CN104240228B - 一种应用于网站的特定图片的检测方法及装置 - Google Patents

Abstract

本申请实施例公开了一种应用于网站的特定图片的检测方法，该方法包括对特定图片的边框存在性的检测，该检测包括：获取应用于网站的特定图片，计算特定图片的每个像素点的边缘特征值，沿着每个像素点确定的斜率方向查找该像素点的边缘特征值局部极大值像素点，当查找到的像素点的边缘特征值大于预设特征阈值时，用预设颜色填充该局部极大值像素点；对特定图片进行扫描，统计特定图片的每条扫描线上颜色为预设颜色的像素点的数量；当一个扫描线上的数量大于预设数量阈值，确定该扫描线所在的线为边框的边沿线。本申请还公开了一种应用于网站的特定图片的检测装置。本申请实施例可以满足网站对特定图片的应用需求。

Description

一种应用于网站的特定图片的检测方法及装置

技术领域

本申请涉及图形图像信息处理技术领域，特别涉及一种应用于网站的特定图片的检测方法及装置。

背景技术

随着图形图像技术的发展，在网站中以图片、图像格式提供信息的方式越来越普遍，该方式因其直观、便捷、信息含量高等特点广受人们青睐。但是，相对于传统的文本格式而言，在网站上展现图形图像的技术难度要高得多。基于网站本身以及网站的业务类型的特殊性，并非任何格式或具有任何属性的图片(即不特定图片)均能满足网站的应用需要。为此，在将图片应用于网站上之前或之后，往往需要对网站上的这些图片进行检测，以确定其是否合格。

现有技术对应用于网站的特定图片的检测方式主要存在两种：一是针对特定图片的基本信息的自动检测法；二是针对特定图片的具有一定深度的复杂信息的人工检测法。前者比如直接从图片库中读取图片的高度、宽度等信息，并在此基础上简单计算高宽比等基本信息，但是，在网站的应用越来越复杂化、多样化的趋势之下，简单的基本信息的自动检测尽管在效率上能够满足要求，却在深度信息的检测方面与需求相差甚远；后者比如对图片库中的图片进行处理分析后，获知图片边框的存在性、主体内容区域、背景区域等深度信息，但是，在网站的应用面临的图片趋于海量的情况下，人工审核完全无法适应这种要求。由此可见，现有技术无法满足网站对特定图片的应用需求。

发明内容

为解决上述技术问题，本申请实施例提供了一种应用于网站的特定图片的检测方法及其对应装置，以满足网站在对深度信息进行检测和检测效率上的要求。

本申请实施例的应用于网站的特定图片的检测方法包括对特定图片的基本信息的检测，还包括对特定图片的边框存在性的检测，所述边框存在性的检测包括：

获取应用于网站的特定图片，所述特定图片为根据网站的类型能够满足网站应用需求的图片；

计算特定图片的每个像素点的边缘特征值，沿着每个像素点的边缘特征值确定的斜率方向查找边缘特征值局部极大值像素点，当查找到的像素点的边缘特征值大于预设特征阈值时，用预设颜色填充该局部极大值像素点；

对特定图片进行扫描，统计特定图片的每条扫描线上颜色为预设颜色的像素点的数量；

当一个扫描线上的数量大于预设数量阈值时，确定该扫描线所在的线为边框的边沿线。

优选地，当一个扫描线上的数量大于预设数量阈值且该扫描线位于距离特定图片边缘预设距离长度所确定的区域之内时，确定该扫描线所在的线为边框的边沿线。

进一步优选地，在待检测的特定图片的边框为四边形且边框具有宽度时，所述边框存在性的检测方法还包括：将确定的多条边沿线中最内侧的边沿线作为内边界、最外侧的边沿线作为外边界，将边框的内边界与外边界之间的距离作为边框的宽度，用边框的宽度除以所述预设距离长度，根据相除运算的结果赋予权重A，如果边框的四边宽度的权重之和大于第一预设权重阈值，则确定应用于网站的特定图片检测合格。

优选地，所述方法还包括对特定图片的主体内容区域的检测，所述主体内容区域的检测包括：

将所述特定图片转换为至少包括两种颜色的灰度图；

在灰度图中分别标定出每种颜色的连通区域；

取出面积超过特定图片的总面积预设比例的连通区域；

统计取出的每个连通区域内的像素点位于距离特定图片边缘预设距离长度所确定的区域之内的数量，如果该数量不超过所述连通区域的总像素点的一定比例，则确定该连通区域为特定图片的主体内容区域。

优选地，根据特定图片的主体内容区域的面积与特定图片的总面积间的大小关系赋予权重α，根据特定图片的主体内容区域落入所述特定图片的总面积预设比例范围内的位置赋予权重β，根据特定图片的主体内容区域包含的连通区域的数量赋予权重γ，将α、β、γ之和作为主体内容区域的权重B，如果权重B大于第二预设权重阈值，则确定应用于网站的特定图片检测合格。

优选地，如果连通区域内的像素点位于距离特定图片边缘预设距离长度所确定的区域之内的数量超过所述连通区域的总像素点的一定比例，则确定该连通区域为特定图片的背景区域，根据所述背景区域的面积与所述特定图片的总面积的大小关系赋予权重C，如果权重C大于第三预设权重阈值，则确定应用于网站的特定图片检测合格。

优选地，将特定图片的边框的权重A、主体内容区域的权重B以及背景区域的权重C分别乘以比例系数，判断相乘后的结果是否大于第四预设权重阈值，如果大于，则确定应用于网站的特定图片检测合格。

本申请实施例还提供了一种应用于网站的特定图片的检测装置。该装置包括对特定图片的基本信息进行检测的基本信息检测单元，还包括对特定图片的边框存在性进行检测的存在性检测单元，所述存在性检测单元包括：特定图片获取子单元、颜色填充子单元、像素点数量统计子单元和边框存在性确定子单元，其中：

所述特定图片获取子单元，用于获取应用于网站的特定图片，所述特定图片为根据网站的类型能够满足网站应用需求的图片；

所述颜色填充子单元，用于计算特定图片的每个像素点的边缘特征值，沿着每个像素点的边缘特征值确定的斜率方向查找边缘特征值局部极大值像素点，当查找到的像素点的边缘特征值大于预设特征阈值时，用预设颜色填充该局部极大值像素点；

所述像素点数量统计子单元，用于对特定图片进行扫描，统计特定图片的每条扫描线上颜色为预设颜色的像素点的数量；

所述边框存在性确定子单元，用于在一个扫描线上的数量大于预设数量阈值时，确定该扫描线所在的线为边框的边沿线。

优选地，所述边框存在性确定子单元具体用于在一个扫描线上的数量大于预设数量阈值且该扫描线位于距离特定图片边缘预设距离长度所确定的区域之内时，确定该扫描线所在的线为边框的边沿线。

进一步优选地，在待检测的特定图片的边框为四边形且边框具有宽度时，所述边框存在性确定子单元还用于将确定的多条边沿线中最内侧的边沿线作为内边界、最外侧的边沿线作为外边界，将边框的内边界与外边界之间的距离作为边框的宽度，用边框的宽度除以所述预设距离长度，根据相除运算的结果赋予权重A，如果边框的四边宽度的权重之和大于第一预设权重阈值，则确定应用于网站的特定图片检测合格。

优选地，所述装置还包括对特定图片的主体内容区域进行检测的主体内容区域检测单元，所述主体内容区域检测单元包括：灰度图转换子单元、连通区域标定子单元、连通区域取出子单元、像素点统计子单元和主体内容区域确定子单元，其中：

所述灰度图转换子单元，用于将所述特定图片转换为至少包括两种颜色的灰度图；

所述连通区域标定子单元，用于在灰度图中分别标定出每种颜色的连通区域；

所述连通区域取出子单元，用于取出面积超过特定图片的总面积预设比例的连通区域；

所述像素点统计子单元，用于统计取出的每个连通区域内的像素点位于距离特定图片边缘预设距离长度所确定的区域之内的数量；

所述主体内容区域确定子单元，用于在该数量不超过所述连通区域的总像素点的一定比例时，确定该连通区域为特定图片的主体内容区域。

优选地，所述主体内容区域检测单元还包括权重赋值子单元，该权重赋值子单元用于根据特定图片的主体内容区域的面积与特定图片的总面积间的大小关系赋予权重α，根据特定图片的主体内容区域落入所述特定图片的总面积预设比例范围内的位置赋予权重β，根据特定图片的主体内容区域包含的连通区域的数量赋予权重γ，将α、β、γ之和作为主体内容区域的权重B；所述主体内容区域确定子单元具体用于在权重B大于第二预设权重阈值，则确定应用于网站的特定图片检测合格。

优选地，所述主体内容区域检测单元还包括背景区域确定子单元，该背景区域确定子单元用于在连通区域内的像素点位于距离特定图片边缘预设距离长度所确定的区域之内的数量超过所述连通区域的总像素点的一定比例，则确定该连通区域为特定图片的背景区域，根据所述背景区域的面积与所述特定图片的总面积的大小关系赋予权重C，如果权重C大于第三预设权重阈值，则确定应用于网站的特定图片检测合格。

进一步优选地，所述装置还包括比例系数运算单元，用于将特定图片的边框的权重A、主体内容区域的权重B以及背景区域的权重C分别乘以比例系数；所述主体内容区域确定子单元具体用于在判断相乘后的结果大于第四预设权重阈值时确定应用于网站的特定图片检测合格。

本申请实施例在获取应用于网站的特定图片后，对该网站的特定图片的边框存在性进行检测。与现有技术相比，本申请实施例除可以按照现有技术对特定图片的基本信息进行检测之外，还可以对特定图片的边框的存在性、主体内容区域这类图片的深度信息进行检测。而且，检测的过程是执行计算机程序的自动化过程，面临海量图片数据时可以自动进行，提高了图片的检测效率。

附图说明

为了更清楚地说明本申请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申请中记载的一些实施例，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为应用于网站的特定图片的检测方法实施例之一的流程图；

图2(a)为特定图片的边框示意图；

图2(b)为经过颜色填涂后的特定图片的示意图；

图3为应用于网站的特定图片的检测方法实施例之二的流程图；

图4为应用于网站的特定图片的检测装置实施例的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

参见图1，该图示出了本申请的应用于网站的特定图片的检测方法的流程。该流程适用于对特定图片的边框存在性的检测，在实际应用过程中，边框可以体现为一条线，也可能体现为多条线，即该边框具有一定的宽度，该宽度可以通过由该边框的最内的一条边沿线(内边界)与最外的一条边沿线(外边界)的距离来量度。但无论边框体现为一条线还是多条线，在检测边框的存在性时，只要能检测到该边框中的至少一条边沿线即说明边框存在。本实施例的流程包括：

步骤S101：获取应用于网站的特定图片，所述特定图片为根据网站的类型能够满足网站应用需求的图片；

应用于网站的图片是以网站作为媒介进行展示、处理等操作的电子图片，该图片需要满足诸多条件(比如，大小、颜色、像素等均要符合展示要求)，且在不同类别的网站中的具体条件可能不同(比如，对色泽要求较高的服装类网站，通常希望图片的清晰度较高，而对形状要求较高的家具类网站，通常希望图片的轮廓性较强)，基于此，本申请称其为特定图片，该特定图片是根据网站的类型能够满足网站应用需求的图片。比如，对于提供服装类型的网站，在其上展现的图片应当是衣帽鞋袜类的图片，对于提供餐饮服务类型的网站，在其上展现的图片应当是食物类的图片。在这些应用于网站的特定图片中，某些图片提供者会对图片做特殊处理，以便与其它图片提供者提供的图片区别开，比如，一种常见的处理做法是：在图片边缘部分添加边框，参见图2(a)所示，在该特定图片中，边框部分包括三层：由图片最外边延到第一次颜色突变界线处的第一层边框21，由第一次颜色突变界面处到第二次颜色突变界线处的第二层边框22，由第二次颜色突变界线处到第三次颜色突变界线处的第三层边框23，在往里是特定图片的本体部分。通常网站上会同时包含这种在图片边缘添加边框的图片和没有添加边框的图片，为将这两类图片自动区分出来，需要进行本申请实施例的边框存在性的检测。

步骤S102：计算特定图片的每个像素点的边缘特征值，沿着每个像素点的边缘特征值确定的斜率方向查找边缘特征值局部极大值像素点，当查找到的像素点的边缘特征值大于预设特征阈值时，用预设颜色填充该局部极大值像素点；

边缘特征值是描述一个像素点边缘特性的向量，向量模值的大小表征的像素点是边缘像素点的可能性大小，模值越大越有可能是位于边缘上的像素；向量的方向表征边缘的法向方向，即垂直于边缘切线的方向。计算出边缘特征值后，在边缘向量的方向上寻找模值的局部极大值，再通过预设的阈值来筛选出最后的边缘像素点，并用预设颜色进行填充。具体操作方式如下：获取到特定图片后，针对该特定图片的每个像素点，计算像素点的边缘特征值。首先需要分别计算向量在x和y方向的分量Tx和Ty。其中：Tx可以使用[-101；-101；-101]这样的矩形滤波器来计算得到中间像素的特征值分量，Ty可以使用[-1-1-1；000；111]这样的矩形滤波器来计算得到该像素的特征值分量。然后使用欧式空间的向量模公式T＝sqrt(Tx^2+Ty^2)来计算向量的模值，用α＝arctan(Ty/Tx)来计算向量的方向角。得到全图所有像素的边缘向量的模和方向后，需要查找所有像素点中在特征向量的方向上边缘特征值局部极大值的像素点。一种实现方法是将每个像素的边缘特征值跟在向量方向上相邻的两个像素点的特征值比较，当它大于相邻两个像素点的特征值，它就是局部极大值，否则不是。然后将局部极大值像素点的边缘特征值与预设的特征阈值进行比较，如果大于该预设特征阈值，则说明该局部极大值点为边缘点，将用预设颜色进行填充。图2(b)示出了经过上述步骤处理后的一个实例。

上述确定边缘点的过程在实际应用过程中，为取得更好的技术效果，通常还会采取某些补充性措施。比如，在进行边缘特征值计算之前，先对特定图像图像进行灰度处理和高斯平滑处理。灰度处理的目的在于形成灰度图，灰度图为单通道图，而彩色图片通常至少为3个通道的图，经过灰度处理后可提高后续操作的速度。灰度处理过程通常是根据图像各个通道的采样值进行加权平均。以RGB格式的彩图为例，通常灰度化的方式主要有两种：一是直接加权平均，即Gray＝(R+G+B)/3；二是考虑人眼视觉特点对R、G、B三色分量进行适当的权重分配，即Gray＝0.299R+0.587G+0.114B。其他格式的彩色图像，可以根据相应的转换关系转换为RGB后再进行灰度化。高斯平滑处理的目的在于减少图像中的噪声对后续步骤的干扰，其具体实现可用两个一维高斯核分别进行两次加权实现，也可以通过一个二维高斯核进行一次卷积实现。还比如，在上述沿着像素点的边缘特征向量方向判定局部极大值像素点时，向量方向可能不通过特定图片的已有像素点，这时需要考虑向量方向上最近的两个像素点连线与向量的交点，该交点像素点的边缘特征向量的模可通过对那两个最近像素点的特征向量的模进行线性插值或者拟合等方式得到。再比如，在查找到边缘特征值局部极大值的像素点后，将其与预设的特征阈值进行比较时，可以设置两级比较模式，即设置两个一高一低的特征阈值，将高于较大阈值的局部极大值点确认为初步的边缘点，从这些确认的初步边缘点出发，将与这些点相连接，高于较小阈值的边缘点确认为最终边缘点。这里的一高一低的两个阈值，可以分别采用统计分布中的30％和70％的临界值，即总计有30％的样本高于较大的阈值，70％的样本高于较小的阈值。

步骤S103：对特定图片进行扫描，统计特定图片的每条扫描线上颜色为预设颜色的像素点的数量；

通过前述步骤对特定图片进行颜色标注后，即可对特定图片进行扫描，然后统计每条扫描线上的预设颜色像素点的数量。比如，假设预设颜色为白色，在计算机中用“1”标识，待检测的边框为矩形，则可以按行或列扫描统计“1”的个数。

在进行统计时，对于统计的方向，取决于待检测的边框的形状。比如，对于边框为矩形的情况，则可能存在两种模式：一是外到内模式，即从特定图片的边缘开始向中心轴线方向推进扫描线进行逐行/列统计；二是内到外模式，即从特定图片的中心轴线开始向边缘方向推进扫描线进行逐行/列统计，由于内到外模式在确定中心时可能导致某些行或列的遗漏，本申请优选采用外到内的扫描模式进行统计。还比如，对于边框为圆形的情况，则扫描方向可以是由外围到圆心(中心)，也可以是由圆心到外围。比如是等腰三角形，则可以设定由外围到质心或者由质心到外围的扫描方向。

对于统计的对象，即扫描线，依据待检测的边框的形状不同扫描线也可能不同。比如，对于矩形边框而言，扫描线为行、列式直线型扫描线，对于圆形边框而言，扫描线为以特定图片的中心为圆心的圆型曲线扫面线。

对于统计的区域，也存在两种情形：一是全区域型，即对特定图片的全部区域均进行扫描统计，这对于某些图片主体内容较小而整张图片较大的较适合；二是外围局部区域型，即只选择扫描特定图片的某些区域，之所以能够采用这种方式，其原因在于：通常情况下添加到特定图片上的边框具有规则特性(比如，矩形、圆形等)且处于特定图片的外围部分，如果对整个图片的全区域进行扫描统计将浪费处理资源。基于此，在实际应用过程中，通常设定由图片边缘向中心的某个区域带内进行扫描统计。比如，对于矩形边框，可以在横向上设定从图片边缘到占整个图片宽度的15％处之间的区域作为按“列”统计扫描的区域，在纵向上设定从图片边缘到占整个图片高度的15％处之间的区域作为按“行”统计扫描的区域，在该区域以外的区域(即就横向而言，如果将左侧边缘作为0百分点，右侧边缘作为100百分点，则15百分点至85百分点之间的区域属于设定扫描区域以外的区域)则可以不进行统计扫描。对于圆形边框，可以以图片中心为原点、以R为半径的圆之外的区域设定为统计扫描区域。

需要说明的是：上述提及的15％、R可以在考虑处理器的运算处理能力、对大量图片边框位置的统计学习结果、网站对边框的要求等各种因素后，根据实际情况选择。此外，上述关于统计方向、统计区域不同方式根据需要还可以综合在一起满足实际应用需要。

步骤S104：当一个扫描线上的数量大于预设数量阈值时，确定该扫描线所在的线为边框的边沿线；

经过前述统计后，接下来可以根据该统计结果确定被扫描扫描线是否为边框：当某条扫描线上的预设颜色的像素点数量大于预设数量阈值时，说明该扫描线所在的曲线或直线属于边框所在的边沿线，否则该扫描线不属于边框，由此完成特定图片边框存在性的检测。在实际应用过程中，除将这种依据预设颜色的统计数量与预设阈值之间的大小关系作为判断条件外，通常还有必要增加其他条件以提高判断的准确性和效率。比如，在需要检测矩形边框的情况下，一种方式是将扫描行/列所在的位置作为一个加强的条件，即既要判断某行或某列的预设颜色的像素点数量是否大于预设阈值，而且还判断该行或列所在的位置是否在某个预设区域内，该预设区域通常选择特定图片的边缘向图片中心轴线的一定百分比的距离以内，像素点数量在预设数量以上，且其位置该预设区域之内，则可确定该行/列为边框。需要特别说明的是：这里的第一预设值是与边框的形状具有对应关系，比如，如果需要从大量图片中检测出带矩形边框的图片，则既可以对横向方向和纵向方向上扫描的每行/列设定相同的预设阈值，也可以设定不同的预设阈值，但是，当需要检测边框为其他图形的图片，比如等腰三角形时，则可以为两条“腰”和一个“底”分别设定预设阈值，从而在不同方向上确定边框的存在性。

本实施例在获取应用于网站的特定图片后，对该网站的特定图片的边框存在性进行检测。与现有技术相比，本实施例除可以按照现有技术的方法对特定图片的基本信息进行检测之外，还可以对特定图片的边框的存在性这类图片的深度信息进行检测。而且，检测的过程是执行计算机程序的自动化过程，面临海量图片数据时可以自动进行，提高了图片的检测效率。

上述实施例是解决本申请技术问题取得相应技术效果的基本实施例。在实际应用过程中，可以基于需要对该基本实施例进行各种变形或改进，以适应某些特殊要求。比如，在大多数情况下，边框具有一定宽度，当需要考虑边框的宽度的情况下，应先确定边框的宽度，这时需要将多条边沿线中最内侧的边沿线作为边框的内边界，将最外侧的边沿线作为边框的外边界，内边界与外边界之间的距离即为边框的宽度。确定完边框后，可以对不同的边框或者不同的边框宽度赋予权重，比如，网站需要着重强调矩形边框上边的边框，则在特定图片的上边出现边框时设置较大的权重，相反，则可设置较小的权重。在某些不仅考虑边框的权重，还考虑边框的宽度权重的情况下，可以对边框宽度进行一定的处理：将边框宽度处于由特定图片高度或者宽度的一定比例的高度值或宽度值，对相除后的结果赋予一定的权重，然后再将四边的边框宽度权重相加，得到一个总体的权重值，该权重值可以与一个预设的权重值进行比较，从而选择除边框符合要求的特定图片。

上述实施例详细介绍了本申请的边框存在性的检测过程，这种检测代表了一类应用于网站的特定图片的检测需求。但是，在实际应用过程中，应用于网站的特定图片的检测包括基本信息检测和深度检测，而深度检测不仅体现为对边框存在性的检测，还可以体现为对特定图片中主体内容区域的检测。

参见图3，该图示出了本申请的对特定图片的主体内容区域的检测的流程。这里的特定图片的主体内容是指特定图片表达的主体信息的部分，比如，对于服饰类图片，图片的提供者想要传达的信息是该图片中的某款衣物，那么该衣物所在的区域即为该特定图片的主体内容，衣物在图片中占据的区域即为该特定图片的主体内容区域(或称主体区域)。该流程包括：

步骤S301：将所述特定图片转换为预设颜色数量的灰度图；

灰度图是相对于彩图而言的，彩图通常具有三种以上的颜色，而灰度图具有的颜色数量通常是有限的，比如常见的二值灰度图，在该灰度图中仅具有两个预设颜色：黑色和白色。

步骤S302：在灰度图中分别标定出每种预设颜色的连通区域；

为标定出预设颜色的连续区域，可先将灰度图中的像素点进行数值化，即用“0”、“1”表示。在0-255灰度体系中，假设预定的白色像素点阈值为240，则可以将高于240的点确认为白色像素点，用“1”标记，低于240的点确认为黑色像素点，用“0”标记。然后从标定好的0-1图中任意点开始，将相邻像素点均为“0”或“1”的像素点确定为一个连通区域，直至灰度图上的所有像素点均属于某个连通区域。

步骤S303：取出面积超过特定图片的总面积预设比例的连通区域；

通过前述步骤确定出多个连通区域后，并非确定的这些连通区域都是特定区域的主体内容区域，通常只有那些面积达到特定图片总面积一定比例(比如，5％)的连通区域才可能是主体内容区域。因此，可以将每个连通区域的面积与特定图片的总面积的预设比例的面积进行比较，当某个连通区域的面积大于特定图片的总面积预设比例时，将其取出作为主体内容区域的候选进行后续的操作，而将小于特定图片的总面积预设比例的连通区域舍弃，不予考虑。在实际应用过程中，为了提高主体区域检测的准确性和效率，还可以增强上述“筛选”连通区域的条件。比如，不仅要求作为候选的连通区域的面积大于特定图片的总面积的预设比例，而且还要求这些连通区域应该排在所有连通区域的前某个名次范围内，只有符合这两个条件的连通区域才作为候选连通区域。具体实现时，可对所有的连通区域从大到小(或从小到大)排序，选取面积排在前10名的连通区域，并判断这10个连通区域中面积大于特定图片总面积5％的连通区域，将满足条件的连通区域取出，其他连通区域均不作为主体区域考虑。

步骤S304：统计取出的连通区域内的像素点位于距离图片边缘的预设距离范围内的数量，如果该数量不超过所述连通区域的总像素点的预设比例，则确定该连通区域为特定图片的主体内容区域；

经过前述步骤“筛选”出可能是特定图片的主体区域后，进一步判断该连通区域可能的位置，通常情况，主体区域应该处于特定图片的中心位置，如果某个连通区域处于特定图片的边缘附近，则该连通区域便不大可能是主体区域，而可能是背景区域。因此，统计取出的连通区域内的像素点有多少位于距离图片边缘的预设距离范围之内(比如，距离特定图片边缘的宽度大小的15％之内)，有多少位于该预设距离范围之外，如果在该预设距离范围之内(或之外)的像素点没有占到(或已经占到)连通区域总像素点的一定比例(比如，30％)，则说明该连通区域主要处于特定图片的中部位置，可以将其确定为特定图片的主体区域，否则，该连通区域不是主体区域，可能为背景区域。

通过上述几个步骤确定主体区域，实现了对特定图片上主体信息部分与背景部分的分离。在此基础上，还可以进一步获得特定图片欲传达的主体信息(比如，商品)的形状的大小(多个主体区域面积之和)、位置(主体区域所在的位置)、数量(被确定为主体区域的连通区域的数量)等信息。确定这些信息后可以对他们赋予一定的权重，从而有利于加权考虑这些因素对特定图片合格与否的影响。比如，根据特定图片的主体内容区域的面积占特定图片总面积的大小，赋予权重α，根据特定图片的主体内容区域落入特定图片的总面积预设比例范围内的位置赋予权重β(比如，当仅考虑宽度方向时，如果主体内容区域全部落在特定图片宽度方向的中间60％区间，赋予一个权重，部分落入该区域赋予另一个权重)，根据特定图片的主体内容区域包含的连通区域的数量赋予权重γ，将α、β、γ之和作为主体内容区域的权重B，如果权重B大于预设值，则确定应用于网站的特定图片检测合格。同理，可以根据背景区域的面积与特定图片的总面积的大小关系赋予权重C，如果权重C大于预设值，则确定应用于网站的特定图片检测合格。上述提到了特定图片边框的权重A、主体内容区域的权重B以及背景区域的权重C，在实际应用过程中，还可能将这种三种权重综合起来，共同判断特定图片是否合格。在对这三个权重进行综合时，可以考虑不同的比例系统，将三个权重分别乘以不同的比例系数，然后判断相乘后的结果是否大于预设值，如果大于，则确定应用于网站的特定图片检测合格。

上述实施例详细介绍了本申请的应用于网站的特定图片的检测方法的实施例。相应地，本申请还提供了应用于网站的特定图片的检测装置。参见图4，该图示出了该装置应用于对特定图片的边框存在性时具有的存在性检测单元的组成结构。该存在性检测单元401包括：特定图片获取子单元4011、颜色填充子单元4012、像素点数量统计子单元4013和边框存在性确定子单元4014，其中：

特定图片获取子单元4011，用于获取应用于网站的特定图片，所述特定图片为根据网站的类型能够满足网站应用需求的图片；

颜色填充子单元4012，用于计算特定图片的每个像素点的边缘特征值，所述边缘特征值为一个像素点与其相邻像素点的横纵坐标差的差值，沿着每个像素点的横纵坐标差值确定的斜率方向查找该像素点的边缘特征值局部极大值像素点，当查找到的像素点的边缘特征值大于预设特征阈值时，用预设颜色填充该局部极大值像素点；

像素点数量统计子单元4013，用于对特定图片进行扫描，统计特定图片的每条扫描线上颜色为预设颜色的像素点的数量；

边框存在性确定子单元4014，用于在一个扫描线上的数量大于第一预设阈值，确定该扫描线所在的线为边框的边沿线。

本装置进行边框存在性检测的工作过程是：特定图片获取子单元先获取应用于网站的特定图片，然后由颜色填充子单元计算特定图片的每个像素点的边缘特征值，沿着每个像素点的横纵坐标差值确定的斜率方向查找该像素点的边缘特征值局部极大值像素点，当查找到的像素点的边缘特征值大于预设特征阈值时，用预设颜色填充该局部极大值像素点，再由像素点数量统计子单元对特定图片进行扫描，统计特定图片的每条扫描线上颜色为预设颜色的像素点的数量，最后边框存在性确定子单元在一个扫描线上的数量大于第一预设阈值，确定该扫描线所在的线为边框的边沿线。

本装置实施例在获取应用于网站的特定图片后，对该网站的特定图片的边框存在性进行检测。与现有技术相比，本装置实施例除可以按照现有技术对特定图片的基本信息进行检测之外，还可以对特定图片的边框的存在性这类图片的深度信息进行检测。而且，检测的过程是执行计算机程序的自动化过程，面临海量图片数据时可以自动进行，提高了图片的检测效率。

上述装置实施例基于某些需要还可以进行改进，以取得更优的技术效果。比如，在进行边框检测时，不仅将扫描线上预设颜色的像素点的数量作为一个确定边框存在与否的条件，还将扫描线的位置作为一个考虑因素，因为通常情况下，位于特定图片中间位置但满足预设颜色的像素点数量要求的线不应当是边框。为此，在判断出满足数量条件后，如果该扫描线位于距离特定图片边缘预设距离长度确定的区域内时，确定该扫描线所在的线为边框的边沿线。这种通过两个条件来确定边框的方式，有利于更为准确地确定边框。还比如，在某些情况下，虽然已检测出边框存在，但可能在特定图片的一个方向上存在多条边框的边沿线，这时边框实际上为具有一定宽度的边框，进而可以利用该边框的宽度实现对特定图片的合格与否的检测，具体而言：在待检测的特定图片的边框为四边形且边框具有宽度时，边框存在性确定子单元还用于将确定的多条边沿线中最内侧的边沿线作为内边界、最外侧的边沿线作为外边界，确定边框的内外界与外边界之间的距离，将该距离作为边框的宽度，用边框的宽度除以所述预设距离，对运算的结果赋予权重A，如果边框的四边宽度的权重之和大于第二预设阈值时，则确定应用于网站的特定图片检测合格如果待检测的特定。

此外，本装置除可以对边框的存在性进行检测外，还可以对特定图片的主体内容区域进行检测。边框的存在性与主体内容区域均属于特定图片的深度检测的范畴。当用于进行主体内容区域检测时，上述装置实施例可以包括主体内容区域检测单元402，该单元包括：灰度图转换子单元4021、连通区域标定子单元4022、连通区域取出子单元4023、像素点统计子单元4024和主体内容区域确定子单元4025，其中：

灰度图转换子单元4021，用于将所述特定图片转换为至少包括两种颜色的灰度图；

连通区域标定子单元4022，用于在灰度图中分别标定出每种颜色的连通区域；

连通区域取出子单元4023，用于取出面积超过特定图片的总面积预设比例的连通区域；

像素点统计子单元4024，用于统计取出的每个连通区域内的像素点位于距离特定图片边缘预设距离长度所确定的区域之内的数量；

主体内容区域确定子单元4025，用于在该数量不超过所述连通区域的总像素点的一定比例时，确定该连通区域为特定图片的主体内容区域。

本装置用于主体内容区域检测时，主体内容区域检测单元的工作过程是：灰度图转换子单元4021先将所述特定图片转换为预设颜色数量的灰度图，再由连通区域标定子单元4022在灰度图中分别标定出每种预设颜色的连通区域，然后，连通区域取出子单元4023取出面积超过特定图片的总面积预设比例的连通区域，由像素点统计子单元4024统计取出的连通区域内的像素点位于距离特定图片边缘预设距离长度确定的区域内的数量，最后，主体内容区域确定子单元4025，用于在该数量不超过所述连通区域的总像素点的预设比例时，确定该连通区域为特定图片的主体内容区域。

同样地，在上述装置实施例用于主体内容区域检测时，主体内容区域单元可以进行进一步的改进，以获得更好的技术效果。比如，主体内容区域检测单元402还包括权重赋值子单元4026，该权重赋值子单元用于根据特定图片的主体内容区域的面积与特定图片的总面积间的大小关系赋予权重α，根据特定图片的主体内容区域落入所述特定图片的总面积预设比例范围内的位置赋予权重β，根据特定图片的主体内容区域包含的连通区域的数量赋予权重γ，将α、β、γ之和作为主体内容区域的权重B；主体内容区域确定子单元4025具体用于在权重B大于第二预设权重阈值，则确定应用于网站的特定图片检测合格。通过增加权重赋值子单元，将主体内容区域的相关属性综合到一起考虑，进而可以利用综合后的结果判断特定图片是否为合格的图片。再比如，在前述通过判断连通区域内的满足要求的像素点的数量确定特定图片主体内容区域时，还可以利用该数量判断背景区域，即上述装置实施例可以包括背景区域确定子单元403，用于在该数量超过所述连通区域的总像素点的预设比例，则确定该连通区域为特定图片的背景区域，进而根据背景区域的面积与所述特定图片的总面积的大小关系赋予权重C，如果权重C大于第三预设权重阈值，则确定应用于网站的特定图片检测合格。还比如，前述提及特定图片的边框的权重A、主体内容区域的权重B以及背景区域的权重C，在实际应用过程中，还可以综合考虑这三个权重，即通过增加比例系数运算单元404将他们通过比例系数加权起来，从而利用该加权结果确定应用于网站的特定图片检测是否合格。

需要说明的是：为了叙述的简便，本说明书的上述实施例以及实施例的各种变形实现方式重点说明的都是与其他实施例或变形方式的不同之处，各个情形之间相同相似的部分互相参见即可。尤其，对于装置实施例的几个改进方式而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例的各单元可以是或者也可以不是物理上分开的，既可以位于一个地方，或者也可以分布到多个网络环境下。在实际应用过程中，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，本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (14)

1.一种应用于网站的特定图片的检测方法，其特征在于，所述方法包括对特定图片的边框存在性的检测，所述边框存在性的检测包括：

获取应用于网站的特定图片，所述特定图片为根据网站的类型能够满足网站应用需求的图片；

计算特定图片的每个像素点的边缘特征值，沿着每个像素点的边缘特征值确定的斜率方向查找边缘特征值局部极大值像素点，当查找到的像素点的边缘特征值大于预设特征阈值时，用预设颜色填充该局部极大值像素点；所述边缘特征值是描述一个像素点边缘特性的向量，向量模值的大小表征像素点是边缘像素点的可能性大小；

对特定图片进行扫描，统计特定图片的每条扫描线上颜色为预设颜色的像素点的数量；

当一个扫描线上的数量大于预设数量阈值时，确定该扫描线所在的线为边框的边沿线。

2.根据权利要求1所述的方法，其特征在于，当一个扫描线上的数量大于预设数量阈值且该扫描线位于距离特定图片边缘预设距离长度所确定的区域之内时，确定该扫描线所在的线为边框的边沿线。

3.根据权利要求2所述的方法，其特征在于，在待检测的特定图片的边框为四边形且边框具有宽度时，所述边框存在性的检测方法还包括：将确定的多条边沿线中最内侧的边沿线作为内边界、最外侧的边沿线作为外边界，将边框的内边界与外边界之间的距离作为边框的宽度，用边框的宽度除以所述预设距离长度，根据相除运算的结果赋予权重A，如果边框的四边宽度的权重之和大于第一预设权重阈值时，则确定应用于网站的特定图片检测合格。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括对特定图片的主体内容区域的检测，所述主体内容区域的检测包括：

将所述特定图片转换为至少包括两种颜色的灰度图；

在灰度图中分别标定出每种颜色的连通区域；

取出面积超过特定图片的总面积预设比例的连通区域；

统计取出的每个连通区域内的像素点位于距离特定图片边缘预设距离长度所确定的区域之内的数量，如果该数量不超过所述连通区域的总像素点的一定比例，则确定该连通区域为特定图片的主体内容区域。

5.根据权利要求4所述的方法，其特征在于，根据特定图片的主体内容区域的面积与特定图片的总面积间的大小关系赋予权重α，根据特定图片的主体内容区域落入所述特定图片的总面积预设比例范围内的位置赋予权重β，根据特定图片的主体内容区域包含的连通区域的数量赋予权重γ，将α、β、γ之和作为主体内容区域的权重B，如果权重B大于第二预设权重阈值，则确定应用于网站的特定图片检测合格。

6.根据权利要求4所述的方法，其特征在于，如果连通区域内的像素点位于距离特定图片边缘预设距离长度所确定的区域之内的数量超过所述连通区域的总像素点的一定比例，则确定该连通区域为特定图片的背景区域，根据所述背景区域的面积与所述特定图片的总面积的大小关系赋予权重C，如果权重C大于第三预设权重阈值，则确定应用于网站的特定图片检测合格。

7.根据权利要求4所述的方法，其特征在于，将特定图片的边框的权重A、主体内容区域的权重B以及背景区域的权重C分别乘以比例系数，判断相乘后的结果是否大于第四预设权重阈值，如果大于，则确定应用于网站的特定图片检测合格；

其中，所述边框的权重A是根据边框的宽度除以预设距离长度的相除运算结果赋予的，所述边框的宽度是所述边框的内边界与外边界之间的距离，所述内边界是确定的多条边沿线中最内侧的边沿线，所述外边界是所述多条边沿线中最外侧的边沿线；

所述主体内容区域的权重B是权重α、β、γ之和，所述权重α是根据所述特定图片的主体内容区域的面积与所述特定图片的总面积间的大小关系赋予的，所述权重β是根据所述特定图片的主体内容区域落入所述特定图片的总面积预设比例范围内的位置赋予的，所述权重γ是根据所述特定图片的主体内容区域包含的连通区域的数量赋予的；

所述背景区域的权重C是根据背景区域的面积与所述特定图片的总面积的大小关系赋予的，所述背景区域是连通区域，所述连通区域内的像素点位于距离特定图片边缘预设距离长度所确定的区域之内的数量超过所述连通区域的总像素点的一定比例。

8.一种应用于网站的特定图片的检测装置，其特征在于，所述装置包括对特定图片的边框存在性进行检测的存在性检测单元，所述存在性检测单元包括：特定图片获取子单元、颜色填充子单元、像素点数量统计子单元和边框存在性确定子单元，其中：

所述特定图片获取子单元，用于获取应用于网站的特定图片，所述特定图片为根据网站的类型能够满足网站应用需求的图片；

所述颜色填充子单元，用于计算特定图片的每个像素点的边缘特征值，沿着每个像素点的边缘特征值确定的斜率方向查找边缘特征值局部极大值像素点，当查找到的像素点的边缘特征值大于预设特征阈值时，用预设颜色填充该局部极大值像素点；所述边缘特征值是描述一个像素点边缘特性的向量，向量模值的大小表征像素点是边缘像素点的可能性大小；

所述像素点数量统计子单元，用于对特定图片进行扫描，统计特定图片的每条扫描线上颜色为预设颜色的像素点的数量；

所述边框存在性确定子单元，用于在一个扫描线上的数量大于预设数量阈值时，确定该扫描线所在的线为边框的边沿线。

9.根据权利要求8所述的装置，其特征在于，所述边框存在性确定子单元具体用于在一个扫描线上的数量大于预设数量阈值，且该扫描线位于距离特定图片边缘预设距离长度所确定的区域之内时，确定该扫描线所在的线为边框的边沿线。

10.根据权利要求9所述的装置，其特征在于，在待检测的特定图片的边框为四边形且边框具有宽度时，所述边框存在性确定子单元还用于将确定的多条边沿线中最内侧的边沿线作为内边界、最外侧的边沿线作为外边界，将边框的内边界与外边界之间的距离作为边框的宽度，用边框的宽度除以所述预设距离长度，根据相除运算的结果赋予权重A，如果边框的四边宽度的权重之和大于第一预设权重阈值，则确定应用于网站的特定图片检测合格。

11.根据权利要求8所述的装置，其特征在于，所述装置还包括对特定图片的主体内容区域进行检测的主体内容区域检测单元，所述主体内容区域检测单元包括：灰度图转换子单元、连通区域标定子单元、连通区域取出子单元、像素点统计子单元和主体内容区域确定子单元，其中：

所述灰度图转换子单元，用于将所述特定图片转换为至少包括两种颜色的灰度图；

所述连通区域标定子单元，用于在灰度图中分别标定出每种颜色的连通区域；

所述连通区域取出子单元，用于取出面积超过特定图片的总面积预设比例的连通区域；

所述像素点统计子单元，用于统计取出的每个连通区域内的像素点位于距离特定图片边缘预设距离长度所确定的区域之内的数量；

所述主体内容区域确定子单元，用于在该数量不超过所述连通区域的总像素点的一定比例时，确定该连通区域为特定图片的主体内容区域。

12.根据权利要求11所述的装置，其特征在于，所述主体内容区域检测单元还包括权重赋值子单元，该权重赋值子单元用于根据特定图片的主体内容区域的面积与特定图片的总面积间的大小关系赋予权重α，根据特定图片的主体内容区域落入所述特定图片的总面积预设比例范围内的位置赋予权重β，根据特定图片的主体内容区域包含的连通区域的数量赋予权重γ，将α、β、γ之和作为主体内容区域的权重B；所述主体内容区域确定子单元具体用于在权重B大于第二预设权重阈值，则确定应用于网站的特定图片检测合格。

13.根据权利要求11所述的装置，其特征在于，所述主体内容区域检测单元还包括背景区域确定子单元，该背景区域确定子单元用于在连通区域内的像素点位于距离特定图片边缘预设距离长度所确定的区域之内的数量超过所述连通区域的总像素点的一定比例，则确定该连通区域为特定图片的背景区域，根据所述背景区域的面积与所述特定图片的总面积的大小关系赋予权重C，如果权重C大于第三预设权重阈值，则确定应用于网站的特定图片检测合格。

14.根据权利要求11所述的装置，其特征在于，所述装置还包括比例系数运算单元，用于将特定图片的边框的权重A、主体内容区域的权重B以及背景区域的权重C分别乘以比例系数；所述主体内容区域确定子单元具体用于在判断相乘后的结果大于第四预设权重阈值时确定应用于网站的特定图片检测合格；

其中，所述边框的权重A是根据边框的宽度除以预设距离长度的相除运算结果赋予的，所述边框的宽度是所述边框的内边界与外边界之间的距离，所述内边界是确定的多条边沿线中最内侧的边沿线，所述外边界是所述多条边沿线中最外侧的边沿线；

所述主体内容区域的权重B是权重α、β、γ之和，所述权重α是根据所述特定图片的主体内容区域的面积与所述特定图片的总面积间的大小关系赋予的，所述权重β是根据所述特定图片的主体内容区域落入所述特定图片的总面积预设比例范围内的位置赋予的，所述权重γ是根据所述特定图片的主体内容区域包含的连通区域的数量赋予的；

所述背景区域的权重C是根据背景区域的面积与所述特定图片的总面积的大小关系赋予的，所述背景区域是连通区域，所述连通区域内的像素点位于距离特定图片边缘预设距离长度所确定的区域之内的数量超过所述连通区域的总像素点的一定比例。