CN115526901B - 一种互联网的大数据图像处理系统 - Google Patents

一种互联网的大数据图像处理系统 Download PDF

Info

Publication number
CN115526901B
CN115526901B CN202211149493.6A CN202211149493A CN115526901B CN 115526901 B CN115526901 B CN 115526901B CN 202211149493 A CN202211149493 A CN 202211149493A CN 115526901 B CN115526901 B CN 115526901B
Authority
CN
China
Prior art keywords
image
small
area
blocks
unit
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
Application number
CN202211149493.6A
Other languages
English (en)
Other versions
CN115526901A (zh
Inventor
姜春风
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin Agricultural Science and Technology College
Original Assignee
Jilin Agricultural Science and Technology College
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin Agricultural Science and Technology College filed Critical Jilin Agricultural Science and Technology College
Priority to CN202211149493.6A priority Critical patent/CN115526901B/zh
Publication of CN115526901A publication Critical patent/CN115526901A/zh
Application granted granted Critical
Publication of CN115526901B publication Critical patent/CN115526901B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • 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
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Editing Of Facsimile Originals (AREA)

Abstract

本发明公开了一种互联网的大数据图像处理系统，包括控制模块、网络模块、存储模块、预处理模块和综合处理模块，所述控制模块控制其他模块有序进行图像处理，所述网络模块为图像处理提供网络支持，所述存储模块对图像进行存储，所述预处理模块将选定的图像进行预处理，所述综合处理模块对预处理的图像再次进行处理，本发明通过分解单元、边缘处理单元、叠加处理单元、隐藏单元和拼接显示单元，对图像进行等分，提取和分割，将需要的图像特征区域提取出来，方便精准的对图像特征区域的处理，节省处理时间，对边缘图像小块进行取舍和分割，对叠加图像进行分开处理，整体处理效果更好。

Description

一种互联网的大数据图像处理系统
技术领域
本发明涉及图像处理技术领域，具体为一种互联网的大数据图像处理系统。
背景技术
在互联网上每时每刻都呈现较多的图像，为了更好的使用图像，常常要对图像进行处理，获取人们需要的图像和特征，图像处理是用计算机对图像进行分析，以达到所需结果的技术，一般指数字图像处理，包括图像压缩、增强和复原、匹配、描述和识别；
但是目前的大数据图像处理系统，在对图像进行处理时，直接对图像的全部内容进行操作，需要处理的图像内容较多，导致在处理图像时需要处理较多无用数据。
发明内容
本发明提供一种互联网的大数据图像处理系统，可以有效解决上述背景技术中提出目前的大数据图像处理系统，在对图像进行处理时，直接对图像的全部内容进行操作，需要处理的图像内容较多，导致在处理图像时需要处理较多无用数据的问题。
为实现上述目的，本发明提供如下技术方案：一种互联网的大数据图像处理系统，包括控制模块、网络模块、存储模块、预处理模块和综合处理模块；
所述控制模块控制其他模块有序进行图像处理，所述网络模块为图像处理提供网络支持，所述存储模块对图像进行存储，所述预处理模块将选定的图像进行预处理，所述综合处理模块对预处理的图像再次进行处理。
根据上述技术方案，所述预处理模块包括分解单元、选择单元、预处理单元和合并单元；
所述分解单元将图像整体等分，使图像分割成若干小块；
所述选择单元在整体的图像中，选择出需要处理的图像内容，并选择处于该图像边缘位置的图像小块；
所述预处理单元对处于边缘的图像小块进行处理，将属于特征的内容分隔出来；
所述合并单元将保留和去除的图像小块分别合并。
根据上述技术方案，所述分解单元在等分图像前，先确定所需的图像特征；
对图像进行等分时，依次进行41等分、42等分、43等分…4n等分，每次等分后，将含有所需特征的图像小块保留，其余图像小块去除，再对含有所需特征的图像小块继续进行下一次等分；
所述图像在等分时，等分后每个图像小块中均含有需要的图像特征，则不再进行等分操作；
图像继续等分的情况由下式计算：
式中，j表示第n次等分后，没有图像特征的图像小块个数；
D(j)为0表示不再继续等分；
D(j)为1表示继续等分；
即，4n等分后，全部图像小块中没有图像特征的图像小块为0，则不再等分，否则继续进行4n+1等分。
根据上述技术方案，所述预处理单元对位于外部的图像小块中特征的外部轮廓进行描绘，然后做图像小块边线的平行线，平行线与图像特征的外部轮廓相交于一点，沿着平行线对图像小块进行切割；
在切割后的两块图像小块中，选择保留具有图像特征的图像小块。
根据上述技术方案，所述综合处理模块包括边缘处理单元、叠加处理单元、隐藏单元和拼接显示单元；
所述边缘处理单元对对位于边缘的图像小块再次进行四等分，然后计算每个小块中特征面积，根据特征面积进行取舍；
所述叠加处理单元对有特征叠加的图像进行分析，对叠加情况进行处理；
所述隐藏单元对图像小块中舍去的内容进行隐藏；
所述拼接显示单元对图像特征内容进行拼接，并整体显示。
根据上述技术方案，所述边缘处理单元，提取边缘位置的图像小块，通过大数据对边缘位置的图像小块中的特征区域面积进行计。
根据上述技术方案，所述特征区域的计算结果如下：
特征区域面积占图像小块整体面积的0-30％(包含30％)，则去除该图像小块的全部内容；
特征区域面积占图像小块整体面积的60％-100％(包含100％)，则全部保留该图像小块的全部内容；
特征区域面积在占图像小块整体面积为30％-60％(包含60％)，则将图像小块中的边缘轮廓离散成直线，对图像小块进行分割。
根据上述技术方案，所述叠加处理单元首先确定图像中图像特征的叠加区域，确定叠加区域的边缘轮廓；
在叠加区域中，设置两个叠加层，按照叠加的上下顺序，对叠加的图像进行恢复，在恢复时，从叠加区域的边缘向叠加区域的中间进行，将两个叠加的图像分别进行恢复；
恢复完成后，再分析两个叠加图像的透明度，设置与原图像相同的透明度后，再将两个分层恢复的叠加图像叠加。
根据上述技术方案，所述隐藏单元将图像中隐藏部分隐藏后使用白色替换；
同时，当保留的图像边缘为白色时，在与白色替换区域交界位置设置虚线分隔。
根据上述技术方案，所述拼接显示单元，将全部提取出来的图像特征内容进行拼接组合，将白色替换区域与图像特征区域进行拼接。
与现有技术相比，本发明的有益效果：
1、通过分解单元对图像整体进行等分，并选择具有图像特征信息的图像小块继续等分，在等分的同时去除没有特征内容的图像小块，保留具有图像特征信息的图像小块，从而将图像等分处理，能够快速去除不需要的图像内容，降低后续图像处理的工作量，使图像处理的难度和时间降低，从而能够更加精准的处理图像。
2、通过在等分后，统计没有图像特征的图像小块，能够确定等分对图像特征的分割情况，从而在分割后全部为有图像特征的图像小块时，不再进行等分，能够对等分情况进行判断，确定合适的等分数量，保证图像能够合理的等分。
3、通过边缘处理单元，在对图像特征区域进一步处理时，通过对边缘图像小块的图像特征占比情况，对图像小块进行取舍和分割处理，从而能够减少较少特征处理带来的麻烦，又能保证图像特征内容较大程度的保留，保证了对图像特征区域的边缘位置的高效处理。
4、通过叠加处理单元，在对叠加的图像区域，能够分层进行恢复，确定好得加区域的边缘轮廓，并在恢复后，将恢复后的图像的透明度设置与原图像一致，再将两个分层恢复的叠加图像进行叠加，不仅能够保证叠加图像的效果，而且能够分层处理叠加区域的图像，使叠加区域的处理更加方便。
5、通过隐藏单元和拼接显示单元，对保留的图像特征区域外的位置替换成白色，方便后续的处理，将全部提取出来的图像特征内容进行拼接组合，将白色替换区域与图像特征区域进行拼接，使图像在处理时也能保持图像的完整。
综上所述，通过分解单元、边缘处理单元、叠加处理单元、隐藏单元和拼接显示单元，对图像进行等分，提取和分割，将需要的图像特征区域提取出来，方便精准的对图像特征区域的处理，节省处理时间，对边缘图像小块进行取舍和分割，对叠加图像进行分开处理，整体处理效果更好。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
在附图中：
图1是本发明的系统结构示意图；
图2是本发明图像的等分示意图；
图3是本发明图像小块的结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：如图1-3所示，本发明提供一种技术方案，一种互联网的大数据图像处理系统，包括控制模块、网络模块、存储模块、预处理模块和综合处理模块；
控制模块控制其他模块有序进行图像处理，网络模块为图像处理提供网络支持，存储模块对图像进行存储，预处理模块将选定的图像进行预处理，综合处理模块对预处理的图像再次进行处理。
根据上述技术方案，预处理模块包括分解单元、选择单元、预处理单元和合并单元；
分解单元将图像整体等分，使图像分割成若干小块；
选择单元在整体的图像中，选择出需要处理的图像内容，并选择处于该图像边缘位置的图像小块；
预处理单元对处于边缘的图像小块进行处理，将属于特征的内容分隔出来；
合并单元将保留和去除的图像小块分别合并。
根据上述技术方案，分解单元在等分图像前，先确定所需的图像特征；
对图像进行等分时，依次进行41等分、42等分、43等分…4n等分，每次等分后，将含有所需特征的图像小块保留，其余图像小块去除，再对含有所需特征的图像小块继续进行下一次等分。
对图像整体进行等分，并选择具有图像特征信息的图像小块继续等分，在等分的同时去除没有特征内容的图像小块，保留具有图像特征信息的图像小块，从而将图像等分处理，能够快速去除不需要的图像内容，降低后续图像处理的工作量，使图像处理的难度和时间降低，从而能够更加精准的处理图像。
图像在等分时，等分后每个图像小块中均含有需要的图像特征，则不再进行等分操作；
在对图像42等分后，通过下式计算：
没有图像特征的图像小块个数j为0；
D(j)为0表示不再继续等分；
在42等分后，不再等分。
在等分后，统计没有图像特征的图像小块，能够确定等分对图像特征的分割情况，从而在分割后全部为有图像特征的图像小块时，不再进行等分，能够对等分情况进行判断，确定合适的等分数量，保证图像能够合理的等分。
根据上述技术方案，预处理单元对位于外部的图像小块中特征的外部轮廓进行描绘，然后做图像小块边线的平行线，平行线与图像特征的外部轮廓相交于一点，沿着平行线对图像小块进行切割；
在切割后的两块图像小块中，选择保留具有图像特征的图像小块。
根据上述技术方案，综合处理模块包括边缘处理单元、叠加处理单元、隐藏单元和拼接显示单元；
边缘处理单元对对位于边缘的图像小块再次进行四等分，然后计算每个小块中特征面积，根据特征面积进行取舍；
叠加处理单元对有特征叠加的图像进行分析，对叠加情况进行处理；
隐藏单元对图像小块中舍去的内容进行隐藏；
拼接显示单元对图像特征内容进行拼接，并整体显示。
根据上述技术方案，边缘处理单元，提取边缘位置的图像小块，通过大数据对边缘位置的图像小块中的特征区域面积进行计。
根据上述技术方案，特征区域的计算结果如下：
特征区域面积占图像小块整体面积的10％，则去除该图像小块的全部内容。
在对图像特征区域进一步处理时，通过对边缘图像小块的图像特征占比情况，对图像小块进行取舍和分割处理，从而能够减少较少特征处理带来的麻烦，又能保证图像特征内容较大程度的保留，保证了对图像特征区域的边缘位置的高效处理。
根据上述技术方案，叠加处理单元首先确定图像中图像特征的叠加区域，确定叠加区域的边缘轮廓；
在叠加区域中，设置两个叠加层，按照叠加的上下顺序，对叠加的图像进行恢复，在恢复时，从叠加区域的边缘向叠加区域的中间进行，将两个叠加的图像分别进行恢复；
恢复完成后，再分析两个叠加图像的透明度，设置与原图像相同的透明度后，再将两个分层恢复的叠加图像叠加。
在对叠加的图像区域，能够分层进行恢复，确定好得加区域的边缘轮廓，并在恢复后，将恢复后的图像的透明度设置与原图像一致，再将两个分层恢复的叠加图像进行叠加，不仅能够保证叠加图像的效果，而且能够分层处理叠加区域的图像，使叠加区域的处理更加方便。
根据上述技术方案，隐藏单元将图像中隐藏部分隐藏后使用白色替换；
同时，当保留的图像边缘为白色时，在与白色替换区域交界位置设置虚线分隔。
根据上述技术方案，拼接显示单元，将全部提取出来的图像特征内容进行拼接组合，将白色替换区域与图像特征区域进行拼接；
对保留的图像特征区域外的位置替换成白色，方便后续的处理，将全部提取出来的图像特征内容进行拼接组合，将白色替换区域与图像特征区域进行拼接，使图像在处理时也能保持图像的完整。
实施例2：如图1-3所示，分解单元在等分图像前，先确定所需的图像特征；
对图像进行等分时，依次进行41等分、42等分、43等分…4n等分，每次等分后，将含有所需特征的图像小块保留，其余图像小块去除，再对含有所需特征的图像小块继续进行下一次等分。
在对图像42等分后，通过下式计算：
没有图像特征的图像小块个数j为3；
D(j)为1表示继续等分；
在42等分后，继续进行43等分。
根据上述技术方案，预处理单元对位于外部的图像小块中特征的外部轮廓进行描绘，然后做图像小块边线的平行线，平行线与图像特征的外部轮廓相交于一点，沿着平行线对图像小块进行切割；
在切割后的两块图像小块中，选择保留具有图像特征的图像小块。
根据上述技术方案，综合处理模块包括边缘处理单元、叠加处理单元、隐藏单元和拼接显示单元；
边缘处理单元对对位于边缘的图像小块再次进行四等分，然后计算每个小块中特征面积，根据特征面积进行取舍；
叠加处理单元对有特征叠加的图像进行分析，对叠加情况进行处理；
隐藏单元对图像小块中舍去的内容进行隐藏；
拼接显示单元对图像特征内容进行拼接，并整体显示。
根据上述技术方案，边缘处理单元，提取边缘位置的图像小块，通过大数据对边缘位置的图像小块中的特征区域面积进行计。
根据上述技术方案，特征区域的计算结果如下：
特征区域面积占图像小块整体面积的80％，则全部保留该图像小块的全部内容。
实施例3：如图1-3所示，分解单元在等分图像前，先确定所需的图像特征；
对图像进行等分时，依次进行41等分、42等分、43等分…4n等分，每次等分后，将含有所需特征的图像小块保留，其余图像小块去除，再对含有所需特征的图像小块继续进行下一次等分。
图像在等分时，等分后每个图像小块中均含有需要的图像特征，则不再进行等分操作；
在对图像43等分后，通过下式计算：
没有图像特征的图像小块个数j为0；
D(j)为0表示不再继续等分；
在43等分后，不再等分。
根据上述技术方案，预处理单元对位于外部的图像小块中特征的外部轮廓进行描绘，然后做图像小块边线的平行线，平行线与图像特征的外部轮廓相交于一点，沿着平行线对图像小块进行切割；
在切割后的两块图像小块中，选择保留具有图像特征的图像小块。
根据上述技术方案，综合处理模块包括边缘处理单元、叠加处理单元、隐藏单元和拼接显示单元；
边缘处理单元对对位于边缘的图像小块再次进行四等分，然后计算每个小块中特征面积，根据特征面积进行取舍；
叠加处理单元对有特征叠加的图像进行分析，对叠加情况进行处理；
隐藏单元对图像小块中舍去的内容进行隐藏；
拼接显示单元对图像特征内容进行拼接，并整体显示。
根据上述技术方案，边缘处理单元，提取边缘位置的图像小块，通过大数据对边缘位置的图像小块中的特征区域面积进行计。
根据上述技术方案，特征区域的计算结果如下：
特征区域面积在占图像小块整体面积为35％，则将图像小块中的边缘轮廓离散成直线，对图像小块进行分割。
根据上述实施例1-3获得的数据制得如下表格：
上述实施例1-3的数据记录，可以看出实施例1-3均符合图像处理系统对特定的图像特征的处理要求，能够根据等分后图像小块中所需特征的情况，对后续等分的判断，合理的对图像进行等分，保证图像信息完整的同时，能够对图像中需要的部分进行快速的提取，能够有效的减少处理的内容，从而减少图像处理的难度和时间，能够处理的更加精准；
同时在进一步对图像进行处理时，通过对边缘图像小块的图像特征占比情况，对图像小块进行取舍和分割处理，从而能够减少较少特征处理带来的麻烦，又能保证图像特征内容较大程度的保留，保证了对图像特征区域的边缘位置的高效处理。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种互联网的大数据图像处理系统，其特征在于：包括控制模块、网络模块、存储模块、预处理模块和综合处理模块；
所述控制模块控制其他模块有序进行图像处理，所述网络模块为图像处理提供网络支持，所述存储模块对图像进行存储，所述预处理模块将选定的图像进行预处理，所述综合处理模块对预处理的图像再次进行处理；
所述预处理模块包括分解单元、选择单元、预处理单元和合并单元；
所述分解单元将图像整体等分，使图像分割成若干小块，所述选择单元在整体的图像中，选择出需要处理的图像内容，并选择处于该图像边缘位置的图像小块，所述预处理单元对处于边缘的图像小块进行处理，将属于特征的内容分隔出来，所述合并单元将保留和去除的图像小块分别合并，所述分解单元在等分图像前，先确定所需的图像特征；
对图像进行等分时，依次进行41等分、42等分、43等分…4n等分，每次等分后，将含有所需特征的图像小块保留，其余图像小块去除，再对含有所需特征的图像小块继续进行下一次等分；
所述图像在等分时，等分后每个图像小块中均含有需要的图像特征，则不再进行等分操作；
图像继续等分的情况由下式计算：
;
式中，j表示第n次等分后，没有图像特征的图像小块个数；
D（j）为0表示不再继续等分；
D（j）为1表示继续等分；
即，4n等分后，全部图像小块中没有图像特征的图像小块为0，则不再等分，否则继续进行4n+1等分；
所述预处理单元对位于外部的图像小块中特征的外部轮廓进行描绘，然后做图像小块边线的平行线，平行线与图像特征的外部轮廓相交于一点，沿着平行线对图像小块进行切割；
在切割后的两块图像小块中，选择保留具有图像特征的图像小块；
所述综合处理模块包括边缘处理单元、叠加处理单元、隐藏单元和拼接显示单元；
所述边缘处理单元对对位于边缘的图像小块再次进行四等分，然后计算每个小块中特征面积，根据特征面积进行取舍，所述叠加处理单元对有特征叠加的图像进行分析，对叠加情况进行处理，所述隐藏单元对图像小块中舍去的内容进行隐藏，所述拼接显示单元对图像特征内容进行拼接，并整体显示；
所述边缘处理单元，提取边缘位置的图像小块，通过大数据对边缘位置的图像小块中的特征区域面积进行计；
所述特征区域的计算结果如下：
特征区域面积占图像小块整体面积的0-30%（包含30%），则去除该图像小块的全部内容；
特征区域面积占图像小块整体面积的60%-100%（包含100%），则全部保留该图像小块的全部内容；
特征区域面积在占图像小块整体面积为30%-60%（包含60%），则将图像小块中的边缘轮廓离散成直线，对图像小块进行分割；
所述叠加处理单元首先确定图像中图像特征的叠加区域，确定叠加区域的边缘轮廓；
在叠加区域中，设置两个叠加层，按照叠加的上下顺序，对叠加的图像进行恢复，在恢复时，从叠加区域的边缘向叠加区域的中间进行，将两个叠加的图像分别进行恢复；
恢复完成后，再分析两个叠加图像的透明度，设置与原图像相同的透明度后，再将两个分层恢复的叠加图像叠加；
所述隐藏单元将图像中隐藏部分隐藏后使用白色替换；
同时，当保留的图像边缘为白色时，在与白色替换区域交界位置设置虚线分隔；
所述拼接显示单元，将全部提取出来的图像特征内容进行拼接组合，将白色替换区域与图像特征区域进行拼接。
CN202211149493.6A 2022-09-21 2022-09-21 一种互联网的大数据图像处理系统 Active CN115526901B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211149493.6A CN115526901B (zh) 2022-09-21 2022-09-21 一种互联网的大数据图像处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211149493.6A CN115526901B (zh) 2022-09-21 2022-09-21 一种互联网的大数据图像处理系统

Publications (2)

Publication Number Publication Date
CN115526901A CN115526901A (zh) 2022-12-27
CN115526901B true CN115526901B (zh) 2024-04-09

Family

ID=84699938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211149493.6A Active CN115526901B (zh) 2022-09-21 2022-09-21 一种互联网的大数据图像处理系统

Country Status (1)

Country Link
CN (1) CN115526901B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101408977A (zh) * 2008-11-24 2009-04-15 东软集团股份有限公司 一种分割候选障碍物区域的方法及装置
CN101499171A (zh) * 2009-02-13 2009-08-05 上海海事大学 面向视频处理的快速目标分割与标识方法
JP2009282365A (ja) * 2008-05-23 2009-12-03 Ricoh Co Ltd 画像形成装置
CN103020630A (zh) * 2012-12-05 2013-04-03 曙光信息产业(北京)有限公司 图像特征的处理方法和装置
JP2013065283A (ja) * 2011-09-02 2013-04-11 Canon Inc 画像処理装置及びその制御方法
CN106940879A (zh) * 2017-03-27 2017-07-11 微鲸科技有限公司 一种图像拼接方法及装置
CN107038707A (zh) * 2016-02-02 2017-08-11 杭州海康威视数字技术股份有限公司 一种图像分割方法及装置
CN107864360A (zh) * 2017-11-15 2018-03-30 秦广民 监控型收音机数据存储方法
CN109978810A (zh) * 2017-12-26 2019-07-05 柴岗 痣的检测方法、系统、设备及存储介质
CN110136064A (zh) * 2019-05-14 2019-08-16 武汉高德红外股份有限公司 一种基于透明图层技术的图像拼接方法及系统
CN110430334A (zh) * 2019-08-02 2019-11-08 陕西师范大学 一种基于扇形构图单元叠加的马赛克拼图伪装及恢复方法
CN111083366A (zh) * 2019-12-25 2020-04-28 眸芯科技（上海）有限公司 基于数据分割的图像处理方法、装置及系统
CN112861836A (zh) * 2019-11-28 2021-05-28 马上消费金融股份有限公司 文本图像处理方法、文本及卡证图像质量评价方法和装置
CN114092430A (zh) * 2021-11-12 2022-02-25 江苏久创电气科技有限公司 一种变电站绝缘设备在线监测ied系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8467606B2 (en) * 2011-08-25 2013-06-18 Eastman Kodak Company Method for segmenting a composite image
US9536167B2 (en) * 2014-12-10 2017-01-03 Ricoh Co., Ltd. Realogram scene analysis of images: multiples for scene analysis
US20170006219A1 (en) * 2015-06-30 2017-01-05 Gopro, Inc. Image stitching in a multi-camera array
US11308628B2 (en) * 2020-04-14 2022-04-19 Adobe Inc. Patch-based image matting using deep learning

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009282365A (ja) * 2008-05-23 2009-12-03 Ricoh Co Ltd 画像形成装置
CN101408977A (zh) * 2008-11-24 2009-04-15 东软集团股份有限公司 一种分割候选障碍物区域的方法及装置
CN101499171A (zh) * 2009-02-13 2009-08-05 上海海事大学 面向视频处理的快速目标分割与标识方法
JP2013065283A (ja) * 2011-09-02 2013-04-11 Canon Inc 画像処理装置及びその制御方法
CN103020630A (zh) * 2012-12-05 2013-04-03 曙光信息产业(北京)有限公司 图像特征的处理方法和装置
CN107038707A (zh) * 2016-02-02 2017-08-11 杭州海康威视数字技术股份有限公司 一种图像分割方法及装置
CN106940879A (zh) * 2017-03-27 2017-07-11 微鲸科技有限公司 一种图像拼接方法及装置
CN107864360A (zh) * 2017-11-15 2018-03-30 秦广民 监控型收音机数据存储方法
CN109978810A (zh) * 2017-12-26 2019-07-05 柴岗 痣的检测方法、系统、设备及存储介质
CN110136064A (zh) * 2019-05-14 2019-08-16 武汉高德红外股份有限公司 一种基于透明图层技术的图像拼接方法及系统
CN110430334A (zh) * 2019-08-02 2019-11-08 陕西师范大学 一种基于扇形构图单元叠加的马赛克拼图伪装及恢复方法
CN112861836A (zh) * 2019-11-28 2021-05-28 马上消费金融股份有限公司 文本图像处理方法、文本及卡证图像质量评价方法和装置
CN111083366A (zh) * 2019-12-25 2020-04-28 眸芯科技（上海）有限公司 基于数据分割的图像处理方法、装置及系统
CN114092430A (zh) * 2021-11-12 2022-02-25 江苏久创电气科技有限公司 一种变电站绝缘设备在线监测ied系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
一种基于变差函数的纹理图像分割方法;吴刚等;电子学报;20010125(第01期);44-47 *
图像校正技术的研究及应用;杨大力等;控制工程;20080520(第S1期);168-171 *
基于仿射变换的图像分块拼接方法;张平梅等;信息技术与信息化;20200210(第01期);61-65 *

Also Published As

Publication number Publication date
CN115526901A (zh) 2022-12-27

Similar Documents

Publication Publication Date Title
CN109472260B (zh) 一种基于深度神经网络的移除图像内台标和字幕的方法
CN106940799B (zh) 文本图像处理方法和装置
CN111260666B (zh) 图像处理方法及装置、电子设备、计算机可读存储介质
CN111666363B (zh) 一种海量高分辨率影像数据切片及质量控制的方法及装置
CN106339984B (zh) 基于k均值驱动卷积神经网络的分布式图像超分辨方法
CN104036529A (zh) 一种刺绣织物意匠颜色的图像分析方法
CN115526901B (zh) 一种互联网的大数据图像处理系统
CN110097059A (zh) 基于生成对抗网络的文档图像二值化方法、系统、装置
CN114841937B (zh) 一种检测汽车轮毂表面缺陷检测方法
CN112070168A (zh) 煤炭分选方法和装置
CN114283442A (zh) 一种二次接线图智能识别方法、装置及存储介质
EP1299857B1 (en) Image processing method and system
KR101121979B1 (ko) 입체 영상 변환 방법 및 입체 영상 변환 장치
CN115937188A (zh) 一种基于改进的YOLOv5和EfficientNet的细胞病理图像异常检测方法
CN109741426B (zh) 一种漫画形式转化方法和装置
CN106780306B (zh) 一种重构稿生成方法及装置
CN114022747B (zh) 基于特征感知的显著目标提取方法
CN111862144A (zh) 一种确定物体移动轨迹分数的方法及装置
CN116821063B (zh) 一种多文件夹页面叠放显示、同步启动方法及系统
CN112487855A (zh) 基于mtcnn网络模型的人脸检测方法及装置、终端
Swamy et al. Skin Disease Classification using Image Preprocessing and Machine Learning
CN109523569A (zh) 一种基于多粒度网络融合的光学遥感图像分割方法和装置
CN116189198B (zh) 文本识别模型训练方法、文本识别方法、装置及存储介质
CN111191550B (zh) 一种基于图像锐度自动动态调整的视觉感知装置及方法
CN110246098B (zh) 一种碎片复原方法

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