CN105631902B - 图像单一性分析方法及装置 - Google Patents

Abstract

本公开实施例公开了一种图像单一性分析方法及装置，获得待分析图像后，获取待分析图像的纹理特征，如果纹理复杂，则确定待分析图像是非单一性图像；如果图像纹理简单，则继续获取待分析图像的颜色特征，结合图像的纹理特征及颜色特征综合判断图像的单一性，如果待分析图像的纹理比较简单但颜色不单一，则确定待分析图像是非单一性图像；如果待分析图像的纹理比较简单，同时，颜色单一，则确定待分析图像是单一性图像。该图像单一性分析方法结合图像的纹理特征及颜色特征综合分析待分析图像的单一性，提高了结果准确率。

Description

图像单一性分析方法及装置

技术领域

本公开涉及图像处理技术领域，特别是涉及一种图像单一性分析方法及装置。

背景技术

如果一张图片的内容比较单一(例如，一张纯红色图片)，则认为该图片是单一性图片。图片内容的单一性是分析图片质量的一个重要参数，通常认为内容单一的图片可能没有意义。

如何自动分析终端设备(例如，手机、平板电脑等)中存储的图片中分析出单一性图片，已经成为目前亟需解决的问题。

发明内容

为克服相关技术中存在的问题，本公开提供一种图像单一性分析方法及装置。

为了解决上述技术问题，本公开实施例公开了如下技术方案：

根据本公开实施例的第一方面，提供一种图像单一性分析方法，包括：

获取待分析图像；

获取所述待分析图像的纹理特征，以及，获取所述待分析图像的颜色特征；

根据所述纹理特征分析所述待分析图像的纹理复杂度；

当确定所述待分析图像的纹理简单时，根据所述待分析图像的颜色特征分析所述待分析图像的颜色是否单一；

如果所述待分析图像的颜色单一，则确定所述待分析图像是单一性图像；

如果所述待分析图像的颜色不单一，则确定所述待分析图像是非单一性图像。

本实施例提供的图像单一性分析方法，结合图像的纹理特征及颜色特征综合分析待分析图像的单一性，提高了结果准确率。

可选地，所述获取所述待分析图像的纹理特征，包括：

针对所述待分析图像，利用非线性扩散滤波生成非线性尺度空间的算法，构造的非线性尺度空间；

在所述非线性尺度空间内，获取所述待分析图像每一个像素块中的局部极大值，得到图像关键点。

可选地，所述根据所述纹理特征分析所述待分析图像的纹理复杂度，包括：

比较所述待分析图像所包含的图像关键点的数量与第一预设值的大小关系；

如果所述待分析图像中的图像关键点小于或等于所述第一预设值，则确定所述待分析图像的纹理简单；

如果所述待分析图像中的图像关键点大于所述第一预设值，则确定所述待分析图像的纹理复杂。

本实施例提供的图像单一性分析方法，在分析图像的纹理特征时，根据图像中包含的图像关键点的数量评价图像的纹理复杂程度，图像关键点的数量与纹理特征复杂程度成正比，即图像所包含的图像关键点的数量越多，图像的纹理越丰富；反之，图像所包含的图像关键点的数量越少，图像的纹理越简单。利用图像关键点的数量分析图像的纹理复杂程度，分析过程简单，减少图像分析所使用的时间，提高图像分析速度。

可选地，所述方法还包括：

当根据所述纹理特征确定所述待分析图像的纹理复杂时，确定所述待分析图像是非单一性图像。

可选地，所述获取所述待分析图像的颜色特征，包括：

将所述待分析图像的每个像素点对应的红色绿色蓝色RGB值转换为色调饱和度亮度HSV值；

根据饱和度阈值及亮度预设范围，获取所述待分析图像的饱和度及亮度掩模区域，所述饱和度及亮度掩模区域内的饱和度大于所述饱和度阈值，且亮度在所述预设亮度范围内；

获取所述饱和度及亮度掩模区域对应的图像色调值量化表；

确定所述饱和度及亮度掩模区域内色调值大于色调阈值的数量，得到所述待分析图像的颜色数量，所述色调阈值等于所述图像色调值量化表中的色调最大值乘以预设比例。

本实施例提供的图像单一性分析方法，针对待分析图像中的饱和度及亮度掩模区域所包含的色调进行分析，排除了过暗过亮或饱和度较低的图像区域影响整个图像的色调值的准确性，因此，该方法提高了获取图像颜色特征的准确率，进而提高了图像单一性分析的准确率。

可选地，所述根据所述待分析图像的颜色特征分析所述待分析图像的颜色是否单一，包括：

比较所述待分析图像的颜色数量与第二预设值之间的大小关系；

如果所述颜色数量大于所述第二预设值，则确定所述待分析图像的颜色不单一；

如果所述颜色数量小于所述第二预设值，则确定所述待分析图像的颜色单一。

可选地，所述第二预设值是2，所述根据所述待分析图像的颜色特征分析所述待分析图像的颜色是否单一，还包括：

如果所述待分析图像的颜色数量等于所述第二预设值，且大于所述色调预设值的色调值在所述图像色调量化表中属于相邻量化区间内，则确定所述待分析图像的颜色单一；

如果所述待分析图像的颜色数量等于所述第二预设值，且大于所述色调预设值的色调值在所述图像色调量化表中属于不相邻的量化区间，则确定所述待分析图像的颜色不单一。

根据本公开实施例的第二方面，提供一种图像单一性分析装置，包括：

第一获取模块，用于获取待分析图像；

第二获取模块，用于获取所述第一获取模块获得的待分析图像的纹理特征；

第三获取模块，用于获取所述第一获取模块获得的待分析图像的颜色特征；

纹理分析模块，用于根据第二获取模块获得的所述纹理特征分析所述待分析图像的纹理复杂度；

颜色分析模块，用于当所述纹理分析模块确定所述待分析图像的纹理简单时，根据所述第三获取模块获得的所述待分析图像的颜色特征分析所述待分析图像的颜色是否单一；

第一确定模块，用于当所述颜色分析模块确定所述待分析图像的颜色单一，则确定所述待分析图像是单一性图像；

第二确定模块，用于当所述颜色分析模块确定所述待分析图像的颜色不单一，则确定所述待分析图像是非单一性图像。

可选地，所述第二获取模块，包括：

构造子模块，用于针对所述待分析图像，利用非线性扩散滤波生成非线性尺度空间的算法，构造的非线性尺度空间；

第一获取子模块，用于在所述构造子模块构造的非线性尺度空间内，获取所述待分析图像每一个像素块中的局部极大值，得到图像关键点。

可选地，所述纹理分析模块，包括：

第一比较子模块，用于比较所述待分析图像所包含的图像关键点的数量与第一预设值的大小关系；

第一确定子模块，用于当所述比较子模块比较得到所述待分析图像中的图像关键点小于或等于所述第一预设值，则确定所述待分析图像的纹理简单；

第二确定子模块，用于当所述比较子模块比较得到所述待分析图像中的图像关键点大于所述第一预设值，则确定所述待分析图像的纹理复杂。

可选地，所述装置还包括：

第三确定模块，用于当所述纹理分析模块确定所述待分析图像的纹理复杂时，确定所述待分析图像是非单一性图像。

可选地，所述第三获取模块，包括：

转换子模块，用于将所述待分析图像的每个像素点对应的红色绿色蓝色RGB值转换为色调饱和度亮度HSV值；

掩模区域获取子模块，用于根据饱和度阈值及亮度预设范围，获取所述待分析图像的饱和度及亮度掩模区域，所述饱和度及亮度掩模区域内的饱和度大于所述饱和度阈值，且亮度在所述预设亮度范围内；

第二获取子模块，用于获取所述掩模区域获取子模块获得的饱和度及亮度掩模区域对应的图像色调值量化表；

第三获取子模块，用于根据所述第二获取子模块获得的图像色调量化表，确定所述饱和度及亮度掩模区域内色调值大于色调阈值的数量，得到所述待分析图像的颜色数量，所述色调阈值等于所述图像色调值量化表中的色调最大值乘以预设比例。

可选地，所述颜色分析模块，包括：

第二比较子模块，用于比较所述待分析图像的颜色数量与第二预设值之间的大小关系；

第三确定子模块，用于当所述第二比较子模块比较得到所述颜色数量大于所述第二预设值，则确定所述待分析图像的颜色不单一；

第四确定子模块，用于当所述第二比较子模块比较得到所述颜色数量小于所述第二预设值，则确定所述待分析图像的颜色单一。

可选地，所述第二预设值是2，所述颜色分析模块，还包括：

第五确定子模块，用于当所述第二比较子模块比较得到所述待分析图像的颜色数量等于所述第二预设值，且大于所述色调预设值的色调值在所述图像色调量化表中属于相邻量化区间内，则确定所述待分析图像的颜色单一；

第六确定子模块，用于当所述第二比较子模块比较得到所述待分析图像的颜色数量等于所述第二预设值，且大于所述色调预设值的色调值在所述图像色调量化表中属于不相邻的量化区间，则确定所述待分析图像的颜色不单一。

根据本公开实施例的第三方面，提供一种终端设备，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：

获取待分析图像；

获取所述待分析图像的纹理特征，以及，获取所述待分析图像的颜色特征；

根据所述纹理特征分析所述待分析图像的纹理复杂度；

当确定所述待分析图像的纹理简单时，根据所述待分析图像的颜色特征分析所述待分析图像的颜色是否单一；

如果所述待分析图像的颜色单一，则确定所述待分析图像是单一性图像；

如果所述待分析图像的颜色不单一，则确定所述待分析图像是非单一性图像。

本公开的实施例提供的技术方案可以包括以下有益效果：获得待分析图像后，获取待分析图像的纹理特征，如果待分析图像的纹理特征复杂，则确定待分析图像是非单一性图像；如果图像纹理简单，则继续获取待分析图像的颜色特征，结合图像的纹理特征及颜色特征综合判断图像的单一性。如果待分析图像的纹理比较简单但颜色不单一，则确定待分析图像是非单一性图像；如果待分析图像的纹理比较简单，同时，颜色单一，则确定待分析图像是单一性图像。该图像单一性分析方法结合图像的纹理特征及颜色特征综合分析待分析图像的单一性，提高了结果准确率。

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图像单一性分析方法的流程图；

图2是根据一示例性实施例示出的获取待分析图像的纹理特征过程的流程图；

图3是根据一示例性实施例示出的获取图像的颜色特征过程的流程图；

图4是根据一示例性实施例示出的一种图像单一性分析装置的框图；

图5是根据一示例性实施例示出的一种第二获取模块的框图；

图6是根据一示例性实施例示出的一种纹理分析模块的框图；

图7是根据一示例性实施例示出的一种第三获取模块的框图；

图8是根据一示例性实施例示出的颜色分析模块的框图；

图9是根据一示例性实施例示出的一种用于图像单一性分析的装置的框图；

图10根据一示例性实施例示出的一种用于图像单一性分析的装置的框图。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

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。

图1是根据一示例性实施例示出的一种图像单一性分析方法的流程图，该方法应用于终端或服务器中，如图1所示，该方法包括以下步骤：

在步骤S110中，获取待分析图像。

该待分析图像可以是终端内存储的照片，也可以是从服务器中的图片。

在步骤S120中，获取待分析图像的纹理特征。

纹理特征是一种全局特征，描述了图像或图像区域所对应的物体的表面性质。纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。

纹理特征有多种描述方式，常见的有边缘结构、局部二值特征等。本公开采用图像关键点分析图像的纹理特征。

在步骤S130中，根据纹理特征分析待分析图像的纹理复杂度；如果确定待分析图像的纹理简单，则执行S140；如果确定待分析图像的纹理复杂，则执行S170。

在步骤S140中，获取待分析图像的颜色特征。

颜色特征也是一种全局特征，描述了图像或图像区域所对应物体的表面性质，通常颜色特征是基于像素点的特征，此时，所有属于图像或图像区域的像素点都有各自的贡献。

本公开实施例中，先将图像或图像区域从RGB(Red Green Blue，红色绿色蓝色)颜色空间转换成HSV(Hue Saturation Lightness，色调饱和度亮度)颜色空间，然后，根据图像的色调值判断图像所包含颜色的数量。

在步骤S150中，根据待分析图像的颜色特征分析待分析图像的颜色是否单一；如果待分析图像颜色单一，则执行S160；如果待分析图像颜色不单一，则执行S170。

然后，根据图像的色调值判断图像所包含颜色的数量；如果图像包含两种及以上色调，则认为图像颜色丰富；如果图像包含一种色调，则认为图像颜色单一。

在步骤S160中，确定待分析图像是单一性图像。

在步骤S170中，确定待分析图像是非单一性图像。

本实施例提供的图像单一性分析方法，获得待分析图像后，获取待分析图像的纹理特征，如果纹理复杂，则确定待分析图像是非单一性图像；如果图像纹理简单，则继续获取待分析图像的颜色特征，结合图像的纹理特征及颜色特征综合判断图像的单一性，如果待分析图像的纹理比较简单但颜色不单一，则确定待分析图像是非单一性图像；如果待分析图像的纹理比较简单，同时，颜色单一，则确定待分析图像是单一性图像。该图像单一性分析方法结合图像的纹理特征及颜色特征综合分析待分析图像的单一性，提高了结果准确率。

图2是根据一示例性实施例示出的获取待分析图像的纹理特征过程的流程图，如图2所示，获取待分析图像的纹理特征过程可以包括以下步骤：

在步骤S121中，针对待分析图像，依据非线性扩散滤波构造的非线性尺度空间。

首先对待分析图像进行高斯滤波，即去除待分析图像中的细节特征，得到模糊化的图像。然后，计算高斯滤波后得到的图像的梯度直方图，从而获取对比度因子K；确定K值的计算过程如下：

按照公式1计算图像的梯度模值G：

公式1中，G为图像的梯度模值，L_x为图像的水平梯度，L_y为图像的垂直梯度。

然后，计算出图像中梯度模值的最大值G_max，按照最大值G_max划分区间，先设定包含的区间总数bins，然后，按照图像中梯度模值大小划分到不同的区间中，从而得到图像边缘梯度直方图G_hist。

其中，图像边缘梯度直方图G_hist为大小为bins的一维数组，数组中下标0对应的元素，是指图像的梯度模值小于G_max/bins的像素个数；数组中下标1对应的元素，是指图像的梯度模值大于G_max/bins，并且小于2*G_max/bins的像素个数。依次类推，数组中下标为bins的元素是指图像的梯度模值大于(bins-1)*G_max/bins的像素个数。

K值是根据图像边缘直方图的量化得到，K值越大保留的图像边缘信息越少，K值越小保留的图像边缘信息越多，Kaze算法中以G_hist累计达到图像边缘点的70％作为当前的K值，计算公式如下：

公式2中，sum_edge为图像总的边缘点个数；将满足公式2时的b值代入公式3中，计算出K值。

公式3中的bins是指图像边缘梯度直方图G_hist所包含的全部区间个数，K值表示G_hist中下标为0对应的元素值累加到下标为b对应的元素值的累加和大于图像总的边缘点个数sum_edge的70％时，下标b对应区间的梯度模值的阈值。

然后，按照AOS算法获得非线性尺度空间的所有图像。

在步骤S122中，在非线性尺度空间内，获取待分析图像每一个像素块中的局部极大值，得到图像关键点。

在非线性尺度空间内，检测图像的特征点(即，图像关键点)，通过寻找不同尺度归一化后的Hessian局部极大值点实现；其中，Hessian矩阵及其计算公式如下：

公式4为Hessian矩阵，其中，σ是尺度参数σ_i的整数值，是图像水平梯度L_x的偏导数，是图像垂直梯度L_y的偏导数。公式5是Hessian矩阵的行列式。

在寻找Hessian矩阵的极大值点时，每一个像素点和它所有的相邻点比较，当其大于它的图像域和尺度域的所有相邻点时，即为极大值点。理论上其比较的范围是当前尺度、上一尺度和下一尺度上的3个大小为σ_i×σ_i的矩形窗口，即图像域为σ_i×σ_i。为了加快搜索速度，窗口大小固定为3×3，则搜索空间是一个边长为3个像素的立方体；中间的检测点和同尺度的8个相邻点，以及和上下相邻尺度对应的9×2＝18个点，一共26个点比较，比较得到的最大值即Hessian局部极值点，该极值点即图像关键点。

用图像关键点的个数描述图像纹理的复杂程度，图像关键点的个数越多表示该区域内的图像纹理越复杂。本公开实施例对图像区域所包含的图像关键点的个数设定第一预设值，比较待分析图像的图像区域所包含的图像关键点的数量与第一预设值的大小关系；第一预设值可以根据有限次实验获得。如果图像区域包含的图像关键点小于或等于第一预设值，则确定待分析图像的纹理简单；如果图像区域中的图像关键点大于第一预设值，则确定待分析图像的纹理复杂。

本公开实施例提供的图像单一性分析方法，在分析图像的纹理特征时，根据图像中包含的图像关键点的数量评价图像的纹理复杂程度，图像关键点的数量与纹理特征复杂程度成正比，即图像所包含的图像关键点的数量越多，图像的纹理越丰富；反之，图像所包含的图像关键点的数量越少，图像的纹理越简单。利用图像关键点的数量分析图像的纹理复杂程度，分析过程简单，减少图像分析所使用的时间，提高图像分析速度。

图3是根据一示例性实施例示出的获取图像的颜色特征的流程图，如图3所示，该过程可以包括以下步骤：

在步骤S141中，将待分析图像的每个像素点对应的RGB值转换为HSV值。

将待分析图像从RGB空间转换到HSV空间，即将待分析图像中的每个像素点的RGB值转换为HSV值。

在步骤S142中，根据饱和度阈值及亮度预设范围，获取待分析图像的饱和度及亮度掩模区域。

饱和度及亮度掩模区域内的饱和度大于饱和度阈值，且亮度在预设亮度范围内。

如果图像过暗或过亮，或者，图像的饱和度较低时，图像的色调值不是很准确，因此，对图像的亮度与饱和度分别给出一个作用区间，从而得到亮度与饱和度作用区间对应的图像区域，即图像的饱和度及亮度掩模区域，根据公式6得到饱和度及亮度掩模区域：

mask_sv＝S＞th_s&&(V≥v_min&V≤v_max) (公式6)

公式6中，mask_sv表示饱和度及亮度掩模区域；th_s的取值可以是0.12，v_min取值可以是0.15，v_max取值可以是0.95。

饱和度及亮度掩模区域就是图像中饱和度大于th_s，同时，亮度大于v_min且小于v_max的图像区域。

在步骤S143中，获取饱和度及亮度掩模区域对应的图像色调值量化表。

图像色调值以18为间隔量化到20个区间，量化结果记为hist_map。

在步骤S144中，确定饱和度及亮度掩模区域内色调值大于色调阈值的数量，得到待分析图像的颜色数量。

在本公开一些实施例中，色调阈值等于图像色调值量化表中的色调最大值乘以预设比例。本公开实施例中，图像的颜色是指图像的主题色，即图像大面积区域内是同一种颜色。

根据公式7评价图像的主题色数量：

N＝{i|hist_map(i)＞a*max_h} (公式7)

公式7中，max_h为hist_map的最大值，a为比例因子可以设定为0.05；N为满足条件的色调bins个数。

得到的N值与第二预设值比较，其中，第二预设值可以设定为2。

当N大于2时，认为该待分析图像包含多种主要的颜色，即色彩比较丰富；当N等于1时，认为该待分析图像只有一种主要的颜色，即颜色单一。当N等于2时，需要进一步分析，满足公式7所示条件的bin下标相邻，认为图像的颜色值比较接近可以归为一种颜色；如果满足公式7所示条件的bin下标不相邻，认为图像的颜色值相差较多，图像有两种不同颜色的色调。

本实施例提供的图像单一性分析方法，针对待分析图像中的饱和度及亮度掩模区域所包含的色调进行分析，排除了过暗过亮或饱和度较低的图像区域影响整个图像的色调值的准确性，因此，该方法提高了获取图像颜色特征的准确率，进而提高了图像单一性分析的准确率。

相应于上述的图像单一性分析方法实施例，本公开还提供了图像单一性分析装置实施例。

图4是根据一示例性实施例示出的一种图像单一性分析装置的框图，该装置应用于终端中，如图4所示，该图像单一性分析装置可以包括：第一获取模块410、第二获取模块420、第三获取模块430、纹理分析模块440、颜色分析模块450、第一确定模块460和第二确定模块470。

第一获取模块410被配置为，获取待分析图像。

该待分析图像可以是终端内存储的照片，也可以是从服务器中下载的图片。

第二获取模块420被配置为，获取所述第一获取模块410获得的待分析图像的纹理特征。

纹理特征是一种全局特征，描述了图像或图像区域所对应的物体的表面性质。纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。本公开采用图像关键点分析图像的纹理特征。

第三获取模块430被配置为，获取所述第一获取模块410获得的待分析图像的颜色特征。

本公开实施例中，先将图像或图像区域从RGB(Red Green Blue，红色绿色蓝色)颜色空间转换成HSV(Hue Saturation Lightness，色调饱和度亮度)颜色空间，然后，根据图像的色调值判断图像所包含颜色的数量。

纹理分析模块440被配置为，根据第二获取模块获得的所述纹理特征分析所述待分析图像的纹理复杂度。

根据图像中包含的图像关键点的数量评价图像的纹理复杂程度，图像关键点的数量与纹理特征复杂程度成正比，即图像所包含的图像关键点的数量越多，图像的纹理越丰富；反之，图像所包含的图像关键点的数量越少，图像的纹理越简单。

颜色分析模块450被配置为，当所述纹理分析模块确定所述待分析图像的纹理简单时，根据所述第三获取模块获得的所述待分析图像的颜色特征分析所述待分析图像的颜色是否单一。

根据图像的色调值判断图像所包含颜色的数量；如果图像包含两种及以上色调，则认为图像颜色丰富；如果图像包含一种色调，则认为图像颜色单一。

第一确定模块460被配置为，当所述颜色分析模块确定所述待分析图像的颜色单一，则确定所述待分析图像是单一性图像。

第二确定模块470被配置为，当所述颜色分析模块确定所述待分析图像的颜色不单一，则确定所述待分析图像是非单一性图像。

在本公开的实施例中，还包括第三确定模块480被配置为，当所述纹理分析模块确定所述待分析图像的纹理复杂时，确定所述待分析图像是非单一性图像。

本实施例提供的图像单一性分析装置，获得待分析图像后，获取待分析图像的纹理特征，如果纹理复杂，则确定待分析图像是非单一性图像；如果图像纹理简单，则继续获取待分析图像的颜色特征，结合图像的纹理特征及颜色特征综合判断图像的单一性，如果待分析图像的纹理比较简单但颜色不单一，则确定待分析图像是非单一性图像；如果待分析图像的纹理比较简单，同时，颜色单一，则确定待分析图像是单一性图像。该图像单一性分析装置结合图像的纹理特征及颜色特征综合分析待分析图像的单一性，提高了结果准确率。

图5是根据一示例性实施例示出的一种第二获取模块的框图，如图5所示，该第二获取模块420可以包括构造子模块421和第一获取子模块422。

构造子模块421被配置为，针对所述待分析图像，利用非线性扩散滤波生成非线性尺度空间的算法，构造的非线性尺度空间。

首先对待分析图像进行高斯滤波，即去除待分析图像中的细节特征，得到模糊化的图像。然后，计算高斯滤波后得到的图像的梯度直方图，从而获取对比度因子K。K值是根据图像边缘直方图的量化得到，K值越大保留的图像边缘信息越少，K值越小保留的图像边缘信息越多，Kaze算法中以G_hist累计达到图像边缘点的70％作为当前的K值。然后，按照AOS算法获得非线性尺度空间的所有图像。

第一获取子模块422被配置为，在所述构造子模块构造的非线性尺度空间内，获取所述待分析图像每一个像素块中的局部极大值，得到图像关键点。

在非线性尺度空间内，检测图像的特征点(即，图像关键点)，通过寻找不同尺度归一化后的Hessian局部极大值点实现。

用图像关键点的个数描述图像纹理的复杂程度，图像关键点的个数越多表示该区域内的图像纹理越复杂。

图6是根据一示例性实施例示出的一种纹理分析模块的框图，如图6所示，该纹理分析模块440包括：第一比较子模块441、第一确定子模块442和第二确定子模块443。

第一比较子模块441被配置为，比较所述待分析图像所包含的图像关键点的数量与第一预设值的大小关系。

第一确定子模块442被配置为，当所述比较子模块比较得到所述待分析图像中的图像关键点小于或等于所述第一预设值，则确定所述待分析图像的纹理简单。

第二确定子模块443被配置为，当所述比较子模块比较得到所述待分析图像中的图像关键点大于所述第一预设值，则确定所述待分析图像的纹理复杂。

本公开实施例提供的纹理分析模块，在分析图像的纹理特征时，根据图像中包含的图像关键点的数量评价图像的纹理复杂程度，图像关键点的数量与纹理特征复杂程度成正比，即图像所包含的图像关键点的数量越多，图像的纹理越丰富；反之，图像所包含的图像关键点的数量越少，图像的纹理越简单。利用图像关键点的数量分析图像的纹理复杂程度，分析过程简单，减少图像分析所使用的时间，提高图像分析速度。

图7是根据一示例性实施例示出的一种第三获取模块的框图，如图7所示，该第三获取模块430包括：转换子模块431、掩模区域获取子模块432、第二获取子模块433和第三获取子模块434。

转换子模块431被配置为，将所述待分析图像的每个像素点对应的红色绿色蓝色RGB值转换为色调饱和度亮度HSV值。

掩模区域获取子模块432被配置为，根据饱和度阈值及亮度预设范围，获取所述待分析图像的饱和度及亮度掩模区域，所述饱和度及亮度掩模区域内的饱和度大于所述饱和度阈值，且亮度在所述预设亮度范围内。

如果图像过暗或过亮，或者，图像的饱和度较低时，图像的色调值不是很准确，因此，对图像的亮度与饱和度分别给出一个作用区间，从而得到亮度与饱和度作用区间对应的图像区域，即图像的饱和度及亮度掩模区域

第二获取子模块433被配置为，获取所述掩模区域获取子模块432获得的饱和度及亮度掩模区域对应的图像色调值量化表。

第三获取子模块434被配置为，根据所述第二获取子模块433获得的图像色调量化表，确定所述饱和度及亮度掩模区域内色调值大于色调阈值的数量，得到所述待分析图像的颜色数量。

在本公开一些实施例中，色调阈值等于图像色调值量化表中的色调最大值乘以预设比例。本公开实施例中，图像的颜色是指图像的主题色，即图像大面积区域内是同一种颜色。根据上述的公式7获取图像的主题色的数量。

图8是根据一示例性实施例示出的颜色分析模块的框图，如图8所示，该颜色分析模块450包括第二比较子模块451、第三确定子模块452、第四确定子模块453、第五确定子模块454和第六确定子模块455。

第二比较子模块451被配置为，比较所述待分析图像的颜色数量与第二预设值之间的大小关系。

第二预设值取值为2，第二比较子模块用来评价待分析图像是否只包含一种主要颜色。

第三确定子模块452被配置为，当所述第二比较子模块比较得到所述颜色数量大于所述第二预设值，则确定所述待分析图像的颜色不单一。

当图像所包含的主要颜色数量大于2时，认为该待分析图像包含多种主要的颜色，即色彩比较丰富。

第四确定子模块453被配置为，当所述第二比较子模块比较得到所述颜色数量小于所述第二预设值，则确定所述待分析图像的颜色单一。

当图像所包含的主要颜色的数量等于1时，认为该待分析图像只有一种主要的颜色，即颜色单一。

第五确定子模块454被配置为，当所述第二比较子模块比较得到所述待分析图像的颜色数量等于所述第二预设值，且大于所述色调预设值的色调值在所述图像色调量化表中属于相邻量化区间内，则确定所述待分析图像的颜色单一。

当图像所包含主要颜色的数量等于2时，需要进一步分析，满足上述的公式7所示条件的bin下标相邻，认为图像的颜色值比较接近可以归为一种颜色。

第六确定子模块455被配置为，当所述第二比较子模块比较得到所述待分析图像的颜色数量等于所述第二预设值，且大于所述色调预设值的色调值在所述图像色调量化表中属于不相邻的量化区间，则确定所述待分析图像的颜色不单一。

如果满足上述公式7所示条件的bin下标不相邻，认为图像的颜色值相差较多，图像有两种不同颜色的色调。

本实施例提供的颜色分析模块，针对待分析图像中的饱和度及亮度掩模区域所包含的色调进行分析，排除了过暗过亮或饱和度较低的图像区域影响整个图像的色调值的准确性，因此，提高了获取图像颜色特征的准确率，进而提高了图像单一性分析的准确率。

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图像单一性分析的装置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。

如图9所示，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装置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。

电源组件906为装置900的各种组件提供电力。电源组件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。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。当装置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可以检测到装置900的打开/关闭状态，组件的相对定位，例如组件为装置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，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，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，当存储介质中的指令由移动终端的处理器执行时，使得终端设备能够执行一种图像单一性分析方法，方法包括：

获取待分析图像；

获取所述待分析图像的纹理特征，以及，获取所述待分析图像的颜色特征；

根据所述纹理特征分析所述待分析图像的纹理复杂度；

当确定所述待分析图像的纹理简单时，根据所述待分析图像的颜色特征分析所述待分析图像的颜色是否单一；

如果所述待分析图像的颜色单一，则确定所述待分析图像是单一性图像；

如果所述待分析图像的颜色不单一，则确定所述待分析图像是非单一性图像。

图10根据一示例性实施例示出的一种用于图像单一性分析的装置1000的框图。例如，装置1000可以被提供为一服务器。如图10所示，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，以执行上述图像单一性分析方法。

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Windows ServerTM，MacOS XTM，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 (13)

1.一种图像单一性分析方法，其特征在于，包括：

获取待分析图像；

获取所述待分析图像的纹理特征，以及，获取所述待分析图像的颜色特征；

根据所述纹理特征分析所述待分析图像的纹理复杂度；

当确定所述待分析图像的纹理简单时，根据所述待分析图像的颜色特征分析所述待分析图像的颜色是否单一；

如果所述待分析图像的颜色单一，则确定所述待分析图像是单一性图像；

如果所述待分析图像的颜色不单一，则确定所述待分析图像是非单一性图像；

所述获取所述待分析图像的颜色特征，包括：

将所述待分析图像的每个像素点对应的红色绿色蓝色RGB值转换为色调饱和度亮度HSV值；

根据饱和度阈值及亮度预设范围，获取所述待分析图像的饱和度及亮度掩模区域，所述饱和度及亮度掩模区域内的饱和度大于所述饱和度阈值，且亮度在所述预设亮度范围内；

获取所述饱和度及亮度掩模区域对应的图像色调值量化表；

确定所述饱和度及亮度掩模区域内色调值大于色调阈值的数量，得到所述待分析图像的颜色数量，所述色调阈值等于所述图像色调值量化表中的色调最大值乘以预设比例。

2.根据权利要求1所述的方法，其特征在于，所述获取所述待分析图像的纹理特征，包括：

针对所述待分析图像，利用非线性扩散滤波生成非线性尺度空间的算法，构造非线性尺度空间；

在所述非线性尺度空间内，获取所述待分析图像每一个像素块中的局部极大值，得到图像关键点。

3.根据权利要求2所述的方法，其特征在于，所述根据所述纹理特征分析所述待分析图像的纹理复杂度，包括：

比较所述待分析图像所包含的图像关键点的数量与第一预设值的大小关系；

如果所述待分析图像中的图像关键点小于或等于所述第一预设值，则确定所述待分析图像的纹理简单；

如果所述待分析图像中的图像关键点大于所述第一预设值，则确定所述待分析图像的纹理复杂。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

当根据所述纹理特征确定所述待分析图像的纹理复杂时，确定所述待分析图像是非单一性图像。

5.根据权利要求1所述的方法，其特征在于，所述根据所述待分析图像的颜色特征分析所述待分析图像的颜色是否单一，包括：

比较所述待分析图像的颜色数量与第二预设值之间的大小关系；

如果所述颜色数量大于所述第二预设值，则确定所述待分析图像的颜色不单一；

如果所述颜色数量小于所述第二预设值，则确定所述待分析图像的颜色单一。

6.根据权利要求5所述的方法，其特征在于，所述第二预设值是2，所述根据所述待分析图像的颜色特征分析所述待分析图像的颜色是否单一，还包括：

如果所述待分析图像的颜色数量等于所述第二预设值，且大于所述色调预设值的色调值在所述图像色调量化表中属于相邻量化区间内，则确定所述待分析图像的颜色单一；

如果所述待分析图像的颜色数量等于所述第二预设值，且大于所述色调预设值的色调值在所述图像色调量化表中属于不相邻的量化区间，则确定所述待分析图像的颜色不单一。

7.一种图像单一性分析装置，其特征在于，包括：

第一获取模块，用于获取待分析图像；

第二获取模块，用于获取所述第一获取模块获得的待分析图像的纹理特征；

第三获取模块，用于获取所述第一获取模块获得的待分析图像的颜色特征；

纹理分析模块，用于根据第二获取模块获得的所述纹理特征分析所述待分析图像的纹理复杂度；

颜色分析模块，用于当所述纹理分析模块确定所述待分析图像的纹理简单时，根据所述第三获取模块获得的所述待分析图像的颜色特征分析所述待分析图像的颜色是否单一；

第一确定模块，用于当所述颜色分析模块确定所述待分析图像的颜色单一，则确定所述待分析图像是单一性图像；

第二确定模块，用于当所述颜色分析模块确定所述待分析图像的颜色不单一，则确定所述待分析图像是非单一性图像；

所述第三获取模块，包括：

转换子模块，用于将所述待分析图像的每个像素点对应的红色绿色蓝色RGB值转换为色调饱和度亮度HSV值；

掩模区域获取子模块，用于根据饱和度阈值及亮度预设范围，获取所述待分析图像的饱和度及亮度掩模区域，所述饱和度及亮度掩模区域内的饱和度大于所述饱和度阈值，且亮度在所述预设亮度范围内；

第二获取子模块，用于获取所述掩模区域获取子模块获得的饱和度及亮度掩模区域对应的图像色调值量化表；

第三获取子模块，用于根据所述第二获取子模块获得的图像色调量化表，确定所述饱和度及亮度掩模区域内色调值大于色调阈值的数量，得到所述待分析图像的颜色数量，所述色调阈值等于所述图像色调值量化表中的色调最大值乘以预设比例。

8.根据权利要求7所述的装置，其特征在于，所述第二获取模块，包括：

构造子模块，用于针对所述待分析图像，利用非线性扩散滤波生成非线性尺度空间的算法，构造的非线性尺度空间；

第一获取子模块，用于在所述构造子模块构造的非线性尺度空间内，获取所述待分析图像每一个像素块中的局部极大值，得到图像关键点。

9.根据权利要求8所述的装置，其特征在于，所述纹理分析模块，包括：

第一比较子模块，用于比较所述待分析图像所包含的图像关键点的数量与第一预设值的大小关系；

第一确定子模块，用于当所述比较子模块比较得到所述待分析图像中的图像关键点小于或等于所述第一预设值，则确定所述待分析图像的纹理简单；

第二确定子模块，用于当所述比较子模块比较得到所述待分析图像中的图像关键点大于所述第一预设值，则确定所述待分析图像的纹理复杂。

10.根据权利要求7至9任一项所述的装置，其特征在于，所述装置还包括：

第三确定模块，用于当所述纹理分析模块确定所述待分析图像的纹理复杂时，确定所述待分析图像是非单一性图像。

11.根据权利要求7所述的装置，其特征在于，所述颜色分析模块，包括：

第二比较子模块，用于比较所述待分析图像的颜色数量与第二预设值之间的大小关系；

第三确定子模块，用于当所述第二比较子模块比较得到所述颜色数量大于所述第二预设值，则确定所述待分析图像的颜色不单一；

第四确定子模块，用于当所述第二比较子模块比较得到所述颜色数量小于所述第二预设值，则确定所述待分析图像的颜色单一。

12.根据权利要求11所述的装置，其特征在于，所述第二预设值是2，所述颜色分析模块，还包括：

第五确定子模块，用于当所述第二比较子模块比较得到所述待分析图像的颜色数量等于所述第二预设值，且大于所述色调预设值的色调值在所述图像色调量化表中属于相邻量化区间内，则确定所述待分析图像的颜色单一；

第六确定子模块，用于当所述第二比较子模块比较得到所述待分析图像的颜色数量等于所述第二预设值，且大于所述色调预设值的色调值在所述图像色调量化表中属于不相邻的量化区间，则确定所述待分析图像的颜色不单一。

13.一种终端设备，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：

获取待分析图像；

获取所述待分析图像的纹理特征，以及，获取所述待分析图像的颜色特征；

根据所述纹理特征分析所述待分析图像的纹理复杂度；

当确定所述待分析图像的纹理简单时，根据所述待分析图像的颜色特征分析所述待分析图像的颜色是否单一；

如果所述待分析图像的颜色单一，则确定所述待分析图像是单一性图像；

如果所述待分析图像的颜色不单一，则确定所述待分析图像是非单一性图像；所述获取所述待分析图像的颜色特征，包括：

将所述待分析图像的每个像素点对应的红色绿色蓝色RGB值转换为色调饱和度亮度HSV值；

根据饱和度阈值及亮度预设范围，获取所述待分析图像的饱和度及亮度掩模区域，所述饱和度及亮度掩模区域内的饱和度大于所述饱和度阈值，且亮度在所述预设亮度范围内；

获取所述饱和度及亮度掩模区域对应的图像色调值量化表；

确定所述饱和度及亮度掩模区域内色调值大于色调阈值的数量，得到所述待分析图像的颜色数量，所述色调阈值等于所述图像色调值量化表中的色调最大值乘以预设比例。