CN108305210B - 数据处理方法、装置及存储介质 - Google Patents

Abstract

本申请公开了一种数据处理方法，该方法包括：获取待识别的图像；获取所述图像中第一区域和第二区域的像素点的颜色值；根据所述第一区域和所述第二区域的像素点的颜色值，确定所述第一区域和第二区域之间的颜色相似度；及根据所述颜色相似度，确定所述图像的类型，所述类型包括全景或非全景。本申请还公开了相应的装置及存储介质。

Description

数据处理方法、装置及存储介质

技术领域

本申请涉及互联网技术领域，尤其涉及一种数据处理方法、装置及存储介质。

背景技术

全景图像(一张全景图片或者一个全景视频)是由在实际场景中的不同方位和角度拍摄的多张图片或多组帧图像拼接而成的，每张图片或每组帧图像能够映射到虚拟空间中的特定位置中，应用客户端在向用户提供全景图像时，会根据当前获取到的用户在实际场景中的位置信息和运动信息确定其在虚拟空间中的位置信息和运动信息，进而为用户提供对应于虚拟空间中特定位置的图片或帧图像。对于球体的虚拟空间，视角可涵盖地平线+/-各180°，地平线的垂直线+/-各90°，对于立方体的空间状态，视角可完全包含上下前后左右六个面，即水平角度为360°，垂直角度为180°。全景图像富有立体感和真实感，是一种性价比极高的虚拟现实解决方案，全景技术可以充分展示人物的整个动作和人物的相互关系，在全景图像中，人物与环境常常融为一体，能创造出有人有景的生动画面。目前，有多种软件可以提供某种形式的全景图像。

发明内容

本申请提供了一种数据处理方法，该方法包括：获取待识别的图像；获取所述图像中第一区域和第二区域的像素点的颜色值；根据所述第一区域和所述第二区域的像素点的颜色值，确定所述第一区域和第二区域之间的颜色相似度；及根据所述颜色相似度，确定所述图像的类型，所述类型包括全景或非全景。

本申请还提供了一种数据处理方法，该方法包括：获取待识别的图像；获取所述图像中第一区域和第二区域的像素点的颜色值；根据所述第一区域和所述第二区域的像素点的颜色值，确定所述第一区域和第二区域之间的颜色相似度；根据所述颜色相似度，确定所述图像的类型，所述类型包括全景或非全景；将所确定的所述图像的类型与所述图像相关联；响应于针对所述图像的类型查询请求，查找与所述图像相关联的所述图像类型；及将所述图像的类型携带在所述类型查询请求的响应中。

本申请还提供了一种数据处理装置，该装置包括：获取模块，获取待识别的图像及获取所述图像中第一区域和第二区域的像素点的颜色值；确定模块，根据所述第一区域和所述第二区域的像素点的颜色值，确定所述第一区域和第二区域之间的颜色相似度；及根据所述颜色相似度，确定所述图像的类型，所述类型包括全景或非全景。

本申请还提供了一种数据处理装置，该装置包括：获取模块，获取待识别的图像；及获取所述图像中第一区域和第二区域的像素点的颜色值；确定模块，根据所述第一区域和所述第二区域的像素点的颜色值，确定所述第一区域和第二区域之间的颜色相似度；根据所述颜色相似度，确定所述图像的类型，所述类型包括全景或非全景；及将所确定的所述图像的类型与所述图像相关联；查找模块，响应于针对所述图像的类型查询请求，查找与所述图像相关联的所述图像类型；及将所述图像的类型携带在所述类型查询请求的响应中。

本申请还提供了一种存储介质，存储有计算机可读指令，可以使至少一个处理器执行上述方法。

采用上述技术方案，能够自动识别所述图像的类型，从而为图像处理设备(如客户端或服务器)提供了新的应用功能，改善了此设备的性能。

附图说明

为了更清楚地说明本申请实例中的技术方案，下面将对实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申请的一些实例，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为本申请一实例的方法流程图；

图2为本申请一实例的像素点颜色值相似的示意图；

图3(a)～(d)为将展开成2D平面图的球形全景图“缝合”成球形图的示意过程；

图4为本申请另一实例的方法流程图；

图5为本申请一实例的数据处理方法的交互图；

图6是本申请一实例的装置结构图；

图7是本申请另一实例的装置结构图；及

图8是本申请一实例的设备结构图。

具体实施方式

下面将结合本申请实例中的附图，对本申请实例中的技术方案进行清楚、完整地描述，显然，所描述的实例仅是本申请一部分实例，而不是全部的实例。基于本申请中的实例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实例，都属于本申请保护的范围。

本申请的发明人在研究中发现，如何辨别一图像是否为全景图像，以及采用何种软件来渲染打开该图像，为本领域亟需解决的技术问题。其中，图像包括图片、动画或视频。全景图像文件虽然包括全景图像数据，但其文件格式还是跟普通的图像文件(非全景图像的文件)格式一样，如MP4、MKV等，从而不能通过文件格式来区分全景图像与非全景图像。例如，全景视频和普通视频在文件格式上没有任何区别，普通视频播放器完全能播放全景视频，但是全景视频的每一帧画面显示出来就像是2D平面中展示的球状全景图片，其上下左右均有明显的拉伸痕迹，而要还原出其原来效果，就需要包含可渲染全景图像的渲染软件的全景播放器或者网页等。

在一些实例中，存储各种图像文件的服务器上还保存有各图像的类型信息，如将某一图像的类型信息保存在该图像的文件对应的扩展信息里面，全景播放器中的渲染软件在渲染该图像之前，先去所述服务器查询该图像的类型信息，然后根据查询到的该图像的类型信息决定以何种模式来渲染该图像，即当该类型信息表明该图像为全景图像时，采用全景图像渲染模式渲染该图像；当该类型信息表明该图像为非全景图像时，采用普通图像渲染模式渲染该图像。

在一些实例中，上述存储在服务器中的各图像的类型信息，是通过人工肉眼判断所述图像是否为全景图像而得到的。这种人工肉眼判断方法会存在很大误差，有时并不能准确的得到所述图像的类型，且耗时耗力。

为了解决上述技术问题，本申请提出一种数据处理方法，该方法可用于自动识别图像的类型，例如，实现该方法的识别模块位于存储各种图像文件的服务器上，所述识别模块可以识别各图像的类型，并将所述图像的类型与所述图像文件关联保存，渲染软件在渲染该图像之前，可以先去所述服务器查询该图像的类型信息，然后根据查询到的该图像的类型信息决定以何种模式来渲染该图像。

在一些实例中，还可将该方法应用于应用客户端(如全景播放器)或浏览器中，以识别要渲染的图像，实现该方法的识别模块可以嵌入到可渲染全景图像的应用客户端中或嵌入到浏览器中。如图1所示，该方法包括如下步骤：

步骤101：获取待识别的图像。

这里，所述图像是需要进行识别其类型的图像，可以预先存储于终端本地，或者从网络获取，其中，所述图像包括图片、动画或视频，所述类型包括全景图像和非全景图像。

其中，所述全景图像可以包括，例如，环状全景图片、球状全景图片、全景视频，其中，全景视频按照维度可以分为2D全景视频和3D全景视频，按照外在表现形式可以分为球体全景视频、正方体全景视频等，且上述两种不同的分类形式可以任意组合形成另一种形式的全景视频，例如3D球体全景视频、2D正方体全景视频等，其中，正方体全景视频通过专业软件也可以渲染成球体全景视频。当环状全景图片不包含纯色区域时，环状全景图片的特点是其最左边和最右边可以衔接到一起。当球状全景图片不包含纯色区域时，球状全景图片的特点是其上下左右均可以衔接到一起，渲染出360度全景场景图片。3D全景视频的任一帧图像包含两个相似的球状全景图，分别对应左眼和右眼看到的画面，当用户佩戴VR头显观看所述3D全景视频时，可以获得三维空间视景中的沉浸式体验效果。当所述全景视频为2D时，用户佩戴VR头显观看所述2D全景视频的效果不如3D全景视频的好，因为此时用户左眼和右眼看到的画面是相同的。全景视频可以是利用多个角度的摄像装置同时采集多个视频，并利用专业软件将所述多个视频拼接而成，其中，所述多个角度的摄像装置设有鱼眼镜头等可以拍摄实际场景中不同视角图像的装置。

利用本申请中的识别方法，可以识别所述图像为全景图像或非全景图像，当识别出所述图像为全景图像后，还可以对所述全景图像作进一步识别，即识别所述全景图像为环状全景图像还是球状全景图像。

步骤102：获取所述图像中第一区域和第二区域的像素点的颜色值。

这里，获取所述图像后，可以通过专门软件，如“画图”软件、photoshop等软件，将所述图像打开，并得到所述图像指定区域的像素点的颜色值。

在一些实例中，所获取的所述颜色值为RGB颜色值；所述方法进一步包括：对所获取的每个像素点的包括三个色值的RGB颜色值进行量化处理得到包括一个色值的量化的颜色值。

例如，利用如下公式(1)对每一个像素点的RGB颜色值进行量化得到一个量化的颜色值Y：

Y＝α×R+β×G+γ×B (1)

其中，R、G、B分别为该像素点颜色中的红色值、绿色值以及蓝色值，α、β及γ分别为系数。

这里，将所述图像的一个像素点的RGB颜色值进行量化可得到一个量化的颜色值，可以简化后续的计算，提高处理效率。

步骤103：根据所述第一区域和所述第二区域的像素点的颜色值，确定所述第一区域和第二区域之间的颜色相似度。

在一些实例中，根据所述指定区域中第一区域和第二区域中像素点的所述量化的颜色值，确定所述颜色相似度。

在一些实例中，所述第一区域和所述第二区域包括：所述图像中左边界区域和右边界区域，所述左边界区域和右边界区域均包括至少一列的像素点。例如：左边界区域可以包括图像中最左的一列或几列像素点，也可包括最左的几列中任一列的像素点，比如左边数第二列等等。相应的，右边界区域可以包括图像中最右的一列或几列像素点，也可包括最右的几列中任一列的像素点，比如右边数第二列等等。

在一些实例中，所述确定所述第一区域和第二区域之间的颜色相似度，包括：确定所述左边界区域中各列的像素点和所述右边界区域中各列的像素点之间的颜色相似度；所述确定所述图像的类型，包括：当所述颜色相似度超过第一预定阈值时，确定所述图像的类型为全景；否则，确定所述图像的类型为非全景。

在一些实例中，所述左边界区域包括最左一列的像素点，所述右边界区域包括最右一列的像素点；所述确定所述左边界区域中各列的像素点和所述右边界区域中各列的像素点之间的颜色相似度，包括：确定所述最左一列的像素点和所述最右一列的像素点之间的颜色相似度；所述确定所述图像的类型，包括：当所述颜色相似度超过第一预定阈值时，确定所述图像的类型为全景；否则，确定所述图像的类型为非全景。

在一些实例中，所述确定所述最左一列的像素点和所述最右一列的像素点之间的颜色相似度的处理，包括：

1、针对所述最左一列中每一行的像素点执行如下处理：

1)分别计算所述最左一列中第n行的像素点的颜色值和所述最右一列中至少一行的像素点的颜色值之间的差值，所述至少一行包括：第n-1行、第n行和/或第n+1行；

2)根据计算得到的所述差值确定所述最左一列中第n行和所述最右一列中第n行的差异度；及

3)当该差异度不超过预定第二阈值时，确定所述最左一列中第n行和所述最右一列中第n行是相似的；

2、确定所述最左一列与最右一列中相似的行数与总行数的占比并将其作为所述最左一列的像素点和所述最右一列的像素点之间的颜色相似度。

步骤104：根据所述颜色相似度，确定所述图像的类型，所述类型包括全景或非全景。

在一些实例中，所述方法进一步包括：当根据所述最左一列和所述最右一列中各像素点的颜色值确定所述最左一列和所述最右一列为纯色区域时，获取最左M列和最右M列的像素点的颜色值，其中，M为预设大于1整数；其中，当根据所述最左M列和最右M列的像素点的颜色值确定所述图像并非纯色图像，并且所述颜色相似度超过第一预定阈值时，确定所述图像的类型为全景；否则，确定所述图像的类型为非全景。

在一些实例中，通过以下方式确定所述最左一列和所述最右一列是否为纯色区域：当所述最左一列中每一行与所述最右一列中相应行的所述差异度均为预设最小值时，确定所述最左一列和所述最右一列为纯色区域；否则，确定所述最左一列和所述最右一列并非纯色区域。

在一些实例中，通过以下方式确定所述图像是否为纯色图像：针对所述最左M列和所述最右M列中的每一列，计算该列中各行的像素点的颜色值与预定第k行的像素点的颜色值之间的方差值；当计算得到的各列的所述方差值均为预设最小值时，确定所述图像为纯色图像；否则，确定所述图像并非纯色图像。

例如，使用下述算法对所述第一区域和所述第二区域的像素点的颜色值进行计算，并确定所述图像的类型：根据所述图像最左一列像素点的颜色值L(1,2,3,4……)和最右一列像素点的颜色值R(1,2,3,4……)进行如下公式(2)～(5)的计算：

s1＝abs(Ln-Rn-1)； (2)

s2＝abs(Ln-Rn)； (3)

s3＝abs(Ln-Rn+1)； (4)

Vn＝MIN(s1,s2,s3) (5)

其中，Ln为最左一列第n行像素点的颜色值，Rn为最右一列第n行像素点的颜色值，Rn-1为最右一列第n-1行像素点的颜色值，Rn+1为最右一列第n+1行像素点的颜色值。s1、s2和s3分别代表最左一列第n行像素点颜色值与最右一列相应行(第n行、第n-1行及第n+1行)像素点颜色值的差异度。Vn为s1、s2和s3中的最小值，代表最左一列第n行像素点颜色值与最右一列第n行(第n行、第n-1行及第n+1行)像素点颜色值的差异度。

当Vn小于预定误差容错阈值(或称预定第二阈值)时，则认为n这一行最左一列和最右一列的像素相近，当相近的行数与总行数的比值高于第一预定阈值时，则认为这个图像是全景图像；否则，确定所述图像的类型为非全景。

这里，采用公式(2)～(5)判断所述图像是否全景图像的原理如下：线条可以认为是图像中的具体纹路。如果一个连续纹路的图像被强行剪断，如图2所示，那么它的左边和右边同样行数的像素点的颜色应该是相近的，即线条201a和线条201b连接处的像素点的颜色应该是相近的，同样，线条202a和线条202b连接处的像素点的颜色应该是相近的，线条203a和线条203b连接处的像素点的颜色应该是相近的，从而可以通过上述算法来判断所述图像左边和右边像素点颜色的相近。

此外，从图2中可以看出，所述图像中的具体纹路被强行剪断后，可能会发生错位，如线条201a和线条201b发生错位，为了减小因全景图像中左边部分和右边部分的错位而带来的误差，从而上述算法除了利用公式(3)计算最左一列和最右一列第n行像素点的颜色值的差值的绝对值，还通过公式(2)计算最左一列第n行像素点的颜色值与最右一列第n-1行像素点的颜色值的差值的绝对值，以及通过公式(4)计算最左一列第n行像素点的颜色值与最右一列第n+1行像素点的颜色值的差值的绝对值，最后利用公式(5)取s1，s2，s3的最小值。

例如，整个图像的分辨率是500x400，则会产生V1,V2,V3,V4....V400，然后判断400行中有多少行是相近的，即判断V1,V2,V3,V4....V400中小于预定误差容错阈值的个数，当400行有300行是相近的，则该图像最左一列和最右一列像素点颜色的颜色相似度为75％。当所述颜色相似度高于第一预定阈值，则认为这个图像是全景图像。其中，所述第一预定阈值可以取经验值，例如，采用大量图像(包括全景图像和非全景图像)对公式(2)～(5)进行训练，得出所述第一预定阈值的经验值。

再例如，对于某个图像可能得到Vi(i＝1,2,3……)均相同，且等于0(即预设最小值)，则认为该图像为纯色图像或该图像的最左列和最右列为纯色区域。为了进一步判断上述结果是否为纯色图像，继续采用下述方法步骤进行判断：获取所述图像的最左边的M列和最右边的M列像素点的颜色值，其中，M为预设大于1整数；针对其中任一列像素点的颜色值，采用下述公式(6)计算方差值：

其中，j＝L1,L2,L3…LM,R1,R2,R3…RM，L为left的缩写，R为right的缩写，即j可以从最左边的M列和最右边的M列中任取一列，k取1,2,3,…,n中任一值，y_j1,y_j2,y_j3,…,y_jn分别为第j列各像素点的颜色值，y_jk为所述第j列的像素点颜色值的任一值；M取经验值；s_j代表最左边的M列和最右边的M列中第j列像素点的颜色值相似度。

这里，采用公式(6)计算所述图像的最左边的M列和最右边的M列中的任一列像素点的颜色值相似度，以判断该列像素点的颜色是否相近，其中，M可以取经验值，例如采用大量图像(包括全景图像和非全景图像)对公式(6)进行训练，得出M的经验取值。如果最左边的M列和最右边的M列的s_j均相同，且等于零(即预设的最小值)，则说明所述图像为纯色图像，不继续对所述图像进行判断其是否为球状全景图像；否则认为该图像不是纯色图像，继续对所述图像进行判断其是否为球状全景图像。

在一些实例中，当确定所述图像的类型为全景时，所述方法进一步包括：获取所述图像中第三区域和第四区域的像素点的颜色值；根据所述第三区域和所述第四区域中像素点的颜色值，确定所述第三区域和第四区域之间的颜色相似度；及根据所述第三区域和第四区域之间的所述颜色相似度，确定所述图像的全景类型，所述全景类型包括环状全景或球状全景。

在一些实例中，所述第三区域和所述第四区域包括所述图像中最上面N行和最下面N行的像素点；其中，N为预设大于等于1的整数。所述确定所述第三区域和第四区域之间的颜色相似度的处理，包括：针对所述最上面N行和所述最下面N行中的每一行，计算该行中各列的像素点的颜色值与预定第i列的像素点的颜色值之间的方差值；当计算得到的各行的所述方差值不全为预设最小值并且不为所述最小值的所述方差值都属于预定取值范围时，确定所述图像的全景类型为球状全景；否则，确定所述图像的全景类型为环状全景。

例如，当确定所述图像为全景图像且所述图像不是纯色图像时，对所述全景图像作进一步识别，判断所述全景图像为环状全景图像还是球状全景图像，该识别过程包括：获取所述图像最上面N行和最下面N行像素点的颜色值，其中，N取经验值；

根据所述图像最上面N行和最下面N行像素点的颜色值进行如下公式(7)的计算方差值：

其中，x₁,x₂,x₃,…x_n为所述图像最上一行的像素点的颜色值，xi为x₁,x₂,x₃,…x_n中任一值，s代表最上一行的像素点颜色值的相近度；

当s低于第二预定阈值，则认为第一行像素全都是相近的颜色；对于其余行中的像素点的颜色值均进行公式(7)的计算，得到2N个s，当2N个s不全为零，且不为零的s满足p≤s≤q，则认为该全景图像为球状全景图像，其中，p和q取经验值。

这里，因球状全景图像的最上面一行和最下面一行最终会被分别“缝合”到球状全景图像的南极和北极点上，最上面的N行和最下面的N行最终会被分别“缝合”到球状全景图像的南极和北极附近区域，故而最上面N行中的任一行的各个像素点的颜色值是相近的，最下面N行中的任一行的各个像素点的颜色值也是相近的。图3(a)～(d)所示的过程即为将展开成2D平面图的球形全景图“缝合”成球形图的过程。图3(a)所示的图即为球形全景图展开成2D平面图，图3(b)所示的图为将图3(a)所示的2D平面图“缝合”成的柱形图，图3(c)所示的图为将图3(a)所示的2D平面图继续“缝合”成的不规则柱形图，图3(d)所示的图为将图3(a)所示的2D平面图最终“缝合”成的球形图。然而，所述图像可能包含上下纯色区域，如播放的视频可能包含上下黑色区域，因此上述算法针对所述图像的最上面N行和最下面N行像素点的颜色值进行计算，N取经验值，进而可以更准确的判断所述图像是否为球状全景图像。

当上述2N个s不全为零，且不为零的s不满足p≤s≤q，则认为该全景图像不是球状全景图像，而是环状全景图像。

在一些实例中，所述方法进一步包括：将所确定的所述图像的类型与所述图像相关联。

在一些实例中，所述将所述图像的类型与所述图像相关联，包括：将所述图像的类型参数记录在一个与所述图像的图像文件相关联的属性文件中。

在一些实例中，所述将所述图像的类型参数记录在一个与所述图像的图像文件相关联的属性文件中，包括：在指定目录下为所述图像创建一个属性文件，所述属性文件的文件名与所述图像文件的文件名具有关联性，使得根据所述图像文件的文件名可确定所述属性文件的文件名；在所述属性文件中记录所述图像的类型参数。

在一些实例中，所述将所述图像的类型参数记录在一个与所述图像的图像文件相关联的属性文件中，包括：在指定的一个属性文件中记录所述图像的类型参数，并记录所述图像类型参数对应的所述图像文件的标识。

其中，可以将该图像的类型记录在一个属性文件中并将其与该图像的图像文件关联起来。比如：一个属性文件可以与多个图像文件关联并在该属性文件中记录这些图像文件的类型，每个图像文件标识对应一个图像类型参数。又比如：一个图像文件可以与一个属性文件关联，如所述图像文件和所述属性文件属于同一指定目录(如同一个文件夹)，该属性文件记录了该图像文件的类型参数，进一步的，该属性文件可以与该图像文件的文件主名相同而扩展名不同。

在一些实例中，本申请的方法所应用的识别模块位于存储各种图像文件的服务器上，该识别模块对该图像进行识别，确定所述图像的类型后，可为其图像文件创建一个属性文件并保存在服务器本地，或者在服务器本地一个已有的属性文件中记录该图像的类型参数并将其与该图像文件的标识相对应。其中，该属性文件与该图像文件可以保存在同一个文件夹中。

在一些实例中，当准备渲染所述图像时获取所述图像；当获取所述图像之后，所述方法进一步包括：查询所述图像关联的所述图像的类型；及当查询不到所述图像的类型时，执行所述获取所述图像中所述第一区域和所述第二区域中像素点的颜色值的处理；其中，当查询到所述图像类型时，采用查询到的所述类型对应的图像渲染模式来渲染所述图像。

在一些实例中，所述将所确定的所述图像的类型与所述图像相关联，包括：在本地记录所述图像的类型与所述图像的关联关系；其中，所述查询所述图像关联的所述图像的类型，包括：从本地记录的所述关联关系中查询所述图像关联所述图像的类型。

在一些实例中，所述将所确定的所述图像的类型与所述图像相关联，包括：将所述图像类型发送给用于保存图像数据的服务器，以使所述服务器建立所述图像类型与所述图像的关联关系；其中，所述查询所述图像关联的所述图像的类型，包括：从所述服务器中查询得到所述图像关联的所述图像的类型。

例如，当应用客户端或浏览器从终端本地或网络上获取到该图像，准备渲染时，可以从该服务器中查询到该图像的图像文件关联的属性文件，并从中读取到该图像的类型参数，进而能够确定该图像的类型并选择相应的渲染模式。例如，当所述图像的类型为全景图像时，则利用全景图像渲染模式渲染该图像，如果进一步确定所述全景图像为球状全景图像，则使用球状全景图像渲染模式渲染该图像；如果进一步确定所述全景图像为环状全景图像，则使用环状全景图像渲染模式打开；若图像不是全景图像，则使用普通的渲染模式打开。在一些实例中，全景图像渲染模式包括：球状全景图像渲染模式和环状全景图像渲染模式，其中，球状全景图像渲染模式可以渲染2D/3D正方体面全景图像和2D/3D球状全景图像等，环状全景图像渲染模式可以渲染2D/3D环状全景图像。

在一些实例中，当准备渲染所述图像时获取所述图像；当确定所述图像的类型之后，所述方法进一步包括：采用所述类型对应的图像渲染模式来渲染所述图像，所述图像渲染模式包括全景图像渲染模式或非全景图像渲染模式。

在一些实例中，当本申请中的方法应用于应用客户端(如全景播放器)或浏览器中时，可以在应用客户端或浏览器中嵌入上述识别模块，当应用客户端或浏览器中的渲染软件准备对获取到的图像进行渲染之前，可由此识别模块应用上述方法对所述图像进行识别，确定所述图像的类型，然后根据所述图像的类型选择相应的渲染模式。

在一些实例中，应用客户端或浏览器在初次渲染一个图像时，应用上述方法识别得到该图像的类型后，可以将该图像的类型上传到上述服务器中，以便应用客户端或浏览器中的渲染软件再次打开所述图像时，可以去所述服务器查询该图像的类型，避免了使用渲染软件再次对所述图像进行识别，也有利于不能识别所述图像类型的应用客户端或浏览器能够正常打开该图像。该服务器可以保存该图像的类型并与该图像关联。该图像的类型可以记录在一个与该图像的图像文件相关联的属性文件中。

本申请提供的识别模块可以创建包含该图像的类型参数的属性文件并将其上传给该服务器，也可以将该图像的类型参数携带在某个消息中上传给该服务器。该服务器接收到该图像的类型参数时可为该图像的图像文件创建一个属性文件，在其中记录该图像的类型参数，并将该属性文件保存在本地，或者该服务器可在本地一个已有的属性文件中记录该图像的类型参数并将其与该图像文件的标识相对应。该服务器接收到包含该图像的类型参数的属性文件时，可以将该属性文件保存在本地，其中，该属性文件与该图像文件可以保存在同一个文件夹中。当应用客户端或浏览器从该服务器获取到该图像，准备渲染时，可以从该服务器中查询到该图像的图像文件关联的属性文件，并从中读取到该图像的类型参数，进而能够确定该图像的类型并选择相应的渲染模式。

在一些实例中，本申请还提出一种数据处理方法，可应用于可存储图像的服务器中。如图4所示，该方法包括如下步骤：

步骤401：获取待识别的图像。

步骤402：获取所述图像中第一区域和第二区域的像素点的颜色值。

步骤403：根据所述第一区域和所述第二区域的像素点的颜色值，确定所述第一区域和第二区域之间的颜色相似度。

步骤404：根据所述颜色相似度，确定所述图像的类型，所述类型包括全景或非全景。

步骤405：将所确定的所述图像的类型与所述图像相关联。

步骤406：响应于针对所述图像的类型查询请求，查找与所述图像相关联的所述图像类型。

步骤407：将所述图像的类型携带在所述类型查询请求的响应中。

通过上述方法，可以自动识别所述图像的类型，避免了使用人工肉眼判断，提高了识别所述图像类型的速度以及准确度，并能接受外部设备的查询请求，为其提供上述图像的类型，为服务器提供了新的应用功能，改善了服务器的性能。比如：当媒体播放器或者浏览器打开一个图像，准备进行渲染时，可从应用上述方法的服务器查询到该图像的类型，进而可以调用相应的渲染模式渲染该图像。

图5示出了本申请提出的一种数据处理方法的交互图。在此实例中，该方法应用于播放器中，且该交互过程涉及播放器中的三个模块，分别为获取模块、实现本申请方法的识别模块以及图像渲染模块，以实现播放器自动识别图像是否为全景图像，从而动态切换渲染模式。如图所示，该方法包括如下步骤：

步骤501：获取模块从网络或者终端本地获取待识别的图像，其中，所述图像包括图片、动画或视频。

步骤502：所述获取模块将所述图像发送至识别模块。

步骤503：所述识别模块对所述图像(图片或动画、视频中的任一帧)进行处理，以得到所述图像最左一列和最右一列像素点的颜色值。在一些实例中，对每一个像素点的RGB颜色值进行量化得到一个量化的颜色值Y，例如进行公式(1)的计算。

步骤504：所述识别模块根据所述图像最左一列和最右一列像素点的颜色值进行计算，以判断所述图像是否为全景图像。

在一些实例中，可以采用公式(2)～(5)对所述图像最左一列和最右一列像素点的颜色值进行计算，当Vn小于预定误差容错阈值时，则认为n这一行的像素相近，当相近的行数与总行数的比值高于第一预定阈值时，则认为这个图像是全景图像。

若某个图像的Vi(i＝1,2,3……)均相同，且等于0，则认为该图像为纯色图像或该图像的最左列和最右列为纯色区域，而不是全景图像。为了进一步判断上述结果是否为纯色图像，所述识别模块继续获取最左边的M列(即从最左边第一列开始数)和最右边的M列(即从最右边第一列开始数)像素点的颜色值，并针对其中任一列像素点的颜色值采用公式(6)计算，得到第j列的像素点颜色值的相近度s_j。若该列为纯色区域，则该列的s_j为零；若最左边的M列和最右边的M列的s_j均为零，则说明该图像为纯色图像，不继续对所述图像进行判断其是否为球状全景图像；否则认为该图像不是纯色图像，继续对所述图像进行判断其是否为球状全景图像。

当通过计算得到所述图像为全景图像且所述图像不是纯色图像时，则继续执行步骤505；当通过上述计算得到所述图像不是全景图像时，则执行步骤506。

步骤505：所述识别模块进一步得到所述图像最上面N行和最下面N行像素点的颜色值，其中，N可以取经验值，例如采用大量图像(包括全景图像和非全景图像)对公式(6)进行训练，得出N的经验取值。

步骤506：当通过步骤504判断所述图像不是全景图像时，则可判断所述图像为普通图像，并将所述图像的识别结果发送至图像渲染模块，此时，则继续执行步骤510，即所述图像渲染模块根据所述图像的类型采取相应的渲染模式打开所述图像。

步骤507：所述识别模块根据所述图像最上面N行和最下面N行像素点的颜色值进行计算，以判断所述全景图像是环状全景图像或球状全景图像。

在一些实例中，可以采用公式(7)进行计算所述图像最上面N行和最下面N行中任一行像素点颜色的相近度若计算得到的s低于第二预定阈值，则认为该行像素全都是相近的颜色；对上述2N行像素点的颜色值进行计算，得到2N个s，当2N个s不全为零，且不为零的s满足p≤s≤q，则认为该全景图像为球状全景图像，其中p、q的取值同上；当s不满足p≤s≤q，则认为该全景图像不是球状全景图像，而是环状全景图像。

当通过上述计算得到所述全景图像为球状全景图像，则继续执行步骤508，即将所述图像的识别结果发送至图像渲染模块，然后执行步骤510；当通过上述计算判断所述全景图像为环状全景图像，则执行步骤509，即将所述图像的识别结果发送至图像渲染模块，然后执行步骤510。

步骤508：将步骤507中判断得到的识别结果，即该全景图像为球状全景图像，发送至图像渲染模块。

步骤509：将步骤507中判断得到的识别结果，即该全景图像是环状全景图像，发送至图像渲染模块。

步骤510：所述图像渲染模块根据所述图像的类型选取相应的渲染模式渲染所述图像，当所述图像为是全景图像，则利用全景图像渲染模式渲染该图像；进一步的，当所述全景图像为环状全景图像，则使用环状全景图像渲染模式渲染该图像；当所述全景图像为球状全景图像，则使用球状全景图像渲染模式渲染该图像；当图像不是全景图像，则使用普通的渲染模式渲染该图像。

基于上述实例提供的方法，本申请还提出了一种数据处理装置600，该装置600可应用于应用客户端(如全景播放器)或浏览器中，该装置600可以嵌入到可渲染全景图像的应用客户端中或嵌入到浏览器中。如图6所示，所述装置600包括：

获取模块601，获取待识别的图像及获取所述图像中第一区域和第二区域的像素点的颜色值。

确定模块602，根据所述第一区域和所述第二区域的像素点的颜色值，确定所述第一区域和第二区域之间的颜色相似度；及根据所述颜色相似度，确定所述图像的类型，所述类型包括全景或非全景。

在一些实例中，所述确定模块602将所确定的所述图像的类型与所述图像相关联。

在一些实例中，所述装置600还包括渲染模块603，当准备渲染所述图像时所述渲染模块603获取所述图像；当所述确定模块602确定所述图像的类型之后，所述渲染模块603采用所述类型对应的图像渲染模式来渲染所述图像，所述图像渲染模式包括全景图像渲染模式或非全景图像渲染模式。

在一些实例中，所述装置600还包括渲染模块603，当准备渲染所述图像时所述渲染模块603获取所述图像；所述渲染模块603查询所述图像关联的所述图像的类型；当所述渲染模块603查询不到所述图像的类型时，所述确定模块602执行所述获取所述图像中所述第一区域和所述第二区域中像素点的颜色值的处理；当所述渲染模块603查询到所述图像类型时，采用查询到的所述类型对应的图像渲染模式来渲染所述图像。

在一些实例中，本申请还提出了一种数据处理装置700，该装置700可应用于可存储图像的服务器中，以便自动识别图像的类型并供外部查询。如图7所示，所述装置700包括：

获取模块701，获取待识别的图像；及获取所述图像中第一区域和第二区域的像素点的颜色值。

确定模块702，根据所述第一区域和所述第二区域的像素点的颜色值，确定所述第一区域和第二区域之间的颜色相似度；根据所述颜色相似度，确定所述图像的类型，所述类型包括全景或非全景；及将所确定的所述图像的类型与所述图像相关联。

查找模块703，响应于针对所述图像的类型查询请求，查找与所述图像相关联的所述图像类型；及将所述图像的类型携带在所述类型查询请求的响应中。

上述各模块功能的具体实现原理在前文已有描述，这里不再赘述。

另外，在本申请各个实例中的数据处理方法和数据处理装置以及其中的各模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上装置或模块集成在一个单元中。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。

在一实例中，上述的数据处理装置可运行在各种可基于互联网而进行用户信息处理的计算设备中，并加载在该计算设备的存储器中。

图8示出了数据处理装置所在的计算设备的组成结构图。如图8所示，该计算设备包括一个或者多个处理器(CPU)802、通信模块804、存储器806、用户接口810，以及用于互联这些组件的通信总线808。

处理器802可通过通信模块804接收和发送数据以实现网络通信和/或本地通信。

用户接口810包括一个或多个输出设备812，其包括一个或多个扬声器和/或一个或多个可视化显示器。用户接口810也包括一个或多个输入设备814，其包括诸如，键盘，鼠标，声音命令输入单元或扩音器，触屏显示器，触敏输入板，姿势捕获摄像机或其他输入按钮或控件等。

存储器806可以是高速随机存取存储器，诸如DRAM、SRAM、DDR RAM、或其他随机存取固态存储设备；或者非易失性存储器，诸如一个或多个磁盘存储设备、光盘存储设备、闪存设备，或其他非易失性固态存储设备。

存储器806存储处理器802可执行的指令集，包括：

操作系统816，包括用于处理各种基本系统服务和用于执行硬件相关任务的程序；

应用818，包括用于实现数据处理的各种程序，这种程序能够实现上述各实例中的处理流程，比如可以包括图6所示的装置600和/或图7所示的装置700。

在一些实例中，装置600可包括图6所示的各模块601～603，各模块601～603可以存储有机器可执行指令。处理器802通过执行存储器806中各模块601～603中的机器可执行指令，进而能够实现上述各模块601～603的功能。

在一些实例中，装置700可包括图7所示的各模块701～703，各模块701～703可以存储有机器可执行指令。处理器802通过执行存储器806中各模块701～703中的机器可执行指令，进而能够实现上述各模块701～703的功能。

另外，本申请的每一个实例可以通过由数据处理设备如计算机执行的数据处理程序来实现。显然，数据处理程序构成了本发明。此外，通常存储在一个存储介质中的数据处理程序通过直接将程序读取出存储介质或者通过将程序安装或复制到数据处理设备的存储设备(如硬盘和或内存)中执行。因此，这样的存储介质也构成了本发明。存储介质可以使用任何类型的记录方式，例如纸张存储介质(如纸带等)、磁存储介质(如软盘、硬盘、闪存等)、光存储介质(如CD-ROM等)、磁光存储介质(如MO等)等。

因此本申请还公开了一种非易失性存储介质，其中存储有数据处理程序，该数据处理程序用于执行本申请上述方法的任何一种实例。

另外，本申请所述的方法步骤除了可以用数据处理程序来实现，还可以由硬件来实现，例如，可以由逻辑门、开关、专用集成电路(ASIC)、可编程逻辑控制器和嵌微控制器等来实现。因此这种可以实现本申请所述方法的硬件也可以构成本申请。

以上所述仅为本申请的较佳实例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (13)

1.一种数据处理方法，其特征在于，该方法包括：

获取待识别的图像；

获取所述图像中左边界区域和右边界区域的像素点的颜色值；

根据所述左边界区域和所述右边界区域的像素点的颜色值，确定所述左边界区域中各列的像素点和右边界区域中各列的像素点之间的颜色相似度；及

根据所述颜色相似度，确定所述图像的类型，所述类型包括全景或非全景；

其中，所述确定所述左边界区域中各列的像素点和右边界区域中各列的像素点之间的颜色相似度，包括：

针对最左一列中每一行的像素点执行如下处理：

分别计算所述最左一列中第n行的像素点的颜色值和最右一列中至少一行的像素点的颜色值之间的差值，所述至少一行包括：第n-1行、第n行和/或第n+1行；

根据计算得到的所述差值确定所述最左一列中第n行和所述最右一列中第n行的差异度；及

当该差异度不超过预定第二阈值时，确定所述最左一列中第n行和所述最右一列中第n行是相似的；

及

确定所述最左一列与最右一列中相似的行数与总行数的占比并将其作为所述最左一列的像素点和所述最右一列的像素点之间的颜色相似度。

2.根据权利要求1所述的方法，其中，当准备渲染所述图像时获取所述图像；

当确定所述图像的类型之后，所述方法进一步包括：

采用所述类型对应的图像渲染模式来渲染所述图像，所述图像渲染模式包括全景图像渲染模式或非全景图像渲染模式。

3.根据权利要求1所述的方法，其中，所述确定所述图像的类型，包括：当所述颜色相似度超过第一预定阈值时，确定所述图像的类型为全景；否则，确定所述图像的类型为非全景。

4.根据权利要求3所述的方法，进一步包括：

当根据所述最左一列和所述最右一列中各像素点的颜色值确定所述最左一列和所述最右一列为纯色区域时，获取最左M列和最右M列的像素点的颜色值，其中，M为预设大于1整数；

其中，当根据所述最左M列和最右M列的像素点的颜色值确定所述图像并非纯色图像，并且所述颜色相似度超过第一预定阈值时，确定所述图像的类型为全景；否则，确定所述图像的类型为非全景。

5.根据权利要求4所述的方法，

其中，通过以下方式确定所述最左一列和所述最右一列是否为纯色区域：

当所述最左一列中每一行与所述最右一列中相应行的所述差异度均为预设最小值时，确定所述最左一列和所述最右一列为纯色区域；否则，确定所述最左一列和所述最右一列并非纯色区域。

6.根据权利要求4所述的方法，其中，通过以下方式确定所述图像是否为纯色图像：

针对所述最左M列和所述最右M列中的每一列，计算该列中各行的像素点的颜色值与预定第k行的像素点的颜色值之间的方差值；

当计算得到的各列的所述方差值均为预设最小值时，确定所述图像为纯色图像；否则，确定所述图像并非纯色图像。

7.根据权利要求1所述的方法，其中，当确定所述图像的类型为全景时，所述方法进一步包括：

获取所述图像中第三区域和第四区域的像素点的颜色值；

根据所述第三区域和所述第四区域中像素点的颜色值，确定所述第三区域和第四区域之间的颜色相似度；及

根据所述第三区域和第四区域之间的所述颜色相似度，确定所述图像的全景类型，所述全景类型包括环状全景或球状全景。

8.根据权利要求7所述的方法，其中，所述第三区域和所述第四区域包括所述图像中最上面N行和最下面N行的像素点；其中，N为预设大于等于1的整数；

所述确定所述第三区域和第四区域之间的颜色相似度，包括：

针对所述最上面N行和所述最下面N行中的每一行，计算该行中各列的像素点的颜色值与预定第i列的像素点的颜色值之间的方差值；

当计算得到的各行的所述方差值不全为零并且不为零的所述方差值都属于预定取值范围时，确定所述图像的全景类型为球状全景；

当计算得到的各行的所述方差值都为零或者不为零的所述方差值不都属于预定取值范围时，确定所述图像的全景类型为环状全景。

9.一种数据处理方法，其特征在于，该方法包括：

获取待识别的图像；

获取所述图像中左边界区域和右边界区域的像素点的颜色值；

根据所述左边界区域和所述右边界区域的像素点的颜色值，确定所述左边界区域中各列的像素点和右边界区域中各列的像素点之间的颜色相似度；

根据所述颜色相似度，确定所述图像的类型，所述类型包括全景或非全景；

将所确定的所述图像的类型与所述图像相关联；

响应于针对所述图像的类型查询请求，查找与所述图像相关联的所述图像的类型；及

将所述图像的类型携带在所述类型查询请求的响应中；

其中，所述确定所述左边界区域中各列的像素点和右边界区域中各列的像素点之间的颜色相似度，包括：

针对最左一列中每一行的像素点执行如下处理：

分别计算所述最左一列中第n行的像素点的颜色值和最右一列中至少一行的像素点的颜色值之间的差值，所述至少一行包括：第n-1行、第n行和/或第n+1行；

根据计算得到的所述差值确定所述最左一列中第n行和所述最右一列中第n行的差异度；及

当该差异度不超过预定第二阈值时，确定所述最左一列中第n行和所述最右一列中第n行是相似的；

及

确定所述最左一列与最右一列中相似的行数与总行数的占比并将其作为所述最左一列的像素点和所述最右一列的像素点之间的颜色相似度。

10.一种数据处理装置，其特征在于，该装置包括：

获取模块，获取待识别的图像及获取所述图像中左边界区域和右边界区域的像素点的颜色值；

确定模块，根据所述左边界区域和所述右边界区域的像素点的颜色值，确定所述左边界区域中各列的像素点和右边界区域中各列的像素点之间的颜色相似度；及根据所述颜色相似度，确定所述图像的类型，所述类型包括全景或非全景；

其中，所述确定模块，进一步用于针对最左一列中每一行的像素点执行如下处理：分别计算所述最左一列中第n行的像素点的颜色值和最右一列中至少一行的像素点的颜色值之间的差值，所述至少一行包括：第n-1行、第n行和/或第n+1行；根据计算得到的所述差值确定所述最左一列中第n行和所述最右一列中第n行的差异度；及当该差异度不超过预定第二阈值时，确定所述最左一列中第n行和所述最右一列中第n行是相似的；及确定所述最左一列与最右一列中相似的行数与总行数的占比并将其作为所述最左一列的像素点和所述最右一列的像素点之间的颜色相似度。

11.一种数据处理装置，其特征在于，该装置包括：

获取模块，获取待识别的图像；及获取所述图像中左边界区域和右边界区域的像素点的颜色值；

确定模块，根据所述左边界区域和所述右边界区域的像素点的颜色值，确定所述左边界区域中各列的像素点和右边界区域中各列的像素点之间的颜色相似度；根据所述颜色相似度，确定所述图像的类型，所述类型包括全景或非全景；及将所确定的所述图像的类型与所述图像相关联；

查找模块，响应于针对所述图像的类型查询请求，查找与所述图像相关联的所述图像的类型；及将所述图像的类型携带在所述类型查询请求的响应中；

其中，所述确定模块，进一步用于针对最左一列中每一行的像素点执行如下处理：分别计算所述最左一列中第n行的像素点的颜色值和最右一列中至少一行的像素点的颜色值之间的差值，所述至少一行包括：第n-1行、第n行和/或第n+1行；根据计算得到的所述差值确定所述最左一列中第n行和所述最右一列中第n行的差异度；及当该差异度不超过预定第二阈值时，确定所述最左一列中第n行和所述最右一列中第n行是相似的；及确定所述最左一列与最右一列中相似的行数与总行数的占比并将其作为所述最左一列的像素点和所述最右一列的像素点之间的颜色相似度。

12.一种存储介质，其特征在于，存储有计算机可读指令，可以使至少一个处理器执行如权利要求1至9任一项所述的方法。

13.一种计算设备，其特征在于，所述计算设备包括处理器和存储装置；

所述存储装置中存储有计算机应用程序指令，所述处理器调用所述程序指令，用于执行如权利要求1-9任一项所述的方法。

Images