CN110235174A - 图像评价装置、图像评价方法及图像评价程序 - Google Patents
图像评价装置、图像评价方法及图像评价程序 Download PDFInfo
- Publication number
- CN110235174A CN110235174A CN201880009448.6A CN201880009448A CN110235174A CN 110235174 A CN110235174 A CN 110235174A CN 201880009448 A CN201880009448 A CN 201880009448A CN 110235174 A CN110235174 A CN 110235174A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- representative
- impression
- multiple images
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 90
- 241000406668 Loxodonta cyclotis Species 0.000 claims description 4
- 101001080597 Spinacia oleracea 50S ribosomal protein 5 alpha, chloroplastic Proteins 0.000 description 23
- 238000013441 quality evaluation Methods 0.000 description 15
- 230000035945 sensitivity Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 241001416181 Axis axis Species 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种能够高分评价具有用户喜好的印象的图像的图像评价装置、图像评价方法及其程序。第1图像组中所包含的多个图像输入至图像评价装置(步骤21)。显示多个代表图像候选(步骤22),用户从代表图像候选中选择所希望的代表图像(步骤23)。计算出代表图像的印象值与所输入的图像的印象值的差异(步骤24),且确定所输入的图像的画质(步骤25)。计算出印象值的差异越小且画质越良好则越变高的图像评价值(步骤26)。
Description
技术领域
本发明涉及一种图像评价装置、图像评价方法及图像评价程序。
背景技术
实现了一种如明信片、电子相册、相册等那样用户在模板等底板图像上粘贴图像,生成用户所希望的合成图像的装置。也可想到用户选择在底板图像上粘贴的图像,但在多个图像中指定粘贴的图像较为繁琐,因此有时在多个图像中自动搜寻在底板图像中粘贴的图像。如此,作为在多个图像中搜寻图像的装置,例如存在根据表示成为图像的特征的部位的外观印象要件而搜寻图像的装置(专利文献1)。并且,也存在选择具有适合于图像等对象的内容的氛围的模板的装置(专利文献2)。进而,也存在如下装置:能够根据有关目标图像数据的印象,从多个图像数据中搜索目标图像数据的装置(专利文献3)、获得与人类的类似感觉一致的类似图像的装置(专利文献4)、以面部位置、被摄体像的明度、被摄体像的抖动量等特征量为参考确定成为相册粘贴对象的被摄体像的装置(专利文献5)等。
以往技术文献
专利文献
专利文献1:日本特开2016-194857号公报
专利文献2:日本特开2012-164000号公报
专利文献3:日本特开2006-099267号公报
专利文献4:日本特开2004-005303号公报
专利文献5:日本特开2015-118522号公报
发明内容
发明要解决的技术课题
然而,利用专利文献1中记载的装置,则外观印象部位为图像的一部分,因此有时无法对与从图像整体获得的印象不同的图像进行评价。利用专利文献2中记载的装置,则仅仅是选择模板的装置。并且,利用专利文献3中记载的装置,则利用视觉性特征搜索目标图像数据,因此对于无法根据视觉性特征来表现的图像,无法进行评价。在专利文献4中记载的装置也是利用视觉性特征,因此对于无法根据视觉性特征来表现的图像,无法进行评价。在专利文献5中记载的装置中,仅仅是通过面部位置等确定被摄体像,因此无法高度评价具有所希望的印象的图像。
本发明的目的在于,能够高度评价具有用户喜好的印象的图像。并且,目的在于,不仅能够确保用户的喜好,还能够确保图像评价的客观性。
用于解决技术课题的手段
基于本发明的图像评价装置的特征在于,具备:
第1图像输入机构,输入第1图像组中所包含的多个图像;代表图像选择机构,选择代表图像;及第1图像评价值计算机构,根据通过代表图像选择机构选择的代表图像的印象值与输入至第1图像输入机构的多个图像中的每一个图像的印象值的差异、和第1图像组中所包含的多个图像中的每一个图像的画质,计算图像评价值。
本发明也提供一种适合于图像评价装置的图像评价方法。即,该方法中,第1图像输入机构输入第1图像组中所包含的多个图像,代表图像选择机构选择代表图像,第1图像评价值计算机构根据通过代表图像选择机构选择的代表图像的印象值与输入至第1图像输入机构的多个图像中的每一个图像的印象值的差异、和第1图像组中所包含的多个图像中的每一个图像的画质,计算图像评价值。
也可以提供一种如下图像评价装置:使处理器输入第1图像组中所包含的多个图像,并选择代表图像,根据所选择的代表图像的印象值与输入至第1图像输入机构的多个图像中的每一个图像的印象值的差异、和第1图像组中所包含的多个图像中的每一个图像的画质,计算图像评价值。
并且,本发明也提供一种存储有控制图像评价装置的计算机的程序及存储有该程序的存储介质。
可以还具备将输入至第1图像输入机构的多个图像中的画质为阈值以上的图像作为代表图像候选而显示的代表图像候选显示控制机构。该情况下,代表图像选择机构例如从在代表图像候选显示控制机构的控制下所显示的代表图像候选中选择至少1个代表图像候选作为代表图像。
可以还具备将输入至第1图像输入机构中的多个图像中的印象值的偏差大的多个图像作为代表图像候选而显示的代表图像候选显示控制机构。该情况下,代表图像选择机构例如从在代表图像候选显示控制机构的控制下所显示的代表图像候选中选择至少1个代表图像候选作为代表图像。
可以还具备将输入至第1图像输入机构的多个图像中的具有关于多个印象轴的印象值的每一个印象值的最大值或最小值的多个图像作为代表图像候选而显示的代表图像候选显示控制机构。该情况下,代表图像选择机构例如从在代表图像候选显示控制机构的控制下所显示的代表图像候选中选择至少1个代表图像候选作为代表图像。
可以还具备:第2图像输入机构,输入第2图像组中所包含的多个图像;图像分类机构,根据第2图像组中所包含的多个图像中的每一个图像的印象值,将第2图像组中所包含的多个图像分类成多个簇;第2图像评价值计算机构,根据通过图像分类机构分类的多个簇中所包含的多个图像的印象值的中心值与簇中所包含的图像的印象值的差异和簇中所包含的图像的画质,计算簇中所包含的多个图像的每一个图像评价值;代表图像候选确定机构,根据通过第2图像评价值计算机构计算出的图像评价值,按照每一簇确定代表图像候选;及代表图像候选显示控制机构,显示通过代表图像候选确定机构确定的代表图像候选。该情况下,代表图像选择机构从在代表图像候选显示控制机构的控制下所显示的代表图像候选中选择至少1个代表图像候选作为代表图像,第1图像评价值计算机构根据多个簇中的通过代表图像选择机构选择的代表图像所属的簇中所包含的多个图像的印象值的中心值与从第1图像输入机构输入的第1图像组中所包含的多个图像中的每一个图像的印象值的差异和第1图像组中所包含的多个图像中的每一个图像的画质计算图像评价值。
第1图像组中所包含的多个图像及第2图像组中所包含的多个图像例如存储于相同的存储装置中。
并且,第1图像组中所包含的多个图像及第2图像组中所包含的多个图像可以相同。
关于第1图像评价值计算机构,例如代表图像所属的簇中所包含的多个图像的印象的中心值与第1图像组中所包含的多个图像中的每一个图像的印象值的差异越大,则与差异小的情况相比,将图像评价值计算得越低,且第1图像组中所包含的多个图像中的每一个图像的画质越差,则与画质良好的情况相比,将图像评价值计算得越低。关于第2图像评价值计算机构,例如簇中所包含的多个图像的印象值的中心值与簇中所包含的图像的印象值的差异越大,则与差异小的情况相比,将图像评价值计算得越低,且簇中所包含的图像的画质越差,则与画质良好的情况相比,将图像评价值计算得越低。
图像分类机构例如针对第2图像组中所包含的多个图像中的画质为阈值以上的多个图像,根据每一个图像的印象值,将多个图像分类为多个簇,第2图像评价值计算机构例如根据多个簇中的通过代表图像选择机构选择的代表图像所属的簇中所包含的多个图像的印象值的中心值与第2图像组中所包含的多个图像中画顾为阈值以上的图像的印象值的差异和第2图像组中所包含的多个图像中的每一个图像的画质,计算图像评价值。
可以还具备对在代表图像显示控制机构的控制下显示的代表图像候选一同记载表示代表图像候选的印象的词汇来显示的词汇显示控制机构。
发明效果
根据本发明,第1图像组中所包含的多个图像输入至图像评价装置。并且,选择代表图像。根据所选择的代表图像的印象值与所输入的多个图像中的每一个图像的印象值的差异和所输入的多个图像中的每一个图像的画质计算出图像评价值。
用户通过选择喜好的代表图像,能够使得具有与该所选择的代表图像的印象值接近的印象值的图像成为高评价,因此能够评价具有用户喜好的印象的图像。并且,不仅考虑印象值,还将画质也考虑在内,因此不仅能够确保用户的喜好,由于高画质的图像成为高评价,还能够确保图像评价的客观性。
附图说明
图1是表示图像评价装置的电结构的框图。
图2是表示图像评价装置的处理步骤的流程图。
图3是代表图像候选的一例。
图4是印象区域的一例。
图5是表示图像评价装置的处理步骤的一部分的流程图。
图6是表示图像评价装置的处理步骤的一部分的流程图。
图7是表示图像评价装置的处理步骤的一部分的流程图。
图8是表示图像评价装置的处理步骤的流程图。
图9是表示图像评价装置的处理步骤的流程图。
图10是印象区域的一例。
图11是印象区域的一例。
图12是代表图像候选的一例。
图13是印象区域的一例。
图14是印象区域的一例。
图15是表示图像评价装置的处理步骤的流程图。
图16是表示图像评价装置的处理步骤的流程图。
具体实施方式
[第1实施例]
图1表示本发明的实施例,为表示图像评价装置1的电结构的框图。
通过CPU(Central Processing Unit:中央处理器)7集中控制图像评价装置1的整体动作。
图像评价装置1中包括通过显示控制装置3控制的显示装置2、暂时存储数据的存储器4,用于访问微型光盘5的CD(微型光盘)驱动器6,用于用户对图像评价装置1传递指令的键盘8及鼠标9。并且,图像评价装置1中也包括用于访问HD(硬盘)12的HD(硬盘)驱动器11及用于与服务器(省略图示)等进行通信的通信装置10。进而,图像评价装置1中还包括读取存储卡14中存储的图像文件等的存储卡接口13。
存储有控制后述的动作的、计算机能够读取的程序的微型光盘5装载于图像评价装置1,并通过CD驱动器6读取微型光盘5中所存储的程序。所读取的程序安装于图像评价装置1,由此图像评价装置1进行后述的动作。关于控制图像评价装置1的程序,可以接收经由网络发送的程序,而不是从如微型光盘5那样的记录介质读取。
图2是表示图像评价装置1的处理步骤的流程图。
用户将存储有多个图像(表示多个图像的文件)的存储卡14装载于图像评价装置1,并经由存储卡接口13(第1图像输入机构)将第1图像组中所包含的多个图像输入至图像评价装置1(步骤21)。可以将存储卡14中所存储的所有图像视为第1图像组,在存储卡14中形成有多个文件夹的情况下,在多个文件夹中指定任一文件夹,并将所指定的文件夹中所存储的多个图像视为第1图像组。当然,不仅限于存储卡14中所存储的图像,也可以将微型光盘5中所存储的图像设为第1图像组,也可以将HD12中所存储的多个图像设为第1图像组。
若第1图像组中所包含的多个图像输入至图像评价装置1(被指定),则通过显示控制装置3的控制,多个代表图像候选显示于显示装置2的显示画面(步骤22)。
图3是显示于显示装置2的显示画面的窗口30的一例。
窗口30中显示有8个代表图像候选IR1至IR8。这些代表图像候选IR1至IR8预先存储于HD12。代表图像候选IR1至IR8与从存储卡14读取的多个图像不同,但也可以从存储卡14读取的多个图像中确定代表图像候选。并且,也可以在图像评价装置1中读取用户所持有的任一图像,而并非是从存储卡14读取的多个图像,并将所读取的图像设为代表图像候选。图3中,显示有8个代表图像候选IR1至IR8,但并不限于8个,若为多个,则可以为7个以下的代表图像候选,也可以为9个以上的代表图像候选。
在代表图像候选IR1至IR8的下面形成有标注有“OK”字符的OK按钮31及标注有“清除”字符的清除按钮32。
用户在窗口30中显示的8个代表图像候选IR1至IR8中选择具有用户喜好的印象的1个或多个代表图像(图2步骤23)。例如,在代表图像候选IR1至IR8中,利用鼠标9(代表图像选择机构)在所希望的代表图像候选上定位光标,并点击,利用鼠标9点击OK按钮31,由此选择被点击的代表图像候选作为代表图像。在点击OK按钮31之前利用鼠标9点击清除按钮32,则所点击的代表图像候选被清除。
接着,通过CPU7计算所选择的代表图像的印象值与输入至图像评价装置1的多个图像中的每一个图像的印象值的差异(步骤24)。
图4是通过印象轴表示的印象区域的一例。
横轴为由“暖色”的印象和“冷色”的印象规定的印象轴,纵轴为由“柔和”的印象和“生硬”的印象规定的印象轴。
本实施例中,作为第1图像组中所包含的多个图像,设为图像I1至I10为止的10个图像输入至图像评价装置1。这些图像I1至I10为止的印象区域中的印象值通过S1至S10而表示。图像I1至I10的印象值S1至S10存储于表示图像I1至I10的每一个图像的图像文件的标题中的情况下,从图像文件读取印象值即可。在印象值未存储于图像文件的标题中的情况下,例如,根据图像I1至I10的每一个图像的色分布确定代表色,关于该确定的代表色,确定与“暧色”和“冷色”对应的印象值及与“柔和”和“生硬”对应的印象值。当然按照每一种颜色,预先设定与“暖色”和“冷色”对应的印象值及与“柔软”和“生硬”对应的印象值是不言而喻的。代表色能够通过图像中的频度最高的颜色、图像中的主要被摄体的平均颜色等来确定。并且,也可以将代表色确定为多个,如第1代表色、第2代表色,并由代表色的组合来求出印象值。
图4中也图示出由用户选择的代表图像的印象值S0。本实施例中,设为选择了1个代表图像,但也可以选择多个代表图像。表示代表图像的代表图像文件的标题中存储有关于印象轴的印象值,当然从该标题读出印象值是不言而喻的。
图4中,利用了关于2个印象轴的印象值,但也可以利用关于1个印象轴的印象值、关于3个以上的印象轴的印象值。
若了解代表图像的印象值S0及输入至图像评价装置1的图像I1至I10的印象值S1至S10,则通过CPU7计算出代表图像的印象值与输入至图像评价装置1的图像I1至I10的每一个图像的印象值S0至S10的差异(图2步骤24)。该差异作为图4中印象区域中的印象值的距离来表示。图像I1的印象值S1与代表图像的印象值S0的距离为ΔS1,该距离设为差异。同样地,图像I2的印象值S2、图像I3的印象值S3、图像I4的印象值S4、图像I5的印象值S5、图像I6的印象值S6、图像I7的印象值S7、图像I8的印象值S8、图像I9的印象值S9及图像I10的印象值S10的每一个与代表图像的印象值S0的差异分别为ΔS2、ΔS3、ΔS4、ΔS5、ΔS6、ΔS7、ΔS8、ΔS9及ΔS10。
接着,通过CPU7确定输入至图像评价装置1的多个图像中的每一个图像的画质作为画质评价值(图2步骤25)。画质不依赖于主观而被定义,是指越大越好或者越小越好这样的图像所具有的属性。例如,包含图像的模糊程度、抖动的程度、对比度、像素数、分辨率、明度等,但并不限于这些。画质评价值存储于在表示图像的图像文件的标题中的情况下,从标题读取。画质评价值未存储于图像文件的标题中的情况下,通过CPU7确定。
若确定印象值的差异及图像的画质,则通过CPU7(第1图像评价值计算机构)并根据这些印象值的差异和图像的画质计算出图像评价值(步骤26)。通过印象值的差异除以图像的画质而得到图像评价值。当然印象值的差异及图像的画质均被标准化是不言而喻的。画质越高则图像评价值越高。并且,关于印象值的差异,越接近于用户所选择的喜好的代表图像的印象则变得越小,因此印象值的差异越小,则图像评价值变得越高。
表1为画质评价值、代表图像的印象值S0至输入至图像评价装置1的多个图像中的每一个图像的印象值为止的距离(印象值的差异)及按照每一图像存储有图像评价值的图像评价值表的一例。
[表1]
例如,若为图像I1,则画质评价值为Q1、从代表图像的印象值S0至图像I1的印象值S1为止的距离为ΔS1,因此图像评价值成为Q1/ΔS1。关于其他的图像I2至I10,也以相同的方式通过CPU7计算出图像评价值。
如此获得图像评价值后,利用具有高的图像评价值的图像来制作明信片、相册等,由此能够制作高画质且具有用户喜好的印象的明信片、相册等。
图5表示变形例,为表示图像评价装置1的处理步骤的一部分的流程图。图5与图2对应。
第1图像组中所包含的多个图像从存储卡14经由存储卡接口13(第1图像输入机构)输入至图像评价装置1(步骤41)。例如,如图4中示出了所输入的图像I1至I10的印象值S1至S10那样,设为图像I1至图像I10输入至图像评价装置1。通过CPU7确定输入至图像评价装置1的多个图像I1至I10的画质(步骤42)。通过CPU7搜寻输入至图像评价装置1的多个图像I1至I10中的画质为阈值以上的图像,并通过CPU7确定搜寻到的图像作为代表图像候选(步骤43)。画质为阈值以上的图像是指,表示画质良好的情况的画质评价值为阈值以上的图像,是指具有一定以上的画顾的图像。
如图3所示,通过显示控制装置3(代表图像候选显示控制机构)将输入至图像评价装置1的第1图像组中所包含的多个图像I1至I10中的画质为阈值以上的图像显示在显示装置2的显示画面作为代表图像候选(步骤44)。
从通过显示控制装置3显示在显示装置2的显示画面作为代表图像候选的画质为阈值以上的图像中,通过鼠标9(代表图像选择机构)选择至少1个代表图像候选作为代表图像。
能够从画质良好的代表图像候选中选择代表图像。
图6表示变形例,为表示图像评价装置1的处理步骤的一部分的流程图。图6也与图2对应。
第1图像组中所包含的多个图像从存储卡14经由存储卡接口13(第1图像输入机构)输入至图像评价装置1(步骤51)。例如,如图4中示出了图像I1至I10的印象值S1至S10那样,设为图像I1至图像I10输入至图像评价装置1。通过CPU7确定输入至图像评价装置1的多个图像I1至I10中的印象值的偏差(步骤52)。印象值的偏差是指,在考虑了输入至图像评价装置1的多个图像I1至I10中的任意2个图像的组合的情况下,那些2个图像的每一个印象值的差异(印象区域中的距离)。例如,图像I1与I2的印象值的偏差为图像I1的印象值S1与图像I2的印象值S2的差异(印象区域中的距离ΔS12)。关于其他图像也相同。
确定印象值的偏差,则通过CPU7确定印象值的偏差大的多个图像作为代表图像候选(步骤53)。印象值的偏差大的多个图像是指,输入至图像评价装置1的多个图像中的印象值的偏差为阈值以上的多个图像、按照输入至图像评价装置1的多个图像中的印象值的偏差从大到小的顺序排列的规定数或规定的比例的多个图像等。
如图3所示,通过显示控制装置3(代表图像候选显示控制机构)将输入至图像评价装置1的第1图像组中所包含的多个图像中的印象值的偏差大的多个图像显示在显示装置2的显示画面作为代表图像候选(步骤54)。例如,若考虑印象值S3与S9、S2与S8、S1与S4的偏差大,则与这些印象值S1-S4、S8及S9对应的图像I1-I4、I8及I9成为代表图像候选。
从通过显示控制装置3显示在显示装置2的显示画面作为代表图像候选的图像的画质为阈值以上的图像中,通过鼠标9(代表图像选择机构)选择至少1个代表图像候选作为代表图像。
印象值的偏差大的多个图像为具有各种印象的图像,因此通过显示那样的图像作为代表图像候选,显示具有用户自身所希望的印象的图像的可能性变高。用户能够选择符合自身感受性的图像作为代表图像,并能够提高符合自身感受性的图像的评价值。
图7表示变形例,为表示图像评价装置1的处理步骤的一部分的流程图。图7也与图2对应。
第1图像组中所包含的多个图像从存储卡14经由存储卡接口13(第1图像输入机构)输入至图像评价装置1(步骤61),该情况下也同样,如图4中示出了图像I1至I10的印象值S1至S10那样,设为图像I1至图像I10输入至图像评价装置1。通过CPU7搜寻输入至图像评价装置1的多个图像I1至I10中的关于多个印象轴(也可以是1个印象轴)具有最大的印象值、最小的印象值的图像(步骤62)。通过CPU7确定搜寻到的图像作为代表图像候选。参考图4,由“暖色”和“冷色”规定的横轴的印象轴的最大的印象值为S6,最小的印象值为S2。并且,由“柔和”和“生硬”规定的纵轴的印象值的最大的印象值为S9,最小的印象值为S3。与这些印象值S2、S3、S6及S9对应的图像I2、I3、I6及I9确定为代表图像候选。
如图3所示,通过显示控制装置3(代表图像候选显示控制机构)将输入至图像评价装置1的第1图像组中所包含的多个图像中的关于多个印象轴具有最大的印象值及最小的印象值的图像显示在显示装置2的显示画面作为代表图像候选(步骤64)。
用户从通过显示控制装置3显示在显示装置2的显示画面作为代表图像候选的画质为阈值以上的图像中,通过鼠标9(代表图像选择机构)选择至少1个代表图像候选作为代表图像。
具有最大的印象值的图像、具有最小的印象值的图像在所输入的图像中示出明显的印象,因此显示那样的图像作为代表图像候选,由此用户能够容易从自身所持有的图像中选择示出明显的印象的图像,能够提高符合自身感受性的图像的评价值。
上述实施例中,将具有最大的印象值的图像、具有最小的印象值的图像作为代表图像候选,但也可以直至成为规定数或输入至图像评价装置1的图像中规定的比例的数,关于多个印象轴,按照印象值从大到小的顺序及从小到大的顺序搜寻多个图像,并将搜寻到的图像作为代表图像候选。并且,也可以将具有与最大的印象值和最小的印象值之间的中间的印象值接近的印象值的图像包含于代表图像候选中。
该情况下,具有各种印象的图像成为代表图像候选,因此用户容易选择具有自身所希望的印象的图像作为代表图像。
[第2实施例]
图8至图16示出第2实施例。
图8及图9是表示图像评价装置1的处理步骤的流程图。
该实施例中,除了第1图像组中所包含的多个图像以外,还将第2图像组中所包含的多个图像输入至图像评价装置1。第1图像组中所包含的多个图像为计算图像评价值的对象的图像,第2图像组中所包含的多个图像为用于确定代表图像的图像。
在存储卡14中包含多个文件夹,且在这些多个文件夹的每一个中存储有多个图像。若将这种存储卡14装载于图像评价装置1,并由用户指定包含欲设为图像评价的对象的多个图像的第1文件夹,则所指定的第1文件夹中所存储的多个图像作为第1图像组中所包含的多个图像而经由存储卡接口13(第1图像输入机构)输入至图像评价装置1(步骤71)。接着,由用户指定存储卡14中所存储的多个文件夹中的与由用户指定的第1文件夹不同的(也可以与第1文件夹相同)第2文件夹。所指定的第2文件夹中所存储的多个图像作为第2图像组中所包含的多个图像而经由存储卡接口13(第2图像输入机构)输入至图像评价装置1(步骤72)。
将第1图像组中所包含的多个图像设为图像I51至I59这9个图像。将图像I51至I59的印象值设为S51至S59。将第2图像组中所包含的多个图像设为图像I21至I25、图像I31至图像I35及图像I41至图像I45这15个图像。将图像I21至I25的印象值设为S21至S25,将图像I31至I35的印象值设为S31至S35,将图像I41至I45的印象值设为S41至S45。
图10对应于图4,且为印象区域的一例。
图10所示的印象区域也与图4所示的印象区域同样地,横轴为由“暖色”的印象和“冷色”的印象规定的印象轴,纵轴为由“柔和”的印象和“生硬”的印象规定的印象轴。
将与第2图像组中所包含的多个图像I21至I25、图像I31至图像I35及图像I41至图像I45对应的印象值S21至S25、S31至S35、S41至S45分布在图10所示的印象区域中。通过CPU7将分布在印象区域中的印象值S21至S25、S31至S35、S41至S45分类为多个簇CL20、CL30及CL40。在簇CL20中包含印象值S21至S25,在簇CL30中包含印象值S31至S35,在簇CL40中包含印象值S41至S45。在彼此相邻的印象值彼此之间的距离小于阈值的情况下,这种印象值包含于相同的簇中,在彼此相邻的印象值彼此之间的距离为阈值以上的情况下,将这种印象值分类为其他簇。将与簇CL20中所包含的印象值S21至S25对应的图像I21至I25、与簇CL30中所包含的印象值S31至S35对应的图像I31至I35、与簇CL40中所包含的印象值S41至S45对应的图像I41至I45分别分类为其他簇。以下,还将与簇CL20中所包含的印象值S21至S25对应的图像I21至I25称为簇CL20中所包含的图像。同样地,还将与簇CL30中所包含的印象值S31至S35对应的图像I31至I35称为簇CL30中所包含的图像,且还将与簇CL40中所包含的印象值S41至S45对应的图像I41至I45称为簇CL40中所包含的图像。如此,根据第2图像组中所包含的多个图像中的每一个图像的印象值并通过CPU7(图像分类机构)将第2图像组中所包含的多个图像分类为多个簇CL20、CL30及CL40(图8步骤73)。
接着,通过CPU7计算出多个簇CL20、CL30及CL40中所包含的多个图像I21至I25、I31至I35及I41至I45的印象值的中心值(图8步骤74)。簇CL20中所包含的多个图像的印象值S21至S25的中心值由S20表示,簇CL30中所包含的多个图像的印象值S31至S35的中心值由S30表示,簇CL40中所包含的多个图像的印象值S41至S45的中心值由S40表示。中心值能够根据各簇CL20、CL30及CL40中所包含的印象值S21至S25、S31至S35及S41至S45的加权平均(加权系数均为1,但是可以根据印象值来改变加权系数)来计算。
若计算出印象值的中心值,则通过CPU7计算出该中心值与簇中所包含的图像的印象值的差异(步骤75)。
图11示出簇的中心值与簇中所包含的图像的印象值的差异。
簇CL20的中心值S20与图像I21的印象值S21的差异为ΔS21。同样地,簇CL20的中心值S20与图像I22的印象值S22的差异、簇CL20的中心值S20与图像I23的印象值S23的差异、簇CL20的中心值S20与图像I24的印象值S24的差异及簇CL20的中心值S20与图像I25的印象值的差异分别为ΔS22、ΔS23、ΔS24及ΔS25。
并且,簇CL30的中心值S30与图像I31的印象值S31的差异为ΔS31。同样地,簇CL30的中心值S30与图像I32的印象值S3的差异、簇CL30的中心值S30与图像I33的印象值S33的差异、簇CL30的中心值S30与图像I34的印象值S34的差异及簇CL30的中心值S30与图像I35的印象值的差异分别为ΔS32、ΔS33、ΔS34及ΔS35。
而且,簇CL40的中心值S40与图像I41的印象值S41的差异为ΔS41。同样地,簇CL40的中心值S40与图像I42的印象值S42的差异、簇CL40的中心值S40与图像I43的印象值S43的差异、簇CL40的中心值S40与图像I44的印象值S44的差异及簇CL40的中心值S40与图像I45的印象值的差异分别为ΔS42、ΔS43、ΔS44及ΔS45。
接着,通过CPU7确定簇中所包含的图像的画质(画质评价值)(步骤76)。
若获得印象值的差异和画质,则根据所获得的印象值的差异和画质并通过CPU7(第2图像评价值计算机构)计算出图像评价值(图9步骤77)。
表2示出第2图像组中所包含的图像I21至I25、图像I31至I35及图像I41至I45的图像评价值等。
[表2]
如上所述,将图像I21至I25分类为簇CL20,将图像I31至I35分类为簇CL30,将图像I41至I45分类为簇CL40。图像I21的图像评价值为Q21,图像I21所属的簇CL20的中心值S20至图像I21为止的距离(印象值的差异)为ΔS21。图像评价值为将画质评价值除以与簇中心值的距离而得的值,因此成为Q21/ΔS21。关于除了图像I21以外的图像,也同样地,计算图像评价值,且存储于表2中所示的表中。关于图像评价值,与簇中所包含的多个图像的印象值的中心值与簇中所包含的图像的印象值的差异越大则差异越小的情况相比,将图像评价值计算得越低。并且,与簇中所包含的图像的画质越差则画质越良好的情况相比,将图像评价值计算得越低。
若计算出关于第2图像组中所包含的图像I21至I25、图像I31至I35及图像I41至I45的图像评价值,则根据所计算出的图像评价值,并通过CPU7(代表图像候选确定机构)按照每一簇确定代表图像候选(图9步骤78)。按照每一簇确定簇中所包含的图像的图像评价值高的图像作为代表图像候选。图像评价值为将画质评价值除以簇的中心值(簇的中心的印象值)而得的值,画质评价值越高则变得越高,且具有越接近于簇的中心值的印象值则越变高。图像的画质高,且如代表性表示簇中所包含的图像的印象的图像成为代表图像候选。例如,从簇CL20中所包含的图像I21至I25中确定图像I24作为第1代表图像候选,从簇CL30中所包含的图像I31至I35中确定图像I35作为第2代表图像候选,从簇CL40中所包含的图像I41至I45中确定图像I45作为第3的代表图像候选。
若按照每一簇确定代表图像候选,则在显示控制装置3(代表图像候选显示控制机构)的控制下将所确定的代表图像候选显示在显示装置2的显示画面(图9步骤79)。
图12是显示在显示装置2的显示画面的窗口30的一例。
在窗口30中显示有如上述那样确定的作为代表图像候选的图像I24、I35及I45。在图像I24的下面显示有表示图像I24的印象的感性词(词汇)“温和”。同样地,在作为代表图像候选的图像I35的下面显示有表示作为代表图像候选的图像I35的印象的感性词“安静”,且在作为代表图像候选的图像I45的下面在显示控制装置3的控制下显示有表示作为代表图像候选的图像I45的印象的感性词“整洁”。关于这些感性词,在预先存储于图像I24、I35及I45的每一个图像文件的标题中的情况下,从这些标题中读取。在未将感性词存储于图像文件的标题中的情况下,利用分布有感性词的印象区域。通过从分布有感性词的印象区域中读取与代表图像候选的印象值S24、S35及S45对应的感性词,可获得与代表图像候选对应的感性词,如图12所示,显示在所对应的图像的下面。用户通过观看感性词,能够相对容易地掌握作为代表图像候选显示的图像是哪种印象。如图3所示,在预先存储的代表图像候选IR1至IR8的下面,也可以显示有与代表图像候选IR1至IR8的每一个印象对应的感性词。
在设为代表图像候选的图像I24、I35及I45的下面形成有赋予了“OK”字符的OK按钮31、赋予了“清除”字符的清除按钮32。
若在设为代表图像候选的图像I24、I35及I45中,通过鼠标9(代表图像选择机构)点击任一图像,并点击OK按钮31,则选择所点击的图像作为代表图像(步骤80)。在此,选择图像I24作为代表图像。
若选择代表图像,则计算出所选择的代表图像所属的簇中所包含的多个图像的印象值的中心值与第1图像组中所包含的多个图像中的每一个图像的印象值的差异(图9步骤81)。
图13对应于图10及图11,且为印象区域的一例。
图13也与图10及图11同样地,横轴为由“暖色”的印象和“冷色”的印象规定的印象轴,纵轴为由“柔和”的印象和“生硬”的印象规定的印象轴。
图13中,也图示出作为代表图像所选择的图像I24所属的簇CL20的中心值S20、第2组中所包含的多个图像I51至I59的印象值S51至S59。
簇CL20的中心值S20与印象值S51至S59的每一个差异(与中心值S20的距离)由ΔS51至ΔS59表示。通过CPU7计算出这种差异。
而且,通过CPU7确定第1图像组中所包含的图像I51至I59的每一个画质(画质评价值)(图9步骤82)。
若获得簇CL20的中心值S20与印象值S51至S59的每一个差异和图像I51至I59的每一个画质,则根据所获得的差异和画质,并通过CPU7计算出图像评价值(图9步骤83)。
表3为存储了关于第1图像组中所包含的图像I51至I59的图像评价值等的表。
[表3]
图像I51的画质评价值为Q51,所选择的中心值S20至图像I51的印象值S51为止的距离(印象值的差异)为ΔS51。图像评价值为将画质评价值除以所选择的中心值至评价对象的图像的印象值为止的距离而得的值,由此图像I51的图像评价值成为Q51/ΔS51。关于其他图像I51至I59,也同样地,通过CPU7计算出图像评价值。由于认为图像的画质越高(画质评价值越高)则图像评价值越变高,且与所选择的中心值S20的距离越近(印象值的差异越小),则越接近于用户所期望的印象,因此图像评价值变高。
能够利用用户所持有的图像选择代表图像,并能够利用所选择的代表图像计算图像评价值。
上述实施例中,第1图像组中所包含的多个图像和第2图像组中所包含的多个图像存储于相同的存储卡14中,但是第1图像组中所包含的图像和第2图像组中所包含的图像也可以存储于不同的记录介质中。
图14示出变形例,且为印象区域的一例。图14对应于图13。
上述实施例中,第1图像组和第2图像组为不同的图像组,但是该变形例中,第1图像组和第2图像组为相同的图像组。
在第1图像组中包含与印象值S21至S25、S31至S35及S41至S45对应的图像I21至I25、I31至I35及I41至I45。在图14中,分布有印象值S21至S25、S31至S35及S41至S45。
将图像I21至I25分类为簇CL20,将图像I31至I35分类为簇CL30,将图像I41至I45分类为簇CL40。并且,确定属于簇CL20中的图像I21至I25中的图像I24作为代表图像候选,确定属于簇CL30中的图像I31至I35中的图像I35作为代表图像候选,确定属于簇CL40中的图像I41至I45中的图像I45作为代表图像候选。然后,在显示装置2的显示画面上显示图12所示的窗口30。
若在图像I24、I35及I45中,选择图像I24作为代表图像,则计算出图像I24所属的簇CL20的中心值S20至与第1图像组(与上述实施例不同,第1图像组与第2图像组相同,由此成为第1图像组)中所包含的图像I21至I25、I31至I35及I41至I45对应的印象值S21至S25、S31至S35及S41至S45的每一个印象值为止的距离。
在选择簇CL20中所包含的图像I24作为代表图像的情况下,簇CL20的中心值S20至簇CL20中所包含的图像I21至I25的印象值S21至S25为止的距离(印象值的差异)与参考图11计算出的距离相同且成为ΔS21至ΔS25。然而,簇CL20的中心值S20至簇CL30中所包含的图像I31至I35的印象值S31至S35及簇CL20的中心值S20至簇CL40中所包含的图像I41至I45的印象值S41至S45为止的每一个距离成为ΔS51至ΔS55、ΔS61至ΔS65。利用如此获得的距离并通过CPU7计算出第1图像组中所包含的图像I21至I25、I31至I35及I41至I45的图像评价值。
表4为存储了图像评价值等的表的一例。
[表4]
关于用户作为代表图像选择的图像I24所属的簇CL20中所包含的图像I21至I25,与表2中所存储的图像评价值相同,但是关于与用户作为代表图像选择的图像I24所属的簇CL20不同的簇CL30及簇CL40,变为表2中所存储的图像评价值。例如,若为簇CL20中所包含的图像I31,则簇CL20的中心值S20至图像I31的印象值S21为止的距离为ΔS51,因此若将图像I31的画质评价值设为Q31,则图像I31的图像评价值成为Q31/ΔS51。并且,若为簇CL30中所包含的图像I41,则簇CL20的中心值S20至图像I41的印象值S41为止的距离为ΔS61,因此若将图像I41的画质评价值设为Q41,则图像I41的图像评价值成为Q41/ΔS61。关于簇CL30中所包含的其他图像I32至I35、簇CL40中所包含的其他图像I42至I45,也同样地,通过CPU7计算出图像评价值。关于图像评价值,与簇中所包含的多个图像的印象值的中心值与簇中所包含的图像的印象值的差异越大则差异越小的情况相比,将图像评价值计算得越低。并且,与簇中所包含的图像的画质越差则画质越良好的情况相比,将图像评价值计算得越低。
如此,第1图像组中所包含的多个图像与第2图像组中所包含的多个图像可以相同。
图15及图16示出变形例,且为表示图像评价装置1的处理步骤的流程图。图15及图16对应于图8及图9。
该实施例中,将第1图像组中所包含的多个图像和第2图像组中所包含的多个图像输入至图像评价装置1,但是关于确定代表图像候选的第2图像组中所包含的多个图像,利用画质为阈值以上的图像分类为多个簇。
与图8及图9所示的处理步骤同样地,将第1图像组中所包含的多个图像及第2图像组中所包含的多个图像输入至图像评价装置(步骤91,92)。第1图像组与第2图像组相同,第1图像组中所包含的多个图像与第2图像组中所包含的图像也可以相同。在第1图像组中所包含的多个图像与第2图像组中所包含的图像相同的情况下,将第1图像组中所包含的多个图像或第2图像组中所包含的多个图像中的任一个图像输入至图像评价装置1即可,即使不存在第1图像组及第2图像组这两者,只要存在第1图像组或第2图像组中的任一个即可。
通过CPU7确定第2图像组中所包含的多个图像的画质(步骤93),如图10所示,通过CPU7(图像分类机构)将第2图像组中所包含的多个图像中的画质为阈值以上的图像分类为多个簇(步骤94)。例如,若将第2组中所包含的多个图像设为I21至I25、I31至I35及I41至I45,且这些图像I21至I25、I31至I35及I41至I45全部具有阈值以上的画质,则如图10所示,分类为簇CL20、CL30及CL40。通过CPU7计算出多个簇CL20、CL30及CL40中所包含的多个图像的印象值的中心值S20、S30及S40(步骤95),如图11所示,通过CPU7计算出所计算出的中心值S20、S30及S40的每一个与簇中所包含的图像的印象值的差异ΔS21、ΔS31、ΔS41等(步骤76)。
根据所计算出的印象值的差异和画质并通过CPU7计算出第2图像组中所包含的多个图像的图像评价值(步骤97),与上述同样地,通过CPU7按照每一簇确定代表图像候选(步骤98)。如图12所示,通过显示控制装置3(代表图像候选显示控制机构)将作为所确定的代表图像候选的图像I24、I35及I45显示在显示装置2的显示画面(步骤99)。由用户从所显示的代表图像候选中选择代表图像(步骤100)。例如,选择图像I24作为代表图像。
通过CPU7确定第1图像组中所包含的图像的画质(步骤101)。
接着,计算出代表图像所属的簇CL20中所包含的多个图像的印象值的中心值S20与第1图像组中所包含的图像中的具有阈值以上的画质的图像的印象值的差异(步骤102)。例如,若第1图像组中所包含的多个图像为I51至I59,且这些图像I51至I59全部具有阈值以上的画质,则如图13所示,通过CPU7计算出中心值S20与图像I51至I59的每一个图像的印象值S51至S59的差异Δ51至Δ59。根据如此计算出的印象值的差异Δ51至Δ59的每一个和第1图像组中所包含的多个图像I51至I59的每一个图像的画质,通过CPU7计算出第1图像组中所包含的多个图像I51至I59的图像评价值(步骤103)。
如此,关于第2图像组中所包含的多个图像中的画质为阈值以上的多个图像,根据每一个图像的印象值,将多个图像分类为簇,因此关于画质差的图像,能够根据基于簇的分类来进行排除。并且,由于检测出第1图像组中所包含的多个图像中的代表图像所属的簇中所包含的多个图像的印象值的中心值与第1图像组中所包含的多个图像中的具有阈值以上的画质的图像的印象值的差异,因此关于画质差的图像,根据该差异的检测来进行排除。
在将第1图像组中所包含的多个图像和第2图像组中所包含的多个图像记录于相同的如存储卡14那样的记录介质中的情况下,由同一用户拍摄这些图像的可能性高。在由同一用户拍摄第1图像组中所包含的多个图像和第2图像组中所包含的多个图像的情况下,通常用户的拍摄倾向相似,因此从第2图像组中所包含的多个图像中选择代表图像,第1图像组中所包含的多个图像中的具有与该代表图像的印象接近的印象的图像的图像评价值变高。若利用图像评价值高的图像制作相册等,则所制作的相册中所包含的图像的倾向符合用户的喜好。与仅选择高画质的图像制作相册等的情况相比,能够制作接近于用户的喜好的相册等。
并且,例如,若第1图像组中所包含的多个图像为由某一用户在某一年拍摄到的图像,且将第2图像组中所包含的多个图像设为由该同一用户在该年的前一年拍摄到的图像,则从在前一年拍摄到的图像中选择代表图像,第1图像组中所包含的多个图像中的具有与该代表图像的印象接近的印象的图像的图像评价值变高。若在该情况下也利用图像评价值高的图像制作相册等,则能够利用与在前一年拍摄到的图像的倾向相同的倾向的图像制作相册。在由在前一年拍摄到的图像制作相册的情况下,能够重新制作与由在前一年拍摄到的图像制作的相册相同倾向的相册。
在执行上述处理的处理部中,除了执行软件并作为各种处理部发挥功能的CPU7以外,还包含如FPGA(field-programmable gate array:现场可编程门阵列)等那样制造之后能够变更电路结构的可编程逻辑器件、ASIC(application specific integratedcircuit:专用集成电路)等作为具有为了执行特定的处理而专门设计的电路结构的处理器的专用电路等。
1个处理部可以由这些各种处理器中的1个构成,也可以由相同类型或不同类型的2个以上的处理器的组合(例如,多个FPGA、CPU与FPGA的组合)构成。作为由1个处理器构成多个处理部的例子,第一,如以客户端计算机、服务器等计算机为代表那样,具有如下形态:由1个以上的CPU与软件的组合构成1个处理器,且该处理器作为多个处理部发挥功能。第二,如以片上系统等为代表那样,具有如下形态:使用利用1个IC(integrated circuit:集成电路)芯片实现包含多个处理部的系统整体的功能的处理器。如此,各种处理部是使用1个以上的各种处理器构成作为硬件结构。
而且,更具体而言,这些各种处理器的硬件的结构为组合半导体元件等电路元件而得的电路。
上述实施例中,将图像评价装置1记载成专用装置般,但可以由个人计算机构成,也可以由如智能手机、平板装置的所谓的智能设备构成,还可以由如功能型手机的移动电话构成而不是专用装置。
符号说明
1-图像评价装置,2-显示装置,3-显示控制装置,4-存储器,5-微型光盘,6-CD驱动器,7-CPU,8-键盘,9-鼠标,10-通信装置,11-HD驱动器,13-接口,14-存储卡,30-窗口,31-OK按钮,32-清除按钮,CL20-簇,CL30-簇,CL40-簇,I1-I9、I10、I21-I25、I31-I35、I41-I45、I51-图像,IR1-IR8-代表图像候选。
Claims (13)
1.一种图像评价装置,其特征在于,具备:
第1图像输入机构,输入第1图像组中所包含的多个图像;
代表图像选择机构,选择代表图像;及
第1图像评价值计算机构,根据通过所述代表图像选择机构选择的代表图像的印象值与输入至所述第1图像输入机构的多个图像中的每一个图像的印象值的差异、和所述第1图像组中所包含的多个图像中的每一个图像的画质,计算图像评价值。
2.根据权利要求1所述的图像评价装置,其中,还具备:
代表图像候选显示控制机构,将输入至所述第1图像输入机构的多个图像中的画质为阈值以上的图像作为代表图像候选而显示,
所述代表图像选择机构从在所述代表图像候选显示控制机构的控制下所显示的代表图像候选中选择至少1个代表图像候选作为代表图像。
3.根据权利要求1所述的图像评价装置,其中,还具备:
代表图像候选显示控制机构,将输入至所述第1图像输入机构的多个图像中的印象值的偏差大的多个图像作为代表图像候选而显示,
所述代表图像选择机构从在所述代表图像候选显示控制机构的控制下所显示的代表图像候选中选择至少1个代表图像候选作为代表图像。
4.根据权利要求1所述的图像评价装置,其中,还具备:
代表图像候选显示控制机构,将输入至所述第1图像输入机构的多个图像中的具有关于多个印象轴的印象值的每一个印象值的最大值或最小值的多个图像作为代表图像候选而显示,
所述代表图像选择机构从在所述代表图像候选显示控制机构的控制下所显示的代表图像候选中选择至少1个代表图像候选作为代表图像。
5.根据权利要求1所述的图像评价装置,其中,具备:
第2图像输入机构,输入第2图像组中所包含的多个图像;
图像分类机构,根据所述第2图像组中所包含的多个图像中的每一个图像的印象值,将所述第2图像组中所包含的多个图像分类成多个簇;
第2图像评价值计算机构,根据通过所述图像分类机构分类的多个簇中所包含的多个图像的印象值的中心值与所述簇中所包含的图像的印象值的差异、和所述簇中所包含的图像的画质,计算所述簇中所包含的多个图像的每一个图像评价值;
代表图像候选确定机构,根据通过所述第2图像评价值计算机构计算出的图像评价值,对每一所述簇确定代表图像候选;及
代表图像候选显示控制机构,显示通过所述代表图像候选确定机构确定的代表图像候选,
所述代表图像选择机构从在所述代表图像候选显示控制机构的控制下所显示的代表图像候选中选择至少1个代表图像候选作为代表图像,
所述第1图像评价值计算机构根据所述多个簇中的通过所述代表图像选择机构选择的代表图像所属的簇中所包含的多个图像的印象值的中心值与从所述第1图像输入机构输入的第1图像组中所包含的多个图像中的每一个图像的印象值的差异、和所述第1图像组中所包含的多个图像中的每一个图像的画质,计算图像评价值。
6.根据权利要求5所述的图像评价装置,其中,
所述第1图像组中所包含的多个图像及所述第2图像组中所包含的多个图像存储于相同的存储装置中。
7.根据权利要求5所述的图像评价装置,其中,
所述第1图像组中所包含的多个图像及所述第2图像组中所包含的多个图像相同。
8.根据权利要求1至3中任一项所述的图像评价装置,其中,
关于所述第1图像评价值计算机构,所述代表图像所属的簇中所包含的多个图像的印象的中心值与第1图像组中所包含的多个图像中的每一个图像的印象值的差异越大,则与差异小的情况相比,将图像评价值计算得越低,且所述第1图像组中所包含的多个图像中的每一个图像的画质越差,则与画质良好的情况相比,将图像评价值计算得越低,
关于所述第2图像评价值计算机构,所述簇中所包含的多个图像的印象值的中心值与所述簇中所包含的图像的印象值的差异越大,则与差异小的情况相比,将图像评价值计算得越低,且所述簇中所包含的图像的画质越差,则与画质良好的情况相比,将图像评价值计算得越低。
9.根据权利要求5所述的图像评价装置,其中,
所述图像分类机构针对第2图像组中所包含的多个图像中的画质为阈值以上的多个图像,根据每一个图像的印象值,将所述多个图像分类为多个簇,
所述第2图像评价值计算机构根据所述多个簇中的通过所述代表图像选择机构选择的代表图像所属的簇中所包含的多个图像的印象值的中心值与第2图像组中所包含的多个图像中画质为阈值以上的图像的印象值的差异、和所述第2图像组中所包含的多个图像中的每一个图像的画质,计算图像评价值。
10.根据权利要求2至5中任一项所述的图像评价装置,其中,还具备:
词汇显示控制机构,对在所述代表图像显示控制机构的控制下显示的代表图像候选一同记载表示所述代表图像候选的印象的词汇来显示。
11.一种图像评价方法,其特征在于,
第1图像输入机构输入第1图像组中所包含的多个图像,
代表图像选择机构选择代表图像,
第1图像评价值计算机构根据通过所述代表图像选择机构选择的代表图像的印象值与输入至所述第1图像输入机构的多个图像中的每一个图像的印象值的差异、和所述第1图像组中所包含的多个图像中的每一个图像的画质,计算图像评价值。
12.一种计算机能够读取的程序,其特征在于,以如下方式控制图像评价装置的计算机,该方式为:
输入第1图像组中所包含的多个图像,
选择代表图像,
根据所选择的代表图像的印象值与所输入的多个图像中的每一个图像的印象值的差异、和所述第1图像组中所包含的多个图像中的每一个图像的画质,计算图像评价值。
13.一种记录介质,其特征在于,存储有权利要求12所述的程序。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-049943 | 2017-03-15 | ||
JP2017049943 | 2017-03-15 | ||
PCT/JP2018/004991 WO2018168303A1 (ja) | 2017-03-15 | 2018-02-14 | 画像評価装置,画像評価方法および画像評価プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110235174A true CN110235174A (zh) | 2019-09-13 |
CN110235174B CN110235174B (zh) | 2024-05-31 |
Family
ID=63522999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880009448.6A Active CN110235174B (zh) | 2017-03-15 | 2018-02-14 | 图像评价装置、图像评价方法及记录介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11210771B2 (zh) |
JP (1) | JP6750094B2 (zh) |
CN (1) | CN110235174B (zh) |
WO (1) | WO2018168303A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111182295B (zh) * | 2020-01-06 | 2023-08-25 | 腾讯科技(深圳)有限公司 | 一种视频数据处理方法、装置、设备以及可读存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006099267A (ja) * | 2004-09-28 | 2006-04-13 | Sharp Corp | 画像管理装置 |
JP2008046425A (ja) * | 2006-08-17 | 2008-02-28 | National Institute Of Information & Communication Technology | 印象表現出力装置及び方法 |
US20090066838A1 (en) * | 2006-02-08 | 2009-03-12 | Nec Corporation | Representative image or representative image group display system, representative image or representative image group display method, and program therefor |
CN101425133A (zh) * | 2007-11-01 | 2009-05-06 | 株式会社日立制作所 | 人物图像检索装置 |
JP2010087971A (ja) * | 2008-10-01 | 2010-04-15 | Olympus Corp | 画像処理装置、画像処理方法、画像処理プログラム及び撮像装置 |
JP2010153936A (ja) * | 2008-12-23 | 2010-07-08 | Nikon Systems Inc | 画像評価装置及び画像評価プログラム |
JP2010271757A (ja) * | 2009-05-19 | 2010-12-02 | Yahoo Japan Corp | 評価情報入力支援装置、評価情報入力支援方法およびその方法を実行させるプログラム |
US20110129159A1 (en) * | 2009-11-30 | 2011-06-02 | Xerox Corporation | Content based image selection for automatic photo album generation |
CN102859985A (zh) * | 2011-02-17 | 2013-01-02 | 松下电器产业株式会社 | 图像评价装置、图像评价方法、程序、集成电路 |
JP2013054430A (ja) * | 2011-09-01 | 2013-03-21 | Nikon Corp | 画像評価装置、撮像装置およびプログラム |
CN103685923A (zh) * | 2012-09-14 | 2014-03-26 | 巴法络股份有限公司 | 图像信息处理系统、图像信息处理装置以及方法 |
US20140180758A1 (en) * | 2012-12-21 | 2014-06-26 | Ebay Inc. | System and method for image quality scoring |
CN104049838A (zh) * | 2013-03-13 | 2014-09-17 | 富士胶片株式会社 | 布局编辑装置、布局编辑方法及存储介质 |
US20150086120A1 (en) * | 2013-09-24 | 2015-03-26 | Fujifilm Corporation | Image processing apparatus, image processing method and recording medium |
US20150161147A1 (en) * | 2010-04-29 | 2015-06-11 | Google Inc. | Associating still images and videos |
WO2015129328A1 (ja) * | 2014-02-28 | 2015-09-03 | 富士フイルム株式会社 | 画像合成装置,ならびにその方法,そのプログラム,およびそのプログラムを格納した記録媒体 |
JP2017045376A (ja) * | 2015-08-28 | 2017-03-02 | 富士フイルム株式会社 | 商品画像表示制御装置及び商品画像表示制御方法及びプログラム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000276484A (ja) * | 1999-03-25 | 2000-10-06 | Konica Corp | 画像検索装置、画像検索方法及び画像表示装置 |
JP2003076717A (ja) * | 2001-09-04 | 2003-03-14 | Nippon Telegr & Teleph Corp <Ntt> | 情報検索方法及び装置と、情報検索プログラム及びそのプログラムの記録媒体 |
JP2004005303A (ja) | 2002-06-03 | 2004-01-08 | Fuji Xerox Co Ltd | 画像検索装置、画像検索方法及び画像検索プログラム |
JP2004259061A (ja) * | 2003-02-26 | 2004-09-16 | Intec Web & Genome Informatics Corp | 情報検索装置、情報検索方法、及び情報検索プログラム |
US8290281B2 (en) * | 2009-10-02 | 2012-10-16 | Hewlett-Packard Development Company, L.P. | Selective presentation of images |
JP2012164000A (ja) | 2011-02-03 | 2012-08-30 | Jvc Kenwood Corp | テンプレート順位付け装置、テンプレート順位付け方法、及びテンプレート順位付けプログラム |
JP5883821B2 (ja) | 2013-03-28 | 2016-03-15 | 富士フイルム株式会社 | 画像検索装置およびその動作制御方法ならびに画像検索サーバ |
JP2015118522A (ja) | 2013-12-18 | 2015-06-25 | 富士フイルム株式会社 | アルバム生成装置,アルバム生成方法,アルバム生成プログラムおよびそのプログラムを格納した記録媒体 |
JP6101661B2 (ja) * | 2014-08-27 | 2017-03-22 | 富士フイルム株式会社 | 画像合成装置および画像合成方法ならびに画像合成プログラムおよび画像合成プログラムを格納した記録媒体 |
JP6450628B2 (ja) | 2015-04-01 | 2019-01-09 | 日本電信電話株式会社 | 画像検索装置及びプログラム |
JP6172551B1 (ja) * | 2016-06-09 | 2017-08-02 | パナソニックIpマネジメント株式会社 | 画像検索装置、画像検索システム及び画像検索方法 |
-
2018
- 2018-02-14 WO PCT/JP2018/004991 patent/WO2018168303A1/ja active Application Filing
- 2018-02-14 JP JP2019505786A patent/JP6750094B2/ja active Active
- 2018-02-14 CN CN201880009448.6A patent/CN110235174B/zh active Active
-
2019
- 2019-08-21 US US16/547,442 patent/US11210771B2/en active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006099267A (ja) * | 2004-09-28 | 2006-04-13 | Sharp Corp | 画像管理装置 |
US20090066838A1 (en) * | 2006-02-08 | 2009-03-12 | Nec Corporation | Representative image or representative image group display system, representative image or representative image group display method, and program therefor |
JP2008046425A (ja) * | 2006-08-17 | 2008-02-28 | National Institute Of Information & Communication Technology | 印象表現出力装置及び方法 |
CN101425133A (zh) * | 2007-11-01 | 2009-05-06 | 株式会社日立制作所 | 人物图像检索装置 |
JP2010087971A (ja) * | 2008-10-01 | 2010-04-15 | Olympus Corp | 画像処理装置、画像処理方法、画像処理プログラム及び撮像装置 |
JP2010153936A (ja) * | 2008-12-23 | 2010-07-08 | Nikon Systems Inc | 画像評価装置及び画像評価プログラム |
JP2010271757A (ja) * | 2009-05-19 | 2010-12-02 | Yahoo Japan Corp | 評価情報入力支援装置、評価情報入力支援方法およびその方法を実行させるプログラム |
US20110129159A1 (en) * | 2009-11-30 | 2011-06-02 | Xerox Corporation | Content based image selection for automatic photo album generation |
US20150161147A1 (en) * | 2010-04-29 | 2015-06-11 | Google Inc. | Associating still images and videos |
CN102859985A (zh) * | 2011-02-17 | 2013-01-02 | 松下电器产业株式会社 | 图像评价装置、图像评价方法、程序、集成电路 |
JP2013054430A (ja) * | 2011-09-01 | 2013-03-21 | Nikon Corp | 画像評価装置、撮像装置およびプログラム |
CN103685923A (zh) * | 2012-09-14 | 2014-03-26 | 巴法络股份有限公司 | 图像信息处理系统、图像信息处理装置以及方法 |
US20140180758A1 (en) * | 2012-12-21 | 2014-06-26 | Ebay Inc. | System and method for image quality scoring |
CN104049838A (zh) * | 2013-03-13 | 2014-09-17 | 富士胶片株式会社 | 布局编辑装置、布局编辑方法及存储介质 |
US20150086120A1 (en) * | 2013-09-24 | 2015-03-26 | Fujifilm Corporation | Image processing apparatus, image processing method and recording medium |
WO2015129328A1 (ja) * | 2014-02-28 | 2015-09-03 | 富士フイルム株式会社 | 画像合成装置,ならびにその方法,そのプログラム,およびそのプログラムを格納した記録媒体 |
JP2017045376A (ja) * | 2015-08-28 | 2017-03-02 | 富士フイルム株式会社 | 商品画像表示制御装置及び商品画像表示制御方法及びプログラム |
Non-Patent Citations (5)
Title |
---|
JELENA KOCIC ET AL.: "IMAGE QUALITY PARAMETERS: A short review and applicability analysis", 《7TH INTERNATIONAL SCIENTIFIC CONFERENCE ON DEFENSIVE TECHNOLOGIES OTEH 2016》 * |
JELENA KOCIC ET AL.: "IMAGE QUALITY PARAMETERS: A short review and applicability analysis", 《7TH INTERNATIONAL SCIENTIFIC CONFERENCE ON DEFENSIVE TECHNOLOGIES OTEH 2016》, 31 October 2016 (2016-10-31), pages 1 - 6 * |
刘颜华: "基于图片颜色特征的图像检索方法研究", 《数字技术与应用》 * |
刘颜华: "基于图片颜色特征的图像检索方法研究", 《数字技术与应用》, no. 01, 15 January 2017 (2017-01-15), pages 60 - 61 * |
高彦宇;王新平;尹怡欣;: "自然风景图像情感标识方法研究", 小型微型计算机系统, no. 04, 15 April 2011 (2011-04-15), pages 767 - 771 * |
Also Published As
Publication number | Publication date |
---|---|
JPWO2018168303A1 (ja) | 2019-11-07 |
JP6750094B2 (ja) | 2020-09-02 |
US20190378262A1 (en) | 2019-12-12 |
WO2018168303A1 (ja) | 2018-09-20 |
US11210771B2 (en) | 2021-12-28 |
CN110235174B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102741882B (zh) | 图像分类装置、图像分类方法、集成电路、模型制作装置 | |
CN108369633B (zh) | 相册的视觉表示 | |
US20200242822A1 (en) | Digital Media Environment for Style-Aware Patching in a Digital Image | |
US20110270813A1 (en) | Digital imaging system employing user personalization and image utilization profiles | |
US20140193047A1 (en) | Systems and methods for generating autoflow of content based on image and user analysis as well as use case data for a media-based printable product | |
US20130301934A1 (en) | Determining image-based product from digital image collection | |
CN102054013B (zh) | 信息处理设备,信息处理方法和程序 | |
CN105933772B (zh) | 交互方法、交互装置以及交互系统 | |
US20110270947A1 (en) | Digital imaging method employing user personalization and image utilization profiles | |
US20210313039A1 (en) | Systems and Methods for Diet Quality Photo Navigation Utilizing Dietary Fingerprints for Diet Assessment | |
CN102169433A (zh) | 信息处理系统、信息处理装置及信息处理方法 | |
US9325754B2 (en) | Information processing device and information processing method | |
CN110297975A (zh) | 推荐策略的评估方法、装置、电子设备和存储介质 | |
CN109598748A (zh) | 图像提取装置、图像提取方法及图像提取程序以及存储有该程序的记录介质 | |
US8370758B2 (en) | Image browsing device, image browsing method, image browsing program, and image browsing system | |
CN113961794A (zh) | 一种书籍推荐方法、装置、计算机设备及存储介质 | |
US20170124397A1 (en) | Photographic Image Extraction Apparatus, Photographic Image Extraction Method, and Program | |
WO2019236560A1 (en) | Pair-wise or n-way learning framework for error and quality estimation | |
CN110235174A (zh) | 图像评价装置、图像评价方法及图像评价程序 | |
CN109726329A (zh) | 内容推荐方法、装置及设备 | |
CN115514995A (zh) | 一种直播间推荐信息的展示方法、装置以及设备 | |
US10339427B2 (en) | Subject evaluation system, subject evaluation method and recording medium storing subject evaluation program | |
US20160110427A1 (en) | Apparatus, system, and method for organizing and embedding applications | |
KR20200023095A (ko) | 상품 정보 관리 방법 및 이를 지원하는 서비스 장치 | |
JP4278022B2 (ja) | データ管理システムおよび検索システム |
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 |