CN115578258A - 图像处理方法、装置、设备及存储介质 - Google Patents
图像处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115578258A CN115578258A CN202211202279.2A CN202211202279A CN115578258A CN 115578258 A CN115578258 A CN 115578258A CN 202211202279 A CN202211202279 A CN 202211202279A CN 115578258 A CN115578258 A CN 115578258A
- Authority
- CN
- China
- Prior art keywords
- preset
- target
- vector data
- data
- image
- 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 26
- 239000013598 vector Substances 0.000 claims abstract description 283
- 238000004364 calculation method Methods 0.000 claims abstract description 246
- 238000012545 processing Methods 0.000 claims abstract description 171
- 238000000034 method Methods 0.000 claims abstract description 71
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 58
- 230000003321 amplification Effects 0.000 claims description 26
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 26
- 230000009467 reduction Effects 0.000 claims description 25
- 238000010276 construction Methods 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 10
- 238000013139 quantization Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 11
- 238000013135 deep learning Methods 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior 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
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开提供了图像处理方法、装置、设备以及存储介质,涉及人工智能技术领域,尤其涉及深度学习、图像处理和计算机视觉技术领域。具体实现方案为:确定待进行缩放处理的源图像,以及确定目标缩放比例,根据源图像和目标缩放比例,确定待处理数据,将待处理数据构建为向量数据,并基于向量数据进行向量化计算,得到向量化计算结果,基于向量化计算结果,确定源图像经过缩放处理后对应的目标图像。通过采用上述技术方案,将在图像缩放处理过程中需要进行计算的数据构建为向量,通过向量间的向量化计算,可实现批量的数据处理,可提高图像缩放处理效率。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及深度学习、图像处理和计算机视觉技术领域。
背景技术
近年来,随着内存及处理器等硬件性能的提升,终端设备的处理能力逐渐增强,人们对设备图像视觉的要求也日益提高,因此,图像处理的性能需求也越来越高,而图像缩放是图像处理过程中常用的处理方式之一。
目前,传统的图像缩放方案主要包括基于最近邻(Nearest scaling)、双线性(Bilinear scaling)、双立方(Bi-cubic scaling)和兰索斯(lanczos)等插值算法的方案。
发明内容
本公开提供了一种图像处理方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种图像处理方法,包括:
确定待进行缩放处理的源图像,以及确定目标缩放比例;
根据所述源图像和所述目标缩放比例,确定待处理数据;
将所述待处理数据构建为向量数据,并基于所述向量数据进行向量化计算,得到向量化计算结果;
基于所述向量化计算结果,确定所述源图像经过所述缩放处理后对应的目标图像。。
根据本公开的另一方面,提供了一种图像处理装置,包括:
目标缩放比例确定模块,用于确定待进行缩放处理的源图像,以及确定目标缩放比例;
待处理数据确定模块,用于根据所述源图像和所述目标缩放比例,确定待处理数据;
向量化计算模块,用于将所述待处理数据构建为向量数据,并基于所述向量数据进行向量化计算,得到向量化计算结果;
目标图像确定模块,用于基于所述向量化计算结果,确定所述源图像经过所述缩放处理后对应的目标图像。
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本公开实施例所述的方法。
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本公开实施例所述的方法。
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,所述计算机程序在被处理器执行时实现本公开任意实施例所述的方法。
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
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例提供的一种图像处理方法的流程图;
图2是根据本公开实施例提供的一种双线性插值算法的实现过程示意图;
图3是根据本公开实施例提供的另一种图像处理方法的流程图;
图4是根据本公开实施例提供的一种图像处理过程示意图;
图5是根据本公开实施例提供的又一种图像处理方法的流程图;
图6是根据本公开实施例提供的另一种图像处理过程示意图;
图7是根据本公开实施例提供的再一种图像处理方法的流程图;
图8是根据本公开实施例提供的一种图像处理装置的结构示意图;
图9是用来实现本公开实施例的图像处理方法的电子设备的框图。
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和精神。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。
目前,传统的图像缩放方案主要包括基于最近邻、双线性、双立方和兰索斯等插值算法的方案。
其中,最近邻插值,一般指将目标图像各点的像素值设为源图像中与其最近的点,其算法简单,计算速度快,但是破坏了图像的连续性,放大时会出现锯齿,缩小时会出现失真现象。
双线性插值,一般指分别沿着水平(如x)和垂直(如y)方向上做线性插值计算,缩放后相比最近邻方案图像质量高,不会出现图像不连续的情况(如存在锯齿或失真),但是双线性插值计算量大,需要大量的乘法及累加计算,由于算法耗时较多,速度较慢。
双立方插值,和双线性插值方法相比,是一种更加复杂的插值方式,它使用采样点周围的16个点的灰度值做三次插值,不仅考虑到了临节点的灰度影响,而且考虑到了各临节点灰度值变化率的影响,但是算法复杂,计算量大。兰索斯插值是双立方插值的替代者,虽然可以提供高质量图像,但是其计算复杂,耗时更长。
可见,为了保证图像缩放处理后的图像质量,双线性等插值算法通常计算量较大,图像缩放处理所需要的时间也较长,影响图像处理性能。
本公开实施例提供的图像处理方法,可以将在图像缩放处理过程中涉及的待处理数据构建为向量,并进行向量化计算,进而可在保证图像质量的基础上,缩短处理时长,提高处理效率。
图1是根据本公开实施例提供的一种图像处理方法的流程图,本公开实施例可适用于对图像进行缩放处理的情况,具体可应用于人工智能的应用场景,可以是基于人工智能的图像处理方法。该方法可由一种图像处理装置来执行,该装置可采用硬件和/或软件的方式来实现,可配置于电子设备中。其中,电子设备可以为手机、智能手表、平板电脑以及个人数字助理等移动设备;也可为台式计算机等设备。电子设备中可以包含至少一个处理器,该处理器的具体类型不做限定,例如可以是如数字信号处理(Digital SignalProcessing,DSP)芯片、高级精简指令集处理器(Advanced RISC Machines,ARM)、图像处理器(Graphics Processing Unit,GPU)或中央处理器(Central Processing Unit,CPU)等。参考图1,该方法具体包括如下:
S101、确定待进行缩放处理的源图像,以及确定目标缩放比例;
S102、根据所述源图像和所述目标缩放比例,确定待处理数据;
S103、将所述待处理数据构建为向量数据,并基于所述向量数据进行向量化计算,得到向量化计算结果;
S104、基于所述向量化计算结果,确定所述源图像经过所述缩放处理后对应的目标图像。
其中,源图像可以理解为当前需要进行缩放处理的原始图像,源图像的具体来源或获取方式不做限定,源图像经过缩放处理后得到的图像可以记为目标图像。目标缩放比例可以理解为当前所要进行的缩放处理对应的缩放比例。在确定源图像后,可以得到源图像的尺寸,在进行缩放处理之前,通常也能够获得目标图像的尺寸,根据源图像的尺寸和目标图像的尺寸,可以确定目标缩放比例。目标缩放比例可以包括水平方向的缩放比例和/或垂直方向的缩放比例,例如,可根据目标图像的宽与源图像的宽的比值确定水平方向的缩放比例,可根据目标图像的高与源图像的高的比值确定水平方向的缩放比例。
示例性的,在确定目标缩放比例之后,可以基于目标缩放比例对源图像进行相应的缩放处理,在缩放处理过程中,需要依据具体的缩放处理策略来确定待处理数据,进而基于待处理数据进行相应计算后,得到目标图像。目标缩放比例的不同,可能使得需要进行处理的数据的不同,本公开实施例中,根据源图像和目标缩放比例来确定待处理数据。例如,待处理数据可以包括源图像中的像素值,还可以包括缩放处理策略中涉及的相关数据,如插值算法中的插值系数等。
本公开实施例中,将待处理数据构建为向量数据,具体可以为至少两个向量,向量的数量可以与待处理数据的数据量以及每个向量的向量大小相关。向量大小可以与处理器的处理能力相关,以DSP为例,也即假设本公开实施例的图像处理方法实现于DSP芯片中,目前的DSP芯片通常可以处理的最大位数为1024位(也即128个字节),向量大小可以是1024位。示例性的,可以采用处理器中支持的向量指令,基于向量数据进行向量化计算。仍以DSP为例,向量化计算基于六边形矢量扩展(HVX)指令实现。其中,H为Hexagon的缩写,表示六边形;V为Vector的缩写,表示矢量,也即向量;X为Extensions的缩写,表示扩展。在构建向量数据时,可以按照预设顺序将待处理数据中的各数值构建为向量,预设顺序可根据待处理数据的类型来确定。例如,对于像素值,可以依据像素值在所属图像(如源图像)中的排列顺序确定,如水平反向(行方向)或垂直方向(列反向);又如,对于插值算法中的插值系数,可以根据插值系数所作用的像素值在所属图像中的排列顺序确定,其中,插值系数一般以相乘的形式作用于对应的像素值上。
本公开实施例中,向量化计算的具体计算方式可以包括如向量加法和向量乘法等,不同的目标缩放比例可能对应不同的向量化计算方式。在进行向量化计算后,得到的向量化计算结果中可以包括目标图像中的各目标像素的像素值,可以根据向量化计算结果,来确定目标图像。
本公开实施例提供的技术方案,确定待进行缩放处理的源图像,以及确定目标缩放比例,根据源图像和目标缩放比例,确定待处理数据,将待处理数据构建为向量数据,并基于向量数据进行向量化计算,得到向量化计算结果,基于向量化计算结果,确定源图像经过缩放处理后对应的目标图像。通过采用上述技术方案,将在图像缩放处理过程中需要进行计算的数据构建为向量,通过向量间的向量化计算,相比于相关技术中逐个数据计算的方式,可实现批量的数据处理,可提高图像缩放处理效率。
本公开实施例中,不同的目标缩放比例,可以对应不同的缩放处理策略,而采用缩放处理策略对源图像进行处理的过程中,除了需要源图像的像素值等数据外,通常还需要计算缩放处理策略中涉及的相关数据,如插值算法中的插值系数等。上述相关数据的计算过程通常需要消耗一定的时间,是影响图像处理效率的重要因素。
在一种可选实施方式中,所述根据所述源图像和所述目标缩放比例,确定待处理数据,包括:在所述目标缩放比例为预设比例的情况下,根据所述源图像、以及与所述目标缩放比例对应的预设缩放处理策略,确定待处理数据。这样设置的好处在于,可以针对某些缩放比例来预先设定对应的缩放处理策略,可提高待处理数据的确定效率。
示例性的,预设比例可以包括常用的缩放比例,如宽放大整数倍和/或高放大整数倍;又如宽缩小整数倍和/或高缩小整数倍;再如宽放大倍数和高放大倍数相同,或,宽缩小倍数和高缩小倍数相同等等。可选的,通过不同接口封装不同预设缩放处理策略,根据目标缩放比例调用相应接口实现对应的缩放处理。
在一种可选实施方式中,所述预设比例包括预设放大比例;所述预设放大比例包括:所述目标图像的宽与所述源图像的宽的比值为第一预设比值,所述目标图像的高与所述源图像的高的比值为所述第一预设比值,所述第一预设比值为大于1的正整数;其中,与所述预设放大比例对应的预设缩放处理策略包括预设放大处理策略;所述预设放大处理策略包括:基于预设插值系数的双线性插值算法进行处理。这样设置的好处在于,采用双线性插值算法对源图像进行放大处理,并预先设定插值系数,在保证图像放大质量的同时,可有效提升放大处理效率。
图2是根据本公开实施例提供的一种双线性插值算法的实现过程示意图,如图2所示,以先水平方向线性插值处理,后垂直方向线性插值处理为例,Q11、Q21、Q12以及Q22为源图像中的像素点,P为目标图像中的像素点,在x方向的线性插值处理过程中,在Q11和Q21中***R1,在Q12和Q22中***R2,在y方向的线性插值处理过程中,根据R1和R2在y方向插值计算出P。在进行线性插值处理时,以在Q11和Q21中***R2为例,可以计算Q11的像素值和Q21的像素值的加权和,得到R1的像素值,计算加权和时的权重可记为插值系数。
示例性的,预设插值系数可以利用双线性插值算法对应的插值系数计算方式预先计算得到,并进行预先存储,在需要使用时,直接进行读取。对于宽和高放大倍数相同,且放大倍数均为第一预设比值时,水平方向的插值系数和垂直方向的插值系数相同,可以进行复用,可节省预设插值系数的存储空间,以及减少向量数据的构建操作。第一预设比值的具体取值不做限定,例如可以是2、4或8等。
可选的,预设插值系数为在浮点格式的系数基础上进行定点化计算后得到的,所述定点化计算包括乘以2的预设数值次方,所述预设数值小于11。浮点格式的系数,可以是采用插值系数计算方式计算得到初始的系数,而浮点运算比较耗时,对浮点数通过定点化计算的方式取整,可以减少计算量,节约计算时间,具体可以是乘以2的预设数值次方,预设数值小于11,常规的定点化计算方式中,乘以2048,也即2的11次方,但发明人发现,该倍数通常较大,可以适当缩小预设数值的取值,以进一步减少计算量,如预设数值可以是3或6等,对于不同的预设比例,可以采用不同的预设数值,可以取能够使得浮点格式的系数定点化为整数的最小倍数,例如,以一个初始的系数为0.125为例,在乘以8后,可以得到1,则无需乘以16或更高倍数。
在一种可选实施方式中,所述在所述目标缩放比例为预设比例的情况下,根据所述源图像、以及与所述目标缩放比例对应的预设缩放处理策略,确定待处理数据,包括:在所述目标缩放比例为所述预设放大比例的情况下,获取与所述目标缩放比例对应的目标预设插值系数;根据所述源图像,以及所述目标预设插值系数,确定待处理数据。这样设置的好处在于,将目标预设插值系数和源图像的相关数据均确定为待处理数据,使得在双线性插值处理过程中,更多的数据参与向量化计算,进一步提升图像处理效率。
示例性的,可以预先存储不同预设放大比例分别对应的预设插值系数,在获取当前所需的预设插值系数时,根据目标缩放比例的具体数值,获取相应的预设插值系数,作为目标预设插值系数。
在一种可选实施方式中,所述将所述待处理数据构建为向量数据,并基于所述向量数据进行向量化计算,得到向量化计算结果,包括:将所述目标预设插值系数构建为第一向量数据;将所述源图像的像素值构建为第二向量数据;利用双线性插值算法,基于所述第一向量数据和所述第二向量数据进行向量化计算,并确定向量化计算结果。这样设置的好处在于,将目标预设插值系数和源图像的像素值分别构建于不同的向量数据中,通过对向量中元素的合理编排,可以实现批量计算加权和的效果,进一步提升图像处理效率。
在一种可选实施方式中,所述将所述源图像的像素值构建为第二向量数据,包括:依据第一方向将所述源图像的像素值构建为第二向量数据,其中,所述第一方向为水平方向或垂直方向。其中,利用双线性插值算法,基于所述第一向量数据和所述第二向量数据进行向量化计算,并确定向量化计算结果,包括:利用双线性插值算法,基于所述第一向量数据和所述第二向量数据进行向量化计算,得到中间向量化计算结果;依据第二方向将所述中间向量化计算结果构建为第三向量数据,其中,所述第二方向为水平方向或垂直方向,且与所述第一方向不同;利用双线性插值算法,基于所述第一向量数据和所述第三向量数据进行向量化计算,得到向量化计算结果。这样设置的好处在于,分别在水平和垂直方向上进行向量数据间的向量化计算,并在计算过程中,复用根据目标预设插值系数构建的第一向量数据,可进一步提升处理效率。
图3是根据本公开实施例提供的另一种图像处理方法的流程图,本实施例在上述各可选实施例的基础上,提出一种可选方案,针对目标缩放比例为预设放大比例的情况进行进一步说明。参见图3,该方法包括:
S301、确定待进行缩放处理的源图像,以及确定目标缩放比例。
示例性的,在确定源图像后,继续确定源图像的宽和高,以及确定目标图像的宽和高,计算目标图像的宽与源图像的宽的比值,记为第一比值,计算目标图像的高与源图像的高的比值,记为第二比值。目标缩放比例包括第一比值和第二比值。
S302、在目标缩放比例为预设放大比例的情况下,获取与目标缩放比例对应的目标预设插值系数。
示例性的,假设第一比值和第二比值相同,且均为大于1的正整数,可认为目标缩放比例为预设放大比例。假设第一比值和第二比值均为4,则可认为当前的缩放处理为将源图像进行宽高等比例放大4倍,获取放大4倍对应的目标预设插值系数。
S303、根据源图像以及目标预设插值系数,确定待处理数据。
示例性的,将源图像的像素值和目标预设插值系数,确定待处理数据。
S304、将目标预设插值系数构建为第一向量数据。
示例性的,目标预设插值系数可以包含多组,具体的组数可以与目标缩放比例相关,如第一比值和第二比值均为4,目标预设插值系数为4组。每组目标预设插值系数中包含第一目标预设系数(记为u)和第二目标预设系数(记为v),分别作用于相邻的两个像素,假设相邻的两个像素记为m和n,则加权计算可表示为m*u+n*v。可选的,针对每组目标预设插值系数分别构建对应的第一向量数据。具体的,第一向量数据中包含循环排列的同组目标预设插值系数。
示例性的,图4是根据本公开实施例提供的一种图像处理过程示意图,源图像为4*4大小的图像,各像素点的像素值分别记为如图所示的a0、a1……d3等,目标图像的尺寸为16*16。可根据a0和a1进行线性插值计算得到斜线阴影中的第一列对应的4个像素值。4组目标预设插值系数分别为(7,1)、(5,3)、(3,5)和(1,7),可分别构建4个第一向量数据。以(7,1)为例,构建的对应的第一向量数据可表示为(7,1,7,1……7,1),(7,1)的循环次数与第一向量数据的向量长度相关。
S305、依据第一方向将所述源图像的像素值构建为第二向量数据。
其中,所述第一方向为水平方向或垂直方向。下面以第一方向为水平方向为例。
示例性的,以图4为例,在水平方向将源图像的像素值构建为第二向量数据,第二向量数据可表示为(a0,a1,a2,……),包含的像素值的数量与第二向量数据的向量长度相关。其中,第一向量数据的向量长度和第二向量数据的向量长度通常相等。
S306、利用双线性插值算法,基于第一向量数据和第二向量数据进行向量化计算,得到中间向量化计算结果。
示例性的,利用双线性插值算法,基于第一向量数据和第二向量数据进行向量化计算,具体的计算方式可以是加权和,可以利用对应的向量指令来实现,如HVX指令中的vmpa指令。
示例性的,对每行像素做处理,相邻两个像素的像素值分别乘以四组不同的目标预设插值系数进行加权和计算后,得到四个不同的计算结果。
如图4所示,斜线阴影中的第一列对应的4个像素值,分别为a0*7+a1*1,a0*5+a1*3,a0*3+a1*5以及a0*1+a1*7。纯色阴影中的第一列对应的4个像素值,分别为a1*7+a2*1,a1*5+a2*3,a1*3+a2*5以及a1*1+a2*7。菱形格阴影中的第一列对应的4个像素值,分别为a2*7+a3*1,a2*5+a3*3,a2*3+a3*5以及a2*1+a3*7。
如图4所示,在3个阴影区的两侧,还包括边缘区域。由于线性插值需要有两个像素参与计算,而对于a0来说,无法找到更左边的像素,本公开实施例中,可以采用边缘像素值复制的方式来处理,也可理解为采用两个a0来参与线性插值,一组目标预设插值系数的和为8,则经过计算后得到a0*8。由于边缘像素的处理方式与常规的每两个相邻像素的处理方式不同,且计算量相对较小,因此,边缘像素对应的待处理数据可以采用逐个像素计算的处理方式,也可以采用向量化计算的处理方式。
可选的,所述第一向量数据中包括根据所述源图像的边缘像素对应的第一目标预设插值系数构建的边缘第一向量数据,以及根据所述源图像的成对像素对应的第二目标预设插值系数构建的内部第一向量数据;所述第二向量数据包括根据所述源图像的边缘像素构建的边缘第二向量数据,以及根据所述源图像的成对像素构建的内部第二向量数据。其中,所述利用双线性插值算法,基于所述第一向量数据和所述第二向量数据进行向量化计算,得到中间向量化计算结果,包括:利用双线性插值算法,基于所述边缘第一向量数据和所述边缘第二向量数据进行向量化计算,得到边缘中间向量化计算结果;利用双线性插值算法,基于所述内部第一向量数据和所述内部第二向量数据进行向量化计算,得到内部中间向量化计算结果;将所述边缘中间向量化计算结果和所述内部中间向量化计算结果,拼接为中间向量化计算结果。这样设置的好处在于,将边缘像素的线性插值处理和成对的像素的线性插值处理分开进行,再将两种中间向量化计算结果进行拼接,保证边缘像素的处理不破坏成对的像素的处理的规律性,便于向量元素的编排。
其中,对于第一方向来说,边缘像素为第一方向上的第一个像素所在第二方向上的所有像素,以及第一方向上的最后一个像素所在第二方向上的所有像素,例如,第一方向为水平方向,则边缘像素包括第一列和最后一列上的像素。成对像素可以理解为相邻的两个像素。
示例性的,边缘第一向量数据可以表示为(8,8,0,0,……),其中,0用于占位,使得边缘第一向量数据的长度可以与内部第一向量数据的长度一致,内部第一向量数据为前述的(7,1,7,1……7,1)等。边缘第二向量数据可以为(a0,a0,0,0,……)。
可选的,所述第二向量数据中也可包括进行边缘像素复制处理后的像素,经过像素复制后,边缘像素可以与复制后的边缘像素构成成对像素。如图4中的a0和a0,则第二向量数据可表示为(a0,a0,a1,a2,……)。
示例性的,可以根据中间向量化计算结果确定中间图像,中间图像可以理解为进行第一方向的线性插值处理后得到的图像。
S307、依据第二方向将中间向量化计算结果构建为第三向量数据。
其中,第二方向为水平方向或垂直方向,且与第一方向不同。下面以第二方向为垂直方向为例。
S308、利用双线性插值算法,基于第一向量数据和第三向量数据进行向量化计算,得到向量化计算结果。
示例性的,在水平方向进行线性插值处理后,继续在垂直方向进行线性插值处理,在中间图像基础上,相邻两行数据分别乘以四组不同的目标预设插值系数进行加权和计算后,得到四组不同的计算结果,假设记为a、b、c和d。
如图4所示,斜线阴影中第一行第一列的像素值,可以通过以下方式计算,r0*7+r1*1,其中,r0为已经计算完成的a0*8,r1为已经计算完成的b0*8。其他像素值的计算方式类似,此处不再一一列举。对于边缘像素的处理方式,也可参考前文相关描述,此处不再赘述。
示例性的,假设边缘像素和成对像素分开处理,为了保证向量化计算结果存储的规律性,可以将边缘像素对应的向量化计算结果记为e,在存储时,可以以eeab、cdab、cdab……的形式进行排列存储。
S309、基于向量化计算结果,确定源图像经过放大处理后对应的目标图像。
示例性的,在向量化计算结果基础上,除以因定点化计算而乘以的倍数,具体可以采用移位操作来实现,得到源图像经过放大处理后对应的目标图像,保证目标图像的像素值的准确性。
本公开实施例提供的图像处理方法,对于目标缩放比例为预设放大比例的情况,获取对应的预先存储的目标预设插值系数,减少对插值系数的计算过程,减少计算量,并将目标预设插值系数和需要参与计算的像素值分别构建成相应的向量数据,利用向量指令进行向量化计算,实现批量的数据处理,可有效提高指定放大倍数的图像放大处理效率。
本公开实施例中,预设比例也可包括预设缩小比例,从而实现提高指定缩小倍数的图像缩小处理效率。
在一种可选实施方式中,所述源图像的宽与所述目标图像的宽的比值为第二预设比值,所述源图像的高与所述目标图像的高的比值为所述第二预设比值,所述第二预设比值为大于1的正整数;其中,与所述预设缩小比例对应的预设缩放处理策略包括预设缩小处理策略;所述预设缩小处理策略包括:将所述源图像划分为多个以所述第二预设比值的像素数量为边长的正方形区域,基于所述正方形区域中的预设位置的像素值的平均值,确定所述目标图像中的目标像素值。这样设置的好处在于,可以避免乘法运算,有效减少计算量,提高图像缩小处理效率。
示例性的,预设位置可以是正方形区域中的相邻的位置或分散的位置,具体不做限定,一般包含处于中央的位置,预设位置可以以坐标形式表示。
在一种可选实施方式中,所述在所述目标缩放比例为预设比例的情况下,根据所述源图像、以及与所述目标缩放比例对应的预设缩放处理策略,确定待处理数据,包括:在所述目标缩放比例为所述预设缩小比例的情况下,根据所述源图像中的所述正方形区域中的预设位置的像素值,确定待处理数据。其中,所述将所述待处理数据构建为向量数据,并基于所述向量数据进行向量化计算,得到向量化计算结果,包括:将所述待处理数据构建为至少两个第四向量数据,并基于所述至少两个第四向量数据进行向量化计算,得到向量化计算结果。这样设置的好处在于,通过将源图像中的需要参与平均值计算的像素值分别构建为不同的向量数据,基于向量数据之间的向量化计算,可以快速进行加和计算,提高缩小处理效率。
图5是根据本公开实施例提供的又一种图像处理方法的流程图,本实施例在上述各可选实施例的基础上,提出一种可选方案,针对目标缩放比例为预设缩小比例的情况进行进一步说明。参见图5,该方法包括:
S501、确定待进行缩放处理的源图像,以及确定目标缩放比例。
示例性的,在确定源图像后,继续确定源图像的宽和高,以及确定目标图像的宽和高,计算目标图像的宽与源图像的宽的比值,记为第一比值,计算目标图像的高与源图像的高的比值,记为第二比值。目标缩放比例包括第一比值和第二比值。
S502、在目标缩放比例为预设缩小比例的情况下,根据源图像中的正方形区域中的预设位置的像素值,确定待处理数据。
示例性的,假设第一比值和第二比值相同,且倒数均为大于1的正整数,可认为目标缩放比例为预设缩小比例。假设第一比值和第二比值均为0.25,倒数为4(第二预设比值),则可认为当前的缩放处理为将源图像进行宽高等比例缩小4倍。
预设缩小比例对应的预设缩放处理策略包括预设缩小处理策略。预设缩小处理策略包括:将源图像划分为多个以第二预设比值的像素数量为边长的正方形区域,基于正方形区域中的预设位置的像素值的平均值,确定目标图像中的目标像素值。
可选的,将在预设方向上,包含源图像中的正方形区域中的预设位置的整行像素或整列像素的像素值,确定为待处理数据。其中,预设方向可以是水平方向或垂直方向。
图6是根据本公开实施例提供的另一种图像处理过程示意图。图中以源图像尺寸为8*8为例,可以划分为4个4*4的正方形区域,每个正方形区域对应目标图像中的一个目标像素值,图中虚线框圈选的区域为一个正方形区域。预设位置可包括正方形区域中央的四个相邻的位置。以预设方向为水平方向为例,则第2行、第3行、第6行和第7行的像素的像素值为待处理数据。
S503、将待处理数据构建为至少两个第四向量数据,并基于所述至少两个第四向量数据进行向量化计算,得到向量化计算结果。
可选的,依据预设方向,将所在行或所在列的连续多个像素的像素值,构建为对应的第四向量数据,每两个相邻行或相邻列对应的第四向量数据进行向量和计算,得到初步向量化计算结果;对初步向量化计算结果进行奇偶分离处理,得到第一子向量和第二子向量,对第一子向量进行排列处理,以移除排序在前的指定数量的数值,得到经过对齐处理后的第一子向量;对经过对齐处理后的第一子向量和第二子向量进行向量和计算,得到向量化计算结果。
示例性的,以图6为例,可以基于向量长度来取第2行和第3行数据,例如,假设向量长度为128,每次可取128*2个数据,每行数据分别构建第四向量数据,两行数据对应相加,也即两个第四向量数据进行向量加和计算,得到初步向量化计算结果,如r11+r21(结果记为ra),r12+r22(结果记为rb),r15+r25,r16+r26等。随后,再将初步向量化计算结果进行奇偶分离处理,分成两个子向量,分别存储与偶数寄存器和奇数寄存器中,如将128位的向量分离为(0,2,……,62)以及(1,3,……63),通过对齐向量指令,如align指令,将0移除,得到(2,4,……,64),将经过对齐处理后的偶数寄存器中的子向量和奇数寄存器中的子向量相加的方式,计算出图6中的ra+rb,也即r11+r21+r12+r22。
S504、基于向量化计算结果,确定源图像经过缩小处理后对应的目标图像。
示例性的,在得到向量化计算结果后,除以正方形区域中预设位置的个数,如上述举例中的4,进而得到源图像经过缩小处理后对应的目标图像。
本公开实施例提供的图像处理方法,对于目标缩放比例为预设缩小比例的情况,未采用线性插值方式,而是通过图像区域划分以及计算预设位置的像素平均值的方式,快速得到目标像素值,避免了乘法计算带来的较多的计算量,在计算平均值时,根据包含源图像中的预设位置的像素值的待处理数据构建向量,利用向量指令进行向量化计算,实现批量的数据处理,可有效提高指定缩小倍数的图像缩小处理效率。
在一种可选实施方式中,所述根据所述源图像和所述目标缩放比例,确定待处理数据,包括:在所述目标缩放比例不为所述预设比例的情况下,根据所述源图像的尺寸和所述目标图像的尺寸,计算双线性插值算法对应的第一方向上的第一目标插值系数以及所述源图像中的源坐标、第二方向上的第二目标插值系数以及中间图像中的中间坐标,所述中间图像由所述源图像经过所述第一方向上的线性插值处理后得到;其中,所述第一方向为水平方向或垂直方向,所述第二方向为水平方向或垂直方向,且与所述第一方向不同;根据所述第一目标插值系数、所述源坐标对应的像素值、第二目标插值系数以及所述中间坐标对应的像素值,确定待处理数据。这样设置的好处在于,对于目标缩放比例为非预设比例的情况,计算插值系数,并采用向量化计算方式减少计算量,提高图像缩放处理效率。
图7是根据本公开实施例提供的再一种图像处理方法的流程图,本实施例在上述各可选实施例的基础上,提出一种可选方案,针对目标缩放比例为不同情况的处理方式进行进一步说明。参见图7,该方法包括:
S701、确定待进行缩放处理的源图像,以及确定目标缩放比例。
S702、判断目标缩放比例是否为预设放大比例,若是,则执行S703;否则,执行S705。
S703、获取与目标缩放比例对应的目标预设插值系数,根据源图像,以及目标预设插值系数,确定待处理数据。
S704、将目标预设插值系数构建为第一向量数据,将源图像的像素值构建为第二向量数据,利用双线性插值算法,基于第一向量数据和第二向量数据进行向量化计算,并确定第一向量化计算结果,并基于第一向量化计算结果,确定源图像经过放大处理后对应的目标图像。
S705、判断目标缩放比例是否为预设缩小比例,若是,则执行S706;否则,执行S708。
S706、根据源图像中的正方形区域中的预设位置的像素值,确定待处理数据。
S707、将待处理数据构建为至少两个第四向量数据,并基于至少两个第四向量数据进行向量化计算,得到第二向量化计算结果,并基于第二向量化计算结果,确定源图像经过缩小处理后对应的目标图像。
S708、根据源图像的尺寸和目标图像的尺寸,计算双线性插值算法对应的第一方向上的第一目标插值系数以及源图像中的源坐标、第二方向上的第二目标插值系数以及源图像在经过第一方向上的线性插值处理后的中间图像中的中间坐标。
可选的,在所述目标图像的宽小于所述源图像的宽的情况下,所述第一方向为水平方向;在所述目标图像的宽大于所述源图像的宽的情况下,所述第一方向为垂直方向。这样设置的好处在于,充分考虑水平方向和垂直方向的计算复杂度,进而控制计算量。
示例性的,记目标图像的高为dst_h,目标图像的宽为dst_w,源图像的宽为src_w,则先垂直后水平的计算复杂度可表示为dst_h*(src_w*2+dst_w),而先水平后垂直的计算复杂度可表示为dst_h*(dst_w*2+dst_w),可见,dst_w小于src_w时,先水平后垂直的复杂度更低,因此第一方向为水平方向,而dst_w大于src_w时,先垂直后水平的复杂度更低,因此第一方向为垂直方向。
可选的,第一目标插值系数和第二目标插值系数,为在浮点格式的系数基础上进行定点化计算后得到的,所述定点化计算包括乘以2的预设数值次方,所述预设数值小于11。
S709、根据第一目标插值系数、源坐标对应的像素值、第二目标插值系数以及中间坐标对应的像素值,确定待处理数据。
S710、将待处理数据构建为向量数据,并基于向量数据进行向量化计算,得到第三向量化计算结果,并基于第三向量化计算结果,确定源图像经过缩放处理后对应的目标图像。
可选的,将所述待处理数据构建为向量数据,并基于所述向量数据进行向量化计算,得到向量化计算结果,包括:将所述第一目标插值系数构建为第五向量数据;将所述源坐标对应的像素值构建为第六向量数据;利用双线性插值算法,基于所述第五向量数据和所述第六向量数据进行向量化计算,得到所述中间图像;将所述第二目标插值系数构建为第七向量数据;将所述中间图像中的所述中间坐标对应的像素值,构建为第八向量数据;利用双线性插值算法,基于所述第七向量数据和所述第八向量数据进行向量化计算,得到向量化计算结果。这样设置的好处在于,先后在不同方向上基于向量化计算进行线性插值处理,提高处理速度。
示例性的,在进行第一方向线性插值处理后,可将中间图像对应的数据保存至缓存中,使用向量指令(如gather)根据对应的每行或每列的源坐标的索引在每行或每列更新后的缓存中查表,并重新排列为一行或一列,再进行第二方向上的线性插值处理。
本公开实施例提供的图像处理方法,确定待进行缩放处理的源图像,以及确定目标缩放比例,目标缩放比例的不同情况,选择不同的缩放处理策略,有针对性的进行不同方式的向量化计算,最后基于向量化计算结果,确定源图像经过缩放处理后对应的目标图像,可实现批量的数据处理,有效提高不同情况下的图像缩放处理效率。
在一种可选实施方式中,在进行所述第二方向的线性插值处理过程中,调用至少两个线程并行进行相应的处理。这样设置的好处在于,第二方向上的线性插值处理计算量较大,调用多线程进行并行处理的方式,可以进一步提高图像缩放处理效率。
其中,所调用的线程的具体数量不做限定,可以根据处理器的属性确定。示例性的,将中间图像划分为多个图像块,每个图像块对应一个线程,具体划分方式不做限定,每个图像块的大小可以相等或不等,可以为每个线程分配对应的图像块的指针范围,进而进行并行处理。以常见的DSP为例,一般支持4个线程。
在一种可选实施方式中,图像处理方法实现于数字信号处理DSP芯片中。这样设置的好处在于,随着移动电子设备的机身轻薄需求日益增加,CPU卡顿、发热以及待机续航等问题越来越多,通过充分利用DSP芯片,可以很好地降低CPU的负载,有效缓解发热、卡顿以及耗电速度快等问题。
在一种可选实施方式中,在所述将所述待处理数据构建为向量数据之前,还包括:对所述待处理数据进行预取,并将预取到的待处理数据存储至所述DSP芯片的二级缓存(L2Cache)中。这样设置的好处在于,对当前需要构建成向量的待处理数据进行提前获取到DSP中的二级缓存,再从二级缓存中读取,可以有效提升数据读取速度,进而提高运算速度。
在一种可选实施方式中,所述方法实现过程中产生的中间数据存储于VTCM中。VTCM是一种硬件资源,为DSP中专有的缓存,具有数据可常驻、访问速度快以及功耗低等特点,可以有效提高数据存取性能。
图8是根据本公开实施例提供的一种图像处理装置的结构示意图,本公开实施例可适用于对图像进行缩放处理的情况,具体可应用于人工智能的应用场景,可以是基于人工智能的图像处理装置,该装置可采用硬件和/或软件的方式来实现,可配置于电子设备中。参考图8,该图像处理装置800包括:
目标缩放比例确定模块801,用于确定待进行缩放处理的源图像,以及确定目标缩放比例;
待处理数据确定模块802,用于根据所述源图像和所述目标缩放比例,确定待处理数据;
向量化计算模块803,用于将所述待处理数据构建为向量数据,并基于所述向量数据进行向量化计算,得到向量化计算结果;
目标图像确定模块804,用于基于所述向量化计算结果,确定所述源图像经过所述缩放处理后对应的目标图像。
本公开实施例提供的技术方案,确定待进行缩放处理的源图像,以及确定目标缩放比例,根据源图像和目标缩放比例,确定待处理数据,将待处理数据构建为向量数据,并基于向量数据进行向量化计算,得到向量化计算结果,基于向量化计算结果,确定源图像经过缩放处理后对应的目标图像。通过采用上述技术方案,将在图像缩放处理过程中需要进行计算的数据构建为向量,通过向量间的向量化计算,相比于相关技术中逐个数据计算的方式,可实现批量的数据处理,可提高图像缩放处理效率。
在一种可选实施方式中,其中,所述待处理数据确定模块,包括:
第一待处理数据确定单元,用于在所述目标缩放比例为预设比例的情况下,根据所述源图像、以及与所述目标缩放比例对应的预设缩放处理策略,确定待处理数据。
在一种可选实施方式中,其中,所述预设比例包括预设放大比例;所述预设放大比例包括:所述目标图像的宽与所述源图像的宽的比值为第一预设比值,所述目标图像的高与所述源图像的高的比值为所述第一预设比值,所述第一预设比值为大于1的正整数;
其中,与所述预设放大比例对应的预设缩放处理策略包括预设放大处理策略;所述预设放大处理策略包括:基于预设插值系数的双线性插值算法进行处理。
在一种可选实施方式中,其中,所述第一待处理数据确定单元包括:
目标预设插值系数获取子单元,用于在所述目标缩放比例为所述预设放大比例的情况下,获取与所述目标缩放比例对应的目标预设插值系数;
第一待处理数据确定子单元,用于根据所述源图像,以及所述目标预设插值系数,确定待处理数据。
在一种可选实施方式中,其中,所述向量化计算模块包括:
第一向量构建单元,用于将所述目标预设插值系数构建为第一向量数据;
第二向量构建单元,用于将所述源图像的像素值构建为第二向量数据;
第一向量化计算单元,用于利用双线性插值算法,基于所述第一向量数据和所述第二向量数据进行向量化计算,并确定向量化计算结果。
在一种可选实施方式中,其中,所述第二向量构建单元包括:
第二向量构建子单元,用于依据第一方向将所述源图像的像素值构建为第二向量数据,其中,所述第一方向为水平方向或垂直方向;
其中,第一向量化计算单元包括:
第一计算子单元,用于利用双线性插值算法,基于所述第一向量数据和所述第二向量数据进行向量化计算,得到中间向量化计算结果;
第一构建子单元,用于依据第二方向将所述中间向量化计算结果构建为第三向量数据,其中,所述第二方向为水平方向或垂直方向,且与所述第一方向不同;
第二计算子单元,用于利用双线性插值算法,基于所述第一向量数据和所述第三向量数据进行向量化计算,得到向量化计算结果。
在一种可选实施方式中,其中,所述第一向量数据中包括根据所述源图像的边缘像素对应的第一目标预设插值系数构建的边缘第一向量数据,以及根据所述源图像的成对像素对应的第二目标预设插值系数构建的内部第一向量数据;所述第二向量数据包括根据所述源图像的边缘像素构建的边缘第二向量数据,以及根据所述源图像的成对像素构建的内部第二向量数据;
其中,所述第一计算子单元,包括:
边缘计算子单元,用于利用双线性插值算法,基于所述边缘第一向量数据和所述边缘第二向量数据进行向量化计算,得到边缘中间向量化计算结果;
内部计算子单元,用于利用双线性插值算法,基于所述内部第一向量数据和所述内部第二向量数据进行向量化计算,得到内部中间向量化计算结果;
拼接子单元,用于将所述边缘中间向量化计算结果和所述内部中间向量化计算结果,拼接为中间向量化计算结果。
在一种可选实施方式中,其中,所述预设比例包括预设缩小比例;所述预设缩小比例包括:所述源图像的宽与所述目标图像的宽的比值为第二预设比值,所述源图像的高与所述目标图像的高的比值为所述第二预设比值,所述第二预设比值为大于1的正整数;
其中,与所述预设缩小比例对应的预设缩放处理策略包括预设缩小处理策略;所述预设缩小处理策略包括:将所述源图像划分为多个以所述第二预设比值的像素数量为边长的正方形区域,基于所述正方形区域中的预设位置的像素值的平均值,确定所述目标图像中的目标像素值。
在一种可选实施方式中,其中,所述第一待处理数据确定单元包括:包括:
第二待处理数据确定子单元,用于在所述目标缩放比例为所述预设缩小比例的情况下,根据所述源图像中的所述正方形区域中的预设位置的像素值,确定待处理数据;
其中,所述向量化计算模块包括:
第二向量化计算单元,用于将所述待处理数据构建为至少两个第四向量数据,并基于所述至少两个第四向量数据进行向量化计算,得到向量化计算结果。
在一种可选实施方式中,其中,所述待处理数据确定模块,包括:
插值系数计算单元,用于在所述目标缩放比例不为所述预设比例的情况下,根据所述源图像的尺寸和所述目标图像的尺寸,计算双线性插值算法对应的第一方向上的第一目标插值系数以及所述源图像中的源坐标、第二方向上的第二目标插值系数以及中间图像中的中间坐标,所述中间图像由所述源图像经过所述第一方向上的线性插值处理后得到;其中,所述第一方向为水平方向或垂直方向,所述第二方向为水平方向或垂直方向,且与所述第一方向不同;
第二待处理数据确定单元,用于根据所述第一目标插值系数、所述源坐标对应的像素值、所述第二目标插值系数以及所述中间坐标对应的像素值,确定待处理数据。
在一种可选实施方式中,其中,所述向量化计算模块包括:
第三向量构建单元,用于将所述第一目标插值系数构建为第五向量数据;
第四向量构建单元,用于将所述源坐标对应的像素值构建为第六向量数据;
第三向量化计算单元,用于利用双线性插值算法,基于所述第五向量数据和所述第六向量数据进行向量化计算,得到所述中间图像;
第五向量构建单元,用于将所述第二目标插值系数构建为第七向量数据;
第六向量构建单元,用于将所述中间图像中的所述中间坐标对应的像素值,构建为第八向量数据;
第四向量化计算单元,用于利用双线性插值算法,基于所述第七向量数据和所述第八向量数据进行向量化计算,得到向量化计算结果。
在一种可选实施方式中,其中,在所述目标图像的宽小于所述源图像的宽的情况下,所述第一方向为水平方向;在所述目标图像的宽大于所述源图像的宽的情况下,所述第一方向为垂直方向。
在一种可选实施方式中,其中,所述插值系数为在浮点格式的系数基础上进行定点化计算后得到的,所述定点化计算包括乘以2的预设数值次方,所述预设数值小于11。
在一种可选实施方式中,还包括:
并行处理模块,用于在进行所述第二方向的线性插值处理过程中,调用至少两个线程并行进行相应的处理。
在一种可选实施方式中,其中,所述装置配置于数字信号处理DSP芯片中。
在一种可选实施方式中,所述向量化计算基于六边形矢量扩展HVX指令实现。
在一种可选实施方式中,还包括:
数据预取模块,用于在所述将所述待处理数据构建为向量数据之前,对所述待处理数据进行预取,并将预取到的待处理数据存储至所述DSP芯片的二级缓存中。
在一种可选实施方式中,其中,所述装置运行过程中产生的中间数据存储于VTCM中。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机,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9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900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。
计算单元901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901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901执行上文所描述的各个方法和处理,例如图像处理方法。例如,在一些实施例中,图像处理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908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的图像处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像处理方法。
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***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(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)区块链网络和互联网。
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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式***的服务器,或者是结合了区块链的服务器。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作***、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
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,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开提供的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (38)
1.一种图像处理方法,包括:
确定待进行缩放处理的源图像,以及确定目标缩放比例;
根据所述源图像和所述目标缩放比例,确定待处理数据;
将所述待处理数据构建为向量数据,并基于所述向量数据进行向量化计算,得到向量化计算结果;
基于所述向量化计算结果,确定所述源图像经过所述缩放处理后对应的目标图像。
2.根据权利要求1所述的方法,其中,所述根据所述源图像和所述目标缩放比例,确定待处理数据,包括:
在所述目标缩放比例为预设比例的情况下,根据所述源图像、以及与所述目标缩放比例对应的预设缩放处理策略,确定待处理数据。
3.根据权利要求2所述的方法,其中,所述预设比例包括预设放大比例;所述预设放大比例包括:所述目标图像的宽与所述源图像的宽的比值为第一预设比值,所述目标图像的高与所述源图像的高的比值为所述第一预设比值,所述第一预设比值为大于1的正整数;
其中,与所述预设放大比例对应的预设缩放处理策略包括预设放大处理策略;所述预设放大处理策略包括:基于预设插值系数的双线性插值算法进行处理。
4.根据权利要求3所述的方法,其中,所述在所述目标缩放比例为预设比例的情况下,根据所述源图像、以及与所述目标缩放比例对应的预设缩放处理策略,确定待处理数据,包括:
在所述目标缩放比例为所述预设放大比例的情况下,获取与所述目标缩放比例对应的目标预设插值系数;
根据所述源图像,以及所述目标预设插值系数,确定待处理数据。
5.根据权利要求4所述的方法,其中,所述将所述待处理数据构建为向量数据,并基于所述向量数据进行向量化计算,得到向量化计算结果,包括:
将所述目标预设插值系数构建为第一向量数据;
将所述源图像的像素值构建为第二向量数据;
利用双线性插值算法,基于所述第一向量数据和所述第二向量数据进行向量化计算,并确定向量化计算结果。
6.根据权利要求5所述的方法,其中,所述将所述源图像的像素值构建为第二向量数据,包括:
依据第一方向将所述源图像的像素值构建为第二向量数据,其中,所述第一方向为水平方向或垂直方向;
其中,利用双线性插值算法,基于所述第一向量数据和所述第二向量数据进行向量化计算,并确定向量化计算结果,包括:
利用双线性插值算法,基于所述第一向量数据和所述第二向量数据进行向量化计算,得到中间向量化计算结果;
依据第二方向将所述中间向量化计算结果构建为第三向量数据,其中,所述第二方向为水平方向或垂直方向,且与所述第一方向不同;
利用双线性插值算法,基于所述第一向量数据和所述第三向量数据进行向量化计算,得到向量化计算结果。
7.根据权利要求6所述的方法,其中,所述第一向量数据中包括根据所述源图像的边缘像素对应的第一目标预设插值系数构建的边缘第一向量数据,以及根据所述源图像的成对像素对应的第二目标预设插值系数构建的内部第一向量数据;所述第二向量数据包括根据所述源图像的边缘像素构建的边缘第二向量数据,以及根据所述源图像的成对像素构建的内部第二向量数据;
其中,所述利用双线性插值算法,基于所述第一向量数据和所述第二向量数据进行向量化计算,得到中间向量化计算结果,包括:
利用双线性插值算法,基于所述边缘第一向量数据和所述边缘第二向量数据进行向量化计算,得到边缘中间向量化计算结果;
利用双线性插值算法,基于所述内部第一向量数据和所述内部第二向量数据进行向量化计算,得到内部中间向量化计算结果;
将所述边缘中间向量化计算结果和所述内部中间向量化计算结果,拼接为中间向量化计算结果。
8.根据权利要求2所述的方法,其中,所述预设比例包括预设缩小比例;所述预设缩小比例包括:所述源图像的宽与所述目标图像的宽的比值为第二预设比值,所述源图像的高与所述目标图像的高的比值为所述第二预设比值,所述第二预设比值为大于1的正整数;
其中,与所述预设缩小比例对应的预设缩放处理策略包括预设缩小处理策略;所述预设缩小处理策略包括:将所述源图像划分为多个以所述第二预设比值的像素数量为边长的正方形区域,基于所述正方形区域中的预设位置的像素值的平均值,确定所述目标图像中的目标像素值。
9.根据权利要求8所述的方法,其中,所述在所述目标缩放比例为预设比例的情况下,根据所述源图像、以及与所述目标缩放比例对应的预设缩放处理策略,确定待处理数据,包括:
在所述目标缩放比例为所述预设缩小比例的情况下,根据所述源图像中的所述正方形区域中的预设位置的像素值,确定待处理数据;
其中,所述将所述待处理数据构建为向量数据,并基于所述向量数据进行向量化计算,得到向量化计算结果,包括:
将所述待处理数据构建为至少两个第四向量数据,并基于所述至少两个第四向量数据进行向量化计算,得到向量化计算结果。
10.根据权利要求2所述的方法,其中,所述根据所述源图像和所述目标缩放比例,确定待处理数据,包括:
在所述目标缩放比例不为所述预设比例的情况下,根据所述源图像的尺寸和所述目标图像的尺寸,计算双线性插值算法对应的第一方向上的第一目标插值系数以及所述源图像中的源坐标、第二方向上的第二目标插值系数以及中间图像中的中间坐标,所述中间图像由所述源图像经过所述第一方向上的线性插值处理后得到;其中,所述第一方向为水平方向或垂直方向,所述第二方向为水平方向或垂直方向,且与所述第一方向不同;
根据所述第一目标插值系数、所述源坐标对应的像素值、所述第二目标插值系数以及所述中间坐标对应的像素值,确定待处理数据。
11.根据权利要求10所述的方法,其中,所述将所述待处理数据构建为向量数据,并基于所述向量数据进行向量化计算,得到向量化计算结果,包括:
将所述第一目标插值系数构建为第五向量数据;
将所述源坐标对应的像素值构建为第六向量数据;
利用双线性插值算法,基于所述第五向量数据和所述第六向量数据进行向量化计算,得到所述中间图像;
将所述第二目标插值系数构建为第七向量数据;
将所述中间图像中的所述中间坐标对应的像素值,构建为第八向量数据;
利用双线性插值算法,基于所述第七向量数据和所述第八向量数据进行向量化计算,得到向量化计算结果。
12.根据权利要求10所述的方法,其中,在所述目标图像的宽小于所述源图像的宽的情况下,所述第一方向为水平方向;在所述目标图像的宽大于所述源图像的宽的情况下,所述第一方向为垂直方向。
13.根据权利要求3-7以及10-12中任一所述的方法,其中,所述插值系数为在浮点格式的系数基础上进行定点化计算后得到的,所述定点化计算包括乘以2的预设数值次方,所述预设数值小于11。
14.根据权利要求6-7以及10-12中任一所述的方法,其中,在进行所述第二方向的线性插值处理过程中,调用至少两个线程并行进行相应的处理。
15.根据权利要求1-12任一所述的方法,所述方法实现于数字信号处理DSP芯片中。
16.根据权利要求15所述的方法,所述向量化计算基于六边形矢量扩展HVX指令实现。
17.根据权利要求15所述的方法,在所述将所述待处理数据构建为向量数据之前,还包括:
对所述待处理数据进行预取,并将预取到的待处理数据存储至所述DSP芯片的二级缓存中。
18.根据权利要求15所述的方法,其中,所述方法实现过程中产生的中间数据存储于VTCM中。
19.一种图像处理装置,包括:
目标缩放比例确定模块,用于确定待进行缩放处理的源图像,以及确定目标缩放比例;
待处理数据确定模块,用于根据所述源图像和所述目标缩放比例,确定待处理数据;
向量化计算模块,用于将所述待处理数据构建为向量数据,并基于所述向量数据进行向量化计算,得到向量化计算结果;
目标图像确定模块,用于基于所述向量化计算结果,确定所述源图像经过所述缩放处理后对应的目标图像。
20.根据权利要求19所述的装置,其中,所述待处理数据确定模块,包括:
第一待处理数据确定单元,用于在所述目标缩放比例为预设比例的情况下,根据所述源图像、以及与所述目标缩放比例对应的预设缩放处理策略,确定待处理数据。
21.根据权利要求20所述的装置,其中,所述预设比例包括预设放大比例;所述预设放大比例包括:所述目标图像的宽与所述源图像的宽的比值为第一预设比值,所述目标图像的高与所述源图像的高的比值为所述第一预设比值,所述第一预设比值为大于1的正整数;
其中,与所述预设放大比例对应的预设缩放处理策略包括预设放大处理策略;所述预设放大处理策略包括:基于预设插值系数的双线性插值算法进行处理。
22.根据权利要求21所述的装置,其中,所述第一待处理数据确定单元包括:
目标预设插值系数获取子单元,用于在所述目标缩放比例为所述预设放大比例的情况下,获取与所述目标缩放比例对应的目标预设插值系数;
第一待处理数据确定子单元,用于根据所述源图像,以及所述目标预设插值系数,确定待处理数据。
23.根据权利要求22所述的装置,其中,所述向量化计算模块包括:
第一向量构建单元,用于将所述目标预设插值系数构建为第一向量数据;
第二向量构建单元,用于将所述源图像的像素值构建为第二向量数据;
第一向量化计算单元,用于利用双线性插值算法,基于所述第一向量数据和所述第二向量数据进行向量化计算,并确定向量化计算结果。
24.根据权利要求23所述的装置,其中,所述第二向量构建单元包括:
第二向量构建子单元,用于依据第一方向将所述源图像的像素值构建为第二向量数据,其中,所述第一方向为水平方向或垂直方向;
其中,第一向量化计算单元包括:
第一计算子单元,用于利用双线性插值算法,基于所述第一向量数据和所述第二向量数据进行向量化计算,得到中间向量化计算结果;
第一构建子单元,用于依据第二方向将所述中间向量化计算结果构建为第三向量数据,其中,所述第二方向为水平方向或垂直方向,且与所述第一方向不同;
第二计算子单元,用于利用双线性插值算法,基于所述第一向量数据和所述第三向量数据进行向量化计算,得到向量化计算结果。
25.根据权利要求24所述的装置,其中,所述第一向量数据中包括根据所述源图像的边缘像素对应的第一目标预设插值系数构建的边缘第一向量数据,以及根据所述源图像的成对像素对应的第二目标预设插值系数构建的内部第一向量数据;所述第二向量数据包括根据所述源图像的边缘像素构建的边缘第二向量数据,以及根据所述源图像的成对像素构建的内部第二向量数据;
其中,所述第一计算子单元,包括:
边缘计算子单元,用于利用双线性插值算法,基于所述边缘第一向量数据和所述边缘第二向量数据进行向量化计算,得到边缘中间向量化计算结果;
内部计算子单元,用于利用双线性插值算法,基于所述内部第一向量数据和所述内部第二向量数据进行向量化计算,得到内部中间向量化计算结果;
拼接子单元,用于将所述边缘中间向量化计算结果和所述内部中间向量化计算结果,拼接为中间向量化计算结果。
26.根据权利要求20所述的装置,其中,所述预设比例包括预设缩小比例;所述预设缩小比例包括:所述源图像的宽与所述目标图像的宽的比值为第二预设比值,所述源图像的高与所述目标图像的高的比值为所述第二预设比值,所述第二预设比值为大于1的正整数;
其中,与所述预设缩小比例对应的预设缩放处理策略包括预设缩小处理策略;所述预设缩小处理策略包括:将所述源图像划分为多个以所述第二预设比值的像素数量为边长的正方形区域,基于所述正方形区域中的预设位置的像素值的平均值,确定所述目标图像中的目标像素值。
27.根据权利要求26所述的装置,其中,所述第一待处理数据确定单元包括:包括:
第二待处理数据确定子单元,用于在所述目标缩放比例为所述预设缩小比例的情况下,根据所述源图像中的所述正方形区域中的预设位置的像素值,确定待处理数据;
其中,所述向量化计算模块包括:
第二向量化计算单元,用于将所述待处理数据构建为至少两个第四向量数据,并基于所述至少两个第四向量数据进行向量化计算,得到向量化计算结果。
28.根据权利要求20所述的装置,其中,所述待处理数据确定模块,包括:
插值系数计算单元,用于在所述目标缩放比例不为所述预设比例的情况下,根据所述源图像的尺寸和所述目标图像的尺寸,计算双线性插值算法对应的第一方向上的第一目标插值系数以及所述源图像中的源坐标、第二方向上的第二目标插值系数以及中间图像中的中间坐标,所述中间图像由所述源图像经过所述第一方向上的线性插值处理后得到;其中,所述第一方向为水平方向或垂直方向,所述第二方向为水平方向或垂直方向,且与所述第一方向不同;
第二待处理数据确定单元,用于根据所述第一目标插值系数、所述源坐标对应的像素值、所述第二目标插值系数以及所述中间坐标对应的像素值,确定待处理数据。
29.根据权利要求28所述的装置,其中,所述向量化计算模块包括:
第三向量构建单元,用于将所述第一目标插值系数构建为第五向量数据;
第四向量构建单元,用于将所述源坐标对应的像素值构建为第六向量数据;
第三向量化计算单元,用于利用双线性插值算法,基于所述第五向量数据和所述第六向量数据进行向量化计算,得到所述中间图像;
第五向量构建单元,用于将所述第二目标插值系数构建为第七向量数据;
第六向量构建单元,用于将所述中间图像中的所述中间坐标对应的像素值,构建为第八向量数据;
第四向量化计算单元,用于利用双线性插值算法,基于所述第七向量数据和所述第八向量数据进行向量化计算,得到向量化计算结果。
30.根据权利要求28所述的装置,其中,在所述目标图像的宽小于所述源图像的宽的情况下,所述第一方向为水平方向;在所述目标图像的宽大于所述源图像的宽的情况下,所述第一方向为垂直方向。
31.根据权利要求21-25以及28-30中任一所述的装置,其中,所述插值系数为在浮点格式的系数基础上进行定点化计算后得到的,所述定点化计算包括乘以2的预设数值次方,所述预设数值小于11。
32.根据权利要求24-25以及28-30中任一所述的装置,还包括:
并行处理模块,用于在进行所述第二方向的线性插值处理过程中,调用至少两个线程并行进行相应的处理。
33.根据权利要求19-30任一所述的装置,其中,所述装置配置于数字信号处理DSP芯片中。
34.根据权利要求33所述的装置,所述向量化计算基于六边形矢量扩展HVX指令实现。
35.根据权利要求33所述的装置,还包括:
数据预取模块,用于在所述将所述待处理数据构建为向量数据之前,对所述待处理数据进行预取,并将预取到的待处理数据存储至所述DSP芯片的二级缓存中。
36.根据权利要求33所述的装置,其中,所述装置运行过程中产生的中间数据存储于VTCM中。
37.一种电子设备,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1-18中任一项所述的方法。
38.一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1-18中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211202279.2A CN115578258A (zh) | 2022-09-29 | 2022-09-29 | 图像处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211202279.2A CN115578258A (zh) | 2022-09-29 | 2022-09-29 | 图像处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115578258A true CN115578258A (zh) | 2023-01-06 |
Family
ID=84583563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211202279.2A Pending CN115578258A (zh) | 2022-09-29 | 2022-09-29 | 图像处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115578258A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117011146A (zh) * | 2023-09-27 | 2023-11-07 | 广东匠芯创科技有限公司 | 图像缩放方法及其装置、电子设备、存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023241A (zh) * | 2015-07-29 | 2015-11-04 | 华南理工大学 | 一种移动终端快速图像插值方法 |
US20150379666A1 (en) * | 2014-06-27 | 2015-12-31 | Intel Corporation | Pixel-based warping and scaling accelerator |
US20190096031A1 (en) * | 2017-09-25 | 2019-03-28 | Shanghai Zhaoxin Semiconductor Co., Ltd. | Image interpolation methods and related image interpolation devices thereof |
CN110223232A (zh) * | 2019-06-06 | 2019-09-10 | 电子科技大学 | 一种基于双线性插值算法的视频图像放大方法 |
CN114219716A (zh) * | 2022-02-21 | 2022-03-22 | 南京美乐威电子科技有限公司 | 多层图像显示方法和显示引擎 |
CN114663511A (zh) * | 2022-03-28 | 2022-06-24 | 京东科技信息技术有限公司 | 一种图像生成方法、装置、设备及存储介质 |
-
2022
- 2022-09-29 CN CN202211202279.2A patent/CN115578258A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150379666A1 (en) * | 2014-06-27 | 2015-12-31 | Intel Corporation | Pixel-based warping and scaling accelerator |
CN105023241A (zh) * | 2015-07-29 | 2015-11-04 | 华南理工大学 | 一种移动终端快速图像插值方法 |
US20190096031A1 (en) * | 2017-09-25 | 2019-03-28 | Shanghai Zhaoxin Semiconductor Co., Ltd. | Image interpolation methods and related image interpolation devices thereof |
CN110223232A (zh) * | 2019-06-06 | 2019-09-10 | 电子科技大学 | 一种基于双线性插值算法的视频图像放大方法 |
CN114219716A (zh) * | 2022-02-21 | 2022-03-22 | 南京美乐威电子科技有限公司 | 多层图像显示方法和显示引擎 |
CN114663511A (zh) * | 2022-03-28 | 2022-06-24 | 京东科技信息技术有限公司 | 一种图像生成方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
向祖权 等: "基于两点三次样条插值算法的大尺寸LCD图像缩放引擎设计", 《武汉理工大学学报(交通科学与工程版)》, vol. 37, no. 6, 31 December 2013 (2013-12-31), pages 2 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117011146A (zh) * | 2023-09-27 | 2023-11-07 | 广东匠芯创科技有限公司 | 图像缩放方法及其装置、电子设备、存储介质 |
CN117011146B (zh) * | 2023-09-27 | 2023-12-19 | 广东匠芯创科技有限公司 | 图像缩放方法及其装置、电子设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108629406B (zh) | 用于卷积神经网络的运算装置 | |
EP4071619A1 (en) | Address generation method, related device and storage medium | |
CN111047008B (zh) | 一种卷积神经网络加速器及加速方法 | |
CN103167218A (zh) | 一种基于非局部性的超分辨率重建方法和设备 | |
CN115880132B (zh) | 图形处理器、矩阵乘法任务处理方法、装置及存储介质 | |
CN111984189B (zh) | 神经网络计算装置和数据读取、数据存储方法及相关设备 | |
CN111724304A (zh) | 一种图像缩放方法、装置、终端设备及存储介质 | |
CN112785493B (zh) | 模型的训练方法、风格迁移方法、装置、设备及存储介质 | |
CN105787910A (zh) | 一种人脸区域滤波方法基于异构平台的计算优化方法 | |
CN115578258A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN113538235A (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
CN116227599A (zh) | 一种推理模型的优化方法、装置、电子设备及存储介质 | |
CN114202648B (zh) | 文本图像矫正方法、训练方法、装置、电子设备以及介质 | |
CN112882835B (zh) | 一种机器节点并行处理方法、装置、计算机设备及存储介质 | |
EP3736765A1 (en) | Data processing method and apparatus | |
US20110025700A1 (en) | Using a Texture Unit for General Purpose Computing | |
CN107577424A (zh) | 图像处理方法、装置及*** | |
WO2021213664A1 (en) | Filtering for rendering | |
CN107977923B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
US20200134434A1 (en) | Arithmetic processing device, learning program, and learning method | |
CN111553962A (zh) | 一种图表显示方法、***及显示设备 | |
CN114758130B (zh) | 图像处理及模型训练方法、装置、设备和存储介质 | |
CN115346099A (zh) | 基于加速器芯片的图像卷积方法、芯片、设备及介质 | |
CN111931937B (zh) | 图像处理模型的梯度更新方法、装置及*** | |
CN115480731A (zh) | 运算方法、装置、芯片、设备和介质 |
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 |