CN105528765A - 处理图像的方法及装置 - Google Patents
处理图像的方法及装置 Download PDFInfo
- Publication number
- CN105528765A CN105528765A CN201510874683.8A CN201510874683A CN105528765A CN 105528765 A CN105528765 A CN 105528765A CN 201510874683 A CN201510874683 A CN 201510874683A CN 105528765 A CN105528765 A CN 105528765A
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- region
- salient
- fusion
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000007499 fusion processing Methods 0.000 claims abstract description 49
- 238000000605 extraction Methods 0.000 claims abstract description 43
- 238000009499 grossing Methods 0.000 claims description 34
- 230000004927 fusion Effects 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 33
- 238000010421 pencil drawing Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000009877 rendering Methods 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010422 painting Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
- Color Image Communication Systems (AREA)
Abstract
本公开是关于一种处理图像的方法及装置，用于改进图像的铅笔画效果，使呈现的效果更好。所述方法包括：获得待渲染的图像；对所述图像进行灰度边缘提取；确定所述图像中的显著性区域和非显著性区域；根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
Description
技术领域
本公开涉及通信及计算机处理领域，尤其涉及处理图像的方法及装置。
背景技术
随着电子技术的发展，照相机、手机、摄像头等设备均具有拍照功能。而且很多图像处理软件可以将拍摄的照片处理成各种特殊效果，如怀旧效果、颜色鲜艳效果和素描效果(也称铅笔画效果)等。
发明内容
为克服相关技术中存在的问题，本公开提供一种处理图像的方法及装置。
根据本公开实施例的第一方面，提供一种处理图像的方法，包括：
获得待渲染的图像；
对所述图像进行灰度边缘提取；
确定所述图像中的显著性区域和非显著性区域；
根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
本公开的实施例提供的技术方案可以包括以下有益效果：本实施例区分图像中的显著性区域和非显著性区域，然后利用显著性区域对图像中的边缘轮廓进行强化，利用非显著性区域对图像中的边缘轮廓进行弱化。使得得到的铅笔画渲染效果更佳。
在一个实施例中，所述方法还包括：
对灰度边缘提取后的图像进行反差处理。
本公开的实施例提供的技术方案可以包括以下有益效果：本实施例通过反差处理使得图像与真实的铅笔画法更接近，使得最终的渲染效果更佳。
在一个实施例中，所述方法还包括：
对所述图像中的非显著性区域进行平滑处理。
本公开的实施例提供的技术方案可以包括以下有益效果：本实施例通过对非显著性区域的平滑处理，使得图像效果更柔和，渲染效果更好。
在一个实施例中，所述根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像，包括：
根据所述显著性区域和平滑处理后的非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
本公开的实施例提供的技术方案可以包括以下有益效果：本实施例利用平滑处理后的非显著性区域对边缘轮廓进行融合，使得非显著性区域的边缘轮廓更柔和，渲染效果更好。
在一个实施例中，所述根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像，包括：
根据所述显著性区域和平滑处理后的非显著性区域，分别对反差处理后的所述图像中的边缘进行融合处理，得到处理后的图像。
本公开的实施例提供的技术方案可以包括以下有益效果：本实施例对反差处理后的边缘轮廓进行融合，尤其是利用平滑处理后的非显著性区域对边缘轮廓进行融合，使得渲染后得到的铅笔画效果更逼真。
在一个实施例中，所述确定所述图像中的显著性区域和非显著性区域，包括：
将所述图像由RGB颜色空间转换为Lab颜色空间；
根据Lab颜色空间得到所述图像中每个像素点的显著性值；
确定显著性值不小于预设灰度阈值的像素点属于显著性区域；
确定显著性值小于预设灰度阈值的像素点属于非显著性区域。
本公开的实施例提供的技术方案可以包括以下有益效果：本实施例利用Lab颜色空间确定显著性区域和非显著性区域更准确，便于后续融合处理。
在一个实施例中，所述对所述图像进行灰度边缘提取，包括：
根据RGB颜色空间对所述图像进行灰度处理；
对灰度处理后的图像进行边缘提取。
本公开的实施例提供的技术方案可以包括以下有益效果：本实施例利用RGB颜色空间得到灰度图像，再进行边缘提取，可以得到一个初步的铅笔画效果的图像，有助于提高后续融合处理的效果。
在一个实施例中，所述方法还包括：
对融合处理后的图像进行底色处理，得到处理后的图像。
本公开的实施例提供的技术方案可以包括以下有益效果：本实施例通过对图像进行底色处理，可以在铅笔画效果的图像上增加其它特效，使处理后的图像满足不同用户的需求。
根据本公开实施例的第二方面，提供一种处理图像的装置，包括：
获取模块，用于获得待渲染的图像；
边缘提取模块，用于对所述图像进行灰度边缘提取；
显著性模块，用于确定所述图像中的显著性区域和非显著性区域；
融合模块，用于根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
在一个实施例中，所述装置还包括：
反差模块，用于对灰度边缘提取后的图像进行反差处理。
在一个实施例中，所述装置还包括：
平滑模块，用于对所述图像中的非显著性区域进行平滑处理。
在一个实施例中，所述融合模块包括：
第一融合子模块，用于根据所述显著性区域和平滑处理后的非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
在一个实施例中，所述融合模块包括：
第二融合子模块，用于根据所述显著性区域和平滑处理后的非显著性区域，分别对反差处理后的所述图像中的边缘进行融合处理，得到处理后的图像。
在一个实施例中，所述显著性模块包括：
转换子模块，用于将所述图像由RGB颜色空间转换为Lab颜色空间；
Lab灰度子模块，用于根据Lab颜色空间得到所述图像中每个像素点的显著性值；
显著性子模块，用于确定显著性值不小于预设灰度阈值的像素点属于显著性区域；确定显著性值小于预设灰度阈值的像素点属于非显著性区域。
在一个实施例中，所述边缘提取模块包括：
RGB灰度子模块，用于根据RGB颜色空间对所述图像进行灰度处理；
提取子模块，用于对灰度处理后的图像进行边缘提取。
在一个实施例中，所述装置还包括：
底色处理模块，用于对融合处理后的图像进行底色处理，得到处理后的图像。
根据本公开实施例的第三方面，提供一种处理图像的装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获得待渲染的图像；
对所述图像进行灰度边缘提取；
确定所述图像中的显著性区域和非显著性区域；
根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种处理图像的方法的流程图。
图2是根据一示例性实施例示出的一种图像的示意图。
图3是根据一示例性实施例示出的一种图像的示意图。
图4是根据一示例性实施例示出的一种图像的示意图。
图5是根据一示例性实施例示出的一种图像的示意图。
图6是根据一示例性实施例示出的一种图像的示意图。
图7是根据一示例性实施例示出的一种处理图像的方法的流程图。
图8是根据一示例性实施例示出的一种处理图像的方法的流程图。
图9是根据一示例性实施例示出的一种处理图像的装置的框图。
图10是根据一示例性实施例示出的一种处理图像的装置的框图。
图11是根据一示例性实施例示出的一种处理图像的装置的框图。
图12是根据一示例性实施例示出的一种融合模块的框图。
图13是根据一示例性实施例示出的一种融合模块的框图。
图14是根据一示例性实施例示出的一种显著性模块的框图。
图15是根据一示例性实施例示出的一种边缘提取模块的框图。
图16是根据一示例性实施例示出的一种处理图像的装置的框图。
图17是根据一示例性实施例示出的一种装置的框图。
图18是根据一示例性实施例示出的一种装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
相关技术中，一些图像处理软件可以对拍摄到的图像进行特效处理，如将彩色照片渲染成铅笔画效果。渲染过程中对图像进行边缘提取处理。但是该处理后的图像中，整个图像的所有边缘线条的显著程度都是基本相同的，也就是说像素值是基本相同的，使得整个图像缺乏层次，图像处理效果不够理想。
本实施例将图像的显著性与边缘轮廓结合，对显著性区域内的边缘轮廓进行加强，对非显著性区域内的边缘轮廓进行弱化，使得整个图像呈现出多个层次，图像渲染效果更好更逼真。
图1是根据一示例性实施例示出的一种处理图像的方法的流程图，如图1所示，该方法可以由移动终端实现，包括以下步骤：
在步骤101中，获得待渲染的图像。
在步骤102中，对所述图像进行灰度边缘提取。
在步骤103中，确定所述图像中的显著性区域和非显著性区域。
在步骤104中，根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
本实施例区分图像中的显著性区域和非显著性区域，然后利用显著性区域对图像中的边缘轮廓进行强化，利用非显著性区域对图像中的边缘轮廓进行弱化。使得得到的铅笔画渲染效果更佳。
例如，针对图像中的每个像素点，通过公式(1)计算得到该像素点融合后的像素值。
F1＝Edge*K公式(1)
其中，F1表示融合后的像素值，Edge表示边缘提取后的像素值(是一个归一化后的像素值)，K表示显著性区域的显著系数。
如果K是经过归一化的值，则通过公式(2)计算得到该像素点融合后的像素值(计算结果向下取整)。
F1＝Edge*K*255公式(2)
对于非显著性区域的边缘轮廓上的像素点，其像素值可以保持不变；或者采用公式(3)计算得到该像素点融合后的像素值。
F1＝Edge*K′公式(3)
其中，K′表示非显著性区域的显著系数。
如果K′是经过归一化的值，则通过公式(4)计算得到该像素点融合后的像素值(计算结果向下取整)。
F1＝Edge*K′*255公式(4)
在一个实施例中，步骤102可包括：步骤A1和步骤A2。
在步骤A1中，根据RGB(红绿蓝)颜色空间对所述图像进行灰度处理。
在步骤A2中，对灰度处理后的图像进行边缘提取。
本实施例中获得的图像为RGB颜色空间的图像，可以直接将RGB颜色空间转换为灰度空间，得到灰度图像。
例如，针对每个像素点，通过公式(5)对R、G、B三个通道上的取值进行加权平均，得到该像素点的灰度值。
I＝0.3*R+0.59*G+0.11*B公式(5)
其中，I表示得到的灰度值。
在对图像进行内部边缘轮廓提取时，可以采用sobel(索贝尔)算子和canny(坎尼，人名)算子等算法。下面以sobel算子为例介绍边缘轮廓提取的实现过程。sobel算子是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子，将会产生该点对应的梯度矢量或是其法矢量。
Sobel的卷积矩阵如下：
X方向的平面卷积后的结果 也是X方向的亮度差分近似值。
Y方向的平面卷积后的结果 也是Y方向的亮度差分近似值。
图像中每个像素点的梯度大小，也就是边缘值其中，表示卷积。在卷积矩阵的控制下，Edge是经过归一化处理后的值，也就是取值范围为0～1。
例如，如图2所示的图像原图，经过边缘提取后得到图3。图3中高亮的部分为边缘轮廓，颜色较深的部分为边缘以外的区域。本实施例通过对灰度图像的边缘提取，已经可以获得类似铅笔画效果的图像，有助于后续的融合处理。
在一个实施例中，步骤103可包括：步骤B1-步骤B4。
在步骤B1中，将所述图像由RGB颜色空间转换为Lab颜色空间。
在步骤B2中，根据Lab颜色空间得到所述图像中每个像素点的显著性值。
在步骤B3中，确定显著性值不小于预设灰度阈值的像素点属于显著性区域。
在步骤B4中，确定显著性值小于预设灰度阈值的像素点属于非显著性区域。
本实施例中图像的原图为RGB颜色空间，将其转换为Lab颜色空间可以更准确的确定显著性区域和非显著性区域。Lab颜色空间中的L表示亮度，a表示红到绿的偏移量，b表示黄到蓝的偏移量。
步骤B2可以通过公式(6)实现。
S＝((L-Lmean)2+(a-amean)2+(b-bmean)2)1/2公式(6)
其中，S表示Lab颜色空间下的显著性值，该值越大显著性越高。Lmean表示图像所有像素点的L通道的平均值，amean表示a通道的平均值，bmean表示b通道的平均值。
th为预设的灰度阈值，S＜th的像素点属于非显著性区域，S≥th的像素点属于显著性区域。
Lab颜色空间下的显著性图像如图4所示，从图4中可以看出高亮部分为显著性区域，颜色较深的部分为非显著性区域。
在步骤104中，进行融合处理时，K＝S/th，S≥th；K′＝S/th，S＜th。
在一个实施例中，为了使非显著性区域的边缘轮廓更柔和，本实施例还可以对非显著性区域进行平滑处理。
则，所述方法还包括：步骤C。
在步骤C中，对所述图像中的非显著性区域进行平滑处理。
本实施例中步骤C是对Lab颜色空间下的显著性图像进行平滑处理。该过程可由公式(7)实现。
K′＝(1-S/th)2*Ms公式(7)
其中， 也就是说，非显著性区域的Ms为1，显著性区域的Ms为0。
则，平滑处理后的显著性区域K＝(1-K′)，公式(8)。公式(7)和公式(8)中的K和K′是经过归一化处理后的值。
在经过步骤C后，步骤104可包括：步骤D。
在步骤D中，根据所述显著性区域和平滑处理后的非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
步骤D可以通过公式(9)和公式(10)来实现。
F1＝Edge*(1-S/th)2*255公式(9)
F1＝Edge*(1-(1-S/th)2*Ms*255公式(10)
由于对于显著性区域K′＝0，1-(1-S/th)2*Ms)＝1，所以公式(10)可以变形为F1＝Edge*255。
其中，公式(9)适用于非显著性区域，公式(10)适用于显著性区域。
本实施例通过对非显著性区域的平滑处理，相当于对显著性区域也做了平滑处理。将平滑处理后的显著性图像与边缘轮廓的灰度图像进行融合，可以使显著性区域的边缘轮廓更突出，非显著性区域的边缘轮廓更柔和，整体的铅笔画效果更好。
在一个实施例中，由图3可知，高亮部分为边缘轮廓部分。但是一般画铅笔画的时候，有铅笔痕迹的地方为边缘轮廓部分，也就是深色部分为边缘轮廓部分，浅色部分为边缘轮廓以外的部分。因此，为了使图像显示出更贴近铅笔画的效果，本实施例对图像进行反差处理。
所述方法还包括：步骤E。
在步骤E中，对灰度边缘提取后的图像进行反差处理。
本实施例中步骤E是对RGB颜色空间下的灰度图像进行反差处理，也就是说将图像中的黑色变为白色，白色变为黑色。该过程可由公式(7)实现。
Edge′＝(1-Edge)公式(11)
其中，Edge′表示反差处理后的边缘轮廓。
则，步骤104可以包括：步骤F。
在步骤F中，根据所述显著性区域和平滑处理后的非显著性区域，分别对反差处理后的所述图像中的边缘进行融合处理，得到处理后的图像。
本实施例中步骤F可以通过公式(12)和公式(13)实现。
F1＝(1-Edge)*K′*255公式(12)
F1＝(1-Edge)*(1-K′)*255公式(13)
其中，公式(12)适用于非显著性区域，公式(13)适用于显著性区域。
本实施例中将反差处理后的RGB颜色空间下的灰度图像与Lab颜色空间下的显著程度融合，可以得到更好的铅笔画效果。融合后的铅笔画效果图如图5所示。
在一个实施例中，所述方法还包括：步骤G。
在步骤G中，对融合处理后的图像进行底色处理，得到处理后的图像。
本实施例中不同的特效可以采用不同的底色处理方式，如怀旧等。
以复古特效为例，本实施例中步骤G可以通过公式(14)实现。
F＝F1*a+F2*(1-a)公式(14)
其中，F表示复古效果的底色处理后的像素值，F2为预设的底色参量，a为预设的权重系数。F2的可选取值包括250、200和80等，视实际需要而定。
本实施例通过底色处理，可以得到各种特效的铅笔画效果图，使图像的样式更丰富，满足用户的各种需要。底色处理后的图像效果如图6所示。
下面通过几个实施例详细介绍图像处理的实现过程。
图7是根据一示例性实施例示出的一种处理图像的方法的流程图，如图7所示，该方法可以由移动终端实现，包括以下步骤：
在步骤701中，获得待渲染的图像。
在步骤702中，根据RGB颜色空间对所述图像进行灰度处理。
在步骤703中，对灰度处理后的图像进行边缘提取。
在步骤704中，将所述图像由RGB颜色空间转换为Lab颜色空间。
在步骤705中，根据Lab颜色空间得到所述图像中每个像素点的显著性值。
在步骤706中，确定显著性值不小于预设灰度阈值的像素点属于显著性区域。
在步骤707中，确定显著性值小于预设灰度阈值的像素点属于非显著性区域。
在步骤708中，对所述图像中的非显著性区域进行平滑处理。
在步骤709中，根据所述显著性区域和平滑处理后的非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
图8是根据一示例性实施例示出的一种处理图像的方法的流程图，如图8所示，该方法可以由移动终端实现，包括以下步骤：
在步骤801中，获得待渲染的图像。
在步骤802中，根据RGB(红绿蓝)颜色空间对所述图像进行灰度处理。
在步骤803中，对灰度处理后的图像进行边缘提取。
在步骤804中，将所述图像由RGB颜色空间转换为Lab颜色空间。
在步骤805中，根据Lab颜色空间得到所述图像中每个像素点的显著性值。
在步骤806中，确定显著性值不小于预设灰度阈值的像素点属于显著性区域。
在步骤807中，确定显著性值小于预设灰度阈值的像素点属于非显著性区域。
在步骤808中，对所述图像中的非显著性区域进行平滑处理。
在步骤809中，对灰度边缘提取后的图像进行反差处理。
在步骤810中，根据所述显著性区域和平滑处理后的非显著性区域，分别对反差处理后的所述图像中的边缘进行融合处理，得到处理后的图像。
通过以上介绍了解了处理图像的实现过程，该过程由计算机实现，下面针对设备的内部结构和功能进行介绍。
图9是根据一示例性实施例示出的一种处理图像的装置示意图。参照图9，该装置包括：获取模块901、边缘提取模块902、显著性模块903和融合模块904。
获取模块901，用于获得待渲染的图像。
边缘提取模块902，用于对所述图像进行灰度边缘提取。
显著性模块903，用于确定所述图像中的显著性区域和非显著性区域。
融合模块904，用于根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
在一个实施例中，如图10所示，所述装置还包括：反差模块905。
反差模块905，用于对灰度边缘提取后的图像进行反差处理。
在一个实施例中，如图11所示，所述装置还包括：平滑模块906。
平滑模块906，用于对所述图像中的非显著性区域进行平滑处理。
在一个实施例中，如图12所示，所述融合模块904包括：第一融合子模块9041
第一融合子模块9041，用于根据所述显著性区域和平滑处理后的非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
在一个实施例中，如图13所示，所述融合模块904包括：第二融合子模块9042。
第二融合子模块9042，用于根据所述显著性区域和平滑处理后的非显著性区域，分别对反差处理后的所述图像中的边缘进行融合处理，得到处理后的图像。
在一个实施例中，如图14所示，所述显著性模块903包括：转换子模块9031、Lab灰度子模块9032和显著性子模块9033。
转换子模块9031，用于将所述图像由RGB颜色空间转换为Lab颜色空间。
Lab灰度子模块9032，用于根据Lab颜色空间得到所述图像中每个像素点的显著性值。
显著性子模块9033，用于确定显著性值不小于预设灰度阈值的像素点属于显著性区域；确定显著性值小于预设灰度阈值的像素点属于非显著性区域。
在一个实施例中，如图15所示，所述边缘提取模块902包括：RGB灰度子模块9021和提取子模块9022。
RGB灰度子模块9021，用于根据RGB颜色空间对所述图像进行灰度处理。
提取子模块9022，用于对灰度处理后的图像进行边缘提取。
在一个实施例中，如图16所示，所述装置还包括：底色处理模块907。
底色处理模块907，用于对融合处理后的图像进行底色处理，得到处理后的图像。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图17是根据一示例性实施例示出的一种用于处理图像的装置1700的框图。例如，装置1700可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图17，装置1700可以包括以下一个或多个组件：处理组件1702，存储器1704，电源组件1706，多媒体组件1708，音频组件1710，输入/输出(I/O)的接口1712，传感器组件1714，以及通信组件1716。
处理组件1702通常控制装置1700的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1702可以包括一个或多个处理器1720来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1702可以包括一个或多个模块，便于处理组件1702和其他组件之间的交互。例如，处理组件1702可以包括多媒体模块，以方便多媒体组件1708和处理组件1702之间的交互。
存储器1704被配置为存储各种类型的数据以支持在设备1700的操作。这些数据的示例包括用于在装置1700上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电力组件1706为装置1700的各种组件提供电力。电力组件1706可以包括电源管理系统，一个或多个电源，及其他与为装置1700生成、管理和分配电力相关联的组件。
多媒体组件1708包括在所述装置1700和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1708包括一个前置摄像头和/或后置摄像头。当设备1700处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件1710被配置为输出和/或输入音频信号。例如，音频组件1710包括一个麦克风(MIC)，当装置1700处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1704或经由通信组件1716发送。在一些实施例中，音频组件1710还包括一个扬声器，用于输出音频信号。
I/O接口1712为处理组件1702和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1714包括一个或多个传感器，用于为装置1700提供各个方面的状态评估。例如，传感器组件1714可以检测到设备1700的打开/关闭状态，组件的相对定位，例如所述组件为装置1700的显示器和小键盘，传感器组件1714还可以检测装置1700或装置1700的一个组件的位置改变，用户与装置1700接触的存在或不存在，装置1700方位或加速/减速和装置1700的温度变化。传感器组件1714可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1714还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1714还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件1716被配置为便于装置1700和其他设备之间有线或无线方式的通信。装置1700可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1716还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置1700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1704，上述指令可由装置1700的处理器1720执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种处理图像的装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获得待渲染的图像；
对所述图像进行灰度边缘提取；
确定所述图像中的显著性区域和非显著性区域；
根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
所述处理器还可以被配置为：
所述方法还包括：
对灰度边缘提取后的图像进行反差处理。
所述处理器还可以被配置为：
所述方法还包括：
对所述图像中的非显著性区域进行平滑处理。
所述处理器还可以被配置为：
所述根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像，包括：
根据所述显著性区域和平滑处理后的非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
所述处理器还可以被配置为：
所述根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像，包括：
根据所述显著性区域和平滑处理后的非显著性区域，分别对反差处理后的所述图像中的边缘进行融合处理，得到处理后的图像。
所述处理器还可以被配置为：
所述确定所述图像中的显著性区域和非显著性区域，包括：
将所述图像由RGB颜色空间转换为Lab颜色空间；
根据Lab颜色空间得到所述图像中每个像素点的显著性值；
确定显著性值不小于预设灰度阈值的像素点属于显著性区域；
确定显著性值小于预设灰度阈值的像素点属于非显著性区域。
所述处理器还可以被配置为：
所述对所述图像进行灰度边缘提取，包括：
根据RGB颜色空间对所述图像进行灰度处理；
对灰度处理后的图像进行边缘提取。
所述处理器还可以被配置为：
所述方法还包括：
对融合处理后的图像进行底色处理，得到处理后的图像。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种处理图像的方法，所述方法包括：
获得待渲染的图像；
对所述图像进行灰度边缘提取；
确定所述图像中的显著性区域和非显著性区域；
根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
所述存储介质中的指令还可以包括：
所述方法还包括：
对灰度边缘提取后的图像进行反差处理。
所述存储介质中的指令还可以包括：
所述方法还包括：
对所述图像中的非显著性区域进行平滑处理。
所述存储介质中的指令还可以包括：
所述根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像，包括：
根据所述显著性区域和平滑处理后的非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
所述存储介质中的指令还可以包括：
所述根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像，包括：
根据所述显著性区域和平滑处理后的非显著性区域，分别对反差处理后的所述图像中的边缘进行融合处理，得到处理后的图像。
所述存储介质中的指令还可以包括：
所述确定所述图像中的显著性区域和非显著性区域，包括：
将所述图像由RGB颜色空间转换为Lab颜色空间；
根据Lab颜色空间得到所述图像中每个像素点的显著性值；
确定显著性值不小于预设灰度阈值的像素点属于显著性区域；
确定显著性值小于预设灰度阈值的像素点属于非显著性区域。
所述存储介质中的指令还可以包括：
所述对所述图像进行灰度边缘提取，包括：
根据RGB颜色空间对所述图像进行灰度处理；
对灰度处理后的图像进行边缘提取。
所述存储介质中的指令还可以包括：
所述方法还包括：
对融合处理后的图像进行底色处理，得到处理后的图像。
图18是根据一示例性实施例示出的一种用于处理图像的装置1800的框图。例如，装置1800可以被提供为一计算机。参照图18，装置1800包括处理组件1822，其进一步包括一个或多个处理器，以及由存储器1832所代表的存储器资源，用于存储可由处理组件1822的执行的指令，例如应用程序。存储器1832中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1822被配置为执行指令，以执行上述方法处理图像。
装置1800还可以包括一个电源组件1826被配置为执行装置1800的电源管理，一个有线或无线网络接口1850被配置为将装置1800连接到网络，和一个输入输出(I/O)接口1858。装置1800可以操作基于存储在存储器1832的操作系统，例如WindowsServerTM，MacOSXTM，UnixTM,LinuxTM，FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (17)
1.一种处理图像的方法，其特征在于，包括：
获得待渲染的图像；
对所述图像进行灰度边缘提取；
确定所述图像中的显著性区域和非显著性区域；
根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
2.根据权利要求1所述的处理图像的方法，其特征在于，所述方法还包括：
对灰度边缘提取后的图像进行反差处理。
3.根据权利要求1或2所述的处理图像的方法，其特征在于，所述方法还包括：
对所述图像中的非显著性区域进行平滑处理。
4.根据权利要求3所述的处理图像的方法，其特征在于，所述根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像，包括：
根据所述显著性区域和平滑处理后的非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
5.根据权利要求3所述的处理图像的方法，其特征在于，所述根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像，包括：
根据所述显著性区域和平滑处理后的非显著性区域，分别对反差处理后的所述图像中的边缘进行融合处理，得到处理后的图像。
6.根据权利要求1所述的处理图像的方法，其特征在于，所述确定所述图像中的显著性区域和非显著性区域，包括：
将所述图像由RGB颜色空间转换为Lab颜色空间；
根据Lab颜色空间得到所述图像中每个像素点的显著性值；
确定显著性值不小于预设灰度阈值的像素点属于显著性区域；
确定显著性值小于预设灰度阈值的像素点属于非显著性区域。
7.根据权利要求1所述的处理图像的方法，其特征在于，所述对所述图像进行灰度边缘提取，包括：
根据RGB颜色空间对所述图像进行灰度处理；
对灰度处理后的图像进行边缘提取。
8.根据权利要求1所述的处理图像的方法，其特征在于，所述方法还包括：
对融合处理后的图像进行底色处理，得到处理后的图像。
9.一种处理图像的装置，其特征在于，包括：
获取模块，用于获得待渲染的图像；
边缘提取模块，用于对所述图像进行灰度边缘提取；
显著性模块，用于确定所述图像中的显著性区域和非显著性区域；
融合模块，用于根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
10.根据权利要求9所述的处理图像的装置，其特征在于，所述装置还包括：
反差模块，用于对灰度边缘提取后的图像进行反差处理。
11.根据权利要求9或10所述的处理图像的装置，其特征在于，所述装置还包括：
平滑模块，用于对所述图像中的非显著性区域进行平滑处理。
12.根据权利要求11所述的处理图像的装置，其特征在于，所述融合模块包括：
第一融合子模块，用于根据所述显著性区域和平滑处理后的非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
13.根据权利要求11所述的处理图像的装置，其特征在于，所述融合模块包括：
第二融合子模块，用于根据所述显著性区域和平滑处理后的非显著性区域，分别对反差处理后的所述图像中的边缘进行融合处理，得到处理后的图像。
14.根据权利要求9所述的处理图像的装置，其特征在于，所述显著性模块包括：
转换子模块，用于将所述图像由RGB颜色空间转换为Lab颜色空间；
Lab灰度子模块，用于根据Lab颜色空间得到所述图像中每个像素点的显著性值；
显著性子模块，用于确定显著性值不小于预设灰度阈值的像素点属于显著性区域；确定显著性值小于预设灰度阈值的像素点属于非显著性区域。
15.根据权利要求9所述的处理图像的装置，其特征在于，所述边缘提取模块包括：
RGB灰度子模块，用于根据RGB颜色空间对所述图像进行灰度处理；
提取子模块，用于对灰度处理后的图像进行边缘提取。
16.根据权利要求9所述的处理图像的装置，其特征在于，所述装置还包括：
底色处理模块，用于对融合处理后的图像进行底色处理，得到处理后的图像。
17.一种处理图像的装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获得待渲染的图像；
对所述图像进行灰度边缘提取；
确定所述图像中的显著性区域和非显著性区域；
根据所述显著性区域和所述非显著性区域，分别对所述图像中的边缘进行融合处理，得到处理后的图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510874683.8A CN105528765B (zh) | 2015-12-02 | 2015-12-02 | 处理图像的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510874683.8A CN105528765B (zh) | 2015-12-02 | 2015-12-02 | 处理图像的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105528765A true CN105528765A (zh) | 2016-04-27 |
| CN105528765B CN105528765B (zh) | 2020-07-21 |
Family
ID=55770971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510874683.8A Active CN105528765B (zh) | 2015-12-02 | 2015-12-02 | 处理图像的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105528765B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106341610A (zh) * | 2016-11-25 | 2017-01-18 | 广东欧珀移动通信有限公司 | 拍照方法及移动终端 |
| CN106851147A (zh) * | 2017-02-15 | 2017-06-13 | 上海顺久电子科技有限公司 | 在播放外部视频的终端中确定osd菜单区域的方法及装置 |
| CN107832766A (zh) * | 2017-10-30 | 2018-03-23 | 北京小米移动软件有限公司 | 高光区域的确定方法、装置、设备和存储介质 |
| CN110070499A (zh) * | 2019-03-14 | 2019-07-30 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置和计算机可读存储介质 |
| CN110070495A (zh) * | 2019-02-20 | 2019-07-30 | 北京字节跳动网络技术有限公司 | 图像的处理方法、装置和电子设备 |
| CN110599437A (zh) * | 2019-09-26 | 2019-12-20 | 北京百度网讯科技有限公司 | 用于处理视频的方法和装置 |
| CN112446817A (zh) * | 2019-08-29 | 2021-03-05 | 北京小米移动软件有限公司 | 图片融合方法及装置 |
| CN112819691A (zh) * | 2021-02-05 | 2021-05-18 | 北京字跳网络技术有限公司 | 图像处理方法、装置、设备及可读存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2034436A1 (en) * | 2007-09-06 | 2009-03-11 | Thomson Licensing | Method for non-photorealistic rendering |
| US20120250996A1 (en) * | 2011-03-31 | 2012-10-04 | Casio Computer Co., Ltd. | Image processing apparatus, image processing method, and storage medium |
| CN102737369A (zh) * | 2011-03-31 | 2012-10-17 | 卡西欧计算机株式会社 | 图像处理装置及图像处理方法 |
| CN103116898A (zh) * | 2013-01-30 | 2013-05-22 | 深圳深讯和科技有限公司 | 生成水墨画风格图像的方法及装置 |
| CN103914840A (zh) * | 2014-04-01 | 2014-07-09 | 山东大学 | 一种针对非简单背景的人体轮廓自动提取方法 |
| CN103955935A (zh) * | 2014-05-07 | 2014-07-30 | 常州工学院 | 一种基于局部自适应回归的显著区域检测方法 |
| CN104966285A (zh) * | 2015-06-03 | 2015-10-07 | 北京工业大学 | 一种显著性区域的检测方法 |
-
2015
- 2015-12-02 CN CN201510874683.8A patent/CN105528765B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2034436A1 (en) * | 2007-09-06 | 2009-03-11 | Thomson Licensing | Method for non-photorealistic rendering |
| US20120250996A1 (en) * | 2011-03-31 | 2012-10-04 | Casio Computer Co., Ltd. | Image processing apparatus, image processing method, and storage medium |
| CN102737369A (zh) * | 2011-03-31 | 2012-10-17 | 卡西欧计算机株式会社 | 图像处理装置及图像处理方法 |
| CN102842140A (zh) * | 2011-03-31 | 2012-12-26 | 卡西欧计算机株式会社 | 图像处理装置以及图像处理方法 |
| CN103116898A (zh) * | 2013-01-30 | 2013-05-22 | 深圳深讯和科技有限公司 | 生成水墨画风格图像的方法及装置 |
| CN103914840A (zh) * | 2014-04-01 | 2014-07-09 | 山东大学 | 一种针对非简单背景的人体轮廓自动提取方法 |
| CN103955935A (zh) * | 2014-05-07 | 2014-07-30 | 常州工学院 | 一种基于局部自适应回归的显著区域检测方法 |
| CN104966285A (zh) * | 2015-06-03 | 2015-10-07 | 北京工业大学 | 一种显著性区域的检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| 冯捷 等: "基于灰度合成的图像素描效果生成算法", 《浙江工业大学学报》 * |
| 孙娜娜: "基于显著性图的自然图像水墨风格化算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 张喜成 等: "一种基于图像显著特征的非均匀抽象化方法", 《亚太青年通信与技术学术会议2010》 * |
| 陶正飞 等: "基于显著性分割的图像抽象化", 《计算机工程》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106341610A (zh) * | 2016-11-25 | 2017-01-18 | 广东欧珀移动通信有限公司 | 拍照方法及移动终端 |
| CN106851147A (zh) * | 2017-02-15 | 2017-06-13 | 上海顺久电子科技有限公司 | 在播放外部视频的终端中确定osd菜单区域的方法及装置 |
| CN106851147B (zh) * | 2017-02-15 | 2019-09-20 | 上海顺久电子科技有限公司 | 在播放外部视频的终端中确定osd菜单区域的方法及装置 |
| CN107832766A (zh) * | 2017-10-30 | 2018-03-23 | 北京小米移动软件有限公司 | 高光区域的确定方法、装置、设备和存储介质 |
| CN107832766B (zh) * | 2017-10-30 | 2021-07-23 | 北京小米移动软件有限公司 | 高光区域的确定方法、装置、设备和存储介质 |
| CN110070495A (zh) * | 2019-02-20 | 2019-07-30 | 北京字节跳动网络技术有限公司 | 图像的处理方法、装置和电子设备 |
| CN110070495B (zh) * | 2019-02-20 | 2021-09-17 | 北京字节跳动网络技术有限公司 | 图像的处理方法、装置和电子设备 |
| CN110070499A (zh) * | 2019-03-14 | 2019-07-30 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置和计算机可读存储介质 |
| CN112446817A (zh) * | 2019-08-29 | 2021-03-05 | 北京小米移动软件有限公司 | 图片融合方法及装置 |
| CN110599437A (zh) * | 2019-09-26 | 2019-12-20 | 北京百度网讯科技有限公司 | 用于处理视频的方法和装置 |
| CN112819691A (zh) * | 2021-02-05 | 2021-05-18 | 北京字跳网络技术有限公司 | 图像处理方法、装置、设备及可读存储介质 |
| WO2022166907A1 (zh) * | 2021-02-05 | 2022-08-11 | 北京字跳网络技术有限公司 | 图像处理方法、装置、设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105528765B (zh) | 2020-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109345485B (zh) | 一种图像增强方法、装置、电子设备及存储介质 | |
| CN105528765B (zh) | 处理图像的方法及装置 | |
| CN109658401B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN108154465B (zh) | 图像处理方法及装置 | |
| WO2016011747A1 (zh) | 肤色调整方法和装置 | |
| EP3125547A1 (en) | Method and device for switching color gamut mode | |
| CN107944367B (zh) | 人脸关键点检测方法及装置 | |
| CN106131441B (zh) | 拍照方法及装置、电子设备 | |
| CN104050645B (zh) | 图像处理方法及装置 | |
| CN107967459B (zh) | 卷积处理方法、装置及存储介质 | |
| CN108154466B (zh) | 图像处理方法及装置 | |
| CN107730448B (zh) | 基于图像处理的美颜方法及装置 | |
| EP3816927B1 (en) | Method and apparatus for training image processing models, and storage medium | |
| CN109784164B (zh) | 前景识别方法、装置、电子设备及存储介质 | |
| CN111953904B (zh) | 拍摄方法、装置、电子设备及存储介质 | |
| CN110619610B (zh) | 图像处理方法及装置 | |
| CN105574834B (zh) | 图像处理方法及装置 | |
| CN107507128B (zh) | 图像处理方法及设备 | |
| CN115205172A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN111953903A (zh) | 拍摄方法、装置、电子设备及存储介质 | |
| CN106469446B (zh) | 深度图像的分割方法和分割装置 | |
| CN107610201A (zh) | 基于图像处理的润唇方法及装置 | |
| CN104992416B (zh) | 图像增强方法和装置、智能设备 | |
| CN107730443B (zh) | 图像处理方法、装置及用户设备 | |
| CN107025638B (zh) | 图像处理的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200610 Address after: 100085, Haidian District, 68, Qinghe street, Huarun colorful city shopping center, two, 9, 01, room Applicant after: BEIJING XIAOMI MOBILE SOFTWARE Co.,Ltd. Applicant after: Xiaomi Technology Co.,Ltd. Address before: 100085, Haidian District, Beijing Qinghe Street No. 68, Huarun colorful city shopping center two, 13 layers Applicant before: Xiaomi Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |