CN106373084B - 一种特效推荐方法及装置 - Google Patents

Abstract

本发明实施例提供了一种特效推荐方法及装置，方法包括：利用预先存储的每一种特效对目标图像进行特效处理，得到针对所述目标图像进行每一种特效处理后的特效图像；针对每一特效图像，确定特效图像对应的最优颜色模板；再根据最优颜色模板，确定特效图像的颜色和谐性分数；根据颜色和谐性分数，计算特效的综合分数；最后根据综合分数以及预设推荐规则，向用户推荐特效。应用本发明实施例，通过对目标图像进行多种特效处理后，再按照预设的评分规则对特效图像进行评分，得到每一特效的综合分数，最后根据综合分数，能够向用户推荐与图像匹配的特效。

Description

一种特效推荐方法及装置

技术领域

本发明涉及图像处理技术领域，特别涉及一种特效推荐方法及装置。

背景技术

随着科技的发展以及人们审美水平的提升，智能拍照手机或智能相机已经越来越被人们所接受，智能拍照手机或智能相机可以随时随地的获取各种图像、视频并进行分享。为了满足人们的审美要求，通常在分享图像或视频前，会对图像或视频进行特效处理，进而实现对图像或视频的美化，所谓特效，指特殊的效果，特效通常是由电脑软件制作，特效一般包括声音特效和视觉特效。针对视觉特效，主要是用来实现图像的各种特殊效果，例如常用的滤镜、加相框、加前景装饰或者更换背景颜色等特效，通过特效对图像处理可以实现图像美化的目的。

目前，选择特效对图像或视频进行处理时，通常是人为的方式来选择特效，但是，人为的方式来选择特效完全依赖个人的审美水平，不同的人审美水平是不同的，即使是同一个人，不同时间审美水平也会不同，因此，选择出的特效具有很强的主观性，并不能客观地选择出匹配的特效。

发明内容

本发明实施例的目的在于提供一种特效推荐方法及装置，以向用户推荐与图像匹配的特效。

为达到上述目的，本发明实施例提供了一种特效推荐方法，所述方法包括：

利用预先存储的每一种特效对目标图像进行特效处理，得到针对所述目标图像进行每一种特效处理后的特效图像；

针对每一特效图像，确定所述特效图像对应的最优颜色模板；

根据所述最优颜色模板，确定所述特效图像的颜色和谐性分数；

根据所述颜色和谐性分数，计算所述特效的综合分数；

根据所述综合分数以及预设推荐规则，向用户推荐特效。

优选的，所述针对每一特效图像，确定所述特效图像对应的最优颜色模板，包括：

根据所述目标图像的色相、饱和度和亮度，确定针对所述目标图像的最优颜色模板；

将所述目标图像的最优颜色模板确定为所有特效图像的最优颜色模板。

优选的，所述针对每一特效图像，确定所述特效图像对应的最优颜色模板，包括：

针对每一特效图像，根据所述特效图像的色相、饱和度和亮度，确定所述特效图像对应的最优颜色模板。

优选的，所述确定所述特效图像的颜色和谐性分数所采用的公式为：

式中，Score_T表示所述特效图像与所述最优颜色模板的和谐性分数，λ为加权系数，H[i]表示所述特效图像对应HSV联合直方图中角度i的色相值，

其中，H[x,y]、S[x,y]和V[x,y]分别为所述特效图像坐标为x,y时对应的色相值、饱和度值和亮度值，α为所述最优颜色模板对应阴影区域的角度，ω为所述最优颜色模板对应阴影区域的宽度，

ω_k为所述最优颜色模板中第k个阴影区域的宽度。

优选的，所述根据所述颜色和谐性分数，计算所述特效的综合分数所采用的公式为：

Score＝λ₁Score_T+λ₂Score_personal；

式中，Score为所述特效对应的综合分数，λ₁、λ₂为预设偏好系数，Score_personal为偏好总分数。

优选的，所述根据所述综合分数以及预设推荐规则，向用户推荐特效，包括：

向用户推荐综合分数不大于预设分数对应的特效。

优选的，所述根据所述综合分数以及预设推荐规则，向用户推荐特效，包括：

向用户推荐预设数量个最小的综合分数对应的特效。

优选的，所述根据所述综合分数以及预设推荐规则，向用户推荐特效，包括：

向用户推荐最小的综合分数对应的特效。

为达到上述目的，本发明实施例还提供了一种特效推荐装置，所述装置包括：

处理模块，用于利用预先存储的每一种特效对目标图像进行特效处理，得到针对所述目标图像进行每一种特效处理后的特效图像；

第一确定模块，用于针对每一特效图像，确定所述特效图像对应的最优颜色模板；

第二确定模块，用于根据所述最优颜色模板，确定所述特效图像的颜色和谐性分数；

计算模块，用于根据所述颜色和谐性分数，计算所述特效的综合分数；

推送模块，用于根据所述综合分数以及预设推荐规则，向用户推荐特效。

优选的，所述第一确定模块，具体用于：

根据所述目标图像的色相、饱和度和亮度，确定针对所述目标图像的最优颜色模板；

将所述目标图像的最优颜色模板确定为所有特效图像的最优颜色模板。

优选的，所述第一确定模块，具体用于：

针对每一特效图像，根据所述特效图像的色相、饱和度和亮度，确定所述特效图像对应的最优颜色模板。

优选的，所述第二确定模块中确定所述特效图像的颜色和谐性分数所采用的公式为：

式中，Score_T表示所述特效图像与所述最优颜色模板的和谐性分数，λ为加权系数，H[i]表示所述特效图像对应HSV联合直方图中角度i的色相值，

其中，H[x,y]、S[x,y]和V[x,y]分别为所述特效图像坐标为x,y时对应的色相值、饱和度值和亮度值，α为所述最优颜色模板对应阴影区域的角度，ω为所述最优颜色模板对应阴影区域的宽度，

ω_k为所述最优颜色模板中第k个阴影区域的宽度。

优选的，所述计算模块中，计算所述特效的综合分数所采用的公式为：

Score＝λ₁Score_T+λ₂Score_personal；

式中，Score为所述特效对应的综合分数，λ₁、λ₂为预设偏好系数，Score_personal为偏好总分数。

优选的，所述推送模块，具体用于：

向用户推荐综合分数不大于预设分数对应的特效。

优选的，所述推送模块，具体用于：

向用户推荐预设数量个最小的综合分数对应的特效。

优选的，所述推送模块，具体用于：

向用户推荐最小的综合分数对应的特效。

本发明实施例提供了一种特效推荐方法及装置，方法包括：利用预先存储的每一种特效对目标图像进行特效处理，得到针对所述目标图像进行每一种特效处理后的特效图像；针对每一特效图像，确定特效图像对应的最优颜色模板；再根据最优颜色模板，确定特效图像的颜色和谐性分数；根据颜色和谐性分数，计算特效的综合分数；最后根据综合分数以及预设推荐规则，向用户推荐特效。应用本发明实施例，通过对目标图像进行多种特效处理后，再按照预设的评分规则对特效图像进行评分，得到每一特效的综合分数，最后根据综合分数，能够向用户推荐与图像匹配的特效。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种特效推荐方法的流程示意图；

图2为本发明实施例提供的8种颜色模板；

图3为本发明实施例提供的一种特效推荐装置的结构示意图。

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。

下面通过具体的实施例，对本发明进行详细的说明。

图1为本发明实施例提供的一种特效推荐方法的流程示意图；方法可以包括：

S101：利用预先存储的每一种特效对目标图像进行特效处理，得到针对所述目标图像进行每一种特效处理后的特效图像；

随着科技的发展以及人们审美水平的提升，通常在分享图像或视频前，会对图像或视频进行特效处理，进而实现对图像或视频的美化；所谓特效，指特殊的效果，特效通常是由电脑软件制作，特效一般包括声音特效和视觉特效。针对视觉特效，主要是用来实现图像的各种特殊效果，例如常用的滤镜、加相框、加前景装饰或者更换背景颜色等特效，通过特效对图像处理可以实现图像美化的目的。

通常情况下，特效可以预先存储在计算机系统或手机系统特定的空间中，一旦接到图像处理任务，便可直接调用特效进行特效处理；例如预先存储特效的空间可以是计算机系统的硬盘或者是手机系统中的图像处理单元的内存中，特效的种类有很多，例如：滤镜、加相框、加前景装饰或者更换背景颜色等，不仅如此，每一类特效还可以包括有多种特效，如滤镜可以包括：黑白滤镜、生动滤镜、往昔滤镜、背景虚化滤镜、鱼眼滤镜、马赛克滤镜、晨光滤镜、日系滤镜等等。

下面以滤镜特效为例进行详细的说明，不难理解的是，当用户在分享照片的时候可以知道要分享的图像是哪一个，或者是视频中的帧图像，这里我们称为目标图像。假定预先存储的滤镜特效包括：黑白滤镜、生动滤镜、往昔滤镜、背景虚化滤镜、鱼眼滤镜、马赛克滤镜、晨光滤镜、日系滤镜这8种滤镜特效，对应命名为滤镜特效1-8。利用预先存储的这8种滤镜特效分别对目标图像进行特特效处理，针对8种滤镜特效中的每一种滤镜特效处理都会相应的得到目标图像的特效图像，这8种滤镜特效之间是并列的，即不分先后，特效处理的步骤是相同的。

例如，利用预先存储的滤镜特效1对目标图像(图像A)进行特效处理，得到针对图像A的特效图像A1；利用预先存储的滤镜特效2对图像A进行特效处理，得到针对图像A的特效图像A2；相应的，分别利用预先存储的滤镜特效3-8对图像A进行特效处理，得到针对图像A的特效图像A3-A8。

值得强调的是，对于利用预先存储的这8种滤镜特效处理图像A的顺序不做要求，比如，预先存储的这8种滤镜特效可以同时分别对图像A进行特效处理，并行且各个滤镜特效之间互不干扰，同样也得到针对图像A的8种滤镜特效图像A1-A8；因此，本申请不对每一种特效对目标图像进行特效处理的顺序进行限定。

S102：针对每一特效图像，确定所述特效图像对应的最优颜色模板；

由上可知，图像A利用预先存储的8种滤镜特效进行特效处理后得到了8个特效图像A1-A8。本领域技术人员可以理解的是，图像处理系统通常有多个通用的颜色模板，如图2所示，为本发明实施例提供的8种颜色模板，每一种颜色模板都对应可以匹配一种类型的图像颜色。由于不同滤镜特效对图像A进行特效处理后得到的特效图像是不同的，因此，在获得到8个特效图像之后，需要为每一个特效图像匹配一个最优的颜色模板。

具体的，针对每一特效图像，确定所述特效图像对应的最优颜色模板，可以根据所述目标图像的色相、饱和度和亮度，确定针对所述目标图像的最优颜色模板；将所述目标图像的最优颜色模板确定为所有特效图像的最优颜色模板。

在实际应用中，可以先确定目标图像的最优颜色模板，将确定后的目标图像的最优颜色模板认为是所有特效图像的最优颜色模板。确定目标图像的最优颜色模板可以依据目标图像的色相、饱和度和亮度，也就是通常我们说的HSV，即H(Hum)代表色相、S(Saturation)代表饱和度以及V(Value)代表亮度。

其中，H[x,y]、S[x,y]和V[x,y]分别为所述特效图像坐标为x,y时对应的色相值、饱和度值和亮度值。

确定最优颜色模板是一个寻优的过程，就是找到与目标图像匹配度最高的颜色模板。匹配度可以具体用一个参数来衡量，通常可以用图像与模板之间的Kullback-Lieblerdivergence D也就是距离D来衡量，

式中，

α_m为所述颜色模板m对应阴影区域的角度，ω_m为颜色模板m对应阴影区域的宽度，

ω_m,k为所述颜色模板m中第k个阴影区域的宽度，i-α_m表示角度为i对应的色相距离阴影区域的最近弧形距离，c为指数参数，通常设置为10，。

为了获得最小的距离D_m，可以通过改变模板的参数α_m的大小，参数α_m在取值区间[0,360°)按照一定的步长进行调节；例如，按照1°的步长进行增加或减少，按照上述距离D_m的计算公式，计算每次角度调节后对应的距离D，找到图像A的最优颜色模板T；还可以通过改变模板的参数ω_m,k的大小按照一定的步长进行调节。例如，按照0.1°的步长进行增加或减少，按照上述距离D的计算公式，计算每次角度调节后对应的距离D，找到图像A的最优颜色模板T。进一步的，还可以同时改变模板参数α_m、参数ω_m,k的大小按照一定的步长进行调节，例如，参数α_m按照1°的步长进行增加或减少，参数ω_m,k按照0.1°的步长进行增加或减少，按照上述距离D的计算公式，计算每次角度调节后对应的距离D，找到图像A的最优颜色模板T。

确定出图像A的最优颜色模板T后，将确定出来的最优颜色模板T作为每一个特效图像的最优颜色模板，即特效图像A1-A8所对应的颜色模板均为目标图像对应的颜色模板T。

实际应用中，针对每一特效图像，确定所述特效图像对应的最优颜色模板，可以针对每一特效图像，根据所述特效图像的色相、饱和度和亮度，确定所述特效图像对应的最优颜色模板。

具体而言，针对每一个特效图像，例如，针对特效图像A1，根据特效图像A1对应的色相、饱和度和亮度，确定出确定特效图像A1的最优颜色模板，确定最优颜色模板的过程与目标图像的最优颜色模板的确定过程相同，因此，这里对特效图像的最优颜色模板的具体确定过程就不再赘述。

S103：根据所述最优颜色模板，确定所述特效图像的颜色和谐性分数；

由上述可知，每一个特效图像都对应一种最优颜色模板，例如，图像A利用滤镜特效1进行特效处理之后得到图像A的特效图像A1，不难按照上述的最优颜色模板的确定规则，确定出特效图像A1对应的最优颜色模板为图2中的颜色模板4，图2为本发明实施例提供的8种颜色模板。不难理解的是，在确定特效图像A1的最优颜色模板为颜色模板4的时候，需要不断改变颜色模板的参数，最终确定出距离D最小时对应的最优模板为颜色模板4，根据颜色模板4可以确定特效图像A1的颜色和谐性分数。每一个特效图像与其对应的最优颜色模板之间均有一个颜色和谐性分数。

在实际的运算过程中，确定所述特效图像的颜色和谐性分数可以采用的公式为：

式中，Score_T表示所述特效图像与所述最优颜色模板的和谐性分数，λ为加权系数，H[i]表示所述特效图像对应HSV联合直方图中角度i的色相值，

其中，H[x,y]、S[x,y]和V[x,y]分别为所述特效图像坐标为x,y时对应的色相值、饱和度值和亮度值，α为最优颜色模板对应阴影区域的角度，ω为最优颜色模板对应阴影区域的宽度，

ω_k为所述最优颜色模板中第k个阴影区域的宽度。

示例性的，假定图2中颜色模板4是特效图像A1对应的最优颜色模板，利用上述的计算公式，计算出特效图像A1的颜色和谐性分数为0.5。

S104：根据所述颜色和谐性分数，计算所述特效的综合分数；

上述可计算出每个特效图像的颜色和谐性分数，假设，特效图像A1-A8分别为利用预先存储的滤镜特效1-8对图像A进行特效处理后得到的特效图像，特效图像A1-A8对应的颜色和谐性分数分别为：0.5、0.55、0.56、0.54、0.52、0.6、0.48、0.78，通常颜色和谐性分数可以直观的体现采用该特效对目标图像进行特效处理后得到的特效图像的好坏，但是，为了能够体现个性化设置，在计算特效的综合分数时往往考虑到用户设置的个偏好特性，为了计算方便，实际应用过程中，计算所述特效的综合分数所采用的公式为：

Score＝λ₁Score_T+λ₂Score_personal；

式中，Score为所述特效对应的综合分数，λ₁、λ₂为预设偏好系数，Score_personal为偏好总分数。

Score_personal可以为多个偏好设置的总和，例如，偏好总分数Score_personal可以为颜色偏好Score_color和色温偏好Score_warm等的总和，不难得到偏好总分数的表达式Score_personal＝Score_color+…+Score_warm，或者，为了更加图像偏好程度的不同，偏好总分数的表达式还可以为Score_personal＝λ₂₁Score_color+…+λ_2nScore_warm，式中的λ₂₁、、…、λ_2n分别为各偏好对应的偏好系数，现假设用户只设置了颜色偏好Score_color为0.6和色温偏好Score_warm为0.9，对应的偏好系数λ₂₁＝0.8，λ₂₂＝0.3，则偏好总分数的表达式Score_personal＝0.8*Score_color+0.3*Score_warm。假设λ₁＝0.7，λ₂＝0.6，那么对应特效的综合分数

Score＝0.7*Score_T+0.6*Score_personal

＝0.7*Score_T+0.6*(0.8*Score_color+0.3*Score_warm)；

＝0.7*Score_T+0.48*Score_color+0.18*Score_warm

按照上述的表达式，可以分别计算出特效图像A1-A8所对应的滤镜特效1-8的综合分数分别为：0.8、0.835、0.842、0.828、0.814、0.87、0.786、0.996，值得一提的是，对于上述各系数以及个参数的数值设定仅为本实施例的一种具体示例，并不构成对本申请的限定。

S105：根据所述综合分数以及预设推荐规则，向用户推荐特效。

由上可知的是，每种滤镜特效对应的综合分数，假设上述计算出的滤镜特效1-8分别对应的综合分数为：0.8、0.835、0.842、0.828、0.814、0.87、0.786、0.996，根据综合分数，可以向用户推荐特效。

实际应用中，所述根据所述综合分数以及预设推荐规则，向用户推荐特效，可以向用户推荐综合分数不大于预设分数对应的特效。

示例性的，以上述计算出的滤镜特效1-8分别对应的综合分数为：0.8、0.835、0.842、0.828、0.814、0.87、0.786、0.996为例，将综合分数不大于0.8的所有滤镜特效推送给用户，不难得到滤镜特效1以及滤镜特效7对应的综合分数分别为0.8和0.786不大于0.8，因此，向用户推荐滤镜特效1和滤镜特效7。

需要说明的是，上述预设分数取值为0.8是本发明实施例的举例，本申请不对预设分数的取值做明确限定。

实际应用中，所述根据所述综合分数以及预设推荐规则，向用户推荐特效，可以向用户推荐预设数量个最小的综合分数对应的特效。

通常情况下，综合分数越小，对应的特效对目标图像进行特效处理得到的特效图像效果最好，因此，为了得到较佳的效果，实际中可以向用户推荐预设数量个最小的综合分数对应的特效，假设上述计算出的滤镜特效1-8分别对应的综合分数为：0.8、0.835、0.842、0.828、0.814、0.87、0.786、0.996，预设数量可以设置为3，当然预设数量并不局限于3，那么，确定3个综合分数最小的方法有多种，最简单的可以将综合分数按照从小到大的顺序进行排列，取前3个即为最小的3个综合分数。还可以不用排序，简单的从这8个综合分数中先选一个最小的综合分数0.786，再从剩余的7个综合分数中选出当前最小的综合分数0.8，最后从剩余的6个综合分数中选出当前最小的综合分数0.814，因此，得到的3个最小的综合分数分别为0.786、0.8和0.814，将这3个最小综合分数对应的滤镜特效7、滤镜特效1和滤镜特效5推荐给用户。

实际应用中，所述根据所述综合分数以及预设推荐规则，向用户推荐特效，可以向用户推荐最小的综合分数对应的特效。

为了尽可能的减少主观的因素，就是不需要用户对推荐后的特效进行再次选择，实际中可以直接向用户推荐一个最好的特效，由于综合分数越小，对应的特效对目标图像进行特效处理得到的特效图像效果最好，那么可以直接向用户推荐一个综合分数最小的特效。假设上述计算出的滤镜特效1-8分别对应的综合分数为：0.8、0.835、0.842、0.828、0.814、0.87、0.786、0.996，从这8个综合分数中选出最小的可以采用冒泡法实现，不难得到最小的综合分数为0.786，向用户推荐综合分数为0.786对应的滤镜特效7。

值得强调的是，上述均以滤镜特效进行说明的，其他类型特效的推荐过程与滤镜特效的推荐过程步骤是相同的，本申请并不对特效的个数以及特效的类型做限定。

应用图1提供的实施例，通过对目标图像进行多种特效处理后，再按照预设的评分规则对特效图像进行评分，得到每一特效的综合分数，最后根据综合分数，能够向用户推荐与图像匹配的特效。

如图3所示，为本发明实施例提供的一种特效推荐装置的结构示意图，所述装置可以包括：

处理模块201，用于利用预先存储的每一种特效对目标图像进行特效处理，得到针对所述目标图像进行每一种特效处理后的特效图像；

第一确定模块202，用于针对每一特效图像，确定所述特效图像对应的最优颜色模板；

实际应用中，第一确定模块202，具体用于：

根据所述目标图像的色相、饱和度和亮度，确定针对所述目标图像的最优颜色模板；

将所述目标图像的最优颜色模板确定为所有特效图像的最优颜色模板。

实际应用中，第一确定模块202，具体用于：

针对每一特效图像，根据所述特效图像的色相、饱和度和亮度，确定所述特效图像对应的最优颜色模板。

第二确定模块203，用于根据所述最优颜色模板，确定所述特效图像的颜色和谐性分数；

实际应用中，第二确定模块204中确定所述特效图像的颜色和谐性分数所采用的公式为：

式中，Score_T表示所述特效图像与所述最优颜色模板的和谐性分数，λ为加权系数，H[i]表示所述特效图像对应HSV联合直方图中角度i的色相值，

其中，H[x,y]、S[x,y]和V[x,y]分别为所述特效图像坐标为x,y时对应的色相值、饱和度值和亮度值，α为所述最优颜色模板对应阴影区域的角度，ω为所述最优颜色模板对应阴影区域的宽度，

ω_k为所述最优颜色模板中第k个阴影区域的宽度。

计算模块204，用于根据所述颜色和谐性分数，计算所述特效的综合分数；

实际应用中，计算模块205中计算所述特效的综合分数所采用的公式为：

Score＝λ₁Score_T+λ₂Score_personal；

式中，Score为所述特效对应的综合分数，λ₁、λ₂为预设偏好系数，Score_personal为偏好总分数。

推送模块205，用于根据所述综合分数以及预设推荐规则，向用户推荐特效。

实际应用中，推送模块205，具体用于：

向用户推荐综合分数不大于预设分数对应的特效。

实际应用中，推送模块205，具体用于：

向用户推荐预设数量个最小的综合分数对应的特效。

实际应用中，推送模块205，具体用于：

向用户推荐最小的综合分数对应的特效。

应用图3提供的实施例，通过对目标图像进行多种特效处理后，再按照预设的评分规则对特效图像进行评分，得到每一特效的综合分数，最后根据综合分数，能够向用户推荐与图像匹配的特效。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (14)

1.一种特效推荐方法，其特征在于，所述方法包括：

利用预先存储的每一种特效对目标图像进行特效处理，得到针对所述目标图像进行每一种特效处理后的特效图像；

针对每一特效图像，确定所述特效图像对应的最优颜色模板；

根据所述最优颜色模板，确定所述特效图像的颜色和谐性分数，所述颜色和谐性分数为所述特效图像与所述最优颜色模板之间颜色的和谐性分数；

根据所述颜色和谐性分数，计算所述特效的综合分数；

根据所述综合分数以及预设推荐规则，向用户推荐特效；

所述确定所述特效图像的颜色和谐性分数所采用的公式为：

式中，Score_T表示所述特效图像与所述最优颜色模板的和谐性分数，λ为加权系数，H[i]表示所述特效图像对应HSV联合直方图中角度i的色相值，

其中，H[x,y]、S[x,y]和V[x,y]分别为所述特效图像坐标为x,y时对应的色相值、饱和度值和亮度值，α为所述最优颜色模板对应阴影区域的角度，ω为所述最优颜色模板对应阴影区域的宽度，

ω_k为所述最优颜色模板中第k个阴影区域的宽度。

2.根据权利要求1所述的方法，其特征在于，所述针对每一特效图像，确定所述特效图像对应的最优颜色模板，包括：

根据所述目标图像的色相、饱和度和亮度，确定针对所述目标图像的最优颜色模板；

将所述目标图像的最优颜色模板，确定为所有特效图像的最优颜色模板。

3.根据权利要求1所述的方法，其特征在于，所述针对每一特效图像，确定所述特效图像对应的最优颜色模板，包括：

针对每一特效图像，根据所述特效图像的色相、饱和度和亮度，确定所述特效图像对应的最优颜色模板。

4.根据权利要求1所述的方法，其特征在于，所述根据所述颜色和谐性分数，计算所述特效的综合分数所采用的公式为：

Score＝λ₁Score_T+λ₂Score_personal；

式中，Score为所述特效对应的综合分数，λ₁、λ₂为预设偏好系数，Score_personal为偏好总分数。

5.根据权利要求1所述的方法，其特征在于，所述根据所述综合分数以及预设推荐规则，向用户推荐特效，包括：

向用户推荐综合分数不大于预设分数对应的特效。

6.根据权利要求1所述的方法，其特征在于，所述根据所述综合分数以及预设推荐规则，向用户推荐特效，包括：

向用户推荐预设数量个最小的综合分数对应的特效。

7.根据权利要求1所述的方法，其特征在于，所述根据所述综合分数以及预设推荐规则，向用户推荐特效，包括：

向用户推荐最小的综合分数对应的特效。

8.一种特效推荐装置，其特征在于，所述装置包括：

处理模块，用于利用预先存储的每一种特效对目标图像进行特效处理，得到针对所述目标图像进行每一种特效处理后的特效图像；

第一确定模块，用于针对每一特效图像，确定所述特效图像对应的最优颜色模板；

第二确定模块，用于根据所述最优颜色模板，确定所述特效图像的颜色和谐性分数，所述颜色和谐性分数为所述特效图像与所述最优颜色模板之间颜色的和谐性分数；

计算模块，用于根据所述颜色和谐性分数，计算所述特效的综合分数；

推送模块，用于根据所述综合分数以及预设推荐规则，向用户推荐特效；

所述第二确定模块中确定所述特效图像的颜色和谐性分数所采用的公式为：

式中，Score_T表示所述特效图像与所述最优颜色模板的和谐性分数，λ为加权系数，H[i]表示所述特效图像对应HSV联合直方图中角度i的色相值，

其中，H[x,y]、S[x,y]和V[x,y]分别为所述特效图像坐标为x,y时对应的色相值、饱和度值和亮度值，α为所述最优颜色模板对应阴影区域的角度，ω为所述最优颜色模板对应阴影区域的宽度，

ω_k为所述最优颜色模板中第k个阴影区域的宽度。

9.根据权利要求8所述的装置，其特征在于，所述第一确定模块，具体用于：

根据所述目标图像的色相、饱和度和亮度，确定针对所述目标图像的最优颜色模板；

将所述目标图像的最优颜色模板，确定为所有特效图像的最优颜色模板。

10.根据权利要求8所述的装置，其特征在于，所述第一确定模块，具体用于：

针对每一特效图像，根据所述特效图像的色相、饱和度和亮度，确定所述特效图像对应的最优颜色模板。

11.根据权利要求8所述的装置，其特征在于，所述计算模块中计算所述特效的综合分数所采用的公式为：

Score＝λ₁Score_T+λ₂Score_personal；

式中，Score为所述特效对应的综合分数，λ₁、λ₂为预设偏好系数，Score_personal为偏好总分数。

12.根据权利要求8所述的装置，其特征在于，所述推送模块，具体用于：

向用户推荐综合分数不大于预设分数对应的特效。

13.根据权利要求8所述的装置，其特征在于，所述推送模块，具体用于：

向用户推荐预设数量个最小的综合分数对应的特效。

14.根据权利要求8所述的装置，其特征在于，所述推送模块，具体用于：

向用户推荐最小的综合分数对应的特效。

Images