CN106228165A - 一种照片分类的方法和移动终端 - Google Patents
一种照片分类的方法和移动终端 Download PDFInfo
- Publication number
- CN106228165A CN106228165A CN201610601740.XA CN201610601740A CN106228165A CN 106228165 A CN106228165 A CN 106228165A CN 201610601740 A CN201610601740 A CN 201610601740A CN 106228165 A CN106228165 A CN 106228165A
- Authority
- CN
- China
- Prior art keywords
- photo
- storage address
- classification
- mobile terminal
- photographing operation
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/172—Caching, prefetching or hoarding of files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种照片分类的方法和移动终端，该方法包括：获取照片的照片特征数据，所述照片特征数据用于表示所述照片的颜色特征；对所述照片特征数据进行编码，得到所述照片的特征数据编码值；根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址；将所述照片存储到与所述分类存储地址对应的文件夹中。本发明实施例对照片进行精确分类，使移动终端查找照片的效率得以提高。
Description
技术领域
本发明涉及通信领域，尤其涉及一种照片分类的方法和移动终端。
背景技术
随着移动终端技术的迅速发展，现在大部分的移动终端都带有拍照功能，甚至拍照已经成为移动终端不可或缺的功能。用户在使用移动终端的时候，会拍摄大量的人物、动物、风景或文档等各种类型的照片，并将它们储存在移动终端内。但是现有的移动终端对照片进行储存一般都是按照片拍摄时间进行储存，导致用户在查找某张自己想要照片的时候，要对移动终端所有的照片进行查找。可见，目前移动终端对照片的分类方式(例如按照拍摄时间或者照片所在文件夹等)过于笼统导致用户查找照片的效率比较低。
发明内容
本发明实施例提供一种照片分类的方法和移动终端，以解决移动终端对照片的分类方式过于笼统导致用户查找照片的效率比较低的问题。
第一方面，本发明实施例提供了一种照片分类的方法，其特征在于，包括：
获取照片的照片特征数据，所述照片特征数据用于表示所述照片的颜色特征；
对所述照片特征数据进行编码，得到所述照片的特征数据编码值；
根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址；
将所述照片存储到与所述分类存储地址对应的文件夹中。
第二方面，本发明实施例还提供一种移动终端，包括：
第一获取模块，用于获取照片的照片特征数据，所述照片特征数据用于表示所述照片的颜色特征；
编码模块，用于对所述照片特征数据进行编码，得到所述照片的特征数据编码值；
确定模块，用于根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址；
存储模块，用于将所述照片存储到与所述分类存储地址对应的文件夹中。
这样，本发明实施例中，获取照片的照片特征数据，所述照片特征数据用于表示所述照片的颜色特征；对所述照片特征数据进行编码，得到所述照片的特征数据编码值；根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址；将所述照片存储到与所述分类存储地址对应的文件夹中。这样移动终端对照片进行精确分类，使移动终端查找照片的效率得以提高。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种照片分类的方法的流程图；
图2是本发明实施例提供的另一种照片分类的方法的流程图；
图3是本发明实施例提供的一种照片示意图；
图4是本发明实施例提供的一种移动终端的结构图；
图5是本发明实施例提供的另一种移动终端的结构图；
图6是本发明实施例提供的另一种移动终端的结构图；
图7是本发明实施例提供的另一种移动终端的结构图；
图8是本发明实施例提供的另一种移动终端的结构图；
图9是本发明实施例提供的另一种移动终端的结构图；
图10是本发明实施例提供的另一种移动终端的结构图。
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。
第一实施例
参见图1，图1是本发明实施例提供的一种照片分类的方法的流程图，如图1所示，包括以下步骤：
步骤101、获取照片的照片特征数据，所述照片特征数据用于表示所述照片的颜色特征。
本实施例中，上述照片可以是风景的照片、人物的照片、动物的照片或者文档的照片等等。上述照片特征数据可以是直方图数据、散点图数据或者饼状图数据等等。上述颜色特征可以是照片的颜色直方图、颜色矩、颜色集、颜色聚合向量、颜色相关图或者颜色灰度通道等特征。
步骤102、对所述照片特征数据进行编码，得到所述照片的特征数据编码值。
本实施例中，上述编码可以是哈弗曼编码、算数编码、游程编码、预测编码或者变换编码的一种或者多种编码。上述编码值可以是通过直接编码得到的一系列0-1值，也可以是对0-1值进行某种加密算法得到的数值。加密算法可以是数据加密标准算法、信息-摘要加密算法、高级加密算法、公钥加密算法或者其他加密算法，对此本实施例不作限定。
步骤103、根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址。
本实施例中，上述根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址，例如：编码范围为0000-1000内的编码值对应的储存地址为B013，编码范围为1001-1111内的编码值对应的储存地址为B014，若对照片1的特征数据编码得到的编码值为0010，对照片2的特征数据编码得到的编码值为0011，对照片3的特征数据编码得到的编码值为1100，则照片1特征数据编码值对应的存储地址为B013，照片2特征数据编码值对应的存储地址为B013，照片3特征数据编码值对应的存储地址为B014。
步骤104、将所述照片存储到与所述分类存储地址对应的文件夹中。
本实施例中，上述文件夹可以理解为用户在移动终端创建的文件夹，可以存在于某个应用程序内，也可以存在于移动终端主页面。上述将所述照片存储到与所述分类存储地址对应的文件夹中，例如：存储地址B013可以对应文件夹1，存储地址B014可以对应文件夹2，存储地址B015可以对应文件夹3，若照片1特征数据的编码值对应的存储地址为B013，就把照片1存储到文件夹1中；若照片2特征数据的编码值对应的存储地址为B015，就把照片2存储到文件夹3中；若照片3特征数据的编码值对应的存储地址为B014，就把照片3存储到文件夹2中。
本发明实施例中，上述移动终端可以任何具备人体特征采集组件和屏幕的移动终端，例如：手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)、个人数字助理(personal digital assistant，简称PDA)、移动上网装置(Mobile InternetDevice，MID)或可穿戴式设备(Wearable Device)等。
本发明实施例的一种照片分类的方法，获取照片的照片特征数据，所述照片特征数据用于表示所述照片的颜色特征；对所述照片特征数据进行编码，得到所述照片的特征数据编码值；根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址；将所述照片存储到与所述分类存储地址对应的文件夹中。这样移动终端对照片进行精确分类，使移动终端查找照片的效率得以提高。
第二实施例
参见图2，图2是本发明实施例提供的另一种照片分类的方法的流程图，如图2所示，包括以下步骤：
步骤201、获取所述照片的图像显著性区域。
步骤202、从所述图像显著性区域中提取空间颜色直方图信息，将所述空间颜色直方图信息作为所述照片的照片特征数据，所述照片特征数据用于表示所述照片的颜色特征。
步骤203、对所述照片特征数据进行编码，得到所述照片的特征数据编码值。
步骤204、根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址。
步骤205、将所述照片存储到与所述分类存储地址对应的文件夹中。
本实施例中，上述显著性区域一般会包含一个对象，该对象可以是物体，也可以是动物。例如一张蓝天白云的照片，白云所处的范围就可以叫显著性区域。又例如一张人物的照片，人物所处的范围也可以叫显著性区域。
本实施例中，上述空间颜色直方图信息可以这样理解。例如一张图像只有红黄绿三种颜色，统计图像所有像素的颜色，将像素按颜色分类统计，以直方图的形式展示出来。直方图的横轴可以用来表示颜色，红、黄和绿，直方图的纵轴可以用来表示像素点的个数。
当然，每个像素点也可以用红绿蓝(RGB，Red Green Blue)色彩模式来表示，那样直方图的横轴就是一个RGB数值，这种方式也是可以的。
可选的，获取所述照片的图像显著性区域，包括：
获取所述照片的中心对象；
根据所述中心对象确定中心区域与外周区域，所述外周区域位于所述中心区域的外部，所述中心对象的至少部分位于所述中心区域；
计算所述中心区域与所述外周区域的对比度来获取所述照片的所述图像显著性区域。
本实施例中，上述中心对象可以理解为位于照片中心的对象。例如一个矩形的照片，它的对角线交叉点即为中心点，包含这中心点的对象就可以称为中心对象。例如：一张蓝天白云的照片，白云所处的区域包含了照片的中心点，就可以把白云称为中心对象；又或者一张小猫的照片，小猫所处的区域包含了照片的中心点，小猫也可以称为一个中心对象。
本实施例中，上述中心区域可以通过计算中心对象的最小包络圆，最小包络圆的内部区域可以称为中心区域；或者也可以通过计算中心对象的最小包络矩形，最小包络矩形的内部区域也可以称为中心区域。当然，在此基础上将最小包络圆或者最小包络矩形适当放大或者缩小之后内部区域可是可以作为中心区域的，对此本发明实施例不作限定。
本实施例中，上述外周区域可以理解为中心区域外部的区域。若中心区域为一个圆形，外部区域可以以中心区域的圆形画一个半径大于中心区域半径的圆，将中心区域的外部、大于中心区域半径的圆的内部之间的区域也可以叫做外周区域，外周区域可以由用户自定义。
为了更好的理解中心对象、中心区域和外周区域，请参见图3，图3为一种包含中心对象、中心区域和外周区域的照片示意图。对象301包含了矩形照片304的中心点，所以它为中心对象。通过计算对象301的最小包络圆可以得到圆302，圆302的内部区域就可以称为中心区域。以圆302的圆心，作一个半径比圆302半径大的圆，得到圆303，圆302与圆303之间的区域就可以称为外周区域。当然可以理解的是，在本实施例中并不限定中心区域和外周区域的具体形状。
本实施例中，上述计算所述中心区域与所述外周区域的对比度，可以通过自动识别的方法来计算得到的对比度，也可以通过对比映射的方法来计算得到的对比度。
可选的，从所述图像显著性区域中提取空间颜色直方图信息，包括：
对所述图像显著性区域中的图像进行K-均值聚类，得到聚类图；
对所述聚类图进行统计得到空间颜色直方图信息。
本实施例中，上述K-均值聚类的K个初始点，可以是用户自定义设置的K个初始点，也可以是随机分配的K个初始点。上述聚类图可以这样理解，例如：未经聚类的初始图像有很多像素，不同的像素有不同的颜色值。通过K-均值聚类之后，所有的像素只能包含K种颜色值。
本实施例中，上述空间颜色直方图信息，直方图的横轴可以为K种颜色值，直方图的纵轴可以为像素的个数。
可选的，在所述获取照片的照片特征数据之前，所述方法还包括：
获取拍照操作；
响应于所述拍照操作，生成所述照片。
本实施例中，上述拍照操作，可以是用户按压某个按键产生的操作，也可以是用户点击屏幕某个部位产生的拍照操作。
可选的，在所述将所述照片存储到与所述分类存储地址对应的文件夹中之前，所述方法还包括：
检测是否有拍照操作；
若检测到所述拍照操作，则执行将所述照片存储到与所述分类存储地址对应的文件夹中的步骤；
若没有检测到所述拍照操作，则清除数据。
本实施例中，上述清除数据，即清除移动终端为照片缓存的数据，可以包括照片的数据，也可以包括照片相关的某些时间文档或者地点文档数据等等。
本发明实施例，获取所述照片的图像显著性区域；从所述图像显著性区域中提取空间颜色直方图信息，将所述空间颜色直方图信息作为所述照片的照片特征数据，所述照片特征数据用于表示所述照片的颜色特征；对所述照片特征数据进行编码，得到所述照片的特征数据编码值；根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址；将所述照片存储到与所述分类存储地址对应的文件夹中。这样移动终端对照片进行精确分类，使移动终端查找照片的效率得以提高。
第三实施例
参见图4，图4是本发明实施提供的一种移动终端的结构图，如图4所示，移动终端400包括第一获取模块401，编码模块402，确定模块403，存储模块404，其中：
第一获取模块401，用于获取照片的照片特征数据，所述照片特征数据用于表示所述照片的颜色特征；
编码模块402，用于对所述照片特征数据进行编码，得到所述照片的特征数据编码值；
确定模块403，用于根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址；
存储模块404，用于将所述照片存储到与所述分类存储地址对应的文件夹中。
可选的，如图5所示，所述第一获取模块401包括：
获取单元4011，用于获取所述照片的图像显著性区域；
提取单元4012，用于从所述图像显著性区域中提取空间颜色直方图信息，将所述空间颜色直方图信息作为所述照片的照片特征数据。
可选的，如图6所示，所述获取单元4011包括：
获取子单元40111，用于获取所述照片的中心对象；
确定子单元40112，用于根据所述中心对象确定中心区域与外周区域，所述外周区域位于所述中心区域的外部，所述中心对象的至少部分位于所述中心区域；
计算子单元40113，用于计算所述中心区域与所述外周区域的对比度来获取所述照片的所述图像显著性区域。
可选的，如图7所示，所述提取单元4012包括：
聚类子单元40121，用于对所述图像显著性区域中的图像进行K-均值聚类，得到聚类图；
统计子单元40122，用于对所述聚类图进行统计得到空间颜色直方图信息。
可选的，如图8所示，所述移动终端400还包括：
第二获取模块405，用于获取拍照操作；
生成模块406，用于响应于所述拍照操作，生成所述照片。
可选的，如图9所示，所述移动终端400还包括：
检测模块407，用于检测是否有拍照操作；
所述存储模块404用于若所述检测模块407检测到所述拍照操作，将所述照片存储到与所述分类存储地址对应的文件夹中；
清除模块408，用于若所述检测模块没有检测到所述拍照操作，清除数据。
移动终端400能够实现图1至图2的方法实施例中移动终端实现的各个过程，为避免重复，这里不再赘述。
本发明实施例的移动终端400，获取照片的照片特征数据，所述照片特征数据用于表示所述照片的颜色特征；对所述照片特征数据进行编码，得到所述照片的特征数据编码值；根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址；将所述照片存储到与所述分类存储地址对应的文件夹中。这样通过对照片的分类，移动终端在查找某个照片时，只要去对应的文件夹去查找就可以找到，使查找效率得以提高。
第四实施例
参见图10，图10是本发明实施提供的另一种移动终端的结构图，如图10所示，移动终端1000包括：至少一个处理器1001、存储器1002、至少一个网络接口1004和用户接口1003。移动终端1000中的各个组件通过总线系统1005耦合在一起。可理解，总线系统1005用于实现这些组件之间的连接通信。总线系统1005除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图10中将各种总线都标为总线系统1005。
其中，用户接口1003可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。
可以理解，本发明实施例中的存储器1002可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，DRRAM)。本文描述的系统和方法的存储器1002旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中，存储器1002存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统10021和应用程序10022。
其中，操作系统10021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序10022，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序10022中。
在本发明实施例中，通过调用存储器1002存储的程序或指令，具体的，可以是应用程序10022中存储的程序或指令，处理器1001用于：
获取照片的照片特征数据，所述照片特征数据用于表示所述照片的颜色特征；
对所述照片特征数据进行编码，得到所述照片的特征数据编码值；
根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址；
将所述照片存储到与所述分类存储地址对应的文件夹中。
上述本发明实施例揭示的方法可以应用于处理器1001中，或者由处理器1001实现。处理器1001可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器1001中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1001可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1002，处理器1001读取存储器1002中的信息，结合其硬件完成上述方法的步骤。
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits，ASIC)、数字信号处理器(Digital Signal Processing，DSP)、数字信号处理设备(DSP Device，DSPD)、可编程逻辑设备(Programmable LogicDevice，PLD)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
可选的，处理器1001执行获取照片的照片特征数据，包括：
获取所述照片的图像显著性区域；
从所述图像显著性区域中提取空间颜色直方图信息，将所述空间颜色直方图信息作为所述照片的照片特征数据。
可选的，处理器1001执行获取所述照片的图像显著性区域，包括：
获取所述照片的中心对象；
根据所述中心对象确定中心区域与外周区域，所述外周区域位于所述中心区域的外部，所述中心对象的至少部分位于所述中心区域；
计算所述中心区域与所述外周区域的对比度来获取所述照片的所述图像显著性区域。
可选的，处理器1001执行从所述图像显著性区域中提取空间颜色直方图信息，包括：
对所述图像显著性区域中的图像进行K-均值聚类，得到聚类图；
对所述聚类图进行统计得到空间颜色直方图信息。
可选的，在所述获取照片的照片特征数据之前，处理器1001还用于：
获取拍照操作；
响应于所述拍照操作，生成所述照片。
可选的，在所述将所述照片存储到与所述分类存储地址对应的文件夹中之前，处理器1001还用于：
检测是否有拍照操作；
若检测到所述拍照操作，则执行将所述照片存储到与所述分类存储地址对应的文件夹中的步骤；
若没有检测到所述拍照操作，则清除数据。
移动终端1000能够实现前述实施例中移动终端实现的各个过程，为避免重复，这里不再赘述。
本发明实施例的移动终端1000，获取照片的照片特征数据，所述照片特征数据用于表示所述照片的颜色特征；对所述照片特征数据进行编码，得到所述照片的特征数据编码值；根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址；将所述照片存储到与所述分类存储地址对应的文件夹中。这样通过对照片的分类，移动终端在查找某个照片时，只要去对应的文件夹去查找就可以找到，使查找效率得以提高。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种照片分类的方法，其特征在于，包括：
获取照片的照片特征数据，所述照片特征数据用于表示所述照片的颜色特征；
对所述照片特征数据进行编码，得到所述照片的特征数据编码值；
根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址；
将所述照片存储到与所述分类存储地址对应的文件夹中。
2.根据权利要求1所述的方法，其特征在于，获取照片的照片特征数据，包括：
获取所述照片的图像显著性区域；
从所述图像显著性区域中提取空间颜色直方图信息，将所述空间颜色直方图信息作为所述照片的照片特征数据。
3.根据权利要求2所述的方法，其特征在于，获取所述照片的图像显著性区域，包括：
获取所述照片的中心对象；
根据所述中心对象确定中心区域与外周区域，所述外周区域位于所述中心区域的外部，所述中心对象的至少部分位于所述中心区域；
计算所述中心区域与所述外周区域的对比度来获取所述照片的所述图像显著性区域。
4.根据权利要求2所述的方法，其特征在于，从所述图像显著性区域中提取空间颜色直方图信息，包括：
对所述图像显著性区域中的图像进行K-均值聚类，得到聚类图；
对所述聚类图进行统计得到空间颜色直方图信息。
5.根据权利要求1所述的方法，其特征在于，在所述获取照片的照片特征数据之前，所述方法还包括：
获取拍照操作；
响应于所述拍照操作，生成所述照片。
6.根据权利要求1所述的方法，在所述将所述照片存储到与所述分类存储地址对应的文件夹中之前，所述方法还包括：
检测是否有拍照操作；
若检测到所述拍照操作，则执行将所述照片存储到与所述分类存储地址对应的文件夹中的步骤；
若没有检测到所述拍照操作，则清除数据。
7.一种移动终端，其特征在于，包括：
第一获取模块，用于获取照片的照片特征数据，所述照片特征数据用于表示所述照片的颜色特征；
编码模块，用于对所述照片特征数据进行编码，得到所述照片的特征数据编码值；
确定模块，用于根据预设的照片类别编码范围与分类存储地址的对应关系，确定与所述特征数据编码值对应的分类存储地址；
存储模块，用于将所述照片存储到与所述分类存储地址对应的文件夹中。
8.根据权利要求7所述的移动终端，其特征在于，所述第一获取模块包括：
获取单元，用于获取所述照片的图像显著性区域；
提取单元，用于从所述图像显著性区域中提取空间颜色直方图信息，将所述空间颜色直方图信息作为所述照片的照片特征数据。
9.根据权利要求8所述的移动终端，其特征在于，所述获取单元包括：
获取子单元，用于获取所述照片的中心对象；
确定子单元，用于根据所述中心对象确定中心区域与外周区域，所述外周区域位于所述中心区域的外部，所述中心对象的至少部分位于所述中心区域；
计算子单元，用于计算所述中心区域与所述外周区域的对比度来获取所述照片的所述图像显著性区域。
10.根据权利要求8所述的移动终端，其特征在于，所述提取单元包括：
聚类子单元，用于对所述图像显著性区域中的图像进行K-均值聚类，得到聚类图；
统计子单元，用于对所述聚类图进行统计得到空间颜色直方图信息。
11.根据权利要求7所述的移动终端，其特征在于，所述移动终端还包括：
第二获取模块，用于获取拍照操作；
生成模块，用于响应于所述拍照操作，生成所述照片。
12.根据权利要求7所述的移动终端，其特征在于，所述移动终端还包括：
检测模块，用于检测是否有拍照操作；
所述存储模块用于若所述检测模块检测到所述拍照操作，将所述照片存储到与所述分类存储地址对应的文件夹中；
清除模块，用于若所述检测模块没有检测到所述拍照操作，清除数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610601740.XA CN106228165A (zh) | 2016-07-27 | 2016-07-27 | 一种照片分类的方法和移动终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610601740.XA CN106228165A (zh) | 2016-07-27 | 2016-07-27 | 一种照片分类的方法和移动终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106228165A true CN106228165A (zh) | 2016-12-14 |
Family
ID=57533632
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610601740.XA Pending CN106228165A (zh) | 2016-07-27 | 2016-07-27 | 一种照片分类的方法和移动终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106228165A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107291891A (zh) * | 2017-06-21 | 2017-10-24 | 深圳传音通讯有限公司 | 电子终端的图片管理方法及电子终端 |
| CN109242033A (zh) * | 2018-09-21 | 2019-01-18 | 长鑫存储技术有限公司 | 晶片缺陷模式分类方法及装置、存储介质、电子设备 |
| CN111444191A (zh) * | 2019-06-13 | 2020-07-24 | 黄亚娟 | 一种宇宙空间数据系统、方法、计算机设备和存储介质 |
| CN112084250A (zh) * | 2020-09-15 | 2020-12-15 | 深圳市宝能投资集团有限公司 | 数据存储方法、数据查询方法和电子设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663451A (zh) * | 2012-03-29 | 2012-09-12 | 天津科技大学 | 一种基于色彩空间特征的图形图像分类方法 |
| CN103425989A (zh) * | 2013-08-07 | 2013-12-04 | 中山大学 | 一种基于显著性分析的车辆颜色识别方法 |
| CN103810503A (zh) * | 2013-12-26 | 2014-05-21 | 西北工业大学 | 一种基于深度学习的自然图像中显著区域的检测方法 |
| CN105022802A (zh) * | 2015-07-02 | 2015-11-04 | 深圳市金立通信设备有限公司 | 一种照片分类方法及终端 |
| CN105205171A (zh) * | 2015-10-14 | 2015-12-30 | 杭州中威电子股份有限公司 | 基于颜色特征的图像检索方法 |
| CN105279273A (zh) * | 2015-10-28 | 2016-01-27 | 广东欧珀移动通信有限公司 | 照片分类方法及装置 |
| CN105630915A (zh) * | 2015-12-21 | 2016-06-01 | 山东大学 | 一种移动终端中图片分类存储的方法及装置 |
| CN105760533A (zh) * | 2016-03-08 | 2016-07-13 | 广东欧珀移动通信有限公司 | 一种照片管理方法和装置 |
-
2016
- 2016-07-27 CN CN201610601740.XA patent/CN106228165A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663451A (zh) * | 2012-03-29 | 2012-09-12 | 天津科技大学 | 一种基于色彩空间特征的图形图像分类方法 |
| CN103425989A (zh) * | 2013-08-07 | 2013-12-04 | 中山大学 | 一种基于显著性分析的车辆颜色识别方法 |
| CN103810503A (zh) * | 2013-12-26 | 2014-05-21 | 西北工业大学 | 一种基于深度学习的自然图像中显著区域的检测方法 |
| CN105022802A (zh) * | 2015-07-02 | 2015-11-04 | 深圳市金立通信设备有限公司 | 一种照片分类方法及终端 |
| CN105205171A (zh) * | 2015-10-14 | 2015-12-30 | 杭州中威电子股份有限公司 | 基于颜色特征的图像检索方法 |
| CN105279273A (zh) * | 2015-10-28 | 2016-01-27 | 广东欧珀移动通信有限公司 | 照片分类方法及装置 |
| CN105630915A (zh) * | 2015-12-21 | 2016-06-01 | 山东大学 | 一种移动终端中图片分类存储的方法及装置 |
| CN105760533A (zh) * | 2016-03-08 | 2016-07-13 | 广东欧珀移动通信有限公司 | 一种照片管理方法和装置 |
Non-Patent Citations (4)
| Title |
|---|
| 周庆瑞等: "一种基于 FPGA的实时彩色图像目标分类方法", 《机器人》 * |
| 唐勇等: "基于图像单元对比度与统计特性的显著性检测", 《自动化学报》 * |
| 张思思等: "一种基于相邻匹配的分形图像检索算法", 《计算机科学》 * |
| 扶新民: "基于图象分析的数码照片管理方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107291891A (zh) * | 2017-06-21 | 2017-10-24 | 深圳传音通讯有限公司 | 电子终端的图片管理方法及电子终端 |
| CN109242033A (zh) * | 2018-09-21 | 2019-01-18 | 长鑫存储技术有限公司 | 晶片缺陷模式分类方法及装置、存储介质、电子设备 |
| CN109242033B (zh) * | 2018-09-21 | 2021-08-20 | 长鑫存储技术有限公司 | 晶片缺陷模式分类方法及装置、存储介质、电子设备 |
| CN111444191A (zh) * | 2019-06-13 | 2020-07-24 | 黄亚娟 | 一种宇宙空间数据系统、方法、计算机设备和存储介质 |
| CN111444191B (zh) * | 2019-06-13 | 2021-10-12 | 黄亚娟 | 一种宇宙空间数据系统、方法、计算机设备和存储介质 |
| US11675818B2 (en) | 2019-06-13 | 2023-06-13 | Yajuan HUANG | Cosmic space data system, method, computer device, and storage medium |
| CN112084250A (zh) * | 2020-09-15 | 2020-12-15 | 深圳市宝能投资集团有限公司 | 数据存储方法、数据查询方法和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10452905B2 (en) | System and method for detecting objects in an image | |
| Crabb et al. | Real-time foreground segmentation via range and color imaging | |
| CN107204034B (zh) | 一种图像处理方法及终端 | |
| CN107613202B (zh) | 一种拍摄方法及移动终端 | |
| CN106228165A (zh) | 一种照片分类的方法和移动终端 | |
| CN104486552A (zh) | 一种获取图像的方法及电子设备 | |
| WO2015167975A1 (en) | Rating photos for tasks based on content and adjacent signals | |
| CN111325271A (zh) | 图像分类方法及装置 | |
| CN108304839A (zh) | 一种图像数据处理方法以及装置 | |
| Nam et al. | Modelling the scene dependent imaging in cameras with a deep neural network | |
| CN110599554A (zh) | 人脸肤色的识别方法和装置、存储介质及电子装置 | |
| CN107038695A (zh) | 一种图像融合方法及移动设备 | |
| CN104574358A (zh) | 从聚焦堆图像进行场景分割的方法和设备 | |
| CN105827963A (zh) | 一种拍照过程中场景变化检测方法及移动终端 | |
| CN111353965B (zh) | 图像修复方法、装置、终端及存储介质 | |
| Fernando et al. | Color features for dating historical color images | |
| Zhu et al. | Salient object detection with complex scene based on cognitive neuroscience | |
| CN115063861A (zh) | 模型训练方法、图像背景相似判断方法及装置 | |
| CN115115526A (zh) | 图像处理方法及装置、存储介质和图形计算处理器 | |
| CN113724282A (zh) | 图像处理方法和相关产品 | |
| CN114119964A (zh) | 一种网络训练的方法及装置、目标检测的方法及装置 | |
| CN112489144A (zh) | 图像处理方法、图像处理装置、终端设备及存储介质 | |
| CN108769521A (zh) | 一种拍照方法、移动终端及计算机可读存储介质 | |
| CN112188108A (zh) | 拍摄方法、终端和计算机可读存储介质 | |
| CN109658360B (zh) | 图像处理的方法、装置、电子设备和计算机存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for 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: 20161214 |