TWI779808B - 影像處理方法 - Google Patents

影像處理方法 Download PDF

Info

Publication number
TWI779808B
TWI779808B TW110132150A TW110132150A TWI779808B TW I779808 B TWI779808 B TW I779808B TW 110132150 A TW110132150 A TW 110132150A TW 110132150 A TW110132150 A TW 110132150A TW I779808 B TWI779808 B TW I779808B
Authority
TW
Taiwan
Prior art keywords
image quality
quality evaluation
image
type
evaluation items
Prior art date
Application number
TW110132150A
Other languages
English (en)
Other versions
TW202309837A (zh
Inventor
鄭孟哲
鄞銘佐
許銀雄
Original Assignee
宏碁股份有限公司
宏碁智醫股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 宏碁股份有限公司, 宏碁智醫股份有限公司 filed Critical 宏碁股份有限公司
Priority to TW110132150A priority Critical patent/TWI779808B/zh
Priority to EP21201604.2A priority patent/EP4141811B1/en
Priority to US17/505,617 priority patent/US20230066672A1/en
Application granted granted Critical
Publication of TWI779808B publication Critical patent/TWI779808B/zh
Publication of TW202309837A publication Critical patent/TW202309837A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/96—Management of image or video recognition tasks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Analysis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Sewing Machines And Sewing (AREA)
  • Image Processing (AREA)
  • Facsimiles In General (AREA)
  • Studio Devices (AREA)

Abstract

一種影像處理方法。在此方法中，接收多個影像品質評估項目，且計算影像品質評估項目於雲端伺服器執行的總執行時間，並分別地計算影像品質評估項目於影像處理裝置執行的個別執行時間。依據個別執行時間與總執行時間，將影像品質評估項目分為第一類影像品質評估項目與第二類影像品質評估項目。由影像處理裝置執行第一類影像品質評估項目，且由雲端伺服器執行第二類影像品質評估項目。藉此，透過影像處理方法將影像品質評估項目分類的方式，進而提高影像辨識的處理效率。

Description

影像處理方法
本發明涉及影像處理領域，且特別是有關於影像品質評估(Image Quality Assessment)的一種影像處理方法。
一般影像辨識會先將待測影像進行影像品質評估(Image Quality Assessment,IQA)以篩選掉影像品質低於閾值的影像。目前的方法是將待測影像上傳至雲端且令雲端伺服器執行所選的多個影像品質評估項目。
由於使用者設備以及當前網路環境將影響影像處理裝置(本地端)從雲端伺服器上傳/下載影像與辨識結果的所需傳輸時間。倘若當前網路環境不好，導致影像處理裝置上傳影像到接收到影像辨識結果的所需時間過久，而降低且影響影像處理的效率。並且，倘若待測影像未通過雲端伺服器所執行的影像品質評估項目，且使用者仍然必須等待上傳影像至接收到影像品質未通過的時間。如此，使用者必須重新拍攝影像或選擇新的影像，導致有時使用雲 端伺服器執行影像品質評估項目的辨識效率比使用者單靠肉眼判斷影像品質的效率還低。據此，在使用上並不便利。
有鑑於此，本發明提出一種影像處理方法，其中此影像處理方法可依據影像品質評估項目於本地端的個別執行時間與於雲端伺服器的總執行時間，將影像品質評估項目分為第一類影像品質評估項目與第二類影像品質評估項目，以根據使用者設備及網路環境動態地調整執行影像品質評估項目的裝置，因而更貼近使用者的設備裝置與網路環境的實際條件。
本發明的影像處理方法，適用於影像處理裝置。此影像處理裝置具有處理器及儲存單元，且通訊連接於雲端伺服器。影像處理方法依據影像處理裝置的指令執行以下步驟：接收影像品質評估項目。計算影像品質評估項目於雲端伺服器執行的總執行時間，且計算影像品質評估項目於影像處理裝置執行的個別執行時間。依據個別執行時間與總執行時間，將影像品質評估項目分為第一類影像品質評估項目與第二類影像品質評估項目。由影像處理裝置執行第一類影像品質評估項目，且由雲端伺服器執行第二類影像品質評估項目。
基於上述，依據本發明實施例的影像處理方法，根據影像處理裝置的設備狀況以及使用者的網路狀況，適應且動態地調整影像品質評估項目的執行裝置。藉此，當使用者的設備與網路環境 條件導致所需時間過久時，可將部分或全部的影像品質評估項目分配到本地端的影像處理裝置或處理器進行影像處理之中的影像品質評估。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
100:影像處理裝置
110:處理器
120:儲存單元
130:顯示器
2:影像辨識模型
RL:影像辨識結果
IQA_CR:分配結果
L:本地端
C:雲端伺服器
Cloud_Time:總執行時間
IQA A_Time:影像品質評估項目A的執行時間
IQA B_Time:影像品質評估項目B的執行時間
IQA C_Time:影像品質評估項目C的執行時間
IQA D_Time:影像品質評估項目D的執行時間
IQA_G1:第一類影像品質評估項目
IQA_G2:第二類影像品質評估項目
IQA:影像品質評估項目
IQA A:影像品質評估項目A
IQA B:影像品質評估項目B
IQA C:影像品質評估項目C
IQA D:影像品質評估項目D
Img_m:影像
S210~S240、S211:步驟
圖1是依據本發明一實施例的影像處理裝置的方塊圖。
圖2是依據本發明一實施例的影像處理方法的流程圖。
圖3是依據本發明一實施例的影像處理方法的流程示意圖。
圖4是依據本發明實施例的影像辨識的流程圖。
圖5A是影像處理方法的示意圖。
圖5B是依據本發明實施例的影像處理方法的示意圖。
本發明的部份實施例接下來將會配合附圖來詳細描述，以下的描述所引用的元件符號，當不同附圖出現相同的元件符號將視為相同或相似的元件。這些實施例只是本發明的一部份，並未揭示所有本發明的可實施方式。更確切的說，這些實施例只是本發明的專利申請範圍中的系統與方法的範例。
圖1是依據本發明一實施例的影像處理裝置的方塊圖，但此僅是為了方便說明，並不用以限制本發明。請參照圖1，影像處理方法適用於影像處理裝置。影像處理裝置100可包括儲存單元120、處理器110及顯示器130。於一些實施例中，影像處理裝置100可實作為筆記型電腦、桌上型電腦、平板電腦、工業用電腦、伺服器或其他類型的計算機裝置或影像處理裝置，本發明並不對此限制。
儲存單元120用以儲存影像、指令、程式碼、軟體模組等等資料。儲存單元可包括揮發性儲存電路與非揮發性儲存電路。揮發性儲存電路用以揮發性地儲存資料。例如，揮發性儲存電路可包括隨機存取記憶體(Random Access Memory，RAM)或類似的揮發性儲存媒體。非揮發性儲存電路用以非揮發性地儲存資料。例如，非揮發性儲存電路可包括唯讀記憶體(Read Only Memory，ROM)、固態硬碟(solid state disk，SSD)及/或傳統硬碟(Hard disk drive，HDD)或類似的非揮發性儲存媒體。
顯示器130可採用液晶顯示器(Liquid Crystal Display，LCD)、電漿顯示器(Plasma Display)等來實現，或者亦可以使用具有觸控模組的觸控螢幕來作為顯示器130。
處理器110耦接儲存單元120，用以控制影像處理裝置的整體或部分操作，其例如是中央處理單元(Central Processing Unit，CPU)，或是其他可程式化之一般用途或特殊用途的微處理器(Microprocessor)、數位訊號處理器(Digital Signal Processor，DSP)、 可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuits，ASIC)、可程式化邏輯裝置(Programmable Logic Device，PLD)、圖形處理器(Graphics Processing Unit，GPU或其他類似裝置或這些裝置的組合。處理器110可執行記錄於儲存單元中的程式碼、軟體模組、指令、影像品質評估項目、影像處理的預設值、影像辨識軟體等等，以實現本發明實施例中的影像處理方法。
圖2是依據本發明一實施例的影像處理方法的流程圖。請參照圖2，本實施例的方式適用於上述影像處理裝置100，在本實施例中，本發明之影像處理方法依據影像處理裝置100之指令至少執行以下步驟：處理器110接收多個影像品質評估項目(步驟S210)。舉例來說，影像品質評估項目可為計算影像的熵(entropy)、計算影像的平均梯度(average gradient)、計算影像標準差(standard deviation)、計算影像的邊緣強度(edge intensity)等，也就是說，依照使用者預先設定或影像處理裝置內建的影像品質估計項目的設定值，將多個不同的影像品質評估項目傳送至處理器110之中。
圖3是依據本發明一實施例的影像處理方法的流程示意圖。處理器110計算影像品質評估項目於雲端伺服器(Cloud Server)執行的總執行時間，且計算影像品質評估項目於影像處理裝置執行時的個別執行時間(步驟S220)。具體來說，處理器110接收測試影像且將此測試影像分別執行每一個影像品質評估項目並計算每一個影像品質評估項目的個別執行時間。請參照圖3，於一實施 例中，影像品質評估項目的預設值為四種，分別為影像品質評估項目A(即，IQA A)、影像品質評估項目B(即，IQA B)、影像品質評估項目C(即，IQA C)及影像品質評估項目D(即，IQA D)。並且，經過處理器110的計算影像品質評估項目於處理器110的執行時間分別為7秒(IQA A)、2秒(IQA B)、3秒(IQA C)及6秒(IQA D)。同時，處理器110將此測試影像上傳至雲端伺服器以透過該雲端伺服器執行每個影像品質評估項目。接著，處理器110計算收到雲端伺服器執行影像品質評估項目的結果所花費的總執行時間Cloud_Time。舉例來說，處理器110計算從處理器110將測試影像上傳至雲端伺服器開始計時，且計時到處理器110收到雲端伺服器執行影像品質評估項目(A、B、C、D)的結果之間的總執行時間Cloud_Time為9秒。
處理器110依據個別執行時間與總執行時間，將影像品質評估項目分為第一類影像品質評估項目與第二類影像品質評估項目(步驟S240)。圖4是依據本發明實施例的影像辨識的流程圖。請參照圖2、圖3與圖4。具體來說，處理器110根據於處理器110上執行影像品質評估項目的個別執行時間以及於雲端伺服器(Cloud)執行影像品質評估項目的總執行時間，運算出執行時間小於總執行時間的分類，進而將影像品質評估項目分別分類為第一類影像品質評估項目與第二類影像品質評估項目。於一實施例中，步驟S240更包括：處理器110將個別執行時間相加小於總執行時間的影像品質評估項目分類為第一類影像品質評估項目IQA_G1， 且將其餘的影像品質評估項目分類為第二類影像品質評估項目IQA_G2。舉例來說，於一實施例中總執行時間Cloud_Time為9秒，處理器110將個別執行時間為2秒的影像品質評估項目B與個別執行時間為3秒的影像品質評估項目C皆分類為第一類影像品質評估項目IQA_G1。接著，處理器110將剩餘的影像品質評估項目A、D分類為第二類影像品質評估項目IQA_G2。
於另一實施例，處理器110依據個別執行時間與總執行時間，將影像品質評估項目分為第一類影像品質評估項目IQA_G1與第二類影像品質評估項目IQA_G2(步驟S240)更包括：處理器110將影像品質評估項目依據其個別執行時間依序排列。舉例來說，影像品質評估項目A、影像品質評估項目B、影像品質評估項目C、影像品質評估項目D依照其個別執行時間7、2、3、6秒依序排列為影像品質評估項目B、影像品質評估項目C、影像品質評估項目D、影像品質評估項目A。接著，處理器110取前N個影像品質評估項目分類為第一類影像品質評估項目IQA_G1，且將其餘的影像品質評估項目分類為第二類影像品質評估項目IQA_G2。舉例來說，N值可設定為影像品質評估項目總數的三分之一或二分之一。另一方面，N值可為將依序排列的影像品質評估項目取前N個個別執行時間相加小於總執行時間。例如，取前2個影像品質評估項目B、影像品質評估項目C，其總和的個別執行時間為5秒，則小於雲端執行影像品質評估項目的總執行時間9秒。本實施例中，N為正整數。
該處理器110依據個別執行時間與總執行時間，將多個影像品質評估項目分為第一類影像品質評估項目與第二類影像品質評估項目的步驟之後的步驟(步驟S220)之後，本發明之影像處理方法更包括：處理器110將影像品質評估項目分類成第一類影像品質評估項目與第二類影像品質評估項目，輸出分配結果IQA_CR。接著，處理器110將分配結果IQA_CR儲存於儲存單元120之中，且將分配結果IQA_CR設定為影像處理預設值，影像處理裝置100與雲端伺服器根據分配結果IQA_CR執行後續的影像品質評估項目。具體來說，處理器110將步驟S220之中所分類的結果記錄成分配結果IQA_CR且儲存於影像處理裝置100的儲存單元120之中。接著，處理器100將分配結果IQA_CR設定為影響處理裝置的影響處理預設值。也就是說，影像處理裝置100於後續的影像處理皆依照此分配結果IQA_CR將影像分別由影像處理裝置100(即，本地端)與雲端伺服器執行後續的影像品質評估項目。換句話說，後續的影像處理過程中，影像處理裝置根據分配結果IQA_CR，由處理器110執行第一類影像品質評估項目IQA_G1，而由雲端伺服器執行第二類影像品質評估項目IQA_G2。
於計算多個影像品質評估項目於雲端伺服器執行的總執行時間的步驟(步驟S220)之前，本發明之影像處理方法更包括：測試影像處理裝置100是否分別支援多個影像品質評估項目之中每一個影像品質評估項目(步驟S211)；以及將影像處理裝置100所不支援的影像品質評估項目分類為第二類影像品質評估項目 IQA_G2。具體而言，處理器110測試影像處理裝置100是否支援每一個影像品質評估項目，且將影像處理裝置不支援的影像品質評估項目分類為第二類影像品質評估項目，以提升影像品質評估項目的分類效率。舉例來說，某些影像品質評估項目需求特定周邊裝置或特定的顯示卡等級，當影像處理裝置無配備此特定周邊裝置或顯示卡時，處理器110直接將該些需要特定周邊裝置或顯示卡的影像品質評估項目分類為第二類影像品質評估項目。於另一實施例，處理器110可根據個別影像品質評估項目的執行時間大於閾值分類為第二類影像品質評估項目IQA_G2。舉例來說，處理器110將執行時間大於5秒的影像品質評估項目分類為第二類影像品質評估項目IQA_G2，以加速影像處理裝置100處理影像品質評估的速度。
於由影像處理裝置100執行第一類影像品質評估項目，且由雲端伺服器執行第二類影像品質評估項目的步驟(步驟S240)之後，本發明之影像處理方法更包括：雲端伺服器將第二類影像品質評估項目IQA_G2的皆通過的影像用於影像辨識模型2，且輸出影像辨識結果RL；以及影像處理裝置100執行第一類影像品質評估項目以輸出執行結果，若執行結果為通過則將影像辨識結果RL顯示於顯示器130上；若執行結果為不通過則不採用影像辨識結果RL。具體而言，根據處理器110的分配結果IQA_CR，雲端伺服器將後續需品質評估的影像Img_m執行第二類影像品質評估項目IQA_G2。接著，將皆通過第二類影像品質評估項目IQA_G2的 影像Img_m用於影像辨識以輸出影像的影像辨識結果RL。
值得注意的是，影像處理裝置100的處理器110將後續需品質評估的影像執行第一類影像品質評估項目IQA_G1以輸出執行結果，且處理器110根據此第一類影像品質評估項目IQA_G1的執行結果對應地顯示或不採用雲端伺服器所輸出的影像辨識結果RL。具體而言，若第一類影像品質評估項目IQA_G1的執行結果為通過，且雲端伺服器所執行的第二類影像品質評估項目IQA_G2的執行結果亦為通過且輸出影像辨識結果RL，則處理器110接收此影像辨識結果RL並輸出且顯示至耦接於處理器110的顯示器130上。另一方面，若由處理器110所執行的第一類影像品質評估項目IQA_G1的執行結果為不通過，則處理器110不採用(即，忽略)雲端伺服器所輸出的影像辨識結果RL。如此，使用者可透過本發明之影像處理方法，以提升影像處理中的影像品質評估的執行效率與縮短影像品質評估的所需時間。
圖5A是影像處理方法的示意圖。圖5B是依據本發明實施例的影像處理方法的示意圖。請參照圖5A與圖5B，圖5A是未使用本發明之影像處理方法的現有作法，將影像上傳至雲端伺服器C且透過雲端伺服器C進行影像品質評估，由於影像的品質低於影像品質評估項目的設定值，因此被雲端伺服器C返回影像並拒絕影像辨識。接著，使用者必須再次上傳新的影像，再透過雲端伺服器C進行影像品質評估以及影像辨識(Image Recognition AI)，再將影像辨識結果傳至使用者的影像處理裝置(即，本地端C)。由 圖5A可以得知，現有的作法將耗時20秒於影像的影像辨識。然而，圖5B是使用本發明之影像處理方法的流程示意圖，由圖5B可以得知，當影像處理裝置100上傳影像至雲端伺服器之時，影像處理裝置100可同步地執行影像品質評估項目B與影像品質評估項目C。因此，在影像處理裝置100執行影像品質評估項目B之時輸出此影像(同，影像)之品質不符合影像品質評估項目B的設定值，即重新上傳另一影像至雲端伺服器C，如此，經由使用本發明之影像處理方法，可在如圖5B中虛線及灰底處所示的第一次上傳影像後於花費6秒上傳影像、花費1秒執行IQA A & IQA D、影像辨識及花費2秒返回辨識結果之前，即可透過本地端的影像處理裝置100進行第二次上傳影像，進而令影像的影像辨識所需時間縮短至13秒。補充說明的是，如本領域所述技術人員所熟知的，現有影像品質評估項目(即，影像品質評估方法(Image Quality Assessment Method))並不侷限於本實施例的四種，且其影像品質評估的設定值是依照所選取的影像品質評估方法的預設值所決定，由於其屬於本所屬領域人員所熟知的內容與技術，因此本案在此不多贅述。另一方面，影像辨識處理可為藉由眼睛掃描的影像辨識糖尿病視網膜病變的影像辨識處理、虹膜辨識處理、文字辨識、圖案辨識、物體偵測影像辨識、人臉辨識等。
綜上，於本發明實施例中，當使用者使用影像處理方法協助影像處理之中的影像品質評估時，可依據個別執行時間與總執行時間將影像品質評估項目分為第一類影像品質評估項目與第二 類影像品質評估項目，透過分類的方式令位於本地端的影像處理裝置執行第一類影像品質評估項目，且令雲端伺服器執行第二類影像品質評估項目，進而根據本地端影像處理裝置的設備狀況以及本地端與雲端伺服器之間的連線狀況而動態地分配部分影像品質評估項目於本地端(即，影像處理裝置)執行，且另一部分影像品質評估項目於雲端伺服器執行，以達到改善影像品質評估的處理時間以及提高影像處理方法的檢測效率(即，影像辨識)。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
S210~S240:步驟

Claims (8)

  1. 一種影像處理方法，適用於一影像處理裝置，該影像處理裝置具有一處理器以及一儲存單元，該影像處理方法依據影像處理裝置的指令執行以下步驟：接收多個影像品質評估項目；計算該些影像品質評估項目於一雲端伺服器執行的一總執行時間，且計算該些影像品質評估項目於該影像處理裝置執行的個別執行時間；依據該個別執行時間與該總執行時間，將多個影像品質評估項目分為第一類影像品質評估項目與第二類影像品質評估項目；由該影像處理裝置執行第一類影像品質評估項目，且由該雲端伺服器執行第二類影像品質評估項目。
  2. 如請求項1所述的影像處理方法，其中該依據該個別執行時間與該總執行時間，將多個影像品質評估項目分為第一類影像品質評估項目與第二類影像品質評估項目的步驟，更包括：將個別執行時間相加小於該總執行時間的至少一影像品質評估項目分類為第一類影像品質評估項目，且該些影像品質評估項目中剩餘的影像品質評估項目分類為第二類影像品質評估項目。
  3. 如請求項1所述的影像處理方法，其中該依據該個別執行時間與該總執行時間，將多個影像品質評估項目分為第一 類影像品質評估項目與第二類影像品質評估項目的步驟，更包括：將多個影像品質評估項目依據個別執行時間依序排列；以及取前N個影像品質評估項目分類為第一類影像品質評估項目，且將其餘的影像品質評估項目分類為第二類影像品質評估項目；其中，該第一類的影像品質評估項目的個別執行時間總和小於該影像品質評估項目的該總執行時間。
  4. 如請求項1所述的影像處理方法，其中該處理器依據該個別執行時間與該總執行時間，將多個影像品質評估項目分為第一類影像品質評估項目與第二類影像品質評估項目的步驟之後，更包括：將該第一類影像品質評估項目與第二類影像品質評估項目，產生該影像品質評估項目的一分配結果。
  5. 如請求項1所述的影像處理方法，其中該計算該些影像品質評估項目於該雲端伺服器執行的總執行時間的步驟之前，更包括：測試該影像處理裝置是否支援該些個影像品質評估項目之中每一個影像品質評估項目；以及將該影像處理裝置所不支援的影像品質評估項目分類為該第二類影像品質評估項目。
  6. 如請求項1所述的影像處理方法，其中該依據該個別執行時間與該總執行時間，將多個影像品質評估項目分為第一類影像品質評估項目與第二類影像品質評估項目的步驟，更包括：將該個別執行時間大於一閾值的影像品質評估項目分類為該第二類影像品質評估項目。
  7. 如請求項1所述的影像處理方法，其中該由該影像處理裝置執行第一類影像品質評估項目，且由該雲端伺服器執行第二類影像品質評估項目的步驟之後，更包括：該雲端伺服器將該第二類影像品質評估項目的皆通過的影像用於一影像辨識，且輸出一影像辨識結果；以及該影像處理裝置執行該第一類影像品質評估項目以輸出一執行結果，若該執行結果為通過則將該影像辨識結果顯示於一顯示器上；若該執行結果為不通過則不採用該影像辨識結果。
  8. 如請求項4所述的影像處理方法，其中該產生該影像品質評估項目的該分配結果的步驟之後，更包括：將該分配結果儲存於該儲存單元中；以及將該分配結果設定為影像處理預設值。
TW110132150A 2021-08-30 2021-08-30 影像處理方法 TWI779808B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW110132150A TWI779808B (zh) 2021-08-30 2021-08-30 影像處理方法
EP21201604.2A EP4141811B1 (en) 2021-08-30 2021-10-08 Image processing method
US17/505,617 US20230066672A1 (en) 2021-08-30 2021-10-19 Image processing method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW110132150A TWI779808B (zh) 2021-08-30 2021-08-30 影像處理方法

Publications (2)

Publication Number Publication Date
TWI779808B true TWI779808B (zh) 2022-10-01
TW202309837A TW202309837A (zh) 2023-03-01

Family

ID=78086297

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110132150A TWI779808B (zh) 2021-08-30 2021-08-30 影像處理方法

Country Status (3)

Country Link
US (1) US20230066672A1 (zh)
EP (1) EP4141811B1 (zh)
TW (1) TWI779808B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200516508A (en) * 2003-11-11 2005-05-16 Chung Shan Inst Of Science Inspection system and method for image capture quality
CN109559304A (zh) * 2018-11-23 2019-04-02 聚时科技(上海)有限公司 用于工业视觉检测的图像品质在线评估方法、装置及应用
TW202126033A (zh) * 2019-09-12 2021-07-01 荷蘭商皇家飛利浦有限公司 用於評估場景之影像擷取品質的設備及方法
US20210201469A1 (en) * 2019-09-04 2021-07-01 Photogauge, Inc. System and method for quantitative image quality assessment for photogrammetry

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105677763B (zh) * 2015-12-29 2019-08-20 华南理工大学 一种基于Hadoop的图像质量评估系统
US11019250B2 (en) * 2018-03-20 2021-05-25 Iscilab Corporation Method for implementing animal nose pattern biometric identification system on mobile devices
US20220375088A1 (en) * 2019-10-04 2022-11-24 Koninklijke Philips N.V. Magnetic resonance (mr) image artifact determination using texture analysis for image quality (iq) standardization and system health prediction

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200516508A (en) * 2003-11-11 2005-05-16 Chung Shan Inst Of Science Inspection system and method for image capture quality
CN109559304A (zh) * 2018-11-23 2019-04-02 聚时科技(上海)有限公司 用于工业视觉检测的图像品质在线评估方法、装置及应用
US20210201469A1 (en) * 2019-09-04 2021-07-01 Photogauge, Inc. System and method for quantitative image quality assessment for photogrammetry
TW202126033A (zh) * 2019-09-12 2021-07-01 荷蘭商皇家飛利浦有限公司 用於評估場景之影像擷取品質的設備及方法

Also Published As

Publication number Publication date
EP4141811A1 (en) 2023-03-01
TW202309837A (zh) 2023-03-01
US20230066672A1 (en) 2023-03-02
EP4141811B1 (en) 2024-03-27

Similar Documents

Publication Publication Date Title
CN109376615B (zh) 用于提升深度学习网络预测性能的方法、装置及存储介质
US20220413839A1 (en) Software component defect prediction using classification models that generate hierarchical component classifications
US20150112903A1 (en) Defect prediction method and apparatus
WO2022088632A1 (zh) 用户数据监控分析方法、装置、设备及介质
WO2022095359A1 (zh) 基于防摄屏的信息安全保护方法、装置、电子设备及介质
JP2020042754A (ja) 分類装置、分類方法、分類プログラム、及び検査装置
CN114764768A (zh) 缺陷检测分类方法、装置、电子设备及存储介质
JP7078114B2 (ja) ログ分析装置、ログ分析方法、プログラム
CN112148766A (zh) 利用人工神经网络模型进行数据抽样的方法和系统
CN108108303A (zh) 一种应用程序卡顿测试方法、相关设备及计算机存储介质
CN112131322A (zh) 时间序列分类方法及装置
TWI779808B (zh) 影像處理方法
JP7240199B2 (ja) パラメータ決定方法、パラメータ決定装置、及びプログラム
CN115481694B (zh) 一种训练样本集的数据增强方法、装置、设备及存储介质
CN110544166A (zh) 样本生成方法、装置及存储介质
JP6882772B2 (ja) 検査装置、検査方法及び検査プログラム
US10467258B2 (en) Data categorizing system, method, program software and recording medium therein
CN115809814A (zh) 图像处理方法
CN115509853A (zh) 一种集群数据异常检测方法及电子设备
WO2022254858A1 (ja) 検査装置、検査方法、および検査プログラム
CN114257523B (zh) 用户感知预测方法、系统、设备和计算机存储介质
US20220309406A1 (en) Non-transitory computer readable medium, information processing apparatus, and method of generating a learning model
US20240104908A1 (en) Evaluation method
US11561880B2 (en) Method to analyze impact of a configuration change to one device on other connected devices in a data center
US20210397538A1 (en) Diagnosing application problems by learning from fault injections

Legal Events

Date Code Title Description
GD4A Issue of patent certificate for granted invention patent