CN115512023A - 一种影视图像后期三维处理系统 - Google Patents
一种影视图像后期三维处理系统 Download PDFInfo
- Publication number
- CN115512023A CN115512023A CN202211235115.XA CN202211235115A CN115512023A CN 115512023 A CN115512023 A CN 115512023A CN 202211235115 A CN202211235115 A CN 202211235115A CN 115512023 A CN115512023 A CN 115512023A
- Authority
- CN
- China
- Prior art keywords
- module
- processing
- post
- film
- template
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 89
- 238000012805 post-processing Methods 0.000 claims abstract description 54
- 238000009877 rendering Methods 0.000 claims abstract description 51
- 230000010354 integration Effects 0.000 claims abstract description 10
- 238000002156 mixing Methods 0.000 claims abstract description 9
- 238000009432 framing Methods 0.000 claims abstract description 6
- 230000006833 reintegration Effects 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 34
- 238000013527 convolutional neural network Methods 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000009193 crawling Effects 0.000 claims description 9
- 238000004141 dimensional analysis Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000007689 inspection 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
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种影视图像后期三维处理系统,其包括:服务器;模板数据库:用于存储影视图像的相应模板信息,且该模板数据库存储在服务器内部;分帧模块:用于将影视图像拆分为多个单独帧;模板录入单元:用于对网络上的影视图像进行录入,并解析模板所使用的后期处理参数;单独帧对比单元:用于将影视图像的单独帧按照光线程度进行分类整理,并进行色差调色处理;后期处理单元:用于对影视图像的单独帧进行后期处理;整合单元:用于对单独帧进行影视图像的重新整合。本发明能通过系统内各个模块单元的配合,实现影视图像后期的自动渲染、调色、三维处理。
Description
技术领域
本发明涉及影视图像后期三维处理相关技术领域,尤其是涉及一种影视图像后期三维处理系统。
背景技术
随着计算机技术的发展,影视作品所呈现出的效果也逐渐提升,好的影视作品不仅可以带来更高的商业价值,同时也可以给人们带来不一样的视觉盛宴。但是现阶段,影视后期处理仍然存在处理速度慢,处理,经过多次处理后的影视作品分辨率低的问题,虽然经过多番处理,但仍无法有效解决画面清晰度与渲染速度的搭配问题。
现有技术中,影视图像的后期制作存在以下问题:
1.影视图像的渲染处理需要人工进行,使得影视图像的后期存在大量的人工成本与大量的时间成本。
2.影视图像需要大量的时间进行拍摄,但拍摄时天气、光线等因素均不相同,因此影视图像中光线程度以及整体背景色存在不对应。
3.影视图像的后期三维制作中,每帧的三维处理需要大量的时间,使得影视图像的制作效率低下。
发明内容
为解决现有技术中的问题,本发明提供一种自动渲染、调色、三维处理的影视图像后期三维处理系统。
为实现上述目的,本发明提供如下技术方案:一种影视图像后期三维处理系统,其包括:
服务器:用于存储影视图像后期三维处理系统的相关数据信息,并提供线上服务;
模板数据库:用于存储影视图像的相应模板信息,且该模板数据库存储在服务器内部;
分帧模块:用于将影视图像拆分为多个单独帧;
模板录入单元:用于对网络上的影视图像进行录入,并解析模板所使用的后期处理参数;
单独帧对比单元:用于将影视图像的单独帧按照光线程度进行分类整理,并进行色差调色处理;
后期处理单元:用于对影视图像的单独帧进行后期处理;
整合单元:用于对单独帧进行影视图像的重新整合。
优选的技术方案:所述模板录入单元包括爬取模块、模板分类模块、单独帧分类模块、渲染解析模块、三维解析模块、调色解析模块;
所述爬取模块用于读取网络中影视图像数据,并将影视图像录入至模板数据库内;
爬取模块是通过网络爬虫,对网络上已有的免费影视图像信息资源进行爬取,从而得到大量的影视图像信息,用于模板数据库的填充。
所述模板分类模块用于对模板数据库内的影视图像进行影视类型分类;
模板分类模块通过爬取模块所爬取到的影视图像的整体处理风格、影视背景等方面,对影视图像信息进行分类;在需要筛选时,能够快速查找所需的影视图像信息。
所述单独帧分类模块用于对影视图像进行分帧处理,并对所有单独帧特征进行标注显示;
影视是由多个帧数图像所组成的,通常影视的帧数为24-48帧,也就是说影视中,每秒的画面为24-48张图像组成,避免帧数过低,影视播放时存在卡顿式或跳跃式的画面。单独帧分类模块通过将影视的整体进行拆分,并通过对单独帧图像的参数进行标注,如光线、色彩、动作等因素,均标注至单独帧上,并将单独帧上传至模板数据库内,用于影视图像的后期处理的相似单独帧处理检索。
所述渲染解析模块用于对所有的单独帧所使用的渲染参数进行解析处理;
渲染解析模块通过对模板数据库内的单独帧的渲染参数解析,能够快速得到单独帧的原图与所使用的渲染参数,使得在影视图像的后期渲染处理时,能够快速对影视图像进行渲染处理。
所述三维解析模块用于对所有的单独帧所使用的三维处理参数进行解析处理;
三维解析模块通过对模板数据库内的单独帧的三维处理参数解析,能够快速得到单独帧的原图与所使用的三维处理参数,使得在影视图像的后期三维处理时,能够快速对影视图像进行三维处理。
所述调色解析模块用于对所有单独帧所使用的调色参数进行解析处理。
调色解析模块通过对模板数据库内的单独帧的调色参数解析,能够快速得到单独帧的原图与所使用的调色参数,使得影视图像的后期调色处理时,能够快速对影视图像进行调色处理。
优选的技术方案:所述单独帧对比单元包括单独帧标号模块、特征分析模块、对比模块;
所述单独帧标号模块用于对影视图像的单独帧进行标号排序处理;
单独帧标号模块通过对待处理影视图像所拆解的单独帧的顺序,对待处理单独帧进行标号,避免后期单独帧进行整合时,顺序错乱,导致影视图像无法使用。
所述特征分析模块用于对需要进行后期处理的影视图像的单独帧进行基础参数解析处理;
对比模块通过对模板数据库内的单独帧参数与待处理单独帧参数进行对比筛选。
特征分析模块通过需处理的单独帧的光线、背景、动作等数据参数,得到待处理单独帧的特征。
对比模块通过特征分析模块所得到的单独帧特征与模板数据库内的模板单独帧特征进行对比,筛选出相似或相同的模板单独帧,并得到模板单独帧的渲染参数、三维处理参数以及调色参数;并将筛选出的模板单独帧参数发送至后期处理单元。
优选的技术方案:所述后期处理单元包括三维模块、调色模块、渲染模块;
所述三维模块用于对待处理单独帧按照模板数据库内对应的单独帧三维参数进行三维处理;
三维模块通过单独帧对比单元的对比模块所传输的模板单独帧参数中的三维处理参数,对待处理单独帧进行后期三维处理。
所述调色模块用于将待处理单独帧按照模板数据库内对应的单独帧调色参数进行调色处理;
调色模块通过单独帧对比单元的对比模块所传输的模板单独帧参数中的调色参数,对待处理单独帧进行后期调色处理。
所述渲染模块用于对待处理单独帧按照模板数据库内对应的单独帧渲染参数进行渲染处理。
渲染模块通过单独帧对比单元的对比模块所传输的模板单独帧参数中的渲染参数,对待处理单独帧进行后期渲染处理。
上述方案中,后期处理单元的三维模块、调色模块、渲染模块能够通过对比模块所得到的后期处理参数,对待处理影视图像的单独帧自动进行后期处理,能够有效的增加影视图像后期制作的效率,并减少企业的人工成本。
优选的技术方案:所述三维模块、调色模块、渲染模块均为多个云处理器组成。
单个处理器对影视图像的单独帧进行三维处理、调色处理、渲染处理时,需要大量的计算内存与处理时间,导致影视图像的后期处理的效率无法得到提升;而多个云处理器通过将影视图像上传至云数据端进行处理,能够通过云处理器的便捷优势与成本优势,以及多个单独帧同时进行处理的优势,增加影视图像后期处理的效率,并降低影视图像后期处理的成本。
优选的技术方案:所述整合单元包括排序模块、去噪模块、分辨率转换模块;
所述排序模块用于将处理完成后的单独帧按照标号进行排序;
当影视图像的单独帧所需的后期处理完成后,将通过排序模块对单独帧按照单独帧标号模块所记录的标号进行排序,并将排序完成后的影视图像进行质检播放。
所述去噪模块通过建立自适应均值滤波进行影视图像的去噪处理;
影视图像在收到各种噪声干扰后,往往会叠加在图像上,产生一些孤立的像素点,图像灰度应该相对连续变化的,一般不会突然变大或者变小;为了解决上述问题,可以通过自适应均值滤波对影视图像进行改善。
所述分辨率转换模块通过建立基于高分辨率的重建算法,将去噪后的影视图像转换为高分辨率图像。
由于自适应均值滤波是一种利用模板对影视图像进行处理的方法,通过模板卷积之后得到新的图像。通过一点和领域内像素点求平均来去除突变的像素点。该方法计算较为简单,速度快,但是会造成影视图像一定程度上的模糊。因此需要通过分辨率转换模块对影视图像的分辨率进行改善;通过对初始单独帧以0.5像素点大小进行微扫,然后将初始单独帧进行复制四个初始单独帧,并以0.5像素点的相互错位,得到的最终单独帧的分辨率将是初始单独帧的2倍及以上;能够有效的增加影视图像的分辨率,并有效的提高了观众的观看体验。
优选的技术方案:其还包括深度卷积神经网络模块;所述深度卷积神经网络模块用于对影视图像的单独帧进行特征分析。
卷积神经网络(Convolutional Neural Networks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深度学习(deeplearning)的代表算法之一。由于卷积神经网络能够进行平移不变分类(shift-invariantclassification),因此也被称为“平移不变人工神经网络(Shift-Invariant ArtificialNeural Networks,SIANN)”。
影视图像后期处理中,大量的单独帧需要处理的数据量太大,导致成本很高,效率很低;影视图像的单独帧在数字化的过程中很难保留原有的特征,导致单独帧特征提取的准确率不高,无法对待处理影视图像单独帧进行有效的且快速的对比。因此需要深度卷积神经网络对大量的影视图像单独帧进行卷积处理;深度卷积神经网络能够有效的将大量的影视图像单独帧降维成小数据量,并且能够有效的保留单独帧的特征,对单独帧进行图像处理;有效的增加了处理效率,并降低了时间成本。
优选的技术方案:所述深度卷积神经网络模块与单独帧分类模块和特征分析模块之间通信连接。
深度卷积网络模块的作用是对模板单独帧与待处理单独帧的特征进行提取,并将模板单独帧的特征存储至模板数据库内,而待处理单独帧特征需要发送至对比模块进行特征对比,因此深度卷积神经网络需要与单独帧分类模块和特征分析模块建立通信连接,使得模板单独帧与待处理单独帧能够快速的进行特征提取与对比;有效的增加了影视图像后期处理的效率,并降低了后期处理的成本。
与现有技术相比,本发明的有益效果是:
1.本发明通过模板数据库内的模板单独帧特征与待处理的单独帧特征进行对比,然后通过渲染模块的多个云处理器,对影视图像的单独帧分别进行快速的渲染处理,有效的减少了影视图像后期的渲染成本,并有效的提高了渲染处理的效率。
2.本发明通过模板数据库内的模板单独帧特征与待处理的单独帧特征进行对比,然后通过调色模块的多个云处理器,对影视图像的单独帧分别进行快速的调色处理,有效的减少了影视图像中光源与背景色不对应的问题。
3.本发明通过模板数据库内的模板单独帧特征与待处理的单独帧特征进行对比,然后通过三维模块的多个云处理器,对影视图像的单独帧分别进行快速的三维处理,有效的提高了影视图像的三维处理效率。
4.本发明通过深度卷积神经网络模块,使得影视图像后期三维处理系统的模板单独帧与待处理单独帧能够快速得到对应特征,并通过对比模块对模板单独帧和待处理单独帧的对比筛选,能够有效的增加影视图像后期处理的效率。
附图说明
图1为本发明一种影视图像后期三维处理系统的整体框架结构示意图。
图2为本发明一种影视图像后期三维处理系统模板录入单元的整体框架结构示意图。
图3为本发明一种影视图像后期三维处理系统单独帧对比单元的整体框架结构示意图。
图4为本发明一种影视图像后期三维处理系统后期处理单元的整体框架结构示意图。
图5为本发明一种影视图像后期三维处理系统整合单元的整体框架结构示意图。
具体实施方式
参照图1至图5对本发明一种影视图像后期三维处理系统的实施例进一步说明。
一种影视图像后期三维处理系统,其包括:服务器:用于存储影视图像后期三维处理系统的相关数据信息,并提供线上服务;模板数据库:用于存储影视图像的相应模板信息,且该模板数据库存储在服务器内部;分帧模块:用于将影视图像拆分为多个单独帧;模板录入单元:用于对网络上的影视图像进行录入,并解析模板所使用的后期处理参数;单独帧对比单元:用于将影视图像的单独帧按照光线程度进行分类整理,并进行色差调色处理;后期处理单元:用于对影视图像的单独帧进行后期处理;整合单元:用于对单独帧进行影视图像的重新整合。
所述模板录入单元包括爬取模块、模板分类模块、单独帧分类模块、渲染解析模块、三维解析模块、调色解析模块;所述爬取模块用于读取网络中影视图像数据,并将影视图像录入至模板数据库内;所述模板分类模块用于对模板数据库内的影视图像进行影视类型分类;
所述单独帧分类模块用于对影视图像进行分帧处理,并对所有单独帧特征进行标注显示;所述渲染解析模块用于对所有的单独帧所使用的渲染参数进行解析处理;所述三维解析模块用于对所有的单独帧所使用的三维处理参数进行解析处理;所述调色解析模块用于对所有单独帧所使用的调色参数进行解析处理。
所述单独帧对比单元包括单独帧标号模块、特征分析模块、对比模块;所述单独帧标号模块用于对影视图像的单独帧进行标号排序处理;所述特征分析模块用于对需要进行后期处理的影视图像的单独帧进行基础参数解析处理;对比模块通过对模板数据库内的单独帧参数与待处理单独帧参数进行对比筛选。
所述后期处理单元包括三维模块、调色模块、渲染模块;所述三维模块用于对待处理单独帧按照模板数据库内对应的单独帧三维参数进行三维处理;所述调色模块用于将待处理单独帧按照模板数据库内对应的单独帧调色参数进行调色处理;所述渲染模块用于对待处理单独帧按照模板数据库内对应的单独帧渲染参数进行渲染处理。
所述三维模块、调色模块、渲染模块均为多个云处理器组成。
所述整合单元包括排序模块、去噪模块、分辨率转换模块;所述排序模块用于将处理完成后的单独帧按照标号进行排序;所述去噪模块通过建立自适应均值滤波进行影视图像的去噪处理;所述分辨率转换模块通过建立基于高分辨率的重建算法,将去噪后的影视图像转换为高分辨率图像。
其还包括深度卷积神经网络模块;所述深度卷积神经网络模块用于对影视图像的单独帧进行特征分析。所述深度卷积神经网络模块与单独帧分类模块和特征分析模块之间通信连接
本发明使用过程如下:影视图像后期三维处理系统在空闲时,将通过模板录入单元的爬取模块,对网络上已有的影视图像进行爬取,并将所爬取的影视图像传送至模板分类模块;模板分类模块通过对影视图像的名称、领域、导演、年份进行分类;然后将分类完成的影视图像发送至单独帧分类模块。
单独帧分类模块通过对所爬取的影视图像进行模板单独帧的拆分,并通过与深度卷积神经网络模块的通信连接,将模板单独帧进行深度卷积处理,得到模板单独帧的特征值,并将该特征值发送至模板数据库内进行保存。
渲染解析模块通过读取模板数据库内的模板单独帧,对模板单独帧进行渲染参数的解析,得到模板单独帧的渲染参数数据,并将渲染参数数据存储至模板数据库内;三维解析模块通过读取模板数据库内的模板单独帧,对模板单独帧进行三维参数的解析,得到模板单独帧的三维处理参数数据,并将三维处理参数数据存储至模板数据库内;调色解析模块通过读取模板数据库内的模板单独帧,对模板单独帧进行调色参数的解析,得到模板单独帧的调色参数数据,并将调色参数数据存储至模板数据库内。
工作人员在将待处理的影视图像裁剪完成后,通过分帧模块对待处理的影视图像进行分帧处理,得到多个单独帧,并将单独帧发送至单独帧对比单元进行处理。
单独帧对比单元通过单独帧标号模块对待处理单独帧按照影视图像的顺序进行标号处理;然后通过特征分析模块对待处理单独帧进行特征分析处理;特征分析模块与深度卷积神经网络模块通信连接,因此待处理单独帧将由深度卷积神经网络进行特征值的深度卷积处理;并将深度卷积处理后得到的待处理单独帧特征值发送至对比模块。
对比模块将通过读取待处理单独帧的特征值,对模板数据库内的模板单独帧特征值进行对比筛选,并筛选出与待处理单独帧特征值最为接近的模板单独帧特征值进行匹配,然后读取模板单独帧的调色参数数据、三维处理参数数据、渲染参数数据,并将上述数据发送至后期处理单元。
后期处理单元的三维模块、调色模块、渲染模块将对待处理单独帧进行均分,并通过对应的模板单独帧的参数数据,对待处理单独帧进行三维处理、渲染处理、调色处理。由于后期处理单元的三维模块、渲染模块、调色模块均有多个云处理器,因此待处理单独帧将会按照顺序依次进行后期处理;并让待处理单独帧在处理完后,进行交叉互换,保证待处理单独帧的后期处理效果与完善度。
通过后期处理后的待处理单独帧将传输至整合单元;整合单元的排序模块将通过待处理单独帧的标号进行排序,避免待处理单独帧顺序错误,影响影视图像的完整性。
然后通过去噪模块,对影视图像进行去噪处理。因为影视图像在收到各种噪声干扰后,往往会叠加在影视图像上,产生一些孤立的像素点,图像灰度应该相对连续变化的,一般不会突然变大或者变小;而去噪模块能够通过自适应均值滤波对待处理影视图像进行画面改善。
然后再通过分辨率转换模块,增加影视图像的分辨率,提高影视图像的清晰度。因为自适应均值滤波是一种利用模板对影视图像进行处理的方法,通过模板卷积之后得到新的图像。通过一点和领域内像素点求平均来去除突变的像素点。该方法计算较为简单,速度快,但是会造成影视图像一定程度上的模糊。因此需要通过分辨率转换模块对影视图像的分辨率进行改善;通过对初始单独帧以0.5像素点大小进行微扫,然后将初始单独帧进行复制四个初始单独帧,并以0.5像素点的相互错位,得到的最终单独帧的分辨率将是初始单独帧的2倍及以上;能够有效的增加影视图像的分辨率,并有效的提高了观众的观看体验。至此完成影视图像的后期三维、渲染、调色处理。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,应当指出的是,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种影视图像后期三维处理系统,其特征在于:其包括:
服务器:用于存储影视图像后期三维处理系统的相关数据信息,并提供线上服务;
模板数据库:用于存储影视图像的相应模板信息,且该模板数据库存储在服务器内部;
分帧模块:用于将影视图像拆分为多个单独帧;
模板录入单元:用于对网络上的影视图像进行录入,并解析模板所使用的后期处理参数;
单独帧对比单元:用于将影视图像的单独帧按照光线程度进行分类整理,并进行色差调色处理;
后期处理单元:用于对影视图像的单独帧进行后期处理;
整合单元:用于对单独帧进行影视图像的重新整合。
2.根据权利要求1所述的一种影视图像后期三维处理系统,其特征在于:所述模板录入单元包括爬取模块、模板分类模块、单独帧分类模块、渲染解析模块、三维解析模块、调色解析模块;
所述爬取模块用于读取网络中影视图像数据,并将影视图像录入至模板数据库内;
所述模板分类模块用于对模板数据库内的影视图像进行影视类型分类;
所述单独帧分类模块用于对影视图像进行分帧处理,并对所有单独帧特征进行标注显示;
所述渲染解析模块用于对所有的单独帧所使用的渲染参数进行解析处理;
所述三维解析模块用于对所有的单独帧所使用的三维处理参数进行解析处理;
所述调色解析模块用于对所有单独帧所使用的调色参数进行解析处理。
3.根据权利要求1所述的一种影视图像后期三维处理系统,其特征在于:所述单独帧对比单元包括单独帧标号模块、特征分析模块、对比模块;
所述单独帧标号模块用于对影视图像的单独帧进行标号排序处理;
所述特征分析模块用于对需要进行后期处理的影视图像的单独帧进行基础参数解析处理;
对比模块通过对模板数据库内的单独帧参数与待处理单独帧参数进行对比筛选。
4.根据权利要求1所述的一种影视图像后期三维处理系统,其特征在于:所述后期处理单元包括三维模块、调色模块、渲染模块;
所述三维模块用于对待处理单独帧按照模板数据库内对应的单独帧三维参数进行三维处理;
所述调色模块用于将待处理单独帧按照模板数据库内对应的单独帧调色参数进行调色处理;
所述渲染模块用于对待处理单独帧按照模板数据库内对应的单独帧渲染参数进行渲染处理。
5.根据权利要求4所述的一种影视图像后期三维处理系统,其特征在于:所述三维模块、调色模块、渲染模块均为多个云处理器组成。
6.根据权利要求1所述的一种影视图像后期三维处理系统,其特征在于:所述整合单元包括排序模块、去噪模块、分辨率转换模块;
所述排序模块用于将处理完成后的单独帧按照标号进行排序;
所述去噪模块通过建立自适应均值滤波进行影视图像的去噪处理;
所述分辨率转换模块通过建立基于高分辨率的重建算法,将去噪后的影视图像转换为高分辨率图像。
7.根据权利要求1所述的一种影视图像后期三维处理系统,其特征在于:其还包括深度卷积神经网络模块;所述深度卷积神经网络模块用于对影视图像的单独帧进行特征分析。
8.根据权利要求7所述的一种影视图像后期三维处理系统,其特征在于:所述深度卷积神经网络模块与单独帧分类模块和特征分析模块之间通信连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211235115.XA CN115512023A (zh) | 2022-10-10 | 2022-10-10 | 一种影视图像后期三维处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211235115.XA CN115512023A (zh) | 2022-10-10 | 2022-10-10 | 一种影视图像后期三维处理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115512023A true CN115512023A (zh) | 2022-12-23 |
Family
ID=84507822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211235115.XA Pending CN115512023A (zh) | 2022-10-10 | 2022-10-10 | 一种影视图像后期三维处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115512023A (zh) |
-
2022
- 2022-10-10 CN CN202211235115.XA patent/CN115512023A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ying et al. | From patches to pictures (PaQ-2-PiQ): Mapping the perceptual space of picture quality | |
Liu et al. | Robust video super-resolution with learned temporal dynamics | |
CN108229526B (zh) | 网络训练、图像处理方法、装置、存储介质和电子设备 | |
CN106920229B (zh) | 图像模糊区域自动检测方法及系统 | |
CN110210542B (zh) | 图片文字识别模型训练方法、装置及文字识别系统 | |
CN110930356B (zh) | 一种工业二维码无参考质量评估系统及方法 | |
TWI764240B (zh) | 智慧型影片編輯方法及系統 | |
US10417772B2 (en) | Process to isolate object of interest in image | |
WO2023138590A1 (zh) | 无参考的视频质量确定方法、装置、设备和存储介质 | |
CN112686258A (zh) | 体检报告信息结构化方法、装置、可读存储介质和终端 | |
CN110827312A (zh) | 一种基于协同视觉注意力神经网络的学习方法 | |
CN110599453A (zh) | 一种基于图像融合的面板缺陷检测方法、装置及设备终端 | |
CN112085017A (zh) | 基于显著性检测和Grabcut算法的茶叶嫩芽图像分割方法 | |
CN113297420A (zh) | 视频图像处理方法、装置、存储介质及电子设备 | |
CN113901928A (zh) | 一种基于动态超分辨率的目标检测方法、输电线路部件检测方法及系统 | |
CN111369477A (zh) | 一种针对视频恢复任务的预分析和工具自适应的方法 | |
CN115861614A (zh) | 一种基于羽绒服图像的自动生成语义分割图的方法和装置 | |
CN116665092A (zh) | 基于ia-yolov7的污水悬浮物识别方法及系统 | |
CN114358204A (zh) | 基于自监督的无参考图像质量评估方法及系统 | |
CN114972246A (zh) | 一种基于深度学习的模切产品表面缺陷检测方法 | |
WO2024125312A1 (zh) | 一种画质识别方法、装置、设备、存储介质及产品 | |
KR102178238B1 (ko) | 회전 커널을 이용한 머신러닝 기반 결함 분류 장치 및 방법 | |
CN112070181A (zh) | 一种基于图像流的协同检测方法及装置、存储介质 | |
CN115512023A (zh) | 一种影视图像后期三维处理系统 | |
CN114550069B (zh) | 一种基于深度学习的仔猪乳头计数方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20221223 |