CN114693702A - 图像处理方法、装置、电子设备及存储介质 - Google Patents

图像处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114693702A
CN114693702A CN202210303750.0A CN202210303750A CN114693702A CN 114693702 A CN114693702 A CN 114693702A CN 202210303750 A CN202210303750 A CN 202210303750A CN 114693702 A CN114693702 A CN 114693702A
Authority
CN
China
Prior art keywords
image
images
sub
shot
mask
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.)
Granted
Application number
CN202210303750.0A
Other languages
English (en)
Other versions
CN114693702B (zh
Inventor
王庆民
赵雄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiaomi Automobile Technology Co Ltd
Original Assignee
Xiaomi Automobile Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiaomi Automobile Technology Co Ltd filed Critical Xiaomi Automobile Technology Co Ltd
Priority to CN202210303750.0A priority Critical patent/CN114693702B/zh
Publication of CN114693702A publication Critical patent/CN114693702A/zh
Application granted granted Critical
Publication of CN114693702B publication Critical patent/CN114693702B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • G06T7/254Analysis of motion involving subtraction of images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)

Abstract

本公开涉及一种图像处理方法、装置、电子设备及存储介质,该方法包括:获取针对同一场景先后进行拍摄得到的第一拍摄图像和第二拍摄图像;对第一拍摄图像和第二拍摄图像进行处理,得到包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像;针对第一拍摄图像和第二拍摄图像,均通过第一掩膜图像和第二掩膜图像进行抠图处理,得到多个子图像;从多个子图像中,确定包括场景中的运动对象的目标子图像;根据目标子图像对应的拍摄图像的拍摄顺序,以及用于抠图得到目标子图像的掩膜图像中的抠图区域的位置信息,确定运动对象的运动信息。本公开能够通过图像精准确定运动对象的运动情况,且实现简单。

Description

图像处理方法、装置、电子设备及存储介质
技术领域
本公开涉及图像处理技术领域,尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
图像处理技术已经被广泛地应用于多个领域,最常见的,图像处理技术常被应用于对运动的物体进行检测,通过对目标物体的拍摄图像分析出物体的运动情况。
发明内容
为克服相关技术中存在的问题,本公开提供一种图像处理方法、装置、电子设备及存储介质。
根据本公开实施例的第一方面,提供一种图像处理方法,包括:
获取针对同一场景先后进行拍摄得到的第一拍摄图像和第二拍摄图像;
对所述第一拍摄图像和所述第二拍摄图像进行处理,得到包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像;
针对所述第一拍摄图像和所述第二拍摄图像,均通过所述第一掩膜图像和所述第二掩膜图像进行抠图处理,得到多个子图像;
从所述多个子图像中,确定包括所述场景中的运动对象的目标子图像;
根据所述目标子图像对应的拍摄图像的拍摄顺序,以及用于抠图得到所述目标子图像的掩膜图像中的抠图区域的位置信息,确定所述运动对象的运动信息。
可选地,所述对所述第一拍摄图像和所述第二拍摄图像进行处理,包括:
对所述第一拍摄图像和所述第二拍摄图像进行帧间差分处理,得到所述场景中的运动对象的运动图像;
对所述运动图像进行二值化处理,得到包括第一轮廓区域和第二轮廓区域的二值化图像;
根据所述第一轮廓区域和所述第二轮廓区域分别在所述二值化图像中的位置信息,生成包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像,其中,所述第一轮廓区域与所述第一抠图区域对应,所述第二轮廓区域与所述第二抠图区域对应。
可选地,所述从所述多个子图像中,确定包括所述场景中的运动对象的目标子图像,包括:
将所述多个子图像中满足相似度条件的子图像确定为所述目标子图像。
可选地,所述将所述多个子图像中满足相似度条件的子图像确定为所述目标子图像,包括:
确定所述多个子图像中每两个子图像之间的相似度;
将相似度最大的两个子图像,确定为所述目标子图像。
可选地,所述针对所述第一拍摄图像和所述第二拍摄图像,均通过所述第一掩膜图像和所述第二掩膜图像进行抠图处理,得到多个子图像,包括:
将所述第一掩膜图像和所述第一拍摄图像进行对齐处理,并根据所述第一抠图区域从所述第一拍摄图像中抠取出第一子图像;
将所述第一掩膜图像和所述第二拍摄图像进行对齐处理,并根据所述第一抠图区域从所述第二拍摄图像中抠取出第二子图像;
将所述第二掩膜图像和所述第一拍摄图像进行对齐处理,并根据所述第二抠图区域从所述第一拍摄图像中抠取出第三子图像;
将所述第二掩膜图像和所述第一拍摄图像进行对齐处理,并根据所述第二抠图区域从所述第二拍摄图像中抠取出第四子图像。
可选地,所述根据所述目标子图像对应的拍摄图像的拍摄顺序,以及用于抠图得到所述目标子图像的掩膜图像中的抠图区域的位置信息,确定所述运动对象的运动信息,包括:
将从所述第一拍摄图像中抠出的目标子图像对应的抠图区域的位置信息,作为起始位置信息;
将从所述第二拍摄图像中抠出的目标子图像对应的抠图区域的位置信息,作为终点位置信息;
根据所述起始位置信息和所述终点位置信息,确定所述运动对象的运动方向和运动轨迹;
将所述运动方向和所述运动轨迹确定为所述运动信息。
根据本公开实施例的第二方面,提供一种图像处理装置,包括:
拍摄图像获取模块,被配置为获取针对同一场景先后进行拍摄得到的第一拍摄图像和第二拍摄图像;
掩膜图像获取模块,被配置为对所述第一拍摄图像和所述第二拍摄图像进行处理,得到包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像;
抠图模块,被配置为针对所述第一拍摄图像和所述第二拍摄图像,均通过所述第一掩膜图像和所述第二掩膜图像进行抠图处理,得到多个子图像;
目标子图像确定模块,被配置为从所述多个子图像中,确定包括所述场景中的运动对象的目标子图像;
运动信息确定模块,被配置为根据所述目标子图像对应的拍摄图像的拍摄顺序,以及用于抠图得到所述目标子图像的掩膜图像中的抠图区域的位置信息,确定所述运动对象的运动信息。
根据本公开实施例的第三方面,提供一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取针对同一场景先后进行拍摄得到的第一拍摄图像和第二拍摄图像;
对所述第一拍摄图像和所述第二拍摄图像进行处理,得到包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像;
针对所述第一拍摄图像和所述第二拍摄图像,均通过所述第一掩膜图像和所述第二掩膜图像进行抠图处理,得到多个子图像;
从所述多个子图像中,确定包括所述场景中的运动对象的目标子图像;
根据所述目标子图像对应的拍摄图像的拍摄顺序,以及用于抠图得到所述目标子图像的掩膜图像中的抠图区域的位置信息,确定所述运动对象的运动信息。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开第一方面所提供的图像处理方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:通过获取针对同一场景先后进行拍摄得到的第一拍摄图像和第二拍摄图像;对第一拍摄图像和第二拍摄图像进行处理,得到包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像;针对第一拍摄图像和第二拍摄图像,均通过第一掩膜图像和第二掩膜图像进行抠图处理,得到多个子图像;从多个子图像中,确定包括场景中的运动对象的目标子图像;根据目标子图像对应的拍摄图像的拍摄顺序,以及用于抠图得到目标子图像的掩膜图像中的抠图区域的位置信息,确定运动对象的运动信息。由于通过第一掩膜图像的第一抠图区域抠取的子图像包括运动对象时,表明运动对象在被拍摄时正处于第一抠图区域的位置,通过第而掩膜图像的第二抠图区域抠取的子图像包括运动对象时,表明运动对象在被拍摄时正处于第一抠图区域的位置,所以在确定多个子图像中包括目标子图像的情况下,可以第一抠图区域的位置和第二抠图区域的位置作为运动对象在两次拍摄时的位置,再结合目标子图像对应的拍摄图像的拍摄顺序,即可确定运动对象的运动方向、运动轨迹等信息,从而能够通过准确确定运动对象的运动信息,而且实现过程简单,不会花费执行设备的较多功耗。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种图像处理方法的流程图。
图2是根据另一示例性实施例示出的一种图像处理方法的流程图。
图3是图2实施例示出的第一拍摄图像的示意图。
图4是图2实施例示出的第二拍摄图像的示意图。
图5是图2实施例示出的运动图像的示意图。
图6是图2实施例示出的二值化图像的示意图。
图7是图2实施例示出的第一掩膜图像的示意图。
图8是图2实施例示出的第二掩膜图像的示意图。
图9是图2实施例示出的第一子图像的示意图。
图10是图2实施例示出的第二子图像的示意图。
图11是图2实施例示出的第三子图像的示意图。
图12是图2实施例示出的第四子图像的示意图。
图13是根据一示例性实施例示出的一种图像处理装置的框图。
图14是根据一示例性实施例示出的一种电子设备的框图。
图15是根据一示例性实施例示出的一种服务器的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要说明的是,本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
随着嵌入式中央处理器(Central Processing Unit,CPU)和图形处理器(Graphics Processing Unit,GPU)处理能力的不断提升,基于上述处理器的数字图像处理能力与具有了较大的提升,可以实现各种图像功能,比如做美颜、人物识别、视频编辑、图像编辑和自动驾驶等。目前使用比较常用的技术是,通过对运动对象的拍摄图像进行图像处理,确定运动对象的运动信息,该技术可以适用于视频监控、自动驾驶、限速监测等领域,很大程度上降低了人力成本。
在相关技术中,通常会采用物体分割法和光流法来检测运动对象的运动情况,但是上述检测方法都存在一定的缺陷。
例如,物体分割法是采集真实世界中的物体图像,然后训练模型,在使用时,先通过模型识别出图像中的物体,再分析物体的运动情况。由于训练的模型只能针对作为训练对象的物体进行使用,不能覆盖所有的物体,在检测物体时,若遇到除作为训练对象的物体以外的物体时,分割结果将会不准确,进而导致对物体的运动检测也不准确,而且模型训练的过程也是非常繁琐。
又例如,光流法是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性,来找到上一帧跟当前帧之间存在的对应关系,从而计算出相邻帧之间物体的运动信息的一种方法。但这种方法对设备性能要求较高、功耗较大,且准确性不高。
针对上述问题,本公开实施提提供一种图像处理方法、装置、电子设备及存储介质,能够准确地检测运动的运动情况,且具有实现简单,功耗花费较低。
图1是根据一示例性实施例示出的一种图像处理方法的流程图,如图1所示,该图像处理方法用于终端中,包括以下步骤:
在步骤S11中,获取针对同一场景先后进行拍摄得到的第一拍摄图像和第二拍摄图像。
可选地,终端可以包括但不限于:个人计算机、服务器、智能手机等具有图像处理功能的设备。
在一些实施方式中,终端可以接收图像拍摄装置拍摄并发送来的第一拍摄图像和第二拍摄图像。其中,图像拍摄装置在拍摄时可以保持拍摄位置和拍摄角度不变,从而使得图像拍摄装置始终是在同一场景下进行拍摄,即图像拍摄装置每次拍摄得到的拍摄图像中除了运动对象以外,背景是一致的。
可选地,图像拍摄装置可以设置在终端上,也可以独立设置,在此不做限定。
可选地,图像拍摄装置包括但不限于:高清摄像头、高速相机等。
在步骤S12中,对上述第一拍摄图像和上述第二拍摄图像进行处理,得到包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像。
在一些实施方式中,终端可以对第一拍摄图像和第二拍摄图像进行帧间差分处理,获得运动对象在同一张运动图像中不同位置的物体轮廓。
然后再对包括物体轮廓的运动图像进行二值化处理,以过滤掉该图像中除物体轮廓以外的部分,并记录下不同位置的物体轮廓在该图像中的位置信息,得到只包含不同位置的物体轮廓的二值化图像。
再根据不同位置的物体轮廓在该二值化图像中的位置信息,将不同物体轮廓分别放置到两张图像中,分别得到第一掩膜图像和第二掩膜图像,第一掩膜图像中的第一抠图区域则对应一个位置信息的物体轮廓,第二掩膜图像中的第二抠图区域则对应另一个位置信息的物体轮廓。
可以理解的是,由于第一掩膜图像和第二掩膜图像根据不同位置的物体轮廓在该图像中的位置信息得到,所以将第一掩膜图像和第二掩膜图像重叠时,可以得到上述包含不同位置的物体轮廓的二值化图像。
可选地,位置信息可以为位置坐标,例如物体轮廓中心的坐标。
在步骤S13中,针对上述第一拍摄图像和上述第二拍摄图像,均通过上述第一掩膜图像和上述第二掩膜图像进行抠图处理,得到多个子图像。
示例性地,终端可以通过第一掩膜图像对第一拍摄图像进行抠图处理,以从第一拍摄图像中抠取出与第一抠取区域对应的第一子图像;通过第一掩膜图像对第二拍摄图像进行抠图处理,以从第二拍摄图像中抠取出与第一抠取区域对应的第二子图像;通过第二掩膜图像对第一拍摄图像进行抠图处理,以从第一拍摄图像中抠取出与第二抠取区域对应的第三子图像;通过第二掩膜图像对第二拍摄图像进行抠图处理,以从第二拍摄图像中抠取出与第二抠取区域对应的第四子图像。
在步骤S14中,从上述多个子图像中,确定包括上述场景中的运动对象的目标子图像。
沿用上述示例,终端可以分别对第一子图像、第二子图像、第三子图像、第四子图像进行运动对象的识别,并将多个子图像中识别到运动对象的子图像,确定为目标子图像,例如,终端识别导第一子图像和第四子图像中包括运动对象,那么可以将第一子图像和第四子图像确定为目标子图像。
在步骤S15中,根据上述目标子图像对应的拍摄图像的拍摄顺序,以及用于抠图得到上述目标子图像的掩膜图像中的抠图区域的位置信息,确定上述运动对象的运动信息。
沿用上述示例,由于第一子图像是从第一拍摄图像中抠取,第二子图像是从第二拍摄图像中抠取,而第一拍摄图像的拍摄时间在第二拍摄图像的拍摄图像之前,所以第一子图像对应的运动对象的位置在第一子图像对应的运动对象的位置之间。然后可以根据第一子图像对应的运动对象的位置(即第一轮廓区域的位置信息),第二子图像对应的运动对象的位置(即第二轮廓区域的位置信息),确定运动对象的运动信息。
一种示例,例如根据第一轮廓区域的位置信息和第一轮廓区域的位置信息,将第一轮廓区域的位置朝向第一轮廓区域的位置,确定为运动对象的运动方向。
另一种示例,例如根据第一轮廓区域的位置信息和第一轮廓区域的位置信息,将第一轮廓区域的位置连接第一轮廓区域的位置的轨迹,确定为运动对象的运动轨迹。
又一种示例,例如将第一轮廓区域的位置信息,确定为运动对象对应第一拍摄图像的拍摄时刻的运动位置。将第二轮廓区域的位置信息,确定为运动对象对应第二拍摄图像的拍摄时刻的运动位置。
可选地,运动信息除了上述的运动方向、运动位置、运动轨迹以外,还可以包括如距离、速度等其它运动信息,在此不做限定。
可见,在本实施例中,通过获取针对同一场景先后进行拍摄得到的第一拍摄图像和第二拍摄图像;对第一拍摄图像和第二拍摄图像进行处理,得到包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像;针对第一拍摄图像和第二拍摄图像,均通过第一掩膜图像和第二掩膜图像进行抠图处理,得到多个子图像;从多个子图像中,确定包括场景中的运动对象的目标子图像;根据目标子图像对应的拍摄图像的拍摄顺序,以及用于抠图得到目标子图像的掩膜图像中的抠图区域的位置信息,确定运动对象的运动信息。由于通过第一掩膜图像的第一抠图区域抠取的子图像包括运动对象时,表明运动对象在被拍摄时正处于第一抠图区域的位置,通过第而掩膜图像的第二抠图区域抠取的子图像包括运动对象时,表明运动对象在被拍摄时正处于第一抠图区域的位置,所以在确定多个子图像中包括目标子图像的情况下,可以第一抠图区域的位置和第二抠图区域的位置作为运动对象在两次拍摄时的位置,再结合目标子图像对应的拍摄图像的拍摄顺序,即可确定运动对象的运动方向、运动轨迹等信息,从而能够通过准确确定运动对象的运动信息,而且不会花费执行设备的较多功耗,避免了对执行设备高功耗、高性能的要求,省去了模型训练的繁琐过程,实现简单,适用范围广。
图2是根据另一示例性实施例示出的一种图像处理方法的流程图,如图2所示,该图像处理方法用于终端中,包括以下步骤:
在步骤S21中,获取针对同一场景先后进行拍摄得到的第一拍摄图像和第二拍摄图像。
示例性地,例如终端获取的第一拍摄图像如图3所示,终端获取的第二拍摄图像如图4所示,其中,图3和图4中的“鸭子”为运动对象。
在步骤S22中,对上述第一拍摄图像和上述第二拍摄图像进行帧间差分处理,得到上述场景中的运动对象的运动图像。
沿用上述示例,终端可以对图3和图4进行帧间差分处理,由于帧间差分法是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法,因此对图3和图4进行帧间差分处理后,可以得到如图5所示的运动图像,在图5中包括了不同位置的运动对象,即在第一拍摄图像中运动对象对应的位置以及第二拍摄图像中运动对象对应的位置。
在步骤S23中,对上述运动图像进行二值化处理,得到包括第一轮廓区域和第二轮廓区域的二值化图像。
沿用上述示例,终端可以对图5进行二值化处理,例如将图5的所有像素点中灰度值大于或等于灰度值阈值的像素点作为第一像素点,将所有像素点中灰度值小于灰度值阈值的像素点作为第二像素点,将第一像素点的灰度值更改为255,将第二像素点的灰度值更改为0,从而使整个图像呈现出明显的黑白效果。因此,对图5进行二值化处理后,可以得到如图6所示的二值化图像,相比于图5,图6中的数据量大为减少,从而能够凸显出运动对象的轮廓。
在步骤S24中,根据上述第一轮廓区域和上述第二轮廓区域分别在上述二值化图像中的位置信息,生成包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像,其中,上述第一轮廓区域与上述第一抠图区域对应,上述第二轮廓区域与上述第二抠图区域对应。
沿用上述示例,图6中明显可以看出两个轮廓区域,终端将位于图6左侧的轮廓区域作为第一轮廓区域,并记录第一轮廓区域在图6中的位置信息。终端还可以将位于图6右侧的轮廓区域作为第二轮廓区域,并记录第二轮廓区域在图6中的位置信息。然后根据第一轮廓区域的位置信息和第二轮廓区域的位置信息,将第一轮廓区域和第二轮廓区域分别设置到两张掩膜图像中,例如,将第一轮廓区域设置到第一掩膜图像中,并将第一轮廓区域作为第一掩膜图像中的第一抠图区域;将第二轮廓区域设置到第二掩膜图像中,并将第二轮廓区域作为第二掩膜图像中的第二抠图区域。从而可以得到如图7所示的第一掩膜图像和如图8所示的第二掩膜图像。
其中,第一拍摄图像、第二拍摄图像、第一掩膜图像和第二掩膜图像的尺寸可以相同。
在步骤S25中,针对上述第一拍摄图像和上述第二拍摄图像,均通过上述第一掩膜图像和上述第二掩膜图像进行抠图处理,得到多个子图像。
在一些实施方式中,步骤S25的具体实施方式可以包括:
在步骤S251中,将上述第一掩膜图像和上述第一拍摄图像进行对齐处理,并根据上述第一抠图区域从上述第一拍摄图像中抠取出第一子图像。
沿用上述示例,终端可以将图7的矩形边与图3的矩形边对齐,并使图7覆盖在图3上面,并从图3中抠取出与第一抠图区域对应的第一子图像,示例性地,抠取出来的第一子图像如图9所示。
在步骤S252中,将上述第一掩膜图像和上述第二拍摄图像进行对齐处理,并根据上述第一抠图区域从上述第二拍摄图像中抠取出第二子图像。
沿用上述示例,终端可以将图7的矩形边与图4的矩形边对齐,并使图7覆盖在图4上面,并从图4中抠取出与第一抠图区域对应的第二子图像,示例性地,抠取出来的第二子图像如图10所示。
在步骤S253中,将上述第二掩膜图像和上述第一拍摄图像进行对齐处理,并根据上述第二抠图区域从上述第一拍摄图像中抠取出第三子图像。
沿用上述示例,终端可以将图8的矩形边与图3的矩形边对齐,并使图8覆盖在图3上面,并从图3中抠取出与第二抠图区域对应的第三子图像,示例性地,抠取出来的第一子图像如图11所示。
在步骤S254中,将上述第二掩膜图像和上述第一拍摄图像进行对齐处理,并根据上述第二抠图区域从上述第二拍摄图像中抠取出第四子图像。
沿用上述示例,终端可以将图8的矩形边与图4的矩形边对齐,并使图8覆盖在图4上面,并从图4中抠取出与第二抠图区域对应的第四子图像,示例性地,抠取出来的第四子图像如图12所示。
在步骤S26中,从上述多个子图像中,确定包括上述场景中的运动对象的目标子图像。
在一些实施方式中,步骤S26的具体实施方式可以包括:
步骤S261,将上述多个子图像中满足相似度条件的子图像确定为上述目标子图像。
作为一种方式,步骤S261的具体实施方式可以包括:
确定上述多个子图像中每两个子图像之间的相似度;将相似度最大的两个子图像,确定为上述目标子图像。
沿用上述示例,终端可以计算图9、图10、图11、图12中每两个图像之间的相似度,然后将相似度最大的两个子图像,确定为目标子图像。例如,经计算图9和图12之间的相似度最大,由于包括运动对象的两个子图像之间的相似度会比没有包括运动对象的两个子图像之间的相似度更大,所以可以将图9和图12确定为目标子图像。
可选地,终端可以确定图9和图12之间的相似度得到相似度1,以及确定图10和图11之间的相似度得到相似度2,并将相似度1和相似度2中最大的相似度对应的子图像作为目标子图像,例如,相似度1大于相似度2,则可以将图9和图12作为目标子图像,可见图9和图12中是存在运动对象(鸭子)的。
作为另一种方式,终端可以在识别出拍摄图像中的运动对象的情况下,获取包含拍摄图像的标准图像,然后将多个子图像分别与标准图像进行相似度比较,将多个子图像中与标准图像之间的相似度最大的前两个子图像,作为目标子图像。
考虑到针对上述第一拍摄图像和上述第二拍摄图像,均通过上述第一掩膜图像和上述第二掩膜图像进行抠图处理后得到四个子图像中必然是存在两个子图像是包括运动对象的,且包括运动对象的子图像之间相似度更大,在本实施方式中,通过分别对多个子图像进行相似度比较,并将相似度较大的子图像确定为目标子图像,从而可以准确、简捷地确定出目标子图像。
在步骤S27中,根据上述目标子图像对应的拍摄图像的拍摄顺序,以及用于抠图得到上述目标子图像的掩膜图像中的抠图区域的位置信息,确定上述运动对象的运动信息。
在一些实施方式中,步骤S27的具体实施方式可以包括:
步骤S271,将从上述第一拍摄图像中抠出的目标子图像对应的抠图区域的位置信息,作为起始位置信息。
沿用上述示例,由于目标子图像(图9)是从第一拍摄图像(图3)的第一抠图区域中抠出,而第一拍摄图像的拍摄时间再第二拍摄图像之前,所以可以将第一抠图区域的位置信息作为运动对象的起始位置信息。
步骤S272,将从上述第二拍摄图像中抠出的目标子图像对应的抠图区域的位置信息,作为终点位置信息。
沿用上述示例,由于目标子图像(图12)是从第一拍摄图像(图4)的第二抠图区域中抠出,而第二拍摄图像的拍摄时间再第一拍摄图像之后,所以可以确定运动对象是从第一抠图区域移动到第二抠图区域的,进而可以将第二抠图区域的位置信息作为运动对象的终点位置信息。
步骤S273,根据上述起始位置信息和上述终点位置信息,确定上述运动对象的运动方向和运动轨迹。
步骤S274,将上述运动方向和上述运动轨迹确定为上述运动信息。
可选地,上述第一拍摄图像和上述第二拍摄图像之间的拍摄间隔时长是根据上述场景中的运动对象的运动速度设置的。
在一些实施方式中,上述第一拍摄图像和上述第二拍摄图像之间的拍摄间隔时长可以与上述场景中的运动对象的运动速度呈负相关。
考虑到运动对象运动速度较慢,而拍摄间隔时长较短的话,对第一拍摄图像和第二拍摄图像进行帧间差分后得到的运动图像中可能出现运动对象重合的情况;如果运动对象运动速度太快,拍摄间隔太长,运动图像中不同位置的运动对象之间的距离将会相差太大,将会运动检测不准确。在本实施方式中,通过上述第一拍摄图像和上述第二拍摄图像之间的拍摄间隔时长是根据上述场景中的运动对象的运动速度设置的,可以保证图像的拍摄间隔时长和运动对象的运动速度相匹配,从而有利于终端根据获取的第一拍摄图像和第二拍摄图像,更准确地确定运动对象的运动信息。
可见,在本实施例中,通过从拍摄图像中提取掩膜图像,并在通过掩膜图像能从拍摄图像中抠出包含运动对象的图像的情况下,将掩膜图像的抠图区域的位置信息作为运动对象的位置信息,再根据该运动对象的位置信息得到该运动对象的运动信息,从而可以简单、有效、准确地获得运动对象的运动信息。
图13是根据一示例性实施例示出的一种图像处理装置框图。参照图13,该装置30包括拍摄图像获取模块31、掩膜图像获取模块32、抠图模块33、目标子图像确定模块34以及运动信息确定模块35。其中:
拍摄图像获取模块31,被配置为获取针对同一场景先后进行拍摄得到的第一拍摄图像和第二拍摄图像。
掩膜图像获取模块32,被配置为对上述第一拍摄图像和上述第二拍摄图像进行处理,得到包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像。
抠图模块33,被配置为针对上述第一拍摄图像和上述第二拍摄图像,均通过上述第一掩膜图像和上述第二掩膜图像进行抠图处理,得到多个子图像;
目标子图像确定模块34,被配置为从上述多个子图像中,确定包括上述场景中的运动对象的目标子图像。
运动信息确定模块35,被配置为根据上述目标子图像对应的拍摄图像的拍摄顺序,以及用于抠图得到上述目标子图像的掩膜图像中的抠图区域的位置信息,确定上述运动对象的运动信息。
在一些实施方式中,掩膜图像获取模块32,包括:
运动图像确定子模块,被配置为对上述第一拍摄图像和上述第二拍摄图像进行帧间差分处理,得到上述场景中的运动对象的运动图像。
二值化图像确定子模块,被配置为对上述运动图像进行二值化处理,得到包括第一轮廓区域和第二轮廓区域的二值化图像。
掩膜图像生成子模块,被配置为根据上述第一轮廓区域和上述第二轮廓区域分别在上述二值化图像中的位置信息,生成包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像,其中,上述第一轮廓区域与上述第一抠图区域对应,上述第二轮廓区域与上述第二抠图区域对应。
在一些实施方式中,目标子图像确定模块34具体被配置为:
将上述多个子图像中满足相似度条件的子图像确定为上述目标子图像。
在一些实施方式中,目标子图像确定模块34具体被配置为:确定上述多个子图像中每两个子图像之间的相似度;将相似度最大的两个子图像,确定为上述目标子图像。
在一些实施方式中,抠图模块33,包括:
第一抠取子模块,被配置为将上述第一掩膜图像和上述第一拍摄图像进行对齐处理,并根据上述第一抠图区域从上述第一拍摄图像中抠取出第一子图像。
第二抠取子模块,被配置为将上述第一掩膜图像和上述第二拍摄图像进行对齐处理,并根据上述第一抠图区域从上述第二拍摄图像中抠取出第二子图像。
第三抠取子模块,被配置为将上述第二掩膜图像和上述第一拍摄图像进行对齐处理,并根据上述第二抠图区域从上述第一拍摄图像中抠取出第三子图像。
第四抠取子模块,被配置为将上述第二掩膜图像和上述第一拍摄图像进行对齐处理,并根据上述第二抠图区域从上述第二拍摄图像中抠取出第四子图像。
在一些实施方式中,运动信息确定模块35,具体被配置为:将从上述第一拍摄图像中抠出的目标子图像对应的抠图区域的位置信息,作为起始位置信息;将从上述第二拍摄图像中抠出的目标子图像对应的抠图区域的位置信息,作为终点位置信息;根据上述起始位置信息和上述终点位置信息,确定上述运动对象的运动方向和运动轨迹;将上述运动方向和上述运动轨迹确定为上述运动信息。
在一些实施方式中,上述第一拍摄图像和上述第二拍摄图像之间的拍摄间隔时长是根据上述场景中的运动对象的运动速度设置的。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的图像处理方法的步骤。
图14是根据一示例性实施例示出的一种用于图像处理方法的电子设备800的框图。例如,电子设备800可以是移动电话,计算机,平板设备等。
参照图14,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电力组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件806为电子设备800的各种组件提供电力。电力组件806可以包括电源管理***,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由电子设备800的处理器820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的图像处理方法的代码部分。
图15是根据一示例性实施例示出的一种用于图像处理的服务器1900的框图。例如,服务器1900可以被提供为一服务器。参照图15,服务器1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
服务器1900还可以包括一个电源组件1926被配置为执行服务器1900的电源管理,一个有线或无线网络接口1950被配置为将服务器1900连接到网络,和一个输入输出(I/O)接口1958。服务器1900可以操作基于存储在存储器1932的操作***,例如WindowsServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种图像处理方法,其特征在于,包括:
获取针对同一场景先后进行拍摄得到的第一拍摄图像和第二拍摄图像;
对所述第一拍摄图像和所述第二拍摄图像进行处理,得到包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像;
针对所述第一拍摄图像和所述第二拍摄图像,均通过所述第一掩膜图像和所述第二掩膜图像进行抠图处理,得到多个子图像;
从所述多个子图像中,确定包括所述场景中的运动对象的目标子图像;
根据所述目标子图像对应的拍摄图像的拍摄顺序,以及用于抠图得到所述目标子图像的掩膜图像中的抠图区域的位置信息,确定所述运动对象的运动信息。
2.根据权利要求1所述的图像处理方法,其特征在于,所述对所述第一拍摄图像和所述第二拍摄图像进行处理,包括:
对所述第一拍摄图像和所述第二拍摄图像进行帧间差分处理,得到所述场景中的运动对象的运动图像;
对所述运动图像进行二值化处理,得到包括第一轮廓区域和第二轮廓区域的二值化图像;
根据所述第一轮廓区域和所述第二轮廓区域分别在所述二值化图像中的位置信息,生成包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像,其中,所述第一轮廓区域与所述第一抠图区域对应,所述第二轮廓区域与所述第二抠图区域对应。
3.根据权利要求1所述的方法,其特征在于,所述从所述多个子图像中,确定包括所述场景中的运动对象的目标子图像,包括:
将所述多个子图像中满足相似度条件的子图像确定为所述目标子图像。
4.根据权利要求3所述的方法,其特征在于,所述将所述多个子图像中满足相似度条件的子图像确定为所述目标子图像,包括:
确定所述多个子图像中每两个子图像之间的相似度;
将相似度最大的两个子图像,确定为所述目标子图像。
5.根据权利要求1所述的方法,其特在在于,所述针对所述第一拍摄图像和所述第二拍摄图像,均通过所述第一掩膜图像和所述第二掩膜图像进行抠图处理,得到多个子图像,包括:
将所述第一掩膜图像和所述第一拍摄图像进行对齐处理,并根据所述第一抠图区域从所述第一拍摄图像中抠取出第一子图像;
将所述第一掩膜图像和所述第二拍摄图像进行对齐处理,并根据所述第一抠图区域从所述第二拍摄图像中抠取出第二子图像;
将所述第二掩膜图像和所述第一拍摄图像进行对齐处理,并根据所述第二抠图区域从所述第一拍摄图像中抠取出第三子图像;
将所述第二掩膜图像和所述第一拍摄图像进行对齐处理,并根据所述第二抠图区域从所述第二拍摄图像中抠取出第四子图像。
6.根据权利要求1所述的图像处理方法,其特征在于,所述根据所述目标子图像对应的拍摄图像的拍摄顺序,以及用于抠图得到所述目标子图像的掩膜图像中的抠图区域的位置信息,确定所述运动对象的运动信息,包括
将从所述第一拍摄图像中抠出的目标子图像对应的抠图区域的位置信息,作为起始位置信息;
将从所述第二拍摄图像中抠出的目标子图像对应的抠图区域的位置信息,作为终点位置信息;
根据所述起始位置信息和所述终点位置信息,确定所述运动对象的运动方向和运动轨迹;
将所述运动方向和所述运动轨迹确定为所述运动信息。
7.根据权利要求1至6任一项所述的图像处理方法,其特征在于,所述第一拍摄图像和所述第二拍摄图像之间的拍摄间隔时长是根据所述场景中的运动对象的运动速度设置的。
8.一种图像处理装置,其特征在于,包括:
拍摄图像获取模块,被配置为获取针对同一场景先后进行拍摄得到的第一拍摄图像和第二拍摄图像;
掩膜图像获取模块,被配置为对所述第一拍摄图像和所述第二拍摄图像进行处理,得到包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像;
抠图模块,被配置为针对所述第一拍摄图像和所述第二拍摄图像,均通过所述第一掩膜图像和所述第二掩膜图像进行抠图处理,得到多个子图像;
目标子图像确定模块,被配置为从所述多个子图像中,确定包括所述场景中的运动对象的目标子图像;
运动信息确定模块,被配置为根据所述目标子图像对应的拍摄图像的拍摄顺序,以及用于抠图得到所述目标子图像的掩膜图像中的抠图区域的位置信息,确定所述运动对象的运动信息。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取针对同一场景先后进行拍摄得到的第一拍摄图像和第二拍摄图像;
对所述第一拍摄图像和所述第二拍摄图像进行处理,得到包括第一抠图区域的第一掩膜图像和包括第二抠图区域的第二掩膜图像;
针对所述第一拍摄图像和所述第二拍摄图像,均通过所述第一掩膜图像和所述第二掩膜图像进行抠图处理,得到多个子图像;
从所述多个子图像中,确定包括所述场景中的运动对象的目标子图像;
根据所述目标子图像对应的拍摄图像的拍摄顺序,以及用于抠图得到所述目标子图像的掩膜图像中的抠图区域的位置信息,确定所述运动对象的运动信息。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该程序指令被处理器执行时实现权利要求1~7中任一项所述方法的步骤。
CN202210303750.0A 2022-03-24 2022-03-24 图像处理方法、装置、电子设备及存储介质 Active CN114693702B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210303750.0A CN114693702B (zh) 2022-03-24 2022-03-24 图像处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210303750.0A CN114693702B (zh) 2022-03-24 2022-03-24 图像处理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN114693702A true CN114693702A (zh) 2022-07-01
CN114693702B CN114693702B (zh) 2023-04-07

Family

ID=82138262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210303750.0A Active CN114693702B (zh) 2022-03-24 2022-03-24 图像处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114693702B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104079798A (zh) * 2013-03-25 2014-10-01 日电(中国)有限公司 图像检测方法、装置及一种视频监控***
CN106530325A (zh) * 2016-10-26 2017-03-22 合肥润客软件科技有限公司 一种多目标视觉检测和跟踪方法
CN108805898A (zh) * 2018-05-31 2018-11-13 北京字节跳动网络技术有限公司 视频图像处理方法和装置
CN210112141U (zh) * 2019-01-31 2020-02-21 陕西广电华一互动传媒有限公司 一种基于vr的多媒体录制***
CN111145192A (zh) * 2019-12-30 2020-05-12 维沃移动通信有限公司 图像处理方法及电子设备
CN112184757A (zh) * 2020-09-28 2021-01-05 浙江大华技术股份有限公司 运动轨迹的确定方法及装置、存储介质、电子装置
CN112288642A (zh) * 2020-09-21 2021-01-29 北京迈格威科技有限公司 鬼影检测方法、图像融合方法及对应装置
CN113807185A (zh) * 2021-08-18 2021-12-17 苏州涟漪信息科技有限公司 一种数据处理方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104079798A (zh) * 2013-03-25 2014-10-01 日电(中国)有限公司 图像检测方法、装置及一种视频监控***
CN106530325A (zh) * 2016-10-26 2017-03-22 合肥润客软件科技有限公司 一种多目标视觉检测和跟踪方法
CN108805898A (zh) * 2018-05-31 2018-11-13 北京字节跳动网络技术有限公司 视频图像处理方法和装置
CN210112141U (zh) * 2019-01-31 2020-02-21 陕西广电华一互动传媒有限公司 一种基于vr的多媒体录制***
CN111145192A (zh) * 2019-12-30 2020-05-12 维沃移动通信有限公司 图像处理方法及电子设备
CN112288642A (zh) * 2020-09-21 2021-01-29 北京迈格威科技有限公司 鬼影检测方法、图像融合方法及对应装置
CN112184757A (zh) * 2020-09-28 2021-01-05 浙江大华技术股份有限公司 运动轨迹的确定方法及装置、存储介质、电子装置
CN113807185A (zh) * 2021-08-18 2021-12-17 苏州涟漪信息科技有限公司 一种数据处理方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
顾广华等: "《基于目标匹配的视频对象跟踪算法》" *

Also Published As

Publication number Publication date
CN114693702B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN106651955B (zh) 图片中目标物的定位方法及装置
US9674395B2 (en) Methods and apparatuses for generating photograph
CN107480665B (zh) 文字检测方法、装置及计算机可读存储介质
US11288531B2 (en) Image processing method and apparatus, electronic device, and storage medium
CN107784279B (zh) 目标跟踪方法及装置
CN106296570B (zh) 图像处理方法及装置
CN105631803B (zh) 滤镜处理的方法和装置
CN109784164B (zh) 前景识别方法、装置、电子设备及存储介质
CN108154466B (zh) 图像处理方法及装置
CN109034150B (zh) 图像处理方法及装置
CN109509195B (zh) 前景处理方法、装置、电子设备及存储介质
US20220222831A1 (en) Method for processing images and electronic device therefor
CN112927122A (zh) 水印去除方法、装置及存储介质
CN112188091B (zh) 人脸信息识别方法、装置、电子设备及存储介质
CN112200040A (zh) 遮挡图像检测方法、装置及介质
CN111680646B (zh) 动作检测方法及装置、电子设备和存储介质
CN113194253A (zh) 去除图像反光的拍摄方法、装置和电子设备
CN112330717B (zh) 目标跟踪方法及装置、电子设备和存储介质
CN109145878B (zh) 图像提取方法及装置
CN114549578A (zh) 目标跟踪方法、装置及存储介质
CN113888543A (zh) 肤色分割方法、装置、电子设备及存储介质
CN107292901B (zh) 边缘检测方法及装置
CN109271863B (zh) 人脸活体检测方法及装置
CN114693702B (zh) 图像处理方法、装置、电子设备及存储介质
CN112330721B (zh) 三维坐标的恢复方法及装置、电子设备和存储介质

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
GR01 Patent grant
GR01 Patent grant