图像处理方法及装置制造方法及图纸

本公开提供一种图像处理方法及装置，涉及计算机图像技术领域，所述方法包括：获取待编码图像；根据预设模型生成显著度区域图像；所述待编码图像的像素点和显著度区域图像的像素点对应；根据所述显著度区域图像将待编码图像划分为N个区域，N为大于或者等于2的整数；按照预先设置的优先级顺序分别对所述N个区域进行编码并发送。本公开可以在带宽有限的场景下，优先处理显著度高的区域，可以提高用户体验。

Image processing method and device

【技术实现步骤摘要】
图像处理方法及装置
本公开涉及计算机图像
，尤其涉及图像处理方法及装置。
技术介绍
随着多媒体技术和网络技术的发展，人们对终端设备上图像显示效果的要求越来越高。为了提高图像的传输效率和用户体验，目前广泛使用的JPG图像的编码方式包括基线式(baseline)编码和渐进式(progressive)编码，基线式编码是在接收端，将图像像素以由上到下，由左到右的顺序逐一显示，渐进式编码是在接收端，将图像像素的整体轮廓，从模糊到清晰的方式进行显示。在传输带宽有限的场景下，用户均需要等待较长时间才能看清楚图像，体验不佳。
技术实现思路
本公开实施例提供一种图像处理方法及装置，能够在带宽有限的场景下，优先处理显著度高的区域，可以提高用户体验。所述技术方案如下：根据本公开实施例的第一方面，提供一种图像处理方法，该方法包括：获取待编码图像；根据预设模型生成显著度区域图像；所述待编码图像的像素点和显著度区域图像的像素点对应；根据所述显著度区域图像将待编码图像划分为N个区域，N为大于或者等于2的整数；按照预先设置的优先级顺序分别对所述N个区域进行编码并发送。在一个实施例中，根据预设模型生成显著度区域图像包括：根据预设模型提取所述待编码图像中每个像素点的显著性区域特征；按照预设规则，将所述每个像素点的显著性区域特征值量化为显著度灰度值；基于所述之灰度值生成显著度区域图像。在一个实施例中，根据所述显著度区域图像将待编码图像划分为N个区域包括：判断每个像素点的显著度灰度值是否属于第i个区域对应的灰度值区间；其中，每个区域对应至少一个灰度值区间，1≤i≤N；如果所述显著度灰度值属于第i区域对应的灰度值区间，则将对应的像素点划分到第i区域。在一个实施例中，预设模型包括视觉几何组网络VGGNet模型。在一个实施例中，按照预先设置的优先级顺序分别对所述N个区域进行编码并发送包括：按照灰度值区间从高到低的顺序对所述N个区域进行编码并发送。在一个实施例中，获取待编码图像之前，该方法还包括：监测带宽，确定带宽满足预设条件。根据本公开实施例的第二方面，提供一种图像处理装置，该装置包括：获取模块，用于获取待编码图像；生成模块，用于根据预设模型生成显著度区域图像；所述待编码图像的像素点和显著度区域图像的像素点对应；划分模块，用于根据所述显著度区域图像将待编码图像划分为N个区域，N为大于或者等于2的整数；处理模块，用于按照预先设置的优先级顺序分别对所述N个区域进行编码并发送。在一个实施例中，生成模块包括：提取子模块，用于根据预设模型提取所述待编码图像中每个像素点的显著性区域特征；量化子模块，用于按照预设规则，将所述每个像素点的显著性区域特征值量化为显著度灰度值；生成子模块，用于基于所述之灰度值生成显著度区域图像。在一个实施例中，划分模块包括：判断子模块，用于判断每个像素点的显著度灰度值是否属于第i个区域对应的灰度值区间；其中，每个区域对应至少一个灰度值区间，1≤i≤N；划分子模块，用于如果所述显著度灰度值属于第i区域对应的灰度值区间，则将对应的像素点划分到第i区域。在一个实施例中，预设模型包括视觉几何组网络VGGNet模型。在一个实施例中，处理模块具体用于：按照灰度值区间从高到低的顺序对所述N个区域进行编码并发送。在一个实施例中，上述装置还包括：确定模块，用于获取待编码图像之前，监测带宽，确定带宽满足预设条件。采用本公开的图像处理方法，发送端，按照预先设置的优先级顺序分别对所述N个区域进行编码并发送，可以使用户在接收端，可以优先看到图像中优先级高的关键区域，而由优先级低的区域解码得到的非关键区域也会随后显示出来。在带宽有限的场景下，优先处理显著度高的区域，可以提高用户体验。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是本公开实施例提供的一种图像处理方法流程图；图2是本公开实施例提供的一种显著度区域图像示意图；图3a是本公开实施例提供的一种图像处理方法效果示意图；图3b是本公开实施例提供的一种图像处理装置结构图；图4是本公开实施例提供的一种图像处理装置结构图；图5是本公开实施例提供的一种图像处理装置结构图；图6是本公开实施例提供的一种图像处理装置结构图；图7是本公开实施例提供的一种图像处理装置结构图。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。本公开提供了一种图像处理方法及装置，可以在带宽有限的场景下，优先处理显著度高的区域，可以提高用户体验。本公开实施例提供一种图像处理方法，该方法应用于编码端，如图1所示，该图像处理方法包括以下步骤：步骤101、获取待编码图像；步骤102、根据预设模型生成显著度区域图像；所述待编码图像的像素点和显著度区域图像的像素点对应；可选的一个实施例中，根据预设模型生成显著度区域图像包括：根据预设模型提取所述待编码图像中每个像素点的显著性区域特征；按照预设规则，将所述每个像素点的显著性区域特征值量化为显著度灰度值；基于所述之灰度值生成显著度区域图像。可选的，预设模型为视觉几何组网络(VisualGeometryGroupNet，VGGNet)模型。VGG16是牛津大学计算机视觉组和DeepMind公司共同研发的一种深度卷积网络，经常被用来提取图像特征，以图像网络ImageNet作为训练集用于视觉对象识别软件研究的大型可视化数据库，VGG16可识别1000种物体。VGGNet是一种卷积神经网络(ConvolutionalNeuralNetworks，CNN)，其结构基于网络VGG16搭建，对图像中的物体进行显著度识别，生成显著度区域图像。该步骤中，发送端传输图片进入训练好的，物体显著度检测神经网络VGGNet，对图像中的物体进行显著度识别，生成显著度区域图像。需要说明的是，经过VGGNet网络中最后一层全连接层输出的显著度值为[0,1]区间内的值，为了便于更好的理解，量化至[0,255]的灰度值区间以灰度图的方式可视化，如图2中的显著度区域图像所示。具体的，经过显著度检测神经网络的映射，从原图每个位置的像素点(例如像素点(35，25，5本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括：/n获取待编码图像；/n根据预设模型生成显著度区域图像；所述待编码图像的像素点和显著度区域图像的像素点对应；/n根据所述显著度区域图像将待编码图像划分为N个区域，N为大于或者等于2的整数；/n按照预先设置的优先级顺序分别对所述N个区域进行编码并发送。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：
获取待编码图像；
根据预设模型生成显著度区域图像；所述待编码图像的像素点和显著度区域图像的像素点对应；
根据所述显著度区域图像将待编码图像划分为N个区域，N为大于或者等于2的整数；
按照预先设置的优先级顺序分别对所述N个区域进行编码并发送。


2.根据权利要求1所述的图像处理方法，其特征在于，根据预设模型生成显著度区域图像包括：
根据预设模型提取所述待编码图像中每个像素点的显著性区域特征；
按照预设规则，将所述每个像素点的显著性区域特征值量化为显著度灰度值；
基于所述之灰度值生成显著度区域图像。


3.根据权利要求2所述的图像处理方法，其特征在于，根据所述显著度区域图像将待编码图像划分为N个区域包括：
判断每个像素点的显著度灰度值是否属于第i个区域对应的灰度值区间；其中，每个区域对应至少一个灰度值区间，1≤i≤N；
如果所述显著度灰度值属于第i区域对应的灰度值区间，则将对应的像素点划分到第i区域。


4.根据权利要求1所述的图像处理方法，其特征在于，所述预设模型包括视觉几何组网络VGGNet模型。


5.根据权利要求4所述的图像处理方法，其特征在于，所述按照预先设置的优先级顺序分别对所述N个区域进行编码并发送包括：
按照灰度值区间从高到低的顺序对所述N个区域进行编码并发送。


6.根据权利要求1-5任一...

【专利技术属性】
技术研发人员：陈海宝，孙浩然，刘奕晨，
申请(专利权)人：西安万像电子科技有限公司，
类型：发明
国别省市：陕西;61