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 PDFInfo
- 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
Links
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000011166 aliquoting Methods 0.000 claims description 30
- 238000000354 decomposition reaction Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 4
- 238000004148 unit process Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
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
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。
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)
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)
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 |
-
2022
- 2022-09-21 CN CN202211149493.6A patent/CN115526901B/zh active Active
Patent Citations (14)
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)
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 |