CN116051681B - 一种基于智能手表生成图像数据的处理方法及*** - Google Patents

一种基于智能手表生成图像数据的处理方法及*** Download PDF

Info

Publication number
CN116051681B
CN116051681B CN202310190279.3A CN202310190279A CN116051681B CN 116051681 B CN116051681 B CN 116051681B CN 202310190279 A CN202310190279 A CN 202310190279A CN 116051681 B CN116051681 B CN 116051681B
Authority
CN
China
Prior art keywords
image data
pixel
color
filling
pixel points
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.)
Active
Application number
CN202310190279.3A
Other languages
English (en)
Other versions
CN116051681A (zh
Inventor
吴贤荣
曾贤富
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.)
Shenzhen Light Speed Times Technology Co ltd
Original Assignee
Shenzhen Light Speed Times 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 Shenzhen Light Speed Times Technology Co ltd filed Critical Shenzhen Light Speed Times Technology Co ltd
Priority to CN202310190279.3A priority Critical patent/CN116051681B/zh
Publication of CN116051681A publication Critical patent/CN116051681A/zh
Application granted granted Critical
Publication of CN116051681B publication Critical patent/CN116051681B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/54—Extraction of image or video features relating to texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种基于智能手表生成图像数据的处理方法及***，运用于图像数据处理领域；本发明通过将采集得到的图像数据集进行分生得到数个图像数据后，从图像数据中分类出能够匹配图像数据集像素值的匹配图像数据、无法匹配图像数据集像素值的非匹配图像数据，对非匹配图像数据进行像素点填充与色彩差异填充，以生成处理完毕的能够匹配图像数据集像素值的图像数据，使得拍摄出来的时段画面即使存在无意间的聚焦偏移，也能够保持时段画面原有的清晰度与拍摄效果。

Description

一种基于智能手表生成图像数据的处理方法及***
技术领域
本发明涉及图像数据处理领域，特别涉及为一种基于智能手表生成图像数据的处理方法及***。
背景技术
伴随着现在科技的高速发展，用户对手表拍摄要求越来越高，并且一直都有通过手表拍摄全景内容的需求，通过不同角度的视觉信息收集得到更大或全景的画面。
但目前智能手表通过普通镜头拍摄出来的时段画面中，对拍摄聚焦的准心稍有偏移，就会改变时段画面中的清晰度，导致拍摄出来的时段画面无法完全达到原有的拍摄效果。
发明内容
本发明旨在解决目前智能手表通过普通镜头拍摄出来的时段画面中，对拍摄聚焦的准心稍有偏移，就会改变时段画面中的清晰度，导致拍摄出来的时段画面无法完全达到原有拍摄效果的问题，提供一种基于智能手表生成图像数据的处理方法及***。
本发明为解决技术问题采用如下技术手段：
本发明提供一种基于智能手表生成图像数据的处理方法，包括以下步骤：
采用图像传感器采集图像数据集，将所述图像数据集基于预设时段分生出若干个图像数据，将所述若干个图像数据代入至预设的独立空间中，对所述若干个图像数据进行边缘检测，判断所述若干个图像数据的像素值是否相匹配；
若否，则分类得出匹配图像数据与非匹配图像数据，获取所述非匹配图像数据中的若干个像素值，识别所述若干个像素值中的至少一个像素点，根据所述至少一个像素点呈现所述若干个像素值对应的图像分辨率，将所述图像分辨率与所述匹配图像数据进行差异性比对，基于各个像素值中缺失的像素点数量，生成所述非匹配图像数据对应所需填充的缺失像素区域；
针对所述缺失像素区域中的边缘像素点，确认所述缺失像素区域中各个像素点之间相邻跨度，在所述缺失像素区域中捕捉到至少一个缺失像素点位置，基于各个缺失像素点位置与所述边缘像素点的边界距离映射值，构建各个缺失像素点的填充队列，根据所述填充队列对所述各个缺失像素点进行迭代填充，生成色彩差异的非匹配图像数据；
基于所述匹配图像数据中预建立的像素点与色彩因子的第一对应关系，构建所述色彩差异的非匹配图像数据中像素点与色彩因子的第二对应关系，将所述第一对应关系与所述第二对应关系进行差异性比对，比对得到所述第一对应关系与所述第二对应关系的色彩因子的非重叠部分，将所述非重叠部分作为所述非匹配图像数据的剩余色彩填充路径，根据所述剩余色彩填充路径对所述色彩差异的非匹配图像数据进行色彩填充，生成处理完毕的图像数据。
进一步地，所述基于所述匹配图像数据中预建立的像素点与色彩因子的第一对应关系的步骤中，包括：
将所述匹配图像数据的各个像素点基于预设色彩空间中的坐标点集，对所述各个像素点进行坐标编码，记录所述各个像素点基于所述色彩空间中的对应坐标与对应色彩值，其中，所述对应坐标包括x点坐标系数和y点坐标系数，所述对应色彩值包括三原色的red色彩、三原色的green色彩与三原色的blue色彩；
根据所述各个像素点构建的图像轮廓，获取所述图像轮廓的区域色彩，基于所述色彩空间的基点中心依次向相邻的各个区域色彩进行色彩赋予，生成所述各个像素点与所述色彩因子的第一对应关系。
进一步地，所述根据所述填充队列对所述各个缺失像素点进行迭代填充，生成色彩差异的非匹配图像数据的步骤中，包括：
基于所述边界距离映射值生成所述各个缺失像素点的填充值；
判断所述填充值是否大于所述边界距离映射值；
若否，则生成所述各个缺失像素点的填充值，根据所述填充队列对所述各个缺失像素点进行填充值标记，对所述各个缺失像素点基于预设优先级进行填充，填充得到色彩差异的非匹配图像数据，其中，所述预设优先级具体为填充值由高至低的优先级。
进一步地，所述基于各个像素值中缺失的像素点数量，生成所述非匹配图像数据对应所需填充的缺失像素区域的步骤中，包括:
获取非匹配图像数据中单个像素值对应的所述像素点数量；
判断所述像素点数量是否与匹配图像数据的像素点数目相同；
若否，则采集所述像素点数量与所述像素点数目之间的像素差值，基于预设像素坐标集扫描所述像素差值对应的缺失像素点坐标，识别所述缺失像素点所述像素坐标集中对应的具体方位，将所述具体方位相连接，建立所述非匹配图像数据对应所需填充的缺失像素区域。
进一步地，所述根据所述至少一个像素点呈现所述若干个像素值对应的图像分辨率，将所述图像分辨率与所述匹配图像数据进行差异性比对的步骤中，包括：
获取所述非匹配图像数据中每英寸面积内存在的像素点数；
判断所述像素点数是否匹配预设的像素点数序列；
若否，则生成所述像素点数对应的差异序列，基于所述像素点数序列获取所述差异序列中缺失的像素点数，识别所述缺失的像素点数对应所述差异序列中的水平方向，得到所述缺失的像素点数的序列差异值，其中，所述水平方向包括横轴和竖轴。
进一步地，所述根据所述色彩填充路径对所述色彩差异的非匹配图像数据进行色彩填充，生成处理完毕的图像数据的步骤后，还包括：
对所述处理完毕的图像数据进行纹理特征提取，得到所述处理完毕的图像数据的至少一个纹理特征；
将所述至少一个纹理特征和匹配图像数据进行叠加融合，得到所述叠加融合对应的融合误差系数；
判断所述融合误差系数是否达到预设匹配系数；
若否，则生成所述融合误差系数与所述预设匹配系数对应的差值，根据预设递增量将所述至少一个纹理特征与所述匹配图像数据继续进行叠加融合，直至所述叠加融合对应的融合误差系数达到所述预设匹配系数，停止所述叠加融合，得到叠加融合的图像数据集。
进一步地，所述将所述若干个图像数据代入至预设的独立空间中，对所述若干个图像数据进行边缘检测的步骤中，包括：
识别各个所述图像数据中的图像特征，获取所述图像特征基于所述图像数据中的占有比例，其中，所述图像特征包括色彩因素与纹理因素；
提取出各个所述图像数据中所述占有比例低于预设平均水平的劣等图像数据，将所述劣等图像数据作为所述边缘检测的检测对象。
本发明还提供一种基于智能手表生成图像数据的处理***，包括：
判断模块，用于采用图像传感器采集图像数据集，将所述图像数据集基于预设时段分生出若干个图像数据，将所述若干个图像数据代入至预设的独立空间中，对所述若干个图像数据进行边缘检测，判断所述若干个图像数据的像素值是否相匹配；
执行模块，用于若否，则分类得出匹配图像数据与非匹配图像数据，获取所述非匹配图像数据中的若干个像素值，识别所述若干个像素值中的至少一个像素点，根据所述至少一个像素点呈现所述若干个像素值对应的图像分辨率，将所述图像分辨率与所述匹配图像数据进行差异性比对，基于各个像素值中缺失的像素点数量，生成所述非匹配图像数据对应所需填充的缺失像素区域；
生成模块，用于针对所述缺失像素区域中的边缘像素点，确认所述缺失像素区域中各个像素点之间相邻跨度，在所述缺失像素区域中捕捉到至少一个缺失像素点位置，基于各个缺失像素点位置与所述边缘像素点的边界距离映射值，构建各个缺失像素点的填充队列，根据所述填充队列对所述各个缺失像素点进行迭代填充，生成色彩差异的非匹配图像数据；
填充模块，用于基于所述匹配图像数据中预建立的像素点与色彩因子的第一对应关系，构建所述色彩差异的非匹配图像数据中像素点与色彩因子的第二对应关系，将所述第一对应关系与所述第二对应关系进行差异性比对，比对得到所述第一对应关系与所述第二对应关系的色彩因子的非重叠部分，将所述非重叠部分作为所述非匹配图像数据的剩余色彩填充路径，根据所述剩余色彩填充路径对所述色彩差异的非匹配图像数据进行色彩填充，生成处理完毕的图像数据。
进一步地，所述填充模块还包括：
记录单元，用于将所述匹配图像数据的各个像素点基于预设色彩空间中的坐标点集，对所述各个像素点进行坐标编码，记录所述各个像素点基于所述色彩空间中的对应坐标与对应色彩值，其中，所述对应坐标包括x点坐标系数和y点坐标系数，所述对应色彩值包括三原色的red色彩、三原色的green色彩与三原色的blue色彩；
生成单元，用于根据所述各个像素点构建的图像轮廓，获取所述图像轮廓的区域色彩，基于所述色彩空间的基点中心依次向相邻的各个区域色彩进行色彩赋予，生成所述各个像素点与所述色彩因子的第一对应关系。
进一步地，所述生成模块还包括：
第二生成单元，用于基于所述边界距离映射值生成所述各个缺失像素点的填充值；
判断单元，用于判断所述填充值是否大于所述边界距离映射值；
执行单元，用于若否，则生成所述各个缺失像素点的填充值，根据所述填充队列对所述各个缺失像素点进行填充值标记，对所述各个缺失像素点基于预设优先级进行填充，填充得到色彩差异的非匹配图像数据，其中，所述预设优先级具体为填充值由高至低的优先级。
本发明提供了一种基于智能手表生成图像数据的处理方法及***，具有以下有益效果：
本发明通过将采集得到的图像数据集进行分生得到数个图像数据后，从图像数据中分类出能够匹配图像数据集像素值的匹配图像数据、无法匹配图像数据集像素值的非匹配图像数据，对非匹配图像数据进行像素点填充与色彩差异填充，以生成处理完毕的能够匹配图像数据集像素值的图像数据，使得拍摄出来的时段画面即使存在无意间的聚焦偏移，也能够保持时段画面原有的清晰度与拍摄效果。
附图说明
图1为本发明一种基于智能手表生成图像数据的处理方法一个实施例的流程示意图；
图2为本发明一种基于智能手表生成图像数据的处理***一个实施例的结构框图。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明，本发明为目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
下面将结合本发明的实施例中的附图，对本发明的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参考附图1，为本发明一实施例中的一种基于智能手表生成图像数据的处理方法，包括：
S1：采用图像传感器采集图像数据集，将所述图像数据集基于预设时段分生出若干个图像数据，将所述若干个图像数据代入至预设的独立空间中，对所述若干个图像数据进行边缘检测，判断所述若干个图像数据的像素值是否相匹配；
S2：若否，则分类得出匹配图像数据与非匹配图像数据，获取所述非匹配图像数据中的若干个像素值，识别所述若干个像素值中的至少一个像素点，根据所述至少一个像素点呈现所述若干个像素值对应的图像分辨率，将所述图像分辨率与所述匹配图像数据进行差异性比对，基于各个像素值中缺失的像素点数量，生成所述非匹配图像数据对应所需填充的缺失像素区域；
S3：针对所述缺失像素区域中的边缘像素点，确认所述缺失像素区域中各个像素点之间相邻跨度，在所述缺失像素区域中捕捉到至少一个缺失像素点位置，基于各个缺失像素点位置与所述边缘像素点的边界距离映射值，构建各个缺失像素点的填充队列，根据所述填充队列对所述各个缺失像素点进行迭代填充，生成色彩差异的非匹配图像数据；
S4：基于所述匹配图像数据中预建立的像素点与色彩因子的第一对应关系，构建所述色彩差异的非匹配图像数据中像素点与色彩因子的第二对应关系，将所述第一对应关系与所述第二对应关系进行差异性比对，比对得到所述第一对应关系与所述第二对应关系的色彩因子的非重叠部分，将所述非重叠部分作为所述非匹配图像数据的剩余色彩填充路径，根据所述剩余色彩填充路径对所述色彩差异的非匹配图像数据进行色彩填充，生成处理完毕的图像数据。
在本实施例中，***通过采用智能手表中预先设有的图像传感器采集拍摄过程中录制的图像数据集，将这些图像数据集基于预先设定的时段分生为多个图像数据，而后将这些图像数据代入至预先设有的独立空间中逐个进行边缘检测，以判断这些图像数据中的像素值是否相互匹配，以执行对应的步骤；例如，当这些图像数据中的像素值能够相互匹配时，即此时智能手表拍摄出来的时段画面能够相互衔接上，不存在清晰度模糊或拍摄画面掉帧的情况；例如，当这些图像数据中的像素值无法相互匹配时，即此时智能手表拍摄出来的时段画面无法相互衔接上，此时***会对这些图像数据进行分类，得到能够匹配的图像数据和无法匹配的非匹配图像数据，通过获取非匹配图像数据中的若干个像素值，对各个像素值进行识别得到像素值中的至少一个像素点，根据这些像素点为像素值对应呈现的图像分辨率，将该图像分辨率与能够匹配的图像数据进行差异性比对，从图像分辨率的差异比对结果即可得知非匹配图像数据中的像素值所缺失的像素点数量，继而生成非匹配图像数据对应所需填充的缺失像素区域；***针对缺失像素区域中的边缘像素点，确认缺失像素区域中各个像素点之间的相邻跨度后，在缺失像素区域中捕捉到至少一个缺失像素点的位置后，基于各个缺失像素点的位置与边缘像素点的边界距离映射值，构建各个缺失像素点的填充队列，而后***根据该填充队列对缺失像素区域中的各个缺失像素点进行迭代填充，使非匹配图像数据的像素与匹配图像数据的像素能够一致，生成待填充色彩的色彩差异非匹配图像数据；***基于匹配图像数据中预先设立的像素点比例与色彩因子比例的第一对应关系，构建色彩差异非匹配图像数据中像素点比例与色彩因子比例的第二对应关系，将第一对应关系与第二对应关系进行差异性比对后，即可得知色彩差异非匹配图像数据与匹配图像数据的色彩因子差异，将第一对应关系与第二对应关系的色彩因子的非重叠部分，作为非匹配图像数据的剩余色彩填充路径，剩余色彩填充路径对色彩差异的非匹配图像数据进行色彩填充，生成色彩差异的非匹配图像数据对应处理完毕的图像数据。
需要说明的是，像素填充所需填充的是像素值区域中的多个像素点位置，而通过边缘像素点的边界距离映射值，即可得知整个像素值区域中由外到内所需填充的像素点位置具体数量，并且通过迭代填充且由外到内逐个进行填充，还可避免填充过程中出现错漏，保证像素填充后图像数据的完整性能够呈现出来。
在本实施例中，基于所述匹配图像数据中预建立的像素点与色彩因子的第一对应关系的步骤S4中，包括：
S41：将所述匹配图像数据的各个像素点基于预设色彩空间中的坐标点集，对所述各个像素点进行坐标编码，记录所述各个像素点基于所述色彩空间中的对应坐标与对应色彩值，其中，所述对应坐标包括x点坐标系数和y点坐标系数，所述对应色彩值包括三原色的red色彩、三原色的green色彩与三原色的blue色彩；
S42：根据所述各个像素点构建的图像轮廓，获取所述图像轮廓的区域色彩，基于所述色彩空间的基点中心依次向相邻的各个区域色彩进行色彩赋予，生成所述各个像素点与所述色彩因子的第一对应关系。
在本实施例中，***通过将匹配图像数据的各个像素点基于预先设定的色彩空间坐标点集，对匹配图像数据中的各个数据点进行坐标编码，在色彩空间坐标点集中生成各个像素点对应的坐标系数和坐标系数对应的色彩值，根据各个像素点从坐标点集中构建生成的图像轮廓，获取该图像轮廓待填充的区域色彩，基于色彩空间的基点中心依次向相邻的各个区域色彩进行色彩赋予，即可生成匹配图像数据中，像素点与色彩因子的第一对应关系；
需要说明的是，基于色彩空间的基点中心依次向相邻的各个区域色彩进行色彩赋予的过程，具体依次由（±1，±1）-（±2，±2）……（±x，±y）进行色彩赋予，直至所有区域色彩填充完毕，色彩赋予过程的长短基于色彩空间中存在多少待填充区域色彩。
在本实施例中，根据所述填充队列对所述各个缺失像素点进行迭代填充，生成色彩差异的非匹配图像数据的步骤S3中，包括：
S31：基于所述边界距离映射值生成所述各个缺失像素点的填充值；
S32：判断所述填充值是否大于所述边界距离映射值；
S33：若否，则生成所述各个缺失像素点的填充值，根据所述填充队列对所述各个缺失像素点进行填充值标记，对所述各个缺失像素点基于预设优先级进行填充，填充得到色彩差异的非匹配图像数据，其中，所述预设优先级具体为填充值由高至低的优先级。
在本实施例中，***基于各个缺失像素点位置与边缘像素点的边界距离映射值，生成各个缺失像素点的待填充值，判断这些待填充值是否大于边界距离映射值，以执行对应的步骤；例如，当某个缺失像素点的待填充值大于边界距离映射值时，此时若继续对该缺失像素点进行填充，会使拍摄画面中出现像素重叠的情况，像素重叠的程度随着填充值超出边界距离映射值的溢出而增加，因此在像素点的待填充值即将大于边界距离映射值时，将像素点的填充值控制在与边界距离映射值相等即可，即可避免出现像素重叠；例如，当缺失像素点的待填充值未大于边界距离映射值时，此时***会生成各个缺失像素点对应的填充值，基于填充队列对各个缺失像素点的填充值进行对应标记，且对各个缺失像素点基于预先设定的优先级进行填充，填充完毕后即可得到存在色彩差异的非匹配图像数据。
需要说明的是，根据填充队列对各个缺失像素点标记是由于每个缺失像素点的填充值不相同，因此需要进行标记，避免错误填充；对各个缺失像素点设定优先级填充是由于同一横轴或同一纵轴中可能同时存在多个需填充的缺失像素点，而根据由高至低的像素填充量对同一横轴或同一纵轴的缺失像素点有序进行填充，能够避免同一横轴或同一纵轴的缺失像素点过多时，出现错误填充的情况。
在本实施例中，基于各个像素值中缺失的像素点数量，生成所述非匹配图像数据对应所需填充的缺失像素区域的步骤S2中，包括:
S21：获取非匹配图像数据中单个像素值对应的所述像素点数量；
S22：判断所述像素点数量是否与匹配图像数据的像素点数目相同；
S23：若否，则采集所述像素点数量与所述像素点数目之间的像素差值，基于预设像素坐标集扫描所述像素差值对应的缺失像素点坐标，识别所述缺失像素点所述像素坐标集中对应的具体方位，将所述具体方位相连接，建立所述非匹配图像数据对应所需填充的缺失像素区域。
在本实施例中，***通过获取到非匹配图像数据中单个像素值对应的像素点数量，判断这些像素点数量是否与匹配图像数据的像素点数目相同，以执行对应的步骤；例如，当像素点数量能够与匹配图像数据的像素点数目相同时，即代表此时非匹配图像数据中所需填充的缺失像素区域已填充完成；例如，当像素点数量无法与匹配图像数据的像素点数目相同时，此时***会采集像素点数量与像素点数目之间的像素差值，并在非匹配图像数据预先设有的像素坐标集中扫描像素差值对应的缺失像素点坐标，以识别到缺失像素点在像素坐标集中的具体方位，通过将这些缺失像素点在像素坐标集中相连接，即可建立得到非匹配图像数据中对应所需填充的缺失像素区域，待缺失像素区域填充完毕后，非匹配图像数据的像素点数量能够与匹配图像数据的像素点数目相同。
在本实施例中，根据所述至少一个像素点呈现所述若干个像素值对应的图像分辨率，将所述图像分辨率与所述匹配图像数据进行差异性比对的步骤S2中，包括：
S201：获取所述非匹配图像数据中每英寸面积内存在的像素点数；
S202：判断所述像素点数是否匹配预设的像素点数序列；
S203：若否，则生成所述像素点数对应的差异序列，基于所述像素点数序列获取所述差异序列中缺失的像素点数，识别所述缺失的像素点数对应所述差异序列中的水平方向，得到所述缺失的像素点数的序列差异值，其中，所述水平方向包括横轴和竖轴。
在本实施例中，***通过获取非匹配图像数据中每英寸面积内存在的像素点数，判断这些像素点数是否匹配预先设定的像素点数序列，以执行对应的步骤；例如，非匹配图像数据中每英寸面积内存在的像素点数为2468个，而预先设定的像素点数序列为1600×900，此时***会判定像素点数无法匹配预先设定的像素点数序列，此时***会生成非匹配图像数据的差异序列1582×880，将差异序列1582×880与预先设定的像素点数序列1600×900进行比对，以得到差异序列中缺失的像素点数18×20，识别这些缺失的像素点数在差异序列中的水平轴向，以得到水平轴向中缺失的像素点数的序列差异值为横轴18、竖轴20；
需要说明的是，图像数据显示的像素个数，分辨率1600×900的意思是水平方向横轴含有像素数为1600个，垂直竖轴方向含有像素数900个，在拍摄画面的屏幕尺寸相同的情况下，分辨率越高，得到的图像显示效果就越精细和细腻。
在本实施例中，根据所述色彩填充路径对所述色彩差异的非匹配图像数据进行色彩填充，生成处理完毕的图像数据的步骤S3后，还包括：
S301：对所述处理完毕的图像数据进行纹理特征提取，得到所述处理完毕的图像数据的至少一个纹理特征；
S302：将所述至少一个纹理特征和匹配图像数据进行叠加融合，得到所述叠加融合对应的融合误差系数；
S303：判断所述融合误差系数是否达到预设匹配系数；
S304：若否，则生成所述融合误差系数与所述预设匹配系数对应的差值，根据预设递增量将所述至少一个纹理特征与所述匹配图像数据继续进行叠加融合，直至所述叠加融合对应的融合误差系数达到所述预设匹配系数，停止所述叠加融合，得到叠加融合的图像数据集。
在本实施例中，***通过对处理完毕的图像数据进行纹理特征提取，以得到理完毕的图像数据中的至少一个纹理特征，而后将这些纹理特征与匹配图像数据进行叠加融合，可生成得到叠加融合对应产生的融合误差系数，通过判断该融合误差系数是否达到预先设定的匹配系数，以执行对应的步骤；例如，当采用一个纹理特征与匹配图像数据进行叠加融合时，达到的融合误差系数为55%，而预先设定的匹配系数为58.5%，则此时***会生成融合误差系数与预设匹配系数对应的差值3.5%，并继续沿用一个纹理特征继续进行叠加融合，得到的融合误差系数为56.3%，能够达到预先设定的匹配系数58.5%，即停止叠加融合的过程，继而生成叠加融合后的图像数据集；
需要说明的是，融合误差系数与预设匹配系数达到的系数设定为3%内，预设递增量是基于起始进行叠加融合的纹理特征数量增多而增多，如起始用两个纹理特征与匹配图像数据进行叠加融合后的融合误差系数无法达到预先设定的匹配系数，此时也需要用至少两个或以上的纹理特征继续进行叠加融合。
在本实施例中，将所述若干个图像数据代入至预设的独立空间中，对所述若干个图像数据进行边缘检测的步骤S1中，包括：
S11：识别各个所述图像数据中的图像特征，获取所述图像特征基于所述图像数据中的占有比例，其中，所述图像特征包括色彩因素与纹理因素；
S12：提取出各个所述图像数据中所述占有比例低于预设平均水平的劣等图像数据，将所述劣等图像数据作为所述边缘检测的检测对象。
在本实施例中，***通过识别各个图像数据中的图像特征，得到图像特征在图像数据中的占有比例，具体包括色彩因素与纹理因素的占有比例，而后***提取出各个图像数据中占有比例低于预先设有平均水平的图像数据，判定这些低于预先设有平均水平的图像数据为劣等图像数据，将劣等图像数据作为需要进行边缘检测的检测对象。
参考附图2，为本发明一实施例中基于智能手表生成图像数据的处理***，包括：
判断模块10，用于采用图像传感器采集图像数据集，将所述图像数据集基于预设时段分生出若干个图像数据，将所述若干个图像数据代入至预设的独立空间中，对所述若干个图像数据进行边缘检测，判断所述若干个图像数据的像素值是否相匹配；
执行模块20，用于若否，则分类得出匹配图像数据与非匹配图像数据，获取所述非匹配图像数据中的若干个像素值，识别所述若干个像素值中的至少一个像素点，根据所述至少一个像素点呈现所述若干个像素值对应的图像分辨率，将所述图像分辨率与所述匹配图像数据进行差异性比对，基于各个像素值中缺失的像素点数量，生成所述非匹配图像数据对应所需填充的缺失像素区域；
生成模块30，用于针对所述缺失像素区域中的边缘像素点，确认所述缺失像素区域中各个像素点之间相邻跨度，在所述缺失像素区域中捕捉到至少一个缺失像素点位置，基于各个缺失像素点位置与所述边缘像素点的边界距离映射值，构建各个缺失像素点的填充队列，根据所述填充队列对所述各个缺失像素点进行迭代填充，生成色彩差异的非匹配图像数据；
填充模块40，用于基于所述匹配图像数据中预建立的像素点与色彩因子的第一对应关系，构建所述色彩差异的非匹配图像数据中像素点与色彩因子的第二对应关系，将所述第一对应关系与所述第二对应关系进行差异性比对，比对得到所述第一对应关系与所述第二对应关系的色彩因子的非重叠部分，将所述非重叠部分作为所述非匹配图像数据的剩余色彩填充路径，根据所述剩余色彩填充路径对所述色彩差异的非匹配图像数据进行色彩填充，生成处理完毕的图像数据。
在本实施例中，判断模块10通过采用智能手表中预先设有的图像传感器采集拍摄过程中录制的图像数据集，将这些图像数据集基于预先设定的时段分生为多个图像数据，而后将这些图像数据代入至预先设有的独立空间中逐个进行边缘检测，以判断这些图像数据中的像素值是否相互匹配，以执行对应的步骤；例如，当这些图像数据中的像素值能够相互匹配时，即此时智能手表拍摄出来的时段画面能够相互衔接上，不存在清晰度模糊或拍摄画面掉帧的情况；例如，当这些图像数据中的像素值无法相互匹配时，即此时智能手表拍摄出来的时段画面无法相互衔接上，此时执行模块20会对这些图像数据进行分类，得到能够匹配的图像数据和无法匹配的非匹配图像数据，通过获取非匹配图像数据中的若干个像素值，对各个像素值进行识别得到像素值中的至少一个像素点，根据这些像素点为像素值对应呈现的图像分辨率，将该图像分辨率与能够匹配的图像数据进行差异性比对，从图像分辨率的差异比对结果即可得知非匹配图像数据中的像素值所缺失的像素点数量，继而生成非匹配图像数据对应所需填充的缺失像素区域；生成模块30针对缺失像素区域中的边缘像素点，确认缺失像素区域中各个像素点之间的相邻跨度后，在缺失像素区域中捕捉到至少一个缺失像素点的位置后，基于各个缺失像素点的位置与边缘像素点的边界距离映射值，构建各个缺失像素点的填充队列，而后***根据该填充队列对缺失像素区域中的各个缺失像素点进行迭代填充，使非匹配图像数据的像素与匹配图像数据的像素能够一致，生成待填充色彩的色彩差异非匹配图像数据；填充模块40基于匹配图像数据中预先设立的像素点比例与色彩因子比例的第一对应关系，构建色彩差异非匹配图像数据中像素点比例与色彩因子比例的第二对应关系，将第一对应关系与第二对应关系进行差异性比对后，即可得知色彩差异非匹配图像数据与匹配图像数据的色彩因子差异，将第一对应关系与第二对应关系的色彩因子的非重叠部分，作为非匹配图像数据的剩余色彩填充路径，剩余色彩填充路径对色彩差异的非匹配图像数据进行色彩填充，生成色彩差异的非匹配图像数据对应处理完毕的图像数据。
需要说明的是，像素填充所需填充的是像素值区域中的多个像素点位置，而通过边缘像素点的边界距离映射值，即可得知整个像素值区域中由外到内所需填充的像素点位置具体数量，并且通过迭代填充且由外到内逐个进行填充，还可避免填充过程中出现错漏，保证像素填充后图像数据的完整性能够呈现出来。
在本实施例中，填充模块还包括：
记录单元，用于将所述匹配图像数据的各个像素点基于预设色彩空间中的坐标点集，对所述各个像素点进行坐标编码，记录所述各个像素点基于所述色彩空间中的对应坐标与对应色彩值，其中，所述对应坐标包括x点坐标系数和y点坐标系数，所述对应色彩值包括三原色的red色彩、三原色的green色彩与三原色的blue色彩；
生成单元，用于根据所述各个像素点构建的图像轮廓，获取所述图像轮廓的区域色彩，基于所述色彩空间的基点中心依次向相邻的各个区域色彩进行色彩赋予，生成所述各个像素点与所述色彩因子的第一对应关系。
在本实施例中，***通过将匹配图像数据的各个像素点基于预先设定的色彩空间坐标点集，对匹配图像数据中的各个数据点进行坐标编码，在色彩空间坐标点集中生成各个像素点对应的坐标系数和坐标系数对应的色彩值，根据各个像素点从坐标点集中构建生成的图像轮廓，获取该图像轮廓待填充的区域色彩，基于色彩空间的基点中心依次向相邻的各个区域色彩进行色彩赋予，即可生成匹配图像数据中，像素点与色彩因子的第一对应关系；
需要说明的是，基于色彩空间的基点中心依次向相邻的各个区域色彩进行色彩赋予的过程，具体依次由（±1，±1）-（±2，±2）……（±x，±y）进行色彩赋予，直至所有区域色彩填充完毕，色彩赋予过程的长短基于色彩空间中存在多少待填充区域色彩。
在本实施例中，生成模块还包括：
第二生成单元，用于基于所述边界距离映射值生成所述各个缺失像素点的填充值；
判断单元，用于判断所述填充值是否大于所述边界距离映射值；
执行单元，用于若否，则生成所述各个缺失像素点的填充值，根据所述填充队列对所述各个缺失像素点进行填充值标记，对所述各个缺失像素点基于预设优先级进行填充，填充得到色彩差异的非匹配图像数据，其中，所述预设优先级具体为填充值由高至低的优先级。
在本实施例中，***基于各个缺失像素点位置与边缘像素点的边界距离映射值，生成各个缺失像素点的待填充值，判断这些待填充值是否大于边界距离映射值，以执行对应的步骤；例如，当某个缺失像素点的待填充值大于边界距离映射值时，此时若继续对该缺失像素点进行填充，会使拍摄画面中出现像素重叠的情况，像素重叠的程度随着填充值超出边界距离映射值的溢出而增加，因此在像素点的待填充值即将大于边界距离映射值时，将像素点的填充值控制在与边界距离映射值相等即可，即可避免出现像素重叠；例如，当缺失像素点的待填充值未大于边界距离映射值时，此时***会生成各个缺失像素点对应的填充值，基于填充队列对各个缺失像素点的填充值进行对应标记，且对各个缺失像素点基于预先设定的优先级进行填充，填充完毕后即可得到存在色彩差异的非匹配图像数据。
需要说明的是，根据填充队列对各个缺失像素点标记是由于每个缺失像素点的填充值不相同，因此需要进行标记，避免错误填充；对各个缺失像素点设定优先级填充是由于同一横轴或同一纵轴中可能同时存在多个需填充的缺失像素点，而根据由高至低的像素填充量对同一横轴或同一纵轴的缺失像素点有序进行填充，能够避免同一横轴或同一纵轴的缺失像素点过多时，出现错误填充的情况。
在本实施例中，执行模块还包括：
获取单元，用于获取非匹配图像数据中单个像素值对应的所述像素点数量；
第二判断单元，用于判断所述像素点数量是否与匹配图像数据的像素点数目相同；
第二执行单元，用于若否，则采集所述像素点数量与所述像素点数目之间的像素差值，基于预设像素坐标集扫描所述像素差值对应的缺失像素点坐标，识别所述缺失像素点所述像素坐标集中对应的具体方位，将所述具体方位相连接，建立所述非匹配图像数据对应所需填充的缺失像素区域。
在本实施例中，***通过获取到非匹配图像数据中单个像素值对应的像素点数量，判断这些像素点数量是否与匹配图像数据的像素点数目相同，以执行对应的步骤；例如，当像素点数量能够与匹配图像数据的像素点数目相同时，即代表此时非匹配图像数据中所需填充的缺失像素区域已填充完成；例如，当像素点数量无法与匹配图像数据的像素点数目相同时，此时***会采集像素点数量与像素点数目之间的像素差值，并在非匹配图像数据预先设有的像素坐标集中扫描像素差值对应的缺失像素点坐标，以识别到缺失像素点在像素坐标集中的具体方位，通过将这些缺失像素点在像素坐标集中相连接，即可建立得到非匹配图像数据中对应所需填充的缺失像素区域，待缺失像素区域填充完毕后，非匹配图像数据的像素点数量能够与匹配图像数据的像素点数目相同。
在本实施例中，执行模块还包括：
第二获取单元，用于获取所述非匹配图像数据中每英寸面积内存在的像素点数；
第三判断单元，用于判断所述像素点数是否匹配预设的像素点数序列；
第三执行单元，用于若否，则生成所述像素点数对应的差异序列，基于所述像素点数序列获取所述差异序列中缺失的像素点数，识别所述缺失的像素点数对应所述差异序列中的水平方向，得到所述缺失的像素点数的序列差异值，其中，所述水平方向包括横轴和竖轴。
在本实施例中，***通过获取非匹配图像数据中每英寸面积内存在的像素点数，判断这些像素点数是否匹配预先设定的像素点数序列，以执行对应的步骤；例如，非匹配图像数据中每英寸面积内存在的像素点数为2468个，而预先设定的像素点数序列为1600×900，此时***会判定像素点数无法匹配预先设定的像素点数序列，此时***会生成非匹配图像数据的差异序列1582×880，将差异序列1582×880与预先设定的像素点数序列1600×900进行比对，以得到差异序列中缺失的像素点数18×20，识别这些缺失的像素点数在差异序列中的水平轴向，以得到水平轴向中缺失的像素点数的序列差异值为横轴18、竖轴20；
需要说明的是，图像数据显示的像素个数，分辨率1600×900的意思是水平方向横轴含有像素数为1600个，垂直竖轴方向含有像素数900个，在拍摄画面的屏幕尺寸相同的情况下，分辨率越高，得到的图像显示效果就越精细和细腻。
在本实施例中，还包括：
提取模块，用于对所述处理完毕的图像数据进行纹理特征提取，得到所述处理完毕的图像数据的至少一个纹理特征；
融合模块，用于将所述至少一个纹理特征和匹配图像数据进行叠加融合，得到所述叠加融合对应的融合误差系数；
第二判断模块，用于判断所述融合误差系数是否达到预设匹配系数；
第二执行模块，用于若否，则生成所述融合误差系数与所述预设匹配系数对应的差值，根据预设递增量将所述至少一个纹理特征与所述匹配图像数据继续进行叠加融合，直至所述叠加融合对应的融合误差系数达到所述预设匹配系数，停止所述叠加融合，得到叠加融合的图像数据集。
在本实施例中，***通过对处理完毕的图像数据进行纹理特征提取，以得到理完毕的图像数据中的至少一个纹理特征，而后将这些纹理特征与匹配图像数据进行叠加融合，可生成得到叠加融合对应产生的融合误差系数，通过判断该融合误差系数是否达到预先设定的匹配系数，以执行对应的步骤；例如，当采用一个纹理特征与匹配图像数据进行叠加融合时，达到的融合误差系数为55%，而预先设定的匹配系数为58.5%，则此时***会生成融合误差系数与预设匹配系数对应的差值3.5%，并继续沿用一个纹理特征继续进行叠加融合，得到的融合误差系数为56.3%，能够达到预先设定的匹配系数58.5%，即停止叠加融合的过程，继而生成叠加融合后的图像数据集；
需要说明的是，融合误差系数与预设匹配系数达到的系数设定为3%内，预设递增量是基于起始进行叠加融合的纹理特征数量增多而增多，如起始用两个纹理特征与匹配图像数据进行叠加融合后的融合误差系数无法达到预先设定的匹配系数，此时也需要用至少两个或以上的纹理特征继续进行叠加融合。
在本实施例中，判断模块还包括：
识别单元，用于识别各个所述图像数据中的图像特征，获取所述图像特征基于所述图像数据中的占有比例，其中，所述图像特征包括色彩因素与纹理因素；
提取单元，用于提取出各个所述图像数据中所述占有比例低于预设平均水平的劣等图像数据，将所述劣等图像数据作为所述边缘检测的检测对象。
在本实施例中，***通过识别各个图像数据中的图像特征，得到图像特征在图像数据中的占有比例，具体包括色彩因素与纹理因素的占有比例，而后***提取出各个图像数据中占有比例低于预先设有平均水平的图像数据，判定这些低于预先设有平均水平的图像数据为劣等图像数据，将劣等图像数据作为需要进行边缘检测的检测对象。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于智能手表生成图像数据的处理方法，其特征在于，包括以下步骤：
采用图像传感器采集图像数据集，将所述图像数据集基于预设时段分生出若干个图像数据，将所述若干个图像数据代入至预设的独立空间中，对所述若干个图像数据进行边缘检测，判断所述若干个图像数据的像素值是否相匹配；
若否，则分类得出匹配图像数据与非匹配图像数据，获取所述非匹配图像数据中的若干个像素值，识别所述若干个像素值中的至少一个像素点，根据所述至少一个像素点呈现所述若干个像素值对应的图像分辨率，将所述图像分辨率与所述匹配图像数据进行差异性比对，基于各个像素值中缺失的像素点数量，生成所述非匹配图像数据对应所需填充的缺失像素区域；
针对所述缺失像素区域中的边缘像素点，确认所述缺失像素区域中各个像素点之间相邻跨度，在所述缺失像素区域中捕捉到至少一个缺失像素点位置，基于各个缺失像素点位置与所述边缘像素点的边界距离映射值，构建各个缺失像素点的填充队列，根据所述填充队列对所述各个缺失像素点进行迭代填充，生成色彩差异的非匹配图像数据；
基于所述匹配图像数据中预建立的像素点与色彩因子的第一对应关系，构建所述色彩差异的非匹配图像数据中像素点与色彩因子的第二对应关系，将所述第一对应关系与所述第二对应关系进行差异性比对，比对得到所述第一对应关系与所述第二对应关系的色彩因子的非重叠部分，将所述非重叠部分作为所述非匹配图像数据的剩余色彩填充路径，根据所述剩余色彩填充路径对所述色彩差异的非匹配图像数据进行色彩填充，生成处理完毕的图像数据。
2.根据权利要求1所述的一种基于智能手表生成图像数据的处理方法，其特征在于，所述基于所述匹配图像数据中预建立的像素点与色彩因子的第一对应关系的步骤中，包括：
将所述匹配图像数据的各个像素点基于预设色彩空间中的坐标点集，对所述各个像素点进行坐标编码，记录所述各个像素点基于所述色彩空间中的对应坐标与对应色彩值，其中，所述对应坐标包括x点坐标系数和y点坐标系数，所述对应色彩值包括三原色的red色彩、三原色的green色彩与三原色的blue色彩；
根据所述各个像素点构建的图像轮廓，获取所述图像轮廓的区域色彩，基于所述色彩空间的基点中心依次向相邻的各个区域色彩进行色彩赋予，生成所述各个像素点与所述色彩因子的第一对应关系。
3.根据权利要求1所述的一种基于智能手表生成图像数据的处理方法，其特征在于，所述根据所述填充队列对所述各个缺失像素点进行迭代填充，生成色彩差异的非匹配图像数据的步骤中，包括：
基于所述边界距离映射值生成所述各个缺失像素点的填充值；
判断所述填充值是否大于所述边界距离映射值；
若否，则生成所述各个缺失像素点的填充值，根据所述填充队列对所述各个缺失像素点进行填充值标记，对所述各个缺失像素点基于预设优先级进行填充，填充得到色彩差异的非匹配图像数据，其中，所述预设优先级具体为填充值由高至低的优先级。
4.根据权利要求1所述的一种基于智能手表生成图像数据的处理方法，其特征在于，所述基于各个像素值中缺失的像素点数量，生成所述非匹配图像数据对应所需填充的缺失像素区域的步骤中，包括:
获取非匹配图像数据中单个像素值对应的所述像素点数量；
判断所述像素点数量是否与匹配图像数据的像素点数目相同；
若否，则采集所述像素点数量与所述像素点数目之间的像素差值，基于预设像素坐标集扫描所述像素差值对应的缺失像素点坐标，识别所述缺失像素点所述像素坐标集中对应的具体方位，将所述具体方位相连接，建立所述非匹配图像数据对应所需填充的缺失像素区域。
5.根据权利要求1所述的一种基于智能手表生成图像数据的处理方法，其特征在于，所述根据所述至少一个像素点呈现所述若干个像素值对应的图像分辨率，将所述图像分辨率与所述匹配图像数据进行差异性比对的步骤中，包括：
获取所述非匹配图像数据中每英寸面积内存在的像素点数；
判断所述像素点数是否匹配预设的像素点数序列；
若否，则生成所述像素点数对应的差异序列，基于所述像素点数序列获取所述差异序列中缺失的像素点数，识别所述缺失的像素点数对应所述差异序列中的水平方向，得到所述缺失的像素点数的序列差异值，其中，所述水平方向包括横轴和竖轴。
6.根据权利要求1所述的一种基于智能手表生成图像数据的处理方法，其特征在于，所述根据所述色彩填充路径对所述色彩差异的非匹配图像数据进行色彩填充，生成处理完毕的图像数据的步骤后，还包括：
对所述处理完毕的图像数据进行纹理特征提取，得到所述处理完毕的图像数据的至少一个纹理特征；
将所述至少一个纹理特征和匹配图像数据进行叠加融合，得到所述叠加融合对应的融合误差系数；
判断所述融合误差系数是否达到预设匹配系数；
若否，则生成所述融合误差系数与所述预设匹配系数对应的差值，根据预设递增量将所述至少一个纹理特征与所述匹配图像数据继续进行叠加融合，直至所述叠加融合对应的融合误差系数达到所述预设匹配系数，停止所述叠加融合，得到叠加融合的图像数据集。
7.根据权利要求1所述的一种基于智能手表生成图像数据的处理方法，其特征在于，所述将所述若干个图像数据代入至预设的独立空间中，对所述若干个图像数据进行边缘检测的步骤中，包括：
识别各个所述图像数据中的图像特征，获取所述图像特征基于所述图像数据中的占有比例，其中，所述图像特征包括色彩因素与纹理因素；
提取出各个所述图像数据中所述占有比例低于预设平均水平的劣等图像数据，将所述劣等图像数据作为所述边缘检测的检测对象。
8.一种基于智能手表生成图像数据的处理***，其特征在于，包括：
判断模块，用于采用图像传感器采集图像数据集，将所述图像数据集基于预设时段分生出若干个图像数据，将所述若干个图像数据代入至预设的独立空间中，对所述若干个图像数据进行边缘检测，判断所述若干个图像数据的像素值是否相匹配；
执行模块，用于若否，则分类得出匹配图像数据与非匹配图像数据，获取所述非匹配图像数据中的若干个像素值，识别所述若干个像素值中的至少一个像素点，根据所述至少一个像素点呈现所述若干个像素值对应的图像分辨率，将所述图像分辨率与所述匹配图像数据进行差异性比对，基于各个像素值中缺失的像素点数量，生成所述非匹配图像数据对应所需填充的缺失像素区域；
生成模块，用于针对所述缺失像素区域中的边缘像素点，确认所述缺失像素区域中各个像素点之间相邻跨度，在所述缺失像素区域中捕捉到至少一个缺失像素点位置，基于各个缺失像素点位置与所述边缘像素点的边界距离映射值，构建各个缺失像素点的填充队列，根据所述填充队列对所述各个缺失像素点进行迭代填充，生成色彩差异的非匹配图像数据；
填充模块，用于基于所述匹配图像数据中预建立的像素点与色彩因子的第一对应关系，构建所述色彩差异的非匹配图像数据中像素点与色彩因子的第二对应关系，将所述第一对应关系与所述第二对应关系进行差异性比对，比对得到所述第一对应关系与所述第二对应关系的色彩因子的非重叠部分，将所述非重叠部分作为所述非匹配图像数据的剩余色彩填充路径，根据所述剩余色彩填充路径对所述色彩差异的非匹配图像数据进行色彩填充，生成处理完毕的图像数据。
9.根据权利要求8所述的一种基于智能手表生成图像数据的处理***，其特征在于，所述填充模块还包括：
记录单元，用于将所述匹配图像数据的各个像素点基于预设色彩空间中的坐标点集，对所述各个像素点进行坐标编码，记录所述各个像素点基于所述色彩空间中的对应坐标与对应色彩值，其中，所述对应坐标包括x点坐标系数和y点坐标系数，所述对应色彩值包括三原色的red色彩、三原色的green色彩与三原色的blue色彩；
生成单元，用于根据所述各个像素点构建的图像轮廓，获取所述图像轮廓的区域色彩，基于所述色彩空间的基点中心依次向相邻的各个区域色彩进行色彩赋予，生成所述各个像素点与所述色彩因子的第一对应关系。
10.根据权利要求8所述的一种基于智能手表生成图像数据的处理***，其特征在于，所述生成模块还包括：
第二生成单元，用于基于所述边界距离映射值生成所述各个缺失像素点的填充值；
判断单元，用于判断所述填充值是否大于所述边界距离映射值；
执行单元，用于若否，则生成所述各个缺失像素点的填充值，根据所述填充队列对所述各个缺失像素点进行填充值标记，对所述各个缺失像素点基于预设优先级进行填充，填充得到色彩差异的非匹配图像数据，其中，所述预设优先级具体为填充值由高至低的优先级。
CN202310190279.3A 2023-03-02 2023-03-02 一种基于智能手表生成图像数据的处理方法及*** Active CN116051681B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310190279.3A CN116051681B (zh) 2023-03-02 2023-03-02 一种基于智能手表生成图像数据的处理方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310190279.3A CN116051681B (zh) 2023-03-02 2023-03-02 一种基于智能手表生成图像数据的处理方法及***

Publications (2)

Publication Number Publication Date
CN116051681A CN116051681A (zh) 2023-05-02
CN116051681B true CN116051681B (zh) 2023-06-09

Family

ID=86121996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310190279.3A Active CN116051681B (zh) 2023-03-02 2023-03-02 一种基于智能手表生成图像数据的处理方法及***

Country Status (1)

Country Link
CN (1) CN116051681B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116863861B (zh) * 2023-09-05 2023-11-24 欣瑞华微电子(上海)有限公司 基于非显性点判断的图像处理方法、设备及可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8472684B1 (en) * 2010-06-09 2013-06-25 Icad, Inc. Systems and methods for generating fused medical images from multi-parametric, magnetic resonance image data
CN110246100A (zh) * 2019-06-11 2019-09-17 山东师范大学 一种基于角度感知块匹配的图像修复方法和***
WO2021243895A1 (zh) * 2020-06-02 2021-12-09 苏州科瓴精密机械科技有限公司 基于图像识别工作位置的方法、***，机器人及存储介质

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK2181342T3 (en) * 2007-08-23 2017-05-08 Verasonics Inc Adaptive reconstruction of ultrasound images based on measurement of local media movement
JP2011175569A (ja) * 2010-02-25 2011-09-08 Sharp Corp 文書画像生成装置、文書画像生成方法及びコンピュータプログラム
JP4670994B2 (ja) * 2010-04-05 2011-04-13 オムロン株式会社 カラー画像の処理方法および画像処理装置
DE102011086456A1 (de) * 2011-11-16 2013-05-16 Siemens Aktiengesellschaft Rekonstruktion von Bilddaten
JP5983935B2 (ja) * 2011-11-30 2016-09-06 パナソニックＩｐマネジメント株式会社 新視点画像生成装置および新視点画像生成方法
GB2569803B (en) * 2017-12-22 2021-11-24 Novarum Dx Ltd Analysis of a captured image to determine a test outcome
JP7134017B2 (ja) * 2018-08-14 2022-09-09 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
CN110770791A (zh) * 2018-11-22 2020-02-07 深圳市大疆创新科技有限公司 一种基于点云地图的图像边界获取方法、设备及飞行器
CN111461989B (zh) * 2020-04-02 2020-12-22 深圳普捷利科技有限公司 车载图像像素调整方法、装置、设备及可读存储介质
CN111524071B (zh) * 2020-04-24 2022-09-16 安翰科技(武汉)股份有限公司 胶囊内窥镜图像拼接方法、电子设备及可读存储介质
US11587228B2 (en) * 2020-08-11 2023-02-21 Nano-X Ai Ltd. Cross modality training of machine learning models
CN111932664B (zh) * 2020-08-27 2023-06-23 腾讯科技（深圳）有限公司 图像渲染方法、装置、电子设备及存储介质
US20220197893A1 (en) * 2020-12-23 2022-06-23 Here Global B.V. Aerial vehicle and edge device collaboration for visual positioning image database management and updating
GB2605157B (en) * 2021-03-24 2023-08-23 Sony Interactive Entertainment Inc Image rendering method and apparatus
CN113673536B (zh) * 2021-07-09 2023-10-10 浪潮金融信息技术有限公司 一种图像颜色提取方法、***及介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8472684B1 (en) * 2010-06-09 2013-06-25 Icad, Inc. Systems and methods for generating fused medical images from multi-parametric, magnetic resonance image data
CN110246100A (zh) * 2019-06-11 2019-09-17 山东师范大学 一种基于角度感知块匹配的图像修复方法和***
WO2021243895A1 (zh) * 2020-06-02 2021-12-09 苏州科瓴精密机械科技有限公司 基于图像识别工作位置的方法、***，机器人及存储介质

Also Published As

Publication number Publication date
CN116051681A (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
US7362918B2 (en) System and method for de-noising multiple copies of a signal
US7054478B2 (en) Image conversion and encoding techniques
US6912313B2 (en) Image background replacement method
US8508580B2 (en) Methods, systems, and computer-readable storage media for creating three-dimensional (3D) images of a scene
US20110080466A1 (en) Automated processing of aligned and non-aligned images for creating two-view and multi-view stereoscopic 3d images
US5841899A (en) Specific color field recognition apparatus and method
CN109495729B (zh) 投影画面校正方法和***
JPH1023452A (ja) 画像抽出装置および方法
US20060002629A1 (en) Method and system of deskewing an image using monochrome conversion to separate foreground from background
US9332247B2 (en) Image processing device, non-transitory computer readable recording medium, and image processing method
CN116051681B (zh) 一种基于智能手表生成图像数据的处理方法及***
CN111586273B (zh) 电子设备及图像获取方法
US10074209B2 (en) Method for processing a current image of an image sequence, and corresponding computer program and processing device
JP2007067847A (ja) 画像処理方法及び装置、デジタルカメラ装置、並びに画像処理プログラムを記録した記録媒体
CN115035147A (zh) 基于虚拟拍摄的抠图方法、装置、***及图像融合方法
CN113888509A (zh) 一种图像清晰度的评价方法、装置、设备及存储介质
US7003160B2 (en) Image processing apparatus, image processing method, and computer readable recording medium recording image processing program for processing image obtained by picking up or reading original
CN112433641A (zh) 一种多rgbd深度传感器的自动校准桌面道具互动***的实现方法
CN108833874B (zh) 一种用于行车记录仪的全景图像色彩校正方法
CN111192227A (zh) 一种重叠画面的融合处理方法
CN113239806B (zh) 一种基于图像识别的幕墙板块识别方法及***
CN115546141A (zh) 一种基于多维度度量的小样本Mini LED缺陷检测方法及***
CN113516621A (zh) 液体检测方法、装置、设备和存储介质
CN117376718B (zh) 基于摄像机输出信号进行实时色彩调整方法及***
CN114239635B (zh) 一种针对doi图像涂鸦的处理方法、装置及设备

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