CN110136142A - 一种图像裁剪方法、装置、电子设备 - Google Patents
一种图像裁剪方法、装置、电子设备 Download PDFInfo
- Publication number
- CN110136142A CN110136142A CN201910345675.2A CN201910345675A CN110136142A CN 110136142 A CN110136142 A CN 110136142A CN 201910345675 A CN201910345675 A CN 201910345675A CN 110136142 A CN110136142 A CN 110136142A
- Authority
- CN
- China
- Prior art keywords
- image
- cut
- target object
- position information
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000003860 storage Methods 0.000 claims abstract description 21
- 238000005520 cutting process Methods 0.000 claims description 70
- 238000004458 analytical method Methods 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 27
- 238000010586 diagram Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 22
- 238000010606 normalization Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 18
- 230000006870 function Effects 0.000 description 21
- 238000001514 detection method Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像裁剪方法,以解决现有技术中采用居中裁剪法对图像进行裁剪时,可能造成误裁剪,导致图像中的重要内容(例如人脸、指定物体等)丢失,从而使得裁剪得到的图像可用性较差,浪费了处理资源的问题。方法包括:根据从待裁剪图像中确定出的目标对象在所述待裁剪图像中的位置信息,确定目标对象中心点的位置信息;根据中心点的位置信息,生成满足预定条件的图像裁剪框;其中,预定条件包括:以目标对象中心点为中心、位于图像裁剪框内的图像区域中包含目标对象、图像裁剪框位置处于所述待裁剪图像中;基于所述图像裁剪框,从待裁剪图像中裁剪出位于图像裁剪框内的图像区域作为目标图像。本发明还公开一种图像裁剪装置、电子设备及计算机可读存储介质。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种图像裁剪方法、装置、电子设备及计算机可读存储介质。
背景技术
随着图像、视频内容传播速率的提高,以图像分析、编辑、显示为主要研发内容的图像处理算法也得到了研发者的重视。
由于一些图像处理算法并不需要对图像全局进行分析处理,因此,为了减少图像中冗余信息的容量占用,处理图像时,可以先对图像进行裁剪。
进行图像裁剪时,为了保证在图像比例不失调的情况下裁剪出指定长宽比的图像,通常会采用居中裁剪的方法。例如,假设需要获取长宽比为1:1的图像,则根据相关图像裁剪技术,即将图像周边部分裁剪掉,以提取图像中间的正方形部分图像。然而,实际处理过程中,采用居中裁剪法对图像进行裁剪时至少存在如下缺陷:
可能造成误裁剪,导致图像中的重要内容(例如人脸、指定物体等)丢失,从而使得裁剪得到的图像可用性较差,浪费了处理资源。
发明内容
本发明实施例提供一种图像裁剪方法,用以解决采用现有技术中的图像裁剪方法,可能造成误裁剪,导致图像中的重要内容(例如人脸、指定物体等) 丢失,从而使得裁剪得到的图像可用性较差,浪费了处理资源的问题。
本发明实施例还提供一种图像裁剪装置,一种电子设备,以及一种计算机可读存储介质。
本发明实施例采用下述技术方案:
一种图像裁剪方法,包括:
根据从待裁剪图像中确定出的目标对象在所述待裁剪图像中的位置信息,确定所述目标对象中心点的位置信息;
根据所述中心点的位置信息,生成满足预定条件的图像裁剪框;其中,所述预定条件包括:以所述目标对象中心点为中心、位于所述图像裁剪框内的图像区域中包含所述目标对象、图像裁剪框处于所述待裁剪图像中;
基于所述图像裁剪框,从所述待裁剪图像中裁剪出位于所述图像裁剪框内的图像区域作为目标图像。
一种图像裁剪装置,包括确定模块、生成模块和裁剪模块,其中:
确定模块,用于根据从待裁剪图像中确定出的目标对象在所述待裁剪图像中的位置信息,确定所述目标对象中心点的位置信息;
生成模块,用于根据所述中心点的位置信息,生成满足预定条件的图像裁剪框;其中,所述预定条件包括:以所述目标对象中心点为中心、位于所述图像裁剪框内的图像区域中包含所述目标对象、图像裁剪框处于所述待裁剪图像中;
裁剪模块,用于基于所述图像裁剪框,从所述待裁剪图像中裁剪出位于所述图像裁剪框内的图像区域作为目标图像。
一种电子设备,包括:存储器、处理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上所述的图像裁剪方法的步骤。
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有计算机程序,所述计算机程序被处理器执行时实现如上所述的图像裁剪方法的步骤。
本发明实施例采用的上述至少一个技术方案能够达到以下有益效果:
本发明实施例提供的方法,首先,在生成图像裁剪框之前,本方案可以准确确定出目标对象中心点的位置信息;其次,本方案生成的图像裁剪框以目标对象中心点为中心,保证了目标图像可以位于裁剪后的图像中间,且图像裁剪框内的图像区域中可以包含完整的目标对象,因此,采用本方案可以避免由于误裁剪,导致图像中的重要内容(例如人脸、指定物体等)丢失,使得裁剪得到的图像可用性较差,浪费了处理资源的问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1a为本发明实施例提供的一种图像裁剪方法的实现流程示意图;
图1b为本发明实施例提供的包含人脸的待裁剪图像;
图1c为本发明实施例提供的待裁剪图像、待裁剪图像的显著性分析图以及二值化后的显著性分析图的示意图;
图1d为本发明实施例提供的一种图像裁剪方法中的图像裁剪框的示意图;
图1e为本发明实施例提供的一种目标图像的实现流程示意图;
图2为本发明实施例提供的一种图像裁剪方法的实现流程示意图;
图3为本发明实施例提供的一种图像裁剪装置的具体结构示意图;
图4为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅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。
以下结合附图,详细说明本发明各实施例提供的技术方案。
实施例1
通常,摄影者习惯将拍摄主体也就是需要准确曝光的东西放在取景器的中间,所以,对应的,在拍摄完成的图像中,中间区域极大可能地包含图像的重要内容(例如人脸、指定物体等),而位于中央以外区域的图像仅作为拍摄主体的衬托,重要性次之。
基于上述特点,现有技术公开了一种居中裁剪的方法,当需要减少图像中冗余信息的容量占用时,可以采用该方法,将图像周边部分裁剪掉,以提取图像中间的正方形部分图像。
然而,实际处理过程中,待裁剪图像中的重要内容(例如人脸、指定物体等)可能并不在图像的中间区域,这种情况下,若直接采用居中裁剪的方法,则可能会造成误裁剪,导致图像中的重要内容(例如人脸、指定物体等)丢失,从而使得裁剪得到的图像可用性较差,浪费了处理资源的问题。综上所述,为了避免上述情况发生,本发明实施例提供一种图像裁剪方法。
该方法的执行主体,可以是各种类型的电子设备,或者,可以是安装于电子设备上的应用程序或应用(Application,APP)。所述的电子设备,比如可以是智能手机、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等,本实施例对电子设备的具体形式并不做限定。
为便于描述,本发明实施例以该方法的执行主体为具备图像处理功能的电子设备为例,对该方法进行介绍。本领域技术人员可以理解,本发明实施例以该电子设备为例对方法进行介绍,仅是一种示例性说明,并不对本方案对应的权利要求保护范围构成限制。
具体地,本发明实施例提供的该方法的实现流程如图1a所示,包括如下步骤:
步骤11,根据从待裁剪图像中确定出的目标对象在待裁剪图像中的位置信息,确定目标对象中心点的位置信息;
所述待裁剪图像,可以是使用具有拍照功能的终端设备/图像获取装置(例如,摄像头)实时采集的图像,也可以是从终端设备本地存储的图像中选取的,或者从其他设备等导入的图像,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。
所述目标对象,可以是具备指定类型特征的目标图像,其中,指定类型特征比如可以是人脸特征以及显著性特征中的至少一种。
通常,针对不同类型的图像,其目标对象也会有所不同,比如,人脸图像中目标对象可能是人脸;非人脸图像中目标对象可能是具有显著性特征的图像前景,因此,为了保证确定出的目标对象中心点位置信息的准确性,本发明实施例中,通常,在执行步骤11前,可以预先确定待裁剪图像中的目标对象,具体实施步骤如下:
判断待裁剪图像中是否包含人脸;
若包含,则将面积最大的人脸确定为待裁剪图像中的目标对象;
若不包含,则获取待裁剪图像的显著性分析图;对显著性分析图进行连通域分析,确定面积最大的连通域;将位于所述面积最大的连通域中的图像前景确定为所述待裁剪图像中的目标对象。
在一个实施例中,可以通过人脸检测算法,判断待裁剪图像中是否包含人脸。所述人脸检测算法,例如,多任务级联卷积神经网络(Multi-task Cascaded ConvolutionalNeural Networks,MTCNN)算法,采用该算法时,若检测过程中输出人脸检测框,则表明待裁剪图像中包含人脸;反之,则表明待裁剪图像中不包含人脸。
其中,通过人脸检测算法,判断待裁剪图像中是否包含人脸仅是本发明实施例的示例性说明,并不对本发明造成任何限定。
需要说明的是,由于待裁剪图像中包含人脸时,待裁剪图像中面积最大的对象为用户感兴趣的目标对象的可能性最大,因此,若待裁剪图像中包含一个或多个人脸,则可以将面积最大的人脸确定为待裁剪图像中的目标对象;
或者,由于待裁剪图像中不包含人脸时,待裁剪图像中面积越大的对象,其包含的指定类型特征更多,其中,指定类型特征比如可以显著性特征,因此,为了使目标对象尽可能多的具备指定类型特征,在本发明实施例中,若待裁剪图像经过连通域分析后,包含一个或多个连通域,则可以将面积最大的连通域确定为目标对象。
例如,如图1b所示,该图像为包含人脸的待裁剪图像;确定目标对象时,由于且该图像中仅包含一个人脸,因此,可以直接将该人脸确定为待裁剪图像中的目标对象。
针对上述不包含人脸的待裁剪图像,确定目标对象时,具体可以包括如下步骤:
获取待裁剪图像的显著性分析图;
对显著性分析图进行连通域分析,确定面积最大的连通域;
将位于面积最大的连通域中的图像前景,确定为待裁剪图像中的目标对象。
其中,获取待裁剪图像的显著性分析图,具体包括以下两步:
计算待裁剪图像中各像素点的颜色值与待裁剪图像中所有像素点的颜色均值的差异值;
将差异值进行归一化处理,得到待裁剪图像的显著性分析图。
所述差异值,也称为图像中像素的显著性程度度量,用于描述待裁剪图像中各像素点的颜色值与待裁剪图像中所有像素点的颜色均值的差异。
以下为方便描述,将显著性程度度量以及差异值统称为差异值,该统称并不对本发明实施例造成任何限定。
在一个实施例中,考虑到Lab空间中的颜色差异值更符合人眼对颜色的差异感知,可选地,当计算差异值时,若待裁剪图像的色彩空间非Lab空间,则可以先将待裁剪图像的色彩空间转换到Lab色彩空间,再通过欧氏距离计算方法计算差异值。具体地,在一个实施例中,可以按照如下公式[1]计算差异值:
其中,
contrasti,表示待裁剪图像中像素i的颜色值与待裁剪图像中所有像素点的颜色均值的差异值;L表示待裁剪图像的亮度,a和b表示待裁剪图像的颜色对立维度;N表示待裁剪图像中总的像素数量;meanL表示待裁剪图像的亮度均值;meana表示待裁剪图像的颜色对立维度a中像素点的颜色均值;meanb 表示待裁剪图像的颜色对立维度b中像素点的颜色均值。
其中,采用欧式距离计算差异值仅是本申请实施例的一种示例性说明,并不对本申请实施例造成任何限定。在一个实施例中,计算差异值时,例如,也可以先将待裁剪图像划分成不同的小块,然后针对不同的小块进行计算差异值;或者,还可以先将待裁剪图像按照颜色值和空间位置聚类,然后分别计算两种类别的颜色差异值作为差异值。
计算得到差异值后,将差异值进行归一化处理,得到待裁剪图像的显著性分析图;进而基于获取的显著性分析图,对显著性分析图进行连通域分析,以确定面积最大的连通域,具体步骤如下:
计算显著性分析图的分割阈值,并基于该阈值对显著性分析图进行二值化;
在一个实施例中,例如,可以但不限于通过最大类间方差法计算显著性分析图的分割阈值。本发明实施例中,通过最大类间方差法计算显著性分析图的分割阈值仅是一种示例性说明,并不对本发明实施例造成任何限定。
基于二值化后的显著性分析图,进行连通域分析,确定面积最大的连通域;
将位于面积最大的连通域中的图像前景确定为待裁剪图像中的目标对象。
例如,如图1c所示,图1c中的(1)图为待裁剪图像,该图像不包含人脸,其目标对象为图像中具有显著性特征的手掌;图1c中的(2)图为待裁剪图像(1)的显著性分析图,该图像中白色部分即为待裁剪图像中具有显著性特征的目标对象;图1c中的(3)图为二值化后的显著性分析图,该图中白色部分即为待裁剪图像的连通域。
由图1c中的(3)图可知,该图像中仅包含一个连通域,因此,该连通域即面积最大的连通域,该面积最大的连通域中的图像前景即为待裁剪图像中的目标对象。
在一个实施例中,确定待裁剪图像中的目标对象后,执行步骤11,根据从待裁剪图像中确定出的目标对象在待裁剪图像中的位置信息,确定目标对象中心点的位置信息。
例如,为方便确定目标对象中心点的位置信息,在一个实施例中,可以根据目标对象在待裁剪图像中的位置信息,确定目标对象的外接矩形中心点的位置信息,作为所述目标对象中心点的位置信息。
比如,若待裁剪图像中包含单个人脸,则可以根据该人脸在待裁剪图像中的位置信息,确定目标对象的外接矩形中心点的位置信息,作为所述目标对象中心点的位置信息。
或者,若待裁剪图像中包含多个人脸,则可以根据面积最大的人脸在待裁剪图像中的位置信息,确定目标对象的外接矩形中心点的位置信息,作为所述目标对象中心点的位置信息。
以此类推,若待裁剪图像中不包含人脸时,则可以根据面积最大的连通域在待裁剪图像中的位置信息,确定目标对象的外接矩形中心点的位置信息,作为所述目标对象中心点的位置信息。
步骤12,根据中心点的位置信息,生成满足预定条件的图像裁剪框;其中,预定条件包括:以目标对象中心点为中心、位于图像裁剪框内的图像区域中包含目标对象、图像裁剪框位置处于所述待裁剪图像中;
需要说明的是,由于图像展示时,通常会要求尽可能地将目标对象呈现在图像的中间区域,以便图像具有较好的显示效果,因此,为了使裁剪后的图像也具有较好的显示效果,在一个发明实施例中,所述裁剪框,可以目标对象中心点为中心,且位于图像裁剪框内的图像区域中包含目标对象。
在一个实施例中,假设以图像裁剪框的形状为正方形为例,则根据中心点的位置信息,生成满足预定条件的图像裁剪框,可以包括如下步骤:
步骤121,根据中心点的位置信息,确定图像裁剪框的中心点位置;
例如,如图1d所示,假设确定目标对象的外接矩形中心点为O点,则可以直接将O点作为图像裁剪框的中心点。
步骤122,根据图像裁剪框的中心点相距待裁剪图像的边缘的最短距离,确定图像裁剪框的边长;
沿用上例,如图1d所示,分别获取图像裁剪框的中心点O到待裁剪图像的边缘A、边缘B、边缘C、边缘D的距离,比如,假设获取到中心点O与边缘A、边缘B、边缘C、边缘D的距离分别为5cm、3.5cm、4.5cm、8cm。
如上,根据获取到的中心点O与待裁剪图像的各边缘的距离,可知中心点 O相距边缘B的距离最短(3.5cm),因此,可以确定图像裁剪框的边长为7cm。
步骤123,根据中心点位置和边长,生成满足预定条件的图像裁剪框。
例如,沿用上例,根据步骤121以及步骤122分别确定的中心点位置O和边长,则可以生成以O为中心,边长为7cm的正方形图像裁剪框。
需要说明的是,假设图像裁剪框的形状为正方形,仅是本实施例的一种示意性说明,并不对本实施例造成任何限定。比如,在一个实施例中,图像裁剪框的形状还可以是圆形、矩形等;图像裁剪框的尺寸也可以根据目标图像的目标尺寸作进一步调整。
步骤13,基于图像裁剪框,从待裁剪图像中裁剪出位于图像裁剪框内的图像区域作为目标图像。
例如,如图1e所示,基于图像裁剪框从待裁剪图像中裁剪出位于图像裁剪框内的图像区域,即为目标图像。
采用本发明实施例提供的该方法,首先,由于在生成图像裁剪框之前,本方案能够准确确定出目标对象中心点的位置信息,因此,可以避免了裁剪过程中的误裁剪问题;其次,图像裁剪框以目标对象中心点为中心,保证了目标图像可以位于裁剪后的图像中间,具有良好的显示效果,且由于图像裁剪框内的图像区域中包含完整的目标对象,因此,可以避免图像中的重要内容(例如人脸、指定物体等)丢失,从而使得裁剪得到的图像具有较好可用性,节省了处理资源。
实施例2
为解决现有图像裁剪技术中,可能造成误裁剪,导致图像中的重要内容(例如人脸、指定物体等)丢失,从而使得裁剪得到的图像可用性较差,浪费了处理资源的问题,本发明实施例提供一种图像裁剪方法。
为便于描述,本发明实施例以该方法的执行主体为具备图像处理功能的电子设备为例,对该方法进行介绍。
例如,假设获取到一张长宽比非1:1的原图,现需要将该图像按照长宽比为1:1的比例显示到微博页面,则为了满足需求,需要对图像进行裁剪。本发明实施例中,将以上述实际需求为例,对图像裁剪方法作进一步说明。
为方便描述,以下称长宽比非1:1的原图为待裁剪图像,长宽比为1:1的图像称为目标图像。
在一个实施例中,对图像进行裁剪之前,可以先对图像进行预处理,具体步骤如下:
步骤21,可选地,考虑到奇异图像可能需要进行特殊处理,因此,本发明实施例中,可预先将待裁剪图像的长宽比阈值范围设置为0.2~5,将不满足长宽比阈值范围的奇异图像过滤,筛选出长宽比适中的待裁剪图像。
步骤22,可选地,考虑到显示屏大小固定时,图像分辨率越高图像越清晰,可以对待裁剪图像进行等比例缩放。
例如,在本发明实施例中,可以将待裁剪图像的分辨率调整为1024×512。其中,将待裁剪图像进行等比例缩放,将待裁剪图像的分辨率调整为1024× 512,仅是本发明实施例的一种示例性说明,并不对本发明造成任何限定。
步骤23,根据步骤22得到比例适中的待裁剪图像,对待裁剪图像进行人脸检测,判断待裁剪图像中是否包含人脸;
例如,采用多任务级联卷积神经网络(Multi-task Cascaded ConvolutionalNeural Networks,MTCNN)算法,对待裁剪图像进行人脸检测。采用该检测方法时,若检测过程中输出人脸检测框,则表明待裁剪图像中包含人脸;反之,则表明待裁剪图像中不包含人脸。
其中,通过多任务级联卷积神经网络算法判断待裁剪图像中是否包含人脸仅是本发明实施例的示例性说明,并不对本发明造成任何限定。
其中,若待裁剪图像包含人脸,则执行步骤24;若待裁剪图像不包含人脸,则执行步骤25;
步骤24,根据人脸检测框的尺寸,将面积最大的人脸确定为待裁剪图像中的目标对象;执行完该步骤后,执行步骤29;
步骤25,获取待裁剪图像的显著性分析图;
其中,步骤25的具体实施步骤与实施例1中获取待裁剪图像的显著性分析图的步骤一致,可参照实施例1的描述,此处不再赘述。
步骤26,对显著性分析图进行连通域分析,确定面积最大的连通域;
具体地,可以先计算显著性分析图的分割阈值,并基于该阈值对显著性分析图进行二值化;
基于二值化后的显著性分析图,进行连通域分析,确定面积最大的连通域;
在一个实施例中,例如,可以但不限于通过最大类间方差法计算显著性分析图的分割阈值。本发明实施例中,通过最大类间方差法计算显著性分析图的分割阈值仅是一种示例性说明,并不对本发明实施例造成任何限定。
步骤27,将位于面积最大的连通域中的图像前景确定为待裁剪图像中的目标对象;
步骤28,确定目标对象的外接矩形,并将外接矩形的中心确定为目标对象的中心;
步骤29,根据目标对象中心点的位置信息,生成图像裁剪框;
需要说明的是,由于图像展示时,通常会要求尽可能地将目标对象呈现在图像的中间区域,以便图像具有较好的显示效果,因此,为了使裁剪后的图像也具有较好的显示效果,在一个发明实施例中,所述裁剪框,可以目标对象中心点为中心,且位于图像裁剪框内的图像区域中包含目标对象。
此外,在一个实施例中,对于裁剪框的形状、尺寸不作限定,该形状,比如可以是圆形、方形/矩形;例如,在一个实施例中,可以以目标对象的中心点到待裁剪图像边缘的最短距离为半径,生成圆形的图像裁剪框;或者,可以以目标对象的中心点到待裁剪图像边缘的最短距离为边长,生成正方形的图像裁剪框。
步骤210,基于图像裁剪框,从待裁剪图像中裁剪出位于图像裁剪框内的图像区域作为目标图像。
需要说明的是,为避免赘述,本发明实施例中,与实施例1相同部分的内容,均可参照实施例1中的描述,此处均不再赘述。
由于本发明实施例采用与上述实施例1相同的申请构思,因此也能够解决现有技术中的问题,此处不再赘述。
实施例3
为解决现有图像裁剪技术中,可能造成误裁剪,导致图像中的重要内容(例如人脸、指定物体等)丢失,从而使得裁剪得到的图像可用性较差,浪费了处理资源的问题,本发明实施例提供一种图像裁剪装置30,该装置的具体结构示意图如图3所示,包括确定模块31、生成模块32和裁剪模块33。各模块的功能如下:
确定模块31,用于根据从待裁剪图像中确定出的目标对象在待裁剪图像中的位置信息,确定目标对象中心点的位置信息;
生成模块32,用于根据中心点的位置信息,生成满足预定条件的图像裁剪框;其中,预定条件包括:以目标对象中心点为中心、位于图像裁剪框内的图像区域中包含目标对象、图像裁剪框处于所述待裁剪图像中;
裁剪模块33,用于基于图像裁剪框,从待裁剪图像中裁剪出位于图像裁剪框内的图像区域作为目标图像。
在一个实施例中,图像裁剪装置30还包括判断模块,该判断模块用于在确定目标对象中心点的位置信息之前:
判断待裁剪图像中是否包含人脸;
若包含,则将面积最大的人脸确定为待裁剪图像中的目标对象;
若不包含,则获取待裁剪图像的显著性分析图;对显著性分析图进行连通域分析,确定面积最大的连通域;将位于所述面积最大的连通域中的图像前景确定为待裁剪图像中的目标对象。
在一个实施例中,判断模块中可以包括计算单元和获取单元,具体地,
计算单元,用于计算待裁剪图像中各像素点的颜色值与待裁剪图像中所有像素点的颜色均值的差异值;
获取单元,用于将差异值进行归一化处理,得到待裁剪图像的显著性分析图。
在一个实施例中,确定模块31,具体用于:
根据所述目标对象在所述待裁剪图像中的位置信息,确定所述目标对象的外接矩形中心点的位置信息,作为所述目标对象中心点的位置信息。
采用本发明实施例提供的该装置,首先,由于在生成模块生成图像裁剪框之前,确定模块能够准确确定出目标对象中心点的位置信息,避免了裁剪过程中的误裁剪问题;其次,图像裁剪框以目标对象中心点为中心,保证了目标图像可以位于裁剪后的图像中间,具有良好的显示效果,且由于图像裁剪框内的图像区域中包含完整的目标对象,因此,可以避免图像中的重要内容(例如人脸、指定物体等)丢失,从而使得裁剪得到的图像具有较好可用性,节省了处理资源。
实施例4
图4为实现本发明各个实施例的一种电子设备的硬件结构示意图,该电子设备的硬件结构400包括但不限于:射频单元401、网络模块402、音频输出单元403、输入单元404、传感器405、显示单元406、用户输入单元407、接口单元408、存储器409、处理器410、以及电源411等部件。本领域技术人员可以理解,图4中示出的电子设备的硬件结构并不构成对电子设备的限定,硬件结构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。在本发明实施例中,硬件结构包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。
其中,处理器410,用于根据待裁剪图像中的目标对象在所述待裁剪图像中的位置信息,确定所述目标对象中心点的位置信息;根据中心点位置信息,生成满足预定条件的图像裁剪框;其中,预定条件包括:以目标对象中心点为中心、位于图像裁剪框内的图像区域中包含目标对象、图像裁剪框处于所述待裁剪图像中;基于图像裁剪框,从待裁剪图像中裁剪出位于图像裁剪框内的图像区域作为目标图像。
存储器409,用于存储可在处理器410上运行的计算机程序,该计算机程序被处理器410执行时,实现处理器410所实现的上述功能。
应理解的是,本发明实施例中,射频单元401可用于收发信息或通话过程中,信号的接收和发送,具体的,将来自基站的下行数据接收后,给处理器410 处理;另外,将上行的数据发送给基站。通常,射频单元401包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外,射频单元401还可以通过无线通信系统与网络和其他设备通信。
电子设备通过网络模块402为用户提供了无线的宽带互联网访问,如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
音频输出单元403可以将射频单元401或网络模块402接收的或者在存储器409中存储的音频数据转换成音频信号并且输出为声音。而且,音频输出单元403还可以提供与电子设备400执行的特定功能相关的音频输出(例如,呼叫信号接收声音、消息接收声音等等)。音频输出单元403包括扬声器、蜂鸣器以及受话器等。
输入单元404用于接收音频或视频信号。输入单元404可以包括图形处理器(Graphics Processing Unit,GPU)4041和麦克风4042,图形处理器4041 对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元406上。经图形处理器4041处理后的图像帧可以存储在存储器409(或其它存储介质) 中或者经由射频单元401或网络模块402进行发送。麦克风4042可以接收声音,并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元401发送到移动通信基站的格式输出。
电子设备400还包括至少一种传感器405,比如光传感器、运动传感器以及其他传感器。具体地,光传感器包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板4061的亮度,接近传感器可在电子设备400移动到耳边时,关闭显示面板4061和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别电子设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击) 等;传感器405还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等,在此不再赘述。
显示单元406用于显示由用户输入的信息或提供给用户的信息。显示单元 406可包括显示面板4061,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板4061。
用户输入单元407可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地,用户输入单元407包括触控面板4071以及其他输入设备4072。触控面板4071,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板4071上或在触控面板4071附近的操作)。触控面板4071 可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器 410,接收处理器410发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板4071。除了触控面板4071,用户输入单元407还可以包括其他输入设备4072。具体地,其他输入设备4072 可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。
进一步的,触控面板4071可覆盖在显示面板4061上,当触控面板4071 检测到在其上或附近的触摸操作后,传送给处理器410以确定触摸事件的类型,随后处理器410根据触摸事件的类型在显示面板4061上提供相应的视觉输出。虽然在图4中,触控面板4071与显示面板4061是作为两个独立的部件来实现电子设备的输入和输出功能,但是在某些实施例中,可以将触控面板4071与显示面板4061集成而实现电子设备的输入和输出功能,具体此处不做限定。
接口单元408为外部装置与电子设备400连接的接口。例如,外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/ 输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元408可以用于接收来自外部装置的输入(例如,数据信息、电力等等)并且将接收到的输入传输到电子设备400内的一个或多个元件或者可以用于在电子设备400和外部装置之间传输数据。
存储器409可用于存储软件程序以及各种数据。存储器409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应用程序(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手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器 409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。
处理器410是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器409内的软件程序和/或模块,以及调用存储在存储器409内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。处理器410可包括一个或多个处理单元;优选的,处理器410可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器410中。
电子设备400还可以包括给各个部件供电的电源411(比如电池),优选的,电源411可以通过电源管理系统与处理器410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。
另外,电子设备400包括一些未示出的功能模块,在此不再赘述。
优选的,本发明实施例还提供一种电子设备,包括处理器410,存储器409,存储在存储器409上并可在所述处理器410上运行的计算机程序,该计算机程序被处理器410执行时实现上述图像裁剪方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述图像裁剪方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种图像裁剪方法,其特征在于,包括:
根据从待裁剪图像中确定出的目标对象在所述待裁剪图像中的位置信息,确定所述目标对象中心点的位置信息;
根据所述中心点的位置信息,生成满足预定条件的图像裁剪框;其中,所述预定条件包括:以所述目标对象中心点为中心、位于所述图像裁剪框内的图像区域中包含所述目标对象、图像裁剪框处于所述待裁剪图像中;
基于所述图像裁剪框,从所述待裁剪图像中裁剪出位于所述图像裁剪框内的图像区域作为目标图像。
2.如权利要求1所述的方法,其特征在于,从待裁剪图像中确定目标对象的方法,包括:
判断所述待裁剪图像中是否包含人脸;
若包含,则将面积最大的人脸确定为所述待裁剪图像中的目标对象;
若不包含,则获取所述待裁剪图像的显著性分析图;对所述显著性分析图进行连通域分析,确定面积最大的连通域;将位于所述面积最大的连通域中的图像前景确定为所述待裁剪图像中的目标对象。
3.如权利要求2所述的方法,其特征在于,获取所述待裁剪图像的显著性分析图,具体包括:
计算所述待裁剪图像中各像素点的颜色值与所述待裁剪图像中所有像素点的颜色均值的差异值;
将所述差异值进行归一化处理,得到所述待裁剪图像的显著性分析图。
4.如权利要求1所述的方法,其特征在于,根据从待裁剪图像中确定出的目标对象在所述待裁剪图像中的位置信息,确定所述目标对象中心点的位置信息,具体包括:
根据所述目标对象在所述待裁剪图像中的位置信息,确定所述目标对象的外接矩形中心点的位置信息,作为所述目标对象中心点的位置信息。
5.如权利要求1所述的方法,其特征在于,所述图像裁剪框具体包括:形状为正方形的图像裁剪框;则
根据所述中心点的位置信息,生成满足预定条件的图像裁剪框,具体包括:
根据所述中心点的位置信息,确定所述图像裁剪框的中心点位置;
根据所述图像裁剪框的中心点相距所述待裁剪图像的边缘的最短距离,确定所述图像裁剪框的边长;
根据所述中心点位置和所述边长,生成满足所述预定条件的图像裁剪框。
6.一种图像裁剪装置,其特征在于,包括:
确定模块,用于根据从待裁剪图像中确定出的目标对象在所述待裁剪图像中的位置信息,确定所述目标对象中心点的位置信息;
生成模块,用于根据所述中心点的位置信息,生成满足预定条件的图像裁剪框;其中,所述预定条件包括:以所述目标对象中心点为中心、位于所述图像裁剪框内的图像区域中包含所述目标对象、图像裁剪框处于所述待裁剪图像中;
裁剪模块,用于基于所述图像裁剪框,从所述待裁剪图像中裁剪出位于所述图像裁剪框内的图像区域作为目标图像。
7.如权利要求6所述的装置,其特征在于,所述装置还包括判断模块,所述判断模块用于:
判断所述待裁剪图像中是否包含人脸;
若包含,则将面积最大的人脸确定为所述待裁剪图像中的目标对象;
若不包含,则获取所述待裁剪图像的显著性分析图;对所述显著性分析图进行连通域分析,确定面积最大的连通域;将位于所述面积最大的连通域中的图像前景确定为所述待裁剪图像中的目标对象。
8.如权利要求6所述的装置,其特征在于,所述确定模块,具体用于:
根据所述目标对象在所述待裁剪图像中的位置信息,确定所述目标对象的外接矩形中心点的位置信息,作为所述目标对象中心点的位置信息。
9.一种电子设备,其特征在于,包括:存储器、处理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5中任一项所述的图像裁剪方法的步骤。
10.一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有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的图像裁剪方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910345675.2A CN110136142A (zh) | 2019-04-26 | 2019-04-26 | 一种图像裁剪方法、装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910345675.2A CN110136142A (zh) | 2019-04-26 | 2019-04-26 | 一种图像裁剪方法、装置、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110136142A true CN110136142A (zh) | 2019-08-16 |
Family
ID=67575219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910345675.2A Pending CN110136142A (zh) | 2019-04-26 | 2019-04-26 | 一种图像裁剪方法、装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110136142A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580678A (zh) * | 2019-09-10 | 2019-12-17 | 北京百度网讯科技有限公司 | 图像处理方法及装置 |
CN110660115A (zh) * | 2019-08-20 | 2020-01-07 | 海南车智易通信息技术有限公司 | 一种广告图的生成方法、装置及系统 |
CN110688962A (zh) * | 2019-09-29 | 2020-01-14 | 武汉秀宝软件有限公司 | 人脸图像处理方法、用户设备、存储介质及装置 |
CN111062852A (zh) * | 2019-12-16 | 2020-04-24 | 百度国际科技(深圳)有限公司 | 一种地图渲染方法、装置、电子设备及存储介质 |
CN111145093A (zh) * | 2019-12-20 | 2020-05-12 | 北京五八信息技术有限公司 | 图像显示方法、装置、电子设备及存储介质 |
CN111461967A (zh) * | 2020-04-01 | 2020-07-28 | 北京字节跳动网络技术有限公司 | 图片处理方法、装置、设备和计算机可读介质 |
CN111462121A (zh) * | 2020-03-23 | 2020-07-28 | 上海携程商务有限公司 | 基于图像语义理解的图像裁切方法、系统、设备和介质 |
WO2021008456A1 (zh) * | 2019-07-12 | 2021-01-21 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN112308859A (zh) * | 2020-09-01 | 2021-02-02 | 北京小米松果电子有限公司 | 生成缩略图的方法、装置、相机以及存储介质 |
CN112541934A (zh) * | 2019-09-20 | 2021-03-23 | 百度在线网络技术(北京)有限公司 | 一种图像处理方法及装置 |
CN112686907A (zh) * | 2020-12-25 | 2021-04-20 | 联想(北京)有限公司 | 一种图像处理方法、设备及装置 |
CN112884785A (zh) * | 2021-03-16 | 2021-06-01 | 常熟理工学院 | 多斜位乳腺x线图像背景自动去除方法、装置及介质 |
CN112884787A (zh) * | 2021-01-28 | 2021-06-01 | 北京有竹居网络技术有限公司 | 图像剪裁方法、装置、可读介质及电子设备 |
CN113095119A (zh) * | 2020-01-09 | 2021-07-09 | 北京君正集成电路股份有限公司 | 一种修正人脸裁剪框的人脸识别系统 |
CN114333030A (zh) * | 2021-12-31 | 2022-04-12 | 科大讯飞股份有限公司 | 图像处理方法、装置、设备及存储介质 |
CN114449177A (zh) * | 2020-11-05 | 2022-05-06 | 北京嗨动视觉科技有限公司 | 视频源显示方法和装置 |
CN114972369A (zh) * | 2021-02-26 | 2022-08-30 | 北京小米移动软件有限公司 | 图像处理方法、装置及存储介质 |
CN115082673A (zh) * | 2022-06-14 | 2022-09-20 | 阿里巴巴(中国)有限公司 | 图像处理方法、装置、设备和存储介质 |
WO2022242397A1 (zh) * | 2021-05-17 | 2022-11-24 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置及计算机可读存储介质 |
CN116542987A (zh) * | 2023-04-19 | 2023-08-04 | 翼存(上海)智能科技有限公司 | 一种图像裁剪方法、装置、电子设备及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218832A (zh) * | 2012-10-15 | 2013-07-24 | 上海大学 | 基于图像中全局颜色对比度和空域分布的视觉显著性算法 |
CN103996186A (zh) * | 2014-04-29 | 2014-08-20 | 小米科技有限责任公司 | 图像裁剪方法及装置 |
CN105205780A (zh) * | 2015-10-19 | 2015-12-30 | 新华瑞德(北京)网络科技有限公司 | 图片裁剪方法和装置 |
CN105989572A (zh) * | 2015-02-10 | 2016-10-05 | 腾讯科技(深圳)有限公司 | 图片处理方法及装置 |
CN106549903A (zh) * | 2015-09-16 | 2017-03-29 | 腾讯科技(深圳)有限公司 | 一种设置用户头像的方法和装置 |
CN107169951A (zh) * | 2016-03-03 | 2017-09-15 | 成都交大光芒科技股份有限公司 | 一种基于图像的斜腕臂末端管帽的缺失检测方法及系统 |
CN107507201A (zh) * | 2017-09-22 | 2017-12-22 | 深圳天琴医疗科技有限公司 | 一种医学图像分割方法及装置 |
CN107610131A (zh) * | 2017-08-25 | 2018-01-19 | 百度在线网络技术(北京)有限公司 | 一种图像裁剪方法和图像裁剪装置 |
CN108280460A (zh) * | 2017-12-04 | 2018-07-13 | 西安电子科技大学 | 基于改进卷积神经网络的sar车辆目标识别方法 |
CN108389210A (zh) * | 2018-02-28 | 2018-08-10 | 深圳天琴医疗科技有限公司 | 一种医学图像分割方法及装置 |
CN108489996A (zh) * | 2018-02-11 | 2018-09-04 | 深圳市朗驰欣创科技股份有限公司 | 一种绝缘子的缺陷检测方法、系统及终端设备 |
CN108776970A (zh) * | 2018-06-12 | 2018-11-09 | 北京字节跳动网络技术有限公司 | 图像处理方法和装置 |
CN109636784A (zh) * | 2018-12-06 | 2019-04-16 | 西安电子科技大学 | 基于最大邻域和超像素分割的图像显著性目标检测方法 |
-
2019
- 2019-04-26 CN CN201910345675.2A patent/CN110136142A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218832A (zh) * | 2012-10-15 | 2013-07-24 | 上海大学 | 基于图像中全局颜色对比度和空域分布的视觉显著性算法 |
CN103996186A (zh) * | 2014-04-29 | 2014-08-20 | 小米科技有限责任公司 | 图像裁剪方法及装置 |
CN105989572A (zh) * | 2015-02-10 | 2016-10-05 | 腾讯科技(深圳)有限公司 | 图片处理方法及装置 |
CN106549903A (zh) * | 2015-09-16 | 2017-03-29 | 腾讯科技(深圳)有限公司 | 一种设置用户头像的方法和装置 |
CN105205780A (zh) * | 2015-10-19 | 2015-12-30 | 新华瑞德(北京)网络科技有限公司 | 图片裁剪方法和装置 |
CN107169951A (zh) * | 2016-03-03 | 2017-09-15 | 成都交大光芒科技股份有限公司 | 一种基于图像的斜腕臂末端管帽的缺失检测方法及系统 |
CN107610131A (zh) * | 2017-08-25 | 2018-01-19 | 百度在线网络技术(北京)有限公司 | 一种图像裁剪方法和图像裁剪装置 |
CN107507201A (zh) * | 2017-09-22 | 2017-12-22 | 深圳天琴医疗科技有限公司 | 一种医学图像分割方法及装置 |
CN108280460A (zh) * | 2017-12-04 | 2018-07-13 | 西安电子科技大学 | 基于改进卷积神经网络的sar车辆目标识别方法 |
CN108489996A (zh) * | 2018-02-11 | 2018-09-04 | 深圳市朗驰欣创科技股份有限公司 | 一种绝缘子的缺陷检测方法、系统及终端设备 |
CN108389210A (zh) * | 2018-02-28 | 2018-08-10 | 深圳天琴医疗科技有限公司 | 一种医学图像分割方法及装置 |
CN108776970A (zh) * | 2018-06-12 | 2018-11-09 | 北京字节跳动网络技术有限公司 | 图像处理方法和装置 |
CN109636784A (zh) * | 2018-12-06 | 2019-04-16 | 西安电子科技大学 | 基于最大邻域和超像素分割的图像显著性目标检测方法 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021008456A1 (zh) * | 2019-07-12 | 2021-01-21 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN110660115A (zh) * | 2019-08-20 | 2020-01-07 | 海南车智易通信息技术有限公司 | 一种广告图的生成方法、装置及系统 |
CN110580678A (zh) * | 2019-09-10 | 2019-12-17 | 北京百度网讯科技有限公司 | 图像处理方法及装置 |
CN112541934B (zh) * | 2019-09-20 | 2024-02-27 | 百度在线网络技术(北京)有限公司 | 一种图像处理方法及装置 |
CN112541934A (zh) * | 2019-09-20 | 2021-03-23 | 百度在线网络技术(北京)有限公司 | 一种图像处理方法及装置 |
CN110688962A (zh) * | 2019-09-29 | 2020-01-14 | 武汉秀宝软件有限公司 | 人脸图像处理方法、用户设备、存储介质及装置 |
CN110688962B (zh) * | 2019-09-29 | 2022-05-20 | 武汉秀宝软件有限公司 | 人脸图像处理方法、用户设备、存储介质及装置 |
CN111062852A (zh) * | 2019-12-16 | 2020-04-24 | 百度国际科技(深圳)有限公司 | 一种地图渲染方法、装置、电子设备及存储介质 |
CN111062852B (zh) * | 2019-12-16 | 2023-10-17 | 阿波罗智联(北京)科技有限公司 | 一种地图渲染方法、装置、电子设备及存储介质 |
CN111145093A (zh) * | 2019-12-20 | 2020-05-12 | 北京五八信息技术有限公司 | 图像显示方法、装置、电子设备及存储介质 |
CN113095119B (zh) * | 2020-01-09 | 2023-11-21 | 北京君正集成电路股份有限公司 | 一种修正人脸裁剪框的人脸识别系统 |
CN113095119A (zh) * | 2020-01-09 | 2021-07-09 | 北京君正集成电路股份有限公司 | 一种修正人脸裁剪框的人脸识别系统 |
CN111462121A (zh) * | 2020-03-23 | 2020-07-28 | 上海携程商务有限公司 | 基于图像语义理解的图像裁切方法、系统、设备和介质 |
CN111461967B (zh) * | 2020-04-01 | 2023-06-27 | 抖音视界有限公司 | 图片处理方法、装置、设备和计算机可读介质 |
CN111461967A (zh) * | 2020-04-01 | 2020-07-28 | 北京字节跳动网络技术有限公司 | 图片处理方法、装置、设备和计算机可读介质 |
CN112308859A (zh) * | 2020-09-01 | 2021-02-02 | 北京小米松果电子有限公司 | 生成缩略图的方法、装置、相机以及存储介质 |
CN114449177A (zh) * | 2020-11-05 | 2022-05-06 | 北京嗨动视觉科技有限公司 | 视频源显示方法和装置 |
CN112686907A (zh) * | 2020-12-25 | 2021-04-20 | 联想(北京)有限公司 | 一种图像处理方法、设备及装置 |
CN112884787B (zh) * | 2021-01-28 | 2023-09-15 | 北京有竹居网络技术有限公司 | 图像剪裁方法、装置、可读介质及电子设备 |
CN112884787A (zh) * | 2021-01-28 | 2021-06-01 | 北京有竹居网络技术有限公司 | 图像剪裁方法、装置、可读介质及电子设备 |
CN114972369A (zh) * | 2021-02-26 | 2022-08-30 | 北京小米移动软件有限公司 | 图像处理方法、装置及存储介质 |
CN112884785A (zh) * | 2021-03-16 | 2021-06-01 | 常熟理工学院 | 多斜位乳腺x线图像背景自动去除方法、装置及介质 |
CN112884785B (zh) * | 2021-03-16 | 2022-03-25 | 常熟理工学院 | 多斜位乳腺x线图像背景自动去除方法、装置及介质 |
WO2022242397A1 (zh) * | 2021-05-17 | 2022-11-24 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置及计算机可读存储介质 |
CN114333030A (zh) * | 2021-12-31 | 2022-04-12 | 科大讯飞股份有限公司 | 图像处理方法、装置、设备及存储介质 |
CN115082673A (zh) * | 2022-06-14 | 2022-09-20 | 阿里巴巴(中国)有限公司 | 图像处理方法、装置、设备和存储介质 |
CN116542987A (zh) * | 2023-04-19 | 2023-08-04 | 翼存(上海)智能科技有限公司 | 一种图像裁剪方法、装置、电子设备及存储介质 |
CN116542987B (zh) * | 2023-04-19 | 2024-06-04 | 翼存(上海)智能科技有限公司 | 一种图像裁剪方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110136142A (zh) | 一种图像裁剪方法、装置、电子设备 | |
WO2021008456A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110502954B (zh) | 视频分析的方法和装置 | |
CN108594997B (zh) | 手势骨架构建方法、装置、设备及存储介质 | |
CN110059685B (zh) | 文字区域检测方法、装置及存储介质 | |
KR20200128565A (ko) | 이미지 처리 방법 및 장치, 단말 및 컴퓨터 판독 가능 저장 매체 | |
CN107749046B (zh) | 一种图像处理方法及移动终端 | |
CN110647881B (zh) | 确定图像对应的卡片类型的方法、装置、设备及存储介质 | |
CN110442521B (zh) | 控件单元检测方法及装置 | |
CN111325220B (zh) | 图像生成方法、装置、设备及存储介质 | |
CN111754386A (zh) | 图像区域屏蔽方法、装置、设备及存储介质 | |
CN110796147B (zh) | 图像分割方法及相关产品 | |
CN110853124B (zh) | 生成gif动态图的方法、装置、电子设备及介质 | |
CN112749590A (zh) | 目标检测方法、装置、计算机设备和计算机可读存储介质 | |
CN110675473A (zh) | 生成gif动态图的方法、装置、电子设备及介质 | |
CN110633336B (zh) | 激光数据搜索范围的确定方法、装置及存储介质 | |
CN111639639B (zh) | 检测文本区域的方法、装置、设备及存储介质 | |
CN111432122A (zh) | 一种图像处理方法及电子设备 | |
CN114168873B (zh) | 一种页面弹框的处理方法、装置、终端设备及存储介质 | |
CN113343709B (zh) | 意图识别模型的训练方法、意图识别方法、装置及设备 | |
CN111064886B (zh) | 终端设备的拍摄方法、终端设备及存储介质 | |
CN114140655A (zh) | 图像分类方法、装置、存储介质及电子设备 | |
CN113407774A (zh) | 封面确定方法、装置、计算机设备及存储介质 | |
CN111294320B (zh) | 数据转换的方法和装置 | |
CN113301422A (zh) | 获取视频封面的方法、终端及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190816 |