[发明专利]图像处理方法、装置及电子设备有效

专利信息
申请号: 202010497156.0 申请日: 2020-06-04
公开(公告)号: CN111696041B 公开(公告)日: 2023-06-30
发明(设计)人: 黄佳斌 申请(专利权)人: 北京字节跳动网络技术有限公司
主分类号: G06T3/40 分类号: G06T3/40;G06T5/50;H04N23/80
代理公司: 北京风雅颂专利代理有限公司 11403 代理人: 鲍胜如
地址: 100041 北京市石景山区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 处理 方法 装置 电子设备
【权利要求书】:

1.一种图像处理方法,其特征在于,包括:

在初始图像中查找至少两个基础图像块,其中,至少两个基础图像块的结构属性均满足同一预设要求,包括:所述至少两个基础图像块的相似度大于预设阈值;获取每个所述基础图像块的清晰度值;

根据全部基础图像块的清晰度值,确定清晰度值最高的目标图像块;

利用所述目标图像块的细节特征替换其他基础图像块的对应细节特征,以得到处理后的图像。

2.根据权利要求1所述的方法,其特征在于,所述在初始图像中查找至少两个基础图像块的步骤,包括:

恢复所述初始图像的细节特征;

将所述初始图像分解成多个图像块;

根据多个图像块的细节特征,查找结构属性满足同一预设要求的所述基础图像块。

3.根据权利要求2所述的方法,其特征在于,所述恢复所述初始图像的细节特征的步骤,包括:

将所述初始图像输入细节恢复模型,得到所述初始图像的细节特征;

根据所述初始图像的细节特征,输出所述初始图像对应的细节结果图像。

4.根据权利要求3所述的方法,其特征在于,所述细节恢复模型通过如下方式获得:

构建深度神经网络模型;

将基础样本图像进行降采样处理和放大处理,得到模糊样本图像;

利用所述模糊样本图像作为所述深度神经网络模型的输入数据以及所述基础样本图像作为学习结果,训练所述深度神经网络模型,得到所述细节恢复模型。

5.根据权利要求4所述的方法,其特征在于,所述将所述初始图像分解成多个图像块的步骤,包括:

确定所述初始图像的整体尺寸;

根据所述整体尺寸,设定分解尺寸,其中,所述分解尺寸远小于所述整体尺寸;

按照所述分解尺寸,不重合地切分所述初始图像,得到多个不同的图像块。

6.根据权利要求5所述的方法,其特征在于,所述根据多个图像块的细节特征,查找结构属性满足同一预设要求的所述基础图像块的步骤,包括:

提取每个图像块的预设参数;

根据预设参数,计算每两个图像块之间的相似度;

将相似度大于预设阈值的图像块作为基础图像块。

7.根据权利要求1至6中任一项所述的方法,其特征在于,所述获取每个所述基础图像块的清晰度值的步骤,包括:

通过高通滤波器提取每个所述基础图像块的高频成分;

根据每个基础图像块中的每个像素的高频成分来确定所述基础图像块的高频信息;

所述根据全部基础图像块的清晰度值,确定清晰度值最高的目标图像块的步骤,包括:

将全部所述基础图像块中,高频信息最多的基础图像块作为所述目标图像块。

8.根据权利要求7所述的方法,其特征在于,所述利用所述目标图像块的细节特征替换其他基础图像块的对应细节特征,以得到处理后的图像的步骤,包括:

将所述目标图像块的高频叠加到其他基础图像块,得到过程图像;

获取所述初始图像的高频信息;

利用所述高频信息增强所述过程图像,得到质感优化后的结果图像。

9.根据权利要求8所述的方法,其特征在于,所述获取所述初始图像的高频信息的步骤,包括:

提取所述过程图像的低频信息;

将所述初始图像减去所述过程图像的低频信息,得到所述高频信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010497156.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top