CN113965790A - 一种图像显示的处理方法、存储介质及终端设备 - Google Patents
一种图像显示的处理方法、存储介质及终端设备 Download PDFInfo
- Publication number
- CN113965790A CN113965790A CN202010698700.8A CN202010698700A CN113965790A CN 113965790 A CN113965790 A CN 113965790A CN 202010698700 A CN202010698700 A CN 202010698700A CN 113965790 A CN113965790 A CN 113965790A
- Authority
- CN
- China
- Prior art keywords
- picture
- flat
- displayed
- bitmap
- field
- 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 29
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012549 training Methods 0.000 claims description 136
- 238000001514 detection method Methods 0.000 claims description 46
- 238000001914 filtration Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 10
- 238000009792 diffusion process Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 238000005070 sampling Methods 0.000 description 11
- 239000004576 sand Substances 0.000 description 4
- 238000013144 data compression Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
- H04N21/4312—Generation of visual interfaces for content selection or interaction; Content or additional data rendering involving specific graphical features, e.g. screen layout, special fonts or colors, blinking icons, highlights or animations
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/485—End-user interface for client configuration
- H04N21/4858—End-user interface for client configuration for modifying screen layout parameters, e.g. fonts, size of the windows
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像显示的处理方法、存储介质及终端设备,所述方法包括获取待显示画面的平场位图;根据所述待显示画面以及所述平场位图对所述待显示画面进行去伪轮廓处理,以得到所述待显示画面对应的显示画面。本实施例在获取到待显示画面后,获取该待显示画面的平场位图以确定待显示画面携带伪轮廓的图像区域,并对该平场场景区域进行去伪轮廓处理,去除所述待显示画面的伪轮廓,从而得到不携带伪轮廓的显示画面,提高了显示画面的显示效果。
Description
技术领域
本发明涉及图像显示技术领域,特别涉及一种图像显示的处理方法、存储介质及终端设备。
背景技术
目前显示图像的位宽有多种,例如8比特的位宽,10比特的位宽等。然而,在将图像显示于图像显示***时,因受视频存储器限制、显示器的物理特性以及显示驱动等方面的限制,可能需要对图像的位深进行压缩,而在对图像位深进行压缩后,会导致图像出现伪轮廓现象,进而影响图像的显示效果。
发明内容
本发明要解决的技术问题在于,针对现有技术的不足,提供图像显示的处理方法、存储介质及终端设备。
为了解决上述技术问题,本发明实施例第一方面提供了一种图像显示的处理方法,所述方法包括:
获取待显示画面的平场位图,其中,所述平场位图用于反映待显示画面中的平场场景区域;
根据所述待显示画面以及所述平场位图对所述待显示画面进行去伪轮廓处理,以得到所述待显示画面对应的显示画面。
在一个可能实施例中,所述获取待显示画面的平场位图具体包括:
获取待显示画面;
将所述待显示画面输入预设的位图检测模型,通过所述位图检测模型生成所述待显示画面的平场位图。
在一个可能实施例中,所述将所述待显示画面输入预设的位图检测模型,通过所述位图检测模型生成所述待显示画面的平场位图具体包括:
将所述待显示画面的图像尺寸调整为预设图像尺寸,其中,所述预设图像尺寸小于所述显示画面的图像尺寸;
将调整后的待显示画面输入预设的位图检测模型,通过所述位图检测模型输出生成位图;
将所述生成位图的图像尺寸调整至所述待显示画面的图像尺寸,以得到所述待显示画面的平场位图。
在一个可能实施例中,所述位图检测模块为基于预设训练视频帧集训练得到,所述预设训练视频帧集包括若干训练视频帧,若干训练视频帧中至少存在第一训练视频帧和第二训练视频帧,第一训练视频帧对应的伪轮廓成因与第二训练视频帧对应的伪轮廓成因不同。
在一个可能实施例中,所述若干训练视频帧中至少存在第三训练视频帧和第四训练视频帧,第三训练视频帧的分辨率与第四训练视频帧的分辨率不同。
在一个可能实施例中,所述根据所述待显示画面以及所述平场位图对所述待显示画面进行去伪轮廓处理,以得到所述待显示画面对应的显示画面具体包括:
根据所述平场位图确定所述待显示画面中的平场场景区域;
对所述平场场景区域进行去伪轮廓处理,以得到所述待显示画面对应的显示画面。
在一个可能实施例中,所述对所述平场场景区域进行去伪轮廓处理具体包括:
选取所述平场场景区域内的若干像素点对,并将若干像素点对中的每对像素点对中两个像素点进行交换,以得到第一平场场景区域;
对所述第一平场场景区域进行低通滤波,以得到第二平场场景区域;
对所述第二平场场景区域进行误差扩散滤波,以得到去伪轮廓的平场场景区域。
在一个可能实施例中,所述第二平场场景区域中各像素点的位深大于或等于所述第一平场场景区域中相应像素点的位深。
本发明实施例的第二方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上任一所述的图像显示的处理方法中的步骤。
本发明实施例的第三方面提供了一种终端设备,其包括处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述处理器执行所述计算机可读程序时实现如上任一所述的图像显示的处理方法中的步骤。
有益效果:与现有技术相比,本发明提供了一种图像显示的处理方法、存储介质及终端设备,所述方法包括获取待显示画面的平场位图;根据所述待显示画面以及所述平场位图对所述待显示画面进行去伪轮廓处理,以得到所述待显示画面对应的显示画面。本实施例在获取到待显示画面后,获取该待显示画面的平场位图以确定待显示画面携带伪轮廓的图像区域,并对该平场场景区域进行去伪轮廓处理,去除所述待显示画面的伪轮廓,从而得到不携带伪轮廓的显示画面,提高了显示画面的显示效果。
附图说明
图1为本发明提供的图像显示的处理方法的流程图。
图2为本发明提供的图像显示的处理方法的原理流程图。
图3为本发明提供的图像显示的处理方法中训练样本集的确定过程的流程示意图。
图4为本发明提供的图像显示的处理方法中平场位图的获取过程的流程示意图。
图5为本发明提供的图像显示的处理方法中去伪轮廓处理的流程示意图。
图6为本发明提供的终端设备的结构原理图。
具体实施方式
本发明提供一种图像显示的处理方法,为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
经发明人研究发现,数据显示领域中的显示图像的位宽有多种,例如8比特的位宽,10比特的位宽等。然而,在将图像显示于图像显示***时,因受视频存储器限制、显示器的物理特性以及显示驱动等方面的限制,可能需要对图像的位深进行压缩,而在对图像位深进行压缩后,会导致图像出现伪轮廓现象,进而影响图像的显示效果。特别是,在对图像进行增强处理(如直方图均衡化、对比度增强、清晰度增强等)后,图像中的伪轮廓会更加清晰,或者在实现4K或8K显示时,由于对显示位深要求的提高,而使得图像容易出现伪轮廓。
此外,伪轮廓现象(False Contour)最可能发生在图像中的低频区域或者梯度平滑区域,这些区域通常被称为平坦区域或平场区域。在平场区域中,由于像素值接近,并且在大范围内变化相对平缓,所以伪轮廓更容易被人眼察觉。基于此,现有的去伪轮廓的一种方式为:通过传统算法将图像中变化平缓的平缓区域检测出来,然后对平缓区域进行位深扩展处理来消除伪轮廓。这种方法虽然可以消除伪轮廓,但在消除伪轮廓的同时,也会将一些非伪轮廓的细节给消除,造成画面平缓细节丢失,引起失真。比如,在显示沙漠中的沙子的场景中,将蓝天的伪轮廓消除的同时,也将沙子的颗粒细节给丢失了,导致画面失真。
基于此,本实施例提供了一种图像显示的处理方法,所述方法包括获取待显示画面的平场位图;根据所述待显示画面以及所述平场位图对所述待显示画面进行去伪轮廓处理,以得到所述待显示画面对应的显示画面。本实施例在获取到待显示画面后,获取该待显示画面的平场场景区域对应的平场位图,基于该平场位图可以待显示画面携带伪轮廓的图像区域,并对该平场场景区域进行去伪轮廓处理,去除所述待显示画面的伪轮廓,以得到不携带伪轮廓的显示画面,同时将平场场景区域作为去伪轮廓区域,可以避免在去伪轮廓处理时,对图像中的其他区域产生影响,进而达到既能消除伪轮廓,又能不丢失平缓细节,从而提高了显示画面的显示效果。
本实施例提供的一种图像显示的处理方法,该图像显示的处理方法的执行主体可以为去伪轮廓装置,或者集成去伪轮廓装置的电子设备,其中,去伪轮廓装置可以采用硬件或者软件的方式实现。可以理解的时,本实施例的执行主体可以是诸如智能手机、平板电脑或个人数字助理等之类的中的终端设备。当然,在实际应用中,所述方法也可以应用于服务器上。
下面结合附图,通过对实施例的描述,对发明内容作进一步说明。
本实施提供了一种图像显示的处理方法,如图1和2所示,所述方法可以包括以下步骤:
S10、获取待显示画面的平场位图,其中,所述平场位图用于反映待显示画面中的平场场景区域。
具体地,所述待显示画面为用于显示在显示屏上的图像,其中,所述待显示画面可以为显示屏前端的电视***芯片TV SOC或机顶盒等视频处理装置产生,并待通过显示屏显示的图像。所述平场位图用于反映待显示画面中的平场场景区域,基于所述平场位图可以确定所述待显示画面中的平场场景区域以及非平场场景区域。在本实施例的一个实现方式中,在平场位图中,平场场景区域对应的图像区域中的各像素点的像素值均为第一预设值,非平场场景区域对应的图像区域中的各像素点的像素值均为第二预设值,中,所述第一预设值和第二预设值不同,例如,第一预设值为1,第二预设值为0等。
进一步,所述平场场景区域为所述待显示画面中的图像区域,并且平场场景区域为待显示画面中具有平滑梯度的场景对应的图像区域,其中,平滑梯度指的是场景中各像素点的灰度值变化平缓,即该场景中各像素点的灰度值之间的差值均满足预设条件,例如,差值的绝对值小于预设阈值,或者差值属于预设区间等。例如,场景A中各像素点的数据位深均在220-230之间,场景A中任意两个像素点的灰度值之间的差值均小于或等于10,场景A为平场场景。
在本实施例的一个实现方式中,所述获取待显示画面的平场位图具体包括:
获取待显示画面;
将所述待显示画面输入预设的位图检测模型,通过所述位图检测模型生成所述待显示画面的平场位图。
具体地,所述位图检测模型用于检测待显示画面中平场场景对应的图像区域。可以理解的是,所述位图检测模型的输入项为待显示画面,输出为待显示画面对应的平场位图。所述位图检测模型经过训练的网络模型,这样通过经过训练的位图检测模型确定待显示画面对应的平场位图,可以快速获取到待显示画面对应的平场位图,从而提高待显示画面显示的实时性,给用户的使用带来方便。此外,通过经过训练的位图检测模型来获取待显示画面对应的平场位图,可以提高平场位图获取的准确性,进而提高后续去伪轮廓的准确性,因此可以提高待显示画面的显示效果。
在本实施例的一个实现方式中,所述位图检测模型的训练过程可以包括:
将预先训练视频帧集中的训练视频帧输入至预设网络模型,通过预设网络模型输出所述训练视频帧对应的预测平场位图;
基于所述训练视频帧对应的平场位图标签以及所述预测平场位图,对所述预设网络模型进行训练,以得到所述位图检测模型。
具体地,所述预设训练视频帧集包括若干训练视频帧以及各训练视频帧各自对应的平场位图标签,并且若干训练视频帧中的每个训练视频帧均携带有平场场景区域;每个训练视频帧对应的平场位图标签为该训练视频携带的平场场景区域的平场位图;通过该平场位图可以快速定位该训练视频帧中的平场场景区域。例如,如图3所示,所述预设训练视频帧集的确定过程可以:获取一视频帧,确定该视频帧对应的平场位图标签,并将所述视频帧的图像尺寸调整至预设图像尺寸,以及将所述平场位图标签的图像尺寸调整为预设图像尺寸,将调整后的视频帧和调整后的平场位图标签作为一组训练样本,以得到预设训练视频帧集。
所述若干训练视频帧中至少存在第一训练视频帧和第二训练视频帧,第一训练视频帧对应的伪轮廓成因与第二训练视频帧对应的伪轮廓成因不同。其中,所述伪轮廓成因用于反应触使训练视频帧产生伪轮廓的预操作,所述预操作为对训练视频帧执行的,执行该预操作后的训练视频帧的平场场景区域会产生伪轮廓。
所述伪轮廓false contou属于数字图像噪声中的一种,其是一种轮廓痕迹,该轮廓痕迹为视频帧中的平场区域出现的原图中不存在的轮廓痕迹;所述伪轮廓主要表现为视频帧中所呈现的画面平场区域出现类似于等高线的不连续过滤带。此外,所述伪轮廓普遍是因对视频帧进行图像操作而形成,例如,视频数据压缩操作、图像增强处理操作(例如,直方图均衡化处理、对比度增加、锐化增加等)以及位深调整操作等。相应的,所述伪轮廓成因可以包括视频数据压缩、图像增强处理以及位深调整;那么第一训练视频帧对应伪轮廓成因和第二训练视频帧对应的伪轮廓成因可以理解为第一训练视频帧对应的图像操作和第二训练视频帧对应的图像操作不同,例如,第一训练视频帧对应的图像操作为频数据压缩,第二视频源对应的图像操作位为位深调整。其中,所述位深指的是训练视频帧中每个像素点的灰度值所占的数据位数,例如,8位数据表示的灰度值范围是0-255。所述位深调整包括位深缩减和位深扩展,其中,所述位深缩减指的是将像素点的灰度值所占的数据位数的减小,所述位深扩展指的是将像素点的灰度值所占的数据位数扩大。例如,LCD显示器对于RGB信号至多能够显示8比特的灰阶,接收到用于显示的视频帧为10比特的灰阶,则需要对视频帧的位深进行缩减,使得缩减后的视频帧的灰阶为8比特。
进一步,在本实施例的一个实现方式中,由于不同分辨率的视频帧中的平场场景区域表现不同,即平滑梯度的界定条件不同。例如,720P的视频帧中的平滑梯度为10;2k视频帧中的平滑梯度为8等。由此,为了使位图检测模型适用于不同分辨率的视频帧,所述若干训练视频帧中至少存在第三训练视频帧和第四训练视频帧,第三训练视频帧的分辨率与第四训练视频帧的分辨率不同。例如,第三训练视频帧的分辨率为720P,第四训练视频帧的分辨率为1080P等。
进一步,所述位图检测模型为用于执行图像分割任务的深度学***场位图的过程可以为:将所述训练视频帧输入卷积模块;通过所述卷积模块输入训练视频帧对应的特征图;将所述特征图输入至全连接模块,通过全连接模块输出所述训练视频帧对饮的特征向量;将所述特征向量输入反卷积模块,通过所述反卷积模块输出所述训练视频帧对应的预测平场位图。
所述预测平场位图的图像尺寸与所述训练视频帧的图像尺寸相同,这样对于平场位图中的任一训练视频帧区域,训练视频帧中均存在对应的平场位图标签区域,训练视频帧区域在平场位图中的位置信息与平场位图标签区域在训练视频帧终端位置信息相同,这可以基于平场位图中的平场场景区域确定训练视频帧中的平场场景区域。例如,训练视频帧区域为预测平场位图中以(100,200),(200,200),(200,100)以及(100,100)为顶点的矩形区域,那么平场位图标签区域为训练视频帧中以(100,200),(200,200),(200,100)以及(100,100)为顶点的矩形区域。
进一步,在本实施例的一个实现方式中,所述基于所述训练视频帧对应的平场位图标签以及所述预测平场位图,对所述预设网络模型进行训练,以得到所述位图检测模型可以为:
基于所述平场位图标签以及所述预测平场位图,确定损失函数;
基于所述损失函数对所述预设网络模型的模型参数进行修正,并继续执行将预先训练视频帧集中的下一组训练视频帧输入至预设网络模型的步骤,直至所述预设网络模型的训练情况满足预设条件,以得到经过训练的位图检测模型。
具体地,所述对所述预设网络模型进行修正指的是对所述预设网络模型的模型参数进行修正,直至所述模型参数满足预设条件。所述预设条件包括损失函数值满足预设要求或者训练次数达到预设次数。所述预设要求可以是根据位图检测模型的精度来确定,这里不做详细说明,所述预设次数可以为预设网络模型的最大训练次数,例如,4000次等。由此,在预设网络模型输出预测平场位图,根据所述预测平场位图以及所述平场位图标签来计算预设网络模型的损失函数值,在计算得到损失函数值后,判断所述损失函数值是否满足预设要求;若损失函数值满足预设要求,则结束训练;若损失函数值不满足预设要求,则判断所述预设网络模型的训练次数是否达到预测次数,若未达到预设次数,则根据所述损失函数值对所述预设网络模型的网络参数进行修正;若达到预设次数,则结束训练。这样通过损失函数值和训练次数来判断预设网络模型训练是否结束,可以避免因损失函数值无法达到预设要求而造成预设网络模型的训练进入死循环。
进一步,由于对预设网络模型的网络参数进行修改是在预设网络模型的训练情况未满足预设条件(例如,损失函数值未满足预设要求并且训练次数未达到预设次数),从而在根据损失函数值对所述预设网络模型的网络参数进行修正后,需要继续对网络模型进行训练,即继续执行将预先训练视频帧集中的下一组训练视频帧输入至预设网络模型的步骤。其中,继续执行将训练视频帧集中的下一组训练视频帧输入预设网络模型中的训练视频帧可以为未作为输入项输入过预设网络模型的训练视频帧。例如,训练视频帧集中所有训练视频帧具有唯一图像标识(例如,图像编号),第一次训练输入预设网络模型的训练视频帧的图像标识与第二次训练输入预设网络模型的训练视频帧的图像标识不同,如,第一次训练输入预设网络模型的训练视频帧的图像编号为1,第二次训练输入预设网络模型的训练视频帧的图像编号为2,第N次训练输入预设网络模型的训练视频帧的图像编号为N。当然,在实际应用中,由于训练视频帧集中的训练视频帧的数量有限,为了提高位图检测模型的训练效果,可以依次将训练视频帧集中的训练视频帧输入至预设网络模型以对预设网络模型进行训练,当训练视频帧集中的所有训练视频帧均输入过预设网络模型后,可以继续执行依次将训练视频帧集中的训练视频帧输入至预设网络模型的操作,以使得训练视频帧集中的训练视频帧组按循环输入至预设网络模型。需要说明的是,在将训练视频帧输入预设网络模型训练的过程中,可以按照各个训练视频帧的图像编号顺序输入,也可以不按照各个训练视频帧的图像编号顺序输入,当然,可以重复使用同一张训练视频帧对预设网络模型进行训练,也可以不重复使用同一张训练视频帧对预设网络模型进行训练,在本实施例中,不对“继续执行将预先训练视频帧集中的下一组训练视频帧输入至预设网络模型的步骤”的具体实现方式进行限定。
进一步,在本实施例的一个实现方式中,如图4所示,所述将所述待显示画面输入预设的位图检测模型,通过所述位图检测模型生成所述待显示画面的平场位图具体包括:
将所述待显示画面的图像尺寸调整为预设图像尺寸,其中,所述预设图像尺寸小于所述显示画面的图像尺寸;
将调整后的待显示画面输入预设的位图检测模型,通过所述位图检测模型输出生成位图;
将所述生成位图的图像尺寸调整至所述待显示画面的图像尺寸,以得到所述待显示画面的平场位图。
具体地,所述预设图像尺寸可以为预先设置的,例如,所述预设图像尺寸为224*224;预设图像尺寸也可以是基于待显示画面确定,例如,预设图像尺寸为待显示画面的四分之一等。所述将所述待显示画面的图像尺寸调整为预设图像尺寸可以通过对待显示画面进行下采样的方式来实现,例如,对所述待显示图像进行双线性池化,或者自适应池化等方式。在一个实现方式中,所述位图检测模型前可以设置有下采样模块,所述待显示画面输入所述位图检测模型之前,先输入所述下采样模块,通过所述下采样模块对所述待显示画面进行下采样,以将所述待显示画面的图像尺寸调整为预设图像尺寸。然后,将下采样模块的输出项作为位图检测模型的输出项,输出位图检测模型以通过位图检测模型输出生成位图。
此外,由于位图检测模型的输出项与的图像尺寸与位图检测模型的输入项的图像尺寸相同,从而在输入位图检测模型的输入项的图像尺寸为预设图像尺寸时,位图检测模型输出的生成位图的图像尺寸也为预设图像尺寸。基于此,在获取到生成位图后,需要对所述生成位图的图像尺寸进行调整,以使得调整后的生成位图的图像尺寸与调整前的待显示画面的图像尺寸相同。可以理解的是,在获取到生成位图后,对所述生成位图进行上采样,以使得上采样得到的生成位图的图像尺寸与待显示画面的图像尺寸相同。在一个实现方式中,所述位图检测模型之后可以设置有上采样模块,所述位图检测模型输出的生成位图输入所述上采样模块,通过所述上采样模块对所述生成位图进行上采样,以将所述生成位图的图像尺寸调整为待显示画面的图像尺寸,并将上采样模块的输出项作为待显示画面对应的平场位图。
举例说明,待显示画面的图像尺寸为448*448,预设图像尺寸为待显示画面的图像尺寸的二分之一;那么在将待显示图像输出位图检测模型之前,通过下采样将待显示图像的图像尺寸调整为224*224;在基于调整后的待显示画面得到生成位图时,生成位图的图像尺寸为224*224;此时,对生成位图进行上采样,上采样得到的生成图像的图像尺寸为448*448,最后将上采样得到的生成位图作为待显示画面对应的平场位图。
S20、根据所述待显示画面以及所述平场位图对所述待显示画面进行去伪轮廓处理,以得到所述待显示画面对应的显示画面。
具体地,所述去伪轮廓处理用于调整待显示画面中平场场景区域中的像素点的灰阶,以去除待显示画面中的平场场景区域中的伪轮廓,其中,所述伪轮廓为属于数字图像噪声中的一种,其是一种轮廓痕迹,该轮廓痕迹为视频帧中的平场区域出现的原图中不存在的轮廓痕迹;所述伪轮廓主要表现为视频帧中所呈现的画面平场区域出现类似于等高线的不连续过滤带。
进一步,由于伪轮廓普遍存在为平场区域,从而在对所述待显示画面进行去伪轮廓处理时,可以仅对待显示画面的平场区域进行去伪轮廓处理,这样既可以去除待显示画面中的伪轮廓,又可以避免因去伪轮廓而将除平场场景区域外的其它图像区域的细节给消除,而造成的画面失真的问题。例如,在显示沙漠中的沙子的场景中,将蓝天的伪轮廓消除时,不对啥子区域进行处理,这样可以避免将沙子的颗粒细节给丢失,降低了画面失真率。
基于此,在本实施的一个实现方式中,所述根据所述待显示画面以及所述平场位图对所述待显示画面进行去伪轮廓处理,以得到所述待显示画面对应的显示画面具体包括:
根据所述平场位图确定所述待显示画面中的平场场景区域;
对所述平场场景区域进行去伪轮廓处理,以得到所述待显示画面对应的显示画面。
具体地,平场场景区域为待显示画面中与平场位图中的平场区域相对应的图像区域,其中,所述相对应指的是平场场景区域在待显示画面中的区域位置与平场区域在平场位图中的位置区域相同。此外,所述平场位图的图像尺寸与待显示画面的图像尺寸相同,并且相对应指的是平场场景区域在待显示画面中的区域位置与平场区域在平场位图中的位置区域相同,那么在获取到平场位图后,可以确定所述平场位图中平场区域的区域边缘信息,基于区域边缘信息在待显示画面中选取相应的边缘信息,并将选取到边缘信息围城的图像区域作为待显示画面对应的平场场景区域。例如,平场位图中的平场场景区域为以(100,200),(200,200),(200,100)以及(100,100)为顶点的矩形区域,那么待显示画面中的平场场景区域为以(100,200),(200,200),(200,100)以及(100,100)为顶点的矩形区域。
进一步,所述去伪轮廓处理可以为深度学***场场景区域进行平滑处理等,其中,所述伪轮廓处理算法可以为低通滤波等。然而,在本实施例中,通过发明人的研究发现,采用低通滤波方式对平场场景区域进行平滑处理无法有效去除为轮廓。相应的,如图5所示,所述对所述平场场景区域进行去伪轮廓处理可以通过去伪轮廓处理模型对平场场景区域进行伪轮廓处理,其中,所述去伪轮廓处理模型可包括三个处理模块进行处理,其中,三个处理模块分别为像素随机交换模块,低通滤波模块以及抖动模块,其中,所述像素随机交换模块与低通滤波模块相连接,所述低通滤波模块与所述抖动模块,所述像素随机交换模块用于选取所述平场场景区域内的若干像素点对,并将若干像素点对中的每对像素点对中两个像素点进行交换,以得到第一平场场景区域,所述低通滤波模块用于对所述第一平场场景区域进行低通滤波,以得到第二平场场景区域,其中,所述第二平场场景区域中各像素点的位深大于所述第一平场场景区域中相应像素点的位深,所述抖动模块用于对所述第二平场场景区域进行误差扩散滤波,以得到去伪轮廓的平场场景区域。
基于此,所述对所述平场场景区域进行去伪轮廓处理具体包括:
N10、选取所述平场场景区域内的若干像素点对,并将若干像素点对中的每对像素点对中两个像素点进行交换,以得到第一平场场景区域;
N20、对所述第一平场场景区域进行低通滤波,以得到第二平场场景区域,其中,所述第二平场场景区域中各像素点的位深大于所述第一平场场景区域中相应像素点的位深;
N30、对所述第二平场场景区域进行误差扩散滤波,以得到去伪轮廓的平场场景区域。
具体地,所述像素点交换可以为将像素点的像素位置进行交换,也可以是将像素点的像素值进行交换。例如,对于像素点a和像素点b,可以将像素点a移动至像素点b的位置,将像素点b移动至像素a的位置;也可以将像素点a的值赋给像素点b,将像素点b的像素值赋给像素点a。此外,所述将所述平场场景区域内的像素点进行交换可以对所述平场场景区域进行若干次随机交换两个像素点的像素位置;其中,所述若干次可以基于平场场景区域包括的像素点的数量而且,例如,若干次为平场场景区域中像素点的数量的一半,四分之一等。所述随机交换指的是在平场场景区域中随机选取两个像素点,将随机选取到的两个像素点的像素位置进行交换。
当然,在实际应用中,为了提高随机交换的效果,在每次随机选取到两个像素点后,均判断当前交换操作之前的所有交换操作中是否存在目标交换操作,该目标交换操作对应的两个像素点与当前交换操作对应的两个像素点相同,若存在目标交换操作,则重新执行随机选取两个像素点操作,若未存在目标交换操作,则交换选取到的两个像素点的像素位置。例如,当前交换操作对应的两个像素点分别为(10,15)和(15,15),若干存在目标像素点对应的两个像素点的分别为(10,15)和(15,15),那么重新执行随机选取两个像素点的操作;若未存在目标像素点对应的两个像素点的分别为(10,15)和(15,15),则交换像素点(10,15)和像素点(15,15)。当然,值得说明的是,在交换两个像素点的像素位置是两个像素点的像素值保持不变,例如,像素点(10,15)对应的像素值为25,像素点(15,15)对应的像素值为28,那么当像素点(15,15)交换到像素点(10,15)后,像素点(10,15)的像素值为28,当像素点(10,15)交换到像素点(15,15)后,像素点(15,15)的像素值为25。
进一步,通过交换像素点的位置打乱了平场场景区域的像素位置,可以有效消除伪轮廓。但是,由于像素点的像素位置的变化,可能会使得平场场景区域产生噪声。为此,在得到第一平场场景区域,可以对第一平场场景区域进行低通滤波,以对所述平场场景区域进行平滑处理,并低通滤波得到所述第二平场场景区域中各像素点的位深大于所述第一平场场景区域中相应像素点的位深,这样通过位深调整可以降低平场场景区域产生噪声。
进一步,由于通过低通滤波增加了平场场景区域的位深,从而使得平场场景区域的位深高于显示该待显示画面的显示器的配置位置,如果直接采用平场场景区域,则会引入新的伪轮廓,基于低通滤波得到第二平场场景区域后,基于误差扩散滤波的方式来对第二平场场景区域进行处理,以得到去除伪轮廓的平场场景区域,其中,误差扩散滤波为将误差传递到周围像素而减轻其造成的视觉误差,这样可以避免平场场景区域出现新的伪轮廓,从而实现了去除平场场景区域的伪轮廓。
进一步,在所述平场场景区域进行去伪轮廓处理时,可以将所述平场场景区域与非平场场景区域分离,对分离得到的平场场景区域进行去伪轮廓处理。由此,在基于平场位图确定待显示画面对应的平场场景区域后,对平场场景区域进行去伪轮廓后,需要将去伪轮廓后的平场场景区域与待显示画面的非平场场景区域进行融合,以得到所述待显示画面对应的显示画面。当然,在实际应用中,也可以直接待显示画面中对平场场景区域进行去伪轮廓处理等,这里不做具体限制。
综上所述,本实施例提供了一种图像显示的处理方法,所述方法包括获取待显示画面的平场位图;根据所述待显示画面以及所述平场位图对所述待显示画面进行去伪轮廓处理,以得到所述待显示画面对应的显示画面。本实施例在获取到待显示画面后,获取该待显示画面的平场位图以确定待显示画面携带伪轮廓的图像区域,并对该平场场景区域进行去伪轮廓处理,去除所述待显示画面的伪轮廓,从而得到不携带伪轮廓的显示画面,提高了显示画面的显示效果。
基于上述图像显示的处理方法,本实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上述实施例所述的图像显示的处理方法中的步骤。
基于上述图像显示的处理方法,本发明还提供了一种终端设备,如图6所示,其包括至少一个处理器(processor)20;显示屏21;以及存储器(memory)22,还可以包括通信接口(Communications Interface)23和总线24。其中,处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令,以执行上述实施例中的方法。
此外,上述的存储器22中的逻辑指令可以通过软件功能单元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。
存储器22作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块,从而执行功能应用以及数据处理,即实现上述实施例中的方法。
存储器22可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;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器22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,U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
此外,上述存储介质以及终端设备中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明,在这里就不再一一陈述。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种图像显示的处理方法,其特征在于,所述方法包括:
获取待显示画面的平场位图,其中,所述平场位图用于反映待显示画面中的平场场景区域;
根据所述待显示画面以及所述平场位图对所述待显示画面进行去伪轮廓处理,以得到所述待显示画面对应的显示画面。
2.根据权利要求1所述图像显示的处理方法,其特征在于,所述获取待显示画面的平场位图具体包括:
获取待显示画面;
将所述待显示画面输入预设的位图检测模型,通过所述位图检测模型生成所述待显示画面的平场位图。
3.根据权利要求2所述图像显示的处理方法,其特征在于,所述将所述待显示画面输入预设的位图检测模型,通过所述位图检测模型生成所述待显示画面的平场位图具体包括:
将所述待显示画面的图像尺寸调整为预设图像尺寸,其中,所述预设图像尺寸小于所述显示画面的图像尺寸;
将调整后的待显示画面输入预设的位图检测模型,通过所述位图检测模型输出生成位图;
将所述生成位图的图像尺寸调整至所述待显示画面的图像尺寸,以得到所述待显示画面的平场位图。
4.根据权利要求2所述图像显示的处理方法,其特征在于,所述位图检测模块为基于预设训练视频帧集训练得到,所述预设训练视频帧集包括若干训练视频帧,若干训练视频帧中至少存在第一训练视频帧和第二训练视频帧,第一训练视频帧对应的伪轮廓成因与第二训练视频帧对应的伪轮廓成因不同。
5.根据权利要求4所述图像显示的处理方法,其特征在于,所述若干训练视频帧中至少存在第三训练视频帧和第四训练视频帧,第三训练视频帧的分辨率与第四训练视频帧的分辨率不同。
6.根据权利要求1所述图像显示的处理方法,其特征在于,所述根据所述待显示画面以及所述平场位图对所述待显示画面进行去伪轮廓处理,以得到所述待显示画面对应的显示画面具体包括:
根据所述平场位图确定所述待显示画面中的平场场景区域;
对所述平场场景区域进行去伪轮廓处理,以得到所述待显示画面对应的显示画面。
7.根据权利要求6所述图像显示的处理方法,其特征在于,所述对所述平场场景区域进行去伪轮廓处理具体包括:
选取所述平场场景区域内的若干像素点对,并将若干像素点对中的每对像素点对中两个像素点进行交换,以得到第一平场场景区域;
对所述第一平场场景区域进行低通滤波,以得到第二平场场景区域;
对所述第二平场场景区域进行误差扩散滤波,以得到去伪轮廓的平场场景区域。
8.根据权利要求7所述图像显示的处理方法,其特征在于,所述第二平场场景区域中各像素点的位深大于或等于所述第一平场场景区域中相应像素点的位深。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-8任意一项所述的图像显示的处理方法中的步骤。
10.一种终端设备,其特征在于,包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的图像显示的处理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010698700.8A CN113965790A (zh) | 2020-07-20 | 2020-07-20 | 一种图像显示的处理方法、存储介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010698700.8A CN113965790A (zh) | 2020-07-20 | 2020-07-20 | 一种图像显示的处理方法、存储介质及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113965790A true CN113965790A (zh) | 2022-01-21 |
Family
ID=79459606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010698700.8A Pending CN113965790A (zh) | 2020-07-20 | 2020-07-20 | 一种图像显示的处理方法、存储介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113965790A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1469635A (zh) * | 2002-06-05 | 2004-01-21 | ������������ʽ���� | 图像处理装置和图像处理方法以及计算机程序 |
CN101685614A (zh) * | 2008-09-28 | 2010-03-31 | 四川虹欧显示器件有限公司 | 降低图像动态伪轮廓的方法及装置 |
CN104658011A (zh) * | 2015-01-31 | 2015-05-27 | 北京理工大学 | 一种智能交通运动目标检测跟踪方法 |
WO2015196616A1 (zh) * | 2014-06-23 | 2015-12-30 | 京东方科技集团股份有限公司 | 图像边缘检测方法、图像目标识别方法及装置 |
CN107341775A (zh) * | 2017-06-16 | 2017-11-10 | 广东欧珀移动通信有限公司 | 图像处理方法和装置 |
CN108171677A (zh) * | 2017-12-07 | 2018-06-15 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及相关设备 |
CN111131889A (zh) * | 2019-12-31 | 2020-05-08 | 深圳创维-Rgb电子有限公司 | 场景自适应调整图像及声音的方法、***及可读存储介质 |
CN111340711A (zh) * | 2020-05-21 | 2020-06-26 | 腾讯科技(深圳)有限公司 | 一种超分辨率重建方法、装置、设备和存储介质 |
-
2020
- 2020-07-20 CN CN202010698700.8A patent/CN113965790A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1469635A (zh) * | 2002-06-05 | 2004-01-21 | ������������ʽ���� | 图像处理装置和图像处理方法以及计算机程序 |
CN101685614A (zh) * | 2008-09-28 | 2010-03-31 | 四川虹欧显示器件有限公司 | 降低图像动态伪轮廓的方法及装置 |
WO2015196616A1 (zh) * | 2014-06-23 | 2015-12-30 | 京东方科技集团股份有限公司 | 图像边缘检测方法、图像目标识别方法及装置 |
CN104658011A (zh) * | 2015-01-31 | 2015-05-27 | 北京理工大学 | 一种智能交通运动目标检测跟踪方法 |
CN107341775A (zh) * | 2017-06-16 | 2017-11-10 | 广东欧珀移动通信有限公司 | 图像处理方法和装置 |
CN108171677A (zh) * | 2017-12-07 | 2018-06-15 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及相关设备 |
CN111131889A (zh) * | 2019-12-31 | 2020-05-08 | 深圳创维-Rgb电子有限公司 | 场景自适应调整图像及声音的方法、***及可读存储介质 |
CN111340711A (zh) * | 2020-05-21 | 2020-06-26 | 腾讯科技(深圳)有限公司 | 一种超分辨率重建方法、装置、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
温其如玉: "数字电视显示中的平场检测及伪轮廓消除", Retrieved from the Internet <URL:https://bog.csdn.net> * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10776904B2 (en) | Method and apparatus for processing image | |
CN111275626A (zh) | 一种基于模糊度的视频去模糊方法、装置及设备 | |
WO2020107989A1 (zh) | 视频处理方法、装置、电子设备以及存储介质 | |
KR20110065997A (ko) | 영상처리장치 및 영상처리방법 | |
US11854157B2 (en) | Edge-aware upscaling for improved screen content quality | |
CN107862672B (zh) | 图像去雾的方法及装置 | |
US11551336B2 (en) | Chrominance and luminance enhancing systems and methods | |
CN105763768A (zh) | 一种图像处理方法、装置和*** | |
CN107220934B (zh) | 图像重建方法及装置 | |
US11941785B2 (en) | Directional scaling systems and methods | |
CN110717864A (zh) | 一种图像增强方法、装置、终端设备及计算机可读介质 | |
WO2023215371A1 (en) | System and method for perceptually optimized image denoising and restoration | |
CN113965790A (zh) | 一种图像显示的处理方法、存储介质及终端设备 | |
CN109509237B (zh) | 滤镜处理的方法、装置及电子设备 | |
CN115829848A (zh) | 处理图形符号的方法、装置和计算机可读存储介质 | |
JP2007087218A (ja) | 画像処理装置 | |
CN113507572A (zh) | 视频画面的显示方法、装置、终端及存储介质 | |
US10719916B2 (en) | Statistical noise estimation systems and methods | |
CN114119377A (zh) | 一种图像处理方法及装置 | |
CN117710250B (zh) | 一种消除纤维镜成像蜂窝状结构的方法 | |
US11321813B2 (en) | Angular detection using sum of absolute difference statistics systems and methods | |
JP2024076886A (ja) | 画像処理装置、画像処理方法 | |
CN115330593A (zh) | 超分辨率单图像构建方法及设备 | |
CN114972020A (zh) | 一种图像处理方法、装置、存储介质及电子设备 | |
CN117726564A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 |
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 |