CN110022397A - 图像处理方法、装置、存储介质及电子设备 - Google Patents

图像处理方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN110022397A
CN110022397A CN201810024319.6A CN201810024319A CN110022397A CN 110022397 A CN110022397 A CN 110022397A CN 201810024319 A CN201810024319 A CN 201810024319A CN 110022397 A CN110022397 A CN 110022397A
Authority
CN
China
Prior art keywords
image
class library
sample label
carried out
processing
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
CN201810024319.6A
Other languages
English (en)
Other versions
CN110022397B (zh
Inventor
陈岩
刘耀勇
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.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp Ltd
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 Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201810024319.6A priority Critical patent/CN110022397B/zh
Priority to PCT/CN2018/125451 priority patent/WO2019137259A1/zh
Publication of CN110022397A publication Critical patent/CN110022397A/zh
Application granted granted Critical
Publication of CN110022397B publication Critical patent/CN110022397B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • 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
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72469—User interfaces specially adapted for cordless or mobile telephones for operating the device by selecting functions from two or more displayed items, e.g. menus or icons
    • H04M1/72472—User interfaces specially adapted for cordless or mobile telephones for operating the device by selecting functions from two or more displayed items, e.g. menus or icons wherein the items are sorted according to specific criteria, e.g. frequency of use
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/725—Cordless telephones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
    • H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
    • H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
    • H04N1/32267—Methods relating to embedding, encoding, decoding, detection or retrieval operations combined with processing of the image
    • H04N1/32277—Compression

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Library & Information Science (AREA)
  • Processing Or Creating Images (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例公开了一种图像处理方法、装置、存储介质及电子设备，其中，该处理方法包括获取相册中的图像，并对图像进行图像分析；根据图像分析结果确定图像对应的样本标签；基于样本标签对图像进行分类处理，将图像移动到对应的分类库中；根据预设规则对分类库中的图像的分辨率进行压缩处理。本申请通过对相册中的图像进行特征分析，确定图像对应的样本标签，并基于样本标签对图像进行分类，将图像移动到对应的分类库中，并根据预设规则对分类库中的图像的分辨率进行压缩处理，实现了对不同类别的图像的像素进行对应的压缩操作，节省了电子设备的存储空间，提升了电子设备的存储空间的利用效率。

Description

图像处理方法、装置、存储介质及电子设备
技术领域
本申请涉及图像处理技术领域，具体涉及一种图像处理方法、装置、存储介质及电子设备。
背景技术
目前，随着终端技术的高速发展，如智能手机越来越深入人们的生活之中，用户往往会在智能手机上安装大量的应用，如拍照应用、游戏应用、地图应用等等。
其中，用户在通过拍照应用拍摄图片或者保存其他应用中的图片后，图片都存在智能手机的存储空间中，由于当前智能手机的摄像头分辨率以及屏幕显示分辨率的不断提升，图片对应的分辨率也越来越高，占用的存储空间也越来越大，导致占用过量的存储空间，降低智能手机的运行速度。
发明内容
本申请实施例提供了一种图像处理方法、装置、存储介质及电子设备，能够提升电子设备的存储空间的利用效率。
第一方面，本申请实施例了提供了的一种图像处理方法，包括：
获取相册中的图像，并对所述图像进行图像分析；
根据图像分析结果确定所述图像对应的样本标签；
基于所述样本标签对所述图像进行分类处理，将所述图像移动到对应的分类库中；
根据预设规则对所述分类库中的图像的分辨率进行压缩处理。
第二方面，本申请实施例了提供了的一种图像处理装置，包括：
分析单元，用于获取相册中的图像，并对所述图像进行图像分析；
标签确定单元，用于根据图像分析结果确定所述图像对应的样本标签；
移动单元，用于基于所述样本标签对所述图像进行分类处理，将所述图像移动到对应的分类库中；
处理单元，用于根据预设规则对所述分类库中的图像的分辨率进行压缩处理。
第三方面，本申请实施例提供的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如本申请任一实施例提供的图像处理方法。
第四方面，本申请实施例提供的电子设备，包括处理器和存储器，所述存储器有计算机程序，其特征在于，所述处理器通过调用所述计算机程序，用于执行如本申请任一实施例提供的图像处理方法。
本申请实施例通过对相册中的图像进行特征分析，确定图像对应的样本标签，并基于样本标签对图像进行分类，将图像移动到对应的分类库中，并根据预设规则对分类库中的图像的分辨率进行压缩处理，实现了对不同类别的图像的像素进行对应的压缩操作，节省了电子设备的存储空间，提升了电子设备的存储空间的利用效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施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发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的图像处理方法的一个流程示意图。
图2是本申请实施例提供的图像处理方法的另一个流程示意图。
图3为本申请实施例提供的图像处理方法的应用场景示意图。
图4是本申请实施例提供的图像处理装置的一个结构示意图。
图5是本申请实施例提供的图像处理装置的另一结构示意图。
图6是本申请实施例提供的电子设备的一个结构示意图。
图7是本申请实施例提供的电子设备的另一结构示意图。
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，本申请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申请具体实施例，其不应被视为限制本申请未在此详述的其它具体实施例。
在以下的说明中，本申请的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明，除非另有述明。因此，这些步骤及操作将有数次提到由计算机执行，本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存系统中的位置处，其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实体位置，其具有由该数据格式所定义的特定特性。但是，本申请原理以上述文字来说明，其并不代表为一种限制，本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
本文所使用的术语“模块”可看做为在该运算系统上执行的软件对象。本文所述的不同组件、模块、引擎及服务可看做为在该运算系统上的实施对象。而本文所述的装置及方法可以以软件的方式进行实施，当然也可在硬件上进行实施，均在本申请保护范围之内。
本申请中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是某些实施例还包括没有列出的步骤或模块，或某些实施例还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例提供一种图像处理方法，该图像处理方法的执行主体可以是本申请实施例提供的图像处理装置，或者集成了该图像处理装置的电子设备，其中该图像处理装置可以采用硬件或者软件的方式实现。其中，电子设备可以是智能手机、平板电脑、掌上电脑、笔记本电脑、或者台式电脑等设备。
请参阅图1，图1为本申请实施例提供的图像处理方法的流程示意图。本申请实施例提供的图像处理方法的具体流程可以如下：
201、获取相册中的图像，并对图像进行图像分析。
其中，本实施例中所提到的图像分析是基于Image Caption(自动生成图像标题)技术上完成的，该自动生成图像标题技术是一个融合计算机视觉、自然语言处理和机器学习的综合问题，用尽可能准确的用语来描述图像。
其中，该相册中的图像包括电子设备存储的所有图像，该图像可以为多种格式的图像，如Bmp、jpg、png、tiff、gif、pcx、tga、exif、fpx、svg、psd、cdr、pcd、dxf、ufo、eps、ai、raw、WMF等格式。
需要说明的是，卷积神经网络(Convolutional Neural Network，CNN)是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。
具体的，通过卷积神经网络获取图像的特征，然后根据这些特征生成对应的实体词，如卷积神经网络获取到图像中的人物的特征，那么根据该人物的特征可以生成实体词为人。
进一步的，将通过卷积神经网络获取的特征和实体词嵌入到同一空间，然后选择最优描述，以生成实体描述。通过该实体描述，可以对图像进行初步的认知，以便后期对该图像进行分类操作。
202、根据图像分析结果确定图像对应的样本标签。
其中，该样本标签为对图像的概括性描述，通过该样本标签可以知道该图像的功能作用。
具体的，可以通过一定的语法数据库对步骤201中的实体描述进行重组，以生成语法逻辑通顺的实体描述，以便对该图像的样本标签进行概括。
进一步的，通过对重组后的实体描述进行分析，提取其中关键词确定该图像的样本标签。
203、基于样本标签对图像进行分类处理，将图像移动到对应的分类库中。
在一实施方式中，可以建立多个分类库，每一分类库中对应不同的分类关键词。如人物类分类库，人物分类库对应的分类关键词为人、面部、眼睛以及身体等。以及文件型分类库，文件型分类库对应的分类关键词为文字、文件以及公式等。该分类库还可以包括多种类型，此处不作一一赘述。
其中，通过分别获取样本标签指示的关键词以及分类库对应指示的分类关键词，判断两者是否匹配，当判断出两者匹配时，将该图像移动到该分类库中，当判断出两者不匹配时，继续获取另一分类库对应指示的分类关键词。
在一实施方式中，当检测到样本标签指示的关键词与所有分类库对应指示的分类关键词都不匹配时，可以生成提示信息，提示用户对该图像进行手动分类处理，或者可以根据关键词相似度匹配，将该图像移动到关键词相似度匹配值最高的分类库中。
204、根据预设规则对分类库中的图像的分辨率进行压缩处理。
可以理解的是，有些图像由于用途的原因，不必使用过于高的分辨率，如文字类图像，只需要用户可以看清楚图像中的文字即可以。
基于此，根据预设规则对不同分类库中的图像的分辨率进行压缩处理，可以节省出大量的存储空间，比如，人物类分类库因为其中为对人像的拍摄，需要越高的分辨率越好，所以可对该人物类分类库中图像的像素不进行压缩处理，而文件类分类库中保存的一般为对文字、文件以及公式的拍摄，所以可对该文件类分类库中的图像的像素进行适量的压缩，如压缩百分之七十，由于图像的像素的降低，可以使得图像的存储大小相应减小，进而节省出电子设备的存储空间。
由上可知，本申请实施例通过对相册中的图像进行特征分析，确定图像对应的样本标签，并基于样本标签对图像进行分类，将图像移动到对应的分类库中，并根据预设规则对分类库中的图像的分辨率进行压缩处理，实现了对不同类别的图像的像素进行对应的压缩操作，节省了电子设备的存储空间，提升了电子设备的存储空间的利用效率。
进一步地，基于卷积神经网络提取图像的特征信息，可以提升图像特征识别的准确性，且更贴合用户的使用习惯。
下面将在上述实施例描述的方法基础上，对本申请的分类方法做进一步介绍。参考图2，该图像处理方法可以包括：
301、获取相册中的图像，并通过卷积神经网络提取图像的多个特征。
其中，电子设备通过对图像的边缘以及形状的情况进行分析，抽取出整体的视觉效果，找出其中不同的识别特征，将之提取出来以便找到图像中与周边环境区别出来的特征。
如图3所示，在第一步1中电子设备100的显示屏上显示了图像101，通过卷积神经网络提取该图像101的多个特征，如与周边环境区别出来的特征为1011以及1012。
302、根据多个特征生成对应的多个实体词。
其中，通过对提取出来的多个特征进行进一步分析，可以得出每一特征对应的实体词，该实体词用于对该特征进行概述。
如图3所示，在第二步中电子设备通过对特征1011以及1012进行分析，确定特征1011的实体词为人，1012的实体词为车。
303、将多个特征以及多个实体词进行嵌入处理，生成对应的实体描述。
其中，可以根据多个特征在图像中的对应关系以及多个实体词，生成对应的实体描述，通过该实体描述，可以对图像进行初步的认知，如图3中，根据特征1011以及特征1012的位置关系，和特征1011以及特征1012对应的实体词，进行嵌入处理，生成对应的实体描述可以为“人和车”。
304、对图像对应的实体描述进行智能重组，生成重组后的实体描述。
在一实施方式中，可以在电子设备中加载语法数据库，该语法数据库中包括对实体描述的句子进行组合的规则。
其中，基于该语法数据库对实体描述中的描述进行智能重组，使得重组后的实体描述语法逻辑通顺，以便可以对该图像的样本标签更好的概述，如对实体描述为“人和车”进行智能重组，可以得到重组后的实体描述为“人站在车旁边拍照”。
305、对重组后的实体描述进行分析，确定对应的样本标签。
其中，通过对重组后的实体描述进行分析，提取出关键字，作为该图像的样本标签。
比如，对重组后的实体描述为“人站在车旁边拍照”进行关键字提取，可以提取出关键字“人”、“车”以及“拍照”。
在一实施方式中，可以建立多个分类库，每一分类库中对应不同的分类关键词。如人物类分类库，人物分类库对应的分类关键词为人、面部、眼睛、拍照以及身体等。以及文件型分类库，文件型分类库对应的分类关键词为文字、文件以及公式等。
306、获取样本标签指示的关键词。
其中，获取图像的样本标签指示的关键词，如获取样本标签的关键词为“人”、“车”以及“拍照”。
307、获取分类库对应指示的分类关键词。
其中，获取分类库对应指示的分类关键词，如人物类分类库对应的分类关键词为人、面部、眼睛、拍照以及身体等，文件型分类库对应的分类关键词为文字、文件以及公式等。
308、判断关键词与分类关键词是否匹配。
其中，当判断出关键词与分类关键词匹配时，执行步骤309；当判断出关键词与分类关键词不匹配时，返回执行步骤307，获取另一分类库对应指示的分类关键词。
在一实施方式中，当检测到样本标签指示的关键词与所有分类库对应指示的分类关键词都不匹配时，可以生成提示信息，提示用户对该图像进行手动分类处理。
309、将图像移动到分类库中。
其中，当判断出关键词与分类关键词匹配时，说明该图像对应的使用功能用途符合分类库的要求，将该图像移动到分类库中。需要特别说明的是，本实施例中的移动为剪切操作，即将图像的存储位置剪切到分类库中对应的存储位置中。
310、获取分类库中的图像，生成全部图像对应的缩略图并进行列表显示。
其中，为了避免错误的将一些图像进行压缩处理，在压缩处理操作之间，会将分类库中的全部图像以缩略图的形式进行列表显示。
在一实施方式中，该缩略图上还包括勾选按钮，当勾选按钮为选中状态时，需要对图像进行压缩处理，当勾选按钮不为选中状态时，不需要对图像进行压缩处理。默认的全部图像的缩略图上的勾选按钮都为选中状态。
311、生成提示信息，并接收用户根据提示信息输入的操作指令。
其中，生成提示信息，该提示信息用于指示用户是否对图像进行压缩处理，此时，用户可以手动取消不需要进行压缩处理的图像，如用户可以手动取消某图像的缩略图上的选中状态。并当用户确认后，会对应生成操作指令，该操作指令指示需要进行压缩处理的目标图像。基于此，灵活的对图像进行压缩处理，可以避免批量处理将一些不需要进行像素的处理的图像也进行压缩处理，使得后期由于像素过低导致影响用户观看的情况。
312、根据预设规则对分类库中的目标图像的分辨率进行压缩处理。
其中，对于不同的分类库可以设置不同的压缩规则，比如，人物类分类库因为其中为对人像的拍摄，需要越高的分辨率越好，所以压缩规则为不进行压缩，而文件类分类库中保存的一般为对文字、文件以及公式的拍摄，所以可对该文件类分类库中的图像的像素进行适量的压缩，如压缩规则为百分之七十。基于此，可以将一些像素要求不是特别高的图像进行适量压缩，在保证不影响用户使用的情况下，又可极大节省图像占用的存储空间。
在一些实施方式中，在对目标图像的分辨率进行压缩处理后，用户还可以通过撤回操作恢复目标图像压缩之前的分辨率。
由上可知，本申请实施例通过对相册中的图像进行特征分析，确定图像对应的样本标签，并基于样本标签对图像进行分类，将图像移动到对应的分类库中，并根据预设规则对分类库中的图像的分辨率进行压缩处理，实现了对不同类别的图像的像素进行对应的压缩操作，节省了电子设备的存储空间，提升了电子设备的存储空间的利用效率。
进一步地，基于卷积神经网络提取图像的特征信息，可以提升图像特征识别的准确性，且更贴合用户的使用习惯。
在一实施例中还提供了一种图像处理装置。请参阅图4，图4为本申请实施例提供的图像处理装置的结构示意图。其中该图像处理装置应用于电子设备，该图像处理装置包括分析单元401、标签确定单元402、移动单元403、和处理单元404，如下：
该分析单元401，用于获取相册中的图像，并对该图像进行图像分析；
其中，该分析单元401通过卷积神经网络获取图像的特征，然后根据这些特征生成对应的实体词，如卷积神经网络获取到图像中的人物的特征，那么根据该人物的特征可以生成实体词为人。
进一步的，该分析单元401将通过卷积神经网络获取的特征和实体词嵌入到同一空间，然后选择最优描述，以生成实体描述。通过该实体描述，可以对图像进行初步的认知，以便后期对该图像进行分类操作。
该标签确定单元402，用于根据图像分析结果确定该图像对应的样本标签。
其中，该标签确定单元402可以通过一定的语法数据库对实体描述进行重组，以生成语法逻辑通顺的实体描述，以便对该图像的样本标签进行概括。
进一步的，该标签确定单元402通过对重组后的实体描述进行分析，提取其中关键词确定该图像的样本标签。
该移动单元403，用于基于该样本标签对该图像进行分类处理，将该图像移动到对应的分类库中。
其中，该移动单元403通过分别获取样本标签指示的关键词以及分类库对应指示的分类关键词，判断两者是否匹配，当判断出两者匹配时，将该图像移动到该分类库中，当判断出两者不匹配时，继续获取另一分类库对应指示的分类关键词。
该处理单元404，用于根据预设规则对该分类库中的图像的分辨率进行压缩处理。
其中，该处理单元404根据预设规则对不同分类库中的图像的分辨率进行压缩处理，可以节省出大量的存储空间，比如，人物类分类库因为其中为对人像的拍摄，需要越高的分辨率越好，所以可对该人物类分类库中图像的像素不进行压缩处理，而文件类分类库中保存的一般为对文字、文件以及公式的拍摄，所以可对该文件类分类库中的图像的像素进行适量的压缩，如压缩百分之七十，由于图像的像素的降低，可以使得图像的存储大小相应减小，进而节省出电子设备的存储空间。
在一实施例中，参考图5，该分析单元401，可以包括：
提取子单元4011，用于获取相册中的图像，并通过卷积神经网络提取该图像的多个特征；
生成子单元4012，用于根据该多个特征生成对应的多个实体词；
嵌入子单元4013，用于将该多个特征以及多个实体词进行嵌入处理，生成对应的实体描述。
在一实施例中，参考图5，该该标签确定单元402，可以包括：
重组子单元4021，用于对该图像对应的实体描述进行智能重组，生成重组后的实体描述；
确定子单元4022，用于对重组后的该实体描述进行分析，确定对应的样本标签。
其中，图像处理装置中各单元执行的步骤可以参考上述方法实施例描述的方法步骤。该图像处理装置可以集成在电子设备中，如手机、平板电脑等。
具体实施时，以上各个单元可以作为独立的实体实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单位的具体实施可参见前面的实施例，在此不再赘述。
由上可知，本实施例图像处理装置通过对相册中的图像进行特征分析，确定图像对应的样本标签，并基于样本标签对图像进行分类，将图像移动到对应的分类库中，并根据预设规则对分类库中的图像的分辨率进行压缩处理，实现了对不同类别的图像的像素进行对应的压缩操作，节省了电子设备的存储空间，提升了电子设备的存储空间的利用效率。
本申请实施例还提供一种电子设备。请参阅图6，电子设备500包括处理器501以及存储器502。其中，处理器501与存储器502电性连接。
该处理器500是电子设备500的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或加载存储在存储器502内的计算机程序，以及调用存储在存储器502内的数据，执行电子设备500的各种功能并处理数据，从而对电子设备500进行整体监控。
该存储器502可用于存储软件程序以及模块，处理器501通过运行存储在存储器502的计算机程序以及模块，从而执行各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的计算机程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器502还可以包括存储器控制器，以提供处理器501对存储器502的访问。
在本申请实施例中，电子设备500中的处理器501会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器502中，并由处理器501运行存储在存储器502中的计算机程序，从而实现各种功能，如下：
获取相册中的图像，并对该图像进行图像分析；
根据图像分析结果确定该图像对应的样本标签；
基于该样本标签对该图像进行分类处理，将该图像移动到对应的分类库中；
根据预设规则对该分类库中的图像的分辨率进行压缩处理。
在某些实施方式中，在获取相册中的图像，并对该图像进行图像分析时，处理器501可以具体执行以下步骤：
获取相册中的图像，并通过卷积神经网络提取该图像的多个特征；
根据该多个特征生成对应的多个实体词；
将该多个特征以及多个实体词进行嵌入处理，生成对应的实体描述。
在某些实施方式中，在根据图像分析结果确定该图像对应的样本标签时，处理器501可以具体执行以下步骤：
对该图像对应的实体描述进行智能重组，生成重组后的实体描述；
对重组后的该实体描述进行分析，确定对应的样本标签。
在某些实施方式中，在基于该样本标签对该图像进行分类处理，将该图像移动到对应的分类库中时，处理器501可以具体执行以下步骤：
获取该样本标签指示的关键词；
获取分类库对应指示的分类关键词；
判断该关键词与该分类关键词是否匹配；
当判断出该关键词与该分类关键词匹配时，将该图像移动到该分类库中。
在某些实施方式中，在根据预设规则对该分类库中的图像的分辨率进行压缩处理之前，处理器501还可以具体执行以下步骤：
获取分类库中的图像，并生成全部图像对应缩略图并进行列表显示；
生成提示信息，该提示信息用于指示用户是否对图像进行压缩处理；
接收用户根据该提示信息输入的操作指令，该操作指令指示需要进行压缩处理的目标图像；
该根据预设规则对该分类库中的图像的分辨率进行压缩处理，包括：
根据预设规则对该分类库中的目标图像的分辨率进行压缩处理。
由上述可知，本申请实施例的电子设备，通过对相册中的图像进行特征分析，确定图像对应的样本标签，并基于样本标签对图像进行分类，将图像移动到对应的分类库中，并根据预设规则对分类库中的图像的分辨率进行压缩处理，实现了对不同类别的图像的像素进行对应的压缩操作，节省了电子设备的存储空间，提升了电子设备的存储空间的利用效率。
请一并参阅图7，在某些实施方式中，电子设备500还可以包括：显示器503、射频电路504、音频电路505以及电源506。其中，其中，显示器503、射频电路504、音频电路505以及电源506分别与处理器501电性连接。
该显示器503可以用于显示由用户输入的信息或提供给用户的信息以及各种图形用户接口，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。显示器503可以包括显示面板，在某些实施方式中，可以采用液晶显示器(Liquid CrystalDisplay，LCD)、或者有机发光二极管(Organic Light-Emitting Diode，OLED)等形式来配置显示面板。
该射频电路504可以用于收发射频信号，以通过无线通信与网络设备或其他电子设备建立无线通讯，与网络设备或其他电子设备之间收发信号。
该音频电路505可以用于通过扬声器、传声器提供用户与电子设备之间的音频接口。
该电源506可以用于给电子设备500的各个部件供电。在一些实施例中，电源506可以通过电源管理系统与处理器501逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管图7中未示出，电子设备500还可以包括摄像头、蓝牙模块等，在此不再赘述。
本申请实施例还提供一种存储介质，该存储介质存储有计算机程序，当该计算机程序在计算机上运行时，使得该计算机执行上述任一实施例中的图像处理方法，比如：获取相册中的图像，并对该图像进行图像分析；根据图像分析结果确定该图像对应的样本标签；基于该样本标签对该图像进行分类处理，将该图像移动到对应的分类库中；根据预设规则对该分类库中的图像的分辨率进行压缩处理。
在本申请实施例中，存储介质可以是磁碟、光盘、只读存储器(Read Only Memory，ROM，)、或者随机存取记忆体(Random Access Memory，RAM)等。
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，可以参见其他实施例的相关描述。
需要说明的是，对本申请实施例的图像处理方法而言，本领域普通测试人员可以理解实现本申请实施例的图像处理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，如存储在电子设备的存储器中，并被该电子设备内的至少一个处理器执行，在执行过程中可包括如图像处理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、随机存取记忆体等。
对本申请实施例的图像处理装置而言，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图像处理方法、装置、存储介质及电子设备进行了详细介绍，本文中应用了具体个例对本申请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申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，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申请的限制。

Claims (10)

1.一种图像处理方法，其特征在于，包括：
获取相册中的图像，并对所述图像进行图像分析；
根据图像分析结果确定所述图像对应的样本标签；
基于所述样本标签对所述图像进行分类处理，将所述图像移动到对应的分类库中；
根据预设规则对所述分类库中的图像的分辨率进行压缩处理。
2.如权利要求1所述的图像处理方法，其特征在于，获取相册中的图像，并对所述图像进行图像分析，包括：
获取相册中的图像，并通过卷积神经网络提取所述图像的多个特征；
根据所述多个特征生成对应的多个实体词；
将所述多个特征以及多个实体词进行嵌入处理，生成对应的实体描述。
3.如权利要求2所述的图像处理方法，其特征在于，根据图像分析结果确定所述图像对应的样本标签，包括：
对所述图像对应的实体描述进行智能重组，生成重组后的实体描述；
对重组后的所述实体描述进行分析，确定对应的样本标签。
4.如权利要求1至3任一项所述的图像处理方法，其特征在于，基于所述样本标签对所述图像进行分类处理，将所述图像移动到对应的分类库中，包括：
获取所述样本标签指示的关键词；
获取分类库对应指示的分类关键词；
判断所述关键词与所述分类关键词是否匹配；
当判断出所述关键词与所述分类关键词匹配时，将所述图像移动到所述分类库中。
5.如权利要求4所述的图像处理方法，其特征在于，根据预设规则对所述分类库中的图像的分辨率进行压缩处理之前，还包括：
获取分类库中的图像，生成全部图像对应的缩略图并进行列表显示；
生成提示信息，所述提示信息用于指示用户是否对图像进行压缩处理；
接收用户根据所述提示信息输入的操作指令，所述操作指令指示需要进行压缩处理的目标图像；
所述根据预设规则对所述分类库中的图像的分辨率进行压缩处理，包括：
根据预设规则对所述分类库中的目标图像的分辨率进行压缩处理。
6.一种图像处理装置，其特征在于，包括：
分析单元，用于获取相册中的图像，并对所述图像进行图像分析；
标签确定单元，用于根据图像分析结果确定所述图像对应的样本标签；
移动单元，用于基于所述样本标签对所述图像进行分类处理，将所述图像移动到对应的分类库中；
处理单元，用于根据预设规则对所述分类库中的图像的分辨率进行压缩处理。
7.如权利要求6所述的图像处理装置，其特征在于，所述分析单元包括：
提取子单元，用于获取相册中的图像，并通过卷积神经网络提取所述图像的多个特征；
生成子单元，用于根据所述多个特征生成对应的多个实体词；
嵌入子单元，用于将所述多个特征以及多个实体词进行嵌入处理，生成对应的实体描述。
8.如权利要求7所述的图像处理装置，其特征在于，所述标签确定单元包括：
重组子单元，用于对所述图像对应的实体描述进行智能重组，生成重组后的实体描述；
确定子单元，用于对重组后的所述实体描述进行分析，确定对应的样本标签。
9.一种存储介质，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运行时，使得所述计算机执行如权利要求1至5任一项所述的图像处理方法。
10.一种电子设备，包括处理器和存储器，所述存储器有计算机程序，其特征在于，所述处理器通过调用所述计算机程序，用于执行如权利要求1至5任一项所述的图像处理方法。
CN201810024319.6A 2018-01-10 2018-01-10 图像处理方法、装置、存储介质及电子设备 Active CN110022397B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810024319.6A CN110022397B (zh) 2018-01-10 2018-01-10 图像处理方法、装置、存储介质及电子设备
PCT/CN2018/125451 WO2019137259A1 (zh) 2018-01-10 2018-12-29 图像处理方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810024319.6A CN110022397B (zh) 2018-01-10 2018-01-10 图像处理方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN110022397A true CN110022397A (zh) 2019-07-16
CN110022397B CN110022397B (zh) 2021-02-19

Family

ID=67188183

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810024319.6A Active CN110022397B (zh) 2018-01-10 2018-01-10 图像处理方法、装置、存储介质及电子设备

Country Status (2)

Country Link
CN (1) CN110022397B (zh)
WO (1) WO2019137259A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112906730A (zh) * 2020-08-27 2021-06-04 腾讯科技（深圳）有限公司 一种信息处理方法、装置及计算机可读存储介质
CN113590609A (zh) * 2021-06-22 2021-11-02 北京旷视科技有限公司 数据分库方法及装置、存储介质及电子设备

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112749292B (zh) * 2019-10-31 2024-05-03 深圳云天励飞技术有限公司 用户标签生成方法及装置、计算机装置和存储介质
CN116127108A (zh) * 2023-02-20 2023-05-16 广东德融汇科技有限公司 一种基于图像识别的相册生成方法、装置以及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615769A (zh) * 2015-02-15 2015-05-13 小米科技有限责任公司 图片分类方法及装置
CN105740402A (zh) * 2016-01-28 2016-07-06 百度在线网络技术（北京）有限公司 数字图像的语义标签的获取方法及装置
CN106060382A (zh) * 2016-05-27 2016-10-26 北京金山安全软件有限公司 一种图像处理方法、装置及电子设备
CN106446782A (zh) * 2016-08-29 2017-02-22 北京小米移动软件有限公司 图像识别方法及装置
JP2017134816A (ja) * 2016-01-26 2017-08-03 ザ・ボーイング・カンパニーＴｈｅ Ｂｏｅｉｎｇ Ｃｏｍｐａｎｙ 画像処理向け正規化された変化確率アルゴリズム
CN107515950A (zh) * 2017-09-14 2017-12-26 深圳天珑无线科技有限公司 一种图像处理方法、装置、终端与计算机可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6415058B2 (en) * 1998-10-27 2002-07-02 Hewlett-Packard Company System for compression of digital images comprising low detail areas
CN100514366C (zh) * 2006-11-30 2009-07-15 腾讯科技（深圳）有限公司 一种图像压缩方法和装置
CN101751404A (zh) * 2008-12-12 2010-06-23 金宝电子工业股份有限公司 多媒体文件的分类方法
CN102957906A (zh) * 2011-08-29 2013-03-06 广州九游信息技术有限公司 图像分类压缩方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615769A (zh) * 2015-02-15 2015-05-13 小米科技有限责任公司 图片分类方法及装置
JP2017134816A (ja) * 2016-01-26 2017-08-03 ザ・ボーイング・カンパニーＴｈｅ Ｂｏｅｉｎｇ Ｃｏｍｐａｎｙ 画像処理向け正規化された変化確率アルゴリズム
CN105740402A (zh) * 2016-01-28 2016-07-06 百度在线网络技术（北京）有限公司 数字图像的语义标签的获取方法及装置
CN106060382A (zh) * 2016-05-27 2016-10-26 北京金山安全软件有限公司 一种图像处理方法、装置及电子设备
CN106446782A (zh) * 2016-08-29 2017-02-22 北京小米移动软件有限公司 图像识别方法及装置
CN107515950A (zh) * 2017-09-14 2017-12-26 深圳天珑无线科技有限公司 一种图像处理方法、装置、终端与计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王晔，熊璋，蒲菊华，晏玉兰: "基于特殊内容的图像分割压缩方法", 《计算机工程与设计》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112906730A (zh) * 2020-08-27 2021-06-04 腾讯科技（深圳）有限公司 一种信息处理方法、装置及计算机可读存储介质
CN112906730B (zh) * 2020-08-27 2023-11-28 腾讯科技（深圳）有限公司 一种信息处理方法、装置及计算机可读存储介质
CN113590609A (zh) * 2021-06-22 2021-11-02 北京旷视科技有限公司 数据分库方法及装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN110022397B (zh) 2021-02-19
WO2019137259A1 (zh) 2019-07-18

Similar Documents

Publication Publication Date Title
CN108121816B (zh) 图片分类方法、装置、存储介质及电子设备
CN109189950B (zh) 多媒体资源分类方法、装置、计算机设备及存储介质
JP5947131B2 (ja) 領域選択方式による検索の入力方法及びそのシステム
CN109189879B (zh) 电子书籍显示方法及装置
CN111465918B (zh) 在预览界面中显示业务信息的方法及电子设备
CN110022397A (zh) 图像处理方法、装置、存储介质及电子设备
CN112163428A (zh) 语义标签的获取方法、装置、节点设备及存储介质
WO2021258797A1 (zh) 图像信息输入方法、电子设备及计算机可读存储介质
CN112445922A (zh) 一种图片处理方法及装置
CN108921941A (zh) 图像处理方法、装置、存储介质和电子设备
CN109086680A (zh) 图像处理方法、装置、存储介质和电子设备
Lee et al. Tag refinement in an image folksonomy using visual similarity and tag co-occurrence statistics
WO2022100221A1 (zh) 检索处理方法、装置及存储介质
CN113515942A (zh) 文本处理方法、装置、计算机设备及存储介质
CN111209377B (zh) 基于深度学习的文本处理方法、装置、设备及介质
Lim et al. Scene recognition with camera phones for tourist information access
US10185724B2 (en) Method for sorting media content and electronic device implementing same
CN111984803A (zh) 多媒体资源处理方法、装置、计算机设备及存储介质
CN114281936A (zh) 分类方法、装置、计算机设备及存储介质
CN108052506A (zh) 自然语言处理方法、装置、存储介质及电子设备
CN112287070A (zh) 词语的上下位关系确定方法、装置、计算机设备及介质
CN116758362A (zh) 图像处理方法、装置、计算机设备及存储介质
US20220326846A1 (en) Electronic device and method to provide sticker based on content input
CN111859240A (zh) 一种图片导出的方法、相关装置及存储介质
CN108197220A (zh) 照片分类方法、装置、存储介质及电子设备

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
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.

GR01 Patent grant
GR01 Patent grant