CN107330905B - 一种图像处理方法、装置及存储介质 - Google Patents
一种图像处理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN107330905B CN107330905B CN201710455122.3A CN201710455122A CN107330905B CN 107330905 B CN107330905 B CN 107330905B CN 201710455122 A CN201710455122 A CN 201710455122A CN 107330905 B CN107330905 B CN 107330905B
- Authority
- CN
- China
- Prior art keywords
- target image
- boundary value
- image
- boundary
- preset
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法,其中包括:获取第一目标图像和第二目标图像,其中第一目标图像和第二目标图像具有相同的内容信息;基于预设图像边缘检测算法,生成第一目标图像的第一边界值集合以及第二目标图像的第二边界值集合;对第一边界值集合和第二边界值集合进行比较,生成特征比较结果;根据特征比较结果,确定第一目标图像和第二目标图像的图像清晰度比较结果。本发明实施例通过定量地、细化地对第一目标图像和第二目标图像的边缘进行比较,从而准确地比较第一目标图像和第二目标图像的图像清晰度。本发明还公开了一种图像处理装置及存储介质。
Description
技术领域
本发明属于通信技术领域,尤其涉及一种图像处理方法、装置及存储介质。
背景技术
图像清晰度是衡量图像品质优劣的标准之一。图像清晰度是指图像上各细节及其边缘变化的敏锐程度。在图像细节的边缘处,光学密度或亮度随位置的变化越敏锐(变化越快)、越剧烈(反差越大),则图像细节的边缘就越清晰,可辨程度越高。而人眼视觉***具备对光学密度或亮度突变的边界区域进行增强的特性。具体来说,图像清晰度是指人眼视觉***宏观看到的图像的清晰程度,是由***和设备的客观性能的综合结果造成的人眼视觉***对图像的主观感觉。
目前通常采用人眼视觉***的主观感觉判断图像的图像清晰度,因此难以定量地、准确地确定图像的图像清晰度。进一步地,在判断两张或两张以上的具有相同的内容信息的图像之间的图像清晰度时,需要通过人眼视觉***进行人为地判断,容易出现判断不准确的问题,尤其是在两张图像的图像清晰度较为接近时,人为判断难以准确且快速地比较这两张图像的图像清晰度。
发明内容
本发明的目的在于提供一种图像处理方法、装置及存储介质,旨在准确且快速地比较图像的图像清晰度。
为解决上述技术问题,本发明实施例提供以下技术方案:
一种图像处理方法,其中包括:
获取第一目标图像和第二目标图像,其中所述第一目标图像和所述第二目标图像具有相同的内容信息;
基于预设图像边缘检测算法,生成所述第一目标图像的第一边界值集合以及所述第二目标图像的第二边界值集合;
对所述第一边界值集合和所述第二边界值集合进行比较,生成特征比较结果;
根据所述特征比较结果,确定所述第一目标图像和所述第二目标图像的图像清晰度比较结果。
进一步地,所述图像处理方法还包括:
调整所述第二目标图像的图像尺寸,使所述第二目标图像与所述第一目标图像的图像尺寸差异值小于或等于预设差异阈值;
所述基于预设图像边缘检测算法,生成所述第一目标图像的第一边界值集合以及所述第二目标图像的第二边界值集合,包括:
基于预设图像边缘检测算法,生成所述第一目标图像的第一边界值集合以及调整后的第二目标图像的第二边界值集合。
进一步地,所述图像处理方法还具体包括:
根据预设划分算法,对所述第一目标图像进行划分,形成多个预设尺寸的第一区域单元,并且对所述第二目标图像进行划分,形成多个预设尺寸的第二区域单元;
基于预设图像边缘检测算法,生成所述第一区域单元的第一边界值和所述第二区域单元的第二边界值;
将所述第一目标图像所有的第一边界值确定为所述第一目标图像的第一边界值集合,并且将所述第二目标图像所有的第二边界值确定为所述第二目标图像的第二边界值集合。
进一步地,所述图像处理方法还具体包括:
获取所述第一区域单元的第一灰度信息以及所述第二区域单元的第二灰度信息;
基于预设图像边缘检测算法,根据所述第一灰度信息计算所述第一区域单元的第一边界值,并且根据所述第二灰度信息计算所述第二区域单元的第二边界值。
进一步地,所述图像处理方法还具体包括:
根据预设边界阈值,对所述第一边界值集合和所述第二边界值集合进行过滤;
所述对所述第一边界值集合和所述第二边界值集合进行比较,生成特征比较结果,包括:
对过滤后的所述第一边界值集合和所述第二边界值集合进行比较,生成特征比较结果。
进一步地,所述图像处理方法还具体包括:
将所述第一边界值、所述第二边界值分别与预设边界阈值进行比较;
若所述第一边界值小于所述预设边界阈值,则将所述第一边界值设置为预设值,若所述第二边界值小于所述预设边界阈值,则将所述第二边界值也设置为所述预设值。
进一步地,所述图像处理方法还具体包括:
调取所述第一区域单元和所述第二区域单元之间预设的对应关系;
基于所述对应关系,将所述第一边界值集合中的第一边界值和所述第二边界值集合中的第二边界值进行一一比较;
若所述第一边界值高于所述第二边界值,则将所述第一边界值对应的第一区域单元标记为第一标记单元;若所述第二边界值高于所述第一边界值,则将所述第二边界值对应的第二区域单元标记为第二标记单元。
进一步地,所述图像处理方法还具体包括:
分别统计所述第一标记单元和所述第二标记单元的数量;
若所述第一标记单元的数量大于所述第二标记单元的数量,则确定所述第一目标图像的图像清晰度高于所述第二目标图像的图像清晰度;若所述第一标记单元的数量小于所述第二标记单元的数量,则确定所述第一目标图像的图像清晰度低于所述第二目标图像的图像清晰度。
为解决上述技术问题,本发明实施例还提供以下技术方案:
一种图像处理装置,其中包括:
获取模块,用于获取第一目标图像和第二目标图像,其中所述第一目标图像和所述第二目标图像具有相同的内容信息;
生成模块,用于基于预设图像边缘检测算法,生成所述第一目标图像的第一边界值集合以及所述第二目标图像的第二边界值集合;
第一比较模块,用于对所述第一边界值集合和所述第二边界值集合进行比较,生成特征比较结果;
第二比较模块,用于根据所述特征比较结果,确定所述第一目标图像和所述第二目标图像的图像清晰度比较结果。
进一步地,所述图像处理装置还包括:
调整模块,用于调整所述第二目标图像的图像尺寸,使所述第二目标图像与所述第一目标图像二者的图像尺寸差异值小于或等于预设差异阈值;
所述生成模块,用于基于预设图像边缘检测算法,生成所述第一目标图像的第一边界值集合以及调整后的第二目标图像的第一边界值集合。
进一步地,所述生成模块包括:
划分子模块,用于根据预设划分算法,对所述第一目标图像进行划分,形成多个预设尺寸的第一区域单元,并且对所述第二目标图像进行划分,形成多个预设尺寸的第二区域单元;
生成子模块,用于基于预设图像边缘检测算法,生成所述第一区域单元的第一边界值和所述第二区域单元的第二边界值;
第一确定子模块,用于将所述第一目标图像所有的第一边界值确定为所述第一目标图像的第一边界值集合,并且将所述第二目标图像所有的第二边界值确定为所述第二目标图像的第二边界值集合。
进一步地,所述生成子模块包括:
获取子模块,用于获取所述第一区域单元的第一灰度信息以及所述第二区域单元的第二灰度信息;
计算子模块,用于基于所述预设图像边缘检测算法,根据所述第一灰度信息计算所述第一区域单元的第一边界值,并且根据所述第二灰度信息计算所述第二区域单元的第二边界值。
进一步地,所述图像处理装置还包括:
过滤模块,用于根据预设边界阈值,对所述第一边界值集合和所述第二边界值集合进行过滤;
所述第一比较模块,用于对过滤后的所述第一边界值集合和所述第二边界值集合进行比较,生成特征比较结果。
进一步地,所述过滤模块包括:
第一比较子模块,用于将所述第一边界值、所述第二边界值分别与预设边界阈值进行比较;
设置子模块,用于若所述第一边界值小于所述预设边界阈值,则将所述第一边界值设置为预设值,若所述第二边界值小于所述预设边界阈值,则将所述第二边界值也设置为所述预设值。
进一步地,所述第一比较模块包括:
调取子模块,用于调取所述第一区域单元和所述第二区域单元之间预设的对应关系;
第二比较子模块,用于基于所述对应关系,将所述第一边界值集合中的第一边界值和所述第二边界值集合中的第二边界值进行一一比较;
标记子模块,用于若所述第一边界值高于所述第二边界值,则将所述第一边界值对应的第一区域单元标记为第一标记单元,并且若所述第二边界值高于所述第一边界值,则将所述第二边界值对应的第二区域单元标记为第二标记单元。
进一步地,所述第二比较模块包括:
统计子模块,用于分别统计所述第一标记单元和所述第二标记单元的数量;
第二确定子模块,用于若所述第一标记单元的数量大于所述第二标记单元的数量,则确定所述第一目标图像的图像清晰度高于所述第二目标图像的图像清晰度;若所述第一标记单元的数量小于所述第二标记单元的数量,则确定所述第一目标图像的图像清晰度低于所述第二目标图像的图像清晰度。
为解决上述技术问题,本发明实施例还提供以下技术方案:
一种存储介质,其中所述存储介质用于储存多条指令,所述多条指令适于由处理器加载并执行上述的图像处理方法。
相对于现有技术,本发明实施例,首先获取第一目标图像和第二目标图像,其中所述第一目标图像和所述第二目标图像具有相同的内容信息;然后基于预设图像边缘检测算法,生成所述第一目标图像的第一边界值集合以及所述第二目标图像的第二边界值集合;最后对所述第一边界值集合和所述第二边界值集合进行比较,生成特征比较结果,根据所述特征比较结果,确定所述第一目标图像和所述第二目标图像的图像清晰度比较结果。本发明实施例通过预设的图像边缘检测算法对第一目标图像和第二目标图像进行处理,获取第一边界值集合和第二边界值集合,分别用于定量地表征第一目标图像和第二目标图像的边缘的锐利程度和丰富程度;再通过对第一边界值集合和第二边界值集合进行比较,以定量地、细化地对第一目标图像和第二目标图像的边缘进行比较,从而准确地比较第一目标图像和第二目标图像的图像清晰度。本发明实施例不仅提高了比较图像清晰度的准确性,还提高了比较图像清晰度的效率。
附图说明
下面结合附图,通过对本发明的具体实施方式详细描述,将使本发明的技术方案及其它有益效果显而易见。
图1a是本发明实施例提供的图像处理方法的场景示意图;
图1b是本实施第一实施例提供的图像处理方法的流程示意图;
图2a是本发明第二实施例提供的图像处理方法的流程示意图;
图2b是本发明第二实施例提供的两张目标图像的示意图;
图2c是本发明第二实施例提供的调整图像尺寸的示意图;
图2d是本发明第二实施例提供的划分目标图像的示意图;
图2e是本发明第二实施例提供的灰度图的示意图;
图2f是本发明第二实施例提供的区域单元的坐标表示的示意图;
图2g是本发明第二实施例提供的过滤目标图像的噪点的示意图;
图3a是本发明第三实施例提供的图像处理装置的结构示意图;
图3b是本发明第三实施例提供的图像处理装置的另一结构示意图;
图4是本发明第四实施例提供的服务器的结构示意图。
具体实施方式
请参照图式,其中相同的组件符号代表相同的组件,本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本发明具体实施例,其不应被视为限制本发明未在此详述的其它具体实施例。
在以下的说明中,本发明的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明,除非另有述明。因此,这些步骤及操作将有数次提到由计算机执行,本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存***中的位置处,其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实***置,其具有由该数据格式所定义的特定特性。但是,本发明原理以上述文字来说明,其并不代表为一种限制,本领域测试人员将可了解到以下所述的多种步骤及操作亦要实施在硬件当中。
本文所使用的术语「模块」可看做为在该运算***上执行的软件对象。本文所述的不同组件、模块、引擎及服务可看做为在该运算***上的实施对象。而本文所述的装置及方法可以以软件的方式进行实施,当然也可在硬件上进行实施,均在本发明保护范围之内。
本发明实施例提供一种图像处理方法及装置。
其中,图像处理装置具体可以集成在终端或服务器中,其中终端可以是手机、笔记型计算机、平板电脑(PC,Personal Computer)等具备储存单元并安装有微处理器的网络设备。
如,可参见图1a,为本发明实施例所提供的图像处理方法的场景示意图,图像处理装置集成在平板PC中,主要用于确定第一目标图像和第二目标图像的图像清晰度比较结果。
比如,在图像处理装置接收到用户的操作指令时,首先,获取第一目标图像和第二目标图像,其中第一目标图像和第二目标图像具有相同的内容信息;其次,基于预设图像边缘检测算法,生成第一目标图像的第一边界值集合以及第二目标图像的第二边界值集合;对第一边界值集合和第二边界值集合进行比较,生成特征比较结果;最后,根据特征比较结果,确定第一目标图像和第二目标图像的图像清晰度比较结果。
以下将分别进行详细说明。需要说明的是,以下实施例的序号不作为实施例优选顺序的限定。
第一实施例
在本实施例中,将从图像处理装置的角度进行描述,该图像处理装置具体可集成在终端等设备中,如手机、笔记型计算机、平板PC等。
一种图像处理方法,包括:步骤S101,获取第一目标图像和第二目标图像,其中第一目标图像和第二目标图像具有相同的内容信息;步骤S102,基于预设图像边缘检测算法,生成第一目标图像的第一边界值集合以及第二目标图像的第二边界值集合;步骤S103,对第一边界值集合和第二边界值集合进行比较,生成特征比较结果;步骤S104,根据特征比较结果,确定第一目标图像和第二目标图像的图像清晰度比较结果。
请参阅图1b,图1b是本发明第一实施例提供的图像处理方法的流程示意图。该方法包括:
在步骤S101中,获取第一目标图像和第二目标图像,其中第一目标图像和第二目标图像具有相同的内容信息。
比如,以图像处理装置集成在平板PC为例,平板PC中预先存储至少两张具有相同的内容信息的图像,用户通过平板PC指定其中两张具有相同的内容信息的图像,这两张图像分别作为第一目标图像和第二目标图像。在某些实施方式中,用户也可以通过平板PC从互联网下载两张具有相同的内容信息的图像。
又比如,以图像处理装置集成在平板PC为例,服务器中预先存储至少两张具有相同的内容场景的图像,用户通过平板PC指定其中两张具有相同的内容信息的图像,这两张图像分别作为第一目标图像和第二目标图像。
需要说明的是,第一目标图像和第二目标图像具有相同的内容信息表示第一目标图像和第二目标图像具有相同的场景,该场景可以由多个对象(比如文字、动物、人物、建筑物等)组成。即,第一目标图像和第二目标图像具有相同的内容信息表示第一目标图像和第二目标图像中具有相同的多个对象,并且相对应的对象具有相同的形状及比例。
可以理解的是,由于第一目标图像和第二目标图像具有相同的内容信息,因此第一目标图像和第二目标图像具有相同的图像长宽比。其中,图像长宽比指的是图像的长度和宽度之间的比例。
在本发明实施例中,在图像处理装置获取第一目标图像和第二目标图像(即步骤S101)之后,并且在基于预设图像边缘检测算法,生成所述第一目标图像的第一边界值集合以及所述第二目标图像的第二边界值集合(即步骤S102)之前,还需要对第二目标像的图像尺寸进行调整,可具体包括:
调整第二目标图像的图像尺寸,使第二目标图像与第一目标图像的图像尺寸差异值小于或等于预设差异阈值。
比如,在不改变第二目标图像的长宽比的条件下,调整第二目标图像的尺寸,使第二目标图像与第一目标图像的图像尺寸差异值小于或等于预设差异阈值。
其中,图像尺寸指的是图像的长度和宽度。图像的长度和宽度的单位可以是像素,也可以是厘米。
需要说明的是,图像尺寸差异值指的是第一目标图像的长度和第二目标图像的长度之间的差值,或者第一目标图像的宽度和第二目标图像的宽度之间的差值。
预设差异阈值用于表示若第一目标图像和第二目标图像的图像尺寸差异值小于该预设差异阈值时,则认为第一目标图像和第二目标图像具有相同的图像尺寸。可以理解的是,预设差异阈值可以根据终端的图像处理性能等属性确定。比如,预设差异阈值可以设定为零,即第一目标图像的长度和第二目标图像的长度的差值为零,或第一目标图像和宽度和第二目标图像的宽度的差值为零,也就是说,第一目标图像和第二目标图像具有相同的图像尺寸。
在某些实施方式中,可以对第一目标图像的图像尺寸进行调整,使第一目标图像与第二目标图像的图像尺寸差异值小于或等于预设差异阈值。
可以理解的是,在某些实施方式中,也可以对第一目标图像和第二目标图像的图像尺寸均进行调整,使第一目标图像的图像尺寸、第二目标图像的图像尺寸与预先设定的图像尺寸的图像尺寸差异值小于或等于预设差异阈值。
在某些实施方式中,在获取第一目标图像和第二目标图像之后,可以对第一目标图像和第二目标图像的图像尺寸进行对比,调整图像尺寸较大的目标图像(比如第二目标图像),使该目标图像的图像尺寸与图像尺寸较小的目标图像(比如第一目标图像)的图像尺寸差异值小于或等于预设差异阈值。
在步骤S102中,基于预设图像边缘检测算法,生成第一目标图像的第一边界值集合以及第二目标图像的第二边界值集合。
在某些实施方式中,基于预设图像边缘检测算法,生成第一目标图像的第一边界值集合以及第二目标图像的第二边界值集合(即步骤S102)可以具体包括:
(11)根据预设划分算法,对第一目标图像进行划分,形成多个预设尺寸的第一区域单元,并且对第二目标图像进行划分,形成多个预设尺寸的第二区域单元。
(12)基于预设图像边缘检测算法,生成第一区域单元的第一边界值和第二区域单元的第二边界值。
(13)将第一目标图像所有的第一边界值确定为第一目标图像的第一边界值集合,并且将第二目标图像所有的第二边界值确定为第二目标图像的第二边界值集合。
其中,预设划分算法指的是将图像划分为多个预设尺寸的区域单元的算法。比如,预设划分算法设置为根据图像的图像尺寸以及区域单元的预设尺寸,将图像划分为多个预设尺寸的区域单元。由于在基于预设图像边缘检测算法,生成第一目标图像的第一边界值集合以及第二目标图像的第二边界值集合之前,已经对第二目标图像的图像尺寸进行调整,使第一目标图像和第二目标图像具有相同的图像尺寸,因此,采用预设划分算法对第一目标图像和第二目标图像进行划分之后,第一目标图像的第一区域单元的数量和第二目标图像的第二区域单元的数量相同。
在本发明实施例中,区域单元指的是具有特定图像尺寸的图像区域。比如,区域单元表示1像素*1像素的图像区域。可以理解的,第一目标图像中的第一区域单元和第二目标图像中的第二区域单元都有一个唯一的坐标地址,这个坐标地址可以被认为是一个列和行的值。
在本发明实施例中,边缘指的是图像局部特性的不连续性而呈现的区域边界,比如灰度级的突变、颜色的突变、纹理结构的突变等。
在本发明实施例中,图像边缘检测算法指的是检测图像中的边缘特征的算法,比如索贝尔(Sobel)边缘检测算法、Robert边缘检测算法、Prewitt边缘检测算法等。比如,预设图像边缘检测算法设置为Sobel边缘检测算法,基于Sobel边缘检测算法可以生成第一区域单元的第一边界值和第二区域单元的第二边界值。
在本发明实施例中,边界值指的是表征边缘的锐利程度和丰富程度的梯度幅值,该梯度幅值可以根据区域单元与周围区域单元之间的梯度而计算得出,其中标量场中某一点上的梯度指向标量场增长最快的方向,梯度幅值表示该点在该方向上的最大变化率。比如,第一边界值指的是表征第一区域单元的边缘的锐利程度和丰富程度的梯度幅值,第二边界值指的是表征第二区域单元的边缘的锐利程度和丰富程度的梯度幅值,其中梯度幅值根据对应的图像区域与该图像区域周围的图像区域之间梯度计算得出。
在本发明实施例中,第一边界值集合指的是基于第一区域单元的坐标地址及第一区域单元的第一边界值而建立的集合,即第一目标图像中的每一个坐标地址存储对应的第一边界值;第二边界值集合指的是基于第二区域单元的坐标地址及第二区域单元的第二边界值而建立的集合,即第二目标图像中的每一个坐标地址存储对应的第二边界值。由于第一边界值是表征第一区域单元的边缘的锐利程度和丰富程度的梯度幅值,第二边界值是表征第二区域单元的边缘的锐利程度和丰富程度的梯度幅值,因此第一边界值集合可以用于表征第一目标图像的边缘的锐利程度和丰富程度,且第二边界值集合可以用于表征第二目标图像的边缘的锐利程度和丰富程度。
在某些实施方式中,基于预设图像边缘检测算法,生成第一区域单元的第一边界值和所述第二区域单元的第二边界值,可以具体包括:
(21)获取第一区域单元的第一灰度信息以及第二区域单元的第二灰度信息。
(22)基于预设图像边缘检测算法,根据第一灰度信息计算第一区域单元的第一边界值,并且根据第二灰度信息计算第二区域单元的第二边界值。
其中,灰度信息指的是灰度级,即第一灰度信息指的是第一区域单元的灰度级,第二灰度信息指的是第二区域单元的灰度级。灰度级指的是图像中每个颜色与自身色光对应的明度值,包括白色、黑色和期间的多级灰度。通常灰度级的范围从0至255,白色的灰度级为255,黑色的灰度级为0。
在本发明实施例中,边缘可以是图像中的灰度级发生急剧变化的区域边界,进而边界值可以通过根据灰度级计算得出的梯度幅值进行表征。
进而,基于预设图像边缘检测算法,生成第一区域单元的第一边界值和所述第二区域单元的第二边界值,可以具体包括:获取第一区域单元的灰度级以及第二区域单元的灰度级;基于预设图像边缘检测算法,根据第一区域单元的灰度级计算第一区域单元的梯度幅值,并且根据第二区域单元的灰度级计算第二区域单元的梯度幅值。从而由第一区域单元的梯度幅值反映第一目标图像的边缘,由第二区域单元的梯度幅值反映第二目标图像的边缘。
在步骤S103中,对第一边界值集合和第二边界值集合进行比较,生成特征比较结果。
在某些实施方式中,对第一边界值集合和第二边界值集合进行比较,生成特征比较结果(步骤S103)之前,还可以包括对第一边界值集合和第二边界值集合进行过滤的操作,具体可以包括:
根据预设边界阈值,对第一边界值集合和第二边界值集合进行过滤。
比如,通过预设边界阈值,将第一边界值集合和第二边界值集合中的噪点进行过滤。其中,噪点指的是达不到构成边缘的条件的第一边界值和/或第二边界值。
其中,预设边界阈值指的是达不到构成边缘的条件的边界值。
在对第一边界值集合和第二边界值集合进行比较之前对第一边界值集合和第二边界值集合进行过滤,可以去除第一目标图像和第二目标图像中的噪点,不仅能够获得更加准确的第一边界值集合和第二边界值集合,以获得更加准确的图像清晰度的比较结果,而且由于去除了第一边界值集合和第二边界值集合中的噪点,可以减少后续对第一边界值集合和第二边界值集合进行比较的数据量,提高了数据处理的效率。
在某些实施方式中,根据预设边界阈值,对第一边界值集合和第二边界值集合进行过滤,可以具体包括:
(31)将第一边界值、第二边界值分别与预设边界阈值进行比较;
(32)若第一边界值小于预设边界阈值,则将第一边界值设置为预设值,若第二边界值小于预设边界阈值,则将第二边界值也设置为预设值。
可以理解的是,预设值可以设置为零,即,若第一边界值小于预设边界阈值,则对应的第一区域单元不是边缘;若第二边界值小于预设边界阈值,则对应的第二区域单元也不是边缘。
在本发明实施例中,对第一边界值集合和第二边界值集合进行比较,生成特征比较结果,具体包括:
(41)调取第一区域单元和第二区域单元之间预设的对应关系;
(42)基于该对应关系,将第一边界值集合中的第一边界值和第二边界值集合中的第二边界值进行一一比较。
(43)若第一边界值高于第二边界值,则将第一边界值对应的第一区域单元标记为第一标记单元;若第二边界值高于第一边界值,则将第二边界值对应的第二区域单元标记为第二标记单元。
其中,第一区域单元和第二区域单元之间预设的对应关系可以是第一区域单元的坐标地址和第二区域单元的坐标地址的对应关系,比如,具有相同坐标地址的第一区域单元和第二区域单元确定为具有对应关系。
进而,对第一边界值集合和第二边界值集合进行比较,生成特征比较结果,具体包括:调取具有相同坐标地址的第一区域单元和第二区域单元,将该第一区域单元的第一边界值和该第二区域单元的第二边界值进行比较,采用该方法,将第一边界值集合中的第一边界值和第二边界值集合中的第二边界值进行一一比较。
在步骤S104中,根据特征比较结果,确定第一目标图像和第二目标图像的图像清晰度比较结果。
在某些实施方式中,根据特征比较结果,确定第一目标图像和第二目标图像的图像清晰度比较结果,可以具体包括:
(51)分别统计第一标记单元和第二标记单元的数量。
(52)若第一标记单元的数量大于第二标记单元的数量,则确定第一目标图像的图像清晰度高于第二目标图像的图像清晰度;若第一标记单元的数量小于第二标记单元的数量,则确定第一目标图像的图像清晰度低于第二目标图像的图像清晰度。
可以理解的是,若第一标记单元的数量大于第二标记单元的数量,则表示第一目标图像中边缘的锐利程度和丰富程度高于第二目标图像中边缘的锐利程度和丰富程度,即第一目标图像的图像清晰度高于第二目标图像的图像清晰度;若第一标记单元的数量小于第二标记单元的数量,则表示第一目标图像中边缘的锐利程度和丰富程度低于第二目标图像中边缘的锐利程度和丰富程度,即第一目标图像的图像清晰度低于第二目标图像的图像清晰度。
由上述可知,本发明实施例提供的图像处理方法,首先获取第一目标图像和第二目标图像,其中第一目标图像和第二目标图像具有相同的内容信息;然后基于预设图像边缘检测算法,生成第一目标图像的第一边界值集合以及第二目标图像的第二边界值集合;进而对第一边界值集合和第二边界值集合进行比较,生成特征比较结果;最后根据特征比较结果,确定第一目标图像和第二目标图像的图像清晰度比较结果。即本发明实施例通过预设图像边缘检测算法对第一目标图像和第二目标图像进行处理,获取第一边界值集合和第二边界值集合,其中第一边界值集合和第二边界值集合分别用于定量地表征第一目标图像和第二目标图像的边缘的锐利程度和丰富程度;再通过对第一边界值集合和第二边界值集合进行比较,以定量地、细化地对第一目标图像和第二目标图像的边缘进行比较,从而准确地比较第一目标图像和第二目标图像的图像清晰度。因此,本发明实施例不仅提高了比较图像清晰度的准确性,而且提高了比较图像清晰度的效率。
第二实施例
根据上述实施例所描述的方法,以下将举例作进一步详细说明。
请参阅图2a,图2a是本发明第二实施例提供的图像处理方法的流程示意图。该方法包括:
在步骤S201中,获取第一目标图像和第二目标图像,其中第一目标图像和第二目标图像具有相同的内容信息。
比如,以图像处理装置集成在平板PC为例,平板PC中预先存储至少两张具有相同的内容信息的图像,用户通过平板PC触发操作指令,选取两张具有相同内容信息的图像,这两张图像分别作为第一目标图像和第二目标图像。
需要说明的是,第一目标图像和第二目标图像具有相同的内容信息表示第一目标图像和第二目标图像具有相同的场景,该场景可以由多个对象(比如文字、动物、人物、建筑物等)组成。即,第一目标图像和第二目标图像具有相同的内容信息,并且相对应的对象具有相同的形状及比例。比如参阅图2b,第一目标图像和第二目标图像具有相同的场景,该场景由太阳、天空、海水、小岛、石头等组成。
可以理解的是,由于第一目标图像和第二目标图像具有相同的内容信息,因此第一目标图像和第二目标图像具有相同的图像长宽比。其中,图像长宽比指的是图像的长度和宽度之间的比例。
在步骤S202中,对第二目标图像的图像尺寸进行调整。
在本发明实施例中,对第二目标图像的图像尺寸进行调整,具体包括:
在不改变第二目标图像的长宽比的条件下,调整第二目标图像的图像尺寸,使第二目标图像与第一目标图像的图像尺寸差异值小于或行于预设差异阈值。
可以理解的是,预设差异阈值可以根据终端的图像处理性能等属性确定。比如,预设差异阈值可以设定为零,也可以设定为0.001mm。
比如,参阅图2c,调整第二目标图像22a的图像尺寸,生成调整后的第二目标图像22b,使调整后的第二目标图像22b的尺寸与第一目标图像21的图像尺寸的图像尺寸差异值为零。需要说明的是,图2c为调整图像尺寸的示意图,因此省略了图像的内容信息。
在步骤S203中,对第一目标图像和第二目标图像进行划分。
比如,根据预设划分算法,对第一目标图像进行划分,形成多个预设尺寸的第一区域单元,并且对第二目标图像进行划分,形成多个预设尺寸的第二区域单元。
其中,预设划分算法设置为根据图像的图像尺寸以及区域单元的预设尺寸,将图像划分为多个预设尺寸的区域单元。
比如,参阅图2d,根据预设划分算法,将第一目标图像21划分为8像素*6像素,即将第一目标图像21划分为8*6个第一区域单元,每个第一区域单元的图像尺寸为1像素*1像素;将第二目标图像22同样划分为8像素*6像素,即将第二目标图像22划分为8*6个第二区域单元,每个第二区域单元的图像尺寸为1像素*1像素。在本发明实施例中将1像素*1像素的第一区域单元称为第一像素点,将1像素*1像素的第二区域单元称为第二像素点。需要说明的是,图2d为划分目标图像的示意图,在此省略了图像的内容信息。
在步骤S204中,生成第一目标图像的第一边界值集合和第二目标图像的第二边界值集合。
比如,首先基于预设图像边缘检测算法,生成第一区域单元的第一边界值和第二区域单元的第二边界值;然后将第一目标图像的所有第一边界值确定为第一目标图像的第一边界值集合,并且将第二目标图像的所有第二边界值确定为第二目标图像的第二边界值集合。
其中,预设图像边缘检测算法设置为Sobel边缘检测算法。生成第一目标图像的第一边界值集合和第二目标图像的第二边界值集合,可以具体包括:
步骤a,将第一目标图像和第二目标图像进行处理,分别生成第一目标图像和第二目标图像的灰度图。可以采用常用的灰度变换方法获取第一目标图像和第二目标图像的灰度图,在此就不赘述。参阅图2e,图2e中的两张灰度图分别由图2b中的第一目标图像和第二目标图像转换而成。
步骤b,获取第一区域单元的第一灰度级以及第二区域单元的第二灰度级。参阅图2d,在以下步骤中,以第一目标图像21划分为8*6个第一区域单元,每个第一区域单元的图像尺寸为1像素*1像素,且将第二目标图像22划分为8*6个第二区域单元,每个第二区域单元的图像尺寸为1像素*1像素为例。
步骤c,基于Sobel边缘检测算法,根据第一区域单元的灰度级计算第一区域单元的梯度幅值,并且根据第二区域单元的灰度级计算第二区域单元的梯度幅值,其中第一区域单元的梯度幅值确定为第一区域单元的第一边界值,第二区域单元的梯度幅值确定为第二区域单元的第二边界值。
比如,第一像素点的灰度级为M,第二像素点的灰度级为N,第一像素点的梯度幅值为S,第二像素点的梯度幅值为P。
其中Sobel算子在x方向上的分量Gx如表1所示,在y方向上的分量Gy如表2所示。
-1 | 0 | +1 |
-2 | 0 | +2 |
-1 | 0 | +1 |
表1
+1 | +2 | +1 |
0 | 0 | 0 |
-1 | -2 | -1 |
表2
在本发明实施例中,利用Sobel边缘检测算法计算第一像素点的梯度幅值,具体可以包括:将第一像素点的灰度级M与Sobel算子的Gx分量进行卷积,获得第一像素点在x方向上的梯度分量Sx;将第一像素点的灰度级M与Sobel算子的Gy分量进行卷积,获得第一像素点在y方向上的梯度分量Sy;然后根据Sx和Sy计算第一像素点的梯度幅值S,计算公式为:S=1/2|Sx|+1/2|Sy|,其中,|Sx|表示Sx的绝对值,|Sy|表示Sy的绝对值。
采用同样的方法,可以获得第二像素点在x方向上的梯度分量Px、在y方向上的梯度分量Py以及梯度幅值P,其中P=1/2|Px|+1/2|Py|,其中Px表示第二像素点在x方向上的梯度分量,Py表示第二像素点在y方向上的梯度分量,|Px|表示Px的绝对值,|Py|表示Py的绝对值。
步骤d,根据第一区域单元的坐标地址和第二区域单元的坐标地址建立第一区域单元和第二区域单元的一一对应关系。
比如,具有相同坐标地址的第一区域单元和第二区域单元确定为具有对应关系。
比如,参阅图2f,第一目标图像和第二目标图像均划分为8像素*6像素,第一像素点和第二像素点都有一个唯一的坐标地址,这个坐标地址可以是一个列和行的值,它们分别由x和y来表示。坐标地址(x,y)相同的第一像素点和第二像素点则确定为具有对应关系。
步骤f,基于第一区域单元和第二区域单元的坐标地址,建立第一边界值集合和第二边界值集合。
比如,在第一边界值集合中,可以用S(x,y)表示坐标地址为(x,y)的第一像素点的梯度幅值;在第二边界值集合中,可以用P(x,y)表示坐标地址为(x,y)的第二像素点的梯度幅值。因此,第一边界值集合可以用于表征第一目标图像的边缘的锐利程度和丰富程度,第二边界值集合可以用于表征第二目标图像的边缘的锐利程度和丰富程度。
在某些实施方式中,第一边界值集合和第二边界值集合可以以矩阵的形式存在,第一区域单元的坐标地址和第二区域单元的坐标地址可以由矩阵的列和行的值表示。比如,在第一边界值集合中,用S(1,2)表示第一目标图像中第1列第2行的第一像素点的梯度幅值;在第二边界值集合中,用P(8,3)表示第二目标图像中第8列第3行的第二像素点的梯度幅值。
在步骤S205中,对第一边界值集合和第二边界值集合进行过滤。
比如,设置预设边界阈值为100,将第一边界值集合中的第一像素点的梯度幅值、第二边界值集合中的第二像素点的梯度幅值分别与预设边界阈值进行比较;若第一边界值集合中第一像素点的梯度幅值小于预设边界阈值,则将该第一像素点的梯度幅值设置为预设值,若第二边界值集合中第二像素点的梯度幅值小于预设边界阈值,则将该第一像素点的梯度幅值也设置为预设值。其中,预设值可以设置为0。参见图2g,图2g是过滤图像的噪点的示意图。
在步骤S206中,基于第一区域单元和第二区域单元的对应关系,对第一边界值集合和第二边界值集合进行比较,生成特征比较结果。
比如,在第一边界值集合和第二边界值集合分别调取具有相同坐标(x,y)的第一像素和第二像素点的梯度幅值进行比较,比如调取S(1,1)和P(1,1)进行比较,若S(x,y)大于P(x,y),则将第一目标图像的该第一像素点标记为第一标记单元;若S(x,y)小于P(x,y),则将第二目标图像的该第二像素点标记为第二标记单元。实际上,第一标记单元和第二标记单元仅用于统计数量,因此也可以不需要对第一像素点或第二像素点进行标记,而仅用数值U统计S(x,y)大于P(x,y)的数量,用数值V统计S(x,y)小于P(x,y)的数量。
在步骤S207中,根据特征比较结果,确定第一目标图像和第二目标图像的图像清晰度比较结果,具体包括:
分别统计第一标记单元和第二标记单元的数量;
若第一标记单元的数量大于第二标记单元的数量,则确定第一目标图像的图像清晰度高于第二目标图像的图像清晰度;若第一标记单元的数量小于第二标记单元的数量,则确定第一目标图像的图像清晰度低于第二目标图像的图像清晰度
在某些实施方式中,可以分别统计S(x,y)大于P(x,y)的数量U以及S(x,y)小于P(x,y)的数量V,若U大于V,则确定第一目标图像的图像清晰度高于第二目标图像的图像清晰度;若U小于V,则确定第一目标图像的图像清晰度低于第二目标图像的图像清晰度。
另外,在该实施例中没有详述的部分,可以参见第一实施例针对图像处理方法的详细描述,此处不再赘述。
本发明实施例通过计算表征第一目标图像的边缘的锐利程度和丰富程度的第一边界值集合以及表征第二目标图像的边缘的锐利程度和丰富程度的第二边界值集合,以定量地、细化地对第一目标图像和第二目标图像的边缘进行比较,从而准确地比较第一目标图像和第二目标图像的清晰度,不仅提高了比较图像清晰度的准确性,而且提高了比较图像清晰度的效率。
第三实施例
为了便于更好的实施本发明实施例提供的图像处理方法,本发明实施例还提供一种基于上述图像处理方法的装置。其中名词的含义与上述图像渲染的方法中相同,具体实现细节可以参考方法实施例中的说明。
请参阅图3a,图3a为本发明第三实施例提供的图像处理装置的结构示意图,其中该图像处理装置300可以包括获取模块301、生成模块302、第一比较模块303以及第二比较模块304。
在图像处理装置300中,获取模块301可以用于获取第一目标图像和第二目标图像,其中第一目标图像和第二目标图像具有相同的内容信息。
比如,以图像处理装置集成在平板PC为例,平板PC中预先存储至少两张具有相同的内容信息的图像,用户通过平板PC指定其中两张具有相同的内容信息的图像,这两张图像分别作为第一目标图像和第二目标图像。在某些实施方式中,用户也可以通过平板PC从互联网下载两张具有相同的内容信息的图像。
又比如,以图像处理装置集成在平板PC为例,服务器中预先存储至少两张具有相同的内容场景的图像,用户通过平板PC指定其中两张具有相同的内容信息的图像,这两张图像分别作为第一目标图像和第二目标图像。
需要说明的是,第一目标图像和第二目标图像具有相同的内容信息表示第一目标图像和第二目标图像具有相同的场景,该场景可以由多个对象(比如文字、动物、人物、建筑物等)组成。即,第一目标图像和第二目标图像具有相同的内容信息表示第一目标图像和第二目标图像中具有相同的多个对象,并且相对应的对象具有相同的形状及比例。
可以理解的是,由于第一目标图像和第二目标图像具有相同的内容信息,因此第一目标图像和第二目标图像具有相同的图像长宽比。其中,图像长宽比指的是图像的长度和宽度之间的比例。
在本发明实施例中,图像处理装置还包括调整模块305。调整模块305可以用于调整第二目标图像的图像尺寸,使第二目标图像与第一目标图像的图像尺寸差异值小于或等于预设差异阈值。
比如,在不改变第二目标图像的长宽比的条件下,调整第二目标图像的尺寸,使第二目标图像与第一目标图像的图像尺寸差异值小于或等于预设差异阈值。
其中,图像尺寸指的是图像的长度和宽度。图像的长度和宽度的单位可以是像素,也可以是厘米。
需要说明的是,图像尺寸差异值指的是第一目标图像的长度和第二目标图像的长度之间的差值,或者第一目标图像的宽度和第二目标图像的宽度之间的差值。
预设差异阈值用于表示若第一目标图像和第二目标图像的图像尺寸差异值小于该预设差异阈值时,则认为第一目标图像和第二目标图像具有相同的图像尺寸。可以理解的是,预设差异阈值可以根据终端的图像处理性能等属性确定。比如,预设差异阈值可以设定为零,即第一目标图像的长度和第二目标图像的长度的差值为零,或第一目标图像和宽度和第二目标图像的宽度的差值为零,也就是说,第一目标图像和第二目标图像具有相同的图像尺寸。
在某些实施方式中,可以对第一目标图像的图像尺寸进行调整,使第一目标图像与第二目标图像的图像尺寸差异值小于或等于预设差异阈值。
可以理解的是,在某些实施方式中,也可以对第一目标图像和第二目标图像的图像尺寸均进行调整,使第一目标图像的图像尺寸、第二目标图像的图像尺寸与预先设定的图像尺寸的图像尺寸差异值小于或等于预设差异阈值。
在某些实施方式中,在获取第一目标图像和第二目标图像之后,可以对第一目标图像和第二目标图像的图像尺寸进行对比,调整图像尺寸较大的目标图像(比如第二目标图像),使该目标图像的图像尺寸与图像尺寸较小的目标图像(比如第一目标图像)的图像尺寸差异值小于或等于预设差异阈值。
在图像处理装置300中,生成模块302可以用于基于预设图像边缘检测算法,生成第一目标图像的集合以及第二目标图像的第二边界值集合。
在某些实施方式中,请一并参阅图3b,生成模块302可以包括划分子模块3021、生成子模块3022以及第一确定子模块3033。
其中,划分子模块3021,可以用于根据预设划分算法,对第一目标图像进行划分,形成多个预设尺寸的第一区域单元,并且对第二目标图像进行划分,形成多个预设尺寸的第二区域单元。
生成子模块3022,可以用于基于预设图像边缘检测算法,生成第一区域单元的第一边界值和第二区域单元的第二边界值。
第一确定子模块3033,可以用于将第一目标图像所有的第一边界值确定为第一目标图像的第一边界值集合,并且将第二目标图像所有的第二边界值确定为第二目标图像的第二边界值集合。
其中,预设划分算法指的是将图像划分为多个预设尺寸的区域单元的算法。比如,预设划分算法设置为根据图像的图像尺寸以及区域单元的预设尺寸,将图像划分为多个预设尺寸的区域单元。由于在基于预设图像边缘检测算法,生成第一区域单元的第一边界值和第二区域单元的第二边界值之前,已经对第二目标图像的图像尺寸进行调整,使第一目标图像和第二目标图像具有相同的图像尺寸,因此,采用预设划分算法对第一目标图像和第二目标图像进行划分之后,第一目标图像的第一区域单元的数量和第二目标图像的第二区域单元的数量相同。
在本发明实施例中,区域单元指的是具有特定图像尺寸的图像区域。比如,区域单元表示1像素*1像素的图像区域。可以理解的,第一目标图像中的第一区域单元和第二目标图像中的第二区域单元都有一个唯一的坐标地址,这个坐标地址可以被认为是一个列和行的值。
在本发明实施例中,边缘指的是图像局部特性的不连续性而呈现的区域边界,比如灰度级的突变、颜色的突变、纹理结构的突变等。
在本发明实施例中,图像边缘检测算法指的是检测图像中的边缘特征的算法,比如Sobel边缘检测算法、Robert边缘检测算法、Prewitt边缘检测算法等。比如,预设图像边缘检测算法设置为Sobel边缘检测算法,基于Sobel边缘检测算法可以生成第一区域单元的第一边界值和第二区域单元的第二边界值。
在本发明实施例中,边界值指的是表征边缘的锐利程度和丰富程度的梯度幅值,该梯度幅值可以根据区域单元与周围区域单元之间的梯度而计算得出,其中标量场中某一点上的梯度指向标量场增长最快的方向,梯度幅值表示该点在该方向上的最大变化率。比如,第一边界值指的是表征第一区域单元的边缘的锐利程度和丰富程度的梯度幅值,第二边界值指的是表征第二区域单元的边缘的锐利程度和丰富程度的梯度幅值,其中梯度幅值根据对应的图像区域与该图像区域周围的图像区域之间梯度计算得出。
在本发明实施例中,第一边界值集合指的是基于第一区域单元的坐标地址及第一区域单元的第一边界值而建立的集合,即第一目标图像中的每一个坐标地址存储对应的第一边界值;第二边界值集合指的是基于第二区域单元的坐标地址及第二区域单元的第二边界值而建立的集合,即第二目标图像中的每一个坐标地址存储对应的第二边界值。由于第一边界值是表征第一区域单元的边缘的锐利程度和丰富程度的梯度幅值,第二边界值是表征第二区域单元的边缘的锐利程度和丰富程度的梯度幅值,因此第一边界值集合可以用于表征第一目标图像的边缘的锐利程度和丰富程度,且第二边界值集合可以用于表征第二目标图像的边缘的锐利程度和丰富程度。
在某些实施方式中,生成子模块3022可以包括获取子模块3022a以及计算子模块3022b。
其中,获取子模块3022a,可以用于获取第一区域单元的第一灰度信息以及第二区域单元的第二灰度信息。
计算子模块3022b,可以用于基于预设图像边缘检测算法,根据第一灰度信息计算第一区域单元的第一边界值,并且根据第二灰度信息计算第二区域单元的第二边界值。
其中,灰度信息指的是灰度级,即第一灰度信息指的是第一区域单元的灰度级,第二灰度信息指的是第二区域单元的灰度级。灰度级指的是图像中每个颜色与自身色光对应的明度值,包括白色、黑色和期间的多级灰度。通常灰度级的范围从0至255,白色的灰度级为255,黑色的灰度级为0。
在本发明实施例中,边缘可以是图像中的灰度级发生急剧变化的区域边界,进而边界值可以通过根据灰度级计算得出的梯度幅值进行表征。
进而,基于预设图像边缘检测算法,生成第一区域单元的第一边界值和所述第二区域单元的第二边界值,可以具体包括:获取第一区域单元的灰度级以及第二区域单元的灰度级;基于预设图像边缘检测算法,根据第一区域单元的灰度级计算第一区域单元的梯度幅值,并且根据第二区域单元的灰度级计算第二区域单元的梯度幅值。从而由第一区域单元的梯度幅值反映第一目标图像的边缘,由第二区域单元的梯度幅值反映第二目标图像的边缘。
在图像处理装置300中,第一比较模块303可以用于对第一边界值集合和第二边界值集合进行比较,生成特征比较结果。
在某些实施方式中,图像处理装置300还可以包括过滤模块306,其中过滤模块306,可以用于根据预设边界阈值,对第一边界值集合和第二边界值集合进行过滤。
比如,在对第一边界值集合和第二边界值集合进行比较,生成特征比较结果之前,过滤模块306通过预设边界阈值,将第一边界值集合和第二边界值集合中的噪点进行过滤。其中,噪点指的是达不到构成边缘的条件的第一边界值和/或第二边界值。
其中,预设边界阈值指的是达不到构成边缘的条件的边界值。
在对第一边界值集合和第二边界值集合进行比较之前对第一边界值集合和第二边界值集合进行过滤,可以去除第一目标图像和第二目标图像中的噪点,不仅能够获得更加准确的第一边界值集合和第二边界值集合,以获得更加准确的图像清晰度的比较结果,而且由于去除了第一边界值集合和第二边界值集合中的噪点,可以减少后续对第一边界值集合和第二边界值集合进行比较的数据量,提高了数据处理的效率。
在某些实施方式中,过滤模块306可以包括第一比较子模块3061以及设置子模块3062。
其中,第一比较子模块3061,可以用于将第一边界值、第二边界值分别与预设边界阈值进行比较。
设置子模块3062,可以用于若第一边界值小于预设边界阈值,则将第一边界值设置为预设值,若第二边界值小于预设边界阈值,则将第二边界值也设置为预设值。
可以理解的是,预设值可以设置为零,即,若第一边界值小于预设边界阈值,则对应的第一区域单元不是边缘;若第二边界值小于预设边界阈值,则对应的第二区域单元也不是边缘。
在某些实施方式中,第一比较模块303可以包括调取子模块3031、第二比较子模块3032以及标记子模块3033。
其中,调取子模块3031,可以用于调取第一区域单元和第二区域单元之间预设的对应关系。
第二比较子模块3032,可以用于基于该对应关系,将第一边界值集合中的第一边界值和第二边界值集合中的第二边界值进行一一比较。
标记子模块3033,可以用于若第一边界值高于第二边界值,则将第一边界值对应的第一区域单元标记为第一标记单元;若第二边界值高于第一边界值,则将第二边界值对应的第二区域单元标记为第二标记单元。
其中,第一区域单元和第二区域单元之间预设的对应关系可以是第一区域单元的坐标地址和第二区域单元的坐标地址的对应关系,比如,具有相同坐标地址的第一区域单元和第二区域单元确定为具有对应关系。
进而,对第一边界值集合和第二边界值集合进行比较,生成特征比较结果,具体包括:调取具有相同坐标地址的第一区域单元和第二区域单元,将该第一区域单元的第一边界值和该第二区域单元的第二边界值进行比较,采用该方法,将第一边界值集合中的第一边界值和第二边界值集合中的第二边界值进行一一比较。
在图像处理装置300中,第二比较模块304可以用于根据特征比较结果,确定第一目标图像和第二目标图像的图像清晰度比较结果。
在某些实施方式中,第二比较模块304可以包括统计子模块3041以及第二确定子模块3042:
其中,统计子模块3041,可以用于分别统计第一标记单元和第二标记单元的数量。
第二确定子模块3042,可以用于若第一标记单元的数量大于第二标记单元的数量,则确定第一目标图像的图像清晰度高于第二目标图像的图像清晰度;若第一标记单元的数量小于第二标记单元的数量,则确定第一目标图像的图像清晰度低于第二目标图像的图像清晰度。
可以理解的是,若第一标记单元的数量大于第二标记单元的数量,则表示第一目标图像中边缘的锐利程度和丰富程度高于第二目标图像中边缘的锐利程度和丰富程度,即第一目标图像的图像清晰度高于第二目标图像的图像清晰度;若第一边界值集合中第一标记单元的数量小于第二边界值集合中第二标记单元的数量,则表示第一目标图像中边缘的锐利程度和丰富程度低于第二目标图像中边缘的锐利程度和丰富程度,即第一目标图像的图像清晰度低于第二目标图像的图像清晰度。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
由于本发明实施例通过预设图像边缘检测算法对第一目标图像和第二目标图像进行处理,获取第一边界值集合和第二边界值集合,其中第一边界值集合和第二边界值集合分别用于定量地表征第一目标图像和第二目标图像的边缘的锐利程度和丰富程度;再通过对第一边界值集合和第二边界值集合进行比较,以定量地、细化地对第一目标图像和第二目标图像的边缘进行比较,从而准确地比较第一目标图像和第二目标图像的图像清晰度。因此,本发明实施例不仅提高了比较图像清晰度的准确性,而且提高了比较图像清晰度的效率。
第四实施例
本发明实施例还提供一种服务器,其中可以集成本发明实施例的图像处理装置,如图4所示,其示出了本发明实施例所涉及的服务器400的结构示意图。
服务器400可以包括一个或者一个以上处理核心的处理器401、一个或者一个以上计算机可读存储介质的存储器402、输入单元403、显示单元404、通讯单元405以及电源406等部件。本领域技术人员可以理解,图4中示出的服务器结构并不构成对服务器的限定,服务器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:
处理器401是该服务器的控制中心,利用各种接口和线路连接整个服务器的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行服务器的各种功能和处理数据,从而对服务器进行整体监控。可选的,处理器401可以包括一个或多个处理核心;在某些实施方式中,处理器401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,上述调制解调器也可不集成到处理器401中。
存储器402可以用于存储软件程序及模块,处理器401通过运行存储在存储器402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402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服务器的使用所创建的数据等。此外,存储器402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402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
服务器400还可以包括输入单元403。该输入单元403可以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403可包括触控板、物理键盘、鼠标、操作杆等中的一种或多种输入设备。
服务器400还可以包括显示单元404。该显示单元404可以用于显示由用户输入的信息或提供给用户的信息以及服务器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404可包括显示面板,可选的,可以采用液晶显示器(LCD,Liquid Crystal Display)、有机发光二极管(OLED,Organic Light-Emitting Diode)等形式来配置显示面板。
服务器400还可以包括通讯单元405。该通讯单元405可用于收发信息过程中,信号的接收和发送,特别地,通讯单元405接收终端发送的信号,并将信号交由一个或者一个以上处理器401处理。
服务器400还可以包括给各个部件供电的电源406(比如电池),在某些实施方式中,电源可以通过电源管理***与处理器401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406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。
具体在本实施例中,服务器400中的处理器401会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
获取第一目标图像和第二目标图像,其中第一目标图像和第二目标图像具有相同的内容信息;基于预设图像边缘检测算法,生成第一目标图像的第一边界值集合以及第二目标图像的第二边界值集合;对第一边界值集合和第二边界值集合进行比较,生成特征比较结果;根据特征比较结果,确定第一目标图像和第二目标图像的图像清晰度比较结果。
在某些实施方式中,处理器401获取第一目标图像和第二目标图像之后,还可以用于:调整第二目标图像的图像尺寸,使第二目标图像与第一目标图像的图像尺寸差异值小于或等于预设差异阈值。
在某些实施方式中,处理器401基于预设图像边缘检测算法,生成第一目标图像的第一边界值集合以及第二目标图像的第二边界值集合,具体可以包括:
根据预设划分算法,对第一目标图像进行划分,形成多个预设尺寸的第一区域单元,并且对第二目标图像进行划分,形成多个预设尺寸的第二区域单元;
基于预设图像边缘检测算法,生成第一区域单元的第一边界值和第二区域单元的第二边界值;
将第一目标图像所有的第一边界值确定为第一目标图像的第一边界值集合,并且将第二目标图像所有的第二边界值确定为第二目标图像的第二边界值集合。
进一步的,处理器401基于预设图像边缘检测算法,生成第一区域单元的第一边界值和第二区域单元的第二边界值,具体可以包括:获取第一区域单元的第一灰度信息以及第二区域单元的第二灰度信息;基于预设图像边缘检测算法,根据第一灰度信息计算第一区域单元的第一边界值,并且根据第二灰度信息计算第二区域单元的第二边界值。
在某些实施方式中,处理器401对第一边界值集合和第二边界值集合进行比较,生成特征比较结果之前,还可以用于:根据预设边界阈值,对第一边界值集合和第二边界值集合进行过滤。
进一步的,处理器401根据预设边界阈值,对第一边界值集合和第二边界值集合进行过滤,具体可以包括:将第一边界值、第二边界值分别与预设边界阈值进行比较;若第一边界值小于预设边界阈值,则将第一边界值设置为预设值,若第二边界值小于预设边界阈值,则将第二边界值也设置为所述预设值。
在某些实施方式中,处理器401对第一边界值集合和第二边界值集合进行比较,生成特征比较结果,具体可以包括:调取第一区域单元和第二区域单元之间预设的对应关系;基于对应关系,将第一边界值集合中的第一边界值和第二边界值集合中的第二边界值进行一一比较;若第一边界值高于第二边界值,则将第一边界值对应的第一区域单元标记为第一标记单元;若第二边界值高于第一边界值,则将第二边界值对应的第二区域单元标记为第二标记单元。
在某些实施方式中,处理器401根据特征比较结果,确定第一目标图像和第二目标图像的图像清晰度比较结果,具体可以包括:分别统计第一标记单元和第二标记单元的数量;若第一标记单元的数量大于第二标记单元的数量,则确定第一目标图像的图像清晰度高于第二目标图像的图像清晰度;若第一标记单元的数量小于第二标记单元的数量,则确定第一目标图像的图像清晰度低于第二目标图像的图像清晰度。
由上述可知,本发明实施例提供的服务器通过计算表征第一目标图像的边缘的锐利程度和丰富程度的第一边界值集合以及表征第二目标图像的边缘的锐利程度和丰富程度的第二边界值集合,以定量地、细化地对第一目标图像和第二目标图像的边缘进行比较,从而准确地比较第一目标图像和第二目标图像的图像清晰度,不仅提供了比较图像清晰度的准确性,而且提高了比较图像清晰度的效率。
第五实施例
一种存储介质,其中所述存储介质用于储存多条指令,所述多条指令适于由处理器加载并执行上述实施例中的图像处理方法,比如:获取第一目标图像和第二目标图像,其中所述第一目标图像和所述第二目标图像具有相同的内容信息;基于预设图像边缘检测算法,生成所述第一目标图像的第一边界值集合以及所述第二目标图像的第二边界值集合;对所述第一边界值集合和所述第二边界值集合进行比较,生成特征比较结果;根据所述特征比较结果,确定所述第一目标图像和所述第二目标图像的图像清晰度比较结果。
在本发明实施例中,所述存储介质可以是磁碟、光盘、只读存储器(ROM,Read OnlyMemory)、或者随机存取记忆体(RAM,Random Access Memory)等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上述针对图像处理方法的详细描述,此处不再赘述。
本发明实施例提供的所述图像处理装置,譬如为计算机、平板电脑、具有触摸功能的手机等等,所述图像处理装置与上文实施例中的图像处理装置属于同一构思,在所述图像处理装置上可以运行所述图像处理方法实施例中提供的任一方法,其具体实现过程详见所述图像处理方法实施例,此处不再赘述。
需要说明的是,对本发明所述图像处理方法而言,本领域普通测试人员可以理解实现本发明实施例所述图像处理方法的全部或部分流程,是可以通过计算机程序来控制相关的硬件来完成,所述计算机程序可存储于一计算机可读取存储介质中,如存储在终端的存储器,并被该终端内的至少一个处理器执行,在执行过程中可包括如所述图像处理方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储器(ROM,Read OnlyMemory)、随机存取记忆体(RAM,Random Access Memory)等。
对本发明实施例的所述图像处理装置而言,其各功能模块可以集成在一个处理芯片中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中,所述存储介质譬如为只读存储器,磁盘或光盘等。
以上对本发明实施例所提供的一种图像处理方法、装置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 (15)
1.一种图像处理方法,其特征在于,包括:
获取第一目标图像和第二目标图像,其中所述第一目标图像和所述第二目标图像具有相同的内容信息;
基于预设图像边缘检测算法,针对所述第一目标图像中的每个第一区域单元,计算对应的第一边界值,以及针对所述第二目标图像中的每个第二区域单元,计算对应的第二边界值,所述第一边界值为表征所述第一区域单元中边缘的锐利程度和丰富程度的梯度幅值,所述第二边界值为表征所述第二区域单元中边缘的锐利程度和丰富程度的梯度幅值;
根据每个所述第一区域单元对应的第一边界值,生成所述第一目标图像的第一边界值集合,以及根据每个所述第二区域单元对应的第一边界值,生成所述第二目标图像的第二边界值集合;
基于所述第一区域单元的坐标地址和所述第二区域单元的坐标地址之间的对应关系,将所述第一边界值与对应的第二边界值进行比较,得到特征比较结果;
根据所述特征比较结果,确定所述第一目标图像和所述第二目标图像的图像清晰度比较结果。
2.根据权利要求1所述的图像处理方法,其特征在于,所述获取第一目标图像和第二目标图像之后,还包括:
调整所述第二目标图像的图像尺寸,使所述第二目标图像与所述第一目标图像的图像尺寸差异值小于或等于预设差异阈值;
所述基于预设图像边缘检测算法,生成所述第一目标图像的第一边界值集合以及所述第二目标图像的第二边界值集合,包括:
基于预设图像边缘检测算法,生成所述第一目标图像的第一边界值集合以及调整后的第二目标图像的第二边界值集合。
3.根据权利要求2所述的图像处理方法,其特征在于,所述基于预设图像边缘检测算法,生成所述第一目标图像的第一边界值集合以及所述第二目标图像的第二边界值集合,包括:
根据预设划分算法,对所述第一目标图像进行划分,形成多个预设尺寸的第一区域单元,并且对所述第二目标图像进行划分,形成多个预设尺寸的第二区域单元;
基于预设图像边缘检测算法,生成所述第一区域单元的第一边界值和所述第二区域单元的第二边界值;
将所述第一目标图像所有的第一边界值确定为所述第一目标图像的第一边界值集合,并且将所述第二目标图像所有的第二边界值确定为所述第二目标图像的第二边界值集合。
4.根据权利要求3所述的图像处理方法,其特征在于,所述基于预设图像边缘检测算法,生成所述第一区域单元的第一边界值和所述第二区域单元的第二边界值,包括:
获取所述第一区域单元的第一灰度信息以及所述第二区域单元的第二灰度信息;
基于预设图像边缘检测算法,根据所述第一灰度信息计算所述第一区域单元的第一边界值,并且根据所述第二灰度信息计算所述第二区域单元的第二边界值。
5.根据权利要求3所述的图像处理方法,其特征在于,所述对所述第一边界值集合和所述第二边界值集合进行比较,生成特征比较结果之前,还包括:
根据预设边界阈值,对所述第一边界值集合和所述第二边界值集合进行过滤;
所述对所述第一边界值集合和所述第二边界值集合进行比较,生成特征比较结果,包括:
对过滤后的所述第一边界值集合和所述第二边界值集合进行比较,生成特征比较结果。
6.根据权利要求5所述的图像处理方法,其特征在于,所述根据预设边界阈值,对所述第一边界值集合和所述第二边界值集合进行过滤,包括:
将所述第一边界值、所述第二边界值分别与预设边界阈值进行比较;
若所述第一边界值小于所述预设边界阈值,则将所述第一边界值设置为预设值,若所述第二边界值小于所述预设边界阈值,则将所述第二边界值也设置为所述预设值。
7.根据权利要求3所述的图像处理方法,其特征在于,所述对所述第一边界值集合和所述第二边界值集合进行比较,生成特征比较结果,包括:
调取所述第一区域单元和所述第二区域单元之间预设的对应关系;
基于所述对应关系,将所述第一边界值集合中的第一边界值和所述第二边界值集合中的第二边界值进行一一比较;
若所述第一边界值高于所述第二边界值,则将所述第一边界值对应的第一区域单元标记为第一标记单元;若所述第二边界值高于所述第一边界值,则将所述第二边界值对应的第二区域单元标记为第二标记单元。
8.根据权利要求7所述的图像处理方法,其特征在于,所述根据所述特征比较结果,确定所述第一目标图像和所述第二目标图像的图像清晰度比较结果,包括:
分别统计所述第一标记单元和所述第二标记单元的数量;
若所述第一标记单元的数量大于所述第二标记单元的数量,则确定所述第一目标图像的图像清晰度高于所述第二目标图像的图像清晰度;若所述第一标记单元的数量小于所述第二标记单元的数量,则确定所述第一目标图像的图像清晰度低于所述第二目标图像的图像清晰度。
9.一种图像处理装置,其特征在于,包括:
获取模块,用于获取第一目标图像和第二目标图像,其中所述第一目标图像和所述第二目标图像具有相同的内容信息;
生成模块,用于基于预设图像边缘检测算法,针对所述第一目标图像中的每个第一区域单元,计算对应的第一边界值,以及针对所述第二目标图像中的每个第二区域单元,计算对应的第二边界值,所述第一边界值为表征所述第一区域单元中边缘的锐利程度和丰富程度的梯度幅值,所述第二边界值为表征所述第二区域单元中边缘的锐利程度和丰富程度的梯度幅值;以及根据每个所述第一区域单元对应的第一边界值,生成所述第一目标图像的第一边界值集合,根据每个所述第二区域单元对应的第一边界值,以及所述第二目标图像的第二边界值集合;
第一比较模块,用于基于所述第一区域单元的坐标地址和所述第二区域单元的坐标地址之间的对应关系,将所述第一边界值与对应的第二边界值进行比较,得到每个所述第一边界值与对应的第二边界值之间的特征比较结果;
第二比较模块,用于根据所述特征比较结果,确定所述第一目标图像和所述第二目标图像的图像清晰度比较结果。
10.根据权利要求9所述的图像处理装置,其特征在于,所述装置还包括:
调整模块,用于调整所述第二目标图像的图像尺寸,使所述第二目标图像与所述第一目标图像二者的图像尺寸差异值小于或等于预设差异阈值;
所述生成模块,用于基于预设图像边缘检测算法,生成所述第一目标图像的第一边界值集合以及调整后的第二目标图像的第一边界值集合。
11.根据权利要求10所述的图像处理装置,其特征在于,所述生成模块包括:
划分子模块,用于根据预设划分算法,对所述第一目标图像进行划分,形成多个预设尺寸的第一区域单元,并且对所述第二目标图像进行划分,形成多个预设尺寸的第二区域单元;
生成子模块,用于基于预设图像边缘检测算法,生成所述第一区域单元的第一边界值和所述第二区域单元的第二边界值;
第一确定子模块,用于将所述第一目标图像所有的第一边界值确定为所述第一目标图像的第一边界值集合,并且将所述第二目标图像所有的第二边界值确定为所述第二目标图像的第二边界值集合。
12.根据权利要求11所述的图像处理装置,其特征在于,所述生成子模块包括:
获取子模块,用于获取所述第一区域单元的第一灰度信息以及所述第二区域单元的第二灰度信息;
计算子模块,用于基于所述预设图像边缘检测算法,根据所述第一灰度信息计算所述第一区域单元的第一边界值,并且根据所述第二灰度信息计算所述第二区域单元的第二边界值。
13.根据权利要求11所述的图像处理装置,其特征在于,所述第一比较模块包括:
调取子模块,用于调取所述第一区域单元和所述第二区域单元之间预设的对应关系;
第二比较子模块,用于基于所述对应关系,将所述第一边界值集合中的第一边界值和所述第二边界值集合中的第二边界值进行一一比较;
标记子模块,用于若所述第一边界值高于所述第二边界值,则将所述第一边界值对应的第一区域单元标记为第一标记单元,并且若所述第二边界值高于所述第一边界值,则将所述第二边界值对应的第二区域单元标记为第二标记单元。
14.根据权利要求13所述的图像处理装置,其特征在于,所述第二比较模块包括:
统计子模块,用于分别统计所述第一标记单元和所述第二标记单元的数量;
第二确定子模块,用于若所述第一标记单元的数量大于所述第二标记单元的数量,则确定所述第一目标图像的图像清晰度高于所述第二目标图像的图像清晰度;若所述第一标记单元的数量小于所述第二标记单元的数量,则确定所述第一目标图像的图像清晰度低于所述第二目标图像的图像清晰度。
15.一种存储介质,其特征在于,所述存储介质用于储存多条指令,所述多条指令适于由处理器加载并执行如权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710455122.3A CN107330905B (zh) | 2017-06-16 | 2017-06-16 | 一种图像处理方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710455122.3A CN107330905B (zh) | 2017-06-16 | 2017-06-16 | 一种图像处理方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107330905A CN107330905A (zh) | 2017-11-07 |
CN107330905B true CN107330905B (zh) | 2022-05-06 |
Family
ID=60194195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710455122.3A Active CN107330905B (zh) | 2017-06-16 | 2017-06-16 | 一种图像处理方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107330905B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108109145A (zh) * | 2018-01-02 | 2018-06-01 | 中兴通讯股份有限公司 | 图像质量检测方法、装置、存储介质和电子装置 |
CN110827254A (zh) * | 2019-10-31 | 2020-02-21 | 北京京东尚科信息技术有限公司 | 图像清晰度的确定方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679702A (zh) * | 2013-11-20 | 2014-03-26 | 华中科技大学 | 一种基于图像边缘矢量的匹配方法 |
CN103795920A (zh) * | 2014-01-21 | 2014-05-14 | 宇龙计算机通信科技(深圳)有限公司 | 照片处理方法及装置 |
CN103793918A (zh) * | 2014-03-07 | 2014-05-14 | 深圳市辰卓科技有限公司 | 一种图像清晰度检测方法及装置 |
-
2017
- 2017-06-16 CN CN201710455122.3A patent/CN107330905B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679702A (zh) * | 2013-11-20 | 2014-03-26 | 华中科技大学 | 一种基于图像边缘矢量的匹配方法 |
CN103795920A (zh) * | 2014-01-21 | 2014-05-14 | 宇龙计算机通信科技(深圳)有限公司 | 照片处理方法及装置 |
CN103793918A (zh) * | 2014-03-07 | 2014-05-14 | 深圳市辰卓科技有限公司 | 一种图像清晰度检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107330905A (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108550101B (zh) | 图像处理方法、装置及存储介质 | |
US11410277B2 (en) | Method and device for blurring image background, storage medium and electronic apparatus | |
CN107957294B (zh) | 环境光强度检测方法、装置、存储介质及电子设备 | |
CN108074237B (zh) | 图像清晰度检测方法、装置、存储介质及电子设备 | |
CN110070551B (zh) | 视频图像的渲染方法、装置和电子设备 | |
CN113192470B (zh) | 屏幕调节方法、装置、存储介质及电子设备 | |
CN108764139B (zh) | 一种人脸检测方法、移动终端及计算机可读存储介质 | |
CN110572636B (zh) | 摄像头脏污检测方法、装置、存储介质及电子设备 | |
US20150187051A1 (en) | Method and apparatus for estimating image noise | |
CN109616080B (zh) | 一种异形屏轮廓补偿方法及终端 | |
CN111489322A (zh) | 给静态图片加天空滤镜的方法及装置 | |
CN111368587A (zh) | 场景检测方法、装置、终端设备及计算机可读存储介质 | |
CN107330905B (zh) | 一种图像处理方法、装置及存储介质 | |
CN113920022A (zh) | 一种图像优化方法、装置、终端设备及可读存储介质 | |
CN113487473B (zh) | 一种添加图像水印的方法、装置、电子设备及存储介质 | |
CN113516697B (zh) | 图像配准的方法、装置、电子设备及计算机可读存储介质 | |
CN111563517A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN109559707B (zh) | 显示面板的伽马值处理方法、装置及显示设备 | |
CN115456983A (zh) | 一种水面漂浮物检测方法、***、设备及介质 | |
CN111861965A (zh) | 图像逆光检测方法、图像逆光检测装置及终端设备 | |
CN115760653A (zh) | 图像校正方法、装置、设备及可读存储介质 | |
CN108965867A (zh) | 一种相机图像参数计算方法及装置 | |
CN116797954A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111626913B (zh) | 一种图像处理方法、装置及存储介质 | |
CN114677319A (zh) | 干细胞分布确定方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |