CN103714161B - 图像缩略图的生成方法、装置和终端 - Google Patents

图像缩略图的生成方法、装置和终端 Download PDF

Info

Publication number
CN103714161B
CN103714161B CN201310743545.7A CN201310743545A CN103714161B CN 103714161 B CN103714161 B CN 103714161B CN 201310743545 A CN201310743545 A CN 201310743545A CN 103714161 B CN103714161 B CN 103714161B
Authority
CN
China
Prior art keywords
pixel
image
rectangle frame
value
information content
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
Application number
CN201310743545.7A
Other languages
English (en)
Other versions
CN103714161A (zh
Inventor
王琳
张祺深
张波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiaomi Inc
Original Assignee
Xiaomi Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiaomi Inc filed Critical Xiaomi Inc
Priority to CN201310743545.7A priority Critical patent/CN103714161B/zh
Publication of CN103714161A publication Critical patent/CN103714161A/zh
Priority to MX2014009069A priority patent/MX347781B/es
Priority to JP2015555587A priority patent/JP2016511875A/ja
Priority to PCT/CN2014/077610 priority patent/WO2015100913A1/zh
Priority to BR112014018578A priority patent/BR112014018578A8/pt
Priority to RU2015123209A priority patent/RU2615679C2/ru
Priority to KR1020147021528A priority patent/KR20150088970A/ko
Priority to US14/479,531 priority patent/US9727972B2/en
Priority to EP14200009.0A priority patent/EP2890105B1/en
Application granted granted Critical
Publication of CN103714161B publication Critical patent/CN103714161B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G06T3/04—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/8549—Creating video summaries, e.g. movie trailer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/387—Composing, repositioning or otherwise geometrically modifying originals
    • H04N1/3872—Repositioning or masking
    • H04N1/3873—Repositioning or masking defined only by a limited number of coordinate points or parameters, e.g. corners, centre; for trimming
    • H04N1/3875—Repositioning or masking defined only by a limited number of coordinate points or parameters, e.g. corners, centre; for trimming combined with enlarging or reducing

Abstract

本公开提供了一种图像缩略图的生成方法、装置和终端，属于通信领域。所述方法包括：对图像进行滤波得到所述图像内各像素点的边缘强度值；以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值；选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图。所述装置包括：滤波模块、搜索模块和截取模块。本公开实现了基于图像的内容信息生成缩略图，提高了缩略图表达原图像内容信息的准确性，更加符合人们的认知习惯。

Description

图像缩略图的生成方法、装置和终端
技术领域
本公开涉及通信领域，特别涉及一种图像缩略图的生成方法、装置和终端。
背景技术
近年来随着移动设备自拍、连拍等技术的实现，移动设备中个人相册的容量也在飞速的增长。通常，个人相册会为存储的图像生成缩略图，并将缩略图置于预览模式中供用户预览和查阅。目前，比较常见的图像缩略图生成方法是直接截取图像的中间部分，将截取的中间部分进行相应的缩放从而得到该图像的缩略图。这种方法的优点就是非常高效。
但是，上述方法仅考虑图像的空间位置信息，完全没有考虑图像的内容信息，会导致生成的缩略图有时候不能充分表达原图像的内容信息。例如，当一个图像中的人物位置较偏时，如果只截取图像的中间部分，则生成的缩略图中可能仅仅包括该人物的一部分，导致表达原图像内容信息的准确性较差。
发明内容
有鉴于此，本公开提供了一种图像缩略图的生成方法和装置，以提高缩略图表达原图像内容信息的准确性。所述技术方案如下：
第一方面，提供了一种图像缩略图的生成方法，包括：
对图像进行滤波得到所述图像内各像素点的边缘强度值；
以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值；
选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图；
其中，所述以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值，包括：
使用预先根据所述图像的中心点和各像素点的坐标建立的关注模型，计算所述图像内各像素点的空间位置关注值；
使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算所述图像内各像素点的信息量分布值；
以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，将该矩形框内各像素点的信息量分布值相加得到该矩形框的信息量分布值；
使用预先选取的核函数计算所述矩形框内各像素点对应的权重值；
将所述矩形框内各像素点的信息量分布值与对应的权重值进行乘积后再求和，得到该矩形框的信息量分布值；其中，所述核函数对所述矩形框内距离图像中心点越近的像素点所取的权重值越大。
其中，所述使用预先根据所述图像的中心点和各像素点的坐标建立的关注模型，计算所述图像内各像素点的空间位置关注值，包括：
使用如下关注模型计算所述图像内各像素点的空间位置关注值：
其中，(i，j)表示所述图像内的任一个像素点，P(i，j)表示该像素点的空间位置关注值，(Xc，Yc)表示所述图像的中心点，σ为预设的系数。
其中，所述使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算所述图像内各像素点的信息量分布值，包括：
使用如下信息量分布模型计算所述图像内各像素点的信息量分布值：
I(i，j)＝E(i，j)*P(i，j)；
其中，(i，j)表示所述图像内的任一个像素点，I(i，j)表示该像素点的信息量分布值，E(i，j)表示该像素点的边缘强度值，P(i，j)表示该像素点的空间位置关注值。
其中，所述矩形框为正方形，且边长与所述图像短边的长度相等。
其中，所述对图像进行滤波得到所述图像内各像素点的边缘强度值，包括：
对原始图像进行压缩，对压缩后的图像进行滤波得到所述图像内各像素点的边缘强度值；
所述将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图，包括：
将选取的所述矩形框对应至所述原始图像中的矩形框，将所述原始图像中的矩形框内的图像内容截取下来得到所述原始图像的缩略图。
第二方面，提供了一种图像缩略图的生成装置，包括：
滤波模块，用于对图像进行滤波得到所述图像内每个像素点的边缘强度值；
搜索模块，用于以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值；
截取模块，用于选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图；
其中，所述搜索模块包括：
搜索单元，用于以预先设定的矩形框在所述图像上滑动搜索；
计算单元，用于使用预先根据所述图像的中心点和各像素点的坐标建立的关注模型，计算所述图像内各像素点的空间位置关注值；使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算所述图像内各像素点的信息量分布值；使用预先选取的核函数计算所述矩形框内各像素点对应的权重值；将所述矩形框内各像素点的信息量分布值与对应的权重值进行乘积后再求和，得到该矩形框的信息量分布值；其中，所述核函数对距离所述矩形框内图像中心点越近的像素点所取的权重值越大。
其中，所述计算单元包括：
空间位置关注值计算子单元，用于使用如下关注模型计算所述图像内各像素点的空间位置关注值：
其中，(i，j)表示所述图像内的任一个像素点，P(i，j)表示该像素点的空间位置关注值，(Xc，Yc)表示所述图像的中心点，σ为预设的系数。
其中，所述计算单元包括：
信息量分布值计算子单元，用于使用如下信息量分布模型计算所述图像内各像素点的信息量分布值：
I(i，j)＝E(i，j)*P(i，j)；
其中，(i，j)表示所述图像内的任一个像素点，I(i，j)表示该像素点的信息量分布值，E(i，j)表示该像素点的边缘强度值，P(i，j)表示该像素点的空间位置关注值。
其中，所述矩形框为正方形，且边长与所述图像短边的长度相等。
其中，所述装置还包括：
压缩模块，用于对原始图像进行压缩；
所述滤波模块用于：对所述压缩模块压缩后的图像进行滤波得到所述图像内各像素点的边缘强度值；
所述截取模块用于：将选取的所述矩形框对应至所述原始图像中的矩形框，将所述原始图像中的矩形框内的图像内容截取下来得到所述原始图像的缩略图。
第三方面，提供了一种终端，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
对图像进行滤波得到所述图像内各像素点的边缘强度值；
以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值；
选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图；
其中，所述以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值，包括：
使用预先根据所述图像的中心点和各像素点的坐标建立的关注模型，计算所述图像内各像素点的空间位置关注值；
使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算所述图像内各像素点的信息量分布值；
以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，将该矩形框内各像素点的信息量分布值相加得到该矩形框的信息量分布值；
使用预先选取的核函数计算所述矩形框内各像素点对应的权重值；
将所述矩形框内各像素点的信息量分布值与对应的权重值进行乘积后再求和，得到该矩形框的信息量分布值；其中，所述核函数对距离所述矩形框内图像中心点越近的像素点所取的权重值越大。
本公开提供的技术方案带来的一些有益效果可以包括：通过对图像进行滤波得到所述图像内各像素点的边缘强度值，以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值，选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图，实现了基于图像的内容信息生成缩略图，提高了缩略图表达原图像内容信息的准确性，更加符合人们的认知习惯。
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的，并不能限制本公开。
附图说明
为了更清楚地说明本公开的实施例中的技术方案，下面将对实施例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公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本公开实施例1提供的图像缩略图的生成方法示例性流程图；
图2是本公开实施例2提供的图像缩略图的生成方法示例性流程图；
图3a是本公开实施例3提供的图像缩略图的生成方法示例性流程图；
图3b是本公开实施例3提供的生成缩略图的过程示例性示意图；
图4a是本公开实施例4提供的图像缩略图的生成方法示例性流程图；
图4b是本公开实施例4提供的核函数示例性示意图；
图5a是本公开实施例5提供的图像缩略图的生成装置示例性结构图之一；
图5b是本公开实施例5提供的图像缩略图的生成装置示例性结构图之二；
图6是本公开实施例6提供的终端示例性结构图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
实施例1
参见图1，本实施例提供了一种图像缩略图的生成方法，该方法包括如下步骤。
在步骤101中，对图像进行滤波得到该图像内各像素点的边缘强度值。
本实施例中，对图像进行滤波得到该图像内各像素点的边缘强度值，可以包括：采用拉普拉斯边缘滤波算子、索贝尔边缘滤波算子、Robert边缘算子、Prewitt边缘算子或LOG边缘算子对图像进行滤波，得到该图像内各像素点的边缘强度值。
本实施例中，边缘强度值比较接近的像素点，可以认为颜色的差异性不大；边缘强度值相差较多的像素点，可以认为颜色的差异性较大，因此，可以认为边缘强度值在一定程度上反映了图像的内容信息。
在步骤102中，以预先设定的矩形框在该图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值。
其中，预先设定的矩形框可以是比该图像小的任何一种尺寸的矩形框。例如，一种情况下，矩形框的短边等于图像的短边，矩形框的长边小于图像的长边。另一种情况下，矩形框的短边小于图像的短边，矩形框的长边等于图像的长边。又一种情况下，矩形框的短边小于图像的短边，且矩形框的长边小于图像的长边等等，本实施例对此不做具体限定。
所述矩形框在图像上进行滑动搜索可以是任意方向上的滑动搜索，本实施例对此不做具体限定，如可以为仅在横向上滑动搜索，或者仅在纵向上滑动搜索，或者沿着45°的方向搜索等等。
在步骤103中，选取信息量分布值最大的矩形框，并将选取的该矩形框对应的图像内容截取下来得到该图像的缩略图。
本实施例中，生成的缩略图的大小不限定，如可以为1600×1200的图像等等。其中，截取下来的图像还可以先进行压缩，然后将压缩后的图像作为缩略图，本实施例对此不做具体限定。
本实施例中，上述对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值，可以包括：
对滑动搜索的各个位置上的矩形框，对其内所有像素点的边缘强度值求和得到该矩形框的信息量分布值。
本实施例中，上述以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值，可以包括：
使用预先根据该图像的中心点和各像素点的坐标建立的关注模型，计算该图像内各像素点的空间位置关注值；以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算该矩形框内各像素点的信息量分布值，对该矩形框内各像素点的信息量分布值求和得到该矩形框的信息量分布值。
本实施例中，上述对该矩形框内各像素点的信息量分布值求和得到该矩形框的信息量分布值，可以包括：
使用预先选取的核函数计算该图像内各像素点对应的权重值；将该矩形框内各像素点的信息量分布值与对应的权重值进行乘积后再求和，得到该矩形框的信息量分布值；其中，该核函数对距离图像中心点越近的像素点所取的权重值越大。
本实施例中，上述使用预先根据该图像的中心点和各像素点的坐标建立的关注模型，计算该图像内各像素点的空间位置关注值，可以包括：
使用如下关注模型计算该图像内各像素点的空间位置关注值：
其中，(i，j)表示该图像内的任一个像素点，P(i，j)表示该像素点的空间位置关注值，(Xc，Yc)表示该图像的中心点，σ为预设的系数。
本实施例中，上述使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算该矩形框内各像素点的信息量分布值，可以包括：
使用如下信息量分布模型计算该矩形框内各像素点的信息量分布值：
I(i，j)＝E(i，j)*P(i，j)；
其中，(i，j)表示该图像内的任一个像素点，I(i，j)表示该像素点的信息量分布值，E(i，j)表示该像素点的边缘强度值，P(i，j)表示该像素点的空间位置关注值。
本实施例中，上述矩形框可以为正方形，且边长与该图像短边的长度相等。从而可以使得截取后得到的缩略图包含尽可能多的内容信息。
为了提高运算效率，上述方法中，还可以在滤波前先对上述图像进行压缩处理，得到分辨率更小的图像，然后再执行滤波等后续步骤，在选取信息量分布值最大的矩形框之后，再将该矩形框转换为原始图像对应的位置进行截取即可。其中，所述对图像进行滤波得到所述图像内各像素点的边缘强度值，可以包括：对原始图像进行压缩，对压缩后的图像进行滤波得到所述图像内各像素点的边缘强度值；
相应地，所述将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图，包括：将选取的所述矩形框对应至所述原始图像中的矩形框，将所述原始图像中的矩形框内的图像内容截取下来得到所述原始图像的缩略图。
例如，一张1600×1200的图像，先压缩为400×400的图像，然后在该400×400的图像上选取矩形框，选取完成后再将该矩形框对应的区域转换为1600×1200图像上对应的区域，然后进行截取及压缩就可以得到缩略图。这种方式极大地提高了处理速度，节省了时间，充分满足了实时性的要求。
本实施例提供的上述方法，通过对图像进行滤波得到所述图像内各像素点的边缘强度值，以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值，选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图，实现了基于图像的内容信息生成缩略图，提高了缩略图表达原图像内容信息的准确性，更加符合人们的认知习惯。
实施例2
参见图2，本实施例提供了一种图像缩略图的生成方法，该方法包括如下步骤。
在步骤201中，对图像进行滤波得到该图像内各像素点的边缘强度值。
其中，对图像进行滤波可以采用多种滤波算子实现，详见实施例1中的描述，此处不赘述。
在步骤202中，以预先设定的矩形框在该图像上滑动搜索，对滑动搜索的各个位置上的矩形框，对其内所有像素点的边缘强度值求和得到该矩形框的信息量分布值。
其中，所述矩形框的大小可以根据需要设定，只要比该图像的尺寸小即可。所述矩形框在图像上进行滑动搜索可以是任意方向上的滑动搜索，本实施例对此不做具体限定，可以参见实施例1中的描述，此处不再赘述。
具体地，对滑动搜索的各个位置上的矩形框可以采用如下公式进行计算：
I＝∑E(i，j)；
其中，(i,j)表示该图像内的任一个像素点，E(i,j)表示该像素点的边缘强度值，I表示该矩形框的信息量分布值。
这里可以认为将该矩形框内的各个像素点的信息量分布值等于该点的边缘强度值，因此，该矩形框内各个像素点的边缘强度值的求和就是该矩形框内各个像素点的信息量分布值求和，从而可以得到该矩形框的信息量分布值。
在步骤203中，选取信息量分布值最大的矩形框，并将选取的该矩形框对应的图像内容截取下来得到该图像的缩略图。
本实施例提供的上述方法，通过对图像进行滤波得到所述图像内各像素点的边缘强度值，以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，对其内所有像素点的边缘强度值求和得到该矩形框的信息量分布值，选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图，由于基于边缘强度值生成缩略图，实现了基于图像的内容信息生成缩略图，使得缩略图能够包括图像中重要以及显著的内容，提高了缩略图表达原图像内容信息的准确性，更加符合人们的认知习惯。
实施例3
参见图3a，本实施例提供了一种图像缩略图的生成方法，该方法包括如下步骤。
在步骤301中，对图像进行滤波得到该图像内各像素点的边缘强度值。
其中，对图像进行滤波可以采用多种滤波算子实现，详见实施例1中的描述，此处不赘述。
另外，为了计算方便还可以对边缘强度值进行归一化处理，得到0～255范围内的数值，然后再进行计算。
在步骤302中，使用预先根据该图像的中心点和各像素点的坐标建立的关注模型，计算该图像内各像素点的空间位置关注值。
其中，本步骤可以包括如下步骤：
使用如下关注模型计算该图像内各像素点的空间位置关注值：
其中，(i，j)表示该图像内的任一个像素点，P(i，j)表示该像素点的空间位置关注值，(Xc，Yc)表示该图像的中心点，σ为预设的系数。
本实施例中，系数σ的数值可以根据需要预先设置，如可以选取图像的长和宽中的最小值，再取该最小值的1/4作为该系数的取值等等，本实施例对此不做具体限定。
在步骤303中，使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算该图像内各像素点的信息量分布值。
其中，本步骤可以包括如下步骤：
使用如下信息量分布模型计算该图像内各像素点的信息量分布值：
I(i，j)＝E(i，j)*P(i，j)；
其中，(i，j)表示该图像内的任一个像素点，I(i，j)表示该像素点的信息量分布值，E(i，j)表示该像素点的边缘强度值，P(i，j)表示该像素点的空间位置关注值。
在步骤304中，以预先设定的矩形框在该图像上滑动搜索，对滑动搜索的各个位置上的矩形框，将该矩形框内各像素点的信息量分布值相加得到该矩形框的信息量分布值。
其中，所述矩形框的大小可以根据需要设定，只要比该图像的尺寸小即可。在一种实施方式下，该矩形框可以为正方形，且其边长与该图像短边的长度相等，从而可以使得截取后得到的缩略图包含尽可能多的内容信息。当然也可以采用其它实施方式，本实施例对此不做具体限定。
所述矩形框在图像上进行滑动搜索可以是任意方向上的滑动搜索，本实施例对此不做具体限定，可以参见实施例1中的描述，此处不再赘述。
；在步骤305中，选取信息量分布值最大的矩形框，并将选取的该矩形框对应的图像内容截取下来得到该图像的缩略图。
参见图3b，为本实施例提供的生成缩略图的过程示意图。其中，(1)中为原始图像。(2)中为采用拉普拉斯边缘滤波算子对原始图像进行滤波后的结果，其中，图像中每个像素点的边缘强度值还进行了归一化处理，处理后的取值范围为0～255。(3)为使用预先建立的关注模型计算该图像内各像素点的空间位置关注值后的结果，其中，越亮的部分表示用户的关注度越高，即用户越感兴趣的区域，越暗的部分表示用户的关注度越低。(4)为使用预先建立的信息量分布模型计算该图像内各像素点的信息量分布值后结果，其中，各信息量分布值也进行了归一化处理，处理后的取值范围为0～255。从该结果可以看出，结合了边缘强度值以及空间位置关注值，信息量分布值较高的像素点均已经在图像中显示出来，因此，按照信息量分布值最大来选取矩形框能够生成更准确的缩略图。与仅仅选取图像的中央部分相比，生成的缩略图反映原始图像的内容信息更准确。
本实施例提供的上述方法，通过对图像进行滤波得到所述图像内各像素点的边缘强度值，使用预先建立的关注模型计算该图像内各像素点的空间位置关注值，以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，使用预先建立的信息量分布模型计算该矩形框内各像素点的信息量分布值，并求和得到该矩形框的信息量分布值，选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图，实现了基于边缘强度值和空间位置关注值生成缩略图，使得缩略图不仅包括了图像中重要以及显著的内容，而且考虑了图像内容信息的位置，极大地提高了缩略图表达原图像内容信息的准确性，更加符合人们的认知习惯。另外，上述算法也保证了所述方法的实时性，能够达到高效地生成缩略图的效果，一般一张大小为1600×1200的图像大概在40～50ms的时间内就可以生成缩略图，一张大小为100×100的图像大概在10ms左右就可以生成缩略图，完全能够满足移动设备等对实时性的要求。
实施例4
参见图4a，本实施例提供了一种图像缩略图的生成方法，该方法包括如下步骤。
在步骤401中，对图像进行滤波得到该图像内各像素点的边缘强度值。
其中，对图像进行滤波可以采用多种滤波算子实现，详见实施例1中的描述，此处不赘述。
在步骤402中，使用预先根据该图像的中心点和各像素点的坐标建立的关注模型，计算该图像内各像素点的空间位置关注值。
其中，该关注模型可以参见实施例3中的描述，此处不再赘述。
在步骤403中，使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算该图像内各像素点的信息量分布值。
其中，该信息量分布模型可以参见实施例3中的描述，此处不再赘述。
在步骤404中，以预先设定的矩形框在该图像上滑动搜索。
其中，所述矩形框的大小可以根据需要设定，只要比该图像的尺寸小即可。在一种实施方式下，该矩形框可以为正方形，且其边长与该图像短边的长度相等，从而可以使得截取后得到的缩略图包含尽可能多的内容信息。当然也可以采用其它实施方式，本实施例对此不做具体限定。
所述矩形框在图像上进行滑动搜索可以是任意方向上的滑动搜索，本实施例对此不做具体限定，可以参见实施例1中的描述，此处不再赘述。
在步骤405中，对滑动搜索的各个位置上的矩形框，使用预先选取的核函数计算该矩形框内各像素点对应的权重值；将该矩形框内各像素点的信息量分布值与对应的权重值进行乘积后再求和，得到该矩形框的信息量分布值。
其中，该核函数对距离图像中心点越近的像素点所取的权重值越大。相应的，该核函数对距离图像中心点越远的像素点所取的权重值越小。
本实施例中，信息量分布值。其中，可以将核函数设置为最大权重值为最小权重值的2～3倍，且最小权重值不为0等等，当然也可以采用其它方式。例如，可以选取正弦函数、或者先上升后下降的两条直线等函数形式作为核函数，本实施例对此不做具体限定。
参见图4b，为本实施例提供的一种核函数示意图。这里以矩形框是正方形为例，且该正方形的边长与原始图像短边的长度相等。以原始图像横向为长边，纵向为短边进行说明。滑动搜索时矩形框在水平方向上进行滑动搜索，在垂直方向上无滑动。图中核函数的横坐标表示图像上各个像素点的横坐标，核函数的纵坐标表示为各个像素点所取的权重值。从图中可以看出，该核函数对图像中心附近的像素点所取的权重值较大，对图像两边处的像素点所取的权重值较小，以此计算出矩形框的信息量分布值，再进行截取，从而保证了尽可能的将图像信息量最大，最显著的区域放置在缩略图的中央。
在步骤406中，选取信息量分布值最大的矩形框，并将选取的该矩形框对应的图像内容截取下来得到该图像的缩略图。
本实施例提供的上述方法，通过对图像进行滤波得到所述图像内各像素点的边缘强度值，使用关注模型计算该图像内各像素点的空间位置关注值，以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，使用信息量分布模型计算该矩形框内各像素点的信息量分布值，使用核函数计算该图像内各像素点对应的权重值；将该矩形框内各像素点的信息量分布值与对应的权重值进行乘积后再求和，得到该矩形框的信息量分布值，选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图，实现了基于边缘强度值和空间位置关注值生成缩略图，使得缩略图不仅包括了图像中重要以及显著的内容，而且考虑了图像内容信息的位置，极大地提高了缩略图表达原图像内容信息的准确性，更加符合人们的认知习惯。进一步地，在计算矩形框的信息量分布值时，使用核函数计算各像素点对应的权重值并结合权重值进行计算，由于该核函数对距离图像中心点越近的像素点所取的权重值越大，因此，计算出的矩形框的信息量分布值更加符合用户对图像中心关注度更高的特点，且尽可能的使图像中信息量最大、最显著的区域放置在缩略图的中央，使得缩略图最能反映图像的重点部分，充分满足了用户的需求。另外，上述算法也保证了所述方法的实时性，能够达到高效地生成缩略图的效果，符合移动设备等设备对实时性的要求。
实施例5
参见图5a，本实施例提供了一种图像缩略图的生成装置，包括：
滤波模块501，用于对图像进行滤波得到该图像内每个像素点的边缘强度值；
搜索模块502，用于以预先设定的矩形框在该图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值；
截取模块503，用于选取信息量分布值最大的矩形框，并将选取的该矩形框对应的图像内容截取下来得到该图像的缩略图。
其中，搜索模块502可以包括：
搜索单元，用于以预先设定的矩形框在该图像上滑动搜索；
计算单元，用于对滑动搜索的各个位置上的矩形框，对其内所有像素点的边缘强度值求和得到该矩形框的信息量分布值。
或者，参见图5b，搜索模块502可以包括：
搜索单元502a，用于以预先设定的矩形框在该图像上滑动搜索；
计算单元502b，用于使用预先根据该图像的中心点和各像素点的坐标建立的关注模型，计算该图像内各像素点的空间位置关注值；使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算所述图像内各像素点的信息量分布值；对搜索单元502a滑动搜索的各个位置上的矩形框，将该矩形框内各像素点的信息量分布值相加得到该矩形框的信息量分布值。
其中，上述计算单元503b可以包括：
信息量分布值计算子单元，用于使用预先选取的核函数计算该矩形框内各像素点对应的权重值；将该矩形框内各像素点的信息量分布值与对应的权重值进行乘积后再求和，得到该矩形框的信息量分布值；其中，该核函数对距离图像中心点越近的像素点所取的权重值越大。
其中，上述计算单元503b可以包括：
空间位置关注值计算子单元，用于使用如下关注模型计算该图像内各像素点的空间位置关注值：
其中，(i，j)表示该图像内的任一个像素点，P(i，j)表示该像素点的空间位置关注值，(Xc，Yc)表示该图像的中心点，σ为预设的系数。
其中，上述计算单元503b可以包括：
信息量分布值计算子单元，用于使用如下信息量分布模型计算该图像内各像素点的信息量分布值：
I(i，j)＝E(i，j)*P(i，j)；
其中，(i，j)表示该图像内的任一个像素点，I(i，j)表示该像素点的信息量分布值，E(i，j)表示该像素点的边缘强度值，P(i，j)表示该像素点的空间位置关注值。
本实施例中，上述矩形框可以为正方形，且边长与该图像短边的长度相等。
本实施例中，上述装置还可以包括：
压缩模块，用于对原始图像进行压缩；
所述滤波模块用于：对所述压缩模块压缩后的图像进行滤波得到所述图像内各像素点的边缘强度值；
所述截取模块用于：将选取的所述矩形框对应至所述原始图像中的矩形框，将所述原始图像中的矩形框内的图像内容截取下来得到所述原始图像的缩略图。
本实施例提供的上述装置可以应用于终端中，该终端包括但不限于：手机、平板电脑等等。上述装置可以执行上述任一方法实施例中的方法，详细过程详见方法实施例中的描述，此处不再赘述。
本实施例提供的上述装置，通过对图像进行滤波得到所述图像内各像素点的边缘强度值，以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值，选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图，实现了基于图像的内容信息生成缩略图，提高了缩略图表达原图像内容信息的准确性，更加符合人们的认知习惯。
实施例6
参见图6，本实施例提供了一种终端600，可以包括通信单元610、包括有一个或一个以上非易失性可读存储介质的存储器620、输入单元630、显示单元640、传感器650、音频电路660、WiFi(wireless fidelity，无线保真)模块670、包括有一个或者一个以上处理核心的处理器680、以及电源690等部件。
本领域技术人员可以理解，图6中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
通信单元610可用于收发信息或通话过程中，信号的接收和发送，该通信单元610可以为RF(Radio Frequency，射频)电路、路由器、调制解调器、等网络通信设备。特别地，当通信单元610为RF电路时，将基站的下行信息接收后，交由一个或者一个以上处理器680处理；另外，将涉及上行的数据发送给基站。通常，作为通信单元的RF电路包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(Low Noise Amplifier，低噪声放大器)、双工器等。此外，通信单元610还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议，包括但不限于GSM(Global System of Mobile communication，全球移动通讯系统)、GPRS(GeneralPacket Radio Service，通用分组无线服务)、CDMA(Code Division Multiple Access，码分多址)、WCDMA(Wideband Code Division Multiple Access,宽带码分多址)、LTE(LongTerm Evolution,长期演进)、电子邮件、SMS(Short Messaging Service，短消息服务)等。存储器620可用于存储软件程序以及模块，处理器680通过运行存储在存储器620的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器620可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端600的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器620可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器620还可以包括存储器控制器，以提供处理器680和输入单元630对存储器620的访问。
输入单元630可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。可选地，输入单元630可包括触敏表面630a以及其他输入设备630b。触敏表面630a，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面630a上或在触敏表面630a附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面630a可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器680，并能接收处理器680发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面630a。除了触敏表面630a，输入单元630还可以包括其他输入设备630b。可选地，其他输入设备630b可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元640可用于显示由用户输入的信息或提供给用户的信息以及终端600的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元640可包括显示面板640a，可选的，可以采用LCD(Liquid Crystal Display，液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板640a。进一步的，触敏表面630a可覆盖显示面板640a，当触敏表面630a检测到在其上或附近的触摸操作后，传送给处理器680以确定触摸事件的类型，随后处理器680根据触摸事件的类型在显示面板640a上提供相应的视觉输出。虽然在图6中，触敏表面630a与显示面板640a是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面630a与显示面板640a集成而实现输入和输出功能。
终端600还可包括至少一种传感器650，比如光传感器、运动传感器以及其他传感器。可选地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板640a的亮度，接近传感器可在终端600移动到耳边时，关闭显示面板640a和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于终端600还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路660、扬声器660a，传声器660b可提供用户与终端600之间的音频接口。音频电路660可将接收到的音频数据转换后的电信号，传输到扬声器660a，由扬声器660a转换为声音信号输出；另一方面，传声器660b将收集的声音信号转换为电信号，由音频电路660接收后转换为音频数据，再将音频数据输出处理器680处理后，经RF电路610以发送给比如另一终端，或者将音频数据输出至存储器620以便进一步处理。音频电路660还可能包括耳塞插孔，以提供外设耳机与终端600的通信。
为了实现无线通信，该终端上可以配置有无线通信单元670，该无线通信单元670可以为WiFi模块。WiFi属于短距离无线传输技术，终端600通过无线通信单元670可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图6示出了无线通信单元670，但是可以理解的是，其并不属于终端600的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器680是终端600的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器620内的软件程序和/或模块，以及调用存储在存储器620内的数据，执行终端600的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器680可包括一个或多个处理核心；优选的，处理器680可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器680中。
终端600还包括给各个部件供电的电源690(比如电池)，优选的，电源可以通过电源管理系统与处理器680逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源690还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出，终端600还可以包括摄像头、蓝牙模块等，在此不再赘述。
以上结合图6给出了终端600的可选结构，其中一个或多个模块存储于所述存储器中并被配置成由所述一个或多个处理器执行，所述一个或多个模块具有如下功能：
对图像进行滤波得到所述图像内各像素点的边缘强度值；
以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值；
选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图。
其中，所述对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值，包括：
对滑动搜索的各个位置上的矩形框，对其内所有像素点的边缘强度值求和得到该矩形框的信息量分布值。
其中，所述以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值，包括：
使用预先根据所述图像的中心点和各像素点的坐标建立的关注模型，计算所述图像内各像素点的空间位置关注值；
使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算所述图像内各像素点的信息量分布值；
以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，将该矩形框内各像素点的信息量分布值相加得到该矩形框的信息量分布值。
其中，所述将该矩形框内各像素点的信息量分布值相加得到该矩形框的信息量分布值，包括：
使用预先选取的核函数计算所述矩形框内各像素点对应的权重值；
将所述矩形框内各像素点的信息量分布值与对应的权重值进行乘积后再求和，得到该矩形框的信息量分布值；
其中，所述核函数对距离图像中心点越近的像素点所取的权重值越大。
其中，所述使用预先根据所述图像的中心点和各像素点的坐标建立的关注模型，计算所述图像内各像素点的空间位置关注值，包括：
使用如下关注模型计算所述图像内各像素点的空间位置关注值：
其中，(i，j)表示所述图像内的任一个像素点，P(i，j)表示该像素点的空间位置关注值，(Xc，Yc)表示所述图像的中心点，σ为预设的系数。
其中，所述使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算该图像内各像素点的信息量分布值，包括：
使用如下信息量分布模型计算该图像内各像素点的信息量分布值：
I(i，j)＝E(i，j)*P(i，j)；
其中，(i，j)表示所述图像内的任一个像素点，I(i，j)表示该像素点的信息量分布值，E(i，j)表示该像素点的边缘强度值，P(i，j)表示该像素点的空间位置关注值。
其中，所述矩形框为正方形，且边长与所述图像短边的长度相等。
其中，所述对图像进行滤波得到所述图像内各像素点的边缘强度值，包括：
对原始图像进行压缩，对压缩后的图像进行滤波得到所述图像内各像素点的边缘强度值；
所述将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图，包括：
将选取的所述矩形框对应至所述原始图像中的矩形框，将所述原始图像中的矩形框内的图像内容截取下来得到所述原始图像的缩略图。
本实施例提供的上述终端可以执行上述任一方法实施例中提供的方法，过程详见方法实施例中的描述，此处不再赘述。
本实施例提供的上述终端，通过对图像进行滤波得到所述图像内各像素点的边缘强度值，以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值，选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图，实现了基于图像的内容信息生成缩略图，提高了缩略图表达原图像内容信息的准确性，更加符合人们的认知习惯。
实施例7
本实施例提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备中时，可以使得该设备执行如下步骤的指令(instructions)：
对图像进行滤波得到所述图像内各像素点的边缘强度值；
以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值；
选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图。
其中，所述对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值，包括：
对滑动搜索的各个位置上的矩形框，对其内所有像素点的边缘强度值求和得到该矩形框的信息量分布值。
其中，所述以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值，包括：
使用预先根据所述图像的中心点和各像素点的坐标建立的关注模型，计算所述图像内各像素点的空间位置关注值；
使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算所述图像内各像素点的信息量分布值；
以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，将该矩形框内各像素点的信息量分布值相加得到该矩形框的信息量分布值。
其中，所述将该矩形框内各像素点的信息量分布值相加得到该矩形框的信息量分布值，包括：
使用预先选取的核函数计算所述矩形框内各像素点对应的权重值；
将所述矩形框内各像素点的信息量分布值与对应的权重值进行乘积后再求和，得到该矩形框的信息量分布值；
其中，所述核函数对距离图像中心点越近的像素点所取的权重值越大。
其中，所述使用预先根据所述图像的中心点和各像素点的坐标建立的关注模型，计算所述图像内各像素点的空间位置关注值，包括：
使用如下关注模型计算所述图像内各像素点的空间位置关注值：
其中，(i，j)表示所述图像内的任一个像素点，P(i，j)表示该像素点的空间位置关注值，(Xc，Yc)表示所述图像的中心点，σ为预设的系数。
其中，所述使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算该图像内各像素点的信息量分布值，包括：
使用如下信息量分布模型计算该图像内各像素点的信息量分布值：
I(i，j)＝E(i，j)*P(i，j)；
其中，(i，j)表示所述图像内的任一个像素点，I(i，j)表示该像素点的信息量分布值，E(i，j)表示该像素点的边缘强度值，P(i，j)表示该像素点的空间位置关注值。
其中，所述矩形框为正方形，且边长与所述图像短边的长度相等。
其中，所述对图像进行滤波得到所述图像内各像素点的边缘强度值，包括：
对原始图像进行压缩，对压缩后的图像进行滤波得到所述图像内各像素点的边缘强度值；
所述将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图，包括：
将选取的所述矩形框对应至所述原始图像中的矩形框，将所述原始图像中的矩形框内的图像内容截取下来得到所述原始图像的缩略图。
本实施例提供的上述非易失性可读存储介质，通过对图像进行滤波得到所述图像内各像素点的边缘强度值，以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值，选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图，实现了基于图像的内容信息生成缩略图，提高了缩略图表达原图像内容信息的准确性，更加符合人们的认知习惯。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种非易失性可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种图像缩略图的生成方法，其特征在于，所述方法包括：
对图像进行滤波得到所述图像内各像素点的边缘强度值；
以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值；
选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图；
其中，所述以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值，包括：
使用预先根据所述图像的中心点和各像素点的坐标建立的关注模型，计算所述图像内各像素点的空间位置关注值；
使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算所述图像内各像素点的信息量分布值；
以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，将该矩形框内各像素点的信息量分布值相加得到该矩形框的信息量分布值；
使用预先选取的核函数计算所述矩形框内各像素点对应的权重值；
将所述矩形框内各像素点的信息量分布值与对应的权重值进行乘积后再求和，得到该矩形框的信息量分布值；
其中，所述核函数对距离所述矩形框内图像中心点越近的像素点所取的权重值越大。
2.根据权利要求1所述的方法，其特征在于，所述使用预先根据所述图像的中心点和各像素点的坐标建立的关注模型，计算所述图像内各像素点的空间 位置关注值，包括：
使用如下关注模型计算所述图像内各像素点的空间位置关注值：
其中，(i,j)表示所述图像内的任一个像素点，P(i,j)表示该像素点的空间位置关注值，(Xc,Yc)表示所述图像的中心点，σ为预设的系数。
3.根据权利要求1所述的方法，其特征在于，所述使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算所述图像内各像素点的信息量分布值，包括：
使用如下信息量分布模型计算所述图像内各像素点的信息量分布值：
I(i,j)＝E(i,j)*P(i,j)；
其中，(i,j)表示所述图像内的任一个像素点，I(i,j)表示该像素点的信息量分布值，E(i,j)表示该像素点的边缘强度值，P(i,j)表示该像素点的空间位置关注值。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述矩形框为正方形，且边长与所述图像短边的长度相等。
5.根据权利要求1至3中任一项所述的方法，其特征在于，所述对图像进行滤波得到所述图像内各像素点的边缘强度值，包括：
对原始图像进行压缩，对压缩后的图像进行滤波得到所述图像内各像素点的边缘强度值；
所述将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图，包括：
将选取的所述矩形框对应至所述原始图像中的矩形框，将所述原始图像中的矩形框内的图像内容截取下来得到所述原始图像的缩略图。
6.一种图像缩略图的生成装置，其特征在于，所述装置包括：
滤波模块，用于对图像进行滤波得到所述图像内每个像素点的边缘强度值；
搜索模块，用于以预先设定的矩形框在所述图像上滑动搜索，对滑动搜索的各个位置上的矩形框，根据其内像素点的边缘强度值计算该矩形框的信息量分布值；
截取模块，用于选取信息量分布值最大的矩形框，并将选取的所述矩形框对应的图像内容截取下来得到所述图像的缩略图；
其中，所述搜索模块包括：
搜索单元，用于以预先设定的矩形框在所述图像上滑动搜索；
计算单元，用于使用预先根据所述图像的中心点和各像素点的坐标建立的关注模型，计算所述图像内各像素点的空间位置关注值；使用预先根据边缘强度值和空间位置关注值建立的信息量分布模型，计算所述图像内各像素点的信息量分布值；使用预先选取的核函数计算所述矩形框内各像素点对应的权重值；将所述矩形框内各像素点的信息量分布值与对应的权重值进行乘积后再求和，得到该矩形框的信息量分布值；
其中，所述核函数对距离所述矩形框内图像中心点越近的像素点所取的权重值越大。
7.根据权利要求6所述的装置，其特征在于，所述计算单元包括：
空间位置关注值计算子单元，用于使用如下关注模型计算所述图像内各像素点的空间位置关注值：
其中，(i,j)表示所述图像内的任一个像素点，P(i,j)表示该像素点的空间位置关注值，(Xc,Yc)表示所述图像的中心点，σ为预设的系数。
8.根据权利要求6所述的装置，其特征在于，所述计算单元包括：
信息量分布值计算子单元，用于使用如下信息量分布模型计算所述图像内各像素点的信息量分布值：
I(i,j)＝E(i,j)*P(i,j)；
其中，(i,j)表示所述图像内的任一个像素点，I(i,j)表示该像素点的信息量分布值，E(i,j)表示该像素点的边缘强度值，P(i,j)表示该像素点的空间位置关注值。
9.根据权利要求6至8中任一项所述的装置，其特征在于，所述矩形框为正方形，且边长与所述图像短边的长度相等。
10.根据权利要求6至8中任一项所述的装置，其特征在于，所述装置还包括：
压缩模块，用于对原始图像进行压缩；
所述滤波模块用于：对所述压缩模块压缩后的图像进行滤波得到所述图像内各像素点的边缘强度值；
所述截取模块用于：将选取的所述矩形框对应至所述原始图像中的矩形框，将所述原始图像中的矩形框内的图像内容截取下来得到所述原始图像的缩略图。
CN201310743545.7A 2013-12-30 2013-12-30 图像缩略图的生成方法、装置和终端 Active CN103714161B (zh)

Priority Applications (9)

Application Number Priority Date Filing Date Title
CN201310743545.7A CN103714161B (zh) 2013-12-30 2013-12-30 图像缩略图的生成方法、装置和终端
BR112014018578A BR112014018578A8 (pt) 2013-12-30 2014-05-15 Método, aparelho e terminal para a geração de miniatura de imagem
JP2015555587A JP2016511875A (ja) 2013-12-30 2014-05-15 画像サムネイルの生成方法、装置、端末、プログラム、及び記録媒体
PCT/CN2014/077610 WO2015100913A1 (zh) 2013-12-30 2014-05-15 图像缩略图的生成方法、装置和终端
MX2014009069A MX347781B (es) 2013-12-30 2014-05-15 Metodo, aparato y terminal para generar miniatura de imagen.
RU2015123209A RU2615679C2 (ru) 2013-12-30 2014-05-15 Способ, устройство и терминал для формирования миниатюры изображения
KR1020147021528A KR20150088970A (ko) 2013-12-30 2014-05-15 이미지 썸네일의 생성방법, 장치, 단말기, 프로그램 및 기록매체
US14/479,531 US9727972B2 (en) 2013-12-30 2014-09-08 Method and terminal for generating thumbnail of image
EP14200009.0A EP2890105B1 (en) 2013-12-30 2014-12-23 Method, apparatus and terminal for generating thumbnail of image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310743545.7A CN103714161B (zh) 2013-12-30 2013-12-30 图像缩略图的生成方法、装置和终端

Publications (2)

Publication Number Publication Date
CN103714161A CN103714161A (zh) 2014-04-09
CN103714161B true CN103714161B (zh) 2017-06-16

Family

ID=50407136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310743545.7A Active CN103714161B (zh) 2013-12-30 2013-12-30 图像缩略图的生成方法、装置和终端

Country Status (8)

Country Link
EP (1) EP2890105B1 (zh)
JP (1) JP2016511875A (zh)
KR (1) KR20150088970A (zh)
CN (1) CN103714161B (zh)
BR (1) BR112014018578A8 (zh)
MX (1) MX347781B (zh)
RU (1) RU2615679C2 (zh)
WO (1) WO2015100913A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9727972B2 (en) 2013-12-30 2017-08-08 Xiaomi Inc. Method and terminal for generating thumbnail of image
CN103714161B (zh) * 2013-12-30 2017-06-16 小米科技有限责任公司 图像缩略图的生成方法、装置和终端
CN103903223B (zh) * 2014-04-24 2017-03-01 厦门美图之家科技有限公司 一种基于图像显著性检测的获取缩略图的方法
CN104461280A (zh) * 2014-11-03 2015-03-25 联想(北京)有限公司 一种信息处理方法及电子设备
CN104346772B (zh) * 2014-11-06 2018-06-05 杭州华为数字技术有限公司 缩略图制作方法和装置
CN105426047B (zh) * 2015-11-17 2018-09-18 小米科技有限责任公司 缩略图展示方法和装置
CN106126108B (zh) * 2016-06-30 2019-04-12 维沃移动通信有限公司 一种缩略图的生成方法及移动终端
US10284861B2 (en) * 2016-12-09 2019-05-07 Advanced Micro Devices, Inc. Concurrent image compression and thumbnail generation
CN110134651B (zh) * 2019-05-09 2021-10-26 北京金山安全软件有限公司 信息文件的处理方法、装置、电子设备和存储介质
CN111563495B (zh) * 2020-05-09 2023-10-27 北京奇艺世纪科技有限公司 一种图像中字符的识别方法、装置及电子设备
CN112037127A (zh) * 2020-07-27 2020-12-04 浙江大华技术股份有限公司 视频监控的隐私遮挡方法及装置、存储介质、电子装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007207055A (ja) * 2006-02-03 2007-08-16 Seiko Epson Corp 画像処理装置、プログラム、情報記憶媒体及び画像処理方法
US8213741B2 (en) * 2008-12-19 2012-07-03 Texas Instruments Incorporated Method to generate thumbnails for digital images
TW201308248A (zh) * 2011-11-09 2013-02-16 Rakuten Inc 影像處理裝置、影像處理裝置之控制方法、電腦程式產品、及資訊記憶媒體
JP2013168902A (ja) * 2012-02-17 2013-08-29 Seiko Epson Corp 画像処理装置、表示装置および画像処理方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004295776A (ja) * 2003-03-28 2004-10-21 Minolta Co Ltd 画像認識装置および画像認識プログラム
RU2400815C2 (ru) * 2006-10-09 2010-09-27 Самсунг Электроникс Ко., Лтд. Способ повышения качества цифрового фотоизображения
JP5042251B2 (ja) * 2009-02-18 2012-10-03 三菱電機株式会社 画像処理装置および画像処理方法
CN103714161B (zh) * 2013-12-30 2017-06-16 小米科技有限责任公司 图像缩略图的生成方法、装置和终端

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007207055A (ja) * 2006-02-03 2007-08-16 Seiko Epson Corp 画像処理装置、プログラム、情報記憶媒体及び画像処理方法
US8213741B2 (en) * 2008-12-19 2012-07-03 Texas Instruments Incorporated Method to generate thumbnails for digital images
TW201308248A (zh) * 2011-11-09 2013-02-16 Rakuten Inc 影像處理裝置、影像處理裝置之控制方法、電腦程式產品、及資訊記憶媒體
JP2013168902A (ja) * 2012-02-17 2013-08-29 Seiko Epson Corp 画像処理装置、表示装置および画像処理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Visual-attention-based thumbnail using two-stage GrabCut;Keisuke Arai 等;《Multimedia Computing and Systems (ICMCS), 2012 International Conference on》;20120512;96-101 *

Also Published As

Publication number Publication date
BR112014018578A8 (pt) 2017-07-11
EP2890105B1 (en) 2017-03-15
MX347781B (es) 2017-05-12
RU2615679C2 (ru) 2017-04-06
BR112014018578A2 (zh) 2017-06-20
CN103714161A (zh) 2014-04-09
KR20150088970A (ko) 2015-08-04
EP2890105A1 (en) 2015-07-01
RU2015123209A (ru) 2017-01-10
JP2016511875A (ja) 2016-04-21
MX2014009069A (es) 2015-10-30
WO2015100913A1 (zh) 2015-07-09

Similar Documents

Publication Publication Date Title
CN103714161B (zh) 图像缩略图的生成方法、装置和终端
CN103455256B (zh) 旋转屏幕显示画面的方法和终端
CN103729636B (zh) 字符切割方法、装置及电子设备
CN105183296B (zh) 交互界面显示方法及装置
CN107665697A (zh) 一种屏幕亮度的调节方法及移动终端
CN107608514A (zh) 信息处理方法及移动终端
CN107833178A (zh) 一种图像处理方法、装置及移动终端
CN107817939A (zh) 一种图像处理方法及移动终端
CN107590463A (zh) 人脸识别方法及相关产品
CN108073343A (zh) 一种显示界面调整方法及移动终端
CN107122054A (zh) 一种人脸偏转角度和俯仰角度的检测方法和装置
CN106959761A (zh) 一种终端拍照方法、装置及终端
CN107592466A (zh) 一种拍照方法及移动终端
CN107895352A (zh) 一种图像处理方法及移动终端
CN107734260A (zh) 一种图像处理方法及移动终端
CN107889151A (zh) 一种测量报告上报方法、移动终端及计算机可读存储介质
CN106203254A (zh) 一种调整拍照方向的方法及装置
CN107786811B (zh) 一种拍照方法及移动终端
CN107124556A (zh) 对焦方法、装置、计算机可读存储介质和移动终端
CN107608606A (zh) 一种图片显示方法、移动终端及计算机可读存储介质
CN104699501B (zh) 一种运行应用程序的方法及装置
CN104820546B (zh) 功能信息展示方法和装置
CN108093306A (zh) 一种弹幕显示方法及移动终端
CN108196815A (zh) 一种通话声音的调节方法和移动终端
CN106127829A (zh) 一种增强现实的处理方法、装置及终端

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant