确定子单元1321,还用于获取映射图像像素对应的映射像素值,以及目标滤波像素对应的滤波像素值;
高频像素值确定子单元1321,还用于将映射像素值与滤波像素值之间的差值像素值,确定为目标滤波像素对应的高频像素值;
高频图像确定子单元1322,用于当确定出滤波图像像素集合中每个滤波图像像素分别对应的高频像素值时,将包含每个滤波图像像素分别对应的高频像素值的图像,确定为滤波图像Ti对应的高频图像Zi。
其中,高频像素值确定子单元1321以及高频图像确定子单元1322的具体实现方式,可以参见上述图4所对应实施例中步骤S103中的描述,这里将不再进行赘述。
在一个实施例中,N个滤波尺寸包括第一滤波尺寸与第二滤波尺寸,N个滤波图像包括第一滤波尺寸对应的第一滤波图像与第二滤波尺寸对应的第二滤波图像,N个高频图像包括第一滤波图像对应的第一高频图像与第二滤波图像对应的第二高频图像;
图像融合模块14可以包括:权重融合单元141以及高频图像融合单元142。
权重融合单元141,用于获取第一滤波尺寸对应的第一融合权重,以及第二滤波尺寸对应的第二融合权重;
高频图像融合单元142,用于获取高频图像融合函数;
高频图像融合单元142,还用于根据第一融合权重、第二融合权重以及高频图像融合函数,将第一高频图像与第二高频图像进行图像融合,得到融合图像。
其中,权重融合单元141以及高频图像融合单元142的具体实现方式,可以参见上述图4所对应实施例中步骤S104中对于图像融合的相关描述,这里将不再进行赘述。
在一个实施例中,高频图像融合单元142可以包括:权重运算子单元1421、图像运算子单元1422以及特征融合子单元1423。
权重运算子单元1421,用于按照高频图像融合函数,将第一图像融合权重与第二图像融合权重进行相加处理,得到运算权重;
图像运算子单元1422,用于确定第一融合权重与运算权重之间的第一比值,基于第一比值将第一高频图像进行指数幂运算,得到第一运算特征;
图像运算子单元1422,还用于确定第二融合权重与运算权重之间的第二比值,基于第二比值将第二高频图像进行指数幂运算,得到第二运算特征;
特征融合子单元1423,用于按照高频图像融合函数,将第一运算特征与第二运算特征进行几何融合,得到融合图像。
其中,权重运算子单元1421、图像运算子单元1422以及特征融合子单元1423的具体实现方式,可以参见上述图4所对应实施例中步骤S104的描述,这里将不再进行赘述。
在一个实施例中,图像锐化模块15可以包括:重映射单元151以及图像锐化单元152。
重映射单元151,用于对融合图像进行重映射处理,得到重映射融合图像;
图像锐化单元152,用于将重映射融合图像与原始图像进行融合,得到锐化增强图像。
其中,重映射单元151以及图像锐化单元152的具体实现方式,可以参见上述图7所对应实施例中步骤S201-步骤S202的相关描述,这里将不再进行赘述。
在一个实施例中,重映射单元151可以包括:重映射值确定子单元1511以及重映射图像确定子单元1512。
重映射值确定子单元1511,用于获取融合图像对应的融合图像像素,以及融合图像像素对应的融合像素值;
重映射值确定子单元1511,还用于获取重映射函数;
重映射值确定子单元1511,还用于根据重映射函数以及融合像素值,确定融合图像像素对应的重映射像素值;
重映射图像确定子单元1512,用于将包含重映射像素值的图像,确定为重映射融合图像。
其中,重映射值确定子单元1511以及重映射图像确定子单元1512的具体实现方式,可以参见上述图7所对应实施例中步骤S201中的描述,这里将不再进行赘述。
在一个实施例中,重映射值确定子单元1511,还具体用于按照重映射函数,将融合像素值与像素值阈值进行比较;
重映射值确定子单元1511,还具体用于若融合像素值大于或等于像素值阈值,则将预设像素参数确定为融合图像像素对应的重映射像素值;
重映射值确定子单元1511,还具体用于若融合像素值小于像素值阈值,则将融合像素值与预设融合系数进行相乘处理,得到融合图像像素对应的重映射像素值。
在一个实施例中,图像锐化单元152可以包括:锐化值确定子单元1521以及锐化图像确定子单元1522。
锐化值确定子单元1521,用于获取重映射融合图像对应的重映射像素,以及重映射像素对应的重映射像素值;
锐化值确定子单元1521,还用于获取原始图像对应的图像像素,以及图像像素对应的图像像素值;
锐化值确定子单元1521,还用于将重映射像素值与图像像素值进行相加处理,得到锐化像素值;
锐化图像确定子单元1522,用于将包含锐化像素值的图像,确定为锐化增强图像。
其中,锐化值确定子单元1521以及锐化图像确定子单元1522的具体实现方式,可以参见上述图7所对应实施例中步骤S202中的描述,这里将不再进行赘述。
在本申请实施例中,通过不同的滤波尺寸对原始图像进行低通滤波处理后,可以得到不同滤波尺寸下的低频图像(即N个滤波图像),然后通过原始图像本身与各个滤波图像,即可提取得到每个滤波图像各自对应的高频信息(即得到N个高频图像),对于多尺度的高频图像,本申请可以对其进行融合处理得到融合图像,处理后的融合图像可以与原始图像进行再次融合,从而可以从不同尺度(滤波尺寸)增强原始图像的高频强度,得到锐化增强图像。此外,由于本申请是采用不同滤波尺寸对原始图像同时进行低通滤波处理,所得到的高频信息也是不同滤波尺寸下的高频信息,可以对不同类型的图像细节(如平缓纹理与复杂锐利纹理)具有强自适应能力(如,对于复杂锐利纹理,基于低滤波尺寸的低通滤波处理便可以提取到对应的高频信息,并实现对应的增强;对于平缓纹理,基于高滤波尺寸的低通滤波处理可以提取到对应的高频信息,并实现对应的增强),即可以达到从不同尺度增强原始图像的细节信息,进而可以提升图像的锐化质量,提升图像的清晰度。综上,本申请可以在图像锐化业务中,提高锐化后的图像质量。
进一步地,请参见图8,图8是本申请实施例提供的一种计算机设备的结构示意图。如图8所示,上述图7所对应实施例中的装置1可以应用于上述计算机设备8000,上述计算机设备8000可以包括:处理器8001,网络接口8004和存储器8005,此外,上述计算机设备8000还包括:用户接口8003,和至少一个通信总线8002。其中,通信总线8002用于实现这些组件之间的连接通信。其中,用户接口8003可以包括显示屏(Display)、键盘(Keyboard),可选用户接口8003还可以包括标准的有线接口、无线接口。网络接口8004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器8005可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器8005可选的还可以是至少一个位于远离前述处理器8001的存储装置。如图8所示,作为一种计算机可读存储介质的存储器8005中可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在图8所示的计算机设备8000中,网络接口8004可提供网络通讯功能;而用户接口8003主要用于为用户提供输入的接口;而处理器8001可以用于调用存储器8005中存储的设备控制应用程序,以实现:
获取用于进行滤波处理的滤波尺寸集合;滤波尺寸集合中包括N个滤波尺寸,N为大于1的正整数;N个滤波尺寸中的任意两个滤波尺寸不同;
基于每个滤波尺寸分别对原始图像进行低通滤波处理,得到N个滤波图像;
根据原始图像将N个滤波图像分别进行图像转换,得到N个高频图像;
将N个高频图像进行图像融合,得到融合图像,将融合图像与原始图像进行融合,得到原始图像对应的锐化增强图像。
应当理解,本申请实施例中所描述的计算机设备8000可执行前文图4到图7所对应实施例中对该数据处理方法的描述,也可执行前文图7所对应实施例中对该数据处理装置1的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
此外,这里需要指出的是:本申请实施例还提供了一种计算机可读存储介质,且上述计算机可读存储介质中存储有前文提及的数据处理的计算机设备8000所执行的计算机程序,且上述计算机程序包括程序指令,当上述处理器执行上述程序指令时,能够执行前文图4到图7所对应实施例中对上述数据处理方法的描述,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。
上述计算机可读存储介质可以是前述任一实施例提供的数据处理装置或者上述计算机设备的内部存储单元,例如计算机设备的硬盘或内存。该计算机可读存储介质也可以是该计算机设备的外部存储设备,例如该计算机设备上配备的插接式硬盘,智能存储卡(smart media card,SMC),安全数字(secure digital,SD)卡,闪存卡(flash card)等。进一步地,该计算机可读存储介质还可以既包括该计算机设备的内部存储单元也包括外部存储设备。该计算机可读存储介质用于存储该计算机程序以及该计算机设备所需的其他程序和数据。该计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行本申请实施例中一方面提供的方法。
本申请实施例的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象,而非用于描述特定顺序。此外,术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括没有列出的步骤或模块,或可选地还包括对于这些过程、方法、装置、产品或设备固有的其他步骤单元。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例提供的方法及相关装置是参照本申请实施例提供的方法流程图和/或结构示意图来描述的,具体可由计算机程序指令实现方法流程图和/或结构示意图的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。这些计算机程序指令可提供到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或结构示意一个方框或多个方框中指定的功能的步骤。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (14)
1.一种数据处理方法,其特征在于,包括:
获取用于进行滤波处理的滤波尺寸集合;所述滤波尺寸集合中包括N个滤波尺寸,N为大于1的正整数;所述N个滤波尺寸中的任意两个滤波尺寸不同;
基于每个滤波尺寸分别对原始图像进行低通滤波处理,得到N个滤波图像;
根据所述原始图像将所述N个滤波图像分别进行图像转换,得到N个高频图像;
将所述N个高频图像进行图像融合,得到融合图像,将所述融合图像与所述原始图像进行融合,得到所述原始图像对应的锐化增强图像。
2.根据权利要求1所述的方法,其特征在于,所述N个滤波尺寸包括滤波尺寸Si,所述N个滤波图像中包括所述滤波尺寸Si所对应的滤波图像Ti,i为正整数;
所述基于每个滤波尺寸分别对原始图像进行低通滤波处理,得到N个滤波图像,包括:
获取所述原始图像对应的图像像素集合,以及所述图像像素集合对应的像素坐标集合;
在所述图像像素集合中获取目标图像像素,在所述像素坐标集合中获取所述目标图像像素对应的目标像素坐标;
获取所述滤波尺寸Si所指示的坐标变化量,根据所述目标像素坐标以及所述坐标变化量,在所述像素坐标集合中确定针对所述目标像素坐标的邻域像素坐标;
根据所述目标像素坐标与所述邻域像素坐标,确定所述滤波尺寸Si对应的所述滤波图像Ti。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标像素坐标与所述邻域像素坐标,确定所述滤波尺寸Si对应的所述滤波图像Ti,包括:
在所述图像像素集合中获取所述邻域像素坐标所对应的邻域图像像素;
获取所述邻域图像像素对应的邻域像素值,以及所述目标图像像素对应的目标像素值;
将所述邻域像素值与所述目标像素值进行相加处理,得到像素运算值;
将所述像素运算值与像素总数量之间的比值,确定为所述目标图像像素对应的更新像素值;所述像素总数量为所述邻域图像像素的数量与所述目标图像像素的数量之和;
当确定出所述图像像素集合中每个图像像素分别对应的更新像素值时,将包含所述每个图像像素分别对应的更新像素值的图像,确定为所述滤波尺寸Si对应的所述滤波图像Ti。
4.根据权利要求1所述的方法,其特征在于,所述N个滤波尺寸包括滤波尺寸Si,所述N个滤波图像中包括所述滤波尺寸Si所对应的滤波图像Ti,所述N个高频图像中包括所述滤波图像Ti所对应的高频图像Zi,i为正整数;
所述根据所述原始图像将所述N个滤波图像分别进行图像转换,得到N个高频图像,包括:
获取所述原始图像对应的图像像素集合,以及所述图像像素集合对应的像素坐标集合;
获取所述滤波图像Ti对应的滤波图像像素集合,以及所述滤波图像像素集合对应的滤波像素坐标集合;
根据所述像素坐标集合与所述滤波像素坐标集合,确定所述滤波图像Ti对应的所述高频图像Zi。
5.根据权利要求4所述的方法,其特征在于,所述根据所述像素坐标集合与所述滤波像素坐标集合,确定所述滤波图像Ti对应的所述高频图像Zi,包括:
在所述滤波像素坐标集合中获取目标滤波像素坐标,将所述像素坐标集合中与所述目标滤波像素坐标具有映射关系的像素坐标,确定为映射像素坐标;
在所述图像像素集合中获取所述映射像素坐标对应的映射图像像素,在所述滤波图像像素集合中获取所述目标滤波像素坐标对应的目标滤波像素;
获取所述映射图像像素对应的映射像素值,以及所述目标滤波像素对应的滤波像素值;
将所述映射像素值与所述滤波像素值之间的差值像素值,确定为所述目标滤波像素对应的高频像素值;
当确定出所述滤波图像像素集合中每个滤波图像像素分别对应的高频像素值时,将包含所述每个滤波图像像素分别对应的高频像素值的图像,确定为所述滤波图像Ti对应的所述高频图像Zi。
6.根据权利要求1所述的方法,其特征在于,所述N个滤波尺寸包括第一滤波尺寸与第二滤波尺寸,所述N个滤波图像包括所述第一滤波尺寸对应的第一滤波图像与所述第二滤波尺寸对应的第二滤波图像,所述N个高频图像包括所述第一滤波图像对应的第一高频图像与所述第二滤波图像对应的第二高频图像;
所述将所述N个高频图像进行图像融合,得到融合图像,包括:
获取所述第一滤波尺寸对应的第一融合权重,以及所述第二滤波尺寸对应的第二融合权重;
获取高频图像融合函数,根据所述第一融合权重、所述第二融合权重以及所述高频图像融合函数,将所述第一高频图像与所述第二高频图像进行图像融合,得到所述融合图像。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第一融合权重、所述第二融合权重以及所述高频图像融合函数,将所述第一高频图像与所述第二高频图像进行图像融合,得到所述融合图像,包括:
按照所述高频图像融合函数,将所述第一融合权重与所述第二融合权重进行相加处理,得到运算权重;
确定所述第一融合权重与所述运算权重之间的第一比值,基于所述第一比值将所述第一高频图像进行指数幂运算,得到第一运算特征;
确定所述第二融合权重与所述运算权重之间的第二比值,基于所述第二比值将所述第二高频图像进行指数幂运算,得到第二运算特征;
按照所述高频图像融合函数,将所述第一运算特征与所述第二运算特征进行几何融合,得到所述融合图像。
8.根据权利要求1所述的方法,其特征在于,所述将所述融合图像与所述原始图像进行融合,得到所述原始图像对应的锐化增强图像,包括:
对所述融合图像进行重映射处理,得到重映射融合图像;
将所述重映射融合图像与所述原始图像进行融合,得到所述锐化增强图像。
9.根据权利要求8所述的方法,其特征在于,所述对所述融合图像进行重映射处理,得到重映射融合图像,包括:
获取所述融合图像对应的融合图像像素,以及所述融合图像像素对应的融合像素值;
获取重映射函数,根据所述重映射函数以及所述融合像素值,确定所述融合图像像素对应的重映射像素值;
将包含所述重映射像素值的图像,确定为所述重映射融合图像。
10.根据权利要求9所述的方法,其特征在于,所述根据所述重映射函数以及所述融合像素值,确定所述融合图像像素对应的重映射像素值,包括:
按照所述重映射函数,将所述融合像素值与像素值阈值进行比较;
若所述融合像素值大于或等于像素值阈值,则将预设像素参数确定为所述融合图像像素对应的重映射像素值;
若所述融合像素值小于所述像素值阈值,则将所述融合像素值与预设融合系数进行相乘处理,得到所述融合图像像素对应的重映射像素值。
11.根据权利要求8所述的方法,其特征在于,所述将所述重映射融合图像与所述原始图像进行融合,得到所述锐化增强图像,包括:
获取所述重映射融合图像对应的重映射像素,以及所述重映射像素对应的重映射像素值;
获取所述原始图像对应的图像像素,以及所述图像像素对应的图像像素值;
将所述重映射像素值与所述图像像素值进行相加处理,得到锐化像素值;
将包含所述锐化像素值的图像,确定为所述锐化增强图像。
12.一种数据处理装置,其特征在于,包括:
尺寸获取模块,用于获取用于进行滤波处理的滤波尺寸集合;所述滤波尺寸集合中包括N个滤波尺寸,N为大于1的正整数;所述N个滤波尺寸中的任意两个滤波尺寸不同;
滤波模块,用于基于每个滤波尺寸分别对原始图像进行低通滤波处理,得到N个滤波图像;
图像转换模块,用于根据所述原始图像将所述N个滤波图像分别进行图像转换,得到N个高频图像;
图像融合模块,用于将所述N个高频图像进行图像融合,得到融合图像;
图像锐化模块,用于将所述融合图像与所述原始图像进行融合,得到所述原始图像对应的锐化增强图像。
13.一种计算机设备,其特征在于,包括:处理器、存储器以及网络接口;
所述处理器与所述存储器、所述网络接口相连,其中,所述网络接口用于提供网络通信功能,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,以使所述计算机设备执行权利要求1-11任一项所述的方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序适于由处理器加载并执行权利要求1-11任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210432913.5A CN114529490B (zh) | 2022-04-24 | 2022-04-24 | 一种数据处理方法、装置、设备以及可读存储介质 |
PCT/CN2023/082111 WO2023207408A1 (zh) | 2022-04-24 | 2023-03-17 | 一种数据处理方法、装置、设备以及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210432913.5A CN114529490B (zh) | 2022-04-24 | 2022-04-24 | 一种数据处理方法、装置、设备以及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114529490A true CN114529490A (zh) | 2022-05-24 |
CN114529490B CN114529490B (zh) | 2022-07-15 |
Family
ID=81628012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210432913.5A Active CN114529490B (zh) | 2022-04-24 | 2022-04-24 | 一种数据处理方法、装置、设备以及可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114529490B (zh) |
WO (1) | WO2023207408A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100081A (zh) * | 2022-08-24 | 2022-09-23 | 深圳佳弟子科技有限公司 | Lcd显示屏灰阶图像增强方法、装置、设备及存储介质 |
WO2023207408A1 (zh) * | 2022-04-24 | 2023-11-02 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备以及可读存储介质 |
CN117057377A (zh) * | 2023-10-11 | 2023-11-14 | 青岛冠成软件有限公司 | 码的识别匹配方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876733A (zh) * | 2018-05-30 | 2018-11-23 | 上海联影医疗科技有限公司 | 一种图像增强方法、装置、设备和存储介质 |
CN109118466A (zh) * | 2018-08-29 | 2019-01-01 | 电子科技大学 | 一种红外图像与可见光图像融合的处理方法 |
CN110741624A (zh) * | 2017-06-13 | 2020-01-31 | 皇家飞利浦有限公司 | 用于hdr(解码)编码的色域映射 |
CN111275804A (zh) * | 2020-01-17 | 2020-06-12 | 腾讯科技(深圳)有限公司 | 图像光照去除方法、装置、存储介质和计算机设备 |
CN112634183A (zh) * | 2020-11-05 | 2021-04-09 | 北京迈格威科技有限公司 | 图像处理方法及装置 |
US20210304422A1 (en) * | 2020-03-27 | 2021-09-30 | Toshiba Tec Kabushiki Kaisha | Generation of non-occluded image based on fusion of multiple occulded images |
CN113570530A (zh) * | 2021-06-10 | 2021-10-29 | 北京旷视科技有限公司 | 图像融合方法、装置、计算机可读存储介质和电子设备 |
CN113781338A (zh) * | 2021-08-31 | 2021-12-10 | 咪咕文化科技有限公司 | 图像增强方法、装置、设备及介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110246108B (zh) * | 2018-11-21 | 2023-06-20 | 浙江大华技术股份有限公司 | 一种图像处理方法、装置及计算机可读存储介质 |
CN114529490B (zh) * | 2022-04-24 | 2022-07-15 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备以及可读存储介质 |
-
2022
- 2022-04-24 CN CN202210432913.5A patent/CN114529490B/zh active Active
-
2023
- 2023-03-17 WO PCT/CN2023/082111 patent/WO2023207408A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110741624A (zh) * | 2017-06-13 | 2020-01-31 | 皇家飞利浦有限公司 | 用于hdr(解码)编码的色域映射 |
CN108876733A (zh) * | 2018-05-30 | 2018-11-23 | 上海联影医疗科技有限公司 | 一种图像增强方法、装置、设备和存储介质 |
CN109118466A (zh) * | 2018-08-29 | 2019-01-01 | 电子科技大学 | 一种红外图像与可见光图像融合的处理方法 |
CN111275804A (zh) * | 2020-01-17 | 2020-06-12 | 腾讯科技(深圳)有限公司 | 图像光照去除方法、装置、存储介质和计算机设备 |
US20210304422A1 (en) * | 2020-03-27 | 2021-09-30 | Toshiba Tec Kabushiki Kaisha | Generation of non-occluded image based on fusion of multiple occulded images |
CN112634183A (zh) * | 2020-11-05 | 2021-04-09 | 北京迈格威科技有限公司 | 图像处理方法及装置 |
CN113570530A (zh) * | 2021-06-10 | 2021-10-29 | 北京旷视科技有限公司 | 图像融合方法、装置、计算机可读存储介质和电子设备 |
CN113781338A (zh) * | 2021-08-31 | 2021-12-10 | 咪咕文化科技有限公司 | 图像增强方法、装置、设备及介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023207408A1 (zh) * | 2022-04-24 | 2023-11-02 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备以及可读存储介质 |
CN115100081A (zh) * | 2022-08-24 | 2022-09-23 | 深圳佳弟子科技有限公司 | Lcd显示屏灰阶图像增强方法、装置、设备及存储介质 |
CN115100081B (zh) * | 2022-08-24 | 2022-11-15 | 深圳佳弟子科技有限公司 | Lcd显示屏灰阶图像增强方法、装置、设备及存储介质 |
CN117057377A (zh) * | 2023-10-11 | 2023-11-14 | 青岛冠成软件有限公司 | 码的识别匹配方法 |
CN117057377B (zh) * | 2023-10-11 | 2024-01-12 | 青岛冠成软件有限公司 | 码的识别匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114529490B (zh) | 2022-07-15 |
WO2023207408A1 (zh) | 2023-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114529490B (zh) | 一种数据处理方法、装置、设备以及可读存储介质 | |
Wan et al. | CoRRN: Cooperative reflection removal network | |
CN111950723B (zh) | 神经网络模型训练方法、图像处理方法、装置及终端设备 | |
CN111325271B (zh) | 图像分类方法及装置 | |
CN111079764B (zh) | 一种基于深度学习的低照度车牌图像识别方法及装置 | |
CN112602088B (zh) | 提高弱光图像的质量的方法、系统和计算机可读介质 | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN111444826A (zh) | 视频检测方法、装置、存储介质及计算机设备 | |
CN111062854B (zh) | 检测水印的方法、装置、终端及存储介质 | |
CN112465709B (zh) | 一种图像增强方法、装置、存储介质及设备 | |
CN111626163A (zh) | 一种人脸活体检测方法、装置及计算机设备 | |
CN111833360A (zh) | 一种图像处理方法、装置、设备以及计算机可读存储介质 | |
CN109816694A (zh) | 目标跟踪方法、装置及电子设备 | |
CN113160231A (zh) | 一种样本生成方法、样本生成装置及电子设备 | |
CN112837251A (zh) | 图像处理方法及装置 | |
CN113688839B (zh) | 视频处理方法及装置、电子设备、计算机可读存储介质 | |
JP2023545052A (ja) | 画像処理モデルの訓練方法及び装置、画像処理方法及び装置、電子機器並びにコンピュータプログラム | |
CN117095019A (zh) | 一种图像分割方法及相关装置 | |
CN113052923A (zh) | 色调映射方法、装置、电子设备和存储介质 | |
CN110197459B (zh) | 图像风格化生成方法、装置及电子设备 | |
CN111383289A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
CN114283087A (zh) | 一种图像去噪方法及相关设备 | |
CN111866573B (zh) | 视频的播放方法、装置、电子设备及存储介质 | |
CN113628148A (zh) | 红外图像降噪方法和装置 | |
CN115082496A (zh) | 一种图像分割方法及装置 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40071025 Country of ref document: HK |