CN107133940A - 一种构图方法及终端 - Google Patents
一种构图方法及终端 Download PDFInfo
- Publication number
- CN107133940A CN107133940A CN201710192921.6A CN201710192921A CN107133940A CN 107133940 A CN107133940 A CN 107133940A CN 201710192921 A CN201710192921 A CN 201710192921A CN 107133940 A CN107133940 A CN 107133940A
- Authority
- CN
- China
- Prior art keywords
- image
- significant characteristics
- testing image
- characteristics region
- matrix
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000000059 patterning Methods 0.000 title claims abstract description 18
- 230000008569 process Effects 0.000 title claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims description 50
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 abstract description 23
- 230000000694 effects Effects 0.000 abstract description 11
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000005520 cutting process Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种构图方法及其终端,其中,该方法包括:获取待测图像;对该待测图像进行显著性检测,得到显著性特征区域;根据该显著性特征区域对待测图像进行构图处理,得到目标图像。本发明实施例中,由于对待测图像进行显著性检测得到了显著性特征区域,因此,根据显著性特征区域进行构图处理提高了构图的准确性,也提高了所得到的目标图像的效果。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种构图方法及其终端。
背景技术
目前,构图方法一般包括中央构图、九宫格构图以及对角线构图等。以九宫格构图为例,九宫格的四条线的四个交汇点称为趣味中心,被摄主体处于这四个交汇点的图片才是用户所想要的图片。但是,现有的构图方法,并未对用于构图的待测图像进行任何处理,而仅是先通过用户人眼确定被摄主体,再基于该被摄主体进行构图以得到目标图像。这样的构图方法准确性较低,所得到的目标图像效果也较差。
发明内容
本发明实施例提供一种构图方法及其终端,其根据显著性特征区域进行构图,可提高构图的准确性以及目标图像的效果。
本发明实施例提供了一种构图方法,包括:
获取待测图像;
对该待测图像进行显著性检测,得到显著性特征区域;
根据该显著性特征区域对待测图像进行构图处理,得到目标图像。
本发明实施例还提供了一种终端,包括:
获取单元,用于获取待测图像;
检测单元,用于对该待测图像进行显著性检测,得到显著性特征区域;
处理单元,用于根据该显著性特征区域对待测图像进行构图处理,得到目标图像。
本发明实施例中,获取待测图像并对其进行显著性检测,得到显著性特征区域,根据该显著性特征区域对待测图像进行构图处理,得到目标图像。由于对待测图像进行显著性检测得到了显著性特征区域,因此,根据显著性特征区域进行构图处理提高了构图的准确性,也提高了所得到的目标图像的效果。
附图说明
为了更清楚地说明本发明实施例技术方案,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是本发明第一实施例提供的一种构图方法的流程示意图;
图2是本发明第二实施例提供的一种构图方法的流程示意图;
图3是本发明实施例所检测出的显著性区域示意图;
图4是图3的热力图;
图5是本发明第一实施例提供的一种终端的结构示意图;
图6是本发明第二实施例提供的一种终端的结构示意图;
图7是本发明第三实施例提供的一种终端的结构示意图。
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
具体实现中,本发明实施例中描述的终端包括但不限于诸如具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是,在某些实施例中,所述设备并非便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。
在接下来的讨论中,描述了包括显示器和触摸敏感表面的终端。然而,应当理解的是,终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。
终端支持各种应用程序,例如以下中的一个或多个:绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样,终端的公共物理架构(例如,触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
请参考图1,是本发明第一实施例提供的构图方法的流程示意图,如图所示,该方法可以包括以下步骤:
S101,获取待测图像。
用户可以通过触控或者语音的方式向终端发送开启拍照应用的指令,终端在接收到用户发送的开启拍照应用指令的时候,可以开启拍照应用以获取待测图像。
S102,对待测图像进行显著性检测,得到显著性特征区域。
获取该待测图像之后,对其进行简单的离散余弦变换(Discrete CosineTransformation,DCT)和逆离散余弦变换(Inverse Discrete Cosine Transformation,IDCT),以实现对该待测图像的显著性检测,得到显著性特征区域。或者,获取该待测图像之后,可以先将原始图像分层,再对每一层图像分别提取底层特征,该底层特征包括亮度特征、饱和度特征和色彩特征等,之后根据该底层特征计算每一层图像的显著性特征,最后,根据多层显著性特征得到待测图像的显著性特征区域。又或者,获取该待测图像之后,可以先通过线性滤波器对待测图像的颜色、亮度、方向等特征进行提取,再通过高斯金字塔、中央周围算子和归一化处理得到显著性图,最后根据显著性图确定出待测图像的显著性特征区域。
S103,根据显著性特征区域对待测图像进行构图处理,得到目标图像。
根据该显著性特征区域,对待测图像重新进行构图及裁剪,以得到目标图像。该部分的具体过程将在下一实施例中进行详述,在此不再赘述。
本发明实施例中,先获取待测图像并对其进行显著性检测,得到显著性特征区域,根据该显著性特征区域对待测图像进行构图处理,得到目标图像。由于对待测图像进行显著性检测得到了显著性特征区域,因此,根据显著性特征区域进行构图处理提高了构图的准确性,也提高了所得到的目标图像的效果,例如所得到目标图像更加清晰,目标图像的格局更符合用户的要求,目标图像更具美感等。
请参考图2,是本发明第二实施例提供的构图方法的流程示意图,如图所示,该方法可以包括以下步骤:
S201,获取YUV图像。
用户可以通过触控或者语音的方式向终端发送开启拍照应用的指令,终端在接收到用户发送的开启拍照应用指令的时,可以开启拍照应用以获取待测图像。其中,本实施例中,终端所获取的待测图像是YUV图像,但不仅限于此。
S202,对YUV图像中的U通道图像和V通道图像进行离散余弦变换,得到第一矩阵。
对YUV图像的U通道图像和V通道图像,采用公式(1)进行离散余弦变换(DiscreteCosine Transformation,DCT),得到第一矩阵:
其中,x,y,u,v=0,1,…,N-1。
在公式(1)中,F(u,v)表示经DCT变换后的信号,f(x,y)表示原始信号,N表示原始信号的个数,c(u)、c(v)表示补偿系数,其可以使得经DCT变换后的矩阵成为正交矩阵。
需要说明的是,在图像处理领域,数字图像可用矩阵表示。其中,矩阵的行对应于图像的高(单位为像素),矩阵的列对应于图像的宽(单位为像素)。因此,该步骤中,先将待测图像用矩阵X0表示,再对矩阵X0进行DCT变换,得到第一矩阵X1。进一步地,根据公式(1)对YUV图像的U通道图像和V通道图像进行DCT变换,会得到U、V两通道对应的矩阵,可表示为:U通道的矩阵Fu(u,v)、V通道的矩阵Fv(u,v)。即,第一矩阵包括U、V两通道对应的两个矩阵。
S203,对第一矩阵进行符号变换。
采用公式(2)对步骤S202中的第一矩阵进行符号变换:
公式(2)表示从公式(1)中所得到的值为1或0或-1。
S204,对经符号变换后的第一矩阵进行逆离散余弦变换,得到显著性特征区域。
采用公式(3)对进行符号变换后的第一矩阵进行逆离散余弦变换(InverseDiscrete Cosine Transformation,IDCT),得到显著性特征区域:
其中,x,y,u,v=0,1,…,N-1.
在公式(3)中,F(u,v)表示原始信号,N表示原始信号的个数,f(x,y)表示经IDCT变换后的信号,c(u)、c(v)表示补偿系数,其可以使得经IDCT变换后的矩阵成为正交矩阵。
需要说明的是,由于前述是对YUV图像的U、V两通道进行DCT变换,得到了U、V两通道对应的矩阵;此处对第一矩阵进行IDCT变换,仍然会得到U、V两通道对应的矩阵,可表示为:U通道的矩阵fu(x,y)、V通道的矩阵fv(x,y)。
得到U通道的矩阵fu(x,y)、V通道的矩阵fv(x,y)之后,便可得到U、V两通道图像,从而得到显著性特征区域。由于本实施例中仅对待测图像进行简单的DCT及IDCT变换便得到了显著性特征区域,从而实现了待测图像的显著性检测。与目前利用饱和度和亮度、通用搜索树(Generalized Search Trees,GiST)特征或其它高复杂特征进行显著性检测相比,本实施例降低了算法复杂度,计算时间快,从而提高了显著性检测的效率。
S205,对显著性特征区域进行平均处理。
先采用公式(4)求取矩阵fu(x,y)、fv(x,y)的平方矩阵:
F(x,y)=f(x,y)2 (4)
公式(4)中,F(x,y)表示平方矩阵,f(x,y)表示经IDCT变换后的矩阵。此处所求取的平方矩阵包括:U通道的平方矩阵Fu(x,y)、V通道的平方矩阵Fv(x,y)。
再采用公式(5)计算两通道平方矩阵的平均矩阵:
公式(5)中,G(x,y)表示平均矩阵。
需要说明的是,本实施例中采用公式(4)、(5)对显著性特征区域进行了平均处理,可使得检测出的显著性特征不容易被纯色场景所误导以产生错误效果,从而提高了检测的准确性。
S206,对经平均处理后的显著性特征区域进行去噪处理,得到能量分布图。
具体地,先对显著性特征区域进行去噪处理,得到能量分布图。即,先对平均矩阵进行高斯平滑计算,以消除显著性特征区域中的噪声,并得到能量分布图。
需要说明的是,在本发明其它可选的实施例中,在得到显著性特征区域之后,直接对显著性特征区域进行去噪处理,得到能量分布图,而不对显著性特征区域进行如步骤S205所述的平均处理。具体地,对步骤S204所得到的U通道矩阵fu(x,y)、V通道矩阵fv(x,y)进行高斯平滑计算以消除显著性特征区域中的噪声,得到能量分布图。
S207,提取能量分布图中当前像素值大于预设阈值的所有像素点所构成的目标区域。
S208,根据目标区域对待测图像进行构图处理,得到目标图像。
若预设阈值为t,提取能量分布图中当前像素值大于预设阈值t的所有像素点,该所有像素点所构成的目标区域记为Sarea,根据公式Fm∝Sarea对待测图像进行重新构图及裁剪,得到目标图像。其中,Fm表示构图方法,与Sarea正相关,∝表示正相关。需要说明的是,从图3的显著性特征区域示意图及图4的热力图可以看出,能量集中图像清晰的区域,因此,本发明实施例中,通过提取能量分布图中当前像素值大于预设阈值的所有像素点所构成的目标区域,便得到了图像清晰的区域,再基于该图像清晰的区域进行构图,从而得到了用户想要的图像,即目标图像。以九宫格构图方法为例,当确定出图像清晰的区域后,可基于该图像清晰的区域对待测图像进行重新构图及裁剪,将该图像清晰的区域移动至九宫格中四个交汇点处,从而得到目标图像;以中央构图法为例,当确定出图像清晰的区域后,可基于该图像清晰的区域对待测图像进行重新构图及裁剪,将该图像清晰的区域移动至待测图像的几何中心处,从而得到目标图像;以对角线构图法为例,当确定出图像清晰的区域后,可基于该图像清晰的区域对待测图像进行重新构图及裁剪,将该图像清晰的区域移动至待测图像的对角线上,从而得到目标图像。以上几种基于图像清晰的区域进行构图的方式仅是示例性的,并不以此为限,本发明实施例中所得到去图像清晰的区域还可用于其它构图法中。
本发明实施例中,先获取待测图像并对其进行显著性检测,得到显著性特征区域,根据该显著性特征区域对待测图像进行构图处理,得到目标图像。由于对待测图像进行显著性检测得到了显著性特征区域,因此,根据显著性特征区域进行构图处理提高了构图的准确性,也提高了所得到的目标图像的效果,例如所得到目标图像更加清晰,目标图像的格局更符合用户的要求,目标图像更具美感等。
参见图5,是本发明第一实施例提供的一种终端的结构示意图,如图所示,该终端可以包括:
获取单元10,用于获取待测图像;
检测单元11,用于对该待测图像进行显著性检测,得到显著性特征区域;
处理单元12,用于根据该显著性特征区域对待测图像进行构图处理,得到目标图像。
本发明实施例中,先通过获取单元10获取待测图像,并通过检测单元11对待测图像进行显著性检测,得到显著性特征区域,再通过处理单元12对根据该显著性特征区域对待测图像进行构图处理,得到目标图像。由于对待测图像进行显著性检测得到了显著性特征区域,因此,根据显著性特征区域进行构图处理提高了构图的准确性,也提高了所得到的目标图像的效果,例如所得到目标图像更加清晰,目标图像的格局更符合用户的要求,目标图像更具美感等。
请参见图6,是本发明第二实施例提供一种终端的结构示意图,如图6所示,该终端可以包括:
获取单元20,用于获取待测图像;
检测单元21,用于对该待测图像进行显著性检测,得到显著性特征区域;
平均单元22,用于对显著性特征区域进行平均处理;
处理单元23,用于根据该显著性特征区域对待测图像进行构图处理,得到目标图像。
作为一种可选的实施方式,检测单元21具体用于:
对待测图像进行离散余弦变换,得到第一矩阵,;
对第一矩阵进行符号变换;
对经符号变换后的所述第一矩阵进行逆离散余弦变换,得到显著性特征区域。
需要说明的是,由于本实施例中仅对待测图像进行简单的DCT及IDCT变换便得到了显著性特征区域,从而实现了待测图像的显著性检测。与目前利用饱和度和亮度、通用搜索树(Generalized Search Trees,GiST)特征或其它高复杂特征进行显著性检测相比,本实施例降低了算法复杂度,计算时间快,从而提高了显著性检测的效率。且,本实施例中对显著性特征区域进行了平均处理,可使得检测出的显著性特征不容易被纯色场景所误导以产生错误效果,从而提高了检测的准确性。
作为一种可选的实施方式,待测图像为YUV图像,检测单元21具体用于:
对YUV图像中的U通道图像和V通道图像进行离散余弦变换,得到第一矩阵。
作为一种可选的实施方式,处理单元23具体包括:
去噪单元231,用于对经平均处理后的显著性特征区域进行去噪处理,得到能量分布图;可选地,去噪单元231还可对未经平均处理的显著性特征区域进行去噪处理,得到能量分布图;
提取单元232,用于提取能量分布图中当前像素值大于预设阈值的所有像素点所构成的目标区域;
构图单元233,用于根据目标区域对待测图像进行构图处理,得到目标图像。
本发明实施例中,先通过获取单元20获取待测图像,并通过检测单元21对待测图像进行显著性检测,得到显著性特征区域,再通过平均单元22对显著性特征区域进行平均处理,最后通过处理单元23对根据该显著性特征区域对待测图像进行构图处理,得到目标图像。由于对待测图像进行显著性检测得到了显著性特征区域,因此,根据显著性特征区域进行构图处理提高了构图的准确性,也提高了所得到的目标图像的效果,例如所得到目标图像更加清晰,目标图像的格局更符合用户的要求,目标图像更具美感等。
需要说明的是,图5至图6所示终端的具体工作流程已在前述方法流程部分做了详述,在此不再赘述。
参见图7,是本发明第三实施例提供的一种图像终端的结构示意图,本实施例中所描述的终端可以包括:至少一个处理器301,例如CPU,至少一个用户接口303,存储器304,至少一个通信总线302。其中,通信总线302用于实现这些组件之间的连接通信。其中,用户接口303可以包括显示屏(Display)、键盘(Keyboard),可选用户接口303还可以包括标准的有线接口、无线接口。存储器304可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器304可选的还可以是至少一个位于远离前述处理器301的存储装置。其中处理器301可以结合图5至6所描述的终端,存储器304中存储一组程序代码,且处理器301调用存储器304中存储的程序代码,用于执行以下操作:
获取待测图像;
对所述待测图像进行显著性检测,得到显著性特征区域;
根据所述显著性特征区域对所述待测图像进行构图处理,得到目标图像。
作为一种可选的实施方式,处理器301调用存储器304中的代码还可以执行以下操作:
对所述待测图像进行离散余弦变换,得到第一矩阵;
对所述第一矩阵进行符号变换;
对经符号变换后的所述第一矩阵进行逆离散余弦变换,得到所述显著性特征区域。
作为一种可选的实施方式,待测图像为YUV图像,处理器301调用存储器304中的代码还可以执行以下操作:
对所述YUV图像中的U通道图像和V通道图像进行离散余弦变换,得到所述第一矩阵。
作为一种可选的实施方式,处理器301调用存储器304中的代码还可以执行以下操作:
对所述显著性特征区域进行去噪处理,得到能量分布图;
提取所述能量分布图中当前像素值大于预设阈值的所有像素点所构成的目标区域;
根据所述目标区域对所述待测图像进行构图处理,得到所述目标图像。
本发明实施例中,由于对待测图像进行显著性检测得到了显著性特征区域,因此,根据显著性特征区域进行构图处理提高了构图的准确性,也提高了所得到的目标图像的效果。
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、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
此外,在本申请所提供的几个实施例中,应该理解到,所揭露的、终端和方法,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。另外,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,也可以是电的,机械的或其它的形式连接。
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,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例终端中的单元可以根据实际需要进行合并、划分和删减。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,可轻易想到各种等效的修改或替换,这些修改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 (10)
1.一种构图方法,其特征在于,包括:
获取待测图像;
对所述待测图像进行显著性检测,得到显著性特征区域;
根据所述显著性特征区域对所述待测图像进行构图处理,得到目标图像。
2.如权利要求1所述的方法,其特征在于,对所述待测图像进行显著性检测,得到显著性特征区域具体包括:
对所述待测图像进行离散余弦变换,得到第一矩阵;
对所述第一矩阵进行符号变换;
对经符号变换后的所述第一矩阵进行逆离散余弦变换,得到所述显著性特征区域。
3.如权利要求2所述的方法,其特征在于,所述待测图像为YUV图像,对所述待测图像进行离散余弦变换,得到第一矩阵具体包括:
对所述YUV图像中的U通道图像和V通道图像进行离散余弦变换,得到所述第一矩阵。
4.如权利要求2所述的方法,其特征在于,得到所述显著性特征区域之后,所述方法还包括:
对所述显著性特征区域进行平均处理。
5.如权利要求1或4所述的方法,其特征在于,根据所述显著性特征区域对所述待测图像进行构图处理,得到目标图像具体包括:
对所述显著性特征区域进行去噪处理,得到能量分布图;
提取所述能量分布图中当前像素值大于预设阈值的所有像素点所构成的目标区域;
根据所述目标区域对所述待测图像进行构图处理,得到所述目标图像。
6.一种终端,其特征在于,包括:
获取单元,用于获取待测图像;
检测单元,用于对所述待测图像进行显著性检测,得到显著性特征区域;
处理单元,用于根据所述显著性特征区域对所述待测图像进行构图处理,得到目标图像。
7.如权利要求6所述的终端,其特征在于,所述检测单元具体用于:
对所述待测图像进行离散余弦变换,得到第一矩阵,;
对所述第一矩阵进行符号变换;
对经符号变换后的所述第一矩阵进行逆离散余弦变换,得到所述显著性特征区域。
8.如权利要求7所述的终端,其特征在于,所述待测图像为YUV图像,所述检测单元具体用于:
对所述YUV图像中的U通道图像和V通道图像进行离散余弦变换,得到所述第一矩阵。
9.如权利要求7所述的终端,其特征在于,所述终端还包括:
平均单元,用于对所述显著性特征区域进行平均处理。
10.如权利要求6或9所述的终端,其特征在于,所述处理单元具体包括:
去噪单元,用于所述显著性特征区域进行去噪处理,得到能量分布图;
提取单元,用于提取所述能量分布图中当前像素值大于预设阈值的所有像素点所构成的目标区域;
构图单元,用于根据所述目标区域对所述待测图像进行构图处理,得到所述目标图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710192921.6A CN107133940A (zh) | 2017-03-28 | 2017-03-28 | 一种构图方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710192921.6A CN107133940A (zh) | 2017-03-28 | 2017-03-28 | 一种构图方法及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107133940A true CN107133940A (zh) | 2017-09-05 |
Family
ID=59720756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710192921.6A Withdrawn CN107133940A (zh) | 2017-03-28 | 2017-03-28 | 一种构图方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107133940A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188766A (zh) * | 2019-04-17 | 2019-08-30 | 平安科技(深圳)有限公司 | 基于卷积神经网络的图像主目标检测方法及装置 |
WO2020133170A1 (zh) * | 2018-12-28 | 2020-07-02 | 深圳市大疆创新科技有限公司 | 图像处理方法和装置 |
CN113012089A (zh) * | 2019-12-19 | 2021-06-22 | 北京金山云网络技术有限公司 | 一种图像质量评价方法及装置 |
-
2017
- 2017-03-28 CN CN201710192921.6A patent/CN107133940A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020133170A1 (zh) * | 2018-12-28 | 2020-07-02 | 深圳市大疆创新科技有限公司 | 图像处理方法和装置 |
CN110188766A (zh) * | 2019-04-17 | 2019-08-30 | 平安科技(深圳)有限公司 | 基于卷积神经网络的图像主目标检测方法及装置 |
CN110188766B (zh) * | 2019-04-17 | 2023-06-30 | 平安科技(深圳)有限公司 | 基于卷积神经网络的图像主目标检测方法及装置 |
CN113012089A (zh) * | 2019-12-19 | 2021-06-22 | 北京金山云网络技术有限公司 | 一种图像质量评价方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210113172A1 (en) | Lesion Detection Method, Apparatus and Device, and Storage Medium | |
CN109064390B (zh) | 一种图像处理方法、图像处理装置及移动终端 | |
US11158057B2 (en) | Device, method, and graphical user interface for processing document | |
CN105005980B (zh) | 图像处理方法及装置 | |
KR20110086111A (ko) | 이미지 센서 기반 인간 기계 인터페이싱을 제공하는 방법, 시스템 및 소프트웨어 | |
CN111767554B (zh) | 屏幕分享方法、装置、存储介质及电子设备 | |
CN108492363A (zh) | 基于增强现实的结合方法、装置、存储介质及电子设备 | |
CN107589963A (zh) | 一种图片处理方法、移动终端及计算机可读存储介质 | |
Chen et al. | Improved seam carving combining with 3D saliency for image retargeting | |
CN109509257B (zh) | 室内楼层级别构件图形形成方法、终端及存储介质 | |
CN107395958A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN108961267B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN112102164A (zh) | 一种图像处理方法、装置、终端及存储介质 | |
CN108563929A (zh) | 一种仅在涉密区域生成水印的方法、系统、装置及介质 | |
CN107133940A (zh) | 一种构图方法及终端 | |
CN112532882B (zh) | 图像显示方法和装置 | |
CN106993128A (zh) | 一种拍照方法及终端 | |
CN110414593A (zh) | 图像处理方法及装置、处理器、电子设备及存储介质 | |
CN108111747A (zh) | 一种图像处理方法、终端设备及计算机可读介质 | |
CN106648571A (zh) | 一种用于校对应用界面的方法和装置 | |
US20100293510A1 (en) | Webpage magnifier/formatter using css properties and cursor/mouse location | |
CN108629767B (zh) | 一种场景检测的方法、装置及移动终端 | |
CN108932703B (zh) | 图片处理方法、图片处理装置及终端设备 | |
WO2022174517A1 (zh) | 一种人群计数方法、装置、计算机设备及存储介质 | |
CN108763491B (zh) | 图片处理方法、装置及终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170905 |