CN115100228B - 图像处理方法、系统、可读存储介质及计算机设备 - Google Patents
图像处理方法、系统、可读存储介质及计算机设备 Download PDFInfo
- Publication number
- CN115100228B CN115100228B CN202210875531.XA CN202210875531A CN115100228B CN 115100228 B CN115100228 B CN 115100228B CN 202210875531 A CN202210875531 A CN 202210875531A CN 115100228 B CN115100228 B CN 115100228B
- Authority
- CN
- China
- Prior art keywords
- image
- point
- order
- processing
- pixel points
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 181
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 39
- 230000009467 reduction Effects 0.000 claims description 25
- 238000009499 grossing Methods 0.000 claims description 22
- 230000001186 cumulative effect Effects 0.000 claims description 13
- 238000005315 distribution function Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000001629 suppression Effects 0.000 description 6
- 230000033228 biological regulation Effects 0.000 description 5
- 238000003708 edge detection Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012552 review Methods 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种图像处理方法、系统、可读存储介质及计算机设备,方法包括:接收终端设备所传递的图像处理任务,并解析出图像处理任务中的任务描述文件以及多个待处理图像和待组合图像;对待处理图像进行一阶图像处理,以得到一阶图像,其中,一阶图像包括人物轮廓图像、人脸轮廓图像以及物体轮廓图像中至少一种;对一阶图像进行二阶图像处理,以得到符合要求的二阶图像,其中,二阶图像处理包括色阶调整处理以及直方图均衡处理中至少一种;筛选出各待组合图像中符合预设组合要求的目标图像,并基于任务描述文件在线程池中调用对应的工作线程;通过工作线程和任务描述文件将目标图像和二阶图像进行图像处理及图像组合,以得到对应的组合图像。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种图像处理方法、系统、可读存储介质及计算机设备。
背景技术
随着科技的飞速发展和人们生活水平的提高,图像的应用范围也越来越广泛。
随着互联网的迅速发展,互联网信息量越来越大,导致网络环境中图像数据也越来越庞大,为了确保信息的合法性和规范性,则需要对网络环境中的网络图像进行审核。
现有技术中,针对网络图像的审核过程中,需要工作人员对每个图像进行人工判断以及人工筛查,将不符合规定的图像进行修改、删除以及筛选等操作。导致该审核过程极其枯燥,影响工作人员的判断以及工作效率,并且也很容易导致工作人员出现疏漏,导致图像流入网络环境中,造成不必要的影响。
发明内容
基于此,本发明的目的是提供一种图像处理方法、系统、可读存储介质及计算机设备,以至少解决上述技术中的不足。
本发明提出一种图像处理方法,包括:
接收终端设备所传递的图像处理任务,并解析出所述图像处理任务中的任务描述文件以及多个待处理图像和待组合图像;
对所述待处理图像进行一阶图像处理,以得到一阶图像,其中,所述一阶图像包括人物轮廓图像、人脸轮廓图像以及物体轮廓图像中至少一种;
对所述一阶图像进行二阶图像处理,以得到符合要求的二阶图像,其中,所述二阶图像处理包括色阶调整处理以及直方图均衡处理中至少一种;
筛选出各所述待组合图像中符合预设组合要求的目标图像,并基于所述任务描述文件在线程池中调用对应的工作线程;
通过所述工作线程和所述任务描述文件将所述目标图像和所述二阶图像进行图像处理及图像组合,以得到对应的组合图像。
进一步的,对所述待处理图像进行一阶图像处理,以得到一阶图像的步骤包括:
将所述待处理图像转换成灰度图像,并对所述灰度图像进行降噪平滑处理,以得到第一处理图像;
对所述第一处理图像进行一阶偏导处理,并选取符合边缘阈值的所述第一处理图像的边缘图像数据;
对所述第一处理图像的边缘图像数据进行二阶偏导处理,以得到对应的梯度幅值和方向,并对所述梯度幅值进行非极大值抑制处理,以得到第二处理图像;
对所述第二处理图像依次进行边缘检测及边缘连接,以得到所述一阶图像。
进一步的,对所述待处理图像进行一阶图像处理,以得到一阶图像的步骤包括:
将所述待处理图像转换成灰度图像,并对所述灰度图像依次进行降噪平滑处理以及像素点标记,以得到所述灰度图像中的目标像素点及其他像素点;
分别计算出所述目标像素点和所述其他像素点的特征值,并基于所述特征值以所述目标像素点为中心点在所述灰度图像中框选出特征框区域;
将所述特征框区域的灰度图像转换为所述一阶图像。
进一步的,对所述一阶图像进行二阶图像处理,以得到符合要求的二阶图像的步骤包括:
识别出所述一阶图像中的各区间图像数据,并通过线性调整规则依次对各区间图像数据进行色阶调整,以得到多个线性区间图像数据;
将各所述线性区间图像数据进行整体色阶调整,以得到图像亮区数据;
将所述图像亮区数据从所述一阶图像中删除,以得到二阶图像。
进一步的,对所述一阶图像进行二阶图像处理,以得到符合要求的二阶图像的步骤包括:
识别出所述一阶图像的所有像素点,并将所述所有像素点转换为H等颜色空间、S等颜色空间、以及L等颜色空间;
计算出所述L等颜色空间的颜色直方图以及对应的累计分布函数,并根据所述累计分布函数调整所述颜色直方图的分布范围,以得到调整后的L等颜色空间;
将所述调整后的L等颜色空间、所述H等颜色空间以及所述S等颜色空间转换为对应的像素点,进而得到图像峰值数据;
将所述图像峰值数据从所述一阶图像中删除,以得到二阶图像。
进一步的,基于所述任务描述文件在线程池中调用对应的工作线程的步骤包括:
解析出所述任务描述文件中的文件处理数量,并根据所述文件处理数量计算出所述任务描述文件的线程调用系数;
根据所述线程调用系数在所述线程池中调用对应的工作线程。
本发明还提出一种图像处理系统,包括:
任务获取模块,用于接收终端设备所传递的图像处理任务,并解析出所述图像处理任务中的任务描述文件以及多个待处理图像和待组合图像;
一阶处理模块,用于对所述待处理图像进行一阶图像处理,以得到一阶图像,其中,所述一阶图像包括人物轮廓图像、人脸轮廓图像以及物体轮廓图像中至少一种;
二阶处理模块,用于对所述一阶图像进行二阶图像处理,以得到符合要求的二阶图像,其中,所述二阶图像处理包括色阶调整处理以及直方图均衡处理中至少一种;
线程调用模块,用于筛选出各所述待组合图像中符合预设组合要求的目标图像,并基于所述任务描述文件在线程池中调用对应的工作线程;
图像组合模块,用于通过所述工作线程和所述任务描述文件将所述目标图像和所述二阶图像进行图像处理及图像组合,以得到对应的组合图像。
进一步的,所述一阶处理模块包括:
第一图像处理单元,用于将所述待处理图像转换成灰度图像,并对所述灰度图像进行降噪平滑处理,以得到第一处理图像;
一阶偏导处理单元,用于对所述第一处理图像进行一阶偏导处理,并选取符合边缘阈值的所述第一处理图像的边缘图像数据;
二阶偏导处理单元,用于对所述第一处理图像的边缘图像数据进行二阶偏导处理,以得到对应的梯度幅值和方向,并对所述梯度幅值进行非极大值抑制处理,以得到第二处理图像;
第二图像处理单元,用于对所述第二处理图像依次进行边缘检测及边缘连接,以得到所述一阶图像。
进一步的,所述一阶处理模块包括:
像素点标记单元,用于将所述待处理图像转换成灰度图像,并对所述灰度图像依次进行降噪平滑处理以及像素点标记,以得到所述灰度图像中的目标像素点及其他像素点;
特征值计算单元,用于分别计算出所述目标像素点和所述其他像素点的特征值,并基于所述特征值以所述目标像素点为中心点在所述灰度图像中框选出特征框区域;
图像转换单元,用于将所述特征框区域的灰度图像转换为所述一阶图像。
进一步的,所述二阶处理模块包括:
图像识别单元,用于识别出所述一阶图像中的各区间图像数据,并通过线性调整规则依次对各区间图像数据进行色阶调整,以得到多个线性区间图像数据;
色阶调整单元,用于将各所述线性区间图像数据进行整体色阶调整,以得到图像亮区数据;
数据删除单元,用于将所述图像亮区数据从所述一阶图像中删除,以得到二阶图像。
进一步的,所述二阶处理模块包括:
像素点识别单元,用于识别出所述一阶图像的所有像素点,并将所述所有像素点转换为H等颜色空间、S等颜色空间、以及L等颜色空间;
直方图均衡单元,用于计算出所述L等颜色空间的颜色直方图以及对应的累计分布函数,并根据所述累计分布函数调整所述颜色直方图的分布范围,以得到调整后的L等颜色空间;
数据转换单元,用于将所述调整后的L等颜色空间、所述H等颜色空间以及所述S等颜色空间转换为对应的像素点,进而得到图像峰值数据;
数据处理单元,用于将所述图像峰值数据从所述一阶图像中删除,以得到二阶图像。
进一步的,所述线程调用模块包括:
文件解析单元,用于解析出所述任务描述文件中的文件处理数量,并根据所述文件处理数量计算出所述任务描述文件的线程调用系数;
线程调用单元,用于根据所述线程调用系数在所述线程池中调用对应的工作线程。
本发明还提出一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的图像处理方法。
本发明还提出一种计算机设备,包括存储器、处理器以及存储在所述存储器上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上述的图像处理方法。
本发明当中的图像处理方法、系统、可读存储介质及计算机设备,通过对图像处理任务中的待处理图像进行一阶图像处理,以增强待处理图像中人物轮廓、人脸轮廓以及物体轮廓,并将上述的一阶图像进行二阶图像处理,进一步将一阶图像中不符合要求的数据删除,进而利用图像处理任务中的目标图像与该二阶图像进行图像处理和图像组合,进而得到组合图像,通过多层次的图像处理步骤完成图像处理,进而避免人工审核出现的疏漏,提升工作效率。
附图说明
图1为本发明第一实施例中的图像处理方法的流程图;
图2为图1中步骤S102的详细流程图;
图3为图1中步骤S102的另一种实施方式的详细流程图;
图4为图1中步骤S103的详细流程图;
图5为图1中步骤S103的另一种实施方式的详细流程图;
图6为图1中步骤S104的详细流程图;
图7为本发明第二实施例中的图像处理系统的结构框图;
图8为本发明第三实施例中的计算机设备的结构框图。
主要元件符号说明:
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当元件被称为“固设于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
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发明的技术领域的技术人员通常理解的含义相同。本文中在本发明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,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
请参阅图1,所示为本发明第一实施例中的图像处理方法,所述方法具体包括步骤S101~S105:
S101,接收终端设备所传递的图像处理任务,并解析出所述图像处理任务中的任务描述文件以及多个待处理图像和待组合图像;
需要说明的是,所述终端设备为手机、平板电脑、笔记本电脑以及计算机等具有通信功能的设备,在本实施例中,所述终端设备将需要进行处理和/或修改的待处理图像、待组合图像以及相关的任务描述文件整合成图像处理任务,其中,所述待组合图像用于替换所述待处理图像中需要处理和/或修改的部分,所述任务描述文件包括但不限于该待处理图像的数量以及该待处理图像中需要处理和/或修改的部分的位置表述等,示例而非限定:假设某个人物图像中,其上衣存在不符合规定的信息,将该人物图像作为待处理图像,在多个符合规定的上衣图像作为组合图像,因此,需要将多个符合规定的上衣图像替换该人物图像中的上衣,将任务描述文件为:待处理图像-“人物图像”、待组合图像-“多个符合规定的上衣图像”、处理和/或修改的部分-“该人物图像的上衣”。
S102,对所述待处理图像进行一阶图像处理,以得到一阶图像,其中,所述一阶图像包括人物轮廓图像、人脸轮廓图像以及物体轮廓图像中至少一种;
进一步的,请参阅图2,所述步骤S102具体包括步骤S1021~S1024:
S1021,将所述待处理图像转换成灰度图像,并对所述灰度图像进行降噪平滑处理,以得到第一处理图像;
S1022,对所述第一处理图像进行一阶偏导处理,并选取符合边缘阈值的所述第一处理图像的边缘图像数据;
S1023,对所述第一处理图像的边缘图像数据进行二阶偏导处理,以得到对应的梯度幅值和方向,并对所述梯度幅值进行非极大值抑制处理,以得到第二处理图像;
S1024,对所述第二处理图像依次进行边缘检测及边缘连接,以得到所述一阶图像。
在具体实施时,将上述的待处理图像转换成灰度图像,并通过图像降噪算法对该灰度图像进行降噪平滑处理,该图像降噪算法为高斯滤波算法、傅里叶变换算法或硬阈值滤波算法中一种或多种组合,在本实施例中采用高斯滤波算法,将降噪平滑处理后的灰度图像作为第一处理图像;
进一步的,为了得到该第一处理图像的梯度幅值和梯度方向,将上述的第一处理图像输入至预先学习好的卷积神经网络模型中,对该第一处理图像的每个像素点进行卷积运算,并选取符合边缘阈值(该阈值用于确定该第一处理图像的边缘位置,由用户执行设定或系统自动生成)的边缘图像数据;
在本实施例中,利用上述预先学习好的卷积神经网络模型对上述得到的边缘图像数据进行二阶偏导处理,基于二阶导数的过零点计算出对应的梯度幅值和方向,即边缘灰度值的变化程度和变化方向;由于经过滤波平滑处理后,会存在边缘放大的情况,因此,需要在得到对应的梯度幅值和方向后,对梯度幅值进行非极大值抑制处理,过滤掉不属于边缘的点,使边缘的宽度尽可能为1个像素点,当一个像素点属于边缘时,其在梯度方向上的梯度值是最大的。
具体的,在本实施例中,采用上下阈值来对上述得到的第二处理图像进行边缘检测,在完成非极大值抑制后,会得到一个二值图像,非边缘的点的灰度值均为0,但还存在着包含了很多由噪声及其他原因造成的假边缘。因此在本实施例中,当边缘像素的梯度值高于高阈值时,将其标记为强边缘像素;当边缘像素的梯度值在高阈值和低阈值之间时,将其标记为弱边缘像素;当边缘像素的梯度值低于低阈值时,则直接将其抑制;并且,为了避免弱边缘像素受到噪声以及颜色变化影响,在本实施例中,将获取以该边缘像素为中心点,搜寻其10个邻域像素,只要该10个邻域像素中存在一个强边缘像素,则将该弱边缘像素保留,通过将上述保留的弱边缘像素和上述的强边缘像素进行连接,进而得到整个边缘图像,即一阶图像。
作为所述步骤S102的另一种实施方式,请参阅图3,所述步骤S102还具体包括步骤S1121~S1123:
S1121,将所述待处理图像转换成灰度图像,并对所述灰度图像依次进行降噪平滑处理以及像素点标记,以得到所述灰度图像中的目标像素点及其他像素点;
S1122,分别计算出所述目标像素点和所述其他像素点的特征值,并基于所述特征值以所述目标像素点为中心点在所述灰度图像中框选出特征框区域;
S1123,将所述特征框区域的灰度图像转换为所述一阶图像。
在具体实施时,对上述的待处理图像进行灰度化处理,进而得到灰度图像,并通过图像降噪算法对该灰度图像进行降噪平滑处理,该图像降噪算法为高斯滤波算法、傅里叶变换算法或硬阈值滤波算法中一种或多种组合,在本实施例中采用高斯滤波算法;
进一步的,将降噪平滑处理后的灰度图像进行像素点标记,在本实施例中,将降噪平滑处理后的灰度图像的中心点作为目标像素点X 1,将降噪平滑处理后的灰度图像中亮度值最大的点作为第一其他像素点,以该第一其他像素点为像素框的第一计算点Y 1,以该第一计算点Y 1进行反向延伸,以该第一计算点Y 1和该目标像素点X 1的距离为延伸距离,得到该像素框的第二计算点Y 2;以第一计算点Y 1和第二计算点Y 2进行平行延伸,进而得到该像素框的第三计算点Y 3和第四计算点Y 4,并将上述的第一计算点Y 1、第二计算点Y 2、第三计算点Y 3以及第四计算点Y 4作为其他像素点,并分别将目标像素点分别与各其他像素点的灰度值进行对比计算,得到该目标像素点与各其他像素点的特征值Z 1、Z 2、Z 3、Z 4,即Z 1= X 1- Y 1、Z 2= X 2- Y 2、Z 3= X 3- Y 3、Z 4= X 4- Y 4;
进一步的,当某个其他像素点与目标像素点的特征值小于特征阈值,以该其他像素点为中心点,计算4个邻域像素点与目标像素点的特征值,将特征值大于特征阈值、且数值最大的领域像素点替换该其他像素点,例如:当Z 1小于特征阈值时,则以第一计算点Y 1为中心点计算4个邻域像素点,并计算4个领域像素点与目标像素点的特征值,并将其中特征值大于特征阈值、且数值最大的特征值所对应的邻域像素点替换第一计算点Y 1。
以目标像素点为中心点,替换的计算点为边界点在所述灰度图像中框选出特征框区域,将该特征框区域的灰度图像还原成颜色图像,并将还原后的颜色图像作为一阶图像。
S103,对所述一阶图像进行二阶图像处理,以得到符合要求的二阶图像,其中,所述二阶图像处理包括色阶调整处理以及直方图均衡处理中至少一种;
进一步的,请参阅图4,所述步骤S103具体包括步骤S1031~S1033:
S1031,识别出所述一阶图像中的各区间图像数据,并通过线性调整规则依次对各区间图像数据进行色阶调整,以得到多个线性区间图像数据;
S1032,将各所述线性区间图像数据进行整体色阶调整,以得到图像亮区数据;
S1033,将所述图像亮区数据从所述一阶图像中删除,以得到二阶图像。
在具体实施时,识别出上述一阶图像中的各亮度区间(RedChannel、GreenChannel、BlueChannel)的区间图像数据,通过线性调整规则(在本实施例中采用单通道色阶调整函数)对上述得到的各亮度区间的区间图像数据进行色阶调整,以使各区间数据趋于线性,进而得到多个线性区间图像数据;
进一步的,将各线性区间图像数据中整个亮度区间(RGBedChannel)进行整体色阶调整,并将调整完成的各线性区间图像数据中超过亮度阈值的数据划分为图像亮区数据,并将其从一阶图像中删除,进而得到二阶图像。
需要说明的是,在本实施例中,该图像亮区数据为该一阶图像中需要进行处理和/或修改的图像区域。
作为所述步骤S103的另一种实施方式,请参阅图5,所述步骤S103还具体包括步骤S1131~S1134:
S1131,识别出所述一阶图像的所有像素点,并将所述所有像素点转换为H等颜色空间、S等颜色空间、以及L等颜色空间;
S1132,计算出所述L等颜色空间的颜色直方图以及对应的累计分布函数,并根据所述累计分布函数调整所述颜色直方图的分布范围,以得到调整后的L等颜色空间;
S1133,将所述调整后的L等颜色空间、所述H等颜色空间以及所述S等颜色空间转换为对应的像素点,进而得到图像峰值数据;
S1134,将所述图像峰值数据从所述一阶图像中删除,以得到二阶图像。
在具体实施时,识别出上述一阶图像的所有像素点,并将所有像素点转换成H等颜色空间、S等颜色空间、以及L等颜色空间,其中,H为色相、S为饱和度、L为亮度;
进一步的,计算出上述亮度等颜色空间的颜色直方图以及对应的累计分布函数,即对上述亮度等颜色空间进行彩色直方图均衡化,进而得到调整后亮度等颜色空间,并将调整后的亮度等颜色空间、色相等颜色空间以及饱和度等颜色空间转换为对应的像素点,并得到对应的图像峰值数据,将该图像峰值数据从一阶图像中删除,进而得到二阶图像。
需要说明的是,该图像峰值数据为该一阶图像中需要进行处理和/或修改的图像区域。
S104,筛选出各所述待组合图像中符合预设组合要求的目标图像,并基于所述任务描述文件在线程池中调用对应的工作线程;
进一步的,请参阅图6,所述步骤S104具体包括步骤S1041~S1042:
S1041,解析出所述任务描述文件中的文件处理数量,并根据所述文件处理数量计算出所述任务描述文件的线程调用系数;
S1042,根据所述线程调用系数在所述线程池中调用对应的工作线程。
在具体实施时,基于上述二阶图像中删除的数据,在各待组合图像中找到符合组合要求(该组合要求为网络环境中的规定)的目标图像,可以理解的,能够预先根据网络环境的规定建立组合数据库,并利用组合数据库对各所述待组合图像进行就筛选;
进一步的,解析出上述任务描述文件中各文件的处理数量Ӑ,并获取线程池中所有线程的最大处理总量й,并根据所有线程的最大处理总量й和各文件的处理数量Ӑ计算出调用比值Ê,并根据调用比值Ê找到对应的线程调用系数С,在本实施例中,通过预先建立调用比值Ê与线程调用系数С的映射表,当获取到上述任务描述文件中各文件的处理数量时,根据线程池中所有线程的最大处理总量й计算出调用比值Ê,进而通过查表的方式得到对应的线程调用系数С,示例而非限定,以下为处理数量与线程调用系数映射表的部分示例:
由上表可知,当各文件的处理数量Ӑ和所有线程的最大处理总量й的比值(即调用比值Ê)小于0.3时,对应的线程调用系数С为0.5,意味着各文件并不需要调用过多的线程即可完成。
进一步的,获取线程池中线程总数գ以及各线程的工作状态λ,并利用上述线程调用系数С以及该线程池中线程总数գ计算出对应的线程调用数量Ѱ:
С*գ=Ѱ;
根据上述线程调用数量Ѱ和各线程的工作状态λ在所述线程池中调用对应的工作线程;需要说明的是,线程的工作状态包括该线程当前使用率,例如:当某个线程的使用率为第一使用阈值时(在本实施例中,第一使用阈值为0~40%,该阈值可以由用户设定或系统自动生成),标记该线程的工作状态为初始状态;当某个线程的使用率为第二使用阈值(在本实施例中,第二使用阈值为41~65%,该阈值可以由用户设定或系统自动生成)时,标记该线程的工作状态为低运行状态;当某个线程的使用率为第三使用阈值(在本实施例中,第三使用阈值为66~90%,该阈值可以由用户设定或系统自动生成)时,标记该线程的工作状态为高运行状态;当某个线程的使用率为第四使用阈值(在本实施例中,第四使用阈值为91~100%,该阈值可以由用户设定或系统自动生成)时,标记该线程的工作状态为满运行状态。
在本实施例中,当该线程的工作状态为初始状态时,在进行线程调用时,将该线程作为第一调用梯队进行调用;
当该线程的工作状态为低运行状态时,将该线程作为第二调用梯队进行调用;
当该线程的工作状态为高运行状态时,根据线程的调用系数С 的数值决定该线程的调用梯队,示例而非限定,当线程的调用系数С为0.8时,暂停该线程的当前使用进程,将该线程作为第三调用梯队进行调用;当线程的调用系数С不为0.8时,该线程不参与调用;
当该线程的工作状态为满运行状态时,根据线程的调用系数С 的数值决定该线程的调用梯队,示例而非限定,当线程的调用系数С为1.0时,暂停该线程的当前使用进程,将该线程作为第四调用梯队进行调用;当线程的调用系数С不为1.0时,该线程不参与调用。
S105,通过所述工作线程和所述任务描述文件将所述目标图像和所述二阶图像进行图像处理及图像组合,以得到对应的组合图像。
在具体实施时,获取上述任务描述文件中图像组合方式,并通过上述调用的工作线程和图像组合方式将上述的目标图像与二阶图像进行图像处理及图像组合,进而得到对应的组合图像;
具体的,利用工作线程将二阶图像作为编辑图像输入至已训练的生成式对抗网络结构中,以使该网络结构将目标图像与该编辑图像进行组合,并平衡目标图像与编辑图像的色彩,校正目标图像与编辑图像的颜色,对目标图像与编辑图像的颜色空间进行约束,形成所述组合图像,在本实施例中,对目标图像与编辑图像的颜色空间进行约束采用均方差loss函数。
综上,本发明上述实施例中的图像处理方法,通过对图像处理任务中的待处理图像进行一阶图像处理,以增强待处理图像中人物轮廓、人脸轮廓以及物体轮廓,并将上述的一阶图像进行二阶图像处理,进一步将一阶图像中不符合要求的数据删除,进而利用图像处理任务中的目标图像与该二阶图像进行图像处理和图像组合,进而得到组合图像,通过多层次的图像处理步骤完成图像处理,进而避免人工审核出现的疏漏,提升工作效率。
实施例二
本发明另一方面还提出一种图像处理系统,请参阅图7,所示为本发明第二实施例中的图像处理系统,所述系统包括:
任务获取模块11,用于接收终端设备所传递的图像处理任务,并解析出所述图像处理任务中的任务描述文件以及多个待处理图像和待组合图像;
一阶处理模块12,用于对所述待处理图像进行一阶图像处理,以得到一阶图像,其中,所述一阶图像包括人物轮廓图像、人脸轮廓图像以及物体轮廓图像中至少一种;
进一步的,所述一阶处理模块12包括:
第一图像处理单元,用于将所述待处理图像转换成灰度图像,并对所述灰度图像进行降噪平滑处理,以得到第一处理图像;
一阶偏导处理单元,用于对所述第一处理图像进行一阶偏导处理,并选取符合边缘阈值的所述第一处理图像的边缘图像数据;
二阶偏导处理单元,用于对所述第一处理图像的边缘图像数据进行二阶偏导处理,以得到对应的梯度幅值和方向,并对所述梯度幅值进行非极大值抑制处理,以得到第二处理图像;
第二图像处理单元,用于对所述第二处理图像依次进行边缘检测及边缘连接,以得到所述一阶图像。
在一些可选实施例中,所述一阶处理模块12包括:
像素点标记单元,用于将所述待处理图像转换成灰度图像,并对所述灰度图像依次进行降噪平滑处理以及像素点标记,以得到所述灰度图像中的目标像素点及其他像素点;
特征值计算单元,用于分别计算出所述目标像素点和所述其他像素点的特征值,并基于所述特征值以所述目标像素点为中心点在所述灰度图像中框选出特征框区域;
图像转换单元,用于将所述特征框区域的灰度图像转换为所述一阶图像。
二阶处理模块13,用于对所述一阶图像进行二阶图像处理,以得到符合要求的二阶图像,其中,所述二阶图像处理包括色阶调整处理以及直方图均衡处理中至少一种;
进一步的,所述二阶处理模块13包括:
图像识别单元,用于识别出所述一阶图像中的各区间图像数据,并通过线性调整规则依次对各区间图像数据进行色阶调整,以得到多个线性区间图像数据;
色阶调整单元,用于将各所述线性区间图像数据进行整体色阶调整,以得到图像亮区数据;
数据删除单元,用于将所述图像亮区数据从所述一阶图像中删除,以得到二阶图像。
进一步的,所述二阶处理模块13包括:
像素点识别单元,用于识别出所述一阶图像的所有像素点,并将所述所有像素点转换为H等颜色空间、S等颜色空间、以及L等颜色空间;
直方图均衡单元,用于计算出所述L等颜色空间的颜色直方图以及对应的累计分布函数,并根据所述累计分布函数调整所述颜色直方图的分布范围,以得到调整后的L等颜色空间;
数据转换单元,用于将所述调整后的L等颜色空间、所述H等颜色空间以及所述S等颜色空间转换为对应的像素点,进而得到图像峰值数据;
数据处理单元,用于将所述图像峰值数据从所述一阶图像中删除,以得到二阶图像。
线程调用模块14,用于筛选出各所述待组合图像中符合预设组合要求的目标图像,并基于所述任务描述文件在线程池中调用对应的工作线程;
进一步的,所述线程调用模块14包括:
文件解析单元,用于解析出所述任务描述文件中的文件处理数量,并根据所述文件处理数量计算出所述任务描述文件的线程调用系数;
线程调用单元,用于根据所述线程调用系数在所述线程池中调用对应的工作线程。
图像组合模块15,用于通过所述工作线程和所述任务描述文件将所述目标图像和所述二阶图像进行图像处理及图像组合,以得到对应的组合图像。
上述各模块、单元被执行时所实现的功能或操作步骤与上述方法实施例大体相同,在此不再赘述。
本发明实施例所提供的图像处理系统,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,系统实施例部分未提及之处,可参考前述方法实施例中相应内容。
实施例三
本发明还提出一种计算机设备,请参阅图8,所示为本发明第三实施例中的计算机设备,包括存储器10、处理器20以及存储在所述存储器10上并可在所述处理器20上运行的计算机程序30,所述处理器20执行所述计算机程序30时实现上述的图像处理方法。
其中,存储器10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DX存储器等)、磁性存储器、磁盘、光盘等。存储器10在一些实施例中可以是计算机设备的内部存储单元,例如该计算机设备的硬盘。存储器10在另一些实施例中也可以是外部存储装置,例如插接式硬盘,智能存储卡(Smart MediaCard, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,存储器10还可以既包括计算机设备的内部存储单元也包括外部存储装置。存储器10不仅可以用于存储安装于计算机设备的应用软件及各类数据,还可以用于暂时地存储已经输出或者将要输出的数据。
其中,处理器20在一些实施例中可以是电子控制单元 (Electronic ControlUnit,简称ECU,又称行车电脑)、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,用于运行存储器10中存储的程序代码或处理数据,例如执行访问限制程序等。
需要指出的是,图8示出的结构并不构成对计算机设备的限定,在其它实施例当中,该计算机设备可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
本发明实施例还提出一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述的图像处理方法。
本领域技术人员可以理解,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或它们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种图像处理方法,其特征在于,包括:
接收终端设备所传递的图像处理任务,并解析出所述图像处理任务中的任务描述文件以及多个待处理图像和待组合图像;
对所述待处理图像进行一阶图像处理,以得到一阶图像,其中,所述一阶图像包括人物轮廓图像;
对所述一阶图像进行二阶图像处理,以得到符合要求的二阶图像,其中,所述二阶图像处理包括色阶调整处理以及直方图均衡处理中至少一种;
筛选出各所述待组合图像中符合预设组合要求的目标图像,并基于所述任务描述文件在线程池中调用对应的工作线程;
通过所述工作线程和所述任务描述文件将所述目标图像和所述二阶图像进行图像处理及图像组合,以得到对应的组合图像;
其中,对所述待处理图像进行一阶图像处理,以得到一阶图像的步骤包括:
将所述待处理图像转换成灰度图像,并对所述灰度图像依次进行降噪平滑处理以及像素点标记,以得到所述灰度图像中的目标像素点及其他像素点;
其中,对所述灰度图像依次进行降噪平滑处理以及像素点标记,以得到所述灰度图像中的目标像素点及其他像素点的步骤包括:
将降噪平滑处理后的灰度图像的中心点作为目标像素点X 1,并将所述降噪平滑处理后的灰度图像中亮度值最大的点作为第一其他像素点,以所述第一其他像素点作为像素框的第一计算点Y 1;
以所述第一计算点Y 1进行反向延伸,并以所述第一计算点Y 1和所述目标像素点X 1的距离为延伸距离,以得到所述像素框的第二计算点Y 2;
以所述第一计算点Y 1和所述第二计算点Y 2进行平行延伸,以得到所述像素框的第三计算点Y 3和第四计算点Y 4,并将所述第一计算点Y 1、所述第二计算点Y 2、所述第三计算点Y 3以及所述第四计算点Y 4作为其他像素点;
分别计算出所述目标像素点和所述其他像素点的特征值,并基于所述特征值以所述目标像素点为中心点在所述灰度图像中框选出特征框区域;
其中,分别计算出所述目标像素点和所述其他像素点的特征值,并基于所述特征值以所述目标像素点为中心点在所述灰度图像中框选出特征框区域的步骤包括:
将所述目标像素点X 1分别与各所述其他像素点的灰度值进行对比计算,得到所述目标像素点和各所述其他像素点的特征值;
当某个其他像素点与目标像素点X 1的特征值小于特征阈值时,以该其他像素点为中心点,计算4个邻域像素点与目标像素点X 1的特征值,将特征值大于特征阈值、且数值最大的邻域像素点替换该其他像素点;
以所述目标像素点X 1为中心点,替换的计算点为边界点在所述灰度图像中框选出特征框区域;
将所述特征框区域的灰度图像转换为所述一阶图像;
其中,所述二阶图像处理为色阶调整处理,对所述一阶图像进行二阶图像处理,以得到符合要求的二阶图像的步骤包括:
识别出所述一阶图像中的各区间图像数据,并通过线性调整规则依次对各区间图像数据进行色阶调整,以得到多个线性区间图像数据;
将各所述线性区间图像数据进行整体色阶调整,以得到图像亮区数据;
将所述图像亮区数据从所述一阶图像中删除,以得到二阶图像;
其中,所述二阶图像处理为直方图均衡处理,对所述一阶图像进行二阶图像处理,以得到符合要求的二阶图像的步骤包括:
识别出所述一阶图像的所有像素点,并将所述所有像素点转换为H、S、L颜色空间,其中, H为色相、S为饱和度、L为亮度;
计算出所述亮度颜色空间的颜色直方图以及对应的累计分布函数,并根据所述累计分布函数调整所述颜色直方图的分布范围,以得到调整后的亮度颜色空间;
将所述调整后的亮度颜色空间、所述色相颜色空间以及所述饱和度颜色空间转换为对应的像素点,进而得到图像峰值数据;
将所述图像峰值数据从所述一阶图像中删除,以得到二阶图像。
2.根据权利要求1所述的图像处理方法,其特征在于,基于所述任务描述文件在线程池中调用对应的工作线程的步骤包括:
解析出所述任务描述文件中的文件处理数量,并根据所述文件处理数量计算出所述任务描述文件的线程调用系数;
根据所述线程调用系数在所述线程池中调用对应的工作线程。
3.一种图像处理系统,其特征在于,包括:
任务获取模块,用于接收终端设备所传递的图像处理任务,并解析出所述图像处理任务中的任务描述文件以及多个待处理图像和待组合图像;
一阶处理模块,用于对所述待处理图像进行一阶图像处理,以得到一阶图像,其中,所述一阶图像包括人物轮廓图像;
二阶处理模块,用于对所述一阶图像进行二阶图像处理,以得到符合要求的二阶图像,其中,所述二阶图像处理包括色阶调整处理以及直方图均衡处理中至少一种;
线程调用模块,用于筛选出各所述待组合图像中符合预设组合要求的目标图像,并基于所述任务描述文件在线程池中调用对应的工作线程;
图像组合模块,用于通过所述工作线程和所述任务描述文件将所述目标图像和所述二阶图像进行图像处理及图像组合,以得到对应的组合图像;
其中,所述一阶处理模块包括:
像素点标记单元,用于将所述待处理图像转换成灰度图像,并对所述灰度图像依次进行降噪平滑处理以及像素点标记,以得到所述灰度图像中的目标像素点及其他像素点;
所述像素点标记单元具体用于:
将降噪平滑处理后的灰度图像的中心点作为目标像素点X 1,并将所述降噪平滑处理后的灰度图像中亮度值最大的点作为第一其他像素点,以所述第一其他像素点作为像素框的第一计算点Y 1;
以所述第一计算点Y 1进行反向延伸,并以所述第一计算点Y 1和所述目标像素点X 1的距离为延伸距离,以得到所述像素框的第二计算点Y 2;
以所述第一计算点Y 1和所述第二计算点Y 2进行平行延伸,以得到所述像素框的第三计算点Y 3和第四计算点Y 4,并将所述第一计算点Y 1、所述第二计算点Y 2、所述第三计算点Y 3以及所述第四计算点Y 4作为其他像素点;
特征值计算单元,用于分别计算出所述目标像素点和所述其他像素点的特征值,并基于所述特征值以所述目标像素点为中心点在所述灰度图像中框选出特征框区域;
所述特征值计算单元具体用于:
将所述目标像素点X 1分别与各所述其他像素点的灰度值进行对比计算,得到所述目标像素点和各所述其他像素点的特征值;
当某个其他像素点与目标像素点X 1的特征值小于特征阈值时,以该其他像素点为中心点,计算4个邻域像素点与目标像素点X 1的特征值,将特征值大于特征阈值、且数值最大的邻域像素点替换该其他像素点;
以所述目标像素点X 1为中心点,替换的计算点为边界点在所述灰度图像中框选出特征框区域;
图像转换单元,用于将所述特征框区域的灰度图像转换为所述一阶图像;
其中,所述二阶图像处理为色阶调整处理,所述二阶处理模块包括:
图像识别单元,用于识别出所述一阶图像中的各区间图像数据,并通过线性调整规则依次对各区间图像数据进行色阶调整,以得到多个线性区间图像数据;
色阶调整单元,用于将各所述线性区间图像数据进行整体色阶调整,以得到图像亮区数据;
数据删除单元,用于将所述图像亮区数据从所述一阶图像中删除,以得到二阶图像;
其中,所述二阶图像处理为直方图均衡处理,所述二阶处理模块包括:
像素点识别单元,用于识别出所述一阶图像的所有像素点,并将所述所有像素点转换为H、S、L颜色空间,其中, H为色相、S为饱和度、L为亮度;
直方图均衡单元,用于计算出所述亮度颜色空间的颜色直方图以及对应的累计分布函数,并根据所述累计分布函数调整所述颜色直方图的分布范围,以得到调整后的亮度颜色空间;
数据转换单元,用于将所述调整后的亮度颜色空间、所述色相颜色空间以及所述饱和度颜色空间转换为对应的像素点,进而得到图像峰值数据;
数据处理单元,用于将所述图像峰值数据从所述一阶图像中删除,以得到二阶图像。
4.一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1至2任一项所述的图像处理方法。
5.一种计算机设备,包括存储器、处理器以及存储在所述存储器上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如权利要求1至2任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210875531.XA CN115100228B (zh) | 2022-07-25 | 2022-07-25 | 图像处理方法、系统、可读存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210875531.XA CN115100228B (zh) | 2022-07-25 | 2022-07-25 | 图像处理方法、系统、可读存储介质及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115100228A CN115100228A (zh) | 2022-09-23 |
CN115100228B true CN115100228B (zh) | 2022-12-20 |
Family
ID=83298885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210875531.XA Active CN115100228B (zh) | 2022-07-25 | 2022-07-25 | 图像处理方法、系统、可读存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115100228B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541659A (zh) * | 2011-12-30 | 2012-07-04 | 重庆新媒农信科技有限公司 | 一种服务器业务请求处理方法和装置 |
US8300890B1 (en) * | 2007-01-29 | 2012-10-30 | Intellivision Technologies Corporation | Person/object image and screening |
CN104834506A (zh) * | 2015-05-15 | 2015-08-12 | 北京北信源软件股份有限公司 | 一种采用多线程处理业务应用的方法 |
KR101886161B1 (ko) * | 2017-12-05 | 2018-08-07 | 엄나래 | Ai 기반 개인 의류 토탈 관리 서비스 제공 방법 |
CN111767924A (zh) * | 2020-07-03 | 2020-10-13 | 杭州睿琪软件有限公司 | 图像处理方法、图像处理装置、电子设备、存储介质 |
CN112419250A (zh) * | 2020-11-13 | 2021-02-26 | 湖北工业大学 | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 |
CN112882818A (zh) * | 2021-03-30 | 2021-06-01 | 中信银行股份有限公司 | 任务动态调整方法、装置以及设备 |
CN114565508A (zh) * | 2022-01-17 | 2022-05-31 | 北京新氧科技有限公司 | 虚拟换装方法及装置 |
CN114661476A (zh) * | 2022-03-31 | 2022-06-24 | 北京金山数字娱乐科技有限公司 | 一种任务处理方法、装置、设备以及存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540040B (zh) * | 2008-03-21 | 2012-12-12 | 深圳迈瑞生物医疗电子股份有限公司 | 自动检测限束器边界的方法与装置 |
CN107330365A (zh) * | 2017-05-27 | 2017-11-07 | 深圳市美好幸福生活安全系统有限公司 | 基于最大稳定极值区域和svm的交通标志识别方法 |
US10922449B2 (en) * | 2018-11-21 | 2021-02-16 | Best Apps, Llc | Computer aided systems and methods for creating custom products |
CN112001852A (zh) * | 2019-05-27 | 2020-11-27 | 株式会社Ntt都科摩 | 图像处理方法、装置和设备 |
RU2019125602A (ru) * | 2019-08-13 | 2021-02-15 | Общество С Ограниченной Ответственностью "Тексел" | Комплексная система и способ для дистанционного выбора одежды |
CN111091107A (zh) * | 2019-12-20 | 2020-05-01 | 广州杰赛科技股份有限公司 | 一种人脸区域边缘检测方法、装置及存储介质 |
CN114338956A (zh) * | 2020-09-30 | 2022-04-12 | 北京小米移动软件有限公司 | 图像处理方法、图像处理装置及存储介质 |
CN113298837B (zh) * | 2021-07-27 | 2021-11-26 | 南昌工程学院 | 一种图像边缘提取方法、装置、存储介质及设备 |
-
2022
- 2022-07-25 CN CN202210875531.XA patent/CN115100228B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8300890B1 (en) * | 2007-01-29 | 2012-10-30 | Intellivision Technologies Corporation | Person/object image and screening |
CN102541659A (zh) * | 2011-12-30 | 2012-07-04 | 重庆新媒农信科技有限公司 | 一种服务器业务请求处理方法和装置 |
CN104834506A (zh) * | 2015-05-15 | 2015-08-12 | 北京北信源软件股份有限公司 | 一种采用多线程处理业务应用的方法 |
KR101886161B1 (ko) * | 2017-12-05 | 2018-08-07 | 엄나래 | Ai 기반 개인 의류 토탈 관리 서비스 제공 방법 |
CN111767924A (zh) * | 2020-07-03 | 2020-10-13 | 杭州睿琪软件有限公司 | 图像处理方法、图像处理装置、电子设备、存储介质 |
CN112419250A (zh) * | 2020-11-13 | 2021-02-26 | 湖北工业大学 | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 |
CN112882818A (zh) * | 2021-03-30 | 2021-06-01 | 中信银行股份有限公司 | 任务动态调整方法、装置以及设备 |
CN114565508A (zh) * | 2022-01-17 | 2022-05-31 | 北京新氧科技有限公司 | 虚拟换装方法及装置 |
CN114661476A (zh) * | 2022-03-31 | 2022-06-24 | 北京金山数字娱乐科技有限公司 | 一种任务处理方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115100228A (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229526B (zh) | 网络训练、图像处理方法、装置、存储介质和电子设备 | |
Celik et al. | Automatic image equalization and contrast enhancement using Gaussian mixture modeling | |
US10769478B2 (en) | Convolutional neutral network identification efficiency increasing method and related convolutional neutral network identification efficiency increasing device | |
JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
KR20100038899A (ko) | 가변 피부색 모델을 이용한 피부색 영역 검출 방법 | |
US11941785B2 (en) | Directional scaling systems and methods | |
US11551336B2 (en) | Chrominance and luminance enhancing systems and methods | |
CN116740728B (zh) | 一种用于晶圆读码器动态获取方法和系统 | |
CN112801049A (zh) | 图像分类方法和装置及设备 | |
CN115100228B (zh) | 图像处理方法、系统、可读存储介质及计算机设备 | |
US20160335517A1 (en) | Line segment and arc detection apparatus | |
CN110223241A (zh) | 一种基于分块统计的直方图均衡方法 | |
CN110232302B (zh) | 一种集成灰度值、空间信息和类别知识的变化检测方法 | |
US10719916B2 (en) | Statistical noise estimation systems and methods | |
CN115393884B (zh) | 一种海图专题信息的提取处理方法、装置及系统 | |
CN112750151B (zh) | 基于数理统计的服装颜色匹配方法、装置和设备 | |
CN117474903B (zh) | 一种图像侵权检测方法、装置、设备及可读存储介质 | |
US20240233094A1 (en) | Directional scaling systems and methods | |
US11321813B2 (en) | Angular detection using sum of absolute difference statistics systems and methods | |
CN115880340A (zh) | 小鼠行为分析方法、装置及电子设备 | |
CN116012314A (zh) | 基于机器视觉的谷糙分界线识别方法、装置、设备及介质 | |
CN116740446A (zh) | 模型训练的方法、装置、终端及存储介质 | |
CN117952878A (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
CN117474875A (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
CN117830762A (zh) | 模型训练方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |