CN108776970A - 图像处理方法和装置 - Google Patents

Abstract

本发明提供的一种图像处理方法和装置。该方法包括：获取待裁剪图像；识别所述待裁剪图像中的显著性区域；提取所述待裁剪图像中的关键区域；根据所述显著性区域的位置以及所述关键区域的位置确定裁剪中心；根据目标图像尺寸以及所述裁剪中心对所述待裁剪图像进行裁剪，得到目标图像。本发明通过识别待裁剪图像中的显著性区域和提取待裁剪图像中的关键区域确定裁剪中心，并根据目标图像尺寸以及裁剪中心实现裁剪，使得能够保留关键区域和/或显著性区域，并将待裁剪图像裁剪成目标图像尺寸，不会破坏图像原本想要表达的信息，不会出现图像内容变形扭曲。

Description

图像处理方法和装置

技术领域

本发明涉及图像处理技术领域，特别是涉及一种图像处理方法和装置。

背景技术

随着移动终端智能化程度越来越高，移动终端的应用也越来越广泛，尤其 是随着即时聊天工具的普及化，人们在即时聊天工具上通过图像进行相互沟通， 不可避免的涉及发送图像尺寸的大小会影响发送时间，例如，发送图像的尺寸 过大，会导致对方接收时间延长，影响沟通效率，因此对图像的尺寸大小要求 也越来越高。

传统技术中，通过插入四周图像像素的均值像素对图像进行补全或者删除， 直接将原始图像裁剪成用户所需的目标图像尺寸。

但是，传统技术中直接调整图像大小容易将图像内容进行破坏，易出现变 形扭曲，进而丢失图像原本想要表达的信息。

发明内容

基于此，有必要针对直接调整图片大小容易将图片内容进行破坏，丢失图 片原本想要表达的信息，易出现变形扭曲的问题，提供一种图像处理方法和装 置。

第一方面，本发明实施例提供一种图像处理方法，包括：

获取待裁剪图像；

识别所述待裁剪图像中的显著性区域；

提取所述待裁剪图像中的关键区域；

根据所述显著性区域的位置以及所述关键区域的位置确定裁剪中心；

根据目标图像尺寸以及所述裁剪中心对所述待裁剪图像进行裁剪，得到目 标图像。

在其中一个实施例中，所述识别所述待裁剪图像中的显著性区域的步骤包 括：

将所述待裁剪图像中的全部像素点的值和所述待裁剪图像中全部像素点的 平均值进行比较，确定所述待裁剪图像中的显著性区域。

在其中一个实施例中，所述提取所述待裁剪图像中的关键区域的步骤包括：

获取所述待裁剪图像的特征层；

通过卷积神经网络对所述特征层进行扫描，确定所述关键区域。

在其中一个实施例中，所述关键区域包括人脸区域；

通过卷积神经网络对所述特征层进行扫描，确定所述关键区域包括：

通过人脸检测算法对所述特征层进行扫描，得到所述人脸区域。

在其中一个实施例中，所述根据所述显著性区域的位置以及所述关键区域 的位置确定裁剪中心的步骤包括：

获取所述显著性区域在所述待裁剪图像中的坐标以及所述关键区域在所述 待裁剪图像中的坐标；

根据所述显著性区域以及所述关键区域获取平衡系数；

根据所述平衡系数对所述显著性区域位置的坐标及关键区域位置的坐标进 行融合计算，得到所述裁剪中心的坐标。

在其中一个实施例中，所述根据所述显著性区域以及所述关键区域获取平 衡系数的步骤包括：

获取预先设置的多个初始平衡系数；

利用所述多个初始平衡系数中的每一个初始平衡系数，对所述显著性区域 位置的坐标及关键区域位置的坐标进行融合计算，得到多个裁剪中心的初始坐 标；

接收用户根据多个裁剪中心的初始坐标确定的所述裁剪中心的坐标，根据 确定的所述裁剪中心的坐标，选定所述平衡系数。

在其中一个实施例中，所述根据目标图像尺寸以及所述裁剪中心对所述待 裁剪图像进行裁剪，得到目标图像的步骤包括：

获取目标图像的尺寸比例；

根据所述目标图像的尺寸比例以及所述裁剪中心，获取最大可裁剪区域；

根据所述最大可裁剪区域对所述待裁剪图像进行裁剪，得到裁剪后的初始 目标图像；

根据所述目标图像尺寸对所述初始目标图像进行等比例缩放，得到所述目 标图像。

第二方面，本发明实施例提供一种图像处理装置，包括：

图像获取模块，用于获取待裁剪图像；

区域识别模块，用于识别所述待裁剪图像中的显著性区域；

区域提取模块，用于提取所述待裁剪图像中的关键区域；

中心确定模块，用于根据所述显著性区域的位置以及所述关键区域的位置 确定裁剪中心；

图像裁剪模块，用于根据目标图像尺寸以及所述裁剪中心对所述待裁剪图 像进行裁剪，得到目标图像。

在其中一个实施例中，所述区域识别模块，具体用于将所述待裁剪图像中 的全部像素点的值和所述待裁剪图像中全部像素点的平均值进行比较，确定所 述待裁剪图像中的显著性区域。

在其中一个实施例中，所述区域提取模块，具体包括：

特征层获取单元，用于获取所述待裁剪图像的特征层；

特征层扫描单元，用于通过卷积神经网络对所述特征层进行扫描，确定所 述关键区域。

在其中一个实施例中，所述特征层扫描单元，具体用于通过人脸检测算法 对所述特征层进行扫描，得到所述人脸区域。

在其中一个实施例中，所述中心确定模块，具体包括：

坐标获取单元，用于获取所述显著性区域在所述待裁剪图像中的坐标以及 所述关键区域在所述待裁剪图像中的坐标；

系数获取单元，用于根据所述显著性区域以及所述关键区域获取平衡系数；

坐标计算单元，用于根据所述平衡系数对所述显著性区域位置的坐标及关 键区域位置的坐标进行融合计算，得到所述裁剪中心的坐标。

在其中一个实施例中，所述系数获取单元，具体包括：

初始系数获取子单元，用于获取预先设置的多个初始平衡系数；

融合计算子单元，具体用于利用所述多个初始平衡系数中的每一个初始平 衡系数，对所述显著性区域的坐标及关键区域位置的坐标进行融合计算，得到 多个裁剪中心的初始坐标；

系数确定子单元，用于接收用户根据多个裁剪中心的初始坐标确定的所述 裁剪中心的坐标，根据确定的所述裁剪中心的坐标，选定所述平衡系数。

在其中一个实施例中，所述图像裁剪模块，具体包括：

比例获取单元，用于获取目标图像的尺寸比例；

最大可裁剪区域获取单元，用于根据所述目标图像的尺寸比例以及所述裁 剪中心，获取最大可裁剪区域；

初始图像裁剪单元，用于根据所述最大可裁剪区域对所述待裁剪图像进行 裁剪，得到裁剪后的初始目标图像；

缩放单元，用于根据所述目标图像尺寸对所述初始目标图像进行等比例缩 放，得到所述目标图像。

第三方面，本发明实施例提供的一种电子设备，包括存储器、处理器，所 述存储器上存储有可在处理器上运行的计算机程序，所述处理器执行所述计算 机程序时实现以下步骤：

获取待裁剪图像；

识别所述待裁剪图像中的显著性区域；

提取所述待裁剪图像中的关键区域；

根据所述显著性区域的位置以及所述关键区域的位置确定裁剪中心；

根据目标图像尺寸以及所述裁剪中心对所述待裁剪图像进行裁剪，得到目 标图像。

第四方面，本发明实施例提供的一种非暂态计算机可读存储介质，包括存 储器、处理器，所述存储器上存储有可在处理器上运行的计算机程序，所述处 理器执行所述计算机程序时实现以下步骤：

获取待裁剪图像；

识别所述待裁剪图像中的显著性区域；

提取所述待裁剪图像中的关键区域；

根据所述显著性区域的位置以及所述关键区域的位置确定裁剪中心；

根据目标图像尺寸以及所述裁剪中心对所述待裁剪图像进行裁剪，得到目 标图像。

本实施例提供的图像处理方法和装置，通过获取待裁剪图像，识别所述待 裁剪图像中的显著性区域，并提取所述待裁剪图像中的关键区域，然后根据所 述显著性区域的位置以及所述关键区域的位置确定裁剪中心，最后根据目标图 像尺寸以及所述裁剪中心对所述待裁剪图像进行裁剪，以得到目标图像。由于 电子设备可以通过显著性区域的位置以及关键区域的位置确定裁剪中心，并根 据目标图像尺寸以及裁剪中心对待裁剪图像进行裁剪，使得既能够保留关键区 域又能够保留显著性区域，将待裁剪图像裁剪成目标图像尺寸，不会破坏图像 原本想要表达的信息，不会出现图像内容变形扭曲。

附图说明

图1为一个实施例提供的图像处理方法的流程示意图；

图2为一个实施例提供获取待裁剪图像中关键区域的方法流程示意图；

图3为一个实施例提供获取目标图像的方法流程示意图；

图4为又一个实施例提供获取裁剪中心坐标的方法流程示意图；

图5为又一个实施例提供获取裁剪中心初始坐标的方法流程示意图；

图6a-图6e为一个实施例提供的图像处理方法具体步骤及效果示意图；

图7为一个实施例提供的一种图像处理装置的结构示意图；

图8为又一个实施例提供的一种图像处理装置的具体结构示意图；

图9为又一个实施例提供的一种图像处理装置的具体结构示意图；

图10为一个实施例中电子设备的硬件结构示意图；

图11为一个实施例中电子设备的内部结构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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做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。

本实施例提供的图片处理方法，可以适用于电子设备中。该设备可以为智 能手机、平板电脑、笔记本电脑、台式电脑或个人数字助理等具有图像处理功 能的电子设备，本实施例对电子设备的具体形式不做限定。

需要说明的是，本发明实施例提供的图片处理方法，其执行主体可以是图 片处理装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为图片 处理设备的部分或者全部。可选的，该图片处理设备可以为智能手机、平板电 脑、笔记本电脑、台式电脑或个人数字助理等具有图像处理功能的电子设备， 本实施例对电子设备的具体形式并不做限定。下述方法实施例的执行主体以电 子设备为例来进行说明。

为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并 结合附图，对本发明实施例中的技术方案的进一步详细说明。应当理解，此处 所描述的具体实施例仅用以解释本发明，并不用于限定发明。

图1为一个实施例提供的图像处理方法的流程示意图，本实施例涉及的是 电子设备根据获得的待裁剪图像中的显著性区域的位置和获得的待裁剪图像中 的关键区域确定裁剪中心，并根据裁剪中心和目标图像尺寸对待裁剪图像进行 裁剪的具体过程。如图1所示，该方法包括：

S101、获取待裁剪图像。

具体的，电子设备获取的待裁剪图像，可以是通过摄像头等图像获取装置 实时采集的图像，也可以是从其他设备等导入的图像，还可以是从云端下载的 图像等。可选的，待裁剪图像的获取方式可以是使用功能具有拍照功能的终端 设备即使拍摄的图像，还可以是从终端设备本地存储的图像中选取的图像，当 然还可以是通过互联网下载下来的图像，对此本实施例并不做限定。

S102、识别所述待裁剪图像中的显著性区域。

具体的，显著性区域是指图像中具有显著性特征的区域。电子设备采用显 著性检测算法对待裁剪图像中的显著性区域进行识别，该显著性区域可以为图 像中包含商品标志、食品标志、车牌标志和/或建筑标志的区域，上述显著性区 域可以为矩形、方形、圆形等区域，对此本实施例并不做限定。

S103、提取所述待裁剪图像中的关键区域。

具体的，关键区域是指图像中具有关键特征待裁剪的区域。电子设备采用 关键区域检测算法对待裁剪图像中的关键区域进行提取，该关键区域可以为图 像中包含人的脸部和/或动物的脸部的区域，上述关键区域可以为矩形、方形、 圆形等区域，对此本实施例并不做限定。

S104、根据所述显著性区域的位置以及所述关键区域的位置确定裁剪中心。

具体的，电子设备根据识别出的图像显著性区域的位置和提取出的图像关 键区域的位置确定裁剪中心，该显著性区域的位置是指显著性区域在图像中的 相对位置。可选的，当显著性区域为矩形/方形时，可以通过矩形/方形四角中至 少两角坐标获取显著性区域的位置，当显著性区域为圆形时，可以通过圆心及 圆周上的至少两点坐标获取显著性区域的位置，还可以通过圆周上的多点坐标 获取显著性区域的位置，对此本实施例并不做限定。可选的，当关键区域为矩 形/方形时，可以通过矩形/方形四角中至少两角坐标获取关键区域的位置，当关 键区域为圆形时，可以通过圆周上的至少两点坐标获取关键区域的位置，还可 以通过圆周上的多点坐标获取关键区域的位置，对此本实施例并不做限定。

S105、根据目标图像尺寸以及所述裁剪中心对所述待裁剪图像进行裁剪， 得到目标图像。

具体的，目标图像尺寸是指预先设定好的想要得到的图像尺寸，电子设备 在确定裁剪中心之后，则根据目标图像尺寸和裁剪中心的相对位置，以裁剪中 心为中心，以目标图像尺寸为参照，对图像进行裁剪。

本实施例提供的图像处理方法，电子设备首先获取待裁剪图像，识别所述 待裁剪图像中的显著性区域，提取所述待裁剪图像中的关键区域，根据所述显 著性区域的位置以及所述关键区域的位置确定裁剪中心，根据目标图像尺寸以 及所述裁剪中心对所述待裁剪图像进行裁剪，从而得到目标图像。该图像处理 方法既考虑到了显著性区域的信息又考虑到了关键性区域的信息，准确度更高， 并且使得同时保留关键区域和显著性区域的同时，将待裁剪图像裁剪成目标图 像尺寸，不会破坏图像原本想要表达的信息，也不会出现图像内容变形扭曲。

在其中一个实施例中，S102中电子设备识别待裁剪图像中的显著性区域， 可以通过该以下所述方法实现，具体包括：将所述待裁剪图像中的全部像素点 的值和所述待裁剪图像中全部像素点的平均值进行比较，确定所述待裁剪图像 中的显著性区域。

可选的，电子设备基于颜色信息的显著性检测算法获得图像中每个像素点 的值对应的显著性概率，并将整个像素点的值范围进行分区得到多个区间，图 像中的每个像素值都可以被分到多个区间中的任一区间中，再选择每个区间中 的平均显著性概率最大的区间作为显著性区域。可选的，该显著性概率可以表 征为每个像素点的值和该像素点的值所在区间的像素点的平均值的差距。作为 具体的实施例，分区的数目为8，一方面，可以减少数目过多造成计算速度慢获 取显著性区域的效果会变差；另一方面，可以避免数目过少造成获取显著性区 域的误差较大。例如，整个像素点的值范围为0～255，将其分为八个区间分别为 0～31,32～63,64～95,96～127,128～159,160～191,192～223,224～255，图像中每个像素 点的值都会对应到这八个区间中的任一区间内，再计算对应后各个区间的平均 显著性概率，最后确定最大平均显著性概率对应的区间为显著性区域。

本实施例提供的图像处理方法，电子设备可以将待裁剪图像中的全部像素 点的值和待裁剪图像中全部像素点的平均值进行比较，确定待裁剪图像中的显 著性区域。由于电子设备利用待裁剪图像中像素点的平均值和待裁剪图像中的 全部像素点的值进行对比，以便检测整张待裁剪图像，检测范围较广，从而可 以得到整张待裁剪图像的显著性区域。

在其中一个实施例中，上述S103中电子设备提取所述待裁剪图像中的关键 区域，可以通过图2所述的方法实现，具体为：

S1031、获取所述待裁剪图像的特征层。

需要说明的是，电子设备可以通过卷积神经网络模型对待裁剪图像进行分 解，获取待裁剪图像的特征层，可选的，该特征层可以为一个，也可以为多个， 对此本实施例并不做限定。

S1032、通过卷积神经网络对所述特征层进行扫描，确定所述关键区域。

需要说明的是，电子设备通过卷积神经网络模型对上述获得的待裁剪图像 的特征层进行扫描，确定关键区域。可选的，该特征层可以为一个，也可以为 多个，可选的，扫描次数可以为一次，也可以为多次，对此本实施例并不做限 定。

本实施例提供的图像处理方法，电子设备获取待裁剪图像的特征层，并通 过卷积神经网络对特征层进行扫描，确定关键区域。由于电子设备通过卷积神 经网络模型对获取的待裁剪图像的特征层进行扫描，有可能只需一次扫描就可 以确定关键区域，从而提高检测关键区域的速度。

为了更准确的对人脸进行识别，上述关键区域可以包含人脸区域，通过卷 积神经网络对特征层进行扫描，确定关键区域，具体包括：通过人脸检测算法 对所述特征层进行扫描，得到所述人脸区域。

可选的，电子设备通过人脸检测算法对获得的图像特征层进行扫描，可选 的，该人脸检测算法可以为基于几何特征的方法，还可以为基于局部特诊分析 的方法，当然还可以为特征脸的方法，可选的，扫描次数可以为一次，还可以 为多次，对此本实施并不做限定。

本实施例提供的图像处理方法，关键区域可以包含人脸区域，电子设备通 过人脸检测算法对特征层进行扫描，得到人脸区域。由于电子设备通过人脸检 测算法对包含人脸区域图像的特征层进行扫描，从而得到包含人脸图像的人脸 区域。

在其中一个实施例中，上述S105中电子设备根据目标图像尺寸以及所述裁 剪中心对所述待裁剪图像进行裁剪，得到目标图像，可以通过图3所示的方法 实现，具体为：

S1051、获取目标图像的尺寸比例。

可选的，目标图像可以为矩形图像，还可以为圆形图像，对此本实施例并 不做限定。可选的，当目标图像为一个矩形图像时，目标图像的尺寸比例可以 为目标矩形图像的长宽比例，当目标图像为一个圆形图时，目标图像的尺寸比 例可以为目标圆形图像的半径。

S1052、根据所述目标图像的尺寸比例以及所述裁剪中心，获取最大可裁剪 区域。

需要说明的是，通过目标图像的尺寸比例和确定的裁剪中心获取最大可裁 剪区域。最大可裁剪区域与待裁剪的图像的实际尺寸相关，即最大可裁剪区域 是由目标图像的尺寸比例和待裁剪图像的边界确定。可选的，最大裁剪区域可 以为矩形区域、方形区域、圆形区域等，对此本实施并不做限定。例如，待裁 剪图像尺寸比例为1:2，待裁剪图像中心为(0,0)，确定裁剪中心为(0,0)，目 标图像尺寸比例为2:1，那么，以裁剪中心向四周进行裁剪，获取以(0,0)为中 心的最大可裁剪区域尺寸比例为2:1。

S1053、根据所述最大可裁剪区域对所述待裁剪图像进行裁剪，得到裁剪后 的初始目标图像。

可选的，电子设备根据获得的最大可裁剪区域对待裁剪图像进行裁剪，得 到裁剪后的初始目标图像，可选的，初始目标图像尺寸比例可以为目标图像尺 寸比例，也可以小于目标图像尺寸比例。其中，裁剪后的初始目标图像为最大 可裁剪图像，最大可裁剪图像不一定等于目标裁剪图像尺寸。

S1054、根据所述目标图像尺寸对所述初始目标图像进行等比例缩放，得到 所述目标图像。

可选的，当初始目标图像尺寸比例小于目标图像尺寸比例时，电子设备可 以根据目标图像尺寸对该初始目标图像进行等比例缩放，从而得到目标图像尺 寸比例。例如，目标图像尺寸比例为2:1，裁剪后最大可裁剪图像尺寸比例为2:1， 则需要将裁剪后的最大可裁剪图像尺寸比例缩放到目标图像尺寸比例。

本实施例提供的图像处理方法，电子设备通过确定裁剪中心，裁剪最大可 裁剪图像，并按照目标图像尺寸对最大可裁剪图像进行等比例缩放，从而既能 够保留关键区域又能够保留显著性区域，将待裁剪图像裁剪成目标尺寸，不会 破坏图像原本想要表达的信息，不会出现图像内容变形扭曲。

图4为又一个实施例提供的图像处理方法的流程示意图。如图3所示，该 方法具体包括：

S1041、获取所述显著性区域在所述待裁剪图像中的坐标以及所述关键区域 在所述待裁剪图像中的坐标。

需要说明的是，当显著性区域和关键区域均为矩形区域时，电子设备可以 获取显著性区域在待裁剪图像中的四个坐标中任意两个坐标，其中，左下角坐 标为(x11，y11)，右下角坐标为(x12，y12)，右上角坐标为(x13，y13)，左 上角坐标为(x14，y14)，并且可以获取关键区域在待裁剪图像中的四个坐标中 任意两个坐标，其中，左下角坐标为(x21，y21)，右下角坐标为(x22，y22)， 右上角坐标为(x23，y23)，左上角坐标为(x24，y24)。另外，获得显著性区 域在待裁剪图像中的四个坐标中的两个坐标为左上角坐标和右下角坐标，并且 获得关键区域在待裁剪图像中的四个坐标中的两个坐标为左上角坐标和右下角 坐标。

S1042、根据所述显著性区域以及所述关键区域获取平衡系数。

需要说明的是，电子设备通过获得的显著性区域在待裁剪图像中的两角坐 标计算显著性区域在待裁剪图像中的中心点，并通过获得的关键区域在待裁剪 图像中的两角坐标计算关键区域在待裁剪图像中的中心点，通过确定的显著性 区域在待裁剪图像中的中心点和关键区域在待裁剪图像中的中心点获取平衡系 数。

S1043、根据所述平衡系数对所述显著性区域位置的坐标及关键区域位置的 坐标进行融合计算，得到所述裁剪中心的坐标。

需要说明的是，电子设备通过获得的平衡系数对上述确定的显著性区域在 待裁剪图像中的中心点和关键区域在待裁剪图像中的中心点进行融合计算，得 到所述裁剪中心的坐标。

本实施例提供的图像处理方法，电子设备可以将显著性区域中心点和关键 区域中心点进行融合得到裁剪中心的坐标，本实施例确定裁剪中心的方法准确 度更高，使得既能够保留关键区域又能够保留显著性区域，将待裁剪图像裁剪 成目标图像尺寸，不会破坏图像原本想要表达的信息，也不会出现图像内容变 形扭曲。

在其中一个实施例中，上述S1042中电子设备根据所述显著性区域以及所 述关键区域获取平衡系数，可以通过图5所示的方法实现，具体为：

S1142、获取预先设置的多个初始平衡系数。

需要说明的是，上述初始平衡系数的取值范围可以为[0,1],初始平衡系数可 以是预先设置的，取值可以在平衡系数取值范围[0,1]内的任何数值，在本实施例 中，预先设置的初始平衡系数的数目至少为2个以上的任意数值。

S1242、利用所述多个初始平衡系数中的每个初始平衡系数，对所述显著性 区域位置的坐标及关键区域位置的坐标进行融合计算，得到多个裁剪中心的初 始坐标。

需要说明的是，通过每个初始平衡系数对显著性区域的中心坐标及关键区 域的中心坐标进行融合，得到该初始平衡系数对应的裁剪中心的初始坐标。

S1342、接收用户根据多个裁剪中心的初始坐标确定的所述裁剪中心的坐标， 根据确定的所述裁剪中心的坐标，选定所述平衡系数。

需要说明的是，电子设备将获得的多个裁剪中心的初始坐标作为对应的多 个裁剪中心的坐标，根据多个裁剪中心的坐标进行裁剪，通过裁剪结果确定最 佳平衡系数。

可选的，上述裁剪中心的坐标可以通过公式P(x,y)＝αF(x,y)+(1-α)S(x,y)计算，其中，P(x,y)代表裁剪中心的坐标，F(x,y)代表关键区域中心点的坐标，S(x,y)代 表显著性区域的中心点的坐标，α为平衡系数。

本实施例提供的图像处理方法，电子设备获取预先设置的多个初始平衡系 数，利用多个初始平衡系数中的每个初始平衡系数，对显著性区域的坐标及关 键区域位置的坐标进行融合计算，得到多个裁剪中心的初始坐标，接收用户根 据多个裁剪中心的初始坐标确定的裁剪中心的坐标，根据确定的所述裁剪中心 的坐标，选定平衡系数。由于电子设备预先设定多个初始平衡系数，根据每个 初始平衡系数对显著性区域的坐标及关键区域位置的坐标进行融合，从而得到 多个裁剪中心的初始坐标，使得得到的裁剪中心的初始坐标既考虑到了显著性 区域的信息又考虑到了关键性区域的信息，使得获得的裁剪中心的准确度更高。

为了便于本领域技术人员的理解，以待裁剪图像为包含人的图像，关键区 域为图像中关键人物的脸部区域，显著性区域为图像中关键人物的衣服区域为 例介绍本发明提供的图像处理方法，具体的，该方法包括：

S601、获取待裁剪含人图像；

S602、将待裁剪含人图像中的全部像素点的值和所述待裁剪含人图像中全 部像素点的平均值进行比较，确定所述待裁剪含人图像中的显著性区域，所述 显著性区域表征关键人物的衣服区域；

S603、获取所述待裁剪含人图像的特征层；

S604、通过卷积神经网络对所述特征层进行扫描，确定所述关键区域，所 述关键区域表征关键人物的脸部区域；

S605、获取所述显著性区域在所述待裁剪含人图像中的坐标以及所述关键 区域在所述待裁剪含人图像中的坐标；

S606、根据所述显著性区域以及所述关键区域获取平衡系数，其中，平衡 系数默认为0.7；

S607、根据所述平衡系数对所述显著性区域位置的坐标及关键区域位置的 坐标进行融合计算，得到裁剪中心的坐标；

S608、获取目标图像的尺寸比例；

S609、根据所述目标图像的尺寸比例以及所述裁剪中心，获取最大可裁剪 区域；

S610、根据所述最大可裁剪区域对所述待裁剪含人图像进行裁剪，得到裁 剪后的初始目标图像；

S611、根据所述目标图像尺寸对所述初始目标图像进行等比例缩放，得到 所述目标图像。

例如，以某个明星图像为例，当待裁剪含人图像的尺寸比例为1:2，目标图 像的尺寸比例为2:1，则确定出的显著性区域、关键区域、裁剪中心、最大可裁 剪区域和目标裁剪图像如图6a至6e所示，以上S601至S611的执行过程具体 可以参见上述实施例的描述，其实现原理和技术效果类似，在此不再赘述。

应该理解的是，虽然图1-5的流程图中的各个步骤按照箭头的指示依次显示， 但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的 说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执 行。而且，图1-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些 子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行， 这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或 者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

关于图像处理装置的具体限定可以参见上文中对于图像处理方法的限定， 在此不再赘述。上述电子设备的图像处理装置中的各个模块可全部或部分通过 软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设 备中的处理器中，也可以以软件形式存储于图像处理中的存储器中，以便于处 理器调用执行以上各个模块对应的操作。

图7为一个实施例提供的一种图像处理装置的结构示意图。如图7所示， 该装置可以包括：图像获取模块11、区域识别模块12、区域提取模块13、中心 确定模块14和图像裁剪模块15。

具体的，图像获取模块11，用于获取待裁剪图像；

区域识别模块12，用于识别所述待裁剪图像中的显著性区域；

区域提取模块13，用于提取所述待裁剪图像中的关键区域；

中心确定模块14，用于根据所述显著性区域的位置以及所述关键区域的位 置确定裁剪中心；

图像裁剪模块15，用于根据目标图像尺寸以及所述裁剪中心对所述待裁剪 图像进行裁剪，得到目标图像。

本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和 技术效果类似，在此不再赘述。

在一个实施例中，如图7所示，上述区域识别模块12，具体用于将所述待 裁剪图像的中的全部像素点的值和所述待裁剪图像中全部像素点的平均值进行 比较，确定所述待裁剪图像中的显著性区域。

本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和 技术效果类似，在此不再赘述。

在一个实施例中，如图7所示，上述区域提取模块13，具体用于获取所述 待裁剪图像的特征层；通过卷积神经网络对所述特征层进行扫描，确定所述关 键区域。

本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和 技术效果类似，在此不再赘述。

在一个实施例中，在上述图7所示实施例的基础上，如图8所示，上述关 键区域包括人脸区域；所述区域提取模块13，具体包括：人脸检测单元131。

具体的，人脸检测单元131，用于通过人脸检测算法对所述特征层进行扫描， 得到所述人脸区域。

本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和 技术效果类似，在此不再赘述。

继续参见上述图8，在上述图7所示的实施例的基础上，所述图像裁剪模块 15，具体包括：比例获取单元151、最大可裁剪区域获取单元152、初始图像裁 剪单元153和缩放单元154。

具体的，比例获取单元151，用于获取目标图像的尺寸比例；

最大可裁剪区域获取单元152，用于根据所述目标图像的尺寸比例以及所述 裁剪中心，获取最大可裁剪区域；

初始图像裁剪单元153，用于根据所述最大可裁剪区域对所述待裁剪图像进 行裁剪，得到裁剪后的初始目标图像；

缩放单元154，用于根据所述目标图像尺寸对所述初始目标图像进行等比例 缩放，得到所述目标图像。

本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和 技术效果类似，在此不再赘述。

图9为又一个实施例提供的一种图像处理装置的结构示意图。在上述图8 实施例的基础上，如图9所示，所述中心确定模块14具体包括：坐标获取单元 141、系数获取单元142和坐标计算单元143。

具体的，坐标获取单元141，用于获取所述显著性区域在所述待裁剪图像中 的坐标以及所述关键区域在所述待裁剪图像中的坐标；

系数获取单元142，用于根据所述显著性区域以及所述关键区域获取平衡系 数；

坐标计算单元143，用于根据所述平衡系数对所述显著性区域的坐标及关键 区域位置的坐标进行融合计算，得到所述裁剪中心的坐标。

本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和 技术效果类似，在此不再赘述。

继续参见图9所示，上述系数获取单元142，具体包括：初始系数获取子单 元1421、融合计算子单元1422和系数确定子单元1423。

具体的，初始系数获取子单元1421，用于获取预先设置的多个初始平衡系 数；

融合计算子单元1422，用于利用所述多个初始平衡系数中的每一个初始平 衡系数，对所述显著性区域的坐标及关键区域位置的坐标进行融合计算，得到 多个裁剪中心的初始坐标；

系数确定子单元1423，用于接收用户根据多个裁剪中心的初始坐标确定的 所述裁剪中心的坐标，根据确定的所述裁剪中心的坐标，选定所述平衡系数。

本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和 技术效果类似，在此不再赘述。

关于图像处理装置的具体限定可以参见上文中对于图像处理方法的限定， 在此不再赘述。上述图像处理装置中的各个模块可全部或部分通过软件、硬件 及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设备中的处理 器中，也可以以软件形式存储于电子设备中的存储器中，以便于处理器调用执 行以上各个模块对应的操作。

在一个实施例中，请参阅图10，图10是根据本公开实施例的电子设备的硬 件结构示意图。电子设备可以以各种形式来实施，本公开中的电子设备可以包 括但不限于诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个 人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置、车 载终端设备、车载显示终端、车载电子后视镜等等的移动终端设备以及诸如数 字TV、台式计算机等等的固定电子设备。

如图10所示，电子设备可以是终端设备1100，其包括无线通信单元1110、 A/V(音频/视频)输入单元1120、用户输入单元1130、感测单元1140、输出单 元1150、存储器1160、接口单元1170、控制器1180和电源单元1190等等。图10示出了具有各种组件的终端设备，但是应理解的是，并不要求实施所有示出 的组件。可以替代地实施更多或更少的组件。

其中，无线通信单元1110允许终端设备1100与无线通信系统或网络之间的 无线电通信。A/V输入单元1120用于接收音频或视频信号。用户输入单元1130 可以根据用户输入的命令生成键输入数据以控制终端设备的各种操作。感测单 元1140检测终端设备1100的当前状态、终端设备1100的位置、用户对于终端 设备1100的触摸输入的有无、终端设备1100的取向、终端设备1100的加速或 减速移动和方向等等，并且生成用于控制终端设备1100的操作的命令或信号。 接口单元1170用作至少一个外部装置与终端设备1100连接可以通过的接口。 输出单元1150被构造为以视觉、音频和/或触觉方式提供输出信号。存储器1160 可以存储由控制器1180执行的处理和控制操作的软件程序等等，或者可以暂时 地存储己经输出或将要输出的数据。存储器1160可以包括至少一种类型的存储 介质。而且，终端设备1100可以与通过网络连接执行存储器1160的存储功能 的网络存储装置协作。控制器1180通常控制终端设备的总体操作。另外，控制 器1180可以包括用于再现或回放多媒体数据的多媒体模块。控制器1180可以 执行模式识别处理，以将在触摸屏上执行的手写输入或者图片绘制输入识别为 字符或图像。电源单元1190在控制器1180的控制下接收外部电力或内部电力 并且提供操作各元件和组件所需的适当的电力。

本发明实施例的电子设备以多种形式存在，包括但不限于：

(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、 数据通信为主要目标。这类终端包括：智能手机(例如iPhone)、多媒体手机、功 能性手机，以及低端手机等。

(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和 处理功能，一般也具备移动上网特性。这类终端包括：PDA、MID和UMPC设 备等，例如iPad。

(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包 括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携 式车载设备。

(4)服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内 存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠 的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等 方面要求较高。

(5)其他具有数据交互功能的电子装置。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。

在一个实施例中，提供了一种电子设备，该电子设备可以是终端，其内部 结构图可以如图11所示。该电子设备包括通过系统总线连接的处理器、存储器、 网络接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控 制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性 存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的 操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的 终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像处理方 法。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备 的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关 的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定， 具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件， 或者具有不同的部件布置。

在一个实施例中，提供了一种电子设备，包括存储器和处理器，存储器中 存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取待裁剪图像；

识别所述待裁剪图像中的显著性区域；

提取所述待裁剪图像中的关键区域；

根据所述显著性区域的位置以及所述关键区域的位置确定裁剪中心；

根据目标图像尺寸以及所述裁剪中心对所述待裁剪图像进行裁剪，得到目 标图像。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将所述待裁剪图像的中的全部像素点的值和所述待裁剪图像中全部像素点 的平均值进行比较，确定所述待裁剪图像中的显著性区域。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取所述待裁剪图像的特征层；通过卷积神经网络对所述特征层进行扫描， 确定所述关键区域。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：所述关键区 域包括人脸区域；所述通过卷积神经网络对所述特征层进行扫描，确定所述关 键区域具体实现以下步骤：

通过人脸检测算法对所述特征层进行扫描，得到所述人脸区域。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取目标图像的尺寸比例；根据所述目标图像的尺寸比例以及所述裁剪中 心，获取最大可裁剪区域；根据所述最大可裁剪区域对所述待裁剪图像进行裁 剪，得到裁剪后的初始目标图像；根据所述目标图像尺寸对所述初始目标图像 进行等比例缩放，得到所述目标图像。

上述实施例提供的电子设备，其实现原理和技术效果与上述方法实施例类 似，在此不再赘述。

在一个实施例中，还提供了一种非暂态计算机可读存储介质，其上存储有 计算机程序，计算机程序被处理器执行时实现以下步骤：

获取待裁剪图像；

识别所述待裁剪图像中的显著性区域；

提取所述待裁剪图像中的关键区域；

根据所述显著性区域的位置以及所述关键区域的位置确定裁剪中心；

根据目标图像尺寸以及所述裁剪中心对所述待裁剪图像进行裁剪，得到目 标图像。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将所述待裁剪图像的中的全部像素点的值和所述待裁剪图像中全部像素点 的平均值进行比较，确定所述待裁剪图像中的显著性区域。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取所述待裁剪图像的特征层；通过卷积神经网络对所述特征层进行扫描， 确定所述关键区域。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述关键 区域包括人脸区域；所述提取所述待裁剪图像中的关键区域具体实现以下步骤：

通过人脸检测算法对所述特征层进行扫描，得到所述人脸区域。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取目标图像的尺寸比例；根据所述目标图像的尺寸比例以及所述裁剪中 心，获取最大可裁剪区域；根据所述最大可裁剪区域对所述待裁剪图像进行裁 剪，得到裁剪后的初始目标图像；根据所述目标图像尺寸对所述初始目标图像 进行等比例缩放，得到所述目标图像。

上述实施例提供的非暂态计算机可读存储介质，其实现原理和技术效果与 上述方法实施例类似，在此不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程， 是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于 一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述 各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、 存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。 非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程 ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可 包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限， RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步 DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM (ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus) 直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器 总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述 实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特 征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细， 但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域 的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和 改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附 权利要求为准。

Claims (10)

1.一种图像处理方法，其特征在于，包括：

获取待裁剪图像；

识别所述待裁剪图像中的显著性区域；

提取所述待裁剪图像中的关键区域；

根据所述显著性区域的位置以及所述关键区域的位置确定裁剪中心；

根据目标图像尺寸以及所述裁剪中心对所述待裁剪图像进行裁剪，得到目标图像。

2.根据权利要求1所述的方法，其特征在于，所述识别所述待裁剪图像中的显著性区域的步骤包括：

将所述待裁剪图像中的全部像素点的值和所述待裁剪图像中全部像素点的平均值进行比较，确定所述待裁剪图像中的显著性区域。

3.根据权利要求1所述的方法，其特征在于，所述提取所述待裁剪图像中的关键区域的步骤包括：

获取所述待裁剪图像的特征层；

通过卷积神经网络对所述特征层进行扫描，确定所述关键区域。

4.根据权利要求3所述的方法，其特征在于，所述关键区域包括人脸区域；

所述通过卷积神经网络对所述特征层进行扫描，确定所述关键区域包括：

通过人脸检测算法对所述特征层进行扫描，得到所述人脸区域。

5.根据权利要求1-4中任意一项所述的方法，其特征在于，所述根据所述显著性区域的位置以及所述关键区域的位置确定裁剪中心的步骤包括：

获取所述显著性区域在所述待裁剪图像中的坐标以及所述关键区域在所述待裁剪图像中的坐标；

根据所述显著性区域以及所述关键区域获取平衡系数；

根据所述平衡系数对所述显著性区域的坐标及关键区域位置的坐标进行融合计算，得到所述裁剪中心的坐标。

6.根据权利要求5所述的方法，其特征在于，所述根据所述显著性区域以及所述关键区域获取平衡系数的步骤包括：

获取预先设置的多个初始平衡系数；

利用所述多个初始平衡系数中的每个初始平衡系数，对所述显著性区域位置的坐标及关键区域位置的坐标进行融合计算，得到多个裁剪中心的初始坐标；

接收用户根据多个裁剪中心的初始坐标确定的所述裁剪中心的坐标，根据确定的所述裁剪中心的坐标，选定所述平衡系数。

7.根据权利要求1所述的方法，其特征在于，所述根据目标图像尺寸以及所述裁剪中心对所述待裁剪图像进行裁剪，得到目标图像的步骤包括：

获取目标图像的尺寸比例；

根据所述目标图像的尺寸比例以及所述裁剪中心，获取最大可裁剪区域；

根据所述最大可裁剪区域对所述待裁剪图像进行裁剪，得到裁剪后的初始目标图像；

根据所述目标图像尺寸对所述初始目标图像进行等比例缩放，得到所述目标图像。

8.一种图像处理装置，其特征在于，包括：

图像获取模块，用于获取待裁剪图像；

区域识别模块，用于识别所述待裁剪图像中的显著性区域；

区域提取模块，用于提取所述待裁剪图像中的关键区域；

中心确定模块，用于根据所述显著性区域的位置以及所述关键区域的位置确定裁剪中心；

图像裁剪模块，用于根据目标图像尺寸以及所述裁剪中心对所述待裁剪图像进行裁剪，得到目标图像。

9.一种电子设备，包括存储器、处理器，所述存储器上存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。