CN116055876A - 一种视频处理方法、装置、电子设备和存储介质 - Google Patents
一种视频处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116055876A CN116055876A CN202111257788.0A CN202111257788A CN116055876A CN 116055876 A CN116055876 A CN 116055876A CN 202111257788 A CN202111257788 A CN 202111257788A CN 116055876 A CN116055876 A CN 116055876A
- Authority
- CN
- China
- Prior art keywords
- video
- video frame
- determining
- blurred
- frame
- 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 abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 29
- 238000012216 screening Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000012217 deletion Methods 0.000 description 4
- 230000037430 deletion Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012546 transfer Methods 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
- G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/68—Control of cameras or camera modules for stable pick-up of the scene, e.g. compensating for camera body vibrations
-
- 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
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本公开实施例公开了一种视频处理方法、装置、电子设备和存储介质,该方法包括:确定原始视频中的模糊视频帧;将所述模糊视频帧从所述原始视频中删除,获得不包括所述模糊视频帧的中间视频;基于所述中间视频中时间戳与目标时间戳相邻的视频帧确定待***视频帧,所述目标时间戳为所述模糊视频帧的时间戳;在所述中间视频中与所述目标时间戳对应的位置***所述待***视频帧,获得目标视频。本公开提供的视频处理方法,实现了去除视频中的模糊帧、改善视频质量的目的。
Description
技术领域
本公开涉及信息技术领域,尤其涉及一种视频处理方法、装置、电子设备和存储介质。
背景技术
近年来,随着电子设备技术的快速发展,很多电子设备支持视频拍摄,视频的拍摄质量成为评价电子设备的重要指标之一。影响视频拍摄质量的因素很多,比如分辨率、饱和度、清晰度等,其中,清晰度是很重要的影响因素。
在基于电子设备拍摄视频时,若在曝光时间内,拍摄对象发生移动或者电子设备发生抖动,会导致所拍摄的视频中出现运动模糊的画面,具体表现为成像模糊、弥散或者有拖影。
因此,为了获得质量较好的视频,需要对视频中的模糊画面进行处理。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开实施例提供了一种视频处理方法、装置、电子设备和存储介质,实现了去除视频中的模糊帧、改善视频质量的目的。
第一方面,本公开实施例提供了一种视频处理方法,该方法包括:
确定原始视频中的模糊视频帧;
将所述模糊视频帧从所述原始视频中删除,获得不包括所述模糊视频帧的中间视频;
基于所述中间视频中时间戳与目标时间戳相邻的视频帧确定待***视频帧,所述目标时间戳为所述模糊视频帧的时间戳;
在所述中间视频中与所述目标时间戳对应的位置***所述待***视频帧,获得目标视频。
第二方面,本公开实施例还提供了一种视频处理装置,该装置包括:
第一确定模块,用于确定原始视频中的模糊视频帧;
删除模块,用于将所述模糊视频帧从所述原始视频中删除,获得不包括所述模糊视频帧的中间视频;
第二确定模块,用于基于所述中间视频中时间戳与目标时间戳相邻的视频帧确定待***视频帧,所述目标时间戳为所述模糊视频帧的时间戳;
插帧模块,用于在所述中间视频中与所述目标时间戳对应的位置***所述待***视频帧,获得目标视频。
第三方面,本公开实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的视频处理方法。
第四方面,本公开实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的视频处理方法。
本公开实施例提供的技术方案与现有技术相比至少具有如下优点:
本公开实施例提供的视频处理方法,优先确定原始视频中的模糊视频帧,然后将模糊视频帧从原始视频中删除,以插帧的方式在删除视频帧的位置***清晰的视频帧,从而达到改善视频质量的目的。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本公开实施例中的一种视频处理方法的流程图;
图2为本公开实施例中的一种视频处理方法的流程图;
图3为本公开实施例中的一种图像的边缘位置的示意图;
图4为本公开实施例中的一种原始视频中各视频帧对应的边缘图像中所有像素点的像素值的累加和的变化示意图;
图5为本公开实施例中的一种视频处理方法的流程图;
图6为本公开实施例中的一种视频处理装置的结构示意图;
图7为本公开实施例中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行以及并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例中的一种视频处理方法的流程图。该方法可以由视频处理装置执行,该装置可以采用软件和/或硬件的方式实现,该装置可配置于电子设备中,例如显示终端,具体包括但不限于智能手机、掌上电脑、平板电脑、便携式可穿戴设备、智能家居设备(例如台灯)等具备显示屏的电子设备。
如图1所示,该方法具体可以包括如下步骤:
步骤110、确定原始视频中的模糊视频帧。
具体的,可以通过预设算法确定原始视频中每个视频帧的边缘图像,而后基于边缘图像确定成像模糊、有拖影的视频帧,该类视频帧即为模糊视频帧,在本公开实施例中,将模糊视频帧标记为第一视频帧。
步骤120、将所述模糊视频帧从所述原始视频中删除,获得不包括所述模糊视频帧的中间视频。
步骤130、基于所述中间视频中时间戳与目标时间戳相邻的视频帧确定待***视频帧,所述目标时间戳为所述模糊视频帧的时间戳。
假设模糊帧的时间戳为2s,即在原始视频播放到2s的位置为第一视频帧的位置,在将第一视频帧从原始视频中删除之后获得的中间视频的播放时间轴上第2s的位置将缺失一个视频帧,为了获得较好的视频效果,保证视频的连续性,在第2s的位置***一个视频帧(该视频帧称为待***视频帧),以保证视频画面的连续性。
可选的,待***视频帧基于中间视频中在第1s和第3s位置的视频帧确定,具体的可以通过预设插帧算法,基于相邻两个视频帧预测位于该相邻两个视频帧中间的视频帧;例如基于运动估计的方法或者通过神经网络确定待***视频帧。本公开实施不对基于所述中间视频中时间戳与目标时间戳相邻的视频帧确定待***视频帧的方式进行限定。
步骤140、在所述中间视频中与所述目标时间戳对应的位置***所述待***视频帧,获得目标视频。
例如,第一视频帧的数量为1,对应的时间戳为2s,即在原始视频播放到2s的位置为第一视频帧的位置,在将第一视频帧从原始视频中删除之后,原始视频的播放时间轴上第2s的位置将缺失一个视频帧,为了获得较好的视频效果,保证视频的连续性,在第2s的位置***一个视频帧,以保证视频画面的连续性。在本公开实施例中,将***的视频帧标记为第二视频帧。
在一些实施方式中,***的第二视频帧的数量与删除的第一视频帧的数量相同,例如从原始视频中删除了两个第一视频帧,则在删除之后,在原始视频中***两个第二视频帧。
在一些实施方式中,***的第二视频帧的数量比删除的第一视频帧的数量多,例如从原始视频中删除了两个第一视频帧,在删除之后,在原始视频中***三个第二视频帧。通过***较多的第二视频帧可提高原始视频的帧率,进而进一步提升原始视频的播放效果。
本公开实施例提供的视频处理方法,优先确定原始视频中图像质量较差的视频帧,然后将图像质量较差的视频帧从原始视频中删除,以插帧的方式在删除视频帧的位置***图像质量较好的视频帧,可去除视频中的模糊帧,并***清晰的视频帧代替去除的模糊帧,从而达到改善视频质量的目的。
在上述实施例的基础上,图2为一种视频处理方法的流程示意图。在上述实施例的基础上,本实施例针对上述步骤110“确定原始视频中的模糊视频帧”给出了具体实施方式。
如图2所示,所述视频处理方法包括如下步骤:
步骤210、基于索贝尔算子sobel确定当前视频帧预设位置的第一边缘图像,所述当前视频帧为所述原始视频中的任意一个视频帧。
步骤220、基于所述原始视频中各视频帧预设位置的边缘图像确定所述模糊视频帧。
其中,预设位置指图像的边缘位置,如图3所示的一种图像的边缘位置的示意图,其中白色线条勾画的部分为图像的边缘位置,只包括白色线条的图像为所述边缘图像,即边缘位置组成的图像。索贝尔算子sobel主要用于图像的边缘检测,其根据像素点上、下、左、右邻点的灰度加权差,在边缘处达到极值的特征进行边缘检测。在图像的任何一点使用此算子,将会产生对应的灰度矢量或是其法矢量。换言之,针对原始视频中的每个视频帧,分别计算其边缘图像,根据每个视频帧的边缘图像确定图像质量不符合预设条件的视频帧,即根据边缘图像确定模糊视频帧,模糊视频帧即为所述第一视频帧。原始图像中的模糊视频帧的数量可能是多个(多个指两个以上),也可能是一个。
进一步的,在一些实施例中,所述基于所述原始视频中各视频帧预设位置的边缘图像确定所述模糊视频帧,包括:
确定所述第一边缘图像中各像素点的像素值的第一累加和;确定邻居视频帧设位置的第二边缘图像中各像素点的像素值的第二累加和,所述邻居视频帧为所述原始视频中与所述当前视频帧相邻的视频帧;确定所述第一累加和与所述第二累加和之间的第一差的绝对值;基于所述第一差的绝对值确定所述模糊视频帧。
可选的,在一些实施例中,若所述第一差的绝对值大于第一预设阈值,则确定所述当前视频帧为所述模糊视频帧。例如,假设原始视频中第i(i≥1)个视频帧的边缘图像中所有像素点的像素值的累加和为edge_sum(i),第(i-1)个视频帧的边缘图像中所有像素点的像素值的累加和为edge_sum(i-1),cond1=abs(edge_sum(i)-edge_sum(i-1)),其中abs()表示取绝对值的函数;若cond1大于第一预设阈值,则认为原始视频中的第i个视频帧为所述第一视频帧。
更具体的,假设第i个视频帧的边缘图像包括4个像素点,该4个像素点分别对应的像素值分别为5、15、2和0,则该4个像素点对应的像素值的累加和即edge_sum(i)=5+15+2+0=22。第(i-1)个视频帧的边缘图像包括4个像素点,这四个像素点分别对应的像素值为4、10、1和3,则这4个像素点对应的像素值的累加和即edge_sum(i-1)=4+10+1+3=18。则cond1(i)=abs(edge_sum(i)-edge_sum(i-1))=abs(22-18)=4。参考如图4所示的一种原始视频中各视频帧对应的边缘图像中所有像素点的像素值的累加和的变化示意图,突变的位置为模糊发生的可能时间点。
在一些实施例中,为了进一步提高模糊帧的确定精度,基于所述第一差的绝对值确定所述模糊视频帧,包括:基于所述第一边缘图像的直方图以及所述第二边缘图像的直方图,确定所述第一边缘图像与所述第二边缘图像在各像素值下像素点总数之差的绝对值的最大值。
具体的,基于所述第一边缘图像的直方图,确定所述第一边缘图像中像素值为目标值的第一像素点总数,所述目标值为所述第一边缘图像中像素值的任意一个;基于所述第二边缘图像的直方图,确定所述第二边缘图像中像素值为所述目标值的第二像素点总数;确定所述第一像素点总数与所述第二像素点总数之间的第二差的绝对值;确定所述第一边缘图像中各像素值对应的所述第二差的绝对值中的最大值;基于所述第一差的绝对值以及所述最大值确定所述模糊视频帧。例如,假设第一边缘图像中所有像素点的像素值的取值范围为0-15,共16个数值,即所述目标值为这16个数值中的任意一个;第二边缘图像中所有像素点的像素值的取值范围为0-15;则所述第一边缘图像中各像素值对应的所述第二差的绝对值中的最大值可以表示为max{abs(hist(i)(k)-hist(i-1)(k))},其中,abs()表示取绝对值的函数,hist(i)(k)表示第i个边缘图像(可以理解为是第一边缘图像)中像素值为k的第一像素点总数,hist(i-1)(k)表示第(i-1)边缘图像(可以理解为第二边缘图像)中像素值为k的第二像素点总数,即所述目标值为k,0≤k<16。更具体的,假设第i个视频帧的边缘图像中,像素值为0的像素点总数为5,像素值为1的像素点总数为15,像素值为2的像素点总数为2,像素值为3的像素点总数为0;第(i-1)个视频帧的边缘图像中,像素值为0的像素点总数为4,像素值为1的像素点总数为10,像素值为2的像素点总数为1,像素值为3的像素点总数为3;则cond2(i)=max{abs(hist(i)(k)-hist(i-1)(k))}=max{abs(5-4),abs(15-10),abs(2-1),abs(0-3}=5。
在一些实施例中,基于所述第一差的绝对值以及所述最大值确定所述模糊视频帧,包括:对所述第一差的绝对值以及所述最大值进行加权求和,获得模糊程度;若所述模糊程度大于第二预设阈值,则确定所述当前视频帧为所述模糊视频帧。示例性的,模糊程度cond(i)=c1*cond1(i)+c2*cond2(i),c1和c2为预设常数。当cond(i)>thr1时,则确定第i个视频帧为模糊帧,即图像质量不满足预设条件的第一视频帧,thr1为所述第二预设阈值。
在一些实施例中,为了降低计算量,提高计算速度,所述确定所述第一边缘图像中各像素点的像素值的第一累加和之前,所述基于所述原始视频中各视频帧预设位置的边缘图像确定所述模糊视频帧,还包括:分别对所述原始视频中各视频帧预设位置的边缘图像进行归一化处理,以将所述边缘图像中像素点的像素值映射至预设区间;其中,所述边缘图像为单通道图像。初始时,边缘图像中每个像素点的像素值的取值范围是0-255,在确定模糊帧时,需计算每个像素值对应的像素点总数以及各像素点的像素值的累加和,因此计算量较大,为了降低计算量,提高计算效率,在确定各像素点的像素值的第一累加和之前,对各边缘图像进行归一化处理,将边缘图像中像素点的像素值映射至预设区间,例如从0-255的区间映射到0-16。
在一些实施例中,为了保证视频的连续性,不允许对较多的第一视频帧进行删除操作,因此,若所述模糊视频帧的数量超过第三预设阈值,所述方法还包括:对多个第一视频帧进行过滤,仅保留有限个第一视频帧,例如第三预设阈值为8,则最多保留8个第一视频帧,若按照上述实施例中的确定方法确定出的第一视频帧的数量为10个,则需要过滤掉2个,保留8个,即从原始视频中最多只能删除8个第一视频帧。具体的,将所述第一差的绝对值中的最大者或者所述模糊程度中的最大者确定为极值点;基于所述极值点对应的视频帧的时间戳对所述模糊视频帧进行筛选,以获得帧数为所述第三预设阈值的模糊视频帧。进一步的,基于所述极值点对应的视频帧的时间戳对所述模糊视频帧进行筛选,以获得帧数为所述第三预设阈值的模糊视频帧,包括:
以所述极值点对应的视频帧的时间戳为中心,分别向前和向后依次各取设定帧数的视频帧作为经过筛选后保留的模糊视频帧;所述设定帧数根据所述第三预设阈值确定。
例如,通过计算确定原始视频中第一个视频帧对应的模糊程度为0,原始视频中第二个视频帧对应的模糊程度为0,原始视频中第三个视频帧对应的模糊程度为6,原始视频中第四个视频帧对应的模糊程度为7,原始视频中第五个视频帧对应的模糊程度为6,原始视频中第六个视频帧对应的模糊程度为6,假设第二预设阈值为5,则确定第三个视频帧、第四个视频帧、第五个视频帧和第六个视频帧为上述第一视频帧,第一视频帧的数量为4,即模糊帧的数量为4,假设第三预设阈值为3,则需要从上述4个第一视频帧中过滤掉1个,保留其中的3个。具体的,由于模糊程度的最大值为7,因此,将7确定为极值点,该极值点对应的对应的视频帧为第四个视频帧,该极值点对应的视频帧的时间戳为原始视频中第四个视频帧的时间戳,以该时间戳为中心,分别向前和向后依次各取设定帧数的视频帧作为经过筛选后保留的模糊视频帧,例如向前取时间戳离第四个视频帧的时间戳最近的一个视频帧,即第三个视频帧,向后取时间戳离第四个视频帧的时间戳最近的一个视频帧,即第五个视频帧,故将第三个视频帧、第四个视频帧和第五个视频帧确定为最终的第一视频帧,将第一个视频帧、第二个视频帧和第六个视频帧过滤掉。
步骤230、将所述模糊视频帧从所述原始视频中删除,获得不包括所述模糊视频帧的中间视频。
步骤240、基于所述中间视频中时间戳与目标时间戳相邻的视频帧确定待***视频帧,所述目标时间戳为所述模糊视频帧的时间戳。
步骤250、在所述中间视频中与所述目标时间戳对应的位置***所述待***视频帧,获得目标视频。
概括性的,参考如图5所示的一种视频处理方法的流程示意图,具体包括:针对原始视频进行模糊帧检测,获得模糊帧序列并将模糊帧序列从原始视频中删除,然后通过插帧的方式将删除掉的视频帧补回至原始视频,获得模糊修复后的目标视频,从而达到改善视频质量的目的。
图6为本公开实施例中的一种视频处理装置的结构示意图。如图6所示,该视频处理装置具体包括:第一确定模块610、删除模块620、第二确定模块630和插帧模块640。
其中,第一确定模块610,用于确定原始视频中的模糊视频帧;删除模块620,用于将所述模糊视频帧从所述原始视频中删除,获得不包括所述模糊视频帧的中间视频;第二确定模块630,用于基于所述中间视频中时间戳与目标时间戳相邻的视频帧确定待***视频帧,所述目标时间戳为所述模糊视频帧的时间戳;插帧模块640用于在所述中间视频中与所述目标时间戳对应的位置***所述待***视频帧,获得目标视频。
可选的,第一确定模块610具体包括:第一确定单元,用于基于索贝尔算子sobel确定当前视频帧预设位置的第一边缘图像,所述当前视频帧为所述原始视频中的任意一个视频帧;第二确定单元,用于基于所述原始视频中各视频帧预设位置的边缘图像确定所述模糊视频帧。
可选的,所述第二确定单元具体包括:第一确定子单元,用于确定所述第一边缘图像中各像素点的像素值的第一累加和;确定邻居视频帧设位置的第二边缘图像中各像素点的像素值的第二累加和,所述邻居视频帧为所述原始视频中与所述当前视频帧相邻的视频帧;确定所述第一累加和与所述第二累加和之间的第一差的绝对值;第二确定子单元,用于基于所述第一差的绝对值确定所述模糊视频帧。
可选的,所述第二确定子单元具体用于:若所述第一差的绝对值大于第一预设阈值,则确定所述当前视频帧为所述模糊视频帧。
可选的,所述第二确定子单元具体用于:基于所述第一边缘图像的直方图,确定所述第一边缘图像中像素值为目标值的第一像素点总数,所述目标值为所述第一边缘图像中像素值的任意一个;基于所述第二边缘图像的直方图,确定所述第二边缘图像中像素值为所述目标值的第二像素点总数;确定所述第一像素点总数与所述第二像素点总数之间的第二差的绝对值;确定所述第一边缘图像中各像素值对应的所述第二差的绝对值中的最大值;基于所述第一差的绝对值以及所述最大值确定所述模糊视频帧。
可选的,所述第二确定子单元具体用于:对所述第一差的绝对值以及所述最大值进行加权求和,获得模糊程度;若所述模糊程度大于第二预设阈值,则确定所述当前视频帧为所述模糊视频帧。
可选的,还包括:归一化模块,用于所述确定所述第一边缘图像中各像素点的像素值的第一累加和之前,分别对所述原始视频中各视频帧预设位置的边缘图像进行归一化处理,以将所述边缘图像中像素点的像素值映射至预设区间;其中,所述边缘图像为单通道图像。
可选的,还包括:筛选模块,用于在所述第一视频帧的数量超过第三预设阈值时,将所述第一差的绝对值中的最大者或者所述模糊程度中的最大者确定为极值点;基于所述极值点对应的视频帧的时间戳对所述模糊视频帧进行筛选,以获得帧数为所述第三预设阈值的模糊视频帧。
可选的,所述筛选模块具体用于:以所述极值点对应的视频帧的时间戳为中心,分别向前和向后依次各取设定帧数的视频帧作为经过筛选后保留的模糊视频帧;所述设定帧数根据所述第三预设阈值确定。
本公开实施例提供的视频处理装置,优先确定原始视频中图像质量较差的视频帧,然后将图像质量较差的视频帧从原始视频中删除,以插帧的方式在删除视频帧的位置***图像质量较好的视频帧,可去除视频中的模糊帧,并***清晰的视频帧代替去除的模糊帧,从而达到改善视频质量的目的。
本公开实施例提供的视频处理装置,可执行本公开方法实施例所提供的视频处理方法中的步骤,具备执行步骤和有益效果此处不再赘述。
图7为本公开实施例中的一种电子设备的结构示意图。下面具体参考图7,其示出了适于用来实现本公开实施例中的电子设备700的结构示意图。本公开实施例中的电子设备700可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)、可穿戴电子设备等等的移动终端以及诸如数字TV、台式计算机、智能家居设备等等的固定终端。图7示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理以实现如本公开所述的实施例的方法。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码,从而实现如上所述的方法。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
确定原始视频中的模糊视频帧;将所述模糊视频帧从所述原始视频中删除,获得不包括所述模糊视频帧的中间视频;基于所述中间视频中时间戳与目标时间戳相邻的视频帧确定待***视频帧,所述目标时间戳为所述模糊视频帧的时间戳;在所述中间视频中与所述目标时间戳对应的位置***所述待***视频帧,获得目标视频。
可选的,当上述一个或者多个程序被该电子设备执行时,该电子设备还可以执行上述实施例所述的其他步骤。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
根据本公开的一个或多个实施例,本公开提供了一种视频处理方法,包括:确定原始视频中的模糊视频帧;将所述模糊视频帧从所述原始视频中删除,获得不包括所述模糊视频帧的中间视频;基于所述中间视频中时间戳与目标时间戳相邻的视频帧确定待***视频帧,所述目标时间戳为所述模糊视频帧的时间戳;在所述中间视频中与所述目标时间戳对应的位置***所述待***视频帧,获得目标视频。
根据本公开的一个或多个实施例,在本公开提供的视频处理方法中,可选的,所述确定原始视频中的模糊视频帧,包括:基于索贝尔算子sobel确定当前视频帧预设位置的第一边缘图像,所述当前视频帧为所述原始视频中的任意一个视频帧;基于所述原始视频中各视频帧预设位置的边缘图像确定所述模糊视频帧。
根据本公开的一个或多个实施例,在本公开提供的视频处理方法中,可选的,所述基于所述原始视频中各视频帧预设位置的边缘图像确定所述模糊视频帧,包括:确定所述第一边缘图像中各像素点的像素值的第一累加和;确定邻居视频帧设位置的第二边缘图像中各像素点的像素值的第二累加和,所述邻居视频帧为所述原始视频中与所述当前视频帧相邻的视频帧;确定所述第一累加和与所述第二累加和之间的第一差的绝对值;基于所述第一差的绝对值确定所述模糊视频帧。
根据本公开的一个或多个实施例,在本公开提供的视频处理方法中,可选的,所述基于所述第一差的绝对值确定所述模糊视频帧,包括:若所述第一差的绝对值大于第一预设阈值,则确定所述当前视频帧为所述模糊视频帧。
根据本公开的一个或多个实施例,在本公开提供的视频处理方法中,可选的,所述基于所述第一差的绝对值确定所述模糊视频帧,包括:
基于所述第一边缘图像的直方图,确定所述第一边缘图像中像素值为目标值的第一像素点总数,所述目标值为所述第一边缘图像中像素值的任意一个;基于所述第二边缘图像的直方图,确定所述第二边缘图像中像素值为所述目标值的第二像素点总数;确定所述第一像素点总数与所述第二像素点总数之间的第二差的绝对值;确定所述第一边缘图像中各像素值对应的所述第二差的绝对值中的最大值;基于所述第一差的绝对值以及所述最大值确定所述模糊视频帧。
根据本公开的一个或多个实施例,在本公开提供的视频处理方法中,可选的,所述基于所述第一差的绝对值以及所述最大值确定所述模糊视频帧,包括:对所述第一差的绝对值以及所述最大值进行加权求和,获得模糊程度;若所述模糊程度大于第二预设阈值,则确定所述当前视频帧为所述模糊视频帧。
根据本公开的一个或多个实施例,在本公开提供的视频处理方法中,可选的,所述确定所述第一边缘图像中各像素点的像素值的第一累加和之前,所述基于所述原始视频中各视频帧预设位置的边缘图像确定所述模糊视频帧,还包括:分别对所述原始视频中各视频帧预设位置的边缘图像进行归一化处理,以将所述边缘图像中像素点的像素值映射至预设区间。
根据本公开的一个或多个实施例,在本公开提供的视频处理方法中,可选的,若所述模糊视频帧的数量超过第三预设阈值,所述方法还包括:将所述第一差的绝对值中的最大者或者所述模糊程度中的最大者确定为极值点;基于所述极值点对应的视频帧的时间戳对所述模糊视频帧进行筛选,以获得帧数为所述第三预设阈值的模糊视频帧。
根据本公开的一个或多个实施例,在本公开提供的视频处理方法中,可选的,所述基于所述极值点对应的视频帧的时间戳对所述模糊视频帧进行筛选,以获得帧数为所述第三预设阈值的模糊视频帧,包括:以所述极值点对应的视频帧的时间戳为中心,分别向前和向后依次各取设定帧数的视频帧作为经过筛选后保留的模糊视频帧;所述设定帧数根据所述第三预设阈值确定。
根据本公开的一个或多个实施例,本公开提供了一种视频处理装置,包括:第一确定模块,用于确定原始视频中的模糊视频帧;删除模块,用于将所述模糊视频帧从所述原始视频中删除,获得不包括所述模糊视频帧的中间视频;第二确定模块,用于基于所述中间视频中时间戳与目标时间戳相邻的视频帧确定待***视频帧,所述目标时间戳为所述模糊视频帧的时间戳;插帧模块,用于在所述中间视频中与所述目标时间戳对应的位置***所述待***视频帧,获得目标视频。
根据本公开的一个或多个实施例,在本公开提供的视频处理装置中,可选的,第一确定模块具体包括:第一确定单元,用于基于索贝尔算子sobel确定当前视频帧预设位置的第一边缘图像,所述当前视频帧为所述原始视频中的任意一个视频帧;第二确定单元,用于基于所述原始视频中各视频帧预设位置的边缘图像确定所述模糊视频帧。
根据本公开的一个或多个实施例,在本公开提供的视频处理装置中,可选的,所述第二确定单元具体包括:第一确定子单元,用于确定所述第一边缘图像中各像素点的像素值的第一累加和;确定邻居视频帧设位置的第二边缘图像中各像素点的像素值的第二累加和,所述邻居视频帧为所述原始视频中与所述当前视频帧相邻的视频帧;确定所述第一累加和与所述第二累加和之间的第一差的绝对值;第二确定子单元,用于基于所述第一差的绝对值确定所述模糊视频帧。
根据本公开的一个或多个实施例,在本公开提供的视频处理装置中,可选的,所述第二确定子单元具体用于:若所述第一差的绝对值大于第一预设阈值,则确定所述当前视频帧为所述模糊视频帧。
根据本公开的一个或多个实施例,在本公开提供的视频处理装置中,可选的,所述第二确定子单元具体用于:基于所述第一边缘图像的直方图,确定所述第一边缘图像中像素值为目标值的第一像素点总数,所述目标值为所述第一边缘图像中像素值的任意一个;基于所述第二边缘图像的直方图,确定所述第二边缘图像中像素值为所述目标值的第二像素点总数;确定所述第一像素点总数与所述第二像素点总数之间的第二差的绝对值;确定所述第一边缘图像中各像素值对应的所述第二差的绝对值中的最大值;基于所述第一差的绝对值以及所述最大值确定所述模糊视频帧。
根据本公开的一个或多个实施例,在本公开提供的视频处理装置中,可选的,所述第二确定子单元具体用于:对所述第一差的绝对值以及所述最大值进行加权求和,获得模糊程度;若所述模糊程度大于第二预设阈值,则确定所述当前视频帧为所述模糊视频帧。
根据本公开的一个或多个实施例,在本公开提供的视频处理装置中,可选的,还包括:归一化模块,用于所述确定所述第一边缘图像中各像素点的像素值的第一累加和之前,分别对所述原始视频中各视频帧预设位置的边缘图像进行归一化处理,以将所述边缘图像中像素点的像素值映射至预设区间;其中,所述边缘图像为单通道图像。
根据本公开的一个或多个实施例,在本公开提供的视频处理装置中,可选的,还包括:筛选模块,用于在所述第一视频帧的数量超过第三预设阈值时,将所述第一差的绝对值中的最大者或者所述模糊程度中的最大者确定为极值点;基于所述极值点对应的视频帧的时间戳对所述模糊视频帧进行筛选,以获得帧数为所述第三预设阈值的模糊视频帧。
根据本公开的一个或多个实施例,在本公开提供的视频处理装置中,可选的,所述筛选模块具体用于:以所述极值点对应的视频帧的时间戳为中心,分别向前和向后依次各取设定帧数的视频帧作为经过筛选后保留的模糊视频帧;所述设定帧数根据所述第三预设阈值确定。
根据本公开的一个或多个实施例,本公开提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本公开提供的任一所述的视频处理方法。
根据本公开的一个或多个实施例,本公开提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本公开提供的任一所述的视频处理方法。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机程序或指令,该计算机程序或指令被处理器执行时实现如上所述的视频处理方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (12)
1.一种视频处理方法,其特征在于,所述方法包括:
确定原始视频中的模糊视频帧;
将所述模糊视频帧从所述原始视频中删除,获得不包括所述模糊视频帧的中间视频;
基于所述中间视频中时间戳与目标时间戳相邻的视频帧确定待***视频帧,所述目标时间戳为所述模糊视频帧的时间戳;
在所述中间视频中与所述目标时间戳对应的位置***所述待***视频帧,获得目标视频。
2.根据权利要求1所述的方法,其特征在于,所述确定原始视频中的模糊视频帧,包括:
基于索贝尔算子sobel确定当前视频帧预设位置的第一边缘图像,所述当前视频帧为所述原始视频中的任意一个视频帧;
基于所述原始视频中各视频帧预设位置的边缘图像确定所述模糊视频帧。
3.根据权利要求2所述的方法,其特征在于,所述基于所述原始视频中各视频帧预设位置的边缘图像确定所述模糊视频帧,包括:
确定所述第一边缘图像中各像素点的像素值的第一累加和;
确定邻居视频帧设位置的第二边缘图像中各像素点的像素值的第二累加和,所述邻居视频帧为所述原始视频中与所述当前视频帧相邻的视频帧;
确定所述第一累加和与所述第二累加和之间的第一差的绝对值;
基于所述第一差的绝对值确定所述模糊视频帧。
4.根据权利要求3所述的方法,其特征在于,所述基于所述第一差的绝对值确定所述模糊视频帧,包括:
若所述第一差的绝对值大于第一预设阈值,则确定所述当前视频帧为所述模糊视频帧。
5.根据权利要求3所述的方法,其特征在于,所述基于所述第一差的绝对值确定所述模糊视频帧,包括:
基于所述第一边缘图像的直方图,确定所述第一边缘图像中像素值为目标值的第一像素点总数;
基于所述第二边缘图像的直方图,确定所述第二边缘图像中像素值为所述目标值的第二像素点总数;
确定所述第一像素点总数与所述第二像素点总数之间的第二差的绝对值;
确定所述第一边缘图像中各像素值对应的所述第二差的绝对值中的最大值;
基于所述第一差的绝对值以及所述最大值确定所述模糊视频帧。
6.根据权利要求5所述的方法,其特征在于,所述基于所述第一差的绝对值以及所述最大值确定所述模糊视频帧,包括:
对所述第一差的绝对值以及所述最大值进行加权求和,获得模糊程度;
若所述模糊程度大于第二预设阈值,则确定所述当前视频帧为所述模糊视频帧。
7.根据权利要求6所述的方法,其特征在于,若所述模糊视频帧的数量超过第三预设阈值,所述方法还包括:
将所述第一差的绝对值中的最大者或者所述模糊程度中的最大者确定为极值点;
基于所述极值点对应的视频帧的时间戳对所述模糊视频帧进行筛选,以获得帧数为所述第三预设阈值的模糊视频帧。
8.根据权利要求7所述的方法,其特征在于,所述基于所述极值点对应的视频帧的时间戳对所述模糊视频帧进行筛选,以获得帧数为所述第三预设阈值的模糊视频帧,包括:
以所述极值点对应的视频帧的时间戳为中心,分别向前和向后依次各取设定帧数的视频帧作为经过筛选后保留的模糊视频帧;
所述设定帧数根据所述第三预设阈值确定。
9.根据权利要求3-8任一项所述的方法,其特征在于,所述确定所述第一边缘图像中各像素点的像素值的第一累加和之前,所述基于所述原始视频中各视频帧预设位置的边缘图像确定所述模糊视频帧,还包括:
分别对所述原始视频中各视频帧预设位置的边缘图像进行归一化处理,以将所述边缘图像中像素点的像素值映射至预设区间。
10.一种视频处理装置,其特征在于,包括:
第一确定模块,用于确定原始视频中的模糊视频帧;
删除模块,用于将所述模糊视频帧从所述原始视频中删除,获得不包括所述模糊视频帧的中间视频;
第二确定模块,用于基于所述中间视频中时间戳与目标时间戳相邻的视频帧确定待***视频帧,所述目标时间戳为所述模糊视频帧的时间戳;
插帧模块,用于在所述中间视频中与所述目标时间戳对应的位置***所述待***视频帧,获得目标视频。
11.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一项所述的方法。
12.一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,该程序被处理器执行时实现如权利要求1-9中任一项所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111257788.0A CN116055876A (zh) | 2021-10-27 | 2021-10-27 | 一种视频处理方法、装置、电子设备和存储介质 |
EP22886048.2A EP4395355A1 (en) | 2021-10-27 | 2022-10-27 | Video processing method and apparatus, and electronic device and storage medium |
PCT/CN2022/127841 WO2023072173A1 (zh) | 2021-10-27 | 2022-10-27 | 一种视频处理方法、装置、电子设备和存储介质 |
JP2023578982A JP2024525201A (ja) | 2021-10-27 | 2022-10-27 | ビデオ処理方法、装置、電子機器、及び記憶媒体 |
US18/617,445 US20240233071A1 (en) | 2021-10-27 | 2024-03-26 | Video processing method and apparatus, and electronic device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111257788.0A CN116055876A (zh) | 2021-10-27 | 2021-10-27 | 一种视频处理方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116055876A true CN116055876A (zh) | 2023-05-02 |
Family
ID=86118670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111257788.0A Pending CN116055876A (zh) | 2021-10-27 | 2021-10-27 | 一种视频处理方法、装置、电子设备和存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20240233071A1 (zh) |
EP (1) | EP4395355A1 (zh) |
JP (1) | JP2024525201A (zh) |
CN (1) | CN116055876A (zh) |
WO (1) | WO2023072173A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5322704B2 (ja) * | 2009-03-06 | 2013-10-23 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
CN103763515B (zh) * | 2013-12-24 | 2017-08-11 | 浙江工业大学 | 一种基于机器学习的视频异常检测方法 |
CN111131688B (zh) * | 2018-10-31 | 2021-04-23 | Tcl科技集团股份有限公司 | 一种图像处理方法、装置及移动终端 |
KR20210115185A (ko) * | 2020-03-12 | 2021-09-27 | 삼성전자주식회사 | 이미지 처리 방법 및 장치 |
CN111641835B (zh) * | 2020-05-19 | 2023-06-02 | Oppo广东移动通信有限公司 | 视频处理方法、视频处理装置和电子设备 |
CN113297420A (zh) * | 2021-04-30 | 2021-08-24 | 百果园技术(新加坡)有限公司 | 视频图像处理方法、装置、存储介质及电子设备 |
-
2021
- 2021-10-27 CN CN202111257788.0A patent/CN116055876A/zh active Pending
-
2022
- 2022-10-27 JP JP2023578982A patent/JP2024525201A/ja active Pending
- 2022-10-27 WO PCT/CN2022/127841 patent/WO2023072173A1/zh active Application Filing
- 2022-10-27 EP EP22886048.2A patent/EP4395355A1/en active Pending
-
2024
- 2024-03-26 US US18/617,445 patent/US20240233071A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2023072173A1 (zh) | 2023-05-04 |
JP2024525201A (ja) | 2024-07-10 |
EP4395355A1 (en) | 2024-07-03 |
US20240233071A1 (en) | 2024-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110062157B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN113962859B (zh) | 一种全景图生成方法、装置、设备及介质 | |
CN111080595A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN112565890B (zh) | 视频裁剪方法、装置、存储介质及电子设备 | |
CN110705511A (zh) | 模糊图像的识别方法、装置、设备及存储介质 | |
CN114650361B (zh) | 拍摄模式确定方法、装置、电子设备和存储介质 | |
CN115409696A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110399802B (zh) | 处理面部图像眼睛亮度的方法、装置、介质和电子设备 | |
CN113205011A (zh) | 图像掩膜确定方法及装置、存储介质和电子设备 | |
CN110809166B (zh) | 视频数据处理方法、装置和电子设备 | |
CN110349108B (zh) | 处理图像的方法、装置、电子设备、及存储介质 | |
CN110097520B (zh) | 图像处理方法和装置 | |
CN113744139A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN115086541B (zh) | 一种拍摄位置确定方法、装置、设备及介质 | |
CN116055876A (zh) | 一种视频处理方法、装置、电子设备和存储介质 | |
CN115272061A (zh) | 特效视频的生成方法、装置、设备及存储介质 | |
CN115278355A (zh) | 视频剪辑方法、装置、设备、计算机可读存储介质及产品 | |
CN113538268A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
CN112668474B (zh) | 平面生成方法和装置、存储介质和电子设备 | |
CN112712570B (zh) | 图像处理方法、装置、电子设备及介质 | |
CN117094965B (zh) | 一种基于图像识别算法的镜头画面质量分析方法及*** | |
CN111353929A (zh) | 图像处理方法、装置和电子设备 | |
CN115225823B (zh) | 图像采集方法及设备 | |
CN117676186A (zh) | 一种视频卡顿检测方法、装置、设备及介质 | |
CN118411537A (zh) | 特征点筛选方法、装置和电子设备 |
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 |