CN116152473B - 一种二维图片转换成ar图像降低黑像素干扰的方法 - Google Patents

一种二维图片转换成ar图像降低黑像素干扰的方法 Download PDF

Info

Publication number
CN116152473B
CN116152473B CN202211675248.9A CN202211675248A CN116152473B CN 116152473 B CN116152473 B CN 116152473B CN 202211675248 A CN202211675248 A CN 202211675248A CN 116152473 B CN116152473 B CN 116152473B
Authority
CN
China
Prior art keywords
preset
picture
black pixel
interference
pixel
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
CN202211675248.9A
Other languages
English (en)
Other versions
CN116152473A (zh
Inventor
张斌
符曦
王春燕
田维辉
郝松
马聪
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.)
Shenzhen Dataenergy Co ltd
Original Assignee
Shenzhen Dataenergy 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 Shenzhen Dataenergy Co ltd filed Critical Shenzhen Dataenergy Co ltd
Priority to CN202211675248.9A priority Critical patent/CN116152473B/zh
Publication of CN116152473A publication Critical patent/CN116152473A/zh
Application granted granted Critical
Publication of CN116152473B publication Critical patent/CN116152473B/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
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • G06T5/70—
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明涉及一种现实增强技术，揭露了一种二维图片转换成AR图像降低黑像素干扰的方法。本发明基于AR设备获取预设图片，并判断所述预设图片是否为二维图片；若所述预设图片为二维图片，对所述预设图片进行像素特征分析，并根据分析结果计算得到预设黑像素率；基于所述预设黑像素率确定预设去干扰方案；基于所述预设去干扰方案进行黑像素干扰去除处理，得到干扰去除结果，并对所述干扰去除结果进行展示。相较于现有技术，本发明可自动识别AR引擎和图片类型，并对二维图片中的黑像素干扰进行自动识别和去除，最终实现AR图像的自动转换。

Description

一种二维图片转换成AR图像降低黑像素干扰的方法
技术领域
本发明涉及现实增强技术领域，特别涉及一种二维图片转换成AR图像降低黑像素干扰的方法。
背景技术
随着AR、VR等沉浸式技术的快速发展，不同程度上改变了互联网用户与数字世界的互动方式。其中，AR是一种实时地计算摄影机影像的位置及角度并加上相应图像的技术，是一种将真实世界信息和虚拟世界信息“无缝”集成的新技术，这种技术的目标是在屏幕上把虚拟世界套在现实世界并进行互动，由于AR技术的颠覆性和革命性，使其获得了大量关注。举例如网游用户期望从2D转移到沉浸感更强的3D，从而获得新的游戏场景体验。目前，AR发展越来越飞速，二维图像转换AR图像的干扰面临很多严重的问题，无法自动内部识别图片类型，同时无法自动识别AR引擎，因此，如何识别二维图黑像素干扰并去除二维图黑像素，成为转换AR图像过程中亟待解决的问题。总体来说，现有方法的缺陷在于，无法降低二维图片转换成AR图像过程中的黑像素干扰低。
因此，如何自动识别AR引擎和图片类型，并对二维图片中的黑像素干扰进行自动识别和去除，最终实现AR图像的自动转换，成为一个亟待解决的问题。
发明内容
本发明的主要目的是提供一种二维图片转换成AR图像降低黑像素干扰的方法，旨在降低二维图片转换成AR图像过程中的黑像素干扰。
为实现上述目的，本发明提出一种二维图片转换成AR图像降低黑像素干扰的方法，包括如下步骤：
基于AR设备获取预设图片，并判断所述预设图片是否为二维图片；
若所述预设图片为二维图片，对所述预设图片进行像素特征分析，并根据分析结果计算得到预设黑像素率；
基于所述预设黑像素率确定预设去干扰方案；
基于所述预设去干扰方案进行黑像素干扰去除处理，得到干扰去除结果，并对所述干扰去除结果进行展示。
此外，为实现上述目的，本发明还提出一种二维图片转换成AR图像降低黑像素干扰的系统，所述二维图片转换成AR图像降低黑像素干扰的系统包括存储器和处理器，其特征在于，所述存储器上存储有二维图片转换成AR图像降低黑像素干扰的程序，所述二维图片转换成AR图像降低黑像素干扰的程序被所述处理器执行时实现如下步骤：
基于所述AR设备获取预设图片，并判断所述预设图片是否为二维图片；
若所述预设图片为二维图片，对所述预设图片进行像素特征分析，并根据分析结果计算得到预设黑像素率；
基于所述预设黑像素率确定预设去干扰方案；
基于所述预设去干扰方案进行黑像素干扰去除处理，得到干扰去除结果，并对所述干扰去除结果进行展示。
此外，为实现上述目的，本发明还提出一种计算机设备，其中，包括处理器和存储器；
所述处理器，用于处理执行所述的二维图片转换成AR图像降低黑像素干扰的方法；
所述存储器，所述存储器与所述处理器耦合，用于存储所述二维图片转换成AR图像降低黑像素干扰的程序，当所述程序被所述处理器执行时，使系统以执行所述二维图片转换成AR图像降低黑像素干扰的方法的步骤。
此外，为实现上述目的，本发明还提出一种计算机可读存储介质，其中，所述计算机可读存储介质存储有二维图片转换成AR图像降低黑像素干扰的程序，所述二维图片转换成AR图像降低黑像素干扰的程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述任一项所述的二维图片转换成AR图像降低黑像素干扰的方法的步骤。
本发明基于AR设备获取预设图片，并判断所述预设图片是否为二维图片；若所述预设图片为二维图片，对所述预设图片进行像素特征分析，并根据分析结果计算得到预设黑像素率；基于所述预设黑像素率确定预设去干扰方案；基于所述预设去干扰方案进行黑像素干扰去除处理，得到干扰去除结果，并对所述干扰去除结果进行展示。相较于现有技术，本发明可自动识别AR引擎和图片类型，并对二维图片中的黑像素干扰进行自动识别和去除，最终实现AR图像的自动转换。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明一种二维图片转换成AR图像降低黑像素干扰的方法的流程示意图；
图2为本发明一种二维图片转换成AR图像降低黑像素干扰的方法中结合自识别结果确定补帧数量的流程示意图；
图3为本发明一种二维图片转换成AR图像降低黑像素干扰的方法中计算得到所述预设黑像素率的流程示意图；
图4为本发明一种二维图片转换成AR图像降低黑像素干扰的方法中得到所述干扰去除结果的流程示意图；
图5为本发明一种二维图片转换成AR图像降低黑像素干扰的方法中计算得到干扰去除量的流程示意图；
图6为本发明二维图片转换成AR图像降低黑像素干扰的程序的运行环境示意图；
图7为本发明二维图片转换成AR图像降低黑像素干扰的程序的程序模块图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
本发明提出一种二维图片转换成AR图像降低黑像素干扰的方法。
如图1所示，图1为本发明一种二维图片转换成AR图像降低黑像素干扰的方法的流程示意图。
本实施例中，该方法包括：
S100：基于所述AR设备获取预设图片，并判断所述预设图片是否为二维图片；
S200：若所述预设图片为二维图片，对所述预设图片进行像素特征分析，并根据分析结果计算得到预设黑像素率；
S300：基于所述预设黑像素率确定预设去干扰方案；
S400：基于所述预设去干扰方案进行黑像素干扰去除处理，得到干扰去除结果，并对所述干扰去除结果进行展示。
所述二维图片转换成AR图像降低黑像素干扰的方法应用于一种二维图片转换成AR图像降低黑像素干扰的系统，所述AR设备为与所述二维图片转换成AR图像降低黑像素干扰的系统通信连接的现实增强设备。首先基于所述AR设备随机获取任意一张待进行转换的图片，即作为所述预设图片，然后通过分析所述预设图片的类型，判断其是否为二维图片。其中，当所述预设图片为二维图片时，通过所述二维图片转换成AR图像降低黑像素干扰的系统智能化对所述预设图片进行像素特征分析，并根据对应的像素分析结果计算得到所述预设图片的预设黑像素率。其中，所述预设黑像素率是指所述预设图片中，黑像素个数占图片中像素总数的比例。进而，基于所述预设黑像素率确定预设去干扰方案，并基于所述预设去干扰方案进行黑像素干扰去除处理，去除了黑像素干扰后的图片即为所述干扰去除结果，最后由显示设备对所述干扰去除结果进行展示。
如图2所示，本实施例中，上述在所述对所述干扰去除结果进行展示之前，还包括：
获得预设识别方案，并基于所述预设识别方案对所述AR设备进行自识别，得到自识别结果；
获得所述预设图片的预设图片帧率，并结合所述自识别结果确定补帧数量；
其中，所述补帧数量是指通过所述AR设备将所述预设图片转换成AR图像时需要补帧的数量。
在基于所述二维图片转换成AR图像降低黑像素干扰的系统对所述预设图片中黑像素进行去除处理后，即得到所述干扰去除结果。进而通过分析计算得到所述预设图片由二维图片转换为AR图像过程中，需要进行的补帧数量，从而为所述干扰去除结果的补帧过程提供基础。首先结合相关经验确定预设识别方案，然后基于所述预设识别方案对所述AR设备进行自识别，得到所述AR设备的自识别结果，同时对所述预设图片的帧率进行统计分析，即得到预设图片帧率，最后结合所述AR设备的所述自识别结果和所述预设图片帧率，计算确定将所述预设图片转换为AR图像过程中需要补帧的数量。其中，所述补帧数量是指通过所述AR设备将所述预设图片转换成AR图像时需要补帧的数量。
本实施例中，上述获得预设识别方案，并基于所述预设识别方案对所述AR设备进行自识别，得到自识别结果，包括：
获得单位时间阈值；
采集所述AR设备在所述单位时间阈值内展示的图片数，记作单位图片数量；
根据所述单位时间阈值和所述单位图片数量，计算得到预设帧率，其中，计算公式如下：
其中，所述f是指所述预设帧率，所述t是指所述单位时间阈值，所述Q是指所述单位图片数量；
建立所述AR设备的垂直坐标轴，并基于所述垂直坐标轴得到展示图片的尺寸，记作预设尺寸；
将所述预设帧率和所述预设尺寸进行组合，得到所述自识别结果。
首先由相关技术人员结合经验综合确定一个时间段，并将其记作单位时间阈值。举例如将一秒钟或者一分钟作为单位时间阈值，用于将AR设备在该单位时间阈值内的工作情况进行统计量化。然后采集所述AR设备在所述单位时间阈值内展示的图片数，即得到单位图片数量。进而根据所述单位时间阈值和所述单位图片数量，计算得到预设帧率，其中，计算公式如下：
其中，所述f是指所述预设帧率，所述t是指所述单位时间阈值，所述Q是指所述单位图片数量。此外，建立所述AR设备的垂直坐标轴，并基于所述垂直坐标轴得到展示图片的尺寸，即得到所述预设尺寸，最后将所述预设帧率和所述预设尺寸进行组合，得到所述自识别结果。实现了对AR引擎的智能识别和分析的目标。
本实施例中，上述判断所述预设图片是否为二维图片，包括：
获得帧率阈值，其中，所述帧率阈值包括第一帧率阈值和第二帧率阈值；
若所述预设图片帧率属于所述第一帧率阈值，生成二维标签；
若所述预设图片帧率属于所述第二帧率阈值，生成三维标签；
其中，所述二维标签和所述三维标签用于对所述预设图片进行标签标记。
所述帧率阈值是指基于历史转换图片的数据和经验，由历史不同类型图片的转换数据计算或者相关技术人员的经验分析，确定的用于快速判断一张图片的图片类型的帧率范围。其中，所述帧率阈值包括第一帧率阈值和第二帧率阈值。当所述预设图片帧率属于所述第一帧率阈值时，说明对应的所述预设图片为二维图片，此时系统智能生成二维标签，用于对该预设图片进行标记。然而，当所述预设图片帧率属于所述第二帧率阈值时，说明对应的所述预设图片为三维图片，此时系统智能生成三维标签，用于对该预设图片进行标记。示范性的如当图片帧率小于60赫兹时为二维图片，大于或者等于60赫兹时为三维图片。通过第一帧率阈值和第二帧率阈值，达到了快速识别图片类型的效果。
如图3所示，本实施例中，上述对所述预设图片进行像素特征分析，并根据分析结果计算得到预设黑像素率，包括：
获得所述预设图片的预设像素集，其中，所述预设像素集包括多个像素；
提取所述多个像素中的目标像素，并获得所述目标像素的目标RGB值；
判断所述目标RGB值是否符合预设RGB值；
若是，将所述目标像素添加至第一像素库，其中，所述第一像素库用于存储所述预设像素集中的黑像素；
依次统计所述预设像素集和所述第一像素库中的像素个数，分别记作预设总像素数和预设黑像素数；
根据所述预设总像素数和预设黑像素数，计算得到所述预设黑像素率。
如图4所示，本实施例中，上述基于所述预设黑像素率确定预设去干扰方案，包括：
获得预设黑像素阈值，其中，所述预设黑像素阈值包括第一黑像素阈值、第二黑像素阈值和第三黑像素阈值，且所述第一黑像素阈值、所述第二黑像素阈值和所述第三黑像素阈值之和为1；
若所述预设黑像素率属于所述第一黑像素阈值，匹配第一去干扰方案，若所述预设黑像素率属于所述第二黑像素阈值，匹配第二去干扰方案；
根据所述第一去干扰方案或所述第二去干扰方案，对所述预设图片中的黑像素进行干扰去除处理，得到所述干扰去除结果。
首先将所述预设图片像素化处理，即得到该预设图片的所有像素，从而组成所述预设像素集，其中，所述预设像素集包括多个像素。然后随机提取所述多个像素中的任意一个像素，记作目标像素，并对所述目标像素的RGB值进行采集，即得到该像素的目标RGB值。接着，系统在采集得到所述目标RGB值之后，自动对比并判断所述目标RGB值是否符合预设RGB值。其中，所述预设RGB值为(0，0，0)，即纯黑色的RGB值。当所述目标RGB值为(0，0，0)时，说明对应的所述目标像素为纯黑色，因此系统自动将所述目标像素添加至第一像素库。其中，所述第一像素库用于存储所述预设像素集中的黑像素。进一步，依次统计所述预设像素集和所述第一像素库中的像素个数，分别记作预设总像素数和预设黑像素数，并根据所述预设总像素数和预设黑像素数，相除计算即得到所述预设图片中，黑像素占总像素的比例，即得到所述预设黑像素率。
所述预设黑像素阈值是指基于历史去除黑像素干扰的数据和经验，由历史不同类型图片的干扰去除数据计算或者相关技术人员的经验分析，确定的用于快速判断一张图片中黑像素干扰的严重等级的范围。其中，所述预设黑像素阈值包括第一黑像素阈值、第二黑像素阈值和第三黑像素阈值，且所述第一黑像素阈值、所述第二黑像素阈值和所述第三黑像素阈值之和为1。其中，当所述预设黑像素率属于所述第一黑像素阈值时，说明此时图片中的黑像素干扰程度一般，系统自动匹配第一去干扰方案，当所述预设黑像素率属于所述第二黑像素阈值时，说明此时图片中的黑像素干扰程度较高，系统自动匹配第二去干扰方案。最后根据所述第一去干扰方案或所述第二去干扰方案，对所述预设图片中的黑像素进行干扰去除处理，即得到所述干扰去除结果。示范性的如第一黑像素阈值为小于40％，第二黑像素阈值为40％-80％，第三黑像素阈值为大于80％，当图片中的黑像素率属于第三黑像素阈值，即大于80％时，说明该图片拍摄可能为夜晚，因此不对其进行转换处理。
如图5所示，本实施例中，上述根据所述第一去干扰方案或所述第二去干扰方案，对所述预设图片中的黑像素进行干扰去除处理，得到所述干扰去除结果，包括：
获得所述预设图片的预设图片尺寸；
将所述预设尺寸和所述预设图片尺寸进行相除计算，得到图片放大倍数；
根据所述图片放大倍数和所述预设黑像素率，计算得到干扰去除量，其中，计算公式如下：
v＝(1-Tbp)*z
其中，所述v是指所述干扰去除量，所述Tbp是指所述预设黑像素率，所述z是指所述图片放大倍数。
所述预设图片的预设图片尺寸是指所述预设图片的实际原始尺寸大小。所述预设尺寸是指AR设备需求下的图片尺寸，是指对所述预设图片进行了放大处理后的尺寸。将所述预设尺寸和所述预设图片尺寸进行相除计算，即得到所述预设图片的图片放大倍数。最后，根据所述图片放大倍数和所述预设黑像素率，计算得到干扰去除量，其中，计算公式如下：
v＝(1-Tbp)*z
其中，所述v是指所述干扰去除量，所述Tbp是指所述预设黑像素率，所述z是指所述图片放大倍数。通过计算得到干扰去除量，达到了为黑像素干扰去除提供数据依据和基础的效果。
本发明基于AR设备获取预设图片，并判断所述预设图片是否为二维图片；若所述预设图片为二维图片，对所述预设图片进行像素特征分析，并根据分析结果计算得到预设黑像素率；基于所述预设黑像素率确定预设去干扰方案；基于所述预设去干扰方案进行黑像素干扰去除处理，得到干扰去除结果，并对所述干扰去除结果进行展示。相较于现有技术，本发明可自动识别AR引擎和图片类型，并对二维图片中的黑像素干扰进行自动识别和去除，最终实现AR图像的自动转换。
本发明提出一种二维图片转换成AR图像降低黑像素干扰的程序。
请参阅图6，是本发明二维图片转换成AR图像降低黑像素干扰的程序611的运行环境示意图。
在本实施例中，二维图片转换成AR图像降低黑像素干扰的程序611安装并运行于电子装置6中。电子装置6可以是桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子装置6可包括，但不仅限于，存储器61、处理器62及显示器63。图6仅示出了具有组件11-13的电子装置6，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
存储器61在一些实施例中可以是电子装置6的内部存储单元，例如该电子装置6的硬盘或内存。存储器61在另一些实施例中也可以是电子装置6的外部存储设备，例如电子装置6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器61还可以既包括电子装置6的内部存储单元也包括外部存储设备。存储器61用于存储安装于电子装置6的应用软件及各类数据，例如二维图片转换成AR图像降低黑像素干扰的程序611的程序代码等。存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
处理器62在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行存储器61中存储的程序代码或处理数据，例如执行二维图片转换成AR图像降低黑像素干扰的程序611等。
显示器63在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。显示器63用于显示在电子装置6中处理的信息以及用于显示可视化的用户界面。电子装置6的部件11-13通过程序总线相互通信。
请参阅图7，是本发明二维图片转换成AR图像降低黑像素干扰的程序611的程序模块图。
在本实施例中，二维图片转换成AR图像降低黑像素干扰的程序611可以被分割成一个或多个模块，一个或者多个模块被存储于存储器61中，并由一个或多个处理器(本实施例为处理器62)所执行，以完成本发明。例如，在图7中，二维图片转换成AR图像降低黑像素干扰的程序611可以被分割成智能判断模块710、特征分析模块720、方案确定模块730、干扰去除模块740。本发明所述的模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述二维图片转换成AR图像降低黑像素干扰的程序611在电子装置6中的执行过程，其中：
智能判断模块710：基于所述AR设备获取预设图片，并判断所述预设图片是否为二维图片；
特征分析模块720：若所述预设图片为二维图片，对所述预设图片进行像素特征分析，并根据分析结果计算得到预设黑像素率；
方案确定模块730：基于所述预设黑像素率确定预设去干扰方案；
干扰去除模块740：基于所述预设去干扰方案进行黑像素干扰去除处理，得到干扰去除结果，并对所述干扰去除结果进行展示。
本申请还提供一种电子设备，其中，包括处理器和存储器；
该处理器，用于处理执行上述实施例一中任一项所述二维图片转换成AR图像降低黑像素干扰的方法的步骤；
该存储器，该存储器与该处理器耦合，用于存储程序，当二维图片转换成AR图像降低黑像素干扰的程序被该处理器执行时，使系统以执行上述任一项二维图片转换成AR图像降低黑像素干扰的方法的步骤。
进一步地，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有二维图片转换成AR图像降低黑像素干扰的程序，所述二维图片转换成AR图像降低黑像素干扰的程序可被至少一个处理器执行，以使所述至少一个处理器执行上述任一实施例中的二维图片转换成AR图像降低黑像素干扰的方法。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。

Claims (9)

1.一种二维图片转换成AR图像降低黑像素干扰的方法，其特征在于，所述方法应用于一种二维图片转换成AR图像降低黑像素干扰的系统，所述系统与一AR设备通信相连，所述方法包括：
基于所述AR设备获取预设图片，并判断所述预设图片是否为二维图片；
若所述预设图片为二维图片，对所述预设图片进行像素特征分析，并根据分析结果计算得到预设黑像素率；
基于所述预设黑像素率确定预设去干扰方案；
基于所述预设去干扰方案进行黑像素干扰去除处理，得到干扰去除结果，并对所述干扰去除结果进行展示；
在所述对所述干扰去除结果进行展示之前，还包括：
获得预设识别方案，并基于所述预设识别方案对所述AR设备进行自识别，得到自识别结果；
获得所述预设图片的预设图片帧率，并结合所述自识别结果确定补帧数量；
其中，所述补帧数量是指通过所述AR设备将所述预设图片转换成AR图像时需要补帧的数量。
2.如权利要求1所述的方法，其特征在于，所述获得预设识别方案，并基于所述预设识别方案对所述AR设备进行自识别，得到自识别结果，包括：
获得单位时间阈值；
采集所述AR设备在所述单位时间阈值内展示的图片数，记作单位图片数量；
根据所述单位时间阈值和所述单位图片数量，计算得到预设帧率，其中，计算公式如下：
；
其中，所述f是指所述预设帧率，所述t是指所述单位时间阈值，所述Q是指所述单位图片数量；
建立所述AR设备的垂直坐标轴，并基于所述垂直坐标轴得到展示图片的尺寸，记作预设尺寸；
将所述预设帧率和所述预设尺寸进行组合，得到所述自识别结果。
3.如权利要求1所述的方法，其特征在于，所述判断所述预设图片是否为二维图片，包括：
获得帧率阈值，其中，所述帧率阈值包括第一帧率阈值和第二帧率阈值；
若所述预设图片帧率属于所述第一帧率阈值，生成二维标签；
若所述预设图片帧率属于所述第二帧率阈值，生成三维标签；
其中，所述二维标签和所述三维标签用于对所述预设图片进行标签标记。
4.如权利要求1所述的方法，其特征在于，所述对所述预设图片进行像素特征分析，并根据分析结果计算得到预设黑像素率，包括：
获得所述预设图片的预设像素集，其中，所述预设像素集包括多个像素；
提取所述多个像素中的目标像素，并获得所述目标像素的目标RGB值；
判断所述目标RGB值是否符合预设RGB值；
若是，将所述目标像素添加至第一像素库，其中，所述第一像素库用于存储所述预设像素集中的黑像素；
依次统计所述预设像素集和所述第一像素库中的像素个数，分别记作预设总像素数和预设黑像素数；
根据所述预设总像素数和预设黑像素数，计算得到所述预设黑像素率。
5.如权利要求4所述的方法，其特征在于，所述基于所述预设黑像素率确定预设去干扰方案，包括：
获得预设黑像素阈值，其中，所述预设黑像素阈值包括第一黑像素阈值、第二黑像素阈值和第三黑像素阈值，且所述第一黑像素阈值、所述第二黑像素阈值和所述第三黑像素阈值之和为1；
若所述预设黑像素率属于所述第一黑像素阈值，匹配第一去干扰方案，若所述预设黑像素率属于所述第二黑像素阈值，匹配第二去干扰方案；
根据所述第一去干扰方案或所述第二去干扰方案，对所述预设图片中的黑像素进行干扰去除处理，得到所述干扰去除结果。
6.如权利要求5所述的方法，其特征在于，所述根据所述第一去干扰方案或所述第二去干扰方案，对所述预设图片中的黑像素进行干扰去除处理，得到所述干扰去除结果，包括：
获得所述预设图片的预设图片尺寸；
将所述预设尺寸和所述预设图片尺寸进行相除计算，得到图片放大倍数；
根据所述图片放大倍数和所述预设黑像素率，计算得到干扰去除量，其中，计算公式如下：
；
其中，所述v是指所述干扰去除量，所述Tbp是指所述预设黑像素率，所述z是指所述图片放大倍数。
7.一种二维图片转换成AR图像降低黑像素干扰的系统，所述系统包括存储器和处理器，其特征在于，所述存储器上存储有一种二维图片转换成AR图像降低黑像素干扰的程序，所述二维图片转换成AR图像降低黑像素干扰的程序被所述处理器执行时实现如下步骤：
基于AR设备获取预设图片，并判断所述预设图片是否为二维图片；
若所述预设图片为二维图片，对所述预设图片进行像素特征分析，并根据分析结果计算得到预设黑像素率；
基于所述预设黑像素率确定预设去干扰方案；
基于所述预设去干扰方案进行黑像素干扰去除处理，得到干扰去除结果，并对所述干扰去除结果进行展示；
在所述对所述干扰去除结果进行展示之前，还包括：
获得预设识别方案，并基于所述预设识别方案对所述AR设备进行自识别，得到自识别结果；
获得所述预设图片的预设图片帧率，并结合所述自识别结果确定补帧数量；
其中，所述补帧数量是指通过所述AR设备将所述预设图片转换成AR图像时需要补帧的数量。
8.一种计算机设备，其特征在于，包括处理器和存储器；
所述处理器，用于处理执行权利要求1-6中任一项所述的方法；
所述存储器，所述存储器与所述处理器耦合，用于存储程序，当所述程序被所述处理器执行时，使系统以执行权利要求1-6中任一项所述方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有二维图片转换成AR图像降低黑像素干扰的程序，所述二维图片转换成AR图像降低黑像素干扰的程序可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-6中的任一项所述的二维图片转换成AR图像降低黑像素干扰的方法的步骤。
CN202211675248.9A 2022-12-26 2022-12-26 一种二维图片转换成ar图像降低黑像素干扰的方法 Active CN116152473B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211675248.9A CN116152473B (zh) 2022-12-26 2022-12-26 一种二维图片转换成ar图像降低黑像素干扰的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211675248.9A CN116152473B (zh) 2022-12-26 2022-12-26 一种二维图片转换成ar图像降低黑像素干扰的方法

Publications (2)

Publication Number Publication Date
CN116152473A CN116152473A (zh) 2023-05-23
CN116152473B true CN116152473B (zh) 2023-08-08

Family

ID=86357486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211675248.9A Active CN116152473B (zh) 2022-12-26 2022-12-26 一种二维图片转换成ar图像降低黑像素干扰的方法

Country Status (1)

Country Link
CN (1) CN116152473B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106373537A (zh) * 2016-09-12 2017-02-01 上海乐相科技有限公司 一种减弱显示画面拖影的方法及装置
CN107071392A (zh) * 2016-12-23 2017-08-18 网易（杭州）网络有限公司 图像处理方法和装置
CN111291753A (zh) * 2020-01-22 2020-06-16 平安科技（深圳）有限公司 基于图像的文本识别方法、装置及存储介质
CN111368943A (zh) * 2020-05-27 2020-07-03 腾讯科技（深圳）有限公司 图像中对象的识别方法和装置、存储介质及电子装置
CN114125424A (zh) * 2020-08-26 2022-03-01 华为技术有限公司 一种图像处理的方法及其相关设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106373537A (zh) * 2016-09-12 2017-02-01 上海乐相科技有限公司 一种减弱显示画面拖影的方法及装置
CN107071392A (zh) * 2016-12-23 2017-08-18 网易（杭州）网络有限公司 图像处理方法和装置
CN111291753A (zh) * 2020-01-22 2020-06-16 平安科技（深圳）有限公司 基于图像的文本识别方法、装置及存储介质
CN111368943A (zh) * 2020-05-27 2020-07-03 腾讯科技（深圳）有限公司 图像中对象的识别方法和装置、存储介质及电子装置
CN114125424A (zh) * 2020-08-26 2022-03-01 华为技术有限公司 一种图像处理的方法及其相关设备

Also Published As

Publication number Publication date
CN116152473A (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
US8675966B2 (en) System and method for saliency map generation
CN113705462B (zh) 人脸识别方法、装置、电子设备及计算机可读存储介质
CN109934873B (zh) 标注图像获取方法、装置及设备
CN112651953B (zh) 图片相似度计算方法、装置、计算机设备及存储介质
WO2019128979A1 (zh) 关键帧调度方法和装置、电子设备、程序和介质
US20200250401A1 (en) Computer system and computer-readable storage medium
CN113705461A (zh) 人脸清晰度检测方法、装置、设备及存储介质
CN114049568A (zh) 基于图像比对的标的物形变检测方法、装置、设备及介质
CN114581646A (zh) 文本识别方法、装置、电子设备及存储介质
CN116152473B (zh) 一种二维图片转换成ar图像降低黑像素干扰的方法
CN112541902A (zh) 相似区域搜索方法、装置、电子设备及介质
CN112380940A (zh) 一种高空抛物监控图像的处理方法、装置、电子设备和存储介质
CN115690615B (zh) 一种面向视频流的深度学习目标识别方法及系统
CN115131826B (zh) 物品检测识别方法、网络模型的训练方法和装置
CN115409041A (zh) 一种非结构化数据提取方法、装置、设备及存储介质
CN114547437A (zh) 图像检索方法及装置
CN109493349B (zh) 一种图像特征处理模块、增强现实设备和角点检测方法
CN112991419A (zh) 视差数据生成方法、装置、计算机设备及存储介质
CN112258541A (zh) 视频边界检测方法、系统、设备及存储介质
CN113255456B (zh) 非主动活体检测方法、装置、电子设备及存储介质
CN112927221B (zh) 一种基于图像细粒度特征翻拍检测方法及系统
CN113117341B (zh) 图片处理方法及装置、计算机可读存储介质、电子设备
CN115374268B (zh) 多角色去中心化协同交互方法及系统
CN116152345B (zh) 一种嵌入式系统实时物体6d位姿和距离估计方法
CN113554068B (zh) 一种实例分割数据集的半自动标注方法、装置及可读介质

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