CN103533384B - 图像处理方法、图像复原方法、装置及*** - Google Patents
图像处理方法、图像复原方法、装置及*** Download PDFInfo
- Publication number
- CN103533384B CN103533384B CN201310462804.9A CN201310462804A CN103533384B CN 103533384 B CN103533384 B CN 103533384B CN 201310462804 A CN201310462804 A CN 201310462804A CN 103533384 B CN103533384 B CN 103533384B
- Authority
- CN
- China
- Prior art keywords
- angle point
- region
- field picture
- corner
- source
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003672 processing method Methods 0.000 title claims abstract description 34
- 238000011084 recovery Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000008878 coupling Effects 0.000 claims description 46
- 238000010168 coupling process Methods 0.000 claims description 46
- 238000005859 coupling reaction Methods 0.000 claims description 46
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 14
- 238000012804 iterative process Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 238000004513 sizing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 9
- 230000006835 compression Effects 0.000 description 17
- 238000007906 compression Methods 0.000 description 17
- 230000005540 biological transmission Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种图像处理方法、图像复原方法、装置及***，属于图像处理领域。所述图像处理方法包括：获取第i帧图像和第i+1帧图像；根据角点确定源区域、偏移区域以及偏移区域相对于源区域的偏移向量；将源区域按照偏移向量拷贝至第i帧图像中与偏移区域对应的区域，得到第i帧中间图像；获取第i+1帧图像相对于第i帧中间图像的增量数据；将源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据作为复原数据。本发明解决了现有方法处理的图像在网络传输中需要传输较多的图像数据，对网络有较高要求的问题；达到了仅需要传输少量数据就可以实现实时分享的效果。
Description
技术领域
本发明涉及图像处理领域，特别涉及一种图像处理方法、图像复原方法、装置及***。
背景技术
图像处理技术是一种用计算机对图像进行分析，以达到所需结果的技术。该技术在远程教育、远程会议等领域已经得到了广泛的发展。
随着硬件技术的发展，计算机的显示分辨率越来越高，在远程桌面分享时需要传输的图像数据也相应的越来越多。为了在传输的图像数据尽可能少的前提下，尽可能保证远程桌面分享时的流畅度和清晰度，目前的一种图像处理方法，包括：分享发布终端将每帧桌面图像数据按照预定压缩方式进行压缩，获得每帧压缩后的桌面图像数据；分享发布终端将每帧压缩后的桌面图像数据通过网络传输给分享浏览终端；分享浏览终端根据每帧压缩后的桌面图像数据重现分享发布终端显示的桌面。其中，预定压缩方式的压缩质量决定了需要传输的图像数据的多少，也决定了远程桌面分享时的清晰度。
在实现本发明的过程中，发明人发现现有技术至少存在以下问题：为了保证清晰度，无论预定压缩方式的压缩质量多好，压缩后的桌面图像数据的数据量都是比较大的，在网络传输时都需要传输较多的图像数据，在实现一对多桌面分享或者高清桌面分享时，都会对网络速度和网络带宽有较高的要求。
发明内容
为了解决现有图像处理方法处理的图像仅考虑用压缩方式来降低图像的数据量大小，为了保证压缩后的图像清晰度，压缩后的图像的数据量通常都是比较大的问题，本发明实施例提供了一种图像处理方法、图像复原方法、装置及***。所述技术方案如下：
第一方面，提供了一种图像处理方法，所述方法包括：
获取第i帧图像和第i+1帧图像，i≥1；
根据所述第i帧图像和第i+1帧图像中的角点确定位于所述第i帧图像中的源区域、位于所述第i+1帧图像中的偏移区域以及所述偏移区域相对于所述源区域的偏移向量；
将所述源区域按照所述偏移向量拷贝至所述第i帧图像中与所述偏移区域对应的区域，得到所述第i帧中间图像；
获取所述第i+1帧图像相对于所述第i帧中间图像的增量数据；
将所述源区域的区域参数、所述偏移区域的区域参数和所述偏移向量中的至少两种，以及所述增量数据作为所述第i+1帧图像的复原数据；其中，所述根据所述第i帧图像和第i+1帧图像中的角点确定位于所述第i帧图像中的源区域、位于所述第i+1帧图像中的偏移区域以及所述偏移区域相对于所述源区域的偏移向量，包括：
获取所述第i帧图像中的至少一个源角点；获取所述第i+1帧图像中的至少一个目标角点；将所述至少一个目标角点与所述至少一个源角点进行匹配，获得互相匹配的至少一组角点组合；将所述至少一组角点组合中偏移向量相同的角点组合归并为同一类角点组合；
根据所述同一类角点组合和所述同一类角点组合的偏移向量确定位于所述第i帧图像中的源区域，位于所述第i+1帧图像中的偏移区域以及所述偏移区域相对于所述源区域的偏移向量。
优选地，所述将所述至少一个目标角点与所述至少一个源角点进行匹配，包括：
将所述至少一个目标角点和所述至少一个源角点中横坐标相同但纵坐标不同的角点分为第一类别，和/或，将所述至少一个目标角点和所述至少一个源角点中横坐标不相同但纵坐标相同的角点分为第二类别；
将所述第一类别和/或所述第二类别中的每个目标角点分别与同类别中的每个源角点迭代进行M邻域的粗匹配；
对粗匹配成功的所述目标角点和对应的所述源角点进行N邻域的精匹配，M＜N；
将精匹配成功的所述目标角点和对应的所述源角点作为一组角点组合。
优选地，所述将所述第一类别和/或所述第二类别中的每个目标角点分别与同类别中的每个源角点迭代进行M邻域的粗匹配，包括：
在每次迭代过程中，将所述第一类别和/或所述第二类别中尚未成功匹配的每个目标角点分别与同类别中尚未成功匹配的每个源角点进行M邻域的粗匹配。
优选地，所述对粗匹配成功的所述目标角点和对应的所述源角点进行N邻域的精匹配之前，还包括：
计算粗匹配成功的所述目标角点和对应的所述源角点之间的偏移向量；
判断是否存在与所述偏移向量对应的所述同一类角点组合；
若判断结果为存在与所述偏移向量对应的所述同一类角点组合，则对粗匹配成功的所述目标角点和对应的所述源角点不进行精匹配，直接归并至与所述偏移向量对应的所述同一类角点组合；
若判断结果为不存在与所述偏移向量对应的所述同一类角点组合，则执行所述对粗匹配成功的所述目标角点和对应的所述源角点进行N邻域的精匹配的步骤，并在所述精匹配成功后创建与所述偏移向量对应的所述同一类角点组合。
优选地，所述获取所述第i+1帧图像中的至少一个目标角点，包括：
将所述第i+1帧图像处理为缩放后的灰度图像；
从所述缩放后的灰度图像中计算至少一个目标角点；
将所述至少一个目标角点映射回所述第i+1帧图像，作为所述第i+1帧图像中的至少一个目标角点。
优选地，所述从所述缩放后的灰度图像中计算至少一个目标角点，包括：
从所述缩放后的灰度图像中获取至少一个候选角点；
对于每个候选角点，在以所述候选角点为圆心的圆形范围内的所有像素点中，统计与所述候选角点之间的灰度差值大于预设阈值的像素点个数；
在所述灰度差值大于预设阈值的像素点个数超过预设个数时，确定所述候选角点为一个目标角点。
优选地，所述根据所述同一类角点组合和所述同一类角点组合的偏移向量确定位于所述第i帧图像中的源区域，位于所述第i+1帧图像中的偏移区域以及所述偏移区域相对于所述源区域的偏移向量，包括：
根据所述同一类角点组合中的源角点确定位于所述第i帧图像中的源区域，或者，根据所述同一类角点组合中的偏移向量和目标角点确定位于所述第i帧图像中的源区域；
根据所述同一类角点组合中的目标角点确定位于所述第i+1帧图像中的目标区域，或者，根据所述同一类角点组合中的源角点和偏移向量确定位于所述第i+1帧图像中的目标区域；
根据所述同一类角点组合中的偏移向量确定所述偏移区域相对于所述源区域的偏移向量。
优选地，所述获取所述第i+1帧图像相对于所述第i帧中间图像的增量数据，包括：
将所述第i+1帧图像和所述第i帧中间图像按照预定大小各自划分为若干个图像块；
将所述第i+1帧图像中的每个图像块分别与所述第i帧中间图像中的对应图像块进行逐像素点的迭代对比，得到不相同的像素点之间的像素值增量；
将所述第i+1帧图像中与所述第i帧中间图像不相同的所有像素点的像素值增量作为所述增量数据。
第二方面，提供了一种图像复原方法，所述方法包括：
获取第i帧图像和第i+1帧图像的复原数据，所述第i+1帧图像的复原数据包括源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据；
根据所述源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，将所述源区域按照所述偏移向量拷贝至所述第i帧图像中与所述偏移区域对应的区域，得到第i帧中间图像；
将所述增量数据与所述第i帧中间图像进行合并，复原得到所述第i+1帧图像；
其中，所述源区域为根据所述第i帧图像和第i+1帧图像中的角点确定的位于所述第i帧图像中的区域，所述偏移区域为根据所述第i帧图像和第i+1帧图像中的角点确定的位于所述第i+1帧图像中的区域，所述偏移向量是所述偏移区域相对于所述源区域的偏移向量，所述增量数据是所述第i+1帧图像相对于所述第i帧中间图像的增量数据。
第三方面，提供了一种图像处理装置，所述装置包括：
图像获取模块，用于获取第i帧图像和第i+1帧图像，i≥1；
区域分析模块，用于根据所述第i帧图像和第i+1帧图像中的角点确定位于所述第i帧图像中的源区域、位于所述第i+1帧图像中的偏移区域以及所述偏移区域相对于所述源区域的偏移向量；
图像拷贝模块，用于将所述源区域按照所述偏移向量拷贝至所述第i帧图像中与所述偏移区域对应的区域，得到所述第i帧中间图像；
增量获取模块，用于获取所述第i+1帧图像相对于所述第i帧中间图像的增量数据；
复原数据模块，用于将所述源区域的区域参数、所述偏移区域的区域参数和所述偏移向量中的至少两种，以及所述增量数据作为所述第i+1帧图像的复原数据；
其中，所述区域分析模块，包括：区域角点采集第一子模块、区域角点采集第二子模块、区域角点匹配子模块、区域角点归类子模块和区域角点定位子模块；
所述区域角点采集第一子模块，用于获取所述第i帧图像中的至少一个源角点；
所述区域角点采集第二子模块，用于获取所述第i+1帧图像中的至少一个目标角点；
所述区域角点匹配子模块，用于将所述至少一个目标角点与所述至少一个源角点进行匹配，获得互相匹配的至少一组角点组合；
所述区域角点归类子模块，用于将所述至少一组角点组合中偏移向量相同的角点组合归并为同一类角点组合；
所述区域角点定位子模块，用于根据所述同一类角点组合和所述同一类角点组合的偏移向量确定位于所述第i帧图像中的源区域，位于所述第i+1帧图像中的偏移区域以及所述偏移区域相对于所述源区域的偏移向量。
优选地，所述区域角点匹配子模块，包括：区域角点分类单元、区域角点粗匹配单元、区域角点精匹配单元和区域角点整合单元；
所述区域角点分类单元，用于将所述至少一个目标角点和所述至少一个源角点中横坐标相同但纵坐标不同的角点分为第一类别，和/或，将所述至少一个目标角点和所述至少一个源角点中横坐标不相同但纵坐标相同的角点分为第二类别；
所述区域角点粗匹配单元，用于将所述第一类别和/或所述第二类别中的每个目标角点分别与同类别中的每个源角点迭代进行M邻域的粗匹配；
所述区域角点精匹配单元，用于对粗匹配成功的所述目标角点和对应的所述源角点进行N邻域的精匹配，M＜N；
所述区域角点整合单元，用于将精匹配成功的所述目标角点和对应的所述源角点作为一组角点组合。
优选地，所述区域角点粗匹配单元，用于在每次迭代过程中，将所述第一类别和/或所述第二类别中尚未成功匹配的每个目标角点分别与同类别中尚未成功匹配的每个源角点进行M邻域的粗匹配。
优选地，所述区域角点匹配子模块，还包括：区域偏移向量计算单元、区域偏移向量判断单元和区域偏移向量归并单元；
所述区域偏移向量计算单元，用于计算粗匹配成功的所述目标角点和对应的所述源角点之间的偏移向量；
所述区域偏移向量判断单元，用于判断是否存在与所述偏移向量对应的所述同一类角点组合；
所述区域偏移向量归并单元，用于若判断结果为存在与所述偏移向量对应的所述同一类角点组合，则对粗匹配成功的所述目标角点和对应的所述源角点不进行精匹配，直接归并至与所述偏移向量对应的所述同一类角点组合；
所述区域角点精匹配单元，用于若判断结果为不存在与所述偏移向量对应的所述同一类角点组合，则执行所述对粗匹配成功的所述目标角点和对应的所述源角点进行N邻域的精匹配的步骤，并在所述精匹配成功后创建与所述偏移向量对应的所述同一类角点组合。
优选地，所述区域角点采集第二子模块，包括：图像缩放转换单元、区域角点计算单元和区域角点映射单元；
所述图像缩放转换单元，用于将所述第i+1帧图像处理为缩放后的灰度图像；
所述区域角点计算单元，用于从所述缩放后的灰度图像中计算至少一个目标角点；
所述区域角点映射单元，用于将所述至少一个目标角点映射回所述第i+1帧图像，作为所述第i+1帧图像中的至少一个目标角点。
优选地，所述区域角点计算单元，包括：候选角点获取子单元、候选角点统计子单元和区域角点确定子单元；
所述候选角点获取子单元，用于从所述缩放后的灰度图像中获取至少一个候选角点；
所述候选角点统计子单元，用于对于每个候选角点，在以所述候选角点为圆心的圆形范围内的所有像素点中，统计与所述候选角点之间的灰度差值大于预设阈值的像素点个数；
所述区域角点确定子单元，用于在所述灰度差值大于预设阈值的像素点个数超过预设个数时，确定所述候选角点为一个目标角点。
优选地，所述区域角点定位子模块，包括：源区域定位单元、目标区域定位单元和偏移向量计算单元；
所述源区域定位单元，用于根据所述同一类角点组合中的源角点确定位于所述第i帧图像中的源区域，或者，根据所述同一类角点组合中的偏移向量和目标角点确定位于所述第i帧图像中的源区域；
所述目标区域定位单元，用于根据所述同一类角点组合中的目标角点确定位于所述第i+1帧图像中的目标区域，或者，根据所述同一类角点组合中的源角点和偏移向量确定位于所述第i+1帧图像中的目标区域；
所述偏移向量计算单元，用于根据所述同一类角点组合中的偏移向量确定所述偏移区域相对于所述源区域的偏移向量。
优选地，所述增量获取模块，包括：图像划分单元、图像迭代单元和增量数据计算单元；
所述图像划分单元，用于将所述第i+1帧图像和所述第i帧中间图像按照预定大小各自划分为若干个图像块；
所述图像迭代单元，用于将所述第i+1帧图像中的每个图像块分别与所述第i帧中间图像中的对应图像块进行逐像素点的迭代对比，得到不相同的像素点之间的像素值增量；
所述增量数据计算单元，用于将所述第i+1帧图像中与所述第i帧中间图像不相同的所有像素点的像素值增量作为所述增量数据。
第四方面，提供了一种图像复原装置，所述装置包括：
图像缓存模块，用于获取第i帧图像和第i+1帧图像的复原数据，所述第i+1帧图像的复原数据包括源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据；
图像拷贝模块，用于根据所述源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，将所述源区域按照所述偏移向量拷贝至所述第i帧图像中与所述偏移区域对应的区域，得到第i帧中间图像；
图像复原模块，用于将所述增量数据与所述第i帧中间图像进行合并，复原得到所述第i+1帧图像；
其中，所述源区域为根据所述第i帧图像和所述第i+1帧图像中的角点确定的位于所述第i帧图像中的区域，所述偏移区域为根据所述第i帧图像和所述第i+1帧图像中的角点确定的位于所述第i+1帧图像中的区域，所述偏移向量是所述偏移区域相对于所述源区域的偏移向量，所述增量数据是所述第i+1帧图像相对于所述第i帧中间图像的增量数据。
第五方面，提供了一种桌面分享***，所述桌面分享***桌面分享***包括分享发布终端和分享浏览终端，所述分享发布终端与所述分享浏览终端通过有线网络或者无线网络相连；
所述分享发布终端，包括如上所述的图像处理装置；
所述分享浏览终端，包括如上所述的图像复原装置。
本发明实施例提供的技术方案带来的有益效果是：
通过根据角点来确定位于第i帧图像中的源区域、位于第i+1帧图像中的偏移区域以及偏移区域相对于源区域的偏移向量以及第i+1帧图像相对于第i帧中间图像的增量数据；将源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据作为第i+1帧图像的复原数据，解决了现有图像处理方法仅考虑用压缩方式来降低图像的数据量大小，为了保证压缩后的图像清晰度，压缩后的图像的数据量通常都是比较大的问题；达到了仅需要将源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据作为第i+1帧图像的复原数据，花费很少的数据量就可以用于后续传输、复原或者存储图像数据的效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的远程分享方法所涉及的一种实施环境的结构示意图；
图2是本发明一个实施例提供的图像处理方法的方法流程图；
图3是本发明一个实施例提供的图像复原方法的方法流程图；
图4A是本发明另一个实施例提供的图像处理方法的方法流程图；
图4B是图4A所示实施例中所涉及的第i帧图像和第i+1帧图像的示意图；
图4C是图4A所示实施例中所涉及的第i帧图像和第i+1帧图像的角点的示意图；
图4D是图4A所示实施例中所涉及的源区域的示意图；
图4E是图4A所示实施例中所涉及的目标区域的示意图；
图4F是图4A所示实施例中第i帧中间图像的示意图；
图5是本发明一个实施例提供的图像处理装置的结构方框图；
图6是本发明另一个实施例提供的图像处理装置的结构方框图；
图7是本发明一个实施例提供的图像复原装置的结构方框图；
图8是本发明另一个实施例提供的桌面分享***的结构方框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
请参考图1，其示出了本发明实施例提供的图像处理方法及图像复原方法所涉及的一种实施环境的结构示意图。该实施环境可以是一个桌面分享***，该桌面分享***包括分享发布终端120和至少一个分享浏览终端140。
分享发布终端120可以是台式机、笔记本、平板电脑或者智能手机之类的个人电子设备。当桌面分享***用于远程教育时，该分享发布终端120可以是教师所使用的个人电子设备。
分享发布终端120通过无线网络或者有线网络与至少一个分享浏览终端140相连。
分享浏览终端140也可以是台式机、笔记本、平板电脑或者智能手机之类的个人电子设备。当桌面分享***用于远程教育时，该分享发布终端120可以是学生所使用的个人电子设备。
请参考图2，其示出了本发明一个实施例提供的图像处理方法的方法流程图。本实施例主要以该图像处理方法应用于图1所示的分享发布终端来举例说明。该图像处理方法，包括：
步骤202，获取第i帧图像和第i+1帧图像，i≥1；
步骤204，根据第i帧图像和第i+1帧图像的角点确定位于第i帧图像中的源区域、位于第i+1帧图像中的偏移区域以及偏移区域相对于源区域的偏移向量；
步骤206，将源区域按照偏移向量拷贝至第i帧图像中与偏移区域对应的区域，得到第i帧中间图像；
步骤208，获取第i+1帧图像相对于第i帧中间图像的增量数据；
步骤210，将源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据作为第i+1帧图像的复原数据。
综上所述，本发明实施例提供的图像处理方法，通过根据角点来确定位于第i帧图像中的源区域、位于第i+1帧图像中的偏移区域以及偏移区域相对于源区域的偏移向量以及第i+1帧图像相对于第i帧中间图像的增量数据；将源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据作为第i+1帧图像的复原数据，解决了现有图像处理方法仅考虑用压缩方式来降低图像的数据量大小，为了保证压缩后的图像清晰度，压缩后的图像的数据量通常都是比较大的问题；达到了仅需要将源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据作为第i+1帧图像的复原数据，花费很少的数据量就可以用于后续传输、复原或者存储图像数据的效果。
请参考图3，其示出了本发明一个实施例提供的图像复原方法的方法流程图。本实施例主要以该图像复原方法应用于如图1所示的分享浏览终端中来举例说明。该图像复原方法，包括：
步骤302，获取第i帧图像和第i+1帧图像的复原数据，第i+1帧图像的复原数据包括源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据；
其中，源区域为根据第i帧图像和第i+1帧图像中的角点确定的位于第i帧图像中的区域，偏移区域为根据第i帧图像和第i+1帧图像中的角点确定的位于第i+1帧图像中的区域，偏移向量是偏移区域相对于源区域的偏移向量，增量数据是第i+1帧图像相对于第i帧中间图像的增量数据。
步骤304，根据源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，将源区域按照偏移向量拷贝至第i帧图像中与偏移区域对应的区域，得到第i帧中间图像；
步骤306，将增量数据与第i帧中间图像进行合并，复原得到第i+1帧图像。
综上所述，本发明实施例提供的图像复原方法，通过获取第i帧图像和第i+1帧图像的复原数据，根据第i+1帧图像的复原数据复原第i+1帧图像，解决了现有图像处理方法仅考虑用压缩方式来降低图像的数据量大小，为了保证压缩后的图像清晰度，压缩后的图像的数据量通常都是比较大的问题；达到了仅需要获取包含源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据的第i+1帧图像的复原数据，花费很少的数据量就可以用于复原第i+1帧图像数据的效果。
请参考图4A，其示出了本发明另一实施例提供的图像处理方法的方法流程图。本实施例以该图像处理方法应用于如图1所示的实施环境来举例说明。该图像处理方法，包括：
步骤401，分享发布终端获取第i帧图像和第i+1帧图像，i≥1；
本实施例中的“图像”可以是桌面上显示的全屏区域的屏幕图像，也可以是桌面上显示的指定区域的屏幕图像。分享发布终端可以按照预设的抓取频率抓取图像，该预设的抓取频率可以是每秒5帧、每秒10帧、每秒24帧等，视具体实施例而定，并且分享发布终端在每抓取到一帧图像后可以缓存该帧图像。
若i＝1，则分享发布终端直接抓取第1帧图像和第2帧图像；
若i大于1，则分享发布终端从缓存中获取第i帧图像，并直接抓取第i+1帧图像。
为了便于描述，本实施例中仅以第i帧图像和第i+1图像来举例说明，但是应当意识到，本方法对于任意相邻的两帧图像均适用。
比如，分享发布终端抓取到的第i帧图像和第i+1帧图像如图4B所示。
由于考虑到远程桌面分享时对实时性的要求，本实施例中主要采用“角点”来快速匹配第i帧图像和第i+1帧图像中发生了移动的区域。若第i帧图像中的1个区域在第i+1帧图像中移动到了另一位置，则将在第i帧图像中的该区域命名为源区域、将在第i+1帧图像中的该区域命名为偏移区域。其中，“角点”是目标轮廓上曲率的局部极大点，通常是两条线的交点等。为了便于区分，本文中将位于第i帧图像中的角点命名为源角点、将位于第i+1帧图像中的角点命名为目标角点。
步骤402，分享发布终端获取第i帧图像中的至少一个源角点；
若i＝1，则分享发布终端直接计算第1帧图像中的至少一个源角点，并缓存；
若i＝1，则分享发布终端从缓存中获取上次计算得到并缓存的第i帧图像的至少1个源角点。
比如，分享发布终端获取到的上次计算得到的第i帧图像中的至少1个源角点如图4C中角点A11至A18、角点C11至角点C12和角点E11至角点E25所示，共25个源角点(部分角点的标号未示出，且图中角点仅为示意性的说明，并非真实计算出的角点)。
需要说明的是，分享发布终端从缓存中获取第i帧图像和第i帧图像中的至少1个源角点可以同时进行。
步骤403，分享发布终端获取第i+1帧图像中的至少一个目标角点；
分享发布终端计算抓取到的第i+1帧图像中的至少1个目标角点，并缓存。具体来讲：
第一，分享发布终端将第i+1帧图像处理为缩放后的灰度图像；
为了减少计算量，加快角点计算速率，分享发布终端先将第i+1帧图像预处理为缩放后的灰度图像。
比如，分享发布终端先将第i+1帧图像缩放为1/4大小，然后将缩放后的第i+1帧图像转换为灰度图像。
第二，分享发布终端从缩放后的灰度图像中计算至少一个目标角点；
分享发布终端首先从缩放后的灰度图像中获取至少一个候选角点。对于每个候选角点，在以候选角点为圆心的圆形范围内的所有像素点中，统计与候选角点之间的灰度差值大于预设阈值的像素点个数；
具体公式如下：
其中，p为候选角点；x为候选角点周围的像素点；circle(p)为对候选角点预先设定的圆形范围；I(x)为候选角点周围任一像素点的灰度值；I(p)为候选角点的灰度值；εd为候选角点周围任一像素点的灰度值与候选角点的灰度值之差的阈值；n为当I(x)与I(p)差的绝对值满足大于预设阈值εd时，候选角点周围满足条件的像素点的统计个数。
在灰度差值大于预设阈值的像素点个数n超过预设个数时，确定候选角点为一个目标角点。预设个数可以是9、10、11或12中的任何一个。
第三，分享发布终端将至少一个目标角点映射回第i+1帧图像，作为第i+1帧图像中的至少一个目标角点。
由于第一子步骤中对第i+1帧图像进行了缩放，所以第三子步骤中将该目标角点映射回原始大小的第i+1帧图像。
比如，分享发布终端计算得到的第i+1帧图像中的至少1个目标角点如图4D中角点B11至角点B18、角点D11和角点D12、角点F11至角点F30、角点G11至角点G19所示，共34个目标角点(部分角点的标号未示出，且图中角点仅为示意性的说明，并非真实计算出的角点)。
步骤404，分享发布终端将至少一个目标角点与至少一个源角点进行匹配，获得互相匹配的至少一组角点组合，并将至少一组角点组合中偏移向量相同的角点组合归并为同一类角点组合；
分享发布终端将至少一个目标角点与至少一个源角点进行匹配，获得互相匹配的至少一组角点组合。匹配结果通常可以得到：未发生过移动的角点组合、发生过上下移动的角点组合和发生过左右移动的角点组合。由于斜向移动是上下移动和左右移动的组合，为了简化描述，本文对斜向移动的角点组合不做详细介绍，本领域技术人员可以根据上下移动的角点组合和左右移动的角点组合的处理过程易于思及得到。具体来讲，本步骤包括但不限于如下子步骤：
1、将至少一个目标角点和至少一个源角点中横坐标相同但纵坐标不同的角点分为第一类别，和/或，将至少一个目标角点和至少一个源角点中横坐标不相同但纵坐标相同的角点分为第二类别；
分享发布终端在匹配之前，先根据源角点的坐标(x1，y1)，目标角点的坐标(x2，y2)的运动特点将源角点和目标角点分为3类：
x1＝x2且y1！＝y2，则分为横坐标相同但纵坐标不同的第一类别，也即发生上下移动的角点；比如，图4C中的源角点C11至源角点C12、源角点E11至源角点E25、目标角点D11至目标角点D12和目标角点F11至目标角点F25即是第一类别的角点；
x1！＝x2且y1＝y2，则分为横坐标不同但纵坐标相同的第二类别，也即发生左右移动的角点(图4C中未示出该类型角点)；
x1＝x2且y1＝y2，则分为横坐标相同但纵坐标相同的第三类别，也即未发生移动的角点，该类角点不需要后续处理，可以缓存而不处理。比如，图4C中的源角点A11至源角点A19、目标角点B11至目标角点B18就是第三类别的角点。
2、将第一类别和/或第二类别中的每个目标角点分别与同类别中的每个源角点迭代进行M邻域的粗匹配；
为了减小计算量，分享发布终端在角点匹配时，可以先进行粗匹配而后进行精匹配。首先，分享发布终端将第一类别和/或第二类别中的每个目标角点分别与同类别中的每个源角点迭代进行8邻域的粗匹配。8邻域匹配是指将源角点周围的8个像素点和目标角点周围的8个像素点进行匹配。
3、对粗匹配成功的目标角点和对应的源角点进行N邻域的精匹配，M＜N；
然后，分享发布终端对粗匹配成功的目标角点和对应的源角点进行24邻域的精匹配。24邻域匹配是指将源角点周围的24个像素点和目标角点周围的24个像素点进行匹配。
4、将精匹配成功的目标角点和对应的源角点作为一组角点组合。
最后，分享发布终端将粗、精匹配都成功的目标角点和对应的源角点作为一组角点组合。比如，如图4C中，分享发布终端计算可知源角点C11和目标角点D11的粗匹配和精匹配都成功，则将源角点C11和目标角点D11作为一组角点组合。
另外，由于实际图像中发生偏移的区域为多个，分享发布终端还在角点匹配过程中，实时地将偏移向量相同的角点组合划分为同一类角点组合，比如向左移动且偏移50像素的同一类角点组合、向左移动且偏移163像素的同一类角度组合、向下移动且偏移70像素的同一类角点组合等等。图4C中的同一类角点组合仅有1种，即向上移动了X像素的同一类角点组合。
需要说明的是，由于源区域和目标区域中的角点对非常多，发生同类型偏移的角点对也非常多。为了进一步地减少计算量：
在一种优选的方式下，分享发布终端在每次迭代过程(也即第2子步骤)中，仅将第一类别和/或第二类别中尚未成功匹配的每个目标角点分别与同类别中尚未成功匹配的每个源角点进行M邻域的粗匹配。而对于已经成功匹配的目标角点不再进行匹配处理。
在另一种优选的方式下，分享发布终端在第3子步骤之前，还计算粗匹配成功的目标角点和对应的源角点之间的偏移向量，并判断是否存在与偏移向量对应的同一类角点组合；
若判断结果为存在与偏移向量对应的同一类角点组合，则对粗匹配成功的目标角点和对应的源角点不进行精匹配，直接归并至与偏移向量对应的同一类角点组合；比如，分享发布终端在计算源角点C11和目标角点D11的粗匹配和精匹配都成功后，还根据源角点C11和目标角点D11的偏移向量创建了与该偏移向量对应的同一类角点组合，而在计算源角点C12和目标角点D12粗匹配之后，分享发布终端根据源角点C12和目标角点D12的偏移向量判断是否存在该偏移向量对应的同一类角点组合，然后发现存在与该偏移向量对应的角点组合，则分享发布终端不再对源角点C12和目标角点D12进行精匹配，而是直接认为源角点C12和目标角点D12匹配，并且把源角点C12和目标角点D12直接归并至与偏移向量对应的同一类角点组合内。同理，源角点E11至源角点E25和对应的目标角点F11至目标角点F25之间，也只需要粗匹配即可，这样可以节省16次精匹配过程。
若判断结果为不存在与偏移向量对应的同一类角点组合，则执行对粗匹配成功的目标角点和对应的源角点进行N邻域的精匹配的步骤，并在精匹配成功后创建与偏移向量对应的同一类角点组合。
比如，最终确定的同一类角点组合包括：包括源角点C11与目标角点D11的角点组合、包括源角点C12与目标角点D12的角点组合、包括源角点E11与目标角点F11的角点组合至包括源角点E25与目标角点F25的角点组合，共17个角点组合。
需要说明的是，在具体的场景中，最终确定出来的同一类角点组合的类别可能会非常多，每种同一类角点组合中包括至少一对角点组合，但是通常选取包含角点组合最多的几个同一类角点组合进行后续分析，比如，先按照包含的角点组合数对各个同一类角点组合进行排序，并按照排序结果取前n个同一类角点组合进行后续分析；或者，预先设置一个阈值，只对包含的角点组合组超过该阈值的各个同一类角点组合进行后续分析。通常来讲，每个包含有多个角点组合的同一类角点组合都对应一个偏移区域。
步骤405，分享发布终端根据同一类角点组合和同一类角点组合的偏移向量确定位于第i帧图像中的源区域，位于第i+1帧图像中的偏移区域以及偏移区域相对于源区域的偏移向量。
具体来讲，本步骤包括如下子步骤：
1、分享发布终端根据同一类角点组合中的源角点确定位于所述第i帧图像中的源区域，或者，根据同一角点组合中的偏移向量和目标角点确定位于所述第i帧图像中的源区域；
具体来讲，以在第i帧图像中得到的源角点中所有角点坐标中极左坐标、极右坐标、极上坐标和极下坐标来确定源区域，或者，根据同一角点组合中的偏移向量和目标角点中所有角点坐标中极左坐标、极右坐标、极上坐标和极下坐标来确定源区域。
比如，图4D中，源角点C11的坐标是为极左坐标，也为极上坐标，角点E15的坐标是为极右坐标，也为极下坐标，角点C11和角点E15共同确定出源区域g。
2、分享发布终端根据同一类角点组合中的目标角点确定位于第i+1帧图像中的目标区域，或者，根据同一角点组合中的源角点和偏移向量确定位于第i+1帧图像中的目标区域；
具体来讲，以在第i+1帧图像中得到的目标角点中所有角点坐标中极左坐标、极右坐标、极上坐标和极下坐标来确定目标区域，或者，根据同一角点组合中的偏移向量和源角点中所有角点坐标中极左坐标、极右坐标、极上坐标和极下坐标来确定目标区域。
比如，图4E中，角点D11的坐标是为极左坐标，也为极上坐标，角点G14的坐标是为极右坐标，角点F15的坐标是为极下坐标，角点D11、角点G14和角点F15共同确定出源区域h。
3、分享发布终端根据同一类角点组合中的偏移向量确定偏移区域相对于源区域的偏移向量。
步骤406，分享发布终端将源区域按照偏移向量拷贝至第i帧图像中与偏移区域对应的区域，得到第i帧中间图像；
具体来讲，就是分享发布终端在第i帧图像中将源区域中的像素点拷贝到与之对应的目标区域的位置中去。
比如，图4F中，展示的就是拷贝后的第i帧中间图像。此处的“拷贝”泛指复制拷贝和剪切两种，图中示出的是复制后拷贝的情形。
步骤407，分享发布终端获取第i+1帧图像相对于第i帧中间图像的增量数据；
分享发布终端将第i+1帧图像的各个像素点相对于第i帧中间图像的各个像素点作差，获取增量数据。具体来讲，本步骤可以包括如下子步骤：
1、分享发布终端将第i+1帧图像和第i帧中间图像按照预定大小各自划分为若干个图像块；
比如，分享发布终端将第i+1帧图像和第i帧中间图像各自划分32像素*32像素的块。
2、分享发布终端将第i+1帧图像中的每个图像块分别与第i帧中间图像中的对应图像块进行逐像素点的迭代对比，得到不相同的像素点之间的像素值增量；
3、分享发布终端将第i+1帧图像中与第i帧中间图像不相同的所有像素点的像素值增量作为增量数据。
通过分块的形式可以快速地迭代计算出增量数据。
需要说明的是，源区域和目标区域中的各个像素点并不一定是对应相同的。比如图4D中示出的源区域g不包括“内部讲义”字样，但是图4E中示出的目标区域h则包括“内部讲义”字样。但是通过本步骤的计算增量数据过程，可以将源区域和目标区域中的不同像素点检测出来作为增量数据，从而可以在复原过程中校正源区域和目标区域中不相同的对应像素点。
步骤408，分享发布终端将源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据作为第i+1帧图像的复原数据；
区域参数可以是如下两种中的任意一种：
1、矩形区域的一个顶点的坐标以及该矩形区域的长和宽；比如，位于矩形区域左上角的顶点的坐标以及长和宽；
2、矩形区域相对的两个顶点的坐标；比如，位于矩形区域左上角的顶点的坐标和位于矩形区域右下角的顶点的坐标；或者，位于矩形区域右上角的顶点的坐标和位于矩形区域左下角的顶点的坐标。
步骤409，分享发布终端将第i+1帧图像的复原数据发送给分享浏览终端；
分享发布终端发送给分享浏览终端的第i+1帧图像的复原数据包括源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种。
步骤410，分享浏览终端获取第i帧图像和第i+1帧图像的复原数据，第i+1帧图像的复原数据包括源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据；
若i＝1，则分享浏览终端接收分享发布终端发送的第1帧图像；
若i＞1，则分享浏览终端从缓存中获取第i帧图像。
步骤411，分享浏览终端根据源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，将源区域按照偏移向量拷贝至第i帧图像中与偏移区域对应的区域，得到第i帧中间图像；
本步骤与步骤406所做的内容一样，此处不再赘述。
步骤412，分享浏览终端将增量数据与第i帧中间图像进行合并，复原得到第i+1帧图像。
分享浏览终端将获得的增量数据与第i帧中间图像合并，也即将增量数据添加到第i帧中间图像上，复原得到第i+1帧图像。
综上所述，本发明提供的图像处理方法，通过获取第i帧图像和第i+1帧图像的复原数据，根据第i+1帧图像的复原数据复原第i+1帧图像，解决了现有图像处理方法仅考虑用压缩方式来降低图像的数据量大小，为了保证压缩后的图像清晰度，压缩后的图像的数据量通常都是比较大的问题；达到了仅需要获取包含源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据的第i+1帧图像的复原数据，花费很少的数据量就可以用于复原第i+1帧图像数据的效果。
另外，还通过将图像处理为缩放后的灰度图像来计算角点，可以减少一定的计算量，提高角点计算速度；还通过只对未成功匹配的角点进行继续匹配，和粗匹配成功后，有选择地省略一些精匹配过程，进一步地减少了计算量，加快角点匹配过程。
需要补充说明的是，上述实施例仅以第i+1帧图像相对于第i帧图像只存在1个向上偏移的偏移区域来举例说明。但是在实际实施例中，第i+1帧图像相对于第i帧图像的偏移区域可能为2个或者2个以上。
请参考图5，其示出了本发明一个实施例提供的图像处理装置的结构示意图。该图像处理装置可以通过软件、硬件或者两者的结合实现成为分享发布终端的全部或者一部分。该图像处理装置包括：图像获取模块510、区域分析模块530、图像拷贝模块550、增量获取模块570和复原数据模块590；
图像获取模块510，用于获取第i帧图像和第i+1帧图像，i≥1；
区域分析模块530，用于根据第i帧图像和第i+1帧图像中的角点确定位于图像获取模块510获取的第i帧图像中的源区域、位于图像获取模块510获取的第i+1帧图像中的偏移区域以及偏移区域相对于源区域的偏移向量；
图像拷贝模块550，用于将区域分析模块530确定的源区域按照偏移向量拷贝至第i帧图像中与偏移区域对应的区域，得到第i帧中间图像；
增量获取模块570，用于获取第i+1帧图像相对于图像拷贝模块550确定的第i帧中间图像的增量数据；
复原数据模块590，用于将源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量获取模块570获取的增量数据作为第i+1帧图像的复原数据。
综上所述，本发明实施例提供的图像处理装置，通过根据角点来确定位于第i帧图像中的源区域、位于第i+1帧图像中的偏移区域以及偏移区域相对于源区域的偏移向量以及第i+1帧图像相对于第i帧中间图像的增量数据；将源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据作为第i+1帧图像的复原数据，解决了现有图像处理方法仅考虑用压缩方式来降低图像的数据量大小，为了保证压缩后的图像清晰度，压缩后的图像的数据量通常都是比较大的问题；达到了仅需要将源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据作为第i+1帧图像的复原数据，花费很少的数据量就可以用于后续传输、复原或者存储图像数据的效果。
请参考图6，其示出了本发明另一个实施例提供的图像处理装置的结构示意图。该图像处理装置可以通过软件、硬件或者两者的结合实现成为分享发布终端的全部或者一部分。该图像处理装置包括：图像获取模块510、区域分析模块530、图像拷贝模块550、增量获取模块570和复原数据模块590；
图像获取模块510，用于获取第i帧图像和第i+1帧图像，i≥1；
区域分析模块530，用于根据第i帧图像和第i+1帧图像中的角点确定位于第i帧图像中的源区域、位于第i+1帧图像中的偏移区域以及偏移区域相对于源区域的偏移向量；
在图像获取模块510获取第i帧图像和第i+1帧图像之后，具体来讲，区域分析模块，还包括：区域角点采集第一子模块531、区域角点采集第二子模块532、区域角点匹配子模块533、区域角点归类子模块534和区域角点定位子模块535；
区域角点采集第一子模块531，用于获取第i帧图像中的至少一个源角点；
区域角点采集第二子模块532，用于获取第i+1帧图像中的至少一个目标角点；
区域角点匹配子模块533，用于将区域角点采集第二子模块532捕获的至少一个目标角点与区域角点采集第一子模块531捕获的至少一个源角点进行匹配，获得互相匹配的至少一组角点组合；
区域角点归类子模块534，用于将区域角点匹配子模块533获得的至少一组角点组合中偏移向量相同的角点组合归并为同一类角点组合；
区域角点定位子模块535，用于根据区域角点归类子模块534确定的同一类角点组合和同一类角点组合的偏移向量确定位于第i帧图像中的源区域，位于第i+1帧图像中的偏移区域以及偏移区域相对于源区域的偏移向量。
图像拷贝模块550，用于将区域角点定位子模块535确定的源区域按照偏移向量拷贝至区域角点定位子模块535确定的第i帧图像中与偏移区域对应的区域，得到第i帧中间图像；
增量获取模块570，用于获取图像获取模块510获取的第i+1帧图像相对于图像拷贝模块550确定的第i帧中间图像的增量数据；
复原数据模块590，用于将源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据作为第i+1帧图像的复原数据。
优选地，所述区域角点匹配子模块，包括：区域角点分类单元、区域角点粗匹配单元、区域角点精匹配单元和区域角点整合单元；
所述区域角点分类单元，用于将所述至少一个目标角点和所述至少一个源角点中横坐标相同但纵坐标不同的角点分为第一类别，和/或，将所述至少一个目标角点和所述至少一个源角点中横坐标不相同但纵坐标相同的角点分为第二类别；
所述区域角点粗匹配单元，用于将所述第一类别和/或所述第二类别中的每个目标角点分别与同类别中的每个源角点迭代进行M邻域的粗匹配；
所述区域角点精匹配单元，用于对粗匹配成功的所述目标角点和对应的所述源角点进行N邻域的精匹配，M＜N；
所述区域角点整合单元，用于将精匹配成功的所述目标角点和对应的所述源角点作为一组角点组合。
优选地，所述区域角点粗匹配单元，用于在每次迭代过程中，将所述第一类别和/或所述第二类别中尚未成功匹配的每个目标角点分别与同类别中尚未成功匹配的每个源角点进行M邻域的粗匹配。
优选地，所述区域角点匹配子模块，还包括：区域偏移向量计算单元、区域偏移向量判断单元和区域偏移向量归并单元；
所述区域偏移向量计算单元，用于计算粗匹配成功的所述目标角点和对应的所述源角点之间的偏移向量；
所述区域偏移向量判断单元，用于判断是否存在与所述偏移向量对应的所述同一类角点组合；
所述区域偏移向量归并单元，用于若判断结果为存在与所述偏移向量对应的所述同一类角点组合，则对粗匹配成功的所述目标角点和对应的所述源角点不进行精匹配，直接归并至与所述偏移向量对应的所述同一类角点组合；
所述区域角点精匹配单元，用于若判断结果为不存在与所述偏移向量对应的所述同一类角点组合，则执行所述对粗匹配成功的所述目标角点和对应的所述源角点进行N邻域的精匹配的步骤，并在所述精匹配成功后创建与所述偏移向量对应的所述同一类角点组合。
优选地，所述区域角点采集第二子模块，包括：图像缩放转换单元、区域角点计算单元和区域角点映射单元；
所述图像缩放转换单元，用于将所述第i+1帧图像处理为缩放后的灰度图像；
所述区域角点计算单元，用于从所述缩放后的灰度图像中计算至少一个目标角点；
所述区域角点映射单元，用于将所述至少一个目标角点映射回所述第i+1帧图像，作为所述第i+1帧图像中的至少一个目标角点。
优选地，所述区域角点计算单元，包括：候选角点获取子单元、候选角点统计子单元和区域角点确定子单元；
所述候选角点获取子单元，用于从所述缩放后的灰度图像中获取至少一个候选角点；
所述候选角点统计子单元，用于对于每个候选角点，在以所述候选角点为圆心的圆形范围内的所有像素点中，统计与所述候选角点之间的灰度差值大于预设阈值的像素点个数；
所述区域角点确定子单元，用于在所述灰度差值大于预设阈值的像素点个数超过预设个数时，确定所述候选角点为一个目标角点。
优选地，所述区域角点定位子模块，包括：源区域定位单元、目标区域定位单元和偏移向量计算单元；
所述源区域定位单元，用于根据所述同一类角点组合中的源角点确定位于所述第i帧图像中的源区域，或者，根据所述同一角点组合中的偏移向量和目标角点确定位于所述第i帧图像中的源区域；
所述目标区域定位单元，用于根据所述同一类角点组合中的目标角点确定位于所述第i+1帧图像中的目标区域，或者，根据所述同一角点组合中的源角点和偏移向量确定位于所述第i+1帧图像中的目标区域；
所述偏移向量计算单元，用于根据所述同一类角点组合中的偏移向量确定所述偏移区域相对于所述源区域的偏移向量。
优选地，所述增量获取模块，包括：图像划分单元、图像迭代单元和增量数据计算单元；
所述图像划分单元，用于将所述第i+1帧图像和所述第i帧中间图像按照预定大小各自划分为若干个图像块；
所述图像迭代单元，用于将所述第i+1帧图像中的每个图像块分别与所述第i帧中间图像中的对应图像块进行逐像素点的迭代对比，得到不相同的像素点之间的像素值增量；
所述增量数据计算单元，用于将所述第i+1帧图像中与所述第i帧中间图像不相同的所有像素点的像素值增量作为所述增量数据。
综上所述，本发明提供的图像处理装置，通过获取第i帧图像和第i+1帧图像的复原数据，根据第i+1帧图像的复原数据复原第i+1帧图像，解决了现有图像处理方法仅考虑用压缩方式来降低图像的数据量大小，为了保证压缩后的图像清晰度，压缩后的图像的数据量通常都是比较大的问题；达到了仅需要获取包含源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据的第i+1帧图像的复原数据，花费很少的数据量就可以用于复原第i+1帧图像数据的效果。
另外，还通过将图像处理为缩放后的灰度图像来计算角点，可以减少一定的计算量，提高角点计算速度；还通过只对未成功匹配的角点进行继续匹配，和粗匹配成功后，有选择地省略一些精匹配过程，进一步地减少了计算量，加快角点匹配过程。
请参考图7，其示出了本发明一个实施例提供的图像复原装置的结构示意图。本实施例主要以该图像复原装置应用于如图1所示的分享浏览终端中来举例说明。该图像复原装置，包括：图像缓存模块720、图像拷贝模块740和图像复原模块760；
图像缓存模块720，用于获取第i帧图像和第i+1帧图像的复原数据，第i+1帧图像的复原数据包括源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据；
图像拷贝模块740，用于根据源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，将源区域按照偏移向量拷贝至第i帧图像中与偏移区域对应的区域，得到第i帧中间图像；
图像复原模块760，用于将增量数据与第i帧中间图像进行合并，复原得到第i+1帧图像；
其中，源区域为根据第i帧图像和第i+1帧图像中的角点确定的位于第i帧图像中的区域，偏移区域为根据第i帧图像和第i+1帧图像中的角点确定的位于第i+1帧图像中的区域，偏移向量是偏移区域相对于源区域的偏移向量，增量数据是第i+1帧图像相对于第i帧中间图像的增量数据。
综上所述，本实施例提供的图像复原装置，通过获取第i帧图像和第i+1帧图像的复原数据，根据第i+1帧图像的复原数据复原第i+1帧图像，解决了现有图像处理方法仅考虑用压缩方式来降低图像的数据量大小，为了保证压缩后的图像清晰度，压缩后的图像的数据量通常都是比较大的问题；达到了仅需要获取包含源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据的第i+1帧图像的复原数据，花费很少的数据量就可以用于复原第i+1帧图像数据的效果。
请参考图8，其示出了本发明另一个实施例提供的桌面分享***的结构示意图。该桌面分享***，包括：分享发布终端820和分享浏览终端840。
分享发布终端820包括图5或者图6所示实施例所示出的图像处理装置。
分享发布终端820通过无线网络或者有线网络与分享浏览终端840相连。
分享浏览终端840包括图7所示实施例所示出的图像复原装置。
简单来讲：分享发布终端820包括：图像获取模块510、区域分析模块530、图像拷贝模块550、增量获取模块570、复原数据模块590和图像传输模块592；
图像获取模块510，用于获取第i帧图像和第i+1帧图像，i≥1；
区域分析模块530，用于根据第i帧图像和第i+1帧图像中的角点确定位于第i帧图像中的源区域、位于第i+1帧图像中的偏移区域以及偏移区域相对于源区域的偏移向量；
图像拷贝模块550，用于将区域角点定位子模块535确定的源区域按照偏移向量拷贝至区域角点定位子模块535确定的第i帧图像中与偏移区域对应的区域，得到第i帧中间图像；
增量获取模块570，用于获取图像获取模块510获取的第i+1帧图像相对于图像拷贝模块550确定的第i帧中间图像的增量数据；
复原数据模块590，用于将源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据作为第i+1帧图像的复原数据。
图像传输模块592，用于将复原数据模块590确定的复原数据发送给分享浏览终端。
分享浏览终端840包括图像缓存模块720、图像拷贝模块740和图像复原模块760；
图像缓存模块720，用于获取图像传输模块700确定的第i帧图像和第i+1帧图像的复原数据，第i+1帧图像的复原数据包括源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据；
图像拷贝模块740，用于根据图像缓存模块720获取的源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，将源区域按照偏移向量拷贝至第i帧图像中与偏移区域对应的区域，得到第i帧中间图像；
图像复原模块760，用于将图像缓存模块720获取的增量数据与图像拷贝模块740确定的第i帧中间图像进行合并，复原得到第i+1帧图像；
其中，源区域为根据第i帧图像和第i+1帧图像中的角点确定的位于第i帧图像中的区域，偏移区域为根据第i帧图像和第i+1帧图像中的角点确定的位于第i+1帧图像中的区域，偏移向量是偏移区域相对于源区域的偏移向量，增量数据是第i+1帧图像相对于第i帧中间图像的增量数据。
综上所述，本实施例提供的桌面分享***，通过获取第i帧图像和第i+1帧图像的复原数据，根据第i+1帧图像的复原数据复原第i+1帧图像，解决了现有图像处理方法仅考虑用压缩方式来降低图像的数据量大小，为了保证压缩后的图像清晰度，压缩后的图像的数据量通常都是比较大的问题；达到了仅需要获取包含源区域的区域参数、偏移区域的区域参数和偏移向量中的至少两种，以及增量数据的第i+1帧图像的复原数据，花费很少的数据量就可以用于复原第i+1帧图像数据的效果。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (17)
1.一种图像处理方法，其特征在于，所述方法包括：
获取第i帧图像和第i+1帧图像，i≥1；
根据所述第i帧图像和第i+1帧图像中的角点确定位于所述第i帧图像中的源区域、位于所述第i+1帧图像中的偏移区域以及所述偏移区域相对于所述源区域的偏移向量；
将所述源区域按照所述偏移向量拷贝至所述第i帧图像中与所述偏移区域对应的区域，得到所述第i帧中间图像；
获取所述第i+1帧图像相对于所述第i帧中间图像的增量数据；
将所述源区域的区域参数、所述偏移区域的区域参数和所述偏移向量中的至少两种，以及所述增量数据作为所述第i+1帧图像的复原数据；
其中，所述根据所述第i帧图像和第i+1帧图像中的角点确定位于所述第i帧图像中的源区域、位于所述第i+1帧图像中的偏移区域以及所述偏移区域相对于所述源区域的偏移向量，包括：
获取所述第i帧图像中的至少一个源角点；获取所述第i+1帧图像中的至少一个目标角点；将所述至少一个目标角点与所述至少一个源角点进行匹配，获得互相匹配的至少一组角点组合；将所述至少一组角点组合中偏移向量相同的角点组合归并为同一类角点组合；
根据所述同一类角点组合和所述同一类角点组合的偏移向量确定位于所述第i帧图像中的源区域，位于所述第i+1帧图像中的偏移区域以及所述偏移区域相对于所述源区域的偏移向量。
2.根据权利要求1所述的图像处理方法，其特征在于，所述将所述至少一个目标角点与所述至少一个源角点进行匹配，包括：
将所述至少一个目标角点和所述至少一个源角点中横坐标相同但纵坐标不同的角点分为第一类别，和/或，将所述至少一个目标角点和所述至少一个源角点中横坐标不相同但纵坐标相同的角点分为第二类别；
将所述第一类别和/或所述第二类别中的每个目标角点分别与同类别中的每个源角点迭代进行M邻域的粗匹配；
对粗匹配成功的所述目标角点和对应的所述源角点进行N邻域的精匹配，M＜N；
将精匹配成功的所述目标角点和对应的所述源角点作为一组角点组合。
3.根据权利要求2所述的图像处理方法，其特征在于，所述将所述第一类别和/或所述第二类别中的每个目标角点分别与同类别中的每个源角点迭代进行M邻域的粗匹配，包括：
在每次迭代过程中，将所述第一类别和/或所述第二类别中尚未成功匹配的每个目标角点分别与同类别中尚未成功匹配的每个源角点进行M邻域的粗匹配。
4.根据权利要求2所述的图像处理方法，其特征在于，所述对粗匹配成功的所述目标角点和对应的所述源角点进行N邻域的精匹配之前，还包括：
计算粗匹配成功的所述目标角点和对应的所述源角点之间的偏移向量；
判断是否存在与所述偏移向量对应的所述同一类角点组合；
若判断结果为存在与所述偏移向量对应的所述同一类角点组合，则对粗匹配成功的所述目标角点和对应的所述源角点不进行精匹配，直接归并至与所述偏移向量对应的所述同一类角点组合；
若判断结果为不存在与所述偏移向量对应的所述同一类角点组合，则执行所述对粗匹配成功的所述目标角点和对应的所述源角点进行N邻域的精匹配的步骤，并在所述精匹配成功后创建与所述偏移向量对应的所述同一类角点组合。
5.根据权利要求1至4任一所述的图像处理方法，其特征在于，所述获取所述第i+1帧图像中的至少一个目标角点，包括：
将所述第i+1帧图像处理为缩放后的灰度图像；
从所述缩放后的灰度图像中计算至少一个目标角点；
将所述至少一个目标角点映射回所述第i+1帧图像，作为所述第i+1帧图像中的至少一个目标角点。
6.根据权利要求5所述的图像处理方法，其特征在于，所述从所述缩放后的灰度图像中计算至少一个目标角点，包括：
从所述缩放后的灰度图像中获取至少一个候选角点；
对于每个候选角点，在以所述候选角点为圆心的圆形范围内的所有像素点中，统计与所述候选角点之间的灰度差值大于预设阈值的像素点个数；
在所述灰度差值大于预设阈值的像素点个数超过预设个数时，确定所述候选角点为一个目标角点。
7.根据权利要求1至4任一所述的图像处理方法，其特征在于，所述根据所述同一类角点组合和所述同一类角点组合的偏移向量确定位于所述第i帧图像中的源区域，位于所述第i+1帧图像中的偏移区域以及所述偏移区域相对于所述源区域的偏移向量，包括：
根据所述同一类角点组合中的源角点确定位于所述第i帧图像中的源区域，或者，根据所述同一类角点组合中的偏移向量和目标角点确定位于所述第i帧图像中的源区域；
根据所述同一类角点组合中的目标角点确定位于所述第i+1帧图像中的目标区域，或者，根据所述同一类角点组合中的源角点和偏移向量确定位于所述第i+1帧图像中的目标区域；
根据所述同一类角点组合中的偏移向量确定所述偏移区域相对于所述源区域的偏移向量。
8.根据权利要求1至4任一所述的图像处理方法，其特征在于，所述获取所述第i+1帧图像相对于所述第i帧中间图像的增量数据，包括：
将所述第i+1帧图像和所述第i帧中间图像按照预定大小各自划分为若干个图像块；
将所述第i+1帧图像中的每个图像块分别与所述第i帧中间图像中的对应图像块进行逐像素点的迭代对比，得到不相同的像素点之间的像素值增量；
将所述第i+1帧图像中与所述第i帧中间图像不相同的所有像素点的像素值增量作为所述增量数据。
9.一种图像处理装置，其特征在于，所述装置包括：
图像获取模块，用于获取第i帧图像和第i+1帧图像，i≥1；
区域分析模块，用于根据所述第i帧图像和第i+1帧图像中的角点确定位于所述第i帧图像中的源区域、位于所述第i+1帧图像中的偏移区域以及所述偏移区域相对于所述源区域的偏移向量；
图像拷贝模块，用于将所述源区域按照所述偏移向量拷贝至所述第i帧图像中与所述偏移区域对应的区域，得到所述第i帧中间图像；
增量获取模块，用于获取所述第i+1帧图像相对于所述第i帧中间图像的增量数据；
复原数据模块，用于将所述源区域的区域参数、所述偏移区域的区域参数和所述偏移向量中的至少两种，以及所述增量数据作为所述第i+1帧图像的复原数据；
其中，所述区域分析模块，包括：区域角点采集第一子模块、区域角点采集第二子模块、区域角点匹配子模块、区域角点归类子模块和区域角点定位子模块；
所述区域角点采集第一子模块，用于获取所述第i帧图像中的至少一个源角点；
所述区域角点采集第二子模块，用于获取所述第i+1帧图像中的至少一个目标角点；
所述区域角点匹配子模块，用于将所述至少一个目标角点与所述至少一个源角点进行匹配，获得互相匹配的至少一组角点组合；
所述区域角点归类子模块，用于将所述至少一组角点组合中偏移向量相同的角点组合归并为同一类角点组合；
所述区域角点定位子模块，用于根据所述同一类角点组合和所述同一类角点组合的偏移向量确定位于所述第i帧图像中的源区域，位于所述第i+1帧图像中的偏移区域以及所述偏移区域相对于所述源区域的偏移向量。
10.根据权利要求9所述的图像处理装置，其特征在于，所述区域角点匹配子模块，包括：区域角点分类单元、区域角点粗匹配单元、区域角点精匹配单元和区域角点整合单元；
所述区域角点分类单元，用于将所述至少一个目标角点和所述至少一个源角点中横坐标相同但纵坐标不同的角点分为第一类别，和/或，将所述至少一个目标角点和所述至少一个源角点中横坐标不相同但纵坐标相同的角点分为第二类别；
所述区域角点粗匹配单元，用于将所述第一类别和/或所述第二类别中的每个目标角点分别与同类别中的每个源角点迭代进行M邻域的粗匹配；
所述区域角点精匹配单元，用于对粗匹配成功的所述目标角点和对应的所述源角点进行N邻域的精匹配，M＜N；
所述区域角点整合单元，用于将精匹配成功的所述目标角点和对应的所述源角点作为一组角点组合。
11.根据权利要求10所述的图像处理装置，其特征在于，所述区域角点粗匹配单元，用于在每次迭代过程中，将所述第一类别和/或所述第二类别中尚未成功匹配的每个目标角点分别与同类别中尚未成功匹配的每个源角点进行M邻域的粗匹配。
12.根据权利要求10所述的图像处理装置，其特征在于，所述区域角点匹配子模块，还包括：区域偏移向量计算单元、区域偏移向量判断单元和区域偏移向量归并单元；
所述区域偏移向量计算单元，用于计算粗匹配成功的所述目标角点和对应的所述源角点之间的偏移向量；
所述区域偏移向量判断单元，用于判断是否存在与所述偏移向量对应的所述同一类角点组合；
所述区域偏移向量归并单元，用于若判断结果为存在与所述偏移向量对应的所述同一类角点组合，则对粗匹配成功的所述目标角点和对应的所述源角点不进行精匹配，直接归并至与所述偏移向量对应的所述同一类角点组合；
所述区域角点精匹配单元，用于若判断结果为不存在与所述偏移向量对应的所述同一类角点组合，则执行所述对粗匹配成功的所述目标角点和对应的所述源角点进行N邻域的精匹配的步骤，并在所述精匹配成功后创建与所述偏移向量对应的所述同一类角点组合。
13.根据权利要求9至12任一所述的图像处理装置，其特征在于，所述区域角点采集第二子模块，包括：图像缩放转换单元、区域角点计算单元和区域角点映射单元；
所述图像缩放转换单元，用于将所述第i+1帧图像处理为缩放后的灰度图像；
所述区域角点计算单元，用于从所述缩放后的灰度图像中计算至少一个目标角点；
所述区域角点映射单元，用于将所述至少一个目标角点映射回所述第i+1帧图像，作为所述第i+1帧图像中的至少一个目标角点。
14.根据权利要求13所述的图像处理装置，其特征在于，所述区域角点计算单元，包括：候选角点获取子单元、候选角点统计子单元和区域角点确定子单元；
所述候选角点获取子单元，用于从所述缩放后的灰度图像中获取至少一个候选角点；
所述候选角点统计子单元，用于对于每个候选角点，在以所述候选角点为圆心的圆形范围内的所有像素点中，统计与所述候选角点之间的灰度差值大于预设阈值的像素点个数；
所述区域角点确定子单元，用于在所述灰度差值大于预设阈值的像素点个数超过预设个数时，确定所述候选角点为一个目标角点。
15.根据权利要求9至12任一所述的图像处理装置，其特征在于，所述区域角点定位子模块，包括：源区域定位单元、目标区域定位单元和偏移向量计算单元；
所述源区域定位单元，用于根据所述同一类角点组合中的源角点确定位于所述第i帧图像中的源区域，或者，根据所述同一类角点组合中的偏移向量和目标角点确定位于所述第i帧图像中的源区域；
所述目标区域定位单元，用于根据所述同一类角点组合中的目标角点确定位于所述第i+1帧图像中的目标区域，或者，根据所述同一类角点组合中的源角点和偏移向量确定位于所述第i+1帧图像中的目标区域；
所述偏移向量计算单元，用于根据所述同一类角点组合中的偏移向量确定所述偏移区域相对于所述源区域的偏移向量。
16.根据权利要求9至12任一所述的图像处理装置，其特征在于，所述增量获取模块，包括：图像划分单元、图像迭代单元和增量数据计算单元；
所述图像划分单元，用于将所述第i+1帧图像和所述第i帧中间图像按照预定大小各自划分为若干个图像块；
所述图像迭代单元，用于将所述第i+1帧图像中的每个图像块分别与所述第i帧中间图像中的对应图像块进行逐像素点的迭代对比，得到不相同的像素点之间的像素值增量；
所述增量数据计算单元，用于将所述第i+1帧图像中与所述第i帧中间图像不相同的所有像素点的像素值增量作为所述增量数据。
17.一种桌面分享***，其特征在于，所述桌面分享***包括分享发布终端和分享浏览终端，所述分享发布终端与所述分享浏览终端通过有线网络或者无线网络相连；
所述分享发布终端，包括如权利要求9至16任一所述的图像处理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310462804.9A CN103533384B (zh) | 2013-09-30 | 2013-09-30 | 图像处理方法、图像复原方法、装置及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310462804.9A CN103533384B (zh) | 2013-09-30 | 2013-09-30 | 图像处理方法、图像复原方法、装置及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103533384A CN103533384A (zh) | 2014-01-22 |
| CN103533384B true CN103533384B (zh) | 2016-09-28 |
Family
ID=49934993
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310462804.9A Active CN103533384B (zh) | 2013-09-30 | 2013-09-30 | 图像处理方法、图像复原方法、装置及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103533384B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104660687A (zh) * | 2015-02-02 | 2015-05-27 | 上海视聪网络信息技术有限公司 | 虚拟桌面显示的实现方法和*** |
| CN107333130B (zh) * | 2017-08-24 | 2019-04-23 | 歌尔股份有限公司 | 组装多摄像头模组测试方法及*** |
| CN111488190B (zh) * | 2020-03-31 | 2021-10-15 | 腾讯科技（深圳）有限公司 | 屏幕分享方法、装置、计算机设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1135146A (zh) * | 1995-04-29 | 1996-11-06 | 大宇电子株式会社 | 利用基于特征点的运动估算编码视频信号的装置 |
| CN1222283A (zh) * | 1996-04-19 | 1999-07-07 | 诺基亚流动电话有限公司 | 利用基于运动的分段和归并的视频编码器和解码器 |
| CN101375597A (zh) * | 2004-05-27 | 2009-02-25 | 索尼电子有限公司 | 用于视频压缩的时间分类滤波 |
| CN101924953A (zh) * | 2010-09-03 | 2010-12-22 | 南京农业大学 | 基于基准点的简便匹配方法 |
| CN102722697A (zh) * | 2012-05-16 | 2012-10-10 | 北京理工大学 | 一种无人飞行器视觉自主导引着陆的目标跟踪方法 |
| CN102821309A (zh) * | 2011-06-08 | 2012-12-12 | 鸿富锦精密工业（深圳）有限公司 | 基于桌面分享的流媒体传送***及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009102013A1 (ja) * | 2008-02-14 | 2009-08-20 | Nec Corporation | 移動ベクトル検出装置 |
-
2013
- 2013-09-30 CN CN201310462804.9A patent/CN103533384B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1135146A (zh) * | 1995-04-29 | 1996-11-06 | 大宇电子株式会社 | 利用基于特征点的运动估算编码视频信号的装置 |
| CN1222283A (zh) * | 1996-04-19 | 1999-07-07 | 诺基亚流动电话有限公司 | 利用基于运动的分段和归并的视频编码器和解码器 |
| CN101375597A (zh) * | 2004-05-27 | 2009-02-25 | 索尼电子有限公司 | 用于视频压缩的时间分类滤波 |
| CN101924953A (zh) * | 2010-09-03 | 2010-12-22 | 南京农业大学 | 基于基准点的简便匹配方法 |
| CN102821309A (zh) * | 2011-06-08 | 2012-12-12 | 鸿富锦精密工业（深圳）有限公司 | 基于桌面分享的流媒体传送***及方法 |
| CN102722697A (zh) * | 2012-05-16 | 2012-10-10 | 北京理工大学 | 一种无人飞行器视觉自主导引着陆的目标跟踪方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于SIFT的全局运动估计算法研究;姜思宇;《中国优秀硕士学位论文全文数据库信息科技辑》;20110915(第9期);全文 * |
| 立体视频显示及编码相关技术研究;姜浩;《中国优秀硕士学位论文全文数据库信息科技辑》;20100215(第2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103533384A (zh) | 2014-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200372609A1 (en) | Super-resolution video reconstruction method, device, apparatus and computer-readable storage medium | |
| EP2956891B1 (en) | Segmenting objects in multimedia data | |
| CN1984330B (zh) | 利用应用元数据的图形用户接口的自适应视频压缩方法和*** | |
| TW202004679A (zh) | 影像特徵提取方法及包含其顯著物體預測方法 | |
| CN104254001B (zh) | 远程分享方法、装置及终端 | |
| CN106201201B (zh) | 视图调整方法和*** | |
| CN102474570A (zh) | 信息显示装置、显示控制用集成电路及显示控制方法 | |
| CN101821769A (zh) | 图像生成方法、装置、其程序以及记录有程序的记录介质 | |
| CN106534780A (zh) | 三维全景视频监控装置及其视频图像处理方法 | |
| CN110136166B (zh) | 一种多路画面的自动跟踪方法 | |
| CN103533384B (zh) | 图像处理方法、图像复原方法、装置及*** | |
| CN110942071A (zh) | 一种基于车牌分类和lstm的车牌识别方法 | |
| US20220375220A1 (en) | Visual localization method and apparatus | |
| US9082203B2 (en) | Image processing system for image resizing based upon operational feedback parameters and related methods | |
| DE102017012116A1 (de) | Vorschauerzeugung aus panoramischen Bildern | |
| CN112001912A (zh) | 目标检测方法和装置、计算机***和可读存储介质 | |
| KR102388777B1 (ko) | ３６０도 ｖｒ 카메라를 이용한 연도변 조사 서비스 제공 시스템 | |
| Sekar et al. | An approach of image scaling using DWT and bicubic interpolation | |
| CN104202555A (zh) | 去隔行方法及装置 | |
| Wang et al. | Lightweight feedback convolution neural network for remote sensing images super-resolution | |
| CN112927163A (zh) | 图像数据增强方法、装置、电子设备及存储介质 | |
| CN110364127A (zh) | 智能大屏幕***的自适应显示方法及装置 | |
| CN110545427A (zh) | 一种pdf文档压缩方法、装置及电子设备 | |
| CN105761225A (zh) | 一种优化图片显示效果的方法 | |
| CN109599056A (zh) | 图像数据处理方法及装置、图像数据处理器及其应用 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| CB02 | Change of applicant information |
Address after: 511446 Guangzhou City, Guangdong Province, Panyu District, South Village, Huambo Business District Wanda Plaza, block B1, floor 28 Applicant after: Guangzhou Huaduo Network Technology Co., Ltd. Address before: 510655, Guangzhou, Whampoa Avenue, No. 2, creative industrial park, building 3-08, Applicant before: Guangzhou Huaduo Network Technology Co., Ltd. |
|
| COR | Change of bibliographic data | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210115 Address after: 511442 3108, 79 Wanbo 2nd Road, Nancun Town, Panyu District, Guangzhou City, Guangdong Province Patentee after: GUANGZHOU CUBESILI INFORMATION TECHNOLOGY Co.,Ltd. Address before: 511446 28th floor, block B1, Wanda Plaza, Wanbo business district, Nancun Town, Panyu District, Guangzhou City, Guangdong Province Patentee before: GUANGZHOU HUADUO NETWORK TECHNOLOGY Co.,Ltd. |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20140122 Assignee: GUANGZHOU HUADUO NETWORK TECHNOLOGY Co.,Ltd. Assignor: GUANGZHOU CUBESILI INFORMATION TECHNOLOGY Co.,Ltd. Contract record no.: X2021440000053 Denomination of invention: Image processing method, image restoration method, device and system Granted publication date: 20160928 License type: Common License Record date: 20210208 |