CN113313125A - 图像处理方法和装置、电子设备、计算机可读介质 - Google Patents

Abstract

本公开提供了一种图像处理方法和装置，涉及图像处理、深度学习等技术领域。具体实现方案为：实时获取待处理图像；对待处理图像进行特征点抽取，得到待处理图像的待测特征点集，待测特征点集包括至少一个待测特征点；将待测特征点集与预设的目标图像的目标特征点集进行匹配，得到至少一个匹配点对；基于至少一个匹配点对，对待处理图像进行区域映射，得到待处理图像的映射区域；基于映射区域、目标图像，对待处理图像进行检测，得到检测结果。该实施方式提高了图像检测的准确性。

Description

图像处理方法和装置、电子设备、计算机可读介质

技术领域

本公开涉及计算机技术领域，具体涉及图像处理、深度学习等技术领域，尤其涉及一种图像处理方法和装置、电子设备、计算机可读介质以及计算机程序产品。

背景技术

现在国内已经拥有了庞大数量的手机用户群体，且其丰富的应用成为手机用户的装机必备。而一款应用能让用户长期选择使用下去，必须具有良好的交互界面，好用的功能等；因此在产品发布上线之前是需要做大量的测试工作，测试中有很大一部分工作就是测试各个场景下的交互界面展示的正确性。

发明内容

提供了一种图像处理方法和装置、电子设备、计算机可读介质以及计算机程序产品。

根据第一方面，提供了一种图像处理方法，该方法包括：实时获取待处理图像；对待处理图像进行特征点抽取，得到待处理图像的待测特征点集；将待测特征点集与预设的目标图像的目标特征点集进行匹配，得到至少一个匹配点对；基于至少一个匹配点对，对待处理图像进行区域映射，得到待处理图像的映射区域；基于映射区域、目标图像，对待处理图像进行检测，得到检测结果。

根据第二方面，提供了一种图像处理装置，该装置包括：获取单元，被配置成实时获取待处理图像；抽取单元，被配置成对待处理图像进行特征点抽取，得到待处理图像的待测特征点集；匹配单元，被配置成将待测特征点集与预设的目标图像的目标特征点集进行匹配，得到至少一个匹配点对；映射单元，被配置成基于至少一个匹配点对，对待处理图像进行区域映射，得到待处理图像的映射区域；得到单元，被配置成基于映射区域、目标图像，对待处理图像进行检测，得到检测结果。

根据第三方面，提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面任一实现方式描述的方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面任一实现方式描述的方法。

根据第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面任一实现方式描述的方法。

本公开的实施例提供的图像处理方法和装置，首先，实时获取待处理图像；其次，对待处理图像进行特征点抽取，得到待处理图像的待测特征点集；再次，将待测特征点集与预设的目标图像的目标特征点集进行匹配，得到至少一个匹配点对；从次，基于至少一个匹配点对，对待处理图像进行区域映射，得到待处理图像的映射区域；最后，基于映射区域、目标图像，对待处理图像进行检测，得到检测结果。由此，通过特征点的提取确定映射区域，基于映射区域进行的图像检测，提高了图像检测的精度，实现了对终端上图像实时的自动化测试，在提高了终端的图像测试精度的同时，解决了跨终端检测多样性的问题。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开图像处理方法的一个实施例的流程图；

图2是根据本公开实施例中同一终端上待处理图像与目标图像的匹配示意图；

图3是根据本公开实施例中不同终端上待处理图像与目标图像的匹配示意图；

图4是本公开的实时获取待处理图像的方法的流程图；

图5是根据本公开图像处理装置的实施例的结构示意图；

图6是用来实现本公开实施例的图像处理方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1示出了根据本公开图像处理方法的一个实施例的流程100，上述图像处理方法包括以下步骤：

步骤101，实时获取待处理图像。

本实施例中，待处理图像为图像处理方法运行于其上的执行主体实时获取的待检测的图像，根据不同的检测需求，待处理图像的提供端可以不同。例如，为了检测移动终端上的应用显示的界面图像的是否符合预期场景，待处理图像可以是对移动终端实时的显示的图像进行截屏得到的图片。

可选地，待处理图像可以是存储在数据库中的图像，图像处理方法运行于其上的执行主体根据检测需求，从终端的应用中获取待处理图像，并保存在数据库中，以供执行主体实时从数据库中获取待处理图像，从而为图像检测提供了数据支持。

可选地，待处理图像还可以是终端上的应用执行实时的任务(例如，通信界面的显示任务)实时产生的不同图像，例如，通讯应用被触发后，显示的开启界面图像；通讯应用在向外发出通信信号时，显示的正在通讯的界面图像。

步骤102，对待处理图像进行特征点抽取，得到待处理图像的待测特征点集。

图像的特征主要有三种，即点、线、面，其中点特征是最为常见的特征之一，主要有图像的边缘点、中心点、图像中不同对象的交汇点等，特征点的提取方法有Moravec算法、SIFT(Scale Invariant Feature Transform，尺度不变特征变换)算法以及SIFT的改进算法等。

本实施例中，待测特征点集包括至少一个待测特征点，各个待测特征点具有各自的属性，属性包括：位置、像素值等。在对待处理图像进行特征点抽取时，还可以同时对目标图像进行特征点抽取，得到目标图像的目标特征点集，目标图像的目标特征点集可以包括至少一个目标特征点。本实施例中，目标图像是预设的且符合预期场景的图像，通过将待处理图像与目标图像进行匹配，确定待处理图像是否与目标图像相似度较高，从而达到了检测待处理图像的目的。

步骤103，将待测特征点集与预设的目标图像的目标特征点集进行匹配，得到至少一个匹配点对。

本实施例中，将待测特征点集与目标特征点集进行匹配，是指在待测特征点集中如何寻找和目标特征点集中各个目标特征点最相似的待测特征点。而将待测特征点集与目标特征点集进行匹配可以采用多种匹配方法，例如，采用暴力匹配方法(Brute-FroceMatcher)，计算目标特征点集中某一个目标特征点与待测特征点集中各个待测特征点之间的距离，然后将得到的距离进行排序，取距离最近的待测特征点作为匹配点对中的匹配点。

需要说明的是，采用暴力匹配方法简单粗暴，其结果也是显而易见的，但是实际实践中暴力匹配方法得到的匹配点对有大量的错误匹配点对，这就需要使用一些机制过滤掉错误的匹配点对。

步骤104，基于至少一个匹配点对，对待处理图像进行区域映射，得到待处理图像的映射区域。

本实施例中，映射区域是待处理图像中与上述至少一个匹配点对相关的区域，也即与目标图像匹配度最高的区域。映射区域中的待测特征点集与目标图像的目标特征点集相似度最高。

步骤105，基于映射区域、目标图像，对待处理图像进行检测，得到检测结果。

本实施例中，目标图像和待处理图像可以是显示或存储于同一载体(例如，终端、服务器)的两种图像，目标图像和待处理图像还可以是分别显示或存储于不同载体的两种图像。

如图2所示，对于显示或存储于同一载体的目标图像M和待处理图像两者的显示机制相同，在对待处理图像进行检测时，将映射区域C中的待处理图像直接与目标图像M进行相似度比较，如果相似度大于相似度阈值(例如90％)，确定待处理图像合格，映射区域的待处理图像满足图像显示需求，输出检测结果，该检测结果可以包括：置信度以及目标范围的位置标识，其中置信度由相似度比较的范围确定，目标范围的位置标识包括：映射区域的左上角坐标、映射区域的长度、映射区域的宽度等。当相似度小于相似度阈值时，确定待处理图像不合格，输出的检测结果为空。当检测结果为空时，代表这预期结果不正确，需要进行排查问题原因。

如图3所示，对于分别显示或存储于不同载体的目标图像M’和待处理图像，则需要根据两者分别所在的载体显示机制不同，在对待处理图像进行检测时，需要将目标图像M’进行图像变换，将映射区域中的图像C’与变换后的目标图像进行相似度比较，如果相似度大于相似度阈值(例如90％)，确定待处理图像合格，映射区域的待处理图像满足图像显示需求，输出检测结果。

本实施例提供图像处理方法，使用的特征检测以及匹配算法力度较细，一方面可以实现细粒度的图像处理，另一方面对缩放等分辨率的变化也具有很好的鲁棒性；因此，目标图像可以采用预置公共的图像资源即可，降低了人工对待处理图像进行检测的成本，提高了待处理图像检测的检测效率。

本公开的实施例提供的图像处理方法，首先，实时获取待处理图像；其次，对待处理图像进行特征点抽取，得到待处理图像的待测特征点集；再次，将待测特征点集与预设的目标图像的目标特征点集进行匹配，得到至少一个匹配点对；从次，基于至少一个匹配点对，对待处理图像进行区域映射，得到待处理图像的映射区域；最后，基于映射区域、目标图像，对待处理图像进行检测，得到检测结果。由此，通过特征点的提取确定映射区域，基于映射区域进行的图像处理，提高了图像处理的精度，实现了对终端上图像实时的自动化测试，在提高了终端的图像测试精度的同时，解决了跨终端检测多样性的问题。

图4示出了本公开的实时获取待处理图像的方法的流程图400，上述实时获取待处理图像的方法包括以下步骤：

步骤401，从测试任务列表中获取测试任务。

本实施例中，测试任务可以是对终端上的应用进行测试的任务，通过测试任务可以测试应用执行的显示程序是否正确，并且执行主体可以从终端的应用中获取与测试任务对应的待处理图像，通过待处理图像可以确定终端的应用执行测试任务的成功或失败的结果。

在执行测试任务之前，可以在终端上安装测试框架，针对界面设计的测试，可以采用UI(User Interface，用户界面)测试框架(如UI Automator)，UI测试框架适用于跨系统和已安装应用程序的跨应用程序功能性UI测试，操作人员通过UI测试框架可以实时查看交互界面是否符合预期结果，执行主体还可以通过UI测试框架实时获取待处理图像，并将待处理图像保存在数据库中，为后续图像处理提供数据支持。

步骤402，将测试任务分配给终端，以在终端上运行测试任务。

本实施例中，测试任务是适用于终端的任务，终端执行测试任务之后，生成与测试任务相对应的待检测图片。

本实施例中，终端包括至少一台，每个终端的型号和运行系统均不做限定，各台终端上安装有至少一个应用，各个终端的应用在接收到界面显示任务之后，均可以呈现相同效果的用户界面图像。

步骤403，实时接收终端发送的与测试任务对应的待处理图像。

本可选实现方式中，首先图像处理方法运行于其上的执行主体触发测试任务，生成包括至少一个测试任务的任务列表，分配给多台终端，多台终端开始运行各自的测试任务，每条测试任务会生成相应的待处理图像，各个终端向执行主体上传各自的待处理图像，执行主体对各个待处理图像进行检测给出检测结果，判定测试成功与否；失败的情况下，将结果进行反馈分析功能交互等可能存在的漏洞。

可选地，图像处理方法运行于其上的执行主体实时获取并通过UI测试框架展示待检测图片，由操作人员检测待处理图像是否符合目标图像，在待处理图像不合格时，检查终端上在执行测试任务的应用的漏洞还是测试任务的问题。

本可选实现方式提供的获取待处理图像的方法，通过向终端分配测试任务列表中的测试任务，以使各个终端生成待处理图像，通过实时接收终端发送的待处理图像，达到自动化测试终端的图像的目的，保证了终端的待处理图像实时测试效果。

在本实施例的一些可选实现方式中，上述基于映射区域、目标图像，对待处理图像进行检测，得到检测结果，包括：基于映射区域，对待处理图像进行裁剪，得到裁剪图像；响应于检测到裁剪图像与目标图像的尺寸相同，计算裁剪图像与目标图像之间的相似度；响应于确定裁剪图像与目标图像之间的相似度大于设定阈值，确定待处理图像合格。

本可选实现方式中，在得到映射区域之后，裁剪映射区域中的待处理图像，从而精确确定了待处理图像中与目标图像相对应的位置；进一步，在裁剪图像与目标图像的尺寸相同时，通过裁剪图像与目标图像之间的相似度检测待处理图像是否合格，保证了待处理图像检测的可靠性。

在本实施例的一些可选实现方式中，上述基于映射区域、目标图像，对待处理图像进行检测，得到检测结果，还包括：响应于检测到裁剪图像与目标图像的尺寸不相同，对裁剪图像进行缩放，以使缩放后的裁剪图像与目标图像的尺寸相同。

本可选实现方式中，可以采用图像缩放算法或者图像缩放模型对裁剪图像进行缩放，得到与目标图像的尺寸相同的裁剪图像。

本可选实现方式中，在裁剪图像与目标图像的尺寸不一致时，通过对裁剪图像进行缩放，保证了裁剪图像与目标图像相似度对比的可靠性。

在本实施例的一些可选实现方式中，上述将待测特征点集与预设的目标图像的目标特征点集进行匹配，得到至少一个匹配点对包括：采用特征匹配算法将待测特征点集与目标图像的目标特征点集进行匹配，得到至少一个初始点对；对至少一个初始点对进行筛选，得到至少一个匹配点对。

本可选实现方式中，特征匹配算法可以采用kNN分类算法(k-NearestNeighbor，k最近邻)，kNN算法的核心思想是：如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该分类算法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。

本可选实现方式中，每个匹配点对属于至少一个初始点对，匹配点是对至少一个初始点对进行筛选后得到的配对较准确的点对，每个初始点对和每个匹配点均包括相互对应的目标特征点和待测特征点。

本可选实现方式中，在采用特征匹配算法将待测特征点集与目标特征点集进行匹配之后，得到的初始点对准确度不高，通过对初始点对进行筛选，得到的比较准确的匹配点对，保证了的待处理图像和目标图像的特征点集的匹配结果的准确性。

在本实施例的一些可选实现方式中，上述对至少一个初始点对进行筛选，得到至少一个匹配点对包括：针对至少一个初始点对的每个初始点对，确定该初始点对中与待测特征点距离最近的目标特征点和次近的目标特征点；分别计算最近的目标特征点、次近的目标特征点之间欧式距离的比值；响应于比值大于设定阈值，将该初始点对作为一个匹配点对。

本可选方式中，上述最近的目标特征点、次近的目标特征点可以是一个特征点也可以是多个特征点。

本可选实现方式中，通过初始点对中与待测特征点距离最近的目标特征点和次近的目标特征点之间欧式距离的比值，保证了得到的匹配点对的准确性。

可选地，上述对至少一个初始点对进行筛选，得到至少一个匹配点对还可以包括：针对至少一个初始点对的每个初始点对，确定该初始点对中与目标特征点距离最近的待测特征点和次近的待测特征点；分别计算最近的待测特征点、次近的待测特征点之间欧式距离的比值；在最近的待测特征点、次近的待测特征点之间欧式距离的比值大于设定阈值时，将该初始点对作为一个匹配点对；在最近的待测特征点、次近的待测特征点之间欧式距离的比值小于或等于设定阈值时，舍弃该初始点。

本可选方式中，上述最近的待测特征点、次近的待测特征点可以是一个特征点也可以是多个特征点。

在本实施例的一些可选实现方式中，对至少一个初始点对进行筛选，得到至少一个匹配点对还包括：基于至少一个匹配点对中的目标特征点，采用单应性变换得到掩膜矩阵；基于掩膜矩阵，去除至少一个匹配点对中的错误的匹配点对。

本可选实现方式中，单应性(Homography)变换，用来描述物体在世界坐标系和像素坐标系之间的位置映射关系。每个匹配点对包括相互对应的目标特征点和待测特征点，采用单应性变换将所有匹配点对中的目标特征点映射到待处理图像上对应的待测特征点，可以计算得到反映映射状态的掩膜矩阵。

掩膜矩阵用于对图像进行遮挡，来控制图像区域或处理过程。通过掩模矩阵，可以重新计算图像中的每一个像素值。掩模矩阵控制了旧图像当前位置以及周围位置像素对新图像当前位置像素值的影响力度。

本实施例中，错误的匹配点对是指通过单应性变换无法在待处理图像上为当前目标特征点寻找到对应的待测特征点，或者待处理图像上当前的待测特征点在目标图像上没有对应的目标特征点，此时需要去除错误的匹配点对，以达到对待测特征点集进行优化的目的。

本实施例中，通过单应性变换得到的掩膜矩阵，可以有效区分映射在待处理图像所在平面上待测特征点的正确度，而通过掩膜矩阵滤除待处理图像上错误特征点，达到了对待测特征点集中错误特征点的滤除。

本可选实现方式中，通过单应性变换得到的掩膜矩阵，反映了目标特征点在待处理图像上映射的正确或错误的映射点，保证了匹配点对筛选的可靠性。

在本实施例的一些可选实现方式中，上述基于至少一个匹配点对，对待处理图像进行区域映射，得到待处理图像的映射区域，包括：基于至少一个匹配点对，确定待处理图像上与所有匹配点对应的所有待测特征点；连接所有距待处理图像的边框最近的待测特征点，形成包围所有待测特征点的映射曲线；将映射曲线包围的区域作为待处理图像的映射区域。

本可选实现方式中，首先确定待处理图像上所有待测特征点，将距待处理图像的边框最近的待测特征点连接起来形成的映射区域，保证了映射区域得到的可靠性。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了图像处理装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可应用于各种电子设备中。

如图5所示，本实施例提供的图像处理装置500包括：获取单元501，抽取单元502，匹配单元503，映射单元504，得到单元505。其中，上述获取单元501，可以被配置成实时获取待处理图像。上述抽取单元502，可以被配置成对待处理图像进行特征点抽取，得到待处理图像的待测特征点集，待测特征点集包括至少一个待测特征点。上述匹配单元503，可以被配置成将待测特征点集与预设的目标图像的目标特征点集进行匹配，得到至少一个匹配点对。上述映射单元504，可以被配置成基于至少一个匹配点对，对待处理图像进行区域映射，得到待处理图像的映射区域。上述得到单元505，可以被配置成基于映射区域、目标图像，对待处理图像进行检测，得到检测结果。

在本实施例中，图像处理装置500中：获取单元501，抽取单元502，匹配单元503，映射单元504，得到单元505的具体处理及其所带来的技术效果可分别参考图1对应实施例中的步骤101、步骤102、步骤103、步骤104、步骤105的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述获取单元501包括：获取模块(图中未示出)，分配模块(图中未示出)，接收模块(图中未示出)。其中，上述获取模块，可以被配置成从测试任务列表中获取测试任务。上述分配模块，可以被配置成将测试任务分配给终端，以在终端上运行测试任务。上述接收模块，可以被配置成实时接收终端发送的与测试任务对应的待处理图像。

在本实施例的一些可选的实现方式中，上述得到单元505包括：裁剪模块(图中未示出)，计算模块(图中未示出)，确定模块(图中未示出)。其中，上述裁剪模块，可以被配置成基于映射区域，对待处理图像进行裁剪，得到裁剪图像。上述计算模块，可以被配置成响应于检测到裁剪图像与目标图像的尺寸相同，计算裁剪图像与目标图像之间的相似度。上述确定模块，可以被配置成响应于确定裁剪图像与目标图像之间的相似度大于设定阈值，确定待处理图像合格。

在本实施例的一些可选的实现方式中，上述得到单元505还包括：缩放模块(图中未示出)。其中，上述缩放模块，可以被配置成响应于检测到裁剪图像与目标图像的尺寸不相同，对裁剪图像进行缩放，以使缩放后的裁剪图像与目标图像的尺寸相同。

在本实施例的一些可选的实现方式中，上述匹配单元503包括：匹配模块(图中未示出)，筛选模块(图中未示出)。其中，上述匹配模块，可以被配置成采用特征匹配算法将待测特征点集与目标图像的目标特征点集进行匹配，得到至少一个初始点对。上述筛选模块，可以被配置成对至少一个初始点对进行筛选，得到至少一个匹配点对。

在本实施例的一些可选的实现方式中，上述筛选模块包括：确定子模块(图中未示出)，计算子模块(图中未示出)，筛选子模块(图中未示出)。其中，上述确定子模块，可以被配置成针对至少一个初始点对的每个初始点对，确定该初始点对中与待测特征点距离最近的目标特征点和次近的目标特征点。上述计算子模块，可以被配置成分别计算最近的目标特征点、次近的目标特征点之间欧式距离的比值。上述筛选子模块，可以被配置成响应于比值大于设定阈值，将该初始点对作为一个匹配点对。

在本实施例的一些可选的实现方式中，上述筛选模块还包括：得到子模块(图中未示出)，去除子模块(图中未示出)。其中，上述得到子模块，可以被配置成基于至少一个匹配点对中的目标特征点，采用单应性变换得到掩膜矩阵。上述去除子模块，可以被配置成基于掩膜矩阵，去除至少一个匹配点中的错误的匹配点对。

在本实施例的一些可选的实现方式中，映射单元504包括：适配模块(图中未示出)，连接模块(图中未示出)，定域模块(图中未示出)。其中，上述适配模块，可以被配置成基于至少一个匹配点对，确定待处理图像上与所有匹配点对应的所有待测特征点。上述连接模块，可以被配置成连接所有距待处理图像的边框最近的待测特征点，形成包围所有待测特征点的映射曲线。上述定域模块，可以被配置成将映射曲线包围的区域作为待处理图像的映射区域。

本公开的实施例提供的图像处理装置，首先，获取单元501实时获取待处理图像；其次，抽取单元502对待处理图像进行特征点抽取，得到待处理图像的待测特征点集；再次，匹配单元503将待测特征点集与预设的目标图像的目标特征点集进行匹配，得到至少一个匹配点对；从次，映射单元504基于至少一个匹配点对，对待处理图像进行区域映射，得到待处理图像的映射区域；最后，得到单元505基于映射区域、目标图像，对待处理图像进行检测，得到检测结果。由此，通过特征点的提取确定映射区域，基于映射区域进行的图像检测，提高了图像检测的精度，实现了对终端上图像实时的自动化测试，在提高了终端的图像测试精度的同时，解决了跨终端检测多样性的问题。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如图像处理方法。例如，在一些实施例中，图像处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的图像处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像处理方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程图像处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、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、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (19)

1.一种图像处理方法，所述方法包括：

实时获取待处理图像；

对所述待处理图像进行特征点抽取，得到所述待处理图像的待测特征点集；

将所述待测特征点集与预设的目标图像的目标特征点集进行匹配，得到至少一个匹配点对；

基于所述至少一个匹配点对，对所述待处理图像进行区域映射，得到所述待处理图像的映射区域；

基于所述映射区域、所述目标图像，对所述待处理图像进行检测，得到检测结果。

2.根据权利要求1所述的方法，其中，所述实时获取待处理图像包括：

从测试任务列表中获取测试任务；

将所述测试任务分配给终端，以在所述终端上运行所述测试任务；

实时接收所述终端发送的与所述测试任务对应的待处理图像。

3.根据权利要求1所述的方法，其中，所述基于所述映射区域、所述目标图像，对所述待处理图像进行检测，得到检测结果，包括：

基于所述映射区域，对所述待处理图像进行裁剪，得到裁剪图像；

响应于检测到所述裁剪图像与所述目标图像的尺寸相同，计算所述裁剪图像与所述目标图像之间的相似度；

响应于确定所述裁剪图像与所述目标图像之间的相似度大于设定阈值，确定所述待处理图像合格。

4.根据权利要求3所述的方法，其中，所述基于所述映射区域、所述目标图像，对所述待处理图像进行检测，得到检测结果，还包括：

响应于检测到所述裁剪图像与所述目标图像的尺寸不相同，对所述裁剪图像进行缩放，以使缩放后的裁剪图像与所述目标图像的尺寸相同。

5.根据权利要求1-4之一所述的方法，其中，所述将所述待测特征点集与预设的目标图像的目标特征点集进行匹配，得到至少一个匹配点对包括：

采用特征匹配算法将所述待测特征点集与所述目标图像的目标特征点集进行匹配，得到至少一个初始点对；

对所述至少一个初始点对进行筛选，得到至少一个匹配点对。

6.根据权利要求5所述的方法，其中，所述对所述至少一个初始点对进行筛选，得到至少一个匹配点对包括：

针对所述至少一个初始点对的每个初始点对，确定该初始点对中与待测特征点距离最近的目标特征点和次近的目标特征点；

分别计算所述最近的目标特征点、所述次近的目标特征点之间欧式距离的比值；

响应于所述比值大于设定阈值，将该初始点对作为一个匹配点对。

7.根据权利要求6所述的方法，其中，所述对所述至少一个初始点对进行筛选，得到至少一个匹配点对还包括：

基于所述至少一个匹配点对中的目标特征点，采用单应性变换得到掩膜矩阵；

基于所述掩膜矩阵，去除所述至少一个匹配点对中的错误的匹配点对。

8.根据权利要求5所述的方法，其中，所述基于所述至少一个匹配点对，对所述待处理图像进行区域映射，得到所述待处理图像的映射区域，包括：

基于所述至少一个匹配点对，确定所述待处理图像上与所有匹配点对应的所有待测特征点；

连接所有距所述待处理图像的边框最近的待测特征点，形成包围所有待测特征点的映射曲线；

将所述映射曲线包围的区域作为所述待处理图像的映射区域。

9.一种图像处理装置，所述装置包括：

获取单元，被配置成实时获取待处理图像；

抽取单元，被配置成对所述待处理图像进行特征点抽取，得到所述待处理图像的待测特征点集；

匹配单元，被配置成将所述待测特征点集与预设的目标图像的目标特征点集进行匹配，得到至少一个匹配点对；

映射单元，被配置成基于所述至少一个匹配点对，对所述待处理图像进行区域映射，得到所述待处理图像的映射区域；

得到单元，被配置成基于所述映射区域、所述目标图像，对所述待处理图像进行检测，得到检测结果。

10.根据权利要求9所述的装置，其中，所述获取单元包括：

获取模块，被配置成从测试任务列表中获取测试任务；

分配模块，被配置成将所述测试任务分配给终端，以在所述终端上运行所述测试任务；

接收模块，被配置成实时接收所述终端发送的与所述测试任务对应的待处理图像。

11.根据权利要求9所述的装置，其中，所述得到单元包括：

裁剪模块，被配置成基于所述映射区域，对所述待处理图像进行裁剪，得到裁剪图像；

计算模块，被配置成响应于检测到所述裁剪图像与所述目标图像的尺寸相同，计算所述裁剪图像与所述目标图像之间的相似度；

确定模块，被配置成响应于确定所述裁剪图像与所述目标图像之间的相似度大于设定阈值，确定所述待处理图像合格。

12.根据权利要求11所述的装置，其中，所述得到单元还包括：

缩放模块，被配置成响应于检测到所述裁剪图像与所述目标图像的尺寸不相同，对所述裁剪图像进行缩放，以使缩放后的裁剪图像与所述目标图像的尺寸相同。

13.根据权利要求9-12之一所述的装置，其中，所述匹配单元包括：

匹配模块，被配置成采用特征匹配算法将所述待测特征点集与所述目标图像的目标特征点集进行匹配，得到至少一个初始点对；

筛选模块，被配置成对所述至少一个初始点对进行筛选，得到至少一个匹配点对。

14.根据权利要求13所述的装置，其中，所述筛选模块包括：

确定子模块，被配置成针对所述至少一个初始点对的每个初始点对，确定该初始点对中与待测特征点距离最近的目标特征点和次近的目标特征点；

计算子模块，被配置成分别计算所述最近的目标特征点、所述次近的目标特征点之间欧式距离的比值；

筛选子模块，被配置成响应于所述比值大于设定阈值，将该初始点对作为一个匹配点对。

15.根据权利要求14所述的装置，其中，所述筛选模块还包括：

得到子模块，被配置成基于所述至少一个匹配点对中的目标特征点，采用单应性变换得到掩膜矩阵；

去除子模块，被配置成基于所述掩膜矩阵，去除所述至少一个匹配点中的错误的匹配点对。

16.根据权利要求13所述的装置，其中，所述映射单元包括：

适配模块，被配置成基于所述至少一个匹配点对，确定所述待处理图像上与所有匹配点对应的所有待测特征点；

连接模块，被配置成连接所有距所述待处理图像的边框最近的待测特征点，形成包围所有待测特征点的映射曲线；

定域模块，被配置成将所述映射曲线包围的区域作为所述待处理图像的映射区域。

17.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现权利要求1-8中任一项所述的方法。

Images