CN116935137A - 图像类型的判定方法、装置、设备及存储介质 - Google Patents
图像类型的判定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116935137A CN116935137A CN202310972315.1A CN202310972315A CN116935137A CN 116935137 A CN116935137 A CN 116935137A CN 202310972315 A CN202310972315 A CN 202310972315A CN 116935137 A CN116935137 A CN 116935137A
- Authority
- CN
- China
- Prior art keywords
- rgb
- image
- target
- standard deviation
- pixel point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims 2
- 238000012545 processing Methods 0.000 abstract description 18
- 238000009826 distribution Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000004383 yellowing Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理领域,公开了一种图像类型的判定方法、装置、设备及存储介质。该方法包括:检测到待识别图像时,遍历待识别图像的初始像素点;计算初始像素点的RGB平均值;根据RGB平均值以及预设公式计算RGB平均值对应的RGB标准差均值;根据RGB标准差均值对初始像素点进行去噪,得到目标像素点;计算目标像素点的目标RGB平均值;根据目标RGB平均值以及预设公式计算目标RGB平均值对应的目标RGB标准差均值;根据目标RGB标准差均值以及预设阈值确定待识别图像的类型。本发明提高了图像类型判定的准确性。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种图像类型的判定方法、装置、设备及存储介质。
背景技术
最开始的摄像机拍摄的照片和视频是黑白的,所以目前仍然有大量的黑白照片或视频存在。而通过AI技术,可以给这些黑白照片和视频上色,使之变成彩色的照片或视频。要实现这些,必不可少的步骤就是先要区分输入的图片或视频为黑白还是彩色,如果是黑白图片,则模型对其上色,否则跳过。判断图片或视频是彩色还是黑白可通过是对图像的颜色分布进行统计,可以根据颜色的分布情况来判断图像是否为彩色。但在实际应用中,一张黑白图片可能会存在水印、偏色、发黄等,即不是所有像素点RGB对应的标准差都小,通过颜色分布情况判断图片或视频是彩色还是黑白的方法较为复杂,导致判定效率低。
发明内容
本发明的主要目的在于解决通过颜色分布情况判断图片或视频是彩色还是黑白的判定效率率低的技术问题。
本发明第一方面提供了一种图像类型的判定方法,所述图像类型的判定方法包括:
检测到待识别图像时,遍历所述待识别图像的初始像素点;
计算所述初始像素点的RGB平均值;
根据所述RGB平均值以及预设公式计算所述RGB平均值对应的RGB标准差均值;
根据所述RGB标准差均值对所述初始像素点进行去噪,得到目标像素点;
计算所述目标像素点的目标RGB平均值;
根据所述目标RGB平均值以及所述预设公式计算所述目标RGB平均值对应的目标RGB标准差均值;
根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型。
可选的,在本发明第一方面的第一种实现方式中,所述计算所述像素点的RGB平均值的步骤包括:
确定所述初始像素点对应的红色RGB平均值、确定所述初始像素点对应的绿色RGB平均值、确定所述初始像素点对应的蓝色RGB平均值,得到所述RGB平均值。
可选的,在本发明第一方面的第二种实现方式中,所述根据所述RGB平均值以及预设公式计算所述RGB平均值对应的RGB标准差均值包括:
根据所述RGB平均值以及所述待识别图片的尺寸计算所述RGB平均值对应的所述RGB标准差均值。
可选的,在本发明第一方面的第三种实现方式中,所述根据所述RGB标准差均值对所述初始像素点进行去噪,得到目标像素点的步骤包括:
确定大于预设值*3以及小于所述预设值/3的待操作RGB标准差均值;
在所述初始像素点中将所述待操作RGB标准差对应的像素点标记为噪声并去除,得到所述目标像素点。
可选的,在本发明第一方面的第四种实现方式中,所述根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型的步骤包括:
若所述目标RGB标准差均值大于等于所述预设阈值,判定所述待识别图像的所述类型为彩色图像;
若所述目标RGB标准差均值小于所述预设阈值,判定所述待识别图像的所述类型为黑白图像。
可选的,在本发明第一方面的第五种实现方式中,所述根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型的步骤之前,所述方法还包括:
获取样本图像,所述样本图像包括黑白样本图像以及彩色样本图像;
根据所述样本图像确定所述预设阈值。
可选的,在本发明第一方面的第六种实现方式中,所述根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型的步骤之后,所述方法还包括:
根据所述目标RGB标准差均值更新所述预设阈值。
本发明第二方面提供了一种图像类型的判定装置,包括:
检测模块,用于检测到待识别图像时,遍历所述待识别图像的初始像素点;
第一计算模块,用于计算所述初始像素点的RGB平均值;
第二计算模块,用于根据所述RGB平均值以及预设公式计算所述RGB平均值对应的RGB标准差均值;
去噪模块,用于根据所述RGB标准差均值对所述初始像素点进行去噪,得到目标像素点;
第三模块,用于计算所述目标像素点的目标RGB平均值;
第四模块,用于根据所述目标RGB平均值以及所述预设公式计算所述目标RGB平均值对应的目标RGB标准差均值;
判定模块,用于根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型。
本发明第三方面提供了一种图像类型的判定设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述图像类型的判定设备执行上述的图像类型的判定方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的图像类型的判定方法。
本发明实施例中,检测到待识别图像时,遍历所述待识别图像的初始像素点;计算所述初始像素点的RGB平均值;根据所述RGB平均值以及预设公式计算所述RGB平均值对应的RGB标准差均值;根据所述RGB标准差均值对所述初始像素点进行去噪,得到目标像素点;计算所述目标像素点的目标RGB平均值;根据所述目标RGB平均值以及所述预设公式计算所述目标RGB平均值对应的目标RGB标准差均值;根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型。图像类型的判定装置通过对待识别图像进行处理,可以去除图像中的噪声,从而得到目标图像。具体而言,该方法首先检测到待识别图像,并遍历该图像的初始像素点。然后,计算这些初始像素点的RGB平均值,并根据预设公式计算RGB平均值对应的RGB标准差均值。接下来,利用计算得到的RGB标准差均值,对初始像素点进行去噪操作,得到目标像素点。然后,计算目标像素点的目标RGB平均值,并根据预设公式计算目标RGB平均值对应的目标RGB标准差均值。最后,根据目标RGB标准差均值以及预设阈值,确定待识别图像的类型。该方法通过对图像的像素点进行处理和分析,能够有效去除图像中的噪声,并根据特定的标准判断图像类型,从而提高图像类型判定的准确性。
附图说明
图1为本发明实施例中图像类型的判定方法的一个实施例示意图;
图2为本发明实施例中图像类型的判定装置的一个实施例示意图;
图3为本发明实施例中图像类型的判定设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种图像类型的判定方法、装置、设备及存储介质。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中图像类型的判定方法的一个实施例包括:
101、检测到待识别图像时,遍历所述待识别图像的初始像素点;
具体的,通过遍历图像的每个像素点,可以对每个像素点进行后续处理和分析,从而获取更多的图像信息。
遍历图像的初始像素点可以对整个图像进行全面的分析和处理。在处理图像时,可以根据需要访问每个像素点的位置坐标、像素值等信息,以便后续的计算和操作。
通过遍历图像的每个像素点,可以在不遗漏任何一个像素的情况下进行后续的处理步骤,如计算像素点的RGB平均值、去噪、图像分割等。这样可以确保对整个图像进行全面的处理,并获取更准确的结果。
102、计算所述初始像素点的RGB平均值;
可选的,确定所述初始像素点对应的红色RGB平均值、确定所述初始像素点对应的绿色RGB平均值、确定所述初始像素点对应的蓝色RGB平均值,得到所述RGB平均值。
具体的,通过计算RGB平均值,可以获取图像整体颜色的平均水平,从而为后续的处理和分析提供基础。
可选的,对于每个像素点,获取其对应的红色(R)、绿色(G)和蓝色(B)的像素值;将所有像素点的R、G、B值累加,并分别除以像素点数量,即可得到R、G、B的平均值;这三个平均值即为初始像素点的RGB平均值。
计算RGB平均值可以反映出整个图像的色彩分布情况,有助于了解图像的整体色调。在图像处理中,RGB平均值常被用作颜色校正、白平衡等操作的依据。
103、根据所述RGB平均值以及预设公式计算所述RGB平均值对应的RGB标准差均值;
可选的,根据所述RGB平均值以及所述待识别图片的尺寸计算所述RGB平均值对应的所述RGB标准差均值。
可选的,获取每个像素点的红色(R)、绿色(G)和蓝色(B)的像素值。对于每个像素点,计算每个通道(R、G、B)与对应通道的平均值之差的平方,并将三个通道的结果相加。将上一步得到的结果除以像素点数量(图像的总像素数)。在完成上述计算后,取得到的值的平方根,即可得到RGB标准差均值。
RGB标准差均值是描述图像色彩分布的统计量。它表示了像素值在各个通道上的离散程度,从而反映了图像的色彩差异和对比度。
104、根据所述RGB标准差均值对所述初始像素点进行去噪,得到目标像素点;
具体的,将RGB标准差与预设的阈值进行比较,如果小于等于阈值,则将该像素点视为目标像素点;否则将其视为噪声。将被识别为目标像素点的像素保留,其他被识别为噪声的像素进行标记或过滤。
可选的,具体的阈值设定和去噪策略可以根据实际应用场景和需求进行调整。常见的去噪方法还包括均值滤波、中值滤波、高斯滤波等,在此不进行限定。
通过去噪处理,可以降低图像的噪声干扰,提取出清晰、准确的目标像素点,为后续的图像分析和处理提供更可靠的数据基础。
105、计算所述目标像素点的目标RGB平均值;
具体的,在得到目标像素点后,可以计算其目标RGB平均值。遍历所有目标像素点,获取每个像素点的红色(R)、绿色(G)和蓝色(B)的像素值。将所有目标像素点的R、G、B值分别累加。将上述累加的结果分别除以目标像素点的数量,即可得到目标像素点的目标RGB平均值。目标RGB平均值反映了目标像素点的整体颜色水平。通过计算目标像素点的RGB平均值,可以了解目标在图像中的整体颜色特征。
可选的,计算目标像素点的RGB平均值应仅包括被确认为目标的像素点,而不包括噪声或其他非目标像素点。这样可以确保得到准确的目标颜色信息。
106、根据所述目标RGB平均值以及所述预设公式计算所述目标RGB平均值对应的目标RGB标准差均值;
具体的,根据目标RGB平均值以及预设的公式,可以计算目标RGB平均值对应的目标RGB标准差均值。遍历所有目标像素点,获取每个像素点的红色(R)、绿色(G)和蓝色(B)的像素值。对于每个像素点,计算每个通道(R、G、B)与对应通道的平均值之差的平方,并将三个通道的结果相加。将上一步得到的结果除以目标像素点的数量,即为目标像素点的RGB标准差均值。目标RGB标准差均值是描述目标像素点颜色分布的统计量。它表示了目标像素点在各个通道上的离散程度,从而反映了目标的颜色差异和对比度。通过计算目标像素点的RGB标准差均值,可以进一步了解目标像素点的颜色差异程度,为后续的图像处理和分析提供更加详细的信息。
107、根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型。
具体的,根据目标RGB标准差均值以及预设的阈值,可以确定待识别图像的类型。根据预设的阈值,将目标RGB标准差均值与阈值进行比较。如果目标RGB标准差均值小于阈值,则将待识别图像判定为一类类型(例如黑白图像)。如果目标RGB标准差均值大于等于阈值,则将待识别图像判定为另一类类型(例如彩色图像)。判断待识别图像类型的阈值可以根据实际需求和应用场景进行设定。不同类型的图像可能具有不同的颜色分布和纹理特征,因此通过目标RGB标准差均值可以初步判断图像的清晰度或模糊程度。
可选的,若所述目标RGB标准差均值大于等于所述预设阈值,判定所述待识别图像的所述类型为彩色图像。若所述目标RGB标准差均值小于所述预设阈值,判定所述待识别图像的所述类型为黑白图像。
可选的,获取样本图像,所述样本图像包括黑白样本图像以及彩色样本图像;根据所述样本图像确定所述预设阈值。
可选的,根据所述目标RGB标准差均值更新所述预设阈值。在实际应用中,根据目标RGB标准差均值的变化情况,可以动态地更新预设阈值,以更好地适应不同类型的图像。以下是一种更新方法:
1、设定一个初始的预设阈值。
2、对于每个待识别图像,计算目标RGB标准差均值。
3、将计算得到的目标RGB标准差均值与当前的预设阈值进行比较。
4、如果目标RGB标准差均值超过当前的预设阈值,表明图像类型可能有变化,需要更新阈值。
5、使用预设的更新规则,例如将目标RGB标准差均值作为新的预设阈值,或者根据历史数据进行加权平均等方式,更新预设阈值。
6、重复上述2至5,对新的待识别图像进行判断,并根据需要不断更新预设阈值。
通过动态更新预设阈值,可以根据实际图像的特点和变化,提高对不同类型图像的准确性。需要根据具体应用场景和需求,选择合适的更新规则和策略,使预设阈值能够灵活适应不同类型的图像。
可选的,确定大于预设值*3以及小于所述预设值/3的待操作RGB标准差均值;在所述初始像素点中将所述待操作RGB标准差对应的像素点标记为噪声并去除,得到所述目标像素点。在一个完整的技术方案中,黑白图片分纯黑白图片和灰阶黑白图片。在RGB颜色模型空间中,纯黑白图片只有黑白两色,白色R=G=B=255,黑色R=G=B=0。
而灰阶黑白是指RGB的值相等或相近。
根据“RGB的值相等或相近”这一条件,可知每一个像素点RGB三个值之间的标准差会比较小。但在实际应用中,一张黑白图片可能会存在噪声(水印,偏色,发黄)等,即不是所有像素点RGB对应的标准差都小,所以还需要一个额外的去噪步骤。
所以,具体实现方法如下:
1、计算宽为W高为H的图片所有像素点的RGB三个值之间的标准差S1,S2,...Si;
2、计算所有像素点对应的标准差均值
3、识别并去除噪声。将大于A的3倍和小于A的1/3所对应的像素点标记为噪声并去除。去除噪声后,再根据第二步的公式重新计算标准差均值B;
选取阈值。测试统计一批彩色和黑白图片的B值,选取特定阈值,使大于该阈值为彩色图片,小于则为黑白图片。
本发明实施例中,检测到待识别图像时,遍历所述待识别图像的初始像素点;计算所述初始像素点的RGB平均值;根据所述RGB平均值以及预设公式计算所述RGB平均值对应的RGB标准差均值;根据所述RGB标准差均值对所述初始像素点进行去噪,得到目标像素点;计算所述目标像素点的目标RGB平均值;根据所述目标RGB平均值以及所述预设公式计算所述目标RGB平均值对应的目标RGB标准差均值;根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型。图像类型的判定装置通过对待识别图像进行处理,可以去除图像中的噪声,从而得到目标图像。具体而言,该方法首先检测到待识别图像,并遍历该图像的初始像素点。然后,计算这些初始像素点的RGB平均值,并根据预设公式计算RGB平均值对应的RGB标准差均值。接下来,利用计算得到的RGB标准差均值,对初始像素点进行去噪操作,得到目标像素点。然后,计算目标像素点的目标RGB平均值,并根据预设公式计算目标RGB平均值对应的目标RGB标准差均值。最后,根据目标RGB标准差均值以及预设阈值,确定待识别图像的类型。该方法通过对图像的像素点进行处理和分析,能够有效去除图像中的噪声,并根据特定的标准判断图像类型,从而提高图像类型判定的准确性。
上面对本发明实施例中图像类型的判定方法进行了描述,下面对本发明实施例中图像类型的判定装置进行描述,请参阅图2,本发明实施例中图像类型的判定装置一个实施例包括:
检测模块301,用于检测到待识别图像时,遍历所述待识别图像的初始像素点;
第一计算模块302,用于计算所述初始像素点的RGB平均值;
第二计算模块303,用于根据所述RGB平均值以及预设公式计算所述RGB平均值对应的RGB标准差均值;
去噪模块304,用于根据所述RGB标准差均值对所述初始像素点进行去噪,得到目标像素点;
第三模块305,用于计算所述目标像素点的目标RGB平均值;
第四模块306,用于根据所述目标RGB平均值以及所述预设公式计算所述目标RGB平均值对应的目标RGB标准差均值;
判定模块307,用于根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型。
可选的,第一计算模块302还可以具体用于:
确定所述初始像素点对应的红色RGB平均值、确定所述初始像素点对应的绿色RGB平均值、确定所述初始像素点对应的蓝色RGB平均值,得到所述RGB平均值。
可选的,第二计算模块303还可以具体用于:
根据所述RGB平均值以及所述待识别图片的尺寸计算所述RGB平均值对应的所述RGB标准差均值。
可选的,去噪模块304还可以具体用于:
确定大于预设值*3以及小于所述预设值/3的待操作RGB标准差均值;
在所述初始像素点中将所述待操作RGB标准差对应的像素点标记为噪声并去除,得到所述目标像素点。
可选的,判定模块307还可以具体用于:
若所述目标RGB标准差均值大于等于所述预设阈值,判定所述待识别图像的所述类型为彩色图像;
若所述目标RGB标准差均值小于所述预设阈值,判定所述待识别图像的所述类型为黑白图像。
可选的,判定模块307还可以具体用于:
获取样本图像,所述样本图像包括黑白样本图像以及彩色样本图像;
根据所述样本图像确定所述预设阈值。
可选的,判定模块307还可以具体用于:
根据所述目标RGB标准差均值更新所述预设阈值。
本发明实施例中,检测到待识别图像时,遍历所述待识别图像的初始像素点;计算所述初始像素点的RGB平均值;根据所述RGB平均值以及预设公式计算所述RGB平均值对应的RGB标准差均值;根据所述RGB标准差均值对所述初始像素点进行去噪,得到目标像素点;计算所述目标像素点的目标RGB平均值;根据所述目标RGB平均值以及所述预设公式计算所述目标RGB平均值对应的目标RGB标准差均值;根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型。图像类型的判定装置通过对待识别图像进行处理,可以去除图像中的噪声,从而得到目标图像。具体而言,该方法首先检测到待识别图像,并遍历该图像的初始像素点。然后,计算这些初始像素点的RGB平均值,并根据预设公式计算RGB平均值对应的RGB标准差均值。接下来,利用计算得到的RGB标准差均值,对初始像素点进行去噪操作,得到目标像素点。然后,计算目标像素点的目标RGB平均值,并根据预设公式计算目标RGB平均值对应的目标RGB标准差均值。最后,根据目标RGB标准差均值以及预设阈值,确定待识别图像的类型。该方法通过对图像的像素点进行处理和分析,能够有效去除图像中的噪声,并根据特定的标准判断图像类型,从而提高图像类型判定的准确性。
上面图2从模块化功能实体的角度对本发明实施例中的图像类型的判定装置进行详细描述,下面从硬件处理的角度对本发明实施例中图像类型的判定设备进行详细描述。
图3是本发明实施例提供的一种图像类型的判定设备的结构示意图,该图像类型的判定设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对图像类型的判定设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在图像类型的判定设备500上执行存储介质530中的一系列指令操作。
基于图像类型的判定设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作系统531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图3示出的图像类型的判定设备结构并不构成对基于图像类型的判定设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述图像类型的判定方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统或装置、单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种图像类型的判定方法,其特征在于,所述图像类型的判定方法包括:
检测到待识别图像时,遍历所述待识别图像的初始像素点;
计算所述初始像素点的RGB平均值;
根据所述RGB平均值以及预设公式计算所述RGB平均值对应的RGB标准差均值;
根据所述RGB标准差均值对所述初始像素点进行去噪,得到目标像素点;
计算所述目标像素点的目标RGB平均值;
根据所述目标RGB平均值以及所述预设公式计算所述目标RGB平均值对应的目标RGB标准差均值;
根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型。
2.根据权利要求1所述的图像类型的判定方法,其特征在于,所述计算所述像素点的RGB平均值的步骤包括:
确定所述初始像素点对应的红色RGB平均值、确定所述初始像素点对应的绿色RGB平均值、确定所述初始像素点对应的蓝色RGB平均值,得到所述RGB平均值。
3.根据权利要求1所述的图像类型的判定方法,其特征在于,所述根据所述RGB平均值以及预设公式计算所述RGB平均值对应的RGB标准差均值包括:
根据所述RGB平均值以及所述待识别图片的尺寸计算所述RGB平均值对应的所述RGB标准差均值。
4.根据权利要求1所述的图像类型的判定方法,其特征在于,所述根据所述RGB标准差均值对所述初始像素点进行去噪,得到目标像素点的步骤包括:
确定大于预设值*3以及小于所述预设值/3的待操作RGB标准差均值;
在所述初始像素点中将所述待操作RGB标准差对应的像素点标记为噪声并去除,得到所述目标像素点。
5.根据权利要求1所述的图像类型的判定方法,其特征在于,所述根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型的步骤包括:
若所述目标RGB标准差均值大于等于所述预设阈值,判定所述待识别图像的所述类型为彩色图像;
若所述目标RGB标准差均值小于所述预设阈值,判定所述待识别图像的所述类型为黑白图像。
6.根据权利要求1-5任一项所述的图像类型的判定方法,其特征在于,所述根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型的步骤之前,所述方法还包括:
获取样本图像,所述样本图像包括黑白样本图像以及彩色样本图像;
根据所述样本图像确定所述预设阈值。
7.根据权利要求1所述的图像类型的判定方法,其特征在于,所述根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型的步骤之后,所述方法还包括:
根据所述目标RGB标准差均值更新所述预设阈值。
8.一种图像类型的判定装置,其特征在于,所述图像类型的判定装置包括:
检测模块,用于检测到待识别图像时,遍历所述待识别图像的初始像素点;
第一计算模块,用于计算所述初始像素点的RGB平均值;
第二计算模块,用于根据所述RGB平均值以及预设公式计算所述RGB平均值对应的RGB标准差均值;
去噪模块,用于根据所述RGB标准差均值对所述初始像素点进行去噪,得到目标像素点;
第三模块,用于计算所述目标像素点的目标RGB平均值;
第四模块,用于根据所述目标RGB平均值以及所述预设公式计算所述目标RGB平均值对应的目标RGB标准差均值;
判定模块,用于根据所述目标RGB标准差均值以及预设阈值确定所述待识别图像的类型。
9.一种图像类型的判定设备,其特征在于,所述图像类型的判定设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述图像类型的判定设备执行如权利要求1-7中任一项所述的图像类型的判定方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的图像类型的判定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310972315.1A CN116935137A (zh) | 2023-08-02 | 2023-08-02 | 图像类型的判定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310972315.1A CN116935137A (zh) | 2023-08-02 | 2023-08-02 | 图像类型的判定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116935137A true CN116935137A (zh) | 2023-10-24 |
Family
ID=88380642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310972315.1A Pending CN116935137A (zh) | 2023-08-02 | 2023-08-02 | 图像类型的判定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116935137A (zh) |
-
2023
- 2023-08-02 CN CN202310972315.1A patent/CN116935137A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7528991B2 (en) | Method of generating a mask image of membership of single pixels to certain chromaticity classes and of adaptive improvement of a color image | |
WO2022088620A1 (zh) | 相机镜头的状态检测方法、装置、设备及存储介质 | |
WO2020052270A1 (zh) | 一种视频审核的方法、装置和设备 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN109903265B (zh) | 一种图像变化区域侦测阀值设定方法、系统及其电子装置 | |
CN111163301B (zh) | 色彩调整方法、装置及计算机可读存储介质 | |
US8482630B2 (en) | Apparatus and method for adjusting automatic white balance by detecting effective area | |
WO2019210707A1 (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
CN113808135B (zh) | 图像亮度异常检测方法、电子设备及存储介质 | |
CN111738272A (zh) | 一种目标特征提取方法、装置及电子设备 | |
WO2024016632A1 (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
CN105809677B (zh) | 一种基于双边滤波器的图像边缘检测方法及系统 | |
SE538435C2 (en) | Method, device and computer program product for determining color transforms between images comprising a plurality of image elements | |
CN110334606B (zh) | 画中画定位方法及装置 | |
CN112017163A (zh) | 图像模糊度检测的方法、装置、电子设备及存储介质 | |
CN116934634A (zh) | 一种基于像素分类的图像增强方法及装置 | |
CN116935137A (zh) | 图像类型的判定方法、装置、设备及存储介质 | |
CN114267002B (zh) | 卷烟厂制丝车间工况监测方法、装置、设备及存储介质 | |
US11631183B2 (en) | Method and system for motion segmentation | |
CN112312108A (zh) | 一种白平衡的异常确定方法、装置、存储介质及电子设备 | |
CN115760653A (zh) | 图像校正方法、装置、设备及可读存储介质 | |
CN111951254B (zh) | 基于边缘引导加权平均的源相机识别方法及系统 | |
CN111582100B (zh) | 一种目标对象的检测方法及设备 | |
CN110211096B (zh) | 一种雾霾图像的检测方法 | |
CN108629350B (zh) | 一种识别图片之间相似关系的方法及装置 |
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 |