CN106296640A - 一种识别模糊图像的方法和装置 - Google Patents
一种识别模糊图像的方法和装置 Download PDFInfo
- Publication number
- CN106296640A CN106296640A CN201510312807.3A CN201510312807A CN106296640A CN 106296640 A CN106296640 A CN 106296640A CN 201510312807 A CN201510312807 A CN 201510312807A CN 106296640 A CN106296640 A CN 106296640A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- value
- broad
- colors
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种识别模糊图像的方法和装置,属于图像处理技术领域。方法包括:获取第一图像包括的颜色数量和所述第一图像包括的像素点的拉普拉斯响应值;根据所述第一图像包括的像素点的拉普拉斯响应值,统计所述第一图像包括的拉普拉斯响应值大于预设数值的像素点数量;根据所述颜色数量和所述像素点数量,从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取所述第一图像的模糊标识信息,所述模糊标识信息用于标识所述第一图像是否是模糊图像;根据所述模糊标识信息,确定所述第一图像是否是模糊图像。装置包括:第一获取模块,统计模块,第二获取模块和识别模块。本发明能够提高识别模糊图像的准确性。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种识别模糊图像的方法和装置。
背景技术
目前,大部分终端都具有拍摄功能,用户使用终端拍摄图像时,可能由于手机的抖动造成拍摄出来的图像为模糊图像,这些模糊图像存储在终端中会占用终端大量的存储空间。因此,终端需要识别模糊图像,将模糊图像从终端中删除,从而节省终端的存储空间。
现有技术提供了一种识别模糊图像的方法,可以为:将原图像转换为灰度图像,计算该灰度图像中的所有像素点的拉普拉斯响应值;计算所有像素点的拉普拉斯响应值的平均值,如果该平均值不大于预设数值,则确定该图像是模糊图像,否则,则确定该图像是清晰图像,其中,预设数值大于0。
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:
像素点的拉普拉斯响应值其实就是该像素点的灰度值与中心像素点的灰度值的差异度;如果该图像只包含一种颜色且该图像是清晰图像,则该图像中的所有像素点的拉普拉斯响应值都为零,则所有像素点的拉普拉斯响应值的平均值也为零不大于预设数值,则确定该图像为模糊图像,然而该图像是清晰图像,从而导致识别模糊图像的准确性低。
发明内容
为了解决现有技术的问题,本发明提供了一种识别模糊图像的方法和装置。技术方案如下:
一种识别模糊图像的方法,所述方法包括:
获取第一图像包括的颜色数量和所述第一图像包括的像素点的拉普拉斯响应值;
根据所述第一图像包括的像素点的拉普拉斯响应值,统计所述第一图像包括的拉普拉斯响应值大于预设数值的像素点数量;
根据所述颜色数量和所述像素点数量,从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取所述第一图像的模糊标识信息,所述模糊标识信息用于标识所述第一图像是否是模糊图像;
根据所述模糊标识信息,确定所述第一图像是否是模糊图像。
一种识别模糊图像的装置,所述装置包括:
第一获取模块,用于获取第一图像包括的颜色数量和所述第一图像包括的像素点的拉普拉斯响应值;
统计模块,用于根据所述第一图像包括的像素点的拉普拉斯响应值,统计所述第一图像包括的拉普拉斯响应值大于预设数值的像素点数量;
第二获取模块,用于根据所述颜色数量和所述像素点数量,从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取所述第一图像的模糊标识信息,所述模糊标识信息用于标识所述第一图像是否是模糊图像;
识别模块,用于根据所述模糊标识信息,确定所述第一图像是否是模糊图像。
在本发明实施例中,根据第一图像包括的颜色数量和第一图像包括的拉普拉斯响应值大于预设数值的像素点的数量,从预先设置的颜色数量范围、像素点数量范围和模糊标识信息的对应关系,获取第一图像的模糊标识信息,根据该模糊标识信息,确定第一图像是否是模糊图像,从而实现了结合第一图像包括的颜色数量和拉普拉斯响应值大于预设数值的像素点的数量,识别第一图像是否是模糊图像,提高了识别模糊图像的准确性。
附图说明
图1是本发明实施例1提供的一种识别模糊图像的方法流程图;
图2-1是本发明实施例2提供的一种识别模糊图像的方法流程图;
图2-2是本发明实施例2提供的另一种识别模糊图像的方法流程图;
图3-1是本发明实施例3提供的一种识别模糊图像的装置结构示意图;
图3-2是本发明实施例3提供的一种第一获取模块的结构示意图;
图3-3是本发明实施例3提供的一种识别模块的结构示意图;
图3-4是本发明实施例3提供的另一种识别模糊图像的装置结构示意图;
图3-5是本发明实施例3提供的一种缩放模块的结构示意图;
图4是本发明实施例4提供的一种终端的结构示意图。
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。
实施例1
本发明实施例提供了一种识别模糊图像的方法,为了提高识别模糊图像的准确性,可以采用本发明实施例提供的识别待识别的图像是否是模糊图像,如果是模糊图像,将该图像从终端中删除,从而节省终端的存储空间。
该方法的执行主体为终端,参见图1,其中,该方法包括:
步骤101:获取第一图像包括的颜色数量和第一图像包括的像素点的拉普拉斯响应值;
步骤102:根据第一图像包括的像素点的拉普拉斯响应值,统计第一图像包括的拉普拉斯响应值大于预设数值的像素点数量;
步骤103:根据该颜色数量和该像素点数量,从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取第一图像的模糊标识信息,该模糊标识信息用于标识第一图像是否是模糊图像;
步骤104:根据该模糊标识信息,确定第一图像是否是模糊图像。
在本发明实施例中,根据第一图像包括的颜色数量和第一图像包括的拉普拉斯响应值大于预设数值的像素点的数量,从预先设置的颜色数量范围、像素点数量范围和模糊标识信息的对应关系,获取第一图像的模糊标识信息,根据该模糊标识信息,确定第一图像是否是模糊图像,从而实现了结合第一图像包括的颜色数量和拉普拉斯响应值大于预设数值的像素点的数量,识别第一图像是否是模糊图像,提高了识别模糊图像的准确性。
实施例2
本发明实施例提供了一种识别模糊图像的方法,为了提高识别模糊图像的准确性,可以采用本发明实施例提供的识别待识别的图像是否是模糊图像,如果是模糊图像,将该图像从终端中删除,从而节省终端的存储空间。
该方法的执行主体为终端,参见图2-1,其中,该方法包括:
步骤201:将待识别的第二图像缩放为大小在预设大小范围内的第一图像;
在发明实施例中,为了简化识别流程,设置统一的识别标准,因此,为了提高识别的准确性,需要将待识别的第二图像的图像大小缩放到预设大小范围内的第一图像,具体可以通过以下步骤(1)至(3)实现,包括:
(1):获取待识别的第二图像的图像大小;
图像大小包括图像长度、图像宽度和/或图像的面积等,在本发明实施例中将图像的长度和宽度中的最大值作为图像大小,则本步骤可以为:
获取待识别的第二图像的长度和宽度,获取该长度和宽度中的最大值作为第二图像的图像大小。
例如,第二图像的宽度为S,高度为H,则第二图像的图像大小为longlen=Max(S,H)。
(2):根据第二图像的图像大小,从图像大小范围和缩放系数的对应关系中获取缩放系数;
根据第二图像的图像大小和预设的图像大小范围,确定图像大小所在的图像大小范围,根据该图像大小范围,从图像大小范围和缩放系数的对应关系中获取第二图像对应的缩放系数。
其中,在本步骤之前,终端中需要存储图像大小范围和缩放系数的对应关系;并且,图像大小范围和缩放系数的对应关系可以根据预设大小范围进行设置并更改,在本发明实施例中对图像大小范围和缩放系数不作具体限定。
例如,图像大小范围和缩放系数的对应关系如下公式(1)所示:
其中,A为缩放系数,longlen为图像大小。
(3):根据该缩放系数,将第二图像缩放为大小在预设大小范围内的第一图像。
第二图像的长度乘以该缩放系数得到第一图像的长度,第二图像的宽度乘以该缩放系数得到第一图像的宽度。
例如,第一图像的长度为S*A,第一图像的宽度为H*A。
在本发明实施例中结合第一图像包括的颜色数量和第一图像包括的拉普拉斯响应值大于预设数值的像素点的数量,识别第一图像是否是模糊图像,将待识别的第二图像缩放为大小在预设大小范围内的第一图像之后,执行步骤202。
步骤202:获取第一图像包括的颜色数量和第一图像包括的像素点的拉普拉斯响应值;
其中,获取第一图像包括的颜色数量的步骤可以通过以下步骤(1)至(3)实现,包括:
(1):从第一图像中获取第一图像包括的每个像素点的红R值、绿G值和蓝B值;
将第一图像解码为第一RGB(Red Green Blue,红绿蓝)图像,从第一RGB图像中获取第一图像包括的每个像素点的R值、G值和B值。
其中,将第一图像解码为第一RGB图像为现有技术在此不再详细说明。
(2):根据每个像素点的R值、G值和B值,确定每个像素点的颜色;
根据每个像素点的R值、G值和B值,从G值、G值、B值和颜色的对应关系中获取每个像素点的颜色。
(3):根据每个像素点的颜色,统计第一图像包括的颜色数量。
需要说明的是,在本发明实施例中可以获取第一图像包括的所有颜色数量,也可以获取第一图像中的某个图像块包括的所有颜色数量。
其中,获取第一图像包括的像素点的拉普拉斯响应值的步骤可以通过以下步骤(A)至(B)实现,包括:
(A):获取第一图像包括的像素点的灰度值;
如果第一图像为除Jpeg(一种图像的格式)格式之外的其他格式的图像时,例如,第一图像为PNG(一种图像的格式)或者GIF(一种图像的格式)等格式的图像,则将第一图像转换为第一RGB图像,再将第一RGB图像转换为第一灰度图像,根据该第一灰度图像,获取第一图像包括的像素点的灰度值;如果第一图像为Jpeg格式的图像,为了提高转换速度,则可以直接将第一图像转换为第一YUV(一种图像的格式)图像,第一YUV图像的Y通道就是灰度图像,根据第一YUV图像获取第一图像包括的像素点的灰度值。
其中,对于第一RGB图像包括的每个像素点可以按照以下公式(2)进行灰度转换得到每个像素点的灰度值:
Gray=0.299R+0.590G+0.110B (2)
其中,Gray为像素点的灰度值,R为该像素点的R值,G为该像素点的G值,B为该像素点的B值。
为了提高终端的运算效率,去掉浮点运算,在公式(2)两边同时乘以256,再同时除以256,得到公式(3):
Gray=(77R+151G+28B)/256 (3)
则公式(3)等价于Gray=(77R+151G+28B)>>8;其中,>>表示右移。
需要说明的是,去掉浮点运算能够提高终端的运算效率,从而提高识别模糊图像的效率。
其中,将第一图像转换为第一RGB图像以及将第一图像解码为第一YUV图像的过程均为现有技术,在此不再详细说明。
需要说明的是,如果在本步骤中将第一图像解码为第一YUV图像时,统计第一图像包括的颜色数量可以为统计第一YUV图像包括的灰度颜色数量。
需要说明的是,为了提高识别模糊图像的效率,步骤201中的将待识别的第二图像缩放为大小在预设大小范围内的第一图像的步骤和本步骤中将第一图像转换为第一RGB图像可以同时进行;或者,步骤201中的将待识别的第二图像缩放为大小在预设大小范围内的第一图像的步骤和本步骤中将第一图像转换为第一YUV图像可以同时进行。
(B):根据第一图像包括的像素点的灰度值,计算第一图像包括的像素点的拉普拉斯响应值。
对于第一图像包括的每个像素点,可以通过以下公式(4)计算该像素点的拉普拉斯响应值:
其中,L(x)为该像素点的拉普拉斯响应值,Gray为该像素点的灰度值。
需要说明的是,在本发明实施例中可以获取第一图像包括的所有像素点的拉普拉斯响应值,也可以获取第一图像中的某个图像块包括的所有像素点的拉普拉斯响应值。
在本发明实施例中,为了减少运算量,提高识别模糊图像的效率,可以不对整个第一图像进行识别,可以从第一图像中选择预设个数个图像块,通过本发明实施例提供的方法分别识别预设个数个图像块中的每个图像块是否是模糊图像;根据每个图像块的识别结果,获取模糊图像的数量以及非模糊图像的数量,根据模糊图像的数量和非模糊图像的数量,确定第一图像是否是模糊图像。则本步骤可以为:
从第一图像中取出预设个数个没有重叠且大小相等的图像块,预设个数为大于1的奇数;分别获取该预设个数个图像块中的每个图像块包括的颜色数量和每个图像块包括的像素点的拉普拉斯响应值。
其中,每个图像块的位置、每个图像块的大小和预设个数可以根据需要进行设置并更改,在本发明实施例中对每个图像块的位置、每个图像块的大小和预设个数不作具体限定。例如,图像大小为包含200个像素点,预设个数为3、5或7等。
当预设个数为3时,则3个图像块中的每个图像块的中心位置分别为(S/3-100,H/2-100)、(S/2-100,H/2-100)和(2*S/3-100,H/2-100),则3个图像块中的每个图像块分别为以(S/3-100,H/2-100)为中心位置取200个像素点,以(S/2-100,H/2-100)为中心位置取200个像素点,以(2*S/3-100,H/2-100)为中心位置取200个像素点。
当预设个数为5时,则5个图像块中的每个图像块的中心位置分别为(S/3-100,H/3-100)、(S/2-100,H/2-100)、(2*S/3-100,2*H/3-100)、(S/3-100,2*H/3-100)和(2*S/3-100,H/3-100),则5个图像块中的每个图像块分别以(S/3-100,H/3-100)为中心位置取200个像素点,以(S/2-100,H/2-100)为中心位置取200个像素点,以(2*S/3-100,2*H/3-100)为中心位置取200个像素点,以(S/3-100,2*H/3-100)为中心位置取200个像素点以及以(2*S/3-100,H/3-100)为中心位置取200个像素点。
其中,获取每个图像块包括的颜色数量和每个图像块包括的像素点的拉普拉斯响应值的过程和获取第一图像包括的颜色数量和第一图像包括的像素点的拉普拉斯响应值的过程相同,在此不再赘述。
步骤203:根据第一图像包括的像素点的拉普拉斯响应值,统计第一图像包括的拉普拉斯响应值大于预设数值的像素点数量;
其中,在本发明实施例中预设数值不是固定值,是根据第一图像包括的灰度值计算得到的,具体为:
计算第一图像包括的像素点的灰度值的灰度平均值;根据该灰度平均值,从灰度平均值范围和预设数值的对应关系中获取该预设数值。
根据该灰度平均值和预设的灰度平均值范围,确定该灰度平均值所在的灰度平均值范围,根据该灰度平均值范围,从灰度平均值范围和预设数值的对应关系中获取该预设数值。
例如,灰度平均值范围和预设数值的对应关系如下公式(5)所示:
其中,F(x)为预设数值,AvgL为该灰度平均值。
其中,当从第一图像中选择预设个数个图像块,通过本发明实施例提供的方法分别识别预设个数个图像块中的每个图像块是否是模糊图像;根据每个图像块的识别结果,获取模糊图像的数量以及非模糊图像的数量,根据模糊图像的数量和非模糊图像的数量,确定第一图像是否是模糊图像时,则本步骤可以为:
根据每个图像块包括的像素点的拉普拉斯响应值,分别统计每个图像块包括的拉普拉斯响应值大于预设数值的像素点数量。
步骤204:根据第一图像包括的颜色数量和第一图像包括的拉普拉斯响应值大于预设数值的像素点数量,从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取第一图像的模糊标识信息;
根据第一图像包括的颜色数量和预设的颜色数量范围,确定该颜色数量所在的颜色数量范围,根据第一图像包括的拉普拉斯响应值大于预设数值的像素点数量和预设的像素点数量范围,确定该像素点数量所在的像素点数量范围,根据该颜色数量范围和该像素点数量范围,从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取第一图像的模糊标识信息。
其中,模糊标识信息用于标识第一图像是否是模糊图像;模糊标识信息可以为模糊或者非模糊,模糊标识信息还可以为标识模糊或者非模糊的标号等;例如,1代表模糊,0代表非模糊。
其中,颜色数量范围、像素点数量范围和模糊标识信息的对应关系如下公式(6)所示:
其中,ColorNum为颜色数量,PointsNum为像素点数量。
其中,当以从第一图像中选择预设个数个图像块,通过本发明实施例提供的方法分别识别预设个数个图像块中的每个图像块是否是模糊图像;根据每个图像块的识别结果,获取模糊图像的数量以及非模糊图像的数量,根据模糊图像的数量和非模糊图像的数量,确定第一图像是否是模糊图像时,则本步骤可以为:
根据每个图像块包括的颜色数量和像素点数量,分别从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取每个图像块的模糊标识信息。
对于每个图像块,根据该图像块包括的颜色数量和预设的颜色数量范围,确定该颜色数量所在的颜色数量范围,根据该图像块包括的像素点数量和预设的像素点数量范围,确定该像素点数量所在的像素点数量范围,根据该颜色数量范围和像素点数量范围,从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取该图像块的模糊标识信息。
步骤205:根据第一图像的模糊标识信息,确定第一图像是否是模糊图像。
当第一图像的模糊标识信息为标识第一图像为模糊图像时,则确定第一图像是模糊图像;当第一图像的模糊标识信息为标识第一图像为非模糊图像时,则确定第一图像是非模糊图像。
其中,当以从第一图像中选择预设个数个图像块,通过本发明实施例提供的方法分别识别预设个数个图像块中的每个图像块是否是模糊图像;根据每个图像块的识别结果,获取模糊图像的数量以及非模糊图像的数量,根据模糊图像的数量和非模糊图像的数量,确定第一图像是否是模糊图像时,则本步骤可以为:
根据每个图像块的模糊标识信息,确定每个图像块是否是模糊图像;如果每个图像块中包括的模糊图像的数量大于非模糊图像的数量,则确定第一图像是模糊图像。
根据每个图像块的模糊标识信息,确定每个图像块是否是模糊图像;获取每个图像块中包括的模糊图像的数量和非模糊图像的数量,如果模糊图像的数量大于非模糊图像的数量,则确定第一图像是模糊图像;如果模糊图像的数量小于非模糊图像的数量,则确定第一图像是非模糊图像。
由于预设个数是奇数,则模糊图像的数量不可能等于非模糊图像的数量。
例如,当预设个数为3时,如果3个图像块中有2个或3个模糊图像时,则确定第一图像是模糊图像;如果3个图像块中有2个或3个非模块图像时,则确定第一图像是非模糊图像。
再如,当预设个数为5时,如果5个图像块中有3个、4个或5个模糊图像时,则确定第一图像是模糊图像;如果5个图像块中有3个、4个或5个非模糊图像时,则确定第一图像为非模糊图像。
进一步地,本发明实施例中是根据预设个数个图像块中包括的模糊图像的数量和非模糊图像的数量,确定第一图像是否是模糊图像,则为了减少终端的工作量,提高识别模糊图像的效率,可以不对预设个数个图像块进行识别,只识别预设个数个图像块中的多数图像,如果多数图像都为模糊图像,则直接确定第一图像是模糊图像;如果多数图像都是非模糊图像,则直接确定第一图像是非模糊图像;如果多数图像中既包含模糊图像也包含非模糊图像,则无法确定第一图像是模糊图像还是非模糊图像,此时需要识别预设个数个图像块中剩下的图像块是否是模糊图像,并结合剩下的图像块的识别结果确定第一图像是模糊图像还是非模糊图像。
例如,预设个数为3时,可以直接从第一图像中选取2个图像块,如果这2个图像块都是模糊图像,则确定第一图像是模糊图像;如果这2个图像块都是非模糊图像,则确定第一图像是非模糊图像;如果这2个图像块中1个是模糊图像,1个是非模糊图像,则从第一图像中再选取1个图像块,再选取的图像块是模糊图像时,则第一图像就是模糊图像,再选取的图像块是非模糊图像时,则第一图像就是非模糊图像。
参见图2-2,识别第一图像是否是模糊图像的过程可以为:计算预设个数加一得到第一数值,计算第一数值与2的比值得到第二数值,仅仅从第一图像中取出第二数值个没有重叠且大小相等的图像块,分别统计第二数值个图像块中的每个图像块包括的颜色数量和每个图像块包括的拉普拉斯响应值大于预设数值的像素点数量;根据每个图像块包括的颜色数量和像素点数量,分别从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取每个图像块的模糊标识信息;根据每个图像块的模糊标识信息确定每个图像块是否是模糊图像;如果第二数值个图像块都是模糊图像,则直接确定第一图像是模糊图像;如果第二数值个图像块都是非模糊图像,则直接确定第一图像是非模糊图像;如果第二数值个图像块中有模糊图像和非模糊图像,则确定预设个数个图像块中除第二数值个图像块之外的其他图像块是否是模糊图像,并根据第二数值个图像块和该其他图像块是否是模糊图像,确定第一图像是否是模糊图像。
在本发明实施例中,根据第一图像包括的颜色数量和第一图像包括的拉普拉斯响应值大于预设数值的像素点的数量,从预先设置的颜色数量范围、像素点数量范围和模糊标识信息的对应关系,获取第一图像的模糊标识信息,根据该模糊标识信息,确定第一图像是否是模糊图像,从而实现了结合第一图像包括的颜色数量和拉普拉斯响应值大于预设数值的像素点的数量,识别第一图像是否是模糊图像,提高了识别模糊图像的准确性。
实施例3
本发明实施例提供了一种识别模糊图像的装置,参见图3-1,该装置包括:
第一获取模块301,用于获取第一图像包括的颜色数量和第一图像包括的像素点的拉普拉斯响应值;
统计模块302,用于根据第一图像包括的像素点的拉普拉斯响应值,统计第一图像包括的拉普拉斯响应值大于预设数值的像素点数量;
第二获取模块303,用于根据该颜色数量和该像素点数量,从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取第一图像的模糊标识信息,该模糊标识信息用于标识第一图像是否是模糊图像;
识别模块304,用于根据该模糊标识信息,确定第一图像是否是模糊图像。
进一步地,参见图3-2,第一获取模块301,包括:
第一获取单元3011,用于从第一图像中获取第一图像包括的每个像素点的红R值、绿G值和蓝B值;
第一确定单元3012,用于根据每个像素点的R值、G值和B值,确定每个像素点的颜色;
统计单元3013,用于根据每个像素点的颜色,统计第一图像包括的颜色数量。
进一步地,第一获取模块301,包括:
选取单元3014,用于从第一图像中取出预设个数个没有重叠且大小相等的图像块,该预设个数为大于8的奇数;
第二获取单元3015,用于分别获取该预设个数个图像块中的每个图像块包括的颜色数量和每个图像块包括的像素点的拉普拉斯响应值;
相应的,统计模块302,用于根据每个图像块包括的像素点的拉普拉斯响应值,分别统计每个图像块包括的拉普拉斯响应值大于预设数值的像素点数量。
进一步地,第二获取模块303,用于根据每个图像块包括的颜色数量和像素点数量,分别从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取每个图像块的模糊标识信息;
相应的,参见图3-3,识别模块304,包括:
识别单元3041,用于根据每个图像块的模糊标识信息,确定每个图像块是否是模糊图像;
第二确定单元3042,用于如果每个图像块中包括的模糊图像的数量大于非模糊图像的数量,则确定第一图像是模糊图像。
进一步地,参见图3-4,该装置还包括:
计算模块305,用于计算第一图像包括的像素点的灰度值的灰度平均值;
第三获取模块306,用于根据该灰度平均值,从灰度平均值范围和预设数值的对应关系中获取该预设数值。
进一步地,该装置还包括:
缩放模块307,用于将待识别的第二图像缩放为大小在预设大小范围内的第一图像。
进一步地,参见图3-5,缩放模块307,包括:
第三获取单元3071,用于获取待识别的第二图像的图像大小;
第四获取单元3072,用于根据该图像大小,从图像大小范围和缩放系数的对应关系中获取缩放系数;
缩放单元3073,用于根据该缩放系数,将第二图像缩放为大小在预设大小范围内的第一图像。
在本发明实施例中,根据第一图像包括的颜色数量和第一图像包括的拉普拉斯响应值大于预设数值的像素点的数量,从预先设置的颜色数量范围、像素点数量范围和模糊标识信息的对应关系,获取第一图像的模糊标识信息,根据该模糊标识信息,确定第一图像是否是模糊图像,从而实现了结合第一图像包括的颜色数量和拉普拉斯响应值大于预设数值的像素点的数量,识别第一图像是否是模糊图像,提高了识别模糊图像的准确性。
实施例4
请参考图4,其示出了本发明实施例所涉及的具有触敏表面的终端结构示意图,该终端为上述实例3提供的识别模糊图像的装置提供运行环境。具体来讲:
终端900可以包括RF(Radio Frequency,射频)电路110、包括有一个或一个以上计算机可读存储介质的存储器120、输入单元130、显示单元140、传感器150、音频电路160、WiFi(wireless fidelity,无线保真)模块170、包括有一个或者一个以上处理核心的处理器180、以及电源190等部件。本领域技术人员可以理解,图4中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
RF电路110可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器180处理;另外,将涉及上行的数据发送给基站。通常,RF电路110包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(Low Noise Amplifier,低噪声放大器)、双工器等。此外,RF电路110还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于GSM(Global System of Mobile communication,全球移动通讯***)、GPRS(General Packet Radio Service,通用分组无线服务)、CDMA(Code Division Multiple Access,码分多址)、WCDMA(Wideband CodeDivision Multiple Access,宽带码分多址)、LTE(Long Term Evolution,长期演进)、电子邮件、SMS(Short Messaging Service,短消息服务)等。
存储器120可用于存储软件程序以及模块,处理器180通过运行存储在存储器120的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器120可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据终端900的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器120还可以包括存储器控制器,以提供处理器180和输入单元130对存储器120的访问。
输入单元130可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,输入单元130可包括触敏表面131以及其他输入设备132。触敏表面131,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面131上或在触敏表面131附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面131可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器180,并能接收处理器180发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面131。除了触敏表面131,输入单元130还可以包括其他输入设备132。具体地,其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元140可用于显示由用户输入的信息或提供给用户的信息以及终端900的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元140可包括显示面板141,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板141。进一步的,触敏表面131可覆盖显示面板141,当触敏表面131检测到在其上或附近的触摸操作后,传送给处理器180以确定触摸事件的类型,随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图4中,触敏表面131与显示面板141是作为两个独立的部件来实现输入和输入功能,但是在某些实施例中,可以将触敏表面131与显示面板141集成而实现输入和输出功能。
终端900还可包括至少一种传感器150,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板141的亮度,接近传感器可在终端900移动到耳边时,关闭显示面板141和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于终端900还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路160、扬声器161,传声器162可提供用户与终端900之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号,传输到扬声器161,由扬声器161转换为声音信号输出;另一方面,传声器162将收集的声音信号转换为电信号,由音频电路160接收后转换为音频数据,再将音频数据输出处理器180处理后,经RF电路110以发送给比如另一终端,或者将音频数据输出至存储器120以便进一步处理。音频电路160还可能包括耳塞插孔,以提供外设耳机与终端900的通信。
WiFi属于短距离无线传输技术,终端900通过WiFi模块170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图4示出了WiFi模块170,但是可以理解的是,其并不属于终端900的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器180是终端900的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器120内的软件程序和/或模块,以及调用存储在存储器120内的数据,执行终端900的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器180可包括一个或多个处理核心;优选的,处理器180可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器180中。
终端900还包括给各个部件供电的电源190(比如电池),优选的,电源可以通过电源管理***与处理器180逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源190还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,终端900还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,终端900的显示单元是触摸屏显示器,终端900还包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行述一个或者一个以上程序包含用于进行以下操作的指令:
获取第一图像包括的颜色数量和所述第一图像包括的像素点的拉普拉斯响应值;
根据所述第一图像包括的像素点的拉普拉斯响应值,统计所述第一图像包括的拉普拉斯响应值大于预设数值的像素点数量;
根据所述颜色数量和所述像素点数量,从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取所述第一图像的模糊标识信息,所述模糊标识信息用于标识所述第一图像是否是模糊图像;
根据所述模糊标识信息,确定所述第一图像是否是模糊图像。
进一步地,所述获取第一图像包括的颜色数量,包括:
从第一图像中获取所述第一图像包括的每个像素点的红R值、绿G值和蓝B值;
根据所述每个像素点的R值、G值和B值,确定所述每个像素点的颜色;
根据所述每个像素点的颜色,统计所述第一图像包括的颜色数量。
进一步地,所述获取第一图像包括的颜色数量和所述第一图像包括的像素点的拉普拉斯响应值,包括:
从第一图像中取出预设个数个没有重叠且大小相等的图像块,所述预设个数为大于1的奇数;
分别获取所述预设个数个图像块中的每个图像块包括的颜色数量和所述每个图像块包括的像素点的拉普拉斯响应值;
相应的,所述根据所述第一图像包括的像素点的拉普拉斯响应值,统计所述第一图像包括的拉普拉斯响应值大于预设数值的像素点数量,包括:
根据所述每个图像块包括的像素点的拉普拉斯响应值,分别统计所述每个图像块包括的拉普拉斯响应值大于预设数值的像素点数量。
进一步地,所述根据所述颜色数量和所述像素点数量,从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取所述第一图像的模糊标识信息,包括:
根据所述每个图像块包括的颜色数量和像素点数量,分别从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取所述每个图像块的模糊标识信息;
相应的,所述根据所述模糊标识信息,确定所述第一图像是否是模糊图像,包括:
根据所述每个图像块的模糊标识信息,确定所述每个图像块是否是模糊图像;
如果所述每个图像块中包括的模糊图像的数量大于非模糊图像的数量,则确定所述第一图像是模糊图像。
进一步地,所述方法还包括:
计算所述第一图像包括的像素点的灰度值的灰度平均值;
根据所述灰度平均值,从灰度平均值范围和预设数值的对应关系中获取所述预设数值。
进一步地,所述获取第一图像包括的颜色数量和所述第一图像包括的像素点的拉普拉斯响应值之前,还包括:
将待识别的第二图像缩放为大小在预设大小范围内的第一图像。
进一步地,所述将待识别的第二图像缩放为大小在预设大小范围内的第一图像,包括:
获取待识别的第二图像的图像大小;
根据所述图像大小,从图像大小范围和缩放系数的对应关系中获取缩放系数;
根据所述缩放系数,将所述第二图像缩放为大小在预设大小范围内的第一图像。
在本发明实施例中,根据第一图像包括的颜色数量和第一图像包括的拉普拉斯响应值大于预设数值的像素点的数量,从预先设置的颜色数量范围、像素点数量范围和模糊标识信息的对应关系,获取第一图像的模糊标识信息,根据该模糊标识信息,确定第一图像是否是模糊图像,从而实现了结合第一图像包括的颜色数量和拉普拉斯响应值大于预设数值的像素点的数量,识别第一图像是否是模糊图像,提高了识别模糊图像的准确性。
需要说明的是:上述实施例提供的识别模糊图像的装置在识别模糊图像时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的识别模糊图像的装置与识别模糊图像的方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
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 (14)
1.一种识别模糊图像的方法,其特征在于,所述方法包括:
获取第一图像包括的颜色数量和所述第一图像包括的像素点的拉普拉斯响应值;
根据所述第一图像包括的像素点的拉普拉斯响应值,统计所述第一图像包括的拉普拉斯响应值大于预设数值的像素点数量;
根据所述颜色数量和所述像素点数量,从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取所述第一图像的模糊标识信息,所述模糊标识信息用于标识所述第一图像是否是模糊图像;
根据所述模糊标识信息,确定所述第一图像是否是模糊图像。
2.如权利要求1所述的方法,其特征在于,所述获取第一图像包括的颜色数量,包括:
从第一图像中获取所述第一图像包括的每个像素点的红R值、绿G值和蓝B值;
根据所述每个像素点的R值、G值和B值,确定所述每个像素点的颜色;
根据所述每个像素点的颜色,统计所述第一图像包括的颜色数量。
3.如权利要求1所述的方法,其特征在于,所述获取第一图像包括的颜色数量和所述第一图像包括的像素点的拉普拉斯响应值,包括:
从第一图像中取出预设个数个没有重叠且大小相等的图像块,所述预设个数为大于1的奇数;
分别获取所述预设个数个图像块中的每个图像块包括的颜色数量和所述每个图像块包括的像素点的拉普拉斯响应值;
相应的,所述根据所述第一图像包括的像素点的拉普拉斯响应值,统计所述第一图像包括的拉普拉斯响应值大于预设数值的像素点数量,包括:
根据所述每个图像块包括的像素点的拉普拉斯响应值,分别统计所述每个图像块包括的拉普拉斯响应值大于预设数值的像素点数量。
4.如权利要求3所述的方法,其特征在于,所述根据所述颜色数量和所述像素点数量,从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取所述第一图像的模糊标识信息,包括:
根据所述每个图像块包括的颜色数量和像素点数量,分别从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取所述每个图像块的模糊标识信息;
相应的,所述根据所述模糊标识信息,确定所述第一图像是否是模糊图像,包括:
根据所述每个图像块的模糊标识信息,确定所述每个图像块是否是模糊图像;
如果所述每个图像块中包括的模糊图像的数量大于非模糊图像的数量,则确定所述第一图像是模糊图像。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
计算所述第一图像包括的像素点的灰度值的灰度平均值;
根据所述灰度平均值,从灰度平均值范围和预设数值的对应关系中获取所述预设数值。
6.如权利要求1所述的方法,其特征在于,所述获取第一图像包括的颜色数量和所述第一图像包括的像素点的拉普拉斯响应值之前,还包括:
将待识别的第二图像缩放为大小在预设大小范围内的第一图像。
7.如权利要求6所述的方法,其特征在于,所述将待识别的第二图像缩放为大小在预设大小范围内的第一图像,包括:
获取待识别的第二图像的图像大小;
根据所述图像大小,从图像大小范围和缩放系数的对应关系中获取缩放系数;
根据所述缩放系数,将所述第二图像缩放为大小在预设大小范围内的第一图像。
8.一种识别模糊图像的装置,其特征在于,所述装置包括:
第一获取模块,用于获取第一图像包括的颜色数量和所述第一图像包括的像素点的拉普拉斯响应值;
统计模块,用于根据所述第一图像包括的像素点的拉普拉斯响应值,统计所述第一图像包括的拉普拉斯响应值大于预设数值的像素点数量;
第二获取模块,用于根据所述颜色数量和所述像素点数量,从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取所述第一图像的模糊标识信息,所述模糊标识信息用于标识所述第一图像是否是模糊图像;
识别模块,用于根据所述模糊标识信息,确定所述第一图像是否是模糊图像。
9.如权利要求8所述的装置,其特征在于,所述第一获取模块,包括:
第一获取单元,用于从第一图像中获取所述第一图像包括的每个像素点的红R值、绿G值和蓝B值;
第一确定单元,用于根据所述每个像素点的R值、G值和B值,确定所述每个像素点的颜色;
统计单元,用于根据所述每个像素点的颜色,统计所述第一图像包括的颜色数量。
10.如权利要求8所述的装置,其特征在于,所述第一获取模块,包括:
选取单元,用于从第一图像中取出预设个数个没有重叠且大小相等的图像块,所述预设个数为大于8的奇数;
第二获取单元,用于分别获取所述预设个数个图像块中的每个图像块包括的颜色数量和所述每个图像块包括的像素点的拉普拉斯响应值;
相应的,所述统计模块,用于根据所述每个图像块包括的像素点的拉普拉斯响应值,分别统计所述每个图像块包括的拉普拉斯响应值大于预设数值的像素点数量。
11.如权利要求10所述的装置,其特征在于,
所述第二获取模块,用于根据所述每个图像块包括的颜色数量和像素点数量,分别从颜色数量范围、像素点数量范围和模糊标识信息的对应关系中获取所述每个图像块的模糊标识信息;
相应的,所述识别模块,包括:
识别单元,用于根据所述每个图像块的模糊标识信息,确定所述每个图像块是否是模糊图像;
第二确定单元,用于如果所述每个图像块中包括的模糊图像的数量大于非模糊图像的数量,则确定所述第一图像是模糊图像。
12.如权利要求8所述的装置,其特征在于,所述装置还包括:
计算模块,用于计算所述第一图像包括的像素点的灰度值的灰度平均值;
第三获取模块,用于根据所述灰度平均值,从灰度平均值范围和预设数值的对应关系中获取所述预设数值。
13.如权利要求8所述的装置,其特征在于,所述装置还包括:
缩放模块,用于将待识别的第二图像缩放为大小在预设大小范围内的第一图像。
14.如权利要求13所述的装置,其特征在于,所述缩放模块,包括:
第三获取单元,用于获取待识别的第二图像的图像大小;
第四获取单元,用于根据所述图像大小,从图像大小范围和缩放系数的对应关系中获取缩放系数;
缩放单元,用于根据所述缩放系数,将所述第二图像缩放为大小在预设大小范围内的第一图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510312807.3A CN106296640B (zh) | 2015-06-09 | 2015-06-09 | 一种识别模糊图像的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510312807.3A CN106296640B (zh) | 2015-06-09 | 2015-06-09 | 一种识别模糊图像的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106296640A true CN106296640A (zh) | 2017-01-04 |
CN106296640B CN106296640B (zh) | 2019-11-15 |
Family
ID=57660122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510312807.3A Active CN106296640B (zh) | 2015-06-09 | 2015-06-09 | 一种识别模糊图像的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106296640B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109684913A (zh) * | 2018-11-09 | 2019-04-26 | 长沙小钴科技有限公司 | 一种基于社区发现聚类的视频人脸标注方法和*** |
CN109996062A (zh) * | 2019-04-04 | 2019-07-09 | 广东省安心加科技有限公司 | 视频图像质量检测方法、装置、计算机设备和存储介质 |
CN111131688A (zh) * | 2018-10-31 | 2020-05-08 | Tcl集团股份有限公司 | 一种图像处理方法、装置及移动终端 |
CN112102147A (zh) * | 2019-06-18 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 背景虚化识别方法、装置、设备及存储介质 |
CN113466421A (zh) * | 2021-06-21 | 2021-10-01 | 海南掌上天下网络技术有限公司 | 一种基于互联网的水质监测*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004252504A (ja) * | 2003-02-17 | 2004-09-09 | Ricoh Co Ltd | 画像処理装置、画像処理方法、画像処理プログラム及び記録媒体 |
CN102903098A (zh) * | 2012-08-28 | 2013-01-30 | 四川虹微技术有限公司 | 一种基于图像清晰度差异的深度估计方法 |
CN103198315A (zh) * | 2013-04-17 | 2013-07-10 | 南京理工大学 | 基于字符轮廓和模板匹配的车牌字符分割算法 |
CN103353985A (zh) * | 2013-03-27 | 2013-10-16 | 西华大学 | 一种图像高斯模糊的测度方法 |
-
2015
- 2015-06-09 CN CN201510312807.3A patent/CN106296640B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004252504A (ja) * | 2003-02-17 | 2004-09-09 | Ricoh Co Ltd | 画像処理装置、画像処理方法、画像処理プログラム及び記録媒体 |
CN102903098A (zh) * | 2012-08-28 | 2013-01-30 | 四川虹微技术有限公司 | 一种基于图像清晰度差异的深度估计方法 |
CN103353985A (zh) * | 2013-03-27 | 2013-10-16 | 西华大学 | 一种图像高斯模糊的测度方法 |
CN103198315A (zh) * | 2013-04-17 | 2013-07-10 | 南京理工大学 | 基于字符轮廓和模板匹配的车牌字符分割算法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111131688A (zh) * | 2018-10-31 | 2020-05-08 | Tcl集团股份有限公司 | 一种图像处理方法、装置及移动终端 |
CN111131688B (zh) * | 2018-10-31 | 2021-04-23 | Tcl科技集团股份有限公司 | 一种图像处理方法、装置及移动终端 |
CN109684913A (zh) * | 2018-11-09 | 2019-04-26 | 长沙小钴科技有限公司 | 一种基于社区发现聚类的视频人脸标注方法和*** |
CN109996062A (zh) * | 2019-04-04 | 2019-07-09 | 广东省安心加科技有限公司 | 视频图像质量检测方法、装置、计算机设备和存储介质 |
CN109996062B (zh) * | 2019-04-04 | 2020-08-11 | 广东省安心加科技有限公司 | 视频图像质量检测方法、装置、计算机设备和存储介质 |
CN112102147A (zh) * | 2019-06-18 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 背景虚化识别方法、装置、设备及存储介质 |
CN112102147B (zh) * | 2019-06-18 | 2022-03-08 | 腾讯科技(深圳)有限公司 | 背景虚化识别方法、装置、设备及存储介质 |
CN113466421A (zh) * | 2021-06-21 | 2021-10-01 | 海南掌上天下网络技术有限公司 | 一种基于互联网的水质监测*** |
Also Published As
Publication number | Publication date |
---|---|
CN106296640B (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108391025A (zh) | 一种网络访问管理方法、移动终端及计算机可读存储介质 | |
CN103325332B (zh) | 页面刷新方法、装置及设备 | |
CN108924364A (zh) | 消息提醒方法、移动终端及计算机可读存储介质 | |
CN106296640A (zh) | 一种识别模糊图像的方法和装置 | |
CN106296617A (zh) | 人脸图像的处理方法及装置 | |
CN104679509A (zh) | 一种渲染图形的方法和装置 | |
CN106296634A (zh) | 一种检测相似图像的方法和装置 | |
CN106203459A (zh) | 图片处理方法及装置 | |
CN110087287A (zh) | 终端搜网的控制方法、装置、移动终端及存储介质 | |
CN103390034A (zh) | 图片展示的方法、装置、终端及服务器 | |
CN107203960A (zh) | 图像渲染方法及装置 | |
CN104463105A (zh) | 路牌识别方法及装置 | |
CN103399657B (zh) | 鼠标指针的控制方法、装置及终端设备 | |
CN106296623A (zh) | 一种图片处理方法及装置 | |
CN105989572A (zh) | 图片处理方法及装置 | |
CN110113779A (zh) | eSIM卡的测试方法、***、测试平台、移动终端和介质 | |
CN107734586A (zh) | 天线的切换方法及移动终端 | |
CN109005574A (zh) | 小区选择方法、移动终端及计算机可读存储介质 | |
CN103577023A (zh) | 视频处理方法及终端 | |
CN109817130A (zh) | 一种色温调控方法、设备及计算机可读存储介质 | |
CN109379777A (zh) | 一种网络搜索方法、终端及计算机可读存储介质 | |
CN108733278A (zh) | 一种匹配交友方法、移动终端及计算机存储介质 | |
CN106023088A (zh) | 一种调整图像亮度的方法及装置 | |
CN104077129B (zh) | 图标处理方法、装置及终端设备 | |
CN104834655A (zh) | 一种显示网络资源的质量参数的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230705 Address after: 518057 Tencent Building, No. 1 High-tech Zone, Nanshan District, Shenzhen City, Guangdong Province, 35 floors Patentee after: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd. Patentee after: TENCENT CLOUD COMPUTING (BEIJING) Co.,Ltd. Address before: 2, 518000, East 403 room, SEG science and Technology Park, Zhenxing Road, Shenzhen, Guangdong, Futian District Patentee before: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd. |