CN108898604A - 用于处理图像的方法和设备 - Google Patents
用于处理图像的方法和设备 Download PDFInfo
- Publication number
- CN108898604A CN108898604A CN201810689773.3A CN201810689773A CN108898604A CN 108898604 A CN108898604 A CN 108898604A CN 201810689773 A CN201810689773 A CN 201810689773A CN 108898604 A CN108898604 A CN 108898604A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- resolution ratio
- priority
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
- G06F3/1407—General aspects irrespective of display type, e.g. determination of decimal point position, display with fixed or driving decimal point, suppression of non-significant zeros
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了用于处理图像的方法和设备。用于处理图像的方法的一具体实施方式包括:获取待处理图像;利用目标检测算法检测出待处理图像中的至少一种目标的信息;基于至少一种目标的信息对待处理图像进行分割,得到分割图像;对分割图像进行采样,得到处理图像。该实施方式基于图像中的目标的信息分割图像,从而实现了在保留图像的主要内容的基础上,快速地处理出适配不同显示分辨率的显示屏的图像。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于处理图像的方法和设备。
背景技术
随着通信技术的不断发展,具有各种显示分辨率的显示屏的终端设备层出不穷。例如,台式计算机和便携式计算机的显示屏通常是横屏,即水平分辨率大于竖直分辨率。智能手机的显示屏通常是竖屏,即竖直分辨率大于水平分辨率。这样,当一张适配横屏的图像需要在具有竖屏显示屏的智能手机上进行显示时,就需要修改这张图像的分辨率,以使修改后的图像适配竖屏。同理,当一张适配竖屏的图像需要在具有横屏显示屏的台式计算机或便携式计算机上进行显示时,也需要修改这张图像的分辨率,以使修改后的图像适配横屏。
目前,现有的图像处理方式主要是在图像两端添加辅助像素。例如,当一张适配横屏的图像需要在具有竖屏显示屏的智能手机上进行显示时,在图像的上方和下方添加辅助像素。当一张适配竖屏的图像需要在具有横屏显示屏的台式计算机或便携式计算机上进行显示时,在图像的左侧和右侧添加辅助像素。
发明内容
本申请实施例提出了用于处理图像的方法和设备。
第一方面,本申请实施例提供了一种用于处理图像的方法,包括:获取待处理图像;利用目标检测算法检测出待处理图像中的至少一种目标的信息;基于至少一种目标的信息对待处理图像进行分割,得到分割图像;对分割图像进行采样,得到处理图像。
在一些实施例中,利用目标检测算法检测出待处理图像中的至少一种目标的信息,包括:将待处理图像输入至预先训练的目标检测模型,得到待处理图像中的至少一种目标的信息,其中,目标检测模型用于检测图像中的目标。
在一些实施例中,目标检测模型是通过如下步骤训练得到的:获取训练样本集合,其中,训练样本包括样本图像和样本图像中的样本目标的信息;将训练样本集合中的样本图像作为输入,将输入的样本图像中的样本目标的信息作为输出,训练得到目标检测模型。
在一些实施例中,至少一种目标的信息包括至少一种目标的类别;以及基于至少一种目标的信息对待处理图像进行分割,得到分割图像,包括:基于至少一种目标的类别查询预设的类别与类型对应关系表,得到至少一种目标的类别对应的类型,其中,类别与类型对应关系表中的一种类型对应多种类别,不同类型对应不同类别;基于至少一种目标的类别对应的类型,确定至少一种目标的优先级;基于至少一种目标的优先级对待处理图像进行分割,得到分割图像。
在一些实施例中,至少一种目标的信息还包括至少一种目标在待处理图像中的位置信息;以及基于至少一种目标的类别对应的类型,确定至少一种目标的优先级,包括:基于至少一种目标的位置信息,确定至少一种目标的边界框的面积;基于至少一种目标的边界框的面积查询预设的面积区间与类型对应关系表,得到至少一种目标的边界框的面积对应的类型,其中,面积区间与类型对应关系表中的一种类型对应一个面积区间,不同类型对应不同面积区间;基于至少一种目标的类别对应的类型和边界框的面积对应的类型查询预先生成的优先级表,得到至少一种目标的优先级,其中,优先级表中的一个优先级对应一种与类别对应的类型和一种与面积对应的类型。
在一些实施例中,基于至少一种目标的优先级对待处理图像进行分割,得到分割图像,包括:按照优先级的高低顺序对至少一种目标进行排序,计算排序在预设位置的目标的边界框的分辨率与处理图像的分辨率中的水平分辨率比值和竖直分辨率比值;基于水平分辨率比值和竖直分辨率比值,对排序在预设位置的目标的边界框进行扩充,得到扩充边界框;从待处理图像中分割出扩充边界框图像区域,作为分割图像。
在一些实施例中,基于水平分辨率比值和竖直分辨率比值,对排序在预设位置的目标的边界框进行扩充,得到扩充边界框,包括:以水平分辨率比值和竖直分辨率比值中比值大的为基准,对排序在预设位置的目标的边界框的比值小的对应的分辨率进行扩充,得到扩充边界框。
在一些实施例中,对分割图像进行采样,得到处理图像,包括:若水平分辨率比值和竖直分辨率比值中存在大于1的比值,对分割图像进行下采样,得到处理图像。
在一些实施例中,对分割图像进行采样,得到处理图像,包括:若水平分辨率比值和竖直分辨率比值均小于1,对分割图像进行上采样,得到处理图像。
第二方面,本申请实施例提供了一种用于处理图像的装置,包括:获取单元,被配置成获取待处理图像;检测单元,被配置成利用目标检测算法检测出待处理图像中的至少一种目标的信息;分割单元,被配置成基于至少一种目标的信息对待处理图像进行分割,得到分割图像;采样单元,被配置成对分割图像进行采样,得到处理图像。
在一些实施例中,检测单元进一步被配置成:将待处理图像输入至预先训练的目标检测模型,得到待处理图像中的至少一种目标的信息,其中,目标检测模型用于检测图像中的目标。
在一些实施例中,目标检测模型是通过如下步骤训练得到的:获取训练样本集合,其中,训练样本包括样本图像和样本图像中的样本目标的信息;将训练样本集合中的样本图像作为输入,将输入的样本图像中的样本目标的信息作为输出,训练得到目标检测模型。
在一些实施例中,至少一种目标的信息包括至少一种目标的类别;以及分割单元包括:第一查询子单元,被配置成基于至少一种目标的类别查询预设的类别与类型对应关系表,得到至少一种目标的类别对应的类型,其中,类别与类型对应关系表中的一种类型对应多种类别,不同类型对应不同类别;第一确定子单元,被配置成基于至少一种目标的类别对应的类型,确定至少一种目标的优先级;分割子单元,被配置成基于至少一种目标的优先级对待处理图像进行分割,得到分割图像。
在一些实施例中,至少一种目标的信息包括至少一种目标在待处理图像中的位置信息;以及分割单元包括:第二确定子单元,被配置成基于至少一种目标的位置信息,确定至少一种目标的边界框的面积;第二查询子单元,被配置成基于至少一种目标的边界框的面积查询预设的面积区间与类型对应关系表,得到至少一种目标的边界框的面积对应的类型,其中,面积区间与类型对应关系表中的一种类型对应一个面积区间,不同类型对应不同面积区间;第三确定子单元,被配置成基于至少一种目标的边界框的面积对应的类型,确定至少一种目标的优先级;分割子单元,被配置成基于至少一种目标的优先级对待处理图像进行分割,得到分割图像。
在一些实施例中,至少一种目标的信息还包括至少一种目标的类别;以及第三确定子单元进一步被配置成:基于至少一种目标的类别查询预设的类别与类型对应关系表,得到至少一种目标的类别对应的类型,其中,类别与类型对应关系表中的一种类型对应多种类别,不同类型对应不同类别;基于至少一种目标的类别对应的类型和边界框的面积对应的类型查询预先生成的优先级表,得到至少一种目标的优先级,其中,优先级表中的一个优先级对应一种与类别对应的类型和一种与面积对应的类型。
在一些实施例中,类别与类型对应关系表中的类型包括人物、动物和其他,面积区间与类型对应关系表中的类型包括大图、中图和小图,优先级表中的优先级从高到低依次是:人物与大图对应的优先级、动物与大图对应的优先级、人物与中图对应的优先级,动物与中图对应的优先级、其他与大图对应的优先级、其他与中图对应的优先级、人物与小图对应的优先级、动物与小图对应的优先级、其他与小图对应的优先级。
在一些实施例中,分割子单元包括:计算模块,被配置成按照优先级的高低顺序对至少一种目标进行排序,计算排序在预设位置的目标的边界框的分辨率与处理图像的分辨率中的水平分辨率比值和竖直分辨率比值;扩充模块,被配置成基于水平分辨率比值和竖直分辨率比值,对排序在预设位置的目标的边界框进行扩充,得到扩充边界框;分割模块被配置成从待处理图像中分割出扩充边界框图像区域,作为分割图像。
在一些实施例中,扩充模块进一步被配置成:以水平分辨率比值和竖直分辨率比值中比值大的为基准,对排序在预设位置的目标的边界框的比值小的对应的分辨率进行扩充,得到扩充边界框。
在一些实施例中,采样单元包括:第一采样子单元,被配置成若水平分辨率比值和竖直分辨率比值中存在大于1的比值,对分割图像进行下采样,得到处理图像。
在一些实施例中,第一采样子单元进一步配置用于:计算分割图像的分辨率与处理图像的分辨率的比值,作为下采样系数;将分割图像划分为多个正方形区域,其中,多个正方形区域中的正方形区域包含下采样系数的平方个像素点;将多个正方形区域中的正方形区域下采样为一个像素点,生成处理图像。
在一些实施例中,采样单元包括:第二采样子单元,被配置成若水平分辨率比值和竖直分辨率比值均小于1,对分割图像进行上采样,得到处理图像。
在一些实施例中,第二采样子单元进一步配置用于:计算处理图像的分辨率与分割图像的分辨率的比值,作为上采样系数;在分割图像中的两个相邻的像素点之间***上采样系数减一个像素点,生成处理图像。
第三方面,本申请实施例提供了一种网络设备,该网络设备包括:一个或多个处理器;存储装置,其上存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于处理图像的方法和设备,首先利用目标检测算法检测出待处理图像中的至少一种目标的信息;然后基于至少一种目标的信息对待处理图像进行分割,从而得到分割图像;最后对分割图像进行采样,从而得到处理图像。基于图像中的目标的信息分割图像,从而实现了在保留图像的主要内容的基础上,快速地处理出适配不同显示分辨率的显示屏的图像。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和高点将会变得更明显:
图1是本申请可以应用于其中的示例性***架构图;
图2是根据本申请的用于处理图像的方法的一个实施例的流程图;
图3是根据本申请的用于处理图像的方法的又一个实施例的流程图;
图4是图3所提供的用于处理图像的方法的一个应用场景的示意图;
图5是适于用来实现本申请实施例的网络设备的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于处理图像的方法的示例性***架构100。
如图1所示,***架构100可以包括网络设备101、网络102和网络设备103。网络102用以在网络设备101和网络设备103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
网络设备101、103可以是支持网络连接从而提供各种网络服务的硬件设备或软件。当网络设备为硬件时,其可以是具有图像处理功能的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机和服务器等等。这时,作为硬件设备,其可以实现成多个网络设备组成的分布式网络设备群,也可以实现成单个网络设备。当网络设备为软件时,可以安装在上述所列举的电子设备中。这时,作为软件,其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
作为一种示例,网络设备101可以是具有显示屏且支持图像浏览的电子设备(例如终端设备)。网络设备103可以是支持图像处理的电子设备(例如服务器)。当网络设备101需要显示不适配其显示屏的显示分辨率的图像时,网络设备101可以将该图像发送至网络设备103,网络设备103可以对该图像进行分析等处理,生成处理结果(例如适配网络设备101的显示屏的显示分辨率的图像),并反馈给网络设备101进行显示。作为另一种示例,网络设备101可以是具有显示屏且支持图像浏览和图像处理的电子设备(例如终端设备)。当网络设备101需要显示不适配其显示屏的显示分辨率的图像时,网络设备101可以本地对该图像进行分析等处理,生成处理结果并进行显示。
需要说明的是,本申请实施例所提供的用于处理图像的方法可以由网络设备101执行,也可以由网络设备103执行。
应该理解,图1中的网络设备和网络的数目仅仅是示意性的。根据实现需要,可以具有任意数目的网络设备和网络。在用于处理图像的方法由网络设备101执行的情况下,***架构100可以不设置网络设备103。
继续参考图2,其示出了根据本申请的用于处理图像的方法的一个实施例的流程200。该用于处理图像的方法包括以下步骤:
步骤201,获取待处理图像。
在本实施例中,用于处理图像的方法的执行主体(例如图1所示的网络设备101或网络设备103)可以获取待处理图像。其中,待处理图像的分辨率与需要显示该待处理图像的终端设备的显示屏的显示分辨率不适配。例如,待处理图像可以是适配横屏显示屏的图像,此时需要将该待处理图像显示在具有竖屏显示屏的终端设备上。例如,待处理图像可以是适配竖屏显示屏的图像,此时需要将该待处理图像显示在具有横屏显示屏的终端设备上。
步骤202,利用目标检测算法检测出待处理图像中的至少一种目标的信息。
在本实施例中,上述执行主体可以利用目标检测算法检测出待处理图像中的至少一种目标的信息。通常,待处理图像中可以存在多种目标。其中,目标可以是物理世界中的任意物体。目标的信息可以包括但不限于目标的类别、目标的位置信息。根据不同的分类方式,目标可以被划分为不同的类别。例如,目标可以被粗略地划分为人物、动物和其他。又例如,目标还可以被细分为成人、儿童、猫、狗、树、花、草、汽车、建筑物、家具等等。当然,目标还可以进一步被细分,这里对目标的具体划分方式不进行限定。
在本实施例的一些可选的实现方式中,不同类别的目标具有不同的特征(颜色特征、纹理特征、形状特征、空间关系特征等等),且特征差距通常较大。上述执行主体可以提取待处理图像的特征,对待处理图像的特征进行分析,确定待处理图像中存在的至少一种目标的类别和位置信息。具体地,上述执行主体可以将预设类别集合(例如10000种类别)中的每种类别的目标的特征在待处理图像的特征中进行匹配,若存在一种类别的目标的特征在待处理图像的特征中匹配成功,那么该待处理图像中存在该种类别的目标。同时,可以根据从待处理图像中提取出该种类别的目标的特征的区域确定待处理图像中的该种类别的目标的位置信息。
在本实施例的一些可选的实现方式中,上述执行主体可以将待处理图像输入至预先训练的目标检测模型,从而得到待处理图像中的至少一种目标的信息。其中,目标检测模型可以用于检测图像中的目标,表征图像与图像中的目标的信息的对应关系。输出的目标的信息可以包括输入的图像中存在的目标的类别,还可以包括输入的图像中存在预设类别集合(例如10000种类别)中的每种类别的目标的置信度,也可以包括输入图像中存在的目标的位置信息。每种类别的目标的置信度可以用于表征目标检测模型检测出的输入的图像中存在该种类别的目标的可能性或概率。通常,在输入的图像中存在该种类别的目标的置信度大于预设置信度(例如0.8)时,可以认为输入的图像中存在该种类别的目标。预设类别集合可以包括预先设置的物理世界中的多种类别。例如,可以包括成人、儿童、猫、狗、树、花、草、汽车、建筑物、家具等等。目标的位置信息可以是输入的图像中包含目标的边界框的位置信息。边界框可以是输入的图像中包含目标的最小矩形框。边界框的位置信息可以至少包括边界框的两个对角顶点的坐标值。在实践中,边界框的位置信息通常包括边界框的四个顶点的坐标值。
在本实施例的一些可选的实现方式中,目标检测模型可以是利用各种机器学习方法和训练样本对现有的机器学习模型(例如各种神经网络)进行有监督训练而得到的。其中,目标检测模型可以包括但不限于R-CNN、Fast R-CNN、Faster R-CNN、SSD、YOLO等等。可以是通过如下步骤训练得到的:
首先,获取训练样本集合。
其中,训练样本集合中的每个训练样本可以包括样本图像和样本图像中的样本目标的信息。这里,本领域技术人员可以对样本图像进行分析,从而得到样本图像中的样本目标的信息。例如,可以在样本图像中的样本目标所在区域人工标注对应的类别和边界框,从而得到样本目标的类别和位置信息。
其次,将训练样本集合中的样本图像作为输入,将输入的样本图像中的样本目标的信息作为输出,训练得到目标检测模型。
这里,可以利用训练样本集合对初始目标检测模型进行训练,从而得到用于检测图像中的目标的目标检测模型。其中,初始目标检测模型可以是未经训练或未训练完成的目标检测模型(例如YOLO)。这里,对于未经训练的目标检测模型,其各个参数(例如,权值参数和偏置参数)用一些不同的小随机数进行初始化。“小随机数”用来保证网络不会因权值过大而进入饱和状态,从而导致训练失败,“不同”用来保证网络可以正常地学习。对于未训练完成的目标检测模型,其各个参数可以是被调整后参数,但是该目标检测模型的检测效果通常尚未满足预先设置的约束条件。
步骤203,基于至少一种目标的信息对所述待处理图像进行分割,得到分割图像。
在本实施例中,上述执行主体可以对至少一种目标的信息进行分析,得到分析结果,根据分析结果对待处理图像进行分割,从而得到分割图像。其中,分析结果可以包括分割图像中需要保留的目标的信息和/或不需要保留的目标的信息。分割图像的分辨率与需要显示待处理图像的终端设备的显示屏的显示分辨率相匹配。例如,分割图像的分辨率是960х480,其水平分辨率960与竖直分辨率480的比值是2:1,需要显示待处理图像的终端设备的显示屏的显示分辨率是320х160,其水平分辨率320与竖直分辨率160的比值也是2:1,此时可以认为分割图像的分辨率与需要显示待处理图像的终端设备的显示屏的显示分辨率相匹配。
实践中,为了使分割图像保留待处理图像的主要内容,原则上需要将待处理图像中的主要目标保留在分割图像中。例如,上述执行主体可以首先为待处理图像中的至少一种目标中的各种目标或部分目标划分优先级,将优先级相对较高的各种目标保留在分割图像中。
在本实施例中的一些可选的实现方式中,上述执行主体可以通过如下步骤分割出分割图像:
首先,基于至少一种目标的类别查询预设的类别与类型对应关系表,得到至少一种目标的类别对应的类型。
这里,从待处理图像中检测出的至少一种目标的信息可以包括至少一种目标的类别,至少一种目标的类别可以包括至少一种目标中的每种目标的类别或者部分目标的类别。类别与类型对应关系表可以是本领域技术人员根据经验预先设置的。类别与类型对应关系表中的一种类型可以对应多种类别,不同类型可以对应不同类别。
然后,基于至少一种目标的类别对应的类型,确定至少一种目标的优先级。
这里,上述执行主体可以基于至少一种目标的类别对应的类型查询预先生成的优先级表,从而得到至少一种目标的优先级。其中,优先级表中的一个优先级可以对应一种与类别对应的类型。最后,基于至少一种目标的优先级对待处理图像进行分割,得到分割图像。
这里,可以将优先级相对较高的各种目标保留在分割图像中。
需要说明的是,当至少一种目标的类别包括至少一种目标中的各种目标的类别时,上述执行主体所得到的至少一种目标的优先级可以包括少一种目标中的各种目标的优先级。当至少一种目标的类别包括至少一种目标中的部分目标的类别时,上述执行主体所得到的至少一种目标的优先级可以包括少一种目标中的部分目标的优先级。
在本实施例中的一些可选的实现方式中,上述执行主体还可以通过如下步骤分割出分割图像:
首先,基于至少一种目标的位置信息,确定至少一种目标的边界框的面积。
这里,从待处理图像中检测出的至少一种目标的信息可以包括至少一种目标在待处理图像中的位置信息,至少一种目标在待处理图像中的位置信息可以包括至少一种目标中的各种目标在待处理图像中的位置信息或者部分目标在待处理图像中的位置信息。此时,上述执行主体可以基于至少一种目标的位置信息,确定包含至少一种目标的边界框,并利用矩形面积计算公式计算至少一种目标的边界框的面积。其中,目标的位置信息可以是待处理图像中包含目标的边界框的位置信息。边界框可以是待处理图像中包含目标的最小矩形框。边界框的位置信息可以至少包括边界框的两个对角顶点的坐标值。在实践中,边界框的位置信息通常包括边界框的四个顶点的坐标值。
之后,基于至少一种目标的边界框的面积查询预设的面积区间与类型对应关系表,得到至少一种目标的边界框的面积对应的类型。
其中,面积区间与类型对应关系表中的一种类型可以对应一个面积区间,不同类型可以对应不同面积区间。
然后,基于至少一种目标的边界框的面积对应的类型,确定至少一种目标的优先级。
这里,上述执行主体可以基于至少一种目标的边界框的面积对应的类型查询预先生成的优先级表,从而得到至少一种目标的优先级。其中,优先级表中的一个优先级可以对应一种与面积对应的类型。
最后,基于至少一种目标的优先级对待处理图像进行分割,得到分割图像。
这里,可以将优先级相对较高的各种目标保留在分割图像中。
需要说明的是,当至少一种目标在待处理图像中的位置信息包括至少一种目标中的各种目标在待处理图像中的位置信息时,上述执行主体所得到的至少一种目标的优先级可以包括少一种目标中的各种目标的优先级。当至少一种目标的类别包括至少一种目标中的部分目标在待处理图像中的位置信息时,上述执行主体所得到的至少一种目标的优先级可以包括少一种目标中的部分目标的优先级。
步骤204,对所述分割图像进行采样,得到处理图像。
在本实施例中,上述执行主体可以对分割图像进行采样,从而得到处理图像。其中,采样的实质就是要用多少像素点来描述一幅图像,采样结果质量的高低可以用图像分辨率来衡量。简单来讲,对二维空间上的图像在水平和垂直方向上等间距地分割成多个正方形网状结构,所形成的正方形区域称为像素点。一副图像就被采样成有限个像素点构成的集合。
例如,分割图像的分辨率是960х480,需要显示待处理图像的终端设备的显示屏的显示分辨率是320х160,那么可以将分割图像下采样成分辨率为320х160的图像再进行显示。又例如,分割图像的分辨率是160х80,需要显示待处理图像的终端设备的显示屏的显示分辨率是320х160,那么可以将分割图像上采样成分辨率为320х160的图像,再进行显示。
本申请实施例提供的用于处理图像的方法,首先利用目标检测算法检测出待处理图像中的至少一种目标的信息;然后基于至少一种目标的信息对待处理图像进行分割,从而得到分割图像;最后对分割图像进行采样,从而得到处理图像。基于图像中的目标的信息分割图像,从而实现了在保留图像的主要内容的基础上,快速地处理出适配不同显示分辨率的显示屏的图像。
进一步参考图3,其示出了根据本申请的用于处理图像的方法的又一个实施例的流程300。该用于处理图像的方法包括以下步骤:
步骤301,获取待处理图像。
步骤302,利用目标检测算法检测出待处理图像中的至少一种目标的信息。
在本实施例中,步骤301-302的具体操作与图2所示的实施例中步骤201-202的操作基本相同,在此不再赘述。
步骤303,基于至少一种目标的位置信息,确定至少一种目标的边界框的面积。
在本实施例中,从待处理图像中检测出的至少一种目标的信息还可以包括至少一种目标在待处理图像中的位置信息。此时,上述执行主体可以基于至少一种目标的位置信息,确定包含至少一种目标的边界框,并利用矩形面积计算公式计算至少一种目标的边界框的面积。其中,目标的位置信息可以是待处理图像中包含目标的边界框的位置信息。边界框可以是待处理图像中包含目标的最小矩形框。边界框的位置信息可以至少包括边界框的两个对角顶点的坐标值。在实践中,边界框的位置信息通常包括边界框的四个顶点的坐标值。
步骤304,基于至少一种目标的边界框的面积查询预设的面积区间与类型对应关系表,得到至少一种目标的边界框的面积对应的类型。
在本实施例中,上述执行主体可以基于至少一种目标的边界框的面积查询预设的面积区间与类型对应关系表,从而得到至少一种目标的边界框的面积对应的类型。其中,面积区间与类型对应关系表中的一种类型可以对应一个面积区间,不同类型可以对应不同面积区间。例如,面积区间与类型对应关系表中的面积区间可以包含三类:小于第一面积阈值的面积区间、不小于第一面积阈值且不大于第二面积阈值的面积区间、大于第二面积阈值的面积区间。其中,第一面积阈值小于第二面积阈值。面积区间与类型对应关系表中的类型可以包含三类:大图、中图、小图。其中,类型中的“大图”可以对应面积区间中的“大于第二面积阈值的面积区间”;类型中的“中图”可以对应面积区间中的“不小于第一面积阈值且不大于第二面积阈值的面积区间”;类型中的“小图”可以对应面积区间中的“小于第一面积阈值的面积区间”。
步骤305,基于至少一种目标的类别查询预设的类别与类型对应关系表,得到至少一种目标的类别对应的类型。
在本实施例中,从待处理图像中检测出的至少一种目标的信息可以包括至少一种目标的类别。此时,用于处理图像的执行主体(例如图1所示的网络设备101或网络设备103)可以基于至少一种目标的类别查询预设的类别与类型对应关系表,从而得到至少一种目标的类别对应的类型。其中,类别与类型对应关系表可以是本领域技术人员根据经验预先设置的。类别与类型对应关系表中的一种类型可以对应多种类别,不同类型可以对应不同类别。例如,类别与类型对应关系表中的类型可以包含三类:人物、动物和其他。类别与类型对应关系表中的类别可以包括成人、儿童、猫、狗、树、花、草、汽车、建筑物、家具。此时,类型中的“人物”可以对应类别中的“成人”、“儿童”;类型中的“动物”可以对应类别中的“猫”、“狗”;类型中的“其他”可以对应类别中的“树”、“花”、“草”、“汽车”、“建筑物”、“家具”。
步骤306,基于至少一种目标的类别对应的类型和边界框的面积对应的类型查询预先生成的优先级表,得到至少一种目标的优先级。
在本实施例中,上述执行主体可以基于至少一种目标的类别对应的类型和边界框的面积对应的类型查询预先生成的优先级表,从而得到至少一种目标的优先级。其中,优先级表中的一个优先级可以对应一种与类别对应的类型和一种与面积对应的类型。
在本实施例的一些可选的实现方式中,类别与类型对应关系表中的类型可以包括人物、动物和其他,面积区间与类型对应关系表中的类型可以包括大图、中图和小图,优先级表中的优先级从高到低依次可以是:人物与大图对应的优先级、动物与大图对应的优先级、人物与中图对应的优先级,人物与中图对应的优先级、动物与中图对应的优先级、其他与大图对应的优先级、其他与中图对应的优先级、人物与小图对应的优先级、动物与小图对应的优先级、其他与小图对应的优先级。
例如,优先级表可以如下表所示:
与类别对应的类型 | 与面积对应的类型 | 优先级 | |
1 | 人物 | 大图 | A |
2 | 动物 | 大图 | B |
3 | 人物 | 中图 | C |
4 | 动物 | 中图 | D |
5 | 其他 | 大图 | E |
6 | 其他 | 中图 | F |
7 | 人物 | 小图 | G |
8 | 动物 | 小图 | H |
9 | 其他 | 小图 | I |
需要说明的是,优先级从高到低依次是A、B、C、D、E、F、G、H、I。
步骤307,按照优先级的高低顺序对至少一种目标进行排序,计算排序在预设位置的目标的边界框的分辨率与处理图像的分辨率中的水平分辨率比值和竖直分辨率比值。
在本实施例中,上述执行主体可以按照优先级的高低顺序(例如从高到低或从低到高)对至少一种目标进行排序,计算排序在预设位置的目标(例如优先级最高的目标)的边界框的分辨率与处理图像的分辨率中的水平分辨率比值和竖直分辨率的比值。其中,处理图像的分辨率就是需要显示待处理图像的终端设备的显示屏的显示分辨率。分辨率可以包括水平分辨率和竖直分辨率。
步骤308,基于水平分辨率比值和竖直分辨率比值,对排序在预设位置的目标的边界框进行扩充,得到扩充边界框。
在本实施例中,上述执行主体可以基于水平分辨率比值和竖直分辨率比值,对排序在预设位置的目标的边界框进行扩充,得到扩充边界框。这里,可以以水平分辨率比值和竖直分辨率比值中的一个分辨率比值为基准,对排序在预设位置的目标的边界框的另一个分辨率比值对应的分辨率进行扩充,直至扩充边界框的分辨率与处理图像的分辨率中的水平分辨率比值和竖直分辨率比值相同为止。
在本实施例的一些可选的实现方式中,上述执行主体可以以水平分辨率比值和竖直分辨率比值中比值大的为基准,对排序在预设位置的目标的边界框的比值小的对应的分辨率进行扩充,得到扩充边界框。其中,扩充边界框的分辨率与处理图像的分辨率中的水平分辨率比值和竖直分辨率比值相同。
作为一种示例,优先级最高的目标的边界框的分辨率是640х480,处理图像的分辨率是320х160,水平分辨率的比值是2:1,竖直分辨率的比值是3:1,此时以竖直分辨率为基准,将优先级最高的目标的边界框的水平分辨率扩充至960。这里,水平分辨率的扩充方向可以包括向左扩充和向右扩充。上述执行主体可以根据优先级最高的目标的左右两侧的目标的优先级确定扩充方向。通常,上述执行主体会向优先级高的目标所在的方向进行扩充。
作为又一种示例,优先级最高的目标的边界框的分辨率是640х80,处理图像的分辨率是320х160,水平分辨率的比值是2:1,竖直分辨率的比值是1:2,此时以水平分辨率为基准,将优先级最高的目标的边界框的竖直分辨率扩充至320。这里,竖直分辨率的扩充方向可以包括向上扩充和向下扩充。这里,可以根据优先级最高的目标的上下两侧的目标的优先级确定扩充方向。通常,会向优先级高的目标所在的方向进行扩充。
作为另一种示例,优先级最高的目标的边界框的分辨率是320х160,处理图像的分辨率是640х80,水平分辨率的比值是1:2,竖直分辨率的比值是2:1,此时以竖直分辨率的比值为基准,将优先级最高的目标的边界框的水平分辨率扩充至1280。这里,水平分辨率的扩充方向可以包括向左扩充和向右扩充。这里,可以根据优先级最高的目标的左右两侧的目标的优先级确定扩充方向。通常,会向优先级高的目标所在的方向进行扩充。
作为再一种示例,优先级最高的目标的边界框的分辨率是320х160,处理图像的分辨率是640х480,水平分辨率的比值是1:2,竖直分辨率的比值是1:3,此时以水平分辨率的比值为基准,将优先级最高的目标的边界框的竖直分辨率扩充至240。这里,竖直分辨率的扩充方向可以包括向上扩充和向下扩充。上述执行主体可以根据优先级最高的目标的上下两侧的目标的优先级确定扩充方向。通常,上述执行主体会向优先级高的目标所在的方向进行扩充。
步骤309,从待处理图像中分割出扩充边界框图像区域,作为分割图像。
在本实施例中,上述执行主体可以从待处理图像中分割出扩充边界图像区域,作为分割图像。
步骤310,对所述分割图像进行采样,得到处理图像。
在本实施例中,上述执行主体可以对分割图像进行采样,从而得到处理图像。这里,可以对分割图像进行下采样或上采样,以缩小分割图像或放大分割图像,使得到的处理图像的分辨率适配需要显示待处理图像的终端设备的显示屏的显示分辨率。在本实施例的一些可选的实现方式中,若水平分辨率比值和竖直分辨率比值中存在大于1的比值,上述执行主体可以对分割图像进行下采样,得到处理图像。其中,下采样可以是对于一幅分辨率为MхN的图像,对其进行s倍下采样,即得到分辨率为(M/s)х(N/s)的图像,以缩小图像,从而显示在更低显示分辨率的终端设备的显示屏上。其中,M、N为正整数,s是M和N的公约数。如果考虑的是矩阵形式的图像,就是把原始图像sхs窗口内的图像变成一个像素点。这里,上述执行主体可以通过如下步骤下采样出处理图像:
首先,计算分割图像的分辨率与处理图像的分辨率的比值,作为下采样系数。
这里,若分割图像的分辨率为MхN,处理图像的分辨率为PхQ,那么下采样系数s=M/P=N/Q,其中,M、N、P、Q为正整数。
然后,将分割图像划分为多个正方形区域。
其中,多个正方形区域中的每个正方形区域都包含下采样系数的平方个像素点。
最后,将多个正方形区域中的正方形区域采样为一个像素点,生成处理图像。
其中,每个正方形区域所采样出的像素点可以的像素值可以是该正方形区域所包含的所有像素点的像素值的均值,也可以是该正方形区域的中心点处的像素点的像素值。
继续以步骤308中的一种示例为例,扩充边界框的分辨率是960х480,此时,上述执行主体可以将其下采样成分辨率为320х160的处理图像。
继续以步骤308中的又一种示例为例,扩充边界框的分辨率是640х320,此时,上述执行主体可以将其下采样成分辨率为320х160的处理图像。
继续以步骤308中的另一种示例为例,扩充边界框的分辨率是1280х160,此时,上述执行主体可以将其下采样成分辨率为640х80的处理图像。
在本实施例的一些可选的实现方式中,若水平分辨率比值和竖直分辨率比值均小于1,上述执行主体可以对分割图像进行上采样,得到处理图像。其中,上采样可以采用图像插值方法,在原有图像像素的基础上在像素点之间采用合适的插值算法***新的元素,以放大图像,从而可以显示在更高显示分辨率的终端设备的显示屏上。这里,上述执行主体可以通过如下步骤上采样出处理图像:
首先,计算处理图像的分辨率与分割图像的分辨率的比值,作为上采样系数。
这里,若分割图像的分辨率为MхN,处理图像的分辨率为PхQ,那么下采样系数s=P/M=Q/N,其中,M、N、P、Q为正整数。
然后,在分割图像中的两个相邻的像素点之间***上采样系数减一个像素点,生成处理图像。
这里,对于分割图像中的任意两个相邻的像素点,均需要***上采样系数减一个像素点。通常,利用图像内插方法或图像的超分辨率重建方法***像素点。图像的内插法***的像素点的像素值可以等于两个相邻的像素点的像素值的均值。图像的超分辨率重建方法可以是依靠分割图像所在的图像序列中的冗余信息进行重建。继续以步骤308中的再一种示例为例,扩充边界框的分辨率是320х240,此时,上述执行主体可以将其上采样成分辨率为640х480的处理图像。
继续参见图4,图4是图3所提供的用于处理图像的方法的一个应用场景的示意图。在图4的应用场景中,终端设备1的显示屏的显示分辨率是800×600,其上显示了一幅分辨率为800×600的图像,具体如401所示。终端设备2从终端设备1获取这幅图像需要进行显示。由于终端设备2的显示屏的显示分辨率是600×800,图像的分辨率与其不适配,因此,终端设备2可以利用目标检测算法检测出这幅图像中存在一个人和一条狗,同时分别标记出人和狗的边界框,其中,人的边界框的分辨率是200×400,狗的边界框的分辨率是200×200。而后,终端设备2可以通过查询类别与类型对应关系表,确定图像中的人属于人物类型,图像中的狗属于动物类型,同时通过查询面积区间与类型对应关系表,确定图像中的人属于大图类型,图像中的狗属于中图类型。之后,终端设备2可以查询优先级表,确定图像中的人的优先级是A,图像中的狗的优先级是D。然后,终端设备2可以计算出优先级是A的人的边界框的分辨率与终端设备2的显示屏的显示分辨率中的水平分辨率比值是1:3,竖直分辨率比值是1:2,同时以竖直分辨率比值为基准,对人的边界框水平向右进行扩充至300,扩充后的人的边界框的分辨率是300×400。最后,终端设备2可以从图像中分割出扩充后的人的边界框图像区域,并将其上采样生成分辨率为600×800的图像进行显示,具体如402所示。
从图3中可以看出,与图2对应的实施例相比,本实施例中的用于处理图像的方法的流程300突出了基于目标的信息对图像进行分割的步骤。由此,本实施例描述的方案能够尽可能地保留图像的主要内容。
下面参考图5,其示出了适于用来实现本申请实施例的网络设备(例如图1所示的网络设备103)的计算机***500的结构示意图。图5示出的网络设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,计算机***500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有***500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、检测单元、分割单元和采样单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取待处理图像的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的网络设备中所包含的;也可以是单独存在,而未装配入该网络设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该网络设备执行时,使得该网络设备:获取待处理图像;利用目标检测算法检测出待处理图像中的至少一种目标的信息;基于至少一种目标的信息对待处理图像进行分割,得到分割图像;对分割图像进行采样,得到处理图像。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (15)
1.一种用于处理图像的方法,包括:
获取待处理图像;
利用目标检测算法检测出所述待处理图像中的至少一种目标的信息;
基于所述至少一种目标的信息对所述待处理图像进行分割,得到分割图像;
对所述分割图像进行采样,得到处理图像。
2.根据权利要求1所述的方法,其中,所述利用目标检测算法检测出所述待处理图像中的至少一种目标的信息,包括:
将所述待处理图像输入至预先训练的目标检测模型,得到所述待处理图像中的至少一种目标的信息,其中,所述目标检测模型用于检测图像中的目标。
3.根据权利要求2所述的方法,其中,所述目标检测模型是通过如下步骤训练得到的:
获取训练样本集合,其中,训练样本包括样本图像和所述样本图像中的样本目标的信息;
将所述训练样本集合中的样本图像作为输入,将输入的样本图像中的样本目标的信息作为输出,训练得到所述目标检测模型。
4.根据权利要求1所述的方法,其中,所述至少一种目标的信息包括所述至少一种目标的类别;以及
所述基于所述至少一种目标的信息对所述待处理图像进行分割,得到分割图像,包括:
基于所述至少一种目标的类别查询预设的类别与类型对应关系表,得到所述至少一种目标的类别对应的类型,其中,所述类别与类型对应关系表中的一种类型对应多种类别,不同类型对应不同类别;
基于所述至少一种目标的类别对应的类型,确定所述至少一种目标的优先级;
基于所述至少一种目标的优先级对所述待处理图像进行分割,得到分割图像。
5.根据权利要求1所述的方法,其中,所述至少一种目标的信息包括所述至少一种目标在所述待处理图像中的位置信息;以及
所述基于所述至少一种目标的信息对所述待处理图像进行分割,得到分割图像,包括:
基于所述至少一种目标的位置信息,确定所述至少一种目标的边界框的面积;
基于所述至少一种目标的边界框的面积查询预设的面积区间与类型对应关系表,得到所述至少一种目标的边界框的面积对应的类型,其中,所述面积区间与类型对应关系表中的一种类型对应一个面积区间,不同类型对应不同面积区间;
基于所述至少一种目标的边界框的面积对应的类型,确定所述至少一种目标的优先级;
基于所述至少一种目标的优先级对所述待处理图像进行分割,得到分割图像。
6.根据权利要求5所述的方法,其中,所述至少一种目标的信息还包括所述至少一种目标的类别;以及
所述基于所述至少一种目标的边界框的面积对应的类型,确定所述至少一种目标的优先级,包括:
基于所述至少一种目标的类别查询预设的类别与类型对应关系表,得到所述至少一种目标的类别对应的类型,其中,所述类别与类型对应关系表中的一种类型对应多种类别,不同类型对应不同类别;
基于所述至少一种目标的类别对应的类型和边界框的面积对应的类型查询预先生成的优先级表,得到所述至少一种目标的优先级,其中,所述优先级表中的一个优先级对应一种与类别对应的类型和一种与面积对应的类型。
7.根据权利要求6所述的方法,其中,所述类别与类型对应关系表中的类型包括人物、动物和其他,所述面积区间与类型对应关系表中的类型包括大图、中图和小图,所述优先级表中的优先级从高到低依次是:人物与大图对应的优先级、动物与大图对应的优先级、人物与中图对应的优先级,动物与中图对应的优先级、其他与大图对应的优先级、其他与中图对应的优先级、人物与小图对应的优先级、动物与小图对应的优先级、其他与小图对应的优先级。
8.根据权利要求4-7之一所述的方法,其中,所述基于所述至少一种目标的优先级对所述待处理图像进行分割,得到分割图像,包括:
按照优先级的高低顺序对所述至少一种目标进行排序,计算排序在预设位置的目标的边界框的分辨率与所述处理图像的分辨率中的水平分辨率比值和竖直分辨率比值;
基于所述水平分辨率比值和所述竖直分辨率比值,对所述排序在预设位置的目标的边界框进行扩充,得到扩充边界框;
从所述待处理图像中分割出所述扩充边界框图像区域,作为分割图像。
9.根据权利要求8所述的方法,其中,所述基于所述水平分辨率比值和所述竖直分辨率比值,对所述排序在预设位置的目标的边界框进行扩充,得到扩充边界框,包括:
以所述水平分辨率比值和所述竖直分辨率比值中比值大的为基准,对所述排序在预设位置的目标的边界框的比值小的对应的分辨率进行扩充,得到扩充边界框。
10.根据权利要求9所述的方法,其中,所述对所述分割图像进行采样,得到处理图像,包括:
若所述水平分辨率比值和所述竖直分辨率比值中存在大于1的比值,对所述分割图像进行下采样,得到处理图像。
11.根据权利要求10所述的方法,其中,所述对所述分割图像进行下采样,得到处理图像,包括:
计算所述分割图像的分辨率与所述处理图像的分辨率的比值,作为下采样系数;
将所述分割图像划分为多个正方形区域,其中,所述多个正方形区域中的正方形区域包含所述下采样系数的平方个像素点;
将所述多个正方形区域中的正方形区域下采样为一个像素点,生成所述处理图像。
12.根据权利要求9所述的方法,其中,所述对所述分割图像进行采样,得到处理图像,包括:
若所述水平分辨率比值和所述竖直分辨率比值均小于1,对所述分割图像进行上采样,得到处理图像。
13.根据权利要求12所述的方法,其中,所述对所述分割图像进行上采样,得到处理图像,包括:
计算所述处理图像的分辨率与所述分割图像的分辨率的比值,作为上采样系数;
在所述分割图像中的两个相邻的像素点之间***所述上采样系数减一个像素点,生成所述处理图像。
14.一种网络设备,包括:
一个或多个处理器;
存储装置,其上存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-13中任一所述的方法。
15.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-13中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810689773.3A CN108898604A (zh) | 2018-06-28 | 2018-06-28 | 用于处理图像的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810689773.3A CN108898604A (zh) | 2018-06-28 | 2018-06-28 | 用于处理图像的方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108898604A true CN108898604A (zh) | 2018-11-27 |
Family
ID=64346975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810689773.3A Pending CN108898604A (zh) | 2018-06-28 | 2018-06-28 | 用于处理图像的方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108898604A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109974733A (zh) * | 2019-04-02 | 2019-07-05 | 百度在线网络技术(北京)有限公司 | 用于ar导航的poi显示方法、装置、终端和介质 |
CN111461968A (zh) * | 2020-04-01 | 2020-07-28 | 北京字节跳动网络技术有限公司 | 图片处理方法、装置、电子设备和计算机可读介质 |
CN112669211A (zh) * | 2020-12-29 | 2021-04-16 | 三星电子(中国)研发中心 | 一种图像重定位方法和装置 |
CN113168698A (zh) * | 2018-12-14 | 2021-07-23 | 富士胶片株式会社 | 小批量学习装置及其工作程序和工作方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080240680A1 (en) * | 2007-03-27 | 2008-10-02 | Hiroshi Yamada | Information communication terminal |
CN101375608A (zh) * | 2006-02-07 | 2009-02-25 | 高通股份有限公司 | 帧内模式关注区视频对象分割 |
CN102541494A (zh) * | 2010-12-30 | 2012-07-04 | 中国科学院声学研究所 | 一种面向显示终端的视频尺寸转换***与方法 |
CN104065964A (zh) * | 2014-06-19 | 2014-09-24 | 上海交通大学 | 感兴趣区域信息的编解码方法以及视频编解码装置 |
CN105760178A (zh) * | 2016-03-17 | 2016-07-13 | 网易(杭州)网络有限公司 | 对界面控件进行适配的方法及装置 |
CN107636682A (zh) * | 2015-07-20 | 2018-01-26 | 三星电子株式会社 | 图像采集装置及其操作方法 |
CN107707954A (zh) * | 2017-10-27 | 2018-02-16 | 北京小米移动软件有限公司 | 视频播放方法及装置 |
-
2018
- 2018-06-28 CN CN201810689773.3A patent/CN108898604A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101375608A (zh) * | 2006-02-07 | 2009-02-25 | 高通股份有限公司 | 帧内模式关注区视频对象分割 |
US20080240680A1 (en) * | 2007-03-27 | 2008-10-02 | Hiroshi Yamada | Information communication terminal |
CN102541494A (zh) * | 2010-12-30 | 2012-07-04 | 中国科学院声学研究所 | 一种面向显示终端的视频尺寸转换***与方法 |
CN104065964A (zh) * | 2014-06-19 | 2014-09-24 | 上海交通大学 | 感兴趣区域信息的编解码方法以及视频编解码装置 |
CN107636682A (zh) * | 2015-07-20 | 2018-01-26 | 三星电子株式会社 | 图像采集装置及其操作方法 |
CN105760178A (zh) * | 2016-03-17 | 2016-07-13 | 网易(杭州)网络有限公司 | 对界面控件进行适配的方法及装置 |
CN107707954A (zh) * | 2017-10-27 | 2018-02-16 | 北京小米移动软件有限公司 | 视频播放方法及装置 |
Non-Patent Citations (1)
Title |
---|
梁晔 等: "基于视觉注意力机制的图像检索研究", 《北京联合大学学报 (自然科学版)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113168698A (zh) * | 2018-12-14 | 2021-07-23 | 富士胶片株式会社 | 小批量学习装置及其工作程序和工作方法 |
US20210287052A1 (en) * | 2018-12-14 | 2021-09-16 | Fujifilm Corporation | Mini-batch learning apparatus, operation program of mini-batch learning apparatus, and operation method of mini-batch learning apparatus |
US11983880B2 (en) * | 2018-12-14 | 2024-05-14 | Fujifilm Corporation | Mini-batch learning apparatus, operation program of mini-batch learning apparatus, and operation method of mini-batch learning apparatus |
CN109974733A (zh) * | 2019-04-02 | 2019-07-05 | 百度在线网络技术(北京)有限公司 | 用于ar导航的poi显示方法、装置、终端和介质 |
CN111461968A (zh) * | 2020-04-01 | 2020-07-28 | 北京字节跳动网络技术有限公司 | 图片处理方法、装置、电子设备和计算机可读介质 |
CN111461968B (zh) * | 2020-04-01 | 2023-05-23 | 抖音视界有限公司 | 图片处理方法、装置、电子设备和计算机可读介质 |
CN112669211A (zh) * | 2020-12-29 | 2021-04-16 | 三星电子(中国)研发中心 | 一种图像重定位方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109948507A (zh) | 用于检测表格的方法和装置 | |
CN108510472B (zh) | 用于处理图像的方法和装置 | |
CN108898604A (zh) | 用于处理图像的方法和设备 | |
CN107644209A (zh) | 人脸检测方法和装置 | |
CN109002842A (zh) | 图像识别方法和装置 | |
CN108229575A (zh) | 用于检测目标的方法和装置 | |
JP6612487B1 (ja) | 学習装置、分類装置、学習方法、分類方法、学習プログラム、及び分類プログラム | |
CN109308681A (zh) | 图像处理方法和装置 | |
CN108197623A (zh) | 用于检测目标的方法和装置 | |
CN107911753A (zh) | 用于在视频中添加数字水印的方法和装置 | |
CN109308469A (zh) | 用于生成信息的方法和装置 | |
CN108228835B (zh) | 用于处理视频的方法和装置 | |
CN109360028A (zh) | 用于推送信息的方法和装置 | |
CN107368800B (zh) | 基于传真识别的订单确认方法、***、设备及存储介质 | |
CN110163208B (zh) | 一种基于深度学习的场景文字检测方法和*** | |
JP6612486B1 (ja) | 学習装置、分類装置、学習方法、分類方法、学習プログラム、及び分類プログラム | |
CN108229485A (zh) | 用于测试用户界面的方法和装置 | |
CN109410253B (zh) | 用于生成信息的方法、装置、电子设备和计算机可读介质 | |
CN109857388A (zh) | 代码生成方法、装置、服务器及计算机可读介质 | |
CN108090885A (zh) | 用于处理图像的方法和装置 | |
CN107688783A (zh) | 3d图像检测方法、装置、电子设备及计算机可读介质 | |
CN109711508A (zh) | 图像处理方法和装置 | |
CN109272543A (zh) | 用于生成模型的方法和装置 | |
CN109255767A (zh) | 图像处理方法和装置 | |
CN107622504A (zh) | 用于处理图片的方法和装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200707 Address after: Room 909, No. 12, Huangshan Road, Jianye District, Nanjing City, Jiangsu Province Applicant after: Nanjing Shangwang Network Technology Co.,Ltd. Address before: 201306, N2025 building, 24 building, Xincheng Road, 2 mud town, Shanghai, Pudong New Area Applicant before: SHANGHAI LIANSHANG NETWORK TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right |