一种用于边缘图像算法的图像优化方法及装置制造方法及图纸

本发明专利技术公开了一种用于边缘图像算法的图像优化方法及装置。其中，该方法包括：获取边缘计算原始图像数据；根据高阶泰勒分解算法，将所述原始图像数据切分成核心图像数据和边缘图像数据；将所述核心图像数据和所述边缘图像数据进行二值化处理，并融合为边缘计算图像数据流；将所述边缘计算图像数据流输入至边缘计算模型中，得到边缘计算结果。本发明专利技术解决了现有技术中的边缘算法图像数据处理中仅仅是将采集到的原始图像数据直接进行边缘计算，并将边缘计算的结果作为后续图像处理的数据源，在亿级摄像设备拍摄的情况下，由于具有广角采集、微距采集、动态跟踪采集等矩阵摄像采集功能，因此无法精准、完整地对具有其他功能的图像数据进行边缘计算的技术问题。像数据进行边缘计算的技术问题。像数据进行边缘计算的技术问题。

【技术实现步骤摘要】
一种用于边缘图像算法的图像优化方法及装置


[0001]本专利技术涉及图像计算处理领域，具体而言，涉及一种用于边缘图像算法的图像优化方法及装置。

技术介绍

[0002]随着智能化科技的不断发展，人们的生活、工作、学习之中越来越多地用到了智能化设备，使用智能化科技手段，提高了人们生活的质量，增加了人们学习和工作的效率。
[0003]目前，针对图像采集和图像数据边缘计算过程中，通常会采用将高清摄像设备采集到的图像数据，以整份数据流的方式发送至处理器CPU和存储器中，并根据边缘算法模型来对获取到的整份图像数据进行边缘计算，从而方便进行更多的图像分析、图像识别和图像处理工作。但是现有技术中的边缘算法图像数据处理中仅仅是将采集到的原始图像数据直接进行边缘计算，并将边缘计算的结果作为后续图像处理的数据源，在亿级摄像设备拍摄的情况下，由于具有广角采集、微距采集、动态跟踪采集等矩阵摄像采集功能，因此无法精准、完整地对具有其他功能的图像数据进行边缘计算。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种用于边缘图像算法的图像优化方法及装置，以至少解决现有技术中的边缘算法图像数据处理中仅仅是将采集到的原始图像数据直接进行边缘计算，并将边缘计算的结果作为后续图像处理的数据源，在亿级摄像设备拍摄的情况下，由于具有广角采集、微距采集、动态跟踪采集等矩阵摄像采集功能，因此无法精准、完整地对具有其他功能的图像数据进行边缘计算的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种用于边缘图像算法的图像优化方法，包括：获取边缘计算原始图像数据；根据高阶泰勒分解算法，将所述原始图像数据切分成核心图像数据和边缘图像数据；将所述核心图像数据和所述边缘图像数据进行二值化处理，并融合为边缘计算图像数据流；将所述边缘计算图像数据流输入至边缘计算模型中，得到边缘计算结果。
[0007]可选的，所述获取边缘计算原始图像数据包括：采集边缘计算需求和边缘计算因子；根据所述边缘计算需求和边缘计算因子，从图像数据库中提取所述原始图像数据。
[0008]可选的，所述根据高阶泰勒分解算法，将所述原始图像数据切分成核心图像数据和边缘图像数据包括：通过公式
[0009]H＝o*Tranh(C
t
)
[0010]B＝o*Tranh(C
t
)
[0011]对所述原始图像数据进行切分，得到所述核心图像数据和边缘图像数据，其中，H是核心图像数据，B是边缘图像数据，o是原始图像数据，h(C
t
)是泰勒函数及拆分因子。
[0012]可选的，所述将所述核心图像数据和所述边缘图像数据进行二值化处理，并融合
为边缘计算图像数据流包括：将所述核心图像数据进行二值化灰度处理，得到核心优化数据；将所述边缘图像数据进行二值化灰度处理，得到边缘优化数据；将所述核心优化数据和所述边缘优化数据输入至融合库中，得到所述边缘计算图像数据流。
[0013]根据本专利技术实施例的另一方面，还提供了一种用于边缘图像算法的图像优化装置，包括：获取模块，用于获取边缘计算原始图像数据；切分模块，用于根据高阶泰勒分解算法，将所述原始图像数据切分成核心图像数据和边缘图像数据；处理模块，用于将所述核心图像数据和所述边缘图像数据进行二值化处理，并融合为边缘计算图像数据流；计算模块，用于将所述边缘计算图像数据流输入至边缘计算模型中，得到边缘计算结果。
[0014]可选的，所述获取模块包括：采集单元，用于采集边缘计算需求和边缘计算因子；提取单元，用于根据所述边缘计算需求和边缘计算因子，从图像数据库中提取所述原始图像数据。
[0015]可选的，所述切分模块包括：切分单元，用于通过公式
[0016]H＝o*Tranh(C
t
)
[0017]B＝o*Tranh(C
t
)
[0018]对所述原始图像数据进行切分，得到所述核心图像数据和边缘图像数据，其中，H是核心图像数据，B是边缘图像数据，o是原始图像数据，h(C
t
)是泰勒函数及拆分因子。
[0019]可选的，所述处理模块包括：第一处理单元，用于将所述核心图像数据进行二值化灰度处理，得到核心优化数据；第二处理单元，用于将所述边缘图像数据进行二值化灰度处理，得到边缘优化数据；融合单元，用于将所述核心优化数据和所述边缘优化数据输入至融合库中，得到所述边缘计算图像数据流。
[0020]根据本专利技术实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种用于边缘图像算法的图像优化方法。
[0021]根据本专利技术实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行一种用于边缘图像算法的图像优化方法。
[0022]在本专利技术实施例中，采用获取边缘计算原始图像数据；根据高阶泰勒分解算法，将所述原始图像数据切分成核心图像数据和边缘图像数据；将所述核心图像数据和所述边缘图像数据进行二值化处理，并融合为边缘计算图像数据流；将所述边缘计算图像数据流输入至边缘计算模型中，得到边缘计算结果的方式，解决了现有技术中的边缘算法图像数据处理中仅仅是将采集到的原始图像数据直接进行边缘计算，并将边缘计算的结果作为后续图像处理的数据源，在亿级摄像设备拍摄的情况下，由于具有广角采集、微距采集、动态跟踪采集等矩阵摄像采集功能，因此无法精准、完整地对具有其他功能的图像数据进行边缘计算的技术问题。
附图说明
[0023]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0024]图1是根据本专利技术实施例的一种用于边缘图像算法的图像优化方法的流程图；
[0025]图2是根据本专利技术实施例的一种用于边缘图像算法的图像优化装置的结构框图；
[0026]图3是根据本专利技术实施例的用于执行根据本专利技术的方法的终端设备的框图；
[0027]图4是根据本专利技术实施例的用于保持或者携带实现根据本专利技术的方法的程序代码的存储单元。
具体实施方式
[0028]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0029]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于边缘图像算法的图像优化方法，其特征在于，包括：获取边缘计算原始图像数据；根据高阶泰勒分解算法，将所述原始图像数据切分成核心图像数据和边缘图像数据；将所述核心图像数据和所述边缘图像数据进行二值化处理，并融合为边缘计算图像数据流；将所述边缘计算图像数据流输入至边缘计算模型中，得到边缘计算结果。2.根据权利要求1所述的方法，其特征在于，所述获取边缘计算原始图像数据包括：采集边缘计算需求和边缘计算因子；根据所述边缘计算需求和边缘计算因子，从图像数据库中提取所述原始图像数据。3.根据权利要求1所述的方法，其特征在于，所述根据高阶泰勒分解算法，将所述原始图像数据切分成核心图像数据和边缘图像数据包括：通过公式H＝o*Tranh(C
t
)B＝o*Tranh(C
t
)对所述原始图像数据进行切分，得到所述核心图像数据和边缘图像数据，其中，H是核心图像数据，B是边缘图像数据，o是原始图像数据，h(C
t
)是泰勒函数及拆分因子。4.根据权利要求1所述的方法，其特征在于，所述将所述核心图像数据和所述边缘图像数据进行二值化处理，并融合为边缘计算图像数据流包括：将所述核心图像数据进行二值化灰度处理，得到核心优化数据；将所述边缘图像数据进行二值化灰度处理，得到边缘优化数据；将所述核心优化数据和所述边缘优化数据输入至融合库中，得到所述边缘计算图像数据流。5.一种用于边缘图像算法的图像优化装置，其特征在于，包括：获取模块，用于获取边缘计算原始图像数据；切分模块，用于根据高阶泰勒分解算法，将所述原始图像数据切分成核心图像数据和边缘图像数据；处理模...

【专利技术属性】
技术研发人员：袁潮，邓迪旻，温建伟，
申请(专利权)人：北京拙河科技有限公司，
类型：发明
国别省市：