[发明专利]基于图像变换的数据处理方法、数据处理装置及存储介质

说明书

本发明公开一种基于图像变换的数据处理方法、数据处理装置及存储介质，该方法包括：对待处理图像中的目标物体进行识别，获取对应的物体识别信息；对物体识别信息执行第一变换操作，获得与目标物体对应的第一变换后信息；基于物体识别信息和第一变换后信息对目标物体执行数据增广处理，获得处理后信息。在传统数据增广方法的基础上，采用透视变换的方式对待处理图像中的数据进行进一步的数据增广，能够在考虑数据真实性的基础上，有效增大数据量，提高数据的全面性，同时增大数据的多样性，从而提高对图像的识别处理的精确性，满足用户的实际需求。

技术领域

本发明涉及图像处理技术领域，具体地涉及一种基于图像变换的数据处理方法、一种基于图像变换的数据处理装置及一种计算机可读存储介质。

背景技术

在图像处理技术领域，存在多种处理算法，其中包括深度学习算法。在实际应用中，深度学习模型对数据是高度依赖的，因此若数据量不够或数据质量不够，即使深度学习模型的处理精度较高，也依然无法实现应有的处理效果。因此，为了解决上述技术问题，技术人员通过对输入的数据进行数据增广以达到更好的学习和处理效果。

在现有技术中，主要通过以下两种方法对数据进行增广：其一，通过对数据进行过采样，例如对图像中的数据量较少的物体进行重复采样以获得比大物体更多的数据比例，从而对图像中的数据量较少的物体的处理效果进行一定的提升；其二，通过数据合成的方式，将图像中的数据量较少的物体的数据按照常用方法进行数据增广，例如可以通过裁剪、旋转、翻转以及加噪声等方法对数据量较少的物体的数据进行增广后，多次重复粘贴到原训练数据集的图像上，从而实现进一步的数据增广。

然而是实际应用过程中，上述第一种数据增广方法仅是简单的重复采样，因此数据的多样性不够，无法对图像处理方法进行有效提升；第二种数据增广方法对数据的真实性依据不够，因此依然无法满足实际的图像处理需求。

发明内容

为了克服现有技术中对图像中数据量较少的物体的处理方法精确性不够，无法满足实际处理需求的技术问题，本发明实施例提供一种基于图像变换的数据处理方法，通过采用透视变换或液化变换的方式对待处理图像中的数据进行数据增广，从而增大了数据的多样性，提高了对待处理图像的识别精确性，满足实际需求。

为了实现上述目的，本发明实施例提供一种基于图像变换的数据处理方法，所述数据处理方法包括：对待处理图像中的目标物体进行识别，获取对应的物体识别信息；对所述物体识别信息执行第一变换操作，获得与所述目标物体对应的第一变换后信息；基于所述物体识别信息和所述第一变换后信息对所述目标物体执行数据增广处理，获得处理后信息。

优选地，所述对待处理图像中的目标物体进行识别，获取对应的物体识别信息，包括：按照预设算法对所述待处理图像进行图像识别，获得所述待处理图像中的至少一个目标物体；获取对每个所述目标物体进行标注的物体标注框；将所述标注框作为所述物体识别信息。

优选地，所述对所述物体识别信息执行第一变换操作，获得与所述目标物体对应的第一变换后信息，包括：对所述物体识别信息执行第一透视变换操作，获得与所述目标物体对应的第一透视矩阵；基于所述第一透视矩阵对所述物体识别信息进行转换处理，获得所述第一变换后信息。

优选地，所述对所述物体识别信息执行第一透视变换操作，获得与所述目标物体对应的第一透视矩阵，包括：获取在所述待处理图像中的图像限制框；在所述图像限制框内确定操作限制框，所述操作限制框内包含所有的所述物体标注框；基于所述图像限制框对所述操作限制框执行所述第一透视变换操作，获得操作后标注框；基于所述操作限制框和所述操作后标注框生成对应的第一透视矩阵。

优选地，所述方法还包括：在所述获取在所述待处理图像中的图像限制框之后，判断是否获取到对所述图像限制框的裁剪指令；在获取到所述裁剪指令的情况下，对所述图像限制框执行对应的裁剪操作，获得裁剪后图像限制框；在所述裁剪后图像限制框内确定所述操作限制框。