CN107730461A - 图像处理方法、装置、设备及介质 - Google Patents
图像处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN107730461A CN107730461A CN201710909953.3A CN201710909953A CN107730461A CN 107730461 A CN107730461 A CN 107730461A CN 201710909953 A CN201710909953 A CN 201710909953A CN 107730461 A CN107730461 A CN 107730461A
- Authority
- CN
- China
- Prior art keywords
- image
- filter
- original image
- target
- target filter
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000004048 modification Effects 0.000 claims description 21
- 238000012986 modification Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 18
- 230000002123 temporal effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241000526657 Microchloa Species 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提出一种图像处理方法、装置、设备及介质，其中方法包括：对待处理的原始图像进行解析，确定原始图像对应的属性信息；根据原始图像的属性信息，确定目标滤镜及目标滤镜对应的目标位置；根据目标位置，将目标滤镜添加至原始图像中，生成处理后的图像。该方法实现了根据图像的属性信息，向用户智能化的推荐匹配的滤镜，从而节省了图像处理花费的时间，提升了用户使用体验。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种图像处理方法、装置、设备及介质。
背景技术
目前，用户使用电子设备拍摄图像之后，可根据电子设备显示界面中显示的图像物体及场景信息，对图像进行美化处理操作。例如，对图像进行滤镜处理等。
然而，相关技术中，对图像进行滤镜处理时，通常是在拍摄好一幅图像之后，用户在多个滤镜中手动选择喜爱的滤镜对图像进行美化处理。虽然上述方式可以得到比较满意的效果，但是需要用户花费大量的时间进行选择及调试，这就给用户造成了很大的麻烦，使得用户的操作较复杂。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的第一个目的在于提出一种图像处理方法，该方法实现了根据图像的属性信息，向用户智能化的推荐匹配的滤镜，从而节省了图像处理花费的时间，提升了用户使用体验。
本发明的第二个目的在于提出一种图像处理装置。
本发明的第三个目的在于提出一种电子设备。
本发明的第四个目的在于提出一种计算机可读存储介质。
本发明的第五个目的在于提出一种图像处理应用程序。
为达上述目的，本发明第一方面实施例提出了一种图像处理方法，该方法包括：
对待处理的原始图像进行解析，确定所述原始图像对应的属性信息；
根据所述原始图像的属性信息，确定目标滤镜及所述目标滤镜对应的目标位置；
根据所述目标位置，将所述目标滤镜添加至所述原始图像中，生成处理后的图像。
本实施例提供的图像处理方法中，通过对待处理的原始图像进行解析，确定出原始图像对应的属性信息，然后根据确定的属性信息，确定目标滤镜及目标滤镜对应的目标位置，并根据目标位置，将目标滤镜添加至原始图像中，以生成处理后的图像。由此，在对图像进行处理时，实现了根据图像的属性信息，向用户智能化的推荐匹配的滤镜，从而节省了图像处理花费的时间，提升了用户使用体验。
另外，本发明上述实施例提出的图像处理方法还可以具有如下附加的技术特征：
在本发明的一个实施例中，所述原始图像对应的属性信息，包括以下信息中的一种或多种：所述原始图像的拍摄地点、所述原始图像中包括的物体类型、各物体在所述原始图像中的位置，各物体对应的时间信息，所述原始图像对应的场景。
在本发明的另一个实施例中，所述确定目标滤镜及所述目标滤镜对应的目标位置，包括：
根据图像属性与滤镜的映射关系，确定所述目标滤镜。
在本发明的另一个实施例中，所述确定所述目标滤镜及所述目标滤镜对应的目标位置之前，还包括：
获取包括滤镜的图像集；
对所述图像集中的所有图像进行解析，确定图像属性与滤镜的映射关系。
在本发明的另一个实施例中，所述将目标滤镜添加至原始图像中之后，还包括：
获取滤镜修改指令，所述修改指令中包括新目标滤镜的属性；
根据所述新目标滤镜的属性，确定所述新目标滤镜对应的位置；
将所述新目标滤镜添加至所述原始图像中。
在本发明的另一个实施例中，所述将目标滤镜添加至原始图像中之前，还包括：
根据所述目标位置的大小，调整所述目标滤镜的尺寸。
为达上述目的，本发明第二方面实施例提出了一种图像处理装置，包括：
第一确定模块，用于对待处理的原始图像进行解析，确定所述原始图像对应的属性信息；
第二确定模块，用于根据所述原始图像的属性信息，确定目标滤镜及所述目标滤镜对应的目标位置；
生成模块，用于根据所述目标位置，将所述目标滤镜添加至所述原始图像中，生成处理后的图像。
本实施例提供的图像处理装置中，通过对待处理的原始图像进行解析，确定出原始图像对应的属性信息，然后根据确定的属性信息，确定目标滤镜及目标滤镜对应的目标位置，并根据目标位置，将目标滤镜添加至原始图像中，以生成处理后的图像。由此，在对图像进行处理时，根据图像的属性信息，向用户智能化的推荐匹配的滤镜，从而节省了图像处理花费的时间，提升了用户使用体验。
另外，本发明上述实施例提出的图像处理装置还可以具有如下附加的技术特征：
在本发明的一个实施例中，所述原始图像对应的属性信息，包括以下信息中的一种或多种：所述原始图像的拍摄地点、所述原始图像中包括的物体类型、各物体在所述原始图像中的位置，各物体对应的时间信息，所述原始图像对应的场景。
在本发明的另一个实施例中，所述第二确定模块，包括：
第一确定单元，用于根据图像属性与滤镜的映射关系，确定目标滤镜。
在本发明的另一个实施例中，所述第二确定模块，还包括：
获取单元，用于获取包括滤镜的图像集；
第二确定单元，用于对所述图像集中的所有图像进行解析，确定图像属性与滤镜的映射关系。
在本发明的另一个实施例中，还包括：
获取模块，用于获取滤镜修改指令，所述修改指令中包括新目标滤镜的属性；
第三确定模块，用于根据所述新目标滤镜的属性，确定所述新目标滤镜对应的位置；
处理模块，用于将所述新目标滤镜添加至所述原始图像中。
在本发明的另一个实施例中，还包括：
调整模块，用于根据所述目标位置的大小，调整所述目标滤镜的尺寸。
为达上述目的，本发明第三方面实施例提出了一种电子设备，包括：存储器、处理器及显示屏；
所述存储器，用于存储可执行程序代码；
所述显示屏，用于显示处理后的图像；
所述处理器，用于读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现第一方面实施例所述的图像处理方法。
本实施例提供的电子设备中，通过对待处理的原始图像进行解析，确定出原始图像对应的属性信息，然后根据确定的属性信息，确定目标滤镜及目标滤镜对应的目标位置，并根据目标位置，将目标滤镜添加至原始图像中，以生成处理后的图像。由此，在对图像进行处理时，根据图像的属性信息，向用户智能化的推荐匹配的滤镜，从而节省了图像处理花费的时间，提升了用户使用体验。
为达上述目的，本发明第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面实施例所述的图像处理方法。
为达上述目的，本发明的第五方面实施例提出了一种图像处理应用程序，当所述应用程序被处理器执行时实现第一方面实施例所述的图像处理方法。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明一个实施例的图像处理方法的流程图；
图2为本发明另一个实施例的图像处理方法的流程图；
图3为本发明一个实施例的图像进行处理过程及效果的示意图；
图4为本发明另一个实施例的图像进行处理过程及效果的示意图；
图5为本发明一个实施例的图像处理装置的结构示意图；
图6为本发明一个实施例的电子设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
本发明实施例主要为了解决目前对图像进行美化处理时，需要手动经过很多选择及调试，给用户造成了很大的麻烦，并且花费较多的时间，具有一定的局限性的问题，提出一种图像处理方法。
本发明提出的图像处理方法，通过对待处理的原始图像进行解析操作，确定出原始图像的属性信息，然后根据确定的属性信息，确定目标滤镜及目标滤镜对应的目标位置，并根据目标位置，将目标滤镜添加至原始图像中生成处理后的图像。由此，在对图像进行处理时，实现了根据图像的属性信息，向用户智能化的推荐匹配的滤镜，从而节省了图像处理花费的时间，提升了用户使用体验。
下面结合附图对本发明实施例提出的图像处理方法进行详细描述。
图1为本发明一个实施例的图像处理方法的流程图。
如图1所示，该图像处理方法可以包括以下步骤：
步骤101，对待处理的原始图像进行解析，确定原始图像对应的属性信息。
具体的，本实施例提供的图像处理方法，可以由本发明提供的图像处理装置执行，上述装置被配置于电子设备中，以实现对图像的处理进行控制。
其中，在本发明实施例中，电子设备可以是任意具有拍摄功能的硬件设备，比如：智能手机、个人数字助理、PC机、平板电脑等，本发明对此不做具体限定。
需要说明的是，本实施例中待处理的原始图像可以是电子设备刚拍摄的图像，也可以是电子设备本地图像库中随机选择的一个图像，本发明在此不对其作具体限制。
具体实现时，可通过图像处理装置对原始图像进行实时分析计算，以获取原始图像对应的属性信息。
其中，在本实施例中原始图像对应的属性信息，包括以下信息中的一种或多种：原始图像的拍摄地点、原始图像中包括的物体类型、各物体在原始图像中的位置，各物体对应的时间信息，原始图像对应的场景。
上述物体类型可以是人、动物、静物或风景、建筑等等，本发明对此不作具体限定。
步骤102，根据原始图像的属性信息，确定目标滤镜及目标滤镜对应的目标位置。
其中，在本实施例中，可以根据需要选择不同类型的滤镜，即目标滤镜可以为二维(2D)滤镜，也可以是三维(3D)滤镜。举例来说，若原始图像为二维图像，那么可以选择二维的目标滤镜，若原始图像为三维图像，则可以选择三维的目标滤镜，本实施例对此不作具体限定。
需要说明的是，在增强现实(Augmented Reality，简称AR)技术中，也可用采用本发明提供的方案，来为实时采集的原始图像增加3D滤镜，从而进一步增强处理后图像的AR效果。
具体实现时，可通过以下方式确定出目标滤镜及目标滤镜对应的目标位置，举例说明如下：
第一种实现方式，根据用户历史使用信息，确定用户历史使用过的与原始图像的属性信息对应的滤镜，并将上述滤镜作为目标滤镜，同时将上述滤镜所对应的位置作为目标位置。
具体的，由于在实际应用中，图像处理装置能够将用户每次对图像进行美化处理的操作步骤进行一个记录。因此本实施例可直接根据图像属性信息，获取对应的历史使用信息，并对获取的历史使用信息进行分析，以得到对应的目标滤镜及目标滤镜对应的目标位置。
第二种实现方式，根据图像属性与滤镜之间的映射关系，确定目标滤镜及目标滤镜对应的目标位置，
具体的，在根据图像属性与滤镜之间的映射关系，确定目标滤镜及目标滤镜对应的目标位置之前，本实施例需要预先建立图像属性与滤镜之间的映射关系。
具体实现时，可通过获取包括滤镜的图像集，并对图像集中的所有图像进行解析，确定图像属性与滤镜的映射关系。
为了保证建议的图像属性与滤镜的映射关系准确更高，本发明获取的包括滤镜的图像集数量可以获取几百张或者几千张，甚至更多，本发明对此不做限定。
其中，本实施例中图像属性与滤镜之间的映射关系，可以是图像处理装置根据用户的使用习惯自主生成的，或者也可以是用户预先设置，又或者，图像处理装置从服务器中获取的，本发明对此不作具体限定。
需要说明的是，上述映射关系中，一个图像属性可以对应一个滤镜，也可以对应多个滤镜，本发明对此不作具体限定。
本实施例通过图像属性信息确定目标滤镜，可以实现对图像的不同部分进行不同的滤镜处理，从而使得对图像的处理更丰富，进一步提高了用户满意度。
步骤103，根据目标位置，将目标滤镜添加至原始图像中，生成处理后的图像。
具体的，在确定出目标滤镜及目标滤镜对应的目标位置之后，可将目标滤镜添加至原始图像中的目标位置处，以得到处理后的图像。
进一步的，在生成处理后的图像之后，若用户对图像中的某处的处理效果不满意，则此时本发明还可向用户提供修改功能，以使得用户根据需要对图像进行调整，从而满足用户的需求，进一步提升用户使用体验。
本实施例提供的图像处理方法中，通过对待处理的原始图像进行解析，确定出原始图像对应的属性信息，然后根据确定的属性信息，确定目标滤镜及目标滤镜对应的目标位置，并根据目标位置，将目标滤镜添加至原始图像中，以生成处理后的图像。由此，在对图像进行处理时，实现了根据图像的属性信息，向用户智能化的推荐匹配的滤镜，从而节省了图像处理花费的时间，提升了用户使用体验。
为了更清楚的说明本发明的技术方案，下面通过图2对本发明的图像处理方法进行进一步的说明。
图2为本发明另一个实施例的图像处理方法的流程图。
如图2所示，本发明实施例的图像处理方法，可以包括以下步骤：
步骤201，对待处理的原始图像进行解析，确定原始图像对应的属性信息。
步骤202，根据图像属性与滤镜的映射关系，确定目标滤镜及目标滤镜对应的目标位置。
步骤203，根据目标位置的大小，调整目标滤镜的尺寸。
具体的，为了使得目标滤镜与目标位置之间更匹配，本发明在将目标滤镜添加至目标位置之前，可先对目标滤镜的尺寸大小进行调整，从而保证处理后的图像更准确，精度更高。
步骤204，将目标滤镜添加至原始图像中，生成处理后的图像。
具体的，在生成处理后的图像之后，可将图像显示在显示界面上，以便于用户预览查看。
举例说明，用户点击拍摄按键拍摄好一张图像之后，并点击对拍摄图像进行处理标识之后，图像处理装置对上述图像进行解析，以识别上述图像中包括画像、地板及墙壁的物体，然后提取上述物体的属性信息，比如花纹、材质等等。然后根据确定的属性信息在图像属性与滤镜的映射关系确定出对应年代滤镜及具体的处理位置，并将确定的年代滤镜以时间轴的方式显示在显示界面的下方，以方便用户进行选择。在用户需要选择了任意一个年代滤镜之后，图像处理装置根据用户的选择自动对图像进行滤镜处理，将年代滤镜对应添加至图像的地面、画像及墙框中，以将地板处理成水泥质感、去掉画像留下画框以及对墙壁去掉彩漆的处理，并将处理后的图像显示在界面中方便用户查看，具体过程可参见图3。
又例如，用户在图片库中选择一个待处理的图片，然后通过图像处理装置对上述待处理的图片进行扫描分析，确定出图片中的物体为小狗。然后图像处理装置在图像属性与滤镜的对应关系中确定出匹配的滤镜及对应的位置，并将匹配的滤镜显示在显示界面右下方，以便于用户进行选择操作。然后根据用户的选择将滤镜添加至对应的位置处得到处理后的图片，其中匹配的滤镜可以是骨头、花朵、小草等，具体过程可参见图4。
步骤205，获取滤镜修改指令，修改指令中包括新目标滤镜的属性。
其中，滤镜的属性可以是，但不限于：纹理、光圈、特效、层次、美肤、清晰度、色温、色调、曝光度、对比度、饱和度等等。
具体地，在将处理后的图像显示在电子设备的显示界面上之后，还可接收用户输入的滤镜修改指令，以实现对显示的图像进行相应的滤镜修改操作。
其中，本实施例中，可通过以下方式获取用户输入的滤镜修改指令。
示例一，对用户输入的语音进行识别，确定滤镜修改指令。
其中，语音是指用户输入的滤镜修改指令。例如：用户输入“骨头的对比度进行调整”，“调整一下图像的整体饱和度”等语音指令。
示例二，根据用户选择的滤镜修改标识，确定滤镜修改指令。
具体的，在将处理后的图像显示在显示界面的同时，还在显示界面上显示各种修改标识，以使用户通过选择相应的修改标识，触发输入修改指令。
步骤206，根据新目标滤镜的属性，确定新目标滤镜对应的位置。
步骤207，将新目标滤镜添加至原始图像中。
进一步地，对处理后的图像进行滤镜修改之后，得到满意的处理效果之后，用户可以点击显示界面中的保存标识，将得到的图像进行保存，以方便后续的使用。
本发明实施例的图像处理方法，通过对原始图像进行分析确定出对应的属性信息，然后根据图像信息在图像属性与滤镜的映射关系中确定出匹配的滤镜并提供给用户，以使用户根据需要在推荐的多个滤镜中选择喜欢的一个对目标位置进行处理，得到处理后的图像并显示在显示界面中，以便于用户浏览。另外，本实施例中在显示界面中显示处理后的图像之后，还可以获取用户输入的修改指令，对处理后的图像进行滤镜修改，使得用户能够根据自己的需求进行个性化修图，提升用户的使用体验。
下面参照附图描述本发明实施例提出的图像处理装置。
图5为本发明一个实施例的图像处理装置的结构示意图。
参照图5，该装置包括：第一确定模块11、第二确定模块12以及生成模块13。
其中，第一确定模块11用于对待处理的原始图像进行解析，确定所述原始图像对应的属性信息；
其中，所述原始图像对应的属性信息，包括以下信息中的一种或多种：所述原始图像的拍摄地点、所述原始图像中包括的物体类型、各物体在所述原始图像中的位置，各物体对应的时间信息，所述原始图像对应的场景。
第二确定模块12用于根据所述原始图像的属性信息，确定目标滤镜及所述目标滤镜对应的目标位置；
具体的，本发明的另一个实施例中，第二确定模块12还包括：
获取单元，用于获取包括滤镜的图像集；
第二确定单元，用于对所述图像集中的所有图像进行解析，确定图像属性与滤镜的映射关系；
第一确定单元，用于根据图像属性与滤镜的映射关系，确定目标滤镜。
生成模块13用于根据所述目标位置，将所述目标滤镜添加至所述原始图像中，生成处理后的图像。
在本发明的另一个实施例中，所述图像处理装置，还包括：
调整模块，用于根据所述目标位置的大小，调整所述目标滤镜的尺寸。
进一步地，在本发明的另一个实施例中，所述图像处理装置，还包括：
获取模块，用于获取滤镜修改指令，所述修改指令中包括新目标滤镜的属性；
第三确定模块，用于根据所述新目标滤镜的属性，确定所述新目标滤镜对应的位置；
处理模块，用于将所述新目标滤镜添加至所述原始图像中。
需要说明的是，本实施例的图像处理装置的实施过程和技术原理参见前述对图像处理方法实施例的解释说明，此处不再赘述。
本实施例提供的图像处理装置中，通过对待处理的原始图像进行解析，确定出原始图像对应的属性信息，然后根据确定的属性信息，确定目标滤镜及目标滤镜对应的目标位置，并根据目标位置，将目标滤镜添加至原始图像中，以生成处理后的图像。由此，在对图像进行处理时，根据图像的属性信息，向用户智能化的推荐匹配的滤镜，从而节省了图像处理花费的时间，提升了用户使用体验。
为了实现上述实施例，本发明还提出了一种电子设备。
图6为本发明一个实施例的电子设备的结构示意图。
如图6所示，该电子设备包括：存储器21、处理器22及显示屏23；
所述存储器21用于存储可执行程序代码；
所述显示屏23用于显示处理后的图像；
所述处理器22用于读取所述存储器21中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现第一方面实施例所述的图像处理方法。
需要说明的是，本实施例的电子设备的实施过程和技术原理参见前述对图像处理方法实施例的解释说明，此处不再赘述。
本实施例提供的电子设备中，通过对待处理的原始图像进行解析，确定出原始图像对应的属性信息，然后根据确定的属性信息，确定目标滤镜及目标滤镜对应的目标位置，并根据目标位置，将目标滤镜添加至原始图像中，以生成处理后的图像。由此，在对图像进行处理时，根据图像的属性信息，向用户智能化的推荐匹配的滤镜，从而节省了图像处理花费的时间，提升了用户使用体验。
为了实现上述目的，本发明还公开了一种计算机可读存储介质，该计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面实施例所述的图像处理方法。其中方法包括：对待处理的原始图像进行解析，确定所述原始图像对应的属性信息；根据所述原始图像的属性信息，确定目标滤镜及所述目标滤镜对应的目标位置；根据所述目标位置，将所述目标滤镜添加至所述原始图像中，生成处理后的图像。
为了实现上述目的，本发明还公开了一种图像处理应用程序，当所述应用程序被处理器执行时实现第一方面实施例所述的图像处理方法。其中方法包括：对待处理的原始图像进行解析，确定所述原始图像对应的属性信息；根据所述原始图像的属性信息，确定目标滤镜及所述目标滤镜对应的目标位置；根据所述目标位置，将所述目标滤镜添加至所述原始图像中，生成处理后的图像。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种图像处理方法，其特征在于，包括：
对待处理的原始图像进行解析，确定所述原始图像对应的属性信息；
根据所述原始图像的属性信息，确定目标滤镜及所述目标滤镜对应的目标位置；
根据所述目标位置，将所述目标滤镜添加至所述原始图像中，生成处理后的图像。
2.如权利要求1所述的方法，其特征在于，所述原始图像对应的属性信息，包括以下信息中的一种或多种：所述原始图像的拍摄地点、所述原始图像中包括的物体类型、各物体在所述原始图像中的位置，各物体对应的时间信息，所述原始图像对应的场景。
3.如权利要求1所述的方法，其特征在于，所述确定目标滤镜及所述目标滤镜对应的目标位置，包括：
根据图像属性与滤镜的映射关系，确定所述目标滤镜。
4.如权利要求3所述的方法，其特征在于，所述确定所述目标滤镜及所述目标滤镜对应的目标位置之前，还包括：
获取包括滤镜的图像集；
对所述图像集中的所有图像进行解析，确定图像属性与滤镜的映射关系。
5.如权利要求1-4任一所述的方法，其特征在于，所述将目标滤镜添加至原始图像中之后，还包括：
获取滤镜修改指令，所述修改指令中包括新目标滤镜的属性；
根据所述新目标滤镜的属性，确定所述新目标滤镜对应的位置；
将所述新目标滤镜添加至所述原始图像中。
6.如权利要求1-4任一所述的方法，其特征在于，所述将目标滤镜添加至原始图像中之前，还包括：
根据所述目标位置的大小，调整所述目标滤镜的尺寸。
7.一种图像处理装置，其特征在于，包括：
第一确定模块，用于对待处理的原始图像进行解析，确定所述原始图像对应的属性信息；
第二确定模块，用于根据所述原始图像的属性信息，确定目标滤镜及所述目标滤镜对应的目标位置；
生成模块，用于根据所述目标位置，将所述目标滤镜添加至所述原始图像中，生成处理后的图像。
8.如权利要求7所述的装置，其特征在于，所述原始图像对应的属性信息，包括以下信息中的一种或多种：所述原始图像的拍摄地点、所述原始图像中包括的物体类型、各物体在所述原始图像中的位置，各物体对应的时间信息，所述原始图像对应的场景。
9.一种电子设备，其特征在于，包括：存储器、处理器及显示屏；
所述存储器，用于存储可执行程序代码；
所述显示屏，用于显示处理后的图像；
所述处理器，用于读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如权利要求1-6任一所述的图像处理方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一所述的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710909953.3A CN107730461A (zh) | 2017-09-29 | 2017-09-29 | 图像处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710909953.3A CN107730461A (zh) | 2017-09-29 | 2017-09-29 | 图像处理方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107730461A true CN107730461A (zh) | 2018-02-23 |
Family
ID=61209217
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710909953.3A Pending CN107730461A (zh) | 2017-09-29 | 2017-09-29 | 图像处理方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107730461A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109447958A (zh) * | 2018-10-17 | 2019-03-08 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、存储介质及计算机设备 |
| CN109472764A (zh) * | 2018-11-29 | 2019-03-15 | 广州市百果园信息技术有限公司 | 图像合成和图像合成模型训练的方法、装置、设备和介质 |
| CN109727208A (zh) * | 2018-12-10 | 2019-05-07 | 北京达佳互联信息技术有限公司 | 滤镜推荐方法、装置、电子设备及存储介质 |
| WO2020020156A1 (zh) * | 2018-07-23 | 2020-01-30 | 腾讯科技（深圳）有限公司 | 一种视频处理方法及装置、终端设备、服务器及存储介质 |
| CN112511750A (zh) * | 2020-11-30 | 2021-03-16 | 维沃移动通信有限公司 | 视频拍摄方法、装置、设备及介质 |
| WO2023016150A1 (zh) * | 2021-08-09 | 2023-02-16 | 北京字跳网络技术有限公司 | 图像处理方法、装置、设备及存储介质 |
| WO2023077981A1 (zh) * | 2021-11-05 | 2023-05-11 | 深圳Tcl新技术有限公司 | 显示参数调整方法、装置、存储介质及显示设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103761295A (zh) * | 2014-01-16 | 2014-04-30 | 北京雅昌文化发展有限公司 | 基于图片自动分类的艺术类图片的定制化特征量提取算法 |
| CN104636759A (zh) * | 2015-02-28 | 2015-05-20 | 成都品果科技有限公司 | 一种获取图片推荐滤镜信息的方法及图片滤镜信息推荐系统 |
| CN106027902A (zh) * | 2016-06-24 | 2016-10-12 | 依偎科技（南昌）有限公司 | 一种拍照方法及移动终端 |
| CN106157363A (zh) * | 2016-06-28 | 2016-11-23 | 广东欧珀移动通信有限公司 | 一种基于增强现实的拍照方法、装置和移动终端 |
-
2017
- 2017-09-29 CN CN201710909953.3A patent/CN107730461A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103761295A (zh) * | 2014-01-16 | 2014-04-30 | 北京雅昌文化发展有限公司 | 基于图片自动分类的艺术类图片的定制化特征量提取算法 |
| CN104636759A (zh) * | 2015-02-28 | 2015-05-20 | 成都品果科技有限公司 | 一种获取图片推荐滤镜信息的方法及图片滤镜信息推荐系统 |
| CN106027902A (zh) * | 2016-06-24 | 2016-10-12 | 依偎科技（南昌）有限公司 | 一种拍照方法及移动终端 |
| CN106157363A (zh) * | 2016-06-28 | 2016-11-23 | 广东欧珀移动通信有限公司 | 一种基于增强现实的拍照方法、装置和移动终端 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020020156A1 (zh) * | 2018-07-23 | 2020-01-30 | 腾讯科技（深圳）有限公司 | 一种视频处理方法及装置、终端设备、服务器及存储介质 |
| US11854263B2 (en) | 2018-07-23 | 2023-12-26 | Tencent Technology (Shenzhen) Company Limited | Video processing method and apparatus, terminal device, server, and storage medium |
| CN109447958A (zh) * | 2018-10-17 | 2019-03-08 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、存储介质及计算机设备 |
| CN109447958B (zh) * | 2018-10-17 | 2023-04-14 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、存储介质及计算机设备 |
| CN109472764A (zh) * | 2018-11-29 | 2019-03-15 | 广州市百果园信息技术有限公司 | 图像合成和图像合成模型训练的方法、装置、设备和介质 |
| CN109472764B (zh) * | 2018-11-29 | 2020-11-10 | 广州市百果园信息技术有限公司 | 图像合成和图像合成模型训练的方法、装置、设备和介质 |
| CN109727208A (zh) * | 2018-12-10 | 2019-05-07 | 北京达佳互联信息技术有限公司 | 滤镜推荐方法、装置、电子设备及存储介质 |
| WO2020119254A1 (zh) * | 2018-12-10 | 2020-06-18 | 北京达佳互联信息技术有限公司 | 滤镜推荐方法、装置、电子设备及存储介质 |
| CN112511750A (zh) * | 2020-11-30 | 2021-03-16 | 维沃移动通信有限公司 | 视频拍摄方法、装置、设备及介质 |
| WO2023016150A1 (zh) * | 2021-08-09 | 2023-02-16 | 北京字跳网络技术有限公司 | 图像处理方法、装置、设备及存储介质 |
| WO2023077981A1 (zh) * | 2021-11-05 | 2023-05-11 | 深圳Tcl新技术有限公司 | 显示参数调整方法、装置、存储介质及显示设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107730461A (zh) | 图像处理方法、装置、设备及介质 | |
| Xu et al. | Deep image matting | |
| Park et al. | Distort-and-recover: Color enhancement using deep reinforcement learning | |
| Li et al. | Learning to enhance low-light image via zero-reference deep curve estimation | |
| Li et al. | Low-light image and video enhancement using deep learning: A survey | |
| Tsai et al. | Deep image harmonization | |
| CN109102483B (zh) | 图像增强模型训练方法、装置、电子设备及可读存储介质 | |
| US8553941B2 (en) | Methods, circuits, devices, apparatuses and systems for providing image composition rules, analysis and improvement | |
| US20180336419A1 (en) | Intelligent Video Thumbnail Selection and Generation | |
| US9558423B2 (en) | Observer preference model | |
| Shen et al. | QoE-based multi-exposure fusion in hierarchical multivariate Gaussian CRF | |
| CN108174099A (zh) | 图像显示方法、装置和计算机可读存储介质 | |
| JP2006344215A (ja) | デジタル画像のコレクションの組み立て方法 | |
| Bianco et al. | Personalized image enhancement using neural spline color transforms | |
| CN108182232A (zh) | 基于电子书的人物展示方法、电子设备及计算机存储介质 | |
| CN112218159B (zh) | 多媒体信息播放方法、装置、存储介质及电子装置 | |
| CN107995482A (zh) | 视频文件的处理方法和装置 | |
| CN112036209A (zh) | 一种人像照片处理方法及终端 | |
| CN114598919B (zh) | 视频处理方法、装置、计算机设备和存储介质 | |
| Han et al. | A large-scale image database for benchmarking mobile camera quality and NR-IQA algorithms | |
| Akyüz et al. | An evaluation of image reproduction algorithms for high contrast scenes on large and small screen display devices | |
| WO2012032971A1 (ja) | キーワード付与装置及び記録媒体 | |
| JP2004023656A (ja) | 画像処理装置、画像処理方法、及び、プログラム | |
| Gao et al. | Automated parameter tuning for tone mapping using visual saliency | |
| Gödrich et al. | Joint tone mapping and denoising of thermal infrared images via multi-scale Retinex and multi-task learning |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180223 |
|
| RJ01 | Rejection of invention patent application after publication |