CN105488150A - 图像显示方法及装置 - Google Patents
图像显示方法及装置 Download PDFInfo
- Publication number
- CN105488150A CN105488150A CN201510844618.0A CN201510844618A CN105488150A CN 105488150 A CN105488150 A CN 105488150A CN 201510844618 A CN201510844618 A CN 201510844618A CN 105488150 A CN105488150 A CN 105488150A
- Authority
- CN
- China
- Prior art keywords
- image
- similarity
- color
- described image
- color characteristic
- 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.)
- Pending
Links
Classifications
-
- 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
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开是关于一种图像显示方法及装置。该方法包括:获取图像的颜色特征;根据所述图像的颜色特征,确定所述图像之间的相似度;根据所述相似度对所述图像进行排序;显示所述排序后的图像。该技术方案能够根据图像的颜色特征确定图像之间的相似度,并按照相似度对图像进行排序,使得排序后的图像能够基于颜色的相似度呈现给用户,从而使图像的显示效果更加整洁,提高了用户的视觉感受。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种图像显示方法及装置。
背景技术
相关技术中,图像的呈现对用户而言,最直观的体现就是颜色对视觉的冲击,用户对不同分布的颜色群会有不同的感观。在实际生活中,越来越多的人们习惯用拍照的方式记录生活,这就导致相册中的照片越来越多,多张照片的呈现通常按照拍摄时间或拍摄地点等排序。例如,在人脸相册中,照片的呈现方式不同,用户的感观也会有所不同。
发明内容
本公开实施例提供一种图像显示方法及装置。所述技术方案如下:
根据本公开实施例的第一方面,提供一种图像显示方法,包括:
获取图像的颜色特征;
根据所述图像的颜色特征,确定所述图像之间的相似度;
根据所述相似度对所述图像进行排序;
显示所述排序后的图像。
本公开的实施例提供的技术方案可以包括以下有益效果:
上述技术方案,能够根据图像的颜色特征确定图像之间的相似度,并按照相似度对图像进行排序,使得排序后的图像能够基于颜色的相似度呈现给用户,从而使图像的显示效果更加整洁,提高了用户的视觉感受。
在一个实施例中,所述获取图像的颜色特征,包括:
获取所述图像中预设区域内的颜色特征。
该实施例中,通过获取图像中预设区域内的颜色特征,并根据预设区域内的颜色特征确定图像之间的相似度,从而能够有针对性地确定出图像的颜色特征,使得图像的排序更加符合用户的感观。
在一个实施例中,当所述图像为包括人脸的照片时,所述预设区域为所述人脸周围的背景区域。
该实施例中,对于人脸照片而言,通过获取人脸周围的背景区域的颜色特征,并根据人脸周围的背景区域的颜色特征确定人脸照片的相似度,使得人脸照片的颜色特征的获取更加准确,更符合人脸照片的呈现特点,从而使人脸照片的呈现更加符合用户的感观。
在一个实施例中,所述获取图像的颜色特征,包括:
对所述图像进行分析,获得所述图像的颜色直方图,所述颜色直方图包括所述图像的颜色特征;
所述根据所述图像的颜色特征,确定所述图像之间的相似度,包括:
计算所述图像的颜色直方图之间的相似度;
将所述图像的颜色直方图之间的相似度确定为所述图像之间的相似度。
该实施例中,通过计算图像的颜色直方图之间的相似度,从而将颜色直方图之间的相似度确定为图像之间的相似度,由于颜色直方图能够清楚地表征图像的颜色特征,因此本实施例的技术方案使得图像之间的相似度能够更加准确方便地确定,从而使最终呈现的图像能够按照图像的颜色特征进行呈现,提高了用户的感观度。
在一个实施例中,所述颜色特征包括主颜色特征;所述根据所述图像的颜色特征,确定所述图像之间的相似度,包括:
从所述颜色直方图中获取所述主颜色特征;
根据所述图像的主颜色特征,确定所述图像之间的相似度。
该实施例中,由于主颜色在图像中的分布特点,使得主颜色能够表征图像的整体颜色特征,因此通过主颜色特征来确定图像之间的相似度,能够使图像之间的相似度的确定更加准确、有针对性。
在一个实施例中,所述获取图像的颜色特征,包括:
根据MPEG7标准确定所述图像对应的颜色描述符;
根据所述颜色描述符确定所述图像的颜色特征。
该实施例中,根据MPEG7标准来确定图像颜色特征,使得图像的颜色特征的确定更加准确,从而能够准确的确定出图像之间的相似度,进而使按照相似度排序的图像更加符合用户的感观。
在一个实施例中,所述根据所述图像的颜色特征,确定所述图像之间的相似度,包括:
按照预设方式计算所述图像的颜色特征之间的相似度,所述预设方式包括距离度量、相似度度量中的至少一种方式;
将所述图像的颜色特征之间的相似度确定为所述图像之间的相似度。
该实施例中,按照距离度量、相似度度量中的至少一种方式来计算颜色特征之间的相似度,使得相似度的计算更加准确方便。
在一个实施例中,所述根据所述相似度对所述图像进行排序,包括:
根据所述相似度对所述图像进行分组,获得至少两个组;
按照预设规则对所述至少两个组进行排序。
该实施例中,通过按照相似度对图像进行分组,并按照预设规则对组进行排序,使得图像能够更加准确地按照相似度进行排序,从而使图像的呈现更加符合用户的感观。
根据本公开实施例的第二方面,提供一种图像显示装置,包括:
获取模块,用于获取图像的颜色特征;
确定模块,用于根据所述获取模块获取到的图像的颜色特征,确定所述图像之间的相似度;
排序模块,用于根据所述确定模块确定的相似度对所述图像进行排序;
显示模块,用于显示所述排序模块排序后的图像。
在一个实施例中,所述获取模块包括:
第一获取子模块,用于获取所述图像中预设区域内的颜色特征。
在一个实施例中,当所述图像为包括人脸的照片时,所述预设区域为所述人脸周围的背景区域。
在一个实施例中,所述获取模块包括:
分析子模块,用于对所述图像进行分析,获得所述图像的颜色直方图,所述颜色直方图包括所述图像的颜色特征;
所述确定模块,包括:
第一计算子模块,用于计算所述分析子模块分析得到的图像的颜色直方图之间的相似度;
第一确定子模块,用于将所述第一计算子模块计算得到的图像的颜色直方图之间的相似度确定为所述图像之间的相似度。
在一个实施例中,所述确定模块,包括:
第二获取子模块,用于从所述颜色直方图中获取主颜色特征;
第二确定子模块,用于根据所述第二获取子模块获取到的图像的主颜色特征,确定所述图像之间的相似度。
在一个实施例中,所述获取模块包括:
第三确定子模块,用于根据MPEG7标准确定所述图像对应的颜色描述符;
第四确定子模块,用于根据所述第三确定子模块确定的颜色描述符确定所述图像的颜色特征。
在一个实施例中,所述确定模块包括:
第二计算子模块,用于按照预设方式计算所述图像的颜色特征之间的相似度,所述预设方式包括距离度量、相似度度量中的至少一种方式;
第五确定子模块,用于将所述第二计算子模块计算的图像的颜色特征之间的相似度确定为所述图像之间的相似度。
在一个实施例中,所述排序模块包括:
分组子模块,用于根据所述相似度对所述图像进行分组,获得至少两个组;
排序子模块,用于按照预设规则对所述分组子模块分成的至少两个组进行排序。
根据本公开实施例的第三方面,提供一种图像显示装置,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:
获取图像的颜色特征;
根据所述图像的颜色特征,确定所述图像之间的相似度;
根据所述相似度对所述图像进行排序;
显示所述排序后的图像。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种图像显示方法的流程图。
图2是根据一示例性实施例示出的一种图像显示方法的流程图。
图3是根据一示例性实施例示出的一种图像显示方法中步骤S12的流程图。
图4是根据一示例性实施例示出的一种图像显示方法中步骤S11的流程图。
图5是根据一示例性实施例示出的一种图像显示方法中步骤S12的流程图。
图6是根据一示例性实施例示出的一种图像显示方法中步骤S13的流程图。
图7是根据一示例性实施例示出的一种图像显示装置的框图。
图8是根据一示例性实施例示出的一种图像显示装置中获取模块的框图。
图9是根据一示例性实施例示出的一种图像显示装置的框图。
图10是根据一示例性实施例示出的一种图像显示装置中确定模块的框图。
图11是根据一示例性实施例示出的一种图像显示装置中获取模块的框图。
图12是根据一示例性实施例示出的一种图像显示装置中确定模块的框图。
图13是根据一示例性实施例示出的一种图像显示装置中排序模块的框图。
图14是根据一示例性实施例示出的一种适用于图像显示的装置的框图。
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公开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、本公开的一些方面相一致的装置和方法的例子。
本公开实施例中提供的一种图像显示方法,可用于对各类应用中图像的显示,例如,应用于人脸相册中照片的显示。将人脸相册中的照片按照颜色特征确定照片的相似度,并按照照片的相似度对照片进行排序,然后显示排序后的照片,使得人脸相册中照片的显示效果更加整洁,从而提高用户的感观体验。
图1是根据一示例性实施例示出的一种图像显示方法的流程图,该图像显示方法用于终端中,其中,终端可以是移动电话,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。如图1所示,该方法包括以下步骤S11-S14。
在步骤S11中,获取图像的颜色特征。
该步骤还可实施为:获取图像中预设区域内的颜色特征。其中,预设区域可根据图像本身的布局来确定。例如,在人脸相册中,图像为包括人脸的照片,则预设区域即为人脸周围的背景区域,由于这类照片最终呈现的是人脸区域的缩放图,因此也可选择人脸周围向外扩展两倍的范围作为预设区域。
在步骤S12中,根据图像的颜色特征,确定图像之间的相似度。
在步骤S13中,根据相似度对图像进行排序。
在步骤S14中,显示排序后的图像。
采用本公开实施例提供的技术方案,能够根据图像的颜色特征确定图像之间的相似度,并按照相似度对图像进行排序,使得排序后的图像能够基于颜色的相似度呈现给用户,从而使图像的显示效果更加整洁,提高了用户的视觉感受。
上述方法中,在步骤S11中,可通过两种方式来获取图像的颜色特征:颜色直方图或MPEG7标准。以下分别对这两种方式进行说明。
方式一
在该方式一中,可用颜色直方图来表征图像的颜色特征,从而根据颜色直方图来确定图像之间的相似度。因此,如图2所示,上述方法还可实施为以下步骤S21-S25。
在步骤S21中,对图像进行分析,获得图像的颜色直方图;其中,颜色直方图包括图像的颜色特征。
在步骤S22中,计算图像的颜色直方图之间的相似度。
在步骤S23中,将图像的颜色直方图之间的相似度确定为图像之间的相似度。
在步骤S24中,根据相似度对图像进行排序。
在步骤S25中,显示排序后的图像。
该方式一中,通过计算图像的颜色直方图之间的相似度,从而将颜色直方图之间的相似度确定为图像之间的相似度,由于颜色直方图能够清楚地表征图像的颜色特征,因此本实施例的技术方案使得图像之间的相似度能够更加准确方便地确定,从而使最终呈现的图像能够按照图像的颜色特征进行呈现,提高了用户的感观度。
在一个实施例中,颜色特征包括主颜色特征,由于主颜色为在图像中占主要比重的颜色,因此,采用上述方式一中的方式获取图像的颜色直方图后,可通过分析颜色直方图中图像的主颜色特征来确定图像的相似度。如图3所示,步骤S12可实施为以下步骤S31-S32。
在步骤S31中,从颜色直方图中获取主颜色特征。
该步骤中,颜色直方图表征图像的颜色特征,颜色直方图中峰值最高的点则表征图像的主颜色特征。
在步骤S32中,根据图像的主颜色特征,确定图像之间的相似度。
本实施例中,由于主颜色在图像中的分布特点,使得主颜色能够表征图像的整体颜色特征,因此通过主颜色特征来确定图像之间的相似度,能够使图像之间的相似度的确定更加准确、有针对性。
方式二
如图4所示,上述步骤S11还可实施为以下步骤S41-S42。
在步骤S41中,根据MPEG7标准确定图像对应的颜色描述符。
MPEG7标准中用到的颜色模型包括RGB(RGBcolormodel,三原色光模式)、HSV(Hue,SaturationandValue,六角锥体模型)和YUV(Y表示明亮度,U和V表示色度),通过MPEG7标准中的这些颜色模型,为每种颜色定义了颜色描述符,因此可通过MPEG7标准中的颜色标准符来确定每张图像对应的颜色描述符。
在步骤S42中,根据颜色描述符确定图像的颜色特征。
该步骤中,颜色描述符可表征图像的颜色特征,进而根据颜色特征确定图像之间的相似度。此外,也可根据颜色描述符得出图像的颜色直方图,进而根据颜色直方图来计算图像之间的相似度。
该方式二中,根据MPEG7标准来确定图像颜色特征,使得图像的颜色特征的确定更加准确,从而能够准确的确定出图像之间的相似度,进而使按照相似度排序的图像更加符合用户的感观。
在上述任一实施例中,如图5所示,步骤S12都可通过下述步骤S51-S52来实施。
在步骤S51中,按照预设方式计算图像的颜色特征之间的相似度;其中,预设方式包括距离度量、相似度度量中的至少一种方式。
距离度量用于衡量个体在空间上存在的距离,距离值越大说明个体间的差异越大。因此,采用距离度量的方式计算颜色特征之间的相似度时,距离越大,说明颜色特征之间的相似度越低。常用的距离度量可包含以下几种:欧氏距离(EuclideanDistance)、明氏距离(MinkowskiDistance)、曼哈顿距离(ManhattanDistance)、切比雪夫距离(ChebyshevDistance)、马哈拉诺比斯距离(MahalanobisDistance)等。
相似度度量即计算个体之间的相似程度,相似度度量的值越小,说明个体间相似度越小,差异越大。常用的相似度度量可包含以下几种:向量空间余弦相似度(CosineSimilarity)、皮尔森相关系数(PearsonCorrelationCoefficient)、Jaccard相似系数(JaccardCoefficient)等。
在步骤S52中,将图像的颜色特征之间的相似度确定为图像之间的相似度。
本实施例中,按照距离度量、相似度度量中的至少一种方式来计算颜色特征之间的相似度,使得相似度的计算更加准确方便。
在一个实施例中,如图6所示,步骤S13可实施为以下步骤S61-S62。
在步骤S61中,根据相似度对图像进行分组,获得至少两个组。
该步骤执行的结果是,颜色特征相近的图像分至同一组。
在步骤S62中,按照预设规则对至少两个组进行排序。
其中,预设规则的设定以符合用户视觉感观为准,例如,预设规则为按照“红橙黄绿青蓝紫”的顺序进行排序,则红色系的组排在最前面,依次是橙色系的组、黄色系的组,等等。此外,在每一个组中,即颜色特征相近的图像组中,可按照相似度的高低顺序进行排序,例如,选定一个参考色,将该参考色对应的图像排在该组中的最前面,那么与该参考色相似度最大的颜色对应的图片则排在第二位,以此类推。其中,参考色的选择可根据颜色的饱和度、亮度等特征来进行选择。
本实施例中,通过按照相似度对图像进行分组,并按照预设规则对组进行排序,使得图像能够更加准确地按照相似度进行排序,从而使图像的呈现更加符合用户的感观。
下述为本公开装置实施例,可以用于执行本公开方法实施例。
图7是根据一示例性实施例示出的一种图像显示装置的框图,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。参照图7,该图像显示装置包括获取模块71、确定模块72、排序模块73和显示模块74;其中:
获取模块71被配置为获取图像的颜色特征。
确定模块72被配置为根据获取模块71获取到的图像的颜色特征,确定图像之间的相似度。
排序模块73被配置为根据确定模块72确定的相似度对图像进行排序。
显示模块74被配置为显示排序模块73排序后的图像。
在一个实施例中,如图8所示,获取模块71包括第一获取子模块711;其中:
第一获取子模块711被配置为获取图像中预设区域内的颜色特征。
在一个实施例中,当图像为包括人脸的照片时,预设区域为人脸周围的背景区域。例如,在人脸相册中,图像为包括人脸的照片,则预设区域即为人脸周围的背景区域,由于这类照片最终呈现的是人脸区域的缩放图,因此也可选择人脸周围向外扩展两倍的范围作为预设区域。
采用本公开实施例提供的装置,能够根据图像的颜色特征确定图像之间的相似度,并按照相似度对图像进行排序,使得排序后的图像能够基于颜色的相似度呈现给用户,从而使图像的显示效果更加整洁,提高了用户的视觉感受。
在一个实施例中,如图9所示,获取模块71包括分析子模块712;其中:
分析子模块712被配置为对图像进行分析,获得图像的颜色直方图,颜色直方图包括图像的颜色特征。
相应的,确定模块72包括第一计算子模块721和第一确定子模块722;其中:
第一计算子模块721被配置为计算分析子模块分析得到的图像的颜色直方图之间的相似度。
第一确定子模块722被配置为将第一计算子模块721计算得到的图像的颜色直方图之间的相似度确定为图像之间的相似度。
该实施例中,通过计算图像的颜色直方图之间的相似度,从而将颜色直方图之间的相似度确定为图像之间的相似度,由于颜色直方图能够清楚地表征图像的颜色特征,因此本实施例的技术方案使得图像之间的相似度能够更加准确方便地确定,从而使最终呈现的图像能够按照图像的颜色特征进行呈现,提高了用户的感观度。
在一个实施例中,如图10所示,确定模块72包括第二获取子模块723和第二确定子模块724;其中:
第二获取子模块723被配置为从颜色直方图中获取主颜色特征。
颜色直方图表征图像的颜色特征,颜色直方图中峰值最高的点则表征图像的主颜色特征。
第二确定子模块724被配置为根据第二获取子模块723获取到的图像的主颜色特征,确定图像之间的相似度。
本实施例中,由于主颜色在图像中的分布特点,使得主颜色能够表征图像的整体颜色特征,因此第二确定子模块724通过主颜色特征来确定图像之间的相似度,能够使图像之间的相似度的确定更加准确、有针对性。
在一个实施例中,如图11所示,获取模块71包括第三确定子模块713和第四确定子模块714;其中:
第三确定子模块713被配置为根据MPEG7标准确定图像对应的颜色描述符。
MPEG7标准中用到的颜色模型包括RGB(RGBcolormodel,三原色光模式)、HSV(Hue,SaturationandValue,六角锥体模型)和YUV(Y表示明亮度,U和V表示色度),通过MPEG7标准中的这些颜色模型,为每种颜色定义了颜色描述符,因此可通过MPEG7标准中的颜色标准符来确定每张图像对应的颜色描述符。
第四确定子模块714被配置为根据第三确定子模块713确定的颜色描述符确定图像的颜色特征。
其中,颜色描述符可表征图像的颜色特征,进而根据颜色特征确定图像之间的相似度。此外,第四确定子模块714也可根据颜色描述符得出图像的颜色直方图,进而根据颜色直方图来计算图像之间的相似度。
本实施例中,根据MPEG7标准来确定图像颜色特征,使得图像的颜色特征的确定更加准确,从而能够准确的确定出图像之间的相似度,进而使按照相似度排序的图像更加符合用户的感观。
在一个实施例中,如图12所示,确定模块72包括第二计算子模块725和第五确定子模块726;其中:
第二计算子模块725被配置为按照预设方式计算图像的颜色特征之间的相似度,预设方式包括距离度量、相似度度量中的至少一种方式。
距离度量用于衡量个体在空间上存在的距离,距离值越大说明个体间的差异越大。因此,采用距离度量的方式计算颜色特征之间的相似度时,距离越大,说明颜色特征之间的相似度越低。常用的距离度量可包含以下几种:欧氏距离(EuclideanDistance)、明氏距离(MinkowskiDistance)、曼哈顿距离(ManhattanDistance)、切比雪夫距离(ChebyshevDistance)、马哈拉诺比斯距离(MahalanobisDistance)等。
相似度度量即计算个体之间的相似程度,相似度度量的值越小,说明个体间相似度越小,差异越大。常用的相似度度量可包含以下几种:向量空间余弦相似度(CosineSimilarity)、皮尔森相关系数(PearsonCorrelationCoefficient)、Jaccard相似系数(JaccardCoefficient)等。
第五确定子模块726被配置为将第二计算子模块725计算的图像的颜色特征之间的相似度确定为图像之间的相似度。
本实施例中,按照距离度量、相似度度量中的至少一种方式来计算颜色特征之间的相似度,使得相似度的计算更加准确方便。
在一个实施例中,如图13所示,排序模块73包括分组子模块731和排序子模块732;其中:
分组子模块731被配置为根据相似度对图像进行分组,获得至少两个组。
分组子模块731执行的结果是,颜色特征相近的图像分至同一组。
排序子模块732被配置为按照预设规则对分组子模块731分成的至少两个组进行排序。
其中,预设规则的设定以符合用户视觉感观为准,例如,预设规则为按照“红橙黄绿青蓝紫”的顺序进行排序,则排序子模块732将红色系的组排在最前面,依次是橙色系的组、黄色系的组,等等。此外,在每一个组中,即颜色特征相近的图像组中,可按照相似度的高低顺序进行排序,例如,选定一个参考色,将该参考色对应的图像排在该组中的最前面,那么与该参考色相似度最大的颜色对应的图片则排在第二位,以此类推。其中,参考色的选择可根据颜色的饱和度、亮度等特征来进行选择。
本实施例中,分组子模块731通过按照相似度对图像进行分组,并通过排序子模块732按照预设规则对组进行排序,使得图像能够更加准确地按照相似度进行排序,从而使图像的呈现更加符合用户的感观。
在示例性实施例中,提供一种图像显示装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,处理器被配置为:
获取图像的颜色特征;
根据所述图像的颜色特征,确定所述图像之间的相似度;
根据所述相似度对所述图像进行排序;
显示所述排序后的图像。
上述处理器还可被配置为:
所述获取图像的颜色特征,包括:
获取所述图像中预设区域内的颜色特征。
上述处理器还可被配置为:
当所述图像为包括人脸的照片时,所述预设区域为所述人脸周围的背景区域。
上述处理器还可被配置为:
所述获取图像的颜色特征,包括:
对所述图像进行分析,获得所述图像的颜色直方图,所述颜色直方图包括所述图像的颜色特征;
所述根据所述图像的颜色特征,确定所述图像之间的相似度,包括:
计算所述图像的颜色直方图之间的相似度;
将所述图像的颜色直方图之间的相似度确定为所述图像之间的相似度。
上述处理器还可被配置为:
所述颜色特征包括主颜色特征;所述根据所述图像的颜色特征,确定所述图像之间的相似度,包括:
从所述颜色直方图中获取所述主颜色特征;
根据所述图像的主颜色特征,确定所述图像之间的相似度。
上述处理器还可被配置为:
所述获取图像的颜色特征,包括:
根据MPEG7标准确定所述图像对应的颜色描述符;
根据所述颜色描述符确定所述图像的颜色特征。
上述处理器还可被配置为:
所述根据所述图像的颜色特征,确定所述图像之间的相似度,包括:
按照预设方式计算所述图像的颜色特征之间的相似度,所述预设方式包括距离度量、相似度度量中的至少一种方式;
将所述图像的颜色特征之间的相似度确定为所述图像之间的相似度。
上述处理器还可被配置为:
所述根据所述相似度对所述图像进行排序,包括:
根据所述相似度对所述图像进行分组,获得至少两个组;
按照预设规则对所述至少两个组进行排序。
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14是根据一示例性实施例示出的一种用于图像显示的装置的框图。例如,装置1200可以是移动电话,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。
装置1200可以包括以下一个或多个组件:处理组件1202,存储器1204,电源组件1206,多媒体组件1208,音频组件1210,输入/输出(I/O)的接口1212,传感器组件1214,以及通信组件1216。
处理组件1202通常控制装置1200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。处理组件1202可以包括一个或多个处理器1220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1202可以包括一个或多个模块,便于处理组件1202和其他组件之间的交互。例如,处理组件1202可以包括多媒体模块,以方便多媒体组件1208和处理组件1202之间的交互。
存储器1204被配置为存储各种类型的数据以支持在设备1200的操作。这些数据的示例包括用于在装置1200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1204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1206为装置1200的各种组件提供电力。电力组件1206可以包括电源管理系统,一个或多个电源,及其他与为装置1200生成、管理和分配电力相关联的组件。
多媒体组件1208包括在所述装置1200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1208包括一个前置摄像头和/或后置摄像头。当设备1200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1210被配置为输出和/或输入音频信号。例如,音频组件1210包括一个麦克风(MIC),当装置1200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1204或经由通信组件1216发送。在一些实施例中,音频组件1210还包括一个扬声器,用于输出音频信号。
I/O接口1212为处理组件1202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1214包括一个或多个传感器,用于为装置1200提供各个方面的状态评估。例如,传感器组件1214可以检测到设备1200的打开/关闭状态,组件的相对定位,例如所述组件为装置1200的显示器和小键盘,传感器组件1214还可以检测装置1200或装置1200一个组件的位置改变,用户与装置1200接触的存在或不存在,装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214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1214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1214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1216被配置为便于装置1200和其他设备之间有线或无线方式的通信。装置1200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,通信组件1216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,所述通信组件1216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1200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1204,上述指令可由装置1200的处理器1220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装置1200的处理器执行时,使得装置1200能够执行上述的图像显示方法,所述方法包括:
获取图像的颜色特征;
根据所述图像的颜色特征,确定所述图像之间的相似度;
根据所述相似度对所述图像进行排序;
显示所述排序后的图像。
所述获取图像的颜色特征,包括:
获取所述图像中预设区域内的颜色特征。
当所述图像为包括人脸的照片时,所述预设区域为所述人脸周围的背景区域。
所述获取图像的颜色特征,包括:
对所述图像进行分析,获得所述图像的颜色直方图,所述颜色直方图包括所述图像的颜色特征;
所述根据所述图像的颜色特征,确定所述图像之间的相似度,包括:
计算所述图像的颜色直方图之间的相似度;
将所述图像的颜色直方图之间的相似度确定为所述图像之间的相似度。
所述颜色特征包括主颜色特征;所述根据所述图像的颜色特征,确定所述图像之间的相似度,包括:
从所述颜色直方图中获取所述主颜色特征;
根据所述图像的主颜色特征,确定所述图像之间的相似度。
所述获取图像的颜色特征,包括:
根据MPEG7标准确定所述图像对应的颜色描述符;
根据所述颜色描述符确定所述图像的颜色特征。
所述根据所述图像的颜色特征,确定所述图像之间的相似度,包括:
按照预设方式计算所述图像的颜色特征之间的相似度,所述预设方式包括距离度量、相似度度量中的至少一种方式;
将所述图像的颜色特征之间的相似度确定为所述图像之间的相似度。
所述根据所述相似度对所述图像进行排序,包括:
根据所述相似度对所述图像进行分组,获得至少两个组;
按照预设规则对所述至少两个组进行排序。
本领域技术人员在考虑说明书及实践这里的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、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公开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,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开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。本公开的范围仅由所附的权利要求来限制。
Claims (17)
1.一种图像显示方法,其特征在于,包括:
获取图像的颜色特征;
根据所述图像的颜色特征,确定所述图像之间的相似度;
根据所述相似度对所述图像进行排序;
显示所述排序后的图像。
2.根据权利要求1所述的方法,其特征在于,所述获取图像的颜色特征,包括:
获取所述图像中预设区域内的颜色特征。
3.根据权利要求2述的方法,其特征在于,当所述图像为包括人脸的照片时,所述预设区域为所述人脸周围的背景区域。
4.根据权利要求1所述的方法,其特征在于,所述获取图像的颜色特征,包括:
对所述图像进行分析,获得所述图像的颜色直方图,所述颜色直方图包括所述图像的颜色特征;
所述根据所述图像的颜色特征,确定所述图像之间的相似度,包括:
计算所述图像的颜色直方图之间的相似度;
将所述图像的颜色直方图之间的相似度确定为所述图像之间的相似度。
5.根据权利要求4所述的方法,其特征在于,所述颜色特征包括主颜色特征;所述根据所述图像的颜色特征,确定所述图像之间的相似度,包括:
从所述颜色直方图中获取所述主颜色特征;
根据所述图像的主颜色特征,确定所述图像之间的相似度。
6.根据权利要求1所述的方法,其特征在于,所述获取图像的颜色特征,包括:
根据MPEG7标准确定所述图像对应的颜色描述符;
根据所述颜色描述符确定所述图像的颜色特征。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述根据所述图像的颜色特征,确定所述图像之间的相似度,包括:
按照预设方式计算所述图像的颜色特征之间的相似度,所述预设方式包括距离度量、相似度度量中的至少一种方式;
将所述图像的颜色特征之间的相似度确定为所述图像之间的相似度。
8.根据权利要求1所述的方法,其特征在于,所述根据所述相似度对所述图像进行排序,包括:
根据所述相似度对所述图像进行分组,获得至少两个组;
按照预设规则对所述至少两个组进行排序。
9.一种图像显示装置,其特征在于,包括:
获取模块,用于获取图像的颜色特征;
确定模块,用于根据所述获取模块获取到的图像的颜色特征,确定所述图像之间的相似度;
排序模块,用于根据所述确定模块确定的相似度对所述图像进行排序;
显示模块,用于显示所述排序模块排序后的图像。
10.根据权利要求9所述的装置,其特征在于,所述获取模块包括:
第一获取子模块,用于获取所述图像中预设区域内的颜色特征。
11.根据权利要求10所述的装置,其特征在于,当所述图像为包括人脸的照片时,所述预设区域为所述人脸周围的背景区域。
12.根据权利要求9所述的装置,其特征在于,所述获取模块包括:
分析子模块,用于对所述图像进行分析,获得所述图像的颜色直方图,所述颜色直方图包括所述图像的颜色特征;
所述确定模块,包括:
第一计算子模块,用于计算所述分析子模块分析得到的图像的颜色直方图之间的相似度;
第一确定子模块,用于将所述第一计算子模块计算得到的图像的颜色直方图之间的相似度确定为所述图像之间的相似度。
13.根据权利要求12所述的装置,其特征在于,所述确定模块,包括:
第二获取子模块,用于从所述颜色直方图中获取主颜色特征;
第二确定子模块,用于根据所述第二获取子模块获取到的图像的主颜色特征,确定所述图像之间的相似度。
14.根据权利要求9所述的装置,其特征在于,所述获取模块包括:
第三确定子模块,用于根据MPEG7标准确定所述图像对应的颜色描述符;
第四确定子模块,用于根据所述第三确定子模块确定的颜色描述符确定所述图像的颜色特征。
15.根据权利要求9-14任一项所述的装置,其特征在于,所述确定模块包括:
第二计算子模块,用于按照预设方式计算所述图像的颜色特征之间的相似度,所述预设方式包括距离度量、相似度度量中的至少一种方式;
第五确定子模块,用于将所述第二计算子模块计算的图像的颜色特征之间的相似度确定为所述图像之间的相似度。
16.根据权利要求9所述的装置,其特征在于,所述排序模块包括:
分组子模块,用于根据所述相似度对所述图像进行分组,获得至少两个组;
排序子模块,用于按照预设规则对所述分组子模块分成的至少两个组进行排序。
17.一种图像显示装置,其特征在于,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:
获取图像的颜色特征;
根据所述图像的颜色特征,确定所述图像之间的相似度;
根据所述相似度对所述图像进行排序;
显示所述排序后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510844618.0A CN105488150A (zh) | 2015-11-26 | 2015-11-26 | 图像显示方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510844618.0A CN105488150A (zh) | 2015-11-26 | 2015-11-26 | 图像显示方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105488150A true CN105488150A (zh) | 2016-04-13 |
Family
ID=55675125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510844618.0A Pending CN105488150A (zh) | 2015-11-26 | 2015-11-26 | 图像显示方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105488150A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533117A (zh) * | 2019-09-04 | 2019-12-03 | 浙江齐聚科技有限公司 | 图像比对方法、装置、设备和存储介质 |
CN111079793A (zh) * | 2019-11-21 | 2020-04-28 | 北京云聚智慧科技有限公司 | 图标相似度的确定方法和电子设备 |
CN111324254A (zh) * | 2020-03-10 | 2020-06-23 | 北京达佳互联信息技术有限公司 | 图像排序方法、装置、电子设备及存储介质 |
WO2023001084A1 (zh) * | 2021-07-21 | 2023-01-26 | 花瓣云科技有限公司 | 图像显示、图像处理方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049754A (zh) * | 2012-12-07 | 2013-04-17 | 东软集团股份有限公司 | 社交网络的图片推荐方法和装置 |
CN103440348A (zh) * | 2013-09-16 | 2013-12-11 | 重庆邮电大学 | 一种基于矢量量化的全局和局部颜色图像检索方法 |
CN104253981A (zh) * | 2014-09-28 | 2014-12-31 | 武汉烽火众智数字技术有限责任公司 | 一种用于视频侦查的运动目标按颜色排序的方法 |
CN104462481A (zh) * | 2014-12-18 | 2015-03-25 | 浪潮(北京)电子信息产业有限公司 | 一种基于颜色和形状的综合图像检索方法 |
-
2015
- 2015-11-26 CN CN201510844618.0A patent/CN105488150A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049754A (zh) * | 2012-12-07 | 2013-04-17 | 东软集团股份有限公司 | 社交网络的图片推荐方法和装置 |
CN103440348A (zh) * | 2013-09-16 | 2013-12-11 | 重庆邮电大学 | 一种基于矢量量化的全局和局部颜色图像检索方法 |
CN104253981A (zh) * | 2014-09-28 | 2014-12-31 | 武汉烽火众智数字技术有限责任公司 | 一种用于视频侦查的运动目标按颜色排序的方法 |
CN104462481A (zh) * | 2014-12-18 | 2015-03-25 | 浪潮(北京)电子信息产业有限公司 | 一种基于颜色和形状的综合图像检索方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533117A (zh) * | 2019-09-04 | 2019-12-03 | 浙江齐聚科技有限公司 | 图像比对方法、装置、设备和存储介质 |
CN110533117B (zh) * | 2019-09-04 | 2022-05-24 | 浙江齐聚科技有限公司 | 图像比对方法、装置、设备和存储介质 |
CN111079793A (zh) * | 2019-11-21 | 2020-04-28 | 北京云聚智慧科技有限公司 | 图标相似度的确定方法和电子设备 |
CN111324254A (zh) * | 2020-03-10 | 2020-06-23 | 北京达佳互联信息技术有限公司 | 图像排序方法、装置、电子设备及存储介质 |
WO2023001084A1 (zh) * | 2021-07-21 | 2023-01-26 | 花瓣云科技有限公司 | 图像显示、图像处理方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10534972B2 (en) | Image processing method, device and medium | |
CN107123081A (zh) | 图像处理方法、装置及终端 | |
CN105069083B (zh) | 关联用户的确定方法及装置 | |
CN105825486A (zh) | 美颜处理的方法及装置 | |
CN106408603A (zh) | 拍摄方法及装置 | |
CN105809704A (zh) | 识别图像清晰度的方法及装置 | |
CN105302315A (zh) | 图片处理方法及装置 | |
CN105139415A (zh) | 图像前后景分割方法、装置及终端 | |
CN105760884B (zh) | 图片类型的识别方法及装置 | |
CN104700353A (zh) | 图像滤镜生成方法及装置 | |
CN106682736A (zh) | 图像识别方法及装置 | |
CN105491284A (zh) | 预览图像的显示方法和装置 | |
CN105225647A (zh) | 亮度调整方法及装置 | |
CN105528078B (zh) | 控制电子设备的方法及装置 | |
CN104731880A (zh) | 图片排序方法和装置 | |
CN104133956A (zh) | 处理图片的方法及装置 | |
CN107798314A (zh) | 肤色检测方法及装置 | |
CN104462418A (zh) | 页面显示方法及装置、电子设备 | |
CN106485567A (zh) | 物品推荐方法及装置 | |
CN104408404A (zh) | 人脸识别方法及装置 | |
CN105488150A (zh) | 图像显示方法及装置 | |
CN105574857A (zh) | 图像分析方法及装置 | |
CN107025441B (zh) | 肤色检测方法及装置 | |
CN107967459A (zh) | 卷积处理方法、装置及存储介质 | |
CN105512615A (zh) | 图片处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160413 |
|
RJ01 | Rejection of invention patent application after publication |