CN111340687A - 一种图像的处理方法、装置及电子设备 - Google Patents
一种图像的处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111340687A CN111340687A CN202010108827.XA CN202010108827A CN111340687A CN 111340687 A CN111340687 A CN 111340687A CN 202010108827 A CN202010108827 A CN 202010108827A CN 111340687 A CN111340687 A CN 111340687A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- color
- image
- target area
- final target
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 95
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000011218 segmentation Effects 0.000 claims abstract description 27
- 239000003973 paint Substances 0.000 claims description 103
- 238000003709 image segmentation Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 16
- 238000004590 computer program Methods 0.000 description 13
- 239000003086 colorant Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Multimedia (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本公开实施例中提供了一种图像的处理方法,包括:通过预设的目标检测模型检测待处理图像中是否包含检测目标,当所述待处理图像中包含所述检测目标时,确定所述检测目标对应的区域并将其作为候选目标区域;根据颜色特征对所述候选目标区域进行区域分割,得到最终目标区域,所述最终目标区域在所述候选目标区域之内;根据业务需求,对所述最终目标区域进行处理。通过本公开实施例中的方法可以根据业务需求对图像中需要处理的区域进行处理,克服了现有技术中不能对实际业务需求需要处理的区域进行处理的技术问题,提高了用户的体验度。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种图像的处理方法、装置及电子设备。
背景技术
随着科学技术的发展,计算机、手机等终端在日常生活中的应用越来越广,随着使用需求的增加,计算机、手机等相应的处理任务的能力也在逐渐增强。例如,在图像处理领域,当需要对图像进行处理时,通过计算机或者手机等终端可以对需要处理的图像进行处理,包括变色、分割等。
但是,当前对图像处理的技术在有些情况下对图像处理的方法不能满足用户的使用需求,导致用户的使用体验度不佳,所以还需要一种更好的对图像的处理的方法。
发明内容
有鉴于此,本公开实施例的主要目的在于提供一种图像的处理方法、装置及电子设备,以解决现有技术中对图像处理时不能满足用户需求,导致用户体验度不佳的问题。
第一方面,本公开实施例提供了一种图像的处理方法,包括:
通过预设的目标检测模型检测待处理图像中是否包含检测目标,当所述待处理图像中包含所述检测目标时,确定所述检测目标对应的区域并将其作为候选目标区域;
根据颜色特征对所述候选目标区域进行区域分割,得到最终目标区域,所述最终目标区域在所述候选目标区域之内;
根据业务需求,对所述最终目标区域进行处理。
根据本公开实施例的一种具体实现方式,通过预设的目标检测模型检测待处理图像中是否包含检测目标,当所述待处理图像中包含所述检测目标时,确定所述检测目标对应的区域并将其作为候选目标区域,具体为:
通过预设的车辆检测模型检测待处理图像是否包含车辆特征信息,所述车辆特征信息用于表征所述车辆特征信息对应的车辆,所述车辆检测模型为将包含车辆特征信息的图像作为第一标记样本并且利用所述第一标记样本,通过监督学习的方式训练得到的模型;
当检测到所述待处理图像包含所述车辆特征信息时,通过预设的第一图像分割模型确定所述待处理图像中所述车辆特征信息对应的车辆区域,将所述车辆区域作为候选目标区域。
根据本公开实施例的一种具体实现方式,根据颜色特征对所述候选目标区域进行区域的分割,得到最终目标区域,具体包括:
将包含所述车辆区域的待处理图像输入至第二图像分割模型,所述第二图像分割模型为将包含车辆的车漆颜色特征信息的图像作为第二标记样本并利用所述第二标记样本,通过监督学习的方式训练得到的模型;
利用所述第二图像分割模型,根据车漆颜色特征信息对所述车辆区域进行区域分割,得到所述车漆颜色特征信息对应的车辆区域;
将所述车漆颜色特征信息对应的车辆区域作为最终目标区域。
根据本公开实施例的一种具体实现方式,所述根据业务需求,对所述最终目标区域进行处理,包括改变所述最终目标区域的颜色,具体为:
根据所述车漆颜色特征信息对应的车辆区域,从所述待处理图像的原图中提取所述最终目标区域的车漆像素信息,所述车漆像素信息为所述车漆颜色特征信息对应的车辆区域中每个像素的位置信息和色彩信息;
选取所述最终目标区域的预选颜色,根据所述车漆像素信息,对所述预选颜色进行调整,确定所述最终目标区域中每个像素对应的颜色并将其作为最终目标区域的最终颜色,所述最终目标区域的最终颜色与所述车漆像素信息之间的对应关系为颜色空间中预设的色彩比例映射关系;
将所述待处理图像的原图中与所述最终目标区域对应区域的颜色修改为所述最终颜色。
根据本公开实施例的一种具体实现方式,所述根据业务需求,对所述最终目标区域进行处理,包括改变所述最终目标区域的纹理,具体为:
根据所述车漆颜色特征信息对应的车辆区域,从所述待处理图像的原图中提取所述最终目标区域的车漆像素信息,所述车漆像素信息为所述车漆颜色特征信息对应的车辆区域中每个像素的位置信息和色彩信息;
选取所述最终目标区域的纹理,将所述纹理设置在所述最终目标区域;
根据所述车漆像素信息,对所述纹理进行颜色调整,确定所述最终目标区域的纹理中每个像素对应的颜色并将其作为所述最终目标区域的纹理的最终颜色,所述最终目标区域的纹理的最终颜色与所述车漆像素信息之间的对应关系为颜色空间中预设的色彩比例映射关系;
在所述待处理图像的原图中与所述最终目标区域对应区域设置所述纹理,并将在所述待处理图像的原图中设置的所述纹理的颜色修改为所述最终目标区域的纹理的最终颜色。
根据本公开实施例的一种具体实现方式,所述根据业务需求,对所述最终目标区域进行处理,包括对所述最终目标区域进行贴纸,具体为:
根据所述车漆颜色特征信息对应的车辆区域,从所述待处理图像的原图中提取所述最终目标区域的车漆像素信息,所述车漆像素信息为所述车漆颜色特征信息对应的车辆区域中每个像素的位置信息和色彩信息;
选取所述最终目标区域的贴纸,将所述贴纸设置在所述最终目标区域;
根据所述车漆像素信息,对所述贴纸进行颜色调整,确定所述最终目标区域的贴纸中每个像素对应的颜色并将其作为所述最终目标区域的贴纸的最终颜色,所述最终目标区域的贴纸的最终颜色与所述车漆像素信息之间的对应关系为颜色空间中预设的色彩比例映射关系;
在所述待处理图像的原图中与所述最终目标区域对应区域设置所述贴纸,并将在所述待处理图像的原图中设置的所述贴纸的颜色修改为所述最终目标区域的贴纸的最终颜色。
根据本公开实施例的一种具体实现方式,所述处理方法应用于应用程序或网页。
第二方面,本公开实施例提供了一种图像的处理装置,包括:
目标检测模块,用于通过预设的目标检测模型检测待处理图像中是否包含检测目标;
候选目标区域确定模块,当所述待处理图像中包含所述检测目标时,确定所述检测目标对应的区域并将其作为候选目标区域;
最终目标区域确定模块,根据颜色特征对所述候选目标区域进行区域分割,得到最终目标区域,所述最终目标区域在所述候选目标区域之内;
处理模块,根据业务需求,对所述最终目标区域进行处理。
第三方面,本公开实施例还提供了一种电子设备,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述任第一方面或第一方面的任一实现方式中的图像的处理方法。
第四方面,本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的图像的处理方法。
第五方面,本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述第一方面或第一方面的任一实现方式中的图像的处理方法。
本公开实施例中对图像的处理方法,通过检测待处理图像中是否包含检测目标,当检测到待处理图像中包含检测目标时,确定该检测目标所在的区域,并将其作为候选目标区域。在确定候选目标区域后,通过分割模型对候选目标区域进行分割,从候选目标区域中选取目标区域,将该目标区域作为最终需要的区域,即为最终目标区域。在得到最终目标区域后,根据业务需求对该最终目标区域进行处理,例如变色等。
通过本公开实施例中的方法可以根据业务需求对图像中需要处理的区域进行处理,克服了现有技术中不能对实际业务需求需要处理的区域进行处理的技术问题,提高了用户的体验度。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种图像的处理方法的流程示意图;
图2为本公开实施例提供的一种图像分割后得到的最终目标区域的示意图;
图3为本公开实施例提供的一种直播间中信息的方法装置的结构示意图;
图4为本公开实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,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,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种图像的处理方法。本实施例提供的图像的处理方法可以由一计算装置来执行,该计算装置可以实现为软件,或者实现为软件和硬件的组合,该计算装置可以集成设置在服务器、终端设备等中。
现有技术中,对图像处理的技术还不很成熟,在某些具体应用领域的应用还不能满足用户的使用需求,例如,利用计算机、手机等用户终端中的应用程序或软件等在具体应用场景中对图像进行符合该应用场景使用需求的处理时,不能按照用户的使用需求对图像进行处理,从而得到用户想要得到的结果。在该种情况下,用户使用计算机、手机等用户终端中的应用程序或软件等对图像进行处理后,不能得到用户想要的结果,导致用户使用应用程序或者软件的体验度很差。
以利用手机应用程序,根据用户的需求对指定图像中的指定区域进行处理为例。现在手机中有各种满足用户不同使用需求的应用程序,用户通过这些应用程序进行相应的操作,以达到用户的使用目的。例如用户通过购物APP进行购物时,通过购物APP可以看到相应物品的形状、颜色等,还可以通过该购物APP进行不同颜色的切换等;用户通过车辆资讯APP对汽车进行信息的查询和了解时,可以通过该车辆资讯APP查看不同车型或者相同车型的外形、颜色、配置等。当用户想要查看车辆的不同颜色对应的效果时,可以通过该车辆资讯APP对车辆的颜色进行改变时,但是目前的技术是通过该车辆资讯APP在对车辆的外观颜色进行改变时不能达到很好的效果。
由于车辆的外观颜色是由汽车的外部车漆颜色决定的,当然此处所说的外部车漆颜色不包括车灯、牌照、挡风玻璃、轮胎、进气格栅等没有喷车漆部位的颜色,所以这里所述的车辆外观颜色主要为喷有车漆部位的车漆颜色,而改变车辆外观颜色时只需改变车辆喷有车漆部位的车漆颜色即可。现有技术中的应用程序或者软件在对车辆改变颜色时,不能只改变车辆车漆的颜色,而是将车辆的全部颜色(包括牌照、轮胎等)改变,这样改变车辆颜色的效果对于用户来说效果比较差,用户不能得到想要的车辆颜色的改变效果,所以用户使用这些APP的体验度很低。当然用户的需求也可以是只改变车辆车漆一部分,例如车门的颜色、前机盖的颜色等等,并且该例不仅局限于手机应用程序,还可以是计算机软件等,这里不再举例说明。
所以,本公开实施例提供了一种图像的处理方法,该处理方法主要用于对在具体应用场景中包含用户需要处理的目标的图像进行处理,以将用户需要处理的目标在图像中进行处理,该方法解决了现有技术中存在的上述技术问题。
参见图1,本公开实施例提供的一种图像的处理方法,该方法主要包括以下步骤:
步骤S100,通过预设的目标检测模型检测待处理图像中是否包含检测目标,当待处理图像中包含所述检测目标时,确定检测目标对应的区域并将其作为候选目标区域。
该实施例以手机中的应用程序为例进行说明,当然计算机等其他用户终端的工作原理同样如此。当用户需要对某图像进行处理时,通过手机应用程序对该图像进行处理,该图像可以是手机中已经存储的图像或者在应用程序中的图像,通过手机中的应用成程序可以直接对该图像进行处理,将该图像作为待处理图像。对待处理图像进行处理前需要检测待处理图像中是否包含检测目标,或者检测待检测图像是否为包含检测目标的待检测图像。检测方法可以通过预设的目标检测模型进行检测,将该待检测图像输入至目标检测模型中,通过该目标检测模型即可检测出该待检测图像中是否包含检测目标或者该待检测图像是否为包含检测目标的图像。
目标检测模型是预先根据业务需求训练得到的模型,不同的业务需求对应不同的目标检测模型。所以在执行该步骤之前还包括:根据业务需求预先训练与该业务需求对应的目标检测模型,训练方法可以是通过监督学习的方式进行训练。例如,当检测目标为车辆时,该目标检测模型为利用已有的包含各种车辆的图像通过监督学习的方式训练得到的模型,将得到的模型作为预设的目标检测模型,用于检测待检测图像中是否包含车辆或者检测待检测图像是否为包含车辆的图像。根据业务需求,当检测目标为显示器时,该目标检测模型为利用已有的保护各种显示器的图像通过监督学习的方式训练得到的模型,将得到的模型作为预设的目标检测模型,当然还可以是其他检测目标对应的目标检测模型,这里不再一一举例,都在本实施例的保护范围之内。
当通过目标检测模型检测到待检测图像中包含检测目标,或者通过目标检测模型检测到待检测图像为包含检测目标的图像时,确定检测目标对应的区域并将其作为候选目标区域。确定检测目标对应的区域具体可以是通过目标检测模型确定检测目标在待检测图像中的区域,由于目标检测模型已经确定待检测图像中包括检测目标,所以可以直接确定检测目标在待检测图像中的区域,然后将检测到的检测目标在待检测图像中的区域作为候选目标区域。该步骤确定了候选目标区域,说明待检测图像中包含检测目标,并且为可以进一步处理的图像。
步骤S200,步骤S100中确定了待处理图中包含检测目标或者待处理图像为包含检测目标的图像,并且确定了待处理图像中的候选目标区域,然后需要对候选目标区域进行区域分割,本实施例是根据颜色特征对候选目标区域进行区域分割,得到最终目标区域,最终目标区域在候选目标区域之内,也就是说最终目标区域是候选目标区域中的一部分。对候选目标区域进行区域分割,得到最终目标区域的步骤可以是通过分割模型对候选目标区域进行分割得到最终目标区域的,该分割模型是根据业务需求预先训练好的模型,可以直接对候选目标区域进行分割。例如,当检测目标为车辆时,候选目标区域为待处理图像中车辆对应区域,根据业务需求,将车辆的外部车漆进行颜色的改变,就需要对车辆的外部车漆所在的区域进行颜色处理,所以需要确定车辆的外部车漆所在的区域。通过利用标注有车辆的外部车漆所在区域的图像训练模型,得到分割模型,分割模型可以对包含车辆的候选目标区域进行分割,将候选目标区域中车辆的外部车漆所在的区域分割出来,将分割出来的车辆的外部车漆所在的区域作为最终目标区域。当然,当检测目标为其他目标时,相应的分割模型为与该检测目标对应的候选目标区域的分割模型。
步骤S300,在得到最终目标区域后,根据业务需求,对最终目标区域进行处理。例如,当检测目标为车辆时,确定候选目标区域以及最终目标区域后,根据业务需求,可以是对最终目标区域进行颜色的改变等处理。
通过本公开实施例的方法可以对具体应用场景中用户需要对图像中进行处理的区域进行处理,从而提高了处理效果,进一步提高了用户的体验度。
作为对上述实施例提供的方法的进一步优化与补充,还提供了以下实施例用于优化说明上述实施例中方法,本公开实施例以车辆为检测目标,通过检测待处理图像中是否包含车辆,或者待处理图像是否为包含车辆的图像,然后对包含车辆的待处理图像进行处理,确定待处理图像中的候选目标区域,进一步确定最终目标区域,最后在对该最终目标区域进行处理。
本公开实施例为在车辆对应的图像处理场景的中的应用,主要思想为通过在应用程序或者软件中,先检测当前显示的图像(待处理图像)中是否为包含车辆的图像,当检测到待处理图像中包含车辆时,分割出车辆的车漆部位并对车辆的车漆部位进行处理,然后在对待处理图像在未经过分割等操作之前的原图中对应的车漆部位进行处理,具体处理方法包括改变颜色等。
用户在通过车辆资讯APP(例如懂车帝等)进行车辆信息查询时,了解车辆的各种信息,例如需要查看同一型号车辆的不同颜色对应的效果,可以通过车辆资讯APP查询该型号的车辆,然后在通过颜色切换对应的操作进行颜色的切换,可以看到该型号车辆的不同颜色对应的效果图。但是目前的车辆资讯APP在对车辆的颜色进行切换时是将整个车辆的所有外部颜色改变,包括轮胎、轮毂、牌照、挡风玻璃等,通过这样的颜色改变方式得的切换颜色后的效果图与实际车辆的差距太大,导致用户的使用体验度不佳。在切换车辆的颜色时不需要改变轮胎、轮毂、牌照、挡风玻璃、进气格栅等位置的颜色,只需改变喷有车漆部位的车漆颜色即可。当然还可以是除改变颜色以外的其他操作,例如贴纸等。
步骤S100,通过预设的目标检测模型检测待处理图像中是否包含检测目标,当待处理图像中包含所述检测目标时,确定检测目标对应的区域并将其作为候选目标区域,具体可以为:
由于本实施例是以车辆为检测目标,使用车辆资讯APP查看车辆时,车辆资讯APP会显示车辆的当前信息,例如当前的车辆颜色等。当前显示的车辆也是在一张图像中,这张图像为包括当前显示的车辆的图像。但是当使用车辆资讯APP对当前显示的车辆进行处理时,虽然这张图像显示出来之后为包括当前显示的车辆的图像,但是计算机不知道这张图像是否为包含当前显示的车辆的图像,所以需要判断当前显示的车辆所在的图像中是否包含车辆。在判断这张图像为包含当前显示的车辆的图像时,对这张图像进行处理,将包含当前显示的车辆的这张图像作为待处理图像。
检测待处理图像中是否包含车辆或者检测待处理图像是否为包含车辆的图像时需要检测待处理图像中是否包含车辆的信息,车辆的信息在图像中可以是车辆的特征信息等。本实施例通过预设的车辆检测模型检测待处理图像是否包含车辆特征信息,车辆特征信息可以是车辆的外观信息、形状信息等,这些车辆特征信息用于表征车辆特征信息对应的车辆或者表征车辆的存在,当检测到图像中有车辆特征信息时说明待处理图像中包含有车辆或者待处理图像为包含车辆的图像。车辆检测模型为将包含车辆特征信息的图像作为第一标记样本并且利用第一标记样本,通过监督学习的方式训练得到的模型,该车辆检测模型为预先设置的模型,第一标记样本为大量的包含车辆特征信息的图像,车辆特征信息包括各种不同类型、大小的车辆,可以根据实际需求进行设置。车辆检测模型以及其训练和检测的具体过程不是本实施例的重点,这里不再进行详细的说明。
当检测到待处理图像包含车辆特征信息时,可与通过预设的第一图像分割模型确定待处理图像中车辆特征信息对应的车辆区域,将车辆区域作为候选目标区域。预设的第一图像分割模型同样为预先训练的模型,将候选目标区域从待处理图像中分割出来,预设的第一图像分割模型可以与目标检测模型相同,也可以与目标检测模型不同,当与目标检测模型相同时,目标检测目标既可以检测待处理图像中是否包含车辆,还可以将包含车辆的待处理图像进行分割,将车辆在待处理图像中的区域分割出来。
步骤S200,根据颜色特征对候选目标区域进行区域的分割,得到最终目标区域,具体包括:
将包含车辆区域的待处理图像输入至第二图像分割模型,第二图像分割模型为将包含车辆的车漆颜色特征信息的图像作为第二标记样本并利用第二标记样本,通过监督学习的方式训练得到的模型。第二图像分割模型同样为预先训练的模型,该模型利用的第二标记样本为通过对车辆的车漆部位进行标记的样本,这些样本中车辆喷有车漆的部位均有标记,标记方法可以通过人工标记等,标记样本同样还可以包括通过第二分割模型分割得到的有最终目标区域的图像。利用第二图像分割模型,根据车漆颜色特征信息对车辆区域(候选目标区域)进行区域分割,得到待处理图像中车辆的车漆颜色特征信息对应的车辆区域,将车漆颜色特征信息对应的车辆区域作为最终目标区域。当然,还可以是其他本实施例没有例举的分割方式,例如语义分割等等。
参考图2,为对待处理图像进行分割后得到的最终目标区域的示意图,图2a所示的为待处理图像的原图,图中白色车漆部分为有标记的部分。经过步骤S100中的第一分割模型或者目标检测模型处理后,得到包含候选目标区域的图像,包含候选目标区域的图像即为图2a所示的图像将车辆所在的区域保留,非车辆所在的区域分割出去的图像,也就是说确定候选目标区域的图像为将背景(包括房子、地面等)删除,只剩车辆的图像。图2b所示的图像为经过步骤S100和步骤S200处理之后得到的图像,该图像为包括最终目标区域的图像,图中白色区域为车辆喷有车漆部位的区域,即最终目标区域。
通过步骤S100和步骤S200得到了车辆的喷有车漆部位的区域,即最终目标区域,解决了现有技术中不能选取最终目标区域,只能对车辆全部区域进行处理的技术问题。
步骤S300,根据业务需求,对最终目标区域进行处理,包括改变最终目标区域的颜色,具体为:
在得到分割后的车辆车漆部位区域的最终目标区域后,根据车漆颜色特征信息对应的车辆区域,从待处理图像的原图中提取最终目标区域的车漆像素信息,车漆像素信息为车漆颜色特征信息对应的车辆区域中每个像素的位置信息和色彩信息。待处理图像中的车辆的车漆部位的区域中车漆像素信息即每个像素的颜色特征都是不同的,所以在对车辆的车漆部位的区域进行颜色改变时,每个像素的颜色特征也是不同的,需要根据待处理图像的原图(未经过本公开实施例所述的方法处理的待处理图像)中车辆的车漆部位的区域的每个像素的颜色进行修改。
当对车辆进行颜色改变时,如当前颜色为白色,需要选取需要的颜色,如红色,然后将车辆的颜色(白色)修改为需要的颜色(红色),所以需要选取最终目标区域的预选颜色(需要的颜色,红色)。因为待处理图像的原图中对应的最终目标区域的每个像素点的颜色信息在待处理图像的原图中都不一样,所以在选取预选颜色后不能将最终目标区域中每个像素的颜色都修改为预选颜色(红色),所以需要根据待处理图像的原图中对应的最终目标区域的车漆像素信息修改预选颜色。根据车漆像素信息,对预选颜色进行调整,确定最终目标区域中每个像素对应的颜色并将其作为最终目标区域的最终颜色,最终目标区域的最终颜色与车漆像素信息之间的对应关系为颜色空间中预设的色彩比例映射关系。例如,按照两者中相同颜色空间或者不同颜色空间中相同像素的均值、方差的比例等,本领域技术人员均可以实现,这里不再详细说明。
将待处理图像的原图中与最终目标区域对应区域的颜色修改为最终颜色,完成对待处理图像的处理。
通过该步骤可以将修改后的车漆部位的颜色信息(包括饱和度、亮度等)与车漆部位在改变颜色之前的每个像素的颜色(包括饱和度、亮度等)保持一致。
步骤S300,根据业务需求,对最终目标区域进行处理,包括改变最终目标区域的纹理,还可以为:
在得到分割后的车辆车漆部位区域的最终目标区域后,根据车漆颜色特征信息对应的车辆区域,从待处理图像的原图中提取最终目标区域的车漆像素信息,车漆像素信息为车漆颜色特征信息对应的车辆区域中每个像素的位置信息和色彩信息。待处理图像中的车辆的车漆部位的区域中车漆像素信息即每个像素的颜色特征都是不同的,所以在对车辆的车漆部位的区域进行颜色改变时,每个像素的颜色特征也是不同的,需要根据待处理图像的原图(未经过本公开实施例所述的方法处理的待处理图像)中车辆的车漆部位的区域的每个像素的颜色进行修改。
选取最终目标区域的纹理,将纹理设置在最终目标区域。根据车漆像素信息,对纹理进行颜色调整,确定最终目标区域的纹理中每个像素对应的颜色并将其作为最终目标区域的纹理的最终颜色,最终目标区域的纹理的最终颜色与车漆像素信息之间的对应关系为颜色空间中预设的色彩比例映射关系。当对最终目标区域增加纹理时,先将纹理设置在最终目标区域,纹理本身可能也有颜色,需要根据车漆像素信息调整纹理中每个像素的颜色(包括位置信息和色彩信息)。例如,按照两者中相同颜色空间或者不同颜色空间中相同像素的均值、方差的比例等,本领域技术人员均可以实现,这里不再详细说明。
在待处理图像的原图中与最终目标区域对应区域设置所述纹理,并将在待处理图像的原图中设置的纹理的颜色修改为最终目标区域的纹理的最终颜色。
步骤S300,根据业务需求,对最终目标区域进行处理,包括对最终目标区域进行贴纸,还可以为:
根据车漆颜色特征信息对应的车辆区域,从待处理图像的原图中提取最终目标区域的车漆像素信息,车漆像素信息为车漆颜色特征信息对应的车辆区域中每个像素的位置信息和色彩信息。
选取最终目标区域的贴纸,将贴纸设置在最终目标区域。
根据车漆像素信息,对贴纸进行颜色调整,确定最终目标区域的贴纸中每个像素对应的颜色并将其作为最终目标区域的贴纸的最终颜色,最终目标区域的贴纸的最终颜色与车漆像素信息之间的对应关系为颜色空间中预设的色彩比例映射关系。该步骤与上述修改颜色、纹理的步骤的原理相同,这里不再详细说明。
在待处理图像的原图中与最终目标区域对应区域设置所述贴纸,并将在待处理图像的原图中设置的贴纸的颜色修改为最终目标区域的贴纸的最终颜色。
值得说明的是,上述的不同实施例提供的对图像处理方法可以应用于应用程序、网页等,在这里不做具体限制。
与上面的方法实施例相对应,参见图3,本公开实施例还提供了一种图像的处理装置40,包括:
目标检测模块1,用于通过预设的目标检测模型检测待处理图像中是否包含检测目标。
候选目标区域确定模块2,当所述待处理图像中包含所述检测目标时,确定所述检测目标对应的区域并将其作为候选目标区域。
最终目标区域确定模块3,对所述候选目标区域进行区域分割,得到最终目标区域,所述最终目标区域在所述候选目标区域之内。
处理模块4,根据业务需求,对所述最终目标区域进行处理。
图3所示装置可以对应的执行上述方法实施例中的内容,本实施例未详细描述的部分,参照上述方法实施例中记载的内容,在此不再赘述。
参见图4,本公开实施例还提供了一种电子设备60,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述方法实施例中图像的处理方法。
本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述实施例中的图像的处理方法。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述方法实施例中图像的处理方法。
下面参考图4,其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备60可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
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装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上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存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储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。在本公开中,计算机可读存储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。而在本公开中,计算机可读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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
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电子设备执行时,使得该电子设备:获取至少两个网际协议地址;向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求,其中,所述节点评价设备从所述至少两个网际协议地址中,选取网际协议地址并返回;接收所述节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,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电子设备执行时,使得该电子设备:接收包括至少两个网际协议地址的节点评价请求;从所述至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;其中,接收到的网际协议地址指示内容分发网络中的边缘节点。
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公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—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,图示了按照本公开各种实施例的***、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。
描述于本公开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。其中,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,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种图像的处理方法,其特征在于,包括:
通过预设的目标检测模型检测待处理图像中是否包含检测目标,当所述待处理图像中包含所述检测目标时,确定所述检测目标对应的区域并将其作为候选目标区域;
根据颜色特征对所述候选目标区域进行区域分割,得到最终目标区域,所述最终目标区域在所述候选目标区域之内;
根据业务需求,对所述最终目标区域进行处理。
2.根据权利要求1所述的处理方法,其特征在于,通过预设的目标检测模型检测待处理图像中是否包含检测目标,当所述待处理图像中包含所述检测目标时,确定所述检测目标对应的区域并将其作为候选目标区域,具体为:
通过预设的车辆检测模型检测待处理图像是否包含车辆特征信息,所述车辆特征信息用于表征所述车辆特征信息对应的车辆,所述车辆检测模型为将包含车辆特征信息的图像作为第一标记样本并且利用所述第一标记样本,通过监督学习的方式训练得到的模型;
当检测到所述待处理图像包含所述车辆特征信息时,通过预设的第一图像分割模型确定所述待处理图像中所述车辆特征信息对应的车辆区域,将所述车辆区域作为候选目标区域。
3.根据权利要求2所述的处理方法,其特征在于,根据颜色特征对所述候选目标区域进行区域的分割,得到最终目标区域,具体包括:
将包含所述车辆区域的待处理图像输入至第二图像分割模型,所述第二图像分割模型为将包含车辆的车漆颜色特征信息的图像作为第二标记样本并利用所述第二标记样本,通过监督学习的方式训练得到的模型;
利用所述第二图像分割模型,根据车漆颜色特征信息对所述车辆区域进行区域分割,得到所述车漆颜色特征信息对应的车辆区域;
将所述车漆颜色特征信息对应的车辆区域作为最终目标区域。
4.根据权利要求3所述的处理方法,其特征在于,所述根据业务需求,对所述最终目标区域进行处理,包括改变所述最终目标区域的颜色,具体为:
根据所述车漆颜色特征信息对应的车辆区域,从所述待处理图像的原图中提取所述最终目标区域的车漆像素信息,所述车漆像素信息为所述车漆颜色特征信息对应的车辆区域中每个像素的位置信息和色彩信息;
选取所述最终目标区域的预选颜色,根据所述车漆像素信息,对所述预选颜色进行调整,确定所述最终目标区域中每个像素对应的颜色并将其作为最终目标区域的最终颜色,所述最终目标区域的最终颜色与所述车漆像素信息之间的对应关系为颜色空间中预设的色彩比例映射关系;
将所述待处理图像的原图中与所述最终目标区域对应区域的颜色修改为所述最终颜色。
5.根据权利要求3所述的处理方法,其特征在于,所述根据业务需求,对所述最终目标区域进行处理,包括改变所述最终目标区域的纹理,具体为:
根据所述车漆颜色特征信息对应的车辆区域,从所述待处理图像的原图中提取所述最终目标区域的车漆像素信息,所述车漆像素信息为所述车漆颜色特征信息对应的车辆区域中每个像素的位置信息和色彩信息;
选取所述最终目标区域的纹理,将所述纹理设置在所述最终目标区域;
根据所述车漆像素信息,对所述纹理进行颜色调整,确定所述最终目标区域的纹理中每个像素对应的颜色并将其作为所述最终目标区域的纹理的最终颜色,所述最终目标区域的纹理的最终颜色与所述车漆像素信息之间的对应关系为颜色空间中预设的色彩比例映射关系;
在所述待处理图像的原图中与所述最终目标区域对应区域设置所述纹理,并将在所述待处理图像的原图中设置的所述纹理的颜色修改为所述最终目标区域的纹理的最终颜色。
6.根据权利要求3所述的处理方法,其特征在于,所述根据业务需求,对所述最终目标区域进行处理,包括对所述最终目标区域进行贴纸,具体为:
根据所述车漆颜色特征信息对应的车辆区域,从所述待处理图像的原图中提取所述最终目标区域的车漆像素信息,所述车漆像素信息为所述车漆颜色特征信息对应的车辆区域中每个像素的位置信息和色彩信息;
选取所述最终目标区域的贴纸,将所述贴纸设置在所述最终目标区域;
根据所述车漆像素信息,对所述贴纸进行颜色调整,确定所述最终目标区域的贴纸中每个像素对应的颜色并将其作为所述最终目标区域的贴纸的最终颜色,所述最终目标区域的贴纸的最终颜色与所述车漆像素信息之间的对应关系为颜色空间中预设的色彩比例映射关系;
在所述待处理图像的原图中与所述最终目标区域对应区域设置所述贴纸,并将在所述待处理图像的原图中设置的所述贴纸的颜色修改为所述最终目标区域的贴纸的最终颜色。
7.根据权利要求1~6任一项所述的处理方法,其特征在于,所述处理方法应用于应用程序或网页。
8.一种图像的处理装置,其特征在于,包括:
目标检测模块,用于通过预设的目标检测模型检测待处理图像中是否包含检测目标;
候选目标区域确定模块,当所述待处理图像中包含所述检测目标时,确定所述检测目标对应的区域并将其作为候选目标区域;
最终目标区域确定模块,根据颜色特征对所述候选目标区域进行区域分割,得到最终目标区域,所述最终目标区域在所述候选目标区域之内;
处理模块,根据业务需求,对所述最终目标区域进行处理。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的图像的处理方法。
10.一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行权利要求1-7中任一项所述的图像的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010108827.XA CN111340687A (zh) | 2020-02-21 | 2020-02-21 | 一种图像的处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010108827.XA CN111340687A (zh) | 2020-02-21 | 2020-02-21 | 一种图像的处理方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111340687A true CN111340687A (zh) | 2020-06-26 |
Family
ID=71184652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010108827.XA Pending CN111340687A (zh) | 2020-02-21 | 2020-02-21 | 一种图像的处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111340687A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150195500A1 (en) * | 2012-08-03 | 2015-07-09 | Clarion Co., Ltd. | In-Vehicle Imaging Device |
CN107766831A (zh) * | 2017-10-31 | 2018-03-06 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端和计算机可读存储介质 |
CN108492348A (zh) * | 2018-03-30 | 2018-09-04 | 北京金山安全软件有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN109766828A (zh) * | 2019-01-08 | 2019-05-17 | 重庆同济同枥信息技术有限公司 | 一种车辆目标分割方法、装置及通信设备 |
CN109949248A (zh) * | 2019-03-26 | 2019-06-28 | 北京字节跳动网络技术有限公司 | 修改车辆在图像中的颜色的方法、装置、设备及介质 |
CN110335195A (zh) * | 2019-07-09 | 2019-10-15 | 北京字节跳动网络技术有限公司 | 车身颜色调整方法、装置、电子设备及存储介质 |
-
2020
- 2020-02-21 CN CN202010108827.XA patent/CN111340687A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150195500A1 (en) * | 2012-08-03 | 2015-07-09 | Clarion Co., Ltd. | In-Vehicle Imaging Device |
CN107766831A (zh) * | 2017-10-31 | 2018-03-06 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端和计算机可读存储介质 |
CN108492348A (zh) * | 2018-03-30 | 2018-09-04 | 北京金山安全软件有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN109766828A (zh) * | 2019-01-08 | 2019-05-17 | 重庆同济同枥信息技术有限公司 | 一种车辆目标分割方法、装置及通信设备 |
CN109949248A (zh) * | 2019-03-26 | 2019-06-28 | 北京字节跳动网络技术有限公司 | 修改车辆在图像中的颜色的方法、装置、设备及介质 |
CN110335195A (zh) * | 2019-07-09 | 2019-10-15 | 北京字节跳动网络技术有限公司 | 车身颜色调整方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110288549B (zh) | 视频修复方法、装置及电子设备 | |
CN110084204B (zh) | 基于目标对象姿态的图像处理方法、装置和电子设备 | |
CN110781823B (zh) | 录屏检测方法、装置、可读介质及电子设备 | |
CN110991491A (zh) | 图像标注方法、装置、设备及存储介质 | |
CN111738316B (zh) | 零样本学习的图像分类方法、装置及电子设备 | |
CN111402364A (zh) | 一种图像生成方法、装置、终端设备及存储介质 | |
CN112308780A (zh) | 图像的处理方法、装置、设备及存储介质 | |
CN112230923A (zh) | 用户界面渲染方法、用户界面渲染装置及服务器 | |
CN111222509A (zh) | 目标检测方法、装置及电子设备 | |
CN110287810B (zh) | 车门动作检测方法、装置和计算机可读存储介质 | |
CN113033715B (zh) | 目标检测模型训练方法和目标车辆检测信息生成方法 | |
CN111626990B (zh) | 目标检测框处理方法、装置及电子设备 | |
CN111401229B (zh) | 视觉小目标自动标注方法、装置及电子设备 | |
CN110147283B (zh) | 一种显示内容切换显示方法、装置、设备及介质 | |
CN112199132A (zh) | 页面布局方法及装置 | |
CN116681765A (zh) | 图像内标识位置确定方法、模型训练方法、装置及设备 | |
CN111340687A (zh) | 一种图像的处理方法、装置及电子设备 | |
CN110619028A (zh) | 房源详情页的地图显示方法、装置、终端设备及介质 | |
US20220207879A1 (en) | Method for evaluating environment of a pedestrian passageway and electronic device using the same | |
CN111832354A (zh) | 目标对象年龄识别方法、装置及电子设备 | |
CN116311155A (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN113269730B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN111292247A (zh) | 图像处理方法和装置 | |
CN113099101B (zh) | 摄像参数调节方法、装置及电子设备 | |
CN110263721B (zh) | 车灯设置方法及设备 |
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 |