CN117057977A - 视频处理方法、装置、计算机设备和可读存储介质 - Google Patents
视频处理方法、装置、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN117057977A CN117057977A CN202311020494.5A CN202311020494A CN117057977A CN 117057977 A CN117057977 A CN 117057977A CN 202311020494 A CN202311020494 A CN 202311020494A CN 117057977 A CN117057977 A CN 117057977A
- Authority
- CN
- China
- Prior art keywords
- video
- filter
- target
- processed
- medical
- 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 abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 135
- 238000000034 method Methods 0.000 claims abstract description 131
- 230000011218 segmentation Effects 0.000 claims abstract description 119
- 238000004590 computer program Methods 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 27
- 230000002194 synthesizing effect Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 2
- 238000001356 surgical procedure Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 210000000683 abdominal cavity Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 1
- 238000010428 oil painting Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002604 ultrasonography 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请涉及一种视频处理方法、装置、计算机设备和可读存储介质,该方法包括:获取待处理医学视频,以及获取目标滤镜种类;对待处理医学视频进行分割处理,确定目标区域;其中,分割处理包括基于第一分割模型进行分割处理或基于目标滤镜种类进行分割处理;根据目标滤镜种类对目标区域进行滤镜处理,得到目标视频。使用本申请提供的视频处理能够快速的对待处理医学视频进行滤镜处理。
Description
技术领域
本申请涉及视频处理技术领域,特别是涉及一种视频处理方法、装置、计算机设备和可读存储介质。
背景技术
随着元宇宙与其他科技的发展,患者和家属将有更多的机会观看手术的过程,自媒体的经济带起的医疗博主也开始为大众分享医疗与手术知识。但是手术的视频往往非常血腥,会引起观看者的不适,增加观看者的心理压力。
传统技术中,通常使用删除或手动添加马赛克的方法对过于血腥的部位进行删除或遮蔽。
然而,传统技术中的方法虽然规避了血腥等问题,但是对视频进行处理的效率低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够准确传递视频中的相关信息的视频处理方法、装置、计算机设备和可读存储介质。
第一方面,本申请提供了一种视频处理方法,该方法包括:
获取待处理医学视频,以及获取目标滤镜种类;
对待处理医学视频进行分割处理,确定目标区域;其中,分割处理包括基于第一分割模型进行分割处理或基于目标滤镜种类进行分割处理;
根据目标滤镜种类对目标区域进行滤镜处理,得到目标视频。
在其中一个实施例中,在分割处理包括基于第一分割模型进行分割处理的情况下,对待处理医学视频进行分割处理,确定目标区域,包括:
提取待处理医学视频中的各视频帧,将各视频帧输入至第一分割模型,得到各视频帧对应的初始区域;
对各视频帧对应的初始区域进行检测,确定各视频帧对应的目标区域。
在其中一个实施例中,在分割处理包括基于目标滤镜种类进行分割处理的情况下,对待处理医学视频进行分割处理,确定目标区域,包括:
确定目标滤镜种类对应的第二分割模型;
提取待处理医学视频中的各视频帧,将各视频帧输入所述第二分割模型,得到各视频帧对应的目标区域。
在其中一个实施例中,获取目标滤镜种类,包括:
在视频显示界面显示多种初始滤镜种类;
获取对初始滤镜种类的选择操作,确定目标滤镜种类。
在其中一个实施例中,在视频显示界面显示多种初始滤镜种类,包括:
在视频显示界面,获取用户输入的登录信息;
根据登录信息确定用户信息;
获取并显示与用户信息对应的多种初始滤镜种类。
在其中一个实施例中,该方法还包括:
确定待处理医学视频的种类或场景,并根据待处理医学视频的种类或场景更新多种初始滤镜种类;
在视频显示界面显示多种初始滤镜种类,包括:
在视频显示界面显示更新后的多种初始滤镜种类。
在其中一个实施例中,目标区域包括多个子区域,根据所述目标滤镜种类对目标区域进行滤镜处理,得到目标视频,包括:
确定目标滤镜种类对应的多个滤镜方法;
根据各滤镜方法对各视频帧对应的子区域进行滤镜处理,得到各目标视频帧;
将目标视频帧合成视频格式,得到目标视频。
在其中一个实施例中,滤镜方法包括以下任意一种:
对滤镜方法对应的子区域的像素进行调节;
对滤镜方法对应的子区域进行风格转换;
根据待处理医学视频对应的影像模型对滤镜方法对应的子区域进行标注。
第二方面,本申请一个实施例提供一种视频处理装置,该装置包括:
获取模块,用于获取待处理医学视频,以及获取目标滤镜种类;
处理模块,用于对待处理图像进行分割处理,确定目标区域;其中,分割处理包括基于第一分割模型进行分割处理或基于目标滤镜种类进行分割处理;
处理模块,还用于根据目标滤镜种类对目标区域进行滤镜处理,得到目标视频。
第三方面,本申请一个实施例提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述第一方面提供的方法的步骤。
上述视频处理方法、装置、计算机设备和可读存储介质,该方法通过获取待处理医学视频,以及获取目标滤镜种类;对待处理医学视频进行分割处理,确定目标区域;其中,分割处理包括基于第一分割模型进行分割处理或基于目标滤镜种类进行分割处理;根据目标滤镜种类对目标区域进行滤镜处理,得到目标视频。在本实施例中,直接使用获取的目标滤镜种类对待处理医学视频中的目标区域进行滤镜处理,能够快速的得到的滤镜处理后的目标视频,从而能够提高对待处理医学视频进行滤镜处理的效率。并且,在本实施例中,使用目标滤镜种类对待处理医学视频中的目标区域进行滤镜处理,能够实现对目标区域进行针对性的滤镜处理,从而能够保证得到的目标视频能够准确的保留需要传递的信息。
附图说明
图1为一个实施例中视频处理方法的步骤流程示意图;
图2为另一个实施例中视频处理方法的步骤流程示意图;
图3为另一个实施例中视频处理方法的步骤流程示意图;
图4为另一个实施例中视频处理方法的步骤流程示意图;
图5为另一个实施例中视频处理方法的步骤流程示意图;
图6为另一个实施例中视频处理方法的步骤流程示意图;
图7为另一个实施例中视频处理方法的步骤流程示意图;
图8为一个实施例中视频处理装置的结构示意图;
图9为另一个实施例中视频处理装置的结构示意图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。
在具体介绍本申请实施例的技术方案之前,先对本申请实施例基于的技术背景和技术演进脉络进行介绍。随着元宇宙与其他科技的发展,患者和家属将有更多的机会观看手术的过程,自媒体的经济带起的医疗博主也开始为大众分享医疗与手术知识。但是,手术的视频往往非常血腥,会引起观看者的不适,增加观看者的心理压力。并且,在手术的学术分享或教学时,手术视频中人体组织与体液在视觉上非常复杂不利于医生们交流时的信息传递。传统技术中,通常使用删除或者手动/自动添加马赛克的方法对过于血腥的部位进行删除或遮蔽。然而,这样虽然能够规避血腥的问题,但是这种方法会妨碍科普、学术交流和教育等用途上信息的精准传递,并且,对视频进行处理的效率低。对此,本申请提供了一种视频处理方法。
下面结合本申请实施例所应用的场景,对本申请实施例涉及的技术方案进行介绍。
本申请提供的视频处理方法可以应用于计算机设备的独立软件中或者作为插件被应用于在其他视频部分或录制的软硬件中。计算机设备可以但不限定于是工业计算机、笔记本电脑、智能手机和平板电脑等。
在一个实施例中,如图1所示,提供了一种视频处理方法,本实施例以该方法应用于计算机设备进行举例说明。本实施例中,该方法的步骤包括:
步骤100、获取待处理医学视频,以及获取目标滤镜种类。
待处理医学视频可以是存储在计算机设备中的已录制手术视频,也可以是手术过程中的实时视频。本实施例对获取待处理医学视频的具体方法不作限制,只要能够实现其功能即可。
目标滤镜种类可以是预先存储在计算机设备中的多种滤镜种类。目标滤镜种类可以是根据医学视频对应的手术区域划分的,例如:腿部手术的滤镜种类、牙科手术的滤镜种类和脑部手术的滤镜种类。目标滤镜种类还可以是根据医学视频对应的手术名称,例如:腹腔类的各种手术名称,心脏类的各种手术名称等。本实施例对滤镜种类,以及获取滤镜种类的方法不作限制,只要能够实现其功能即可。目标滤镜种类与待处理医学视频相对应,也就是说,使用目标滤镜种类中包括的滤镜方法对待处理医学视频进行滤镜处理,能够保证
计算机设备在需要对视频进行处理时,获取待处理医学视频,以及目标滤镜种类。
步骤110、对待处理医学视频进行分割处理,确定目标区域。其中,分割处理包括基于第一分割模型进行分割处理或基于目标滤镜种类进行分割处理。
目标区域是指待处理医学视频中需要进行滤镜处理的区域。计算机设备在得到待处理医学视频后,对待处理医学视频进行分割处理,确定待处理医学视频中需要进行滤镜处理的区域,即,目标区域。
对待处理医学视频进行分割处理可以包括基于第一分割模型进行分割处理,即,将待处理医学视频输入至第一分割模型中,通过第一分割模型对待处理医学视频进行分割处理。
或者,对待处理医学视频进行分割处理可以包括基于目标滤镜种类进行分割处理,即,根据获取的目标滤镜种类从待处理医学视频中确定与目标滤镜种类对应的区域,将该区域确定为目标区域,以此实现对待处理医学视频的分割。也就是说,根据目标滤镜种类中包括的多种滤镜方法,确定待处理医学视频中需要使用这些滤镜方法进行滤镜处理的区域,即目标区域。
步骤120、根据目标滤镜种类对目标区域进行滤镜处理,得到目标视频。
计算机设备在确定待处理医学视频的目标区域后,根据获取的目标滤镜种类对目标区域进行滤镜处理,得到目标视频。不同的滤镜种类中可以包括一个滤镜方法,也可以包括多个滤镜方法。计算机设备在确定目标区域后,根据目标区域所需的滤镜方法对目标区域进行滤镜处理。
在一个可选的实施例中,计算机设备在获取目标区域时能够获取目标区域的名称,根据目标区域的名称从目标滤镜种类中选择对应的滤镜方法对目标区域进行滤镜处理。
在一个可选的实施例中,在分割处理包括基于目标滤镜种类进行分割处理的情况下,假设目标滤镜种类为腿部手术的滤镜种类,腿部手术的滤镜种类中包括滤镜方法为对血腥区域添加马赛克,则计算机设备根据目标滤镜种类对待处理医学视频进行分割处理,得到待处理医学视频中的目标区域,即血腥区域。计算机设备在确定目标区域后,使用目标滤镜种类中的滤镜方法为目标区域添加马赛克,得到目标视频。
本申请实施例提供的视频处理方法通过获取待处理医学视频,以及获取目标滤镜种类;对待处理医学视频进行分割处理,确定目标区域;其中,分割处理包括基于第一分割模型进行分割处理或基于目标滤镜种类进行分割处理;根据目标滤镜种类对目标区域进行滤镜处理,得到目标视频。在本实施例中,直接使用获取的目标滤镜种类对待处理医学视频中的目标区域进行滤镜处理,能够快速的得到的滤镜处理后的目标视频,从而能够提高对待处理医学视频进行滤镜处理的效率。并且,在本实施例中,使用目标滤镜种类对待处理医学视频中的目标区域进行滤镜处理,能够实现对目标区域进行针对性的滤镜处理,从而能够保证得到的目标视频能够准确的保留需要传递的信息。
另外,若分割处理包括基于第一分割模型进行滤镜处理,这样能够快速的确定目标区域,从而能够快速的得到的滤镜处理后的目标视频。若分割处理包括基于目标滤镜种类进行分割处理,能够快速准确的确定出待处理医学视频中与目标滤镜种类对应的目标区域,以便于后续根据目标滤镜种类对目标区域进行滤镜处理,即,使用目标滤镜种类中包括的滤镜方法对目标区域进行针对性的滤镜处理,得到目标视频,这样能够提高对待处理医学视频进行滤镜处理的效率。
在一个实施例中,如图2所示,涉及在分割处理包括基于第一分割模型进行分割处理的情况下,对待处理医学视频进行分割处理,确定目标区域的一种实现方式,该实现方式的步骤包括:
步骤200、提取待处理医学视频中的各视频帧,将各视频帧输入至第一分割模型,得到各视频帧对应的初始区域。
第一分割模型可以是计算机设备根据医学视频样本中的各视频帧样本,以及金标准(即各视频帧的区域)对神经网络模型进行训练得到的。
计算机设备在得到待处理医学视频后,提取待处理医学视频中的各视频帧,各视频帧的顺序是按照待处理医学视频的时序顺序排列的。计算机设备可以提取待处理医学视频中的所有视频帧,也可以按照预设间隔提取待处理医学视频中的关键帧。本实施例对提取待处理医学视频中的各视频帧的具体方法不作限制,只要能够实现其功能即可。
计算机设备得到待处理医学视频中的各视频帧后,将每个视频帧输入至第一分割模型,通过第一分割模型对视频帧进行分割,能够得到视频帧对应的初始区域。视频帧对应的初始区域表示视频帧中所有能够被分割出来的区域。
在一个可选的实施例中,第一分割模型包括多个子分割模型,通过每个子分割模型对视频帧中不同的初始区域进行分割,即,不同的子分割模型对视频帧中的不同初始区域进行分割。
步骤210、对各视频帧对应的初始区域进行检测,确定各视频帧对应的目标区域。
计算机设备在得到各视频帧对应的初始区域后,对初始区域进行检测,在初始区域中确定需要进行滤镜处理的目标区域。
在一个可选的实施例中,计算机设备可以将各视频帧输入预先训练好的检测模型中,通过检测模型从各视频帧对应的初始区域中确定目标区域。
在另一个可选的实施例中,计算机设备可以对各视频帧对应初始区域的名称进行检测,确定初始区域的名称是否为目标名称;目标名称是需要进行滤镜处理的区域的名称,将为目标名称的初始区域确定为目标区域。
在本实施例中,通过提取待处理医学视频中的各视频帧,将各视频帧输入至第一分割模型,得到各视频帧对应的初始区域;对各视频帧对应的初始区域进行检测,确定各视频帧对应的目标区域。这样能够快速且准确的确定待处理医学视频中需要进行滤镜处理的区域,即目标区域,使得视频处理方法具有较高的实用性。
在一个实施例中,如图3所示,涉及在分割处理包括基于目标滤镜种类进行分割处理的情况下,对待处理医学视频进行分割处理,确定目标区域的一种实现方式,该实现方式的步骤包括:
步骤300、确定目标滤镜种类对应的第二分割模型。
计算机设备在获取到目标滤镜种类后,根据目标滤镜种类中包括的滤镜方法确定目标分割模型。计算机设备中存储有多种分割模型,不同的分割模型用于对医学视频中的不同区域进行分割处理。每种分割模型可以是预先训练好存储至计算机设备中的。每种分割模型可以是以医学视频样本为训练样本,以分割模型需要分割的区域为金标准,对初始神经网络模型进行训练得到的。
具体地,计算机设备根据目标滤镜种类中的滤镜方法,能够确定待处理医学视频中需要使用该滤镜方法进行滤镜处理的区域,计算机设备该区域能够从计算机设备存储的多种分割模型中查找能够分割该区域的第二分割模型。
步骤310、提取待处理医学视频中的各视频帧,将各视频帧输入第二分割模型,得到各视频帧对应的目标区域。
计算机设备在对待处理医学视频进行分割处理之前,先对待处理医学视频进行提取处理,提取待处理医学视频中的各视频帧。对提取待处理医学视频中的各视频帧的描述可以参考上述实施例中的具体描述,在此不再赘述。
计算机设备将提取到的各视频帧分别输入至确定的第二分割模型中,通过第二分割模型对各视频帧进行分割处理,能够得到各视频帧对应的目标区域,即各视频帧中需要进行滤镜处理的区域。
在本实施例中,通过确定目标滤镜种类对应的第二分割模型,提取待处理医学视频中的各视频帧,将各视频帧输入第二分割模型得到各视频帧对应的目标区域。这样将从待处理医学视频中提取的各视频帧输入预先训练好第二分割模型中,能够快速且准确的确定各视频帧对应的目标区域,从而能够提高视频处理方法的效率。
在一个实施例中,如图4所示,涉及获取目标滤镜种类的一种实现方式,该实现方式的步骤包括:
步骤400、在视频显示界面显示多种初始滤镜种类。
计算机设备获取待处理医学视频中,在计算机设备的显示屏上会显示该待处理医学视频,即显示屏上包括视频显示界面,同时在该视频显示界面会显示多种初始滤镜种类。本实施例对视频显示界面上显示的初始滤镜种类的具体种类,以及显示多种初始滤镜种类的形式不作限制,只要能够实现其功能即可。
步骤410、获取对初始滤镜种类的选择操作,确定目标滤镜种类。
用户对视频显示界面显示的多种初始滤镜种类进行选择操作,选择操作可以是点击操作,也可以是拖拽操作,本实施例对选择操作的具体种类不作限制。计算机设备获取用户对初始滤镜种类的选择操作,响应于该选择操作,确定用户选择的目标滤镜种类,即用户从多种初始滤镜种类的选择的目标滤镜种类。目标滤镜种类的数量可以是一个,也可以是多个。
在一个可选的实施例中,在视频显示界面的上侧边界、下侧边界、左侧边界和右侧边界中的任意一侧中显示中初始滤镜种类选项的显示框,通过下拉控件,能够显示多种初始滤镜种类;用户在显示的多种初始滤镜种类中对目标滤镜种类进行点击操作,计算机设备响应于该点击操作,能够确定目标滤镜种类。
在本实施例中,计算机设备响应于用户对视频显示界面显示的多种初始滤镜种类的选择操作,确定目标滤镜种类。这样能够快速的确定目标滤镜种类,且能够实现与用户的交互,使用确定的目标滤镜种类中的滤镜处理方法得到的目标视频能够满足用户的需要,保留用户所需信息,提高视频处理方法的实用性。
在一个实施例中,在视频显示界面上显示的多种滤镜种类可以是计算机设备根据用户的登录信息自行推荐的多种滤镜种类。如图5所示,涉及在视频显示界面显示多种初始滤镜种类的的一种实现方式,该实现方式的步骤包括:
步骤500、在视频显示界面,获取用户输入的登录信息。
在视频显示界面包括用户输入登录信息的显示区域,用户在该显示区域输入登录信息,计算机设备获取用户输入的登录信息。用户输入的登录信息可以包括用户注册时设置的用户名,以及登录密码。
在一个可选的实施例中,在视频显示界面显示有用户登录信息的输入框,即用户名输入框和登录密码输入框,以及登录控件。用户在用户名输入框输入用户名,在登录密码输入框中输入登录密码后,对登录控件进行点击操作,计算机设备响应于点击操作获取用户输入的登录信息(用户名和登录密码)。
步骤510、根据登录信息确定用户信息。
计算机设备在获取用户输入的登录信息后,根据该登录信息确定用户信息。用户信息可以包括用户注册时设置的用户名称、年龄、性别、工作、观看待处理医学视频的目的和用户的使用习惯(该用户经常使用的滤镜种类)。计算机设备中存储有登录信息与用户信息的对应关系,计算机设备在获取登录信息后,根据登录信息在计算机设备中能够查找到该登录信息对应的用户信息。
在一个可选的实施例中,计算机设备在得到登录信息后,会对该登录信息进行判断,确定登录信息是否准确。示例性地,确定登录信息中的用户名与登录密码是否相对应,以及在计算机设备中能够查找到该登录信息对应的用户信息。
步骤520、获取并显示与用户信息对应的多种初始滤镜种类。
计算机设备在确定用户信息后,获取该用户信息对应的多种初始滤镜种类,并将多种初始滤镜种类显示在视频显示界面。对应不同的用户信息,计算机设备会为用户推荐不同的初始滤镜种类,并且计算机设备为用户推荐的初始滤镜的种类会根据用户信息中用户观看目的和/或用户的使用习惯进行更新。
在一个可选的实施例中,若该用户为首次登录,则计算机设备根据用户输入的登录信息确定用户信息后,根据用户信息中用户的年龄、工作和观看目的为用户推荐多种初始滤镜种类并显示在视频显示界面。若该用户不是首次登录,则计算机设备根据用户的登录信息确定用户信息后,用户信息中包括用户的使用习惯,计算机设备会根据用户的年龄、工作、观看的目的和使用习惯重新为用户推荐多种滤镜种类,并显示在视频显示界面。
在本实施例中,通过用户输入的登录信息确定的用户信息来获取在视频显示界面上显示的多种初始滤镜种类,这样能够更加快速且准确的为用户提供所需的多种初始滤镜种类,以便于用户快速确定目标滤镜种类,提高确定目标视频的效率,并且能够保证使用确定的目标滤镜种类中的滤镜处理方法得到的目标视频能够满足用户的需要,保留用户所需信息,使得本实施例提供的视频处理方法具有较高的实用性。
在一个实施例中,视频处理方法的步骤还包括:
确定待处理医学视频的种类或场景,并根据待处理医学视频的种类或场景更新多种初始滤镜种类。
计算机设备在获取到待处理医学视频后,对待处理医学视频进行分析确定待处理医学视频的种类或场景。待处理医学视频的种类表示待处理医学视频中进行的手术的种类,例如腿部手术、牙科手术等。待处理医学视频的场景表示待处理医学视频所拍摄的地点、场所和环境等。本实施例对确定待处理医学视频的种类或场景的具体方法不作限制,只要能够实现其功能即可。
在一个可选的实施例中,在用户将待处理医学视频存储至计算机设备时,会同时存储待处理医学视频对应的种类或场景,则计算机设备在获取待处理医学视频后,就能够获取待处理医学视频对应的种类或场景。
在另一个可选的实施例中,计算机设备在将待处理医学视频输入预先训练好的视频检测模型中,通过视频检测模型对待处理医学视频进行检测,得到待处理医学视频的种类或场景。
计算机设备在确定待处理医学视频的种类或场景后,会根据待处理医学视频的种类或场景对计算机设备根据用户信息推荐的多种初始滤镜种类进行更新处理。
在计算机设备根据待处理医学视频的种类或场景对计算机设备根据用户信息推荐的多种初始滤镜种类进行更新处理的情况下在视频显示界面显示多种初始滤镜种类的一种实现方式的步骤包括:
在视频显示界面显示更新后的多种初始滤镜种类。
计算机设备在得到更新后的多种初始滤镜种类后,会使用更新后的多种滤镜种类替换视频显示界面上初始显示的多种初始滤镜种类。
在本实施例中,通过对待处理医学视频进行检测确定待处理医学视频的种类或场景,并根据待处理医学视频的种类或场景更新多种初始滤镜种类,并将更新后的多种初始滤镜种类显示在视频显示界面上。这样能够使得视频显示界面上显示的多种初始滤镜种类更加符合用户的需求,以便于用户快速的确定目标滤镜种类,提高确定目标视频的效率,使得本实施例提供的视频处理方法具有较高的实用性。
在一个可选的实施例中,在视频显示界面上包括有滤镜种类更新控件,在计算机设备根据用户信息确定了多种初始滤镜种类,并显示在视频显示界面后,若用户对滤镜种类更新控件进行触发操作,则计算机设备响应于该触发操作对待处理医学视频进行检测确定待处理医学视频的种类或场景,根据待处理医学视频的种类或场景更新更新用户信息确定的多种初始滤镜种类,并使用更新后的多种初始滤镜种类替换视频显示界面上显示的多种初始滤镜种类。
在一个实施例中,目标区域包括多个子区域,也就是说,待处理医学视频中包括多个需要进行滤镜处理的区域,即各视频帧对应有多个子区域。如图6所示,涉及根据目标滤镜种类对目标区域进行滤镜处理,得到目标视频的一种实现方式,该实现方式的步骤包括:
步骤600、确定目标滤镜种类对应的多个滤镜方法。
计算机设备中存储有各种滤镜种类和滤镜方法之间的对应关系。计算机设备在获取目标滤镜种类后,根据目标滤镜种类确定与其对应的多种滤镜方法。目标滤镜种类可以对应一个滤镜方法,也可以对应多个滤镜方法。不同的目标滤镜种类对应的滤镜方法可以完全不同,也可以存在相同的滤镜方法。
步骤610、根据各滤镜方法对各视频帧对应的子区域进行滤镜处理,得到各目标视频帧。
计算机设备在确定目标滤镜种类对应的多种滤镜方法后,使用每个滤镜方法对待处理医学视频中各视频帧对应的多个子区域进行滤镜处理,得到处理后的各视频帧,即目标视频帧。其中,对于每个视频帧对应的子区域可以使用一个滤镜方法进行滤镜处理,也可以使用多个滤镜方法进行滤镜处理。
在一个实施例中,滤镜方法可以包括:对滤镜方法对应的子区域的像素进行调节;对滤镜方法对应的子区域进行风格转换;以及根据待处理医学视频对应的影像模型对滤镜方法对应的子区域进行标注中至少一种。
对滤镜方法对应的子区域的像素进行调节可以是指对子区域进行亮度、对比度、饱和度、色彩和锐利度的调节处理。对滤镜方法对应的子区域进行风格转换可以是指将子区域的风格转换为油画效果、卡通效果等。待处理医学视频对应的影像模型可以是电子计算机断层扫描(Computed Tomography,CT)影像、核磁共振成像(Nuclear MagneticResonance Imaging,MRI)影像和超声影像等。待处理医学视频对应的影像模型可以是从后处理工作站或影像归档和通信系统(Picture Archiving and Communication Systems,PACS)获取的影像模型。计算机设备根据待处理医学视频对应的影像模型对滤镜方法对应的子区域进行标注是指将子区域与待处理医学视频对应的影像模型对比后进行空间定位,即,将子区域与待处理医学视频对应的影像模型进行匹配,将子区域放置于待处理医学视频对应的影像模型中对应的区域,然后将匹配后的影像模型以当前视角的方式进行平面渲染。
步骤620、将目标视频帧合成视频格式,得到目标视频。
计算机设备在得到待处理医学视频中各视频帧对应的目标视频帧后,将多个目标视频帧合成为视频格式,能够得到对待处理医学视频进行滤镜处理后的目标视频。视频格式可以是根据用于需求选择的,可以是mp4格式,也可以是avi格式。
在本实施例中,通过确定目标滤镜种类对应的多个滤镜方法,根据各滤镜方法对各视频帧对应的子区域进行滤镜处理,得到各目标视频帧;将多个目标视频帧合成视频格式得到目标视频,这样能够快速且准确的确定目标视频,使得本实施例提供的视频处理方法具有较高的实用性。
在一个可选的实施例中,待处理医学视频可以为手术过程中的实时视频,通过使用本申请提供的视频处理方法,能够将手术过程中实时视频中容易引起家属不适的使用目标滤镜种类中的滤镜方法进行处理。在待处理医学视频是医师或学生在医疗研究机构或医学院观看到的手术录制视频的情况下,通过使用本申请提供的视频处理方法,能够对待处理医学视频进行滤镜处理,处理掉视频中不重要的视觉元素,使得处理后的目标视频能够保留医师或学生对待处理医学视频进行复盘分析或教学所需要的重要信息。在待处理医学视频是医学博主用于向用户传播医学知识的视频的情况下,通过使用本申请提供的视频处理方法,能够根据观看着的年龄自动对待处理医学视频中对应的区域进行滤镜处理,从而能够更加快捷、方便、有效率的传播医学知识。
请参见图7,本申请一个实施例提供一种视频处理方法,该方法的步骤包括:
步骤700、获取待处理医学视频;
步骤710、在视频显示界面,获取用户输入的登录信息;
步骤720、根据登录信息确定用户信息;
步骤730、获取并显示与用户信息对应的多种初始滤镜种类;
步骤740、获取用户对初始滤镜种类的选择操作,确定目标滤镜种类;
步骤750、确定目标滤镜种类对应的第二分割模型;
步骤760、提取待处理医学视频中的各视频帧,将各视频帧输入第二分割模型,得到各视频帧对应的目标区域;
步骤770、确定目标滤镜种类对应的多个滤镜方法;
步骤780、根据各滤镜方法对各视频帧对应的目标区域进行滤镜处理,得到各目标视频帧;
步骤790、将多个目标视频帧合成视频格式,得到目标视频。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个可选的实施例中,如图8所示,本申请实施例提供一种视频处理装置10,该装置包括:视频输入模块11、智能识别模块12、滤镜处理模块13、图像合成模块14和图像输出模块15。
视频输入模块11用于获取待处理医学视频,并将待处理医学视频以序列帧的形式输入至智能识别模块12和图像合成模块14。
智能识别模块12用于对接收到的序列帧(即静态图像)进行识别处理,将序列帧的目标区域分割出来;并将序列帧、分割出来的目标区域、目标区域在序列帧中的位置,以及目标区域的名称输入至滤镜处理模块13。智能识别模块12可以对序列帧进行分割,得到目标区域,其中对序列帧的分割可以使用对序列帧中像素间的对比度与特征分析的技术,也可以使用深度学习的技术。
滤镜处理模块13根据从智能识别模块12接收到的信息使用目标滤镜种类中的滤镜方法对目标区域进行滤镜处理;并将处理后的目标区域输入至图像合成模块14。对目标滤镜种类和滤镜方法的描述可以参考上述实施例中的具体描述,在此不再赘述。
图像合成模块14用于将接收到的处理后的目标区域和待处理医学视频中对应的序列帧进行合成,即将处理后的目标区域替换序列帧中对应位置的区域,得到新的序列帧,并将新的序列帧输入至图像输出模块15。
图像输出模块15用于将接收到的新的序列帧合成为视频格式,得到目标视频,并将目标视频进行显示。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的视频处理方法的视频处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个视频处理装置实施例中的具体限定可以参见上文中对于视频处理方法的限定,在此不再赘述。
在一个实施例中,如图9所示,提供了一种视频处理装置20,包括:获取模块21和处理模块22,其中:
获取模块21,用于获取待处理医学视频,以及获取目标滤镜装置。
处理模块22,用于对待处理图像进行分割处理,确定目标区域。其中,分割处理包括基于第一分割模型进行分割处理或基于目标滤镜种类进行分割处理;
处理模块22,还用于根据目标滤镜种类对目标区域进行滤镜处理,得到目标视频。
在一个实施例中,处理模块22包括提取单元和检测单元。提取单元用于提取待处理医学视频中的各视频帧,将各视频帧输入至第一分割模型,得到各视频帧对应的初始区域;检测单元用于对各视频帧对应的初始区域进行检测,确定各视频帧对应的目标区域。
在一个实施例中,处理模块22还包括确定单元,确定单元用于确定目标滤镜种类对应的第二分割模型;提取单元用于提取待处理医学视频中的各视频帧,将各视频帧输入第二分割模型,得到各视频帧对应的目标区域。
在一个实施例中,获取模块21包括显示单元和获取单元。显示单元用于在视频显示界面显示多种初始滤镜种类;获取单元用于获取对初始滤镜种类的选择操作,确定目标滤镜种类。
在一个实施例中,显示单元具体用于在视频显示界面,获取用户输入的登录信息;根据登录信息确定用户信息;获取并显示与用户信息对应的多种初始滤镜种类。
在一个实施例中,视频处理装置还包括确定模块。确定模块用于确定待处理医学视频的种类或场景,并根据待处理医学视频的种类或场景更新多种初始滤镜种类;显示单元具体用于在视频显示界面显示更新后的多种初始滤镜种类。
在一个实施例中,确定单元具体用于确定目标滤镜种类对应的多个滤镜方法;根据各滤镜方法对各视频帧对应的子区域进行滤镜处理,得到各目标视频帧;将目标视频帧合成视频格式,得到目标视频。
在一个实施例中,滤镜方法包括以下任意一种:
对滤镜方法对应的子区域的像素进行调节;对滤镜方法对应的子区域进行风格转换;根据待处理医学视频对应的影像模型对滤镜方法对应的子区域进行标注。
上述视频处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种视频处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待处理医学视频,以及获取目标滤镜种类;
对待处理医学视频进行分割处理,确定目标区域;其中,分割处理包括基于第一分割模型进行分割处理或基于目标滤镜种类进行分割处理;
根据目标滤镜种类对目标区域进行滤镜处理,得到目标视频。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:提取待处理医学视频中的各视频帧,将各视频帧输入至第一分割模型,得到各视频帧对应的初始区域;对各视频帧对应的初始区域进行检测,确定各视频帧对应的目标区域。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:确定目标滤镜种类对应的第二分割模型;提取待处理医学视频中的各视频帧,将各视频帧输入第二分割模型,得到各视频帧对应的目标区域。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:在视频显示界面显示多种初始滤镜种类;获取对初始滤镜种类的选择操作,确定目标滤镜种类。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:在视频显示界面,获取用户输入的登录信息;根据登录信息确定用户信息;获取并显示与用户信息对应的多种初始滤镜种类。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:确定待处理医学视频的种类或场景,并根据待处理医学视频的种类或场景更新多种初始滤镜种类;在视频显示界面显示更新后的多种初始滤镜种类。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:确定目标滤镜种类对应的多个滤镜方法;根据各滤镜方法对各视频帧对应的子区域进行滤镜处理,得到各目标视频帧;将目标视频帧合成视频格式,得到目标视频。
在一个实施例中,滤镜方法包括以下任意一种:
对滤镜方法对应的子区域的像素进行调节;对滤镜方法对应的子区域进行风格转换;根据待处理医学视频对应的影像模型对滤镜方法对应的子区域进行标注。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待处理医学视频,以及获取目标滤镜种类;
对待处理医学视频进行分割处理,确定目标区域;其中,分割处理包括基于第一分割模型进行分割处理或基于目标滤镜种类进行分割处理;
根据目标滤镜种类对目标区域进行滤镜处理,得到目标视频。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:提取待处理医学视频中的各视频帧,将各视频帧输入至第一分割模型,得到各视频帧对应的初始区域;对各视频帧对应的初始区域进行检测,确定各视频帧对应的目标区域。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:确定目标滤镜种类对应的第二分割模型;提取待处理医学视频中的各视频帧,将各视频帧输入第二分割模型,得到各视频帧对应的目标区域。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:在视频显示界面显示多种初始滤镜种类;获取对初始滤镜种类的选择操作,确定目标滤镜种类。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:在视频显示界面,获取用户输入的登录信息;根据登录信息确定用户信息;获取并显示与用户信息对应的多种初始滤镜种类。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:确定待处理医学视频的种类或场景,并根据待处理医学视频的种类或场景更新多种初始滤镜种类;在视频显示界面显示更新后的多种初始滤镜种类。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:确定目标滤镜种类对应的多个滤镜方法;根据各滤镜方法对各视频帧对应的子区域进行滤镜处理,得到各目标视频帧;将目标视频帧合成视频格式,得到目标视频。
在一个实施例中,滤镜方法包括以下任意一种:
对滤镜方法对应的子区域的像素进行调节;对滤镜方法对应的子区域进行风格转换;根据待处理医学视频对应的影像模型对滤镜方法对应的子区域进行标注。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待处理医学视频,以及获取目标滤镜种类;
对待处理医学视频进行分割处理,确定目标区域;其中,分割处理包括基于第一分割模型进行分割处理或基于目标滤镜种类进行分割处理;
根据目标滤镜种类对目标区域进行滤镜处理,得到目标视频。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:提取待处理医学视频中的各视频帧,将各视频帧输入至第一分割模型,得到各视频帧对应的初始区域;对各视频帧对应的初始区域进行检测,确定各视频帧对应的目标区域。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:确定目标滤镜种类对应的第二分割模型;提取待处理医学视频中的各视频帧,将各视频帧输入第二分割模型,得到各视频帧对应的目标区域。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:在视频显示界面显示多种初始滤镜种类;获取对初始滤镜种类的选择操作,确定目标滤镜种类。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:在视频显示界面,获取用户输入的登录信息;根据登录信息确定用户信息;获取并显示与用户信息对应的多种初始滤镜种类。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:确定待处理医学视频的种类或场景,并根据待处理医学视频的种类或场景更新多种初始滤镜种类;在视频显示界面显示更新后的多种初始滤镜种类。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:确定目标滤镜种类对应的多个滤镜方法;根据各滤镜方法对各视频帧对应的子区域进行滤镜处理,得到各目标视频帧;将目标视频帧合成视频格式,得到目标视频。
在一个实施例中,滤镜方法包括以下任意一种:
对滤镜方法对应的子区域的像素进行调节;对滤镜方法对应的子区域进行风格转换;根据待处理医学视频对应的影像模型对滤镜方法对应的子区域进行标注。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种视频处理方法,其特征在于,所述方法包括:
获取待处理医学视频,以及获取目标滤镜种类;
对所述待处理医学视频进行分割处理,确定目标区域;其中,所述分割处理包括基于第一分割模型进行分割处理或基于所述目标滤镜种类进行分割处理;
根据所述目标滤镜种类对所述目标区域进行滤镜处理,得到目标视频。
2.根据权利要求1所述的方法,其特征在于,在所述分割处理包括基于第一分割模型进行分割处理的情况下,所述对所述待处理医学视频进行分割处理,确定目标区域,包括:
提取所述待处理医学视频中的各视频帧,将各所述视频帧输入至所述第一分割模型,得到各所述视频帧对应的初始区域;
对各所述视频帧对应的所述初始区域进行检测,确定各所述视频帧对应的所述目标区域。
3.根据权利要求1所述的方法,其特征在于,在所述分割处理包括基于所述目标滤镜种类进行分割处理的情况下,所述对所述待处理医学视频进行分割处理,确定目标区域,包括:
确定所述目标滤镜种类对应的第二分割模型;
提取所述待处理医学视频中的各视频帧,将各所述视频帧输入所述第二分割模型,得到各所述视频帧对应的所述目标区域。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述获取目标滤镜种类,包括:
在视频显示界面显示多种初始滤镜种类;
获取对所述初始滤镜种类的选择操作,确定所述目标滤镜种类。
5.根据权利要求4所述的方法,其特征在于,所述在视频显示界面显示多种初始滤镜种类,包括:
在所述视频显示界面,获取用户输入的登录信息;
根据所述登录信息确定用户信息;
获取并显示与所述用户信息对应的多种初始滤镜种类。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
确定所述待处理医学视频的种类或场景,并根据所述待处理医学视频的种类或场景更新所述多种初始滤镜种类;
所述在视频显示界面显示多种初始滤镜种类,包括:
在所述视频显示界面显示更新后的多种初始滤镜种类。
7.根据权利要求1-3任一项所述的方法,其特征在于,所述目标区域包括多个子区域,所述根据所述目标滤镜种类对所述目标区域进行滤镜处理,得到目标视频,包括:
确定所述目标滤镜种类对应的多个滤镜方法;
根据各所述滤镜方法对各所述视频帧对应的子区域进行滤镜处理,得到各目标视频帧;
将所述目标视频帧合成视频格式,得到所述目标视频。
8.根据权利要求7所述的方法,其特征在于,所述滤镜方法包括以下任意一种:
对所述滤镜方法对应的所述子区域的像素进行调节;
对所述滤镜方法对应的所述子区域进行风格转换;
根据所述待处理医学视频对应的影像模型对所述滤镜方法对应的所述子区域进行标注。
9.一种视频处理装置,其特征在于,所述装置包括:
获取模块,用于获取待处理医学视频,以及获取目标滤镜种类;
处理模块,用于对所述待处理图像进行分割处理,确定目标区域;其中,所述分割处理包括基于第一分割模型进行分割处理或基于所述目标滤镜种类进行分割处理;
处理模块,还用于根据所述目标滤镜种类对所述目标区域进行滤镜处理,得到目标视频。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311020494.5A CN117057977A (zh) | 2023-08-14 | 2023-08-14 | 视频处理方法、装置、计算机设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311020494.5A CN117057977A (zh) | 2023-08-14 | 2023-08-14 | 视频处理方法、装置、计算机设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117057977A true CN117057977A (zh) | 2023-11-14 |
Family
ID=88667149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311020494.5A Pending CN117057977A (zh) | 2023-08-14 | 2023-08-14 | 视频处理方法、装置、计算机设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117057977A (zh) |
-
2023
- 2023-08-14 CN CN202311020494.5A patent/CN117057977A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210210179A1 (en) | Evolving contextual clinical data engine for medical information | |
US8117549B2 (en) | System and method for capturing user actions within electronic workflow templates | |
Muhammad et al. | Efficient visual attention driven framework for key frames extraction from hysteroscopy videos | |
De Rijcke et al. | Networked neuroscience: Brain scans and visual knowing at the intersection of atlases and databases | |
US20210303935A1 (en) | Medical image processing method and system and data processing method | |
CN109346158A (zh) | 超声影像处理方法、计算机设备和可读存储介质 | |
CN111223554A (zh) | 一种智能ai pacs系统及其检查报告信息处理方法 | |
US7606779B2 (en) | Methods and system for data aggregation of physical samples | |
US8935628B2 (en) | User interface for medical diagnosis | |
EP2549733B1 (en) | Method and apparatus for recording and reproducing an additional information signal | |
CN105447070A (zh) | 医学影像阅片方法及系统 | |
US20090202179A1 (en) | method and system for providing region based image modification | |
CN113658175A (zh) | 一种征象数据的确定方法及装置 | |
CN117079291A (zh) | 图像轨迹确定方法、装置、计算机设备和存储介质 | |
CN112102235A (zh) | 人体部位识别方法、计算机设备和存储介质 | |
EP2979161B1 (en) | Preferred view generation on structure level based on user preferences | |
WO2011071363A2 (en) | System and method for visualizing and learning of human anatomy | |
CN112862752A (zh) | 一种图像处理显示方法、系统电子设备及存储介质 | |
WO2021072873A1 (zh) | 灰度图像处理方法、系统、装置和计算机可读存储介质 | |
CN118710660A (zh) | 医学图像分割模型训练方法及系统 | |
CN117057977A (zh) | 视频处理方法、装置、计算机设备和可读存储介质 | |
WO2007050962A2 (en) | Method for capturing user actions within electronic template | |
Ma et al. | Rembrain: Exploring dynamic biospatial networks with mosaic matrices and mirror glyphs | |
CN114564264A (zh) | 数据分析方法、装置、电子设备及存储介质 | |
Balducci et al. | An annotation tool for a digital library system of epidermal data |
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 |