本發(fā)明涉及圖形渲染技術(shù)，公開(kāi)陰影繪制方法實(shí)施例，所述方法包括：基于預(yù)置的光源和視點(diǎn)，獲得成影物體在接收物體上所產(chǎn)生陰影的本影區(qū)紋理和半影區(qū)紋理；對(duì)于從預(yù)置視點(diǎn)看向場(chǎng)景時(shí)的各可見(jiàn)像素，分別判斷該像素是否處于本影區(qū)或半影區(qū)中，若處于本影區(qū)，...

本發(fā)明公開(kāi)了一種圖片處理的方法和裝置，本發(fā)明涉及圖片處理技術(shù)領(lǐng)域，本發(fā)明的方法包括：接收當(dāng)前操作命令；遍歷從對(duì)基準(zhǔn)圖片首次執(zhí)行過(guò)的操作命令到所述當(dāng)前操作命令之間各次操作命令，將所述各次操作命令中的操作參數(shù)運(yùn)算出唯一的操作參數(shù)；按照所述當(dāng)...

本發(fā)明實(shí)施例公開(kāi)了一種圖像渲染方法及系統(tǒng)，該方法包括以下步驟：在圖像中的每個(gè)元素上標(biāo)注表示所述元素在圖像中的深度的深度參數(shù)；對(duì)圖像中的所有元素按照渲染狀態(tài)進(jìn)行分組；逐一將每組渲染狀態(tài)相同的元素提交進(jìn)行渲染。本發(fā)明實(shí)施例能減少渲染提交次數(shù)...

本發(fā)明公開(kāi)了一種非物理模型模擬次表面散射效果的方法及裝置，用以解決現(xiàn)有技術(shù)以簡(jiǎn)化的物理模型模擬次表面散射效果，使得實(shí)現(xiàn)條件苛刻的問(wèn)題。本發(fā)明方法包括：Ａ．得出光照模型顏色，以及待疊加顏色；Ｂ．將所述待疊加顏色與光照模型顏色疊加，以模擬次...

本發(fā)明公開(kāi)了一種畫(huà)像生成系統(tǒng)和方法，包括畫(huà)像庫(kù)和生成子系統(tǒng)，所述畫(huà)像庫(kù)用于分類存儲(chǔ)局部圖像樣本信息及其對(duì)應(yīng)的局部畫(huà)像單元。所述生成子系統(tǒng)從輸入圖像中提取幾何特征，根據(jù)幾何特征提取各個(gè)局部圖像單元，并從訓(xùn)練子系統(tǒng)中查找到與各個(gè)局部圖像單元...

本發(fā)明適用于圖像處理領(lǐng)域，提供了一種卡通形象的生成、嵌入方法及系統(tǒng)，所述方法包括下述步驟：對(duì)標(biāo)注了特征部件的圖片進(jìn)行采樣，獲取構(gòu)成網(wǎng)絡(luò)卡通形象的特征部件的相對(duì)位置信息；對(duì)存儲(chǔ)的各特征部件集合進(jìn)行采樣，獲取生成網(wǎng)絡(luò)卡通形象所需的各特征部件...

本發(fā)明公開(kāi)了一種角色動(dòng)畫(huà)實(shí)現(xiàn)方法，所述角色動(dòng)畫(huà)包括多個(gè)骨骼和對(duì)應(yīng)于所述骨骼的皮膚，包括以下步驟：（ａ）將角色動(dòng)畫(huà)分成至少兩部分，并為每一部分設(shè)置一個(gè)標(biāo)識(shí)號(hào)；（ｂ）建立包含所述標(biāo)識(shí)號(hào)與每一部分的皮膚數(shù)據(jù)間對(duì)應(yīng)關(guān)系的映射表；（ｃ）拾取操作焦...

本發(fā)明的實(shí)施例中公開(kāi)了一種角色繪制的方法，該方法包括：根據(jù)所選擇的各個(gè)部件組合成所需的角色；對(duì)所述組合成的角色進(jìn)行部件合并處理，形成部件合并處理后的角色；繪制并顯示所述部件合并處理后的角色。本發(fā)明的實(shí)施例中還公開(kāi)了一種角色繪制裝置，該裝...

一種基于積分直方圖的圖像處理方法，其特征在于，包括：　步驟Ｓ１、建立積分直方圖；　步驟Ｓ２、使用積分直方圖計(jì)算圖像任意矩形區(qū)域的直方圖。

本發(fā)明公開(kāi)了一種基于驗(yàn)證的文本識(shí)別的方法及裝置，該方法包括：接收驗(yàn)證請(qǐng)求；將產(chǎn)生的驗(yàn)證碼片段與待識(shí)別的包含文本特征的圖片片段拼合為驗(yàn)證碼圖片，傳送給終端；接收終端發(fā)送的用戶對(duì)驗(yàn)證碼圖片識(shí)別后輸入的用戶識(shí)別信息，從用戶識(shí)別信息中取出圖片片...

公開(kāi)了內(nèi)容的過(guò)濾方法，包括以下步驟：將所述內(nèi)容進(jìn)行二值化處理；確定所述二值化處理后的內(nèi)容的特征值；和根據(jù)所述內(nèi)容的特征值或根據(jù)特征值確定的后驗(yàn)概率，確定是否對(duì)所述內(nèi)容進(jìn)行過(guò)濾。還公開(kāi)了內(nèi)容過(guò)濾裝置。通過(guò)確定內(nèi)容的特征值，可判斷并過(guò)濾搜索...

本發(fā)明提供一種建立人臉檢測(cè)器的方法，其關(guān)鍵在于，將當(dāng)前層強(qiáng)分類器訓(xùn)練過(guò)程中錯(cuò)誤檢測(cè)的非人臉圖像作為訓(xùn)練下一層強(qiáng)分類器的非人臉圖像。建立人臉檢測(cè)器時(shí)，先根據(jù)當(dāng)前層非人臉圖像集合進(jìn)行分類器訓(xùn)練，建立當(dāng)前層強(qiáng)分類器，并記錄訓(xùn)練過(guò)程中錯(cuò)誤檢測(cè)的...

本發(fā)明公開(kāi)了一種在輸入法詞庫(kù)中添加未登錄詞的方法及文字輸入裝置，使得輸入法程序可從用戶輸入的漢字序列中自動(dòng)識(shí)別出其中的未登錄詞，將其添加到自身的詞庫(kù)中。所述方法包括步驟：檢測(cè)用戶輸入的文字序列，根據(jù)其中的間隔符號(hào)提取序列中包含的文字片斷...

本發(fā)明涉及計(jì)算機(jī)圖像處理領(lǐng)域，公開(kāi)了一種基于多分類器的物體檢測(cè)系統(tǒng)，包括：分類器訓(xùn)練單元，用于根據(jù)訓(xùn)練集合訓(xùn)練獲得Ｎ個(gè)分類器，其中Ｎ＞１；分類器選擇單元，用于根據(jù)計(jì)算量和分類性能從所述Ｎ個(gè)分類器中選擇Ｐ個(gè)分類器融合獲得分類器集合，其中１...

本發(fā)明實(shí)施例公開(kāi)了一種膚色檢測(cè)方法及裝置，包括：將訓(xùn)練樣本集中的膚色像素在顏色空間中聚類得到至少一個(gè)膚色色度類；提取訓(xùn)練樣本中的候選膚色區(qū)域，計(jì)算候選膚色區(qū)域的色度均值與膚色色度類中心的距離，將訓(xùn)練樣本歸入所述距離最小的膚色色度類，得到...

本發(fā)明公開(kāi)了一種人體膚色檢測(cè)中閾值的確定方法及裝置，獲取待檢測(cè)圖像對(duì)應(yīng)的膚色概率圖像；該方法包括：根據(jù)所述膚色概率圖像，獲取平滑的膚色概率分布直方圖；獲取所述平滑的膚色概率分布直方圖中的峰點(diǎn)和谷點(diǎn)；根據(jù)獲取的所述峰點(diǎn)和谷點(diǎn)，確定人體膚色...

本發(fā)明揭示一種圖片檢測(cè)系統(tǒng)及方法，所述圖片檢測(cè)系統(tǒng)包括：特征數(shù)據(jù)庫(kù)，用于存儲(chǔ)圖片不變特征黑名單；圖片匹配模塊，用于存儲(chǔ)圖片黑名單，接收被檢測(cè)圖片并比較所述被檢測(cè)圖片是否與黑名單的圖片匹配；圖片檢測(cè)模塊，計(jì)算所述不匹配的被檢測(cè)圖片的置信值...

本發(fā)明提供的敏感圖片分類器的訓(xùn)練方法及裝置，提取訓(xùn)練圖片集的區(qū)域形狀特征，測(cè)量區(qū)域形狀特征在正例樣本集、第一反例樣本集和第二反例樣本集中的分布特征；根據(jù)分布特征確定區(qū)域形狀特征的可分性；將相對(duì)于第一反例樣本集具有可分性的區(qū)域形狀特征標(biāo)注...

本發(fā)明涉及通信及圖像處理領(lǐng)域，提供了一種對(duì)圖像進(jìn)行皮膚紋理檢測(cè)的方法及系統(tǒng)。所述方法包括以下步驟：Ａ．在輸入圖像中確定初始皮膚區(qū)域，并將其劃分為多個(gè)皮膚窗口；Ｂ．提取得到所述皮膚窗口的微結(jié)構(gòu)特征；Ｃ．根據(jù)微結(jié)構(gòu)特征對(duì)皮膚窗口進(jìn)行多層級(jí)的...

本發(fā)明涉及反垃圾電子郵件技術(shù)。本發(fā)明提供一種可靠性高、且可杜絕大部分垃圾郵件入侵的反垃圾郵件的方法。該方法包括：將寄來(lái)電子郵件的地址與預(yù)設(shè)的白名單內(nèi)的郵件地址比對(duì)，如果寄來(lái)電子郵件地址存在于白名單內(nèi)，則接受該郵件，如果寄來(lái)電子郵件的地址...