CN110046596A - 一种图像模块化处理及多图像模块自定义组合的方法、移动终端与可读存储介质 - Google Patents

一种图像模块化处理及多图像模块自定义组合的方法、移动终端与可读存储介质 Download PDF

Info

Publication number
CN110046596A
CN110046596A CN201910326816.6A CN201910326816A CN110046596A CN 110046596 A CN110046596 A CN 110046596A CN 201910326816 A CN201910326816 A CN 201910326816A CN 110046596 A CN110046596 A CN 110046596A
Authority
CN
China
Prior art keywords
image
module
similar
moduleization
user
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
CN201910326816.6A
Other languages
English (en)
Other versions
CN110046596B (zh
Inventor
张玉江
王雪燕
黄正宗
曹思佳
王颖倩
陈单楠
张毅豪
彭怡琳
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.)
Beijing Yijiehui Technology Co.,Ltd.
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201910326816.6A priority Critical patent/CN110046596B/zh
Publication of CN110046596A publication Critical patent/CN110046596A/zh
Application granted granted Critical
Publication of CN110046596B publication Critical patent/CN110046596B/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
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种图像模块化处理及多图像模块自定义组合的方法、移动终端与可读存储介质。方法包括：输入多个相似图像；提取每个相似图像中的模块的轮廓进行模块的划分；比对相似图像之间的模块，辨识同一人或同一物在每个相似图像中的模块；根据需求将不同人或不同物在不同相似图像中的模块进行融合形成新的图像。通过将图像分模块并通过用户自编辑、自选择或系统编辑、系统选择来挑选并制作出让人满意的照片，解决了连拍照片时所导致的内存不足和查找困难等诸多问题，并可通过用户自定义生成每人都满意的群体照；同时在用户自定义选择模块和照片的过程中提供系统所识别出的相似照片的异同，对于用户挑选和融合仅有细微差别的照片或模块具有帮助指导意义，使挑选工作较为简单。

Description

一种图像模块化处理及多图像模块自定义组合的方法、移动 终端与可读存储介质
技术领域
本申请涉及一种图像处理技术，具体涉及一种图像模块化处理及多图像模块自定义组合的方法、移动终端与可读存储介质。
背景技术
目前，在日常拍照时，例如女生自拍、拍美食美景、拍群体合照的时候，经常需要连续拍或连拍多张照片，在之后空闲时再慢慢挑选出满意或最佳的照片。这个过程中将产生多个问题有待解决：
1、如果不及时挑选和及时清理将导致相册中照片越来越多，产生内存不足和查找困难等诸多问题；
2、挑选过程中将产生不知几张相似图像不同之处在哪里的情况或在几张相似照片中不知该挑选哪张照片的情况，对于有强迫症和选择恐惧症的人群来说难以挑选，难以抉择；
3、在群体照挑选过程中，会出现每个人在几张照片中最优或本人认为最好看的人像不在同一张照片上，导致选择困难和挑选中的一些分歧，造成不必要的麻烦。
通过检索，与本专利极为相近的产品技术有以下两个：
一种照片编辑方法及终端设备，申请号为201711228726.0，所述方法包括：在显示目标照片的终端设备的屏幕显示页面，获取分层指令；基于所述分层指令，将所述目标照片按照预定规则分离出第一图层和第二图层；其中，当所述第一图层叠加在所述第二图层之上时，形成所述目标照片；基于用户的编辑操作，分别对第一图层和第二图层进行编辑处理；上述技术方案，能够解决现有技术只能对整体照片进行处理，不能单独对照片中的某一部分进行处理的技术缺陷，满足了用户对照片编辑处理的进一步需要。
以上技术方案虽然提出了通过对图像进行分层来进行分模块处理，却没有解决不同照片之间的筛选和融合问题。
图像编辑装置以及图像编辑方法，申请号为201310446597.8，所述方法包含以下步骤：对将合成多个图像而得到的组合照片的图像进行图像压缩后的组合照片，以及将图像进行图像压缩后的压缩图像进行解压缩；使用解压缩后的上述组合照片图像和上述图像，进行组合照片的编辑；在进行该组合照片编辑时，根据生成组合照片时的第1画质控制参数和生成图像压缩数据时的第2 画质控制参数，计算编辑后的组合照片数据的画质控制参数；在对编辑后的组合照片进行图像压缩的情况下，使用计算出的画质控制参数。上述技术方案能够实现即便在由多个图像构成的组合照片中替换其一部分图像，也毫无不协调感且看起来自然的图像编辑。
以上技术方案虽然提出了图像组合的具体方案，却没有解决照片模块的提取和不同照片相同模块的选择的问题，所述方案的图像组合仅限于整体图像层面的组合，而不是图像内模块的组合。
发明内容
为了解决现有技术所存在的问题，本申请提供的具体方案如下：
一种图像模块化处理及多图像模块自定义组合的方法包括：
S1.输入多个相似图像；
S2.提取每个相似图像中的模块的轮廓进行模块的划分；
S3.比对相似图像之间的模块，辨识同一人或同一物在每个相似图像中的模块；
S4.根据需求将不同人或不同物在不同相似图像中的模块进行融合形成新的图像。
为了解决内存空间不足及挑选困难的问题，可以删除或预删除除了所述融合形成的新图像以外的其他相似图像。
所述模块可以是以一人为最小单位，也可以是以人的躯体各部分为最小单位。
所述S1中输入图像采用手动输入和自动输入两种方式，所述手动输入为用户选定相似图像或连拍图像，所述自动输入为系统在图像库里搜索相似图像或连拍图像。所述的搜索相似图像可以满足预设条件包括所述多张相似图像的图像相似度大于或等于所设定的阈值、所述多张相似图像的生成时间在一定时间范围内、和所述多张相似图像的生成位置在同一位置区域内中的至少一个条件。所述的图像相似度的衡量可采用特征点比对的方法，若图像的特征点超过所设定的阈值则识别为相似图像或连拍图像；所述的图像相似度的衡量也可采用像素点比对的方法，若图像的像素点超过设定的阈值则识别为相似图像或连拍图像；除此之外，所述的图像相似度的衡量还可采用重心对比、投影对比、分块对比等其他常规相似度比对的算法；同样，也可采用感知哈希算法、pHash 算法和SIFT算法等非常规相似度比对的算法；除上述算法以外也可采用其他相似度比对的算法。
其中所述的特征点比对的方法例如：提取图片中的轮廓特征，通过机器学习算法训练系统判别相似的轮廓特征，并用不同的样本对进行验证，其中样本对中有相似的轮廓特征也有非相似的轮廓特征。训练好系统进行特征点比对后设定需要满足的相似轮廓初始阈值，并通过机器学习算法进一步使阈值趋于能判断相似图像和非相似图像的临界值，并用不同的图像对进行验证，其中图像对中有相似图像也有非相似图像。
其中所述的像素点比对的方法例如：确定像素点比对时的单位像素点的大小，通过机器学习算法训练系统判别相似的像素点，并用不同的样本进行验证，其中样本中有相似的像素点也有非相似的像素点。训练好系统进行像素点比对后设定需要满足的相似像素点初始阈值，并通过机器学习算法进一步使阈值趋于能判断相似图像和非相似图像的临界值，并用不同的图像对进行验证，其中图像对中有相似图像也有非相似图像。
所述S4中需求的获取可以是通过用户选取所需融合的每个人的模块来确定的，也可以是通过系统选取每个人在所有相似图像中最佳的模块后进行融合；所述系统选取具体可以通过深度学习算法对模块进行优劣等级的分类，将优劣等级最高的模块作为最佳的模块，并可以根据用户选取的习惯进行调整。所述用户选取可以是通过用户端进行，所述用户端可以显示相似图像的异同。
所述异同提取和显示的步骤可以是包括：
S5.比对两张相似图像中的模块，提取两张图像中各模块的相同部分和不同部分；
S6.通过用户端显示两张相似图像的相同之处和不同之处。
所述异同提取和显示的步骤也可以是包括：
S7.提取所有相似图像的所有模块；
S8.统计每个模块在所有相似图像中特征完全相同的模块出现次数；
S9.若出现次数与所有相似图像数量的比值大于某一阈值，则认为该模块为每个相似图像的相同部分；每个相似图像的不同部分即为该相似图像总的模块减去相同部分的剩余部分；
S10.通过用户端显示图像的相同之处和不同之处。
所述S4中的融合包括：
S11.选取一个图像作为基底图像；
S12.将基底图像中的模块替换成所述用户在所有相似图像中选取的模块。
所述基底图像可以通过用户选择产生。
所述融合还包括所述替换后的轮廓边缘过渡处理。所述轮廓边缘过渡可以采用边缘模糊处理、画质参数趋同处理中的至少一种处理方式。
一种移动终端，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现一种图像模块化处理及多图像模块自定义组合方法的步骤。
一种计算机可读存储介质，存储计算机程序，所述计算机程序被处理器执行时实现一种图像模块化处理及多图像模块自定义组合方法的步骤。
附图说明
图1是本申请实施例的图像分模块和自定义选择模块融合流程示意图；
图2是本申请实施例的轮廓识别和提取的示意图；
图3是本申请实施例的识别同一人在相似图像中的人像的示意图；
图4是本申请实施例的图像异同提取和显示的界面示意图；
图5是本申请实施例一的图像异同提取和显示流程示意图；
图6是本申请实施例二的图像异同提取和显示流程示意图；
图7是本申请实施例的图像模块融合示意图；
图8是本申请实施例的整体方案具体事例流程图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
本申请针对现有技术中连拍模式造成的相似照片过多所引发的下述问题：
1、如果不及时挑选和及时清理将导致相册中照片越来越多，产生内存不足和查找困难等诸多问题；
2、挑选过程中将产生不知几张相似图像不同之处在哪里的情况或在几张相似照片中不知该挑选哪张照片的情况，对于有强迫症和选择恐惧症的人群来说难以挑选，难以抉择；
3、在群体照挑选过程中，会出现每个人在几张照片中最优或本人认为最好看的人像不在同一张照片上，导致选择困难和挑选中的一些分歧，造成不必要的麻烦。
本申请通过将图像分模块并通过用户自编辑、自选择或系统编辑、系统选择来挑选并制作出让人满意的照片，同时解决了问题1和问题3；通过将系统所识别出的相似照片的异同展示在用户端来给用户选择照片和用户选择模块进行融合提供了参考，在两张相似照片极其相似的时候以及同一个人在两张相似照片中的模块极其相似的时候为用户简易选择提供了可能性，解决了问题 2。以下给出了本申请的具体实施方式：
如图1所示，一种图像模块化处理及多图像模块自定义组合的方法包括：
S1.输入多个相似图像；
S2.提取每个相似图像中的模块的轮廓进行模块的划分；
S3.比对相似图像之间的模块，辨识同一人或同一物在每个相似图像中的模块；
S4.根据需求将不同人或不同物在不同相似图像中的模块进行融合形成新的图像。
为了解决内存空间不足及挑选困难的问题，可以删除或预删除除了所述融合形成的新图像以外的其他相似图像。
如图2所示，所述模块可以是以一人为最小单位，也可以是以人的躯体各部分为最小单位。若以一人为最小单位，则所述S2在进行轮廓提取时是以个人的轮廓边缘作为轮廓识别并进行提取的，如图2中的第一幅图所示，其轮廓是沿着个人的边缘所提取的；若以人的躯体各部分为最小单位，则所述S2在进行轮廓提取时可以以如下步骤来进行轮廓的识别和提取：首先对个人的轮廓边缘进行识别，然后从个人轮廓所划定的个人模块中划分人的躯体各部分的模块作为S2所划分模块的最小单位，例如：如图2中的第二幅图所示，将个人划分为身体区域模块和头部区域模块，进行轮廓边缘的提取和划分；也可以更进一步地将头部区域模块划分为各五官区域模块，如图2中的第三幅图所示，提取脸部中各外貌特征的轮廓边缘。所述轮廓的识别可以采用现有技术中常规的人像轮廓识别的方法；所述划分人的躯体各部分的模块采用现有技术中常规的人像躯体部位识别的方法，根据所述识别进行区域模块的划分。
所述S3的辨识同一人或同一物在每个相似图像中的模块可采用常规的辨识相似图像的方法，例如：特征点比对法、像素点比对法、重心对比法、投影对比法、分块对比法等常规相似度比对的算法；同样也可采用感知哈希算法、 pHash算法和SIFT算法等非常规相似度比对的算法；除上述算法以外也可采用其他相似度比对的算法。如图3所示，以上步骤的具体实施例如下：设有三张相似图像，每张相似图像中有A、B、C、D四个人，在3张相似图像中采用上述方法找到同为A的人像，在3张相似图像中采用上述方法找到同为B 的人像,在3张相似图像中采用上述方法找到同为C的人像，在3张相似图像中采用上述方法找到同为D的人像，这样做是为了之后挑选每个人在相似图像中的某一人像进行融合作准备；当然，上述找人像的顺序不仅限于A→B→ C→D，可以是任何顺序。
其中所述的特征点比对法例如：提取模块特征，通过机器学习算法训练系统判别相同人或相同物的模块特征，并用不同的样本对进行验证，其中样本对中有同一个人在两张不同照片中的两个模块，这两个模块可以是有差别的也可以是无差别的，也有不同人的两个模块。
其中所述的像素点比对法例如：确定像素点比对时的单位像素点的大小，通过机器学习算法训练系统判别相似的像素点，并用不同的样本进行验证，其中样本中有相似的像素点也有非相似的像素点。训练好系统进行像素点比对后设定需要满足的相似像素点初始阈值，并通过机器学习算法进一步使阈值趋于能判断同一人在不同照片中的模块和不同人的模块的临界值，并用不同的图像对进行验证，其中图像对中有同一人在不同照片中的模块也有不同人的模块。
所述S4中将不同人或不同物在不同相似图像中的模块进行融合形成新的图像例如：将所选取的每个人在不同相似或连拍图像中的模块进行融合。
所述S1中输入图像采用手动输入和自动输入两种方式，所述手动输入为用户选定相似图像或连拍图像，所述自动输入为系统在图像库里搜索相似图像或连拍图像。所述的搜索相似图像可以满足预设条件包括所述多张相似图像的图像相似度大于或等于所设定的阈值、所述多张相似图像的生成时间在一定时间范围内、和所述多张相似图像的生成位置在同一位置区域内中的至少一个条件。所述的图像相似度的衡量可采用特征点比对的方法，若图像的特征点超过所设定的阈值则识别为相似图像或连拍图像；所述的图像相似度的衡量也可采用像素点比对的方法，若图像的像素点超过设定的阈值则识别为相似图像或连拍图像；除此之外，所述的图像相似度的衡量还可采用重心对比、投影对比、分块对比等其他常规相似度比对的算法；同样，也可采用感知哈希算法、pHash 算法和SIFT算法等非常规相似度比对的算法；除上述算法以外也可采用其他相似度比对的算法。
其中所述的特征点比对的方法例如：提取图片中的轮廓特征，通过机器学习算法训练系统判别相似的轮廓特征，并用不同的样本对进行验证，其中样本对中有相似的轮廓特征也有非相似的轮廓特征。训练好系统进行特征点比对后设定需要满足的相似轮廓初始阈值，并通过机器学习算法进一步使阈值趋于能判断相似图像和非相似图像的临界值，并用不同的图像对进行验证，其中图像对中有相似图像也有非相似图像。
其中所述的像素点比对的方法例如：确定像素点比对时的单位像素点的大小，通过机器学习算法训练系统判别相似的像素点，并用不同的样本进行验证，其中样本中有相似的像素点也有非相似的像素点。训练好系统进行像素点比对后设定需要满足的相似像素点初始阈值，并通过机器学习算法进一步使阈值趋于能判断相似图像和非相似图像的临界值，并用不同的图像对进行验证，其中图像对中有相似图像也有非相似图像。
所述S4中需求的获取可以是通过用户选取所需融合的每个人的模块来确定的，也可以是通过系统选取每个人在所有相似图像中最佳的模块后进行融合。
所述“系统选取每个人在所有相似图像中最佳的模块后进行融合”具体可以为对选择最佳模块的系统指标进行定义，这里可以将系统指标称为综合特征指标，通过对综合特征指标求取最优值来确定最佳模块。
所述系统选取也可以通过深度学习算法对模块进行优劣等级的分类，将优劣等级最高的模块作为最佳的模块；更进一步地，首先人为地将同一个人在不同相似图像中的模块进行优劣等级的划分，并将模块分别归类到所划分的等级中去，通过深度学习中的卷积神经网络训练系统将模块归类到相应的人为所归类的模块中去，并进行验证，最终所形成的算法即可进行最佳模块的挑选。
所述系统选取可以根据用户选取的习惯进行调整。具体可以是以下两种方案：
1、通过机器学习算法学习用户选取模块的习惯，例如：将用户之前选取的所有模块作为样本对系统进行训练，调整系统中综合特征指标的参数以满足系统对用户习惯的学习需求。可以通过将用户之前选取的一些模块的历史数据作为测试样本来判断系统的学习情况。
2、通过与用户之前选取的模块进行相似度比对来选取最为接近用户选取习惯的模块，例如：首先从用户之前选取的所有模块中选取与所要选取的所有模块最为接近的历史模块，再根据该历史模块在所要选取的所有模块中选取与历史模块相似度最高的模块。其中相似度比对可以通过特征点比对法、像素点比对法、重心对比法、投影对比法、分块对比法等常规相似度比对的算法；同样也可采用感知哈希算法、pHash算法和SIFT算法等非常规相似度比对的算法；除上述算法以外也可采用其他相似度比对的算法。
所述用户选取可以是通过用户端进行，所述用户端可以显示相似图像的异同。所述用户端为用户可操作的系统，具体为：移动终端，例如手机；PC终端，例如电脑。如图4所示，在用户端的显示界面可以是将两张不同相似图像的不同之处圈出，并一一对应。
如图5所示，所述异同提取和显示的步骤可以是包括：
S5.比对两张相似图像中的模块，提取两张图像中各模块的相同部分和不同部分；
S6.通过用户端显示两张相似图像的相同之处和不同之处。
如图6所示，所述异同提取和显示的步骤也可以是包括：
S7.提取所有相似图像的所有模块；
S8.统计每个模块在所有相似图像中特征完全相同的模块出现次数；
S9.若出现次数与所有相似图像数量的比值大于某一阈值，则认为该模块为每个相似图像的相同部分；每个相似图像的不同部分即为该相似图像总的模块减去相同部分的剩余部分；
S10.通过用户端显示图像的相同之处和不同之处。
如图7所示，所述S4中的融合包括：
S11.选取一个图像作为基底图像；
S12.将基底图像中的模块替换成所述用户在所有相似图像中选取的模块。
所述基底图像可以通过用户选择产生。
所述融合还包括所述替换后的轮廓边缘过渡处理。所述轮廓边缘过渡可以采用边缘模糊处理、画质参数趋同处理中的至少一种处理方式。所述画质参数可以是模块的颜色、亮度、色调、清晰度等表示图片性质的参数，所述趋同可以是将所融合的模块与模块融合进的基底图像交接或拼接的两者的边缘部分的画质参数调成相同的或者调成相似的，所述相似为两者所有画质参数的差值分别在一定阈值内，这些阈值可以是不同的。
如图8所示，以上所有步骤的具体实施例如下：设有n幅相似图像或连拍图像，在这些相似图像中有标作A、B、C、D的4个人，其中相似图像中第1 幅图中4人标作A1、B1、C1、D1，第2幅图中4人标作A2、B2、C2、D2，则按照顺序第n幅图中4人标作An、Bn、Cn、Dn。首先基于在相似图像中识别出的A的人像A1、A2…An根据某一方法挑选出某一人像Ai；同上，基于在相似图像中识别出的B的人像B1、B2…Bn根据某一方法挑选出某一人像Bj，基于在相似图像中识别出的C的人像C1、C2…Cn根据某一方法挑选出某一人像 Cp，基于在相似图像中识别出的D的人像D1、D2…Dn根据某一方法挑选出某一人像Dq，当然挑选不分先后。然后挑选出第i张图像作为基底图像，将之前挑选出的第j张图像中的Bj、第p张图像中的Cp、第q张图像中的Cq分别与第i张图像中的Bi、Ci、Di进行模块替换，形成以Ai、Bj、Cp、Dq为人像的新的图像，其中，所述挑选出某一人像的方法可以是采用挑选最佳人像的方法，最佳的释义可以是该人最美的人像或该人最欣赏的人像；所述挑选是依据需求进行挑选的，所述需求的获取可以是智能系统操作也可以是人为手动操作。
一种移动终端，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现一种图像模块化处理及多图像模块自定义组合方法的步骤。
一种计算机可读存储介质，存储计算机程序，所述计算机程序被处理器执行时实现一种图像模块化处理及多图像模块自定义组合方法的步骤。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、“一些示例”、“具体可以为”、“可以为”、“例如”或“比如”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (14)

1.一种图像模块化处理及多图像模块自定义组合的方法，其特征在于，所述方法包括：
S1.输入多个相似图像；
S2.提取每个相似图像中的模块的轮廓进行模块的划分；
S3.比对相似图像之间的模块，辨识同一人或同一物在每个相似图像中的模块；
S4.根据需求将不同人或不同物在不同相似图像中的模块进行融合形成新的图像。
2.根据权利要求1所述的多图像特征比对及择优融合的方法，其特征在于，删除或预删除除了所述融合形成的新图像以外的其他相似图像。
3.根据权利要求1所述的图像模块化处理及多图像模块自定义组合的方法，其特征在于，所述S4中需求的获取是通过用户选取所需融合的每个人的模块来确定的。
4.根据权利要求1所述的图像模块化处理及多图像模块自定义组合的方法，其特征在于，所述S4中需求的获取是通过系统选取每个人在所有相似图像中最佳的模块后进行融合。
5.根据权利要求4所述的图像模块化处理及多图像模块自定义组合的方法，其特征在于，所述系统选取是通过深度学习算法对模块进行优劣等级的分类，将优劣等级最高的模块作为最佳的模块。
6.根据权利要求4所述的图像模块化处理及多图像模块自定义组合的方法，其特征在于，所述系统选取根据用户选取的习惯进行调整。
7.根据权利要求1所述的图像模块化处理及多图像模块自定义组合的方法，其特征在于，所述模块以一人为最小单位。
8.根据权利要求1所述的图像模块化处理及多图像模块自定义组合的方法，其特征在于，所述模块以人的躯体各部分为最小单位。
9.根据权利要求3所述的图像模块化处理及多图像模块自定义组合的方法，其特征在于，所述用户选取是通过用户端进行，所述用户端显示相似图像的异同。
10.根据权利要求3所述的图像模块化处理及多图像模块自定义组合的方法，其特征在于，所述的融合包括：
S11.选取一个图像作为基底图像；
S12.将基底图像中的模块替换成所述用户在所有相似图像中选取的模块。
11.根据权利要求10所述的图像模块化处理及多图像模块自定义组合的方法，其特征在于，所述融合还包括所述替换后的轮廓边缘过渡处理。
12.根据权利要求11所述的图像模块化处理及多图像模块自定义组合的方法，其特征在于，所述轮廓边缘过渡采用边缘模糊处理、画质参数趋同处理中的至少一种处理方式。
13.一种移动终端，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至12中任一项所述的图像处理方法的步骤。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至12中任一项所述的图像处理方法的步骤。
CN201910326816.6A 2019-04-23 2019-04-23 一种图像模块化处理及多图像模块自定义组合的方法、移动终端与可读存储介质 Active CN110046596B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910326816.6A CN110046596B (zh) 2019-04-23 2019-04-23 一种图像模块化处理及多图像模块自定义组合的方法、移动终端与可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910326816.6A CN110046596B (zh) 2019-04-23 2019-04-23 一种图像模块化处理及多图像模块自定义组合的方法、移动终端与可读存储介质

Publications (2)

Publication Number Publication Date
CN110046596A true CN110046596A (zh) 2019-07-23
CN110046596B CN110046596B (zh) 2021-06-15

Family

ID=67278629

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910326816.6A Active CN110046596B (zh) 2019-04-23 2019-04-23 一种图像模块化处理及多图像模块自定义组合的方法、移动终端与可读存储介质

Country Status (1)

Country Link
CN (1) CN110046596B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111125399A (zh) * 2019-12-20 2020-05-08 维沃移动通信有限公司 图片选择方法及电子设备

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080120560A1 (en) * 2006-11-19 2008-05-22 Microsoft Corporation Region selection for image compositing
CN101300575A (zh) * 2005-10-31 2008-11-05 索尼英国有限公司 图像处理
US20120243786A1 (en) * 2011-03-25 2012-09-27 Semiconductor Energy Laboratory Co., Ltd. Image processing method and display device
CN102929956A (zh) * 2012-10-09 2013-02-13 广东欧珀移动通信有限公司 一种图片显示方法及装置
CN103491299A (zh) * 2013-09-17 2014-01-01 宇龙计算机通信科技(深圳)有限公司 一种拍照处理方法和装置
CN103747180A (zh) * 2014-01-07 2014-04-23 宇龙计算机通信科技(深圳)有限公司 照片拍摄方法及拍照终端
CN104767938A (zh) * 2015-03-27 2015-07-08 广东欧珀移动通信有限公司 一种拍摄图片的方法及装置
US9225909B1 (en) * 2014-10-09 2015-12-29 Altek Semiconductor Corporation Image capturing device and digital zoom display method
CN105224921A (zh) * 2015-09-17 2016-01-06 桂林远望智能通信科技有限公司 一种人脸图像择优系统和处理方法
CN105247567A (zh) * 2013-05-30 2016-01-13 诺基亚技术有限公司 图像重新聚焦
CN105530425A (zh) * 2014-10-23 2016-04-27 西安三维通信有限责任公司 一种自动连拍系统
CN105898135A (zh) * 2015-11-15 2016-08-24 乐视移动智能信息技术（北京）有限公司 相机成像方法及相机装置
CN106485689A (zh) * 2016-10-10 2017-03-08 努比亚技术有限公司 一种图片处理方法和装置
CN107659722A (zh) * 2017-09-25 2018-02-02 维沃移动通信有限公司 一种图像选择方法及移动终端
CN107895150A (zh) * 2016-11-30 2018-04-10 奥瞳系统科技有限公司 基于嵌入式系统小规模卷积神经网络模块的人脸检测和头部姿态角评估
CN107944414A (zh) * 2017-12-05 2018-04-20 广东欧珀移动通信有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN108198130A (zh) * 2017-12-28 2018-06-22 广东欧珀移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN108334852A (zh) * 2018-02-12 2018-07-27 安徽千云度信息技术有限公司 一种图像分析识别系统及图像分析识别方法
CN108521547A (zh) * 2018-04-24 2018-09-11 京东方科技集团股份有限公司 图像处理方法、装置及设备
CN108875797A (zh) * 2018-05-29 2018-11-23 腾讯科技（深圳）有限公司 一种确定图像相似度的方法、相册管理方法及相关设备

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101300575A (zh) * 2005-10-31 2008-11-05 索尼英国有限公司 图像处理
US20080120560A1 (en) * 2006-11-19 2008-05-22 Microsoft Corporation Region selection for image compositing
US20120243786A1 (en) * 2011-03-25 2012-09-27 Semiconductor Energy Laboratory Co., Ltd. Image processing method and display device
CN102929956A (zh) * 2012-10-09 2013-02-13 广东欧珀移动通信有限公司 一种图片显示方法及装置
CN105247567A (zh) * 2013-05-30 2016-01-13 诺基亚技术有限公司 图像重新聚焦
CN103491299A (zh) * 2013-09-17 2014-01-01 宇龙计算机通信科技(深圳)有限公司 一种拍照处理方法和装置
CN103747180A (zh) * 2014-01-07 2014-04-23 宇龙计算机通信科技(深圳)有限公司 照片拍摄方法及拍照终端
US9225909B1 (en) * 2014-10-09 2015-12-29 Altek Semiconductor Corporation Image capturing device and digital zoom display method
CN105530425A (zh) * 2014-10-23 2016-04-27 西安三维通信有限责任公司 一种自动连拍系统
CN104767938A (zh) * 2015-03-27 2015-07-08 广东欧珀移动通信有限公司 一种拍摄图片的方法及装置
CN105224921A (zh) * 2015-09-17 2016-01-06 桂林远望智能通信科技有限公司 一种人脸图像择优系统和处理方法
CN105898135A (zh) * 2015-11-15 2016-08-24 乐视移动智能信息技术（北京）有限公司 相机成像方法及相机装置
CN106485689A (zh) * 2016-10-10 2017-03-08 努比亚技术有限公司 一种图片处理方法和装置
CN107895150A (zh) * 2016-11-30 2018-04-10 奥瞳系统科技有限公司 基于嵌入式系统小规模卷积神经网络模块的人脸检测和头部姿态角评估
CN107659722A (zh) * 2017-09-25 2018-02-02 维沃移动通信有限公司 一种图像选择方法及移动终端
CN107944414A (zh) * 2017-12-05 2018-04-20 广东欧珀移动通信有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN108198130A (zh) * 2017-12-28 2018-06-22 广东欧珀移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN108334852A (zh) * 2018-02-12 2018-07-27 安徽千云度信息技术有限公司 一种图像分析识别系统及图像分析识别方法
CN108521547A (zh) * 2018-04-24 2018-09-11 京东方科技集团股份有限公司 图像处理方法、装置及设备
CN108875797A (zh) * 2018-05-29 2018-11-23 腾讯科技（深圳）有限公司 一种确定图像相似度的方法、相册管理方法及相关设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHAO WANG等: "A New Method of Multi-Focus Image Fusion Using Laplacian Operator and Region Optimization", 《JOURNAL OF COMPUTER AND COMMUNICATIONS》 *
华顺刚等: "基于多幅不同曝光量照片的场景高动态范围图像合成", 《大连理工大学学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111125399A (zh) * 2019-12-20 2020-05-08 维沃移动通信有限公司 图片选择方法及电子设备
CN111125399B (zh) * 2019-12-20 2024-03-19 维沃移动通信有限公司 图片选择方法及电子设备

Also Published As

Publication number Publication date
CN110046596B (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
US9344642B2 (en) Method and apparatus for capturing a first image using a first configuration of a camera and capturing a second image using a second configuration of a camera
US20180374199A1 (en) Sky Editing Based On Image Composition
JP7224774B2 (ja) 画像処理装置、画像処理方法、及びプログラム
US10049477B1 (en) Computer-assisted text and visual styling for images
US20190057723A1 (en) Visualization of image themes based on image content
CN103488756B (zh) 一种图片分类的方法及终端
JP7286392B2 (ja) 画像処理装置、画像処理方法、及びプログラム
CN105825494B (zh) 一种图像处理方法及移动终端
CN110047053A (zh) 人像图片生成方法、装置和计算机设备
CN109978918A (zh) 一种轨迹追踪方法、装置和存储介质
CN105430294B (zh) 图像处理装置以及图像处理方法
US20090252435A1 (en) Cartoon personalization
US8379990B2 (en) Object recognition apparatus, computer readable medium storing object recognition program, and image retrieval service providing method
JP7286393B2 (ja) 画像処理装置、画像処理方法、及びプログラム
CN108228114A (zh) 控制方法和存储介质
CN108401112A (zh) 图像处理方法、装置、终端及存储介质
JP2009260957A (ja) 画像作成装置および画像作成方法
JP2014016824A (ja) 情報処理装置及びその制御方法及びプログラム
CN108234814A (zh) 控制方法和存储介质
US20140009495A1 (en) Apparatus, method and non-transitory computer-readable medium
KR101807979B1 (ko) 이미지 합성물 생성
JP2022123212A (ja) プログラム、画像処理装置、及び画像処理方法
CN110046596A (zh) 一种图像模块化处理及多图像模块自定义组合的方法、移动终端与可读存储介质
JP7027101B2 (ja) 情報処理装置、制御方法、及びプログラム
JPH1125253A (ja) 眉描画方法

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
TR01 Transfer of patent right

Effective date of registration: 20240611

Address after: 101599 17th Floor, 1st to 3rd Floor, Building 791, Yangguang Street, Miyun District, Beijing (014)

Patentee after: Beijing Yijiehui Technology Co.,Ltd.

Country or region after: China

Address before: 317000 Room 101, unit 1, building 3, Langcheng mansion, Dayang street, Linhai City, Taizhou City, Zhejiang Province

Patentee before: Wang Xueyan

Country or region before: China

TR01 Transfer of patent right