TW201732733A - 圖片處理方法和裝置 - Google Patents

圖片處理方法和裝置 Download PDF

Info

Publication number
TW201732733A
TW201732733A TW105143649A TW105143649A TW201732733A TW 201732733 A TW201732733 A TW 201732733A TW 105143649 A TW105143649 A TW 105143649A TW 105143649 A TW105143649 A TW 105143649A TW 201732733 A TW201732733 A TW 201732733A
Authority
TW
Taiwan
Prior art keywords
picture
sub
target
sample
pictures
Prior art date
Application number
TW105143649A
Other languages
English (en)
Other versions
TWI711004B (zh
Inventor
Tong Lin
Original Assignee
Alibaba Group Services 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 Alibaba Group Services Ltd filed Critical Alibaba Group Services Ltd
Publication of TW201732733A publication Critical patent/TW201732733A/zh
Application granted granted Critical
Publication of TWI711004B publication Critical patent/TWI711004B/zh

Links

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
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本申請提供一種圖片處理方法和裝置。所述方法包括：採用多種不同的方式去除原始圖片中的干擾因子，得到多張樣本圖片；根據預設的分割規則，分別將每張樣本圖片分割為多張樣本子圖片；在相同屬性的樣本子圖片中確定目標子圖片；將不同屬性的多張目標子圖片合併為目標圖片。本申請能夠在相同屬性的多張樣本子圖片中確定最接近真實圖像的目標子圖片，並將不同屬性的多張目標子圖片合併為目標圖片，得到的目標圖片能夠高度還原真實圖像，從而可以提高後續圖像識別的準確度。

Description

圖片處理方法和裝置
本申請係關於圖片處理技術領域，尤其關於一種圖片處理方法和裝置。
隨著互聯網技術的快速發展，越來越多的網路業務涉及到圖片的識別，比如：對人臉圖片的識別、對證件圖片的識別等。然而，目前很多圖片會被添加網紋、浮水印等干擾因子，導致圖片識別的效率下降，並增加了圖片識別的難度。
有鑑於此，本申請提供一種圖片處理方法和裝置。
具體地，本申請是透過如下技術方案實現的：一種圖片處理方法，所述方法包括：採用多種不同的方式去除原始圖片中的干擾因子，得到多張樣本圖片；根據預設的分割規則，分別將每張樣本圖片分割為多張樣本子圖片； 在相同屬性的樣本子圖片中確定目標子圖片；將不同屬性的多張目標子圖片合併為目標圖片。
可選的，所述在相同屬性的樣本子圖片中確定目標子圖片，包括：確定每個樣本子圖片的數學參數；根據所述數學參數，採用聚類演算法將所述相同屬性的樣本子圖片劃分為多個圖片集合，其中，每個圖片集合中包括有一張或者多張樣本子圖片；在包括樣本子圖片最多的圖片集合中，確定目標子圖片。
可選的，所述確定每個樣本子圖片的數學參數，包括：根據所述樣本子圖片中各像素點的RGB資訊，為所述樣本子圖片生成RGB向量，作為所述樣本子圖片的數學參數。
可選的，所述在包括樣本子圖片最多的圖片集合中，確定目標子圖片，包括：在包括樣本子圖片最多的圖片集合中，將聚類後所述圖片集合中的中心點對應的樣本子圖片確定為所述目標子圖片。
可選的，所述將不同屬性的多張目標子圖片合併為目標圖片，包括：根據所述目標子圖片中各像素點的位置座標，將不同屬性的多張目標子圖片合併為目標圖片。
一種圖片處理裝置，所述裝置包括：干擾去除單元，採用多種不同的方式去除原始圖片中的干擾因子，得到多張樣本圖片；圖片分割單元，根據預設的分割規則，分別將每張樣本圖片分割為多張樣本子圖片；目標確定單元，在相同屬性的樣本子圖片中確定目標子圖片；目標合成單元，將不同屬性的多張目標子圖片合併為目標圖片。
可選的，所述目標確定單元，包括：參數確定子單元，確定每個樣本子圖片的數學參數；集合劃分子單元，根據所述數學參數，採用聚類演算法將所述相同屬性的樣本子圖片劃分為多個圖片集合，其中，每個圖片集合中包括有一張或者多張樣本子圖片；目標確定子單元，在包括樣本子圖片最多的圖片集合中，確定目標子圖片。
可選的，所述參數確定子單元，根據所述樣本子圖片中各像素點的RGB資訊，為所述樣本子圖片生成RGB向量，作為所述樣本子圖片的數學參數。
可選的，所述目標確定子單元，在包括樣本子圖片最多的圖片集合中，將聚類後所述圖片集合中的中心點對應的樣本子圖片確定為所述目標子圖片。
可選的，所述目標合成單元，根據所述目標子圖片中各像素點的位置座標，將不同屬性的多張目標子圖片合併 為目標圖片。
由此可以看出，本申請可以先採用多種不同的方式去除原始圖片中的干擾因子，以得到多張樣本圖片，然後根據預設的分割規則，將多張樣本圖片分別分割為多張樣本子圖片，並在相同屬性的樣本子圖片中確定目標子圖片，從而能夠在相同屬性的多張樣本子圖片中確定最接近真實圖像的目標子圖片，並將不同屬性的多張目標子圖片合併為目標圖片，得到的目標圖片能夠高度還原真實圖像，從而可以提高後續圖像識別的準確度。
400‧‧‧圖片處理裝置
401‧‧‧干擾去除單元
402‧‧‧圖片分割單元
403‧‧‧目標確定單元
404‧‧‧目標合併單元
4031‧‧‧參數確定子單元
4032‧‧‧集合劃分子單元
4033‧‧‧目標確定子單元
圖1是本申請一示例性實施例示出的一種圖片處理方法的流程示意圖。
圖2是本申請一示例性實施例示出的一種樣本圖片的分割示意圖。
圖3是本申請一示例性實施例示出的一種在相同屬性的樣本子圖片中確定目標子圖片的流程示意圖。
圖4是本申請一示例性實施例示出的一種用於圖片處理裝置的一結構示意圖。
圖5是本申請一示例性實施例示出的一種圖片處理裝置的結構示意圖。
這裡將詳細地對示例性實施例進行說明，其示例表示 在附圖中。下面的描述涉及附圖時，除非另有表示，不同附圖中的相同數字表示相同或相似的要素。以下示例性實施例中所描述的實施方式並不代表與本申請相一致的所有實施方式。相反，它們僅是與如所附申請專利範圍中所詳述的、本申請的一些態樣相一致的裝置和方法的例子。
在本申請使用的術語是僅僅出於描述特定實施例的目的，而非旨在限制本申請。在本申請和所附申請專利範圍中所使用的單數形式的“一種”、“所述”和“該”也旨在包括多數形式，除非上下文清楚地表示其他含義。還應當理解，本文中使用的術語“和/或”是指並包含一個或多個相關聯的列出專案的任何或所有可能組合。
應當理解，儘管在本申請可能採用術語第一、第二、第三等來描述各種資訊，但這些資訊不應限於這些術語。這些術語僅用來將同一類型的資訊彼此區分開。例如，在不脫離本申請範圍的情況下，第一資訊也可以被稱為第二資訊，類似地，第二資訊也可以被稱為第一資訊。取決於語境，如在此所使用的詞語“如果”可以被解釋成為“在……時”或“當……時”或“回應於確定”。
相關技術中，可以採用一些圖片處理演算法或者圖片處理工具，比如：Photoshop等，去除原始圖片中的網紋或浮水印。然而，在這樣的實現方式中，去網紋或浮水印後得到的圖片往往無法真實還原原始圖片中的圖像，進而影響後續圖片識別的準確度。
圖1是本申請一示例性實施例示出的一種圖片處理方 法的流程示意圖。
請參考圖1，所述圖片處理方法可以應用在終端中，所述終端可以包括智慧手機、平板電腦、PDA(Personal Digital Assistant，掌上型電腦)PC機等智慧設備。所述圖片處理方法也可以應用在服務端中，本申請對此不作特殊限制。所述圖片處理方法可以包括以下步驟：步驟101，採用多種不同的方式去除原始圖片中的干擾因子，得到多張樣本圖片。
在本實施例中，所述原始圖片通常為待識別的圖片，所述原始圖片中包括有干擾因子，所述干擾因子通常為在真實圖像的基礎上後續添加的網紋、浮水印等干擾圖案。
在本實施例中，可以採用相關技術中提供的多種不同的去干擾因子的方法去除所述原始圖片中的干擾因子，以得到去干擾因子後的多張樣本圖片，比如：可以透過photoshop等影像處理軟體去除所述原始圖片中的干擾因子等。
步驟102，根據預設的分割規則，分別將每張樣本圖片分割為多張樣本子圖片。
基於前述步驟101，在得到多張去干擾的樣本圖片後，可以根據預設的分割規則，分別將每張樣本圖片分割為多張子圖片，為便於描述，在本申請中，可以將分割後得到的所述子圖片稱為樣本子圖片。
在本實施例中，所述預設的分割規則可以由開發人員進行設置，所述預設的分割規則可以以樣本子圖片的尺寸 為單位，也可以以樣本子圖片的數量為單位，本申請對此不作特殊限制。舉例來說，所述預設的分割規則可以為將樣本圖片分割為25張樣本子圖片，比如：按照5乘5的規則，將所述樣本圖片分割為25張樣本子圖片。
在本實施例中，假設在前述步驟101中，採用N種不同的方式去除原始圖片中的干擾因子，可以得到N張樣本圖片。又假設，在本步驟中，將每張樣本圖片分割為M張樣本子圖片，則一共可以得到N×M張樣本子圖片。其中，M和N均為大於1的自然數。
步驟103，在相同屬性的樣本子圖片中確定目標子圖片。
在本實施例中，每張樣本子圖片均包括有對應的屬性，所述屬性用來表示所述樣本子圖片在所屬樣本圖片中的位置資訊。請參考圖2，假設圖片A為原始圖片去干擾後得到的一張樣本圖片，根據預設的分割規則，可以將所述樣本圖片分割為3乘3的9張樣本子圖片，這9張樣本子圖片的屬性分別為：A11、A12、A13、A21、…、A33。
在本實施例中，仍然以圖2所示的分割規則為例，假設採用N種不同的方式去除原始圖片中的干擾因子，得到N張樣本圖片，則一共可以得到N×9張樣本子圖片，其中，屬性為A11至A33的樣本子圖片各有N張。在本步驟中，可以在N張屬性為A11的樣本子圖片中確定屬性為A11的目標子圖片，在N張屬性為A12的樣本子圖片 中確定屬性為A12的目標子圖片，以此類推，可以確定屬性為A11至A33的9張目標子圖片。
步驟104，將不同屬性的多張目標子圖片合併為目標圖片。
基於前述步驟103，在相同屬性的樣本子圖片中確定目標子圖片後，可以將不同屬性的多張目標子圖片合併為目標圖片，比如；可以根據每張目標子圖片的屬性將所述多張目標子圖片合併為目標圖片，也可以根據每張目標子圖片中各像素點的位置座標將所述多張目標子圖片合併為目標圖片，本申請對此不作特殊限制。
舉例來說，仍以圖2所示的分割規則為例，在本步驟中，可以將屬性為A11至A33的9張目標子圖片合併為一張目標圖片。
由以上描述可以看出，本申請可以先採用多種不同的方式去除原始圖片中的干擾因子，以得到多張樣本圖片，然後根據預設的分割規則，將多張樣本圖片分別分割為多張樣本子圖片，並在相同屬性的樣本子圖片中確定目標子圖片，從而能夠在相同屬性的多張樣本子圖片中確定最接近真實圖像的目標子圖片，並將不同屬性的多張目標子圖片合併為目標圖片，得到的目標圖片能夠高度還原真實圖像，從而可以提高後續圖像識別的準確度。
可選的，在本申請一個例子中，請參考圖3，在相同屬性的樣本子圖片中確定目標子圖片的過程可以包括以下步驟：
步驟301，確定每個樣本子圖片的數學參數。
在本實施例中，在將樣本圖片分割為多張樣本子圖片後，可以確定每張樣本子圖片的數學參數，以便後續計算。
可選的，在本申請一個例子中，可以根據所述樣本子圖片中各像素點的RGB資訊，為所述樣本子圖片生成RGB向量，作為所述樣本子圖片的數學參數。比如：可以先獲取所述樣本子圖片中各像素點的RGB資訊，諸如：RGB值，然後根據各像素點RGB資訊生成RGB向量。假設，所述樣本子圖片中包括有K個像素點，其中，第i個像素點的RGB值為R i，i的取值為1至K，則所述樣本子圖片的RGB向量為{R 1 ,R 2 ,...,R K }。
步驟302，根據所述數學參數，採用聚類演算法將所述相同屬性的樣本子圖片劃分為多個圖片集合，其中，每個圖片集合中包括有一張或者多張樣本子圖片。
在本實施例中，針對相同屬性的多個樣本子圖片，基於所述樣本子圖片的數學參數，可以採用聚類演算法將所述多個樣本子圖片劃分到多個圖片集合中。所述聚類演算法可以包括：DBSCAN聚類演算法(Density-Based Spatial Clustering of Applications with Noise)、K-means聚類演算法等，本申請對此不作特殊限制。
舉例來說，當採用DBSCAN聚類演算法時，可以預先設置掃描半徑(eps)和最小包含點數(minPts)，每個樣本子圖片都對應聚類過程中的一個點，所述最小包含 點數為劃分後的圖片集合中所能包含的最少樣本子圖片數量。在聚類的過程中，可以基於所述樣本子圖片的數學參數進行相關的計算，比如：可以將兩個樣本子圖片的RGB向量之間的距離作為兩個樣本子圖片之間的距離等。
步驟303，在包括樣本子圖片最多的圖片集合中，確定目標子圖片。
基於前述步驟302，在將相同屬性的樣本子圖片劃分為多個圖片集合之後，確定每個圖片集合包括的樣本子圖片的數量，然後可以在包括樣本子圖片最多的圖片集合中，確定目標子圖片。
可選的，在本申請一個例子中，在包括樣本子圖片最多的圖片集合中，可以將聚類後所述圖片集合中的中心點對應的樣本子圖片確定為所述目標子圖片。
在本實施例中，可以採用聚類演算法在相同屬性的樣本子圖片中確定目標子圖片，從而確保確定的目標子圖片更加接近真實圖像。
與前述圖片處理方法的實施例相對應，本申請還提供了圖片處理裝置的實施例。
本申請圖片處理裝置的實施例可以應用在終端或者服務端上。裝置實施例可以透過軟體實現，也可以透過硬體或者軟硬體結合的方式實現。以軟體實現為例，作為一個邏輯意義上的裝置，是透過其所在終端或服務端的處理器將非揮發性記憶體中對應的電腦程式指令讀取到記憶體中運行形成的。從硬體層面而言，如圖4所示，為本申請圖 片處理裝置所在終端或服務端的一種硬體結構圖，除了圖4所示的處理器、記憶體、網路介面、以及非揮發性記憶體之外，實施例中裝置所在的終端或服務端通常根據該終端或服務端的實際功能，還可以包括其他硬體，對此不再贅述。
圖5是本申請一示例性實施例示出的一種圖片處理裝置的結構示意圖。
請參考圖5，所述圖片處理裝置400可以應用在圖4所示的終端或服務端中，包括有：干擾去除單元401、圖片分割單元402、目標確定單元403以及目標合併單元404。其中，所述目標確定單元403還可以包括：參數確定子單元4031、集合劃分子單元4032以及目標確定子單元4033。
其中，所述干擾去除單元401，採用多種不同的方式去除原始圖片中的干擾因子，得到多張樣本圖片。
所述圖片分割單元402，根據預設的分割規則，分別將每張樣本圖片分割為多張樣本子圖片。
所述目標確定單元403，在相同屬性的樣本子圖片中確定目標子圖片。
所述目標合成單元404，將不同屬性的多張目標子圖片合併為目標圖片。
所述參數確定子單元4031，確定每個樣本子圖片的數學參數。
所述集合劃分子單元4032，根據所述數學參數，採 用聚類演算法將所述相同屬性的樣本子圖片劃分為多個圖片集合，其中，每個圖片集合中包括有一張或者多張樣本子圖片。
所述目標確定子單元4033，在包括樣本子圖片最多的圖片集合中，確定目標子圖片。
可選的，所述參數確定子單元4031，根據所述樣本子圖片中各像素點的RGB資訊，為所述樣本子圖片生成RGB向量，作為所述樣本子圖片的數學參數。
可選的，所述目標確定子單元4033，在包括樣本子圖片最多的圖片集合中，將聚類後所述圖片集合中的中心點對應的樣本子圖片確定為所述目標子圖片。
可選的，所述目標合成單元404，根據所述目標子圖片中各像素點的位置座標，將不同屬性的多張目標子圖片合併為目標圖片。
上述裝置中各個單元的功能和作用的實現過程具體詳見上述方法中對應步驟的實現過程，在此不再贅述。
對於裝置實施例而言，由於其基本對應於方法實施例，所以相關之處參見方法實施例的部分說明即可。以上所描述的裝置實施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分佈到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本申請方案的目的。本領域普通技術人員在不付出創造性勞 動的情況下，即可以理解並實施。
以上所述僅為本申請的較佳實施例而已，並不用以限制本申請，凡在本申請的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本申請保護的範圍之內。

Claims (10)

  1. 一種圖片處理方法，其特徵在於，該方法包括：採用多種不同的方式去除原始圖片中的干擾因子，得到多張樣本圖片；根據預設的分割規則，分別將每張樣本圖片分割為多張樣本子圖片；在相同屬性的樣本子圖片中確定目標子圖片；及將不同屬性的多張目標子圖片合併為目標圖片。
  2. 根據申請專利範圍第1項所述的方法，其中，所述在相同屬性的樣本子圖片中確定目標子圖片，包括：確定每個樣本子圖片的數學參數；根據該數學參數，採用聚類演算法將該相同屬性的樣本子圖片劃分為多個圖片集合，其中，每個圖片集合中包括有一張或者多張樣本子圖片；在包括樣本子圖片最多的圖片集合中，確定目標子圖片。
  3. 根據申請專利範圍第2項所述的方法，其中，所述確定每個樣本子圖片的數學參數，包括：根據該樣本子圖片中各像素點的RGB資訊，為該樣本子圖片生成RGB向量，作為該樣本子圖片的數學參數。
  4. 根據申請專利範圍第2項所述的方法，其中，所述在包括樣本子圖片最多的圖片集合中，確定目標子圖片，包括： 在包括樣本子圖片最多的圖片集合中，將聚類後該圖片集合中的中心點對應的樣本子圖片確定為該目標子圖片。
  5. 根據申請專利範圍第1項所述的方法，其中，所述將不同屬性的多張目標子圖片合併為目標圖片，包括：根據該目標子圖片中各像素點的位置座標，將不同屬性的多張目標子圖片合併為目標圖片。
  6. 一種圖片處理裝置，其特徵在於，該裝置包括：干擾去除單元，採用多種不同的方式去除原始圖片中的干擾因子，得到多張樣本圖片；圖片分割單元，根據預設的分割規則，分別將每張樣本圖片分割為多張樣本子圖片；目標確定單元，在相同屬性的樣本子圖片中確定目標子圖片；及目標合成單元，將不同屬性的多張目標子圖片合併為目標圖片。
  7. 根據申請專利範圍第1項所述的裝置，其中，該目標確定單元，包括：參數確定子單元，確定每個樣本子圖片的數學參數；集合劃分子單元，根據該數學參數，採用聚類演算法將該相同屬性的樣本子圖片劃分為多個圖片集合，其中，每個圖片集合中包括有一張或者多張樣本子圖片；及目標確定子單元，在包括樣本子圖片最多的圖片集合中，確定目標子圖片。
  8. 根據申請專利範圍第7項所述的裝置，其中，該參數確定子單元，根據該樣本子圖片中各像素點的RGB資訊，為該樣本子圖片生成RGB向量，作為該樣本子圖片的數學參數。
  9. 根據申請專利範圍第7項所述的裝置，其中，該目標確定子單元，在包括樣本子圖片最多的圖片集合中，將聚類後該圖片集合中的中心點對應的樣本子圖片確定為該目標子圖片。
  10. 根據申請專利範圍第6項所述的裝置，其中，該目標合成單元，根據該目標子圖片中各像素點的位置座標，將不同屬性的多張目標子圖片合併為目標圖片。
TW105143649A 2016-01-25 2016-12-28 圖片處理方法和裝置 TWI711004B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201610049672.0A CN106997580B (zh) 2016-01-25 2016-01-25 图片处理方法和装置
CN201610049672.0 2016-01-25

Publications (2)

Publication Number Publication Date
TW201732733A true TW201732733A (zh) 2017-09-16
TWI711004B TWI711004B (zh) 2020-11-21

Family

ID=59397393

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105143649A TWI711004B (zh) 2016-01-25 2016-12-28 圖片處理方法和裝置

Country Status (10)

Country Link
US (2) US10706555B2 (zh)
EP (1) EP3410389A4 (zh)
JP (1) JP6937782B2 (zh)
KR (1) KR102239588B1 (zh)
CN (1) CN106997580B (zh)
MY (1) MY192394A (zh)
PH (1) PH12018501579A1 (zh)
SG (1) SG11201806345QA (zh)
TW (1) TWI711004B (zh)
WO (1) WO2017128977A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106997580B (zh) * 2016-01-25 2020-09-01 阿里巴巴集团控股有限公司 图片处理方法和装置
CN113516328B (zh) * 2020-07-13 2022-09-02 阿里巴巴集团控股有限公司 数据处理方法、服务提供方法、装置、设备和存储介质
KR102473506B1 (ko) * 2022-06-16 2022-12-05 김태진 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 방법 및 장치

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6075875A (en) * 1996-09-30 2000-06-13 Microsoft Corporation Segmentation of image features using hierarchical analysis of multi-valued image data and weighted averaging of segmentation results
JPH1196297A (ja) * 1997-09-17 1999-04-09 Hitachi Ltd 帳票画像処理方法及び帳票画像処理装置
JP4077094B2 (ja) * 1998-12-11 2008-04-16 富士通株式会社 カラー文書画像認識装置
JP2002190945A (ja) * 2000-10-12 2002-07-05 Canon Inc 情報処理装置及びその制御方法及び記憶媒体
AU2003903728A0 (en) * 2003-07-21 2003-07-31 Hao Hang Zheng Method and system for performing combined image classification storage and rapid retrieval on a computer database
US8014590B2 (en) * 2005-12-07 2011-09-06 Drvision Technologies Llc Method of directed pattern enhancement for flexible recognition
US7586646B2 (en) * 2006-04-12 2009-09-08 Xerox Corporation System for processing and classifying image data using halftone noise energy distribution
TW201002048A (en) * 2008-06-30 2010-01-01 Avermedia Information Inc Document camera and image processing method thereof
US20120065518A1 (en) * 2010-09-15 2012-03-15 Schepens Eye Research Institute Systems and methods for multilayer imaging and retinal injury analysis
CN102436589B (zh) * 2010-09-29 2015-05-06 中国科学院电子学研究所 一种基于多类基元自主学习的复杂目标自动识别方法
KR20130021616A (ko) * 2011-08-23 2013-03-06 삼성전자주식회사 다중 측위를 이용한 단말의 측위 장치 및 방법
JP5830338B2 (ja) * 2011-10-07 2015-12-09 株式会社日立情報通信エンジニアリング 帳票認識方法および帳票認識装置
CN103839275B (zh) 2014-03-27 2016-11-16 中国科学院遥感与数字地球研究所 高光谱图像的道路提取方法及装置
CN105450411B (zh) * 2014-08-14 2019-01-08 阿里巴巴集团控股有限公司 利用卡片特征进行身份验证的方法、装置及***
CN106997580B (zh) 2016-01-25 2020-09-01 阿里巴巴集团控股有限公司 图片处理方法和装置

Also Published As

Publication number Publication date
US10706555B2 (en) 2020-07-07
WO2017128977A1 (zh) 2017-08-03
KR20180105210A (ko) 2018-09-27
CN106997580A (zh) 2017-08-01
TWI711004B (zh) 2020-11-21
JP2019504430A (ja) 2019-02-14
US20200126238A1 (en) 2020-04-23
PH12018501579A1 (en) 2019-04-08
US10769795B2 (en) 2020-09-08
CN106997580B (zh) 2020-09-01
EP3410389A4 (en) 2019-08-21
EP3410389A1 (en) 2018-12-05
US20190005651A1 (en) 2019-01-03
JP6937782B2 (ja) 2021-09-22
MY192394A (en) 2022-08-18
SG11201806345QA (en) 2018-08-30
KR102239588B1 (ko) 2021-04-15

Similar Documents

Publication Publication Date Title
CN108961303B (zh) 一种图像处理方法、装置、电子设备和计算机可读介质
JP6154075B2 (ja) オブジェクト検出及び分割の方法，装置，コンピュータプログラム製品
JP2020507850A (ja) 画像内の物体の姿の確定方法、装置、設備及び記憶媒体
Liu et al. Real-time robust vision-based hand gesture recognition using stereo images
US20170109912A1 (en) Creating a composite image from multi-frame raw image data
CN106780662B (zh) 人脸图像生成方法、装置及设备
US20100250588A1 (en) Image searching system and image searching method
KR101620933B1 (ko) 제스쳐 인식 메커니즘을 제공하는 방법 및 장치
WO2019237745A1 (zh) 人脸图像处理方法、装置、电子设备及计算机可读存储介质
CN111008935B (zh) 一种人脸图像增强方法、装置、***及存储介质
CN105096353B (zh) 一种图像处理方法及装置
CN109712082B (zh) 协作修图的方法及装置
WO2023098045A1 (zh) 图像对齐方法、装置、计算机设备和存储介质
JP2014239384A (ja) 画像処理装置、画像処理方法及び画像処理プログラム
WO2020034981A1 (zh) 编码信息的生成方法和识别方法
US20230043154A1 (en) Restoring a video for improved watermark detection
TW201732733A (zh) 圖片處理方法和裝置
CN108492284B (zh) 用于确定图像的透视形状的方法和装置
CN107564085B (zh) 图像扭曲处理方法、装置、计算设备及计算机存储介质
CN108111747A (zh) 一种图像处理方法、终端设备及计算机可读介质
CN111836058A (zh) 用于实时视频播放方法、装置、设备以及存储介质
CN111062279B (zh) 照片处理方法及照片处理装置
CN117197405A (zh) 三维物体的增强现实方法、***及存储介质
WO2021051580A1 (zh) 基于分组批量的图片检测方法、装置及存储介质
CN112634444B (zh) 一种基于三维信息的人体姿态迁移方法、装置、存储介质及终端