CN114694191A - 图像处理方法、计算机程序产品、设备以及存储介质 - Google Patents
图像处理方法、计算机程序产品、设备以及存储介质 Download PDFInfo
- Publication number
- CN114694191A CN114694191A CN202210238358.2A CN202210238358A CN114694191A CN 114694191 A CN114694191 A CN 114694191A CN 202210238358 A CN202210238358 A CN 202210238358A CN 114694191 A CN114694191 A CN 114694191A
- Authority
- CN
- China
- Prior art keywords
- image
- exposure
- exposure time
- brightness
- processing method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 37
- 238000004590 computer program Methods 0.000 title claims abstract description 25
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
本申请提供一种图像处理方法、计算机程序产品、设备以及存储介质,所述图像处理方法,包括:根据曝光时间采集曝光图像;判断所述曝光图像是否满足图像识别要求;若满足,则对所述曝光图像进行图像识别;若不满足,则调整所述曝光时间,得到更新后的曝光时间,并返回所述根据曝光时间采集曝光图像的步骤。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种图像处理方法、计算机程序产品、设备以及存储介质。
背景技术
在图像身份识别系统中,识别速度和识别率是两个关键指标。
现有的方法包括固定曝光方法:设置固定曝光时间,然后使用固定曝光时间对指纹进行曝光,得到指纹图像,然后对得到的指纹图像进行识别,得到识别结果。固定曝光方法曝光一次,图像采集时间短,但是,固定曝光方法受环境影响较大,识别率通常不高。
发明内容
基于此,提出一种图像处理方法、计算机程序产品、设备以及存储介质。
第一方面,提供了一种图像处理方法,包括:
根据曝光时间采集曝光图像;
判断所述曝光图像是否满足图像识别要求;
若满足,则对所述曝光图像进行图像识别;
若不满足,则调整所述曝光时间,得到更新后的曝光时间,并返回所述根据曝光时间采集曝光图像的步骤。
上述图像处理方法,若曝光图像满足图像识别要求,则直接对曝光图像进行图像识别,从而一次曝光即可保证图像识别成功,保证了一次曝光的图像识别成功率,若曝光图像不满足图像识别要求,则说明当前的曝光时间并不能得到较高质量的图像,于是,调整曝光时间,得到更新后的曝光时间,然后使用更新后的曝光时间采集曝光图像,此时采集得到的曝光图像将具有更高的图像质量,能够在一定程度上提高图像识别成功率。
在本申请的一些实施例中,所述判断所述曝光图像是否满足图像识别要求,包括:判断所述曝光图像中的目标区域的亮度是否达到指定亮度,若达到,则满足图像识别要求,所述目标区域为图像识别要求关注的区域;否则,不满足图像识别要求。
上述实施例,图像识别要求包括对亮度的要求,于是,判断曝光图像中的目标区域的亮度是否达到指定亮度,若达到,则满足图像识别要求;否则,不满足图像识别要求。
在本申请的一些实施例中,所述判断所述曝光图像是否满足图像识别要求,还包括:获取所述曝光图像中的过曝区域;判断所述曝光图像中的目标区域中是否存在所述过曝区域中的至少部分;若存在,则不满足图像识别要求;若不存在,则判断所述曝光图像中的目标区域的亮度是否达到指定亮度,若达到,则满足图像识别要求,否则,不满足图像识别要求。
上述实施例,只要目标区域中存在过曝区域中的至少部分,则认为目标区域的图像质量不是很高,于是,为了提高图像处理效率,直接确定不满足图像识别要求,若目标区域中不存在过曝区域中的至少部分,则继续判断曝光图像中的目标区域的亮度是否达到指定亮度,可以理解的是,如果曝光图像中的目标区域的亮度未达到指定亮度,则图像识别不一定成功,于是,为了提高图像识别成功率,还需要继续判断目标区域的亮度是否达到指定亮度。
在本申请的一些实施例中,所述获取所述曝光图像中的过曝区域,包括:根据所述曝光图像中的待判定像素点的像素值和所述待判定像素点邻域内的像素点的像素值得到待判定像素点的梯度值;若所述待判定像素点的梯度值小于目标梯度值,并且,所述待判定像素点的像素值大于指定像素值,则所述待判定像素点是过曝像素点;根据所述曝光图像中的过曝像素点,获得所述曝光图像的过曝区域。
上述实施例,单纯的依靠指定像素值对待判定像素点进行判断可能不是那么准确,于是,还确定了待判定像素点的梯度值,结合梯度值和指定像素值实现对过曝像素点和过曝区域的确定,提高了过曝区域的确定精度。
在本申请的一些实施例中,所述调整所述曝光时间,得到更新后的曝光时间,包括:将所述曝光时间调整为产线校准时间,得到更新后的曝光时间。
上述实施例,产线校准时间是通过产线校准后得到的,通常情况下,通过产线校准时间能够得到较高质量的曝光图像,因此,为了快速调整曝光时间,直接将曝光时间调整为产线校准时间。
在本申请的一些实施例中,所述调整所述曝光时间,得到更新后的曝光时间,包括:根据所述目标区域的亮度和指定亮度对所述曝光时间进行调整,得到更新后的曝光时间。
上述实施例,在不满足图像识别要求时,根据目标区域的亮度和指定亮度对曝光时间进行调整,使得调整后的曝光时间能够让目标区域的亮度和指定亮度匹配。
在本申请的一些实施例中,所述根据所述目标区域的亮度和指定亮度对所述曝光时间进行调整,得到更新后的曝光时间,包括:将所述指定亮度除以目标区域的亮度,得到亮度比例;将所述亮度比例乘以所述曝光时间,得到更新后的曝光时间。
上述实施例,将指定亮度除以目标区域的亮度,得到亮度比例,亮度比例大于1,然后将亮度比例乘以曝光时间,得到更新后的曝光时间,实现将曝光时间调大,并且,由于调整曝光时间是按照亮度比例进行的,可以在一定程度上使得更新后的曝光时间更加的准确。
在本申请的一些实施例中,在所述根据曝光时间采集曝光图像之前,还包括:在根据曝光时间首次采集曝光图像时,所述曝光时间为产线校准时间。
上述实施例,若用户是在设备出厂后第一次进行图像采集,则直接使用产线校准时间进行曝光。
在本申请的一些实施例中,所述曝光图像为针对指纹携带物采集的指纹图像。
上述实施例,说明了应用场景。
第二方面,提供了一种计算机程序产品,包括计算机程序指令,所述计算机程序指令被处理器读取并运行时,执行如上第一方面所述的图像处理方法。
第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面所述的图像处理方法的步骤。
第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序指令,所述计算机程序指令被处理器读取并运行时,执行第一方面所述的图像处理方法的步骤。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例中图像处理方法的实现流程示意图;
图2为本申请实施例中目标区域为图像中心示意图;
图3为本申请实施例中目标区域为非图像中心的示意图;
图4为本申请实施例中目标区域和过曝区域相交的示意图;
图5为本申请实施例中过曝区域位于曝光图像的边缘的示意图;
图6为本申请实施例中8邻域的像素点的示意图;
图7为本申请实施例中图像处理装置的组成结构示意图;
图8为本申请实施例中计算机设备的内部结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在一个实施例中,提供了一种图像处理方法。本发明实施例所述的图像处理方法的执行主体为能够实现本发明实施例所述的图像处理方法的计算机设备,该计算机设备可以包括但不限于终端和/或服务器。其中,终端包括台式终端和移动终端,台式终端包括但不限于台式电脑和车载电脑;移动终端包括但不限于手机、平板、笔记本电脑和智能手表。服务器包括高性能计算机和高性能计算机集群。计算机设备中设置有曝光单元,通过曝光单元进行曝光得到曝光图像,当曝光单元中包括曝光模块和处理模块时,本发明实施例所述的图像处理方法全部由计算机设备中的曝光单元执行,当曝光单元中包括曝光模块且处理模块位于计算机设备中的处理器时,本发明实施例所述的图像处理方法部分由曝光单元执行,部分由计算机设备中的处理器执行,当曝光单元中包括曝光模块且处理模块中的图像识别子模块位于计算机设备中的处理器且处理模块中的其他子模块位于曝光单元时,本发明实施例所述的图像处理方法部分由曝光单元执行,部分由计算机设备中的处理器执行。以下,主要以屏下指纹识别场景为例,对本发明实施例进行说明。
如图1所示,提供了一种图像处理方法,包括:
步骤100,根据曝光时间采集曝光图像。
曝光图像,为按照曝光时间进行曝光后得到的图像。计算机设备中设置有显示屏幕,例如,显示屏幕中包括人脸触发区域,在检测到人脸曝光事件时,根据曝光时间采集曝光图像,其中,人脸曝光事件,可以包括在人脸触发区域检测到人脸的事件;再如,显示屏幕中包括指纹检测区域,在指纹检测区域的上方检测到有指纹携带物时,根据曝光时间采集曝光图像,其中,在指纹检测区域的上方包括直接按压在指纹检测区域的情况和未按压但是在指纹检测区域的上方的一定距离内的情况。曝光图像可以是灰度图像,此时,曝光图像只包含一个通道,当然,曝光图像还可以是彩色图像,例如,包含R通道、G通道和B通道的彩色图像。
步骤200,判断所述曝光图像是否满足图像识别要求。
在判断曝光图像是否满足图像识别要求之前,还可以对曝光图像进行一定的预处理,以增强判断的准确性,例如,预处理为图像增强。
图像识别要求,为对曝光图像进行图像识别时,曝光图像需要满足的要求,例如,图像识别要求包括曝光图像的亮度达到预设亮度,和/或,曝光图像的图像清晰度达到预设清晰度,和/或,曝光图像中具有生物特征的图像区域的面积达到预设面积。可以理解的是,图像识别算法对曝光图像的图像质量有一定的要求,若达不到该要求,则图像识别大概率会失败,若达到该要求,则图像识别大概率会成功,于是,为了提高图像识别成功率,需要判断曝光图像是否满足图像识别要求。
步骤300,若满足,则对所述曝光图像进行图像识别。
由于曝光图像满足图像识别要求,因此,为了提高图像处理效率,不再对曝光图像做其他处理,直接对曝光图像进行图像识别即可,并且,由于,曝光图像满足图像识别要求,大概率一次曝光即可图像识别成功,保证了一次曝光的图像识别成功率。
可以通过图像识别算法对曝光图像进行图像识别,例如,图像识别算法首先对曝光图像进行特征提取,得到曝光特征,然后将曝光特征与设备中存储的多个人的预设特征进行相似度计算,得到曝光特征与多个预设特征之间的相似度,然后从多个相似度中选择出一个最大相似度,若最大相似度大于或等于预设相似度,则得到图像识别结果,若最大相似度小于预设相似度,则图像识别结果为识别失败。
步骤400,若不满足,则调整所述曝光时间,得到更新后的曝光时间,并返回步骤100。
若曝光图像不满足图像识别要求,则说明当前的曝光时间并不能得到较高质量的图像,于是,为了得到高质量的曝光图像,提高图像识别成功率,选择对曝光时间进行调整,并且,返回根据曝光时间采集曝光图像的步骤,以进行新一轮的迭代(在新一轮的迭代时,使用的是更新后的曝光时间)。
在一个示例中,为了实现每次得到的曝光图像都送算法处理,步骤400,包括:若不满足,则调整所述曝光时间,得到更新后的曝光时间,对所述曝光图像进行图像识别,并返回步骤100。
上述图像处理方法,若曝光图像满足图像识别要求,则直接对曝光图像进行图像识别,从而一次曝光即可保证图像识别成功,保证了一次曝光的图像识别成功率,若曝光图像不满足图像识别要求,则说明当前的曝光时间并不能得到较高质量的图像,于是,调整曝光时间,得到更新后的曝光时间,然后使用更新后的曝光时间采集曝光图像,此时采集得到的曝光图像将具有更高的图像质量,能够在一定程度上提高图像识别成功率。
在本申请的一些实施例中,步骤200,包括:步骤201和步骤202。
步骤201,判断所述曝光图像中的目标区域的亮度是否达到指定亮度,若达到,则满足图像识别要求,所述目标区域为图像识别要求关注的区域。
在很多场景中,图像识别要求关注的区域并不是整个曝光图像,可能只是曝光图像中的目标区域,即目标区域的图像质量很大程度决定了是否能够识别成功,如果目标区域的图像质量较低,认为图像识别大概率会失败,如果目标区域的图像质量较高,认为图像识别大概率会成功。
在一些应用场景中,影响图像识别成功与否的区域包括图像的中心区域,于是,在这些应用场景中,需要至少保证中心区域的图像质量,因此,目标区域可以包括曝光图像的中心区域,其中,中心区域,可以是包括图像中心的区域,当然,中心区域不限于包括图像中心的区域,例如,中心区域还可以是在图像中心附近的区域,以下以中心区域是包括图像中心的区域为例进行说明,如图2所示,目标区域的区域中心和曝光图像的图像中心重合,目标区域的长和宽分别是曝光图像的长和宽的1/N,例如,N=3,曝光图像的尺寸为150×150,则目标区域的尺寸为50×50;如图3所示,目标区域的区域中心和曝光图像的图像中心也可以不重合,但是,目标区域仍然包括图像中心。
指定亮度,为预先指定的亮度,例如,指定亮度为最大亮度的M%,例如,M为80,其中,最大亮度,为最大像素值,例如,图像传感器的位数是8位,则像素值的范围是0到255,于是,最大亮度为255,再如,图像传感器的位数是16位,则像素值的范围是0到4096,于是,最大亮度为4096。
目标区域的亮度达到指定亮度,包括:目标区域的亮度大于或等于指定亮度。若目标区域的亮度达到指定亮度,则认为目标区域的图像质量较高,满足图像识别要求。
步骤202,否则,不满足图像识别要求。
目标区域的亮度小于指定亮度时,认为目标区域的图像质量较低,无法满足图像识别要求。
上述实施例,图像识别要求包括对亮度的要求,于是,判断曝光图像中的目标区域的亮度是否达到指定亮度,若达到,则满足图像识别要求;否则,不满足图像识别要求。
在本申请的一些实施例中,步骤200,还包括:步骤20A到步骤20C。
步骤20A,获取所述曝光图像中的过曝区域。
过曝区域,为曝光图像中出现过曝现象的区域,过曝现象具体可以是曝光时间过长的现象,过曝区域由过曝像素点组成,由于过曝,像素点的亮度会比较高,于是,过曝区域整体的亮度都会比较高,进一步的,可以根据曝光图像中像素点的亮度值来确定像素点是否是过曝像素点,例如,预设指定像素值,当像素点的像素值超过指定像素值时,认为像素点是过曝像素点,在得到过曝像素点之后,连通过曝像素点即可得到过曝区域。
步骤20B,判断所述曝光图像中的目标区域中是否存在所述过曝区域中的至少部分。
如图4所示,目标区域中存在过曝区域中的至少部分,包括四种情况:过曝区域位于目标区域内;目标区域位于过曝区域内;目标区域和过曝区域重叠;过曝区域和目标区域部分重叠。
步骤20C,若存在,则不满足图像识别要求。
若存在,则认为目标区域的图像质量受到了影响,图像识别很可能不会成功,于是,直接确定曝光图像不满足图像识别要求。
步骤20D,若不存在,则判断所述曝光图像中的目标区域的亮度是否达到指定亮度,若达到,则满足图像识别要求,否则,不满足图像识别要求。
若不存在,则如图5所示,过曝区域可能存在于曝光图像的边缘(可能是手指按偏引起的),也可能是曝光图像中并不存在任何的过曝区域,此时,初步确定目标区域的亮度没有受到影响,为了进一步的确定目标区域的亮度情况,以确定目标区域的图像质量,继续判断目标区域的亮度是否达到指定亮度,若达到,才认为满足图像识别要求,若进一步判断的结果为目标区域的亮度没有达到指定亮度,则认为不满足图像识别要求。
上述实施例,只要目标区域中存在过曝区域中的至少部分,则认为目标区域的图像质量不是很高,于是,为了提高图像处理效率,直接确定不满足图像识别要求,若目标区域中不存在过曝区域中的至少部分,则继续判断曝光图像中的目标区域的亮度是否达到指定亮度,可以理解的是,如果曝光图像中的目标区域的亮度未达到指定亮度,则图像识别不一定成功,于是,为了提高图像识别成功率,还需要继续判断目标区域的亮度是否达到指定亮度。
在本申请的一些实施例中,步骤20A,包括:步骤20A1到步骤20A3。
步骤20A1,根据所述曝光图像中的待判定像素点的像素值和所述待判定像素点邻域内的像素点的像素值得到待判定像素点的梯度值。
待判定像素点,为曝光图像中还未确定是否有过曝现象的像素点。
如图6所示,以8邻域为例进行说明,待判定像素点为像素点A,像素点A的8邻域的像素点包括B到I,在一个示例中,分别计算A与B(C、D…I)之间的差值,得到8个差值,计算8个差值的绝对值,得到8个绝对差值,取8个绝对差值中的最大值作为待判定像素点的梯度值,在另一个示例中,将8个绝对差值的平均值作为待判定像素点的梯度值,在另一个示例中,取8个绝对差值中的最小值作为待判定像素点的梯度值。
步骤20A2,若所述待判定像素点的梯度值小于目标梯度值,并且,所述待判定像素点的像素值大于指定像素值,则所述待判定像素点是过曝像素点。
预设梯度值,为预先设置的梯度值,例如,预设梯度值为10。
对待判定像素点的梯度值和像素值进行判断的目的是要确定待判定像素点是否位于高亮区域,在待判定像素点的梯度值小于预设梯度值,并且,待判定像素点的像素值大于指定像素值时,认为待判定像素点确实位于高亮区域,于是,确定待判定像素点是过曝像素点。
指定像素值,可以设置为接近最大亮度的值,例如,若图像传感器的位数是8位,则指定像素值可以是接近255的值,例如,230,或者,若图像传感器的位数是16位,则指定像素值可以是接近4096的值,例如,3885。
步骤20A3,根据所述曝光图像中的过曝像素点,获得所述曝光图像的过曝区域。
连通曝光图像中的过曝像素点即可得到过曝区域。
在一个示例中,为了提高过曝区域的确定的准确性,在连续的过曝像素点的个数达到预设个数时,认为曝光图像中存在过曝区域,其中,预设个数,例如,设置为12个,距离当前过曝像素点一定距离内的过曝像素点认为与当前过曝像素点连续,例如,当前过曝像素点周围8邻域或者16邻域的过曝像素点认为与当前过曝像素点连续。此处是为了防止曝光图像中只存在独立的几个过曝像素点的情况。
上述实施例,单纯的依靠指定像素值对待判定像素点进行判断可能不是那么准确,于是,还确定了待判定像素点的梯度值,结合梯度值和指定像素值实现对过曝像素点和过曝区域的确定,提高了过曝区域的确定精度。
在本申请的一些实施例中,步骤400所述调整所述曝光时间,得到更新后的曝光时间,包括:将所述曝光时间调整为产线校准时间,得到更新后的曝光时间。
产线校准时间,是指设备生产厂商在设备出厂前,对曝光时间进行校准得到的,例如,在手机屏幕的指纹光斑上覆盖一个肉色橡胶手指,然后通过手机中的曝光单元进行曝光,找到一个能够得到较高图像质量的曝光时间,并将该曝光时间作为产线校准时间。
上述实施例,产线校准时间是通过产线校准后得到的,通常情况下,通过产线校准时间能够得到较高质量的曝光图像,因此,为了快速调整曝光时间,直接将曝光时间调整为产线校准时间。
在本申请的一些实施例中,步骤400所述调整所述曝光时间,得到更新后的曝光时间,包括:根据所述目标区域的亮度和指定亮度对所述曝光时间进行调整,得到更新后的曝光时间。
在曝光图像不满足图像识别要求时,除了直接将曝光时间调整为产线校准时间之外,还可以根据目标区域的亮度和指定亮度对曝光时间进行调整,例如,在判断出目标区域的亮度未达到指定亮度时,由于目标区域的亮度小于指定亮度,认为是亮度不够导致的曝光图像不满足图像识别要求,于是,需要提高目标区域的亮度,例如,首先计算得到指定亮度和目标区域的亮度之间的当前亮度差值,然后根据当前亮度差值和亮度差值与曝光时间差之间的对应关系得到目标曝光时间差,最后将曝光图像的曝光时间加上目标曝光时间差即可得到更新后的曝光时间。
上述实施例,在不满足图像识别要求时,根据目标区域的亮度和指定亮度对曝光时间进行调整,使得调整后的曝光时间能够让目标区域的亮度和指定亮度匹配。
在本申请的一些实施例中,所述根据所述目标区域的亮度和指定亮度对所述曝光时间进行调整,得到更新后的曝光时间,包括:将所述指定亮度除以目标区域的亮度,得到亮度比例;将所述亮度比例乘以所述曝光时间,得到更新后的曝光时间。
例如,指定亮度为A,目标区域的亮度为B,于是,亮度比例为A/B,曝光图像的曝光时间为T1,更新后的曝光时间为T2,于是,T2=T1×A/B。
提供一种计算目标区域的亮度的方法,包括:计算目标区域的像素点的像素值的和,得到像素和;将像素和除以目标区域的像素点的总数,得到目标区域的亮度。例如,目标区域总共有400个像素点,于是,将400个像素点的像素值相加,得到像素和,假设像素和为U,于是,U/400即为目标区域的亮度。
上述实施例,将指定亮度除以目标区域的亮度,得到亮度比例,亮度比例大于1,然后将亮度比例乘以曝光时间,得到更新后的曝光时间,实现将曝光时间调大,并且,由于调整曝光时间是按照亮度比例进行的,可以在一定程度上使得更新后的曝光时间更加的准确。
在本申请的一些实施例中,在步骤100之前,还包括:在根据曝光时间首次采集曝光图像时,所述曝光时间为产线校准时间。
在首次采集曝光图像时,除了产线校准时间,设备中并未存储有其他的曝光时间,因此,在首次采集曝光图像时,曝光时间为产线校准时间,在采集曝光图像并对相应的曝光时间进行调整后,还可以对更新后的曝光时间进行保存,这样,后续在指纹检测区域的上方检测到有指纹携带物时,便可以根据更新后的曝光时间采集曝光图像。
上述实施例,若用户是在设备出厂后第一次进行图像采集,则直接使用产线校准时间进行曝光。
在本申请的一些实施例中,所述曝光图像为针对指纹携带物采集的指纹图像。
指纹携带物,例如,人的手指,再如,肉色橡胶手指。
上述实施例,说明了应用场景。
在一个实施例中,如图7所示,提供了一种图像处理装置700,包括:
曝光模块701,根据曝光时间采集曝光图像;
判断模块702,判断所述曝光图像是否满足图像识别要求;
满足模块703,若满足,则对所述曝光图像进行图像识别;
调整模块704,若不满足,则调整所述曝光时间,得到更新后的曝光时间,并返回所述根据曝光时间采集曝光图像的步骤。
在本申请的一些实施例中,判断模块702,具体用于:判断所述曝光图像中的目标区域的亮度是否达到指定亮度,若达到,则满足图像识别要求,所述目标区域为图像识别要求关注的区域;否则,不满足图像识别要求。
在本申请的一些实施例中,判断模块702,具体还用于:获取所述曝光图像中的过曝区域;判断所述曝光图像中的目标区域中是否存在所述过曝区域中的至少部分;若存在,则不满足图像识别要求;若不存在,则判断所述曝光图像中的目标区域的亮度是否达到指定亮度,若达到,则满足图像识别要求,否则,不满足图像识别要求。
在本申请的一些实施例中,判断模块702,具体用于:根据所述曝光图像中的待判定像素点的像素值和所述待判定像素点邻域内的像素点的像素值得到待判定像素点的梯度值;若所述待判定像素点的梯度值小于目标梯度值,并且,所述待判定像素点的像素值大于指定像素值,则所述待判定像素点是过曝像素点;根据所述曝光图像中的过曝像素点,获得所述曝光图像的过曝区域。
在本申请的一些实施例中,调整模块704,具体用于:将所述曝光时间调整为产线校准时间,得到更新后的曝光时间。
在本申请的一些实施例中,调整模块704,具体用于:根据所述目标区域的亮度和指定亮度对所述曝光时间进行调整,得到更新后的曝光时间。
在本申请的一些实施例中,调整模块704,具体用于:将所述指定亮度除以目标区域的亮度,得到亮度比例;将所述亮度比例乘以所述曝光时间,得到更新后的曝光时间。
在本申请的一些实施例中,图像处理装置700,还包括:首次模块,用于:在根据曝光时间首次采集曝光图像时,所述曝光时间为产线校准时间。
在本申请的一些实施例中,所述曝光图像为针对指纹携带物采集的指纹图像。
在本申请的一些实施例中,如图8所示,提供了一种计算机设备,该计算机设备具体可以是终端或服务器,该计算机设备中包括曝光单元。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口,存储器包括非易失性存储介质和内存储器,该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现图像处理方法。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行图像处理方法。本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本申请提供的图像处理方法可以实现为一种计算机程序的形式,计算机程序可在如图8所示的计算机设备上运行。计算机设备的存储器中可存储组成图像处理装置的各个程序模板。比如,判断模块702和调整模块704。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
根据曝光时间采集曝光图像;
判断所述曝光图像是否满足图像识别要求;
若满足,则对所述曝光图像进行图像识别;
若不满足,则调整所述曝光时间,得到更新后的曝光时间,并返回所述根据曝光时间采集曝光图像的步骤。
在本申请的一些实施例中,提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
根据曝光时间采集曝光图像;
判断所述曝光图像是否满足图像识别要求;
若满足,则对所述曝光图像进行图像识别;
若不满足,则调整所述曝光时间,得到更新后的曝光时间,并返回所述根据曝光时间采集曝光图像的步骤。
在本申请的一些实施例中,还提供了一种计算机程序产品,包括计算机程序指令,所述计算机程序指令被处理器读取并运行时,执行各个实施例中的图像处理方法,示例性的,包括以下步骤:
根据曝光时间采集曝光图像;
判断所述曝光图像是否满足图像识别要求;
若满足,则对所述曝光图像进行图像识别;
若不满足,则调整所述曝光时间,得到更新后的曝光时间,并返回所述根据曝光时间采集曝光图像的步骤。
需要说明的是,上述图像处理方法、图像处理装置、计算机程序产品、计算机设备及计算机可读存储介质属于一个总的发明构思,图像处理方法、图像处理装置、计算机程序产品、计算机设备及计算机可读存储介质实施例中的内容可相互适用。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种图像处理方法,其特征在于,包括:
根据曝光时间采集曝光图像;
判断所述曝光图像是否满足图像识别要求;
若满足,则对所述曝光图像进行图像识别;
若不满足,则调整所述曝光时间,得到更新后的曝光时间,并返回所述根据曝光时间采集曝光图像的步骤。
2.根据权利要求1所述的图像处理方法,其特征在于,所述判断所述曝光图像是否满足图像识别要求,包括:
判断所述曝光图像中的目标区域的亮度是否达到指定亮度,若达到,则满足图像识别要求,所述目标区域为图像识别要求关注的区域;否则,不满足图像识别要求。
3.根据权利要求2所述的图像处理方法,其特征在于,所述判断所述曝光图像是否满足图像识别要求,还包括:
获取所述曝光图像中的过曝区域;
判断所述曝光图像中的目标区域中是否存在所述过曝区域中的至少部分;
若存在,则不满足图像识别要求;
若不存在,则判断所述曝光图像中的目标区域的亮度是否达到指定亮度,若达到,则满足图像识别要求,否则,不满足图像识别要求。
4.根据权利要求3所述的图像处理方法,其特征在于,所述获取所述曝光图像中的过曝区域,包括:
根据所述曝光图像中的待判定像素点的像素值和所述待判定像素点邻域内的像素点的像素值得到待判定像素点的梯度值;
若所述待判定像素点的梯度值小于目标梯度值,并且,所述待判定像素点的像素值大于指定像素值,则所述待判定像素点是过曝像素点;
根据所述曝光图像中的过曝像素点,获得所述曝光图像的过曝区域。
5.根据权利要求1至4任一项所述的图像处理方法,其特征在于,所述调整所述曝光时间,得到更新后的曝光时间,包括:
将所述曝光时间调整为产线校准时间,得到更新后的曝光时间。
6.根据权利要求2至5任一项所述的图像处理方法,其特征在于,所述调整所述曝光时间,得到更新后的曝光时间,包括:
根据所述目标区域的亮度和指定亮度对所述曝光时间进行调整,得到更新后的曝光时间。
7.根据权利要求6所述的图像处理方法,其特征在于,所述根据所述目标区域的亮度和指定亮度对所述曝光时间进行调整,得到更新后的曝光时间,包括:
将所述指定亮度除以目标区域的亮度,得到亮度比例;
将所述亮度比例乘以所述曝光时间,得到更新后的曝光时间。
8.根据权利要求1至7任一项所述的图像处理方法,其特征在于,在所述根据曝光时间采集曝光图像之前,还包括:
在根据曝光时间首次采集曝光图像时,所述曝光时间为产线校准时间。
9.根据权利要求1至8任一项所述的图像处理方法,其特征在于,所述曝光图像为针对指纹携带物采集的指纹图像。
10.一种计算机程序产品,其特征在于,包括计算机程序指令,所述计算机程序指令被处理器读取并运行时,执行权利要求1至9中任一项所述的图像处理方法。
11.一种计算机设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的图像处理方法的步骤。
12.一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指令,所述计算机程序指令被处理器读取并运行时,执行权利要求1至9中任一项所述的图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210238358.2A CN114694191A (zh) | 2022-03-11 | 2022-03-11 | 图像处理方法、计算机程序产品、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210238358.2A CN114694191A (zh) | 2022-03-11 | 2022-03-11 | 图像处理方法、计算机程序产品、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114694191A true CN114694191A (zh) | 2022-07-01 |
Family
ID=82139399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210238358.2A Pending CN114694191A (zh) | 2022-03-11 | 2022-03-11 | 图像处理方法、计算机程序产品、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114694191A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016176989A1 (zh) * | 2015-05-07 | 2016-11-10 | 捷开通讯(深圳)有限公司 | 移动终端基于眼纹识别的图像曝光方法及图像曝光系统 |
CN110661983A (zh) * | 2019-11-12 | 2020-01-07 | 腾讯科技(深圳)有限公司 | 图像采集方法、装置、设备及存储介质 |
CN110945526A (zh) * | 2019-10-25 | 2020-03-31 | 深圳市汇顶科技股份有限公司 | 屏下指纹采集方法、装置、电子设备及存储介质 |
WO2021037157A1 (zh) * | 2019-08-30 | 2021-03-04 | 华为技术有限公司 | 图像识别方法及电子设备 |
CN112819722A (zh) * | 2021-02-03 | 2021-05-18 | 东莞埃科思科技有限公司 | 一种红外图像人脸曝光方法、装置、设备及存储介质 |
-
2022
- 2022-03-11 CN CN202210238358.2A patent/CN114694191A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016176989A1 (zh) * | 2015-05-07 | 2016-11-10 | 捷开通讯(深圳)有限公司 | 移动终端基于眼纹识别的图像曝光方法及图像曝光系统 |
WO2021037157A1 (zh) * | 2019-08-30 | 2021-03-04 | 华为技术有限公司 | 图像识别方法及电子设备 |
CN110945526A (zh) * | 2019-10-25 | 2020-03-31 | 深圳市汇顶科技股份有限公司 | 屏下指纹采集方法、装置、电子设备及存储介质 |
CN110661983A (zh) * | 2019-11-12 | 2020-01-07 | 腾讯科技(深圳)有限公司 | 图像采集方法、装置、设备及存储介质 |
CN112819722A (zh) * | 2021-02-03 | 2021-05-18 | 东莞埃科思科技有限公司 | 一种红外图像人脸曝光方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110796161A (zh) | 识别模型训练、眼底特征的识别方法、装置、设备及介质 | |
CN111968134B (zh) | 目标分割方法、装置、计算机可读存储介质及计算机设备 | |
CN109903272B (zh) | 目标检测方法、装置、设备、计算机设备和存储介质 | |
CN112434556A (zh) | 宠物鼻纹识别方法、装置、计算机设备及存储介质 | |
CN111507298B (zh) | 人脸检测方法、装置、计算机设备和存储介质 | |
CN112489090B (zh) | 目标跟踪的方法、计算机可读存储介质及计算机设备 | |
CN111445487B (zh) | 图像分割方法、装置、计算机设备和存储介质 | |
KR20220093187A (ko) | 포지셔닝 방법 및 장치, 전자 기기, 컴퓨터 판독 가능 저장 매체 | |
CN112241952A (zh) | 大脑中线识别方法、装置、计算机设备及存储介质 | |
CN113379301A (zh) | 通过决策树模型对用户进行分类的方法、装置和设备 | |
CN113034514A (zh) | 天空区域分割方法、装置、计算机设备和存储介质 | |
CN113705685A (zh) | 疾病特征识别模型训练、疾病特征识别方法、装置及设备 | |
CN113283388B (zh) | 活体人脸检测模型的训练方法、装置、设备及存储介质 | |
CN110942067A (zh) | 文本识别方法、装置、计算机设备和存储介质 | |
CN111783062B (zh) | 验证码识别方法、装置、计算机设备和存储介质 | |
CN111460419B (zh) | 物联网人工智能人脸验证方法及物联网云服务器 | |
CN113554676A (zh) | 图像处理方法、装置、手持终端和计算机可读存储介质 | |
CN110163183B (zh) | 目标检测算法的评估方法、装置、计算机设备和存储介质 | |
CN112163110A (zh) | 图像分类方法、装置、电子设备和计算机可读存储介质 | |
CN114694191A (zh) | 图像处理方法、计算机程序产品、设备以及存储介质 | |
CN112699809B (zh) | 痘痘类别识别方法、装置、计算机设备及存储介质 | |
CN114612946A (zh) | 曝光方法、电子设备、存储介质以及程序产品 | |
CN111428553B (zh) | 人脸色素斑识别方法、装置、计算机设备和存储介质 | |
CN113140042B (zh) | 三维扫描拼接方法、装置、电子装置和计算机设备 | |
CN114399494A (zh) | 异常细胞检测分割方法、装置、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 | ||
CB02 | Change of applicant information |
Address after: 201-1, 2nd Floor, Building 4, No. 188 Rixin Road, Binhai Science and Technology Park, Binhai New Area, Tianjin, 300450 Applicant after: Tianjin Jihao Technology Co.,Ltd. Address before: 100082 Z, 17th floor, No. 1, Zhongguancun Street, Haidian District, Beijing Applicant before: Beijing Jihao Technology Co.,Ltd. |
|
CB02 | Change of applicant information |