CN110087063A - 一种图像处理方法、装置及电子设备 - Google Patents
一种图像处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110087063A CN110087063A CN201910333197.3A CN201910333197A CN110087063A CN 110087063 A CN110087063 A CN 110087063A CN 201910333197 A CN201910333197 A CN 201910333197A CN 110087063 A CN110087063 A CN 110087063A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- brightness value
- binarization threshold
- value
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明实施例涉及图像处理技术领域,具体而言,涉及一种图像处理方法、装置及电子设备。该方法通过对待处理图像进行图像区域的划分,进而对划分得到的每个图像区域进行独立处理,基于统计得到的每个图像区域内的亮度值计算每个图像区域的二值化阈值,然后根据每个图像区域的二值化阈值对每个图像区域内的图像进行二值化处理,最后将完成二值化处理的每个图像区域进行拼接以获得目标图像,如此,能够提高二值化处理的准确性,进而实现视场斜边的准确定位。
Description
技术领域
本发明实施例涉及图像处理技术领域,具体而言,涉及一种图像处理方法、装置及电子设备。
背景技术
目前摄像头模组,在出厂前需进行清晰度测试,一般会采用黑白斜边的空间频率响应算法(spatial frequency response,SFR)来进行测试。采用SFR算法进行测试的时候,首先需要对SFR chart图(斜黑白棋盘格图片)进行各视场斜边的定位。但是现有技术难以实现视场斜边的准确定位。
发明内容
有鉴于此,本发明提供了一种图像处理方法、装置及电子设备。
本发明实施例提供了一种图像处理方法,包括:
将待处理图像划分为多个图像区域;
针对划分得到的多个图像区域中的每个图像区域,统计该图像区域内的亮度值,根据统计得到的亮度值计算得到该图像区域的二值化阈值;基于所述二值化阈值对该图像区域内的图像进行二值化处理;
将完成二值化处理的每个图像区域进行拼接以获得目标图像。
可选地,根据统计得到的亮度值计算得到该图像区域的二值化阈值的步骤,包括:
将统计得到的亮度值进行排序;
计算排序靠前的设定范围内的亮度值的第一平均值以及排序靠后的设定范围内的亮度值的第二平均值;
根据所述第一平均值和所述第二平均值计算得到该图像区域的二值化阈值。
可选地,根据所述第一平均值和所述第二平均值计算得到该图像区域的二值化阈值的步骤,包括:
计算所述第一平均值和所述第二平均值的平均值作为该图像区域的二值化阈值。
可选地,基于所述二值化阈值对该图像区域内的图像进行二值化处理的步骤,包括:
针对该图像区域内统计得到的每个亮度值,判断该亮度值是否达到所述二值化阈值;
若该亮度值达到所述二值化阈值,将该亮度值对应的图像的颜色设置为第一设定颜色;
若该亮度值没有达到所述二值化阈值,将该亮度值对应的图像的颜色设置为第二设定颜色。
本发明实施例还提供了一种图像处理装置,包括:
图像区域划分模块,用于将待处理图像划分为多个图像区域;
二值化处理模块,用于针对划分得到的多个图像区域中的每个图像区域,统计该图像区域内的亮度值,根据统计得到的亮度值计算得到该图像区域的二值化阈值;基于所述二值化阈值对该图像区域内的图像进行二值化处理;
图像拼接模块,用于将完成二值化处理的每个图像区域进行拼接以获得目标图像。
可选地,所述二值化处理模块通过以下方式根据统计得到的亮度值计算得到该图像区域的二值化阈值:
将统计得到的亮度值进行排序;
计算排序靠前的设定范围内的亮度值的第一平均值以及排序靠后的设定范围内的亮度值的第二平均值;
根据所述第一平均值和所述第二平均值计算得到该图像区域的二值化阈值。
可选地,所述二值化处理模块通过以下方式根据所述第一平均值和所述第二平均值计算得到该图像区域的二值化阈值:
计算所述第一平均值和所述第二平均值的平均值作为该图像区域的二值化阈值。
可选地,所述二值化处理模块通过以下方式基于所述二值化阈值对该图像区域内的图像进行二值化处理:
针对该图像区域内统计得到的每个亮度值,判断该亮度值是否达到所述二值化阈值;
若该亮度值达到所述二值化阈值,将该亮度值对应的图像的颜色设置为第一设定颜色;
若该亮度值没有达到所述二值化阈值,将该亮度值对应的图像的颜色设置为第二设定颜色。
本发明实施例还提供了一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的图像处理方法。
本发明实施例还提供了一种计算机可读存储介质,所述可读存储介质包括计算机程序,所述计算机程序运行时控制所述可读存储介质所在电子设备执行上述的图像处理方法。
本发明实施例提供的一种图像处理方法、装置及电子设备,通过对待处理图像进行图像区域的划分,进而对划分得到的每个图像区域进行独立处理,基于统计得到的每个图像区域内的亮度值计算每个图像区域的二值化阈值,然后根据每个图像区域的二值化阈值对每个图像区域内的图像进行二值化处理,最后将完成二值化处理的每个图像区域进行拼接以获得目标图像,如此,能够提高二值化处理的准确性,进而实现视场斜边的准确定位。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例所提供的常见的二值化处理方法导致的一种异常情况。
图2为本发明实施例所提供的常见的二值化处理方法导致的另一种异常情况。
图3为本发明实施例所提供的一种电子设备10的方框示意图。
图4为本发明实施例所提供的一种图像处理方法的流程图。
图5为本发明实施例所提供的一种图像区域划分的示意图。
图6为本发明一个实施例中图2所示步骤S42包括的另一子步骤的示意图。
图7为本发明一个实施例中图2所示步骤S42包括的又一子步骤的示意图。
图8为本发明实施例所提供的一种二值化处理的示意图。
图9为本发明实施例所提供的一种图像拼接的示意图。
图10为本发明实施例所提供的一种图像处理装置20的模块框图。
图标:
10-电子设备;11-存储器;12-处理器;13-网络模块;
20-图像处理装置;21-图像区域划分模块;22-二值化处理模块;23-图像拼接模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
发明人经调查发现,现有技术难以实现视场斜边的准确定位的主要原因是二值化处理的准确性不高。在定位技术中,首先需要对图像进行二值化(即把灰度图像,变成非黑即白两种颜色图像),以便提取出黑白轮廓信息。但是现有技术常见的二值化处理方法是通过给定一个固定的二值化阈值来进行图像的二值化,这会导致二值化处理出现较大误差。
例如,由于环境亮度和不同类型摄像头模组的差异,采用固定的二值化阈值来进行图像的二值化容易导致抓框异常,此外,由于摄像头模组本身具有镜头暗角,图像中间和四角的亮度会有很大差异(中间比较亮,四角比较暗),如此,会导致二值化处理时出现中间过白或者四角过黑的情况。
如图1所示,图1示出了常见的二值化处理方法导致的一种异常情况,在这种情况下,由于二值化阈值取值过高,导致图像四角过黑。
如图2所示,图2示出了常见的二值化处理方法导致的另一种异常情况,在这种情况下,由于二值化阈值取值过低,导致图像中间过白。
以上现有技术中的方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本发明实施例针对上述问题所提出的解决方案,都应该是发明人在本发明过程中对本发明做出的贡献。
基于上述研究,本发明实施例提供了一种图像处理方法、装置及电子设备,能够提高二值化处理的准确性,进而实现视场斜边的准确定位。
图3示出了本发明实施例所提供的一种电子设备10的方框示意图。本发明实施例中的电子设备10具有数据存储、传输、处理功能,如图3所示,电子设备10包括:存储器11、处理器12、网络模块13和图像处理装置20。
存储器11、处理器12和网络模块13之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有图像处理装置20,所述图像处理装置20包括至少一个可以软件或固件(firmware)的形式储存于所述存储器11中的软件功能模块,所述处理器12通过运行存储在存储器11内的软件程序以及模块,例如本发明实施例中的图像处理装置20,从而执行各种功能应用以及数据处理,即实现本发明实施例中的图像处理方法。
其中,所述存储器11可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器11用于存储程序,所述处理器12在接收到执行指令后,执行所述程序。
所述处理器12可能是一种集成电路芯片,具有数据的处理能力。上述的处理器12可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
网络模块13用于通过网络建立电子设备10与其他通信终端设备之间的通信连接,实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解,图3所示的结构仅为示意,电子设备10还可包括比图3中所示更多或者更少的组件,或者具有与图3所示不同的配置。图3中所示的各组件可以采用硬件、软件或其组合实现。
本发明实施例还提供一种计算机可读存储介质,所述可读存储介质包括计算机程序。所述计算机程序运行时控制所述可读存储介质所在电子设备10执行下面的图像处理方法。
图4示出了本发明实施例所提供的一种图像处理方法的流程图。所述方法有关的流程所定义的方法步骤应用于电子设备10,可以由所述处理器12实现。下面将对图4所示的具体流程进行详细阐述:
步骤S41,将待处理图像划分为多个图像区域。
如图5所示,将待处理图像按照设定尺寸等分为多个图像区域。在本实施例中,可以将待处理图像等分为M*N个图像区域,例如,可以划分为7*6个图像区域,如此划分,既能够保证后续二值化处理的准确性,又能够减少计算量。
步骤S42,针对划分得到的多个图像区域中的每个图像区域,统计该图像区域内的亮度值,根据统计得到的亮度值计算得到该图像区域的二值化阈值,基于二值化阈值对该图像区域内的图像进行二值化处理。
请结合参阅图6,本实施例中通过步骤S421、步骤S422和步骤S423列举了步骤S42的其中一种实现方式。
步骤S421,统计该图像区域内的亮度值。
例如,以第i个图像区域为例,0<i≤42,i∈Z。统计得到第i个图像区域内的亮度值的数量为100个,其中,这100个亮度值可能存在部分相等的情况。
步骤S422,将统计得到的亮度值进行排序。
例如,将第i个图像区域内的100个亮度值进行排序,其中,排序可以由高到低也可由低到高,在此不作限定。
步骤S423,计算排序靠前的设定范围内的亮度值的第一平均值以及排序靠后的设定范围内的亮度值的第二平均值,根据第一平均值和第二平均值计算得到该图像区域的二值化阈值。
在本实施例中,计算排序靠前的设定范围内的亮度值的第一平均值可以理解为最亮的x%个亮度值的平均值,其中,设定范围x%中的x不大于50,在本实施例中,x例如为30,如此,能够对每个图像区域内不同的亮度值进行平衡,避免个别亮度值过大或过小造成的较大偏差。
换句话说,第一平均值为最亮的30%个亮度值的平均值,也就是说,若按亮度值由高到低的顺序对第i个图像区域内的100个亮度值进行排序,第一平均值为排序靠前的30个亮度值的平均值。相应地,计算排序靠后的设定范围内的亮度值的第二平均值可以理解为最暗的30%个亮度值的平均值,相应地,若按亮度值由高到低的顺序对第i个图像区域内的100个亮度值进行排序,第二平均值为排序靠后的30个亮度值的平均值。
在本实施例中,第一平均值为x1,第二平均值为x2,第i个图像区域的二值化阈值为x1和x2的平均值。如此,能够对每个图像区域的二值化阈值进行动态设置,进而避免了“一刀切”带来的抓框异常。
可以理解,每个图像区域内的亮度值的总数不同,采用设定范围x%所确定的排序靠前和排序靠后的亮度值的数量也不同,通过采用设定范围x%确定排序靠前和排序靠后的亮度值的数量而非直接对排序靠前和排序靠后的亮度值的数量进行设置,能够提高第一平均值和第二平均值计算的灵活性和便捷性,进而提高对每个图像区域的二值化阈值设置的灵活性和便捷性。
请结合参阅图7,本实施例中通过步骤S424、步骤S425和步骤S426列举了步骤S42的另一种实现方式。
步骤S424,针对该图像区域内统计得到的每个亮度值,判断该亮度值是否达到二值化阈值。
例如,针对第i个图像区域内统计得到的每个亮度值,判断该亮度值是否达到第i个图像区域的二值化阈值,若达到,转向步骤S425,否则,转向步骤S426。
步骤S425,将该亮度值对应的图像的颜色设置为第一设定颜色。
若第i个图像区域内的第j个亮度值达到第i个图像区域的二值化阈值,将第j个亮度值对应的图像的颜色设置为第一设定颜色,在本实施例中,第一设定颜色可以为白色,如图8所示。其中,0<j≤100,j∈Z。
其中,第i个图像区域内的第j个亮度值达到第i个图像区域的二值化阈值可以理解为:第i个图像区域内的第j个亮度值大于或等于第i个图像区域的二值化阈值。
步骤S426,将该亮度值对应的图像的颜色设置为第二设定颜色。
若第i个图像区域内的第k个亮度值没有达到第i个图像区域的二值化阈值,将第j个亮度值对应的图像的颜色设置为第二设定颜色,在本实施例中,第二设定颜色可以为黑色,如图8所示,0<k≤100,k≠j,k∈Z。
其中,第i个图像区域内的第j个亮度值没有达到第i个图像区域的二值化阈值可以理解为:第i个图像区域内的第j个亮度值小于第i个图像区域的二值化阈值。
通过步骤S424~步骤S426能够实现每个图像区域的独立二值化处理,从而有效避免二值化处理“一刀切”的情况,请结合参阅图1,图1的四角亮度相对较暗,可以采用步骤S424~步骤S426能够对四角对应的图像区域内的二值化阈值进行动态设置,例如,采用步骤S424~步骤S426计算得到图1中的四角所对应的区域内的二值化阈值可能较低,又例如,采用步骤S424~步骤S426计算得到图2中的中间所对应的区域内的二值化阈值可能较高,如此,能够根据每个图像区域的实际亮度情况进行二值化阈值的自适应计算和调整。
步骤S43,将完成二值化处理的每个图像区域进行拼接以获得目标图像。
例如,将完成二值化处理的42个图像区域按照划分之前的位置进行拼接以获得目标图像,如图9所示。
请结合参阅图1、图2和图9,图9相对于图1和图2的二值化处理准确性明显提高,从而有效避免了抓框异常。
在上述基础上,如图10所示,本发明实施例提供了一种图像处理装置20的模块框图,所述图像处理装置20包括:图像区域划分模块21、二值化处理模块22和图像拼接模块23。
图像区域划分模块21,用于将待处理图像划分为多个图像区域。
由于图像区域划分模块21和图4中步骤S41的实现原理类似,因此在此不作更多说明。
二值化处理模块22,用于针对划分得到的多个图像区域中的每个图像区域,统计该图像区域内的亮度值,根据统计得到的亮度值计算得到该图像区域的二值化阈值;基于所述二值化阈值对该图像区域内的图像进行二值化处理。
由于二值化处理模块22和图4中步骤S42的实现原理类似,因此在此不作更多说明。
图像拼接模块23,用于将完成二值化处理的每个图像区域进行拼接以获得目标图像。
由于图像拼接模块23和图4中步骤S43的实现原理类似,因此在此不作更多说明。
综上,本发明实施例所提供的一种图像处理方法、装置及电子设备,能够对待处理图像进行图像区域划分,并针对每个图像区域独立进行二值化处理,如此,能够提高二值化处理的准确性,进而实现视场斜边的准确定位。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、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,所述模块、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方式中,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,两个连续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动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。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备10,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (10)
1.一种图像处理方法,其特征在于,包括:
将待处理图像划分为多个图像区域;
针对划分得到的多个图像区域中的每个图像区域,统计该图像区域内的亮度值,根据统计得到的亮度值计算得到该图像区域的二值化阈值;基于所述二值化阈值对该图像区域内的图像进行二值化处理;
将完成二值化处理的每个图像区域进行拼接以获得目标图像。
2.根据权利要求1所述的图像处理方法,其特征在于,根据统计得到的亮度值计算得到该图像区域的二值化阈值的步骤,包括:
将统计得到的亮度值进行排序;
计算排序靠前的设定范围内的亮度值的第一平均值以及排序靠后的设定范围内的亮度值的第二平均值;
根据所述第一平均值和所述第二平均值计算得到该图像区域的二值化阈值。
3.根据权利要求2所述的图像处理方法,其特征在于,根据所述第一平均值和所述第二平均值计算得到该图像区域的二值化阈值的步骤,包括:
计算所述第一平均值和所述第二平均值的平均值作为该图像区域的二值化阈值。
4.根据权利要求1所述的图像处理方法,其特征在于,基于所述二值化阈值对该图像区域内的图像进行二值化处理的步骤,包括:
针对该图像区域内统计得到的每个亮度值,判断该亮度值是否达到所述二值化阈值;
若该亮度值达到所述二值化阈值,将该亮度值对应的图像的颜色设置为第一设定颜色;
若该亮度值没有达到所述二值化阈值,将该亮度值对应的图像的颜色设置为第二设定颜色。
5.一种图像处理装置,其特征在于,包括:
图像区域划分模块,用于将待处理图像划分为多个图像区域;
二值化处理模块,用于针对划分得到的多个图像区域中的每个图像区域,统计该图像区域内的亮度值,根据统计得到的亮度值计算得到该图像区域的二值化阈值;基于所述二值化阈值对该图像区域内的图像进行二值化处理;
图像拼接模块,用于将完成二值化处理的每个图像区域进行拼接以获得目标图像。
6.根据权利要求5所述的图像处理装置,其特征在于,所述二值化处理模块通过以下方式根据统计得到的亮度值计算得到该图像区域的二值化阈值:
将统计得到的亮度值进行排序;
计算排序靠前的设定范围内的亮度值的第一平均值以及排序靠后的设定范围内的亮度值的第二平均值;
根据所述第一平均值和所述第二平均值计算得到该图像区域的二值化阈值。
7.根据权利要求6所述的图像处理装置,其特征在于,所述二值化处理模块通过以下方式根据所述第一平均值和所述第二平均值计算得到该图像区域的二值化阈值:
计算所述第一平均值和所述第二平均值的平均值作为该图像区域的二值化阈值。
8.根据权利要求5所述的图像处理装置,其特征在于,所述二值化处理模块通过以下方式基于所述二值化阈值对该图像区域内的图像进行二值化处理:
针对该图像区域内统计得到的每个亮度值,判断该亮度值是否达到所述二值化阈值;
若该亮度值达到所述二值化阈值,将该亮度值对应的图像的颜色设置为第一设定颜色;
若该亮度值没有达到所述二值化阈值,将该亮度值对应的图像的颜色设置为第二设定颜色。
9.一种电子设备,其特征在于,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述权利要求1-4任一项所述的的图像处理方法。
10.一种计算机可读存储介质,其特征在于,所述可读存储介质包括计算机程序,所述计算机程序运行时控制所述可读存储介质所在电子设备执行上述权利要求1-4任一项所述的的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910333197.3A CN110087063A (zh) | 2019-04-24 | 2019-04-24 | 一种图像处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910333197.3A CN110087063A (zh) | 2019-04-24 | 2019-04-24 | 一种图像处理方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110087063A true CN110087063A (zh) | 2019-08-02 |
Family
ID=67416343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910333197.3A Pending CN110087063A (zh) | 2019-04-24 | 2019-04-24 | 一种图像处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110087063A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503605A (zh) * | 2019-08-27 | 2019-11-26 | Oppo广东移动通信有限公司 | 一种图像处理方法、装置及存储介质 |
CN111366104A (zh) * | 2020-03-26 | 2020-07-03 | 深圳市菲森科技有限公司 | 一种具有自动亮度调节功能的扫描方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1790378A (zh) * | 2005-12-21 | 2006-06-21 | 北大方正集团有限公司 | 一种图像的二值化方法及*** |
CN104517089A (zh) * | 2013-09-29 | 2015-04-15 | 北大方正集团有限公司 | 一种二维码解码***及其方法 |
CN106096610A (zh) * | 2016-06-13 | 2016-11-09 | 湖北工业大学 | 一种基于支持向量机的文档图像二值化方法 |
CN106157323A (zh) * | 2016-08-30 | 2016-11-23 | 西安工程大学 | 一种动态分块阈值和块搜索结合的绝缘子分割提取方法 |
CN107808381A (zh) * | 2017-09-25 | 2018-03-16 | 哈尔滨理工大学 | 一种单细胞图像分割方法 |
-
2019
- 2019-04-24 CN CN201910333197.3A patent/CN110087063A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1790378A (zh) * | 2005-12-21 | 2006-06-21 | 北大方正集团有限公司 | 一种图像的二值化方法及*** |
CN104517089A (zh) * | 2013-09-29 | 2015-04-15 | 北大方正集团有限公司 | 一种二维码解码***及其方法 |
CN106096610A (zh) * | 2016-06-13 | 2016-11-09 | 湖北工业大学 | 一种基于支持向量机的文档图像二值化方法 |
CN106157323A (zh) * | 2016-08-30 | 2016-11-23 | 西安工程大学 | 一种动态分块阈值和块搜索结合的绝缘子分割提取方法 |
CN107808381A (zh) * | 2017-09-25 | 2018-03-16 | 哈尔滨理工大学 | 一种单细胞图像分割方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503605A (zh) * | 2019-08-27 | 2019-11-26 | Oppo广东移动通信有限公司 | 一种图像处理方法、装置及存储介质 |
CN110503605B (zh) * | 2019-08-27 | 2023-03-24 | Oppo广东移动通信有限公司 | 一种图像处理方法、装置及存储介质 |
CN111366104A (zh) * | 2020-03-26 | 2020-07-03 | 深圳市菲森科技有限公司 | 一种具有自动亮度调节功能的扫描方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470334B (zh) | 一种采集屏幕亮度和色度的方法及装置 | |
US11587219B2 (en) | Method and apparatus for detecting pixel defect of optical module, and device | |
EP3104327B1 (en) | Anomalous pixel detection | |
CN110766679A (zh) | 镜头脏污检测方法、装置及终端设备 | |
CN109788205A (zh) | 图像调整方法、装置及电子设备 | |
CN104749184A (zh) | 自动光学检测方法和*** | |
CN109829859B (zh) | 图像处理方法及终端设备 | |
US20120320223A1 (en) | Computing device, storage medium and method for identifying differences between two images | |
CN108737815B (zh) | 一种图像传感器的质量检测方法及*** | |
CN103606221B (zh) | 清分机故障自动诊断方法以及装置 | |
KR20190073247A (ko) | 향상된 전처리를 갖는 화이트 스팟 무라 검출 시스템 및 방법 | |
CN108924544A (zh) | 摄像头畸变测量方法与测试装置 | |
CN104168478A (zh) | 基于Lab空间及相关性函数的视频图像偏色检测方法 | |
CN110087063A (zh) | 一种图像处理方法、装置及电子设备 | |
CN106529556A (zh) | 一种仪表指示灯的视觉检测*** | |
CA3026968A1 (en) | Method and device for identifying pupil in an image | |
CN104749801B (zh) | 高精度自动光学检测方法和*** | |
CN107403169B (zh) | 信号灯检测识别方法及装置 | |
CN108230288B (zh) | 一种确定雾性状况的方法和装置 | |
CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
CN102236790A (zh) | 一种图像处理方法和设备 | |
CN105229665A (zh) | 对基于图像的蛇形带子磨损评估的增强分析 | |
CN104243967A (zh) | 一种图像检测方法及装置 | |
CN115690747B (zh) | 车辆盲区检测模型测试方法、装置、电子设备及存储介质 | |
CN117274211A (zh) | 一种屏幕缺陷检测方法、装置、终端设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190802 |
|
RJ01 | Rejection of invention patent application after publication |