发明内容
本发明实施例的目的在于提供一种图像处理方法及装置,以减小图像的调解难度,提高用户的体验效果。
为达到上述目的,本发明实施例公开了一种图像处理方法,包括:
确定基于多参数非线性变化的美颜算法的美颜软件;
针对原始图像进行采样,得到采样图像;
针对得到的每一采样图像,接收第一用户对所述美颜算法的参数调节指令;
根据所述参数调节指令,对所述美颜算法的参数值进行调节,并向第一用户展示调节参数值后的采样图像;
在接收到第一用户存储当前参数值的存储指令的情况下,至少存储每个参数的标识信息及当前参数值,继续执行接收第一用户对所述美颜算法的参数调节指令的操作;
在接收到建立线性数据映射关系指令时,至少根据存储的所有采样图像的参数的标识信息及当前参数值,建立基于一个新参数的线性数据映射关系;
将建立的所述线性数据映射关系,添加在所确定的美颜软件中;
向第二用户推送添加有所述线性数据映射关系的美颜软件。
可选的,所述基于多参数非线性变化的美颜算法,包括:
双指数边缘平滑滤波算法;
或双边滤波算法;
或导向滤波算法。
可选的,所述针对原始图像进行采样,得到采样图像,包括:
从所述原始图像中随机选取预设数量的图像,将所选取的图像确定为采样图像。
可选的,所述存储指令中包括第一用户对当前图像的评价信息;
所述至少存储每个参数的标识信息及当前参数值,包括:
存储每个参数的标识信息、当前参数值及对当前图像的评价信息;
所述至少根据存储的所有采样图像的参数的标识信息及当前参数值,建立基于一个新参数的线性数据映射关系,包括:
根据第一用户对图像的评价信息由坏至好的顺序,以及根据存储的所有采样图像的参数的标识信息及当前参数值,建立基于一个新参数的线性数据映射关系。
可选的,所述评价信息由坏至好的顺序,包括:
一般、好、较好、非常好。
为达到上述目的,本发明实施例公开了一种图像处理装置,包括:确定模块、采样模块、接收模块、调节模块、存储模块、建立模块、添加模块和推送模块,其中,
所述确定模块,用于确定基于多参数非线性变化的美颜算法的美颜软件;
所述采样模块,用于针对原始图像进行采样,得到采样图像;
所述接收模块,用于针对得到的每一采样图像,接收第一用户对所述美颜算法的参数调节指令;
所述调节模块,用于根据所述接收模块接收到的参数调节指令,对所述美颜算法的参数值进行调节,并向第一用户展示调节参数值后的采样图像;
所述存储模块,用于在接收到第一用户存储当前参数值的存储指令的情况下,至少存储每个参数的标识信息及当前参数值,触发所述接收模块;
所述建立模块,用于在接收到建立线性数据映射关系指令时,至少根据存储的所有采样图像的参数的标识信息及当前参数值,建立基于一个新参数的线性数据映射关系;
所述添加模块,用于将建立的所述线性数据映射关系,添加在所述确定模块所确定的美颜软件中;
所述推送模块,用于向第二用户推送添加有所述线性数据映射关系的美颜软件。
可选的,所述基于多参数非线性变化的美颜算法,包括:
双指数边缘平滑滤波算法;
或双边滤波算法;
或导向滤波算法。
可选的,所述采样模块,具体用于:
从所述原始图像中随机选取预设数量的图像,将所选取的图像确定为采样图像。
可选的,所述存储指令中包括第一用户对当前图像的评价信息;
所述存储模块,具体用于:
在接收到第一用户存储当前参数值的存储指令的情况下,存储每个参数的标识信息、当前参数值及对当前图像的评价信息,触发所述接收模块;
所述建立模块,具体用于:
在接收到建立线性数据映射关系指令时,根据第一用户对图像的评价信息由坏至好的顺序,以及根据存储的所有采样图像的参数的标识信息及当前参数值,建立基于一个新参数的线性数据映射关系。
可选的,所述评价信息由坏至好的顺序,包括:
一般、好、较好、非常好。
由上述的技术方案可见,本发明实施例提供了一种图像处理方法及装置,方法包括:确定基于多参数非线性变化的美颜算法的美颜软件;针对原始图像进行采样,得到采样图像;针对得到的每一采样图像,接收第一用户对所述美颜算法的参数调节指令;根据所述参数调节指令,对所述美颜算法的参数值进行调节,并向第一用户展示调节参数值后的采样图像;在接收到第一用户存储当前参数值的存储指令的情况下,至少存储每个参数的标识信息及当前参数值,继续执行接收第一用户对所述美颜算法的参数调节指令的操作;在接收到建立线性数据映射关系指令时,根据存储的所有采样图像的参数的标识信息及当前参数值,建立基于一个新参数的线性数据映射关系;将建立的所述线性数据映射关系,添加在所确定的美颜软件中;向第二用户推送添加有所述线性数据映射关系的美颜软件。
应用本发明实施例所提供的技术方案,当第二用户欲对图像处理时,仅需对一个新参数的值进行调节,根据该新参数的值确定美颜算法各个参数的值,无需用户对美颜算法各个参数的值进行调节,减小了图像的调解难度,提高了用户的体验效果。
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。
为了解决现有技术问题,本发明实施例提供了一种图像处理方法及装置。下面首先对本发明实施例所提供的一种图像处理方法进行介绍。
图1为本发明实施例提供的一种图像处理方法的流程示意图,可以包括:
S101:确定基于多参数非线性变化的美颜算法的美颜软件;
S102:针对原始图像进行采样,得到采样图像;
S103:针对得到的每一采样图像,接收第一用户对所述美颜算法的参数调节指令;
S104:根据所述参数调节指令,对所述美颜算法的参数值进行调节,并向第一用户展示调节参数值后的采样图像;
S105:在接收到第一用户存储当前参数值的存储指令的情况下,至少存储每个参数的标识信息及当前参数值,继续执行S103;
S106:在接收到建立线性数据映射关系指令时,至少根据存储的所有采样图像的参数的标识信息及当前参数值,建立基于一个新参数的线性数据映射关系;
S107:将建立的所述线性数据映射关系,添加在所确定的美颜软件中;
S108:向第二用户推送添加有所述线性数据映射关系的美颜软件。
在实际应用中,基于多参数非线性变化的美颜算法,可以为双指数边缘平滑滤波算法;还可以为双边滤波算法;还可以为导向滤波算法。
具体的,针对原始图像进行采样,得到采样图像,可以从所述原始图像中随机选取预设数量的图像,将所选取的图像确定为采样图像。
示例性的,假设共有10000幅原始图像,预设数量为50,则从10000幅原始图像中随机选取50幅图像,将选取出的50幅图像确定为采样图像,假设50幅采样图像分别为:图像1、图像2……图像50。
以基于多参数非线性变化的美颜算法的美颜算法为基于导向滤波算法的美颜算法为例,导向滤波算法的伪代码如下:
1:meanI=fmean(I);meanp=fmean(p);corrI=fmean(I.*I);corrIp=fmean(I.*p);
2:varI=corrI-meanI.*meanI;covIp=corrIp-meanI.*meanp;
3:a=covIp./(varI+∈);b=meanp-a.*meanI;
4:meana=fmean(a);meanb=fmean(b);
5:q=meana.*I+meanb。
其中,上述fmean是用一个半径为r的均值滤波器,r为模糊半径参数,corr为相关性,var为方差,cov为协方差,I为制导图像,p为滤波输入图像,∈为正则化参数,可见上述导向滤波算法存在两个参数∈和r。
以上述50幅图像中的图像1为例,接收第一用户对导向滤波算法的参数∈和r的参数调节指令,对参数∈和r的参数值进行调节,并向第一用户展示调节参数值后的图像1。当调节参数值后的图像1满足第一用户的需求时,第一用户向设备发送存储当前参数值的存储指令。在接收到第一用户存储当前参数值的存储指令的情况下,至少存储每个参数的标识信息及当前参数值,并继续接收第一用户对导向滤波算法的参数∈和r的参数调节指令,继续对参数∈和r的值进行调节,直到接收到建立线性数据映射关系指令。
假设按照存储每个参数的标识信息及当前参数值的顺序,存储的每个参数的标识信息及当前参数值,如表1所示,
表1
参数∈ |
0.01 |
0 |
0 |
0.006 |
0.01 |
0 |
0.01 |
0.01 |
0 |
0.003 |
参数r |
2 |
50 |
5 |
25 |
43 |
44 |
18 |
48 |
20 |
19 |
根据存储的所有采样图像的参数的标识信息及当前参数值,建立基于一个新参数的线性数据映射关系。按照存储每个参数的标识信息及当前参数值的顺序,建立的线性数据映射关系,如表2所示,
表2
新参数x |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
参数∈ |
0.01 |
0 |
0 |
0.006 |
0.01 |
0 |
0.01 |
0.01 |
0 |
0.003 |
参数r |
2 |
50 |
5 |
25 |
43 |
44 |
18 |
48 |
20 |
19 |
将建立的线性数据映射关系,添加在基于导向滤波算法的美颜软件中;向第二用户推送添加有线性数据映射关系的美颜软件。当第二用户欲对图像处理时,仅需对新参数x的值进行调节,根据该新参数x的值即可确定参数∈和r的值,无需用户对导向滤波算法的参数∈和r的值进行调节。
在实际应用中,存储指令中可以包括第一用户对当前图像的评价信息;评价信息由坏至好的顺序,可以为一般、好、较好、非常好。
至少存储每个参数的标识信息及当前参数值,可以存储每个参数的标识信息、当前参数值及对当前图像的评价信息。假设存储的每个参数的标识信息、当前参数值及对当前图像的评价信息,如表3所示,
表3
评价信息 |
一般 |
较好 |
好 |
一般 |
非常好 |
好 |
一般 |
非常好 |
较好 |
非常好 |
参数∈ |
0.01 |
0 |
0 |
0.006 |
0.01 |
0 |
0.01 |
0.01 |
0 |
0.003 |
参数r |
2 |
50 |
5 |
25 |
43 |
44 |
18 |
48 |
20 |
19 |
至少根据存储的所有采样图像的参数的标识信息及当前参数值,建立基于一个新参数的线性数据映射关系,可以根据第一用户对图像的评价信息由坏至好的顺序,以及根据存储的所有采样图像的参数的标识信息及当前参数值,建立基于一个新参数的线性数据映射关系。建立的线性数据映射关系,如表4所示,
表4
新参数x |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
参数∈ |
0.01 |
0.006 |
0.01 |
0 |
0 |
0 |
0 |
0.01 |
0.01 |
0.003 |
参数r |
2 |
25 |
18 |
5 |
44 |
50 |
20 |
43 |
48 |
19 |
将建立的线性数据映射关系,添加在基于导向滤波算法的美颜软件中;向第二用户推送添加有线性数据映射关系的美颜软件。当第二用户欲对图像处理时,仅需对新参数x的值进行调节,根据该新参数x的值即可确定参数∈和r的值,无需用户对导向滤波算法的参数∈和r的值进行调节,并且随着第二用户调节新参数值的增大,图像的效果也会越来越好。
需要说明的是,上述以基于导向滤波算法的美颜算法为例进行说明,仅为本发明的一具体实例,并不构成对本发明的限定。
应用本发明图1所示实施例,当第二用户欲对图像处理时,仅需对一个新参数的值进行调节,根据该新参数的值确定美颜算法各个参数的值,无需用户对美颜算法各个参数的值进行调节,减小了图像的调解难度,提高了用户的体验效果。
与上述的方法实施例相对应,本发明实施例还提供一种图像处理装置。
图2为本发明实施例提供的一种图像处理装置的结构示意图,可以包括:确定模块201、采样模块202、接收模块203、调节模块204、存储模块205、建立模块206、添加模块207和推送模块208,其中,
确定模块201,用于确定基于多参数非线性变化的美颜算法的美颜软件;
在实际应用中,本发明实施例的基于多参数非线性变化的美颜算法,可以为双指数边缘平滑滤波算法;还可以为双边滤波算法;还可以为导向滤波算法。
采样模块202,用于针对原始图像进行采样,得到采样图像;
本发明实施例所示的采样模块202,具体可以用于:
从所述原始图像中随机选取预设数量的图像,将所选取的图像确定为采样图像。
接收模块203,用于针对得到的每一采样图像,接收第一用户对所述美颜算法的参数调节指令;
调节模块204,用于至少根据接收模块203接收到的参数调节指令,对所述美颜算法的参数值进行调节,并向第一用户展示调节参数值后的采样图像;
存储模块205,用于在接收到第一用户存储当前参数值的存储指令的情况下,至少存储每个参数的标识信息及当前参数值,触发接收模块203;
建立模块206,用于在接收到建立线性数据映射关系指令时,根据存储的所有采样图像的参数的标识信息及当前参数值,建立基于一个新参数的线性数据映射关系;
在实际应用中,所述存储指令中可以包括第一用户对当前图像的评价信息;
本发明实施例所示的存储模块205,具体可以用于:
在接收到第一用户存储当前参数值的存储指令的情况下,存储每个参数的标识信息、当前参数值及对当前图像的评价信息,触发接收模块203;
本发明实施例所示的建立模块206,具体可以用于:
在接收到建立线性数据映射关系指令时,根据第一用户对图像的评价信息由坏至好的顺序,以及根据存储的所有采样图像的参数的标识信息及当前参数值,建立基于一个新参数的线性数据映射关系。
在实际应用中,评价信息由坏至好的顺序,可以为一般、好、较好、非常好。
添加模块207,用于将建立的所述线性数据映射关系,添加在确定模块201所确定的美颜软件中;
推送模块208,用于向第二用户推送添加有所述线性数据映射关系的美颜软件。
应用本发明图2所示实施例,当第二用户欲对图像处理时,仅需对一个新参数的值进行调节,根据该新参数的值确定美颜算法各个参数的值,无需用户对美颜算法各个参数的值进行调节,减小了图像的调解难度,提高了用户的体验效果。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于计算机可读取存储介质中,这里所称得的存储介质,如:ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。