CN117011153A - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN117011153A CN117011153A CN202210470192.7A CN202210470192A CN117011153A CN 117011153 A CN117011153 A CN 117011153A CN 202210470192 A CN202210470192 A CN 202210470192A CN 117011153 A CN117011153 A CN 117011153A
- Authority
- CN
- China
- Prior art keywords
- image processing
- image
- information
- original image
- original
- 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 17
- 238000012545 processing Methods 0.000 claims abstract description 571
- 238000000034 method Methods 0.000 claims abstract description 127
- 230000008569 process Effects 0.000 claims abstract description 46
- 230000007613 environmental effect Effects 0.000 claims description 113
- 230000006870 function Effects 0.000 claims description 60
- 238000005286 illumination Methods 0.000 claims description 29
- 238000003860 storage Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 13
- 230000000875 corresponding effect Effects 0.000 description 58
- 238000012937 correction Methods 0.000 description 22
- 238000004364 calculation method Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 9
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 229920002430 Fibre-reinforced plastic Polymers 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012888 cubic function Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011151 fibre-reinforced plastic Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T2207/20004—Adaptive image processing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请公开了图像处理方法及装置,涉及图像处理领域,可以降低图像处理过程中的计算量。该方法包括:获取图像处理模型、第一原始图像和第一环境信息,将第一环境信息作为图像处理模型的输入参数,得到第一图像处理参数,并采用第一图像处理参数对第一原始图像进行处理,得到第一处理图像。其中,第一环境信息为获取第一原始图像时,环境的信息。
Description
技术领域
本申请涉及图像处理领域,尤其涉及图像处理方法及装置。
背景技术
在图像处理领域中,图像处理装置可以对获取到的图像进行处理,使得处理后的图像满足一定的要求。例如,图像处理装置可以对亮度较低的图像进行处理,使得处理后的图像的亮度大于或等于阈值1,或者,图像处理装置可以对亮度较高而过曝的图像进行处理,使得处理后的图像的亮度小于或等于阈值2,以便图像识别装置对图像进行识别。
目前,图像处理装置可以采用加权分布自适应伽马校正(adaptive Gammacorrection with weighting distribution,AGCWD)算法对原始图像进行处理,得到满足一定要求的处理后的图像。具体的,可以如图1所示。在图1中,图像处理装置可以获取原始图像,根据该原始图像生成灰度直方图,对灰度直方图进行重分布,获得伽马(gamma)参数,通过该gamma参数对原始图像进行增强,得到处理后的图像。上述过程较为复杂,而且计算量大。
发明内容
本申请实施例提供图像处理方法及装置,可以降低图像处理过程中的计算量。
为达到上述目的,本申请的实施例采用如下技术方案:
第一方面,提供了一种图像处理方法,执行该方法的装置可以为图像处理装置;也可以为应用于图像处理装置中的模块,例如芯片或芯片系统。下面以执行主体为图像处理装置为例进行描述。该方法包括:获取图像处理模型、第一原始图像和第一环境信息,该第一环境信息为获取该第一原始图像时,环境的信息;将该第一环境信息作为该图像处理模型的输入参数,得到第一图像处理参数;采用该第一图像处理参数对该第一原始图像进行处理,得到第一处理图像。
基于上述第一方面提供的方法,图像处理装置可以根据获取第一原始图像时,环境的信息以及图像处理模型,得到第一图像处理参数,根据第一图像处理参数对第一原始图像进行处理,得到处理后的图像。在上述方法中,并不涉及灰度直方图的生成、重分布等计算量较大的过程,而是利用提前训练好的,并且与环境信息有关的图像处理模型得到第一图像处理参数,根据第一图像处理参数对第一原始图像进行处理,计算过程较为简便,计算量较小,可以应用于计算能力不高的设备中,使得该设备也能够进行图像处理,或者,应用于对实时性要求较高的场景,如智能驾驶场景,使得智能驾驶车辆能够根据第一处理图像尽快识别目标(如车辆、行人、车道线或障碍物等)。而且,上述方法是根据获取第一原始图像时,环境的信息以及图像处理模型,得到的第一图像处理参数,也就是说,第一图像处理参数与环境信息有关,而与原始图像无关,因此,不会出现由于原始图像中有深色物体,而导致处理后的图像太亮而过曝的问题。另外,由于第一图像处理参数,是与环境信息有关的参数,所以若两个原始图像对应的环境信息相同(或相差不大),则这两个原始图像对应的第一图像处理参数也相同(或相差不大)。因此,若采用该方法处理视频流,不会出现视频闪烁的问题。
一种可能的实现方式,该第一环境信息包括以下至少一项:获取该第一原始图像的时间信息、获取该第一原始图像时光照强度的信息、获取该第一原始图像时光照方向的信息、获取该第一原始图像时的亮度信息或获取该第一原始图像时的位置信息。
可以理解的,上述信息与gamma矫正功能有关。因此,可以使得根据第一环境信息得到的第一图像处理参数能够用于gamma矫正。另外,在拍摄视频时,上述信息也是平滑过度的,即视频中相邻两帧图像对应的第一环境信息相差不大,所以根据该第一环境信息得到的相邻两帧图像对应的第一处理参数也相差不大,也就不会出现视频闪烁的问题。
一种可能的实现方式,获取图像处理模型,包括:获取至少一个第二环境信息和至少一个第二原始图像,该至少一个第二原始图像包括该至少一个第二环境信息中每个第二环境信息对应的第二原始图像;获取至少一个目标图像,该至少一个目标图像包括该至少一个第二环境信息中每个第二环境信息对应的目标图像,该第二环境信息为获取该第二环境信息对应的第二原始图像和第三原始图像时,环境的信息,该第三原始图像为该第二环境信息对应的目标图像的原始图像,该第二环境信息包括的信息的类型与该第一环境信息包括的信息的类型相同;根据该至少一个第二环境信息、该至少一个第二原始图像和该至少一个目标图像,获取该图像处理模型。
基于上述可能的实现方式,图像处理装置可以得到图像处理模型。
一种可能的实现方式,根据该至少一个第二环境信息、该至少一个第二原始图像和该至少一个目标图像,获取该图像处理模型,包括:采用至少一个第二图像处理参数分别对该至少一个第二原始图像进行处理,得到至少一个第二处理图像,该至少一个第二处理图像的相关系数与该至少一个目标图像的相关系数之差的绝对值小于或等于第一阈值;根据该至少一个第二环境信息和该至少一个第二图像处理参数,得到该图像处理模型。
基于上述可能的实现方式,图像处理装置可以对至少一个第二图像处理参数,以及至少一个第二环境信息进行训练,得到图像处理模型。其中,至少一个第二图像处理参数能够使得至少一个第二处理图像与至少一个目标图像相似度较高,所以,将环境信息(如第一环境信息)输入到根据上述方法得到的图像处理模型中,可以得到图像处理参数(如第一图像处理参数),采用该图像处理参数处理环境信息对应的原始图像(如第一原始图像),能够使得处理后的图像(如第一处理图像)与至少一个目标图像相似度较高。也就是说,处理后的图像也能够满足目标图像所满足的要求。
一种可能的实现方式,在采用至少一个第二图像处理参数分别对该至少一个第二原始图像进行处理,得到至少一个第二处理图像之前,该方法还包括:获取候选图像处理参数集合,该候选图像处理参数集合包括多个候选图像处理参数,该多个候选图像处理参数包括该至少一个第二处理参数。
基于上述可能的实现方式,图像处理装置可以先获取多个候选的参数,再采用该候选的参数对第二原始图像进行处理得到处理后的图像,若该处理后的图像的相关系数与目标图像的相关系数之差的绝对值小于或等于第一阈值,则图像处理装置将该处理后的图像所对应的候选的参数确定为第二处理参数。
一种可能的实现方式,该方法还包括:获取初始图像处理参数;对该初始图像处理参数执行第一操作,得到该候选图像处理参数集合。
基于上述可能的实现方式,图像处理装置可以得到候选图像处理参数集合。
一种可能的实现方式,该第一操作包括以下至少一项:根据该初始图像处理参数按照规律确定候选图像处理参数,根据该初始图像处理参数随机确定候选图像处理参数,或根据历史上确定的候选图像处理参数确定该候选图像处理参数集合。
基于上述可能的实现方式,图像处理装置可以通过多种方式获取候选图像处理参数集合,提高了获取候选图像处理参数集合的灵活性和多样性。
一种可能的实现方式,该图像处理模型包括函数或算法。
可以理解的,用函数或算法对第一环境信息中的参数进行计算的计算量要远小于灰度直方图的生成、重分布的计算量。因此,可以大大提升图像处理装置处理图像的速度。
第二方面,提供了一种图像处理装置用于实现上述方法。该图像处理装置可以为上述第一方面中的图像处理装置,或者包含上述图像处理装置的装置。该图像处理装置包括实现上述方法相应的模块、单元、或手段(means),该模块、单元、或means可以通过硬件实现,软件实现,或者通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块或单元。
结合上述第二方面,在一种可能的实现方式中,该图像处理装置可以包括处理模块。该处理模块,可以用于实现上述任一方面及其任意可能的实现方式中的处理功能。该处理模块例如可以为处理器。
第三方面,提供了一种图像处理装置,包括:处理器;该处理器用于与存储器耦合,并读取存储器中的指令之后,根据该指令执行如上述第一方面所述的方法。该图像处理装置可以为上述第一方面中的图像处理装置,或者包含上述图像处理装置的装置。
结合上述第三方面,在一种可能的实现方式中,该图像处理装置还包括存储器,该存储器,用于保存必要的程序指令和数据。
结合上述第三方面,在一种可能的实现方式中,该图像处理装置为芯片或芯片系统。可选的,该图像处理装置是芯片系统时,可以由芯片构成,也可以包含芯片和其他分立器件。
第四方面,提供了一种图像处理装置,包括:处理器和接口电路;接口电路,用于接收计算机程序或指令并传输至处理器;处理器用于执行所述计算机程序或指令,以使该图像处理装置执执行如上述第一方面所述的方法。
结合上述第四方面,在一种可能的实现方式中,该图像处理装置为芯片或芯片系统。可选的,该图像处理装置是芯片系统时,可以由芯片构成,也可以包含芯片和其他分立器件。
第五方面,提供了一种计算机可读存储介质,该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,使得计算机可以执行上述第一方面所述的方法。
第六方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机可以执行上述第一方面所述的方法。
第七方面,提供了一种智能驾驶车辆,该智能驾驶车辆包括用于执行上述第一方面所述的方法的图像处理装置。
其中,第二方面至第七方面中任一种可能的实现方式所带来的技术效果可参见上述第一方面或第一方面中不同可能的实现方式所带来的技术效果,此处不再赘述。
可以理解的是,在方案不矛盾的前提下,上述各个方面中的方案均可以结合。
附图说明
图1为图像处理过程的示意图;
图2为图像处理前后的示意图;
图3A为本申请实施例提供的图像处理系统架构示意图;
图3B为本申请实施例提供的图像处理装置的示意图;
图4为本申请实施例提供的图像处理装置的硬件结构示意图;
图5为本申请实施例提供的图像处理方法的流程示意图一;
图6为本申请实施例提供的图像处理方法的流程示意图二;
图7为本申请实施例提供的特征提取方法的流程示意图;
图8为本申请实施例提供的图像处理模型的示意图;
图9为本申请实施例提供的图像处理装置的结构示意图。
具体实施方式
在介绍本申请实施例之前,对本申请实施例涉及的相关技术术语进行解释说明。可以理解的是,这些解释说明是为了让本申请实施例更容易被理解,而不应该视为对本申请实施例所要求的保护范围的限定。
1、图像数据类型
可以理解的,图像感知装置(如:摄像机)可以将环境光信号,投影到视觉传感器芯片中,视觉传感器芯片可以将光信号转换为电信号,并保持为原始数据(RAW)图像。后续,图像处理装置可以将RAW图像转换为红绿蓝(red green blue,RGB)图像。也就是说,图像数据类型可以包括RAW图像或RGB图像。
本申请实施例中,RAW图像可以表示原生的、未被处理的图像。例如,RAW图像包含从数码相机、手机、平板电脑或扫描器等图像感知装置所感知的图像。RAW图像对应有RAW文件。RAW文件可以包含创建可视图像所需要的数据信息,如文件头和像素区域的信息。RAW文件的结构可以遵循一个共同的模式。例如,RAW文件的结构可以包含符合国际标准化组织(international organization for standardization,ISO)标准的RAW图像格式ISO12234-2或TIFF/EP。有时,RAW图像可以指bayer格式的图像,其像素数量和图像感知装置所感知的图像的像素数量相同,为宽度(width)*高度(height)*1大小的矩阵,即像素区域的信息包括width*height*1大小的矩阵。其中,width和height分别表示图片的宽和高,1表示RAW图像有一个通道。每个像素表示红(red,R)、绿(green,G)或蓝(blue,B)三种颜色中的一种,通常使用0.0~1.0的浮点数表示每种颜色的信号强度。
本申请实施例中,RGB图像可以表示RAW图像经过图像处理器(image signalprocessor,ISP)处理后生成的各种人眼友好的图像,例如,常见的jpeg格式的图像、BMP格式的图像或PNG格式的图像等等。跟RAW文件相比,RGB图像对应的文件不包括文件头,但是包括像素区域的信息。例如,RGB图像对应的文件包括width*height*3的矩阵。3表示RGB图像有3个通道,每个通道分别表示R/G/B三种颜色中的一种,使用0~255的整数表示图像的每个像素值。
2.ISP图像处理流程
本申请实施例中,图像处理装置可以包括ISP,用于处理图像。不同的图像处理装置所使用的ISP可以相同也可以不同。其中,ISP可以具备以下至少一种功能:去马赛克、黑电平矫正、镜头矫正、坏像素矫正、gamma矫正、去噪、白平衡或色彩映射。对于上述任一种功能,不同的图像处理装置的ISP所使用的参数可以相同也可以不同。例如,对于图像1,图像处理装置1的ISP通过gamma参数1对图像1进行处理,得到图像2,图像处理装置2的ISP通过gamma参数2对图像1进行处理,得到图像3。或者,对于图像1,图像处理装置1的ISP和图像处理装置2的ISP都通过gamma参数1对图像1进行处理,得到图像2。
可以理解的,本申请实施例提供的图像处理方法可以应用于上述一种或多种功能,例如,可以根据环境信息获取上述一种或多种功能中的参数,根据获取到的参数对图像进行处理,得到处理后的图像。本申请下述实施例是以图像处理方法应用于gamma矫正(例如,根据环境信息获取gamma参数,根据gamma参数对图像进行处理,得到处理后的图像)为例进行描述的,本申请实施例提供的图像处理方法应用于其他功能的情况与应用于gamma矫正的情况类似,可以参考本申请下述实施例中所述,不予赘述。
请参考图2。图2示出了从日出到日落,不同光照条件下拍摄的图像。在图2中,早晨5:00(5:00am)和下午19:00(19:00pm)拍摄的原始图像的亮度较低,图像太暗,而下午13:00(13:00pm)拍摄的原始图像的亮度较高,图像太亮而过曝,都使得图像识别装置不易识别图像中的内容,如:图像中的物体或人物等。可以将图2中的原始图像通过图1所示的方法调整图像的亮度,得到处理后的图像。显然,处理后的图像的亮度适中,能够提高图像识别装置的识别率以及识别物体的准确率。然而,图1所示的方法较为复杂,计算量较大。通常,数字信号处理(digital signal processing,DSP)芯片使用这种算法时,需要耗费几十毫秒的时间。对于一些对实时性要求较高的场景,如智能驾驶场景,并不适用。而且,在图1所示方法中,若原始图像中有深色物体,则处理后的图像更亮,可能会出现图像太亮而过曝的情况。另外,在图1所示的方法中,根据不同原始图像获得的gamma参数不同。所以,若采用图1所示方法处理视频流,会出现相邻两帧图像的gamma参数不同的情况。由于gamma参数与图像亮度有关,所以会出现视频闪烁的问题。
为了解决上述问题,本申请实施例提供了一种图像处理方法,该图像处理方法可以根据获取第一原始图像时,环境的信息以及图像处理模型,得到第一图像处理参数,根据第一图像处理参数对第一原始图像进行处理,得到处理后的图像。在上述方法中,并不涉及灰度直方图的生成、重分布等计算量较大的过程,而是利用提前训练好的,并且与环境信息有关的图像处理模型得到第一图像处理参数,根据第一图像处理参数对第一原始图像进行处理,计算过程较为简便,计算量较小。而且,上述方法是根据获取第一原始图像时,环境的信息以及图像处理模型,得到的第一图像处理参数,也就是说,第一图像处理参数与环境信息有关,而与原始图像无关,因此,不会出现由于原始图像中有深色物体,而导致处理后的图像太亮而过曝的问题。另外,由于第一图像处理参数,是与环境信息有关的参数,所以若两个原始图像对应的环境信息相同(或相差不大),则这两个原始图像对应的第一图像处理参数也相同(或相差不大)。因此,若采用该方法处理视频流,不会出现视频闪烁的问题。该方法的具体过程将在下述图5所示的实施例中进行介绍,在此不做赘述。
下面结合附图对本申请实施例的实施方式进行详细描述。
本申请实施例提供的方法可用于各种图像处理系统,以对原始图像进行处理,得到处理后的图像,使得处理后的图像满足一定的要求。下面以图3A所示图像处理系统30为例,对本申请实施例提供的方法进行描述。
如图3A所示,为本申请实施例提供的一种图像处理系统30的架构示意图。图3A中,图像处理系统30可以包括一个或多个图像处理装置301(仅示出了1个)。可选的,图像处理系统30还包括可以与图像处理装置301进行通信的图像感知装置302和/或图像识别装置303。图3A仅为示意图,并不构成对本申请提供的技术方案的适用场景的限定。
本申请实施例中的图像处理装置,例如:图像处理装置301可以是任意一种具有计算功能的装置。可选的,图像处理装置还具备图像感知能力和/或图像识别能力,例如,能够感知原始图像(或拍摄原始图像)和/或能够识别图像中的内容等。作为一种示例,图像处理装置301可以获取图像处理模型、第一原始图像和第一环境信息,将第一环境信息作为图像处理模型的输入参数,得到第一图像处理参数,采用第一图像处理参数对第一原始图像进行处理,得到第一处理图像。其中,第一环境信息为获取第一原始图像时,环境的信息。
在本申请实施例中,图像处理装置包括但不限于:手持式设备、车载设备、计算设备或智能驾驶车辆。示例性的,图像处理装置可以是手机(mobile phone)、平板电脑、电脑、车内的各种具备计算能力的设备或具备自动驾驶功能或辅助驾驶功能的智能驾驶车辆。车内的各种具备计算能力的设备可以包括:网关、车载T-Box(telematics box)、车身控制模块(body control module,BCM)、智能座舱域控制器(cockpit domain controller,CDC)、多域控制器(multi domain controller,MDC)、整车控制单元(vehicle control unit,VCU)、电子控制单元(electronic control unit,ECU)、车控域控制器(vehicle domaincontroller,VDC)或整车集成单元(vehicle integrated/integration unit,VIU)等。自动驾驶是指在车辆行驶过程中不需要驾驶人员的参与,车辆中的自动驾驶装置就能够操作车辆安全行驶。辅助驾驶是指在车辆行驶过程中,车辆中的辅助驾驶装置辅助驾驶人员安全驾驶。自动驾驶或辅助驾驶也可以称为智能驾驶。
可以理解的,图像处理装置还可以是虚拟现实(virtual reality,VR)设备、增强现实(augmented reality,AR)设备、可穿戴设备、工业控制中的无线终端、无人驾驶中的无线终端、远程医疗中的无线终端、智能电网中的无线终端、智慧城市(smart city)中的无线终端、或智慧家庭(smart home)中的无线终端等等。
在本申请中,图像处理装置还可以是物联网(internet of things,IoT)系统中的终端,IoT是未来信息技术发展的重要组成部分,其主要技术特点是将物品通过通信技术与网络连接,从而实现人机互连,物物互连的智能化网络。本申请的图像处理装置可以是作为一个或多个部件或者单元而内置于车辆的车载模块、车载模组、车载部件、车载芯片或者车载单元,车辆通过内置的所述车载模块、车载模组、车载部件、车载芯片或者车载单元可以实施本申请的方法。因此,本申请实施例可以应用于车联网,例如车辆外联(vehicle toeverything,V2X)、车间通信长期演进技术(long term evolution vehicle,LTE-V)、车到车(vehicle to vehicle,V2V)等。
本申请实施例中的图像感知装置,例如,图像感知装置302,可以是任意一个具备图像感知能力的设备。例如,图像感知装置可以包括单目摄像机、双目摄像机、三目摄像机、深度摄像机或扫描仪中的一种或多种。
本申请实施例中的图像识别装置,例如,图像识别装置303,可以是任意一个具备图像识别能力的设备,能够识别图像中的内容。
图3A所示的图像处理系统30仅用于举例,并非用于限制本申请的技术方案。本领域的技术人员应当明白,在具体实现过程中,图像处理系统30还可以包括其他设备,同时也可根据具体需要来确定图像处理装置、图像感知装置或图像识别装置的数量,不予限制。
可以理解的,本申请实施例中的图像处理装置的功能可以由一个设备或模块实现,也可以由多个设备或模块实现。作为一种示例,若图像处理装置的功能由多个设备或模块实现,图像处理装置可以如图3B所示。
在图3B中,图像处理装置301可以包括多个模块,分别是模型获取模块3011、信息获取模块3012和图像处理模块3013。可选的,图像处理装置301还包括图像获取模块3014和/或图像识别模块3015。
作为一种示例,模型获取模块3011可以用于获取图像处理模型,并向图像处理模块3013发送图像处理模型。信息获取模块3012可以用于获取第一环境信息,并向图像处理模块3013发送第一环境信息。图像处理模块3013可以用于接收来自模型获取模块3011的图像处理模型,接收来自信息获取模块3012的第一环境信息,获取第一原始图像,将第一环境信息作为图像处理模型的输入参数,得到第一图像处理参数,并采用第一图像处理参数对第一原始图像进行处理,得到第一处理图像。可选的,图像处理模块3013还可以向图像识别模块3015发送第一处理图像,使得图像识别模块3015可以识别第一处理图像中的内容等。
作为另一种示例,模型获取模块3011可以用于获取图像处理模型,并向图像处理模块3013发送图像处理模型。信息获取模块3012可以用于获取第一环境信息,并向图像处理模块3013发送第一环境信息。图像获取模块3014可以用于获取第一原始图像,并向图像处理模块3013发送第一原始图像。图像处理模块3013可以用于接收来自模型获取模块3011的图像处理模型,接收来自信息获取模块3012的第一环境信息,接收来自图像获取模块3014的第一原始图像,将第一环境信息作为图像处理模型的输入参数,得到第一图像处理参数,并采用第一图像处理参数对第一原始图像进行处理,得到第一处理图像。可选的,图像处理模块3013还可以向图像识别模块3015发送第一处理图像,使得图像识别模块3015可以识别第一处理图像中的内容等。
在图3B中,“模块”可以替换为“设备”。例如,“图像处理模块”可以替换为“图像处理设备”。
图3B所示的图像处理装置301仅用于举例,并非用于限制本申请的技术方案。本领域的技术人员应当明白,在具体实现过程中,图像处理装置301还可以包括其他模块或设备,同时也可根据具体需要来确定模型获取模块、信息获取模块、图像处理模块、图像获取模块或图像识别模块的数量,不予限制。
可选的,本申请实施例图3A或图3B中的各装置或模块(例如图像处理装置、模型获取模块、信息获取模块、或图像处理模块等)可以是一个通用设备或者是一个专用设备,本申请实施例对此不作具体限定。
可选的,本申请实施例图3A或图3B中的各装置或模块(例如图像处理装置、模型获取模块、信息获取模块、或图像处理模块等)的相关功能可以由一个设备实现,也可以由多个设备共同实现,还可以是由一个设备内的一个或多个功能模块实现,本申请实施例对此不作具体限定。可以理解的是,上述功能既可以是硬件设备中的网络元件,也可以是在专用硬件上运行的软件功能,或者硬件与软件的结合,或者平台(例如,云平台)上实例化的虚拟化功能。
在具体实现时,本申请实施例图3A或图3B中的各装置或模块(例如图像处理装置、模型获取模块、信息获取模块、或图像处理模块等)都可以采用图4所示的组成结构,或者包括图4所示的部件。图4所示为可适用于本申请实施例的图像处理装置的硬件结构示意图。该图像处理装置40包括至少一个处理器401和至少一个通信接口404,用于实现本申请实施例提供的方法。该图像处理装置40还可以包括通信线路402和存储器403。
处理器401可以是一个通用中央处理器(central processing unit,CPU),微处理器,特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制本申请方案程序执行的集成电路。
通信线路402可包括一通路,在上述组件之间传送信息,例如总线。
通信接口404,用于与其他设备或通信网络通信。通信接口404可以是任何收发器一类的装置,如可以是以太网接口、无线接入网(radio access network,RAN)接口、无线局域网(wireless local area networks,WLAN)接口、收发器、管脚、总线、或收发电路等。
存储器403可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、只读光盘(compact disc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过通信线路402与处理器401相耦合。存储器403也可以和处理器401集成在一起。本申请实施例提供的存储器通常可以具有非易失性。
其中,存储器403用于存储执行本申请实施例提供的方案所涉及的计算机执行指令,并由处理器401来控制执行。处理器401用于执行存储器403中存储的计算机执行指令,从而实现本申请实施例提供的方法。或者,可选的,本申请实施例中,也可以是处理器401执行本申请下述实施例提供的方法中的处理相关的功能,通信接口404负责与其他设备或通信网络通信,本申请实施例对此不作具体限定。
可选的,本申请实施例中的计算机执行指令也可以称之为应用程序代码,本申请实施例对此不作具体限定。
本申请实施例中的耦合是装置、单元或模块之间的间接耦合或通信连接,可以是电性,机械或其它的形式,用于装置、单元或模块之间的信息交互。
作为一种实施例,处理器401可以包括一个或多个CPU,例如图4中的CPU0和CPU1。
作为一种实施例,图像处理装置40可以包括多个处理器,例如图4中的处理器401和处理器407。这些处理器中的每一个可以是一个单核(single-CPU)处理器,也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
作为一种实施例,图像处理装置40还可以包括输出设备405和/或输入设备406。输出设备405和处理器401耦合,可以以多种方式来显示信息。例如,输出设备405可以是液晶显示器(liquid crystal display,LCD),发光二极管(light emitting diode,LED)显示设备,阴极射线管(cathode ray tube,CRT)显示设备,或投影仪(projector)等。输入设备406和处理器401耦合,可以以多种方式接收用户的输入。例如,输入设备406可以是鼠标、键盘、触摸屏设备或传感设备等。
可选的,图像处理装置40还包括图像感知模块和/或图像识别模块(图4中未示出)。图像感知模块可以具备图像感知能力。例如,图像处理装置40配置了单目摄像机、双目摄像机、三目摄像机、深度摄像机或扫描模块中的一种或多种。图像识别模块可以具备识别图像中的内容的能力。
可以理解的,图4中示出的组成结构并不构成对该图像处理装置的限定,除图4所示部件之外,该图像处理装置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。
下面将结合附图,对本申请实施例提供的方法进行描述。下述实施例中的各装置可以具备图4所示部件,不予赘述。
可以理解的是,本申请实施例提供的方法可以应用于多个领域,例如:无人驾驶领域、自动驾驶领域、辅助驾驶领域、智能驾驶领域、网联驾驶领域、智能网联驾驶领域、汽车共享领域等。
可以理解的,本申请实施例中的“图像”可以替换为“图片”或“照片”等与“图像”相近的名称,不予限制。
可以理解的是,本申请下述实施例中的信息名字或信息中各参数的名字等只是一个示例,具体实现中也可以是其他的名字,本申请实施例对此不作具体限定。
可以理解的是,在本申请实施例中,“/”可以表示前后关联的对象是一种“或”的关系,例如,A/B可以表示A或B;“和/或”可以用于描述关联对象存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。此外,类似于“A、B和C中的至少一项”或“A、B或C中的至少一项”的表述通常用于表示如下中任一项:单独存在A;单独存在B;单独存在C;同时存在A和B;同时存在A和C;同时存在B和C;同时存在A、B和C。以上是以A、B和C共三个元素进行举例来说明该项目的可选用条目,当表述中具有更多元素时,该表述的含义可以按照前述规则获得。
为了便于描述本申请实施例的技术方案,在本申请实施例中,可以采用“第一”、“第二”等字样对功能相同或相似的技术特征进行区分。该“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。在本申请实施例中,“示例性的”或者“例如”等词用于表示例子、例证或说明,被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念,便于理解。
可以理解,说明书通篇中提到的“实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各个实施例未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。可以理解,在本申请的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
可以理解,在本申请中,“若”可以指在某种客观情况下会做出相应的处理,并非是限定时间,且也不要求实现时一定要有判断的动作,也不意味着存在其它限定。
本申请中的“同时”可以理解为在相同的时间点,也可以理解为在一段时间段内,还可以理解为在同一个周期内。
可以理解,本申请实施例中的一些可选的特征,在某些场景下,可以不依赖于其他特征,比如其当前所基于的方案,而独立实施,解决相应的技术问题,达到相应的效果,也可以在某些场景下,依据需求与其他特征进行结合。相应的,本申请实施例中给出的装置也可以相应的实现这些特征或功能,在此不予赘述。例如,在下述实施例中,S5011-S5013可以不依赖S501-S503,独立实施。
可以理解的,本申请实施例中同一个步骤或者具有相同功能的步骤或者技术特征在不同实施例之间可以互相参考借鉴。
可以理解的,本申请实施例中,图像处理装置可以执行本申请实施例中的部分或全部步骤,这些步骤仅是示例,本申请实施例还可以执行其它步骤或者各种步骤的变形。此外,各个步骤可以按照本申请实施例呈现的不同的顺序来执行,并且有可能并非要执行本申请实施例中的全部步骤。
如图5所示,为本申请实施例提供的一种图像处理方法,该图像处理方法可以包括如下步骤:
S501:图像处理装置获取图像处理模型、第一原始图像和第一环境信息。
S501中的图像处理装置可以是图3A或图3B中的图像处理装置301。图像处理装置可以同时获取图像处理模型、第一原始图像和第一环境信息,也可以不同时获取图像处理模型、第一原始图像和第一环境信息。例如,图像处理装置可以先获取图像处理模型和第一环境信息,再获取第一原始图像,或者,图像处理装置可以先获取图像处理模型,再获取第一环境信息,最后获取第一原始图像。
本申请实施例中,图像处理模型可以包括输入端和输出端。将输入参数通过输入端输入到图像处理模型中后,输出端可以输出输出参数。作为一种示例,图像处理模型包括函数或算法。例如,图像处理模型为y=f(x)。其中,x为输入参数,y为输出参数。可以理解的,图像处理模型可以包括任意一种函数或算法,例如,二次函数、三次函数、指数函数、自定义函数或自定义算法等。可以理解的,用函数或算法对第一环境信息中的参数进行计算的计算量要远小于灰度直方图的生成、重分布的计算量。因此,可以大大提升图像处理装置处理图像的速度。
本申请实施例中,输入参数可以包括环境信息,如获取原始图像时,环境的信息。例如,输入参数包括第一环境信息。
本申请实施例中,原始图像(如:第一原始图像,和/或,第二原始图像,和/或,第三原始图像等)可以是任意类型或任意格式的图像。例如,原始图像为RAW图像或RGB图像。又例如,原始图像为bayer格式的图像、jpeg格式的图像、BMP格式的图像或PNG格式的图像等等。
本申请实施例中,输出参数可以包括图像处理参数(如:第一图像处理参数)。图像处理参数可以包括以下至少一项:去马赛克功能中的参数、黑电平矫正功能中的参数、镜头矫正功能中的参数、gamma矫正功能中的参数(如gamma参数)、白平衡功能中的参数或色彩映射功能中的参数。
本申请实施例中,第一环境信息为获取第一原始图像时,环境的信息。可以理解的,第一环境信息与图像处理方法所应用的功能有关。具体来说,若该功能为gamma矫正功能,则第一环境信息与gamma矫正功能有关。如此,可以使得根据第一环境信息得到的第一图像处理参数能够用于gamma矫正。
作为一种示例,第一环境信息包括以下至少一项:获取第一原始图像的时间信息、获取第一原始图像时光照强度的信息、获取第一原始图像时光照方向的信息、获取第一原始图像时的亮度信息或获取第一原始图像时的位置信息。
其中,获取第一原始图像的时间信息可以包括以下至少一种:获取第一原始图像的时刻、获取第一原始图像的月份或获取第一原始图像的季节。光照方向可以包括东、南、西或北;或者,光照方向可以包括东、南、西、北、东北、东南、西北或西南;或者,光照方向可以包括角度,如光照方向与坐标系中各轴的夹角。该坐标系可以是第一原始图像所在的任意二维或三维坐标系。位置信息可以包括经度和纬度。可以理解的,上述信息与gamma矫正功能有关。因此,可以使得根据第一环境信息得到的第一图像处理参数能够用于gamma矫正。另外,在拍摄视频时,上述信息也是平滑过度的,即视频中相邻两帧图像对应的第一环境信息相差不大,所以S502中根据该第一环境信息得到的相邻两帧图像对应的第一处理参数也相差不大,也就不会出现视频闪烁的问题。
一种可能的实现方式,第一环境信息包括多个比特,不同比特对应不同信息。以第一环境信息包括获取第一原始图像的季节和获取第一原始图像时光照强度的信息为例,第一环境信息可以包括6比特,其中,前两个比特与获取第一原始图像的季节对应,后4个比特与获取第一原始图像时光照强度的信息对应。若前两个比特的值为“00”,则表示获取第一原始图像的季节为春季,若前两个比特的值为“01”,则表示获取第一原始图像的季节为夏季,若前两个比特的值为“10”,则表示获取第一原始图像的季节为秋季,若前两个比特的值为“11”,则表示获取第一原始图像的季节为冬季。后4个比特的值可以表示获取第一原始图像时的光照强度。
可以理解的,图像处理装置可以通过多种方式获取图像处理模型,和/或,第一原始图像,和/或,第一环境信息。例如,图像处理装置可以从本地获取上述信息,或者图像处理装置可以通过其他装置或设备获取上述信息,或者图像处理装置可以自己获取上述信息。下面进行具体介绍。
作为一种示例,图像处理装置本地存储了图像处理模型,和/或,第一原始图像,和/或,第一环境信息。因此,图像处理装置可以从本地获取图像处理模型,和/或,第一原始图像,和/或,第一环境信息。
作为另一种示例,模型获取装置可以获取图像处理模型,并发送给图像处理装置,相应的,图像处理装置接收该图像处理模型。图像感知装置可以获取第一原始图像,并发送给图像处理装置,相应的,图像处理装置接收该第一原始图像。图像感知装置可以是图3A中的图像感知装置302。信息获取装置可以获取第一环境信息,并发送给图像处理装置,相应的,图像处理装置接收该第一环境信息。可以理解的,模型获取装置、图像感知装置和信息获取装置是与图像处理装置不同的装置。模型获取装置、图像感知装置和信息获取装置可以是同一个装置,也可以是不同的装置,不予限制。
作为另一种示例,图像处理装置可以通过如下方式自己获取图像处理模型:图像处理装置获取至少一个第二环境信息、至少一个第二原始图像和至少一个目标图像,并根据至少一个第二环境信息、至少一个第二原始图像和至少一个目标图像,获取图像处理模型。这一过程将在下述图6所示的实施例中进行介绍,在此不做赘述。可以理解的,图像处理装置可以具备图像感知能力,例如,图像处理装置配置了摄像装置,可以通过摄像装置获取第一原始图像。摄像装置可以包括以下一种或多种:单目摄像机、双目摄像机、三目摄像机、深度摄像机或扫描仪。可以理解的,图像处理装置可以通过网络、图像处理装置中的传感器或图像处理装置中安装的软件中的一种或多种获取第一环境信息。例如,图像处理装置通过网络或在其上安装的时间软件确定获取第一原始图像的时间信息。又例如,图像处理装置通过在其上配置的传感器确定获取第一原始图像时光照强度的信息,和/或,获取第一原始图像时光照方向的信息,和/或,获取第一原始图像时的亮度信息。再例如,图像处理装置通过在其上安装的地图软件确定获取第一原始图像时的位置信息。
S502:图像处理装置将第一环境信息作为图像处理模型的输入参数,得到第一图像处理参数。
一种可能的实现方式,图像处理装置将第一环境信息输入到图像处理模型中,即可以得到第一图像处理参数。也就是说,利用图像处理模型中的函数或算法对第一环境信息进行计算,即可以得到第一图像处理参数。
本申请实施例中,第一图像处理参数可以包括以下至少一项:去马赛克功能中的参数、黑电平矫正功能中的参数、镜头矫正功能中的参数、gamma矫正功能中的参数(如gamma参数)、白平衡功能中的参数或色彩映射功能中的参数。
S503:图像处理装置采用第一图像处理参数对第一原始图像进行处理,得到第一处理图像。
示例性的,以第一图像处理参数包括gamma参数为例,图像处理装置可以利用gamma参数对第一原始图像进行gamma矫正,得到第一处理图像。
可选的,S503之后,图像处理装置可以识别第一处理图像中的内容。或者,图像处理装置可以向图像识别装置发送第一处理图像,以便图像识别装置识别第一图像中的内容。该图像识别装置可以是图3A中的图像识别装置303。
其中,上述S501-S503中的图像处理装置的动作可以由图4所示的图像处理装置40中的处理器401调用存储器403中存储的应用程序代码来执行,本申请实施例对此不做任何限制。
基于图5所示的方法,图像处理装置可以根据获取第一原始图像时,环境的信息以及图像处理模型,得到第一图像处理参数,根据第一图像处理参数对第一原始图像进行处理,得到处理后的图像。在图5所示的方法中,并不涉及灰度直方图的生成、重分布等计算量较大的过程,而是利用提前训练好的,并且与环境信息有关的图像处理模型得到第一图像处理参数,根据第一图像处理参数对第一原始图像进行处理,计算过程较为简便,计算量较小,可以应用于计算能力不高的设备中,使得该设备也能够进行图像处理,或者,应用于对实时性要求较高的场景,如智能驾驶场景,使得智能驾驶车辆能够根据第一处理图像尽快识别目标(如车辆、行人、车道线或障碍物等)。而且,上述图5所示的方法是根据获取第一原始图像时,环境的信息以及图像处理模型,得到的第一图像处理参数,也就是说,第一图像处理参数与环境信息有关,而与原始图像无关,因此,不会出现由于原始图像中有深色物体,而导致处理后的图像太亮而过曝的问题。另外,由于第一图像处理参数,是与环境信息有关的参数,所以若两个原始图像对应的环境信息相同(或相差不大),则这两个原始图像对应的第一图像处理参数也相同(或相差不大)。因此,若采用该方法处理视频流,不会出现视频闪烁的问题。
如前文所述,图像处理装置可以自己获取图像处理模型,具体的,可以如图6所示,图像处理装置可以通过如下步骤获取图像处理模型:
S5011:图像处理装置获取至少一个第二环境信息和至少一个第二原始图像。
本申请实施例中,至少一个第二原始图像包括至少一个第二环境信息中每个第二环境信息对应的第二原始图像。或者说,一个第二环境信息可以对应至少一个第二原始图像。例如,图像处理装置获取了2个第二环境信息和50个第二原始图像。其中,第一个第二环境信息对应前20个第二原始图像,第二个第二环境信息对应后30个第二原始图像。
可以理解的,图像处理装置可以通过多种方式获取至少一个第二环境信息,和/或,至少一个第二原始图像。例如,图像处理装置可以从本地获取上述信息,或者图像处理装置可以通过其他装置或设备获取上述信息,或者图像处理装置可以自己获取上述信息。具体的,可以参考S501中对图像处理装置获取第一原始图像,和/或,第一环境信息的对应描述,不予赘述。
S5012:图像处理装置获取至少一个目标图像。
本申请实施例中,至少一个目标图像包括至少一个第二环境信息中每个第二环境信息对应的目标图像。或者说,一个第二环境信息可以对应至少一个目标图像。目标图像可以是对第三原始图像进行处理后的图像,目标图像满足一定的要求。
可以理解的,图像处理装置可以通过多种方式获取至少一个目标图像。示例性的,图像处理装置可以从本地获取至少一个目标图像,也就是说,至少一个目标图像预先存储在本地。或者,图像处理装置可以通过其他装置或设备获取至少一个目标图像,例如,其他装置或设备采用图1所示的方法对至少一个第三原始图像进行处理,得到与至少一个第三原始图像对应的至少一个目标图像,并将至少一个目标图像发送给图像处理装置。或者,图像处理装置可以自己获取至少一个目标图像,例如,图像处理装置采用图1所示的方法对至少一个第三原始图像进行处理,得到与至少一个第三原始图像对应的至少一个目标图像。应理解,除了图1所示的方法之外,还可以采用其他方法得到目标图像,不予限制。
本申请实施例中,第二环境信息为获取第二环境信息对应的第二原始图像和第三原始图像时,环境的信息。此处,第三原始图像为该第二环境信息对应的目标图像的原始图像。第二环境信息包括以下至少一项:获取与该第二环境信息对应的第二原始图像和第三原始图像的时间信息、获取与该第二环境信息对应的第二原始图像和第三原始图像时光照强度的信息、获取与该第二环境信息对应的第二原始图像和第三原始图像时光照方向的信息、获取与该第二环境信息对应的第二原始图像和第三原始图像时的亮度信息,或获取与该第二环境信息对应的第二原始图像和第三原始图像时的位置信息。
示例性的,以第二环境信息包括获取与第二环境信息对应的第二原始图像和第三原始图像的时刻,该时刻为12:00为例,若与第二环境信息对应的第二原始图像为图像1和图像2,与第二环境信息对应的第三原始图像为图像3,则获取图像1、图像2和图像3的时刻都是12:00。采用图1所示的方法对图像3进行处理后,可以得到与第二环境信息对应的目标图像。
可以理解的,第二环境信息包括的信息的类型与第一环境信息包括的信息的类型相同。也就是说,第一环境信息包括了哪几种参数,第二环境信息中就包括了哪几种参数,但是第二环境信息包括的参数的值,与第一环境信息包括的参数的值可能相同,也可能不同。例如,若第一环境信息包括获取第一原始图像时光照强度的信息,则第二环境信息包括获取与该第二环境信息对应的第二原始图像和第三原始图像时光照强度的信息,并且第一环境信息包括的光照强度的信息与第二环境信息包括的光照强度的信息可以相同也可以不同。又例如,若第一环境信息包括获取第一原始图像时光照方向的信息和获取第一原始图像时的亮度信息,则第二环境信息包括获取与该第二环境信息对应的第二原始图像和第三原始图像时光照方向的信息,以及获取与该第二环境信息对应的第二原始图像和第三原始图像时的亮度信息,并且第一环境信息包括的光照方向的信息与第二环境信息包括的光照方向的信息可以相同也可以不同,第一环境信息包括的亮度信息与第二环境信息包括的亮度信息可以相同也可以不同。
可以理解的,第二环境信息的其他介绍可以参数S501中对第一环境信息的对应描述,不予赘述。
S5013:图像处理装置根据至少一个第二环境信息、至少一个第二原始图像和至少一个目标图像,获取图像处理模型。
可以理解的,图像处理装置可以对至少一个第二环境信息、至少一个第二原始图像和至少一个目标图像进行训练,得到图像处理模型。至少一个第二环境信息的数量,和/或,至少一个第二原始图像的数量,和/或,至少一个目标图像的数量越多,得到的图像处理模型的鲁棒性越好,准确性越高。通过图像处理模型得到的图像处理参数(如第一图像处理参数)也越准确。
一种可能的实现方式,图像处理装置采用至少一个第二图像处理参数分别对至少一个第二原始图像进行处理,得到至少一个第二处理图像,并根据至少一个第二环境信息和至少一个第二图像处理参数,得到图像处理模型。
本申请实施例中,至少一个第二图像处理参数与至少一个第二原始图像一一对应,不同的第二原始图像对应的第二图像处理参数可以相同也可以不同。至少一个第二处理图像的相关系数与至少一个目标图像的相关系数之差的绝对值小于或等于第一阈值。相关系数还可以称为熵。
一种可能的设计,图像处理装置可以提取至少一个第二处理图像的特征,根据提取的特征来获取至少一个第二处理图像的相关系数。具体的,可以如图7所示,图像处理装置可以获取至少一个第二处理图像中每个第二处理图像的灰度图,根据至少一个灰度图,得到至少一个灰度直方图,对至少一个灰度直方图求平均,得到第一平均灰度直方图。后续,图像处理装置可以根据第一平均灰度直方图确定至少一个第二处理图像的相关系数。
作为一种示例,至少一个第二处理图像的相关系数可以满足公式:其中,H1为至少一个第二处理图像的相关系数,xi为像素值,具体可以是大于等于0并且小于等于255的整数,p(xi)为像素值为xi的点在第一平均灰度直方图对应的概率,这个概率可以表征像素值为xi的点在至少一个灰度直方图中出现的概率。N为255。
可以理解的,图像处理装置获取至少一个目标图像的相关系数的方法,与获取至少一个第二处理图像的相关系数的方法类似。示例性的,图像处理装置可以提取至少一个目标图像的特征,根据提取的特征来获取至少一个目标图像的相关系数。具体来说,图像处理装置可以获取至少一个目标图像中每个目标图像的灰度图,根据至少一个灰度图,得到至少一个灰度直方图,对至少一个灰度直方图求平均,得到第二平均灰度直方图。后续,图像处理装置可以根据第二平均灰度直方图确定至少一个目标图像的相关系数。
作为一种示例,至少一个目标图像的相关系数可以满足公式:其中,H2为至少一个目标图像的相关系数,xi为像素值,具体可以是大于等于0并且小于等于255的整数,q(xi)为像素值为xi的点在第二平均灰度直方图对应的概率,这个概率可以表征像素值为xi的点在至少一个目标图像对应的至少一个灰度直方图中出现的概率。N为255。
可以理解的,至少一个第二处理图像的相关系数与至少一个目标图像的相关系数之差的绝对值可以表示为|H1-H2|。这个绝对值可以表示至少一个第二处理图像和至少一个目标图像的相似度。具体的,该绝对值越大,表示至少一个第二处理图像和至少一个目标图像越不相似,该绝对值越小,表示至少一个第二处理图像和至少一个目标图像越相似。因此,若该绝对值小于或等于第一阈值,可以使得至少一个第二处理图像和至少一个目标图像的相似度较高。第一阈值可以根据需要进行设置,不予限制。
除此之外,还可以通过KL散度(Kullback–Leibler divergence)或相对熵来表征至少一个第二处理图像的相关系数与至少一个目标图像的相关系数之差,或者说来表征至少一个第二处理图像和至少一个目标图像的相似度。例如,至少一个第二处理图像与至少一个目标图像的KL散度可以满足公式:其中,DKL(p||q)为至少一个第二处理图像与至少一个目标图像的KL散度,xi为像素值,具体可以是大于等于0并且小于等于255的整数,p(xi)为像素值为xi的点在第一平均灰度直方图对应的概率,q(xi)为像素值为xi的点在第二平均灰度直方图对应的概率。通常,KL散度的值越大,表示至少一个第二处理图像和至少一个目标图像越不相似,KL散度的值越小,表示至少一个第二处理图像和至少一个目标图像越相似。因此,若KL散度的值小于或等于第一阈值,可以使得至少一个第二处理图像和至少一个目标图像的相似度较高。第一阈值可以根据需要进行设置,不予限制。
通过以上描述可以看出,采用至少一个第二图像处理参数分别对至少一个第二原始图像进行处理,可以得到与至少一个目标图像相似度较高的至少一个第二处理图像。因此,后续,图像处理装置可以根据至少一个第二环境信息和至少一个第二图像处理参数,得到图像处理模型。如此,可以使得根据第一环境信息和图像处理模型得到的第一图像处理参数,用于处理第一原始图像后,能够得到与至少一个目标图像相似度较高的第一处理图像。也就是说,将环境信息输入到根据上述方法得到的图像处理模型中,可以得到图像处理参数,采用该图像处理参数处理环境信息对应的原始图像,能够使得处理后的图像与至少一个目标图像相似度较高。因此,处理后的图像也能够满足目标图像所满足的要求。
下面以图像处理模型为二次函数为例,介绍图像处理装置根据至少一个第二环境信息和至少一个第二图像处理参数,得到图像处理模型的过程。
作为一种示例,如图8所示,图像处理模型为y=ax2+bx+c,其中,y为第二图像处理参数,x为第二环境信息,那么得到a,b和c的值,即可以确定图像处理模型。可以理解的,通过至少三个第二图像处理参数,以及与至少三个第二图像处理参数分别对应的至少三个第二环境信息就能够确定a,b和c的值,即能够得到图像处理模型。
可以理解的,图像处理装置可以通过多种方式获取至少一个第二图像处理参数。
一种可能的实现方式,可以根据经验在图像处理装置中预配置至少一个第二图像处理参数,图像处理装置从本地获取至少一个第二图像处理参数。
另一种可能的实现方式,图像处理装置获取候选图像处理参数集合。该候选图像处理参数集合包括多个候选图像处理参数,该多个候选图像处理参数包括至少一个第二处理参数。也就是说,图像处理装置可以先获取多个候选的参数,再采用该候选的参数对第二原始图像进行处理得到处理后的图像,若该处理后的图像的相关系数与目标图像的相关系数之差的绝对值小于或等于第一阈值,则图像处理装置将该处理后的图像所对应的候选的参数确定为第二处理参数。
一种可能的设计,图像处理装置获取初始图像处理参数,并对初始图像处理参数执行第一操作,得到候选图像处理参数集合。其中,初始图像处理参数可以根据需要设置。第一操作包括以下至少一项:根据初始图像处理参数按照规律确定候选图像处理参数,根据初始图像处理参数随机确定候选图像处理参数,或根据历史上确定的候选图像处理参数确定候选图像处理参数集合。
作为一种示例,若初始图像处理参数为2.0,则图像处理装置可以以0.01为间隔,在1.90~2.10的区间中确定20个值,作为多个候选图像处理参数。或者,若初始图像处理参数为2.0,则图像处理装置可以对2.0随机加减一个0.3以内的数,得到多个候选图像处理参数。或者,图像处理装置可以将历史上确定的全部或部分候选图像处理参数,确定为多个候选图像处理参数。或者,若初始图像处理参数为2.0,图像处理装置可以以0.01为间隔,在1.90~2.10的区间中确定20个值,再将20个值中,在历史上未被确定为候选图像处理参数的值,确定为多个候选图像处理参数。或者,若初始图像处理参数为2.0,图像处理装置可以对2.0随机加减一个0.3以内的数,得到30个值,再将30个值中,在历史上未被确定为候选图像处理参数的值,确定为多个候选图像处理参数。
可以理解的,在上述示例中,图像处理装置是先获取了一个候选图像处理参数集合,再根据集合中的参数对第二原始图像进行处理,以获取至少一个第二图像处理参数。除此之外,在具体应用中,图像处理装置也可以获取到一个候选图像处理参数,就根据该候选图像处理参数对第二原始图像进行处理,若处理后的图像的相关系数与目标图像的相关系数之差的绝对值小于或等于第一阈值,则该候选图像处理参数即为第二图像处理参数。之后,图像处理装置再次获取一个候选图像处理参数,根据该候选图像处理参数对第二原始图像进行处理,若处理后的图像的相关系数与目标图像的相关系数之差的绝对值小于或等于第一阈值,则该候选图像处理参数即为第二图像处理参数。以此类推,直到图像处理装置获取到足够的第二图像处理参数。
基于图6所示方法,图像处理装置可以对至少一个第二图像处理参数,以及至少一个第二环境信息进行训练,得到图像处理模型。其中,至少一个第二图像处理参数能够使得至少一个第二处理图像与至少一个目标图像相似度较高,所以,将环境信息(如第一环境信息)输入到根据上述方法得到的图像处理模型中,可以得到图像处理参数(如第一图像处理参数),采用该图像处理参数处理环境信息对应的原始图像(如第一原始图像),能够使得处理后的图像(如第一处理图像)与至少一个目标图像相似度较高。也就是说,处理后的图像也能够满足目标图像所满足的要求。
其中,上述S5011-S5013中的图像处理装置的动作可以由图4所示的图像处理装置40中的处理器401调用存储器403中存储的应用程序代码来执行,本申请实施例对此不做任何限制。
本申请上文中提到的各个实施例之间在方案不矛盾的情况下,均可以进行结合,不作限制。
可以理解的,以上各个实施例中,由图像处理装置实现的方法和/或步骤,也可以由可用于图像处理装置的部件(例如芯片或者电路)实现。
上述对本申请实施例提供的方案进行了介绍。相应的,本申请实施例还提供了图像处理装置,该图像处理装置可以为上述方法实施例中的图像处理装置,或者包含上述图像处理装置的装置,或者为可用于图像处理装置的部件。可以理解的是,上述图像处理装置等为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法操作,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对图像处理装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。可以理解的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
比如,以采用集成的方式划分各个功能模块的情况下,图9示出了一种图像处理装置90的结构示意图。图像处理装置90包括处理模块901。处理模块901,也可以称为处理单元用于执行除了收发操作之外的操作,例如可以是处理电路或者处理器等。
在一些实施例中,该图像处理装置90还可以包括存储模块(图9中未示出),用于存储程序指令和数据。
示例性地,图像处理装置90用于实现上述图像处理装置的功能。图像处理装置90例如为图5所示的实施例或图6所示的实施例所述的图像处理装置。
其中,处理模块901,用于获取图像处理模型、第一原始图像和第一环境信息。其中,第一环境信息为获取第一原始图像时,环境的信息。例如,处理模块901可以用于执行S501。
处理模块901,还用于将第一环境信息作为图像处理模型的输入参数,得到第一图像处理参数。例如,处理模块901还可以用于执行S502。
处理模块901,还用于采用第一图像处理参数对第一原始图像进行处理,得到第一处理图像。例如,处理模块901还可以用于执行S503。
一种可能的实现方式,第一环境信息包括以下至少一项:获取第一原始图像的时间信息、获取第一原始图像时光照强度的信息、获取第一原始图像时光照方向的信息、获取第一原始图像时的亮度信息或获取第一原始图像时的位置信息。
一种可能的实现方式,处理模块901,具体用于获取至少一个第二环境信息和至少一个第二原始图像,至少一个第二原始图像包括至少一个第二环境信息中每个第二环境信息对应的第二原始图像;处理模块901,还具体用于获取至少一个目标图像,至少一个目标图像包括至少一个第二环境信息中每个第二环境信息对应的目标图像,第二环境信息为获取第二环境信息对应的第二原始图像和第三原始图像时,环境的信息,第三原始图像为第二环境信息对应的目标图像的原始图像,第二环境信息包括的信息的类型与第一环境信息包括的信息的类型相同;处理模块901,还具体用于根据至少一个第二环境信息、至少一个第二原始图像和至少一个目标图像,获取图像处理模型。
一种可能的实现方式,处理模块901,还具体用于采用至少一个第二图像处理参数分别对至少一个第二原始图像进行处理,得到至少一个第二处理图像,至少一个第二处理图像的相关系数与至少一个目标图像的相关系数之差的绝对值小于或等于第一阈值;处理模块901,还具体用于根据至少一个第二环境信息和至少一个第二图像处理参数,得到图像处理模型。
一种可能的实现方式,处理模块901,还用于获取候选图像处理参数集合,候选图像处理参数集合包括多个候选图像处理参数,多个候选图像处理参数包括至少一个第二处理参数。
一种可能的实现方式,处理模块901,还用于获取初始图像处理参数;处理模块901,还用于对初始图像处理参数执行第一操作,得到候选图像处理参数集合。
一种可能的实现方式,第一操作包括以下至少一项:根据初始图像处理参数按照规律确定候选图像处理参数,根据初始图像处理参数随机确定候选图像处理参数,或根据历史上确定的候选图像处理参数确定候选图像处理参数集合。
一种可能的实现方式,图像处理模型包括函数或算法。
当用于实现图像处理装置的功能时,关于图像处理装置90所能实现的其他功能,可参考图5所示的实施例或图6所示的实施例的相关介绍,不多赘述。
在一个简单的实施例中,本领域的技术人员可以想到图像处理装置90可以采用图4所示的形式。比如,图4中的处理器401可以通过调用存储器403中存储的计算机执行指令,使得图像处理装置90执行上述方法实施例中所述的方法。
示例性的,图9中的处理模块901的功能/实现过程可以通过图4中的处理器401调用存储器403中存储的计算机执行指令来实现。
可以理解的是,以上模块或单元的一个或多个可以软件、硬件或二者结合来实现。当以上任一模块或单元以软件实现的时候,所述软件以计算机程序指令的方式存在,并被存储在存储器中,处理器可以用于执行所述程序指令并实现以上方法流程。该处理器可以内置于SoC(片上系统)或ASIC,也可是一个独立的半导体芯片。该处理器内处理用于执行软件指令以进行运算或处理的核外,还可进一步包括必要的硬件加速器,如现场可编程门阵列(field programmable gate array,FPGA)、PLD(可编程逻辑器件)、或者实现专用逻辑运算的逻辑电路。
当以上模块或单元以硬件实现的时候,该硬件可以是CPU、微处理器、数字信号处理(digital signal processing,DSP)芯片、微控制单元(microcontroller unit,MCU)、人工智能处理器、ASIC、SoC、FPGA、PLD、专用数字电路、硬件加速器或非集成的分立器件中的任一个或任一组合,其可以运行必要的软件或不依赖于软件以执行以上方法流程。
可选的,本申请实施例还提供了一种芯片系统,包括:至少一个处理器和接口,该至少一个处理器通过接口与存储器耦合,当该至少一个处理器执行存储器中的计算机程序或指令时,使得上述任一方法实施例中的方法被执行。在一种可能的实现方式中,该芯片系统还包括存储器。可选的,该芯片系统可以由芯片构成,也可以包含芯片和其他分立器件,本申请实施例对此不作具体限定。
可选的,本申请实施例还提供了一种计算机可读存储介质。上述方法实施例中的全部或者部分流程可以由计算机程序来指令相关的硬件完成,该程序可存储于上述计算机可读存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。计算机可读存储介质可以是前述任一实施例的图像处理装置的内部存储单元,例如图像处理装置的硬盘或内存。上述计算机可读存储介质也可以是上述图像处理装置的外部存储设备,例如上述图像处理装置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,上述计算机可读存储介质还可以既包括上述图像处理装置的内部存储单元也包括外部存储设备。上述计算机可读存储介质用于存储上述计算机程序以及上述图像处理装置所需的其他程序和数据。上述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
可选的,本申请实施例还提供了一种计算机程序产品。上述方法实施例中的全部或者部分流程可以由计算机程序来指令相关的硬件完成,该程序可存储于上述计算机程序产品中,该程序在执行时,可包括如上述各方法实施例的流程。
可选的,本申请实施例还提供了一种计算机指令。上述方法实施例中的全部或者部分流程可以由计算机指令来指令相关的硬件(如计算机、处理器、接入网设备、移动性管理网元或会话管理网元等)完成。该程序可被存储于上述计算机可读存储介质中或上述计算机程序产品中。
可选的,本申请实施例还提供了一种智能驾驶车辆,包括上述实施例中的图像处理装置。
通过以上的实施方式的描述,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,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (20)
1.一种图像处理方法,其特征在于,所述方法包括:
获取图像处理模型、第一原始图像和第一环境信息,所述第一环境信息为获取所述第一原始图像时,环境的信息;
将所述第一环境信息作为所述图像处理模型的输入参数,得到第一图像处理参数;
采用所述第一图像处理参数对所述第一原始图像进行处理,得到第一处理图像。
2.根据权利要求1所述的方法,其特征在于,所述第一环境信息包括以下至少一项:获取所述第一原始图像的时间信息、获取所述第一原始图像时光照强度的信息、获取所述第一原始图像时光照方向的信息、获取所述第一原始图像时的亮度信息或获取所述第一原始图像时的位置信息。
3.根据权利要求1或2所述的方法,其特征在于,所述获取图像处理模型,包括:
获取至少一个第二环境信息和至少一个第二原始图像,所述至少一个第二原始图像包括所述至少一个第二环境信息中每个第二环境信息对应的第二原始图像;
获取至少一个目标图像,所述至少一个目标图像包括所述至少一个第二环境信息中每个第二环境信息对应的目标图像,所述第二环境信息为获取所述第二环境信息对应的第二原始图像和第三原始图像时,环境的信息,所述第三原始图像为所述第二环境信息对应的目标图像的原始图像,所述第二环境信息包括的信息的类型与所述第一环境信息包括的信息的类型相同;
根据所述至少一个第二环境信息、所述至少一个第二原始图像和所述至少一个目标图像,获取所述图像处理模型。
4.根据权利要求3所述的方法,其特征在于,所述根据所述至少一个第二环境信息、所述至少一个第二原始图像和所述至少一个目标图像,获取所述图像处理模型,包括:
采用至少一个第二图像处理参数分别对所述至少一个第二原始图像进行处理,得到至少一个第二处理图像,所述至少一个第二处理图像的相关系数与所述至少一个目标图像的相关系数之差的绝对值小于或等于第一阈值;
根据所述至少一个第二环境信息和所述至少一个第二图像处理参数,得到所述图像处理模型。
5.根据权利要求4所述的方法,其特征在于,在采用至少一个第二图像处理参数分别对所述至少一个第二原始图像进行处理,得到至少一个第二处理图像之前,所述方法还包括:
获取候选图像处理参数集合,所述候选图像处理参数集合包括多个候选图像处理参数,所述多个候选图像处理参数包括所述至少一个第二处理参数。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取初始图像处理参数;
对所述初始图像处理参数执行第一操作,得到所述候选图像处理参数集合。
7.根据权利要求6所述的方法,其特征在于,所述第一操作包括以下至少一项:根据所述初始图像处理参数按照规律确定候选图像处理参数,根据所述初始图像处理参数随机确定候选图像处理参数,或根据历史上确定的候选图像处理参数确定所述候选图像处理参数集合。
8.根据权利要求1-7中任一项所述的方法,其特征在于,所述图像处理模型包括函数或算法。
9.一种图像处理装置,其特征在于,所述图像处理装置包括:处理模块;
所述处理模块,用于获取图像处理模型、第一原始图像和第一环境信息,所述第一环境信息为获取所述第一原始图像时,环境的信息;
所述处理模块,还用于将所述第一环境信息作为所述图像处理模型的输入参数,得到第一图像处理参数;
所述处理模块,还用于采用所述第一图像处理参数对所述第一原始图像进行处理,得到第一处理图像。
10.根据权利要求9所述的图像处理装置,其特征在于,所述第一环境信息包括以下至少一项:获取所述第一原始图像的时间信息、获取所述第一原始图像时光照强度的信息、获取所述第一原始图像时光照方向的信息、获取所述第一原始图像时的亮度信息或获取所述第一原始图像时的位置信息。
11.根据权利要求9或10所述的图像处理装置,其特征在于,
所述处理模块,具体用于获取至少一个第二环境信息和至少一个第二原始图像,所述至少一个第二原始图像包括所述至少一个第二环境信息中每个第二环境信息对应的第二原始图像;
所述处理模块,还具体用于获取至少一个目标图像,所述至少一个目标图像包括所述至少一个第二环境信息中每个第二环境信息对应的目标图像,所述第二环境信息为获取所述第二环境信息对应的第二原始图像和第三原始图像时,环境的信息,所述第三原始图像为所述第二环境信息对应的目标图像的原始图像,所述第二环境信息包括的信息的类型与所述第一环境信息包括的信息的类型相同;
所述处理模块,还具体用于根据所述至少一个第二环境信息、所述至少一个第二原始图像和所述至少一个目标图像,获取所述图像处理模型。
12.根据权利要求11所述的图像处理装置,其特征在于,
所述处理模块,还具体用于采用至少一个第二图像处理参数分别对所述至少一个第二原始图像进行处理,得到至少一个第二处理图像,所述至少一个第二处理图像的相关系数与所述至少一个目标图像的相关系数之差的绝对值小于或等于第一阈值;
所述处理模块,还具体用于根据所述至少一个第二环境信息和所述至少一个第二图像处理参数,得到所述图像处理模型。
13.根据权利要求12所述的图像处理装置,其特征在于,
所述处理模块,还用于获取候选图像处理参数集合,所述候选图像处理参数集合包括多个候选图像处理参数,所述多个候选图像处理参数包括所述至少一个第二处理参数。
14.根据权利要求13所述的图像处理装置,其特征在于,
所述处理模块,还用于获取初始图像处理参数;
所述处理模块,还用于对所述初始图像处理参数执行第一操作,得到所述候选图像处理参数集合。
15.根据权利要求14所述的图像处理装置,其特征在于,所述第一操作包括以下至少一项:根据所述初始图像处理参数按照规律确定候选图像处理参数,根据所述初始图像处理参数随机确定候选图像处理参数,或根据历史上确定的候选图像处理参数确定所述候选图像处理参数集合。
16.根据权利要求9-15中任一项所述的图像处理装置,其特征在于,所述图像处理模型包括函数或算法。
17.一种图像处理装置,其特征在于,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序或指令,当所述程序或指令被所述处理器执行时,使得所述装置执行如权利要求1至8中任一项所述的方法。
18.一种计算机可读存储介质,其上存储有计算机程序或指令,其特征在于,所述计算机程序或指令被执行时使得计算机执行如权利要求1至8中任一项所述的方法。
19.一种芯片,其特征在于,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序或指令,当所述程序或指令被所述处理器执行时,使得所述芯片执行如权利要求1至8中任一项所述的方法。
20.一种智能驾驶车辆,其特征在于,包括:如权利要求9-16中任一项所述的图像处理装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210470192.7A CN117011153A (zh) | 2022-04-28 | 2022-04-28 | 图像处理方法及装置 |
PCT/CN2022/139253 WO2023207137A1 (zh) | 2022-04-28 | 2022-12-15 | 图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210470192.7A CN117011153A (zh) | 2022-04-28 | 2022-04-28 | 图像处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117011153A true CN117011153A (zh) | 2023-11-07 |
Family
ID=88517233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210470192.7A Pending CN117011153A (zh) | 2022-04-28 | 2022-04-28 | 图像处理方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117011153A (zh) |
WO (1) | WO2023207137A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5655334B2 (ja) * | 2010-03-19 | 2015-01-21 | ソニー株式会社 | 画像処理装置および方法、並びにプログラム |
CN108012078B (zh) * | 2017-11-28 | 2020-03-27 | Oppo广东移动通信有限公司 | 图像亮度处理方法、装置、存储介质和电子设备 |
CN107948511B (zh) * | 2017-11-28 | 2019-10-25 | Oppo广东移动通信有限公司 | 图像亮度处理方法、装置、存储介质和图像亮度处理设备 |
CN111064899B (zh) * | 2019-12-06 | 2021-06-08 | 成都华为技术有限公司 | 一种曝光参数的调节方法及装置 |
WO2021114184A1 (zh) * | 2019-12-12 | 2021-06-17 | 华为技术有限公司 | 神经网络模型的训练方法、图像处理方法及其装置 |
CN113989394A (zh) * | 2021-10-22 | 2022-01-28 | 浙江天行健智能科技有限公司 | 用于自动驾驶模拟环境色温的图像处理方法及系统 |
-
2022
- 2022-04-28 CN CN202210470192.7A patent/CN117011153A/zh active Pending
- 2022-12-15 WO PCT/CN2022/139253 patent/WO2023207137A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023207137A1 (zh) | 2023-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11183067B2 (en) | Image generating apparatus, image generating method, and recording medium | |
CN109902702B (zh) | 目标检测的方法和装置 | |
CN111507210B (zh) | 交通信号灯的识别方法、系统、计算设备和智能车 | |
WO2023164845A1 (zh) | 三维重建方法、装置、系统及存储介质 | |
CN114339185A (zh) | 用于车辆相机图像的图像彩色化 | |
US10452955B2 (en) | System and method for encoding data in an image/video recognition integrated circuit solution | |
CN115147328A (zh) | 三维目标检测方法及装置 | |
WO2021026855A1 (zh) | 基于机器视觉的图像处理方法和设备 | |
CN111563517A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113808004B (zh) | 图像变换装置、图像变换方法以及图像变换用计算机程序 | |
CN117274107B (zh) | 低照度场景下端到端色彩及细节增强方法、装置及设备 | |
CN113326769B (zh) | 高精地图生成方法、装置、设备及存储介质 | |
CN114187515A (zh) | 图像分割方法和图像分割装置 | |
US20190220699A1 (en) | System and method for encoding data in an image/video recognition integrated circuit solution | |
CN113298177A (zh) | 夜间图像着色方法、装置、介质和设备 | |
CN115965961B (zh) | 局部到全局的多模态融合方法、系统、设备及存储介质 | |
CN115601275A (zh) | 点云增广方法及装置、计算机可读存储介质、终端设备 | |
CN117011153A (zh) | 图像处理方法及装置 | |
WO2022193132A1 (zh) | 图像检测方法、装置和电子设备 | |
CN115249269A (zh) | 目标检测方法、计算机程序产品、存储介质及电子设备 | |
CN117581263A (zh) | 用于分割和深度估计的多模态方法和设备 | |
CN113470067A (zh) | 数据处理方法、装置、存储介质和处理器 | |
CN113452981B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
WO2021016864A1 (zh) | 图像处理方法、系统、可移动平台及存储介质 | |
CN117876608B (zh) | 三维图像重建方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |