CN102982568B - 一种自动裁剪图像的方法及装置 - Google Patents
一种自动裁剪图像的方法及装置 Download PDFInfo
- Publication number
- CN102982568B CN102982568B CN201210452330.5A CN201210452330A CN102982568B CN 102982568 B CN102982568 B CN 102982568B CN 201210452330 A CN201210452330 A CN 201210452330A CN 102982568 B CN102982568 B CN 102982568B
- Authority
- CN
- China
- Prior art keywords
- image
- area
- region
- automatic cutting
- rectangle frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种自动裁剪图像的方法及装置,涉及图像处理技术领域,可以自动批量裁剪图像,操作简单,并且花费时间较少。本发明的实施例通过自动学习并记录用户对图像感兴趣的第一区域,以及所述第一区域中包括的第二区域,所述第一区域为包括图像中心区域的区域,所述第二区域为包括用户感兴趣的景物的区域;根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式;根据所述自动裁剪方式对终端中保存的图像进行自动裁剪。本发明实施例提供的方案适于进行图像自动裁剪时采用。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种自动裁剪图像的方法及装置。背景技术
通过拍照可以记录当时美好的场景,给用户以美好的回忆。通常用户可以用数码相机、手机等可以进行拍摄的终端进行拍照,拍摄的图像中并不是所有的区域都是用户喜欢的,因此需要对拍摄的图像进行修改。采用现有技术对图像进行修改时,通常针对每一幅需要修改的图像进行操作,即对图像中用户不喜欢的区域一个个地剪切掉。
然而,采用现有技术裁剪图像时,操作较复杂,当图像较多的情况下,花费的时间较多。
发明内容
本发明的实施例提供一种自动裁剪图像的方法及装置,可以自动批量裁剪图像,操作简单,并且花费时间较少。
一方面,本发明实施例提供一种自动裁剪图像的方法,包括:
自动学习并记录用户对图像感兴趣的第一区域,以及所述第一区域中包括的第二区域,所述第一区域为包括图像中心区域的区域,所述第二区域为包括用户感兴趣的景物的区域;
根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式;
根据所述自动裁剪方式对终端中保存的图像进行自动裁剪。
在本发明另一实施例中,所述自动学习并记录用户对图像感兴趣的第一区域包括:
根据图像的像素确定图像的中心坐标点,以所述图像的中心坐标点为初始图像裁剪矩形框的中心点,确定所述初始图像裁剪矩形框,所述初始图像裁剪矩形框用于选择图像中包括图像中心区域的区域;
学习用户通过至少一次调整所述初始图像裁剪矩形框之后获得的图像裁剪矩形框,并记录所述图像裁剪矩形框包含的区域为第一区域。
在本发明另一实施例中,所述自动学习并记录用户对图像感兴趣的所述第一区域中包括的第二区域包括:
对所述终端中保存的图像进行归类,确定包含同类事物的至少两张图像;
在确定的所述至少两张图像的每一张图像中选取所述第一区域,并在所述第一区域内确定所述同类事物的特征;
根据所述至少两张图像的所述同类事物的所述特征,确定所述同类事物的共性特征模版,并记录所述共性特征模版包含的区域为第二区域。
在本发明另一实施例中,在所述根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式之前,还包括:
确定所述终端中保存的图像中的相近图像;
根据上述确定所述第一区域和所述第二区域的方法,确定所述相近图像的特征模版以及所述特征模版包含第三区域。
在本发明另一实施例中,所述根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式包括:
确定所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版以及所述第一区域在进行自动裁剪时的重要程度的权利因子;
根据所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版、所述第一区域以及所述权利因子,确定自动裁剪方式。
另一方面,本发明实施例提供一种自动裁剪图像的装置,包括:
智能学习单元,用于自动学习并记录用户对图像感兴趣的第一区域,以及所述第一区域中包括的第二区域,所述第一区域为包括图像中心区域的区域,所述第二区域为包括用户感兴趣的景物的区域;
确定单元,用于根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式;
图像自动裁剪单元,用于根据所述自动裁剪方式对终端中保存的图像进行自动裁剪。
在本发明另一实施例中,所述智能学习单元包括:
第一确定模块,用于根据图像的像素确定图像的中心坐标点,以所述图像的中心坐标点为初始图像裁剪矩形框的中心点,确定所述初始图像裁剪矩形框,所述初始图像裁剪矩形框用于选择图像中包括图像中心区域的区域;
第一智能学习模块,用于学习用户通过至少一次调整所述初始图像裁剪矩形框之后获得的图像裁剪矩形框,并记录所述图像裁剪矩形框包含的区域为第一区域。
在本发明另一实施例中,所述智能学习单元包括:
第二确定模块,用于对所述终端中保存的图像进行归类,确定包含同类事物的至少两张图像;
第三确定模块,用于在确定的所述至少两张图像的每一张图像中选取所述第一区域,并在所述第一区域内确定所述同类事物的特征;
第二智能学习模块,用于根据所述至少两张图像的所述同类事物的所述特征,确定所述同类事物的共性特征模版,并记录所述共性特征模版包含的区域为第二区域。
在本发明另一实施例中,所述装置还包括:
相近图像确定单元,用于确定所述终端中保存的图像中的相近图像;
所述智能学习单元还用于,根据上述确定所述第一区域和所述第二区域的方法,确定所述相近图像的特征模版以及所述特征模版包含第三区域。
在本发明另一实施例中,所述确定单元包括:
权利因子确定模块,用于确定所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版以及所述第一区域在进行自动裁剪时的重要程度的权利因子;
自动裁剪方式确定模块,用于根据所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版、所述第一区域以及所述权利因子,确定自动裁剪方式。
本发明实施例提供一种自动裁剪图像的方法及装置,通过自动学习并记录用户对图像感兴趣的第一区域,以及所述第一区域中包括的第二区域,所述第一区域为包括图像中心区域的区域,所述第二区域为包括用户感兴趣的景物的区域;根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式;根据所述自动裁剪方式对终端中保存的图像进行自动裁剪。与现有技术中采用现有技术裁剪图像时,操作较复杂,当图像较多的情况下,花费的时间较多相比,本发明实施例通过自动学习用户对图像感兴趣的区域的特定,进而根据这些特定对大批量的图像进行自动裁剪,从而使得操作简单,并且花费时间较少。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的一种自动裁剪图像的方法的流程图;
图2为本发明实施例1提供的另一种自动裁剪图像的方法的流程图;
图3为本发明实施例2提供的一种自动裁剪图像的装置的框图;
图4为本发明实施例2提供的另一种自动裁剪图像的装置的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
本发明实施例提供一种自动裁剪图像的方法,该方法的执行主体为终端,该终端可以为数码相机、带有照相功能的手机以及平板电脑等,如图1所示,该方法包括:
步骤101,自动学习并记录用户对图像感兴趣的第一区域,以及所述第一区域中包括的第二区域,所述第一区域为包括图像中心区域的区域,所述第二区域为包括用户感兴趣的景物的区域;
图像为用户采用具有照相功能的终端拍摄的照片,例如,采用手机的前置摄像头或者后置摄像头,选择不同尺寸、设置相应的特效以及一些相关的参数,并且配置取景效果拍摄的各式各样的图像。
在本实施例中,终端通过多次训练学习记录用户选择的图像中感兴趣的区域,以便根据这些区域的特征确定特征模块,应用于后续对图像进行批量处理,从而节省操作时间。
在本步骤中,由于考虑到用户在拍照的过程中,一般是将需要突出的景物选择在相机取景框的中央位置来拍照,具体映射到图像中就会呈现出由图像的中心区域向四周扩散。自动学习并记录用户对图像感兴趣的第一区域,可以通过根据图像的像素确定初始图像裁剪矩形框,所述初始图像裁剪矩形框用于选择图像中包括图像中心区域的区域;学习用户通过至少一次调整所述初始图像裁剪矩形框之后获得的图像裁剪矩形框,并记录所述图像裁剪矩形框包含的区域为第一区域。其中,根据图像的像素确定初始图像裁剪矩形框可以根据图像的像素确定图像的中心坐标点,以所述图像的中心坐标点为初始图像裁剪矩形框的中心点,确定所述初始图像裁剪矩形框。
在确定第二区域时,通过对所述终端中保存的图像进行归类,确定包含同类事物的至少两张图像;在确定的所述至少两张图像的每一张图像中选取所述第一区域,并在所述第一区域内确定所述同类事物的特征;根据所述至少两张图像的所述同类事物的所述特征,确定所述同类事物的共性特征模版,并记录所述共性特征模版包含的区域为第二区域。
进一步的,对于图像中存在的相近图像,可以根据确定第一区域和第二区域的方法相近图像的特征模版,从而确定特征模版包含第三区域,这样,可以优先对相近图像采用特征模版进行自动裁剪,从而进一步节省自动裁剪图像的处理时间。
步骤102,根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式;
在本步骤中,确定所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版以及所述第一区域在进行自动裁剪时的重要程度的权利因子;根据所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版、所述第一区域以及所述权利因子,确定自动裁剪方式。
步骤103,根据所述自动裁剪方式对终端中保存的图像进行自动裁剪。
本步骤根据上一个步骤确定自动裁剪方式对终端中保存的图像进行批量自动裁剪,之后可以将自动裁剪之后图像保存在终端的存储卡等具有存储功能的设备中,并将原来存储的未自动裁剪的图像删除,可以节省存储器的存储空间。
本发明实施例提供一种自动裁剪图像的方法,通过自动学习并记录用户对图像感兴趣的第一区域,以及所述第一区域中包括的第二区域,所述第一区域为包括图像中心区域的区域,所述第二区域为包括用户感兴趣的景物的区域;根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式;根据所述自动裁剪方式对终端中保存的图像进行自动裁剪。本发明实施例通过自动学习用户对图像感兴趣的区域的特定,进而根据这些特定对大批量的图像进行自动裁剪,从而使得操作简单,并且花费时间较少。
本发明实施例提供另一种自动裁剪图像的方法,如图2所示,该方法包括:
步骤201,终端获取并保存一个包含图像的图像库;
终端可以为数码相机、或者具有照相功能的手机、平板电脑、笔记本电脑等。
可以获取通过用户采用具有照相功能的终端拍摄的图像,例如,采用手机的前置摄像头或者后置摄像头,选择不同尺寸、设置相应的特效以及一些相关的参数,并且配置取景效果拍摄的各式各样的图像,并将获取的图像库保存在终端的存储卡或者具有存储功能的设备中。
步骤202,终端自动学习并记录用户对图像感兴趣的第一区域,所述第一区域为包括图像中心区域的区域;
用户拍摄的图像的像素可以不同,例如可以为800万像素的图像,500万的图像,300万的图像,200万像素的图像等,这样获得的图像对应尺寸为3264*2448,2592*1944,2048*1536,1600*1200。
在本步骤中,由于考虑到用户在拍照的过程中,一般是将需要突出的景物选择在相机取景框的中央位置来拍照,具体映射到图像中就会呈现出由图像的中心区域向四周扩散。因此,在选择需要裁剪的图像时,根据图像的像素确定图像的中心坐标点,以所述图像的中心坐标点为初始图像裁剪矩形框的中心点,确定所述初始图像裁剪矩形框。
拍摄的图像的尺寸以H*W表示,初始图像裁剪矩形框以X*Y表示,其中,X是矩形的长,Y为矩形的宽。例如,拍摄的图像的尺寸为(2592*1944),初始图像裁剪矩形框可以为(2048*1536)。本实施例中不同的拍摄图像的尺寸,对应不同的初始图像裁剪矩形框,后续则根据初始图像裁剪矩形框调整需要获得的第一区域。
然后学习用户通过至少一次调整所述初始图像裁剪矩形框之后获得的图像裁剪矩形框,并记录所述图像裁剪矩形框包含的区域为第一区域。用户可以拖动终端的触摸屏适当调整初始图像裁剪矩形框,使得调整之后的图像裁剪矩形框包含的图像为用户感兴趣的区域,即用户希望得到的图像,此时,终端自动记录用户最后确定的X’*Y’的有效区域的值,即图像裁剪矩形框包含的区域,把图像裁剪矩形框包含的区域(X’*Y’的有效区域的值)自动的作为下一次选取图像有效尺寸的依据,再得到新的有效区域的值。以此类推,通过用户多次选取图像的有效区域Xn*Yn,最终获得用户对图像感兴趣的第一区域。这里n的选取,可以在固定拍照图像尺寸大小的模式下,n=20幅图像为依据,为了精确选取用户感兴趣的第一区域,这里n也可以选择更多幅图像。
需要说明的是,Xn*Yn作为自动选取第一区域的模板,后续图像就会根据该训练后的第一区域作为匹配模块,在拍摄的图像中裁剪出有效的区域。
步骤203,终端自动学习并记录用户对图像感兴趣的所述第一区域中包括的第二区域,所述第二区域为包括用户感兴趣的景物的区域;
用户感兴趣的景物,也是图像中需要裁剪出来的有效区域,总结起来用户感兴趣的景物可以为山、水、动物、树木、花草、日光、建筑物等。
在本步骤中,终端对终端中保存的图像进行归类,确定包含同类事物的至少两张图像。归类就是将本质相同的一类事物整合在一起的方法,以便于确定不同类事物之间的差异以及同类事物之间的共性。可以从归类的图像中,针对同一类事物选取至少两张图像,例如可以选取n张图像,这里n可以为大于2的任意值。
在确定的所述至少两张图像的每一张图像中选取所述第一区域,并在所述第一区域内确定所述同类事物的特征。具体的,针对每一张图像根据步骤202确定第一区域Xn*Yn,n=1,2,3…,在每选取的一个第一区域内,根据数字图像处理学原理,运用不同小波基提取出用户感兴趣区域内事物的特征,并对n幅图像,提取n幅图像的n个特征模板。其中,小波基为通过傅里叶变换演变过来的,由一个个小母波构成。例如,用户对图像的第一区域中包含的一棵树感兴趣,则可以根据一个事先设定的小母波作为基函数,提取出这棵树的特征。类似的,可以采用上述方式确定所有用户感兴趣的事物的特征。
根据所述至少两张图像的所述同类事物的所述特征,确定所述同类事物的共性特征模版,并记录所述共性特征模版包含的区域为第二区域。具体的,可以根据海明距离以及n张图像确定n个特征的共性特征模版,形成模板库。其中海明距离可以理解为两个特征点之间的一种异或操作,两个特征点相同为0,两个特征点相异为1,然后分别得到相同点的个数,不同点的个数。并且求相同点个数的比例,然后再跟事先设置好的相同点的概率比较。例如通过提取两幅图像各自的特征点,形成两个特征库,可将这两个特征库里对应的特征点之间进行海明距离比较。
步骤204,确定所述终端中保存的图像中的相近图像,并确定所述相近图像的特征模版以及所述特征模版包含第三区域;
相近的图像可以理解为图像中包含同一类事物,并且场景相似。例如,选取同一个景物连续拍几张图片,或者一张照片里只有一个人或多个人的图片,或者同一类事物,比如花、树木、建筑物等,属性存在相似性,都可以看作是相近的图像。对于终端中保存的图像中相近的图像,终端可以确定此类图像的固有的特征模版裁剪图像,以便进一步提高自动裁剪图像的速度。
进一步的,选取终端中保存的图像中的相近的图像,根据步骤202和步骤203的操作方法选取相近图像的有效区域和特征模版。优选的,可以选择相近的图像中的一张图像选取相近图像的有效区域和特征模版,这样可以节省一些智能学习时间。只要选好第一幅类似的图像,后续相似的图像就可以依次裁剪,也可以达到同样的预期效果。
步骤205,终端确定所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版以及所述第一区域在进行自动裁剪时的重要程度的权利因子;
在本步骤中,确定进行自动裁剪时的重要程度的权利因子是,可以根据A1+A2+A3=1,并且A1》A2>A3确定所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版以及所述第一区域在进行自动裁剪时的重要程度的权利因子;
其中,A1表示所述第二区域中包含的景物的共性特征模版在进行自动裁剪时的重要程度的权利因子;A2表示所述第一区域在进行自动裁剪时的重要程度的权利因子;A3表示所述第三区域中包含的所述相近图像的特征模版在进行自动裁剪时的重要程度的权利因子。
例如,采用步骤202确定的第一区域在进行自动裁剪时的重要程度的权利因子可以为40%;采用步骤203确定的第二区域中包含的景物的共性特征模版在进行自动裁剪时的重要程度的权利因子可以为40%;采用步骤204确定的第三区域中包含的所述相近图像的特征模版在进行自动裁剪时的重要程度的权利因子可以为20%。当然,本发明并不限定各权利因子。
步骤206,根据所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版、所述第一区域以及所述权利因子,终端确定自动裁剪方式;
在本步骤中,可以根据F=M1*40%+M2*40%+M3*20%确定自动裁剪方式;其中,M1为自动裁剪出一张图像中第一区域的方法,M2为根据第二区域中包含的景物的共性特征模版自动裁剪出第一区域中包含的第二区域的方法,M3为根据相似图像的特征模版自动裁剪出第三区域的方法。
其中,M3的权利因子分配的比较小,由于在一个图像库中相似的图像不是很多,但是肯定会存在,因此可以先将相似的图像提取出来进行自动裁剪,以避免重复操作,由于进行傅里叶变换(进行确定用户感兴趣区域时采用)是很耗时间,因此可以节省运算的时间。M2是用分类算法把每幅图像的分类曲面提取出来,这样可以有效的提取出用户感兴趣的景物的共性特征模版,为第一区域的选取提供必要的前提。M1是第一区域的选取,运用算法比较简单,主要是根据用户的选择和实际拍摄的场景的聚焦点来定,实现起来比较好操作,但这也是算法中一个比较重要的环节,第一区域选择不准确时,第二区域的选择就会出问题,导致图像选取失败,从而导致自动裁剪失败。
步骤207,终端根据所述自动裁剪方式对终端中保存的图像进行自动裁剪;
通过自动裁剪方式就可以对批量图像同时自动裁剪,即优先将披露图像中相似的图像提取出来根据第三区域自动裁剪,然后确定其余图像中第一区域和第二区域并进行自动裁剪,保留用户需要的有效图像,弃除不需要的图像,使得用户对多媒体影像更加感兴趣。
弃除不需要的图像时可以采用以下方式:将需要弃除的图像信息显示变暗,自动裁剪提取的图像信息突出显示。
步骤208,终端对经过自动裁剪的图像进行保存,并删除未自动裁剪的图像。
经过自动裁剪出来的图像要比原始图像像素小一些,如果用户不喜欢原来的图像,还可以删除掉原有的图像,这样就可以节省终端的存储卡或者具有保存功能的设备的有效空间。
本发明实施例提供一种自动裁剪图像的方法,通过自动学习并记录用户对图像感兴趣的第一区域,以及所述第一区域中包括的第二区域;根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式;根据所述自动裁剪方式对终端中保存的图像进行自动裁剪。本发明实施例通过自动学习用户对图像感兴趣的区域的特定,进而根据这些特定对大批量的图像进行自动裁剪,从而使得操作简单,并且花费时间较少。
实施例2
本发明实施例提供一种自动裁剪图像的装置,该装置可以为终端,该终端可以为数据相机,或者具有照相功能的手机、平板电脑以及笔记本电脑等。如图3所示,该装置包括:智能学习单元301,确定单元302,图像自动裁剪单元303;
智能学习单元301,用于自动学习并记录用户对图像感兴趣的第一区域,以及所述第一区域中包括的第二区域,所述第一区域为包括图像中心区域的区域,所述第二区域为包括用户感兴趣的景物的区域;
图像为用户采用具有照相功能的终端拍摄的照片,例如,采用手机的前置摄像头或者后置摄像头,选择不同尺寸、设置相应的特效以及一些相关的参数,并且配置取景效果拍摄的各式各样的图像。
用户感兴趣的景物,也是图像中需要裁剪出来的有效区域,总结起来用户感兴趣的景物可以为山、水、动物、树木、花草、日光、建筑物等。
确定单元302,用于根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式;
图像自动裁剪单元303,用于根据所述自动裁剪方式对终端中保存的图像进行自动裁剪。
进一步的,如图4所示,所述智能学习单元301包括:第一确定模块3011,第一智能学习模块3012;
第一确定模块3011,用于根据图像的像素确定初始图像裁剪矩形框,所述初始图像裁剪矩形框用于选择图像中包括图像中心区域的区域;
具体的,所述第一确定模块3011用于根据图像的像素确定图像的中心坐标点,以所述图像的中心坐标点为初始图像裁剪矩形框的中心点,确定所述初始图像裁剪矩形框;
由于考虑到用户在拍照的过程中,一般是将需要突出的景物选择在相机取景框的中央位置来拍照,具体映射到图像中就会呈现出由图像的中心区域向四周扩散。因此,在选择需要裁剪的图像时,根据图像的像素确定图像的中心坐标点,以所述图像的中心坐标点为初始图像裁剪矩形框的中心点,确定所述初始图像裁剪矩形框。
拍摄的图像的尺寸以H*W表示,初始图像裁剪矩形框以X*Y表示,其中,X是矩形的长,Y为矩形的宽。例如,拍摄的图像的尺寸为(2592*1944),初始图像裁剪矩形框可以为(2048*1536)。本实施例中不同的拍摄图像的尺寸,对应不同的初始图像裁剪矩形框。
第一智能学习模块3012,用于学习用户通过至少一次调整所述初始图像裁剪矩形框之后获得的图像裁剪矩形框,并记录所述图像裁剪矩形框包含的区域为第一区域。
其中,第一智能学习模块3012可以通过用户拖动终端的触摸屏适当调整初始图像裁剪矩形框,获得调整之后的图像裁剪矩形框包含的图像为用户感兴趣的区域,即用户希望得到的图像,此时,第一智能学习模块3012自动记录用户最后确定的X’*Y’的有效区域的值,即图像裁剪矩形框包含的区域,把图像裁剪矩形框包含的区域(X’*Y’的有效区域的值)自动的作为下一次选取图像有效尺寸的依据,再得到新的有效区域的值。以此类推,通过用户多次选取图像的有效区域Xn*Yn,最终获得用户对图像感兴趣的第一区域。这里n的选取,可以在固定拍照图像尺寸大小的模式下,n=20幅图像为依据,为了精确选取用户感兴趣的第一区域,这里n也可以选择更多幅图像。
进一步的,所述智能学习单元301还包括:第二确定模块3013,第三确定模块3014,第二智能学习模块3015;
第二确定模块3013,用于对所述终端中保存的图像进行归类,确定包含同类事物的至少两张图像;
归类就是将本质相同的一类事物整合在一起的方法,以便于确定不同类事物之间的差异以及同类事物之间的共性。可以从归类的图像中,针对同一类事物选取至少两张图像,例如可以选取n张图像,这里n可以为大于2的任意值。
第三确定模块3014,用于在确定的所述至少两张图像的每一张图像中选取所述第一区域,并在所述第一区域内确定所述同类事物的特征;
针对每一张图像确定第一区域Xn*Yn,n=1,2,3…,在每选取的一个第一区域内,第三确定模块3014根据数字图像处理学原理,运用不同小波基提取出用户感兴趣区域内事物的特征,并对n幅图像,提取n幅图像的n个特征模板。
其中,小波基为通过傅里叶变换演变过来的,由一个个小母波构成。例如,用户对图像的第一区域中包含的一棵树感兴趣,则可以根据一个事先设定的小母波作为基函数,提取出这棵树的特征。
第二智能学习模块3015,用于根据所述至少两张图像的所述同类事物的所述特征,确定所述同类事物的共性特征模版,并记录所述共性特征模版包含的区域为第二区域。
第二智能学习模块3015采用海明距离以及n张图像确定n个特征的共性特征模版,形成模板库。其中海明距离可以理解为两个特征点之间的一种异或操作,两个特征点相同为0,两个特征点相异为1,然后分别得到相同点的个数,不同点的个数。并且求相同点个数的比例,然后再跟事先设置好的相同点的概率比较。例如通过提取两幅图像各自的特征点,形成两个特征库,可将这两个特征库里对应的特征点之间进行海明距离比较。
进一步的,在所述确定单元302根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式之前,所述装置还包括:
相近图像确定单元304;
所述相近图像确定单元304,用于确定所述终端中保存的图像中的相近图像;
相近的图像可以理解为图像中包含同一类事物,并且场景相似。例如,选取同一个景物连续拍几张图片,或者一张照片里只有一个人或多个人的图片,
或者同一类事物,比如花、树木、建筑物等,属性存在相似性,都可以看作是相近的图像。
所述智能学习单元301还用于,根据上述确定所述第一区域和所述第二区域的方法,确定所述相近图像的特征模版以及所述特征模版包含第三区域。
进一步的,所述确定单元302包括:权利因子确定模块3021,自动裁剪方式确定模块3022;
权利因子确定模块3021,用于确定所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版以及所述第一区域在进行自动裁剪时的重要程度的权利因子;
具体的,所述权利因子确定模块3021用于根据A1+A2+A3=1,并且A1》A2>A3确定所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版以及所述第一区域在进行自动裁剪时的重要程度的权利因子;
其中,A1表示所述第二区域中包含的景物的共性特征模版在进行自动裁剪时的重要程度的权利因子;A2表示所述第一区域在进行自动裁剪时的重要程度的权利因子;A3表示所述第三区域中包含的所述相近图像的特征模版在进行自动裁剪时的重要程度的权利因子;
自动裁剪方式确定模块3022,用于根据所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版、所述第一区域以及所述权利因子,确定自动裁剪方式。
进一步的,在所述图像自动裁剪单元303根据所述自动裁剪方式对终端中保存的图像进行自动裁剪之后,所述装置还包括:保存单元305,删除单元306;
所述保存单元305,对经过自动裁剪的图像进行保存;所述删除单元306,用于删除未自动裁剪的图像,这样就可以节省终端的存储卡或者具有保存功能的设备的有效空间。
本发明实施例提供一种自动裁剪图像的装置,通过智能学习单元自动学习并记录用户对图像感兴趣的第一区域,以及所述第一区域中包括的第二区域;确定单元根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式;图像自动裁剪单元根据所述自动裁剪方式对终端中保存的图像进行自动裁剪。本发明实施例通过自动学习用户对图像感兴趣的区域的特定,进而根据这些特定对大批量的图像进行自动裁剪,从而使得操作简单,并且花费时间较少。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种自动裁剪图像的方法,其特征在于,包括:
自动学习并记录用户对图像感兴趣的第一区域,以及所述第一区域中包括的第二区域,所述第一区域为包括图像中心区域的区域,所述第二区域为包括用户感兴趣的景物的区域;
根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式;
根据所述自动裁剪方式对终端中保存的图像进行自动裁剪;
所述自动学习并记录用户对图像感兴趣的所述第一区域中包括的第二区域包括:
对所述终端中保存的图像进行归类,确定包含同类事物的至少两张图像;
在确定的所述至少两张图像的每一张图像中选取所述第一区域,并在所述第一区域内确定所述同类事物的特征;
根据所述至少两张图像的所述同类事物的所述特征,确定所述同类事物的共性特征模版,并记录所述共性特征模版包含的区域为第二区域。
2.根据权利要求1所述的方法,其特征在于,所述自动学习并记录用户对图像感兴趣的第一区域包括:
根据图像的像素确定图像的中心坐标点,以所述图像的中心坐标点为初始图像裁剪矩形框的中心点,确定所述初始图像裁剪矩形框,所述初始图像裁剪矩形框用于选择图像中包括图像中心区域的区域;
学习用户通过至少一次调整所述初始图像裁剪矩形框之后获得的图像裁剪矩形框,并记录所述图像裁剪矩形框包含的区域为第一区域。
3.根据权利要求1或2所述的方法,其特征在于,在所述根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式之前,还包括:
确定所述终端中保存的图像中的相近图像;
根据上述确定所述第一区域和所述第二区域的方法,确定所述相近图像的特征模版以及所述特征模版包含第三区域。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式包括:
确定所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版以及所述第一区域在进行自动裁剪时的重要程度的权利因子;
根据所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版、所述第一区域以及所述权利因子,确定自动裁剪方式。
5.一种自动裁剪图像的装置,其特征在于,包括:
智能学习单元,用于自动学习并记录用户对图像感兴趣的第一区域,以及所述第一区域中包括的第二区域,所述第一区域为包括图像中心区域的区域,所述第二区域为包括用户感兴趣的景物的区域;
确定单元,用于根据所述第二区域中包含的景物的共性特征模版,以及根据所述第一区域,确定自动裁剪方式;
图像自动裁剪单元,用于根据所述自动裁剪方式对终端中保存的图像进行自动裁剪;
所述智能学习单元包括:
第二确定模块,用于对所述终端中保存的图像进行归类,确定包含同类事物的至少两张图像;
第三确定模块,用于在确定的所述至少两张图像的每一张图像中选取所述第一区域,并在所述第一区域内确定所述同类事物的特征;
第二智能学习模块,用于根据所述至少两张图像的所述同类事物的所述特征,确定所述同类事物的共性特征模版,并记录所述共性特征模版包含的区域为第二区域。
6.根据权利要求5所述的装置,其特征在于,所述智能学习单元还包括:
第一确定模块,用于根据图像的像素确定图像的中心坐标点,以所述图像的中心坐标点为初始图像裁剪矩形框的中心点,确定所述初始图像裁剪矩形框,所述初始图像裁剪矩形框用于选择图像中包括图像中心区域的区域;
第一智能学习模块,用于学习用户通过至少一次调整所述初始图像裁剪矩形框之后获得的图像裁剪矩形框,并记录所述图像裁剪矩形框包含的区域为第一区域。
7.根据权利要求5或6的装置,其特征在于,所述装置还包括:
相近图像确定单元,用于确定所述终端中保存的图像中的相近图像;
所述智能学习单元还用于,根据上述确定所述第一区域和所述第二区域的方法,确定所述相近图像的特征模版以及所述特征模版包含第三区域。
8.根据权利要求7所述的装置,其特征在于,所述确定单元包括:
权利因子确定模块,用于确定所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版以及所述第一区域在进行自动裁剪时的重要程度的权利因子;
自动裁剪方式确定模块,用于根据所述第二区域中包含的景物的共性特征模版、所述第三区域中包含的所述相近图像的特征模版、所述第一区域以及所述权利因子,确定自动裁剪方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210452330.5A CN102982568B (zh) | 2012-11-12 | 2012-11-12 | 一种自动裁剪图像的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210452330.5A CN102982568B (zh) | 2012-11-12 | 2012-11-12 | 一种自动裁剪图像的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102982568A CN102982568A (zh) | 2013-03-20 |
CN102982568B true CN102982568B (zh) | 2015-12-16 |
Family
ID=47856507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210452330.5A Active CN102982568B (zh) | 2012-11-12 | 2012-11-12 | 一种自动裁剪图像的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102982568B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103854253A (zh) * | 2014-03-31 | 2014-06-11 | 深圳市金立通信设备有限公司 | 一种图片处理方法及终端 |
CN106326823B (zh) * | 2015-07-07 | 2020-06-30 | 北京神州泰岳软件股份有限公司 | 一种获取图片中头像的方法和系统 |
CN105426518A (zh) * | 2015-12-03 | 2016-03-23 | 广东小天才科技有限公司 | 一种拍照搜题的方法及系统 |
US10318794B2 (en) * | 2017-04-28 | 2019-06-11 | Microsoft Technology Licensing, Llc | Intelligent auto cropping of digital images |
CN107317962B (zh) * | 2017-05-12 | 2019-11-08 | 广东网金控股股份有限公司 | 一种智能拍照裁剪构图系统及使用方法 |
CN107545576A (zh) * | 2017-07-31 | 2018-01-05 | 华南农业大学 | 基于构图规则的图像编辑方法 |
CN107463914A (zh) * | 2017-08-11 | 2017-12-12 | 环球智达科技(北京)有限公司 | 图像切割方法 |
CN109523503A (zh) * | 2018-09-11 | 2019-03-26 | 北京三快在线科技有限公司 | 一种图像裁剪的方法和装置 |
CN109151322A (zh) * | 2018-09-30 | 2019-01-04 | 联想(北京)有限公司 | 一种图像处理方法和电子设备 |
CN110191369A (zh) * | 2019-06-06 | 2019-08-30 | 广州酷狗计算机科技有限公司 | 图像截取方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1517951A (zh) * | 2003-01-23 | 2004-08-04 | 精工爱普生株式会社 | 图像编辑装置、图像的裁剪方法及程序 |
CN101132480A (zh) * | 2006-07-25 | 2008-02-27 | 富士胶片株式会社 | 图像修剪设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8009921B2 (en) * | 2008-02-19 | 2011-08-30 | Xerox Corporation | Context dependent intelligent thumbnail images |
-
2012
- 2012-11-12 CN CN201210452330.5A patent/CN102982568B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1517951A (zh) * | 2003-01-23 | 2004-08-04 | 精工爱普生株式会社 | 图像编辑装置、图像的裁剪方法及程序 |
CN101132480A (zh) * | 2006-07-25 | 2008-02-27 | 富士胶片株式会社 | 图像修剪设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102982568A (zh) | 2013-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102982568B (zh) | 一种自动裁剪图像的方法及装置 | |
US10134165B2 (en) | Image distractor detection and processing | |
US10803554B2 (en) | Image processing method and device | |
CN110163198B (zh) | 一种表格识别重建方法、装置和存储介质 | |
US10762608B2 (en) | Sky editing based on image composition | |
US10956784B2 (en) | Neural network-based image manipulation | |
US10147163B2 (en) | Systems and methods for automated image cropping | |
CN101706793B (zh) | 搜索图片的方法和装置 | |
WO2016127478A1 (zh) | 一种图像处理方法、装置和终端 | |
CN108401112B (zh) | 图像处理方法、装置、终端及存储介质 | |
US8908976B2 (en) | Image information processing apparatus | |
US20190089910A1 (en) | Dynamic generation of image of a scene based on removal of undesired object present in the scene | |
US20130326417A1 (en) | Textual attribute-based image categorization and search | |
US20120294514A1 (en) | Techniques to enable automated workflows for the creation of user-customized photobooks | |
CN111325271B (zh) | 图像分类方法及装置 | |
US20170208243A1 (en) | Automatic image composition | |
CN105205181A (zh) | 一种照片管理方法及管理系统 | |
CN110647640B (zh) | 计算机系统、操作计算装置的方法及操作计算装置的系统 | |
CN104331342A (zh) | 文件路径匹配的方法及其装置 | |
CN114119373A (zh) | 图像裁剪方法、装置及电子设备 | |
Chang et al. | Panoramic human structure maintenance based on invariant features of video frames | |
CN113225451A (zh) | 图像处理方法、装置和电子设备 | |
CN111309957A (zh) | 一种自动生成旅行相册mv的方法 | |
WO2016173278A1 (zh) | 图像管理方法及装置 | |
CN110633377A (zh) | 一种图片清理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |