CN117319789A - 图像仿真方法、设备以及存储介质 - Google Patents
图像仿真方法、设备以及存储介质 Download PDFInfo
- Publication number
- CN117319789A CN117319789A CN202311605369.0A CN202311605369A CN117319789A CN 117319789 A CN117319789 A CN 117319789A CN 202311605369 A CN202311605369 A CN 202311605369A CN 117319789 A CN117319789 A CN 117319789A
- Authority
- CN
- China
- Prior art keywords
- image
- original image
- processing
- simulation
- image 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
- 238000004088 simulation Methods 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 313
- 230000015654 memory Effects 0.000 claims description 60
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000003705 background correction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 241000238557 Decapoda Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/62—Control of parameters via user interfaces
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/21—Intermediate information storage
- H04N1/2104—Intermediate information storage for one or a few pictures
- H04N1/2112—Intermediate information storage for one or a few pictures using still video cameras
- H04N1/2116—Picture signal recording combined with imagewise recording, e.g. photographic recording
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/63—Control of cameras or camera modules by using electronic viewfinders
- H04N23/631—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters
- H04N23/632—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters for displaying or modifying preview images prior to image capturing, e.g. variety of image resolutions or capturing parameters
-
- 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
- H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
- H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Studio Devices (AREA)
Abstract
一种图像仿真方法、设备以及存储介质,在该方法中,电子设备将存储区内的原始图像和处理参数输入图像处理通路,直接通过该图像处理通路对原始图像进行仿真调试,该图像处理通路是相机自带的,无需额外搭建仿真环境,可以有效提升仿真调试的效率。同时,该处理参数与存储的原始图像的环境信息相关,该环境信息描述了原始图像中的被拍摄对象、被拍摄对象所处的拍摄环境、或原始图像被拍摄时的拍摄参数中的至少一项,只需拍照一次即可基于该环境信息多次进行仿真调试,可以进一步提升仿真调试的效率。
Description
技术领域
本申请涉及终端技术领域,尤其涉及一种图像仿真方法、设备以及存储介质。
背景技术
随着科技发展,电子设备(如具有摄像头的手机、平板电脑等)的拍摄效果越来越好,使用电子设备拍摄已经成为人们的普遍选择,然而,由于电子设备的硬件能力有限或者用户缺乏拍摄经验等因素,电子设备采集的原始(raw)图像容易存在模糊、偏色等问题,为了提升图像的成像效果,可以对原始图像进行图像处理。
在开发过程中,为了获得成像效果最优的图像,需针对原始图像进行仿真调试,即针对原始图像,不断修改处理参数进行仿真调试。然而,现有仿真调试方法的效率较低。
发明内容
本申请实施例提供了一种图像仿真方法、设备以及存储介质。该图像仿真方法能够提升仿真调试的效率。
第一方面,本申请实施例提供了一种图像仿真方法,该方法包括:响应于第一指令,从存储区获取原始图像,以及获取原始图像的处理参数;将原始图像以及处理参数输入图像处理通路,并通过图像处理通路,基于处理参数对原始图像进行处理,得到仿真图像。该处理参数与存储的原始图像的环境信息相关;环境信息用于描述原始图像中的被拍摄对象、被拍摄对象所处的拍摄环境、或原始图像被拍摄时的拍摄参数中的至少一项。
在本申请实施例中,电子设备将存储区内的原始图像和处理参数输入图像处理通路,直接通过该图像处理通路对原始图像进行仿真调试,该图像处理通路是相机自带的,无需额外搭建仿真环境,可以有效提升仿真调试的效率。同时,该处理参数与存储的原始图像的环境信息相关,该环境信息描述了原始图像中的被拍摄对象、被拍摄对象所处的拍摄环境、或原始图像被拍摄时的拍摄参数中的至少一项,只需拍照一次即可基于该环境信息多次进行仿真调试,可以进一步提升仿真调试的效率。
除此之外,原始图像和处理参数是输入图像处理通路的最前端的,图像仿真过程不易受外界环境影响,有效避免因外界环境影响而导致的结果误差。
其中,第一指令用于触发图像仿真流程。该第一指令可包括以下三种形式:(1)第一指令是从外部接收到的;(2)第一指令是基于拍摄界面中的触控操作生成的;(3)第一指令是基于拍摄界面内现存的控件(如快门控件)生成的。
其中,该图像处理通路包括多个图像处理模型。
其中,该处理参数是图像处理模型的输入参数。例如,当图像处理通路包括自动白平衡模型时,该处理参数可包括自动白平衡模型的冷调参数值或者暖调参数值。
结合第一方面,在一种可选的实施方式中,图像处理通路包括多个图像处理模型;多个图像处理模型分别部署于图像信号处理器、中央处理器、或图形处理器中。
可选的,多个图像处理模型可以部署于ISP、CPU或GPU中。这种情况下,可以直接利用相机自带的图像处理通路进行图像仿真,无需额外为芯片平台配置仿真平台,可以有效避免因配置错误而导致仿真结果出现误差。
可选的,多个图像处理模型可以部署于CPU或者GPU内。这种情况下,可以直接利用相机自带的图像处理通路进行图像仿真,无需额外搭建非芯片平台算法模型的仿真环境,更加简单便捷,提升仿真调试的效率。
可选的,多个图像处理模型可以部署于ISP,CPU或者GPU内。这种情况下,可以直接利用相机自带的图像处理通路进行图像仿真,无需额外为芯片平台配置仿真平台,以及无需额外搭建非芯片平台算法模型的仿真环境,可以在提升仿真结果准确性的同时提升仿真调试的效率。
结合第一方面,在一种可选的实施方式中,在从存储区获取原始图像之前,该方法还包括:通过摄像头采集原始图像,将原始图像存储在存储区内。可选的,若存储区是电子设备的存储区(包括内部存储区或者外部存储区),则可以直接将原始图像存储在存储区内。可选的,若存储区是其他电子设备的存储区,则具体包括:发送原始图像至其他电子设备,当其他电子设备接收到原始图像后,将原始图像存储在存储区内。
结合第一方面,在一种可选的实施方式中,在从存储区获取所述原始图像的处理参数之前,该方法还包括:基于原始图像的环境信息确定初始处理参数,将初始处理参数作为原始图像的处理参数,存储在存储区内。
结合第一方面,在一种可选的实施方式中,在从存储区获取原始图像的处理参数之前,该方法还包括:基于原始图像的环境信息确定初始处理参数;基于图像优化所需的图像处理程度,对初始处理参数更新,得到更新后的处理参数;将更新后的处理参数作为原始图像的处理参数,存储在存储区内。
可选的,图像优化所需的图像处理程度可以是人工确定的,也就是说,更新后的处理参数可以是基于用户的输入操作获得的。在该实现方式中,用户可基于经验主动调整原始图像的处理参数,可以更快得到更优的仿真结果。
可选的,图像优化所需的图像处理程度可以是基于上一次仿真流程输出的仿真图像确定的。在该实现方式中,可基于上一次仿真流程输出的仿真图像确定图像优化所需的图像处理程度,更加方便智能。
结合第一方面,在一种可选的实施方式中,基于原始图像的环境信息确定初始处理参数,包括:基于原始图像的环境信息,从图像处理模型集中选择多个图像处理模型;将选择的多个图像处理模型分别对应的初始参数,作为初始处理参数。
结合第一方面,在一种可选的实施方式中,在响应于第一指令,从存储区获取原始图像,以及获取原始图像的处理参数之前,该方法还包括:检测相机应用是否支持仿真模式;若支持仿真模式,则在检测到作用于快门控件的触控操作时,生成第一指令。相机应用可基于仿真模式,判断是否生成第一指令,可有效避免第一指令影响相机应用内现存的控制逻辑。
第二方面,本申请实施例还提供了一种电子设备,该电子设备包括:一个或多个处理器、一个或多个存储器;一个或多个存储器与一个或多个处理器耦合,一个或多个存储器用于存储计算机程序代码,计算机程序代码包括计算机指令,当一个或多个处理器执行计算机指令时,使得电子设备执行第一方面的方法。
第三方面,本申请实施例再提供了一种计算机可读存储介质,包括计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行第一方面的方法。
第四方面,本申请实施例再提供了一种芯片或芯片系统,包括处理电路和接口电路,该接口电路用于接收代码指令并传输至处理电路,处理电路用于运行代码指令以执行第一方面所述的方法。
第五方面,本申请实施例再提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行第一方面所述的方法。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例中所需要使用的附图进行说明。
图1是本申请实施例提供的一种电子设备的硬件结构示意图;
图2是本申请实施例提供的一种电子设备的软件结构示意图;
图3是本申请实施例提供的一种图像仿真方法的流程示意图;
图4是本申请实施例提供的一种拍摄界面的示意图;
图5A和图5B是本申请实施例提供的图像处理通路的结构示意图;
图6是本申请实施例提供的另一种图像仿真方法的流程示意图;
图7是本申请实施例提供的两次连续图像仿真的流程示意图。
具体实施方式
本申请实施例涉及的应用(Application,App),又可以称为应用程序,为能够实现某项或多项特定功能的软件程序。通常,电子设备中可以安装多个应用,例如,即时通信类应用、音频类应用、图像拍摄类应用等等。其中,即时通信类应用,例如可以包括短信应用、微信(WeChat)、钉钉等。音频类应用,例如可以包括酷狗音乐、虾米音乐等等。图像拍摄类应用,例如可以包括相机应用(出厂设置系统相机或第三方相机应用)。以下实施例中提到的应用,可以是电子设备出厂时已安装的应用,也可以是用户在使用电子设备的过程中从网络下载或其他电子设备获取的应用。
应理解,在本申请中除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;本申请中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,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。“至少一个”是指一个或者多个,“多个”是指两个或两个以上。
另外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
随着科技发展,电子设备(如具有摄像头的手机、平板电脑等)的拍摄效果越来越好,使用电子设备拍摄已经成为人们的普遍选择。然而,由于电子设备的硬件能力有限或者用户缺乏拍摄经验等因素,电子设备采集的原始(raw)图像容易存在模糊、偏色等问题,为了提升图像的成像效果,需针对原始图像进行仿真调试得到仿真图像。在开发过程中,为了获得成像效果最优的图像,需针对原始图像进行仿真调试,即针对原始图像,不断修改处理参数进行仿真调试。然而,由于天气、季节、人为等因素导致原始图像的拍摄环境复现难度高,或者搭建仿真环境模拟该拍摄环境的步骤较复杂,现有的仿真调试方法的效率较低。
基于此,本申请实施例提供了一种图像仿真方法,在该方法中,电子设备将存储区内的原始图像和处理参数输入图像处理通路,直接通过该图像处理通路对原始图像进行仿真调试,该图像处理通路是相机自带的,无需额外搭建仿真环境,可以有效提升仿真调试的效率。同时,该处理参数与存储的原始图像的环境信息相关,该环境信息描述了原始图像中的被拍摄对象、被拍摄对象所处的拍摄环境、或原始图像被拍摄时的拍摄参数中的至少一项,只需拍照一次即可基于该环境信息多次进行仿真调试,可以进一步提升仿真调试的效率。
需要说明,本申请实施例所述的图像仿真方法可应用于电子设备相机开发阶段的仿真调试流程。
下面,针对本申请实施例所涉及的概念进行解释。
(1)原始图像
其中,原始图像(或可称为“raw图像”)是指未经处理的图像,或者也可以称为摄像头采集到的原始图像。该原始图像是由光信号经过摄像头的镜头照射在图像传感器上转换得到的。可选的,该原始图像可以是指拜耳(Bayer)格式的图像,Bayer格式的图像是指包括红色、蓝色和绿色(即三原色)的图像,也就是说,原始图像中仅包括红色的像素值、蓝色的像素值和绿色的像素值。需要说明,在其他的实施方式中,该原始图像也可以是指其他格式的图像,不做限定。可选的,该原始图像可以是指任意分辨率的图像,例如,该原始图像可以是1920x1080分辨率的图像,或者3840x2160分辨率的图像,等等。
(2)环境信息
其中,该环境信息用于描述原始图像中的被拍摄对象、被拍摄对象所处的拍摄环境、或原始图像被拍摄时的拍摄参数中的至少一项。
可选的,被拍摄对象可以包括人物、动物、或景物中的至少一项。需要说明,原始图像中的被拍摄对象可以是通过检测算法确定的,例如,当通过人脸识别算法检测到原始图像存在人脸信息时,确定被拍摄对象包括人物。在其他的实施方式中,被拍摄对象还可以是通过其他方式确定的,例如,若原始图像是在相机应用处于人像模式的场景下采集到的,则确定被拍摄对象包括人物。
可选的,被拍摄对象所处的拍摄环境包括被拍摄对象所处的拍摄地点、拍摄时间、或环境亮度中的至少一项。需要说明,该拍摄地点可包括多种类型,例如,该拍摄地点可为室内或室外;又例如,该拍摄地点可为经纬地点;再例如,该拍摄地点可为草原、城市、沙漠等。该拍摄时间也可包括多种类型,例如,该拍摄时间可为白天或夜晚;又例如,该拍摄时间可为公历时间等。
可选的,原始图像被拍摄时的拍摄参数可包括曝光时间、拍照模式(如人像模式、夜景模式等)、或焦距中的至少一项。
(3)图像处理通路
其中,该图像处理通路包括多个图像处理模型。该图像处理模型用于执行图像处理,该图像处理模型包括但不限于以下至少一种:自动白平衡模型、自动镜头阴影矫正模型、自动曝光模型、彩噪去除模型、亮度噪声去除模型、多帧去噪模型、高动态范围模型、全动态范围模型、动态范围增强模型、全局亮度映射模型、人脸检测模型、图像滤波算法模型、或图像增强算法模型。
(4)处理参数
其中,该处理参数是图像处理模型的输入参数。例如,当图像处理通路包括自动白平衡模型时,该处理参数可包括自动白平衡模型的冷调参数值或者暖调参数值。
需要说明,当图像处理通路包括多个图像处理模型时,原始图像的处理参数包括多个图像处理模型分别对应的处理参数。
(5)仿真图像
其中,仿真图像是经过图像处理通路对原始图像进行处理获得的图像,该仿真图像可以是JPG或者JPEG格式,不做限定。
在一些可选的实施方式中,本申请实施例所提及的图像仿真方法可应用于电子设备中,该电子设备包括但不限于手机、平板电脑、车载设备、个人数字助理(personaldigital assistant,PDA)、增强现实(augmented reality,AR)\虚拟现实(virtualreality,VR)设备、可穿戴设备(如膝上计算机、智能手表)等。
如图1所示,为电子设备的一种硬件结构示意图。其中,电子设备可以包括:处理器,外部存储器接口,内部存储器,通用串行总线(Universal Serial Bus,USB)接口,充电管理模型,电源管理模型,电池,天线1,天线2,移动通信模型,无线通信模型,传感器模型,按键,马达,指示器,摄像头,显示屏,以及SIM卡卡槽等。其中音频模型可以包括扬声器,受话器,麦克风,耳机接口等,传感器模型可以包括压力传感器,陀螺仪传感器,气压传感器,磁传感器,加速度传感器,距离传感器,接近光传感器,指纹传感器,温度传感器,触摸传感器,环境光传感器,骨传导传感器等。
可以理解的是,本申请实施例示意的结构并不构成对电子设备的具体限定。在另一些实施例中,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
其中,处理器可以包括一个或多个处理单元,例如:处理器可以包括应用处理器(Application Processor,AP),调制解调处理器(Modem),中央处理器(CentralProcessing Unit,CPU),图形处理器(Graphics Processing Unit,GPU),图像信号处理器(Image Signal Processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),神经网络处理器(neural-network processing unit,NPU)等。不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。可选的,上述所提及的图像处理模型可包括芯片平台算法模型和非芯片平台算法模型,芯片平台算法模型可部署于ISP、CPU、或GPU至少一项内,非芯片平台算法模型部署于CPU、或GPU至少一项内。例如,自动白平衡模型、自动镜头阴影矫正模型、自动曝光模型、彩噪去除模型、亮度噪声去除模型、多帧去噪模型、高动态范围模型、全动态范围模型、动态范围增强模型、或全局亮度映射模型等芯片平台算法模型部署于ISP、CPU、或GPU内,人脸检测模型、图像滤波算法模型、或图像增强算法模型等非芯片平台算法模型部署于CPU或GPU内。
处理器中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器中的存储器为高速缓冲存储器。该存储器可以保存处理器刚用过或循环使用的指令或数据。如果处理器需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器的等待时间,因而提高了系统的效率。
内部存储器可以包括一个或多个随机存取存储器(random access memory,RAM)和一个或多个非易失性存储器(non-volatile memory,NVM)。
随机存取存储器可以包括静态随机存储器(static random-access memory,SRAM)、动态随机存储器(dynamic random access memory,DRAM)、同步动态随机存储器(synchronous dynamic random access memory, SDRAM)、双倍资料率同步动态随机存取存储器(double data rate synchronous dynamic random access memory,DDR SDRAM,例如第五代DDR SDRAM一般称为DDR5 SDRAM)等;
非易失性存储器可以包括磁盘存储器件、快闪存储器(flash memory)。
快闪存储器按照运作原理划分可以包括NOR FLASH、NAND FLASH、3D NAND FLASH等,按照存储单元电位阶数划分可以包括单阶存储单元(single-level cell,SLC)、多阶存储单元(multi-level cell,MLC)、三阶储存单元(triple-level cell, TLC)、四阶储存单元(quad-level cell, QLC)等,按照存储规范划分可以包括通用闪存存储(universalflash storage,UFS)、嵌入式多媒体存储卡(embedded multi media Card,eMMC)等。
随机存取存储器可以由处理器直接进行读写,可以用于存储操作系统或其他正在运行中的程序的可执行程序(例如机器指令),还可以用于存储用户及应用程序的数据等。
非易失性存储器也可以存储可执行程序和存储用户及应用程序的数据等,可以提前加载到随机存取存储器中,用于处理器直接进行读写。
在本申请实施例中,内部存储器可支持存储原始图像以及原始图像的处理参数。
外部存储器接口可以用于连接外部的非易失性存储器,实现扩展电子设备的存储能力。外部的非易失性存储器通过外部存储器接口与处理器通信,实现数据存储功能。例如将原始图像以及原始图像的处理参数等文件保存在外部的非易失性存储器中。
其中,电子设备的无线通信功能可以通过天线1,天线2,移动通信模型,无线通信模型,以及Modem等实现。在一些实施例中,电子设备的天线1和移动通信模型耦合,天线2和无线通信模型耦合,使得电子设备可以通过无线通信技术与网络侧设备以及其他电子设备通信。
其中,触摸传感器,也称“触控器件”。触摸传感器可以设置于显示屏,由触摸传感器与显示屏组成触摸屏,也称“触控屏”。触摸传感器用于检测作用于其上或附近的触控操作。触摸传感器可以将检测到的触控操作传递给AP,以确定触摸事件类型。可以通过显示屏提供与触控操作相关的视觉输出。在另一些实施例中,触摸传感器也可以设置于电子设备的表面,与显示屏所处的位置不同。在本申请实施例中,电子设备检测是否有作用于电子设备显示屏的用户操作可通过触摸传感器完成。例如,在触摸传感器检测到触控操作后,电子设备可开启定位功能。
另外,在上述部件之上,运行有操作系统。例如苹果公司所开发的iOS操作系统,谷歌公司所开发的Android开源操作系统,微软公司所开发的Windows操作系统等。
电子设备的操作系统可以采用分层架构,事件驱动架构,微核架构,微服务架构,或云架构。本申请实施例以分层架构的Android系统为例,示例性说明电子设备的软件结构。需要说明的是,本申请实施例虽然以Android系统为例进行说明,但是其基本原理同样适用于基于iOS或Windows等操作系统的电子设备。
参见图2,为本申请实施例提供的电子设备的软件结构框图。软件结构采用分层架构,分层架构将软件分成若干个层,每一层都有清晰的角色和分工。层与层之间通过软件接口通信。以Android系统为例,在一些实施例中,将Android系统从上至下分别为应用程序层,应用程序框架层(Framework),硬件抽象层(HAL),和内核层(Kernel),以及硬件层。
其中,应用程序层可以包括一系列应用程序包。应用程序包可以包括相机,图库,日历,通话,地图,WLAN,蓝牙,音乐,视频,短信息等应用程序。
其中,应用程序框架层为应用程序层的应用程序提供应用编程接口(ApplicationProgramming Interface,API)和编程框架。应用程序框架层包括一些预先定义的函数。例如应用程序框架层可以提供相机API(Camera API)、相机服务(Camera Service)、相机拓展服务(Camera Service Extra)和硬件开发工具包(hardware software development kit,hw SDK)等。其中,Camera API作为底层(如硬件抽象层)与应用程序层交互的接口。具体的,Camera API还可以接收来自上层(如应用程序层)的相机控制指令,如,开启摄像头、启动图像采集、关闭摄像头等控制指令。然后,将来自上传的相机控制指令,通过应用程序框架层、HAL层、内核层,传递至硬件层的摄像头。可选的,本申请实施例中,当应用程序层与用户交互,触发图像采集的场景下,应用程序层可以调用Camera API,将拍摄指令,通过应用程序框架层、HAL层、内核层,传递给摄像头。该摄像头可以响应于拍摄指令,进行图像采集,获得原始图像。在获得原始图像后,还可以通过内核层、HAL层、应用程序框架层传递给应用程序层。可选的,传递至应用程序层的图像数据可以是已经过图像处理得到仿真图像。
其中,硬件抽象层是位于内核层与硬件之间的接口层,可以用于将硬件抽象化。在一些实施例中,硬件抽象层包括硬件抽象层接口定义语言(hardware abstractionlayerinterface definition language,HIDL)接口。HAL层可以基于HIDL接口在应用程序框架层和内核层之间进行数据透传。或者,HAL层也可以基于HIDL接口对来自内核层的数据进行处理,然后再传输至应用程序框架层。例如,HAL层可以将内核层中关于硬件设备的参数转换为应用程序框架层和应用程序层可识别的软件程序语言。可选的,HAL层可以包括相机HAL(Camera HAL)。该Camera HAL可以调度内核层,控制摄像头的工作状态。在一些实施例中,硬件抽象层可包括多个非芯片平台算法模型,例如,硬件抽象层可包括人脸检测模型、图像滤波算法模型、或图像增强算法模型中的至少一项。
其中,内核层是Android操作系统的基础,用于负责硬件的驱动程序、网络、电源、系统安全以及内存管理等功能。内核层是硬件与软件之间的一个中间层,其作用是将应用程序的请求传递给硬件。内核层至少包含相机驱动、传感器驱动、显示驱动和音频驱动等。
其中,硬件层可以包括各类硬件器件,比如,处理器、摄像头(可包括镜头和图像传感器)等。在一些实施例中,处理器可以包括ISP、GPU或CPU中的至少一项,该处理器内部署有至少一个芯片平台算法模型,不再赘述。
下面对本申请实施例提供的图像仿真方法进行详细说明。请参见图3,图3示出了本申请实施例提供的一种图像仿真方法的流程示意图,如图3所示,该图像仿真方法包括但不限于:
S101、响应于第一指令,从存储区获取原始图像,以及获取原始图像的处理参数。
其中,第一指令用于触发图像仿真流程。该第一指令可包括以下三种形式:
(1)该第一指令可以是从外部接收到的,例如,第一指令可为adb shell命令。在这种实施方式中,由于第一指令是从外部额外引入的,该第一指令与电子设备内的其他控制指令相互独立,可有效避免第一指令影响电子设备内现存的控制逻辑。
(2)第一指令也可以是基于拍摄界面中的触控操作生成的。具体的,电子设备可显示如图4所示的相机应用的拍摄界面41,该拍摄界面41可包括仿真控件401,电子设备可检测到作用于仿真控件401的触控操作(例如点击操作),并响应于该触控操作生成第一指令。拍摄界面41也可以替换为即时通信应用或其他应用的拍摄界面,不做限定。在这种实施方式中,由于第一指令是基于拍摄界面内新增的仿真控件401生成的,该第一指令与相机应用的其他控制指令相互独立,可有效避免第一指令影响相机应用内现存的控制逻辑。
(3)第一指令也可以是基于拍摄界面内现存的控件生成的。例如,以拍摄界面41的快门控件402为例,具体的,电子设备可检测相机应用是否支持仿真模式,若相机应用支持仿真模式,则在检测到作用于快门控件402的触控操作(例如点击操作)时,生成第一指令;若相机应用不支持仿真模式,则在检测到作用于快门控件402的触控操作(例如点击操作)时生成拍摄指令,该拍摄指令用于触发图像采集流程。需要说明,在其他实施方式中,快门控件402还可替换为拍摄界面内其他现存的控件,不做限定。在这种实施方式中,由于第一指令是基于拍摄界面内现存的控件生成的,无需在拍摄界面内额外引入新的控件,拍摄界面更简洁。同时,相机应用可基于仿真模式,判断是否生成第一指令,可有效避免第一指令影响相机应用内现存的控制逻辑。需要说明,该仿真模式可以是基于第二指令开启的,第二指令可以是从外部接收到的,例如,第二指令可为adb shell命令。
其中,存储区内存储有至少一张原始图像,以及分别存储有与每张原始图像对应的处理参数。也就是说,在确定原始图像后,即可确定对应的处理参数。可选的,原始图像与处理参数之间的对应关系可以是基于原始图像的标识(如原始图像的文件名或文件地址)以及处理参数的标识(如处理参数的文件名或文件地址)建立的。例如,若存储区存储有标识为“图片名_1.raw”的原始图像,标识为“图片名_2.raw”的原始图像,标识为“图片名_1.meta”的处理参数,以及标识为“图片名_2.meta”的处理参数,则标识为“图片名_1.raw”的原始图像,与标识为“图片名_1.meta”的处理参数对应,标识为“图片名_2.raw”的原始图像,与标识为“图片名_2.meta”的处理参数对应。需要说明,原始图像与处理参数之间的对应关系也可以是基于其他方式建立的,例如,基于键值对建立,不做限定。
可选的,本申请实施例所涉及的存储区可以是电子设备内部的存储区(例如电子设备的硬盘或内存),也可以是外部的存储区(例如电子设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)),在其他的实施方式中,该存储区还可以是其他电子设备的存储区等。
S102、将原始图像以及处理参数输入图像处理通路,并通过图像处理通路,基于处理参数对原始图像进行处理,得到仿真图像。
其中,处理参数与存储的原始图像的环境信息相关。该环境信息用于描述原始图像中的被拍摄对象、被拍摄对象所处的拍摄环境、或原始图像被拍摄时的拍摄参数中的至少一项。此处不做赘述。
其中,图像处理通路包括多个图像处理模型。请参见图5A,图5A示出了一种图像处理通路的结构示意图。如图5A所示,该图像处理通路可包括图像处理模型1、图像处理模型2和图像处理模型3,且图像处理模型1与图像处理模型2连接,图像处理模型2与图像处理模型1以及图像处理模型3连接,图像处理模型3与图像处理模型2连接。基于图5A所示的图像处理通路,仿真图像是分别经过图像处理模型1、图像处理模型2以及图像处理模型3处理得到的,也就是说,步骤S102可具体包括:s11、将原始图像以及图像处理模型1的处理参数输入图像处理模型1,基于图像处理模型1的处理参数对原始图像进行处理,得到第一中间图像;s12、将第一中间图像以及图像处理模型2的处理参数输入图像处理模型2,基于图像处理模型2的处理参数对第一中间图像进行处理,得到第二中间图像;s13、将第二中间图像以及图像处理模型3的处理参数输入图像处理模型3,基于图像处理模型3的处理参数对第二中间图像进行处理,得到仿真图像。需要说明,该图像处理通路仅仅为示例性说明,在其他的实施方式中,图像处理通路还可以包括更多数量的图像处理模型,例如,图像处理通路可包括图像处理模型1、图像处理模型2、图像处理模型3和图像处理模型4等;在其他的实施方式中,图像处理通路也可以包括多条支路,例如,如图5B所示,图像处理模型1与图像处理模型2以及图像处理模型3连接,图像处理模型2与图像处理模型1以及图像处理模型3连接,图像处理模型3与图像处理模型1以及图像处理模型2连接,不做限定。
可选的,多个图像处理模型可以包括ISP、CPU或GPU内的芯片平台算法模型。这种情况下,可以直接利用相机自带的图像处理通路进行图像仿真,无需额外为芯片平台配置仿真平台,可以有效避免因配置错误而导致仿真结果出现误差。可选的,多个图像处理模型也可以包括CPU或者GPU内的非芯片平台算法模型。这种情况下,可以直接利用相机自带的图像处理通路进行图像仿真,无需额外搭建非芯片平台算法模型的仿真环境,更加简单便捷,提升仿真调试的效率。可选的,多个图像处理模型还可以包括ISP、CPU或GPU内的芯片平台算法模型,以及CPU或者GPU内的非芯片平台算法模型。这种情况下,可以直接利用相机自带的图像处理通路进行图像仿真,无需额外为芯片平台配置仿真平台,以及无需额外搭建非芯片平台算法模型的仿真环境,可以在提升仿真结果准确性的同时提升仿真调试的效率。同时,本申请方案可以同时对芯片平台算法模型以及非芯片平台算法模型进行仿真,单次仿真就可以得到最终的图像,不需要单独为芯片平台配置仿真平台或者额外搭建非芯片平台算法模型的仿真环境,可以有效提升便利性,从而提升仿真调试的效率。
在一些可选的实施方式中,还可以在图像处理通路中增加dump节点,有利于对异常的仿真图像(如因图像模糊导致的花图、因图像偏色导致的黑图或绿图)的异常原因快速定位。例如,以图5A所示的图像处理通路为例,可在图像处理模型1与图像处理模型2之间增加dump节点1、以及在图像处理模型2与图像处理模型3之间增加dump节点2,若图像处理模型3输出的仿真图像异常,可从dump节点1获取第一中间图像以及从dump节点2获取第二中间图像,若第一中间图像异常,则图像处理模型1存在异常;若第二中间图像异常,则图像处理模型2存在异常;若第一中间图像和第二中间图像均正常,则图像处理模型3存在异常。
在本申请实施例中,电子设备将存储区内的原始图像和处理参数输入图像处理通路,直接通过该图像处理通路对原始图像进行仿真调试,该图像处理通路是相机自带的,无需额外搭建仿真环境,可以有效提升仿真调试的效率。同时,该处理参数与存储的原始图像的环境信息相关,该环境信息描述了原始图像中的被拍摄对象、被拍摄对象所处的拍摄环境、或原始图像被拍摄时的拍摄参数中的至少一项,只需拍照一次即可基于该环境信息多次进行仿真调试,可以进一步提升仿真调试的效率。
除此之外,原始图像和处理参数是输入图像处理通路的最前端的,图像仿真过程不易受外界环境影响,有效避免因外界环境影响而导致的结果误差。
在从存储区获取原始图像以及原始图像的处理参数之前,还需将原始图像以及原始图像的处理参数存储在该存储区内。基于此,本申请实施例还提供了另一种图像仿真方法,如图6所示,该图像仿真方法包括但不限于以下步骤:
S201、通过摄像头采集原始图像。
为了更好的阐述步骤S201,下面结合图2的软件结构示意图详细阐述电子设备采集原始图像所涉及到的各个模型之间的交互示意图。
s21、应用程序层的相机应用生成拍摄指令。
需要说明,相关阐述请参见图4的相关实施例,不再赘述。
s22、应用程序层的相机应用向应用程序框架层的相机服务发送拍摄指令。
也就是说,相机应用生成拍摄指令之后,可以下发拍摄指令至相机服务。
s23、应用程序框架层的相机服务向硬件抽象层的相机HAL发送拍摄指令。
也就是说,相机服务接收到拍摄指令之后,可以下发拍摄指令至相机HAL。
s24、硬件抽象层的相机HAL向内核层的相机驱动发送拍摄指令。
也就是说,相机HAL接收到拍摄指令之后,可以下发拍摄指令至相机驱动。
s25、内核层的相机驱动向硬件层的摄像头发送拍摄指令。
也就是说,相机驱动接收到拍摄指令之后,可以下发拍摄指令至摄像头。
s26、响应于拍摄指令,通过摄像头采集原始图像。
可理解,具体过程(如步骤s21至步骤s26)还可以参考相关技术文档,在此不进一步说明。
S202、将原始图像存储在存储区内。
可选的,若存储区是电子设备的存储区(包括部存储区或者外部存储区),则可以直接将原始图像存储在存储区内。
可选的,若存储区是其他电子设备的存储区,则步骤S202具体包括:发送原始图像至其他电子设备,当其他电子设备接收到原始图像后,将原始图像存储在存储区内。
S203、基于原始图像的环境信息确定初始处理参数。
一种可选的实施方式中,步骤S203包括:基于原始图像的环境信息,从图像处理模型集中,选择多个图像处理模型,将选择的多个图像处理模型分别对应的初始参数(即初始的输入参数),作为初始处理参数。其中,选择的多个图像处理模型用于构建图像处理通路。也就是说,当图像处理通路包括多个图像处理模型时,该初始处理参数包括多个图像处理模型分别对应的初始参数。
例如,设图像处理模型集包括自动白平衡模型、自动镜头阴影矫正模型、自动曝光模型、彩噪去除模型、亮度噪声去除模型、多帧去噪模型、高动态范围模型、全动态范围模型、动态范围增强模型、全局亮度映射模型、人脸检测模型、图像滤波算法模型、或图像增强算法模型;若将图像处理模型集的自动白平衡模型、自动曝光模型、多帧去噪模型、人脸检测模型、图像滤波算法模型、和图像增强算法模型作为选择的多个图像处理模型,则初始处理参数包括自动白平衡模型对应的初始参数、自动曝光模型对应的初始参数、多帧去噪模型对应的初始参数、人脸检测模型对应的初始参数、图像滤波算法模型对应的初始参数、和图像增强算法模型对应的初始参数。
可选的,电子设备可以根据原始图像的环境信息与图像处理模型的对应关系,从图像处理模型集中,选择多个图像处理模型,也可以是根据预先训练的用于确定图像处理模型的算法模型,从图像处理模型集中,选择多个图像处理模型。需要说明,在其他的实施方式中,选择的多个图像处理模型还可以是基于其他方式确定的,例如,默认设置得到的,或者基于用户选择操作得到的,不做限定。
另一种可选的实施方式中,步骤S203还可包括:基于原始图像的环境信息,从多个图像处理通路集中确定图像处理通路,并将选择的图像处理通路中各图像处理模型分别对应的初始参数作为初始处理参数。例如,在基于原始图像的环境信息确定图5A所示的图像处理通路时,可将图像处理模型1对应的初始参数、图像处理模型2对应的初始参数、图像处理模型3对应的初始参数作为初始处理参数。可选的,电子设备可以根据原始图像的环境信息与图像处理通路的对应关系,从图像处理通路集中选择图像处理通路,也可以是根据预先训练的用于确定图像处理通路的算法模型,从图像处理通路集中选择图像处理通路。需要说明,在其他的实施方式中,选择的多个图像处理通路还可以是基于其他方式确定的,例如,默认设置得到的,或者基于用户选择操作得到的,不做限定。
需要说明,多个图像处理模型分别对应的初始参数可以是默认设置的,也可以是基于历史经验设置的,不做限定。
S204a、将初始处理参数作为原始图像的处理参数。
S204b、基于图像优化所需的图像处理程度,对初始处理参数更新,得到更新后的处理参数,并将更新后的处理参数作为原始图像的处理参数。
一种可选的实施方式中,步骤S204b可包括:基于图像优化所需的图像处理程度,对多个图像处理模型分别对应的初始参数进行更新,得到多个图像处理模型分别对应的更新后的输入参数,并将更新后的输入参数作为更新后的处理参数。其中,更新后的输入参数与初始参数对应的图像处理程度不同。例如,以自动白平衡模型为例,初始参数可为冷调参数值,更新后的输入参数可为暖调参数值。需要说明,当原始图像的处理参数包括多个图像处理模型的输入参数时,每次更新可针对部分或全部图像处理模型的输入参数进行更新。
可选的,图像优化所需的图像处理程度可以是人工确定的,也就是说,更新后的处理参数可以是基于用户的输入操作获得的。在该实现方式中,用户可基于经验主动调整原始图像的处理参数,可以更快得到更优的仿真结果。
可选的,图像优化所需的图像处理程度可以是基于上一次仿真流程输出的仿真图像确定的。也就是说,更新后的处理参数(即第2次仿真的处理参数)是基于初始处理参数(即第1次仿真的处理参数)以及第1次仿真输出的仿真图像确定的。同理,第i+1次仿真处理的处理参数可以是基于第i次仿真输出的仿真图像以及第i次仿真的处理参数确定的,i为正整数。请参见图7所示,图7示出了两次连续图像仿真的流程示意图。如图7所示,在第i次仿真流程中,可以将原始图像以及第i次仿真的处理参数输入图像处理通路,并通过图像处理通路,基于第i次仿真的处理参数对原始图像进行处理,得到第i次输出的仿真图像。基于第i次输出的仿真图像确定图像优化所需的图像处理程度,并基于图像优化所需的图像处理程度对第i次仿真的处理参数更新,得到第i+1次仿真处理的处理参数,在第i+1次仿真流程中,可以将原始图像以及第i+1次仿真的处理参数输入图像处理通路,并通过图像处理通路,基于第i+1次仿真的处理参数对原始图像进行处理,得到第i+1次输出的仿真图像。在该实现方式中,可基于上一次仿真流程输出的仿真图像确定图像优化所需的图像处理程度,更加方便智能。需要说明,在其他的实施方式中,第1次的仿真流程也可以看作常规的拍照处理流程。需要说明,由于仿真的图像处理通路未改变,若两次仿真的处理参数相同,则这两次仿真输出的仿真图像也一致。
S205、将原始图像的处理参数存储在存储区内。
可选的,若存储区是电子设备的存储区(包括部存储区或者外部存储区),则可以直接将原始图像的处理参数存储在存储区内。
可选的,若存储区是其他电子设备的存储区,则步骤S205具体包括:发送原始图像的处理参数至其他电子设备,当其他电子设备接收到原始图像的处理参数后,其他电子设备将原始图像的处理参数存储在存储区内。
在一些可选的实施方式中,电子设备还可以将原始图像的环境信息存储在存储区内。可选的,原始图像与环境信息之间的对应关系可以是基于原始图像的标识(如原始图像的文件名或文件地址)以及环境信息的标识(如环境信息的文件名或文件地址)建立的。例如,若存储区存储有标识为“图片名_1.raw”的原始图像,标识为“图片名_2.raw”的原始图像,标识为“图片名_1.info”的环境信息,以及标识为“图片名_2.info”的环境信息,则标识为“图片名_1.raw”的原始图像,与标识为“图片名_1.info”的环境信息对应,标识为“图片名_2.raw”的原始图像,与标识为“图片名_2.info”的环境信息对应。需要说明,原始图像与环境信息之间的对应关系也可以是基于其他方式建立的,例如,基于键值对建立,不做限定。需要说明,关于原始图像的环境信息的相关阐述请参见前文,此处不做赘述。在该实施方式中,将原始图像的环境信息存储在存储区内,在针对该原始图像进行多次仿真时,可基于相同的环境信息确定相同的图像处理通路,多次仿真时的图像处理通路保持不变,从而只需拍照一次即可基于该环境信息多次进行仿真调试,可以提升仿真调试的效率。同时,由于存储了原始图像的环境信息,可以有效减少主观环境的测试验证过程对主观环境的依赖,有效提升仿真调试的效率。
S206、响应于第一指令,从存储区获取原始图像,以及获取原始图像的处理参数。
S207、将原始图像以及处理参数输入图像处理通路,并通过图像处理通路,基于处理参数对原始图像进行处理,得到仿真图像。
需要说明,关于步骤S206和步骤S207的详细阐述请参见图3的步骤S101和步骤S102,不做赘述。
在本申请实施例中,在图像仿真之前,可通过摄像头采集原始图像,以及基于原始图像的环境信息确定原始图像的处理参数,并将原始图像以及处理参数存储在存储区内,有利于图像仿真流程直接从存储区获取到原始图像和处理参数。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘)等。
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,该流程可以由计算机程序来指令相关的硬件完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
Claims (10)
1.一种图像仿真方法,其特征在于,所述方法包括:
响应于第一指令,从存储区获取原始图像,以及获取所述原始图像的处理参数;所述处理参数与存储的所述原始图像的环境信息相关;所述环境信息用于描述所述原始图像中的被拍摄对象、所述被拍摄对象所处的拍摄环境、或所述原始图像被拍摄时的拍摄参数中的至少一项;
将所述原始图像以及所述处理参数输入图像处理通路,并通过所述图像处理通路,基于所述处理参数对所述原始图像进行处理,得到仿真图像。
2.如权利要求1所述的方法,其特征在于,所述图像处理通路包括多个图像处理模型;所述多个图像处理模型分别部署于图像信号处理器、中央处理器、或图形处理器中。
3.如权利要求1所述的方法,其特征在于,在从存储区获取原始图像之前,所述方法还包括:
通过摄像头采集所述原始图像;
将所述原始图像存储在所述存储区内。
4.如权利要求1至3任一项所述的方法,其特征在于,在从存储区获取所述原始图像的处理参数之前,所述方法还包括:
基于所述原始图像的环境信息确定初始处理参数;
将所述初始处理参数作为所述原始图像的处理参数,存储在所述存储区内。
5.如权利要求1至3任一项所述的方法,其特征在于,在从存储区获取所述原始图像的处理参数之前,所述方法还包括:
基于所述原始图像的环境信息确定初始处理参数;
基于图像优化所需的图像处理程度,对所述初始处理参数更新,得到更新后的处理参数;
将所述更新后的处理参数作为所述原始图像的处理参数,存储在所述存储区内。
6.如权利要求5所述的方法,其特征在于,所述基于所述原始图像的环境信息确定初始处理参数,包括:
基于所述原始图像的环境信息,从图像处理模型集中选择多个图像处理模型;
将所述选择的多个图像处理模型分别对应的初始参数,作为初始处理参数。
7.如权利要求1至3任一项所述的方法,其特征在于,在所述响应于第一指令,从存储区获取原始图像,以及获取所述原始图像的处理参数之前,所述方法还包括:
检测相机应用是否支持仿真模式;
若支持仿真模式,则在检测到作用于快门控件的触控操作时,生成所述第一指令。
8.一种电子设备,其特征在于,包括:一个或多个处理器、一个或多个存储器;所述一个或多个存储器与一个或多个处理器耦合,所述一个或多个存储器用于存储计算机程序代码,计算机程序代码包括计算机指令,当所述一个或多个处理器执行所述计算机指令时,使得所述电子设备执行如权利要求1-7中的任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,包括计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行如权利要求1-7中的任一项所述的方法。
10.一种芯片或芯片系统,其特征在于,包括处理电路和接口电路,所述接口电路用于接收代码指令并传输至所述处理电路,所述处理电路用于运行所述代码指令以执行如权利要求1-7中的任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311605369.0A CN117319789A (zh) | 2023-11-29 | 2023-11-29 | 图像仿真方法、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311605369.0A CN117319789A (zh) | 2023-11-29 | 2023-11-29 | 图像仿真方法、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117319789A true CN117319789A (zh) | 2023-12-29 |
Family
ID=89255625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311605369.0A Pending CN117319789A (zh) | 2023-11-29 | 2023-11-29 | 图像仿真方法、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117319789A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113992850A (zh) * | 2021-10-20 | 2022-01-28 | 上海闻泰电子科技有限公司 | 基于isp的图像处理方法及装置、存储介质和摄像设备 |
CN114845049A (zh) * | 2022-04-07 | 2022-08-02 | 展讯通信(上海)有限公司 | 图像仿真方法、系统、介质和电子设备 |
-
2023
- 2023-11-29 CN CN202311605369.0A patent/CN117319789A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113992850A (zh) * | 2021-10-20 | 2022-01-28 | 上海闻泰电子科技有限公司 | 基于isp的图像处理方法及装置、存储介质和摄像设备 |
CN114845049A (zh) * | 2022-04-07 | 2022-08-02 | 展讯通信(上海)有限公司 | 图像仿真方法、系统、介质和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11012626B2 (en) | Electronic device for providing quality-customized image based on at least two sets of parameters | |
CN109218628B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
US10958850B2 (en) | Electronic device and method for capturing image by using display | |
CN108292311B (zh) | 用于处理元数据的设备和方法 | |
US20160037067A1 (en) | Method for generating image and electronic device thereof | |
TW201918997A (zh) | 用於使用卷積神經網路的視頻超解析度的方法和設備 | |
US20180063361A1 (en) | Electronic device and method of providing image acquired by image sensor to application | |
US10848669B2 (en) | Electronic device and method for displaying 360-degree image in the electronic device | |
US10657172B2 (en) | Method and apparatus for managing image metadata | |
JP2009064421A (ja) | 深度データの符号化方法、深度マップ生成装置及び電子装置 | |
US10347221B2 (en) | Electronic device and method for controlling display thereof | |
US20160286132A1 (en) | Electronic device and method for photographing | |
WO2022068326A1 (zh) | 一种图像帧预测的方法及电子设备 | |
CN114385280A (zh) | 参数确定方法及电子设备 | |
US10827125B2 (en) | Electronic device for playing video based on movement information and operating method thereof | |
KR20150027934A (ko) | 다각도에서 촬영된 영상을 수신하여 파일을 생성하는 전자 장치 및 방법 | |
CN114845049A (zh) | 图像仿真方法、系统、介质和电子设备 | |
US11126322B2 (en) | Electronic device and method for sharing image with external device using image link information | |
CN114979457B (zh) | 一种图像处理方法及相关装置 | |
CN107682619B (zh) | 用于处理图像的方法和支持该方法的电子设备 | |
KR20170011876A (ko) | 영상 처리 장치 및 그 동작 방법 | |
CN117319789A (zh) | 图像仿真方法、设备以及存储介质 | |
CN113885928B (zh) | 程序更新方法和电子设备 | |
CN114443109A (zh) | 补丁修复方法、电子设备及存储介质 | |
CN114708289A (zh) | 一种图像帧预测的方法及电子设备 |
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 |