CN109960973B - 照片的调整方法、装置、存储介质及电子设备 - Google Patents
照片的调整方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN109960973B CN109960973B CN201711408509.XA CN201711408509A CN109960973B CN 109960973 B CN109960973 B CN 109960973B CN 201711408509 A CN201711408509 A CN 201711408509A CN 109960973 B CN109960973 B CN 109960973B
- Authority
- CN
- China
- Prior art keywords
- photo
- adjusted
- terminal
- target
- photos
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000013145 classification model Methods 0.000 claims abstract description 36
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 7
- 241001465754 Metazoa Species 0.000 description 6
- 238000007635 classification algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种照片的调整方法、装置、存储介质及电子设备。该照片的调整方法包括:获取待调整的照片;利用预设图像场景分类模型,对该待调整的照片进行场景分类,确定该待调整的照片所属的目标场景类别;获取与该目标场景类别对应的目标调整参数;根据该目标调整参数,对该待调整的照片进行调整。本申请可以提高对照片进行调整的灵活性。
Description
技术领域
本申请属于图片处理技术领域,尤其涉及一种照片的调整方法、装置、存储介质及电子设备。
背景技术
许多智能终端上都安装有摄像头,包括前置摄像头和后置摄像头,并且这些摄像头的像素都已可以达到千万像素级别。用户经常会使用终端进行拍照。除了要求拍摄得到的照片足够清晰外,用户对照片的美化要求也越来越高。相关技术中,终端可以对用户拍摄得到的照片进行基于色彩直方图和色彩空间变换方法的调整。
发明内容
本申请实施例提供一种的照片的调整方法、装置、存储介质及电子设备,可以提高对照片进行调整的灵活性。
本申请实施例提供一种照片的调整方法,包括:
获取待调整的照片;
利用预设图像场景分类模型,对所述待调整的照片进行场景分类,确定所述待调整的照片所属的目标场景类别;
获取与所述目标场景类别对应的目标调整参数;
根据所述目标调整参数,对所述待调整的照片进行调整。
本申请实施例提供一种照片的调整装置,包括:
第一获取模块,用于获取待调整的照片;
确定模块,用于利用预设图像场景分类模型,对所述待调整的照片进行场景分类,确定所述待调整的照片所属的目标场景类别;
第二获取模块,用于获取与所述目标场景类别对应的目标调整参数;
调整模块,用于根据所述目标调整参数,对所述待调整的照片进行调整。
本申请实施例提供一种存储介质,其上存储有计算机程序,当所述计算机程序在计算机上执行时,使得所述计算机执行本申请实施例提供的照片的调整方法中的步骤。
本申请实施例还提供一种电子设备,包括存储器,处理器,所述处理器通过调用所述存储器中存储的计算机程序,用于执行本申请实施例提供的照片的调整方法中的步骤。
本申请实施例提供的照片的调整方法、装置、存储介质及电子设备,终端可以先确定出待调整的照片所属的目标场景类别。然后,终端可以调用与该目标场景类别对应的目标调整参数,对该待调整的照片进行调整。即,本实施例可以根据拍摄场景类别对照片进行相应的参数调整,从而提高了对照片进行调整的灵活性。
附图说明
下面结合附图,通过对本发明的具体实施方式详细描述,将使本发明的技术方案及其有益效果显而易见。
图1是本申请实施例提供的照片的调整方法的流程示意图。
图2是本申请实施例提供的照片的调整方法的另一流程示意图。
图3至图4是本申请实施例提供的照片的调整方法的场景示意图。
图5是本申请实施例提供的照片的调整装置的结构示意图。
图6是本申请实施例提供的照片的调整装置的另一结构示意图。
图7是本申请实施例提供的移动终端的结构示意图。
图8是本申请实施例提供的移动终端的另一结构示意图。
具体实施方式
请参照图式,其中相同的组件符号代表相同的组件,本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本发明具体实施例,其不应被视为限制本发明未在此详述的其它具体实施例。
可以理解的是,本申请实施例的执行主体可以是诸如智能手机或平板电脑等的终端设备。
请参阅图1,图1是本申请实施例提供的照片的调整方法的流程示意图,流程可以包括:
在步骤S101中,获取待调整的照片。
许多智能终端上都安装有摄像头,包括前置摄像头和后置摄像头,并且这些摄像头的像素都已可以达到千万像素级别。用户经常会使用终端进行拍照。除了要求拍摄得到的照片足够清晰外,用户对照片的美化要求也越来越高。相关技术中,终端可以对用户拍摄得到的照片进行基于色彩直方图和色彩空间变换方法的调整。然而,这些照片美化方法其灵活性较差。
在本申请实施例的步骤S101中,比如,终端可以先获取需要进行美化的照片,即终端可以先获取待调整的照片。
在步骤S102中,利用预设图像场景分类模型,对该待调整的照片进行场景分类,确定该待调整的照片所属的目标场景类别。
比如,在获取到待调整的照片后,终端可以利用预设图像场景分类模型,对该待调整的照片进行场景分类,并确定出该待调整的照片所属的场景类别,即目标场景类别。
需要说明的是,预设图像场景分类模型为用于对照片所属的拍摄场景进行分类的算法模型。预设图像场景分类模型可以是基于深度学习的图像分类算法模型。
照片的场景类别可以包括如人物照片、动物照片、植物照片、风景照片、室外拍摄环境、室内拍摄环境、背光拍摄环境,等等。可以理解的是,此处举例不构成对本实施例的限定。
在步骤S103中,获取与该目标场景类别对应的目标调整参数。
在步骤S104中,根据该目标调整参数,对该待调整的照片进行调整。
比如,步骤S103和S104可以包括:
该待调整的照片的内容是用户拍摄的盆栽植物,即终端确定出该待调整的照片所属的场景类别为植物照片。即,该待调整的照片所属的目标场景类别为植物照片类别。
然后,终端可以获取与植物照片类别对应的调整参数,即目标调整参数。之后,终端可以按照该目标调整参数,对该待调整的照片进行调整。
例如,终端获取的目标调整参数为用于将照片色彩调整至较为鲜亮饱满的参数,那么使用目标调整参数对待调整的照片进行调整后,照片中的盆栽植物在色彩上将变得更加鲜亮饱满。
可以理解的是,本申请实施例中,终端可以先确定出待调整的照片所属的目标场景类别。然后,终端可以调用与该目标场景类别对应的目标调整参数,对该待调整的照片进行调整。即,本实施例可以根据拍摄场景类别对照片进行相应的参数调整,从而提高了对照片进行调整的灵活性。
请参阅图2,图2为本申请实施例提供的照片的调整方法的另一流程示意图,流程可以包括:
在步骤S201中,终端获取待调整的照片。
比如,终端可以先获取需要进行美化的照片,即终端可以先获取待调整的照片。
在步骤S202中,终端统计该待调整的照片的数量。
比如,在获取到待调整的照片后,终端可以统计该待调整的照片的数量。
然后,终端可以检测该待调整的照片的数量是否达到预设阈值。
如果检测到该待调整的照片的数量未达到预设阈值,那么终端可以直接利用预设图像场景分类模型,对该待调整的照片进行场景分类,并确定该待调整的照片所属的目标场景类别。然后,终端可以获取与该目标场景类别对应的目标调整参数,并按照该目标调整参数对待调整的照片进行调整。
如果检测到该待调整的照片的数量达到预设阈值,那么进入步骤S203。
在步骤S203中,若检测到该数量达到预设阈值,则终端获取运行内存总容量,以及当前被占用的运行内存容量。
比如,预设阈值为8张,而当前需要进行美化的待调整的照片的数量为10张,即终端检测到待调整的照片的数量超过了预设阈值,那么可以认为终端当前需要美化的照片的数量较多。此时,终端可以获取本终端的运行内存总容量,以及当前被占用的运行内存容量。
可以理解的是,运行内存通常指终端的随机存储器(Random Access Memory,RAM)。
在步骤S204中,终端计算该当前被占用的运行内存容量占该运行内存总容量的百分比。
比如,在获取到终端的运行内存总容量,以及当前被占用的运行内存容量之后,终端可以计算该当前被占用的运行内存容量占该运行内存总容量的百分比。可以理解的是,该百分比可以用于表示终端运行内存的当前占用率。
然后,终端可以检测该百分比是否小于预设比率。
如果检测到该百分比大于或等于预设比率,那么可以认为当前运行内存占用率较高,同时由于当前需要进行美化的照片的数量较多。在这种情况下,为了避免因对数量较多的照片进行处理导致的运行内存不足进而引起终端卡顿,终端可以暂时先去执行其它操作。或者,终端可以先处理部分需要进行美化的照片,并在检测到运行内存占用率低于预设比率时,再处理剩余的需要进行美化的照片。
如果检测到该百分比小于预设比率,那么进入步骤S205。
在步骤S205中,若检测到该百分比小于预设比率,则终端利用预设图像场景分类模型,对该待调整的照片进行场景分类,并确定该待调整的照片所属的目标场景类别。
比如,终端检测到当前被占用的运行内存容量占运行内存总容量的百分比为60%,而预设比率为90%。即,终端检测到该百分比小于预设比率,此时可以认为运行内存当前占用率较低,终端可以利用预设图像场景分类模型,对该待调整的照片进行场景分类,并确定该待调整的照片所属的场景类别,即目标场景类别。
需要说明的是,预设图像场景分类模型为用于对照片所属的拍摄场景进行分类的算法模型。预设图像场景分类模型可以是基于深度学习的图像分类算法模型。在一种实施方式中,机器可以先获取大量包含各种拍摄场景的照片,然后可以在人工辅助下,对这些照片进行拍摄场景类别的标定。之后,机器可以获取预先选定的深度学习算法模型,并将经过拍摄场景类别标定的照片作为训练样本,对深度学习算法模型进行训练。在训练好之后,可以将该深度学习算法模型移植到终端上,并由终端将其确定为预设图像场景分类模型。
照片的场景类别可以包括如人物照片、动物照片、植物照片、风景照片、室外拍摄环境、室内拍摄环境、背光拍摄环境,等等。可以理解的是,此处举例不构成对本实施例的限定。
在步骤S206中,终端获取与该目标场景类别对应的目标调整参数。
在步骤S207中,根据该目标调整参数,终端对该待调整的照片进行调整。
比如,步骤S206和S207可以包括:
该待调整的照片的内容是用户拍摄的盆栽植物,即终端确定出该待调整的照片所属的场景类别为植物照片。即,该待调整的照片所属的目标场景类别为植物照片类别。
然后,终端可以获取与植物照片类别对应的调整参数,即目标调整参数。之后,终端可以按照该目标调整参数,对该待调整的照片进行调整。
例如,终端获取的目标调整参数为用于将照片色彩调整至较为鲜亮饱满的参数,那么使用目标调整参数对待调整的照片进行调整后,照片中的盆栽植物在色彩上将变得更加鲜亮饱满。
在一种实施方式中,在S203中获取终端的运行内存总容量的步骤之前,还可以包括如下步骤:
终端获取当前时刻,并检测该当前时刻是否属于预设时间段;
那么,终端执行S203中获取终端的运行内存总容量的步骤时,可以包括:若检测到该当前时刻属于预设时间段,则获取终端的运行内存总容量。
比如,终端在获取到待调整的照片之后,可以获取当前时刻,并检测该当前时刻是否属于预设时间段。在一种实施方式中,预设时间段可以是用户需要频繁使用终端的时间段。也即,可以认为在预设时间段终端后台驻留有很多应用程序,此时终端的运行内存占用率较高。
如果检测到该当前时刻不属于预设时间段,那么可以认为当前终端的运行内存占用率较低,此时终端可以直接利用预设图像场景分类模型,对该待调整的照片进行场景分类,并确定该待调整的照片所属的目标场景类别。然后,终端可以获取与该目标场景类别对应的目标调整参数,并按照该目标调整参数对待调整的照片进行调整。
如果检测到该当前时刻属于预设时间段,那么可以认为当前终端的运行内存占用率可能较高,为了避免因对照片进行处理导致的运行内存占用率再次升高进而引起终端卡顿。在这种情况下,终端可以先获取终端的运行内存总容量,以及当前被占用的运行内存容量,并计算当前被占用的运行内存容量占运行内存总容量的百分比。若检测到该百分比小于预设比率,那么终端可以继续执行利用预设图像场景分类模型,对所述待调整的照片进行场景分类及其后续步骤。
在一种实施方式中,本实施例还可以包括如下步骤:
对用户使用终端的时间进行记录;
根据记录到的用户使用终端的时间,确定出用户频繁使用终端的目标时间段;
将所述目标时间段确定为预设时间段。
比如,终端可以对用户使用本终端的时间进行记录,如用户开启了一个应用,则可以认为用户使用了本终端一次。在对用户使用本终端的时间进行记录之后,终端可以据此确定出用户频繁使用本终端的时间段,即目标时间段。然后,终端可以将该目标时间段确定为预设时间段。例如,终端确定出在9:00至12:00,以及14:00至18:00这两个时间段,用户会频繁地使用本终端,那么终端可以将9:00至12:00,以及14:00至18:00这两个时间段确定为预设时间段。
可以理解的是,预设时间段即是用户会频繁使用终端的时间段,在预设时间段内一般终端后台都驻留有较多的应用程序,使得终端运行内存的占用率较高。
在另一种实施方式中,还可以将待调整的照片数量和当前时刻是否处于预设时间段这两个因素结合起来考虑。例如,在获取到待调整的照片后,终端可以先统计待调整的照片的数量。如果检测到待调整的照片的数量达到预设阈值,那么终端可以进一步获取当前时刻。如果检测到当前时刻处于预设时间段,那么终端可以获取运行内存总容量,以及当前被占用的运行内存容量,并计算当前被占用的运行内存容量占运行内存总容量的百分比。若检测到该百分比小于预设比率,那么终端可以继续执行利用预设图像场景分类模型,对所述待调整的照片进行场景分类,并确定出待调整的照片所属的目标场景类别。最后,终端可以获取与目标场景类别对应的目标调整参数,并根据目标调整参数,对各张待调整的照片进行调整。
请参阅图3至图4,图3至图4为本申请实施例提供的照片的调整方法的场景示意图。
比如,如图3所示,用户开启连拍模式,拍摄处于运动状态中的宠物。在拍摄完成后,终端可以获取刚才连拍得到的一组照片,即终端获取待调整的一组照片。
之后,终端可以统计这组照片的数量,并检测该数量是否达到预设阈值。例如,终端统计到这组照片的数量为10张,而预设阈值为8张。即,终端检测到待调整的照片的数量超过了预设阈值,那么可以认为终端当前需要美化的照片的数量较多。此时,终端可以获取本终端的运行内存总容量,以及当前被占用的运行内存容量。
例如,如图4所示,终端的运行内存总容量为4GB,而当前被占用的运行内存容量为3.0GB。之后,终端可以计算该当前被占用的运行内存容量占该运行内存总容量的百分比,并检测该百分比是否小于预设比率。例如,该百分比为75%,而预设比率为90%,那么终端可以检测该百分比小于预设比率。
然后,终端可以利用预设图像场景分类模型,对该待调整的照片进行场景分类,并确定该待调整的照片所属的场景类别,即目标场景类别。例如,终端确定出来的目标场景类别为动物照片类别。
在确定出目标场景类别为动物照片类别后,终端可以获取与动物照片类别对应的调整参数,即目标调整参数。之后,终端可以按照该目标调整参数,对连拍得到的这组照片进行调整。
请参阅图5,图5为本申请实施例提供的照片的调整装置的结构示意图。照片的调整装置300可以包括:第一获取模块301,确定模块302,第二获取模块303,以及调整模块304。
第一获取模块301,用于获取待调整的照片。
比如,第一获取模块301可以先获取需要进行美化的照片,即第一获取模块301可以先获取待调整的照片。
确定模块302,用于利用预设图像场景分类模型,对所述待调整的照片进行场景分类,确定所述待调整的照片所属的目标场景类别。
比如,在第一获取模块301获取到待调整的照片后,确定模块302可以利用预设图像场景分类模型,对该待调整的照片进行场景分类,并确定出该待调整的照片所属的场景类别,即目标场景类别。
需要说明的是,预设图像场景分类模型为用于对照片所属的拍摄场景进行分类的算法模型。预设图像场景分类模型可以是基于深度学习的图像分类算法模型。
照片的场景类别可以包括如人物照片、动物照片、植物照片、风景照片、室外拍摄环境、室内拍摄环境、背光拍摄环境,等等。可以理解的是,此处举例不构成对本实施例的限定。
第二获取模块303,用于获取与所述目标场景类别对应的目标调整参数。
调整模块304,用于根据所述目标调整参数,对所述待调整的照片进行调整。
比如,该待调整的照片的内容是用户拍摄的盆栽植物,即确定模块302确定出该待调整的照片所属的场景类别为植物照片。即,该待调整的照片所属的目标场景类别为植物照片类别。
然后,第二获取模块303可以获取与植物照片类别对应的调整参数,即目标调整参数。之后,调整模块304可以按照该目标调整参数,对该待调整的照片进行调整。
例如,终端获取的目标调整参数为用于将照片色彩调整至较为鲜亮饱满的参数,那么使用目标调整参数对待调整的照片进行调整后,照片中的盆栽植物在色彩上将变得更加鲜亮饱满。
请一并参阅图6,图6为本申请实施例提供的照片的调整装置的另一结构示意图。在一实施例中,照片的调整装置300还可以包括:第三获取模块305,统计模块306,第四获取模块307,以及记录模块308。
第三获取模块305,用于获取终端的运行内存总容量,以及当前被占用的运行内存容量;计算所述当前被占用的运行内存容量占所述运行内存总容量的百分比。
那么,所述确定模块302用于:若检测到所述百分比小于预设比率,则利用预设图像场景分类模型,对所述待调整的照片进行场景分类。
比如,在获取到待调整的照片后,第三获取模块305可以获取本终端的运行内存总容量,以及当前被占用的运行内存容量。可以理解的是,运行内存通常指终端的随机存储器(Random Access Memory,RAM)。
在获取到终端的运行内存总容量,以及当前被占用的运行内存容量之后,第三获取模块305可以计算该当前被占用的运行内存容量占该运行内存总容量的百分比。可以理解的是,该百分比可以用于表示终端运行内存的当前占用率。
然后,第三获取模块305可以检测该百分比是否小于预设比率。
如果检测到该百分比大于或等于预设比率,那么可以认为当前运行内存占用率较高。在这种情况下,为了避免因运行内存不足进而引起终端卡顿,终端可以暂时先去执行其它操作。或者,终端可以先处理部分需要进行美化的照片,并在检测到运行内存占用率低于预设比率时,再处理剩余的需要进行美化的照片。
例如,终端检测到当前被占用的运行内存容量占运行内存总容量的百分比为60%,而预设比率为90%。即,第三获取模块305检测到该百分比小于预设比率,此时终端可以利用预设图像场景分类模型,对该待调整的照片进行场景分类,并确定该待调整的照片所属的场景类别,即目标场景类别。
统计模块306,用于统计所述待调整的照片的数量。
那么,所述第三获取模块305用于:若检测到所述数量达到预设阈值,则获取终端的运行内存总容量。
比如,在获取到待调整的照片后,统计模块306可以统计该待调整的照片的数量。
然后,统计模块306可以检测该待调整的照片的数量是否达到预设阈值。
如果检测到该待调整的照片的数量未达到预设阈值,那么终端可以直接利用预设图像场景分类模型,对该待调整的照片进行场景分类,并确定该待调整的照片所属的目标场景类别。然后,终端可以获取与该目标场景类别对应的目标调整参数,并按照该目标调整参数对待调整的照片进行调整。
例如,预设阈值为8张,而当前需要进行美化的待调整的照片的数量为10张,即统计模块306检测到待调整的照片的数量超过了预设阈值,那么可以认为终端当前需要美化的照片的数量较多。此时,第三获取模块305可以获取本终端的运行内存总容量,以及当前被占用的运行内存容量。
第四获取模块307,用于获取当前时刻,并检测所述当前时刻是否属于预设时间段。
那么,所述第三获取模块305用于:若检测到所述当前时刻属于预设时间段,则获取终端的运行内存总容量。
比如,在获取到待调整的照片之后,第四获取模块307可以获取当前时刻,并检测该当前时刻是否属于预设时间段。在一种实施方式中,预设时间段可以是用户需要频繁使用终端的时间段。也即,可以认为在预设时间段终端后台驻留有很多应用程序,此时终端的运行内存占用率较高。
如果检测到该当前时刻不属于预设时间段,那么可以认为当前终端的运行内存占用率较低,此时终端可以直接利用预设图像场景分类模型,对该待调整的照片进行场景分类,并确定该待调整的照片所属的目标场景类别。然后,终端可以获取与该目标场景类别对应的目标调整参数,并按照该目标调整参数对待调整的照片进行调整。
如果检测到该当前时刻属于预设时间段,那么可以认为当前终端的运行内存占用率可能较高,为了避免因对照片进行处理导致的运行内存占用率再次升高进而引起终端卡顿。在这种情况下,第三获取模块305可以先获取终端的运行内存总容量,以及当前被占用的运行内存容量,并计算当前被占用的运行内存容量占运行内存总容量的百分比。若检测到该百分比小于预设比率,那么终端可以继续执行利用预设图像场景分类模型,对所述待调整的照片进行场景分类及其后续步骤。
记录模块308,用于对用户使用终端的时间进行记录;根据记录到的用户使用终端的时间,确定出用户频繁使用终端的目标时间段;将所述目标时间段确定为预设时间段。
比如,记录模块308可以对用户使用本终端的时间进行记录,如用户开启了一个应用,则可以认为用户使用了本终端一次。在对用户使用本终端的时间进行记录之后,记录模块308可以据此确定出用户频繁使用本终端的时间段,即目标时间段。然后,记录模块308可以将该目标时间段确定为预设时间段。例如,记录模块308确定出在9:00至12:00,以及14:00至18:00这两个时间段,用户会频繁地使用本终端,那么记录模块308可以将9:00至12:00,以及14:00至18:00这两个时间段确定为预设时间段。
可以理解的是,预设时间段即是用户会频繁使用终端的时间段,在预设时间段内一般终端后台都驻留有较多的应用程序,使得终端运行内存的占用率较高。
本申请实施例提供一种计算机可读的存储介质,其上存储有计算机程序,当所述计算机程序在计算机上执行时,使得所述计算机执行如本实施例提供的照片的调整方法中的步骤。
本申请实施例还提供一种电子设备,包括存储器,处理器,所述处理器通过调用所述存储器中存储的计算机程序,用于执行本实施例提供的照片的调整方法中的步骤。
例如,上述电子设备可以是诸如平板电脑或者智能手机等移动终端。请参阅图7,图7为本申请实施例提供的移动终端的结构示意图。
该移动终端400可以包括摄像单元401、存储器402、处理器403等部件。本领域技术人员可以理解,图7中示出的移动终端结构并不构成对移动终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
摄像单元401可以包括前置摄像头和后置摄像头等。
存储器402可用于存储应用程序和数据。存储器402存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器403通过运行存储在存储器402的应用程序,从而执行各种功能应用以及数据处理。
处理器403是移动终端的控制中心,利用各种接口和线路连接整个移动终端的各个部分,通过运行或执行存储在存储器402内的应用程序,以及调用存储在存储器402内的数据,执行移动终端的各种功能和处理数据,从而对移动终端进行整体监控。
在本实施例中,移动终端中的处理器403会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器402中,并由处理器403来运行存储在存储器402中的应用程序,从而实现步骤:
获取待调整的照片;利用预设图像场景分类模型,对所述待调整的照片进行场景分类,确定所述待调整的照片所属的目标场景类别;获取与所述目标场景类别对应的目标调整参数;根据所述目标调整参数,对所述待调整的照片进行调整。
请参阅图8,移动终端500可以包括摄像单元501、存储器502、处理器503、输入单元504、输出单元505等部件。
摄像单元501可以包括前置摄像头和后置摄像头等。
存储器502可用于存储应用程序和数据。存储器502存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器503通过运行存储在存储器502的应用程序,从而执行各种功能应用以及数据处理。
处理器503是移动终端的控制中心,利用各种接口和线路连接整个移动终端的各个部分,通过运行或执行存储在存储器502内的应用程序,以及调用存储在存储器502内的数据,执行移动终端的各种功能和处理数据,从而对移动终端进行整体监控。
输入单元504可用于接收输入的数字、字符信息或用户特征信息(比如指纹),以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
输出单元505可用于显示由用户输入的信息或提供给用户的信息以及移动终端的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。输出单元可包括显示面板。
在本实施例中,移动终端中的处理器503会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器502中,并由处理器503来运行存储在存储器502中的应用程序,从而实现步骤:
获取待调整的照片;利用预设图像场景分类模型,对所述待调整的照片进行场景分类,确定所述待调整的照片所属的目标场景类别;获取与所述目标场景类别对应的目标调整参数;根据所述目标调整参数,对所述待调整的照片进行调整。
在一种实施方式中,处理器503在执行所述获取待调整的照片的步骤之后,还可以执行:获取终端的运行内存总容量,以及当前被占用的运行内存容量;计算所述当前被占用的运行内存容量占所述运行内存总容量的百分比。
那么,处理器503在执行所述利用预设图像场景分类模型,对所述待调整的照片进行场景分类时,可以执行:若检测到所述百分比小于预设比率,则利用预设图像场景分类模型,对所述待调整的照片进行场景分类。
在一种实施方式中,处理器503在执行所述获取终端的运行内存总容量步骤之前,还可以执行:统计所述待调整的照片的数量。
那么,处理器503在执行所述获取终端的运行内存总容量时,可以执行:若检测到所述数量达到预设阈值,则获取终端的运行内存总容量。
在一种实施方式中,处理器503在执行所述获取终端的运行内存总容量的步骤之前,还可以执行:获取当前时刻,并检测所述当前时刻是否属于预设时间段。
那么,处理器503在执行所述获取终端的运行内存总容量时,可以执行:若检测到所述当前时刻属于预设时间段,则获取终端的运行内存总容量。
在一种实施方式中,处理器503还可以执行:对用户使用终端的时间进行记录;根据记录到的用户使用终端的时间,确定出用户频繁使用终端的目标时间段;将所述目标时间段确定为预设时间段。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对照片的调整方法的详细描述,此处不再赘述。
本申请实施例提供的所述照片的调整装置与上文实施例中的照片的调整方法属于同一构思,在所述照片的调整装置上可以运行所述照片的调整方法实施例中提供的任一方法,其具体实现过程详见所述照片的调整方法实施例,此处不再赘述。
需要说明的是,对本申请实施例所述照片的调整方法而言,本领域普通技术人员可以理解实现本申请实施例所述照片的调整方法的全部或部分流程,是可以通过计算机程序来控制相关的硬件来完成,所述计算机程序可存储于一计算机可读取存储介质中,如存储在存储器中,并被至少一个处理器执行,在执行过程中可包括如所述照片的调整方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储器(ROM,Read OnlyMemory)、随机存取记忆体(RAM,Random Access Memory)等。
对本申请实施例的所述照片的调整装置而言,其各功能模块可以集成在一个处理芯片中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中,所述存储介质譬如为只读存储器,磁盘或光盘等。
以上对本申请实施例所提供的一种照片的调整方法、装置、存储介质以及电子设备进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (5)
1.一种照片的调整方法,其特征在于,包括:
在终端开启了连拍模式下进行拍摄,获取连拍得到的一组照片,并将这组照片确定为待调整的照片;
统计所述待调整的照片的数量;
若检测到所述数量未达到预设阈值,则直接利用预设图像场景分类模型,对所述待调整的照片进行场景分类,并确定所属的目标场景类别,获取与所述目标场景类别对应的目标调整参数,并按照该目标调整参数对待调整的照片进行调整;
若检测到所述数量达到预设阈值,则获取当前时刻,并检测所述当前时刻是否属于预设时间段;
若检测到所述当前时刻不属于预设时间段,则直接利用预设图像场景分类模型,对所述待调整的照片进行场景分类,并确定所属的目标场景类别,获取与所述目标场景类别对应的目标调整参数,并按照该目标调整参数对待调整的照片进行调整;
若检测到所述当前时刻属于预设时间段,则获取终端的运行内存总容量,以及当前被占用的运行内存容量,计算所述当前被占用的运行内存容量占所述运行内存总容量的百分比;
若检测到所述百分比小于预设比率,则利用预设图像场景分类模型,对所述待调整的照片进行场景分类,确定所述待调整的照片所属的目标场景类别;
获取与所述目标场景类别对应的目标调整参数;根据所述目标调整参数,对所述待调整的照片进行调整;
若检测到所述百分比大于或等于预设比率,则先对部分待调整的照片进行调整,并在检测到所述百分比小于预设比率时,再对剩余部分的待调整的照片进行调整。
2.根据权利要求1所述的照片的调整方法,其特征在于,所述方法还包括:
对用户使用终端的时间进行记录;
根据记录到的用户使用终端的时间,确定出用户频繁使用终端的目标时间段;
将所述目标时间段确定为预设时间段。
3.一种照片的调整装置,其特征在于,包括:
第一获取模块,用于在终端开启了连拍模式下进行拍摄,获取连拍得到的一组照片,并将这组照片确定为待调整的照片;
统计模块,用于统计所述待调整的照片的数量;
第三获取模块,用于若检测到所述数量未达到预设阈值,则直接利用预设图像场景分类模型,对所述待调整的照片进行场景分类,并确定所属的目标场景类别,获取与所述目标场景类别对应的目标调整参数,并按照该目标调整参数对待调整的照片进行调整;若检测到所述数量达到预设阈值,则获取当前时刻,并检测所述当前时刻是否属于预设时间段;若检测到所述当前时刻不属于预设时间段,则直接利用预设图像场景分类模型,对所述待调整的照片进行场景分类,并确定所属的目标场景类别,获取与所述目标场景类别对应的目标调整参数,并按照该目标调整参数对待调整的照片进行调整;若检测到所述当前时刻属于预设时间段,则获取终端的运行内存总容量,以及当前被占用的运行内存容量;计算所述当前被占用的运行内存容量占所述运行内存总容量的百分比;
确定模块,用于若检测到所述百分比小于预设比率,则利用预设图像场景分类模型,对所述待调整的照片进行场景分类,确定所述待调整的照片所属的目标场景类别;
第二获取模块,用于获取与所述目标场景类别对应的目标调整参数;
调整模块,用于根据所述目标调整参数,对所述待调整的照片进行调整;若检测到所述百分比大于或等于预设比率,则先对部分待调整的照片进行调整,并在检测到所述百分比小于预设比率时,再对剩余部分的待调整的照片进行调整。
4.一种存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机上执行时,使得所述计算机执行如权利要求1或2所述的方法。
5.一种电子设备,包括存储器,处理器,其特征在于,所述处理器通过调用所述存储器中存储的计算机程序,用于执行如权利要求1或2所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711408509.XA CN109960973B (zh) | 2017-12-22 | 2017-12-22 | 照片的调整方法、装置、存储介质及电子设备 |
PCT/CN2018/116418 WO2019120017A1 (zh) | 2017-12-22 | 2018-11-20 | 照片的调整方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711408509.XA CN109960973B (zh) | 2017-12-22 | 2017-12-22 | 照片的调整方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109960973A CN109960973A (zh) | 2019-07-02 |
CN109960973B true CN109960973B (zh) | 2021-06-15 |
Family
ID=66993042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711408509.XA Active CN109960973B (zh) | 2017-12-22 | 2017-12-22 | 照片的调整方法、装置、存储介质及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109960973B (zh) |
WO (1) | WO2019120017A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7313268B2 (en) * | 2002-10-31 | 2007-12-25 | Eastman Kodak Company | Method for using effective spatio-temporal image recomposition to improve scene classification |
CN102096603B (zh) * | 2009-12-14 | 2013-01-02 | 中国移动通信集团公司 | MapReduce系统中的作业分解控制方法及设备 |
CN103810504B (zh) * | 2014-01-14 | 2017-03-22 | 三星电子(中国)研发中心 | 一种图像处理方法和装置 |
CN106228193B (zh) * | 2016-07-29 | 2019-08-06 | 北京小米移动软件有限公司 | 图像分类方法及装置 |
CN106598646A (zh) * | 2016-11-14 | 2017-04-26 | 深圳市金立通信设备有限公司 | 程序更新方法和终端 |
CN106952235B (zh) * | 2017-02-10 | 2019-07-26 | 维沃移动通信有限公司 | 一种图像处理方法和移动终端 |
-
2017
- 2017-12-22 CN CN201711408509.XA patent/CN109960973B/zh active Active
-
2018
- 2018-11-20 WO PCT/CN2018/116418 patent/WO2019120017A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN109960973A (zh) | 2019-07-02 |
WO2019120017A1 (zh) | 2019-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107820020A (zh) | 拍摄参数的调整方法、装置、存储介质及移动终端 | |
CN109951627B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN108234882B (zh) | 一种图像虚化方法及移动终端 | |
WO2021046715A1 (zh) | 曝光时间计算方法、装置及存储介质 | |
CN104182721A (zh) | 提升人脸识别率的图像处理系统及图像处理方法 | |
CN109961403B (zh) | 照片的调整方法、装置、存储介质及电子设备 | |
CN108764139B (zh) | 一种人脸检测方法、移动终端及计算机可读存储介质 | |
CN103795931A (zh) | 一种信息处理方法及电子设备 | |
CN107871000B (zh) | 音频播放方法、装置、存储介质及电子设备 | |
CN110930329A (zh) | 星空图像处理方法及装置 | |
CN112532882B (zh) | 图像显示方法和装置 | |
CN111028276A (zh) | 图像对齐方法、装置、存储介质及电子设备 | |
CN109104578B (zh) | 一种图像处理方法及移动终端 | |
CN114096994A (zh) | 图像对齐方法及装置、电子设备、存储介质 | |
CN113411498A (zh) | 图像拍摄方法、移动终端及存储介质 | |
CN107147851B (zh) | 照片处理方法、装置、计算机可读存储介质及电子设备 | |
CN108932703B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN109117748B (zh) | 翻页检测方法及装置 | |
CN107180417B (zh) | 照片处理方法、装置、计算机可读存储介质及电子设备 | |
CN112887615B (zh) | 拍摄的方法及装置 | |
CN112291480B (zh) | 跟踪对焦方法、跟踪对焦装置、电子设备和可读存储介质 | |
CN108763491B (zh) | 图片处理方法、装置及终端设备 | |
CN110602384B (zh) | 曝光控制方法及电子设备 | |
CN109960973B (zh) | 照片的调整方法、装置、存储介质及电子设备 | |
WO2023001110A1 (zh) | 神经网络训练方法、装置及电子设备 |
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 | ||
CB02 | Change of applicant information |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |