画质调整方法和装置、存储介质及电子设备转让专利
申请号 : CN202010496819.7
文献号 : CN111681167B
文献日 : 2021-03-12
发明人 : 吴家平
申请人 : 腾讯科技(深圳)有限公司
摘要 :
权利要求 :
1.一种画质调整方法,其特征在于,包括:向目标云应用的服务器发送携带有目标云应用的客户端所在的终端设备的设备标识的查询请求;其中,所述服务器根据所述设备标识确定所述终端设备中是否配置有嵌入式神经网络处理器NPU或图像处理器GPU;
接收服务器返回的查询结果;
获取目标云应用的服务器发送的画面编码数据,所述画面编码数据为服务器对原始画面采用第一分辨率进行渲染编码后得到的数据;
解码所述画面编码数据,得到待显示的画面资源;
根据所述查询结果确定是否采用分辨率调整网络模型,包括:判断所述终端设备中是否配置有NPU,如果配置有NPU,采用运行在所述NPU中的分辨率调整网络模型将所述画面资源的画质从第一分辨率调整到第二分辨率,其中,所述第一分辨率小于第二分辨率;如果未配置有NPU,判断所述终端设备中是否配置有GPU,如果配置有GPU,采用运行在GPU中的分辨率调整网络模型将所述画面资源的画质从第一分辨率调整到第二分辨率;展示画质为所述第二分辨率的画面;
如果未配置有NPU和GPU,直接展示分辨率为所述第一分辨率的画面。
2.根据权利要求1所述的方法,其特征在于,将所述画面资源的画质从第一分辨率调整到第二分辨率包括:
将所述画面资源中画质为所述第一分辨率的画面输入分辨率调整网络模型,其中,所述分辨率调整网络模型为利用多个样本数据进行训练后所得到的用于调整画质的分辨率的神经网络模型;
获取所述分辨率调整网络模型输出的画质为所述第二分辨率的画面。
3.根据权利要求2所述的方法,其特征在于,在所述将所述画面资源中画质为所述第一分辨率的画面输入分辨率调整网络模型之后,还包括:通过所述分辨率调整网络模型从画质为所述第一分辨率的画面中提取画面特征;
采用超分辨率算法对所述画面特征进行反卷积处理,得到反卷积结果;
基于所述反卷积结果进行计算,以得到画质为所述第二分辨率的画面。
4.根据权利要求2所述的方法,其特征在于,所述NPU或GPU中存储有所述分辨率调整网络模型的模型参数。
5.根据权利要求2所述的方法,其特征在于,在所述将所述画面资源的画质从第一分辨率调整到第二分辨率之前,还包括:获取所述多个样本数据;
将所述多个样本数据输入初始化的分辨率调整网络模型进行训练,直至得到满足收敛条件的所述分辨率调整网络模型,其中,所述收敛条件包括以下之一:训练迭代次数达到第一阈值、所述分辨率调整网络模型的连续N个训练输出结果小于第二阈值,所述N为大于2的整数。
6.根据权利要求1所述的方法,其特征在于,在获取所述目标云应用的服务器发送的所述画面编码数据之前,还包括:
所述服务器确定原始画面的原始分辨率,其中,所述原始分辨率为所述原始画面未经处理的分辨率;
在所述原始分辨率大于所述第一分辨率的情况下,所述服务器将把所述原始画面的分辨率调整至所述第一分辨率,其中,所述原始分辨率大于所述第一分辨率;
所述服务器按照所述第一分辨率对所述原始画面进行渲染编码处理,得到所述画面编码数据。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述展示画质为所述第二分辨率的画面包括:
在所述目标云应用为云游戏应用的情况下,按照所述第二分辨率在所述客户端中展示所述云游戏应用中的游戏画面。
8.一种画质调整方法,其特征在于,包括:接收目标云应用的客户端发送的携带有所述客户端所在的终端设备的设备标识的查询请求;
根据所述设备标识确定所述终端设备中是否配置有嵌入式神经网络处理器NPU或图像处理器GPU;
向所述目标云应用的客户端返回查询结果;
获取原始画面的原始分辨率,其中,所述原始分辨率为所述原始画面未经处理的分辨率;
在所述原始分辨率大于第一分辨率的情况下,将所述原始画面的分辨率调整至第一分辨率,其中,所述原始分辨率大于所述第一分辨率;
按照所述第一分辨率对所述原始画面进行渲染编码处理,得到画面编码数据;
将所述画面编码数据发送至目标云应用的客户端,以使所述客户端根据所述查询结果确定是否采用分辨率调整网络模型,包括:判断所述终端设备中是否配置有NPU,如果配置有NPU,采用运行在所述NPU中的分辨率调整网络模型将从所述画面编码数据中解码出的画面资源的画质调整到第二分辨率,如果未配置有NPU,判断所述终端设备中是否配置有GPU,如果配置有GPU,采用运行在GPU中的分辨率调整网络模型将所述画面资源的画质从第一分辨率调整到第二分辨率;展示画质为所述第二分辨率的画面,其中,所述第一分辨率小于所述第二分辨率;如果未配置有NPU和GPU,直接展示分辨率为所述第一分辨率的画面。
9.一种画质调整装置,其特征在于,所述装置用于向目标云应用的服务器发送携带有目标云应用的客户端所在的终端设备的设备标识的查询请求;其中,所述服务器根据所述设备标识确定所述终端设备中是否配置有嵌入式神经网络处理器NPU或图像处理器GPU;接收服务器返回的查询结果;所述装置包括:获取单元,用于获取目标云应用的服务器发送的画面编码数据,所述画面编码数据为服务器对原始画面采用第一分辨率进行渲染编码后得到的数据;
解码单元,用于解码所述画面编码数据,得到待显示的画面资源;
调整单元,用于根据所述查询结果确定是否采用分辨率调整网络模型,包括:判断所述终端设备中是否配置有NPU,如果配置有NPU,采用运行在所述NPU中的分辨率调整网络模型将所述画面资源的画质从第一分辨率调整到第二分辨率,其中,所述第一分辨率小于第二分辨率;如果未配置有NPU,判断所述终端设备中是否配置有GPU,如果配置有GPU,采用运行在GPU中的分辨率调整网络模型将所述画面资源的画质从第一分辨率调整到第二分辨率;
如果未配置有NPU和GPU,跳过超分辨率重建过程;
展示单元,用于展示画质为所述第二分辨率的画面或分辨率为所述第一分辨率的画面。
10.一种计算机可读的存储介质,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行所述权利要求1至7或权利要求8任一项中所述的方法。
11.一种电子设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行所述权利要求1至7或权利要求8任一项中所述的方法。
说明书 :
画质调整方法和装置、存储介质及电子设备
技术领域
背景技术
器中直接采用高分辨率对所要展示的画面进行渲染和编码,并将编码后的高分辨率的画面
资源发送给云应用客户端,以使得云应用客户端可以在解码后直接得到高分辨率的画面资
源,并进行画面展示。
发明内容
术问题。
面资源的画质从第一分辨率调整到第二分辨率,其中,上述第一分辨率小于第二分辨率;展
示画质为上述第二分辨率的画面。
率大于第一分辨率的情况下,将上述原始画面的分辨率调整至第一分辨率,其中,上述原始
分辨率大于上述第一分辨率;按照上述第一分辨率对上述原始画面进行渲染编码处理,得
到画面编码数据;将上述画面编码数据发送至上述目标云应用的客户端,以使上述客户端
将从上述画面编码数据中解码出的画面资源的画质调整到第二分辨率,并展示画质为上述
第二分辨率的画面,其中,上述第一分辨率小于上述第二分辨率。
得到待显示的画面资源;调整单元,用于将上述画面资源的画质从第一分辨率调整到第二
分辨率,其中,上述第一分辨率小于第二分辨率;展示单元,用于展示画质为上述第二分辨
率的画面。
调整方法。
调整方法。
调整到第二分辨率,以展示画质为第二分辨率的画面,其中,第一分辨率小于第二分辨率。
也就是说,在获取到目标云应用的服务器发送的画面编码数据之后,可以解码该画面编码
数据,然后将解码得到的画面资源的画质进行分辨率提升处理,而不再由服务器直接对高
分辨率的画面进行渲染编码处理,以减少需要服务器处理的像素数量,从而达到降低服务
器的处理负载的目的,进而克服相关技术中服务器的处理负载被加重的问题。
附图说明
具体实施方式
本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范
围。
的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或
描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆
盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于
清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品
或设备固有的其它步骤或单元。
整系统中。其中,该画质调整系统可以包括但不限于终端设备102、网络104、服务器106。这
里终端设备102中包括人机交互屏幕1022,处理器1024及存储器1026。人机交互屏幕1022用
于展示画质为第二分辨率的画面。上述处理器1024用于获取服务器发送的画面编码数据,
解码该画面编码数据,得到待显示的画面资源,并将上述画面资源的画质从第一分辨率调
整到第二分辨率。存储器1026用于存储上述画面编码数据及解码后的画面资源。
后终端设备102将执行步骤S106-S110:解码上述画面编码数据,得到待显示的画面资源。在
上述终端设备102中将画面资源的画质从第一分辨率调整到第二分辨率,并展示画质为第
二分辨率的画面。
一分辨率调整到第二分辨率,以展示画质为第二分辨率的画面,其中,第一分辨率小于第二
分辨率。也就是说,在获取到目标云应用的服务器发送的画面编码数据之后,可以解码该画
面编码数据,然后将解码得到的画面资源的画质进行分辨率提升处理,而不再由服务器直
接对高分辨率的画面进行渲染编码处理,以减少需要服务器处理的像素数量,从而达到降
低服务器的处理负载的目的,进而克服相关技术中服务器的处理负载被加重的问题。
板电脑、掌上电脑、MID(Mobile Internet Devices,移动互联网设备)、PAD、台式电脑、智能
电视等。上述网络可以包括但不限于:有线网络,无线网络,其中,该有线网络包括:局域网、
城域网和广域网,该无线网络包括:蓝牙、WIFI及其他实现无线通信的网络。上述服务器可
以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还
可以是提供云计算服务的云服务器。上述仅是一种示例,本实施例中对此不作任何限定。
应用可以是云教育应用、云游戏应用等。这里以云游戏(Cloud gaming)应用为例,云游戏又
可称为游戏点播(gaming on demand),是一种以云计算技术为基础的在线游戏技术。云游
戏技术使图形处理与数据运算能力相对有限的轻端设备(thin client)能运行高品质游
戏。在云游戏场景下,游戏并不在玩家游戏终端,而是在云端服务器中运行,并由云端服务
器将游戏场景渲染为视频音频流,通过网络传输给玩家游戏终端。玩家游戏终端无需拥有
强大的图形运算与数据处理能力,仅需拥有基本的流媒体播放能力与获取玩家输入指令并
发送给云端服务器的能力即可。
空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩
展的,并且可以随时获取,按需使用,随时扩展,按使用付费。
资源,供外部客户选择使用。云计算资源池中主要包括:计算设备(为虚拟化机器,包含操作
系统)、存储设备、网络设备。
(Software as a Service,软件即服务)层,也可以直接将SaaS部署在IaaS上。PaaS为软件
运行的平台,如数据库、web容器等。SaaS为各式各样的业务软件,如web门户网站、短信群发
器等。一般来说,SaaS和PaaS相对于IaaS是上层。
用本申请实施例中所提供的方式,在终端设备从服务器获取到画面编码数据之后,对解码
获取到的画面资源进行画质调整,以达到在终端设备一侧完成画质提升操作,从而实现降
低服务器的处理处理负荷的技术效果。上述应用场景为示例,本实施例中对此不作任何限
定。
服务器发送的码流,其中,码流中包括画面编码数据,画面编码数据为服务器对原始画面采
用第一分辨率进行渲染编码后得到的数据。
在本实施例中,上述客户端可以但不限于通过内置的软件开发工具(Simple Develop Key,
简称SDK)来接收服务器渲染编码后的码流,并对其进行解码处理,得到画面资源。进一步,
再对上述画面资源中的画质进行调整,如对第一分辨率的画面进行调整得到第二分辨率的
画面。
源。其中,“Y”用于标识明亮度(Lumina),也就是灰阶值,“U”和“V”用于标识色度
(Chrominance),也就是描述影像色彩及饱和度。
分辨率调整网络模型。这里分辨率调整网络模型中可以但不限于采用超分辨率算法来对画
面中提取的画面特征进行反卷积处理,以便于基于反卷积结果来进一步得到调整分辨率后
的画面。
节上应尽可能地清晰。这里超分辨率算法可以但不限于是在神经网络模型中添加反卷积处
理,用于生成高分辨率图像。这里反卷积层是对卷积层的逆过程,用于通过多个反卷积核将
图像进行放大K倍。这里所采用的算法为示例,本实施例中对此不作任何限定。
的渲染指令会进一步传到云游戏服务器302中的GPU驱动,并最终由云游戏服务器302上的
GPU进行渲染,如步骤S302。渲染完后的1280x720的画面会送回到容器中,以便于采用编码
器对渲染完的画面进行抓获,然后执行步骤S304采用AVC编码方式按照分辨率1280x720对
上述画面进行编码,并将生成的AVC比特流通过网络发往终端设备304中的云游戏客户端
3042。
定出配置有NPU的情况下,执行步骤S310-1,采用NPU中的超分辨率算法对解码后的画面资
源中的画面进行调整,得到分辨率为1920x1080的画面;若并未配置有NPU的情况下,则执行
步骤S310-2,判断终端设备304中是否配置有GPU。在确定出配置有GPU的情况下,执行步骤
S312,采用GPU中的超分辨率算法对解码后的画面资源中的画面进行调整,得到分辨率为
1920x1080的画面,再执行步骤S314展示分辨率为1920x1080的画面;若也并未配置有GPU的
情况下,则执行步骤S314,但直接展示分辨率为1280x720的画面。
面。
率;在原始分辨率大于第一分辨率的情况下,服务器将把原始画面的分辨率调整至第一分
辨率,其中,原始分辨率大于第一分辨率;服务器按照第一分辨率对原始画面进行渲染编码
处理,得到画面编码数据。
本实施例中可以将原始画面的分辨率调整至第一分辨率,以利用较低分辨率进行渲染编码
处理。这样不仅降低了渲染编码处理的处理难度和成本,而且还提高了服务器向终端发送
画面编码资源时的传输效率。而在该原始分辨率小于第一分辨率的情况下,可以直接采用
原始分辨率来进行渲染编码处理。
辨率还高,以达到对画面进行高清修复处理的目的,也可以比原始分辨率低,降低画质调整
时的处理难度。在本实施例中,根据不同应用场景可以采用不同方式处理。
辨率调整到第二分辨率,以展示画质为第二分辨率的画面,其中,第一分辨率小于第二分辨
率。也就是说,在获取到目标云应用的服务器发送的画面编码数据之后,可以解码该画面编
码数据,然后将解码得到的画面资源的画质进行分辨率提升处理,而不再由服务器直接对
高分辨率的画面进行渲染编码处理,以减少需要服务器处理的像素数量,从而达到降低服
务器的处理负载的目的,进而克服相关技术中服务器的处理负载被加重的问题。
训练后所得到的用于调整画质的分辨率的神经网络模型;
面特征;采用超分辨率算法对画面特征进行反卷积处理,得到反卷积结果;基于反卷积结果
进行计算,以得到画质为第二分辨率的画面。
效亚像素卷积神经网络的实时单图像和视频超分辨率重建、基于深拉普拉斯金字塔网络的
快速和准确的超分辨率重建。2)基于损失函数改进的方式包括:基于感知损失的实时风格
转移和超分辨率重建、基于生成对抗网络的逼真图片的单一图像超分辨率重建。上述为示
例,本实施例中对具体采用的算法不作任何限定。
如,嵌入式神经网络处理器(Neural Network Processing Units,简称NPU),也可称作人工
智能处理器,或图像处理器(Graphics Processing Unit,简称GPU)。
数据输入初始化的分辨率调整网络模型进行训练,直至得到满足收敛条件的分辨率调整网
络模型,其中,收敛条件包括以下之一:训练迭代次数达到第一阈值、分辨率调整网络模型
的连续N个训练输出结果小于第二阈值,N为大于2的整数。
个训练输出结果小于第二阈值,表示该网络模型的输出已经收敛稳定,可以应用于实际场
景中解决对应的问题。因而,这里的第二阈值可以但不限于为根据不同的训练需求而设置
为不同取值。
率算法,达到对画质的优化调整,从而实现在终端设备满足设备条件的情况下,就自动执行
画质调整操作,而不再依赖服务器,进而达到降低服务器的处理负荷的目的。
型的模型参数。
Processing Units,简称NPU),也可称作人工智能处理器。主要是采用数据驱动并行计算的
架构,以处理视频、图像类的海量多媒体数据。又例如,目标处理器还可以是图像处理器
(Graphics Processing Unit,简称GPU),又称作显示核心、视觉处理器等。是一种专门在个
人电脑、工作站、游戏机和一些移动设备上运行绘图运算工作的微处理器。主要是用于将计
算机系统所需要的显示信息进行转换驱动,并向显示器提供行扫描信号,控制显示器的正
确显示,是连接显示器和个人电脑主板的重要元件。也就是说,在终端设备中检测到上述处
理器的器件标识的情况下,则确定当前该终端设备已具备对解码得到的画面资源的画质进
行调整的设备条件。
资源之后,可以尽快应用于画质调整过程,而无需额外的等待加载时间,提高了目标处理器
的处理效率。
备的检测结果,来确定是否自动触发画质调整过程,以达到满足设备条件之后,再进行画质
调整处理,进而提高目标处理器的处理效率。
置的处理器的器件标识。进一步如步骤S404-S406,云游戏服务器302将根据该设备标识确
定终端设备中是否配置有NPU或GPU,并向云游戏客户端3042返回查询结果。
则,继续判断终端设备上是否有GPU,如果有,则将采用运行在GPU中的分辨率调整模型;如
果终端设备上即没有NPU,也没有GPU,则将会跳过超分辨率重建过程,按照解码后得到的画
面编码时的分辨率直接进行展示。
画面,从而实现在终端设备执行画质的优化调整操作,以减轻服务器侧的处理负荷。
括:
第一分辨率小于第二分辨率。
中为目标云应用创建独立的运行容器的情况下,服务器将调用目标图形渲染接口对原始画
面进行渲染,得到渲染后的原始画面;服务器将把渲染后的原始画面存储至运行容器;服务
器调用编码器对从运行容器中抓取到的渲染后的原始画面进行编码处理,得到画面编码数
据。
本实施例中可以将原始画面的分辨率调整至第一分辨率,以利用较低分辨率进行渲染编码
处理。这样不仅降低了渲染编码处理的处理难度和成本,而且还提高了服务器向终端发送
画面编码资源时的传输效率。而在该原始分辨率小于第一分辨率的情况下,可以直接采用
原始分辨率来进行渲染编码处理。
辨率还高,以达到对画面进行高清修复处理的目的,也可以比原始分辨率低,降低画质调整
时的处理难度。在本实施例中,根据不同应用场景可以采用不同方式处理。
简称为容器),上述云游戏应用将运行在云游戏服务器的容器里,调用OpenGLES接口进行渲
染。这里的渲染指令会进一步传到云游戏服务器中的GPU,以驱动GPU进行渲染。渲染完后的
原始分辨率为1280x720的画面会送回到上述容器中。进一步采用编码器对渲染完的画面进
行抓取,然后采用AVC编码方式按照用分辨率1280x720对抓取的画面进行编码,以生成AVC
比特流,再通过网络发往云游戏客户端。
知,采用原始分辨率1280x720进行渲染编码,与采用分辨率1920x1080进行渲染编码相比,
其处理负载之间的关系为:
辨率1280*720进行编码,生成AVC比特流,再通过网络发往云游戏客户端。
云游戏服务器与云游戏客户端之间的传输效率的效果。
到61ms,如表1所示。
送到终端设备上进行显示。
pixel3为例,该终端设备(即手机)配备的Adreno 630 GPU的性能在727GFLOPS。GPU运行
FSCNN-s超分辨率算法,其耗时为:
依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知
悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明
所必须的。
调整网络模型,其中,分辨率调整网络模型为利用多个样本数据进行训练后所得到的用于
调整画质的分辨率的神经网络模型;获取模块704,用于获取分辨率调整网络模型输出的画
质为第二分辨率的画面。
提取画面特征;采用超分辨率算法对画面特征进行反卷积处理,得到反卷积结果;基于反卷
积结果进行计算,以得到画质为第二分辨率的画面。
识的情况下,确定达到对画质进行调整的设备条件,其中,目标处理器中存储有分辨率调整
网络模型的模型参数。
型进行训练,直至得到满足收敛条件的分辨率调整网络模型,其中,收敛条件包括以下之
一:训练迭代次数达到第一阈值、分辨率调整网络模型的连续N个训练输出结果小于第二阈
值,N为大于2的整数。
设备中所配置的处理器的属性信息,属性信息中包括处理器的器件标识;获取服务器根据
设备标识查询到的处理器信息列表,其中,处理器信息列表中包括设备标识所指示的终端
设备中配置的一个或多个处理器的属性信息;在处理器信息列表中包括目标处理器的器件
标识的情况下,确定检测到目标处理器的器件标识。
处理器804,该存储器802中存储有计算机程序,该处理器804被设置为通过计算机程序执行
上述任一项方法实施例中的步骤。
设备(Mobile Internet Devices,MID)、PAD等终端设备。图8其并不对上述电子装置电子设
备的结构造成限定。例如,电子装置电子设备还可包括比图8中所示更多或者更少的组件
(如网络接口等),或者具有与图8所示不同的配置。
模块,从而执行各种功能应用以及数据处理,即实现上述的画质调整方法。存储器802可包
括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或
者其他非易失性固态存储器。在一些实例中,存储器802可进一步包括相对于处理器804远
程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限
于互联网、企业内部网、局域网、移动通信网及其组合。其中,存储器802具体可以但不限于
用于存储解码后的画面资源等信息。作为一种示例,如图8所示,上述存储器802中可以但不
限于包括上述画质调整装置中的获取单元602、解码单元604、调整单元606及展示单元608。
此外,还可以包括但不限于上述画质调整装置中的其他模块单元,本示例中不再赘述。
(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而
可与互联网或局域网进行通讯。在一个实例中,传输装置806为射频(Radio Frequency,RF)
模块,其用于通过无线方式与互联网进行通讯。
形成的分布式系统。其中,节点之间可以组成点对点(P2P,Peer To Peer)网络,任意形式的
计算设备,比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链系
统中的一个节点。
中存储有计算机程序,该处理器被设置为通过计算机程序执行上述任一项方法实施例中的
步骤。
一分辨率小于第二分辨率。
Devices,MID)、PAD等终端设备。
执行各种功能应用以及数据处理,即实现上述的画质调整方法。存储器可包括高速随机存
储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失
性固态存储器。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些
远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、
局域网、移动通信网及其组合。其中,存储器具体可以但不限于用于存储编码后的画面编码
数据等信息。
Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联
网或局域网进行通讯。在一个实例中,传输装置为射频(Radio Frequency,RF)模块,其用于
通过无线方式与互联网进行通讯。
成的分布式系统。其中,节点之间可以组成点对点(P2P,Peer To Peer)网络,任意形式的计
算设备,比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链系统
中的一个节点。
一项方法实施例中的步骤。
一分辨率小于第二分辨率。
一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,
ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软
件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一
台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所
述方法的全部或部分步骤。
种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者
可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之
间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连
接,可以是电性或其它的形式。
网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目
的。
元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
视为本发明的保护范围。