CN115546256A - 图像处理方法、装置及电子设备、存储介质 - Google Patents

图像处理方法、装置及电子设备、存储介质 Download PDF

Info

Publication number
CN115546256A
CN115546256A CN202211381546.7A CN202211381546A CN115546256A CN 115546256 A CN115546256 A CN 115546256A CN 202211381546 A CN202211381546 A CN 202211381546A CN 115546256 A CN115546256 A CN 115546256A
Authority
CN
China
Prior art keywords
image
frame
blocks
block
same
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
Application number
CN202211381546.7A
Other languages
English (en)
Inventor
阮善恩
张上鑫
黄悦
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.)
Zhidao Network Technology Beijing Co Ltd
Original Assignee
Zhidao Network Technology Beijing Co Ltd
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 Zhidao Network Technology Beijing Co Ltd filed Critical Zhidao Network Technology Beijing Co Ltd
Priority to CN202211381546.7A priority Critical patent/CN115546256A/zh
Publication of CN115546256A publication Critical patent/CN115546256A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20224—Image subtraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种图像处理方法、装置及电子设备、存储介质，所述方法包括获取相机中的连续帧图像；根据所述连续帧图像的第N帧图像与第N+1帧图像，计算所述第N帧图像与所述第N+1帧图像两者之间的差分图像；根据所述差分图像中每个图像块的累计灰度值，确定出相同的图像块；遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像。通过本申请实现自动化筛选数据的同时提高了筛选数据的效率。

Description

图像处理方法、装置及电子设备、存储介质
技术领域
本申请涉及图像处理技术领域，尤其涉及一种图像处理方法、装置及电子设备、存储介质。
背景技术
对于固定安装的相机，采集到的连续帧图像中除了目标(车辆，行人等)在运动，图像的背景保持静止。
在对这些图像数据在进行采集标注的时候，通常都希望去掉重复的数据，达到降低成本的效果。相关技术中的一些方法只是通过前后帧做差，统计差分图像的整体灰度累积是否小于一定阈值判断，但是由于图像存在噪声，且RGB图像转灰度图后会丧失通道信息，因此灰度差不能准确反应物体运动的变化。
发明内容
本申请实施例提供了图像处理方法、装置及电子设备、存储介质，以将连续帧图像中静止图像帧删除，从而提高了图像数据的筛选效率。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种图像处理方法，其中，所述方法包括：
获取相机中的连续帧图像；
根据所述连续帧图像的第N帧图像与第N+1帧图像，计算所述第N帧图像与所述第N+1帧图像两者之间的差分图像；
根据所述差分图像中每个图像块的累计灰度值，确定出属于相同的图像块；
遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像。
所述方法还包括：
基于所述第N帧图像，继续遍历所述连续帧图像的第N+2帧…第N+M帧图像，直到将所述连续帧图像中的目标帧图像删除，并建立用于标注的图像数据集，其中，所述目标帧图像包括与相邻帧图像进行判断后，判断为静止状态的图像帧,M、N均为自然数。
在一些实施例中，所述将所述第N+1帧图像删除并保留所述第N帧图像，包括：
遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像判断为静止状态的图像，将所述第N+1帧图像删除并保留所述第N帧图像。
在一些实施例中，所述静止状态的图像包括：图像保持静止的目标帧图像，所述遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像，包括：
遍历所有的所述图像块时，如果所述相同的图像块的数量小于预设阈值，则保留所述第N+1帧图像、所述第N帧图像，其中，所述第N+1帧图像、所述第N帧图像中为非静止状态的图像。
在一些实施例中，所述根据所述差分图像中每个图像块的累计灰度值，确定出属于相同的图像块，包括：
根据所述差分图像中每个图像块的灰度值的累计求和后的灰度平均值，确定出属于相同的图像块。
在一些实施例中，所述根据所述差分图像中每个图像块的累计灰度值，确定出属于相同的图像块，包括：
根据所述差分图像中的每个图像通道，将所述差分图像分成预设m*n的网格块；
根据所述预设m*n的网格块确定所述差分图像的RBG通道图像中每个图像块的大小；
根据所述每个图像块的大小得到所述差分图像中每个图像块(c，i，j)经过累计求和后的灰度平均值，其中c为通道，i，j为块索引；
如果所述累计求和后的灰度平均值小于第一阈值时，则确定属于相同的图像块。
在一些实施例中，所述遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像，包括：
统计所述相同的图像块的数量，计算图像块相似值；
如果所述图像块相似值大于第二阈值时，则将所述第N帧图像与所述第N+1帧图像作为两个相同图像。
第二方面，本申请实施例还提供一种图像处理装置，其中，所述装置包括：
获取模块，用于获取相机中的连续帧图像；
差分图像模块，用于根据所述连续帧图像的第N帧图像与第N+1帧图像，计算所述第N帧图像与所述第N+1帧图像两者之间的差分图像；
灰度值统计模块，用于根据所述差分图像中每个图像块的累计灰度值，确定出属于相同的图像块；
处理模块，用于遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像。
第三方面，本申请实施例还提供一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：获取相机中的连续帧图像，并通过第N帧图像与第N+1帧图像得到差分图像中每个图像块的累计灰度值，确定出属于相同的图像块。在遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则会保留第N帧图像并删除第N+1帧图像。通过区分连续帧图像是否处于静止状态，从而起到了自动化筛选数据的作用，代替人工筛选的同时提高了筛选数据的效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中图像处理方法流程示意图；
图2为本申请实施例中图像处理装置结构示意图；
图3为本申请实施例中图像处理方法中的第N帧图像的示意图；
图4为本申请实施例中图像处理方法中的第N+1帧图像的示意图；
图5为本申请实施例中图像处理方法中的差分图像示意图；
图6为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种图像处理方法，如图1所示，提供了本申请实施例中图像处理方法流程示意图，所述方法至少包括如下的步骤S110至步骤S140：
步骤S110，获取相机中的连续帧图像。
相机可以是路端相机或者其他场景下固定安装的相机，通过相机获取连续帧图像。通常在所述连续帧图像中包括运动目标物以及图像背景，图像背景保持静止，运动目标物包括但不限于车辆行人等。
可以理解，如果长时间未出现运动目标物，则相机中的连续帧图像多为静止图像，如果都使用并进行图像标注，将增加图像重复标注的工作量。
步骤S120，根据所述连续帧图像的第N帧图像与第N+1帧图像，计算所述第N帧图像与所述第N+1帧图像两者之间的差分图像。
所述连续帧图像的第N帧图像与第N+1帧图像，即表示任意两个连续帧。对于第N帧图像与第N+1帧图像，计算出两者之间的差分图像。对于N，M为连续帧图像中的实际数量取值，为自然数，在本申请的实施例中仅为举例。
如图3以及图4所示，示例性地，前后帧图像I1、I2，通常为了加快运算，会将图像统一缩放至640*640大小。同时为了克服图像噪声影响，对图像进行高斯滤波处理，得到
I1＝G(I1)
I2＝G(I2)
如图5所示，对前后帧图像作差取绝对值得到差分图像D＝abs(I1–I2)。
步骤S130，根据所述差分图像中每个图像块的累计灰度值，确定出属于相同的图像块。
可以先确定差分图像中共有多少个图像块，然后再对每个图像块的灰度值进行累计求和。
对差分图像中的每个图像块进行灰度值累计求和并求出平均值，可以得到哪些块属于相同的图像块。或者哪些块具有较高的相似度。
区别于相关技术中通过前后帧做差，然后统计差分图像的灰度累积是否小于一定阈值判断的方式。通过计算每个图像块中的平均灰度值能准确反应物体运动的变化，可以减少图像噪声，同时减少RGB图像通道中通道信息的丧失。
步骤S140，遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像。
遍历所有的图像块，如果相同的图像块的数量大于预设阈值，则对于当前的所述第N+1帧属于静止图像需要进行删除，并且保留所述第N帧图像可以继续与剩下的图像帧进行匹配比较。
通过先将连续帧图像进行分块，然后分别在每一块上对RGB通道分别统计像素差，然后通过阈值判断对应块是否相同，最后统计相同块占全部块的比例，通过比例是否大于阈值判断是否静止，如果静止则删除，否则保留。
在本申请的一个实施例中，方法还包括：基于所述第N帧图像，继续遍历所述连续帧图像的第N+2帧…第N+M帧图像，直到将所述连续帧图像中的目标帧图像删除，并建立用于标注的图像数据集，其中，所述目标帧图像包括与相邻帧图像进行判断后，判断为静止状态的图像帧,M、N均为自然数。
上述对于第N帧图像以及第N+1帧图像的处理，得到的结果将第N+1帧图像删除，并保留第N帧图像。而使用所述第N帧图像，继续遍历所述连续帧图像的第N+1帧…第N+M帧图像，直到在连续帧图像中的所有目标帧图像都删除之后，建立用于标注的图像数据集。
由于本申请的主要目的是建立用于标注的图像数据集，所以使用遍历的方式对每一帧图像进行筛选对比，找到属于静止的图像。去除静止的图像对应那一帧图像。
在建立得到用于标注的图像数据集之后，可以用于之后的图像模型训练。
遍历时通过分块方法统计差分图像，比较图像之间的相似度，从而区分连续帧图像是否处于静止状态，起到了自动化筛选数据的作用，代替人工筛选，提高了筛选数据的效率。
在本申请的一个实施例中，所述将所述第N+1帧图像删除并保留所述第N帧图像，包括：遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像判断为静止状态的图像，将所述第N+1帧图像删除并保留所述第N帧图像。
如果相同的图像块的数量大于阈值，则认为在第N+1帧图像中存在的大多为静止状态的图像，需要将第N+1帧图像删除。需要注意的是，这里的“预设阈值”可以是指数量阈值、数值阈值或者百分比阈值。只要可以用于判断所述相同的图像块的数量即可。
在本申请的一个实施例中，所述静止状态的图像包括：图像保持静止的目标帧图像，所述遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像，包括：遍历所有的所述图像块时，如果所述相同的图像块的数量小于预设阈值，则保留所述第N+1帧图像、所述第N帧图像，其中，所述第N+1帧图像、所述第N帧图像中为非静止状态的图像。
与上述相反地，如果所述相同的图像块的数量小于预设阈值，则认为在第N+1帧图像中存在的大多为非静止状态的图像，需要将第N+1帧图像、第N帧图像均保留。同时，如果继续遍历时，可以仍使用第N帧图像与其他帧图像进行比较。
需要注意的是，这里的“预设阈值”可以是指数量阈值、数值阈值或者百分比阈值。只要可以用于判断所述相同的图像块的数量即可。
在本申请的一个实施例中，所述根据所述差分图像中每个图像块的累计灰度值，确定出属于相同的图像块，包括：根据所述差分图像中每个图像块的灰度值的累计求和后的灰度平均值，确定出属于相同的图像块。
示例性地，对每一个块(c，i，j)统计进行累积求和后求平均。其中c为通道，i，j为块索引。
Figure BDA0003926529210000071
其中，其中c为通道，i、j为块索引，m、n为网格块的长宽，iw、ih为差分图像D的宽高。
在本申请的一个实施例中，所述根据所述差分图像中每个图像块的累计灰度值，确定出属于相同的图像块，包括：根据所述差分图像中的每个图像通道，将所述差分图像分成预设m*n的网格块；根据所述预设m*n的网格块确定所述差分图像的RBG通道图像中每个图像块的大小；根据所述每个图像块的大小得到所述差分图像中每个图像块(c，i，j)经过累计求和后的灰度平均值，其中c为通道，i，j为块索引；如果所述累计求和后的灰度平均值小于第一阈值时，则确定属于相同的图像块。
对差分图像的每一个通道，将图像分成8x 8的网格块状。对RBG通道图像，则有3x8x 8＝192个块。
每一个图像块的大小为：bin_h＝ih/8，bin_w＝iw/8；
其中，iw、ih为差分图像D的宽高。
此外，如果bin_cij小于阈值th1(优选值th1＝20)，则图像块(c，i，j)为相同块。对于相同的图像块的判断方式，仅为举例，并不用于限定本申请的保护范围。
本申请的一个实施例中，所述遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像，包括：统计所述相同的图像块的数量，计算图像块相似值；如果所述图像块相似值大于第二阈值时，则将所述第N帧图像与所述第N+1帧图像作为两个相同图像。
对于遍历的图像块，需要统计出属于相同的图像块的数量，之后根据属于相同的图像块的数量求出相似度。如果相似度大于第二阈值，则将所述第N+1帧图像判断为静止状态的图像。对于静止状态的图像，需要删除。
示例性地，通过遍历所有块，统计相同块的数量N，求相似值：
rate＝N/(3*8*8)
如果rate>th2(优选值0.8)，则认为图像I1、I2相似，将图像I2删除，取下一帧图像与I1按上述步骤进行比较。
对于相同的图像块的判断方式，仅为举例，并不用于限定本申请的保护范围。
本申请实施例还提供了图像处理装置200，如图2所示，提供了本申请实施例中图像处理装置的结构示意图，所述图像处理装置200至少包括：获取模块210、差分图像模块220、灰度值统计模块230以及处理模块240，其中：
在本申请的一个实施例中，所述获取模块210具体用于：获取相机中的连续帧图像。
相机可以是路端相机或者其他场景下固定安装的相机，通过相机获取连续帧图像。通常在所述连续帧图像中包括运动目标物以及图像背景，图像背景保持静止，运动目标物包括但不限于车辆行人等。
可以理解，如果长时间未出现运动目标物，则相机中的连续帧图像多为静止图像，如果都使用并进行图像标注，将增加图像重复标注的工作量。
在本申请的一个实施例中，所述差分图像模块220具体用于：根据所述连续帧图像的第N帧图像与第N+1帧图像，计算所述第N帧图像与所述第N+1帧图像两者之间的差分图像。
所述连续帧图像的第N帧图像与第N+1帧图像，即表示任意两个连续帧。对于第N帧图像与第N+1帧图像，计算出两者之间的差分图像。
如图3以及图4所示，示例性地，前后帧图像I1、I2，通常为了加快运算，会将图像统一缩放至640*640大小。同时为了克服图象噪声影响，对图像进行高斯滤波处理，得到
I1＝G(I1)
I2＝G(I2)
如图5所示，对前后帧图像作差取绝对值得到差分图像D＝abs(I1–I2)。
在本申请的一个实施例中，所述灰度值统计模块230具体用于：根据所述差分图像中每个图像块的累计灰度值，确定出属于相同的图像块。
可以先确定差分图像中共有多少个图像块，然后再对每个图像块的灰度值进行累计求和。
对差分图像中的每个图像块进行灰度值累计求和并求出平均值，可以得到哪些块属于相同的图像块。或者哪些块具有较高的相似度。
区别于相关技术中通过前后帧做差，然后统计差分图像的灰度累积是否小于一定阈值判断的方式。通过计算每个图像块中的平均灰度值能准确反应物体运动的变化，可以减少图像噪声，同时减少RGB图像通道中通道信息的丧失。
在本申请的一个实施例中，所述处理模块240具体用于：遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像。
遍历所有的图像块，如果相同的图像块的数量大于预设阈值，则对于当前的所述第N+1帧属于静止图像需要进行删除，并且保留所述第N帧图像可以继续与剩下的图像帧进行匹配比较。
能够理解，上述图像处理装置，能够实现前述实施例中提供的图像处理方法的各个步骤，关于图像处理方法的相关阐释均适用于图像处理装置，此处不再赘述。
图6是本申请的一个实施例电子设备的结构示意图。请参考图6，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成图像处理装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取相机中的连续帧图像；
根据所述连续帧图像的第N帧图像与第N+1帧图像，计算所述第N帧图像与所述第N+1帧图像两者之间的差分图像；
根据所述差分图像中每个图像块的累计灰度值，确定出属于相同的图像块；
遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像。
上述如本申请图1所示实施例揭示的图像处理装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中图像处理装置执行的方法，并实现图像处理装置在图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中图像处理装置执行的方法，并具体用于执行：
获取相机中的连续帧图像；
根据所述连续帧图像的第N帧图像与第N+1帧图像，计算所述第N帧图像与所述第N+1帧图像两者之间的差分图像；
根据所述差分图像中每个图像块的累计灰度值，确定出属于相同的图像块；
遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种图像处理方法，其中，所述方法包括：
获取相机中的连续帧图像；
根据所述连续帧图像的第N帧图像与第N+1帧图像，计算所述第N帧图像与所述第N+1帧图像两者之间的差分图像；
根据所述差分图像中每个图像块的累计灰度值，确定出相同的图像块；
遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像。
2.如权利要求1所述方法，其中，所述方法还包括：
基于所述第N帧图像，继续遍历所述连续帧图像的第N+2帧…第N+M帧图像，直到将所述连续帧图像中的目标帧图像删除，并建立用于标注的图像数据集，其中，所述目标帧图像为与相邻帧图像进行判断为静止状态的图像帧,M、N均为自然数。
3.如权利要求2所述方法，其中，所述将所述第N+1帧图像删除并保留所述第N帧图像，包括：
遍历相邻两帧图像中所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像判断为静止状态的图像，将所述第N+1帧图像删除并保留所述第N帧图像。
4.如权利要求3所述方法，其中，所述静止状态的图像包括：图像保持静止的目标帧图像，所述遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像，包括：
遍历所有的所述图像块时，如果所述相同的图像块的数量小于预设阈值，则保留所述第N+1帧图像、所述第N帧图像，其中，所述第N+1帧图像、所述第N帧图像中为非静止状态的图像。
5.如权利要求1所述方法，其中，所述根据所述差分图像中每个图像块的累计灰度值，确定出属于相同的图像块，包括：
根据所述差分图像中每个图像块的灰度值的累计求和后求出的灰度平均值，确定出属于相同的图像块。
6.如权利要求5所述方法，其中，所述根据所述差分图像中每个图像块的累计灰度值，确定出属于相同的图像块，包括：
根据所述差分图像中的每个图像通道，将所述差分图像分成预设m*n的网格块；
根据所述预设m*n的网格块确定所述差分图像的RBG通道图像中每个图像块的大小；
根据所述每个图像块的大小得到所述差分图像中每个图像块(c，i，j)经过累计求和后的灰度平均值，其中c为通道，i，j为块索引；
如果所述累计求和后的灰度平均值小于第一阈值时，则确定属于相同的图像块。
7.如权利要求6所述方法，其中，所述遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像，包括：
统计所述相同的图像块的数量，计算图像块相似值；
如果所述图像块相似值大于第二阈值时，则将所述第N帧图像与所述第N+1帧图像作为两个相同图像。
8.一种图像处理装置，其中，所述装置包括：
获取模块，用于获取相机中的连续帧图像；
差分图像模块，用于根据所述连续帧图像的第N帧图像与第N+1帧图像，计算所述第N帧图像与所述第N+1帧图像两者之间的差分图像；
灰度值统计模块，用于根据所述差分图像中每个图像块的累计灰度值，确定出属于相同的图像块；
处理模块，用于遍历所有的所述图像块，如果所述相同的图像块的数量大于预设阈值，则将所述第N+1帧图像删除并保留所述第N帧图像。
9.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1～7之任一所述方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述方法。
CN202211381546.7A 2022-11-04 2022-11-04 图像处理方法、装置及电子设备、存储介质 Pending CN115546256A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211381546.7A CN115546256A (zh) 2022-11-04 2022-11-04 图像处理方法、装置及电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211381546.7A CN115546256A (zh) 2022-11-04 2022-11-04 图像处理方法、装置及电子设备、存储介质

Publications (1)

Publication Number Publication Date
CN115546256A true CN115546256A (zh) 2022-12-30

Family

ID=84720681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211381546.7A Pending CN115546256A (zh) 2022-11-04 2022-11-04 图像处理方法、装置及电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN115546256A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115861624A (zh) * 2023-03-03 2023-03-28 天津所托瑞安汽车科技有限公司 摄像头被遮挡的检测方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115861624A (zh) * 2023-03-03 2023-03-28 天津所托瑞安汽车科技有限公司 摄像头被遮挡的检测方法、装置、设备及存储介质
CN115861624B (zh) * 2023-03-03 2023-05-30 天津所托瑞安汽车科技有限公司 摄像头被遮挡的检测方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN108986465B (zh) 一种车流量检测的方法、系统及终端设备
CN111741186B (zh) 一种视频抖动检测方法、装置以及系统
CN109118498A (zh) 一种摄像头污点检测方法、装置、设备及存储介质
CN109102026B (zh) 一种车辆图像检测方法、装置及系统
US20010036313A1 (en) Process for detecting a change of shot in a succession of video images
CN113298050B (zh) 车道线识别模型训练方法、装置及车道线识别方法、装置
CN111783524A (zh) 一种场景变换检测方法、装置、存储介质及终端设备
CN109447022B (zh) 一种镜头类型识别方法及装置
CN115546256A (zh) 图像处理方法、装置及电子设备、存储介质
CN113822223A (zh) 一种用于检测摄像头被遮挡移动的方法及装置
CN110991310A (zh) 人像检测方法、装置、电子设备及计算机可读介质
CN111079793A (zh) 图标相似度的确定方法和电子设备
CN115170851A (zh) 一种图像聚类的方法及装置
CN114066958A (zh) 目标的深度信息预测方法和装置、电子设备和存储介质
CN111950501B (zh) 障碍物检测方法、装置以及电子设备
CN109190687A (zh) 一种神经网络系统及其识别车辆属性的方法
CN111242051B (zh) 一种车辆识别优化方法、装置及存储介质
CN105516668A (zh) 一种应用于动态场景的聚焦方法和装置
CN116214930A (zh) 3d打印方法、打印机及介质
CN114998283A (zh) 一种镜头遮挡物检测方法及装置
CN114155201A (zh) 检测镜头附有目标物的方法、装置、设备及可读存储介质
CN115311217B (zh) 相机镜头遮挡的监测方法、装置、系统及介质
CN110097583B (zh) 图片筛选方法及装置
CN111242054B (zh) 一种检测器的捕获率的检测方法及装置
CN110610514A (zh) 实现多目标跟踪的方法、装置、电子设备

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