CN115082400A - 一种图像处理方法、装置、计算机设备及可读存储介质 - Google Patents
一种图像处理方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN115082400A CN115082400A CN202210706865.4A CN202210706865A CN115082400A CN 115082400 A CN115082400 A CN 115082400A CN 202210706865 A CN202210706865 A CN 202210706865A CN 115082400 A CN115082400 A CN 115082400A
- Authority
- CN
- China
- Prior art keywords
- difference
- image
- detected
- images
- value
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims description 33
- 230000005856 abnormality Effects 0.000 claims description 32
- 230000004044 response Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 11
- 238000005286 illumination Methods 0.000 claims description 11
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000006243 chemical reaction 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
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001007 puffing effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- 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)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像处理方法、装置、计算机设备及可读存储介质，其中，该方法包括：获取多帧待检测图像；针对每帧所述待检测图像，基于预设的像素值差值阈值，确定该帧待检测图像与其他待检测图像的差异度信息；所述差异度信息用于表征任意两张图像的差异区域面积相对于完整图像面积的比例；基于多帧所述待检测图像分别对应的所述差异度信息，从多帧待检测图像中，确定存在异常的目标图像。本公开实施例通过利用预设的像素值差值阈值多帧待检测图像之间的差异度信息，并基于差异度信息确定出存在异常的目标图像，以提高对于异常图像的分析准确度。
Description
技术领域
本公开涉及图像处理技术领域，具体而言，涉及一种图像处理方法、装置、计算机设备及可读存储介质。
背景技术
在很多场景下，例如游戏、页面渲染等场景下，需要对终端设备显示的画面进行显示的异常检测，并确定显示异常的原因。相关技术中确定画面是否存在异常的方式，通常为利用终端设备显示的画面和标准画面进行像素点的像素值进行逐一对比的方式，确定显示的画面是否存在异常，这种方式存在准确度较低的问题。
发明内容
本公开实施例至少提供一种图像处理方法、装置、计算机设备及可读存储介质。
第一方面，本公开实施例提供了一种图像处理方法，包括：
获取多帧待检测图像；
针对每帧所述待检测图像，基于预设的像素值差值阈值，确定该帧待检测图像与其他待检测图像的差异度信息；所述差异度信息用于表征任意两张图像的差异区域面积相对于完整图像面积的比例；
基于多帧所述待检测图像分别对应的所述差异度信息，从多帧待检测图像中，确定存在异常的目标图像。
一种可选的实施方式中，所述基于多帧所述待检测图像分别对应的所述差异度信息，从多帧待检测图像中，确定存在异常的目标图像，包括：
基于每帧待检测图像和其他待检测图像之间的差异度的大小，对所述差异度进行聚类，得到多个差异度分类；每个差异度分类中包括：多个差异度；
从多个差异度分类中，确定目标差异度分类；其中，所述目标差异度分类中包括的各个目标差异度的值、大于非目标差异度分类中包括的差异度的值；
基于所述目标差异度分类中各个目标差异度分别对应的第一待检测图像、和第二待检测图像，确定所述目标图像。
一种可选的实施方式中，所述基于所述目标差异度分类中各个目标差异度分别对应的第一待检测图像、和第二待检测图像，确定所述目标图像，包括：
基于所述目标差异度分类中各个差异度分别对应的第一待检测图像、和第二待检测图像，确定可选图像；
并统计所述可选图像对应的目标差异度的数量；
基于各帧可选图像分别对应的目标差异度的数量，从所述可选图像中确定所述目标图像。
一种可选的实施方式中，所述获取多帧待检测图像，包括：
在目标虚拟场景中的预设位姿条件下，获取多帧备选图像；
基于多帧备选图像分别对应的属性信息，从所述多帧备选图像中确定所述待检测图像；其中，所述属性信息包括下述至少一种：获取所述备选图像的终端设备的设备配置信息、所述备选图像的分辨率。
一种可选的实施方式中，所述针对每帧待检测图像，基于预设的像素值差值阈值，确定该帧待检测图像与其他待检测图像的差异度信息，包括：
基于所述每帧待检测图像中各个第一像素点分别对应的第一像素值、以及每帧所述其他待检测图像中的各个第二像素点分别对应的第二像素值，确定差值图像；所述差值图像中任一第三像素点的第三像素值，为对应位置的第一像素点的第一像素值、和对应位置的第二像素点的第二像素值的差值的绝对值；
基于所述差值图像中各个第三像素点分别对应的第三像素值、和预设像素值差值阈值，确定所述每帧待检测图像和每帧所述其他待检测图像的差异度。
一种可选的实施方式中，所述基于所述差值图像中各个第三像素点分别对应的像素值、和预设像素值差值阈值，确定所述每帧待检测图像和每帧所述其他待检测图像的差异度，包括：
基于所述差值图像中各个第三像素点分别对应的第三像素值、和预设像素值差值阈值，生成差异图像；所述差异图像中各个第四像素点的第四像素值，用于表征对应位置的第三像素点的第三像素值、和所述预设像素值差值阈值之间的大小关系；
将所述差异图像转换灰度图，并对所述灰度图进行二值化，得到二值图；
所述二值图中各个第五像素点的第五像素值，表征位置与该第五像素点对应的第一像素点、和第二像素点是否存在差异；
基于所述二值图像中各个第五像素点的第五像素值，生成所述每帧待检测图像和每帧所述其他待检测图像的差异度。
一种可选的实施方式中，所述差值图中各个像素点对应的像素值，包括：多个数据通道中每个数据通道分别对应的像素值；
所述基于所述差值图像中各个第三像素点分别对应的第三像素值、和预设像素值差值阈值，生成差异图像，包括：
针对所述差值图像中的每个像素点，将该像素点与多个所述数据通道分别对应的像素值、和所述预设像素值差值阈值进行比对；
响应于任一像素点在任一数据通道下的像素值大于所述预设像素值差值阈值，将所述任一像素点在该任一数据通道下对应的差异值确定为第一数值；
响应于所述任一像素点在任一数据通道下的像素值小于或等于所述预设像素值差值阈值，将所述任一像素点在该任一数据通道下对应的差异值确定为第二数值；
基于所述差值图像中各个像素点分别在多个数据通道下的差异值，构成所述差异图像。
一种可选的实施方式中，所述基于所述二值图像中各个第五像素点的第五像素值，生成所述每帧待检测图像和每帧所述其他待检测图像的差异度，包括：
基于所述二值图像中各个第五像素点的第五像素值，对所述二值图像进行腐蚀膨化处理，得到目标二值图；
基于所述目标二值图中各个第六像素点的第六像素值，生成所述每帧待检测图像和每帧所述其他待检测图像的差异度。
一种可选的实施方式中，所述方法还包括：基于所述目标图像对应的差异度信息，确定所述目标图像的异常原因信息。
一种可选的实施方式中，基于所述目标图像对应的差异度信息，确定所述目标图像的异常原因信息，包括：
基于所述目标图像和多帧其他待检测图像分别对应的差异度，确定所述目标图像对应的差异度均值；
将所述差异度均值和预设的差异度阈值进行比对；
基于所述差异度均值和预设的差异度阈值的比对结果，确定所述异常原因信息。
一种可选的实施方式中，所述差异度均值包括：第一差异度均值、以及在去除光照条件下为所述目标图像确定的第二差异度均值；
所述基于所述差异度均值和预设的差异度阈值的比对结果，确定所述异常原因信息，包括：
响应于所述第一差异度均值大于所述差异度阈值，将所述目标图像对应的异常原因信息确定为贴图缺失；
响应于所述第一差异度均值小于或等于所述差异度阈值、且所述第二差异度均值大于所述差异度阈值，将所述目标图像对应的异常原因信息确定为模型缺失；
响应于所述第二差异度均值小于或等于所述差异度阈值，将所述目标图像对应的异常原因信息确定为美术资源表现异常。
第二方面，本公开实施例提供了一种图像处理装置，包括：
获取模块，用于获取多帧待检测图像；
第一确定模块，用于针对每帧所述待检测图像，基于预设的像素值差值阈值，确定该帧待检测图像与其他待检测图像的差异度信息；所述差异度信息用于表征任意两张图像的差异区域面积相对于完整图像面积的比例；
第二确定模块，用于基于多帧所述待检测图像分别对应的所述差异度信息，从多帧待检测图像中，确定存在异常的目标图像。
一种可选的实施方式中，所述获取模块具体用于：
在目标虚拟场景中的预设位姿条件下，获取多帧备选图像；
基于多帧备选图像分别对应的属性信息，从所述多帧备选图像中确定所述待检测图像；其中，所述属性信息包括下述至少一种：获取所述备选图像的终端设备的设备配置信息、所述备选图像的分辨率。
一种可选的实施方式中，所述第二确定模块包括：
聚类单元，用于基于每帧待检测图像和其他待检测图像之间的差异度的大小，对所述差异度进行聚类，得到多个差异度分类；每个差异度分类中包括：多个差异度；
第三确定单元，用于从多个差异度分类中，确定目标差异度分类；其中，所述目标差异度分类中包括的各个目标差异度的值、大于非目标差异度分类中包括的差异度的值；
第四确定单元，用于基于所述目标差异度分类中各个目标差异度分别对应的第一待检测图像、和第二待检测图像，确定所述目标图像。
一种可选的实施方式中，所述基第四确定单元具体用于：
基于所述目标差异度分类中各个差异度分别对应的第一待检测图像、和第二待检测图像，确定可选图像；
并统计所述可选图像对应的目标差异度的数量；
基于各帧可选图像分别对应的目标差异度的数量，从所述可选图像中确定所述目标图像。
一种可选的实施方式中，所述第一确定模块包括：
第一确定单元，用于基于所述每帧待检测图像中各个第一像素点分别对应的第一像素值、以及每帧所述其他待检测图像中的各个第二像素点分别对应的第二像素值，确定差值图像；所述差值图像中任一第三像素点的第三像素值，为对应位置的第一像素点的第一像素值、和对应位置的第二像素点的第二像素值的差值的绝对值；
第二确定单元，用于基于所述差值图像中各个第三像素点分别对应的第三像素值、和预设像素值差值阈值，确定所述每帧待检测图像和每帧所述其他待检测图像的差异度。
一种可选的实施方式中，所述第二确定单元包括：
生成子单元，用于基于所述差值图像中各个第三像素点分别对应的第三像素值、和预设像素值差值阈值，生成差异图像；所述差异图像中各个第四像素点的第四像素值，用于表征对应位置的第三像素点的第三像素值、和所述预设像素值差值阈值之间的大小关系；
转换子单元，用于将所述差异图像转换灰度图，并对所述灰度图进行二值化，得到二值图；所述二值图中各个第五像素点的第五像素值，表征位置与该第五像素点对应的第一像素点、和第二像素点是否存在差异；
生成子单元，用于基于所述二值图像中各个第五像素点的第五像素值，生成所述每帧待检测图像和每帧所述其他待检测图像的差异度。
一种可选的实施方式中，所述差值图中各个像素点对应的像素值，包括：多个数据通道中每个数据通道分别对应的像素值；
所述生成子单元具体用于：
针对所述差值图像中的每个像素点，将该像素点与多个所述数据通道分别对应的像素值、和所述预设像素值差值阈值进行比对；
响应于任一像素点在任一数据通道下的像素值大于所述预设像素值差值阈值，将所述任一像素点在该任一数据通道下对应的差异值确定为第一数值；
响应于所述任一像素点在任一数据通道下的像素值小于或等于所述预设像素值差值阈值，将所述任一像素点在该任一数据通道下对应的差异值确定为第二数值；
基于所述差值图像中各个像素点分别在多个数据通道下的差异值，构成所述差异图像。
一种可选的实施方式中，所述第二确定单元具体用于：
基于所述二值图像中各个第五像素点的第五像素值，对所述二值图像进行腐蚀膨化处理，得到目标二值图；
基于所述目标二值图中各个第六像素点的第六像素值，生成所述每帧待检测图像和每帧所述其他待检测图像的差异度。
一种可选的实施方式中，所述装置还包括：
第三确定模块，用于基于所述目标图像对应的差异度信息，确定所述目标图像的异常原因信息。
一种可选的实施方式中，所述第三确定模块包括：
第五确定单元，用于基于所述目标图像和多帧其他待检测图像分别对应的差异度，确定所述目标图像对应的差异度均值；
比对单元，用于将所述差异度均值和预设的差异度阈值进行比对；
第六确定单元，用于基于所述差异度均值和预设的差异度阈值的比对结果，确定所述异常原因信息。
一种可选的实施方式中，所述差异度均值包括：第一差异度均值、以及在去除光照条件下为所述目标图像确定的第二差异度均值；
所述第六确定单元具体用于：
响应于所述第一差异度均值大于所述差异度阈值，将所述目标图像对应的异常原因信息确定为贴图缺失；
响应于所述第一差异度均值小于或等于所述差异度阈值、且所述第二差异度均值大于所述差异度阈值，将所述目标图像对应的异常原因信息确定为模型缺失；
响应于所述第二差异度均值小于或等于所述差异度阈值，将所述目标图像对应的异常原因信息确定为美术资源表现异常。
第三方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
第四方面，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
本公开实施例提供的一种图像处理方法、装置、计算机设备及可读存储介质，通过利用预设的像素值差值阈值多帧待检测图像之间的差异度信息，该差异度用于表征任意两张图像的差异区域面积相对于完整图像面积的比例，并基于差异度信息确定出存在异常的目标图像，以提高对于异常图像的分析准确度。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，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示出了本公开实施例所提供的一种图像处理方法的流程图；
图2示出了本公开实施例所提供的另一种图像处理方法的流程图；
图3示出了本公开实施例所提供的一种图像处理装置的示意图；
图4示出了本公开实施例所提供的图像处理装置中，第一确定模块的具体示意图；
图5示出了本公开实施例所提供的第一确定模块中，第二确定单元的具体示意图；
图6示出了本公开实施例所提供的图像处理装置中，第二确定模块的具体示意图；
图7示出了本公开实施例所提供的另一种图像处理装置的示意图；
图8示出了本公开实施例所提供的另一种图像处理装置中，第三确定模块的具体示意图；
图9示出了本公开实施例所提供的一种计算机设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开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公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
经研究发现，为了检测图像是否存在异常显示的情况，可以将待检测的图像和标准图像进行比对，并基于比对结果确定待检测图像是否存在异常。比如将两张图像每一个像素点逐一对比的方法，当像素点的在任一颜色通道的像素值不一致时标记此像素点，当所有像素点对比完成之后，就可以在图像上得到不一样的地方；也可以用跨平台的计算机视觉库(Open Source Computer Vision Library，OpenCV)提供的方法对比图像计算差异度，比如直方图比较、哈希算法等，将标准图像和自动化测试获得的图像进行对比，如果差异度过大则判定测试图像画面表现存在异常。但是上述方法均存在一定的不足。对于像素点逐一对比方法，会标记出每一个不同的像素点，哪怕像素点的RGB值只存在细微差异。因为测试图像不能保证完全跟标准图一模一样，所以这样往往会有很多误报的情况，导致检测结果的准确度低的问题；另外，利用OpenCV计算图像差异度，一方面无法准确标记出图像哪里不一样，另一方面很多细小的差异会造成差异度的剧烈波动，影响判断结果，也会导致检测结果准确度较低的问题。进而，当前的图像显示异常的检测方法均存在准确度较低的问题。
基于上述研究，本公开提供了一种图像处理方法，通过利用预设的像素值差值阈值多帧待检测图像之间的差异度信息，该差异度用于表征任意两张图像的差异区域面积相对于完整图像面积的比例，并基于差异度信息确定出存在异常的目标图像，以提高对于异常图像的分析准确度。
针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
为便于对本实施例进行理解，首先对本公开实施例所公开的一种图像处理方法进行详细介绍，本公开实施例所提供的图像处理方法的执行主体一般为具有一定计算能力的计算机设备。在一些可能的实现方式中，该图像处理方法可以通过处理器来实现。
下面以执行主体为终端设备为例对本公开实施例提供的图像处理方法加以说明。
参见图1所示，为本公开实施例提供的图像处理方法的流程图，所述方法包括步骤S101～S103，其中：
S101：获取多帧待检测图像。
其中，待检测图像可以是图像、视频截帧、游戏界面截帧等。
示例性的，以将本公开实施例提供的图图像处理方法应用于游戏开发过程中为例，为了检测游戏界面是否存在显示异常的情况，可以通过截取游戏界面进行分析，从而确定游戏界面的显示情况。
在一可能的实施方式中，获取多帧待检测图像的方法包括下述步骤一一～步骤一二：
步骤一一、在目标虚拟场景中的预设位姿条件下，获取多帧备选图像。
其中，备选图像为截取出的、待检测的图像。
示例性的，以游戏开发时进行的图像检测为例，同一画面表现在相同档次的不同设备中，可能会出现美术表现差异巨大的情况，比如在标准开发设备中，深蓝色的天空在其他设备会显示为浅蓝色甚至灰色；也可能会出现贴图缺失、模型缺失的情况。这时在目标虚拟场景中的预设位姿条件下，通过虚拟相机获取到多帧备选图像，例如通过自动化测试脚本会尽可能将位于游戏场景内的虚拟相机调整到预设位姿条件下，使得在不同终端设备中得到的备选图像中的游戏人物角度，天气等因素调整到一致。然后从多帧备选图像中确定要进行检测的待检测图像。
步骤一二、基于多帧备选图像分别对应的属性信息，从所述多帧备选图像中确定所述待检测图像；其中，所述属性信息包括下述至少一种：获取所述备选图像的终端设备的设备配置信息、所述备选图像的分辨率。
具体的，可以基于产生备选图像的设备配置信息以及每帧备选图像的分辨率信息对备选图像进行分组处理，得到多个备选图像分组。
在本公开实施例中，在对多帧备选图像进行处理之前，获取所述备选图像的终端设备的设备配置信息。具体的，可以先将设备根据不同的机型档次进行分组。其中，机型档次是根据游戏配置进行分类，从游戏接口可以获取当前测试设备的档次，例如分为极高、高、中高、中、中低、低、极低七档。针对每一机型档次的备选图像，再根据备选图像的分辨率分为若干个分组。
在将备选图像根据分辨率分为若干分组时，示例性的，按以下规则分为四组，相近分辨率为一组：(1)分辨率包含720；(2)分辨率包含1080且分辨率长宽总和小于3250；(3)分辨率包含1080且分辨率长宽总和大于3250(4)其他分辨率。这是由于当分辨率相差过大时对不同分辨率的图像进行比对导致的比对误差会比较大，所以要根据分辨率对备选图像进行分组。移动终端设备分辨率大致分为xxxx*720和xxxx*1080和xxxx*1120(1140\1200)等其他分辨率。其中xxxx*1080的移动终端设备占比最大，宽度从1920到2400均有涉及，由此，可以以2170为界限再划分成两组，这样每个分组的移动终端设备数大致相同，这样就可以分为4组。同时，分组太多容易导致每个分组的移动终端设备数过少无法对比，太少会导致误差较大。
在另一可能的实施例中，可以根据先验条件“异常图像只占少数”，通过将相同档次且相近分辨率的移动终端设备所对应的备选图像分为一组，并确定同一分组中的备选图像为待检测图像，从而对同一分组中的待检测图像进行两两对比。在此之前，可以筛选出明显具有差异的备选图像，并判断该备选图像为画面表现明显异常，进行删除处理，以减少比对次数，节省处理资源。
另外一种实施例中，针对得到的每个分组，还可以检测该分组中备选图像的数量；若备选图像的数量小于预设的数量阈值，则不对该分组中备选图像进行检测；若某个分组汇总备选图像的数量大于或者等于预设的数量阈值，则将该分组中的备选图像均确定为待检测图像，对该分组中各个待检测图像进行如本公开实施例所述的图像处理过程。
另外，也可以确定每个分组中备选图像归属设备的设备数量；基于设备数量，确定是否将对应分组中的备选图像作为待检测图像。
示例性的，可以只针对设备数大于4的分组进行两两对比操作。由于本实施例中的图像检测策略是对分组内的待检测图像进行两两对比，然后针对差异度信息对待检测图像进行分析，所以当设备数为3的时候(a，b，c)，只有ab、ac、bc三个对比结果，分析结果的意义不大。当设备数是4时，有6个对比结果，理论上可以进行分析判断，但是实际上效果并不好，只有差别非常明显的时候才能识别筛选出来，存在漏报的情况。所以一般情况下，如果发现有4台设备的分组，在测试时可以再添加一台该分组设备，以获得5台设备分别对应的待检测图像，然后再进行对比，以保证测试结果的准确度。
承接上述S101，本公开实施例提供的图像处理方法中，还包括：
S102：针对每帧待检测图像，基于预设的像素值差值阈值，确定该帧待检测图像与其他待检测图像的差异度信息。
其中，所述差异度信息包括：该帧待检测图像分别与其他待检测图像之间的差异度；所述差异度用于表征任意两张待检测图像的差异区域面积相对于完整图像面积的比例。
在本公开实施例中，例如可以采用两两比对的检测方法，具体的，可以针对任一待检测图像与其他全部待检测图像一一进行比对，进而确定出多个差异度信息，该多个差异度即为该待检测图像对应的差异度信息。
在一个可能的实施方式中，在对待检测图像进行比对之前，还可以对待比对的两帧待检测图像进行裁剪，以保证两帧待检测图像的宽度与高度一致，便于后续的比对过程。具体的，将待比对的两帧待检测图像进行缩放处理，使得两帧待检测图像的分辨率基本保持一致，然后对缩放处理后两张待检测图像进行中心对齐处理后，裁剪分辨率较大的待检测图像四周多余的部分，使得两帧待检测图像的分辨率一致，且显示画面没有较大的偏差。
在本公开实施例中，所述针对每帧待检测图像，确定该帧待检测图像与其他待检测图像的差异度信息，包括：
基于所述每帧待检测图像中各个第一像素点分别对应的第一像素值、以及每帧所述其他待检测图像中的各个第二像素点分别对应的第二像素值，确定差值图像；所述差值图像中任一第三像素点的第三像素值，为对应位置的第一像素点的第一像素值、和对应位置的第二像素点的第二像素值的差值的绝对值；
基于所述差值图像中各个第三像素点分别对应的第三像素值、和预设像素值差值阈值，确定所述每帧待检测图像和每帧所述其他待检测图像的差异度。
其中，以待检测图像为RGB图像为例，第一像素点分别对应的第一像素值、以及第二像素点分别对应的第二像素值指代的均为图像的RGB值。RGB是光的三原色，也即红绿蓝Red、Green、B1ue,它们的最大值是255，其中，白色的RGB值表示为rgb(255,255,255)，黑色的RGB值表示为rgb(0,0,0)，通过调整相关数字，便可以得到深浅不一的各种颜色。通过对两帧图像的RGB矩阵进行相减处理，并取其绝对值后，可以得到一差值图像。
在本公开实施例中，在得到差值图像之后，可以采用下述方法基于所述差值图像中各个第三像素点分别对应的像素值、和预设像素值差值阈值，确定所述每帧待检测图像和每帧所述其他待检测图像的差异度：
基于所述差值图像中各个第三像素点分别对应的第三像素值、和预设像素值差值阈值，生成差异图像；所述差异图像中各个第四像素点的第四像素值，用于表征对应位置的第三像素点的第三像素值、和所述预设像素值差值阈值之间的大小关系；
将所述差异图像转换灰度图，并对所述灰度图进行二值化，得到二值图；
所述二值图中各个第五像素点的第五像素值，表征位置与该第五像素点对应的第一像素点、和第二像素点是否存在差异；
基于所述二值图像中各个第五像素点的第五像素值，生成所述每帧待检测图像和每帧所述其他待检测图像的差异度。
其中，所述差值图像中各个像素点对应的像素值，包括：多个数据通道中每个数据通道分别对应的像素值。在本实施例中，多个数据通道可以为图像的RGB通道，对应的，每个数据通道分别对应的像素值为图像的RGB数值。
所述基于所述差值图像中各个第三像素点分别对应的第三像素值、和预设像素值差值阈值，生成差异图像，包括：
针对所述差值图像中的每个像素点，将该像素点与多个所述数据通道分别对应的像素值、和所述预设像素值差值阈值进行比对；
响应于任一像素点在任一数据通道下的像素值大于所述预设像素值差值阈值，将所述任一像素点在该任一数据通道下对应的差异值确定为第一数值；
响应于所述任一像素点在任一数据通道下的像素值小于或等于所述预设像素值差值阈值，将所述任一像素点在该任一数据通道下对应的差异值确定为第二数值；
基于所述差值图像中各个像素点分别在多个数据通道下的差异值，构成所述差异图像。
示例性的，假设预设像素值差值阈值为25，当对两帧图像的RGB矩阵进行相减处理，并取其绝对值后，将该绝对值与预设像素值差值阈值25进行比对，并确定出第一数值与第二数值，例如，当绝对值数据小于或等于25时，确定第一数值为0，当绝对值数据大于25时，确定第二数值为255，由此便可以得到只存在两种数值的差异图像。在得到差异图像后，可以将差异图像转换为灰度图，并然后将灰度图进行二值化，得到二值图。
具体的，两张待检测图像进行比对的方法可以包括：将每一个像素点对应的RGB三通道的RGB数值对应相减并取绝对值，即将两张待检测图像对应的RGB矩阵进行相减以及取绝对值处理，得到处理后的RGB差值矩阵(也即差值图像)。这里，认为差值矩阵中小于25的数值为没有差异，确定为0，认为矩阵中大于25的数值为有差异，确定为255，由此便转化为只包括两个数值的差异图像，当某一像素点的RGB三通道每一个通道的RGB差值都在25以下时，即该像素点最终变为黑色，此时可以认为两张待检测图像没有差异。
示例性的，比如两张待检测图像的RGB数值分别为(145，123，156)，(145，120，100)，相减取绝对值为(0，3，56)，差值小于25取0，大于25取255，最后为(0，0，255)，并根据计算公式Gray＝R*0.3+G*0.59+B*0.11将其转换成灰度图像，该点灰度值为8。之后，再进行二值化处理，处理后所有大于0的灰度值都变为255，画面表现效果是所有非黑色点都变成白色，白色代表着两帧待检测图像具有差异的位置，由此差异度信息指的就是图像中白色像素点的占比。
在另一可能的实施例中，还包括：通过二值化处理将灰度图像转化为黑白图像，在进行图像比对，这里可以通过调用对应的图像转换函数以及图像比对函数实现。
在一可能的实施方式中，所述基于所述二值图像中各个第五像素点的第五像素值，生成所述每帧待检测图像和每帧所述其他待检测图像的差异度，包括：
基于所述二值图像中各个第五像素点的第五像素值，对所述二值图像进行腐蚀膨化处理，得到目标二值图；
基于所述目标二值图中各个第六像素点的第六像素值，生成所述每帧待检测图像和每帧所述其他待检测图像的差异度。
其中，行腐蚀膨化能够把一些游离零散的白色点变成黑色点，代表忽略这些零散差异，该步骤可以使得忽略一些零散点对于异常检测结果的影响，减少误差。
承接上述S102，本公开实施例提供的图像处理方法中，还包括：
S103：基于多帧所述待检测图像分别对应的所述差异度信息，从多帧待检测图像中，确定存在异常的目标图像。
本公开实施例中，为了检测图像是否存在异常显示的情况，可以将图像对比作为基础，对待检测图像进行不同维度的操作。例如可以利用跨平台的计算机视觉库(OpenSource Computer Vision Library，OpenCV)和扩展程序库(Numerical Python，NumPy)这两个python库进行图像处理。另一方面可以利用自由软件机器学习库(Scikit-learn，sklearn)中的聚类(KMeans)算法进行对比图像分类，从而筛选标记出异常图像。其中，可以利用OpenCV的轮廓检测(find Contours)算法进行轮廓提取和轮廓面积计算、用颜色空间转换(cvt Color)算法进行颜色空间转换，比如将图像格式从RGB颜色模式转换成GRAY颜色模式或者YCrCb颜色模式。NumPy支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。本公开实施例中主要利用NumPy对图像矩阵进行计算变换，忽略两张对比图的细微差异。sklearn是用于Python语言的自由软件机器学习库，具有及其丰富的机器学习算法，比如各种分类、回归和聚类算法。本公开实施例主要利用sklearn中的KMeans算法进行对比图像分类，将明显与其他图像有差异的图像分为一类，并判断为异常图像。
在本公开实施例中，例如可以采用下述方式基于多帧所述待检测图像分别对应的所述差异度信息，从多帧待检测图像中，确定存在异常的目标图像：
基于每帧待检测图像和其他待检测图像之间的差异度的大小，对所述差异度进行聚类，得到多个差异度分类；每个差异度分类中包括：多个差异度；
从多个差异度分类中，确定目标差异度分类；其中，所述目标差异度分类中包括的各个目标差异度的值、大于非目标差异度分类中包括的差异度的值；
基于所述目标差异度分类中各个目标差异度分别对应的第一待检测图像、和第二待检测图像，确定所述目标图像。
其中，对差异度进行聚类指的是通过对所述多个差异度进行分析，确定出所述差异度的数值满足预设标准的差异度分类。
具体的，可以根据差异度的数值大小，对所述多个差异度进行聚类分析，得到多个分类；选取所述多个差异度集合中数值最大的差异度集合为差异度分类。
示例性的，差异度信息可以分为三类，分别为：无差异、因客观因素有些许差异、有重大差异。设有N张待检测图像，进行两两对比，将会得到M＝N*(N-1)/2个差异度结果，利用OpenCV的Kmeans算法进行差异度分类：按差异度从小到大分为ABC三个差异度分类，A类的差异度最小，代表两帧待检测图像没有差别，B类代表两帧待检测图像有一定的差异，但属于可接受范围，C类差异度最大，代表两帧待检测图像差异巨大，其中有一帧待检测图像的画面表现异常。此时，可以将C类作为目标差异度分类。
另一种实施例中，当A、B两类差异度的差值与B、C两类差异度的差值较大时，可以将M个差异度结果重新划分为D、E两个差异度分类，其中D类差异度较小，代表两帧待检测图像没有差别或差别极小；E类差异度较大，其中有一帧待检测图像的画面表现异常，此时，可以将E类作为目标差异度分类。
其中，每个差异度分类对应的差异度，例如为该差异度分类下所有差异度的均值。
在本公开实施例中，在确定出目标差异度分类之后，便可以确定出目标差异度分类中每个差异度对应的两帧待检测图像，即第一待检测图像、和第二待检测图像。
本公开实施例例如可以采用下述方式基于所述目标差异度分类中各个目标差异度分别对应的第一待检测图像、和第二待检测图像，确定所述目标图像：
基于所述目标差异度分类中各个差异度分别对应的第一待检测图像、和第二待检测图像，确定可选图像；
并统计所述可选图像对应的目标差异度的数量；
基于各帧可选图像分别对应的目标差异度的数量，从所述可选图像中确定所述目标图像。
示例性的，可以对差异度最大的分类进行分析，若出现某张可选图像与超过该差异度分类中可选图像总数的一定比例的可选图像均进行过比对处理，即该差异度分类中，超过一定比例的差异度信息都对应该可选图像，则认为该可选图像跟大多数可选图像不一样，属于画面表现异常的异常图像。例如，出现某帧可选图像与超过该差异度分类中可选图像总数的三分之二的可选图像均进行过比对处理，则认为该可选图像跟大多数可选图像不一样。通过上述方法可以确定出存在异常的异常图像，并且该种确定方法不限制异常原因，可以对多种异常原因进行分析判断，提高对于异常图像的分析准确度。
参见图2所示，为本公开实施例提供的另一种图像处理方法的流程图，所述方法包括步骤S201～S204，其中：
S201：获取多帧待检测图像；
S202：针对每帧所述待检测图像，基于预设的像素值差值阈值，确定该帧待检测图像与其他待检测图像的差异度信息；所述差异度信息用于表征任意两张图像的差异区域面积相对于完整图像面积的比例；
S203：基于多帧所述待检测图像分别对应的所述差异度信息，从多帧待检测图像中，确定存在异常的目标图像。
其中，步骤S201至步骤S203的描述可以参考步骤S101至步骤S103的描述，并且可以达到相同的技术效果，在此不再赘述。
S204：基于所述目标图像对应的差异度信息，确定所述目标图像的异常原因信息。
其中，所述异常原因信息包括以下一种或多种：贴图缺失异常、模型缺失异常、美术资源表现异常。
在本公开实施例中，例如可以采用下述方式基于所述目标图像对应的差异度信息，确定所述目标图像的异常原因信息：
基于所述目标图像和多帧其他待检测图像分别对应的差异度，确定所述目标图像对应的差异度均值；
将所述差异度均值和预设的差异度阈值进行比对；
基于所述差异度均值和预设的差异度阈值的比对结果，确定所述异常原因信息。
示例性的，由于目标图像与多帧其他图像均有所差异，且差异程度不一，因此为了减少个体差异，可以对多个差异度信息进行均值处理，并基于差异度均值与差异度阈值进行比对，从而确定出差异原因信息。
具体的，所述差异度均值包括：第一差异度均值、以及在去除光照条件下为所述目标图像确定的第二差异度均值；
所述基于所述差异度均值和预设的差异度阈值的比对结果，确定所述异常原因信息，包括：
响应于所述第一差异度均值大于所述差异度阈值，将所述目标图像对应的异常原因信息确定为贴图缺失；
响应于所述第一差异度均值小于或等于所述差异度阈值、且所述第二差异度均值大于所述差异度阈值，将所述目标图像对应的异常原因信息确定为模型缺失；
响应于所述第二差异度均值小于或等于所述差异度阈值，将所述目标图像对应的异常原因信息确定为美术资源表现异常。
示例性的，可以提取所述异常图像的黑色轮廓；并确定所述黑色轮廓的轮廓面积相对于图像面积的轮廓比例；
若所述轮廓比例大于预设的轮廓比例阈值，则确定所述异常图像对应的异常类型为贴图缺失异常。
此外，还可以将所述异常图像与参考图像的光照通道强度调整为一致；
若所述异常图像与所述参考图像的差异度超过预设的差异度阈值，则确定所述异常图像对应的异常类型为模型缺失异常；
若所述异常图像与所述参考图像的差异度未超过预设的差异度阈值，则确定所述异常图像对应的异常类型为美术资源表现异常。
示例性的，可以利用OpenCV对异常图像进行纯黑色提取，即将RGB数值转换为(0,0,0,)，从而可以判断是否为贴图确实造成的黑块异常。若确定非贴图异常，则将异常图像转为YCrCb颜色模式，其中，Y通道即为光照通道，可以将Y通道调整值与非异常图像的Y通道保持一致，再将调整了Y通道后的异常图像转换回RGB模式，并将异常图像和其他非异常图像重新对比，进而可判断是否为模型缺失。当Y通道保持一致时，异常图像与非异常图像的光照会变得相同，此时若还有其他差异，则代表模型缺失。这里，Y通道保持一致就是把异常图像与非异常图像的亮度调成一致，将异常图像与非异常图像均转换成YCrCb颜色模式，并确定其中较亮的图像，即Y通道均值较大的图像，同时把另一较暗的图像Y通道替换成较亮图像的Y通道，这样两张图像的光照就一样了，之后再转回RGB模式进行对比，从而获取差异度信息。
在本公开实施例中，通过上述方法可以标记图像存在异常的具体原因。其例如包括：模型缺失、贴图缺失、或者画面表现异常；画面表现异常例如包括：颜色表现异常，光照表现异常等。
本公开实施例通过利用预设的像素值差值阈值多帧待检测图像之间的差异度信息，该差异度用于表征任意两张图像的差异区域面积相对于完整图像面积的比例，并基于差异度信息确定出存在异常的目标图像，以提高对于异常图像的分析准确度。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思，本公开实施例中还提供了与图像处理方法对应的图像处理装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述图像处理方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图3所示，图3为本公开实施例提供的一种图像处理装置的架构示意图，所述装置包括：获取模块3100、第一确定模块3200、第二确定模块3300；其中，
获取模块3100，用于获取多帧待检测图像；
第一确定模块3200，用于针对每帧所述待检测图像，基于预设的像素值差值阈值，确定该帧待检测图像与其他待检测图像的差异度信息；所述差异度信息用于表征任意两张图像的差异区域面积相对于完整图像面积的比例；
第二确定模块3300，用于基于多帧所述待检测图像分别对应的所述差异度信息，从多帧待检测图像中，确定存在异常的目标图像。
一种可选的实施方式中，参照图6所示，图6为本公开实施例所提供的图像处理装置中，第二确定模块的具体示意图；所述第二确定模块3300包括：
聚类单元3310，用于基于每帧待检测图像和其他待检测图像之间的差异度的大小，对所述差异度进行聚类，得到多个差异度分类；每个差异度分类中包括：多个差异度；
第三确定单元3320，用于从多个差异度分类中，确定目标差异度分类；其中，所述目标差异度分类中包括的各个目标差异度的值、大于非目标差异度分类中包括的差异度的值；
第四确定单元3330，用于基于所述目标差异度分类中各个目标差异度分别对应的第一待检测图像、和第二待检测图像，确定所述目标图像。
一种可选的实施方式中，所述基第四确定单元3330具体用于：
基于所述目标差异度分类中各个差异度分别对应的第一待检测图像、和第二待检测图像，确定可选图像；
并统计所述可选图像对应的目标差异度的数量；
基于各帧可选图像分别对应的目标差异度的数量，从所述可选图像中确定所述目标图像。
一种可选的实施方式中，所述获取模块3100具体用于：
在目标虚拟场景中的预设位姿条件下，获取多帧备选图像；
基于多帧备选图像分别对应的属性信息，从所述多帧备选图像中确定所述待检测图像；其中，所述属性信息包括下述至少一种：获取所述备选图像的终端设备的设备配置信息、所述备选图像的分辨率。
一种可选的实施方式中，参照图4所示，图4为本公开实施例所提供的图像处理装置中，第一确定模块的具体示意图。所述第一确定模块3200包括：
第一确定单元3210，用于基于所述每帧待检测图像中各个第一像素点分别对应的第一像素值、以及每帧所述其他待检测图像中的各个第二像素点分别对应的第二像素值，确定差值图像；所述差值图像中任一第三像素点的第三像素值，为对应位置的第一像素点的第一像素值、和对应位置的第二像素点的第二像素值的差值的绝对值；
第二确定单元3220，用于基于所述差值图像中各个第三像素点分别对应的第三像素值、和预设像素值差值阈值，确定所述每帧待检测图像和每帧所述其他待检测图像的差异度。
一种可选的实施方式中，参照图5所示，图5为本公开实施例所提供的第一确定模块中，第二确定单元的具体示意图；所述第二确定单元3220包括：
生成子单元3221，用于基于所述差值图像中各个第三像素点分别对应的第三像素值、和预设像素值差值阈值，生成差异图像；所述差异图像中各个第四像素点的第四像素值，用于表征对应位置的第三像素点的第三像素值、和所述预设像素值差值阈值之间的大小关系；
转换子单元3222，用于将所述差异图像转换灰度图，并对所述灰度图进行二值化，得到二值图；所述二值图中各个第五像素点的第五像素值，表征位置与该第五像素点对应的第一像素点、和第二像素点是否存在差异；
生成子单元3223，用于基于所述二值图像中各个第五像素点的第五像素值，生成所述每帧待检测图像和每帧所述其他待检测图像的差异度。
一种可选的实施方式中，所述差值图中各个像素点对应的像素值，包括：多个数据通道中每个数据通道分别对应的像素值；
所述生成子单元3223具体用于：
针对所述差值图像中的每个像素点，将该像素点与多个所述数据通道分别对应的像素值、和所述预设像素值差值阈值进行比对；
响应于任一像素点在任一数据通道下的像素值大于所述预设像素值差值阈值，将所述任一像素点在该任一数据通道下对应的差异值确定为第一数值；
响应于所述任一像素点在任一数据通道下的像素值小于或等于所述预设像素值差值阈值，将所述任一像素点在该任一数据通道下对应的差异值确定为第二数值；
基于所述差值图像中各个像素点分别在多个数据通道下的差异值，构成所述差异图像。
一种可选的实施方式中，所述第二确定单元3220具体用于：
基于所述二值图像中各个第五像素点的第五像素值，对所述二值图像进行腐蚀膨化处理，得到目标二值图；
基于所述目标二值图中各个第六像素点的第六像素值，生成所述每帧待检测图像和每帧所述其他待检测图像的差异度。
一种可选的实施方式中，参照图7所示，图7为本公开实施例所提供的另一种图像处理装置的示意图；所述装置还包括：
第三确定模块3400，用于基于所述目标图像对应的差异度信息，确定所述目标图像的异常原因信息。
一种可选的实施方式中，参照图8所示，图8为本公开实施例所提供的另一种图像处理装置中，第三确定模块的具体示意图；所述第三确定模块3400包括：
第五确定单元3410，用于基于所述目标图像和多帧其他待检测图像分别对应的差异度，确定所述目标图像对应的差异度均值；
比对单元3420，用于将所述差异度均值和预设的差异度阈值进行比对；
第六确定单元3430，用于基于所述差异度均值和预设的差异度阈值的比对结果，确定所述异常原因信息。
一种可选的实施方式中，所述差异度均值包括：第一差异度均值、以及在去除光照条件下为所述目标图像确定的第二差异度均值；
所述第六确定单元3430具体用于：
响应于所述第一差异度均值大于所述差异度阈值，将所述目标图像对应的异常原因信息确定为贴图缺失；
响应于所述第一差异度均值小于或等于所述差异度阈值、且所述第二差异度均值大于所述差异度阈值，将所述目标图像对应的异常原因信息确定为模型缺失；
响应于所述第二差异度均值小于或等于所述差异度阈值，将所述目标图像对应的异常原因信息确定为美术资源表现异常。
本公开实施例通过利用预设的像素值差值阈值多帧待检测图像之间的差异度信息，该差异度用于表征任意两张图像的差异区域面积相对于完整图像面积的比例，并基于差异度信息确定出存在异常的目标图像，以提高对于异常图像的分析准确度。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
基于同一技术构思，本公开实施例还提供了一种计算机设备。参照图9所示，为本公开实施例提供的计算机设备的结构示意图，包括处理器901、存储器902、和总线903。其中，存储器902用于存储执行指令，包括内存9021和外部存储器9022；这里的内存9021也称内存储器，用于暂时存放处理器901中的运算数据，以及与硬盘等外部存储器9022交换的数据，处理器901通过内存9021与外部存储器9022进行数据交换，当计算机设备运行时，处理器901与存储器902之间通过总线903通信，使得处理器901在执行以下指令：
获取多帧待检测图像；
针对每帧所述待检测图像，基于预设的像素值差值阈值，确定该帧待检测图像与其他待检测图像的差异度信息；所述差异度信息用于表征任意两张图像的差异区域面积相对于完整图像面积的比例；
基于多帧所述待检测图像分别对应的所述差异度信息，从多帧待检测图像中，确定存在异常的目标图像。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的图像处理方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例所提供的图像处理方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行上述方法实施例中所述的图像处理方法的步骤，具体可参见上述方法实施例，在此不再赘述。
本公开实施例还提供一种计算机程序，该计算机程序被处理器执行时实现前述实施例的任意一种方法。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(SoftwareDevelopmentKit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、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。
所述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。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。
Claims (14)
1.一种图像处理方法，其特征在于，包括：
获取多帧待检测图像；
针对每帧所述待检测图像，基于预设的像素值差值阈值，确定该帧待检测图像与其他待检测图像的差异度信息；所述差异度信息用于表征任意两张图像的差异区域面积相对于完整图像面积的比例；
基于多帧所述待检测图像分别对应的所述差异度信息，从多帧待检测图像中，确定存在异常的目标图像。
2.根据权利要求1所述的图像处理方法，其特征在于，所述基于多帧所述待检测图像分别对应的所述差异度信息，从多帧待检测图像中，确定存在异常的目标图像，包括：
基于每帧待检测图像和其他待检测图像之间的差异度的大小，对所述差异度进行聚类，得到多个差异度分类；每个差异度分类中包括：多个差异度；
从多个差异度分类中，确定目标差异度分类；其中，所述目标差异度分类中包括的各个目标差异度的值、大于非目标差异度分类中包括的差异度的值；
基于所述目标差异度分类中各个目标差异度分别对应的第一待检测图像、和第二待检测图像，确定所述目标图像。
3.根据权利要求2所述的图像处理方法，其特征在于，所述基于所述目标差异度分类中各个目标差异度分别对应的第一待检测图像、和第二待检测图像，确定所述目标图像，包括：
基于所述目标差异度分类中各个差异度分别对应的第一待检测图像、和第二待检测图像，确定可选图像；
并统计所述可选图像对应的目标差异度的数量；
基于各帧可选图像分别对应的目标差异度的数量，从所述可选图像中确定所述目标图像。
4.根据权利要求1-3任一项所述的图像处理方法，其特征在于，所述获取多帧待检测图像，包括：
在目标虚拟场景中的预设位姿条件下，获取多帧备选图像；
基于多帧备选图像分别对应的属性信息，从所述多帧备选图像中确定所述待检测图像；其中，所述属性信息包括下述至少一种：获取所述备选图像的终端设备的设备配置信息、所述备选图像的分辨率。
5.根据权利要求4所述的图像处理方法，其特征在于，所述针对每帧待检测图像，基于预设的像素值差值阈值，确定该帧待检测图像与其他待检测图像的差异度信息，包括：
基于所述每帧待检测图像中各个第一像素点分别对应的第一像素值、以及每帧所述其他待检测图像中的各个第二像素点分别对应的第二像素值，确定差值图像；所述差值图像中任一第三像素点的第三像素值，为对应位置的第一像素点的第一像素值、和对应位置的第二像素点的第二像素值的差值的绝对值；
基于所述差值图像中各个第三像素点分别对应的第三像素值、和预设像素值差值阈值，确定所述每帧待检测图像和每帧所述其他待检测图像的差异度。
6.根据权利要求5所述的图像处理方法，其特征在于，所述基于所述差值图像中各个第三像素点分别对应的像素值、和预设像素值差值阈值，确定所述每帧待检测图像和每帧所述其他待检测图像的差异度，包括：
基于所述差值图像中各个第三像素点分别对应的第三像素值、和预设像素值差值阈值，生成差异图像；所述差异图像中各个第四像素点的第四像素值，用于表征对应位置的第三像素点的第三像素值、和所述预设像素值差值阈值之间的大小关系；
将所述差异图像转换灰度图，并对所述灰度图进行二值化，得到二值图；
所述二值图中各个第五像素点的第五像素值，表征位置与该第五像素点对应的第一像素点、和第二像素点是否存在差异；
基于所述二值图像中各个第五像素点的第五像素值，生成所述每帧待检测图像和每帧所述其他待检测图像的差异度。
7.根据权利要求6所述的图像处理方法，其特征在于，所述差值图中各个像素点对应的像素值，包括：多个数据通道中每个数据通道分别对应的像素值；
所述基于所述差值图像中各个第三像素点分别对应的第三像素值、和预设像素值差值阈值，生成差异图像，包括：
针对所述差值图像中的每个像素点，将该像素点与多个所述数据通道分别对应的像素值、和所述预设像素值差值阈值进行比对；
响应于任一像素点在任一数据通道下的像素值大于所述预设像素值差值阈值，将所述任一像素点在该任一数据通道下对应的差异值确定为第一数值；
响应于所述任一像素点在任一数据通道下的像素值小于或等于所述预设像素值差值阈值，将所述任一像素点在该任一数据通道下对应的差异值确定为第二数值；
基于所述差值图像中各个像素点分别在多个数据通道下的差异值，构成所述差异图像。
8.根据权利要求6所述的图像处理方法，其特征在于，所述基于所述二值图像中各个第五像素点的第五像素值，生成所述每帧待检测图像和每帧所述其他待检测图像的差异度，包括：
基于所述二值图像中各个第五像素点的第五像素值，对所述二值图像进行腐蚀膨化处理，得到目标二值图；
基于所述目标二值图中各个第六像素点的第六像素值，生成所述每帧待检测图像和每帧所述其他待检测图像的差异度。
9.根据权利要求1所述的图像处理方法，其特征在于，所述方法还包括：基于所述目标图像对应的差异度信息，确定所述目标图像的异常原因信息。
10.根据权利要求9所述的图像处理方法，其特征在于，基于所述目标图像对应的差异度信息，确定所述目标图像的异常原因信息，包括：
基于所述目标图像和多帧其他待检测图像分别对应的差异度，确定所述目标图像对应的差异度均值；
将所述差异度均值和预设的差异度阈值进行比对；
基于所述差异度均值和预设的差异度阈值的比对结果，确定所述异常原因信息。
11.根据权利要求10所述的图像处理方法，其特征在于，所述差异度均值包括：第一差异度均值、以及在去除光照条件下为所述目标图像确定的第二差异度均值；
所述基于所述差异度均值和预设的差异度阈值的比对结果，确定所述异常原因信息，包括：
响应于所述第一差异度均值大于所述差异度阈值，将所述目标图像对应的异常原因信息确定为贴图缺失；
响应于所述第一差异度均值小于或等于所述差异度阈值、且所述第二差异度均值大于所述差异度阈值，将所述目标图像对应的异常原因信息确定为模型缺失；
响应于所述第二差异度均值小于或等于所述差异度阈值，将所述目标图像对应的异常原因信息确定为美术资源表现异常。
12.一种图像处理装置，其特征在于，包括：
获取模块，用于获取多帧待检测图像；
第一确定模块，用于针对每帧所述待检测图像，基于预设的像素值差值阈值，确定该帧待检测图像与其他待检测图像的差异度信息；所述差异度信息用于表征任意两张图像的差异区域面积相对于完整图像面积的比例；
第二确定模块，用于基于多帧所述待检测图像分别对应的所述差异度信息，从多帧待检测图像中，确定存在异常的目标图像。
13.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至11任一项所述的图像处理方法的步骤。
14.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至11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 |
|---|---|---|---|
| CN202210706865.4A CN115082400B (zh) | 2022-06-21 | 2022-06-21 | 一种图像处理方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210706865.4A CN115082400B (zh) | 2022-06-21 | 2022-06-21 | 一种图像处理方法、装置、计算机设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115082400A true CN115082400A (zh) | 2022-09-20 |
| CN115082400B CN115082400B (zh) | 2024-10-18 |
Family
ID=83253336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210706865.4A Active CN115082400B (zh) | 2022-06-21 | 2022-06-21 | 一种图像处理方法、装置、计算机设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115082400B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116091405A (zh) * | 2022-11-30 | 2023-05-09 | 武汉极动智能科技有限公司 | 图像处理方法及装置、计算机设备、存储介质 |
| CN116225972A (zh) * | 2023-05-09 | 2023-06-06 | 成都赛力斯科技有限公司 | 图片差异对比方法、装置及存储介质 |
| CN117809255A (zh) * | 2024-01-09 | 2024-04-02 | 广东工程宝科技有限公司 | 一种报修方法及报修系统 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104243978A (zh) * | 2014-09-26 | 2014-12-24 | 广东威创视讯科技股份有限公司 | 图像异常检测装置和方法 |
| CN104536888A (zh) * | 2014-12-24 | 2015-04-22 | 网易（杭州）网络有限公司 | 移动设备的游戏测试方法与系统 |
| KR20160068053A (ko) * | 2014-12-04 | 2016-06-15 | 삼성에스디에스 주식회사 | 디스플레이 장치의 이상 검출 시스템 및 방법 |
| CN106028147A (zh) * | 2016-06-23 | 2016-10-12 | 北京华兴宏视技术发展有限公司 | 视频信号监测方法及视频信号监测系统 |
| CN107888912A (zh) * | 2017-11-22 | 2018-04-06 | 深圳创维－Rgb电子有限公司 | 显示屏显示异常的识别方法及系统 |
| CN109446061A (zh) * | 2018-09-17 | 2019-03-08 | 平安科技（深圳）有限公司 | 一种页面检测方法、计算机可读存储介质及终端设备 |
| CN110597719A (zh) * | 2019-09-05 | 2019-12-20 | 腾讯科技（深圳）有限公司 | 一种用于适配测试的图像聚类方法、装置及介质 |
| CN111325769A (zh) * | 2018-12-13 | 2020-06-23 | 北京嘀嘀无限科技发展有限公司 | 一种目标对象检测方法及装置 |
| CN112766481A (zh) * | 2020-03-13 | 2021-05-07 | 腾讯科技（深圳）有限公司 | 神经网络模型的训练方法、装置及图像检测的方法 |
| CN113271457A (zh) * | 2021-05-13 | 2021-08-17 | 云从科技集团股份有限公司 | 视频数据的异常判断方法及装置、存储介质、控制装置 |
| CN113362270A (zh) * | 2020-03-05 | 2021-09-07 | 西安诺瓦星云科技股份有限公司 | 显示屏画面显示异常监测方法及其装置 |
| CN113407461A (zh) * | 2021-07-20 | 2021-09-17 | 北京达佳互联信息技术有限公司 | 界面测试方法、装置、电子设备及存储介质 |
| CN113421241A (zh) * | 2021-06-23 | 2021-09-21 | 平安国际智慧城市科技股份有限公司 | 异常事件上报方法、装置、计算机设备及存储介质 |
| CN113554592A (zh) * | 2021-06-10 | 2021-10-26 | 苏州芯联成软件有限公司 | 一种图像差异检测方法和装置 |
| CN113660483A (zh) * | 2021-08-05 | 2021-11-16 | 北京飞讯数码科技有限公司 | 一种视频播放质量的实时监控方法、装置和计算机设备 |
| CN113688889A (zh) * | 2021-08-13 | 2021-11-23 | 上海商汤智能科技有限公司 | 异常检测方法、装置、电子设备及计算机可读存储介质 |
| CN113781334A (zh) * | 2021-08-27 | 2021-12-10 | 苏州浪潮智能科技有限公司 | 基于颜色的图像间差异对比方法、装置、终端及存储介质 |
| CN113989531A (zh) * | 2021-10-29 | 2022-01-28 | 北京市商汤科技开发有限公司 | 一种图像处理方法、装置、计算机设备和存储介质 |
-
2022
- 2022-06-21 CN CN202210706865.4A patent/CN115082400B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104243978A (zh) * | 2014-09-26 | 2014-12-24 | 广东威创视讯科技股份有限公司 | 图像异常检测装置和方法 |
| KR20160068053A (ko) * | 2014-12-04 | 2016-06-15 | 삼성에스디에스 주식회사 | 디스플레이 장치의 이상 검출 시스템 및 방법 |
| CN104536888A (zh) * | 2014-12-24 | 2015-04-22 | 网易（杭州）网络有限公司 | 移动设备的游戏测试方法与系统 |
| CN106028147A (zh) * | 2016-06-23 | 2016-10-12 | 北京华兴宏视技术发展有限公司 | 视频信号监测方法及视频信号监测系统 |
| CN107888912A (zh) * | 2017-11-22 | 2018-04-06 | 深圳创维－Rgb电子有限公司 | 显示屏显示异常的识别方法及系统 |
| CN109446061A (zh) * | 2018-09-17 | 2019-03-08 | 平安科技（深圳）有限公司 | 一种页面检测方法、计算机可读存储介质及终端设备 |
| CN111325769A (zh) * | 2018-12-13 | 2020-06-23 | 北京嘀嘀无限科技发展有限公司 | 一种目标对象检测方法及装置 |
| CN110597719A (zh) * | 2019-09-05 | 2019-12-20 | 腾讯科技（深圳）有限公司 | 一种用于适配测试的图像聚类方法、装置及介质 |
| CN113362270A (zh) * | 2020-03-05 | 2021-09-07 | 西安诺瓦星云科技股份有限公司 | 显示屏画面显示异常监测方法及其装置 |
| CN112766481A (zh) * | 2020-03-13 | 2021-05-07 | 腾讯科技（深圳）有限公司 | 神经网络模型的训练方法、装置及图像检测的方法 |
| CN113271457A (zh) * | 2021-05-13 | 2021-08-17 | 云从科技集团股份有限公司 | 视频数据的异常判断方法及装置、存储介质、控制装置 |
| CN113554592A (zh) * | 2021-06-10 | 2021-10-26 | 苏州芯联成软件有限公司 | 一种图像差异检测方法和装置 |
| CN113421241A (zh) * | 2021-06-23 | 2021-09-21 | 平安国际智慧城市科技股份有限公司 | 异常事件上报方法、装置、计算机设备及存储介质 |
| CN113407461A (zh) * | 2021-07-20 | 2021-09-17 | 北京达佳互联信息技术有限公司 | 界面测试方法、装置、电子设备及存储介质 |
| CN113660483A (zh) * | 2021-08-05 | 2021-11-16 | 北京飞讯数码科技有限公司 | 一种视频播放质量的实时监控方法、装置和计算机设备 |
| CN113688889A (zh) * | 2021-08-13 | 2021-11-23 | 上海商汤智能科技有限公司 | 异常检测方法、装置、电子设备及计算机可读存储介质 |
| CN113781334A (zh) * | 2021-08-27 | 2021-12-10 | 苏州浪潮智能科技有限公司 | 基于颜色的图像间差异对比方法、装置、终端及存储介质 |
| CN113989531A (zh) * | 2021-10-29 | 2022-01-28 | 北京市商汤科技开发有限公司 | 一种图像处理方法、装置、计算机设备和存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116091405A (zh) * | 2022-11-30 | 2023-05-09 | 武汉极动智能科技有限公司 | 图像处理方法及装置、计算机设备、存储介质 |
| CN116091405B (zh) * | 2022-11-30 | 2024-01-26 | 武汉极动智能科技有限公司 | 图像处理方法及装置、计算机设备、存储介质 |
| CN116225972A (zh) * | 2023-05-09 | 2023-06-06 | 成都赛力斯科技有限公司 | 图片差异对比方法、装置及存储介质 |
| CN116225972B (zh) * | 2023-05-09 | 2023-07-18 | 成都赛力斯科技有限公司 | 图片差异对比方法、装置及存储介质 |
| CN117809255A (zh) * | 2024-01-09 | 2024-04-02 | 广东工程宝科技有限公司 | 一种报修方法及报修系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115082400B (zh) | 2024-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110544258B (zh) | 图像分割的方法、装置、电子设备和存储介质 | |
| CN115082400B (zh) | 一种图像处理方法、装置、计算机设备及可读存储介质 | |
| US7936377B2 (en) | Method and system for optimizing an image for improved analysis of material and illumination image features | |
| CN109948566B (zh) | 一种基于权重融合与特征选择的双流人脸反欺诈检测方法 | |
| CN113379680B (zh) | 缺陷检测方法、装置、电子设备和计算机可读存储介质 | |
| CN116503388B (zh) | 缺陷检测方法、装置及存储介质 | |
| CN106203461B (zh) | 一种图像处理方法及装置 | |
| US20220198634A1 (en) | Method for selecting a light source for illuminating defects, electronic device, and non-transitory storage medium | |
| CN108734684B (zh) | 动态照明场景的图像背景减除 | |
| CN108875759B (zh) | 一种图像处理方法、装置及服务器 | |
| CN109993202B (zh) | 一种线稿型图形相似度判断方法、电子设备及存储介质 | |
| CN112634312B (zh) | 图像背景处理方法、装置、电子设备及存储介质 | |
| CN115131714A (zh) | 视频图像智能检测分析方法及系统 | |
| US9230188B2 (en) | Objective metric relating to perceptual color differences between images | |
| CN113298753A (zh) | 敏感肌的检测方法、图像处理方法、装置及设备 | |
| CN113840135B (zh) | 色偏检测方法、装置、设备及存储介质 | |
| JP5027201B2 (ja) | テロップ文字領域検出方法，テロップ文字領域検出装置およびテロップ文字領域検出プログラム | |
| Dai et al. | Robust and accurate moving shadow detection based on multiple features fusion | |
| CN116543333A (zh) | 电力系统的目标识别方法、训练方法、装置、设备和介质 | |
| CN105354833A (zh) | 一种阴影检测的方法和装置 | |
| CN116563589A (zh) | 夜间目标检测方法、装置、设备及存储介质 | |
| CN114842228A (zh) | 散斑图分区方法、装置、设备及介质 | |
| Abdusalomov et al. | Robust shadow removal technique for improving image enhancement based on segmentation method | |
| CN114913350A (zh) | 素材查重方法、装置、设备及存储介质 | |
| CN111476253B (zh) | 服装图像分类、图像分类方法、装置及设备 |
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 |