CN117670659A - 一种图像效果调整方法、设备及介质 - Google Patents
一种图像效果调整方法、设备及介质 Download PDFInfo
- Publication number
- CN117670659A CN117670659A CN202311747669.2A CN202311747669A CN117670659A CN 117670659 A CN117670659 A CN 117670659A CN 202311747669 A CN202311747669 A CN 202311747669A CN 117670659 A CN117670659 A CN 117670659A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- style
- user
- adjusted
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims description 57
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 6
- 238000013508 migration Methods 0.000 claims description 5
- 230000005012 migration Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本申请公开了一种图像效果调整方法、设备及介质,涉及图像处理技术领域,应用于目标设备,包括:获取用户传入的目标图像;确定所述目标图像的图像风格;基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,得到与所述目标图像的图像风格一致的调整后图像并输出。本申请中,用户可以传入目标图像给设备,设备进一步基于目标图像的图像风格对采集到的原始红外图像进行调整,使得调整后图像的图像风格与目标图像的图像风格一致,从而使得调整后图像的效果更容易满足用户的要求。也即,上述方案中,用户只需传入自己偏好的图像即可,因此提升了用户操作的便利性。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种图像效果调整方法、设备及介质。
背景技术
红外图像是灰度图,大部分红外系统采集到的红外原始数据范围是0-16383,经过图像处理后呈现为256个RGB(R(red,红)、G(green,绿)、B(blue,蓝))颜色,供人眼观察。将从16384个变量映射到256个颜色的过程简称为色板映射过程。目前有众多的从灰度到灰阶的算法,但这些算法往往不能让用户满意,用户往往希望自己创作,以实现自己想要的伪彩色或黑白效果。
目前常见的解决方法是开放一部分参数给用户,这些开放的参数可以通过产品菜单或者上位机的形式传达给用户。例如,在一些情况中可以开放色板映射或开放一些专业的参数给用户填写,又或者提供一个上位机,通过用户改变映射曲线的方式代替用户填写。然而专业的参数对于非专业领域的用户而言是不友好的,而如果是需要连接上位机,对于用户而言其操作也较为复杂,并且现有方式也存在容易暴露机密算法的风险。
综上,如何提供一种更便利的图像效果调整方式,并使得调整后的图像效果满足用户的要求是目前有待解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种图像效果调整方法、设备及介质,能够提供一种更便利的图像效果调整方式,并使得调整后的图像效果满足用户的要求。其具体方案如下:
第一方面,本申请公开了一种图像效果调整方法,应用于目标设备,包括:
获取用户传入的目标图像;
确定所述目标图像的图像风格;
基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,得到与所述目标图像的图像风格一致的调整后图像并输出。
可选的,所述确定所述目标图像的图像风格,包括:
识别所述目标图像的特征参数,并基于所述特征参数确定所述目标图像的图像风格。
可选的,所述基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,包括:
利用风格迁移技术基于所述特征参数对所述目标设备采集到的原始红外图像进行风格转换,以得到与所述目标图像的图像风格一致的调整后图像。
可选的,所述得到与所述目标图像的图像风格一致的调整后图像并输出之后,还包括:
在目标界面显示所述调整后图像,并在所述目标界面显示预设的效果样式模板和/或参数调整接口;
若检测到用户针对任一效果样式模板的选择指令,或检测到用户通过所述参数调整接口传入的参数信息,则基于任一模板选择指令或所述参数信息对所述调整后图像进行再次调整。
可选的,所述在目标界面显示所述调整后图像,包括:
在本地设备界面显示所述调整后图像;
或,将所述调整后图像发送至与所述目标设备连接的终端设备,以在所述终端设备的设备显示界面显示所述调整后图像。
可选的,所述在目标界面显示所述调整后图像之后,还包括:
若获取到用户发出的图像保存指令,则基于所述图像保存指令将所述调整后图像存储至本地数据库;
若获取到用户重新传入的更新后图像,则基于所述更新后图像的图像风格重新对所述目标设备采集到的原始红外图像进行调整;其中,所述更新后图像为用户对所述目标图像进行修改后得到的图像。
可选的,所述基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,包括:
确定预先部署在本地的若干个图像算法模型,并基于所述图像风格对各所述图像算法模型进行训练,得到各训练后模型;
将各所述训练后模型生成的图像效果与所述目标图像的图像效果进行相似度计算,并将相似度最大值对应的训练后模型作为目标算法模型,以利用所述目标算法模型对所述目标设备采集到的原始红外图像进行调整。
可选的,所述基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,包括:
将所述图像风格发送至与所述目标设备连接的终端设备,以便所述终端设备基于所述图像风格对预先部署的若干个图像算法模型进行训练得到各训练后模型,并将各所述训练后模型生成的图像效果与所述目标图像的图像效果进行相似度计算,以将相似度最大值对应的训练后模型作为目标算法模型;
获取所述终端设备发送的所述目标算法模型,并利用所述目标算法模型对所述目标设备采集到的原始红外图像进行调整。
第二方面,本申请公开了一种图像效果调整装置,应用于目标设备,包括:
图像获取模块,用于获取用户传入的目标图像;
图像风格确定模块,用于确定所述目标图像的图像风格;
调整模块,用于基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,得到与所述目标图像的图像风格一致的调整后图像并输出。
第三方面,本申请公开了一种电子设备,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现前述公开的图像效果调整方法的步骤。
第四方面,本申请公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现前述公开的图像效果调整方法的步骤。
可见,本申请中的目标设备通过获取用户传入的目标图像;确定所述目标图像的图像风格;基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,得到与所述目标图像的图像风格一致的调整后图像并输出。由此可见,本申请中,用户可以向目标设备中传入目标图像,目标设备进一步确定出目标图像的图像风格,并基于图像风格对目标设备采集到的原始红外图像进行调整,使得调整后图像的图像风格与目标图像的图像风格一致,从而使得调整后图像的效果更容易满足用户的要求,也即从用户层面上,可以让用户调节出自己想要的图像效果。并且,上述方案中,用户只需传入自己偏好的图像即可,因此提升了用户操作的便利性,也避免了机密算法暴露的风险。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种图像效果调整方法流程图;
图2为本申请公开的一种具体的图像效果调整方法流程图;
图3为本申请公开的另一种具体的图像效果调整方法流程图;
图4为本申请公开的一种图像效果调整流程示意图;
图5为本申请公开的一种图像效果调整装置结构示意图;
图6为本申请公开的一种电子设备结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
当前,为了使用户可以调节出自己喜欢的图像效果,常见的方法是开放一部分参数给用户,这些开放的参数可以通过产品菜单或者上位机的形式传达给用户。然而专业的参数对于非专业领域的用户而言是不友好的,而如果是需要连接上位机,对于用户而言其操作也较为复杂,并且现有方式也存在容易暴露算法机密的风险。为此,本申请实施例公开了一种图像效果调整方法、设备及介质,能够提供一种更便利的图像效果调整方式,并使得调整后的图像效果满足用户的要求。
参见图1所示,本申请实施例公开了一种图像效果调整方法,应用于目标设备,该方法包括:
步骤S11:获取用户传入的目标图像。
本实施例中,用户可以向目标设备中传入目标图像。
其中,目标设备为红外图像采集设备,其具体可以为红外摄像机,相应的,设备采集到的图像则为红外图像。
其中,目标图像可以是用户使用手机拍摄的照片,也可以是用户自己创作的图片,并且目标图像的数量可以是一张,也可以是多张,本实施例对用户选择或获取目标图像的方式,以及对目标图像的数量不作限制。
在具体实施方式中,上述获取用户传入的目标图像,包括:获取用户通过目标输入媒介传入的目标图像;所述目标输入媒介为存储卡、无线网络或蓝牙中的任意一种输入媒介。也即,用户可以通过不同类型的目标输入媒介向目标设备传入目标图像,具体可以包括但不限于存储卡(如SD(Secure Digital)卡等)、无线网络或蓝牙等媒介。除本实施例列举的输入媒介外,也可以采取其他媒介方式向目标设备传入图像,只要可以使目标设备接收到目标图像即可。
进一步的,目标设备获取到目标图像后,可以将目标图像放入本地的文件夹中进行存储。
步骤S12:确定所述目标图像的图像风格。
本实施例中,目标设备进一步确定目标图像的图像风格。
在具体实施方式中,上述确定所述目标图像的图像风格,具体包括:识别所述目标图像的特征参数,并基于所述特征参数确定所述目标图像的图像风格。可以理解的是,目标设备可以采用深度学习算法和图像处理技术准确识别目标图像中的特征参数,特征参数具体可以为颜色特征参数、纹理特征参数、形状特征参数、图像对比度和图像饱和度中的任意一种或几种参数。这些特征参数即可体现用户对于图像的偏好,例如色度偏好、亮度偏好等。
在具体实施方式中,目标设备上设置有“图像自学习”功能,该功能通过提取目标图像特征的方式以学习用户对于目标图像的偏好。具体的,用户可以通过UI(UserInterface,即用户界面)控件、按键开关、上位机等打开该功能,打开该功能后,设备则自动根据本地文件夹中存储的图片或者图片集,收集其中的色度偏好、亮度偏好等,从而确定出目标图像的图像风格。
步骤S13:基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,得到与所述目标图像的图像风格一致的调整后图像并输出。
本实施例中,目标设备基于图像风格对目标设备采集到的原始红外图像进行调整,使得调整后图像的图像风格与目标图像的图像风格一致。通过这种方式使得调整后图像的效果更容易满足用户的要求,也即从用户层面上,可以让用户调节出自己想要的图像效果。并且,上述方案中,用户只需传入自己偏好的图像即可,因此提升了用户操作的便利性,也避免了机密算法暴露的风险。
在具体实施方式中,上述基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,包括:利用风格迁移技术基于所述特征参数对所述目标设备采集到的原始红外图像进行风格转换,以得到与所述目标图像的图像风格一致的调整后图像。也即,在提取到目标图像的特征参数后,即可基于这些特征参数确定出目标图像的图像风格,从而利用风格迁移技术基于特征参数对目标设备采集到的原始红外图像进行风格转换,使得调整后图像的风格与目标图像的图像风格一致。也即,以目标设备为红外摄像机为例,红外摄像机则可以根据识别出的图像特征,将这些特征应用到红外实时成像过程中,并通过运用风格迁移技术来实现,该技术可以将一张图片/视频的风格嵌入到另一张图片/视频中去,被嵌入的图片/视频保持原内容,但是风格却变成了其他样式,也即,可以将一种风格的图像转换为另一种风格的图像。
需要指出的是,上述可以对目标设备实时采集到的原始红外图像的效果进行调整,也可以对预先采集完成的原始红外图像的效果进行调整,也即,本方案中的目标设备可以对当前实时采集到的图像的效果进行实时调整。进一步的,目标设备可以是对采集到的单张图像的效果进行调整,也可以是对拍摄到的视频画面进行调整,从而输出调整后的完整视频。
在第一种具体实施方式中,上述基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,包括:确定预先部署在本地的若干个图像算法模型,并利用所述图像风格对各所述图像算法模型进行训练,得到各训练后模型;将各所述训练后模型生成的图像效果与所述目标图像的图像效果进行相似度计算,并将相似度最大值对应的训练后模型作为目标算法模型,以利用所述目标算法模型对所述目标设备采集到的原始红外图像进行调整。也即,目标设备本地可以预先部署有若干个图像算法模型,那么目标设备在确定目标图像的图像风格后,基于图像风格对本地的各图像算法模型进行训练,得到各训练后模型,再将各训练后模型生成的图像效果与目标图像的图像效果进行相似度计算,并使用相似度最高的训练后模型作为目标算法模型,从而可以利用目标算法模型对目标设备采集到的原始红外图像进行调整。
在第二种具体实施方式中,上述基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,包括:将所述图像风格发送至与所述目标设备连接的终端设备,以便所述终端设备基于所述图像风格对预先部署的若干个图像算法模型进行训练得到各训练后模型,并将各所述训练后模型生成的图像效果与所述目标图像的图像效果进行相似度计算,以将相似度最大值对应的训练后模型作为目标算法模型;获取所述终端设备发送的所述目标算法模型,并利用所述目标算法模型对所述目标设备采集到的原始红外图像进行调整。也即,图像算法模型还可以部署在与目标设备连接的终端设备,终端设备具体可以为电脑、智能手机等,那么目标设备在确定目标图像的图像风格后,则将图像风格发送至终端设备,以便终端设备基于图像风格对其本地预先部署的若干个图像算法模型进行训练得到各训练后模型,并将各训练后模型生成的图像效果与目标图像的图像效果进行相似度计算,以及使用相似度最高的训练后模型作为目标算法模型。进一步的,终端设备在确定是目标算法模型后,则将该目标算法模型发送给目标设备,如此一来,目标设备则可以利用目标算法模型对目标设备采集到的原始红外图像进行调整。
在第三种具体实施方式中,图像算法模型还可以部署在服务器,也即由服务器利用图像风格对若干个图像算法模型进行训练,并确定出相似度最高的目标算法模型,再将目标算法模型发送给目标设备,以便目标设备利用目标算法模型对目标设备采集到的原始红外图像进行调整。
需要指出的是,在将各训练后模型生成的图像效果与目标图像的图像效果进行相似度计算时,相似度计算所利用的图像指标参数具体可以包括但不限于灰度直方图、颜色直方图、细节、平均亮度、对比度、局部方差和等指标参数。
此外,除了部署上述的图像算法模型以外,还可以使用一些图像算法参数,相应的,同样也选取相似度最高的图像算法参数对目标设备采集到的原始红外图像的效果进行调整。上述用于训练图像算法模型或图像算法参数的方法可以使用传统的图像训练算法或者AI(Artificial Intelligence,即人工智能)训练算法。
可见,本申请中的目标设备通过获取用户传入的目标图像;确定所述目标图像的图像风格;基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,得到与所述目标图像的图像风格一致的调整后图像并输出。由此可见,本申请中,用户可以向目标设备中传入目标图像,目标设备进一步确定目标图像的图像风格,并基于图像风格对目标设备采集到的原始红外图像进行调整,使得调整后图像的图像风格与目标图像的图像风格一致,从而使得调整后图像的效果更容易满足用户的要求,也即从用户层面上,可以让用户调节出自己想要的图像效果。并且,上述方案中,用户只需传入自己偏好的图像即可,因此提升了用户操作的便利性,也避免了机密算法暴露的风险。
参见图2所示,本申请实施例公开了一种具体的图像效果调整方法,相对于上一实施例,本实施例对技术方案作了进一步的说明和优化。具体包括:
步骤S21:获取用户传入的目标图像。
步骤S22:确定所述目标图像的图像风格。
步骤S23:基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,得到与所述目标图像的图像风格一致的调整后图像并输出。
步骤S24:在目标界面显示所述调整后图像,并在所述目标界面显示预设的效果样式模板和/或参数调整接口。
本实施例中,进一步可以在目标界面显示调整后图像,使得用户可以查看生成的图像效果。此外,本实施例还可以在目标界面显示预设的效果样式模板和/或参数调整接口,以便用户在调整后图像的基础上再次进行调整。也即,本实施例可以提供一些预设的效果样式模板供用户选择,或者提供参数调整接口以供用户自定义参数;其中,预设的效果样式模板可以是基于不同风格的照片生成的,也可以是经过专业设计的高质量红外视频模板。
在一种具体实施方式中,上述在目标界面显示所述调整后图像,包括:在本地设备界面显示所述调整后图像。也即,用户可以在本地设备界面上查看成像效果。
在另一种具体实施方式中,上述在目标界面显示所述调整后图像,包括:将所述调整后图像发送至与所述目标设备连接的终端设备,以在所述终端设备的设备显示界面显示所述调整后图像。也即,本实施例还可以将调整后图像发送至与目标设备连接的终端设备,以在终端设备的设备显示界面显示调整后图像,也即用户还可以在终端设备上查看成像效果,其中,显示的设备可以在OLED(Organic Light-Emitting Diode,即有机发光二极管)屏、UVC(Usb Video Class,一种标准的USB视频设备协议)电脑端等。
步骤S25:若检测到用户针对任一效果样式模板的选择指令,或检测到用户通过所述参数调整接口传入的参数信息,则基于任一模板选择指令或所述参数信息对所述调整后图像进行再次调整。
本实施例中,若检测到用户针对任一效果样式模板的选择指令,则基于任一模板选择指令对应的效果样式模板对调整后图像进行再次调整;若检测到用户通过参数调整接口传入的参数信息,则基于参数信息对调整后图像进行再次调整。
其中,关于上述步骤S21、S22和S23更加具体的处理过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
可见,本申请实施例在得到调整后图像后,还可以进一步在本地设备界面或终端设备界面显示调整后图像,使得用户可以查看生成的图像效果。此外,本实施例还可以在目标界面显示预设的效果样式模板和/或参数调整接口,以便用户在调整后图像的基础上再次进行调整。
参见图3和图4所示,本申请实施例公开了一种具体的图像效果调整方法,相对于上一实施例,本实施例对技术方案作了进一步的说明和优化。具体包括:
步骤S31:获取用户传入的目标图像。
步骤S32:确定所述目标图像的图像风格。
步骤S33:基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,得到与所述目标图像的图像风格一致的调整后图像并输出,以及在目标界面显示所述调整后图像。
步骤S34:若获取到用户发出的图像保存指令,则基于所述图像保存指令将所述调整后图像存储至本地数据库。
本实施例中,用户若满意调整后图像的效果,则可以进一步向目标设备发出图像保存指令,因此,目标设备在获取到用户发出的图像保存指令后,则将调整后图像存储至本地数据库。
步骤S35:若获取到用户重新传入的更新后图像,则基于所述更新后图像的图像风格重新对所述目标设备采集到的原始红外图像的效果进行调整;其中,所述更新后图像为用户对所述目标图像进行修改后得到的图像。
本实施例中,用户若不满意调整后图像的效果或者需要更换自己偏好的风格,则可以进一步对目标图像进行修改得到更新后图像,再将更新后图像重新传入目标设备,如此一来,目标设备则可以基于更新后图像的图像风格重新对目标设备采集到的原始红外图像的效果进行调整。也即,当用户觉得不满意时,可以通过之前的输入媒介,修改最终存储到文件夹中的图片或者图片集,然后重新打开目标设备设置的“图像自学习”功能,以重新提取特征参数,从而利用更新后图像的特征参数确定的图像风格重新对采集的原始红外图像的效果进行调整,并最终满足用户要求为止。此外,除了采用重新修改目标图像的方式,用户也可以重新选取一张新的图像作为更新后图像传入目标设备。
其中,关于上述步骤S31、S32和S33更加具体的处理过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
可见,本申请实施例中,若用户满意调整后图像的效果,则可以根据用户发出的图像保存指令将调整后图像存储至本地数据库;若用户不满意调整后图像的效果或者需要更换自己偏好的风格,则可以获取用户重新传入的更新后图像,并基于更新后图像的图像风格重新对目标设备采集到的原始红外图像的效果进行调整,直到用户满意为止。
参见图5所示,本申请实施例公开了一种图像效果调整装置,应用于目标设备,该装置包括:
图像获取模块11,用于获取用户传入的目标图像;
图像风格确定模块12,用于确定所述目标图像的图像风格;
调整模块13,用于基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,得到与所述目标图像的图像风格一致的调整后图像并输出。
可见,本申请中的目标设备通过获取用户传入的目标图像;确定所述目标图像的图像风格;基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,得到与所述目标图像的图像风格一致的调整后图像并输出。由此可见,本申请中,用户可以向目标设备中传入目标图像,目标设备进一步确定出目标图像的图像风格,并基于图像风格对目标设备采集到的原始红外图像进行调整,使得调整后图像的图像风格与目标图像的图像风格一致,从而使得调整后图像的效果更容易满足用户的要求,也即从用户层面上,可以让用户调节出自己想要的图像效果。并且,上述方案中,用户只需传入自己偏好的图像即可,因此提升了用户操作的便利性,也避免了机密算法暴露的风险。
图6为本申请实施例提供的一种电子设备的结构示意图。具体可以包括:至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中,所述存储器22用于存储计算机程序,所述计算机程序由所述处理器21加载并执行,以实现前述任一实施例公开的由电子设备执行的图像效果调整方法中的相关步骤。
本实施例中,电源23用于为电子设备20上的各硬件设备提供工作电压;通信接口24能够为电子设备20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
其中,处理器21可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器21可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器21可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器21还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
另外,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源包括操作系统221、计算机程序222及数据223等,存储方式可以是短暂存储或者永久存储。
其中,操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222,以实现处理器21对存储器22中海量数据223的运算与处理,其可以是Windows、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的图像效果调整方法的计算机程序之外,还可以进一步包括能够用于完成其他特定工作的计算机程序。数据223除了可以包括电子设备接收到的由外部设备传输进来的数据,也可以包括由自身输入输出接口25采集到的数据等。
进一步的,本申请实施例还公开了一种计算机可读存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器加载并执行时,实现前述任一实施例公开的图像效果调整方法步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本领域技术人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域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。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(Random AccessMemory,即RAM)、内存、只读存储器(Read-Only Memory,即ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、只读光盘(Compact Disc Read-Only Memory,即CD-ROM)、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种图像效果调整方法、设备及存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种图像效果调整方法,其特征在于,应用于目标设备,包括:
获取用户传入的目标图像;
确定所述目标图像的图像风格;
基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,得到与所述目标图像的图像风格一致的调整后图像并输出。
2.根据权利要求1所述的图像效果调整方法,其特征在于,所述确定所述目标图像的图像风格,包括:
识别所述目标图像的特征参数,并基于所述特征参数确定所述目标图像的图像风格。
3.根据权利要求1所述的图像效果调整方法,其特征在于,所述基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,包括:
利用风格迁移技术基于所述特征参数对所述目标设备采集到的原始红外图像进行风格转换,以得到与所述目标图像的图像风格一致的调整后图像。
4.根据权利要求1所述的图像效果调整方法,其特征在于,所述得到与所述目标图像的图像风格一致的调整后图像并输出之后,还包括:
在目标界面显示所述调整后图像,并在所述目标界面显示预设的效果样式模板和/或参数调整接口;
若检测到用户针对任一效果样式模板的选择指令,或检测到用户通过所述参数调整接口传入的参数信息,则基于任一模板选择指令或所述参数信息对所述调整后图像进行再次调整。
5.根据权利要求4所述的图像效果调整方法,其特征在于,所述在目标界面显示所述调整后图像,包括:
在本地设备界面显示所述调整后图像;
或,将所述调整后图像发送至与所述目标设备连接的终端设备,以在所述终端设备的设备显示界面显示所述调整后图像。
6.根据权利要求4所述的图像效果调整方法,其特征在于,所述在目标界面显示所述调整后图像之后,还包括:
若获取到用户发出的图像保存指令,则基于所述图像保存指令将所述调整后图像存储至本地数据库;
若获取到用户重新传入的更新后图像,则基于所述更新后图像的图像风格重新对所述目标设备采集到的原始红外图像进行调整;其中,所述更新后图像为用户对所述目标图像进行修改后得到的图像。
7.根据权利要求1至6任一项所述的图像效果调整方法,其特征在于,所述基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,包括:
确定预先部署在本地的若干个图像算法模型,并基于所述图像风格对各所述图像算法模型进行训练,得到各训练后模型;
将各所述训练后模型生成的图像效果与所述目标图像的图像效果进行相似度计算,并将相似度最大值对应的训练后模型作为目标算法模型,以利用所述目标算法模型对所述目标设备采集到的原始红外图像进行调整。
8.根据权利要求1至6任一项所述的图像效果调整方法,其特征在于,所述基于所述图像风格对所述目标设备采集到的原始红外图像进行调整,包括:
将所述图像风格发送至与所述目标设备连接的终端设备,以便所述终端设备基于所述图像风格对预先部署的若干个图像算法模型进行训练得到各训练后模型,并将各所述训练后模型生成的图像效果与所述目标图像的图像效果进行相似度计算,以将相似度最大值对应的训练后模型作为目标算法模型;
获取所述终端设备发送的所述目标算法模型,并利用所述目标算法模型对所述目标设备采集到的原始红外图像进行调整。
9.一种电子设备,其特征在于,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现如权利要求1至8任一项所述的图像效果调整方法的步骤。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的图像效果调整方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311747669.2A CN117670659A (zh) | 2023-12-18 | 2023-12-18 | 一种图像效果调整方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311747669.2A CN117670659A (zh) | 2023-12-18 | 2023-12-18 | 一种图像效果调整方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117670659A true CN117670659A (zh) | 2024-03-08 |
Family
ID=90076891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311747669.2A Pending CN117670659A (zh) | 2023-12-18 | 2023-12-18 | 一种图像效果调整方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117670659A (zh) |
-
2023
- 2023-12-18 CN CN202311747669.2A patent/CN117670659A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9118876B2 (en) | Automatic skin tone calibration for camera images | |
CN109783182A (zh) | 一种页面主题色调的调整方法、装置、设备及介质 | |
CN106576155B (zh) | 图像处理装置、摄像装置、图像处理方法以及程序 | |
CN108200420B (zh) | 图像调节方法、装置、可读存储介质及终端 | |
CN111784568A (zh) | 人脸图像处理方法、装置、电子设备及计算机可读介质 | |
US10957092B2 (en) | Method and apparatus for distinguishing between objects | |
CN113965694A (zh) | 录像方法、电子设备及计算机可读存储介质 | |
US20230074060A1 (en) | Artificial-intelligence-based image processing method and apparatus, electronic device, computer-readable storage medium, and computer program product | |
CN113132696A (zh) | 图像色调映射方法、装置、电子设备和存储介质 | |
CN111164563B (zh) | 一种智能终端的图像色彩调节系统及色彩调节方法 | |
US20120250997A1 (en) | Image processing apparatus, image processing method, and storage medium | |
JP5156423B2 (ja) | 色処理装置および色処理方法 | |
JP5569504B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
DE102019100512A1 (de) | Selektives Anwenden von Farbe auf ein Bild | |
CN116229188B (zh) | 图像处理显示方法、分类模型的生成方法及其设备 | |
CN111275648B (zh) | 人脸图像处理方法、装置、设备及计算机可读存储介质 | |
WO2023005853A1 (zh) | 图像处理方法及装置、电子设备、存储介质及计算机程序产品 | |
CN117670659A (zh) | 一种图像效果调整方法、设备及介质 | |
CN111462158A (zh) | 一种图像处理方法、装置及智能设备、存储介质 | |
CN114022581A (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN114066724A (zh) | 图像处理方法、智能终端及存储介质 | |
CN113487497A (zh) | 图像处理方法、装置和电子设备 | |
KR20210145071A (ko) | 디스플레이 방법, 장치 및 저장 매체 | |
KR20220030615A (ko) | 전자장치 및 그 제어방법 | |
KR102563621B1 (ko) | 인공지능 기반 치아 쉐이드 진단 시스템 및 이를 위한 동작 방법 |
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 |