CN114820672A - 图像处理方法、装置、计算机设备和存储介质 - Google Patents
图像处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114820672A CN114820672A CN202210378886.8A CN202210378886A CN114820672A CN 114820672 A CN114820672 A CN 114820672A CN 202210378886 A CN202210378886 A CN 202210378886A CN 114820672 A CN114820672 A CN 114820672A
- Authority
- CN
- China
- Prior art keywords
- image
- initial
- target
- information
- edge information
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 39
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000000605 extraction Methods 0.000 claims abstract description 88
- 238000012937 correction Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000004364 calculation method Methods 0.000 claims abstract description 41
- 238000004590 computer program Methods 0.000 claims description 36
- 230000009466 transformation Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction 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
- 230000003287 optical effect Effects 0.000 description 1
- 238000005067 remediation Methods 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种图像处理方法、装置、计算机设备。方法包括:获取运动对象的初始图像和与初始图像相邻的参考图像,计算参考图像与初始图像之间的图像误差,得到误差信息;对初始图像进行初始图像边缘提取,得到初始图像边缘信息,并基于误差信息和初始图像边缘信息进行初始对象边缘提取,得到运动对象对应的初始对象边缘信息;基于初始对象边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息;基于目标对象边缘信息进行图像偏差计算,得到初始图像对应的图像偏差信息,使用图像偏差信息对初始图像进行水平矫正,得到初始图像对应的目标图像。采用本方法能够提高图像处理的效率。
Description
技术领域
本申请涉及计算机领域,特别是涉及一种图像处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着计算机行业的发展,基于计算机技术发明的运动对象识别设备被广泛应用,比如,需要对采集的运动对象的图像进行识别。但是在图像采集过程中,采集到的图像中的运动对象会存在不同程度的倾斜的情况,需要对图像进行水平检测、水平矫正等处理。现有的图像处理方法是利用图像中物体的投影值信息,通过改变θ角度计算对象在不同方向的投影值进行矫正。然而,现有的图像处理方法在应用过程中只能对静止对象的图像进行矫正处理,对采集到的运动对象的图像不能立即响应并及时进行处理,存在图像处理准确性低的问题
发明内容
基于此,有必要针对上述技术问题,提供一种能够对提高图像处理准确性的图像处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种图像处理方法。所述方法包括:
获取运动对象的初始图像和与初始图像相邻的参考图像,计算参考图像与初始图像之间的图像误差,得到误差信息;
对初始图像进行初始图像边缘提取,得到初始图像边缘信息,并基于误差信息和初始图像边缘信息进行初始对象边缘提取,得到运动对象对应的初始对象边缘信息;
基于初始对象边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息;
基于目标对象边缘信息进行图像偏差计算,得到初始图像对应的图像偏差信息,使用图像偏差信息对初始图像进行水平矫正,得到初始图像对应的目标图像。
在其中一个实施例中,基于初始对象边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息,包括:
对初始图像进行目标图像边缘提取,得到目标图像边缘信息;
基于初始对象边缘信息与目标图像边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息。
在其中一个实施例中,基于误差信息和初始图像边缘信息进行初始对象边缘提取,得到运动对象对应的初始对象边缘信息,包括:
将误差信息和初始图像边缘信息进行与运算,得到运动对象对应的初始对象边缘信息;
基于初始对象边缘信息与目标图像边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息,包括:
将初始对象边缘信息与目标图像边缘信息进行与运算,得到运动对象对应的目标对象边缘信息。
在其中一个实施例中,基于目标对象边缘信息进行图像偏差计算,得到初始图像对应的图像偏差信息,包括:
基于预设直线阈值对目标对象边缘信息进行直线转换,得到目标对象边缘信息对应的直线集合;
计算直线集合中各个直线对应的水平角度,使用各个直线对应的水平角度进行水平角度平均计算,得到初始图像对应的当前水平角度;
基于当前水平角度与预设标准垂直角度的差值,得到初始图像对应的图像偏差信息。
在其中一个实施例中,所述方法,还包括:
获取预设历史时间段内的历史目标对象边缘信息对应的各个历史直线的历史水平角度;
基于各个直线的水平角度和各个历史直线的历史水平角度进行水平角度平均计算,得到初始图像对应的平均水平角度;
基于平均水平角度与预设标准垂直角度的差值,得到初始图像对应的目标图像偏差信息。
在其中一个实施例中,使用图像偏差信息对初始图像进行水平矫正,得到初始图像对应的目标图像,包括:
当图像偏差信息未达到预设图像偏差阈值时,基于图像偏差信息获取对应的预设矫正参数;
使用预设矫正参数对初始图像进行水平矫正,得到目标图像。
在其中一个实施例中,在使用预设矫正系数对原始图像进行矫正,得到原始图像对应的目标图像之后,还包括:
获取初始图像序列;
遍历初始图像序列中各个初始图像,得到初始图像序列对应的目标图像序列;
将目标图像序列中各个目标图像依次进行拼接,得到目标运动对象图像,基于目标运动对象图像进行目标运动对象识别,得到目标运动对象识别结果。
第二方面,本申请还提供了一种图像处理装置。所述装置包括:
误差模块,用于获取运动对象的初始图像和与所述初始图像相邻的参考图像,计算所述参考图像与所述初始图像之间的图像误差,得到误差信息;
初始边缘提取模块,用于对所述初始图像进行初始图像边缘提取,得到初始图像边缘信息,并基于所述误差信息和所述初始图像边缘信息进行初始对象边缘提取,得到所述运动对象对应的初始对象边缘信息;
目标边缘提取模块,用于基于所述初始对象边缘信息进行目标对象边缘提取,得到所述运动对象对应的目标对象边缘信息;
矫正模块,用于基于所述目标对象边缘信息进行图像偏差计算,得到所述初始图像对应的图像偏差信息,使用所述图像偏差信息对所述初始图像进行水平矫正,得到所述初始图像对应的目标图像。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取运动对象的初始图像和与初始图像相邻的参考图像,计算参考图像与初始图像之间的图像误差,得到误差信息;
对初始图像进行初始图像边缘提取,得到初始图像边缘信息,并基于误差信息和初始图像边缘信息进行初始对象边缘提取,得到运动对象对应的初始对象边缘信息;
基于初始对象边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息;
基于目标对象边缘信息进行图像偏差计算,得到初始图像对应的图像偏差信息,使用图像偏差信息对初始图像进行水平矫正,得到初始图像对应的目标图像。
第四方面,本申请还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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取运动对象的初始图像和与初始图像相邻的参考图像,计算参考图像与初始图像之间的图像误差,得到误差信息;
对初始图像进行初始图像边缘提取,得到初始图像边缘信息,并基于误差信息和初始图像边缘信息进行初始对象边缘提取,得到运动对象对应的初始对象边缘信息;
基于初始对象边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息;
基于目标对象边缘信息进行图像偏差计算,得到初始图像对应的图像偏差信息,使用图像偏差信息对初始图像进行水平矫正,得到初始图像对应的目标图像。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取运动对象的初始图像和与初始图像相邻的参考图像,计算参考图像与初始图像之间的图像误差,得到误差信息;
对初始图像进行初始图像边缘提取,得到初始图像边缘信息,并基于误差信息和初始图像边缘信息进行初始对象边缘提取,得到运动对象对应的初始对象边缘信息;
基于初始对象边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息;
基于目标对象边缘信息进行图像偏差计算,得到初始图像对应的图像偏差信息,使用图像偏差信息对初始图像进行水平矫正,得到初始图像对应的目标图像。
上述图像处理方法、装置、计算机设备、存储介质和计算机程序产品,通过计算参考图像与初始图像之间的图像误差;然后对初始图像进行初始图像边缘提取,得到的初始图像边缘信息是初始图像的初始边缘信息。通过将误差信息和初始图像边缘信息进行初始对象边缘提取,得到初始对象边缘信息。再将初始对象边缘信息进行目标对象边缘提取,得到的目标对象边缘信息是更精确的运动对象的边缘信息。通过目标对象边缘信息计算得到的图像偏差信息更准确;进一步地,通过图像偏差信息对初始图像进行水平矫正,得到的目标图像也更准确,从而,提高了图像处理的准确性。
附图说明
图1为一个实施例中图像处理方法的应用环境图;
图2为一个实施例中图像处理方法的流程示意图;
图3为一个实施例中目标对象边缘提取的流程示意图;
图4为一个实施例中计算图像偏差信息的流程示意图;
图5为一个实施例中图像偏差信息的示意图;
图6为另一个实施例中图像偏差信息的示意图;
图7为一个实施例中计算目标图像偏差信息的流程示意图;
图8为一个具体实施例中初始图像水平矫正的流程示意图;
图9为一个实施例中图像处理装置的结构框图;
图10为一个实施例中计算机设备的内部结构图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的图像处理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储***可以存储服务器104需要处理的数据。数据存储***可以集成在服务器104上,也可以放在云上或其他网络服务器上。终端102可以通过服务器104获取运动对象的初始图像和与初始图像相邻的参考图像,计算参考图像与初始图像之间的图像误差,得到误差信息;终端102对初始图像进行初始图像边缘提取,得到初始图像边缘信息,并基于误差信息和初始图像边缘信息进行初始对象边缘提取,得到运动对象对应的初始对象边缘信息;终端102基于初始对象边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息;终端102基于目标对象边缘信息进行图像偏差计算,得到初始图像对应的图像偏差信息,使用图像偏差信息对初始图像进行水平矫正,得到初始图像对应的目标图像。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种图像处理方法,以该方法应用于图1中的终端为例进行说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的***,并通过终端和服务器的交互实现。本实施例中,包括以下步骤:
步骤202,获取运动对象的初始图像和与初始图像相邻的参考图像,计算参考图像与初始图像之间的图像误差,得到误差信息。
其中,运动对象是指运动中的对象,包括人体、物体等。初始图像是指对运动对象在运动过程中按照预设帧率采集的图像序列中的图像,该初始图像在采集时可能会存在图像内容倾斜的问题。参考图像是指采集到的图像序列中与初始图像相邻的图像。图像误差是指初始图像与参考图像之间的差异。误差信息是指初始图像与参考图像之间的差异的信息,可以用图表示。在一个实施例中,误差信息可以表征初始图像中运动对象与参考图像中运动对象发生运动变化的部分。
具体地,终端可以通过服务器中的数据存储***获取运动对象对应的图像序列,运动对象对应的图像序列可以是通过摄像设备对运动对象在运动过程中按照预设帧率采集到的图像序列,预设帧率可以是50fps(Frames Per Second,每秒传输帧数)。然后摄像设备将图像序列上传至服务器的数据存储***中。终端也可以直接从摄像设备中获取到采集的图像序列。
终端从采集到的图像序列中获取初始图像和与初始图像相邻的参考图像,参考图像可以是初始图像的前一帧图像,也可以是初始图像的后一帧图像,优选的,参考图像是初始图像的前一帧图像。然后终端可以通过帧间差分运算方式计算参考图像与初始图像之间的像素误差,通过像素误差得到误差信息。比如,可以计算参考图像中各个像素点对应的像素值与初始图像中各个像素点对应的像素值之间的误差,根据各个像素点对应的误差,得到误差图像。终端也可以在对参考图像与初始图像进行帧间差分运算后得到误差信息,对该误差信息进行二值化处理,得到二值化的误差信息。
步骤204,对初始图像进行初始图像边缘提取,得到初始图像边缘信息,并基于误差信息和初始图像边缘信息进行初始对象边缘提取,得到运动对象对应的初始对象边缘信息。
其中,初始图像边缘提取是指对初始图像中对象的边缘进行初步提取的过程。初始图像包括运动对象区域和背景区域,背景区域是初始图像中除了运动对象区域以外的区域,包括非运动对象的对象,比如,树木、建筑等对象。初始图像边缘信息是指初始图像中包括运动对象区域和背景区域的所有对象的边缘图像。初始对象边缘提取是指对初始图像中运动对象区域中运动对象的边缘进行初步提取过程。初始对象边缘信息是指从初始图像中初步提取出来的运动对象边缘的图像。
具体地,终端对初始图像中所有区域内的对象的边缘进行初步提取,得到初始图像对应的初始图像边缘信息。然后终端根据误差信息对初始图像边缘信息中的运动对象的边缘进行初步提取,得到运动对象对应的初步提取的初始对象边缘信息。
在一个具体实施例中,终端可以对初始图像中所有区域内的对象的纵向边缘进行初步提取,得到初始图像对应的初始图像边缘信息中所有对象的纵向边缘的图像。然后终端根据误差信息对初始图像边缘信息进行初步提取,得到初始图像边缘信息中运动对象对应的纵向边缘图像。
步骤206,基于初始对象边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息。
其中,目标对象边缘提取是指对运动对象的边缘进行线条化提取的过程。目标对象边缘信息是指运动对象的线条化边缘的图像。
具体地,终端根据初始对象边缘信息中初步提取的运动对象的边缘图像进行精确边缘提取,得到运动对象对应的目标对象边缘信息,该目标对象边缘信息相对于初始对象边缘信息更加精确。
步骤208,基于目标对象边缘信息进行图像偏差计算,得到初始图像对应的图像偏差信息,使用图像偏差信息对初始图像进行水平矫正,得到初始图像对应的目标图像。
其中,图像偏差计算是指计算初始图像倾斜角度的过程。图像偏差信息是指初始图像倾斜的角度。目标图像是指初始图像进行水平校正后的图像。
具体地,终端使用目标对象边缘信息中的纵向边缘线与水平线的偏差角度进行图像偏差计算,得到初始图像对应的图像偏差信息,表示初始图像与水平线的偏差角度。终端根据图像偏差信息对初始图像进行相应角度的旋转矫正,得到初始图像校正后的目标图像。然后终端可以将目标图像存储至本地,以使后续使用。
上述图像处理方法中,通过计算参考图像与初始图像之间的图像误差;然后对初始图像进行初始图像边缘提取。通过将误差信息和初始图像边缘信息进行初始对象边缘提取,得到初始对象边缘信息,表示运动对象的初始边缘信息。再将初始对象边缘信息进行目标对象边缘提取,得到的目标对象边缘信息是更精确的运动对象的边缘信息。通过目标对象边缘信息计算得到的图像偏差信息更准确;进一步地,通过图像偏差信息对初始图像进行水平矫正,得到的目标图像也更准确。从而,提高了图像处理的准确性。
在一个实施例中,如图3所示,提供一种目标对象边缘提取的流程示意图;步骤204,基于初始对象边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息,包括:
步骤302,对初始图像进行目标图像边缘提取,得到目标图像边缘信息;
步骤304,基于初始对象边缘信息与目标图像边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息。
其中,目标图像边缘提取是指对初始图像中所有对象的边缘进行线条化提取的过程。目标图像边缘图像是指初始图像中所有对象的线条化边缘的图像。
具体地,终端对初始图像中的所有对象边缘进行线条化提取,得到初始图像对应的目标图像边缘信息,表示初始图像中所有对象的线条化边缘的图像。终端可以使用肯尼边缘检测算法对初始图像中所有对象进行线条化提取。然后终端根据初始对象边缘信息中的运动对象的纵向边缘和目标图像边缘信息中的线条化边缘进行相同像素的提取,得到运动对象对应的目标对象边缘信息,表示运动对象的纵向线条化边缘的图像。
终端也可以使用肯尼边缘检测算法对初始对象边缘信息的运动对象的边缘进行线条化提取,得到运动对象对应的目标对象边缘信息。
本实施例中,通过对初步提取的初始对象边缘信息进行线条化边缘提取,提高了提取初始图像中运动对象的边缘的准确性,使提取的运动对象的边缘更精确,从而提高了对图像处理的准确性。
在一个实施例中,步骤204,基于误差信息和初始图像边缘信息进行初始对象边缘提取,得到运动对象对应的初始对象边缘信息,包括:
将误差信息和初始图像边缘信息进行与运算,得到运动对象对应的初始对象边缘信息;
步骤304,基于初始对象边缘信息与目标图像边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息,包括:
将初始对象边缘信息与目标图像边缘信息进行与运算,得到运动对象对应的目标对象边缘信息。
其中,与运算是指提取相同边缘信息的运算。误差信息和初始图像边缘信息进行与运算是指将误差信息与初始图像边缘信息中的相同边缘信息提取的过程。初始对象边缘信息与目标图像边缘信息进行与运算是指将初始对象边缘信息与初始对象边缘信息中的相同边缘信息提取的过程。
具体地,边缘信息可以是二值化像素值。将误差信息中各个二值化像素值与初始图像边缘信息中的各个二值化像素值进行与运算,得到初始对象边缘信息。将初始对象边缘信息中的各个二值化像素值与目标图像边缘信息中的各个二值化像素进行与运算,提取相同二值化像素值,得到目标对象边缘信息。
在一个具体实施例中,终端检测到初始图像和参数图像为二值化图像时,对初始图像和参数图像直接进行帧间差分运算,得到图像类型为二值化差分图的误差信息。
终端检测到初始图像和参数图像为非二值化图像时,对初始图像和参数图像进行帧间差分运算,得到的误差信息是非二值化差分图像。然后对非二值化差分图像进行二值化处理,得到的误差信息是二值化差分图像。
终端可以通过纵向模板的索贝尔算子对初始图像进行初始图像边缘提取,即提取初始图像中所有对象的纵向边缘,得到的初始图像边缘信息是非二值化的初始图像边缘信息,然后对非二值化的初始图像边缘信息进行二值化处理,得到二值化的初始图像边缘信息。二值化处理可以是威尔自适应阈值二值化算法。
然后终端使用二值化差分图的误差信息与二值化的初始图像边缘信息进行与运算,得到运动对象对应的初始对象边缘信息。本实施例中,通过将误差信息和初始图像边缘信息进行与运算,能够根据误差信息中的运动对象的轮廓从目标图像边缘信息中提取出运动对象对应的边缘图像。通过将初始对象边缘信息与目标图像边缘信息进行与运算,能根据初始对象边缘信息中运动对象对应的边缘图像从目标图像边缘信息中提取出运动对象对应的精确边缘的图像。通过两次与运算,进一步提高了初始图像中运动对象边缘的准确性,从而提高了图像处理的准确性。
在一个实施例中,如图4所示,提供一种计算图像偏差信息的流程示意图;步骤208,基于目标对象边缘信息进行图像偏差计算,得到初始图像对应的图像偏差信息,包括:
步骤402,基于预设直线阈值对目标对象边缘信息进行直线转换,得到目标对象边缘信息对应的直线集合;
步骤404,计算直线集合中各个直线对应的水平角度,使用各个直线对应的水平角度进行水平角度平均计算,得到初始图像对应的当前水平角度;
步骤406,基于当前水平角度与预设标准垂直角度的差值,得到初始图像对应的图像偏差信息。
其中,预设直线阈值是指预先设置好的用于筛选目标对象边缘信息中干扰线的阈值。预设直线阈值可以是设定的图像中表示标准对象的一半高度的直线长度。直线转换是指将目标对象边缘信息中的边缘信息转换成直线的过程。水平角度是指直线与图像水平线之间的偏差角度。当前水平角度是指各个直线对应的水平角度的平均偏差角度。水平角度平均计算是指计算各个直线对应的水平角度的平均值的过程。预设标准水平角度是指预先设置好的图像垂直线与图像水平线垂直的角度,一般为90度。
具体地,终端可以将预先设置好的图像中小轿车的高度边缘转换成对应的直线,然后将转换的直线的一半长度作为预设直线阈值。终端也可以直接从本地存储***中调取预设直线阈值。然后终端将目标对象边缘信息中的运动对象的纵向边缘转换成对应的直线,终端可以使用霍夫变换直线检测算法进行直线转换。然后终端使用预设直线阈值对转换的直线进行筛选,将达到预设直线阈值的直线作为直线集合。
然后终端计算直线集合中各个直线与图像水平线之间的偏差角度,得到各个直线对应的水平角度,然后将各个直线对应的水平角度进行累加,得到水平角度的累加结果。然后终端统计各个直线的数量,然后计算累加结果和各个直线的数量的比值,得到初始图像对应的当前水平角度。然后终端计算当前水平角度与预设标准水平角度的差值,得到初始图像对应的图像偏差信息。
在一个具体实施例中,如图5所示,提供一种图像偏差信息的示意图;设置逆时针方向为正方向,a为图像中运动对象的纵向线,b为运动对象的横向线,e为图像水平线,d为图像垂直线,A为当前水平角度,表示运动对象的纵向线a与图像水平线e之间的偏差角度,B为图像偏差信息,表示运动对象的横向线b与图像水平线之间的偏差角度。
然后终端计算当前水平角度A与预设标准垂直角度的差值,得到图像偏差信息B,计算公式如公式(1)所示:
B=a-90°公式(1)
B可以为正值,也可以为负值;B为正值时表示初始图像向左倾斜,B为负值时,表示初始图像向右倾斜。比如,A=80°,则B=80°-90°=-10°,表示初始图像中运动对象在垂直方向向右倾斜了10°;A=130°,则B=130°-90°=40°,表示初始图像中运动对象在垂直方向向左倾斜了40°。
在另一个具体实施例中,如图6所示,提供一种计算图像偏差信息的示意图;终端可以计算直线集合中各个直线与图像垂直线的偏差角度,得到各个直线对应的垂直角度,然后将各个直线对应的垂直偏行累加,得到垂直角度的累加结果。然后终端统计各个直线的数量,然后计算累加结果和各个直线的数量的比值,得到初始图像对应的平均垂直偏差角度,表示初始图像中运动对象的纵向线与图像垂直线的偏差角度,终端将平均垂直角度作为图像偏差信息。然后终端根据运动对象的纵向线所在的象限判断运动对象的倾斜方向。图中,a为图像中运动对象的纵向线,d为图像垂直线,D为平均垂直偏差角度,表示运动对象的纵向线a与图像垂直线d之间的偏差角度。运动对象的纵向线a在第一象限时,表示初始图像中运动对象在垂直方向向右倾斜;运动对象的纵向线a在第二象限时,表示初始图像中运动对象在垂直方向向左倾斜。
本实施例中,通过将目标对象边缘信息进行直线转换,能通过直线集合对初始图像进行水平检测,得到初始图像对应的图像偏差信息,从而能根据图像偏差信息对初始图像进行矫正,提高了图像处理的效率。
在一个实施例中,如图7所示,提供一种计算目标图像偏差信息的流程示意图;所述方法,还包括:
步骤702,获取预设历史时间段内的历史目标对象边缘信息对应的各个历史直线的历史水平角度;
步骤704,基于各个直线的水平角度和各个历史直线的历史水平角度进行水平角度平均计算,得到初始图像对应的平均水平角度;
步骤706,基于平均水平角度与预设标准垂直角度的差值,得到初始图像对应的目标图像偏差信息。
其中,预设历史时间段是预先设置好的时间段。历史目标对象边缘信息是指在历史时间段内进行处理的初始图像对应的目标对象边缘信息。历史水平角度是历史目标对象边缘信息对应的各个直线的垂直角。平均水平角度是指各个直线的水平角度和各个历史直线的历史水平角度的平均值。目标图像偏差信息是指初始图像中运动对象的倾斜角度。
具体地,终端可以根据初始图像的采集时间,从本地数据存储***中获取历史时间段内的历史目标对象边缘信息对应的各个历史直线的历史水平角度。历史时间段可以根据运动对象的运动速度和长度确定的时间段,比如,可以将历史时间段设置为0.2秒。然后终端将各个直线的水平角度和各个历史直线的历史水平角度进行累加,得到水平角度累加结果。终端统计各个直线和各个历史直线的总数量,并计算水平角度累加结果与总数量的比值,得到始图像对应的平均水平角度。
终端计算平均水平角度与预设标准垂直角度的差值,得到初始图像的横向线与图像水平线的偏差角度。
本实施例中,通过引入历史目标对象边缘信息对应的各个历史直线的历史水平角度,并对各个直线的水平角度和各个历史直线的历史水平角度进行水平角度平均计算,得到的初始图像对应的平均水平角度更准确,避免了单次计算造成的误差,从而提高了图像处理的准确性。
在一个实施例中,步骤208,使用图像偏差信息对初始图像进行水平矫正,得到初始图像对应的目标图像,包括:
当图像偏差信息未达到预设图像偏差阈值时,基于图像偏差信息获取对应的预设矫正参数;
使用预设矫正参数对初始图像进行水平矫正,得到目标图像。
其中,预设图像偏差阈值是预先设置好的用于判断初始图像是否发生倾斜的判断阈值。预设矫正参数是用于对初始图像进行矫正的最适矫正参数,预设矫正参数可以从矫正参数库中获取。
具体地,终端获取预设图像偏差阈值,将图像偏差信息与预设图像偏差阈值进行比较,当图像偏差信息未达到预设图像偏差阈值时,终端根据图像偏差信息在矫正参数库中确定最适矫正参数所在的范围,终端可以通过二分查找的方式确定最适矫正参数所在的范围,并且在矫正参数库中已预先按照角度偏差值进行排序,角度偏差值与矫正系数一一对应。然后根据图像偏差信息遍历该范围中的各个角度偏差值,确定各个角度偏差值中与图像偏差信息最接近或相同的角度偏差值,并将该角度偏差值对应的矫正参数作为最适矫正参数。然后终端可以将最适矫正参数配置到图像处理模块,使图像处理模块根据配置的最适矫正参数对初始图像进行矫正,得到目标图像。
当终端检测到图像偏差信息达到预设图像偏差阈值时,说明初始图像不发生倾斜,对初始图像不做矫正处理,可以直接使用初始图像进行后续处理。
本实施例中,通过根据图像偏差信息从矫正参数库中能快速查找最适矫正参数,并根据矫正参数对初始图像进行矫正,提高了图像处理效率。
在一个实施例中,步骤208,在使用预设矫正系数对原始图像进行矫正,得到原始图像对应的目标图像之后,还包括:
获取初始图像序列;
遍历初始图像序列中各个初始图像,得到初始图像序列对应的目标图像序列;
将目标图像序列中各个目标图像依次进行拼接,得到目标运动对象图像,基于目标运动对象图像进行目标运动对象识别,得到目标运动对象识别结果。
其中,初始图像序列是指在运动对象的运动过程中连续采集的并且时间连续的各个初始图像,不同的初始图像可以包括运动对象不同的部分,比如,车辆运动时从车头图像开始到车尾图像得到的车辆图像序列。目标运动对象图像是指拼接后的具有完整运动对象的图像
具体地,终端获取初始图像序列,并根据初始图像序列中各个初始图像查找对应的目标图像,然后终端将各个目标图像按照序列顺序依次进行拼接,得到包括完整运动对象的目标运动对象图像,然后可以对目标运动对象图像进行对象识别等后续处理。
本实施例中,通过将矫正后的目标图像进行拼接,则得到的目标运动对象图像已经是水平的图像,通过目标运动对象图像进行识别,能提高运动对象的识别准确性。
在一个具体实施例中,如图8所示,提供一种初始图像水平矫正的流程示意图;终端通过图像采集单元按照50fps的帧率采集到初始图像序列,然后从初始图像序列中获取当前需要处理的初始图像,并获取与初始图像相邻的参考图像。终端将初始图像与参考图像输入至差分分析单元进行帧间差分运算和二值化处理,得到差分二值图。并将初始图像输入至垂直边缘分析单元,通过横向模板的索贝尔算子对初始图像进行卷积运算并进行二值化处理,得到垂直边缘二值图。然后终端将差分二值图和垂直边缘二值图进行与运算,得到运动对象对应的初始垂直边缘图。终端使用肯尼边缘检测算法对初始垂直边缘图进行线条化边缘提取,得到更为精确的运动对象对应的线条化垂直边缘图。
终端使用霍夫变换直线检测算法对线条化垂直边缘图进行直线转换,并使用预设直线阈值进行直线筛选,得到目线条化垂直边缘图对应的直线集合。终端计算直线集合中各个直线对应的水平角度,然后获取预设历史时间段内的历史目标对象边缘信息对应的各个历史直线的历史水平角度。终端将各个直线的水平角度和所述各个历史直线的历史水平角度进行水平角度平均计算,得到初始图像对应的平均水平角度,然后计算平均水平角度与预设标准垂直角度的差值,得到初始图像对应的目标图像偏差信息。
终端根据目标图像偏差信息在矫正参数库中查找最适矫正参数,并将最适矫正参数配置到图像处理模块,使图像处理模块根据配置的最适矫正参数对初始图像进行矫正,得到目标图像。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的图像处理方法的图像处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个图像处理装置实施例中的具体限定可以参见上文中对于图像处理方法的限定,在此不再赘述。
在一个实施例中,如图9所示,提供了一种图像处理装置900,包括:误差模块902、初始边缘提取模块904、目标边缘提取模块906和矫正模块908,其中:
误差模块902,用于获取运动对象的初始图像和与所述初始图像相邻的参考图像,计算所述参考图像与所述初始图像之间的图像误差,得到误差信息;
初始边缘提取模块904,用于对所述初始图像进行初始图像边缘提取,得到初始图像边缘信息,并基于所述误差信息和所述初始图像边缘信息进行初始对象边缘提取,得到所述运动对象对应的初始对象边缘信息;
目标边缘提取模块906,用于基于所述初始对象边缘信息进行目标对象边缘提取,得到所述运动对象对应的目标对象边缘信息;
矫正模块908,用于基于所述目标对象边缘信息进行图像偏差计算,得到所述初始图像对应的图像偏差信息,使用所述图像偏差信息对所述初始图像进行水平矫正,得到所述初始图像对应的目标图像。
在一个实施例中,目标边缘提取模块906,包括:
对象边缘提取单元,用于对初始图像进行目标图像边缘提取,得到目标图像边缘信息;
基于初始对象边缘信息与目标图像边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息。
在一个实施例中,初始边缘提取模块904,包括:
与运算单元,用于将误差信息和初始图像边缘信息进行与运算,得到运动对象对应的初始对象边缘信息;
将初始对象边缘信息与目标图像边缘信息进行与运算,得到运动对象对应的目标对象边缘信息。
在一个实施例中,矫正模块908,包括:
转换单元,用于基于预设直线阈值对目标对象边缘信息进行直线转换,得到目标对象边缘信息对应的直线集合;
计算直线集合中各个直线对应的水平角度,使用各个直线对应的水平角度进行水平角度平均计算,得到初始图像对应的当前水平角度;
基于当前水平角度与预设标准垂直角度的差值,得到初始图像对应的图像偏差信息。
在一个实施例中,图像处理装置900,还包括:
历史信息单元,用于获取预设历史时间段内的历史目标对象边缘信息对应的各个历史直线的历史水平角度;
基于各个直线的水平角度和各个历史直线的历史水平角度进行水平角度平均计算,得到初始图像对应的平均水平角度;
基于平均水平角度与预设标准垂直角度的差值,得到初始图像对应的目标图像偏差信息。
在一个实施例中,矫正模块908,包括:
阈值判断单元,用于当图像偏差信息未达到预设图像偏差阈值时,基于图像偏差信息获取对应的预设矫正参数;使用预设矫正参数对初始图像进行水平矫正,得到目标图像。
在一个实施例中,图像处理装置900,还包括:
拼接单元,用于获取初始图像序列;遍历初始图像序列中各个初始图像,得到初始图像序列对应的目标图像序列;
将目标图像序列中各个目标图像依次进行拼接,得到目标运动对象图像,基于目标运动对象图像进行目标运动对象识别,得到目标运动对象识别结果。
上述图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储初始图像序列。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像处理方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图11所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种图像处理方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置,显示屏可以是液晶显示屏或电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10-11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取运动对象的初始图像和与初始图像相邻的参考图像,计算参考图像与初始图像之间的图像误差,得到误差信息;对初始图像进行初始图像边缘提取,得到初始图像边缘信息,并基于误差信息和初始图像边缘信息进行初始对象边缘提取,得到运动对象对应的初始对象边缘信息;基于初始对象边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息;基于目标对象边缘信息进行图像偏差计算,得到初始图像对应的图像偏差信息,使用图像偏差信息对初始图像进行水平矫正,得到初始图像对应的目标图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于初始对象边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息,包括:对初始图像进行目标图像边缘提取,得到目标图像边缘信息;基于初始对象边缘信息与目标图像边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于误差信息和初始图像边缘信息进行初始对象边缘提取,得到运动对象对应的初始对象边缘信息,包括:将误差信息和初始图像边缘信息进行与运算,得到运动对象对应的初始对象边缘信息;基于初始对象边缘信息与目标图像边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息,包括:将初始对象边缘信息与目标图像边缘信息进行与运算,得到运动对象对应的目标对象边缘信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于目标对象边缘信息进行图像偏差计算,得到初始图像对应的图像偏差信息,包括:基于预设直线阈值对目标对象边缘信息进行直线转换,得到目标对象边缘信息对应的直线集合;计算直线集合中各个直线对应的水平角度,使用各个直线对应的水平角度进行水平角度平均计算,得到初始图像对应的当前水平角度;基于当前水平角度与预设标准垂直角度的差值,得到初始图像对应的图像偏差信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
所述方法,还包括:获取预设历史时间段内的历史目标对象边缘信息对应的各个历史直线的历史水平角度;基于各个直线的水平角度和各个历史直线的历史水平角度进行水平角度平均计算,得到初始图像对应的平均水平角度;基于平均水平角度与预设标准垂直角度的差值,得到初始图像对应的目标图像偏差信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
使用图像偏差信息对初始图像进行水平矫正,得到初始图像对应的目标图像,包括:当图像偏差信息未达到预设图像偏差阈值时,基于图像偏差信息获取对应的预设矫正参数;使用预设矫正参数对初始图像进行水平矫正,得到目标图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
在使用预设矫正系数对原始图像进行矫正,得到原始图像对应的目标图像之后,还包括:获取初始图像序列;遍历初始图像序列中各个初始图像,得到初始图像序列对应的目标图像序列;将目标图像序列中各个目标图像依次进行拼接,得到目标运动对象图像,基于目标运动对象图像进行目标运动对象识别,得到目标运动对象识别结果。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取运动对象的初始图像和与初始图像相邻的参考图像,计算参考图像与初始图像之间的图像误差,得到误差信息;对初始图像进行初始图像边缘提取,得到初始图像边缘信息,并基于误差信息和初始图像边缘信息进行初始对象边缘提取,得到运动对象对应的初始对象边缘信息;基于初始对象边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息;基于目标对象边缘信息进行图像偏差计算,得到初始图像对应的图像偏差信息,使用图像偏差信息对初始图像进行水平矫正,得到初始图像对应的目标图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于初始对象边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息,包括:对初始图像进行目标图像边缘提取,得到目标图像边缘信息;基于初始对象边缘信息与目标图像边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于误差信息和初始图像边缘信息进行初始对象边缘提取,得到运动对象对应的初始对象边缘信息,包括:将误差信息和初始图像边缘信息进行与运算,得到运动对象对应的初始对象边缘信息;基于初始对象边缘信息与目标图像边缘信息进行目标对象边缘提取,得到运动对象对应的目标对象边缘信息,包括:将初始对象边缘信息与目标图像边缘信息进行与运算,得到运动对象对应的目标对象边缘信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于目标对象边缘信息进行图像偏差计算,得到初始图像对应的图像偏差信息,包括:基于预设直线阈值对目标对象边缘信息进行直线转换,得到目标对象边缘信息对应的直线集合;计算直线集合中各个直线对应的水平角度,使用各个直线对应的水平角度进行水平角度平均计算,得到初始图像对应的当前水平角度;基于当前水平角度与预设标准垂直角度的差值,得到初始图像对应的图像偏差信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
所述方法,还包括:获取预设历史时间段内的历史目标对象边缘信息对应的各个历史直线的历史水平角度;基于各个直线的水平角度和各个历史直线的历史水平角度进行水平角度平均计算,得到初始图像对应的平均水平角度;基于平均水平角度与预设标准垂直角度的差值,得到初始图像对应的目标图像偏差信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
使用图像偏差信息对初始图像进行水平矫正,得到初始图像对应的目标图像,包括:当图像偏差信息未达到预设图像偏差阈值时,基于图像偏差信息获取对应的预设矫正参数;使用预设矫正参数对初始图像进行水平矫正,得到目标图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
在使用预设矫正系数对原始图像进行矫正,得到原始图像对应的目标图像之后,还包括:获取初始图像序列;遍历初始图像序列中各个初始图像,得到初始图像序列对应的目标图像序列;将目标图像序列中各个目标图像依次进行拼接,得到目标运动对象图像,基于目标运动对象图像进行目标运动对象识别,得到目标运动对象识别结果。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
获取运动对象的初始图像和与所述初始图像相邻的参考图像,计算所述参考图像与所述初始图像之间的图像误差,得到误差信息;
对所述初始图像进行初始图像边缘提取,得到初始图像边缘信息,并基于所述误差信息和所述初始图像边缘信息进行初始对象边缘提取,得到所述运动对象对应的初始对象边缘信息;
基于所述初始对象边缘信息进行目标对象边缘提取,得到所述运动对象对应的目标对象边缘信息;
基于所述目标对象边缘信息进行图像偏差计算,得到所述初始图像对应的图像偏差信息,使用所述图像偏差信息对所述初始图像进行水平矫正,得到所述初始图像对应的目标图像。
2.根据权利要求1所述的方法,其特征在于,所述基于所述初始对象边缘信息进行目标对象边缘提取,得到所述运动对象对应的目标对象边缘信息,包括:
对所述初始图像进行目标图像边缘提取,得到目标图像边缘信息;
基于所述初始对象边缘信息与所述目标图像边缘信息进行目标对象边缘提取,得到所述运动对象对应的目标对象边缘信息。
3.根据权利要求2所述的方法,其特征在于,所述基于所述误差信息和所述初始图像边缘信息进行初始对象边缘提取,得到所述运动对象对应的初始对象边缘信息,包括:
将所述误差信息和所述初始图像边缘信息进行与运算,得到所述运动对象对应的初始对象边缘信息;
所述基于所述初始对象边缘信息与所述目标图像边缘信息进行目标对象边缘提取,得到所述运动对象对应的目标对象边缘信息,包括:
将所述初始对象边缘信息与所述目标图像边缘信息进行与运算,得到所述运动对象对应的目标对象边缘信息。
4.根据权利要求1所述的方法,其特征在于,所述基于所述目标对象边缘信息进行图像偏差计算,得到所述初始图像对应的图像偏差信息,包括:
基于所述预设直线阈值对所述目标对象边缘信息进行直线转换,得到所述目标对象边缘信息对应的直线集合;
计算所述直线集合中各个直线对应的水平角度,使用所述各个直线对应的水平角度进行水平角度平均计算,得到所述初始图像对应的当前水平角度;
基于所述当前水平角度与预设标准垂直角度的差值,得到所述初始图像对应的图像偏差信息。
5.根据权利要求4所述的方法,其特征在于,所述方法,还包括:
获取预设历史时间段内的历史目标对象边缘信息对应的各个历史直线的历史水平角度;
基于所述各个直线的水平角度和所述各个历史直线的历史水平角度进行水平角度平均计算,得到所述初始图像对应的平均水平角度;
基于所述平均水平角度与预设标准垂直角度的差值,得到所述初始图像对应的目标图像偏差信息。
6.根据权利要求1所述的方法,其特征在于,所述使用所述图像偏差信息对所述初始图像进行水平矫正,得到所述初始图像对应的目标图像,包括:
当所述图像偏差信息未达到预设图像偏差阈值时,基于所述图像偏差信息获取对应的预设矫正参数;
使用所述预设矫正参数对所述初始图像进行水平矫正,得到所述目标图像。
7.根据权利要求1所述的方法,其特征在于,在所述使用所述预设矫正系数对所述原始图像进行矫正,得到所述原始图像对应的目标图像之后,还包括:
获取初始图像序列;
遍历所述初始图像序列中各个初始图像,得到所述初始图像序列对应的目标图像序列;
将所述目标图像序列中各个目标图像依次进行拼接,得到目标运动对象图像,基于所述目标运动对象图像进行目标运动对象识别,得到目标运动对象识别结果。
8.一种图像处理装置,其特征在于,所述装置包括:
误差模块,用于获取运动对象的初始图像和与所述初始图像相邻的参考图像,计算所述参考图像与所述初始图像之间的图像误差,得到误差信息;
初始边缘提取模块,用于对所述初始图像进行初始图像边缘提取,得到初始图像边缘信息,并基于所述误差信息和所述初始图像边缘信息进行初始对象边缘提取,得到所述运动对象对应的初始对象边缘信息;
目标边缘提取模块,用于基于所述初始对象边缘信息进行目标对象边缘提取,得到所述运动对象对应的目标对象边缘信息;
矫正模块,用于基于所述目标对象边缘信息进行图像偏差计算,得到所述初始图像对应的图像偏差信息,使用所述图像偏差信息对所述初始图像进行水平矫正,得到所述初始图像对应的目标图像。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210378886.8A CN114820672A (zh) | 2022-04-12 | 2022-04-12 | 图像处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210378886.8A CN114820672A (zh) | 2022-04-12 | 2022-04-12 | 图像处理方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114820672A true CN114820672A (zh) | 2022-07-29 |
Family
ID=82534473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210378886.8A Pending CN114820672A (zh) | 2022-04-12 | 2022-04-12 | 图像处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114820672A (zh) |
-
2022
- 2022-04-12 CN CN202210378886.8A patent/CN114820672A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108009543B (zh) | 一种车牌识别方法及装置 | |
US20180158199A1 (en) | Image alignment for burst mode images | |
CN109815770B (zh) | 二维码检测方法、装置及*** | |
CN108875723B (zh) | 对象检测方法、装置和***及存储介质 | |
CN110781885A (zh) | 基于图像处理的文本检测方法、装置、介质及电子设备 | |
CN113869293B (zh) | 车道线识别方法、装置、电子设备和计算机可读介质 | |
CN106560840B (zh) | 一种图像信息识别处理方法及装置 | |
US9384398B2 (en) | Method and apparatus for roof type classification and reconstruction based on two dimensional aerial images | |
CN112101317B (zh) | 页面方向识别方法、装置、设备及计算机可读存储介质 | |
US11900676B2 (en) | Method and apparatus for detecting target in video, computing device, and storage medium | |
US20210390282A1 (en) | Training data increment method, electronic apparatus and computer-readable medium | |
CN111080665B (zh) | 图像边框识别方法、装置、设备和计算机存储介质 | |
CN108875506B (zh) | 人脸形状点跟踪方法、装置和***及存储介质 | |
CN113496208A (zh) | 视频的场景分类方法及装置、存储介质、终端 | |
CN112819889B (zh) | 位置信息的确定方法及装置、存储介质、电子装置 | |
CN112036232B (zh) | 一种图像表格结构识别方法、***、终端以及存储介质 | |
CN113888438A (zh) | 图像处理方法、装置及存储介质 | |
CN109451318B (zh) | 便于vr视频编码的方法、装置、电子设备及存储介质 | |
CN110689556A (zh) | 跟踪方法、装置及智能设备 | |
CN110874814A (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
CN114820672A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN115063473A (zh) | 物体高度的检测方法、装置、计算机设备、存储介质 | |
CN112634141B (zh) | 一种车牌矫正方法、装置、设备及介质 | |
CN113255405B (zh) | 车位线识别方法及其***、车位线识别设备、存储介质 | |
CN115019055A (zh) | 一种图像匹配方法、装置、智能设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |