CN106294798B - 一种基于缩略图的图像分享方法和终端 - Google Patents

一种基于缩略图的图像分享方法和终端 Download PDF

Info

Publication number
CN106294798B
CN106294798B CN201610671030.4A CN201610671030A CN106294798B CN 106294798 B CN106294798 B CN 106294798B CN 201610671030 A CN201610671030 A CN 201610671030A CN 106294798 B CN106294798 B CN 106294798B
Authority
CN
China
Prior art keywords
thumbnail
original image
image
characteristic factor
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.)
Active
Application number
CN201610671030.4A
Other languages
English (en)
Other versions
CN106294798A (zh
Inventor
李宇
胡昌启
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN201610671030.4A priority Critical patent/CN106294798B/zh
Publication of CN106294798A publication Critical patent/CN106294798A/zh
Priority to PCT/CN2017/070656 priority patent/WO2018032721A1/zh
Priority to US16/277,063 priority patent/US10885100B2/en
Application granted granted Critical
Publication of CN106294798B publication Critical patent/CN106294798B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/54—Browsing; Visualisation therefor
    • 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
    • G06F16/176—Support for shared access to files; File sharing support
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • 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
    • G06F16/13—File access structures, e.g. distributed indices
    • 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
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • 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
    • 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
    • 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
    • G06F16/5854—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 shape and object relationship
    • 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
    • G06F16/5862—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 texture
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
    • H04M1/7243—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages
    • H04M1/72439—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages for image or video messaging

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Or Creating Images (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明的实施例提供了一种基于缩略图的图像显示的方法和终端，所述方法包括：在屏幕上显示缩略图；对所述缩略图进行特征提取，得到缩略图的特征因子；如果所述缩略图的特征因子与预设的特征因子索引库中的特征因子相匹配，在所述屏幕上显示提示信息，其中，所述特征因子索引库表示特征因子和图像存储地址的对应关系，所述提示信息表示存在与所述缩略图相匹配的原始图像；得到原始图像获取请求；根据所述原始图像获取请求，在所述屏幕上显示所述原始图像。根据本发明实施例提供的图像显示的方法和终端，对各个应用在内存和缓存以及图库中的所有图片创建特征索引，利用缩略图的特征因子搜索出高分辨率原图，实现不同应用程序之间的高清图像分享。

Description

一种基于缩略图的图像分享方法和终端
技术领域
本发明涉及媒体图像处理领域，具体涉及一种基于缩略图在不同应用程序间进行图像分享的方法和终端。
背景技术
图像检索是指通过搜索图像文本或者视觉特征，进行相关图形图像资料的检索。图像检索可以通过如下几种方式：通过输入与图像名称或内容相似的关键字进行图像检索；通过语音识别的方式进行图像检索；通过上传图像或指向图像的超链接的方式进行检索。
在图像检索技术中，执行实际检索的服务器或者客户端会可以图像建立索引信息，例如可以通过图像分析和识别、为图像加注释等方式建立索引信息，然后根据索引信息建立索引库。
在图像检索技术中，主要的检索方式有如下几种：
基于图像外部信息：即根据图像的文件名或目录名、路径名、链路、图像属性标签以及图像周围的文本信息等外部信息进行检索，这是目前图像搜索引擎采用最多的方法。在找出图像文件后，图像搜索引擎通过查看文件名或路径名确定文件内容，但这取决于文件名或路径名的描述程度。
基于图像内容特征描述：这是一种语义层次的匹配。需要人工对图像的内容(如物体、背景、构成、颜色特征等)进行描述并分类，给出描述词。检索时，将主要在这些描述词中搜索检索词。这种查询方式是比较准确的，一般来讲可以获得较好的查准率。但需人工参与，劳动强度大，因而限制了可处理的图像数量，并且需要一定的规范和标准，效果取决于人工描述的精确度。
基于图像形式特征：抽取图像的颜色、形状、纹理等特征，建立特征索引库，用户只需将要查找的图像的大致特征描述出来，就可以找出与之具有相近特征的图像。这是一种基于图像特征层次的机械匹配，特别适用于检索目标明确的查询要求(例如对商标的检索)。
从广义上讲，图像的特征包括基于文本的特征(如关键字、注释等)和基于视觉的特征(如颜色、纹理、形状等)两类。视觉特征又可分为通用的视觉特征和领域相关(局部/专用)的视觉特征。前者用于描述所有图像共有的特征，与图像的具体类型或内容无关，主要包括颜色、纹理和形状；后者则建立在对所描述图像内容的某些先验知识(或假设)的基础上，与具体的应用紧密有关，例如人的面部特征或指纹特征等。
在一种实现方式中，将图片缩放成多个尺度的图像，然后在不同的尺度层面提取图像特征，建立索引，然后进行索引后特征的比对。
可以采用下列的方式实现基于图像特征的图像检索：
(1)基于“信息指纹”；采用的关键技术叫做"感知哈希算法"(Perceptual hashalgorithm)，它的作用是对每张图像生成一个"指纹"(fingerprint)字符串，然后比较不同图像的指纹。不同图像的指纹越接近，图像越相似。
(2)基于颜色特征；主要是将每张图像转化成颜色分布直方图，两张图像的直方图相似度越高，两张图像越相似。
(3)取阈值分割图像；首先将原始图像转化成一张较小的灰度图像，然后确定一个阈值，将灰度图像转化为黑白图像；两张黑白图像的轮廓越相似，原始图像越相似。
(4)深度学习；通过深度学习的方式对图像进行语义识别，根据语义识别的结果判断图像的相似度。深度学习主要是通过利用深度卷积神经网络提取图像的特征。
缩略图代表网页上或计算机中图像经压缩处理后的更小的图，缩略图通常会附带指向原始图片的超链接。缩略图可以用于在浏览器中更加迅速地加载图形或图像较多的网页，也可以用于在图像分享时进行图像预览。因其小巧，加载速度非常快，故用于快速浏览，主要起到图像文件预览及目录的作用。其它用户如果对该缩略图感兴趣，可以使用缩略图对应的链接获得原始图像。使用缩略图的方式可以在一定环境下节省传输带宽，使得用户可以在预览了原图之后再决定是否进行下载。
在一种使用缩略图进行图像分享的实现方式中，终端(可以是智能手机、笔记本电脑、台式电脑和平板电脑等设备)存储了原始图像A；用户张三在使用某一应用程序时希望向其它用户分享图像A，此处的应用程序可以是电子邮件，社交软件，图像处理软件等；则该应用程序首先生成图像A的缩略图a，然后将缩略图a和一个下载原图的链接发送给使用同一应用的用户李四；用户李四获得缩略图a后，点击下载原图的链接。服务器在收到用户李四的下载原图的请求后，下载链接对应的原始图像，将原始图像A发送给用户李四。
上述方案的主要缺陷在于，高清图像和缩略图的使用局限在单一应用程序中；而如果要进行跨应用的图像分享时，分享的只能是缩略图或者是原始图像，其它应用程序不能通过缩略图获得原始图像；因此现有技术不能实现与其他应用程序的图像资源共享。
发明内容
本发明为了解决跨应用间图像共享问题，在操作系统层面，对各个应用在内存和缓存以及图库中的所有图像创建特征因子索引，利用缩略图的特征因子，搜索出高分辨率原图，实现手机内跨应用的图像分享。
本发明第一方面的实施例公开了一种基于缩略图的图像显示的方法，其特征在于，所述方法包括：
S201：在屏幕上显示缩略图；
在终端的屏幕上显示缩略图，所述缩略图可以是高分辨率图像经过下采样或者裁剪处理后得到的图像。
本发明实施例的终端可以是智能手机，笔记本电脑、平板电脑等设备。
在本发明的一种可能的实现方式中，使用应用程序访问终端的存储器，从而在屏幕上显示缩略图。应用程序可以是图片查看器、图像编辑软件、社交软件等。
本发明的实施例所述的存储器，包括缓存、内存、硬盘存储等存储形式。
在本发明的实现方式中，应用程序可以是终端上运行的网络程序。
本发明实施例所指的图像的图像格式，可以是JPEG、TIFF、RAW、BMP、GIF、PNG等，缩略图也是图像的一种。
在本发明的一种实现方式中，在步骤S201之前，所述方法还包括：得到所述原始图像；对所述原始图像进行特征提取，得到原始图像的特征因子；根据所述原始图像的特征因子更新初始的特征因子索引库，得到所述预设的特征因子索引库。
在本发明的一种可能的实现方式中，得到所述原始图像，可以采用摄像头拍照的方式得到原始高清图像；也可以采用通过无线网络(如WIFI，3G网络传输,4G网络传输等)或有限网络(例如光纤等)从服务器或其它终端进行下载的方式得到原始高清图像；还可以采用蓝牙，NFC(近场通信)等方式从其它终端得到原始高清图像。
在本发明的一种可能的实现方式中，通过增加索引项的方式更新特征因子索引库。
在本发明的一种可能的实现方式中，索引库是自动建立和更新的；例如，终端可以选择某一固定时间(每天夜里十二点)或某一个固定周期(每隔一周)执行对索引库进行更新，也可以在某一事件(例如，手机休眠)触发下执行索引库的更新；更新的方式包括新增索引项，更新索引项和删除索引项；其中新增索引项的对象是更新周期内新存储的图像，更新索引项的对象是更新周期内存储位置发生变化的图像，删除索引项的对象是更新周期内从终端中移除的图像。由于索引库的更新需要耗费一定的系统运算资源，在一种可能的方式中，可以结合时间和事件触发的方式进行索引库的更新，例如在夜里12点后，终端处于休眠的状态下才执行索引库的更新，这种更新方式不会对用户正常使用终端造成影响。
在本发明的一种可能的实现方式中，索引库是用户自主选择建立和更新的，在这种方式中，用户可以根据需要选择索引库更新的时间和更新的范围(例如选择更新哪些应用程序)。需要说明的是，上述两种更新方式(系统自动更新和用户手动更新)可以一起使用，两者并不冲突，而且同时使用两种更新方式可以增加处理的灵活性。
在本发明的一种可能的实现方式中，先将图像的分辨率与某一阈值相比较，当图像的分辨率不小于或者等于该预设阈值时，才对图像建立索引。当图像的分辨率小于该阈值时，不对图像建立索引。对于一些分辨率较低的图像，原始图像和缩略图的视觉质量差别不是很大，可以不用建立原始图像的索引，从而节省了计算资源。预设阈值可以取300pixels，400pixels,450pixels等。
S202：对所述缩略图进行特征提取，得到缩略图的特征因子。
在本发明的一种实现方式中，特征因子包括颜色特征、纹理特征、形状特征或空间关系特征。
计算图像的特征因子的算法有很多，例如可以是：ORB(ORiented Brief)特征，SIFT(Scale-invariant feature transform)描述子，指纹算法函数，bundling features算法，hash function(散列函数)或者深度网络特征等。也可以根据不同的图像，设计不同的算法，比如图像局部N阶矩的方法提取图像特征。
可以理解的是，本领域普通技术人员可以采用其它的算法提取缩略图的图像特征。
S203：在屏幕上显示提示信息。
如果所述缩略图的特征因子与预设的特征因子索引库中的特征因子相匹配，在所述屏幕上显示提示信息，其中，所述特征因子索引库表示特征因子和图像存储地址的对应关系，所述提示信息表示存在与所述缩略图相匹配的原始图像。
在本发明的一种实现方式中，特征因子索引库的可以是表格的形式，例如图6所示。
在本发明的一种实现方式中，如图11所示，提示信息为图11中显示的“查看原图”。
在本发明的一种实现方式中，缩略图的特征因子与预设的特征因子索引库中的特征因子相匹配，包括：计算所述缩略图的特征因子与所述特征因子索引库中的每一个特征因子的相似度值，如果全部的所述相似度值中，存在至少一个相似度值不小于预设阈值，则所述缩略图的特征因子与所述预设的特征因子索引库中的特征因子相匹配。
在本发明的实施例中，可以采用现有技术提供的方法，在提取了缩略图的特征因子之后计算特征因子之间的相似度值。在一种可能的实现方式中，可以通过计算可以采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似度值。
在本发明的一种可能的实现方式中，利用缩略图的索引值，在索引库中进行全局或是局部的相似度计算；根据所需要的鲁棒性，设定阈值，然后将相似度高的图像预保留下来；然后筛选最佳匹配图像作为原始图像。
在本发明的实现方式中，可以根据不同的特征提取算法和不同的相似度值计算方法设置不同的预设阈值。
在本发明的一种实现方式中，还包括得到原始图像获取请求；例如，在图11所示的例子中，用户点击“查看原图”，此时终端收到的响应信息即为原始图像获取请求。
在本发明的实施例中，通过系统进程进行缩略图特征因子的提取、特征因子索引库的匹配等处理。系统进程可以访问多个不同应用程序的缓存或内存，从而实现跨应用程序的图像的分享。
S204：在所述屏幕上显示所述原始图像。
终端在收到原始图像获取请求之后显示原始图像。
在一种可能的实现方式中，用户点击“查看原图”之后，处理器才访问原始图像的存储地址并显示原始图像；
在一种可能的实现方式中，处理器在得到目标特征因子之后，即访问原始图像的存储地址，但此时并不显示图像，在用户点击“查看原图”之后，才在屏幕上显示原始图像。
在本发明的一种可能的实现方式中，在全部的不小于预设阈值的所述相似度值中，最大相似度值对应的特征因子为所述目标特征因子，所述目标特征因子在所述预设的特征因子索引库中
在本发明的实施例中，在屏幕上显示原始图像后，可以对该原始图像进行编辑、分享等其他操作。
根据本发明实施例的图像分享的方法，通过对手机内各个应用内存和缓存以及图库中的图像建立索引，可以实现跨应用的图像显示，从而克服了现有技术中只能在单一应用的缓存或内存里进行高清图像共享的局限；进一步的，可以通过缩略图搜索到相同或相似图像内容的原始高分辨率图像，从而实现对原始高分辨率图像的查看、编辑、分享。
本发明第二方面实施例公开了一种用于图像显示的终端30，终端30包括：
显示屏301，处理器302，存储器303，处理器302分别于显示屏301和存储器303相连；
显示屏301用于显示缩略图；
处理器302用于对缩略图进行特征提取，得到缩略图的特征因子，并用于确定所述缩略图的特征因子与预设的特征因子索引库中的特征因子相匹配；
显示屏301还用于显示提示信息，其中，所述提示信息表示存在与所述缩略图相匹配的原始图像；显示屏301还用于显示所述原始图像；
存储器303用于存储所述预设的特征因子索引库和所述原始图像，其中所述特征因子索引库表示特征因子和图像存储地址的对应关系。
在本发明实施例的一种可能的实现方式中，处理器302还用于：
得到所述原始图像；对所述原始图像进行特征提取，得到原始图像的特征因子；根据所述原始图像的特征因子更新初始的特征因子索引库，得到所述预设的特征因子索引库。
在本发明的一种可能的实现方式中，处理器302用于：
计算所述缩略图的特征因子与所述特征因子索引库中的每一个特征因子的相似度值，如果全部的所述相似度值中，存在至少一个相似度值不小于预设阈值，则所述缩略图的特征因子与所述预设的特征因子索引库中的特征因子相匹配。
在本发明的一种可能的实现方式中，处理器302用于，
根据目标特征因子对应的图像存储地址显示所述原始图像，其中，在全部的不小于预设阈值的所述相似度值中，最大相似度值对应的特征因子为所述目标特征因子，所述目标特征因子在所述预设的特征因子索引库中。
上述终端实施例的具体实现可以参考相应的上述方法实施例的实现方式，在此不再赘述。
本发明实施例所指的图像的图像格式，可以是JPEG、TIFF、RAW、BMP、GIF、PNG等。
本发明第三方面的实施例公开了一种基于缩略图的图像显示的方法，所述方法包括：
S401：系统程序得到应用程序发送的原始图像获取请求，其中，所述系统程序和所述应用程序运行在同一终端上；
在本发明的一种可能的实现方式中，在步骤S201求之前，所述方法还包括：所述系统程序得到所述原始图像；系统程序计算所述原始图像的特征因子；所述系统程序根据原始图像的存储位置和所述原始图像的所述特征因子更新所述特征因子索引库。
在本发明的一种可能的实现方式中，所述系统程序得到所述原始图像，可以采用摄像头拍照的方式得到原始高清图像；也可以采用通过无线网络(如WIFI，3G网络传输,4G网络传输等)或有限网络(例如光线等)从服务器或其它终端进行下载的方式得到原始高清图像；还可以采用蓝牙，NFC(近场通信)等方式从其它终端得到原始高清图像。
在本发明的一种可能的实现方式中，此处所指的终端可以是智能手机，平板电脑，笔记本电脑，可穿戴式设备(如智能手表，智能手环)等。
在本发明的一种可能的实现方式中，系统程序通过增加索引项的方式更新特征因子索引库。
在本发明的一种可能的实现方式中，在所述根据原始图像的存储位置和所述原始图像的所述特征因子更新所述特征因子索引库之后，所述接收应用程序发送的原始图像获取请求之前，所述方法还包括：根据所述原始图像得到所述缩略图；向所述应用程序发送所述缩略图。这种实现方式可以方便的在不同的应用程序之间进行图像分享，特别是对于需要分享多个图像时，通过先发送缩略图的方式可以提高传输效率。
S402：根据所述原始图像获取请求确定缩略图；
在本发明的一种可能的实现方式中，所述根据所述原始图像获取请求确定缩略图，包括：所述原始图像获取请求包括缩略图的标识，根据所述缩略图的标识得到所述缩略图。
在本发明的一种可能的实现方式中，当原始图像获取请求包括缩略图标识时，可以由应用程序确定缩略图，也可以由系统程序确定缩略图。可选的，系统程序可以通过直接访问应用程序内存或缓存的方式，根据缩略图标识得到所述缩略图。在该种实现方式中，获取请求只包括缩略图标识，可以节省传输的数据量，提高传输效率。比较适合在3G或4G等通信网络传输方式中使用。
在本发明的一种可能的实现方式中，所述根据所述原始图像获取请求确定缩略图，包括：解析所述原始图像获取请求，得到所述缩略图。在该种实现方式中，原始图像获取请求包括缩略图数据，不需要再通过搜索匹配的方式得到缩略图；优点在于节省了接收端的查找计算，缺点在于传输的数据量较大，比较适合在WIFI或蓝牙传输等传输方式中使用。
S403：对所述缩略图进行特征提取，得到所述缩略图的特征因子；
在本发明的一种可能的实现方式中，所述缩略图的特征因子，包括：颜色特征、纹理特征、形状特征或空间关系特征。
S404：根据所述缩略图的所述特征因子和特征因子索引库得到所述缩略图对应的原始图像，其中，所述特征因子索引库表示特征因子和图像存储地址的对应关系。
在本发明的一种可能的实现方式中，所述根据所述缩略图的所述特征因子和特征因子索引库得到所述缩略图对应的原始图像，包括：所述特征因子与图像地址的对应关系为一一对应；根据目标特征因子得到所述原始图像，所述目标特征因子为所述特征因子索引库中与所述略缩图的所述特征因子的差值的绝对值最小的特征因子。通常的，不同图像特征因子的比较是通过相似度值来表征的，按照相似度值得到原始图像的方式可参考下述的实施例。而本实施例提供的采用差的绝对值的方式，计算相对简单，可以节省终端的计算资源，提高计算效率。可以理解的是，本实施例的应用不包括特征因子用矢量表示的情形，此时无法直接进行特征因子的求差的运算。
在本发明的一种可能的实现方式中，所述根据所述缩略图的所述特征因子和特征因子索引库得到所述缩略图对应的原始图像，包括：根据目标特征因子得到所述原始图像，所述目标特征因子为所述特征因子索引库中与所述缩略图的所述特征因子的相似度值不小于预设阈值的特征因子。
在本发明的实施例中，可以采用现有技术提供的方法，在提取了缩略图的特征因子之后计算特征因子之间的相似度值。在一种可能的实现方式中，可以通过计算可以采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似度值。
在本发明的一种可能的实现方式中，利用缩略图的索引值，在索引库中进行全局或是局部的相似度计算；根据所需要的鲁棒性，设定阈值，然后将相似度高的图像预保留下来；然后筛选最佳匹配图像作为原始图像。
在本发明的实施例中，可以直接将原始图像发送给应用程序，或者可以将原始图像的存储地址发送给应用程序。
在本发明的实施例中，在应用程序得到了原始图像后，可以对该原始图像进行查看、编辑、分享等其他操作。
根据本发明实施例的图像分享的方法，通过对手机内各个应用内存和缓存以及图库中的图像建立索引，可以实现跨应用的图像显示；进一步的，可以通过缩略图搜索到相同或相似图像内容的原始高分辨率图像，从而实现对原始高分辨率图像的查看、编辑、分享。
本发明实施例公开了一种跨应用的基于缩略图的图像显示方法，如图5所示，所述方法包括如下步骤：
S501：在终端侧为终端所含有的图像建立特征因子索引库。
终端所含有的图像可以包括存储器中的图像，各个应用程序的内存或者缓存中存储的图像，系统程序的内存或者缓存中存储的图像等，对此不做限制。
在本发明的一种可能的实现方式中，索引库是自动建立和更新的；例如，终端可以选择某一固定时间(每天夜里十二点)或某一个固定周期(每隔一周)执行对索引库进行更新，也可以在某一事件(例如，手机休眠)触发下执行索引库的更新；更新的方式包括新增索引项，更新索引项和删除索引项；其中新增索引项的对象是更新周期内新存储的图像，更新索引项的对象是更新周期内存储位置发生变化的图像，删除索引项的对象是更新周期内从终端中移除的图像。由于索引库的更新需要耗费一定的系统运算资源，在一种可能的方式中，可以结合时间和事件触发的方式进行索引库的更新，例如在夜里12点后，终端处于休眠的状态下才执行索引库的更新，这种更新方式不会对用户正常使用终端造成影响。
在本发明的一种可能的实现方式中，索引库是用户自主选择建立和更新的，在这种方式中，用户可以根据需要选择索引库更新的时间和更新的范围(例如选择更新哪些应用程序)。需要说明的是，上述两种更新方式(系统自动更新和用户手动更新)可以一起使用，两者并不冲突，而且同时使用两种更新方式可以增加处理的灵活性。
在本发明的一种可能的实现方式中，先将图像的分辨率与某一阈值相比较，当图像的分辨率不小于或者等于该预设阈值时，才对图像建立索引。当图像的分辨率小于该阈值时，不对图像建立索引。对于一些分辨率较低的图像，原始图像和缩略图的视觉质量差别不是很大，可以不用建立原始图像的索引，从而节省了计算资源。预设阈值可以取300pixels，400pixels,450pixels等。
在本发明的一种可能的实现方式中，通过对图像进行特征提取，得到每一张图像的一个或多个特征因子，然后根据每一张图像的特征因子得到索引库；图6列举了一种可能的索引库的表现形式。
在本发明的一种可能的实现方式中，特征因子包括：颜色特征、纹理特征、形状特征或空间关系特征。
计算图像的特征因子的算法有很多，例如可以是：ORB(ORiented Brief)特征，SIFT(Scale-invariant feature transform)描述子，指纹算法函数，bundling features算法，hash function(散列函数)或者深度网络特征等。也可以根据不同的图像，设计不同的算法，比如图像局部N阶矩的方法提取图像特征。
在一种可能的实现方式中，可以对提取后的图像特征信息进行编码，根据编码后的图像特征信息建立索引库。对于目标图像，可以对分辨率较大的图像进行降采样，减少运算量后在进行图像特征提取和编码处理。
S502：根据原始图像A生成缩略图a，并将缩略图a发送给第二应用程序。
在本发明的一种可能的实现方式中，系统程序根据原始图像A生成缩略图a；在本发明的一种可能的方式中，第一应用程序根据原始图像A生成缩略图a。
在本发明的一种可能的实现方式中，第一应用程序和第二应用程序在同一个终端上运行，例如，第一应用程序和第二应用程序在同一个智能手机上运行。
在本发明的一种可能的实现方式中，第一应用程序和第二应用程序在不同的终端上运行，例如，第一应用程序运行在一个智能手机上，第二应用程序运行在另一个智能手机上。
本发明实施例的应用程序可以是运行在操作系统上指为完成一项或多项特定任务的计算机程序；例如运行在android，ios等手机操作系统或者Windows,Linux等电脑操作系统，完成某种特定任务的程序。
具体的，本发明实施例的应用程序可以包括社交软件，邮件服务软件，多媒体编辑软件，分析软件，协作软件等；
在一种可能的实现方式中，应用程序是安装在终端上的；在另一种可能的实现方式中，应用程序是指在终端侧运行的网络程序。
S503：第二应用程序发出原始图像A的获取请求。
在本发明的一种可能的实现方式中，第二应用程序向第一应用程序发送所述获取请求，此时该获取请求由第一应用程序处理。
在本发明的一种可能的实现方式中，第二应用程序向运行第一应用程序的终端发送所述获取请求，此时该获取请求可以由第一应用程序处理，也可以由终端的系统程序处理。
S504：根据该获取请求得到原始图像A，将原始图像A发送给第二应用程序。
在本发明的实施中，根据该获取请求确定对应的缩略图a，对缩略图a提取特征因子；然后根据该特征因子在索引库中进行检索，将检索到的原始图像A发送给第二应用。
在本发明的是实施中，根据该获取请求确定对应的缩略图a可以包括如下的实现方式：
1.第二应用程序直接将缩略图a发送给第一应用程序；
或者
2.第二应用程序将缩略图a的序号值发送给运行第一应用的终端，运行第一应用程序的终端根据收到的序号值确定缩略图a。
在本发明的实施例中，对缩略图a提取特征因子可以参照前述对图像提取特征因子的操作方式，在此不再赘述。
在本发明的实施例中，根据提取的缩略图a的特征因子在索引库中进行检索，可以包括如下的实现方式：
将缩略图a的特征因子与索引库中图像的特征因子计算绝对差值，所述绝对差值为差的绝对值，将与缩略图a的特征因子的绝对差值最小的特征因子对应的图像确定为检索出的原始图像。
将缩略图a的特征因子与索引库中图像的特征因子计算相似度值，当相似度值不小于一定阈值时，则确定该特征因子对应的图像为原始图像。
在本发明的实施例中，可以采用现有技术提供的方法，在提取了图像的特征因子之后计算特征因子之间的相似度值。在一种可能的实现方式中，可以通过计算可以采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似度值。
在本发明的一种可能的实现方式中，利用缩略图的索引值，在索引库中进行全局或是局部的相似度计算；根据所需要的鲁棒性，设定阈值，然后将相似度高的图像预保留下来；然后筛选最佳匹配图像作为原始图像A。
在本发明的实施例中，可以直接将原始图像A发送给第二应用程序，或者可以将原始图像A的存储地址发送给第二应用程序。
在本发明的实施例中，在第二应用程序得到了原始图像A后，可以对该原始图像A进行查看、编辑、分享等其他操作。
根据本发明实施例的图像分享的方法，通过对手机内各个应用内存和缓存以及图库中的图像建立索引，可以实现跨应用的图像显示；进一步的，可以通过缩略图搜索到相同或相似图像内容的原始高分辨率图像，从而实现对原始高分辨率图像的查看、编辑、分享。
本发明第二方面的实施例公开了一种用于基于缩略图进行图像显示的终端，所述终端包括：接收器，用于接收另一终端发送的原始图像获取请求；处理器，用于根据所述原始图像获取请求确定缩略图；所述处理器还用于对所述缩略图进行特征提取，得到所述缩略图的特征因子；所述处理器还用于根据所述缩略图的所述特征因子和特征因子索引库得到所述缩略图对应的原始图像，其中，所述特征因子索引库表示特征因子和图像存储地址的对应关系。
在本发明的一种可能的实现方式中，所述处理器具体用于：所述原始图像获取请求包括缩略图的标识，根据所述缩略图的标识得到所述缩略图；对所述缩略图进行特征提取，得到所述缩略图的特征因子；根据所述缩略图的所述特征因子和特征因子索引库得到所述缩略图对应的原始图像，其中，所述特征因子索引库表示特征因子和图像存储地址的对应关系。
在本发明的一种可能的实现方式中，所述处理器具体用于：解析所述原始图像获取请求，得到所述缩略图；对所述缩略图进行特征提取，得到所述缩略图的特征因子；根据所述缩略图的所述特征因子和特征因子索引库得到所述缩略图对应的原始图像，其中，所述特征因子索引库表示特征因子和图像存储地址的对应关系。
在本发明的一种可能的实现方式中，所述缩略图的特征因子，包括：颜色特征、纹理特征、形状特征或空间关系特征。
在本发明的一种可能的实现方式中，所述处理器具体用于，根据所述原始图像获取请求得到所述缩略图；对所述缩略图进行特征提取，得到所述缩略图的特征因子；所述特征因子与图像地址的对应关系为一一对应；确定目标特征因子，所述目标特征因子为所述特征因子索引库中与所述略缩图的所述特征因子的差值的绝对值最小的特征因子；根据所述目标特征因子得到所述原始图像。
在本发明的一种可能的实现方式中，所述处理器具体用于，根据所述原始图像获取请求得到所述缩略图；对所述缩略图进行特征提取，得到所述缩略图的特征因子；确定目标特征因子，所述目标特征因子为所述特征因子索引库中与所述缩略图的所述特征因子的相似度值不小于预设阈值的特征因子；根据所述目标特征因子得到所述原始图像。
在本发明的一种可能的实现方式中，所述接收器还用于得到所述原始图像；所述处理器还用于计算所述原始图像的特征因子；所述处理器还用于根据原始图像的存储位置和所述原始图像的所述特征因子更新所述特征因子索引库。
上述终端实施例的具体实现可以参考相应的上述方法实施例的实现方式，在此不再赘述。
根据本发明实施例的图像分享的终端，通过对手机内各个应用内存和缓存以及图库中的图像建立索引，可以实现跨应用的图像显示；进一步的，可以通过缩略图搜索到相同或相似图像内容的原始高分辨率图像，从而实现对原始高分辨率图像的查看、编辑、分享。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对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为现有技术中在单一应用里通过缩略图实现图像显示的示意图。
图2为本发明实施例的一种基于缩略图的图像显示的方法流程图。
图3为本发明实施例的一种用于图像显示的终端的结构示意图。
图4为本发明实施例的一种通过缩略图实现图像显示的方法流程图。
图5为本发明实施例的另一种通过缩略图实现图像显示的方法流程图。
图6为本发明实施例的索引库的结构示意图。
图7为本发明实施例的在同一终端上实现图像显示的方法示意图。
图8为本发明实施例的在不同终端上实现图像显示的方法示意图。
图9为本发明实施例的在不同终端上实现图像显示的方法示意图。
图10为本发明实施例的实现图像显示的终端的结构图。
图11为本发明实施例的提示信息的示意图。
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。
下面结合图7描述本发明实施例的在同一终端上不同应用程序之间根据缩略图分享图像的方法。
如图7所示，所述方法包括：
S701：将原始图像A加入到索引库中。
当终端得到一个新的原始图像A时，可以按照图5中S501的方式将原始图像A的特征因子加入到索引库中，在此不再赘述。
S702：根据原始图像A得到缩略图a，并将缩略图a发送到第二应用程序。
在本发明的一种实现方式中，根据原始图像A生成缩略图a的执行主体可以是第一应用程序，此时缩略图a可以存储在第一应用程序对应的缓存或内存中。
在本发明的一种实现方式中，根据原始图像A生成缩略图a的执行主体可以是系统程序，此时缩略图a存储在系统程序指定的缓存内存或存储器中。
在本发明的实现方式中，在系统程序和应用程序之间可以运行多个进程，此时根据原始图像A生成缩略图a的执行主体是这些进程。在本发明的一种实现方式中，对原始图像A采用下采样或者裁剪的方式得到缩略图a。
S703：第二应用程序发送获取原始图像A的请求。
第二应用程序向系统程序发送获取缩略图对应的原始图像的请求，因为第一应用程序和第二应用程序运行在同一终端，此处直接向系统程序发送请求可以提高处理效率。在一种可能的实现方式中，该获取请求也可以是向第一应用程序发送的。
在本发明的一种可能的实现方式中，获取请求中包括缩略图a的序号值，系统程序根据该序号值确定缩略图a，然后对缩略图a进行特征提取，根据提取后的缩略图a的特征因子确定原始图像A。
在本发明的一种可能的实现方式中，获取请求中也可以直接包括缩略图a，此时可以直接对缩略图a进行特征提取，根据提取后的缩略图a的特征因子确定原始图像A。
在本发明的实施例中，对缩略图a提取特征因子可以参照前述对图像提取特征因子的操作方式，在此不再赘述。
在本发明的实施例中，根据提取的缩略图a的特征因子在索引库中进行检索，可以包括如下的实现方式：
将缩略图a的特征因子与索引库中图像的特征因子计算绝对差值，所述绝对差值为差的绝对值，将与缩略图a的特征因子的绝对差值最小的特征因子对应的图像确定为检索出的原始图像。
将缩略图a的特征因子与索引库中图像的特征因子计算相似度值，当相似度值不小于一定阈值时，则确定该特征因子对应的图像为原始图像。
在本发明的实施例中，可以采用现有技术提供的方法，在提取了图像的特征因子之后计算特征因子之间的相似度值。在一种可能的实现方式中，可以通过计算可以采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似度值。
在本发明的一种可能的实现方式中，利用缩略图的索引值，在索引库中进行全局或是局部的相似度计算；根据所需要的鲁棒性，设定阈值，然后将相似度高的图像预保留下来；然后筛选最佳匹配图像作为原始图像A。
S704：将原始图像A发送给第二应用程序。
在本发明的实施例中，可以直接将原始图像A发送给第二应用程序，或者可以将原始图像A的存储地址发送给第二应用程序。
在本发明的实施例中，在第二应用程序得到了原始图像A后，可以对该原始图像A进行查看、编辑、分享等其他操作。
根据本发明实施例的图像分享的方法，通过对手机内各个应用内存和缓存以及图库中的图像建立索引，可以实现跨应用的图像显示；进一步的，可以通过缩略图搜索到相同或相似图像内容的原始高分辨率图像，从而实现对原始高分辨率图像的查看、编辑、分享。
下面结合图8描述本发明实施例的在不同终端上不同应用之间根据缩略图分享图像的方法。
如图8所示，所述方法包括：
S801：将原始图像A加入到索引库中。
当终端得到一个新的原始图像A时，可以按照图5中S501的方式将原始图像A的特征因子加入到索引库中，在此不再赘述。
S802：根据原始图像A得到缩略图a，并将缩略图a发送到第二应用程序。
在本发明的一种实现方式中，根据原始图像A生成缩略图a的执行主体可以是第一应用程序，此时缩略图a存储在第一应用程序对应的缓存或内存中。
在本发明的一种实现方式中，根据原始图像A生成缩略图a的执行主体可以是系统程序，此时缩略图a存储在系统程序指定的缓存或内存中。
在本发明的实现方式中，在系统程序和应用程序之间可以运行多个进程，此时根据原始图像A生成缩略图a的执行主体是这些进程。
在本发明的一种实现方式中，对原始图像A采用下采样或者裁剪的方式得到缩略图a。
S803：第二应用程序发送获取原始图像A的请求。
第二应用程序向第一终端的系统程序发送获取缩略图对应的原始图像的请求。
在本发明的一种可能的实现方式中，获取请求中包括缩略图a的序号值，第一终端的系统程序根据该序号值确定缩略图a。
在本发明的一种可能的实现方式中，因为第一应用程序和第二应用程序不在同一终端上，获取请求中也可以直接包括缩略图a，这样增加了一些传输的成本，但是提高了第一终端侧的处理效率。
S804：第一终端的系统程序确定原始图像A，并将原始图像A向第二终端发送。
在本发明的实施例中，首先得到缩略图a的特征因子，对缩略图a提取特征因子可以参照前述对图像提取特征因子的操作方式，在此不再赘述。
然后根据缩略图a的特征因子和特征因子索引库确定原始图像A，在本发明的实施例中，根据提取的缩略图a的特征因子在索引库中进行检索，可以包括如下的实现方式：
将缩略图a的特征因子与索引库中图像的特征因子计算绝对差值，所述绝对差值为差的绝对值，将与缩略图a的特征因子的绝对差值最小的特征因子对应的图像确定为检索出的原始图像。
将缩略图a的特征因子与索引库中图像的特征因子计算相似度值，当相似度值不小于一定阈值时，则确定该特征因子对应的图像为原始图像。
在本发明的实施例中，可以采用现有技术提供的方法，在提取了图像的特征因子之后计算特征因子之间的相似度值。在一种可能的实现方式中，可以通过计算可以采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似度值。
在本发明的一种可能的实现方式中，利用缩略图的索引值，在索引库中进行全局或是局部的相似度计算；根据所需要的鲁棒性，设定阈值，然后将相似度高的图像预保留下来；然后筛选最佳匹配图像作为原始图像A。
在本发明的实施例中，第一终端的系统程序可以直接将原始图像A发送给第二应用程序，或者可以将原始图像A的存储地址发送给第二应用程序。
在本发明的实施例中，在第二应用程序得到了原始图像A后，可以对该原始图像A进行查看、编辑、分享等其他操作。
根据本发明实施例的图像分享的方法，通过对手机内各个应用内存和缓存以及图库中的图像建立索引，可以实现跨应用的图像显示；进一步的，可以通过缩略图搜索到相同或相似图像内容的原始高分辨率图像，从而实现对原始高分辨率图像的查看、编辑、分享。
下面结合图9描述本发明实施例的在不同终端上不同应用之间根据缩略图分享图像的方法。
如图9所示，所述方法包括：
S901：根据原始图像A得到缩略图a，并将缩略图a发送到第二应用程序。
在本发明的一种实现方式中，根据原始图像A生成缩略图a的执行主体可以是第一应用程序，此时缩略图a存储在第一应用程序对应的缓存或内存中。
在本发明的一种实现方式中，根据原始图像A生成缩略图a的执行主体可以是系统程序，此时缩略图a存储在系统程序指定的缓存或内存中。
在本发明的实现方式中，在系统程序和应用程序之间可以运行多个进程，此时根据原始图像A生成缩略图a的执行主体是这些进程。
在本发明的一种实现方式中，对原始图像A采用下采样或者裁剪的方式得到缩略图a。
S902：第二应用程序发送获取原始图像A的请求。
第二应用程序向第一应用程序发送获取缩略图对应的原始图像的请求。
在本发明的一种可能的实现方式中，获取请求中包括缩略图a的序号值，第一应用程序根据该序号值确定缩略图a。
在本发明的一种可能的实现方式中，因为第一应用程序和第二应用程序不在同一终端上，获取请求中也可以直接包括缩略图a，这样增加了一些传输的成本，但是提高了第一终端侧的处理效率。
S903：确定原始图像A，并将原始图像A向第二终端发送。
在本发明的实施例中，首先得到缩略图a的特征因子，对缩略图a提取特征因子可以参照前述对图像提取特征因子的操作方式，在此不再赘述。
然后根据缩略图a的特征因子和特征因子索引库确定原始图像A，在本发明的实施例中，根据提取的缩略图a的特征因子在索引库中进行检索，可以包括如下的实现方式：
将缩略图a的特征因子与索引库中图像的特征因子计算绝对差值，所述绝对差值为差的绝对值，将与缩略图a的特征因子的绝对差值最小的特征因子对应的图像确定为检索出的原始图像。
将缩略图a的特征因子与索引库中图像的特征因子计算相似度值，当相似度值不小于一定阈值时，则确定该特征因子对应的图像为原始图像。
在本发明的实施例中，可以采用现有技术提供的方法，在提取了图像的特征因子之后计算特征因子之间的相似度值。在一种可能的实现方式中，可以通过计算可以采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似度值。
在本发明的一种可能的实现方式中，利用缩略图的索引值，在索引库中进行全局或是局部的相似度计算；根据所需要的鲁棒性，设定阈值，然后将相似度高的图像预保留下来；然后筛选最佳匹配图像作为原始图像A。
在本发明的实施例中，可以直接将原始图像A发送给第二应用程序，或者可以将原始图像A的存储地址发送给第二应用程序。
在本发明的实施例中，在第二应用程序得到了原始图像A后，可以对该原始图像A进行查看、编辑、分享等其他操作。
根据本发明实施例的图像分享的方法，通过对手机内各个应用内存和缓存以及图库中的图像建立索引，可以实现跨应用的图像显示；进一步的，可以通过缩略图搜索到相同或相似图像内容的原始高分辨率图像，从而实现对原始高分辨率图像的查看、编辑、分享。
下面结合图10描述本发明实施例的一种用于基于缩略图进行图像显示的终端100，终端100包括：接收器1001，用于接收另一终端发送的原始图像获取请求；处理器1002，用于根据所述原始图像获取请求确定缩略图；处理器1002还用于对所述缩略图进行特征提取，得到所述缩略图的特征因子；处理器1002还用于根据所述缩略图的所述特征因子和特征因子索引库得到所述缩略图对应的原始图像，其中，所述特征因子索引库表示特征因子和图像存储地址的对应关系。
在本发明的一种可能的实现方式中，处理器1002具体用于：所述原始图像获取请求包括缩略图的标识，根据所述缩略图的标识得到所述缩略图；对所述缩略图进行特征提取，得到所述缩略图的特征因子；根据所述缩略图的所述特征因子和特征因子索引库得到所述缩略图对应的原始图像，其中，所述特征因子索引库表示特征因子和图像存储地址的对应关系。
在本发明的一种可能的实现方式中，处理器1002具体用于：解析所述原始图像获取请求，得到所述缩略图；对所述缩略图进行特征提取，得到所述缩略图的特征因子；根据所述缩略图的所述特征因子和特征因子索引库得到所述缩略图对应的原始图像，其中，所述特征因子索引库表示特征因子和图像存储地址的对应关系。
在本发明的一种可能的实现方式中，缩略图的特征因子包括：颜色特征、纹理特征、形状特征或空间关系特征。
在本发明的一种可能的实现方式中，处理器1002具体用于，根据所述原始图像获取请求得到所述缩略图；对所述缩略图进行特征提取，得到所述缩略图的特征因子；所述特征因子与图像地址的对应关系为一一对应；确定目标特征因子，所述目标特征因子为所述特征因子索引库中与所述略缩图的所述特征因子的差值的绝对值最小的特征因子；根据所述目标特征因子得到所述原始图像。
在本发明的一种可能的实现方式中，处理器1002具体用于，根据所述原始图像获取请求得到所述缩略图；对所述缩略图进行特征提取，得到所述缩略图的特征因子；确定目标特征因子，所述目标特征因子为所述特征因子索引库中与所述缩略图的所述特征因子的相似度值不小于预设阈值的特征因子；根据所述目标特征因子得到所述原始图像。
在本发明的一种可能的实现方式中，接收器1001还用于得到所述原始图像；处理器1002还用于计算所述原始图像的特征因子；所述处理器还用于根据原始图像的存储位置和所述原始图像的所述特征因子更新所述特征因子索引库。
上述终端实施例的具体实现可以参考相应的上述方法实施例的实现方式，在此不再赘述。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
上述装置和系统内的各模块之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程，相关的硬件包括处理器。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(ROM：Read-Only Memory)或随机存储记忆体(RAM：Random Access Memory)等。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其思想；同时，对于本领域的一般技术人员，依据本发明，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (20)

1.一种基于缩略图的图像显示的方法，其特征在于，所述方法应用于一终端上，所述方法包括：
在所述终端的屏幕上显示缩略图，所述缩略图为所述终端的一个应用程序使用中所显示的缩略图；
所述终端对所述缩略图进行特征提取，得到缩略图的特征因子；
如果所述缩略图的特征因子与预设的特征因子索引库中的特征因子相匹配，所述终端在所述屏幕上显示提示信息，其中，所述特征因子索引库表示特征因子和图像存储地址的对应关系，所述提示信息表示存在与所述缩略图相匹配的原始图像，所述特征因子索引库是在所述终端侧根据所述终端所含有的图像建立的；
所述终端得到原始图像获取请求；
所述终端根据所述原始图像获取请求，在所述屏幕上显示所述原始图像。
2.根据权利要求1所述的图像显示的方法，其特征在于，在所述在屏幕上显示缩略图之前，所述方法还包括：
得到所述原始图像；
对所述原始图像进行特征提取，得到原始图像的特征因子；
根据所述原始图像的特征因子更新初始的特征因子索引库，得到所述预设的特征因子索引库。
3.根据权利要求1或2所述的图像显示的方法，其特征在于，所述特征因子，包括：颜色特征、纹理特征、形状特征或空间关系特征。
4.根据权利要求1或2所述的图像显示的方法，其特征在于，所述缩略图是所述原始图像的下采样图像或者所述缩略图是所述原始图像经裁剪后的图像。
5.根据权利要求1-4任意之一所述的图像显示的方法，其特征在于，所述所述缩略图的特征因子与预设的特征因子索引库中的特征因子相匹配，包括：
计算所述缩略图的特征因子与所述特征因子索引库中的每一个特征因子的相似度值，
如果全部的所述相似度值中，存在至少一个相似度值不小于预设阈值，则所述缩略图的特征因子与所述预设的特征因子索引库中的特征因子相匹配。
6.根据权利要求5所述的图像显示的方法，其特征在于，所述在所述屏幕上显示所述原始图像包括：
根据目标特征因子对应的图像存储地址显示所述原始图像，其中，在全部的不小于预设阈值的所述相似度值中，最大相似度值对应的特征因子为所述目标特征因子，所述目标特征因子在所述预设的特征因子索引库中。
7.一种用于图像显示的终端，其特征在于，所述终端包括：
显示屏，处理器，存储器，所述处理器分别与所述显示屏和所述存储器相连；
所述显示屏用于显示缩略图，所述缩略图为所述终端的一个应用程序使用中所显示的缩略图；
所述处理器用于对所述缩略图进行特征提取，得到缩略图的特征因子，并用于确定所述缩略图的特征因子与预设的特征因子索引库中的特征因子相匹配，所述特征因子索引库是在终端侧根据终端所含有的图像建立的；
所述显示屏还用于显示提示信息，其中，所述提示信息表示存在与所述缩略图相匹配的原始图像；所述显示屏还用于显示所述原始图像；
所述存储器用于存储所述预设的特征因子索引库和所述原始图像，其中所述特征因子索引库表示特征因子和图像存储地址的对应关系。
8.根据权利要求7所述的用于图像显示的终端，其特征在于，所述处理器还用于：
得到所述原始图像；
对所述原始图像进行特征提取，得到原始图像的特征因子；
根据所述原始图像的特征因子更新初始的特征因子索引库，得到所述预设的特征因子索引库。
9.根据权利要求7或8所述的用于图像显示的终端，其特征在于，所述处理器用于：
计算所述缩略图的特征因子与所述特征因子索引库中的每一个特征因子的相似度值，如果全部的所述相似度值中，存在至少一个相似度值不小于预设阈值，则所述缩略图的特征因子与所述预设的特征因子索引库中的特征因子相匹配。
10.根据权利要求9所述的用于图像显示的终端，其特征在于，所述处理器用于，
根据目标特征因子对应的图像存储地址显示所述原始图像，其中，在全部的不小于预设阈值的所述相似度值中，最大相似度值对应的特征因子为所述目标特征因子，所述目标特征因子在所述预设的特征因子索引库中。
11.一种基于缩略图的图像显示的方法，其特征在于，所述方法包括：
系统程序得到应用程序发送的原始图像获取请求，其中，所述系统程序和所述应用程序运行在同一终端上；
根据所述原始图像获取请求得到缩略图，所述缩略图为所述终端的一个应用程序使用中所显示的缩略图；
对所述缩略图进行特征提取，得到所述缩略图的特征因子；
根据所述缩略图的所述特征因子和特征因子索引库得到所述缩略图对应的原始图像，其中，所述特征因子索引库表示特征因子和图像存储地址的对应关系，所述特征因子索引库是在终端侧根据终端所含有的图像建立的；
向所述应用程序发送所述原始图像。
12.根据权利要求11所述的图像显示的方法，其特征在于，所述根据所述原始图像获取请求得到缩略图，包括：
所述原始图像获取请求包括缩略图的标识，
根据所述缩略图的标识得到所述缩略图。
13.根据权利要求11所述的图像显示的方法，其特征在于，所述根据所述原始图像获取请求得到缩略图，包括：
解析所述原始图像获取请求，得到所述缩略图。
14.根据权利要求11-13任意之一所述的图像显示的方法，其特征在于，所述根据所述缩略图的所述特征因子和特征因子索引库得到所述缩略图对应的原始图像，包括：
根据目标特征因子得到所述原始图像，所述目标特征因子为所述特征因子索引库中与所述缩略图的所述特征因子的相似度值不小于预设阈值的特征因子。
15.根据权利要求11-14任意之一所述的图像显示的方法，在所述接收应用程序发送的原始图像获取请求之前，所述方法还包括：
得到所述原始图像；
计算所述原始图像的特征因子；
根据原始图像的存储位置和所述原始图像的所述特征因子更新所述特征因子索引库。
16.一种用于基于缩略图进行图像显示的终端，其特征在于，所述终端包括：
接收器，用于接收应用程序发送的原始图像获取请求，其中，所述应用程序运行在所述终端上；
处理器，用于根据所述原始图像获取请求得到缩略图，所述缩略图为所述终端的一个应用程序使用中所显示的缩略图；
所述处理器还用于对所述缩略图进行特征提取，得到所述缩略图的特征因子；
所述处理器还用于根据所述缩略图的所述特征因子和特征因子索引库得到所述缩略图对应的原始图像，其中，所述特征因子索引库表示特征因子和图像存储地址的对应关系，所述特征因子索引库是在终端侧根据终端所含有的图像建立的；
所述处理器还用于向所述应用程序发送所述原始图像。
17.根据权利要求16所述的图像显示的终端，其特征在于，所述处理器具体用于：
所述原始图像获取请求包括缩略图的标识，
根据所述缩略图的标识得到所述缩略图；
对所述缩略图进行特征提取，得到所述缩略图的特征因子；
根据所述缩略图的所述特征因子和特征因子索引库得到所述缩略图对应的原始图像，其中，所述特征因子索引库表示特征因子和图像存储地址的对应关系。
18.根据权利要求16所述的图像显示的终端，其特征在于，所述处理器具体用于：
解析所述原始图像获取请求，得到所述缩略图；
对所述缩略图进行特征提取，得到所述缩略图的特征因子；
根据所述缩略图的所述特征因子和特征因子索引库得到所述缩略图对应的原始图像，其中，所述特征因子索引库表示特征因子和图像存储地址的对应关系。
19.根据权利要求16-18任意之一所述的图像显示的终端，其特征在于，所述处理器具体用于，
根据所述原始图像获取请求得到所述缩略图；
对所述缩略图进行特征提取，得到所述缩略图的特征因子；
根据目标特征因子得到所述原始图像，所述目标特征因子为所述特征因子索引库中与所述缩略图的所述特征因子的相似度值不小于预设阈值的特征因子。
20.根据权利要求16-19任意之一所述的图像显示的终端，其特征在于，所述接收器还用于得到所述原始图像；
所述处理器还用于计算所述原始图像的特征因子；
所述处理器还用于根据原始图像的存储位置和所述原始图像的所述特征因子更新所述特征因子索引库。
CN201610671030.4A 2016-08-15 2016-08-15 一种基于缩略图的图像分享方法和终端 Active CN106294798B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201610671030.4A CN106294798B (zh) 2016-08-15 2016-08-15 一种基于缩略图的图像分享方法和终端
PCT/CN2017/070656 WO2018032721A1 (zh) 2016-08-15 2017-01-09 一种基于缩略图的图像分享方法和终端
US16/277,063 US10885100B2 (en) 2016-08-15 2019-02-15 Thumbnail-based image sharing method and terminal

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610671030.4A CN106294798B (zh) 2016-08-15 2016-08-15 一种基于缩略图的图像分享方法和终端

Publications (2)

Publication Number Publication Date
CN106294798A CN106294798A (zh) 2017-01-04
CN106294798B true CN106294798B (zh) 2020-01-17

Family

ID=57671462

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610671030.4A Active CN106294798B (zh) 2016-08-15 2016-08-15 一种基于缩略图的图像分享方法和终端

Country Status (3)

Country Link
US (1) US10885100B2 (zh)
CN (1) CN106294798B (zh)
WO (1) WO2018032721A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11842143B1 (en) 2022-08-30 2023-12-12 International Business Machines Corporation Techniques for thumbnail and preview generation based on document content

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106294798B (zh) 2016-08-15 2020-01-17 华为技术有限公司 一种基于缩略图的图像分享方法和终端
CN107133114A (zh) * 2017-05-12 2017-09-05 北京安云世纪科技有限公司 一种数据分享方法和移动通信终端
CN107426088A (zh) * 2017-07-20 2017-12-01 北京小米移动软件有限公司 图片信息处理方法及装置
CN109697240B (zh) * 2017-10-24 2020-12-22 中移（杭州）信息技术有限公司 一种基于特征的图像检索方法及装置
CN107832834B (zh) * 2017-11-13 2020-02-14 合肥工业大学 一种基于生成对抗网络的wifi室内定位指纹库的构建方法
CN107908337A (zh) * 2017-12-14 2018-04-13 广州三星通信技术研究有限公司 分享图像内容的方法和装置
CN107908613B (zh) * 2017-12-21 2021-06-22 泰康保险集团股份有限公司 图片显示方法和装置
CN110019964A (zh) * 2018-01-02 2019-07-16 北京小度互娱科技有限公司 视频去重方法及装置
CN108345655A (zh) * 2018-01-27 2018-07-31 惠州Tcl移动通信有限公司 图片显示方法、终端设备及计算机可读存储介质
CN110727808A (zh) * 2018-06-29 2020-01-24 华为技术有限公司 图像处理方法、装置及终端设备
CN109063085B (zh) * 2018-07-26 2021-07-13 创新先进技术有限公司 缩略图生成方法和装置
EP3893098B1 (en) * 2019-01-24 2023-07-26 Huawei Technologies Co., Ltd. Image sharing method and mobile device
CN111382311A (zh) * 2019-04-02 2020-07-07 鸿合科技股份有限公司 一种索引栏缩略图的快速显示方法、装置及电子设备
CN110675940A (zh) * 2019-08-01 2020-01-10 平安科技（深圳）有限公司 病理图像标注方法、装置、计算机设备及存储介质
CN110647500A (zh) * 2019-09-23 2020-01-03 Oppo广东移动通信有限公司 文件存储方法、装置、终端及计算机可读存储介质
CN110838969B (zh) * 2019-10-29 2022-09-09 苏州达家迎信息技术有限公司 一种图片传输方法、装置、设备及介质
CN115428413A (zh) * 2020-02-19 2022-12-02 华为技术有限公司 一种通知处理方法、电子设备和系统
CN111385586A (zh) * 2020-03-19 2020-07-07 深圳国信泰富科技有限公司 一种机器人视频传输方法及系统
CN111611427B (zh) * 2020-05-21 2023-06-30 湖北工业大学 基于线性鉴别分析深度哈希算法的图像检索方法及系统
CN115756270B (zh) * 2020-05-29 2024-03-26 华为技术有限公司 一种内容分享的方法、装置及系统
CN112818161B (zh) * 2021-02-24 2023-03-24 西安博达软件股份有限公司 基于深度学习的融媒体资源库缩略图识别原图的方法
CN113806577A (zh) * 2021-08-24 2021-12-17 浙江大华技术股份有限公司 一种图像搜索方法、装置、存储介质和电子设备
CN116542859B (zh) * 2023-07-06 2023-09-01 武汉船舶职业技术学院 用于智能建造的建筑结构柱图像缩略图智能生成方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101211341A (zh) * 2006-12-29 2008-07-02 上海芯盛电子科技有限公司 图像智能模式识别搜索方法
CN101308503A (zh) * 2007-05-16 2008-11-19 佳能株式会社 图像处理设备、图像处理方法和图像检索方法
CN101556611A (zh) * 2009-05-08 2009-10-14 白青山 一种基于视觉特征的图片搜索方法
CN102238107A (zh) * 2010-05-06 2011-11-09 微软公司 通过消息收发来共享媒体文件的技术
CN102521257A (zh) * 2011-11-18 2012-06-27 百度在线网络技术（北京）有限公司 一种用于根据缩略图提供对应的在线图片的方法与设备
CN103179156A (zh) * 2011-12-22 2013-06-26 腾讯科技（深圳）有限公司 一种图片分享方法、系统及设备
CN103312757A (zh) * 2012-03-15 2013-09-18 深圳市腾讯计算机系统有限公司 共享图片的方法和系统
CN103544251A (zh) * 2013-10-14 2014-01-29 北京合辉信息技术有限公司 多源图片处理方法及其装置
CN104737158A (zh) * 2013-03-13 2015-06-24 华为技术有限公司 网络数据处理方法及装置、终端

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6247009B1 (en) * 1997-03-10 2001-06-12 Canon Kabushiki Kaisha Image processing with searching of image data
DE69832924T2 (de) * 1997-04-14 2006-07-06 Canon K.K. Bildverarbeitungsgerät und Kontrollverfahren dafür
US7082572B2 (en) * 2002-12-30 2006-07-25 The Board Of Trustees Of The Leland Stanford Junior University Methods and apparatus for interactive map-based analysis of digital video content
US8307273B2 (en) * 2002-12-30 2012-11-06 The Board Of Trustees Of The Leland Stanford Junior University Methods and apparatus for interactive network sharing of digital video content
US7823058B2 (en) * 2002-12-30 2010-10-26 The Board Of Trustees Of The Leland Stanford Junior University Methods and apparatus for interactive point-of-view authoring of digital video content
EP1625477B1 (en) * 2003-05-16 2018-02-21 Google LLC Methods and systems for image sharing over a network
US8335789B2 (en) * 2004-10-01 2012-12-18 Ricoh Co., Ltd. Method and system for document fingerprint matching in a mixed media environment
JP4327827B2 (ja) * 2006-07-28 2009-09-09 株式会社東芝 映像記録再生システムおよび映像記録再生方法
US8489987B2 (en) * 2006-07-31 2013-07-16 Ricoh Co., Ltd. Monitoring and analyzing creation and usage of visual content using image and hotspot interaction
US9176984B2 (en) * 2006-07-31 2015-11-03 Ricoh Co., Ltd Mixed media reality retrieval of differentially-weighted links
US8131083B2 (en) * 2007-04-09 2012-03-06 Sharp Kabushiki Kaisha Image processing apparatus, image forming apparatus, image processing system, and image processing method having storage section, divided into a plurality of regions, for storing identification information for identifying reference image
US20090310863A1 (en) * 2008-06-11 2009-12-17 Gallagher Andrew C Finding image capture date of hardcopy medium
CN102402603A (zh) * 2011-11-18 2012-04-04 百度在线网络技术（北京）有限公司 一种用于提供缩略图所对应的图片摘要信息的方法与设备
US20130239031A1 (en) * 2012-03-06 2013-09-12 Apple Inc. Application for viewing images
WO2014050518A1 (ja) * 2012-09-28 2014-04-03 日本電気株式会社 情報処理装置、情報処理方法および情報処理プログラム
US20150169177A1 (en) * 2012-11-29 2015-06-18 Google Inc. Classifying particular images as primary images
CN104572732A (zh) 2013-10-22 2015-04-29 腾讯科技（深圳）有限公司 查询用户标识的方法及装置、获取用户标识的方法及装置
US9613181B2 (en) * 2014-05-29 2017-04-04 Globalfoundries Inc. Semiconductor device structure including active region having an extension portion
US10748661B2 (en) * 2014-10-30 2020-08-18 Panasonic Corporation Method for controlling information terminal, and recording medium
CN105912831B (zh) * 2015-02-19 2021-08-20 松下知识产权经营株式会社 信息终端的控制方法
CN104881296A (zh) * 2015-06-17 2015-09-02 北京奇虎科技有限公司 基于iOS系统的图片删除方法及装置
CN106294798B (zh) * 2016-08-15 2020-01-17 华为技术有限公司 一种基于缩略图的图像分享方法和终端

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101211341A (zh) * 2006-12-29 2008-07-02 上海芯盛电子科技有限公司 图像智能模式识别搜索方法
CN101308503A (zh) * 2007-05-16 2008-11-19 佳能株式会社 图像处理设备、图像处理方法和图像检索方法
CN101556611A (zh) * 2009-05-08 2009-10-14 白青山 一种基于视觉特征的图片搜索方法
CN102238107A (zh) * 2010-05-06 2011-11-09 微软公司 通过消息收发来共享媒体文件的技术
CN102521257A (zh) * 2011-11-18 2012-06-27 百度在线网络技术（北京）有限公司 一种用于根据缩略图提供对应的在线图片的方法与设备
CN103179156A (zh) * 2011-12-22 2013-06-26 腾讯科技（深圳）有限公司 一种图片分享方法、系统及设备
CN103312757A (zh) * 2012-03-15 2013-09-18 深圳市腾讯计算机系统有限公司 共享图片的方法和系统
CN104737158A (zh) * 2013-03-13 2015-06-24 华为技术有限公司 网络数据处理方法及装置、终端
CN103544251A (zh) * 2013-10-14 2014-01-29 北京合辉信息技术有限公司 多源图片处理方法及其装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11842143B1 (en) 2022-08-30 2023-12-12 International Business Machines Corporation Techniques for thumbnail and preview generation based on document content

Also Published As

Publication number Publication date
US20190188222A1 (en) 2019-06-20
CN106294798A (zh) 2017-01-04
WO2018032721A1 (zh) 2018-02-22
US10885100B2 (en) 2021-01-05

Similar Documents

Publication Publication Date Title
CN106294798B (zh) 一种基于缩略图的图像分享方法和终端
TWI629644B (zh) 用於自影像偵測與辨認文字之非暫態電腦可讀取儲存媒體、方法與系統
KR102222087B1 (ko) 증강 현실에 기초한 이미지 인식 방법 및 장치
US20180365489A1 (en) Automatically organizing images
US20160140146A1 (en) Systems and Methods of Building and Using an Image Catalog
CN105302428B (zh) 基于社交网络的动态信息展示方法和装置
KR102576344B1 (ko) 비디오를 처리하기 위한 방법, 장치, 전자기기, 매체 및 컴퓨터 프로그램
US10496696B2 (en) Search method and apparatus
US20170109339A1 (en) Application program activation method, user terminal, and server
CN110188216B (zh) 一种具有文字识别的照片直播系统及其方法
US11899719B2 (en) Systems and methods for determining whether to modify content
CN104951801A (zh) 一种照片管理方法和系统
CN112765387A (zh) 图像检索方法、图像检索装置和电子设备
CN112581477A (zh) 图像处理方法、图像匹配方法、设备以及存储介质
CN111581421B (zh) 图像检索方法、图像检索装置及图像检索系统
CN111382620A (zh) 视频标签添加方法、计算机存储介质和电子设备
CN106899755B (zh) 信息分享方法、信息分享装置及终端
CN113935401A (zh) 物品信息的处理方法、装置、服务器及存储介质
CN104375815B (zh) 一种信息处理方法以及一种电子设备
KR20180022990A (ko) 화상 기반의 정보 검색 방법 및 장치
Aakash et al. MAGE: An Efficient Deployment of Python Flask Web Application to App Engine Flexible Using Google Cloud Platform
CN113835582A (zh) 一种终端设备、信息显示方法和存储介质
Kumar et al. Multimodal Image Retrieval on Mobile Devices
Manger et al. Mobile object retrieval in server-based image databases
CN115422392A (zh) 一种基于大数据的数据检索系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant