CN114693611A - 渲染质量评估方法、装置、计算机设备及介质 - Google Patents
渲染质量评估方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN114693611A CN114693611A CN202210256443.1A CN202210256443A CN114693611A CN 114693611 A CN114693611 A CN 114693611A CN 202210256443 A CN202210256443 A CN 202210256443A CN 114693611 A CN114693611 A CN 114693611A
- Authority
- CN
- China
- Prior art keywords
- rendering
- pseudo color
- color chart
- image
- pseudo
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Generation (AREA)
Abstract
本申请实施例属于计算机图形学技术领域,涉及一种渲染质量评估方法、装置、计算机设备及其介质,所述方法包括获取场景图像的基准伪色图,根据基准伪色图和预设渲染引擎信息,获取场景图像的渲染图像,将渲染图像转换成伪色图,计算伪色图和基准伪色图的相似度值,根据相似度值评估渲染图像的渲染质量,即由于伪色图根据渲染图像生成,因此伪色图的质量反映了渲染引擎的质量,并且将基准伪色图作为渲染引擎质量的参考指标,通过比较伪色图与基准伪色图的相似性,即通过判断两者之间的差异大小来确定渲染质量,从而实现了快速验证渲染引擎质量,进而提高了渲染图像质量评估的效率。
Description
技术领域
本申请涉及计算机图形学技术领域,尤其涉及渲染质量评估方法、装置、计算机设备及其介质。
背景技术
渲染图像是指通过调整光线、颜色、角度等参数来渲染场景图像,使得生成的场景图象能生动展示渲染后的设计效果。在图形流水线中,渲染是最后一项重要步骤,通过它得到三维模型与动画最终显示效果。渲染图像一般通过选定的渲染引擎来实现,渲染引擎质量的高低决定了渲染图像的质量。
由于渲染图像内容较为复杂,直接将不同渲染引擎的渲染图进行比对,对技术的要求更高更为繁琐,使得对渲染图像的质量评估效率大大降低。
发明内容
本申请实施例的目的在于提出一种渲染质量评估方法、装置、计算机设备及其介质,解决渲染图质量评估效率低的问题。
为了解决上述技术问题,本申请实施例提供一种渲染质量评估方法,包括:
获取场景图像的基准伪色图;
根据基准伪色图和预设渲染引擎信息,获取场景图像的渲染图像;
将渲染图像转换成伪色图;
计算伪色图和基准伪色图的相似度值;
根据相似度值评估渲染图像的渲染质量。
为了解决上述技术问题,本申请实施例还提供一种渲染质量评估装置,包括:
获取模块,用于获取场景图像的基准伪色图;
渲染模块,用于根据所述基准伪色图和预设渲染引擎信息,获取所述场景图像的渲染图像;
转换模块,用于将所述渲染图像转换成伪色图;
计算模块,用于计算所述伪色图和所述基准伪色图的相似度值;
评估模块,用于根据所述相似度值评估所述渲染图像的渲染质量。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现上述渲染质量评估方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的渲染质量评估方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
通过获取场景图像的基准伪色图,根据基准伪色图和预设渲染引擎信息,获取场景图像的渲染图像,将渲染图像转换成伪色图,计算伪色图和基准伪色图的相似度值,根据相似度值评估渲染图像的渲染质量,即由于伪色图根据渲染图像生成,因此伪色图的质量反映了渲染引擎的质量,并且将基准伪色图作为渲染引擎质量的参考指标,通过比较伪色图与基准伪色图的相似性,即通过判断两者之间的差异大小来确定渲染质量,从而实现了快速验证渲染引擎质量,进而提高了渲染图像质量评估的效率。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2是本申请的渲染质量评估方法的一个实施例的流程图;
图3a是本申请的伪色图的一个实施例的示意图;
图3b是本申请的基准伪色图的一个实施例的示意图;
图4是本申请的渲染质量评估方法的整体示意图;
图5是本申请的渲染质量评估装置的一个实施例示意图;
图6是本申请的计算机设备基本结构框图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
基于此,本申请提供一种渲染质量评估方法来解决上述技术问题。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的渲染质量评估方法由服务器/终端设备执行,相应地,渲染质量评估装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,图2为的渲染质量评估方法的一个实施例的流程图,包括:
S201:获取场景图像的基准伪色图。
具体地,对于室内装修设计来说,可以采用伪色图方式,将室内灯光的光照亮度、温度进行可视化展示,以体现室内灯光设计带来的室内效果。其中,伪色图是是一种利用特殊的数位影像处理技术来将灰阶影像的图片转换成为全彩的彩色影像,其原理是利用原始影像中的灰阶度(亮度)来推测初期原始彩色影像中的色彩,即伪色图是由渲染图像转换而来,是一种颜色反映数据的图,常用于温度、光照的图示上。因此,伪色图的质量反映了渲染引擎的质量。
需要说明的是,由于DIALux是款照明设计软件,其照明设计效果已经非常成熟,在业内属于顶尖水平,且其生成伪色图的方法、技术别人无法复制。本申请实施例中采用DIALux将场景图像进行渲染,例如,通过对场景图像的设定位置添加一种或几种IES(Infrastructure Enabling System,基础设施支持系统)光源进行渲染,并将渲染得到的图像提取对应的基准伪色图,以作为本申请实施例中作为后续参照比较的基准伪色图,其中,设定位置例如可以是客厅的背景墙位置、墙角位置或者吊顶位置等。
其中,场景图像可以为户型场景图像,例如,客厅设图像、厨房图像和主卧图像等空间图像,此处不做限定。获取场景图像的方式可以是用户通过客户终端(例如计算机、平板电脑、手机端等)上传,或者通过蓝牙、WiFi或局域网络等上传,或者通过建模软件建模得到,本申请实施例中获取方式不做限定。
S202:根据基准伪色图和预设渲染引擎信息,获取场景图像的渲染图像。
具体地,根据基准伪色图所对应的设定位置和IES光源,以及预设渲染引擎信息对场景图像进行渲染,使得生成的渲染图像包括了基准伪色图同样的位置和光源,其中,渲染引擎信息包括当前选取的渲染引擎版本,不同的渲染引擎版本对场景图像的渲染效果不同。
例如,同一场景图像分别在设置的渲染引擎版本和DIALux构建相同尺寸的客厅场景图像,并在客厅的同一吊顶位置添加同一种或几种IES光源,以分别生成渲染引擎版本渲染下的渲染图像和DIALux渲染下的渲染图像。
在一些实施方式中,根据基准伪色图和预设渲染引擎信息,获取场景图像的渲染图像包括:
获取基准伪色图的配置数据;
根据配置数据和渲染引擎信息生成照度文件;
根据照度文件和预设拟合算法对场景图像进行渲染,以得到渲染图像。
其中,配置数据从配置文件中获取,配置文件可以是xml文件、txt文件和config文件等类型,配置数据用于配置渲染所用到的渲染数据,例如渲染模型、贴图、灯光信息、相机参数等等。
进一步地,根据DIALux渲染生成的基准伪色图进行解析和提取,以从基准伪色图的配置文件中获取配置数据,例如在DIALux所在的配置文件中获取基准伪色图的每个位置对应的IES光源、IES光源对应的灯光数据等配置数据。根据基准伪色图的配置数据从预先存储的渲染引擎信息所在的配置文件中获取渲染所需要的配置数据,即渲染配置数据,并根据基准伪色图的配置数据修改渲染配置数据。
具体地,根据基准伪色图的配置数据,解析渲染配置数据所在的配置文件,以得到渲染用到的IES文件路径,根据IES文件路径下载与基准伪色图相同配置数据中所用到的灯光数据和相机参数,并解析灯光数据的最大光通量值以及调整相机参数。其中,解析最大光通量值的方式可以采用将灯光数据的光通量值乘以预设的系数,例如,将灯光数据的光通量值乘以系数10的结果来作为最大光通量。调整相机参数即调整渲染引擎信息中的相机视角和DIALux中的相机视角一致。
进一步地,将获取到的最大光通量值和相机参数在渲染配置数据所在的配置文件中修改,并将修改后的渲染配置数据所在的配置文件,通过所设定当前的渲染引擎信息生成对应的照度文件,即HDR文件(High-Dynamic Range,动态光照渲染)。HDR文件可以提供更多的动态范围和图像细节,根据不同的曝光时间的LDR(Low-Dynamic Range)图像,利用每个曝光时间相对应最佳细节的LDR图像来合成最终渲染图像,能够更好地反映出真实环境中的视觉效果。
在本申请实施例中,一个基准伪色图的配置数据,可以用于修改多个不同版本的渲染引擎信息的配置文件,即根据同一配置数据和不同版本的渲染引擎信息生成不同的照度文件,使得可以同时比对不同渲染引擎信息对同一场景图像的渲染质量。通过HDR文件和渲染引擎信息转换成生成的渲染图像,可用于展示场景图像中使用的照明设计工具是否贴近真实的照明效果,越贴近真实的照明效果说明渲染引擎信息的渲染引擎质量越好。
在本申请实施例中,通过HDR文件和渲染引擎信息转换成生成的渲染图像包括采用预设的拟合算法将场景图像进行渲染,即预设拟合算法用于使得生成的渲染图像能逼近DIALux渲染后的场景图像,便于后续比对渲染图像中的伪色图和基准伪色图,使得比对具有可参照性。其中,预设拟合算法可以是多项式拟合算法,例如尺度变换的插值算法、图像增强的加权平均法和滤波算法以及纹理环绕方式等拟合算法,此处不做限定。因此,通过将照度文件和预设拟合算法对场景图像进行渲染,可生成所选取的渲染引擎信息对应的渲染图像,即得到的渲染图像与基准伪色图所设定的位置和光源保持一致,提高后续比对不同渲染引擎信息对应的渲染图像的伪色图与基准伪色图在同一位置的像素值的差距的精准性,同时实现快速比对渲染引擎质量。
在一些实施方式中,根据所述照度文件和预设拟合算法对所述场景图像进行渲染,以得到渲染图像包括:
提取所述照度文件中的渲染数据;
根据所述渲染数据,将场景图像经过至少一个拟合算法渲染,以生成至少一个渲染图像。
从照度文件中读取渲染数据,渲染数据可以为灯光数据中的光通量,也就是渲染图像中的照度值,通过多项式的拟合算法和照度值来修改场景图像中的每个像素点的RGB值,使得生成的渲染图像的渲染效果逼近DIALux的渲染效果。其中,拟合算法可以理解为一个二次函数,根据二次函数的系数不同,其实现的渲染结果也不同。因此,拟合算法的选取一般采用逼近DIALux的渲染效果即可,不同拟合算法可以快速验证不同拟合算法带来的渲染效果差异。
进一步地,由于不同的照度文件来自不同的渲染引擎信息,因此,可以根据不同照度文件来选取合适的拟合算法,使得同时生成同一渲染数据对应的至少一个逼近DIALux的渲染效果的渲染图像,即得到不同版本的渲染引擎信息生成的不同渲染效果的渲染图像,提高渲染图像的生成效率,以便于后续比对同一位置像素点的不同渲染引擎信息的伪色图。
S203:将渲染图像转换成伪色图。
在一些实施方式中,将渲染图像转换成伪色图包括:
将渲染图像中的通道数量转换成单个通道,以生成伪色图。
在本申请实施例中,渲染图像为三通道的彩色图(RGB图)。将渲染图像中的三通道转换成单通道的灰度图,从而转换成为伪色图输出。其中,单通道的灰色图为每个像素点只有一个值表示为颜色,像素值在0-255之间。
在一些实施方式中,将通道数量转成单个通道的方式可以调用python opencv(Open Source Computer Vision Library,跨平台的计算机视觉库)。如图3a所示,图3a是本申请的伪色图的一个实施例的示意图。
由于伪色图仅是通过不同的颜色组成,相对于渲染图像比对渲染质量来说,将渲染图像转化伪色图进行比对更为简单,即比对渲染质量的效率更高。
S204:计算伪色图和基准伪色图的相似度值。
计算相似度值也就是统计伪色图中照度值满足基准条件的像素点个数占伪色图所有像素点个数的比值,其中,基准条件包括伪色图中像素点的照度值与该像素点相同位置的基准伪色图的像素点的照度值之差小于或等于预设照度阈值。
在一些实施方式中,计算伪色图和基准伪色图的相似度值包括:
获取同一位置的伪色图的像素点和基准伪色图的基准像素点;
计算像素点和基准像素点之间的照度差值;
根据照度差值确定伪色图和基准伪色图的相似度值。
其中,基准像素点为基准伪色图的像素点。比对伪色图和基准伪色图时,可以按照从左到右或从上到下的顺序遍历两张图中的同一像素点的位置,并分别读取同一同一像素点的位置的照度值。例如,将遍历到伪色图中的像素点的照度值作为第一照度值,并将与伪色图同一像素点位置的基准像素点的照度值作为第二照度值,将第一照度值和第二照度值进行做差处理,以得到照度差值。由于照度差值反映了伪色图和基准伪色图之间的渲染相似性,即照度差值越小则说明渲染质量越符合基准伪色图的渲染质量要求,通过比对伪色图和基准伪色图的照度值,可以快速判断渲染引擎的渲染质量。
在一些实施方式中,根据照度差值确定伪色图和基准伪色图的相似度值包括:
将照度差值小于预设照度阈值的像素点作为目标像素点;
获取目标像素点的数量;
计算目标像素点的数量在伪色图的像素点总量的占比值,并将占比值作为相似度值。
具体地,照度阈值可以根据实际渲染引擎的需求进行灵活调整,例如可以将照度阈值设置为40,若照度差值小于照度阈值40,则判定预设渲染引擎信息所生成的伪色图符合基准伪色图的要求,并将该符合基准伪色图的像素点作为目标像素点。
需要说明的是,第一照度值和第二照度值进行作差处理得到的结果,可能出现负值的情形,因此,需将作差处理后的结果取绝对值,即得到照度差值为非负数。
进一步地,为了更好地判断整个伪色图的整体渲染质量,需要统计伪色图中的目标像素点的个数以及像素点总量,目标像素点个数越多,即目标像素点数量在像素点总量的占比值越大,也就是伪色图越接近基准伪色图,表明伪色图的渲染效果越接近基准的渲染质量要求。
在本申请实施例中,将基准伪色图的基准像素点的照度值,以及相同像素点位置的伪色图的像素点的照度值存放在同一数组中,并在同一数组中计算两个照度值之间的照度差值,如果照度差值大于照度阈值,则认为该伪色图的渲染不符合预期渲染要求。通过统计符合预期的目标像素点的百分比,来呈现最终的相似度结果,即通过相似度值来评估渲染引擎信息输出伪色图的整体渲染准确性。
S205:根据相似度值评估渲染图像的渲染质量。
若比较得到的照度差值小于预设的照度阈值,则说明伪色图与基准伪色图的相似度值很高,即实现的渲染效果相似,符合目标的渲染效果。能够快速验证不同多项式拟合算法效果差异。根据基准伪色图的配置信息可以生成多个不同版本渲染引擎信息对应的伪色图,通过将每个伪色图分别与同一基准伪色图进行比较得到的相似度值,不仅可以评估伪色图与基准伪色图之间的渲染相似性,即快速评估渲染质量外,还可以根据相似度值来比较不同伪色图之间的渲染效果差异,从而帮助改进渲染效果的对比方式。同时,能够针对不同复杂度的场景,例如户型图像中的场景大小、灯光数量、灯光属性等来快速验证渲染引擎信息的渲染性能,从而实现快速验证的伪色图质量。
通过获取场景图像的基准伪色图,根据基准伪色图和预设渲染引擎信息,获取场景图像的渲染图像,将渲染图像转换成伪色图,计算伪色图和基准伪色图的相似度值,根据相似度值评估渲染图像的渲染质量,即由于伪色图根据渲染图像生成,因此伪色图的质量反映了渲染引擎的质量,并且将基准伪色图作为渲染引擎质量的参考指标,通过比较伪色图与基准伪色图的相似性,即通过判断两者之间的差异大小来确定渲染质量,从而实现了快速验证渲染引擎质量,进而提高了渲染图像质量评估的效率。
在一些实施方式中,图4是本申请的渲染质量评估方法的整体示意图。
具体地,渲染质量评估的实现可以在终端设备中实现,例如在终端设备的后台数据库中预先存储xml文件,并从xml文件中上传所存储的场景集的配置数据,以及xml文件对应的DIALux场景的基准伪色图。其中,场景集可以是测试用例的集合,每个测试用例里包括不同的渲染场景、相机参数、光源信息等等。
进一步地,后台数据库还包括上传和记录的各个渲染版本以及多项式拟合算法,其中,多项式拟合算法可以在终端设备中根据实际情况进行编辑和更新,一般编辑是将多项式拟合算法中的系数进行变更,或者将多项式拟合算法中的二次函数变成三次函数或一次函数。
进一步地,用户可以在终端设备中选取基准伪色图以及对应的配置信息,并从多项式拟合算法中选取合适的多项式拟合算法和至少一个待评估的渲染版本,将基准伪色图以及对应的配置信息代入多项式拟合算法和至少一个渲染版本中,以生成至少一个伪色图,并将得到的至少一个伪色图和基准伪色图分别进行对比,对比可以根据上述计算相似度值的方式来输出各个对比结果,从而快速验证各个渲染版本的渲染质量。
进一步地,选取多个不同的拟合算法来生成同一渲染版本的不同伪色图,并通过生成的不同伪色图与基准伪色图进行对比,可以实现快速验证不同多项式拟合算法对渲染引擎版本产生的渲染效果差异,即通过验证不同多项式拟合算法可以快速确定与渲染版本相匹配的多项式拟合算法,使得后续渲染版本能结合合适的多项式拟合算法生成渲染质量最佳的伪色图。
在一些实施方式中,计算像素点和基准像素点的照度差值之前,所述方法还包括:
从基准伪色图中确定文本区域;
对文本区域进行识别,以得到每个基准像素点对应的照度值。
基准伪色图中包括每个基准像素点显示的颜色以及基准像素点中照度值所表示的数值。因此,在将伪色图和基准伪色图比对之前,通过场景文本检测算法(Efficient andAccuracy Scene Text,EAST)提取基准伪色图的文本区域,并根据文本识别算法(Attentional Scene Text Recognizer with Flexible Rectification,ASTER)识别文本区域中的每个基准像素点对应的照度值,以减少人工对基准伪色图中每个基准像素点的照度值进行输入的时间和人力成本。
进一步地,由于EAST算法可以检测不同方向、不同尺寸的文字且运行速度快,效率高,使得对基准伪色图的照度值识别效率更高。
进一步地,将识别得到的照度值以及对应的基准像素点的位置进行绑定,并将照度值和位置进行存储。如图3b是本申请的基准伪色图的一个实施例的示意图,为已获取的基准伪色图每个基准像素点的照度值。
在本申请实施中,识别每个基准像素点对应的照度值还可以根据OCR识别算法或者结合CNN(卷积神经网络)与LSTM(长短期记忆)深度网络的CTPN算法,此处对照度值的识别算法不做限定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图5,作为对上述图2所示渲染质量评估方法的实现,本申请提供了一种渲染质量评估装置的一个实施例示意图,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例所述的渲染质量评估装置包括:获取模块51、渲染模块52、转换模块53、计算模块55及评估模块55。其中:
获取模块51,用于获取场景图像的基准伪色图;
渲染模块52,用于根据基准伪色图和预设渲染引擎信息,获取场景图像的渲染图像;
转换模块53,用于将渲染图像转换成伪色图;
计算模块54,用于计算伪色图和基准伪色图的相似度值;
评估模块55,用于根据相似度值评估渲染图像的渲染质量。
在一些实施方式中,渲染模块52包括:
获取单元521,用于获取基准伪色图的配置数据;
生成单元522,用于根据配置数据和渲染引擎信息生成照度文件;
渲染单元523,用于根据照度文件和预设拟合算法对场景图像进行渲染,以得到渲染图像。
在一些实施方式中,渲染单元523包括:
提取子单元5231,用于提取所述照度文件中的渲染数据;
渲染子单元5232,用于根据所述渲染数据,将场景图像经过至少一个拟合算法渲染,以生成至少一个渲染图像。
在一些实施方式中,转换模块53包括:
转换单元531,用于将渲染图像中的通道数量转换成单个通道,以生成伪色图。
在一些实施方式中,计算模块54包括:
像素获取单元541,用于获取同一位置的伪色图的像素点和基准伪色图的基准像素点;
差值计算单元542,用于计算像素点和基准像素点之间的照度差值;
确定单元543,用于根据照度差值确定伪色图和基准伪色图的相似度值。
在一些实施方式中,确定单元543包括:
目标子单元5431,用于将照度差值小于预设照度阈值的像素点作为目标像素点;
数量获取子单元5432,用于获取目标像素点的数量;
占比子单元5433,用于计算目标像素点的数量在伪色图的像素点总量的占比值,并将占比值作为相似度值。
在一些实施方式中,所述渲染质量评估装置还包括:
文本确定模块56,用于从基准伪色图中确定文本区域;
识别模块57,用于对文本区域进行识别,以得到每个基准像素点对应的照度值。
关于上述实施例中渲染质量评估装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图6,图6为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过系统总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是,图中仅示出了具有组件61-63的计算机设备6,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器61至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或D界面显示存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器61可以是所述计算机设备6的内部存储单元,例如该计算机设备6的硬盘或内存。在另一些实施例中,所述存储器61也可以是所述计算机设备6的外部存储设备,例如该计算机设备6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。当然,所述存储器61还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中,所述存储器61通常用于存储安装于所述计算机设备6的操作系统和各类应用软件,例如渲染质量评估方法的程序代码等。此外,所述存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器62在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62通常用于控制所述计算机设备6的总体操作。本实施例中,所述处理器62用于运行所述存储器61中存储的程序代码或者处理数据,例如运行所述渲染质量评估方法的程序代码。
所述网络接口63可包括无线网络接口或有线网络接口,该网络接口63通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有渲染质量评估程序,所述渲染质量评估程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的渲染质量评估方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上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,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种渲染质量评估方法,其特征在于,包括:
获取场景图像的基准伪色图;
根据所述基准伪色图和预设渲染引擎信息,获取所述场景图像的渲染图像;
将所述渲染图像转换成伪色图;
计算所述伪色图和所述基准伪色图的相似度值;
根据所述相似度值评估所述渲染图像的渲染质量。
2.根据权利要求1所述的渲染质量评估方法,其特征在于,所述计算所述伪色图和所述基准伪色图的相似度值包括:
获取同一位置的所述伪色图的像素点和所述基准伪色图的基准像素点;
计算所述像素点和所述基准像素点之间的照度差值;
根据所述照度差值确定所述伪色图和所述基准伪色图的相似度值。
3.根据权利要求2所述的渲染质量评估方法,其特征在于,所述获根据所述照度差值确定所述伪色图和所述基准伪色图的相似度值包括:
将所述照度差值小于预设照度阈值的像素点作为目标像素点;
获取所述目标像素点的数量;
计算所述目标像素点的数量在所述伪色图的像素点总量的占比值,并将所述占比值作为相似度值。
4.根据权利要求1所述的渲染质量评估方法,其特征在于,所述根据所述基准伪色图和预设渲染引擎信息,获取所述场景图像的渲染图像包括:
获取基准伪色图的配置数据;
根据所述配置数据和所述渲染引擎信息生成照度文件;
根据所述照度文件和预设拟合算法对所述场景图像进行渲染,以得到渲染图像。
5.根据权利要求4所述的渲染质量评估方法,其特征在于,所述根据所述照度文件和预设拟合算法对所述场景图像进行渲染,以得到渲染图像包括:
提取所述照度文件中的渲染数据;
根据所述渲染数据,将场景图像经过至少一个拟合算法渲染,以生成至少一个渲染图像。
6.根据权利要求2所述的渲染质量评估方法,其特征在于,所述计算所述像素点和所述基准像素点的照度差值之前,所述方法还包括:
从所述基准伪色图中确定文本区域;
对所述文本区域进行识别,以得到每个基准像素点对应的照度值。
7.根据权利要求1所述的渲染质量评估方法,其特征在于,所述将所述渲染图像转换成伪色图包括:
将所述渲染图像中的通道数量转换成单个通道,以生成伪色图。
8.一种渲染质量评估装置,其特征在于,包括:
获取模块,用于获取场景图像的基准伪色图;
渲染模块,用于根据所述基准伪色图和预设渲染引擎信息,获取所述场景图像的渲染图像;
转换模块,用于将所述渲染图像转换成伪色图;
计算模块,用于计算所述伪色图和所述基准伪色图的相似度值;
评估模块,用于根据所述相似度值评估所述渲染图像的渲染质量。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的渲染质量评估方法的步骤。
10.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的渲染质量评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210256443.1A CN114693611A (zh) | 2022-03-16 | 2022-03-16 | 渲染质量评估方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210256443.1A CN114693611A (zh) | 2022-03-16 | 2022-03-16 | 渲染质量评估方法、装置、计算机设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693611A true CN114693611A (zh) | 2022-07-01 |
Family
ID=82139366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210256443.1A Pending CN114693611A (zh) | 2022-03-16 | 2022-03-16 | 渲染质量评估方法、装置、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693611A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116030040A (zh) * | 2023-02-23 | 2023-04-28 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备及介质 |
CN116361904A (zh) * | 2023-05-30 | 2023-06-30 | 中国铁路设计集团有限公司 | 一种渲染引擎下城轨工程bim模型渲染质量审查方法及系统 |
-
2022
- 2022-03-16 CN CN202210256443.1A patent/CN114693611A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116030040A (zh) * | 2023-02-23 | 2023-04-28 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备及介质 |
CN116030040B (zh) * | 2023-02-23 | 2023-06-16 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备及介质 |
CN116361904A (zh) * | 2023-05-30 | 2023-06-30 | 中国铁路设计集团有限公司 | 一种渲染引擎下城轨工程bim模型渲染质量审查方法及系统 |
CN116361904B (zh) * | 2023-05-30 | 2023-08-22 | 中国铁路设计集团有限公司 | 一种渲染引擎下城轨工程bim模型渲染质量审查方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146892B (zh) | 一种基于美学的图像裁剪方法及装置 | |
US11361493B2 (en) | Semantic texture mapping system | |
US10387729B2 (en) | Tagging virtualized content | |
CN114693611A (zh) | 渲染质量评估方法、装置、计算机设备及介质 | |
US12020383B2 (en) | Facial synthesis in augmented reality content for third party applications | |
CN109389096B (zh) | 检测方法和装置 | |
CN110570510A (zh) | 一种材质贴图的生成方法和装置 | |
KR20230162977A (ko) | 얼굴 합성을 포함하는 상호작용적 증강 현실 콘텐츠 | |
CN107909638A (zh) | 虚拟物体的渲染方法、介质、系统和电子设备 | |
CN114792355B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
US20240267485A1 (en) | Facial synthesis in overlaid augmented reality content | |
KR20230162972A (ko) | 광고를 위한 증강 현실 콘텐츠에서의 얼굴 합성 | |
KR20230162096A (ko) | 얼굴 표정의 선택을 사용한 온라인 커뮤니티를 위한 콘텐츠에서의 얼굴 합성 | |
CN107527277B (zh) | 一种基于移动端的智能窗帘装饰设计系统 | |
CN112950759B (zh) | 基于房屋全景图的三维房屋模型构建方法及装置 | |
CN112969032A (zh) | 光照模式识别方法、装置、计算机设备及存储介质 | |
CN111709346B (zh) | 基于深度学习和高分影像的历史建筑识别与检测方法 | |
CN108763440A (zh) | 一种图片搜索方法、装置、终端和存储介质 | |
CN112381118A (zh) | 一种大学舞蹈考试测评方法及装置 | |
CN108446737B (zh) | 用于识别对象的方法和装置 | |
CN116452720A (zh) | 渲染图生成方法、装置、计算机设备及其介质 | |
CN115830362A (zh) | 图像处理方法、装置、设备、介质及产品 | |
CN104423964A (zh) | 用于确定可视化的可信性的方法和系统 | |
CN112434698A (zh) | 字符识别方法、装置、电子设备及存储介质 | |
CN111046472A (zh) | 模型构件信息的显示方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |