CN112508937A - 生成划痕数据的方法、装置、电子设备和存储介质 - Google Patents
生成划痕数据的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112508937A CN112508937A CN202011531278.3A CN202011531278A CN112508937A CN 112508937 A CN112508937 A CN 112508937A CN 202011531278 A CN202011531278 A CN 202011531278A CN 112508937 A CN112508937 A CN 112508937A
- Authority
- CN
- China
- Prior art keywords
- image
- scratch
- pixels
- scratch data
- preliminary
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004891 communication Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 17
- 230000011218 segmentation Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 9
- 238000012216 screening Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008439 repair process Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 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
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本公开提供了一种生成划痕数据的方法、装置、电子设备和存储介质,涉及人工智能领域,具体涉及计算机视觉和深度学习领域。实现方案为:一种生成划痕数据的方法,包括:将带有划痕的图像与对划痕修复后的图像进行比较,以生成初步划痕数据图像;获取初步划痕数据图像内的所有像素之中的满足第一条件的候选像素,以生成经调制的初步划痕数据图像;计算经调制的初步划痕数据图像内的联通区域;以及根据满足第二条件的联通区域所对应的候选像素生成划痕数据。
Description
技术领域
本公开涉及人工智能领域,具体涉及计算机视觉和深度学习领域,尤其涉及生成划痕数据的方法、装置、电子设备、计算机可读存储介质和计算机程序产品,以及划痕分割训练方法。
背景技术
早期的影音图像,例如老电影的画面中常常会出现划痕,严重影响了画质。划痕的出现通常是由于这些早期的影音图像存储于传统的模拟存储介质(例如胶片)中,这种存储介质在存放或移动过程中容易被硬物等磕碰,导致在图像的画面中形成划痕。目前,一般利用划痕分割技术将画面中的划痕分割出来,由此对画面进行修复。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种生成划痕数据的方法、装置、电子设备、计算机可读存储介质和计算机程序产品,以及划痕分割训练方法。
根据本公开的一方面,提供了一种生成划痕数据的方法,包括:将带有划痕的图像与对所述划痕修复后的图像进行比较,以生成初步划痕数据图像;获取所述初步划痕数据图像内的所有像素之中的满足第一条件的候选像素,以生成经调制的初步划痕数据图像;计算所述经调制的初步划痕数据图像内的联通区域;以及根据满足第二条件的联通区域所对应的所述候选像素生成所述划痕数据。
根据本公开的另一方面,提供了一种划痕分割训练方法,包括:使用如上所述的生成划痕数据的方法所获得的所述划痕数据进行划痕分割训练。
根据本公开的另一方面,提供了一种生成划痕数据的装置,包括:第一图像生成模块,被配置为将带有划痕的图像与对所述划痕修复后的图像进行比较,以生成初步划痕数据图像;第二图像生成模块,被配置为获取所述初步划痕数据图像内的所有像素之中的满足第一条件的候选像素,以生成经调制的初步划痕数据图像;联通区域计算模块,被配置为计算所述经调制的初步划痕数据图像内的联通区域;以及划痕数据生成模块,被配置为根据满足第二条件的联通区域所对应的所述候选像素生成所述划痕数据。
根据本公开的另一方面,提供了一种电子设备,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如上所述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行如上所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现如上所述的方法。
根据本公开的一个或多个实施例,能够获取仅包含划痕的干净的划痕数据以用于划痕分割训练,进而提升对画面的修复效果。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出根据本公开实施例的生成划痕数据的方法的流程图;
图2(a)和图2(b)示出根据本公开实施例的带有划痕的图像和对划痕修复后的图像的示例;
图3示出根据本公开实施例的初步划痕数据图像的示例;
图4示出根据本公开实施例的经过图像转换的初步划痕数据图像的示例;
图5示出根据本公开实施例的经调制的初步划痕数据图像的示例;
图6示出根据本公开实施例的划痕数据的示例;
图7示出根据本公开实施例的生成划痕数据的装置的结构框图;
图8示出能够用于实现本公开实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
针对诸如老电影这样早期的影音图像,为了对画面中的划痕进行修复,一般可以利用划痕分割技术将画面中的划痕分割出来以实现画面的修复。为此,可能需要使用包含划痕的训练数据进行划痕分割训练。然而,这种用于划痕分割训练的训练数据中除了划痕数据之外,通常还可能包含各种噪声,例如热噪声、块噪声、颜色噪声等。如果使用这种不干净的训练数据进行划痕分割训练,难以获得理想的划痕分割模型,继而影响划痕分割的效果,导致难以保证对画面的修复效果。
根据本公开的实施例,提供了一种生成划痕数据的方法。图1示出根据本公开实施例的生成划痕数据的方法的流程图。如图1所示,生成划痕数据的方法可以包括:
步骤S101,将带有划痕的图像与对所述划痕修复后的图像进行比较,以生成初步划痕数据图像;
步骤S102,获取所述初步划痕数据图像内的所有像素之中的满足第一条件的候选像素,以生成经调制的初步划痕数据图像;
步骤S103,计算所述经调制的初步划痕数据图像内的联通区域;以及
步骤S104,根据满足第二条件的联通区域所对应的所述候选像素生成所述划痕数据。
根据本公开实施例的生成划痕数据的方法,首先通过带有划痕的图像与对划痕修复后的图像获取到原始不干净的划痕数据,其中包含了划痕以及可能的噪声;之后再通过两级筛选,即,对图像进行调制以及计算图像内的联通区域,来准确地分辨原始不干净的划痕数据中所包含的划痕和噪声,并相应地去除噪声。由此,能够获取仅包含划痕的干净的划痕数据以用于划痕分割训练,进而提升对画面的修复效果。
以下结合图1的流程图以及图2至图6的示例具体描述根据本公开实施例的生成划痕数据的方法。
在步骤S101中,可以将带有划痕的图像与对划痕修复后的图像进行比较,以生成初步划痕数据图像。这里,初步划痕数据图像即如上所述的原始不干净的划痕数据,其中除了划痕之外,还可能包含各种不同的噪声。
图2(a)和图2(b)示出了根据本公开实施例的带有划痕的图像和对划痕修复后的图像的示例,图3示出了根据本公开实施例的初步划痕数据图像的示例。作为示例,图2(a)所示的带有划痕的图像可以是例如老电影中的一帧图像。如图2(a)所示,在画面中夹杂有若干诸如长条状、点状或块状等形状的白色区域。这些区域可以对应于如上所述的划痕,然而,其中也包含了属于噪声的部分。图2(b)所示的对划痕修复后的图像可以是预先将图2(a)所示图像修复为清晰画面之后的图像。在这种情况下,通过将图2(a)所示的带有划痕的图像与图2(b)所示的对划痕修复后的图像进行比较,可以获得划痕数据,然而,此时的划痕数据也会包含有噪声。换言之,如图3所示的初步划痕数据图像为原始不干净的划痕数据,其中包含了划痕以及可能的噪声。
可选地,作为一种将图像进行比较的实施方式,步骤S101中的比较步骤可以包括:将带有划痕的图像与对划痕修复后的图像中的对应像素的像素值相减,并对相减的结果取绝对值,其中,初步划痕数据图像是基于所述绝对值生成的。
在一个示例中,可以将图2(a)所示图像与图2(b)所示图像中的对应像素的像素值相减,并对相减的结果取绝对值,其中,图3所示的图像是基于所述绝对值生成的。这里,对相减的结果取绝对值意味着仅关注图2(a)所示图像与图2(b)所示图像的像素在像素值上的差异的大小,而并不关注差异的方向性,即正负。由此,能够仅从一个维度简便地反映两个图像之间的差异,便于获取到原始不干净的划痕数据。
在一个示例中,如图3所示,初步划痕数据图像中存在若干诸如长条状、点状或块状等形状的白色区域,这些区域可以对应于划痕,然而,如上所述,其中也包含了噪声。
可选地,步骤S101中的生成初步划痕数据图像的步骤还可以包括:将初步划痕数据图像从RGB图像转换到灰度图像。由此,能够将三通道的图像处理转换为单通道的图像处理,从而简化图像的处理过程。
在一个示例中,可以利用各种已知的灰度转换算法来实现从RGB图像转换到灰度图像,例如通过已知的转换公式Gray=R*0.299+G*0.587+B*0.114,其中R、G、B分别代表RGB图像的三个颜色分量的值,Gray代表在灰度图像的像素值。图4示出了根据本公开实施例的经过图像转换的初步划痕数据图像的示例。需要说明的是,此时图4的经过图像转换的初步划痕数据图像与图3所示图像看上去并无区别,但实际上其已从RGB图像被转换到灰度图像。
在如上所述根据步骤S101获取到原始不干净的划痕数据(包含了划痕以及可能的噪声)之后,可以对其进行第一级筛选。为此,在步骤S102中,可以获取初步划痕数据图像内的所有像素之中的满足第一条件的候选像素,以生成经调制的初步划痕数据图像。图5示出了根据本公开实施例的经调制的初步划痕数据图像的示例。如图5所示,图像中的白色区域(诸如长条状、点状或块状等形状)可以是从图4所示图像的像素之中获取的满足第一条件的候选像素,由此生成了图5所示的经调制的初步划痕数据图像。
可选地,所述获取初步划痕数据图像内的所有像素之中的满足第一条件的候选像素的步骤可以包括:将初步划痕数据图像内的所有像素的像素值与第一条件阈值进行比较;以及将像素值大于或等于第一条件阈值的像素确定为候选像素,并且将像素值小于第一条件阈值的像素确定为噪声像素。由此,能够分辨初步划痕数据图像中明显为噪声的像素和可能为划痕的像素。
第一条件阈值可以是通过实验等手段获取的经验值。本领域技术人员可以理解,第一条件阈值可以根据实际的应用来选取。
在一个示例中,相对较大的阈值意味着只有当两个图像(即带有划痕的图像和对划痕修复后的图像)的像素在像素值上的差异足够大时才有可能成为划痕的候选像素,即对划痕的判断更严格。同时,也表明在该步骤中生成的经调制的初步划痕数据图像所包含的白色区域将相对较少。例如,假设第一条件阈值取240,意味着只有当两个图像的像素在像素值上的差异大于或等于240时才有可能成为划痕的候选像素。
在一个示例中,考虑到该步骤是用于对噪声的第一级筛选,也可以在此时设置相对较小的阈值,以确保仅排除明显为噪声的像素。例如,第一条件阈值可以取13。因此,可以将图4的初步划痕数据图像内的所有像素的像素值与阈值13进行比较;以及将像素值大于或等于13的像素确定为候选像素,并且将像素值小于13的像素确定为噪声像素。
在分辨初步划痕数据图像中明显为噪声的像素和可能为划痕的像素之后,可以生成经调制的初步划痕数据图像,从而能够反映第一级筛选的结果。可选地,所述生成经调制的初步划痕数据图像可以包括:将候选像素的像素值设置为第一预定值,并且将噪声像素的像素值设置为第二预定值;根据第一预定值和第二预定值生成经调制的初步划痕数据图像。
在一个示例中,第一预定值可以为255,第二预定值可以为0,由此可以在纯黑白色的图像中反映第一级筛选的结果。如图5所示,候选像素的像素值被设置为255,即图像中的白色区域;噪声像素的像素值被设置为0,即与图像背景的黑色一致。由此,去除了第一级筛选中被认为明显为噪声的像素。如上所述,图5所示图像中的白色区域表示划痕的候选像素,其中既包含划痕,也包含可能的噪声。
在如上所述根据步骤S102进行第一级筛选之后,可以进行更为准确的第二级筛选。为此,在步骤S103中,可以首先计算经调制的初步划痕数据图像内的联通区域。
在一个示例中,可以通过已知的联通域函数connected components来计算像素的联通区域。考虑到对应于划痕的像素的联通区域相对较大,例如长条状,而对应于噪声的像素的联通区域相对较小,例如为相对很小的小点,通过计算经调制的初步划痕数据图像内的联通区域,可以进一步分辨划痕和噪声。
接下来,在步骤S104中,可以根据满足第二条件的联通区域所对应的候选像素生成划痕数据。图6示出了根据本公开实施例的划痕数据的示例。图6所示的白色区域(诸如长条状、点状或块状等形状)可以是联通区域满足第二条件的候选像素,即被确认为划痕的像素。
可选地,该步骤可以包括将联通区域内所包括的候选像素的数量与第二条件阈值进行比较;将数量大于或等于第二条件阈值的候选像素确定为划痕像素,并且将数量小于第二条件阈值的候选像素确定为噪声像素;以及去除噪声像素,并根据划痕像素生成划痕数据。即,通过计算图5所示的经调制的初步划痕数据图像内的联通区域并与第二条件阈值进行比较,确定出相应的划痕像素,例如图6所示的长条状、点状或块状的白色区域。同时,图5所示图像中的大量白色小点被确定为噪声像素,并因此去除这些噪声像素以获得图6所示的划痕数据。
第二条件阈值也可以是通过实验等手段获取的经验值,其代表联通区域内的像素的数量。在一个示例中,可以将第二条件阈值取12,意味着包含12个或大于12个像素的联通区域可以被认为是划痕。
由此,能够通过联通区域的大小来进行第二级筛选以分辨划痕和噪声,并根据所确定的划痕获得最终的划痕数据。
如上所述,根据本公开实施例的生成划痕数据的方法,首先通过带有划痕的图像与对划痕修复后的图像获取到原始不干净的划痕数据,其中包含了划痕以及可能的噪声;之后再通过两级筛选,即,对图像进行调制以及计算图像内的联通区域,来准确地分辨原始不干净的划痕数据中所包含的划痕和噪声,并相应地去除噪声。由此,能够获取仅包含划痕的干净的划痕数据以用于划痕分割训练,进而提升对画面的修复效果。
根据本公开的另一方面,还提供了一种划痕分割训练方法,包括:使用如上所述的生成划痕数据的方法所获得的划痕数据进行划痕分割训练。在使用仅包含划痕的干净的划痕数据的情况下,能够获得理想的划痕分割模型,保证对画面的修复效果。
根据本公开的另一方面,还提供了一种生成划痕数据的装置。图7示出根据本公开实施例的生成划痕数据的装置的框图。如图7所示,生成划痕数据的装置700可以包括:包括:
第一图像生成模块701,被配置为将带有划痕的图像与对所述划痕修复后的图像进行比较,以生成初步划痕数据图像;
第二图像生成模块702,被配置为获取所述初步划痕数据图像内的所有像素之中的满足第一条件的候选像素,以生成经调制的初步划痕数据图像;
联通区域计算模块703,被配置为计算所述经调制的初步划痕数据图像内的联通区域;以及
划痕数据生成模块704,被配置为根据满足第二条件的联通区域所对应的所述候选像素生成所述划痕数据。
所述生成划痕数据的装置700的上述模块701、702、703和704的操作可以分别与前面结合图1以及图2至图6所描述的步骤S101、S102、S103和S104的操作对应,在此不再赘述。
可选地,第一图像生成模块701包括减法模块7010,所述减法模块7010被配置为:将所述带有划痕的图像与对所述划痕修复后的图像中的对应像素的像素值相减,并对相减的结果取绝对值,其中,所述初步划痕数据图像是基于所述绝对值生成的。
可选地,第一图像生成模块701还包括图像转换模块7012,所述图像转换模块7012被配置为:将所述初步划痕数据图像从RGB图像转换到灰度图像。
可选地,第二图像生成模块702包括第一比较模块7020,所述第一比较模块7020被配置为:将所述初步划痕数据图像内的所有像素的像素值与第一条件阈值进行比较;以及将像素值大于或等于所述第一条件阈值的像素确定为所述候选像素,并且将像素值小于所述第一条件阈值的像素确定为噪声像素。
可选地,第二图像生成模块702还包括调制模块7022,所述调制模块7022被配置为:将所述候选像素的像素值设置为第一预定值,并且将所述噪声像素的像素值设置为第二预定值;根据所述第一预定值和所述第二预定值生成所述经调制的初步划痕数据图像。
可选地,划痕数据生成模块704包括第二比较模块7040,所述第二比较模块被配置为:将所述联通区域内所包括的所述候选像素的数量与第二条件阈值进行比较;将数量大于或等于第二条件阈值的所述候选像素确定为划痕像素,并且将数量小于第二条件阈值的所述候选像素确定为噪声像素;以及去除所述噪声像素,并根据所述划痕像素生成所述划痕数据。
根据本公开的另一方面,还提供了一种电子设备,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如上所述的方法。
根据本公开的另一方面,还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行如上所述的方法。
根据本公开的另一方面,还提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时如上所述的方法。
参考图8,现将描述可以应用于本公开的电子设备800的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,电子设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805,包括:输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向电子设备800输入信息的任何类型的设备,输入单元806可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元807可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如生成划痕数据的方法。例如,在一些实施例中,生成划痕数据的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的生成划痕数据的方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行生成划痕数据的方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、***和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (16)
1.一种生成划痕数据的方法,包括:
将带有划痕的图像与对所述划痕修复后的图像进行比较,以生成初步划痕数据图像;
获取所述初步划痕数据图像内的所有像素之中的满足第一条件的候选像素,以生成经调制的初步划痕数据图像;
计算所述经调制的初步划痕数据图像内的联通区域;以及
根据满足第二条件的联通区域所对应的所述候选像素生成所述划痕数据。
2.如权利要求1所述的方法,其中,所述比较包括:将所述带有划痕的图像与对所述划痕修复后的图像中的对应像素的像素值相减,并对相减的结果取绝对值,其中,所述初步划痕数据图像是基于所述绝对值生成的。
3.如权利要求1所述的方法,其中,所述生成初步划痕数据图像还包括:将所述初步划痕数据图像从RGB图像转换到灰度图像。
4.如权利要求1所述的方法,其中,所述获取所述初步划痕数据图像内的所有像素之中的满足第一条件的候选像素包括:
将所述初步划痕数据图像内的所有像素的像素值与第一条件阈值进行比较;以及
将像素值大于或等于所述第一条件阈值的像素确定为所述候选像素,并且将像素值小于所述第一条件阈值的像素确定为噪声像素。
5.如权利要求4所述的方法,其中,所述生成经调制的初步划痕数据图像包括:
将所述候选像素的像素值设置为第一预定值,并且将所述噪声像素的像素值设置为第二预定值;
根据所述第一预定值和所述第二预定值生成所述经调制的初步划痕数据图像。
6.如权利要求1所述的方法,其中,所述根据满足第二条件的联通区域所对应的所述候选像素生成所述划痕数据包括:
将所述联通区域内所包括的所述候选像素的数量与第二条件阈值进行比较;
将数量大于或等于第二条件阈值的所述候选像素确定为划痕像素,并且将数量小于第二条件阈值的所述候选像素确定为噪声像素;以及
去除所述噪声像素,并根据所述划痕像素生成所述划痕数据。
7.一种划痕分割训练方法,包括:使用如权利要求1-6中任一项所述的生成划痕数据的方法所获得的所述划痕数据进行划痕分割训练。
8.一种生成划痕数据的装置,包括:
第一图像生成模块,被配置为将带有划痕的图像与对所述划痕修复后的图像进行比较,以生成初步划痕数据图像;
第二图像生成模块,被配置为获取所述初步划痕数据图像内的所有像素之中的满足第一条件的候选像素,以生成经调制的初步划痕数据图像;
联通区域计算模块,被配置为计算所述经调制的初步划痕数据图像内的联通区域;以及
划痕数据生成模块,被配置为根据满足第二条件的联通区域所对应的所述候选像素生成所述划痕数据。
9.如权利要求8所述的装置,其中,所述第一图像生成模块包括减法模块,所述减法模块被配置为:将所述带有划痕的图像与对所述划痕修复后的图像中的对应像素的像素值相减,并对相减的结果取绝对值,其中,所述初步划痕数据图像是基于所述绝对值生成的。
10.如权利要求8所述的装置,所述第一图像生成模块还包括图像转换模块,所述图像转换模块被配置为:将所述初步划痕数据图像从RGB图像转换到灰度图像。
11.如权利要求8所述的装置,其中,所述第二图像生成模块包括第一比较模块,所述第一比较模块被配置为:
将所述初步划痕数据图像内的所有像素的像素值与第一条件阈值进行比较;以及
将像素值大于或等于所述第一条件阈值的像素确定为所述候选像素,并且将像素值小于所述第一条件阈值的像素确定为噪声像素。
12.如权利要求11所述的装置,其中,所述第二图像生成模块还包括调制模块,所述调制模块被配置为:
将所述候选像素的像素值设置为第一预定值,并且将所述噪声像素的像素值设置为第二预定值;
根据所述第一预定值和所述第二预定值生成所述经调制的初步划痕数据图像。
13.如权利要求8所述的装置,其中,所述划痕数据生成模块包括第二比较模块,所述第二比较模块被配置为:
将所述联通区域内所包括的所述候选像素的数量与第二条件阈值进行比较;
将数量大于或等于第二条件阈值的所述候选像素确定为划痕像素,并且将数量小于第二条件阈值的所述候选像素确定为噪声像素;以及
去除所述噪声像素,并根据所述划痕像素生成所述划痕数据。
14.一种电子设备,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中任一项所述的方法。
15.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
16.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011531278.3A CN112508937A (zh) | 2020-12-22 | 2020-12-22 | 生成划痕数据的方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011531278.3A CN112508937A (zh) | 2020-12-22 | 2020-12-22 | 生成划痕数据的方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112508937A true CN112508937A (zh) | 2021-03-16 |
Family
ID=74921998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011531278.3A Pending CN112508937A (zh) | 2020-12-22 | 2020-12-22 | 生成划痕数据的方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112508937A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113724152A (zh) * | 2021-07-30 | 2021-11-30 | 杭州当虹科技股份有限公司 | 基于深度学习的视频去瑕疵方法及计算机可读存储介质 |
CN114266768A (zh) * | 2022-03-01 | 2022-04-01 | 聚时科技(江苏)有限公司 | 表面划痕缺陷图像生成方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129670A (zh) * | 2011-02-25 | 2011-07-20 | 上海交通大学 | 电影划痕损伤的检测修复方法 |
CN105388162A (zh) * | 2015-10-28 | 2016-03-09 | 镇江苏仪德科技有限公司 | 基于机器视觉的原料硅片表面划痕检测方法 |
CN106157303A (zh) * | 2016-06-24 | 2016-11-23 | 浙江工商大学 | 一种基于机器视觉对表面检测的方法 |
CN107991309A (zh) * | 2017-11-27 | 2018-05-04 | 歌尔股份有限公司 | 产品质量检测方法、装置及电子设备 |
CN110378902A (zh) * | 2019-09-11 | 2019-10-25 | 征图新视(江苏)科技股份有限公司 | 一种高噪声背景下的划痕检测方法 |
-
2020
- 2020-12-22 CN CN202011531278.3A patent/CN112508937A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129670A (zh) * | 2011-02-25 | 2011-07-20 | 上海交通大学 | 电影划痕损伤的检测修复方法 |
CN105388162A (zh) * | 2015-10-28 | 2016-03-09 | 镇江苏仪德科技有限公司 | 基于机器视觉的原料硅片表面划痕检测方法 |
CN106157303A (zh) * | 2016-06-24 | 2016-11-23 | 浙江工商大学 | 一种基于机器视觉对表面检测的方法 |
CN107991309A (zh) * | 2017-11-27 | 2018-05-04 | 歌尔股份有限公司 | 产品质量检测方法、装置及电子设备 |
CN110378902A (zh) * | 2019-09-11 | 2019-10-25 | 征图新视(江苏)科技股份有限公司 | 一种高噪声背景下的划痕检测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113724152A (zh) * | 2021-07-30 | 2021-11-30 | 杭州当虹科技股份有限公司 | 基于深度学习的视频去瑕疵方法及计算机可读存储介质 |
CN114266768A (zh) * | 2022-03-01 | 2022-04-01 | 聚时科技(江苏)有限公司 | 表面划痕缺陷图像生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11151712B2 (en) | Method and apparatus for detecting image defects, computing device, and computer readable storage medium | |
CN111507914B (zh) | 人脸修复模型的训练方法、修复方法、装置、设备和介质 | |
US20190347824A1 (en) | Method and apparatus for positioning pupil, storage medium, electronic device | |
CN109697724B (zh) | 视频图像分割方法及装置、存储介质、电子设备 | |
WO2023273342A1 (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
CN102890780B (zh) | 图像处理装置和方法 | |
WO2019041842A1 (zh) | 一种图像处理方法及装置、存储介质和计算机设备 | |
CN111105375A (zh) | 图像生成方法及其模型训练方法、装置及电子设备 | |
CN112508937A (zh) | 生成划痕数据的方法、装置、电子设备和存储介质 | |
US10810462B2 (en) | Object detection with adaptive channel features | |
CN110516598B (zh) | 用于生成图像的方法和装置 | |
CN113177451A (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
CN113033346B (zh) | 文本检测方法、装置和电子设备 | |
CN111192190A (zh) | 消除图像水印的方法、装置及电子设备 | |
CN111179276A (zh) | 一种图像处理方法和装置 | |
CN111783777A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN111724396A (zh) | 图像分割方法及装置、计算机可读存储介质、电子设备 | |
CN114862897A (zh) | 一种图像背景处理方法、装置及电子设备 | |
CN111815748B (zh) | 一种动画处理方法、装置、存储介质及电子设备 | |
CN110147765B (zh) | 一种图像处理方法及装置 | |
EP3675503B1 (en) | Display apparatus and image processing method thereof | |
US20230008473A1 (en) | Video repairing methods, apparatus, device, medium and products | |
US20200334865A1 (en) | Image display apparatus and method of controlling the same | |
CN113628192B (zh) | 图像模糊检测方法、装置、设备、存储介质及程序产品 | |
CN115018734A (zh) | 视频修复方法和视频修复模型的训练方法、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 |