CN104780465B - 画面参数调节方法及装置 - Google Patents

Abstract

本公开是关于一种画面参数调节方法及装置。所述方法包括：采集终端当前显示的图像，得到目标图像；按照所述目标图像的特征信息，确定所述目标图像所属的图像类别，所述特征信息包括线条分布情况或者图像特征；基于确定的图像类别，从存储的图像类别与画面参数之间的对应关系中，获取对应的画面参数；基于获取的画面参数，对所述终端的画面参数进行调节。本公开通过感知终端显示的画面内容，从而调节终端的画面参数，避免了终端显示的画面内容出现毛刺等现象，使终端显示的画面内容更逼真。

Description

画面参数调节方法及装置

技术领域

本公开涉及互联网领域，尤其涉及一种画面参数调节方法及装置。

背景技术

随着技术的发展，智能电视越来越受到广大用户的青睐，并且逐渐取代了传统电视。当智能电视连接如网络机顶盒等的外接设备时，智能电视作为显示器，可以播放外接设备所传输的音频、视频等多媒体信息。而由于智能电视一般无法自适应调节画面参数，因此，各种显示界面都采用默认的画面参数，影响了人们对智能电视的观感体验。例如，视频画面的细节比较丰富，且比UI(User Interface，用户交互界面)画面更柔和，如果将UI画面的画面参数应用到视频画面中，会使视频画面有一些毛刺感。因此，亟需一种画面参数调节方法，来针对不同的画面内容进行画面参数调节。

发明内容

为克服相关技术中存在的问题，本公开提供一种画面参数调节方法及装置。

根据本公开实施例的第一方面，提供了一种画面参数调节方法，所述方法包括：

采集终端当前显示的图像，得到目标图像；

按照所述目标图像的特征信息，确定所述目标图像所属的图像类别，所述特征信息包括线条分布情况或者图像特征；

基于确定的图像类别，从存储的图像类别与画面参数之间的对应关系中，获取对应的画面参数；

基于获取的画面参数，对所述终端的画面参数进行调节。

结合第一方面，在上述第一方面的第一种可能的实现方式中，所述按照所述目标图像的特征信息，确定所述目标图像所属的图像类别，包括：

提取所述目标图像中的水平线和垂直线，得到多条水平线和多条垂直线；

按照交互界面UI图像中线条的分布规律，对所述多条水平线和多条垂直线进行过滤；

判断过滤后剩余的线条数目是否大于第一指定阈值；

当所述过滤后剩余的线条数目大于所述第一指定阈值时，确定所述目标图像所属的图像类别为UI图像，否则，确定所述目标图像所属的图像类别为非UI图像。

结合第一方面的第一种可能的实现方式，在上述第一方面的第二种可能的实现方式中，所述按照交互界面UI图像中线条的分布规律，对所述多条水平线和多条垂直线进行过滤，包括：

从所述多条水平线中，选择不重叠、互相平行且线条长度之差小于第二指定阈值的水平线；

从所述多条垂直线中，选择不重叠、互相平行且线条长度之差小于所述第二指定阈值的垂直线；

从选择的水平线和垂直线中，选择互相正交的水平线和垂直线。

结合第一方面，在上述第一方面的第三种可能的实现方式中，所述按照所述目标图像的特征信息，确定所述目标图像所属的图像类别，包括：

对所述目标图像进行图像特征提取，得到所述目标图像的特征向量；

基于所述目标图像的特征向量，通过指定分类模型，计算所述目标图像的分类数值；

当所述分类数值为第一指定数值时，确定所述目标图像所属的图像类别为UI图像；

当所述分类数值为第二指定数值时，确定所述目标图像所属的图像类别为非UI图像。

结合第一方面的第三种可能的实现方式，在上述第一方面的第四种可能的实现方式中，所述基于所述目标图像的特征向量，通过指定分类模型，计算所述目标图像的分类数值之前，还包括：

获取多个第一训练图像和多个第二训练图像，所述多个第一训练图像的图像类别为UI图像，所述多个第二训练图像的图像类别为非UI图像；

对所述多个第一训练图像分别进行图像特征提取，得到多个第一特征向量，对所述多个第二训练图像分别进行图像特征提取，得到多个第二特征向量；

基于所述多个第一特征向量和所述多个第二特征向量，对待训练分类模型进行训练，得到指定分类模型。

根据本公开实施例的第二方面，提供了一种画面参数调节装置，所述装置包括：

采集模块，用于采集终端当前显示的图像，得到目标图像；

确定模块，用于按照所述目标图像的特征信息，确定所述目标图像所属的图像类别，所述特征信息包括线条分布情况或者图像特征；

获取模块，用于基于确定的图像类别，从存储的图像类别与画面参数之间的对应关系中，获取对应的画面参数；

调节模块，用于基于获取的画面参数，对所述终端的画面参数进行调节。

结合第二方面，在上述第二方面的第一种可能的实现方式中，所述确定模块包括：

第一提取单元，用于提取所述目标图像中的水平线和垂直线，得到多条水平线和多条垂直线；

过滤单元，用于按照交互界面UI图像中线条的分布规律，对所述多条水平线和多条垂直线进行过滤；

判断单元，用于判断过滤后剩余的线条数目是否大于第一指定阈值；

第一确定单元，用于当所述过滤后剩余的线条数目大于所述第一指定阈值时，确定所述目标图像所属的图像类别为UI图像，否则，确定所述目标图像所属的图像类别为非UI图像。

结合第二方面的第一种可能的实现方式，在上述第二方面的第二种可能的实现方式中，所述过滤单元包括：

第一选择子单元，用于从所述多条水平线中，选择不重叠、互相平行且线条长度之差小于第二指定阈值的水平线；

第二选择子单元，用于从所述多条垂直线中，选择不重叠、互相平行且线条长度之差小于所述第二指定阈值的垂直线；

第三选择子单元，用于从选择的水平线和垂直线中，选择互相正交的水平线和垂直线。

结合第二方面，在上述第二方面的第三种可能的实现方式中，所述确定模块包括：

第二提取单元，用于对所述目标图像进行图像特征提取，得到所述目标图像的特征向量；

计算单元，用于基于所述目标图像的特征向量，通过指定分类模型，计算所述目标图像的分类数值；

第二确定单元，用于当所述分类数值为第一指定数值时，确定所述目标图像所属的图像类别为UI图像；

第三确定单元，用于当所述分类数值为第二指定数值时，确定所述目标图像所属的图像类别为非UI图像。

结合第二方面的第三种可能的实现方式，在上述第二方面的第四种可能的实现方式中，所述确定模块还包括：

获取单元，用于获取多个第一训练图像和多个第二训练图像，所述多个第一训练图像的图像类别为UI图像，所述多个第二训练图像的图像类别为非UI图像；

第三提取单元，用于对所述多个第一训练图像分别进行图像特征提取，得到多个第一特征向量，对所述多个第二训练图像分别进行图像特征提取，得到多个第二特征向量；

训练单元，用于基于所述多个第一特征向量和所述多个第二特征向量，对待训练分类模型进行训练，得到指定分类模型。

根据本公开实施例的第三方面，提供了一种画面参数调节装置，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

采集终端当前显示的图像，得到目标图像；

按照所述目标图像的特征信息，确定所述目标图像所属的图像类别，所述特征信息包括线条分布情况或者图像特征；

基于确定的图像类别，从存储的图像类别与画面参数之间的对应关系中，获取对应的画面参数；

基于获取的画面参数，对所述终端的画面参数进行调节。

本公开的实施例提供的技术方案可以包括以下有益效果：在本公开实施例中，通过目标图像的特征信息，确定目标图像所属的图像类别，从而基于目标图像的图像类别，确定目标图像适用的画面参数，并基于目标图像适用的画面参数，对终端的画面参数进行调节，避免终端显示的画面内容出现毛刺等现象，使终端显示的画面内容更逼真，从而提高了用户的观感体验。

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和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种画面参数调节方法的流程图。

图2是根据一示例性实施例示出的另一种画面参数调节方法的流程图。

图3是根据一示例性实施例示出的一种画面参数调节装置的框图。

图4是根据一示例性实施例示出的一种确定模块的框图。

图5是根据一示例性实施例示出的另一种确定模块的框图。

图6是根据一示例性实施例示出的另一种画面参数调节装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种画面参数调节方法的流程图，如图1所示，该方法用于终端中，该终端不仅可以为智能电视，还可以为电脑、手机、PAD(PersonalDigital Assistant，个人数码助理)等终端，该方法包括以下步骤。

在步骤101中，采集终端当前显示的图像，得到目标图像。

在步骤102中，按照目标图像的特征信息，确定目标图像所属的图像类别，该特征信息包括线条分布情况或者图像特征。

在步骤103中，基于确定的图像类别，从存储的图像类别与画面参数之间的对应关系中，获取对应的画面参数。

在步骤104中，基于获取的画面参数，对该终端的画面参数进行调节。

在本公开实施例中，通过目标图像的特征信息，确定目标图像所属的图像类别，从而基于目标图像的图像类别，确定目标图像适用的画面参数，并基于目标图像适用的画面参数，对终端的画面参数进行调节，避免终端显示的画面内容出现毛刺等现象，使终端显示的画面内容更逼真，从而提高了用户的观感体验。

在本公开的另一实施例中，按照目标图像的特征信息，确定目标图像所属的图像类别，包括：

提取目标图像中的水平线和垂直线，得到多条水平线和多条垂直线；

按照交互界面UI图像中线条的分布规律，对该多条水平线和多条垂直线进行过滤；

判断过滤后剩余的线条数目是否大于第一指定阈值；

当过滤后剩余的线条数目大于第一指定阈值时，确定目标图像所属的图像类别为UI图像，否则，确定目标图像所属的图像类别为非UI图像。

在本公开的另一实施例中，按照交互界面UI图像中线条的分布规律，对该多条水平线和多条垂直线进行过滤，包括：

从该多条水平线中，选择不重叠、互相平行且线条长度之差小于第二指定阈值的水平线；

从该多条垂直线中，选择不重叠、互相平行且线条长度之差小于第二指定阈值的垂直线；

从选择的水平线和垂直线中，选择互相正交的水平线和垂直线。

在本公开的另一实施例中，按照目标图像的特征信息，确定目标图像所属的图像类别，包括：

对目标图像进行图像特征提取，得到目标图像的特征向量；

基于目标图像的特征向量，通过指定分类模型，计算目标图像的分类数值；

当计算得到的分类数值为第一指定数值时，确定目标图像所属的图像类别为UI图像；

当计算得到的分类数值为第二指定数值时，确定目标图像所属的图像类别为非UI图像。

在本公开的另一实施例中，基于目标图像的特征向量，通过指定分类模型，计算目标图像的分类数值之前，还包括：

获取多个第一训练图像和多个第二训练图像，该多个第一训练图像的图像类别为UI图像，该多个第二训练图像的图像类别为非UI图像；

对该多个第一训练图像分别进行图像特征提取，得到多个第一特征向量，对该多个第二训练图像分别进行图像特征提取，得到多个第二特征向量；

基于该多个第一特征向量和该多个第二特征向量，对待训练分类模型进行训练，得到指定分类模型。

上述所有可选技术方案，均可按照任意结合形成本公开的可选实施例，本公开实施例对此不再一一赘述。

图2是根据一示例性实施例示出的一种画面参数调节方法的流程图。如图2所示，该方法应用于终端中，包括以下步骤。

在步骤201中，采集终端当前显示的图像，得到目标图像。

在本公开实施例中，当终端接收到诸如网络机顶盒等外接设备发送的多媒体信息时，该终端可以采集终端当前显示的图像，得到目标图像，从而根据本公开实施例提供的方法对终端的画面参数进行调节。而在终端未接收到外接设备发送的多媒体信息时，该终端的画面参数可以采用默认的画面参数，也即是，适用于UI图像的画面参数。而在本公开实施例的另一种实现方式中，该终端也可以实时地或者周期性地采集终端当前显示的图像，并根据本公开实施例提供的方法对终端的画面参数进行调节。当然，实际应用中，触发终端采集当前显示的图像，并根据本公开实施例提供的方法对终端的画面参数进行调节的条件很多，本公开实施例对此不做具体限定，也对此不再一一列出。

需要说明的是，在本公开实施例中，终端不仅可以为智能电视，还可以为电脑、手机、PAD等终端，本公开实施例对此不做具体限定。

在步骤202中，按照目标图像的特征信息，确定目标图像所属的图像类别，该特征信息包括线条分布情况或者图像特征。

为了对该终端的画面参数进行调节，需要确定目标图像所属的图像类别，进而针对不同的图像类别进行不同的调节。而在本公开实施例中，目标图像的特征信息包括线条分布情况或者图像特征，因此，当目标图像的特征信息为目标图像的线条分布情况时，可以按照如下第一种方式，确定目标图像所属的图像类别，而当目标图像的特征信息为目标图像的图像特征时，可以按照如下第二种方式，确定目标图像所属的图像类别，包括：

第一种方式，终端提取目标图像中的水平线和垂直线，得到多条水平线和多条垂直线；按照UI图像中线条的分布规律，对该多条水平线和多条垂直线进行过滤；判断过滤后剩余的线条数目是否大于第一指定阈值；当过滤后剩余的线条数目大于第一指定阈值时，确定目标图像所属的图像类别为UI图像，否则，确定目标图像所属的图像类别为非UI图像。

针对第一种方式，由于UI图像中一般会包括多个应用程序的图标，且每个图标一般都是有规则的图形，比如，正方形，因此，UI图像中的线条有一定的分布规律，也即是，多条长度接近且平行的水平线、多条长度接近且平行的垂直线，且水平线与垂直线正交。而普通的非UI图像中的线条是凌乱且自然分布的，所以，可以基于目标图像中的线条分布情况，来确定目标图像所属的图像类别。

其中，按照UI图像中线条的分布规律，对该多条水平线和多条垂直线进行过滤的操作可以为：从该多条水平线中，选择不重叠、互相平行且线条长度之差小于第二指定阈值的水平线；从该多条垂直线中，选择不重叠、互相平行且线条长度之差小于第二指定阈值的垂直线；从选择的水平线和垂直线中，选择互相正交的水平线和垂直线。

从该多条水平线中，选择不重叠、互相平行且线条长度之差小于第二指定阈值的水平线的操作可以为：将该多条水平线进行比较，从该多条水平线中，选择相互之间不存在交点的水平线，将选择的不存在交点的水平线确定为不重叠且互相平行的水平线，之后，计算选择的水平线之间的线条长度的差值，将计算的差值与第二指定阈值进行比较，选择差值小于第二指定阈值的水平线。同理，从该多条垂直线中，选择不重叠、互相平行且线条长度之差小于第二指定阈值的垂直线的操作可以为：将该多条垂直线进行比较，从该多条垂直线中，选择相互之间不存在交点的垂直线，将选择的不存在交点的垂直线确定为不重叠且互相平行的垂直线，之后，计算选择的垂直线之间的线条长度的差值，将计算的差值与第二指定阈值进行比较，选择差值小于第二指定阈值的垂直线。

比如，终端提取目标图像中的水平线和垂直线，得到20条水平线和12条垂直线，第一指定阈值为4，第二指定阈值为0.1厘米，从该20条水平线中，选择不重叠、互相平行且线条长度之差小于0.1厘米的水平线的数量为8条，从该12条垂直线中，选择不重叠、互相平行且线条长度之差小于0.1厘米的垂直线的数量为5条，而从该8条水平线和5个垂直线中，选择互相正交的水平线和垂直线的总线条数目为2条。因此，过滤后剩余的线条数目2条小于第一指定阈值4，确定目标图像所属的图像类别为非UI图像。

需要说明的是，在本公开实施例中，可以通过hough检测子来提取目标图像中的水平线和垂直线，当然，实际应用中，还可以通过其他的方式来提取，本公开实施例对此不做具体限定。另外，第一指定阈值和第二指定阈值可以是事先基于经验设置的，本公开实施例对第一指定阈值和第二指定阈值的大小不做具体限定。

第二种方式，终端对目标图像进行图像特征提取，得到目标图像的特征向量；基于目标图像的特征向量，通过指定分类模型，计算目标图像的分类数值；如果计算得到的分类数值为第一指定数值，则确定目标图像所属的图像类别为UI图像；如果计算得到的分类数值为第二指定数值，则确定目标图像所属的图像类别为非UI图像。

比如，第一指定数值为0，第二指定数值为1，终端对目标图像进行图像特征提取，得到目标图像的特征向量为特征向量1；基于目标图像的特征向量1，通过指定分类模型，计算目标图像的分类数值为1；确定计算得到的分类数值1与第二指定数值1相等，确定目标图像所属的图像类别为非UI图像。

由于UI图像和非UI图像的图像特征不同，所以，终端基于该特征向量，通过指定分类模型，计算目标图像的分类数值之前，可以基于UI图像和非UI图像来训练一个指定分类模型，通过该指定分类模型，可以确定目标图像所属的图像类别。而训练指定分类模型的操作可以为：获取多个第一训练图像和多个第二训练图像，该多个第一训练图像的图像类别为UI图像，该多个第二训练图像的图像类别为非UI图像；对该多个第一训练图像分别进行图像特征提取，得到多个第一特征向量，对该多个第二训练图像分别进行图像特征提取，得到多个第二特征向量；基于多个第一特征向量和多个第二特征向量，对待训练分类模型进行训练，得到指定分类模型。

其中，待训练分类模型是通用的分类模型，实际应用中，可以基于多个第一特征向量和多个第二特征向量，对待训练分类模型进行训练，而基于多个第一特征向量和多个第二特征向量，对待训练分类模型进行训练，得到指定分类模型的方法，可以参考相关技术，本公开实施对此不进行详细的阐述。另外，获取的第一训练图像的数量大于或等于第一指定个数，获取的第二训练图像的数量大于或等于第二指定个数，比如，第一指定个数可以为100，第二指定个数也可以为110，本公开实施例对第一指定个数和第二指定个数的大小不做具体限定。

针对第二种方式，对待训练分类模型进行训练时，可以对多个第二训练图像进行分类，也即是，获取非UI图像时，可以获取多个视频图像、多个音频图像、多个网页图像等等，之后，再通过对获取的多个第一训练图像，多个视频图像、多个音频图像和多个网页图像分别进行特征提取，从而对待训练分类模型进行训练，得到指定分类模型。这样，基于目标图像的特征向量，通过指定分类模型，不仅可以区分UI图像和非UI图像，还可以确定目标图像所属的图像类别是非UI图像中的视频图像、音频图像或者网页图像。对目标图像所属图像类别的划分粒度更细，从而可以更好地提高终端显示画面内容的可视效果，提高用户的观感体验。

需要说明的是，在本公开实施例中，进行图像特征提取时，可以通过梯度方向直方图的方式来提取，当然，实际应用中，还可以通过其他的方式来提取，比如，灰度图等，本公开实施例对此不做具体限定。另外，第一指定数值和第二指定数值可以是训练指定分类模型时基于经验得到，本公开实施例对第一指定数值和第二指定数值的大小不做具体限定。再者，目标图像的特征向量、多个第一特征向量和多个第二特征向量都可以是多维的特征向量，本公开实施例同样对此不做具体限定。

在步骤203中，基于确定的图像类别，从存储的图像类别与画面参数之间的对应关系中，获取对应的画面参数。

由于不同的图像类别，适用的画面参数不同，所以，可以事先基于不同的图像类别，存储图像类别与画面参数之间的对应关系。当确定目标图像的图像类别时，可以从该图像类别与画面参数之间的对应关系中，获取目标图像适用的画面参数，从而提高目标图像的显示效果。另外，画面参数可以包括对比度、饱和度、背光强度、亮度等等，本发明实施例对画面参数的内容不做具体限定。

基于上述的例子，假如，画面参数包括对比度、饱和度和亮度，确定目标图像所属的图像类别为非UI图像，根据图像类别，从如下表1所示的图像类别与画面参数之间的对应关系中，获取对应的画面参数，即：对比度为350:1，饱和度为90％，亮度为600。

表1

需要说明的是，在本公开实施例中，仅以上述表1所示的图像类别与画面参数之间的对应关系为例进行说明，实际应用中，图像类别对应的画面参数可能不同，本公开实施例对此不做具体限定。另外，当图像类别的划分粒度较细时，比如，将非UI图像划分为视频图像、音频图像、网页图像等等，此时，表1所示的图像类别与画面参数之间的对应关系的划分粒度可能也会比较细，也即是，视频图像对应一个画面参数，音频图像对应一个画面参数，网页图像也对应一个画面参数等等，本公开实施例对此不再进行详细举例说明。

在步骤204中，基于获取的画面参数，对该终端的画面参数进行调节。

基于获取的画面参数，对该终端的画面参数进行调节的操作可以为：将该终端的画面参数调节为获取的画面参数。而在本公开实施例的另一种实现方式中，为了节省终端的处理资源，以及提高终端的处理速度，可以将获取的画面参数与该终端当前的画面参数进行比较，当获取的画面参数与该终端当前的画面参数相同时，可以不用调节该终端的画面参数。

进一步地，当获取的画面参数与该终端当前的画面参数不同时，如果将该终端的画面参数直接调节为获取的画面参数，终端的显示界面可能会出现明显的画面差异，比如，当画面参数包括画面的亮度时，终端的显示界面会出现明显的明暗调节，当画面参数包括饱和度时，终端的显示界面会出现明显的色差，因此，为了避免这种情况，为用户提供更好地显示效果，可以分多次进行调节，比如，第一次可以将终端的画面参数调节为获取的画面参数的80％，第二次将终端的画面参数调节为获取的画面参数的90％，第三次将终端的画面参数调节为获取的画面参数的100％。实际应用中，还可以通过其他的方式进行调节，比如，可以将该终端当前的画面参数和获取的画面参数进行比较，如果该终端当前的画面参数与获取的画面参数之间的差值小于第三指定阈值，则可以直接将该终端的画面参数调节为获取的画面参数，如果该终端当前的画面参数与获取的画面参数之间的差值大于或等于第三指定阈值，则可以按照上述方法，对该终端的画面参数分多次进行调节，本公开实施例对此不再一一列出。

其中，当画面参数包括多个参数时，每个参数可以对应一个第三指定阈值，且每个参数对应的第三指定阈值可以不同，本公开实施例对此不做具体限定。

在本公开实施例中，通过目标图像的特征信息，确定目标图像所属的图像类别，从而基于目标图像的图像类别，确定目标图像适用的画面参数，并基于目标图像适用的画面参数，对终端的画面参数进行调节，避免终端显示的画面内容出现毛刺等现象，使终端显示的画面内容更逼真，从而提高了用户的观感体验。

图3是根据一示例性实施例示出的一种画面参数调节装置框图。参照图3，该装置包括采集模块301、确定模块302、获取模块303和调节模块304。

采集模块301，用于采集终端当前显示的图像，得到目标图像；

确定模块302，用于按照目标图像的特征信息，确定目标图像所属的图像类别，该特征信息包括线条分布情况或者图像特征；

获取模块303，用于基于确定的图像类别，从存储的图像类别与画面参数之间的对应关系中，获取对应的画面参数；

调节模块304，用于基于获取的画面参数，对该终端的画面参数进行调节。

在本公开的另一实施例中，参见图4，确定模块302包括：

第一提取单元3021，用于提取目标图像中的水平线和垂直线，得到多条水平线和多条垂直线；

过滤单元3022，用于按照交互界面UI图像中线条的分布规律，对该多条水平线和多条垂直线进行过滤；

判断单元3023，用于判断过滤后剩余的线条数目是否大于第一指定阈值；

第一确定单元3024，用于当过滤后剩余的线条数目大于第一指定阈值时，确定目标图像所属的图像类别为UI图像，否则，确定目标图像所属的图像类别为非UI图像。

在本公开的另一实施例中，过滤单元3022包括：

第一选择子单元，用于从该多条水平线中，选择不重叠、互相平行且线条长度之差小于第二指定阈值的水平线；

第二选择子单元，用于从该多条垂直线中，选择不重叠、互相平行且线条长度之差小于第二指定阈值的垂直线；

第三选择子单元，用于从选择的水平线和垂直线中，选择互相正交的水平线和垂直线。

在本公开的另一实施例中，参见图5，确定模块302包括：

第二提取单元3025，用于对目标图像进行图像特征提取，得到目标图像的特征向量；

计算单元3026，用于基于目标图像的特征向量，通过指定分类模型，计算目标图像的分类数值；

第二确定单元3027，用于当计算得到的分类数值为第一指定数值时，确定目标图像所属的图像类别为UI图像；

第三确定单元3028，用于当计算得到的分类数值为第二指定数值时，确定目标图像所属的图像类别为非UI图像。

在本公开的另一实施例中，确定模块302还包括：

获取单元，用于获取多个第一训练图像和多个第二训练图像，该多个第一训练图像的图像类别为UI图像，该多个第二训练图像的图像类别为非UI图像；

第三提取单元，用于对该多个第一训练图像分别进行图像特征提取，得到多个第一特征向量，对该多个第二训练图像分别进行图像特征提取，得到多个第二特征向量；

训练单元，用于基于该多个第一特征向量和该多个第二特征向量，对待训练分类模型进行训练，得到指定分类模型。

在本公开实施例中，通过目标图像的特征信息，确定目标图像所属的图像类别，从而基于目标图像的图像类别，确定目标图像适用的画面参数，并基于目标图像适用的画面参数，对终端的画面参数进行调节，避免终端显示的画面内容出现毛刺等现象，使终端显示的画面内容更逼真，从而提高了用户的观感体验。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图6是根据一示例性实施例示出的一种画面参数调节装置600的框图。例如，装置600可以是智能电视，移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图6，装置600可以包括以下一个或多个组件：处理组件602，存储器604，电源组件606，多媒体组件608，音频组件610，输入/输出(I/O)的接口612，传感器组件614，以及通信组件616。

处理组件602通常控制装置600的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件602可以包括一个或多个处理器620来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。例如，处理部件602可以包括多媒体模块，以方便多媒体组件608和处理组件602之间的交互。

存储器604被配置为存储各种类型的数据以支持在设备600的操作。这些数据的示例包括用于在装置600上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件606为装置600的各种组件提供电力。电力组件606可以包括电源管理系统，一个或多个电源，及其他与为装置600生成、管理和分配电力相关联的组件。

多媒体组件608包括在所述装置600和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件608包括一个前置摄像头和/或后置摄像头。当设备600处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件610被配置为输出和/或输入音频信号。例如，音频组件610包括一个麦克风(MIC)，当装置600处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中，音频组件610还包括一个扬声器，用于输出音频信号。

I/O接口612为处理组件602和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件614包括一个或多个传感器，用于为装置600提供各个方面的状态评估。例如，传感器组件614可以检测到设备600的打开/关闭状态，组件的相对定位，例如所述组件为装置600的显示器和小键盘，传感器组件614还可以检测装置600或装置600一个组件的位置改变，用户与装置600接触的存在或不存在，装置600方位或加速/减速和装置600的温度变化。传感器组件614可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件614还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件616被配置为便于装置600和其他设备之间有线或无线方式的通信。装置600可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件616还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器604，上述指令可由装置600的处理器620执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行一种画面参数调节方法，所述方法包括：

采集终端当前显示的图像，得到目标图像。

按照目标图像的特征信息，确定目标图像所属的图像类别，该特征信息包括线条分布情况或者图像特征。

基于确定的图像类别，从存储的图像类别与画面参数之间的对应关系中，获取对应的画面参数。

基于获取的画面参数，对该终端的画面参数进行调节。

在本公开的另一实施例中，按照目标图像的特征信息，确定目标图像所属的图像类别，包括：

提取目标图像中的水平线和垂直线，得到多条水平线和多条垂直线；

按照交互界面UI图像中线条的分布规律，对该多条水平线和多条垂直线进行过滤；

判断过滤后剩余的线条数目是否大于第一指定阈值；

当过滤后剩余的线条数目大于第一指定阈值时，确定目标图像所属的图像类别为UI图像，否则，确定目标图像所属的图像类别为非UI图像。

在本公开的另一实施例中，按照交互界面UI图像中线条的分布规律，对该多条水平线和多条垂直线进行过滤，包括：

从该多条水平线中，选择不重叠、互相平行且线条长度之差小于第二指定阈值的水平线；

从该多条垂直线中，选择不重叠、互相平行且线条长度之差小于第二指定阈值的垂直线；

从选择的水平线和垂直线中，选择互相正交的水平线和垂直线。

在本公开的另一实施例中，按照目标图像的特征信息，确定目标图像所属的图像类别，包括：

对目标图像进行图像特征提取，得到目标图像的特征向量；

基于目标图像的特征向量，通过指定分类模型，计算目标图像的分类数值；

当计算得到的分类数值为第一指定数值时，确定目标图像所属的图像类别为UI图像；

当计算得到的分类数值为第二指定数值时，确定目标图像所属的图像类别为非UI图像。

在本公开的另一实施例中，基于目标图像的特征向量，通过指定分类模型，计算目标图像的分类数值之前，还包括：

获取多个第一训练图像和多个第二训练图像，该多个第一训练图像的图像类别为UI图像，该多个第二训练图像的图像类别为非UI图像；

对该多个第一训练图像分别进行图像特征提取，得到多个第一特征向量，对该多个第二训练图像分别进行图像特征提取，得到多个第二特征向量；

基于该多个第一特征向量和该多个第二特征向量，对待训练分类模型进行训练，得到指定分类模型。

在本公开实施例中，通过目标图像的特征信息，确定目标图像所属的图像类别，从而基于目标图像的图像类别，确定目标图像适用的画面参数，并基于目标图像适用的画面参数，对终端的画面参数进行调节，避免终端显示的画面内容出现毛刺等现象，使终端显示的画面内容更逼真，从而提高了用户的观感体验。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (12)

1.一种画面参数调节方法，其特征在于，所述方法包括：

采集终端当前显示的图像，得到目标图像；

按照所述目标图像的特征信息，确定所述目标图像所属的图像类别，所述特征信息包括线条分布情况或者所述目标图像的特征向量，所述图像类别包括交互界面UI图像和非UI图像中的一种；

基于确定的所述图像类别，从存储的图像类别与画面参数之间的对应关系中，获取对应的画面参数；

基于获取的所述画面参数，对所述终端的画面参数进行调节。

2.如权利要求1所述的方法，其特征在于，所述按照所述目标图像的特征信息，确定所述目标图像所属的图像类别，包括：

提取所述目标图像中的水平线和垂直线，得到多条水平线和多条垂直线；

按照所述UI图像中线条的分布规律，对所述多条水平线和多条垂直线进行过滤；

判断过滤后剩余的线条数目是否大于第一指定阈值；

当所述过滤后剩余的线条数目大于所述第一指定阈值时，确定所述目标图像所属的图像类别为所述UI图像，否则，确定所述目标图像所属的图像类别为所述非UI图像。

3.如权利要求2所述的方法，其特征在于，所述按照所述UI图像中线条的分布规律，对所述多条水平线和多条垂直线进行过滤，包括：

从所述多条水平线中，选择不重叠、互相平行且线条长度之差小于第二指定阈值的水平线；

从所述多条垂直线中，选择不重叠、互相平行且线条长度之差小于所述第二指定阈值的垂直线；

从选择的水平线和垂直线中，选择互相正交的水平线和垂直线。

4.如权利要求1所述的方法，其特征在于，所述按照所述目标图像的特征信息，确定所述目标图像所属的图像类别，包括：

对所述目标图像进行图像特征提取，得到所述目标图像的特征向量；

基于所述目标图像的特征向量，通过指定分类模型，计算所述目标图像的分类数值；

当所述分类数值为第一指定数值时，确定所述目标图像所属的图像类别为所述UI图像；

当所述分类数值为第二指定数值时，确定所述目标图像所属的图像类别为所述非UI图像。

5.如权利要求4所述的方法，其特征在于，所述基于所述目标图像的特征向量，通过指定分类模型，计算所述目标图像的分类数值之前，还包括：

获取多个第一训练图像和多个第二训练图像，所述多个第一训练图像的图像类别为UI图像，所述多个第二训练图像的图像类别为非UI图像；

对所述多个第一训练图像分别进行图像特征提取，得到多个第一特征向量，对所述多个第二训练图像分别进行图像特征提取，得到多个第二特征向量；

基于所述多个第一特征向量和所述多个第二特征向量，对待训练分类模型进行训练，得到指定分类模型。

6.一种画面参数调节装置，其特征在于，所述装置包括：

采集模块，用于采集终端当前显示的图像，得到目标图像；

确定模块，用于按照所述目标图像的特征信息，确定所述目标图像所属的图像类别，所述特征信息包括线条分布情况或者所述目标图像的特征向量，所述图像类别包括交互界面UI图像和非UI图像中的一种；

获取模块，用于基于确定的所述图像类别，从存储的图像类别与画面参数之间的对应关系中，获取对应的画面参数；

调节模块，用于基于获取的所述画面参数，对所述终端的画面参数进行调节。

7.如权利要求6所述的装置，其特征在于，所述确定模块包括：

第一提取单元，用于提取所述目标图像中的水平线和垂直线，得到多条水平线和多条垂直线；

过滤单元，用于按照所述UI图像中线条的分布规律，对所述多条水平线和多条垂直线进行过滤；

判断单元，用于判断过滤后剩余的线条数目是否大于第一指定阈值；

第一确定单元，用于当所述过滤后剩余的线条数目大于所述第一指定阈值时，确定所述目标图像所属的图像类别为所述UI图像，否则，确定所述目标图像所属的图像类别为所述非UI图像。

8.如权利要求7所述的装置，其特征在于，所述过滤单元包括：

第一选择子单元，用于从所述多条水平线中，选择不重叠、互相平行且线条长度之差小于第二指定阈值的水平线；

第二选择子单元，用于从所述多条垂直线中，选择不重叠、互相平行且线条长度之差小于所述第二指定阈值的垂直线；

第三选择子单元，用于从选择的水平线和垂直线中，选择互相正交的水平线和垂直线。

9.如权利要求6所述的装置，其特征在于，所述确定模块包括：

第二提取单元，用于对所述目标图像进行图像特征提取，得到所述目标图像的特征向量；

计算单元，用于基于所述目标图像的特征向量，通过指定分类模型，计算所述目标图像的分类数值；

第二确定单元，用于当所述分类数值为第一指定数值时，确定所述目标图像所属的图像类别为所述UI图像；

第三确定单元，用于当所述分类数值为第二指定数值时，确定所述目标图像所属的图像类别为所述非UI图像。

10.如权利要求9所述的装置，其特征在于，所述确定模块还包括：

获取单元，用于获取多个第一训练图像和多个第二训练图像，所述多个第一训练图像的图像类别为UI图像，所述多个第二训练图像的图像类别为非UI图像；

第三提取单元，用于对所述多个第一训练图像分别进行图像特征提取，得到多个第一特征向量，对所述多个第二训练图像分别进行图像特征提取，得到多个第二特征向量；

训练单元，用于基于所述多个第一特征向量和所述多个第二特征向量，对待训练分类模型进行训练，得到指定分类模型。

11.一种画面参数调节装置，其特征在于，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

采集终端当前显示的图像，得到目标图像；

按照所述目标图像的特征信息，确定所述目标图像所属的图像类别，所述特征信息包括线条分布情况或者图像特征，所述图像类别包括交互界面UI图像和非UI图像中的一种；

基于确定的所述图像类别，从存储的图像类别与画面参数之间的对应关系中，获取对应的画面参数；

基于获取的所述画面参数，对所述终端的画面参数进行调节。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，所述指令用于实现如权利要求1至5任一项所述的画面参数调节方法。