CN108132935A - 图像分类方法及图像展示方法 - Google Patents

图像分类方法及图像展示方法 Download PDF

Info

Publication number
CN108132935A
CN108132935A CN201611078456.5A CN201611078456A CN108132935A CN 108132935 A CN108132935 A CN 108132935A CN 201611078456 A CN201611078456 A CN 201611078456A CN 108132935 A CN108132935 A CN 108132935A
Authority
CN
China
Prior art keywords
image
depression
order
color
those
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.)
Granted
Application number
CN201611078456.5A
Other languages
English (en)
Other versions
CN108132935B (zh
Inventor
彭少良
庄家裕
胡文青
吴德毅
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.)
Inventec Pudong Technology Corp
Inventec Corp
Original Assignee
Inventec Pudong Technology Corp
Inventec Corp
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 Inventec Pudong Technology Corp, Inventec Corp filed Critical Inventec Pudong Technology Corp
Priority to CN201611078456.5A priority Critical patent/CN108132935B/zh
Priority to US15/469,572 priority patent/US10026201B2/en
Publication of CN108132935A publication Critical patent/CN108132935A/zh
Application granted granted Critical
Publication of CN108132935B publication Critical patent/CN108132935B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or 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
    • G06F16/54—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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/957—Browsing optimisation, e.g. caching or content distillation
    • G06F16/9577—Optimising the visualization of content, e.g. distillation of HTML documents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • 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
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种图像分类方法，包含：降阶第一图像的色彩得到第一降阶图像，第一降阶图像包含复数个第一图像区块；由资料库中取得已存在的第二降阶图像，第二降阶图像包含复数个第二图像区块；依据第一降阶图像中该些第一图像区块各自的色彩值与第二降阶图像中相应的该些第二图像区块各自的色彩值的差异，分别计算第一降阶图像相较于第二降阶图像的复数个区块色差值；以及依据第一降阶图像相较于第二降阶图像之间的该些区块色差值，判断第一图像是否与第二降阶图像属于同一类别。

Description

图像分类方法及图像展示方法
技术领域
本发明涉及一种关于图像的处理方法，且特别是有一种关于图像的分类与展示方法。
背景技术
随着社群网路或类似平台的兴起以及摄影技术的进步，越来越多的使用者会拍摄图像并将所拍摄的图像上传至社群网路或类似平台上以供其他使用者欣赏与分享。
然而，随着被分享的图像越来越多，缺乏良好的分类与图像呈现方式会让使用者浏览众多相片的意愿降低。因此，如何将图像做适当的分类以增进使用者在浏览图像上的方便性，以及图像的显示方法或顺序如何让使用者能更方便快速的浏览到较受欢迎的图像，为本领域待改进的问题之一。
发明内容
本发明内容之一是提供一种图像分类方法，包含：降阶一第一图像的色彩得到一第一降阶图像，该第一降阶图像包含复数个第一图像区块；由一资料库中取得已存在的一第二降阶图像，该第二降阶图像包含复数个第二图像区块；依据该第一降阶图像中该些第一图像区块各自的一色彩值与该第二降阶图像中相应的该些第二图像区块各自的一色彩值的差异，分别计算该第一降阶图像相较于该第二降阶图像的复数个区块色差值；以及依据该第一降阶图像相较于该第二降阶图像之间的该些区块色差值，判断该第一图像是否与该第二降阶图像属于同一类别。
本发明另一内容是提供一种图像展示方法，适用于具有复数个图像的一资料库，该图像展示方法包含：依据复数个图像彼此之间的复数个色差值，将该复数个图像分类为复数个类别；收集该些图像的复数个分数；依据该些图像每一者各自的分数，调整该些图像每一者至少一显示参数；以及依照该复数个类别以及该至少一显示参数，将该些图像分类显示在一显示界面上。
附图说明
为让本发明的上述和其他目的、特征、优点与实施例能更明显易懂，所附图式的说明如下：
图1绘示根据本公开文件一实施例中一种伺服器的示意图；
图2绘示根据本公开文件一实施例中一种电子装置的示意图；
图3绘示根据本公开文件一实施例中一种图像分类方法的方法流程图；
图4A绘示根据本公开文件一实施例的色彩降阶法；
图4B绘示根据本公开文件的另一实施例的色彩降阶法；
图5绘示图3中部份步骤的步骤细节的方法流程图；
图6绘示根据一些实施例的第一降阶图像与第二降阶图像各自的复数个区块的示意图；
图7绘示根据本公开文件的一实施例中一种图像展示方法的方法流程图；以及
图8绘示图7中部份步骤的步骤细节的方法流程图。
符号说明：
为让本公开内容的上述和其他目的、特征、优点与实施例能更明显易懂，所附符号的说明如下：
100：伺服器
120：通讯模组
140：图像处理模组
142：图像色彩降阶单元
144：图像分类单元
160：使用者评分模组
162：使用者评分资讯搜集单元
164：使用者评分资讯读取单元
166：使用者评分资讯计算单元
180：资料库
200：电子装置
202：通讯模组
204：图像撷取模组
206：图像资讯撷取模组
208：图像展示模组
210：显示器
300、400：方法
S320、S330：步骤
S331、S332、S333、S334、S335、S336：步骤
S410、S420、S430、S440：步骤
S421、S422、S423：步骤
IMG1、IMG3：第一图像
IMGM1、IMGM3：第一降阶图像
IMGM2：第二降阶图像
具体实施方式：
以下公开提供许多不同实施例或例证用以实施本发明的不同特征。特殊例证中的元件及配置在以下讨论中被用来简化本公开。所讨论的任何例证只用来作解说的用途，并不会以任何方式限制本发明或其例证的范围和意义。此外，本发明在不同例证中可能重复引用数字符号且/或字母，这些重复皆为了简化及阐述，其本身并未指定以下讨论中不同实施例且/或配置之间的关系。
请参阅图1，图1绘示根据本公开文件一实施例中一种伺服器100的示意图。伺服器100包含通讯模组120、图像处理模组140、使用者评分模组160与资料库180。实际应用中，伺服器100可以是具有储存、分享、备份图片功能的资料库、云端伺服器、社群网路伺服器、档案伺服器或其他具有图片上传功能的档案伺服器。在一些实施例中，通讯模组120用以与其他伺服器或是电子设备建立通讯连接，以上传/下载信息或资料。在一些实施例中，通讯模组120可为蓝牙传输晶片、无线网路技术(WiFi)晶片、四代行动网路通讯(4G)晶片、三代行动网路通讯(3G)晶片、二代行动网路通讯(2G)晶片或其他具相等性的处理电路。
图像处理模组140包含图像色彩降阶单元142以及图像分类单元144。在一些实施例中，图像处理模组140用以将上传至伺服器100的图像进行降阶处理与分类。图像处理模组140可为中央处理单元(central processor unit，CPU)、影像处理单元(graphicprocessing unit，GPU)、图片处理电路或其他具相等性的计算电路。图像色彩降阶单元142以及图像分类单元144可通过图像处理模组140所执行的软件指令/程序、韧体指令/编程方式或用以执行特定功能的可编程应用电路而实现。
使用者评分模组160为中央处理单元(central processor unit，CPU)或其他具相等性的计算电路。使用者评分模组160包含使用者评分资讯搜集单元162、使用者评分资讯读取单元164以及使用者评分资讯计算单元166。使用者评分模组160用以搜寻使用者评分资讯、读取资料库180中的使用者评分资讯与计算使用者评分资讯。使用者评分资讯搜集单元162、使用者评分资讯读取单元164以及使用者评分资讯计算单元166可通过使用者评分模组160所执行的软件指令/程序、韧体指令/编程方式或用以执行特定功能的可编程应用电路而实现。
在一些实施例中，资料库180可储存在储存装置中，储存装置可被视作为唯读记忆体、快闪记忆体、软碟、硬盘、光碟、随身碟、磁带、可由网路存取的资料库或熟悉此技艺者可轻易思及具有相同功能的储存媒体。在一些实施例中，资料库180与图像处理模组140以及使用者评分模组160相连接。资料库180用以储存使用者评分资讯、图像、降阶图像、图像分类与图像资讯等。
请参阅图2，图2绘示根据本公开文件一实施例中一种电子装置200的示意图。电子装置200包含通讯模组202、图像撷取模组204、图像资讯撷取模组206、图像展示模组208与显示器210。在一实施例中，通讯模组120用以与其他伺服器或是电子设备建立通讯连接，以传输信息或资料。例如，通讯模组202可用以将电子装置的撷取图像、图像资讯与使用者资讯上传至伺服器100，或是由伺服器100下载图像、图像资讯与使用者评分资讯等。在一些实施例中，通讯模组120可为蓝牙传输晶片、无线网路技术(WiFi)晶片、四代行动网路通讯(4G)晶片、三代行动网路通讯(3G)晶片、二代行动网路通讯(2G)晶片或其他具相等性的处理电路。实际应用中，电子装置200可以是个人数位助理、相机、智能手机、平板电脑、笔记本电脑或个人电脑。
在一些实施例中，图像撷取模组204可以是相机、网路摄影机或是其他具有图像撷取功能的等效性元件。图像撷取模组204用以撷取图像，并且电子装置200可将撷取的图像通过通讯模组202上传至伺服器100。
在另一实施例中，电子装置200本身并不一定包含图像撷取模组204而是包含输入界面(图中未示)，例如记忆卡读卡机、光碟机或USB连接器，电子装置200可以通过输入界面读取图像并将读取的图像上传至伺服器100。
图像资讯撷取模组206用以读取图像的拍摄时间、图像的拍摄地点以及图像的可交换图档格式(EXIF)等资讯，并将读取资讯通过通讯模组202上传至伺服器100。图像展示模组208用以通过通讯模组202下载图像、使用者评分资讯、图像分类与图像资讯等，并根据所下载的图像、使用者评分资讯、图像分类与图像资讯等控制图像的显示方式与顺序等。
图像资讯撷取模组206与图像展示模组208实施上可以由中央处理单元(centralprocessor unit，CPU)、其他具相等性的处理电路并配合相应的软件或韧体而实现。
显示器210可为显示面板、触控显示面板、投影单元或是其他具有同等功能的等效性元件。图像以及图像资讯会在显示器210上显示。
请参阅图3，图3绘示图像分类方法300的流程图。如图3所绘示，执行步骤S320以将第一图像色彩降阶。色彩降阶是由如图1中的图像处理模组140所执行。举例来说，色彩降阶可以是对图片的各像素的组成原色分别进行深度取样降阶(例如将每一个像素的色彩深度由32位元降至16位元、由32位元降至8位元或由16位元降至8位元等)、图像压缩(例如用某一像素颜色代表周边邻近像素的颜色，或是剔除非主题的色彩细节)或是马赛克法等，但本公开内容不受限于上述的方法。
如上所述的第一图像可以是由图2的图像撷取模组204撷取第一图像，再通过通讯模组202上传第一图像至伺服器100。
本公开内容的一些实施例中以马赛克法执行步骤S320。其方法为将一图像分为数个大小相同的区块，将各个区块内的复数个色彩值取平均值计算出各个区块的平均色彩值，再以各个区块的平均色彩值作为各个区块范围内的色彩值。
请参阅图4A，图4A绘示根据一实施例对第一图像IMG1进行色彩降阶产生第一降阶图像IMGM1的示意图。第一图像IMG1为图像撷取模组204所撷取的影像。为了说明上的方便，示意图中所绘示的第一图像IMG1包含16个大小相同的像素，实际应用中第一图像IMG1所包含的像素个数并不以此为限。
其中第一图像IMG1中在不同位置上各个像素各自具有色彩值C11～C44。色彩值可以是三原色光色彩表示法(RGB)、HSL色彩表示法(色相、饱和度、亮度)或是HSV色彩表示法(色相、饱和度、明度)等。本公开内容不受限于上述的色彩值模式。
当以马赛克法进行色彩降阶时，将第一图像IMG1的每2×2的像素整合为一区块，计算该区块当中四个像素的色彩值平均值。也就是说，16个大小相同的像素中，每4个像素会整合为一个区块，即总共有4个区块。而每个区块的色彩值是各区块中所包含的4个像素的色彩值的平均值。
请再参阅图4A，第一图像IMG1经过上述色彩降阶产生第一降阶图像IMGM1。第一降阶图像IMGM1当中包含四个区块，具有色彩值Cm11、Cm12、Cm21以及Cm22。其中，区块的色彩值Cm11为四个像素的色彩值C11、C12、C21以及C22的平均值。区块的色彩值Cm12为四个像素的色彩值C13、C14、C23以及C24的平均值，依此类推。
本公开内容中将像素整合为区块进行马赛克法色彩降阶的选取并不受限于上述两种实施例。也就是说，单一区块选取的像素数目并不限于2×2，实际选取的像素数目可以视欲降阶的幅度、处理器的效能、欲达到的目标精细程度而定。
请一并参阅图4B，图4B绘示另一实施例中第一图像IMG3进行色彩降阶产生第一降阶图像IMGM3的示意图。在此一实施例中，第一图像IMG3为图像撷取模组204所撷取的影像，不同于图4A的实施例中，此实施例中，第一图像IMG3包含36个像素。第一图像IMG3包含36个像素，36个像素的色彩值分别为色彩值C11～C66。在此实施例中，将第一图像IMG3的36个像素每2×3的像素取为一区块，计算该区块中各像素的色彩值平均值。也就是说，36个大小相同的像素中，每6个像素会是一个区块，即总共有6个区块。而每个区块的色彩值是各个区块中所包含的6个像素的色彩值的平均值。
请再参阅图4B，第一降阶图像IMGM3为第一图像IMG3经过色彩降阶后的图像。色彩值Cm11、Cm12、Cm21、Cm22、Cm31以及Cm32分别为六个区块的色彩值。其中，区块的色彩值Cm11为像素的色彩值C11、C12、C13、C21、C22以及C23的平均值。区块的色彩值Cm12为像素的色彩值C14、C15、C16、C24、C25以及C26的平均值，依此类推。也就是说，单一区块选取的像素数目亦可以采用2×3。依此类推，亦可以是将M×N个像素整合为单一个区块，其中M与N分别为1以上的正整数。
在后续实施例中，为了说明上的简洁，以图4A中所示第一图像IMG1及第一降阶图像IMGM1作为主要举例，但不以此为限。
基于步骤S320，目前撷取到的第一图像IMG1，经过色彩降阶可以得到第一降阶图像IMGM1。此时，图像分类方法300可以依据降阶后的结果将第一图像IMG1与伺服器100的资料库180中已存在的复数个其他图像(在后续实施例中称为第二图像，举例来说可以是该使用者过往存入的影像，或是其他使用者所拍摄并存入的影像)进行比对。根据比对结果，藉此将第一图像IMG1分类。
需补充说明的是，伺服器100上资料库180已存在的第二图像亦经过色彩降阶得到第二降阶图像，因此，资料库180存有复数个第二图像以及相应的第二降阶图像。
请再参阅图3，步骤S330为依据第一降阶图像与第二降阶图像之间的色差值将第一图像分类。在一些实施例中，步骤S330由图像处理模组140所执行。请参阅图5，图5绘示图3中步骤S330的流程图。第一图像IMG1经过步骤S320色彩降阶后会得到第一降阶图像IMGM1(如图4A所示)。
接着执行步骤S331，由如图1中的资料库180读取第二降阶图像。请一并参阅图6，图6绘示根据一些实施例的第一降阶图像IMGM1与第二降阶图像IMGM2各自的复数个区块的示意图。其中第一降阶图像IMGM1包含四个区块，分别相对应色彩值Cm11、Cm12、Cm21以及Cm22。第二降阶图像IMGM2包含4个区块，分别相对应色彩值C’m11、C’m12、C’m21以及C’m22。
执行步骤S332以计算第一降阶图像IMGM1中复数个第一图像区块各自的色彩值Cm11、Cm12、Cm21以及Cm22与第二降阶图像IMGM2中相应的复数个第二图像区块各自的色彩值C’m11、C’m12、C’m21以及C’m22的差异分别计算复数个区块色差值。
在此实施例中，得到4个区块色差值ΔCm11、ΔCm12、ΔCm21以及ΔCm22。其中区块色差值ΔCm11为Cm11－C’m11。区块色差值ΔCm12为Cm12－C’m12。区块色差值ΔCm21为Cm21－C’m21。区块色差值ΔCm22为Cm22－C’m22。
在一实施例中，色差值是采用HSV色彩表示法。则区块色差值的计算是将第一降阶图像IMGM1与第二降阶图像IMGM2之间复数个区块以HSV色彩表示法后的色相、饱和度以及明度各自的差值取绝对值后计算出区块色差值。例如，色彩值Cm11＝(120.00，0.50，0.39)且色彩值C’m11＝(14.60，0.80，1.00)，则区块色差值ΔCm11＝(105.40，0.30，0.61)。
在另一实施例中，色彩值是采用三原色光色彩表示法。则区块色差值的计算是将第一降阶图像IMGM1与第二降阶图像IMGM2之间复数个区块以三原色光色彩表示法后的红色、绿色以及蓝色各自的差值计算出区块色差值。例如，色彩值Cm11＝(125，125，125)且色彩值C’m11＝(118，118，118)，则区块色差值ΔCm11＝(7，7，7)。
在计算复数个区块色差值之后，执行步骤S333，根据复数个区块色差值得到第一降阶图像相较于第二降阶图像的代表色差值。代表色差值的计算可以是采用复数个区块色差值中的最大值，或是对不同的区块色差值给予不同的权重等。
在一实施例中，在计算第一降阶图像IMGM1与第二降阶图像IMGM2之间复数个区块色差值后，得到4个区块色差值，ΔCm11、ΔCm12、ΔCm21以及ΔCm22。色彩值是采用三原色光色彩表示法，且取区块色差值中的最大值作为第一降阶图像IMGM1与第二降阶图像IMGM2之间的代表色差值。举例来说：当ΔCm11＝(5，5，5)、ΔCm12＝(6，7，8)、ΔCm21＝(8，9，9)且ΔCm22＝(8，9，10)时，可得知区块色差值中的最大值为(8，9，10)，则第一降阶图像IMGM1与第二降阶图像IMGM2之间的代表色差值即为(8，9，10)。
在另一实施例中，在计算第一降阶图像IMGM1与第二降阶图像IMGM2之间复数个区块色差值后，得到4个区块色差值，ΔCm11、ΔCm12、ΔCm21以及ΔCm22。色彩值是采用三原色光色彩表示法，且在计算色差值时ΔCm11、ΔCm12、ΔCm21以及ΔCm22的权重分别是0.7，0.1，0.1，0.1。举例来说：当ΔCm11＝(5，5，5)、ΔCm12＝(6，7，8)、ΔCm21＝(8，9，9)且ΔCm22＝(8，9，10)时，计算可得第一降阶图像IMGM1与第二降阶图像IMGM2之间的代表色差值即为(5.8，6，6.2)。
请再参阅图5。在得到第一降阶图像IMGM1与第二降阶图像IMGM2之间的代表色差值之后，执行步骤S334，判断代表色差值是否小于色差阈值，若代表色差值小于色差阈值，则执行步骤S335，将第一图像IMG1与第二降阶图像IMGM2分类为相同类别；若代表色差值超过色差阈值，则执行步骤S336，将第一图像IMG1与第二降阶图像IMGM2分类为相异类别。
举例来说，色彩值是采用三原色光色彩表示法且色差阈值设定在(10，10，10)时，若代表色差值为(5，5，5)即小于色差阈值。则执行步骤S335，将第一图像IMG1与第二降阶图像IMGM2分类为相同类别。若代表色差值为(12，5，12)即大于色差阈值，则执行步骤S336，将第一图像IMG1与第二降阶图像IMGM2分类为相异类别。
举另一例来说，色彩值是采用HSV色彩表示法且色差阈值设定在(10，0.1，0.1)时，若代表色差值为(9，0.05，0.05)则执行步骤S335，将第一图像IMG1与第二降阶图像IMGM2分类为相同类别。若代表色差值为(12，0.05，0.05)则执行步骤S336，将第一图像IMG1与第二降阶图像IMGM2分类为相异类别。
本公开内容的一些实施例中，第一图像还包含取得第一图像的拍摄时间或第一图像的拍摄地点。当图像分类时是依据色差值以及拍摄时间或拍摄地点。其中，撷取图像的拍摄时间或图像的拍摄地点是由如图2中的图像资讯撷取模组206所执行。
举例来说，在一些实施例中，若第一图像与第二图像的代表色差值小于色差阈值且第一图像与第二图像的拍摄时间皆为中国台湾时区上午九点到十点间，则第一图像与第二图像会被分类为同一类别。而若是第一图像与第二图像的代表色差值小于色差阈值但第一图像的拍摄时间为中国台湾时区上午九点到十点间而第二图像的拍摄时间为中国台湾时区下午九点到十点间，则第一图像与第二图像会被分类为不同类别。
再举例来说，在一些实施例中，若第一图像与第二图像的代表色差值小于色差阈值且第一图像与第二图像的拍摄地点皆为台北市，则第一图像与第二图像会被分类为同一类别。而若是第一图像与第二图像的代表色差值小于色差阈值但第一图像的拍摄地点为台北市而第二图像的拍摄地点为屏东市，则第一图像与第二图像会被分类为不同类别。
请参阅图7，图7绘示用以控制如图2中电子装置200的显示器210上的图像展示方法400。执行步骤S410将图像分类。图像分类方法可以是根据图像拍摄时间分类、根据图像拍摄地点分类或/且根据图像与图像间的色差值分类等。
本公开内容的其他一些实施例中，第一图像还包含可交换图档格式资讯。可交换图档格式资讯包含图像方向、图像解析度、图像尺寸、拍摄时间、拍摄地点以及图像拍摄模式等图像资讯。当图像分类时可以是依据色差值以及可交换图档格式资讯。其中，撷取图像的可交换图档格式资讯是由如图2中的图像资讯撷取模组206所执行。
举例来说，在一些实施例中，若第一图像与第二图像的代表色差值小于色差阈值且第一图像与第二图像的图像解析度皆为1000dpi，则第一图像与第二图像会被分类为同一类别。而若是第一图像与第二图像的代表色差值小于色差阈值但第一图像的图像解析度为1000dpi而第二图像的图像解析度为72dpi，则第一图像与第二图像会被分类为不同类别。
请参阅图7。将图像分类后，执行步骤S420，搜集复数个图像的复数个分数。请参阅图8，图8绘示图7中步骤S420的流程图。执行步骤S421以搜集复数个图像各自的使用者评分资讯。使用者评分资讯包含正面因子以及负面因子。正面因子为对图像的评分有利的因子，在计算复数个图像的分数时给予较佳的分数。而负面因子为对图像的评分不利的因子，在计算复数个图像的分数时给予较差的分数。正面因子与负面因子又再分为显性因子与隐性因子。其中显性因子表示直接对图像表示喜欢/不喜欢的因子，隐性因子表示没有直接对图像表示喜欢/不喜欢，但隐含了对图像表示喜欢/不喜欢的因子。
正面因子中的显性因子包含正评数与/或收藏数。正面因子中的隐性因子包含经由该张图像摄影师被加为好友数、浏览数等与/或详细资讯点阅次数等。负面因子中的显性因子包含：负评数。负面因子中的隐性因子包含该张图像摄影师近半年曾被使用者检举与/或图像完全无正面评价的时间长度等。
请再参阅图8，搜集复数个图像各自的使用者评分资讯后，执行步骤S422，由如图2中的资料库180读取复数个图像各自的读取数据。读取数据包含储存在资料库180中关于复数个图像的使用者评分资讯与/或复数个图像的分数等。
请再参阅图8，搜集复数个图像各自的使用者评分资讯并读取复数个图像各自的读取数据后，执行步骤S423，计算复数个图像各自的分数。
在一实施例中，步骤S423将读取数据与使用者评分资讯结合并计算复数个图像各自的分数。在一些实施例中，计算复数个图像各自的分数是由使用者评分资讯中取出复数个因子列入计算。
举例来说，在计算图片的分数时，将使用者评分资讯中正面因子的正评数、收藏数、浏览数以及详细资讯点阅次数计入。并将使用者评分资讯中负面因子的负评数以及完全无正面评价的时间计入。
关于各个使用者评分资讯的计分方法的一示范例如表1所示：
表1
如表1所示，在计算图像的分数时，对于每正评数+1分、每收藏数+0.5分、每浏览数+0.1分、每详细资讯点阅次数+0.1分、每负评数－1分以及完全无正面评价的时间每日－0.2分。举例来说，一个图像若是有60个正评数、40个收藏数、100个浏览数、30个详细资讯点阅数、3个负评数以及10日完全无正面评价的时间，则图像的分数为88分。
在一些实施例中，步骤S423还包含依据读取数据中的分类和读取数据中的分数调整计算的分数。举例来说，对于一些分类在较热门的分类的图片加分，或是将读取数据中的分数和依据使用者评分资讯计算的分数分别给予不同的权重计算。其中较热门的分类可以是整体来说有较高点阅率的分类，或是属于当时季节的图片的分类。
请再参见图7，在计算复数个图像各自的分数后，执行步骤S430，根据复数个图像每一者各自的分数，调整复数个图像每一者的显示参数。
调整复数个图像每一者的显示参数包含：调整复数个图像每一者在其所属的其中一个类别中的显示次序，或者调整复数个图像的显示尺寸。举例来说，分数较高的图像排列在显示次序的较前方，而分数较低的图像排列在显示次序的较后方。或是分数较高的图像有较大的显示尺寸，而分数较低的图像有较小的显示尺寸。
请再参见图7，在调整图像的显示参数后，执行步骤S440，依照复数个类别以及显示参数，将复数个图像分类显示于显示界面。
举例来说，在一实施例中有A、B、C、D以及E五张图片，分别被分在三个类别，第一类别有A、第二类别有B与C而第三类别有D与E，且A、B、C、D以及E分别有显示分数150、70、350、900、－20。则A、B、C、D以及E的显示参数分别为1－1、2－2、2－1、3－1以及3－2。其中前面的数字表示类别的次序，而后面的数字表示在类别中的显示次序。显示参数的数字越小代表显示的顺序越优先。
基于上述实施例，本公开文件提供一种图像分类方法及图像展示方法。其中图像分类方法是一种利用图像间色差值的图像分类方法。由于类似主题的图像之间相较于非类似主题的图像之间有较小的色差，因此此种图像分类方法可将图像依据各自的主题分类，使用者在浏览图像也更为便利。举例来说：可将图像分类为清晨、日落、枫叶等主题，且使用者无需自己手动分类。且在图像分类的同时，先将图像降阶可降低计算量。此外，根据分类与推荐分数的图像展示方法可让使用者较早浏览到有较高分数的图像，增进使用者浏览图像的便利性。
当一元件被称为『连接』或『耦接』至另一元件时，它可以为直接连接或耦接至另一元件，又或是其中有一额外元件存在。相对的，当一元件被称为『直接连接』或『直接耦接』至另一元件时，其中是没有额外元件存在。在本文中，使用第一、第二与第三等等的词汇，是用于描述各种元件或组件。但是这些元件或组件不应该被这些术语所限制。这些词汇只限于用来辨别单一元件或组件。因此，在上述实施例中中的一第一元件或组件也可被称为第二元件或组件，而不脱离本发明的本意。本公开文件中提到的「及/或」是指表列元件的任一者、全部或至少一者的任意组合。
虽然本发明内容已以实施方式公开如上，然其并非用以限定本公开内容，任何熟习此技艺者，在不脱离本发明内容的精神和范围内，当可作各种更动与润饰，因此本发明内容的保护范围当视权利要求范围所界定者为准。

Claims (10)

1.一种图像分类方法，其特征在于，包含：
降阶一第一图像的色彩得到一第一降阶图像，该第一降阶图像包含复数个第一图像区块；
由一资料库中取得已存在的一第二降阶图像，该第二降阶图像包含复数个第二图像区块；
依据该第一降阶图像中该些第一图像区块各自的一色彩值与该第二降阶图像中相应的该些第二图像区块各自的一色彩值的差异，分别计算该第一降阶图像相较于该第二降阶图像的复数个区块色差值；以及
依据该第一降阶图像相较于该第二降阶图像之间的该些区块色差值，判断该第一图像是否与该第二降阶图像属于同一类别。
2.根据权利要求1所述的图像分类方法，其特征在于，其中判断该第一图像是否与该第二图像属于同一类别更包含：
由该些区块色差值得到该第一降阶图像相较于该第二降阶图像的一代表色差值；
若该代表色差值小于一色差阈值，则将该第一图像与该第二降阶图像分类为相同类别；以及
若该代表色差值超过该色差阈值，则将该第一图像与该第二降阶图像分类为相同类别。
3.根据权利要求1所述的图像分类方法，其特征在于，更包含：
储存该第一图像、该第一降阶图像以及该第一图像的一分类结果至该资料库。
4.根据权利要求1所述的图像分类方法，其特征在于，更包含：
取得该第一图像的一第一拍摄时间，其中该第一图像是否与该第二图像属于同一类别的判断进一步依据该第一图像的该第一拍摄时间与该第二图像的一第二拍摄时间是否相近。
5.根据权利要求1所述的图像分类方法，其特征在于，更包含：
取得该第一图像的一第一拍摄地点，其中该第一图像是否与该第二图像属于同一类别的判断进一步依据该第一图像的该第一拍摄地点与该第二图像的一第二拍摄地点是否相邻。
6.根据权利要求1所述的图像分类方法，其特征在于，更包含：
取得该第一图像的一可交换图档格式资讯，其中该第一图像是否与该第二图像属于同一类别的判断进一步依据该可交换图档格式资讯中的该第一图像的一图像方向、一图像解析度、一图像尺寸或一图像拍摄模式分别与该第二图像的比对结果。
7.一种图像展示方法，其特征在于，适用于具有复数个图像的一资料库，该图像展示方法包含：
依据复数个图像彼此之间的复数个色差值，将该复数个图像分类为复数个类别；
收集该些图像的复数个分数；
依据该些图像每一者各自的分数，调整该些图像每一者至少一显示参数；以及
依照该复数个类别以及该至少一显示参数，将该些图像分类显示在一显示界面上。
8.根据权利要求7所述的图像展示方法，其特征在于，其中调整该至少一显示参数包含调整该些图像每一者在其所属的其中一类别中的一显示次序，或者调整该些图像的一显示尺寸。
9.根据权利要求7所述的图像展示方法，其特征在于，其中收集该些分数包含：
搜集该些图像各自的一使用者评分资讯；
自该资料库读取该些图像各自的一读取数据；以及
将该读取数据与该使用者评分资讯结合并计算该些图像其中一者的该分数。
10.根据权利要求9所述的图像展示方法，其特征在于，其中该使用者评分资讯包含一正面因子与一负面因子，其中该些图像其中该者的该分数与该些图像其中该者相应的该正面因子正相关，该些图像其中该者的该分数与该些图像其中该者相应的该负面因子负相关。
CN201611078456.5A 2016-11-30 2016-11-30 图像分类方法及图像展示方法 Active CN108132935B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201611078456.5A CN108132935B (zh) 2016-11-30 2016-11-30 图像分类方法及图像展示方法
US15/469,572 US10026201B2 (en) 2016-11-30 2017-03-26 Image classifying method and image displaying method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611078456.5A CN108132935B (zh) 2016-11-30 2016-11-30 图像分类方法及图像展示方法

Publications (2)

Publication Number Publication Date
CN108132935A true CN108132935A (zh) 2018-06-08
CN108132935B CN108132935B (zh) 2021-08-10

Family

ID=62193240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611078456.5A Active CN108132935B (zh) 2016-11-30 2016-11-30 图像分类方法及图像展示方法

Country Status (2)

Country Link
US (1) US10026201B2 (zh)
CN (1) CN108132935B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110012210B (zh) * 2018-01-05 2020-09-22 Oppo广东移动通信有限公司 拍照方法、装置、存储介质及电子设备
US10956529B1 (en) * 2018-03-20 2021-03-23 Pinterest, Inc. Content presentation

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853299A (zh) * 2010-05-31 2010-10-06 杭州淘淘搜科技有限公司 一种基于感性认知的图像检索结果排序方法
US20110158516A1 (en) * 2009-12-28 2011-06-30 Industrial Technology Research Institute Image classification methods and systems
CN102663422A (zh) * 2012-03-27 2012-09-12 江南大学 基于颜色特征的地板层次分类方法
CN102843511A (zh) * 2011-06-14 2012-12-26 佳能株式会社 图像处理支持系统、信息处理设备和图像处理支持方法
CN103198311A (zh) * 2011-12-13 2013-07-10 三星电子株式会社 基于拍摄的图像来识别字符的方法及装置
CN104063562A (zh) * 2014-07-14 2014-09-24 南京大学 一种基于色彩聚类的乱针绣铺底绣稿生成方法
CN104091357A (zh) * 2014-07-14 2014-10-08 厦门大学 一种利用主题相关图片的在线马赛克图片生成方法
CN104408077A (zh) * 2014-11-03 2015-03-11 宇龙计算机通信科技(深圳)有限公司 图片的展现方法、展现系统和终端
CN104572905A (zh) * 2014-12-26 2015-04-29 小米科技有限责任公司 照片索引创建方法、照片搜索方法及装置
CN104702925A (zh) * 2013-12-09 2015-06-10 马维尔国际贸易有限公司 用于对滤色器阵列图像去马赛克的方法和装置
CN105320950A (zh) * 2015-11-23 2016-02-10 天津大学 一种视频人脸活体检测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5229744B2 (ja) * 2007-12-03 2013-07-03 国立大学法人北海道大学 画像分類装置および画像分類プログラム
CN102057398B (zh) * 2008-06-13 2013-11-06 上海惠普有限公司 处理超分辨率目标图像
US9471853B2 (en) * 2014-05-19 2016-10-18 Jinling Institute Of Technology Method and apparatus for image processing

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110158516A1 (en) * 2009-12-28 2011-06-30 Industrial Technology Research Institute Image classification methods and systems
CN101853299A (zh) * 2010-05-31 2010-10-06 杭州淘淘搜科技有限公司 一种基于感性认知的图像检索结果排序方法
CN102843511A (zh) * 2011-06-14 2012-12-26 佳能株式会社 图像处理支持系统、信息处理设备和图像处理支持方法
CN103198311A (zh) * 2011-12-13 2013-07-10 三星电子株式会社 基于拍摄的图像来识别字符的方法及装置
CN102663422A (zh) * 2012-03-27 2012-09-12 江南大学 基于颜色特征的地板层次分类方法
CN104702925A (zh) * 2013-12-09 2015-06-10 马维尔国际贸易有限公司 用于对滤色器阵列图像去马赛克的方法和装置
CN104063562A (zh) * 2014-07-14 2014-09-24 南京大学 一种基于色彩聚类的乱针绣铺底绣稿生成方法
CN104091357A (zh) * 2014-07-14 2014-10-08 厦门大学 一种利用主题相关图片的在线马赛克图片生成方法
CN104408077A (zh) * 2014-11-03 2015-03-11 宇龙计算机通信科技(深圳)有限公司 图片的展现方法、展现系统和终端
CN104572905A (zh) * 2014-12-26 2015-04-29 小米科技有限责任公司 照片索引创建方法、照片搜索方法及装置
CN105320950A (zh) * 2015-11-23 2016-02-10 天津大学 一种视频人脸活体检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
GUO DONG 等: "Color clustering and learning for image segmentation based on neural networks", 《 IEEE TRANSACTIONS ON NEURAL NETWORKS》 *

Also Published As

Publication number Publication date
CN108132935B (zh) 2021-08-10
US20180150977A1 (en) 2018-05-31
US10026201B2 (en) 2018-07-17

Similar Documents

Publication Publication Date Title
WO2014056112A1 (en) Intelligent video thumbnail selection and generation
WO2015180684A1 (zh) 基于移动终端的摄影仿真教学方法及系统、存储介质
US20150317510A1 (en) Rating photos for tasks based on content and adjacent signals
CN101706793A (zh) 搜索图片的方法和装置
US20160148343A1 (en) Information Processing Method and Electronic Device
WO2023197780A1 (zh) 图像处理方法、装置、电子设备及存储介质
CN111353965B (zh) 图像修复方法、装置、终端及存储介质
CN106469162A (zh) 一种图片排序方法和相应的图片存储显示设备
US9117275B2 (en) Content processing device, integrated circuit, method, and program
KR101867497B1 (ko) 그림 처리 방법 및 전자 설비
CN108132935A (zh) 图像分类方法及图像展示方法
CN107016004A (zh) 图像处理方法及装置
US11222208B2 (en) Portrait image evaluation based on aesthetics
CN109194942A (zh) 一种裸眼3d视频播放方法、终端和服务器
CN106791091A (zh) 图像生成方法、装置和移动终端
Swanson et al. Learning visual composition preferences from an annotated corpus generated through gameplay
CN102194213A (zh) 图像处理装置
JP2013097773A (ja) 情報処理装置、情報処理方法、及びプログラム
US20160360079A1 (en) Generation apparatus and method for evaluation information, electronic device and server
CN109299484A (zh) 图像显示方法和设备
TWI767288B (zh) 群組分享式攝影方法
TW201822147A (zh) 圖像分類方法及圖像展示方法
CN113383292A (zh) 演示文件生成方法
CN114363521B (zh) 图像处理方法、装置及电子设备
JP5253590B2 (ja) 画像処理装置及びカメラ

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
GR01 Patent grant
GR01 Patent grant