CN116347156A - 视频处理方法、装置、电子设备、存储介质 - Google Patents
视频处理方法、装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN116347156A CN116347156A CN202310163318.0A CN202310163318A CN116347156A CN 116347156 A CN116347156 A CN 116347156A CN 202310163318 A CN202310163318 A CN 202310163318A CN 116347156 A CN116347156 A CN 116347156A
- Authority
- CN
- China
- Prior art keywords
- video image
- video
- image
- target video
- processing
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 128
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 44
- 239000005338 frosted glass Substances 0.000 claims description 42
- 230000003068 static effect Effects 0.000 claims description 26
- 239000005337 ground glass Substances 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 238000009499 grossing Methods 0.000 claims description 14
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 26
- 230000000694 effects Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
- H04N21/440263—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by altering the spatial resolution, e.g. for displaying on a connected PDA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/462—Content or additional data management, e.g. creating a master electronic program guide from data received from the Internet and a Head-end, controlling the complexity of a video stream by scaling the resolution or bit-rate based on the client capabilities
- H04N21/4621—Controlling the complexity of the content stream or additional data, e.g. lowering the resolution or bit-rate of the video stream for a mobile client with a small screen
Abstract
本公开提供了视频处理方法、装置、电子设备、存储介质,本公开涉及计算机视觉技术领域,具体为深度学习、图像处理技术领域。具体实现方案为:对待处理视频进行抽帧处理,得到目标视频图像,并对所述目标视频图像进行场景识别;判断所述目标视频图像的场景识别结果与所述目标视频图像的相邻视频图像的场景识别结果是否相同;在判断结果为是的情况下,采用所述相邻视频图像的视频处理参数的参数值对所述目标视频图像进行处理。
Description
技术领域
本公开涉及计算机视觉技术领域,具体为深度学习、图像处理技术领域。
背景技术
随着时代发展兴起的多媒体智能设备和多媒体技术让人们可以通过电话手表、手机、摄像机、车载终端等电子设备方便地获取、传播与显示视频。不同的电子设备的屏幕尺寸不同,电子设备显示视频之前一般需要对视频进行调整。目前对视频的调整方式,很难获得令人满意的效果。
发明内容
本公开提供了一种视频处理方法、装置、电子设备、存储介质。
根据本公开的第一方面,提供了一种视频处理方法,包括:
对待处理视频进行抽帧处理,得到目标视频图像,并对所述目标视频图像进行场景识别;
判断所述目标视频图像的场景识别结果与所述目标视频图像的相邻视频图像的场景识别结果是否相同;
在判断结果为是的情况下,采用所述相邻视频图像的视频处理参数的参数值对所述目标视频图像进行处理。
根据本公开的第二方面,提供了一种视频处理装置,包括:
场景识别模块,用于对待处理视频进行抽帧处理,得到目标视频图像,并对所述目标视频图像进行场景识别;
判断模块,用于判断所述目标视频图像的场景识别结果与所述目标视频图像的相邻视频图像的场景识别结果是否相同,并在判断结果为是的情况下,调用处理模块;
所述处理模块,用于采用所述相邻视频图像的视频处理参数的参数值对所述目标视频图像进行处理。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述第一方面所述的视频处理方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据第一方面所述的视频处理方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据第一方面所述的视频处理方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开一示例性实施例提供的一种视频处理方法的流程图;
图2是本公开一示例性实施例提供的另一种视频处理方法的流程图;
图3是本公开一示例性实施例提供的一种视频处理方法采用的视频显著性检测模型的架构示意图;
图4a是本公开一示例性实施例提供的一种视频处理方法的效果示意图;
图4b是本公开一示例性实施例提供的一种对带毛玻璃区域的视频图像按行列取均值的效果图;
图4c是本公开一示例性实施例提供的一种对带毛玻璃区域的视频图像按行列取方差的效果图;
图4d是本公开一示例性实施例提供的一种对带毛玻璃区域的视频图像按行列取均方差的效果图;
图5是本公开一示例性实施例提供的另一种视频处理方法的流程图;
图6是本公开一示例性实施例提供的一种视频处理装置的模块示意图;
图7是本公开一示例性实施例提供的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
随着时代发展兴起的多媒体智能设备和多媒体技术让人们可以通过电话手表、手机、摄像机、车载终端等电子设备方便地获取、传播与显示视频。一直以来,传统视频主要在电视、网站、电脑显示器等设备上播放,视频采集和编辑通常使用4:3或者16:9的宽高比。与此同时,手机、平板电脑等电子设备的兴起与风靡,让越来越多的用户更加倾向于用手机、平板电脑等电子设备观看视频,而不是电视或电脑显示器。不同的电子设备的屏幕尺寸不同,电子设备显示视频之前一般需要对视频进行调整。目前对视频进行调整,一般采用固定窗口的静态裁剪方式实现,由于视频包含的视频图像的构图、内容等的多样性,以固定窗口的静态裁剪的方式实现视频调整的方式很难获得令人满意的效果。
基于此,本公开实施例提供了一种视频处理方法,参见图1,该视频处理方法包括以下步骤:
步骤101、对待处理视频进行抽帧处理,得到目标视频图像,并对目标视频图像进行场景识别。
其中,待处理视频可以是直播视频,可以是录制视频,可以是本地视频,也可以是网络视频,本公开实施例对待处理视频的类型、来源不作特别限定。
目标视频图像可以是对待处理视频进行抽帧处理得到的视频图像中的任意帧视频图像;目标视频图像也可以依次为待处理视频中待显示的视频图像,举例来说,对待处理视频进行抽帧处理得到视频图像序列,该视频图像序列包含多帧视频图像,分别为x1、x2、…、xi、…、xn,若当前显示的是视频图像x1,待显示的视频图像为视频图像x2,则目标视频图像为视频图像x2;若当前显示的是视频图像x2,待显示的视频图像为视频图像x3,则目标视频图像为视频图像x3;若当前显示的是视频图像x3,待显示的视频图像为视频图像x4,则目标视频图像为视频图像x4;以此类推。
步骤102、判断目标视频图像的场景识别结果与目标视频图像的相邻视频图像的场景识别结果是否相同。
还是以多帧视频图像分别为x1、x2、…、xi、…、xn为例,若目标视频图像为视频图像x2,则目标视频图像的相邻视频图像为视频图像x1(或者视频图像x3),步骤102中判断视频图像x2与视频图像x1(或者视频图像x3)的场景识别结果是否相同;若目标视频图像为视频图像x3,则目标视频图像的相邻视频图像为视频图像x2(或者视频图像x4),步骤102中判断视频图像x3与视频图像x2(或者视频图像x4)的场景识别结果是否相同。
步骤102中,若判断结果为是,说明目标视频图像的场景识别结果与其相邻视频图像的场景识别结果相同,采用相同的视频处理参数进行处理较适合,则执行步骤103。
步骤103、采用相邻视频图像的视频处理参数的参数值对目标视频图像进行处理。
通过显示屏显示视频之前,为了使得视频与显示屏的尺寸相适配,一般需要对视频进行处理,本公开实施例中,根据待识别视频包含的视频图像的场景识别结果,自适应选择合适的视频处理参数的参数值对视频图像进行处理,一方面可以确保视频与显示屏的尺寸相适配,避免视频中的对象出现变形,另一方面,对于场景识别结果相同且相邻的视频图像采用相同的视频处理参数的参数值进行处理,可以提高视频防抖动的效果,用户观看体验更好。
上述显示屏可以但不限于包括:手机显示屏、平板电脑显示屏、计算机显示屏和智能穿戴设备显示屏等。
在一个实施例中,参见图2,步骤102中,若判断结果为否,说明目标视频图像的场景识别结果与其相邻视频图像的场景识别结果不同,采用不同的视频处理参数进行处理,则执行步骤104。
步骤104、重新确定与目标视频图像的场景识别结果相匹配的视频处理参数的参数值,并采用重新确定的参数值对目标视频图像进行处理。
在一个实施例中,预先确定各场景识别结果与视频处理参数的参数值之间的对应关系,步骤104中,根据该对应关系重新确定与目标视频图像的场景识别结果相匹配的视频处理参数的参数值。
上述对应关系可以通过表格表征,通过字段匹配确定与目标视频图像的场景识别结果相匹配的视频处理参数的参数值;上述对应关系可以通过函数表征,将表征目标视频图像的场景识别结果的变量代入函数即可确定与目标视频图像的场景识别结果相匹配的视频处理参数的参数值;上述对应关系可以通过预先训练的模型表征,将表征目标视频图像的场景识别结果的参数值输入模型即可确定与目标视频图像的场景识别结果相匹配的视频处理参数的参数值。
本公开实施例中,根据待识别视频包含的视频图像的场景识别结果,自适应选择合适的视频处理参数的参数值对视频图像进行处理,实现了针对不同场景识别结果自适应调节视频处理参数的参数值,能够提高视频防抖动对多种抖动视频的鲁棒性,视频防抖动效果较好,有利于提高视频画质。
在一个实施例中,步骤101中,先识别目标视频图像中的显著性区域,再对显著性区域进行场景识别,确定场景识别结果。
本公开实施例中,先确定显著性区域,再对显著性区域进行场景识别,能够排除视频图像中的干扰因素,提高场景识别的准确性。
对于显著性区域的识别,可以通过预先训练的视频显著性检测模型实现。具体的:将目标视频图像输入视频显著性检测模型,根据视频显著性检测模型确定目标视频图像中的显著性区域。
对于场景识别,可以通过图像识别算法实现,具体的:采用图像识别算法对显著性区域进行图像识别,以确定显著性区域的场景识别结果。
对于场景识别,也可以通过图像识别模型实现,具体的:将显著性区域对应的子图像输入图像识别模型,根据图像识别模型确定显著性区域的场景类别识别结果。
在一个实施例中,采用优化的视频显著性检测模型识别目标视频图像中的显著性区域。识别显著性区域时,对目标视频图像和相邻视频图像进行拼接处理,得到拼接图像,将拼接图像输入该视频显著性检测模型,以由视频显著性检测模型根据拼接图像确定目标视频图像中的显著性区域。
进行拼接处理的相邻视频图像的数量可以是一帧,也可以是多帧,例如,将包含目标视频图像的连续9帧视频图像进行拼接得到拼接图像。需要说明的是,进行拼接的9帧视频图像的场景识别结果需相同。
本公开实施例所采用的视频显著性检测模型,通过相邻视频图像识别目标视频图像的显著性区域,视频显著性检测模型能够从相邻视频图像中提取先验信息,以此识别目标视频图像的显著性区域,可以提高显著性区域识别的准确率以及效率。
图3为本公开一示例性实施例提供的一种视频显著性检测模型的架构示意图,该视频显著性检测模型包括预处理模块、静态模块和动态模块。视频显著性检测模型用于对拼接图像进行傅里叶变换和反变换得到视频图像的频域显著性先验信息;静态模块用于根据频域显著性先验信息确定静态图像显著性识别结果;动态模块用于根据目标视频图像、频域显著性先验信息以及静态图像显著性识别结果确定目标视频图像中的显著性区域。
示例性的,将场景识别结果相同的9帧视频图像在空间上进行拼接,经过四元数傅里叶变换和反变换得到频域显著性先验信息,将该频域显著性先验信息输入静态模块,通过静态模块得到静态图像显著性识别结果,静态模块用于根据频域显著性先验信息确定静态图像显著性识别结果;将目标视频图像、频域显著性先验信息以及静态图像显著性识别结果输入动态模块,通过动态模块确定目标视频图像中的显著性区域。
采用优化后的视频显著性检测模型确定目标视频图像的显著性区域,准确率以及效率均较高。
在一个实施例中,视频显著性检测模型采用onnx框架实现。经过测试发现采用onnx框架的视频显著性检测模型对每帧视频图像的识别速度为0.023s,识别速度明显比采用torch框架的视频显著性检测模型快很多;并且采用onnx框架的视频显著性检测模型所占空间的大小为13M,相较于采用torch框架的视频显著性检测模型,采用onnx框架的视频显著性检测模型所占空间较小,且不占用显存。
在一个实施例中,上述视频处理参数包括高斯平滑的高斯核;步骤103包括:确定相邻视频图像的高斯平滑的高斯核,采用该高斯核对目标视频图像的中心坐标进行高斯平滑处理。
在一个实施例中,将显著性区域的中心坐标确定为目标视频图像的中心坐标,则对显著性区域的中心坐标进行高斯平滑处理。
由于视频中即便是场景识别结果相同的视频图像,其关键区域也会不同,视频中对象的位置也会存在细微区别,对于场景识别结果相同的视频图像,现有技术的处理方式会使得视频的中心位置存在细微的偏差,导致视频画面播放存在抖动现象。本公开实施例中,为了使视频播放画面平稳,对视频图像的场景进行识别,对于场景识别结果相同的视频图像,采用相同的高斯核对视频图像的中心坐标进行高斯平滑处理,相当于基于场景识别结果对待处理视频包含的视频图像进行切换,将场景识别结果相同的连续帧视频图像切分为一组,对相同组中视频图像的中心坐标采用相同的高斯核进行高斯平滑处理,使得视频画面看起来非常稳定,即便进行了横竖屏切换,视频画面看起来也与横竖屏切换之前一样稳定。
本公开实施例中,对于场景识别结果相同的相邻视频图像与目标识别图像,采用相同的高斯核进行处理,可以提高视频的防抖动效果,提高用户观看视频的用户体验。
在一个实施例中,上述视频处理参数包括剪裁区域;步骤103包括:采用与相邻视频图像相同的剪裁区域对目标视频图像进行剪裁处理。
本公开实施例中,对于场景识别结果相同的相邻视频图像与目标识别图像,采用相同的剪裁尺寸和剪裁区域进行处理,可以提高视频的防抖动效果,提高用户观看视频的用户体验。
在一个实施例中,上述剪裁区域根据显著性区域确定。示例性的,直接将显著性区域确定为剪裁区域;或者,以显著性区域的中心作为剪裁区域的中心进行剪裁,剪裁区域的长宽比根据显示屏的显示区域确定。
显著性区域大概率是内容显示区域,一般是用户比较关注的区域或者为重点区域,根据显著性区域确定剪裁区域,进行剪裁处理,可以得到用户关注的视频内容,显示用户关注的视频内容。
在一个实施例中,上述剪裁区域根据显示待处理视频的显示区域的尺寸确定,也即根据显示屏的尺寸确定。根据显示屏的尺寸确定剪裁区域,可以确保显示屏显示的视频不会出现变形的现象。
在一个实施例中,上述剪裁区域根据显著性区域以及显示待处理视频的显示屏的尺寸确定。从而,确保显示屏显示的视频不会出现变形的现象,并且所显示的内容为用户关注的内容。
在一个实施例中,步骤103之后还包括:对目标视频图像进行毛玻璃化处理得到毛玻璃图,并将剪裁处理得到的剪裁图像填充于毛玻璃图的目标区域。
毛玻璃图可以通过高斯模糊出来得到,以毫秒级速度快速生成毛玻璃。示例性的,从目标视频图像中裁剪出目标区域(例如,显著性区域或者目标视频图像的中间区域),将目标区域毛玻璃化后等比例放大得到毛玻璃图,将剪裁图像贴到毛玻璃图中间,从而可以避免显示屏显示的视频出现留白。
本公开实施例中,采用高斯模糊实现毛玻璃图。通过试验发现,高斯模糊的核尺寸越大图片越模糊且耗时越大。为了快速得到毛玻璃图以及的带毛玻璃效果较好的毛玻璃图,取高斯核大小为(31,31),高斯核的标准差为20。采用该高斯核对尺寸为(405,720)的视频图像进行毛玻璃化处理,毛玻璃化处理的速度为5ms。
在一个实施例中,步骤103之后还包括:对剪裁处理得到的剪裁图像进行黑边填充处理。通过黑边填充处理可以将剪裁图像填充至指定长宽比,从而可以避免显示屏显示的视频出现留白。
在一个实施例中,步骤103之后还包括:对剪裁处理得到的剪裁图像进行等比例缩放处理,以使得剪裁图像与显示屏相适配,再将经过等比例缩放处理的剪裁图像填充于毛玻璃图的目标区域或者对经过等比例缩放处理的剪裁图像进行黑边填充处理,能够进一步提高视频画质。
在一个实施例中,根据待处理视频的场景识别结果,匹配不同的显示模式,基于相匹配的显示模式显示待处理视频。其中,显示模式包括:显著性区域模式、黑边填充模式、毛玻璃填充模式。
示例性的,预先设置场景识别结果与显示模式的对应关系,根据该对应关系确定相匹配的显示模式。举例来说,假设预设以下对应关系:场景识别结果a-显著性区域模式,场景识别结果b-黑边填充模式,场景识别结果c-毛玻璃填充模式;若目标视频图像的场景识别结果为场景识别结果a,参见图4a,采用显著性区域模式显示目标视频图像;若目标视频图像的场景识别结果为场景识别结果b,采用黑边填充模式显示目标视频图像;若目标视频图像的场景识别结果为场景识别结果c,采用毛玻璃填充模式显示目标视频图像。
对于部分待处理视频,存在毛玻璃区域,在一个实施例中,对目标视频图像进行剪裁处理的步骤包括:将目标视频图像中满足预设条件的像素点确定为毛玻璃区域的像素点,并在内容显示区域中对目标视频图像进行剪裁处理。其中,内容显示区域为目标视频图像中除了毛玻璃区域之外的区域。
本公开实施例中,先识别目标视频图像中的毛玻璃区域,排除掉毛玻璃区域,再进行剪裁处理,从而能够准确剪裁出内容显示区域中的显著性区域。
在一个实施例中,预设条件包括以下至少之一:像素点的像素值的一阶偏差小于偏差阈值;像素点位于目标视频图像的边缘区域;像素点的像素值与内容显示区域中的像素点的像素值的差值大于差值阈值。其中,偏差阈值、差值阈值可以根据实际情况自行确定。
图4b为本公开一示例性实施例提供的一种对带毛玻璃区域的视频图像按行列取均值的效果图,图中L1为列方向的像素值的均值,L2行方向的像素值的均值;图4c为本公开一示例性实施例提供的一种对带毛玻璃区域的视频图像按行列取方差的效果图,图中L3为列方向的像素值的方差,L4行方向的像素值的方差;图4d为本公开一示例性实施例提供的一种对带毛玻璃区域的视频图像按行列取均方差的效果图,图中L5为列方向的像素值的均方差,L6行方向的像素值的均方差。由图4b~图4d可知,毛玻璃区域的像素值的方差呈平滑曲线状,内容显示区域的像素值呈巨大波动状。因此本公开实施例提出采用方差的一阶偏差作为检测毛玻璃区域的条件之一。
为了更好得检测出毛玻璃区域,在一个实施例中,当同时满足以下条件,确定存在毛玻璃区域:分别计算目标视频图像的每行、每列的像素值的方差的一阶偏差,当像素点的一阶偏差小于偏差阈值(例如,偏差阈值为1.8)初步确定该像素点为毛玻璃区域的像素点;对于初步确定的毛玻璃区域,判断毛玻璃区域是否位于目标视频图像的边缘区域,例如是否位于目标视频图像中对称两边,且对称两边的毛玻璃区域的长度差是否小于长度差值阈值(长度差值阈值,例如设置为60个像素点),如果判断结果为是,则进一步判断内容图像区域与毛玻璃区域的像素值方差的差值是否大于方差差值阈值(例如,方差差值阈值为2),如果判断结果为是,则确定初步确定的毛玻璃区域为毛玻璃区域;否则,初步确定的毛玻璃区域并非毛玻璃区域。
本公开实施例中,毛玻璃区域的检测正确率大大提高,高达94%。
在一个实施例中,根据行列方向的像素值的方差、均方差识别目标视频图像中的黑边填充区域,并对目标视频图像中除了黑边填充区域之外的区域中进行剪裁处理。
经试验介质,黑边填充区域的方差与均方差均为0,因此可以通过设置方差阈值、均方差阈值,例如均设置为0,以检测黑边填充区域。
随着时代发展兴起的多媒体智能设备和多媒体技术让人们可以通过电话手表、手机和摄像机等电子设备方便地获取、传播与显示视频。一直以来,传统视频主要在电视、网站、电脑显示器等设备上播放,视频采集和编辑通常使用4:3或者16:9的宽高比。与此同时,手机、平板电脑等电子设备的兴起与风靡,让越来越多的用户更加倾向于用手机等电子设备观看视频,而不是电视或电脑显示器。而基于视频内容的不同或者手机持握习惯的不同,用户在观看视频时,存在横竖屏切换需求。目前对于横竖屏切换,一般采用固定窗口的静态裁剪方式实现,由于视频包含的视频图像的构图、内容等的多样性,以固定窗口的静态裁剪的方式实现横竖屏切换很难获得令人满意的效果。
基于此,本公开实施例提供了一种视频处理方法,在显示屏横竖屏切换场景下,能够提高视频的画质,参见图5,该视频处理方法包括以下步骤:
步骤501、对待处理视频进行抽帧处理,得到目标视频图像,并对目标视频图像进行场景识别。
步骤502、判断目标视频图像的场景识别结果与目标视频图像的相邻视频图像的场景识别结果是否相同。
步骤503、在判断结果为是的情况下,采用相邻视频图像的视频处理参数的参数值对目标视频图像进行处理。
其中,步骤501~步骤503的具体实现方式与步骤101~步骤103类似,此处不再赘述。
步骤504、响应于横竖屏切换请求,确定与横竖屏切换后的显示区域相匹配的长宽比。
步骤505、以长宽比将采用参数值处理后的目标视频图像显示于显示区域中。
本公开实施例中,在横竖屏切换场景中,能够自适应选择合适的长宽比显示采用参数值处理后的目标视频图像,使得视频显示效果符合用户预期。
若视频处理参数包括剪裁区域,采用参数值对目标视频图像进行处理得到剪裁图像,则以步骤504确定的长宽比将剪裁图像显示于显示区域。示例性的,以该长宽比对剪裁图像进行再次剪裁,将再次剪裁得到的剪裁图像显示于显示区域。
可以理解地,为了使得再次剪裁得到的剪裁图像与显示区域的尺寸相适配,还可以对再次剪裁得到的剪裁图像进行等比例缩放处理和/或旋转处理。步骤504的显示区域可以是毛玻璃图的目标区域,也可以是用户指定区域,还可以是显示屏的中间区域,对此本公开实施例不作特别限定。
在一个实施例中,长宽比为固定值。示例性的,长宽比根据经验值确定。
在一个实施例中,长宽比根据场景识别结果确定。示例性的,预先设置场景识别结果与长宽比的对应关系,根据该对应关系,确定与目标视频图像的场景识别结果相匹配的长宽比。
在一个实施例中,长宽比根据横竖屏切换之前的显示区域确定,使得横竖屏切换之后的最长边的长度等于横竖屏切换之前的最长边的长度。举例来说,参见图6,横竖屏切换之前,显示屏以竖屏显示,显示区域的宽为w,高为h,假设h>w,此时最长边为a,其中w=h/a,a表征长宽比;横竖屏切换之后,显示屏以横屏显示,显示区域的宽为h,高为h/a。
与前述视频处理方法实施例相对应,本公开还提供了视频处理装置的实施例。
图6为本公开一示例性实施例提供的一种视频处理装置的模块示意图,该视频处理装置包括:
场景识别模块61,用于对待处理视频进行抽帧处理,得到目标视频图像,并对所述目标视频图像进行场景识别;
判断模块62,用于判断所述目标视频图像的场景识别结果与所述目标视频图像的相邻视频图像的场景识别结果是否相同,并在判断结果为是的情况下,调用处理模块;
所述处理模块63,用于采用所述相邻视频图像的视频处理参数的参数值对所述目标视频图像进行处理。
可选地,还包括:
所述判断模块还用于在判断结果为否的情况下,调用参数重新确定模块;
所述参数重新确定模块,用于重新确定与所述目标视频图像的场景识别结果相匹配的视频处理参数的参数值;
所述处理模块,还用于采用重新确定的参数值对所述目标视频图像进行处理。
可选地,对所述目标视频图像进行场景识别时,所述场景识别模块用于:
将所述目标视频图像输入视频显著性检测模型,根据所述视频显著性检测模型确定所述目标视频图像中的显著性区域;
对所述显著性区域进行场景识别,确定所述场景识别结果。
可选地,所述场景识别模块具体用于:
对所述目标视频图像和所述相邻视频图像进行拼接处理,得到拼接图像;
将所述拼接图像输入所述视频显著性检测模型,以由所述视频显著性检测模型根据所述拼接图像确定所述目标视频图像中的显著性区域。
可选地,所述视频显著性检测模型包括预处理模型、静态模块和动态模块;所述视频显著性检测模型用于对所述拼接图像进行傅里叶变换和反变换得到视频图像的频域显著性先验信息;所述静态模块用于根据所述频域显著性先验信息确定静态图像显著性识别结果;所述动态模块用于根据所述目标视频图像、所述频域显著性先验信息以及所述静态图像显著性识别结果确定所述目标视频图像中的显著性区域。
和/或,所述视频显著性检测模型采用onnx框架实现。
可选地,所述视频处理参数包括高斯平滑的高斯核;所述处理模块具体用于:
确定所述相邻视频图像的高斯平滑的高斯核;
采用所述高斯核对所述目标视频图像的中心坐标进行高斯平滑处理。
可选地,所述视频处理参数包括剪裁区域;所述处理模块具体用于:
采用与所述相邻视频图像相同的剪裁区域对所述目标视频图像进行剪裁处理。
可选地,所述剪裁区域根据所述显著性区域和/或显示所述待处理视频的显示区域的尺寸确定。
可选地,还包括:
毛玻璃化模块,用于对所述目标视频图像进行毛玻璃化处理得到毛玻璃图,并将剪裁处理得到的剪裁图像填充于所述毛玻璃图的目标区域;
或者,黑边填充模块,用于对剪裁处理得到的剪裁图像进行黑边填充处理。
可选地,对所述目标视频图像进行剪裁处理时,所述处理模块具体用于:
将所述目标视频图像中满足预设条件的像素点确定为毛玻璃区域的像素点;
在内容显示区域中对所述目标视频图像进行剪裁处理;其中,所述内容显示区域为所述目标视频图像中除了所述毛玻璃区域之外的区域。
可选地,所述预设条件包括以下至少之一:
所述像素点的像素值的一阶偏差小于偏差阈值;
所述像素点位于所述目标视频图像的边缘区域;
所述像素点的像素值与所述内容显示区域中的像素点的像素值的差值大于差值阈值。
可选地,还包括:
尺寸确定模块,用于响应于横竖屏切换请求,确定与横竖屏切换后的显示区域相匹配的长宽比;
显示模块,用于以所述长宽比将采用所述参数值处理后的目标视频图像显示于所述显示区域中。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本公开的技术方案中,所涉及的视频、视频图像的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如视频处理方法。例如,在一些实施例中,视频处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的视频处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行视频处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
本公开实施例提供的计算机可读存储介质为有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述任一实施例提供的方法。
本公开实施例提供的计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述任一实施例提供的方法。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (27)
1.一种视频处理方法,包括:
对待处理视频进行抽帧处理,得到目标视频图像,并对所述目标视频图像进行场景识别;
判断所述目标视频图像的场景识别结果与所述目标视频图像的相邻视频图像的场景识别结果是否相同;
在判断结果为是的情况下,采用所述相邻视频图像的视频处理参数的参数值对所述目标视频图像进行处理。
2.根据权利要求1所述的视频处理方法,还包括:
在判断结果为否的情况下,重新确定与所述目标视频图像的场景识别结果相匹配的视频处理参数的参数值;
采用重新确定的参数值对所述目标视频图像进行处理。
3.根据权利要求1所述的视频处理方法,其中,对所述目标视频图像进行场景识别,包括:
将所述目标视频图像输入视频显著性检测模型,根据所述视频显著性检测模型确定所述目标视频图像中的显著性区域;
对所述显著性区域进行场景识别,确定所述场景识别结果。
4.根据权利要求3所述的视频处理方法,所述将所述目标视频图像输入视频显著性检测模型,根据所述视频显著性检测模型确定所述目标视频图像中的显著性区域,包括:
对所述目标视频图像和所述相邻视频图像进行拼接处理,得到拼接图像;
将所述拼接图像输入所述视频显著性检测模型,以由所述视频显著性检测模型根据所述拼接图像确定所述目标视频图像中的显著性区域。
5.根据权利要求4所述的视频处理方法,其中,所述视频显著性检测模型包括预处理模型、静态模块和动态模块;所述视频显著性检测模型用于对所述拼接图像进行傅里叶变换和反变换得到视频图像的频域显著性先验信息;所述静态模块用于根据所述频域显著性先验信息确定静态图像显著性识别结果;所述动态模块用于根据所述目标视频图像、所述频域显著性先验信息以及所述静态图像显著性识别结果确定所述目标视频图像中的显著性区域;
和/或,所述视频显著性检测模型采用onnx框架实现。
6.根据权利要求1-5中任一项所述的视频处理方法,其中,所述视频处理参数包括高斯平滑的高斯核;所述采用所述相邻视频图像的视频处理参数的参数值对所述目标视频图像进行处理,包括:
确定所述相邻视频图像的高斯平滑的高斯核;
采用所述高斯核对所述目标视频图像的中心坐标进行高斯平滑处理。
7.根据权利要求1-5中任一项所述的视频处理方法,其中,所述视频处理参数包括剪裁区域;采用所述相邻视频图像的视频处理参数的参数值对所述目标视频图像进行处理,包括:
采用与所述相邻视频图像相同的剪裁区域对所述目标视频图像进行剪裁处理。
8.根据权利要求7所述的视频处理方法,其中,所述剪裁区域根据所述目标视频图像的显著性区域和/或显示所述待处理视频的显示区域的尺寸确定。
9.根据权利要求7所述的视频处理方法,其中,还包括:
对所述目标视频图像进行毛玻璃化处理得到毛玻璃图,并将剪裁处理得到的剪裁图像填充于所述毛玻璃图的目标区域;
或者,对剪裁处理得到的剪裁图像进行黑边填充处理。
10.根据权利要求7所述的视频处理方法,对所述目标视频图像进行剪裁处理的步骤,包括:
将所述目标视频图像中满足预设条件的像素点确定为毛玻璃区域的像素点;
在内容显示区域中对所述目标视频图像进行剪裁处理;其中,所述内容显示区域为所述目标视频图像中除了所述毛玻璃区域之外的区域。
11.根据权利要求10所述的视频处理方法,所述预设条件包括以下至少之一:
所述像素点的像素值的一阶偏差小于偏差阈值;
所述像素点位于所述目标视频图像的边缘区域;
所述像素点的像素值与所述内容显示区域中的像素点的像素值的差值大于差值阈值。
12.根据权利要求1所述的视频处理方法,所述采用所述相邻视频图像的视频处理参数的参数值对所述目标视频图像进行处理的步骤之后还包括:
响应于横竖屏切换请求,确定与横竖屏切换后的显示区域相匹配的长宽比;
以所述长宽比将采用所述参数值处理后的目标视频图像显示于所述显示区域中。
13.一种视频处理装置,包括:
场景识别模块,用于对待处理视频进行抽帧处理,得到目标视频图像,并对所述目标视频图像进行场景识别;
判断模块,用于判断所述目标视频图像的场景识别结果与所述目标视频图像的相邻视频图像的场景识别结果是否相同,并在判断结果为是的情况下,调用处理模块;
所述处理模块,用于采用所述相邻视频图像的视频处理参数的参数值对所述目标视频图像进行处理。
14.根据权利要求13所述的视频处理装置,还包括:
所述判断模块还用于在判断结果为否的情况下,调用参数重新确定模块;
所述参数重新确定模块,用于重新确定与所述目标视频图像的场景识别结果相匹配的视频处理参数的参数值;
所述处理模块,还用于采用重新确定的参数值对所述目标视频图像进行处理。
15.根据权利要求13所述的视频处理装置,其中,对所述目标视频图像进行场景识别时,所述场景识别模块用于:
将所述目标视频图像输入视频显著性检测模型,根据所述视频显著性检测模型确定所述目标视频图像中的显著性区域;
对所述显著性区域进行场景识别,确定所述场景识别结果。
16.根据权利要求15所述的视频处理装置,所述场景识别模块具体用于:
对所述目标视频图像和所述相邻视频图像进行拼接处理,得到拼接图像;
将所述拼接图像输入所述视频显著性检测模型,以由所述视频显著性检测模型根据所述拼接图像确定所述目标视频图像中的显著性区域。
17.根据权利要求16所述的视频处理装置,其中,所述视频显著性检测模型包括预处理模型、静态模块和动态模块;所述视频显著性检测模型用于对所述拼接图像进行傅里叶变换和反变换得到视频图像的频域显著性先验信息;所述静态模块用于根据所述频域显著性先验信息确定静态图像显著性识别结果;所述动态模块用于根据所述目标视频图像、所述频域显著性先验信息以及所述静态图像显著性识别结果确定所述目标视频图像中的显著性区域;
和/或,所述视频显著性检测模型采用onnx框架实现。
18.根据权利要求13-17中任一项所述的视频处理装置,其中,所述视频处理参数包括高斯平滑的高斯核;所述处理模块具体用于:
确定所述相邻视频图像的高斯平滑的高斯核;
采用所述高斯核对所述目标视频图像的中心坐标进行高斯平滑处理。
19.根据权利要求13-17中任一项所述的视频处理装置,其中,所述视频处理参数包括剪裁区域;所述处理模块具体用于:
采用与所述相邻视频图像相同的剪裁区域对所述目标视频图像进行剪裁处理。
20.根据权利要求19所述的视频处理装置,其中,所述剪裁区域根据所述目标视频图像的显著性区域和/或显示所述待处理视频的显示区域的尺寸确定。
21.根据权利要求19所述的视频处理装置,其中,还包括:
毛玻璃化模块,用于对所述目标视频图像进行毛玻璃化处理得到毛玻璃图,并将剪裁处理得到的剪裁图像填充于所述毛玻璃图的目标区域;
或者,黑边填充模块,用于对剪裁处理得到的剪裁图像进行黑边填充处理。
22.根据权利要求19所述的视频处理装置,对所述目标视频图像进行剪裁处理时,所述处理模块具体用于:
将所述目标视频图像中满足预设条件的像素点确定为毛玻璃区域的像素点;
在内容显示区域中对所述目标视频图像进行剪裁处理;其中,所述内容显示区域为所述目标视频图像中除了所述毛玻璃区域之外的区域。
23.根据权利要求22所述的视频处理装置,所述预设条件包括以下至少之一:
所述像素点的像素值的一阶偏差小于偏差阈值;
所述像素点位于所述目标视频图像的边缘区域;
所述像素点的像素值与所述内容显示区域中的像素点的像素值的差值大于差值阈值。
24.根据权利要求13所述的视频处理装置,还包括:
尺寸确定模块,用于响应于横竖屏切换请求,确定与横竖屏切换后的显示区域相匹配的长宽比;
显示模块,用于以所述长宽比将采用所述参数值处理后的目标视频图像显示于所述显示区域中。
25.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-12中任一项所述的视频处理方法。
26.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的视频处理方法。
27.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-12中任一项所述的视频处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310163318.0A CN116347156A (zh) | 2023-02-15 | 2023-02-15 | 视频处理方法、装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310163318.0A CN116347156A (zh) | 2023-02-15 | 2023-02-15 | 视频处理方法、装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116347156A true CN116347156A (zh) | 2023-06-27 |
Family
ID=86888541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310163318.0A Pending CN116347156A (zh) | 2023-02-15 | 2023-02-15 | 视频处理方法、装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116347156A (zh) |
-
2023
- 2023-02-15 CN CN202310163318.0A patent/CN116347156A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210201445A1 (en) | Image cropping method | |
EP3614333B1 (en) | Image processing method, storage medium, and electronic apparatus | |
US10430075B2 (en) | Image processing for introducing blurring effects to an image | |
EP4064176A1 (en) | Image processing method and apparatus, storage medium and electronic device | |
US11113795B2 (en) | Image edge processing method, electronic device, and computer readable storage medium | |
US11194536B2 (en) | Image processing method and apparatus for displaying an image between two display screens | |
CN111145114B (zh) | 一种图像增强的方法、装置及计算机可读存储介质 | |
US8311360B2 (en) | Shadow remover | |
US10810462B2 (en) | Object detection with adaptive channel features | |
CN109785264B (zh) | 图像增强方法、装置及电子设备 | |
US8466980B2 (en) | Method and apparatus for providing picture privacy in video | |
US10180782B2 (en) | Fast image object detector | |
CN110796664A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN114004840A (zh) | 图像处理方法、训练方法、检测方法、装置、设备及介质 | |
CN113284063A (zh) | 图像处理方法、图像处理装置、电子设备和可读存储介质 | |
CN111835937A (zh) | 图像处理方法、装置及电子设备 | |
CN113810755B (zh) | 全景视频预览的方法、装置、电子设备及存储介质 | |
US10354125B2 (en) | Photograph processing method and system | |
CN116347156A (zh) | 视频处理方法、装置、电子设备、存储介质 | |
CN112929562B (zh) | 视频抖动的处理方法、装置、设备以及存储介质 | |
CN112446848A (zh) | 图像处理方法、装置及电子设备 | |
CN114792283A (zh) | 一种图像处理方法、装置、设备及计算机可读存储介质 | |
KR20200064833A (ko) | 영상 처리 장치 및 그 영상 처리 방법 | |
CN114119609B (zh) | 图像污点浓度的检测方法、装置、设备及存储介质 | |
WO2017088463A1 (zh) | 图像处理方法和装置 |
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 |