CN105631467A - 显示图片的方法及装置 - Google Patents
显示图片的方法及装置 Download PDFInfo
- Publication number
- CN105631467A CN105631467A CN201510960376.1A CN201510960376A CN105631467A CN 105631467 A CN105631467 A CN 105631467A CN 201510960376 A CN201510960376 A CN 201510960376A CN 105631467 A CN105631467 A CN 105631467A
- Authority
- CN
- China
- Prior art keywords
- picture
- fuzzy
- coefficient value
- motion blur
- category
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
Abstract
本公开是关于一种显示图片的方法及装置,用于改进图片的显示方式。所述方法包括:获得待显示图片;判断所述待显示图片是否属于模糊图片;在所述待显示图片属于模糊图片时,确定所述待显示图片的模糊系数值,其中,所述模糊系数值表示所述待显示图片的模糊程度;根据所述模糊系数值缩小所述待显示图片;显示缩小后的所述待显示图片。
Description
技术领域
本公开涉及通信及计算机处理领域,尤其涉及显示图片的方法及装置。
背景技术
随着电子技术的发展,移动终端、照相机等设备都具有拍照功能。用户经常会在设备上浏览照片。设备也需要显示这些照片以供用户浏览。
发明内容
为克服相关技术中存在的问题,本公开提供一种显示图片的方法及装置。
根据本公开实施例的第一方面,提供一种显示图片的方法,包括:
获得待显示图片;
判断所述待显示图片是否属于模糊图片;
在所述待显示图片属于模糊图片时,确定所述待显示图片的模糊系数值,其中,所述模糊系数值表示所述待显示图片的模糊程度;
根据所述模糊系数值缩小所述待显示图片;
显示缩小后的所述待显示图片。
本公开的实施例提供的技术方案可以包括以下有益效果:本实施例中缩小模糊图片显示的大小,减少模糊图片的显著性,使清楚图片与模糊图片在一起显示时整体展示效果更好。本实施例根据模糊区域的大小确定模糊系数值。使得不同程度模糊的图片有不同的显示大小,进而提高了所有图片整体的展示效果。
在一个实施例中,所述判断所述待显示图片是否属于模糊图片,包括:
根据预先训练获得的分类模型对所述待显示图片进行分类,获得分类结果,其中,所述分类结果为所述待显示图片属于预设图片类别的概率;
当所述待显示图片的分类结果满足模糊类别对应的预设条件时,确定所述待显示图片属于模糊图片;
当所述待显示图片的分类结果不满足所述模糊类别对应的预设条件时,确定所述待显示图片不属于模糊图片。
本公开的实施例提供的技术方案可以包括以下有益效果:本实施例根据特征信息对待显示图片进行分类,进而确定待显示图片是否是模糊图片。通过分类可以较快速、准确的确定待显示图片是否是模糊图片。
在一个实施例中,所述模糊类别包括虚焦模糊类别和运动模糊类别;
当所述待显示图片属于虚焦模糊类别时,所述确定所述待显示图片的模糊系数值,包括:
根据虚焦模糊估计算法对所述待显示图片进行模糊估计,得到标准差;
根据所述标准差确定模糊半径;
根据所述模糊半径确定模糊系数值。
本公开的实施例提供的技术方案可以包括以下有益效果:本实施例提供了虚焦模糊情况下确定模糊系数值的方案,可以针对虚焦模糊情况更准确的确定模糊系数值,进而提高所有图片整体的展示效果。
在一个实施例中,所述模糊类别包括虚焦模糊类别和运动模糊类别;
当所述待显示图片属于运动模糊类别时,所述确定所述待显示图片的模糊系数值,包括:
根据运动模糊估计算法对所述待显示图片进行模糊估计,得到运动模糊方向和运动模糊长度;
根据所述运动模糊方向和所述运动模糊长度,确定模糊系数值。
本公开的实施例提供的技术方案可以包括以下有益效果:本实施例提供了运动模糊情况下确定模糊系数值的方案,可以针对运动模糊情况更准确的确定模糊系数值,进而提高所有图片整体的展示效果。
在一个实施例中,所述模糊类别包括虚焦模糊类别和运动模糊类别;
当所述待显示图片属于虚焦模糊类别和运动模糊类别时,所述确定所述待显示图片的模糊系数值,包括:
确定所述待显示图片在虚焦模糊类别下的第一模糊系数值;
确定所述待显示图片在运动模糊类别下的第二模糊系数值;
对第一模糊系数值和第二模糊系数值进行加权平均,得到最终的模糊系数值,其中,将所述第一概率作为第一模糊系数值的权重,将所述第二概率作为第二模糊系数值的权重,第一概率为所述待显示图片属于虚焦模糊类别的概率,第二概率为所述待显示图片属于运动模糊类别的概率。
本公开的实施例提供的技术方案可以包括以下有益效果:如果一个待显示图片即属于运动模糊又属于虚焦模糊,本实施例提供了兼具两种模糊情况下确定模糊系数值的方案,可以针对兼具两种模糊情况更准确的确定模糊系数值,进而提高所有图片整体的展示效果。
根据本公开实施例的第二方面,提供一种显示图片的装置,包括:
获取模块,用于获得待显示图片;
判断模块,用于判断所述待显示图片是否属于模糊图片;
系数模块,用于在所述待显示图片属于模糊图片时,确定所述待显示图片的模糊系数值,其中,所述模糊系数值表示所述待显示图片的模糊程度;
缩小模块,用于根据所述模糊系数值缩小所述待显示图片;
显示模块,用于显示缩小后的所述待显示图片。
在一个实施例中,所述判断模块包括:
分类子模块,用于根据预先训练获得的分类模型对所述待显示图片进行分类,获得分类结果,其中,所述分类结果为所述待显示图片属于预设图片类别的概率;
第一确定子模块,用于当所述待显示图片的分类结果满足模糊类别对应的预设条件时,确定所述待显示图片属于模糊图片;
第二确定子模块,用于当所述待显示图片的分类结果不满足所述模糊类别对应的预设条件时,确定所述待显示图片不属于模糊图片。
在一个实施例中,所述缩小模块包括:
系数模块,用于确定所述待显示图片的模糊系数值,其中,所述模糊系数值表示模糊的所述待显示图片中模糊区域的大小;
缩小子模块,用于根据所述模糊系数值缩小所述待显示图片。
在一个实施例中,所述模糊类别包括虚焦模糊类别和运动模糊类别;
所述系数模块根据虚焦模糊估计算法对所述待显示图片进行模糊估计,得到标准差;根据所述标准差确定模糊半径;根据所述模糊半径确定模糊系数值。
在一个实施例中,所述模糊类别包括虚焦模糊类别和运动模糊类别;
所述系数模块根据运动模糊估计算法对所述待显示图片进行模糊估计,得到运动模糊方向和运动模糊长度;根据所述运动模糊方向和所述运动模糊长度,确定模糊系数值。
在一个实施例中,所述模糊类别包括虚焦模糊类别和运动模糊类别;
所述系数模块确定所述待显示图片在虚焦模糊类别下的第一模糊系数值;确定所述待显示图片在运动模糊类别下的第二模糊系数值;对第一模糊系数值和第二模糊系数值进行加权平均,得到最终的模糊系数值,其中,将所述第一概率作为第一模糊系数值的权重,将所述第二概率作为第二模糊系数值的权重,第一概率为所述待显示图片属于虚焦模糊类别的概率,第二概率为所述待显示图片属于运动模糊类别的概率。
根据本公开实施例的第二方面,提供一种显示图片的装置,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:
获得待显示图片;
判断所述待显示图片是否属于模糊图片;
在所述待显示图片属于模糊图片时,确定所述待显示图片的模糊系数值,其中,所述模糊系数值表示所述待显示图片的模糊程度;
根据所述模糊系数值缩小所述待显示图片;
显示缩小后的所述待显示图片。
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显示图片的方法的流程图。
图2是根据一示例性实施例示出的一种显示图片的方法的流程图。
图3是根据一示例性实施例示出的一种显示图片的示意图。
图4是根据一示例性实施例示出的一种显示图片的方法的流程图。
图5是根据一示例性实施例示出的一种显示图片的方法的流程图。
图6是根据一示例性实施例示出的一种显示图片的方法的流程图。
图7是根据一示例性实施例示出的一种显示图片的装置的框图。
图8是根据一示例性实施例示出的一种判断模块的框图。
图9是根据一示例性实施例示出的一种装置的框图。
图10是根据一示例性实施例示出的一种装置的框图。
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。
相关技术中,用户打开相册(或图库等)应用后,该相册应用会以菜单的形式在界面中展示出多张图片。多张图片的展示大小相同。不论是清晰的图片还是模糊的图片都是同样的展示大小。这样模糊的图片就会显得比较突出,影响整个界面的展示效果。
本实施例通过缩小模糊图片展示的大小,以改进清晰图片与模糊图片在一起展示时的整体展示效果。相当于突出了清晰图片的显示效果。
图1是根据一示例性实施例示出的一种显示图片的方法的流程图,如图1所示,该方法可以由移动终端实现,包括以下步骤:
在步骤101中,获得待显示图片。
在步骤102中,判断所述待显示图片是否属于模糊图片;在所述待显示图片属于模糊图片时,继续步骤103;
在步骤103中,确定所述待显示图片的模糊系数值,其中,所述模糊系数值表示所述待显示图片的模糊程度。
待显示图片模糊程序的表征方式有多种,例如图片中模糊区域的边界周长或区域面积,或模糊区域边界上的点之间的最大距离等,此处不做具体限定。
在步骤104中,根据所述模糊系数值缩小所述待显示图片。
在步骤105中,显示缩小后的所述待显示图片。
在不属于模糊图片时,按照原有大小显示,或者放大后显示。
本实施例可以每获得一个图片便将其确定为待显示图片,如通过拍照获得或者通过网络下载获得等。在获得该待显示图片时便判断该待显示图片是否属于模糊图片,然后确定其显示大小。当需要显示该待显示图片时,以缩小后的大小进行显示。本实施例可以根据待显示图片中模糊区域的大小来表征该图片的模糊程度,进而确定模糊系数值,模糊区域越大,模糊系数值越大,则待显示图片缩小的程度越大。实现了不同模糊程度的待显示图片缩小的程度不同,进一步提高了多个待显示图片的整体显示效果。
或者,本实施例接收展示图片的触发,如打开相册应用,或打开展示多个图片的网页等。在该触发下,获得相册应用或网页在当前界面所需要显示的图片。这些图片即为待显示图片。待显示图片还可以包括相册应用和网页中的所有图片。也就是在收到该触发时,判断该待显示图片是否属于模糊图片,然后确定其显示大小。并以缩小后的大小进行显示。
本实施例中缩小是指缩小图片在菜单页中的显示大小。待显示图片的原图大小可以保持不变,也可以相应缩小。
本实施例中也可以对清晰图片进行放大,相当于缩小了模糊图片。
在一个实施例中,步骤102包括:步骤A1-步骤A3。
在步骤A1中,根据预先训练获得的分类模型对所述待显示图片进行分类,获得分类结果,其中,所述分类结果为所述待显示图片属于预设图片类别的概率;当所述待显示图片的分类结果满足模糊类别对应的预设条件时,继续步骤A2;当所述待显示图片的分类结果不满足所述模糊类别对应的预设条件时,继续步骤A3。
在步骤A2中,确定所述待显示图片属于模糊图片。
在步骤A3中,确定所述待显示图片不属于模糊图片。
本实施例中预先人为的提供大量的清晰图片和模糊图片作为训练样本,对样本图片进行特征信息的提取。然后利用清晰样本图片的特征信息训练得到清晰训练模型,利用模糊样本图片的特征信息训练得到模糊训练模型。该训练过程可采用卷积神经网络算法(ConvolutionalNeuralNetworks,CNN)等。CNN模型有多种,例如,采用AlexNet(亚历克斯网络)模型等。
当需要对待显示图片是否模糊进行判断时,对待显示图片进行特征信息的提取。然后将待显示图片的特征信息分别与清晰训练模型和模糊训练模型中的特征信息进行匹配。分别得到待显示图片属于清晰训练模型和模糊训练模型的概率pi,i=1、2,p1可以表示属于清晰训练模型的概率,p2可以表示属于模糊训练模型的概率。如果p1≥p2,则确定待显示图片属于清晰图片,也可以认为属于清晰类别。如果p1<p2,则确定待显示图片属于模糊图片,也可以认为属于模糊类别。
本实施例中模糊类别对应的预设条件可以有多种,如预设条件为p1<p2。或者,如p2大于预设的阈值。还可以有其它预设条件,能够确定是否属于模糊类别的预设条件均适用于本实施例。
其中,有些待显示图片为了体现某种艺术效果,有意虚化背景。所以虽然这类图片的背景模糊,但是不能将这类图片确定为模糊图片。本实施例可以对清晰类别进行细分,分为清晰类别(不存在模糊)和背景虚化类别。
本实施例通过上述训练模型可以较快速、准确的对大量待显示图片进行分类,相当于批量确定待显示图片是否是模糊图片。
在一个实施例中,所述模糊类别包括虚焦模糊类别和运动模糊类别。
本实施例中图片模糊可能有多种原因,如对焦不准产生的模糊,属于虚焦模糊。或因为拍摄对象运动使得图片模糊,属于运动模糊。模糊原因不同使得图片的模糊特点不同。据此,本实施例将模糊模型分为虚焦模糊模型和运动模糊模型,模糊类别包括虚焦模糊类别和运动模糊类别。再结合清晰模型和背景虚化模型,共有4个模型,则i=1、2、3、4。∑ipi=1。这样可以更准确的确定待显示图片所属的类别。
当所述待显示图片属于虚焦模糊类别时,步骤B1包括:步骤B11-步骤B13。
在步骤B11中,根据虚焦模糊估计算法对所述待显示图片进行模糊估计,得到标准差。
在步骤B12中,根据所述标准差确定模糊半径。
在步骤B13中,根据所述模糊半径确定模糊系数值。
本实施例中虚焦模糊的图片效果一般是呈现类似圆形区域,所以可以通过模糊半径的值来衡量模糊区域的大小。模糊估计的算法有多种,如高斯模糊模板、二维去卷积、小波变换、傅里叶频谱等。以高斯模糊模板为例,虚焦模糊更贴近高斯分布。根据预设的多个标准差训练得到多个高斯模糊模板,通过每个高斯模糊模板分别对待显示图片进行模糊估计,得到多个模糊估计结果。从多个模糊估计结果中选择估计准确率最高的模糊估计结果,该模糊估计结果中的标准差即为该待显示图片的估计后得到的标准差。
确定模糊半径的过程可以通过公式R=3*σ实现。其中,R表示模糊半径,σ表示模糊估计得到的标准差,3为预设的参数。确定模糊系数值的过程可以通过公式k1=2*R实现。其中,k1表示模糊系数值,2为预设的参数。
在确定模糊系数值之后,将待显示图片的长和宽均除以模糊系数值k1,便可以得到缩小后的待显示图片的大小(W/k1)*(H/k1),w表示宽度,H表示长度。
当所述待显示图片属于运动模糊类别时,步骤B1包括:步骤B14和步骤B15。
在步骤B14中,根据运动模糊估计算法对所述待显示图片进行模糊估计,得到运动模糊方向和运动模糊长度。
在步骤B15中,根据所述运动模糊方向和所述运动模糊长度,确定模糊系数值。
本实施例中运动模糊一般是因为拍摄对象处于运动中导致待显示图片模糊,所以模糊区域一般呈现为类似线状,沿着运动方向呈现线状的模糊带。所以模糊核可假设为具有不同方向不同长度的直线。使用运动模糊检测可以估计模糊核的方向和长度。运动模糊估计算法有多种,如二维去卷积或点扩散函数等。可以直接估计出运动模糊方向和运动模糊长度。
运动模糊的情况下确定模糊系数值的过程可以通过公式k2=max(l*sin(θ),l*cos(θ)),其中,k2表示模糊系数值,l表示运动模糊长度,θ为运动模糊方向与水平线的正向夹角,表示运动模糊方向。max()表示取两者中的最大值。
在确定模糊系数值之后,将待显示图片的长和宽均除以模糊系数值k2,便可以得到缩小后的待显示图片的大小(W/k2)*(H/k2),w表示宽度,H表示长度。
在一个实施例中,一个待显示图片可能同时属于虚焦模糊类别和运动模糊类别,也就是说两种模糊情况都存在。
当所述待显示图片属于虚焦模糊类别和运动模糊类别时,步骤B1包括:步骤B16-步骤B18。
在步骤B16中,确定所述待显示图片在虚焦模糊类别下的第一模糊系数值。
在步骤B17中,确定所述待显示图片在运动模糊类别下的第二模糊系数值。
在步骤B18中,对第一模糊系数值和第二模糊系数值进行加权平均,得到最终的模糊系数值,其中,将所述第一概率作为第一模糊系数值的权重,将所述第二概率作为第二模糊系数值的权重,第一概率为所述待显示图片属于虚焦模糊类别的概率,第二概率为所述待显示图片属于运动模糊类别的概率。
本实施例中由于用户匆忙拍照或者因为拍照时手抖动,可能会同时出现虚焦模糊和运动模糊的情况。此时为了更准确的确定最终的模糊系数值,需要将虚焦模糊类别下的第一模糊系数值和运动模糊类别下的第二模糊系数值结合。可以对第一模糊系数值和第二模糊系数值进行加权求和。
为了平衡第一模糊系数值和第二模糊系数值的权重配比,本实施例采用对应类别的概率作为第一模糊系数值和第二模糊系数值的权重。在确定待显示图片属于虚焦模糊类别还是属于运动模糊类别时,计算待显示图片分别属于虚焦模糊类别和运动模糊类别的概率,得到第一概率和第二概率。待显示图片属于某个类别的概率越多,该类别的模糊系数值的权重越大,使得计算结果更准确。即,通过公式k=p1*k1+p2*k2,k表示最终的模糊系数值,p1表示第一概率,p2表示第二概率。另外,可以对p1和p2进行归一化处理,使得p1+p2=1。
在确定模糊系数值之后,将待显示图片的长和宽均除以模糊系数值k,便可以得到缩小后的待显示图片的大小(W/k)*(H/k),w表示宽度,H表示长度。
本实施例对待显示图片的缩写相当于对待显示图片进行降采样,模糊系数值相当于最小降采样倍数。
下面通过几个实施例详细介绍显示图片的处理过程。
图2是根据一示例性实施例示出的一种显示图片的方法的流程图,如图2所示,该方法可以由移动终端实现,包括以下步骤:
在步骤201中,获得待显示图片。
在步骤202中,根据预先训练获得的分类模型对所述待显示图片进行分类,获得分类结果,其中,所述分类结果为所述待显示图片属于预设图片类别的概率;当所述待显示图片的分类结果满足模糊类别对应的预设条件时,继续步骤203;当所述待显示图片的分类结果不满足所述模糊类别对应的预设条件时,继续步骤204。
在步骤203中,确定所述待显示图片属于模糊图片。继续步骤205。
在步骤204中,确定所述待显示图片不属于模糊图片。继续步骤207。
在步骤205中,确定所述待显示图片的模糊系数值,其中,所述模糊系数值表示模糊的所述待显示图片中模糊区域的大小。
在步骤206中,根据所述模糊系数值缩小所述待显示图片。继续步骤208。
在步骤207中,对待显示图片进行放大。继续步骤208。
在步骤208中,显示调整后的所述待显示图片。
本实施例中对模糊图片进行缩小,对清晰图片进行放大,使得更加凸显清晰图片,使得页面整体显示效果更好,调整后的显示效果如图3所示。
图4是根据一示例性实施例示出的一种显示图片的方法的流程图,如图4所示,该方法可以由移动终端实现,包括以下步骤:
在步骤401中,获得待显示图片。
在步骤402中,根据预先训练获得的分类模型对所述待显示图片进行分类,获得分类结果,其中,所述分类结果为所述待显示图片属于预设图片类别的概率;当所述待显示图片的分类结果满足模糊类别对应的预设条件时,继续步骤403;当所述待显示图片的分类结果不满足所述模糊类别对应的预设条件时,可以直接显示。
在步骤403中,根据虚焦模糊估计算法对所述待显示图片进行模糊估计,得到标准差。
在步骤404中,根据所述标准差确定模糊半径。
在步骤405中,根据所述模糊半径确定模糊系数值。
在步骤406中,根据所述模糊系数值缩小所述待显示图片。继续步骤407。
在步骤407中,显示调整后的所述待显示图片。
图5是根据一示例性实施例示出的一种显示图片的方法的流程图,如图5所示,该方法可以由移动终端实现,包括以下步骤:
在步骤501中,获得待显示图片。
在步骤502中,根据预先训练获得的分类模型对所述待显示图片进行分类,获得分类结果,其中,所述分类结果为所述待显示图片属于预设图片类别的概率;当所述待显示图片的分类结果满足模糊类别对应的预设条件时,继续步骤503;当所述待显示图片的分类结果不满足所述模糊类别对应的预设条件时,可以直接显示。
在步骤503中,根据运动模糊估计算法对所述待显示图片进行模糊估计,得到运动模糊方向和运动模糊长度。
在步骤504中,根据所述运动模糊方向和所述运动模糊长度,确定模糊系数值。
在步骤505中,根据所述模糊系数值缩小所述待显示图片。继续步骤506。
在步骤506中,显示调整后的所述待显示图片。
图6是根据一示例性实施例示出的一种显示图片的方法的流程图,如图6所示,该方法可以由移动终端实现,包括以下步骤:
在步骤601中,获得待显示图片。
在步骤602中,根据预先训练获得的分类模型对所述待显示图片进行分类,获得分类结果,其中,所述分类结果为所述待显示图片属于预设图片类别的概率;当所述待显示图片的分类结果满足模糊类别对应的预设条件时,继续步骤603和步骤605;当所述待显示图片的分类结果不满足所述模糊类别对应的预设条件时,可以直接显示。
在步骤603中,确定待显示图片属于虚焦模糊类别的第一概率。
在步骤604中,确定待显示图片在虚焦模糊类别的第一模糊系数值。此步骤与步骤603没有严格的执行先后。继续步骤607。
在步骤605中,确定待显示图片属于运动模糊类别的第二概率。
在步骤606中,确定待显示图片在运动模糊类别的第二模糊系数值。此步骤与步骤605没有严格的执行先后。继续步骤607。
在步骤607中,对第一模糊系数值和第二模糊系数值进行加权平均,得到最终的模糊系数值,其中,将所述第一概率作为第一模糊系数值的权重,将所述第二概率作为第二模糊系数值的权重。
在步骤608中,根据所述模糊系数值缩小所述待显示图片。
在步骤609中,显示调整后的所述待显示图片。
通过以上介绍了解了显示图片的实现过程,该过程由移动终端和计算机实现,下面分别针对两个设备的内部结构和功能进行介绍。
图7是根据一示例性实施例示出的一种显示图片的装置示意图。参照图7,该装置包括:获取模块701、判断模块702、系数模块703、缩小模块704和显示模块705。
获取模块701,用于获得待显示图片。
判断模块702,用于判断所述待显示图片是否属于模糊图片。
系数模块703,用于在所述待显示图片属于模糊图片时,确定所述待显示图片的模糊系数值,其中,所述模糊系数值表示所述待显示图片中模糊区域的大小。
缩小模块704,用于根据所述模糊系数值缩小所述待显示图片;
显示模块705,用于显示缩小后的所述待显示图片。
在一个实施例中,如图8所示,所述判断模块702包括:分类子模块7021、第一确定子模块7022和第二确定子模块7023。
分类子模块7021,用于根据预先训练获得的分类模型对所述待显示图片进行分类,获得分类结果,其中,所述分类结果为所述待显示图片属于预设图片类别的概率。
第一确定子模块7022,用于当所述待显示图片的分类结果满足模糊类别对应的预设条件时,确定所述待显示图片属于模糊图片。
第二确定子模块7023,用于当所述待显示图片的分类结果不满足所述模糊类别对应的预设条件时,确定所述待显示图片不属于模糊图片。
在一个实施例中,所述模糊类别包括虚焦模糊类别和运动模糊类别;
所述系数模块703根据虚焦模糊估计算法对所述待显示图片进行模糊估计,得到标准差;根据所述标准差确定模糊半径;根据所述模糊半径确定模糊系数值。
在一个实施例中,所述模糊类别包括虚焦模糊类别和运动模糊类别;
所述系数模块703根据运动模糊估计算法对所述待显示图片进行模糊估计,得到运动模糊方向和运动模糊长度;根据所述运动模糊方向和所述运动模糊长度,确定模糊系数值。
在一个实施例中,所述模糊类别包括虚焦模糊类别和运动模糊类别;
所述系数模块703确定所述待显示图片在虚焦模糊类别下的第一模糊系数值;确定所述待显示图片在运动模糊类别下的第二模糊系数值;对第一模糊系数值和第二模糊系数值进行加权平均,得到最终的模糊系数值,其中,将所述第一概率作为第一模糊系数值的权重,将所述第二概率作为第二模糊系数值的权重,第一概率为所述待显示图片属于虚焦模糊类别的概率,第二概率为所述待显示图片属于运动模糊类别的概率。
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9是根据一示例性实施例示出的一种用于显示图片的装置900的框图。例如,装置900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。
参照图9,装置900可以包括以下一个或多个组件:处理组件902,存储器904,电源组件906,多媒体组件908,音频组件910,输入/输出(I/O)的接口912,传感器组件914,以及通信组件916。
处理组件902通常控制装置900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902可以包括一个或多个处理器920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902可以包括一个或多个模块,便于处理组件902和其他组件之间的交互。例如,处理组件902可以包括多媒体模块,以方便多媒体组件908和处理组件902之间的交互。
存储器904被配置为存储各种类型的数据以支持在设备900的操作。这些数据的示例包括用于在装置900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904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906为装置900的各种组件提供电力。电力组件906可以包括电源管理系统,一个或多个电源,及其他与为装置900生成、管理和分配电力相关联的组件。
多媒体组件908包括在所述装置900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908包括一个前置摄像头和/或后置摄像头。当设备900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910被配置为输出和/或输入音频信号。例如,音频组件910包括一个麦克风(MIC),当装置900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904或经由通信组件916发送。在一些实施例中,音频组件910还包括一个扬声器,用于输出音频信号。
I/O接口912为处理组件902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914包括一个或多个传感器,用于为装置900提供各个方面的状态评估。例如,传感器组件914可以检测到设备900的打开/关闭状态,组件的相对定位,例如所述组件为装置900的显示器和小键盘,传感器组件914还可以检测装置900或装置900的一个组件的位置改变,用户与装置900接触的存在或不存在,装置900方位或加速/减速和装置900的温度变化。传感器组件914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914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914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916被配置为便于装置900和其他设备之间有线或无线方式的通信。装置900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916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916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900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904,上述指令可由装置900的处理器920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。
一种显示图片的装置,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:
获得待显示图片;
判断所述待显示图片是否属于模糊图片;
在所述待显示图片属于模糊图片时,确定所述待显示图片的模糊系数值,其中,所述模糊系数值表示所述待显示图片中模糊区域的大小;
根据所述模糊系数值缩小所述待显示图片;
显示缩小后的所述待显示图片。
所述处理器还可以被配置为:
所述判断所述待显示图片是否属于模糊图片,包括:
根据预先训练获得的分类模型对所述待显示图片进行分类,获得分类结果,其中,所述分类结果为所述待显示图片属于预设图片类别的概率;
当所述待显示图片的分类结果满足模糊类别对应的预设条件时,确定所述待显示图片属于模糊图片;
当所述待显示图片的分类结果不满足所述模糊类别对应的预设条件时,确定所述待显示图片不属于模糊图片。
所述处理器还可以被配置为:
所述模糊类别包括虚焦模糊类别和运动模糊类别;
当所述待显示图片属于虚焦模糊类别时,所述确定所述待显示图片的模糊系数值,包括:
根据虚焦模糊估计算法对所述待显示图片进行模糊估计,得到标准差;
根据所述标准差确定模糊半径;
根据所述模糊半径确定模糊系数值。
所述处理器还可以被配置为:
所述模糊类别包括虚焦模糊类别和运动模糊类别;
当所述待显示图片属于运动模糊类别时,所述确定所述待显示图片的模糊系数值,包括:
根据运动模糊估计算法对所述待显示图片进行模糊估计,得到运动模糊方向和运动模糊长度;
根据所述运动模糊方向和所述运动模糊长度,确定模糊系数值。
所述处理器还可以被配置为:
所述模糊类别包括虚焦模糊类别和运动模糊类别;
当所述待显示图片属于虚焦模糊类别和运动模糊类别时,所述确定所述待显示图片的模糊系数值,包括:
确定所述待显示图片在虚焦模糊类别下的第一模糊系数值;
确定所述待显示图片在运动模糊类别下的第二模糊系数值;
对第一模糊系数值和第二模糊系数值进行加权平均,得到最终的模糊系数值,其中,将所述第一概率作为第一模糊系数值的权重,将所述第二概率作为第二模糊系数值的权重,第一概率为所述待显示图片属于虚焦模糊类别的概率,第二概率为所述待显示图片属于运动模糊类别的概率。
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移动终端的处理器执行时,使得移动终端能够执行一种显示图片的方法,所述方法包括:
获得待显示图片;
判断所述待显示图片是否属于模糊图片;
在所述待显示图片属于模糊图片时,确定所述待显示图片的模糊系数值,其中,所述模糊系数值表示所述待显示图片中模糊区域的大小;
根据所述模糊系数值缩小所述待显示图片;
显示缩小后的所述待显示图片。
所述存储介质中的指令还可以包括:
所述判断所述待显示图片是否属于模糊图片,包括:
根据预先训练获得的分类模型对所述待显示图片进行分类,获得分类结果,其中,所述分类结果为所述待显示图片属于预设图片类别的概率;
当所述待显示图片的分类结果满足模糊类别对应的预设条件时,确定所述待显示图片属于模糊图片;
当所述待显示图片的分类结果不满足所述模糊类别对应的预设条件时,确定所述待显示图片不属于模糊图片。
所述存储介质中的指令还可以包括:
所述模糊类别包括虚焦模糊类别和运动模糊类别;
当所述待显示图片属于虚焦模糊类别时,所述确定所述待显示图片的模糊系数值,包括:
根据虚焦模糊估计算法对所述待显示图片进行模糊估计,得到标准差;
根据所述标准差确定模糊半径;
根据所述模糊半径确定模糊系数值。
所述存储介质中的指令还可以包括:
所述模糊类别包括虚焦模糊类别和运动模糊类别;
当所述待显示图片属于运动模糊类别时,所述确定所述待显示图片的模糊系数值,包括:
根据运动模糊估计算法对所述待显示图片进行模糊估计,得到运动模糊方向和运动模糊长度;
根据所述运动模糊方向和所述运动模糊长度,确定模糊系数值。
所述存储介质中的指令还可以包括:
所述模糊类别包括虚焦模糊类别和运动模糊类别;
当所述待显示图片属于虚焦模糊类别和运动模糊类别时,所述确定所述待显示图片的模糊系数值,包括:
确定所述待显示图片在虚焦模糊类别下的第一模糊系数值;
确定所述待显示图片在运动模糊类别下的第二模糊系数值;
对第一模糊系数值和第二模糊系数值进行加权平均,得到最终的模糊系数值,其中,将所述第一概率作为第一模糊系数值的权重,将所述第二概率作为第二模糊系数值的权重,第一概率为所述待显示图片属于虚焦模糊类别的概率,第二概率为所述待显示图片属于运动模糊类别的概率。
图10是根据一示例性实施例示出的一种用于显示图片的装置1000的框图。例如,装置1000可以被提供为一计算机。参照图10,装置1000包括处理组件1022,其进一步包括一个或多个处理器,以及由存储器1032所代表的存储器资源,用于存储可由处理组件1022的执行的指令,例如应用程序。存储器1032中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1022被配置为执行指令,以执行上述方法显示图片。
装置1000还可以包括一个电源组件1026被配置为执行装置1000的电源管理,一个有线或无线网络接口1050被配置为将装置1000连接到网络,和一个输入输出(I/O)接口1058。装置1000可以操作基于存储在存储器1032的操作系统,例如WindowsServerTM,MacOSXTM,UnixTM,LinuxTM,FreeBSDTM或类似。
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 (11)
1.一种显示图片的方法,其特征在于,包括:
获得待显示图片;
判断所述待显示图片是否属于模糊图片;
在所述待显示图片属于模糊图片时,确定所述待显示图片的模糊系数值,其中,所述模糊系数值表示所述待显示图片的模糊程度;
根据所述模糊系数值缩小所述待显示图片;
显示缩小后的所述待显示图片。
2.根据权利要求1所述的显示图片的方法,其特征在于,所述判断所述待显示图片是否属于模糊图片,包括:
根据预先训练获得的分类模型对所述待显示图片进行分类,获得分类结果,其中,所述分类结果为所述待显示图片属于预设图片类别的概率;
当所述待显示图片的分类结果满足模糊类别对应的预设条件时,确定所述待显示图片属于模糊图片;
当所述待显示图片的分类结果不满足所述模糊类别对应的预设条件时,确定所述待显示图片不属于模糊图片。
3.根据权利要求2所述的显示图片的方法,其特征在于,所述模糊类别包括虚焦模糊类别和运动模糊类别;
当所述待显示图片属于虚焦模糊类别时,所述确定所述待显示图片的模糊系数值,包括:
根据虚焦模糊估计算法对所述待显示图片进行模糊估计,得到标准差;
根据所述标准差确定模糊半径;
根据所述模糊半径确定模糊系数值。
4.根据权利要求2所述的显示图片的方法,其特征在于,所述模糊类别包括虚焦模糊类别和运动模糊类别;
当所述待显示图片属于运动模糊类别时,所述确定所述待显示图片的模糊系数值,包括:
根据运动模糊估计算法对所述待显示图片进行模糊估计,得到运动模糊方向和运动模糊长度;
根据所述运动模糊方向和所述运动模糊长度,确定模糊系数值。
5.根据权利要求2所述的显示图片的方法,其特征在于,所述模糊类别包括虚焦模糊类别和运动模糊类别;
当所述待显示图片属于虚焦模糊类别和运动模糊类别时,所述确定所述待显示图片的模糊系数值,包括:
确定所述待显示图片在虚焦模糊类别下的第一模糊系数值;
确定所述待显示图片在运动模糊类别下的第二模糊系数值;
对第一模糊系数值和第二模糊系数值进行加权平均,得到最终的模糊系数值,其中,将所述第一概率作为第一模糊系数值的权重,将所述第二概率作为第二模糊系数值的权重,第一概率为所述待显示图片属于虚焦模糊类别的概率,第二概率为所述待显示图片属于运动模糊类别的概率。
6.一种显示图片的装置,其特征在于,包括:
获取模块,用于获得待显示图片;
判断模块,用于判断所述待显示图片是否属于模糊图片;
系数模块,用于在所述待显示图片属于模糊图片时,确定所述待显示图片的模糊系数值,其中,所述模糊系数值表示所述待显示图片的模糊程度;
缩小模块,用于根据所述模糊系数值缩小所述待显示图片;
显示模块,用于显示缩小后的所述待显示图片。
7.根据权利要求6所述的显示图片的装置,其特征在于,所述判断模块包括:
分类子模块,用于根据预先训练获得的分类模型对所述待显示图片进行分类,获得分类结果,其中,所述分类结果为所述待显示图片属于预设图片类别的概率;
第一确定子模块,用于当所述待显示图片的分类结果满足模糊类别对应的预设条件时,确定所述待显示图片属于模糊图片;
第二确定子模块,用于当所述待显示图片的分类结果不满足所述模糊类别对应的预设条件时,确定所述待显示图片不属于模糊图片。
8.根据权利要求7所述的显示图片的装置,其特征在于,所述模糊类别包括虚焦模糊类别和运动模糊类别;
所述系数模块根据虚焦模糊估计算法对所述待显示图片进行模糊估计,得到标准差;根据所述标准差确定模糊半径;根据所述模糊半径确定模糊系数值。
9.根据权利要求7所述的显示图片的装置,其特征在于,所述模糊类别包括虚焦模糊类别和运动模糊类别;
所述系数模块根据运动模糊估计算法对所述待显示图片进行模糊估计,得到运动模糊方向和运动模糊长度;根据所述运动模糊方向和所述运动模糊长度,确定模糊系数值。
10.根据权利要求7所述的显示图片的装置,其特征在于,所述模糊类别包括虚焦模糊类别和运动模糊类别;
所述系数模块确定所述待显示图片在虚焦模糊类别下的第一模糊系数值;确定所述待显示图片在运动模糊类别下的第二模糊系数值;对第一模糊系数值和第二模糊系数值进行加权平均,得到最终的模糊系数值,其中,将所述第一概率作为第一模糊系数值的权重,将所述第二概率作为第二模糊系数值的权重,第一概率为所述待显示图片属于虚焦模糊类别的概率,第二概率为所述待显示图片属于运动模糊类别的概率。
11.一种显示图片的装置,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:
获得待显示图片;
判断所述待显示图片是否属于模糊图片;
在所述待显示图片属于模糊图片时,确定所述待显示图片的模糊系数值,其中,所述模糊系数值表示所述待显示图片的模糊程度;
根据所述模糊系数值缩小所述待显示图片;
显示缩小后的所述待显示图片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510960376.1A CN105631467A (zh) | 2015-12-18 | 2015-12-18 | 显示图片的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510960376.1A CN105631467A (zh) | 2015-12-18 | 2015-12-18 | 显示图片的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105631467A true CN105631467A (zh) | 2016-06-01 |
Family
ID=56046379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510960376.1A Pending CN105631467A (zh) | 2015-12-18 | 2015-12-18 | 显示图片的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105631467A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372661A (zh) * | 2016-08-30 | 2017-02-01 | 北京小米移动软件有限公司 | 构建分类模型的方法及装置 |
CN106372663A (zh) * | 2016-08-30 | 2017-02-01 | 北京小米移动软件有限公司 | 构建分类模型的方法及装置 |
CN106874444A (zh) * | 2017-02-09 | 2017-06-20 | 北京小米移动软件有限公司 | 图片处理方法及装置 |
CN107368614A (zh) * | 2017-09-12 | 2017-11-21 | 重庆猪八戒网络有限公司 | 基于深度学习的图像检索方法及装置 |
CN108322720A (zh) * | 2018-03-01 | 2018-07-24 | 高新华 | 图像显示内容清晰度提升系统 |
CN109102467A (zh) * | 2017-06-21 | 2018-12-28 | 北京小米移动软件有限公司 | 图片处理的方法及装置 |
CN109325589A (zh) * | 2017-07-31 | 2019-02-12 | 华为技术有限公司 | 卷积计算方法及装置 |
CN110996082A (zh) * | 2019-12-17 | 2020-04-10 | 成都极米科技股份有限公司 | 投影调节方法、装置、投影仪及可读存储介质 |
CN112135056A (zh) * | 2020-09-27 | 2020-12-25 | Oppo(重庆)智能科技有限公司 | 拍摄方法、装置、电子设备以及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102883165A (zh) * | 2012-10-19 | 2013-01-16 | 北京奇虎科技有限公司 | 图片缩放处理方法及设备 |
CN103197841A (zh) * | 2013-03-29 | 2013-07-10 | 深圳市中兴移动通信有限公司 | 图片浏览方法及其系统和终端设备 |
US20130330001A1 (en) * | 2012-06-06 | 2013-12-12 | Apple Inc. | Image Fusion Using Intensity Mapping Functions |
CN104331871A (zh) * | 2014-12-02 | 2015-02-04 | 苏州大学 | 一种图像去模糊方法及装置 |
CN104463776A (zh) * | 2014-10-30 | 2015-03-25 | 深圳市金立通信设备有限公司 | 一种图像显示方法 |
-
2015
- 2015-12-18 CN CN201510960376.1A patent/CN105631467A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130330001A1 (en) * | 2012-06-06 | 2013-12-12 | Apple Inc. | Image Fusion Using Intensity Mapping Functions |
CN102883165A (zh) * | 2012-10-19 | 2013-01-16 | 北京奇虎科技有限公司 | 图片缩放处理方法及设备 |
CN103197841A (zh) * | 2013-03-29 | 2013-07-10 | 深圳市中兴移动通信有限公司 | 图片浏览方法及其系统和终端设备 |
CN104463776A (zh) * | 2014-10-30 | 2015-03-25 | 深圳市金立通信设备有限公司 | 一种图像显示方法 |
CN104331871A (zh) * | 2014-12-02 | 2015-02-04 | 苏州大学 | 一种图像去模糊方法及装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372661A (zh) * | 2016-08-30 | 2017-02-01 | 北京小米移动软件有限公司 | 构建分类模型的方法及装置 |
CN106372663A (zh) * | 2016-08-30 | 2017-02-01 | 北京小米移动软件有限公司 | 构建分类模型的方法及装置 |
CN106372663B (zh) * | 2016-08-30 | 2019-09-10 | 北京小米移动软件有限公司 | 构建分类模型的方法及装置 |
CN106874444A (zh) * | 2017-02-09 | 2017-06-20 | 北京小米移动软件有限公司 | 图片处理方法及装置 |
CN109102467A (zh) * | 2017-06-21 | 2018-12-28 | 北京小米移动软件有限公司 | 图片处理的方法及装置 |
CN109325589A (zh) * | 2017-07-31 | 2019-02-12 | 华为技术有限公司 | 卷积计算方法及装置 |
CN109325589B (zh) * | 2017-07-31 | 2021-06-15 | 华为技术有限公司 | 卷积计算方法及装置 |
CN107368614A (zh) * | 2017-09-12 | 2017-11-21 | 重庆猪八戒网络有限公司 | 基于深度学习的图像检索方法及装置 |
CN108322720A (zh) * | 2018-03-01 | 2018-07-24 | 高新华 | 图像显示内容清晰度提升系统 |
CN110996082A (zh) * | 2019-12-17 | 2020-04-10 | 成都极米科技股份有限公司 | 投影调节方法、装置、投影仪及可读存储介质 |
CN110996082B (zh) * | 2019-12-17 | 2021-11-09 | 成都极米科技股份有限公司 | 投影调节方法、装置、投影仪及可读存储介质 |
CN112135056A (zh) * | 2020-09-27 | 2020-12-25 | Oppo(重庆)智能科技有限公司 | 拍摄方法、装置、电子设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105631467A (zh) | 显示图片的方法及装置 | |
CN106651955B (zh) | 图片中目标物的定位方法及装置 | |
CN108256555B (zh) | 图像内容识别方法、装置及终端 | |
CN108629354B (zh) | 目标检测方法及装置 | |
CN105488527B (zh) | 图像分类方法及装置 | |
US9959484B2 (en) | Method and apparatus for generating image filter | |
CN109446994B (zh) | 手势关键点检测方法、装置、电子设备及存储介质 | |
EP3301557A1 (en) | Method, apparatus and computer program product for sharing content | |
CN105488511B (zh) | 图像的识别方法及装置 | |
CN106454336B (zh) | 检测终端摄像头被遮挡的方法及装置和终端 | |
CN107239535A (zh) | 相似图片检索方法及装置 | |
CN105631403A (zh) | 人脸识别方法及装置 | |
CN106557759B (zh) | 一种标志牌信息获取方法及装置 | |
CN105095881A (zh) | 人脸识别方法、装置及终端 | |
CN104519282A (zh) | 图像拍摄方法及装置 | |
CN106202194A (zh) | 截屏图片的存储方法及装置 | |
CN109034150B (zh) | 图像处理方法及装置 | |
CN105426878B (zh) | 人脸聚类方法及装置 | |
CN104918107A (zh) | 视频文件的标识处理方法及装置 | |
CN108009563B (zh) | 图像处理方法、装置及终端 | |
CN105809174A (zh) | 识别图像的方法及装置 | |
CN105574857A (zh) | 图像分析方法及装置 | |
CN112200040A (zh) | 遮挡图像检测方法、装置及介质 | |
CN111259967A (zh) | 图像分类及神经网络训练方法、装置、设备及存储介质 | |
CN105678266A (zh) | 一种合并人脸相册的方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160601 |