CN110458232B - 一种确定图像风格相似度的方法及设备 - Google Patents

Abstract

本申请涉及图像处理领域，特别涉及一种确定图像风格相似度的方法及设备，用以提高确定两张图像的风格相似度的准确性。本申请实施例获得两个原始图像对应的连通图像；获得用于表征连通图像中各个连通区域对应的原始图像区域中平均像素值大小的相邻关系的第一分布信息，确定两个原始图像之间的色彩相似度；以及分别获得用于表征连通图像中各个连通区域对应的原始图像区域中像素点个数多少的相邻关系的第二分布信息，确定两个原始图像之间的形状相似度；根据色彩相似度和形状相似度确定两个原始图像的风格相似度。本申请实施例定量地将图像相似度转化为具体的相似度数值，从而准确且客观地反映两幅原始图像的风格相似度。

Description

一种确定图像风格相似度的方法及设备

技术领域

本申请涉及图像处理领域，特别涉及一种确定图像风格相似度的方法及设备。

背景技术

随着图像处理技术的发展，人们对图像美化有了更多的想法和要求，因此不断涌现大量不同风格的图像。图像风格是指图片在锐度、对比度、包含度、色调和形状等方面给人的一种综合感受。例如，图像风格包括卡通风格、油画风格、水彩风格、水墨风格等等。

在有多张图像时，往往需要从多张图像中分辨出属于同一风格的图像，这就需要比较不同图像之间的相似度，根据图像之间的风格的相似度来判断图像是否属于同一风格。目前，在判断两张图像是否属于同一风格时，需要人工观察两张图像的风格是否相似，在人工确认两张图像的风格相似时确定两张图像属于同一风格。但是，这种人工观察判断两张图像的风格是否相似的方式主观因素较大，不能准确判断两张图像的风格是否相似。

发明内容

本实施例提供一种确定图像风格相似度的方法及设备，用以提高确定两张图像的风格相似度的准确性。

第一方面，本申请实施例提供一种确定图像风格相似度的方法，包括：

分别获得两个原始图像对应的连通图像，每个原始图像对应的连通图像包含多个连通区域，且在对应的原始图像中，每个连通区域对应的任意两个像素点的像素值之间的差值不大于第一阈值；

针对每个连通图像，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中平均像素值大小的相邻关系的第一分布信息，并确定两个原始图像之间的色彩相似度为两个第一分布信息之间的相似度；以及

针对每个连通图像，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中像素点个数多少的相邻关系的第二分布信息，并确定两个原始图像之间的形状相似度为两个第二分布信息之间的相似度；

根据所述色彩相似度和所述形状相似度确定两个原始图像的风格相似度。

第二方面，本申请实施例提供一种确定图像风格相似度的装置，包括：

获取单元，用于分别获得两个原始图像对应的连通图像，每个原始图像对应的连通图像包含多个连通区域，且在对应的原始图像中，每个连通区域对应的任意两个像素点的像素值之间的差值不大于第一阈值；

确定单元，用于针对每个连通图像，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中平均像素值大小的相邻关系的第一分布信息，并确定两个原始图像之间的色彩相似度为两个第一分布信息之间的相似度；以及针对每个连通图像，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中像素点个数多少的相邻关系的第二分布信息，并确定两个原始图像之间的形状相似度为两个第二分布信息之间的相似度；

计算单元，用于根据色彩相似度和形状相似度确定两个原始图像的风格相似度。

第三方面，本申请实施例提供一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请提供的确定图像风格相似度的方法。

第四方面，本申请实施例提供一种计算机可读介质，存储有计算机可执行指令，所述计算机可执行指令用于执行本申请提供的确定图像风格相似度的方法。

本申请有益效果：

基于本申请实施例提供的确定图像风格相似度的方法，确定图像风格相似度的应用程序将两个原始图像发送给服务器之后，服务器分别获得两个原始图像对应的连通图像；并且服务器按照两个连通图像中每个连通区域在对应的原始图像中平均像素值大小，获得用于表征连通图像中各个连通区域对应的原始图像区域中平均像素值大小的相邻关系的第一分布信息，由于连通区域中平均像素值能够体现该区域在原始图像对应的彩色图像中所呈现色彩，连通图像第一分布信息能够反映原始图像对应的彩色图像中色彩分布情况，(例如，两张连通图像的第一分布信息越接近，两张连通图像对应的原始图像之间的色彩越接近)，基于每个连通图像的用于表征连通图像中各个连通区域对应的原始图像区域中平均像素值大小的相邻关系的第一分布信息能够确定出两个原始图像的色彩相似度；以及服务器按照两个连通图像中每个连通区域在对应的原始图像中像素点个数的多少，获得用于表征连通图像中各个连通区域对应的原始图像区域中像素点个数多少的相邻关系的第二分布信息，由于连通区域中像素值的个数可以体现区域中呈现的形状，第二分布信息能够反映原始图像对应的彩色图像中形状分布情况，(例如，两张连通图像的第二分布信息越接近，两张连通图像对应的原始图像之间的形状越接近)，基于每个连通图像的用于表征连通图像中各个连通区域对应的原始图像区域中像素点个数多少的相邻关系的第二分布信息能够确定两个原始图像的形状相似度；最后服务器根据两个原始图像之间的色彩相似度和形状相似度确定两个原始图像的风格相似度。本申请实施例提供的确定图像风格相似度的方法是将图像色彩特征与形状特征的综合对比，计算出两张图像之间的风格相似度，不再是由人工观察主观的去判断两张图像的风格是否相似，而是定量地将图像相似度转化为具体的相似度数值，从而准确且客观地反映两幅原始图像的风格相似度。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

图1为本申请实施例提供的确定图像风格相似度的应用场景示意图；

图2为本申请实施例一种确定图像风格相似度方法的流程图；

图3为本申请实施例一种原始图像示意图；

图4为本申请实施例一种连通图像示意图；

图5为本申请实施例一种按像素值大小编号后的连通图像示意图；

图6为本申请实施例一种色彩网络拓扑图示意图；

图7a为本申请实施例一种第一原始图像示意图；

图7b为本申请实施例一种第二原始图像示意图；

图8a为本申请实施例对第一连通图像确定第一分布信息时编号示意图；

图8b为本申请实施例对第二连通图像确定第一分布信息时编号示意图；

图9a为本申请实施例一种第一色彩网络拓扑图示意图；

图9b为本申请实施例一种第二色彩网络拓扑图示意图；

图10为本申请实施例一种色彩伴随图示意图；

图11为本申请实施例一种按像素点个数编号后的连通图像示意图；

图12为本申请实施例一种形状网络拓扑图示意图；

图13a为本申请实施例对第一连通图像确定第二分布信息时编号示意图；

图13b为本申请实施例对第二连通图像确定第二分布信息时编号示意图；

图14a为本申请实施例一种第一形状网络拓扑图示意图；

图14b为本申请实施例一种第二形状网络拓扑图示意图；

图15为本申请实施例一种形状伴随图示意图；

图16为本申请实施例提供的确定图像风格相似度方法中应用程序与服务器交互的流程示意图；

图17为本申请实施例确定图像风格相似度装置的结构示意图；

图18为本申请实施例电子设备的结构示意图；

图19为本申请实施例计算装置的结构示意图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

下面对文中出现的一些术语进行解释：

1、本申请实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

2、像素：像素是整个图像中不可分割的单位或者是元素，其中不可分割的意思是指其不能够再切割成更小单位抑或是元素，它是以一个单一颜色的小格存在。每一个点阵图像包含了一定数量的像素，这些像素决定图像在屏幕上所呈现的大小。

3、RGB：RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。

4、灰度值:灰度是表明图像明暗的数值，即黑白图像中点的颜色深度，范围一般从0到255，白色为25，黑色为0，故黑白图片也称灰度图像。灰度值指的是单个像素点的亮度。灰度值越大表示越亮。

5、终端设备：为可以安装各类应用程序，并且能够将已安装的应用程序中提供的对象进行显示的设备，该终端设备可以是移动的，也可以是固定的。例如，手机、平板电脑、各类可穿戴设备、车载设备、个人数字助理(personal digital assistant，PDA)、销售终端(point of sales，POS)或其它能够实现上述功能的终端设备等。

6、应用程序：为可以完成某项或多项特定工作的计算机程序，它具有可视的显示界面，能与用户进行交互。

为了解决现有技术中不能准确判断两张图像的风格是否相似低的问题，本申请实施例给出了解决方案。

一种可选的应用场景如图1所示的示意图，终端设备11中装有确定图像风格相似度的应用程序，当用户10基于终端设备11的确定图像风格相似度的应用程序获取两张原始图像后，用户10触发确定两张原始图像之间的风格相似度时，确定图像风格相似度的应用程序将两张原始图像发送给服务器12。服务器12执行确定图像风格相似度的方法，即：服务器12分别获得两个原始图像对应的连通图像，其中每个原始图像对应的连通图像包含多个连通区域，且在对应的原始图像中，每个连通区域对应的任意两个像素点的像素值之间的差值不大于第一阈值；服务器12针对每个连通图像，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中平均像素值大小的相邻关系的第一分布信息，并确定两个原始图像之间的色彩相似度为两个第一分布信息之间的相似度；以及服务器12针对每个连通图像，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中像素点个数多少的相邻关系的第二分布信息，并确定两个原始图像之间的形状相似度为两个第二分布信息之间的相似度；在确定出两个原始图像之间的色彩相似度和形状相似度之后，服务器12根据色彩相似度和形状相似度确定两个原始图像的风格相似度。

基于本申请实施例提供的确定图像风格相似度的方法，确定图像风格相似度的应用程序将两个原始图像发送给服务器之后，服务器分别获得两个原始图像对应的连通图像；并且服务器按照两个连通图像中每个连通区域在对应的原始图像中平均像素值大小，获得用于表征连通图像中各个连通区域对应的原始图像区域中平均像素值大小的相邻关系的第一分布信息，由于连通区域中平均像素值能够体现该区域在原始图像对应的彩色图像中所呈现色彩，连通图像第一分布信息能够反映原始图像对应的彩色图像中色彩分布情况，(例如，两张连通图像的第一分布信息越接近，两张连通图像对应的原始图像之间的色彩越接近)，基于每个连通图像的用于表征连通图像中各个连通区域对应的原始图像区域中平均像素值大小的相邻关系的第一分布信息能够确定出两个原始图像的色彩相似度；以及服务器按照两个连通图像中每个连通区域在对应的原始图像中像素点个数的多少，获得用于表征连通图像中各个连通区域对应的原始图像区域中像素点个数多少的相邻关系的第二分布信息，由于连通区域中像素值的个数可以体现区域中呈现的形状，第二分布信息能够反映原始图像对应的彩色图像中形状分布情况，(例如，两张连通图像的第二分布信息越接近，两张连通图像对应的原始图像之间的形状越接近)，基于每个连通图像的用于表征连通图像中各个连通区域对应的原始图像区域中像素点个数多少的相邻关系的第二分布信息能够确定两个原始图像的形状相似度；最后服务器根据两个原始图像之间的色彩相似度和形状相似度确定两个原始图像的风格相似度。本申请实施例提供的确定图像风格相似度的方法是将图像色彩特征与形状特征的综合对比，计算出两张图像之间的风格相似度，不再是由人工观察主观的去判断两张图像的风格是否相似，而是定量地将图像相似度转化为具体的相似度数值，从而准确且客观地反映两幅原始图像的风格相似度。

需要说明的是，终端设备11与服务器12之间通过网络进行通信连接，该网络可以为局域网、广域网等。终端设备11可以为便携设备(例如：手机、平板、笔记本电脑等)，也可以为个人电脑(PC，Personal Computer)，服务器12可以为任何能够提供互联网服务的设备。

另外，本申请实施例提供的确定图像风格相似度方法的第二种可选的应用场景为，确定图像风格相似度的方法还可以仅在终端设备上实施，通过终端设备上的图像处理应用程序、不需要借助服务器的配合可以独立完成确定图像风格相似度的方法。

需要说明的是，本申请实施例确定图像风格相似度方法中，原始图像的获取方式可以为终端设备直接拍摄的图像，或从本地存储空间或者网络获取的图像。

下面结合上述描述的应用场景，参考图3-图15来描述本申请示例性实施方式提供的确定图像风格相似度方法。需要注意的是，上述应用场景仅是为了便于理解本申请的精神和原理而示出，本申请的实施方式在此方面不受任何限制。相反，本申请的实施方式可以应用于适用的任何场景。

需要说明的是，本申请实施例提供的确定图像风格相似度方法可以在终端设备上执行，或者终端设备和服务器配合执行；终端设备上安装有确定图像风格相似度应用程序，下面以终端设备和服务器配合执行为例进行说明。

如图2所示，为本申请实施例提供的确定图像风格相似度方法的流程示意图，该方法可以包括以下步骤：

步骤S21、分别获得两个原始图像对应的连通图像，每个原始图像对应的连通图像包含多个连通区域，且在对应的原始图像中，每个连通区域对应的任意两个像素点的像素值之间的差值不大于第一阈值；

本申请实施例中终端设备获取两张需要计算风格相似度的原始图像，终端设备将获取到的两张原始图像发送给服务器；服务器分别获得两个原始图像对应的连通图像。

其中，本申请实施例中的原始图像为像素值图像；且像素值图像是由原始的彩色图像进行灰度处理转换得到的；

一种可选的转换方式，通过彩色图像的RGB计算像素值Gray，具体可以采用下列公式计算每个像素点的像素值：

Gray＝R*0.299+G*0.587+B*0.114；

其中，Gray表示每个像素点的像素值，R表示红色通道的亮度，G表示绿色通道的亮度，B表示蓝色通道的亮度。

例如，如图3所示的原始图像，其中图3中的每个数值表示一个像素点的像素值。

步骤S22、针对每个连通图像，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中平均像素值大小的相邻关系的第一分布信息，并确定两个原始图像之间的色彩相似度为两个第一分布信息之间的相似度；以及

步骤S23、针对每个连通图像，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中像素点个数多少的相邻关系的第二分布信息，并确定两个原始图像之间的形状相似度为两个第二分布信息之间的相似度。

需要说明的是，步骤S22和步骤S23执行的先后顺序可以不作限定，例如可以先执行步骤S22后执行步骤S23，或者先执行步骤S23后执行步骤S22，或者步骤S22和步骤S23还可以同时执行。

步骤S24、根据所述色彩相似度和所述形状相似度确定两个原始图像的风格相似度。

在步骤S21中，在获得两个原始图像对应的连通图像时，针对任意一个原始图像，将该原始图像划分为包含多个连通区域的连通图像；其中，同一个连通图像中任意两个像素点的像素值之间的差值不大于第一阈值。需要说明的是，该第一阈值为预先设定的数值，可以是本领域技术人员通过多次试验得到的数值或者为本领域技术人员的经验数值。

一种可选的实施方式为，本申请实施例根据下列方式获得原始图像对应的连通图像：

根据多个预设的像素值范围，将原始图像中属于同一个预设的像素值范围的相邻像素点进行合并处理，获得原始图像对应的连通图像；其中，预设的像素值范围的上限值与下限值的差值为所述第一阈值。

本申请实施例预先设定多个像素值范围，具体可以是根据第一阈值将0-255的像素值划分为多个像素值区间，将得到的多个像素值区间作为预设的像素值范围；

例如，假设第一阈值为16，预设的像素值范围包括0-15、16-31、32-47、48-63、64-79、80-95、96-111、112-127、128-143、144-159、160-175、176-191、192-207、208-223、224-239、240-255。

本申请实施例在获得原始图像对应的连通图像时，将原始图像中每个像素点的像素值与多个预设的像素值范围进行比较，将相邻的在同一个预设的像素值范围的像素点进行合并，划分为一个连通区域；

假设第一阈值为5，则预设的像素值范围包括0-4、5-9、10-14、15-19、20-24…在获得如图3所示的原始图像对应的连通图像时，可以从原始图像的左上角像素点开始，确定每个像素点的像素值所在的预设的像素值范围，将属于同一个预设的像素值范围的相邻像素点合并；例如，原始图像中第1行第1列和第2列的像素点的像素值在0-4像素值范围，将这两个像素点合并为一个连通区域。在遍历原始图像中每个像素点之后，得到如图4所示的连通图像。

本申请实施例在获得两个原始图像对应的连通图像之后，还需要根据两个连通图像确定两个原始图像之间的色彩相似度和形状相似度；下面针对色彩相似度的确定方法和形状相似度的确定方法分别进行说明：

一、确定两个原始图像之间的色彩相似度。

本申请实施例在确定两个原始图像之间的色彩相似度时，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中平均像素值大小的相邻关系的第一分布信息，并确定两个原始图像之间的色彩相似度为两个第一分布信息之间的相似度；

其中，每个连通区域的第一分布信息包括每个连通区域对应的相邻区域。

针对每个连通图像，本申请实施例根据下列方式获得该连通图像的第一分布信息：将连通图像的各个连通区域按照在对应的原始图像区域中平均像素值大小进行编号，确定两个连通图像的用于表示编号相邻关系的第一分布信息。

在对连通图像中各个连通区域进行编号之前，确定连通图像中每个连通区域在对应的原始图像区域中的平均像素值；

例如，假设原始图像如图3所示，原始图像对应的连通图像如图4所示，连通图像中左上角的连通区域在对应的原始图像区域中像素点的像素值分别为0、2，则该连通区域在对应的原始图像区域中的平均像素值为1。

在确定出连通图像中每个连通区域在对应的原始图像区域中的平均像素值之后，按照平均像素值大小对该连通图像中各个连通区域进行编号。

或者，在对连通图像中各个连通区域进行编号之前，根据每个连通区域对应的预设的像素值范围，确定各个连通区域在对应的原始图像区域中的平均像素值大小的排序；并根据各个连通区域在对应的原始图像区域中的平均像素值大小的排序进行编号。

其中，可以按照平均像素值从大到小的方式对该连通图像中各个连通区域进行编号，或者可以按照平均像素值从小到大的方式对该连通图像中各个连通区域进行编号。

需要说明的是，针对需要确定风格相似度的两个原始图像对应的连通图像，在对两个连通图像的各个连通区域进行编号时，需要采用相同的编号方式；例如均采用按照平均像素值从大到小的方式进行编号，或者均采用按照平均像素值从小到大的方式进行编号。

例如，以如图4所示的连通图像为例，假设按照平均像素值从小到大的方式对该连通图像中各个连通区域进行编号，编号后的连通图像如图5所示。

在对两个原始图像对应的连通图像编号之后，确定每个连通图像的用于表示编号相邻关系的第一分布信息；例如，该第一分布信息包括每个连通区域对应的相邻区域的编号；

例如，如图5所示的编号后的连通图像，该连通图像对应的第一分布信息为：与编号为1的区域相邻的区域编号为2、5，与编号为2的区域相邻的区域编号为1、3、5、6，与编号为3的区域相邻的区域编号为2、4、5、6、7，与编号为4的区域相邻的区域编号为3、6、7，与编号为5的区域相邻的区域编号为1、2、3、6、8、9，与编号为6的区域相邻的区域编号为2、3、4、5、7、8、9，与编号为7的区域相邻的区域编号为3、4、6、9，与编号为8的区域相邻的区域编号为5、9、10，与编号为9的区域相邻的区域编号为5、6、7、8、10，与编号为10的区域相邻的区域编号为8、9。

本申请实施例在确定出两个连通图像的第一分布信息之后，确定两个连通图像的第一分布信息之间的相似度。一种可选的实施方式为，根据下列方式确定两个第一分布信息之间的相似度：

根据每个连通图像对应的第一分布信息，分别构造两个连通图像对应的以连通区域的编号为节点、连通区域的相邻关系为边的色彩网络拓扑图；并确定两个色彩网络拓扑图之间的相似度作为两个第一分布信息之间的相似度。

例如，在编号后的连通图像如图5所示时，根据图5所示的连通图像对应的第一分布信息构造的色彩网络拓扑图如图6所示；

其中，在如图6所示的色彩网络拓扑图中，两个节点之间的连线表示该两个节点对应的编号在连通图像中相邻；比如节点1和节点2之间有连线，表示在连通图像中编号为1的区域与编号为2的区域相邻。

本申请实施例在确定出两个连通图像对应的色彩网络拓扑图之后，一种可选的实施方式为，基于随机游走算法计算两个连通图像对应的色彩网络拓扑图之间的第一相似度，并将所述第一相似度作为两个第一分布信息之间的相似度。

需要说明的是，基于随机游走法计算两个色彩网络拓扑图之间的第一相似度只是对本申请实施例的举例说明，本申请实施例还可以采用其他方式计算两个色彩网络拓扑图之间的第一相似度。

下面以一个具体例子说明两个原始图像的色彩相似度的确定方法，其中两个原始图像分别为第一原始图像和第二原始图像，第一原始图像对应于第一连通图像，第二原始图像对应于第二连通图像。

第一原始图像如图7a所示，第二原始图像如图7b所示；

按照预设的像素值范围，将第一原始图像中位于同一个预设的像素值范围的相邻像素点进行合并，得到第一连通图像；以及按照预设的像素值范围，将第二原始图像中位于同一个预设的像素值范围的相邻像素点进行合并，得到第二连通图像。

针对第一连通图像，获得用于表征第一连通图像中各个连通区域对应的第一原始图像区域中平均像素值大小的相邻关系的第一分布信息；以及

针对第二连通图像，获得用于表征第二连通图像中各个连通区域对应的第二原始图像区域中平均像素值大小的相邻关系的第一分布信息。

具体的，可以按照第一连通图像中各个连通区域在第一原始图像中的平均像素值从小到大的方式，对第一连通图像中各个连通区域进行编号，得到如图8a所示的编号后的第一连通图像；以及按照第二连通图像中各个连通区域在第二原始图像中的平均像素值从小到大的方式，对第二连通图像中各个连通区域进行编号，得到如图8b所示的编号后的第二连通图像。

在对第一连通图像编号之后，确定第一连通图像的用于表示编号相邻关系的第一分布信息为：与编号为1的区域相邻的区域编号为2、3，与编号为2的区域相邻的区域编号为1、3，与编号为3的区域相邻的区域编号为1、2；以及

在对第二连通图像编号之后，确定第二连通图像的用于表示编号相邻关系的第一分布信息为：与编号为a的区域相邻的区域编号为b，与编号为b的区域相邻的区域编号为a、b，与编号为c的区域相邻的区域编号为b。

根据第一连通图像对应的第一分布信息构造各个连通图像对应的以连通区域的编号为节点、连通区域的相邻关系为边的第一色彩网络拓扑图，得到如图9a所示的第一色彩网络拓扑图；其中，编号为1的节点和编号为2的节点之间有连线表示编号为1连通区域与编号为2连通区域在第一连通图像中相邻，编号为1的节点和编号为3的节点之间有连线表示编号为1连通区域与编号为3连通区域在第一连通图像中相邻，编号为2的节点和编号为3的节点之间有连线表示编号为2连通区域与编号为3连通区域在第一连通图像中相邻。

根据第二连通图像对应的第二分布信息构造各个连通图像对应的以连通区域的编号为节点、连通区域的相邻关系为边的第二色彩网络拓扑图，得到如图9b所示的第二色彩网络拓扑图；其中，编号为a的节点和编号为b节点之间有连线表示编号为a的连通区域和编号为b的连通区域在第二连通图像中相邻，编号为b的节点和编号为c的节点之间有连线表示编号b的连通区域和编号为c的连通区域在第二连通图像中相邻。

得到第一色彩网络拓扑图和第二色彩网络拓扑图之后，基于随机游走法计算第一色彩网络拓扑图和第二色彩网络拓扑图之间的第一相似度；

具体的，将第一色彩网络拓扑图与第二色彩网络拓扑图转换为色彩伴随图，如图10所示。第一色彩网络拓扑图的节点与第二色彩网络拓扑图的节点的匹配关系转换为色彩伴随图中的节点。第一色彩网络拓扑图的边与第二色彩网络拓扑图的边的相似度转换为色彩伴随图中的边。如图9a的节点1与图9b的节点a的匹配关系转换为图10中的节点1a，图9a中边1-2与图9b中边a-b的相似度转换为图10中的边1a-2b。

根据转换后得到的色彩伴随图，通过随机游走算法，确定色彩伴随图的每个节点的权重。假设从1a节点开始，随机的从邻居节点(2b和3b)选择下一个要走的节点，如选择了2b，走到2b位置，随机的从邻居节点(1a、1c、3a和3c)选择下一个要走的节点，比如选择了3a。通过反复游走，记录每个节点被访问的次数，每个节点的权重等于该节点被访问的次数除以游走的总次数。

根据每个节点的权重，基于权重按从大到小顺序排列前K个节点来计算两个图之间的色彩风格相似度，其中K为预先设置的数值；

一种可选的方式为，取排序靠前的K个权重值取平均值，将平均值作为第一原始图像与所述第二原始图像的色彩相似度。

例如，假设共游走10000次，节点1a被访问920次，节点1b被访问1600次，节点1c被访问900次，节点2a被访问850次，节点2b被访问1700次，节点2c被访问860次，节点3a被访问800次，节点3b被访问1500次，节点3c被访问870次。由此计算每个节点的权重，节点1a的权重为0.092，节点1b的权重为0.160，节点1c的权重为0.090，节点2a的权重为0.085，节点2b的权重为0.170，节点2c的权重为0.086，节点3a的权重为0.080，节点3b的权重为0.150，节点3c的权重为0.087。

预先设置K值为3，则取权重前三的三个节点的权重值，分别为节点2b的权重值0.17、节点1b的权重值0.16和节点3b的权重值0.15，对该三个权重值取平均得第一原始图像与第二原始图像的色彩相似度为0.16。

二、确定两个原始图像之间的形状相似度。

本申请实施例在确定两个原始图像之间的形状相似度时，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中像素点个数多少的相邻关系的第二分布信息，并确定两个原始图像之间的形状相似度为两个第二分布信息之间的相似度；

其中，每个连通区域的第二分布信息包括每个连通区域对应的相邻区域。

针对每个连通图像，本申请实施例根据下列方式获得该连通图像的第二分布信息：

将连通图像的各个连通区域按照在对应的原始图像区域中像素点个数多少进行编号，确定两个连通图像的用于表示编号相邻关系的第二分布信息；

其中，可以按照像素点个数从多到少的方式对该连通图像中各个连通区域进行编号，或者可以按照像素点个数从少到多的方式对该连通图像中各个连通区域进行编号。

需要说明的是，针对需要确定风格相似度的两个原始图像对应的连通图像，在对两个连通图像的各个连通区域进行编号时，需要采用相同的编号方式；例如均采用按照像素点个数从多到少的方式进行编号，或者均采用按照像素点个数从少到多的方式进行编号。

例如，以如图4所示的连通图像为例，假设按照像素点个数从多到少的方式对该连通图像中各个连通区域进行编号，连通图像中预设的像素值范围在20-24的连通区域在对应的原始图像中像素点个数最多，则将该连通区域编号为1；预设的像素值范围在45-49的连通区域在对应的原始图像中像素点个数的排序第二，则将该连通区域编号为2……编号后的连通图像如图11所示。

在对两个原始图像对应的连通图像编号之后，确定每个连通图像的用于表示编号相邻关系的第二分布信息；例如，该第二分布信息包括每个连通区域对应的相邻区域的编号；

例如，如图11所示的编号后的连通图像，该连通图像对应的第二分布信息为：与编号为1的区域相邻的区域编号为3、4、7、8、9、10，与编号为2的区域相邻的区域编号为3、4，与编号为3的区域相邻的区域编号为1、2、4，与编号为4的区域相邻的区域编号为1、2、3、6、10，与编号为5的区域相邻的区域编号为6、7、10，与编号为6的区域相邻的区域编号为4、5、7、10，与编号为7的区域相邻的区域编号为1、5、6、9、10，与编号为8的区域相邻的区域编号为1、9，与编号为9的区域相邻的区域编号为1、7、8、10，与编号为10的区域相邻的区域编号为1、4、6、7。

本申请实施例在确定出两个连通图像的第二分布信息之后，确定两个连通图像的第二分布信息之间的相似度。一种可选的实施方式为，根据下列方式确定两个第二分布信息之间的相似度：

根据每个连通图像对应的第二分布信息，分别构造两个连通图像对应的以连通区域的编号为节点、连通区域的相邻关系为边的形状网络拓扑图；并确定两个形状网络拓扑图之间的相似度作为两个第二分布信息之间的相似度。

例如，在编号后的连通图像如图10所示时，根据图10所示的连通图像对应的第二分布信息构造的形状网络拓扑图如图12所示；

其中，在如图12所示的形状网络拓扑图中，两个节点之间的连线表示该两个节点对应的编号在连通图像中相邻；比如节点1和节点10之间有连线，表示在连通图像中编号为1的区域与编号为10的区域相邻。

本申请实施例在确定出两个连通图像对应的形状网络拓扑图之后，一种可选的实施方式为，基于随机游走算法计算两个连通图像对应的形状网络拓扑图之间的第二相似度，并将所述第二相似度作为两个第二分布信息之间的相似度。

需要说明的是，基于随机游走法计算两个形状网络拓扑图之间的第二相似度只是对本申请实施例的举例说明，本申请实施例还可以采用其他方式计算两个形状网络拓扑图之间的第二相似度。

下面以一个具体例子说明两个原始图像的形状相似度的确定方法，其中两个原始图像分别为第一原始图像和第二原始图像，第一原始图像对应于第一连通图像，第二原始图像对应于第二连通图像。

第一原始图像如图7a所示，第二原始图像如图7b所示；

按照预设的像素值范围，将第一原始图像中位于同一个预设的像素值范围的相邻像素点进行合并，得到第一连通图像；以及按照预设的像素值范围，将第二原始图像中位于同一个预设的像素值范围的相邻像素点进行合并，得到第二连通图像。

针对第一连通图像，获得用于表征第一连通图像中各个连通区域对应的第一原始图像区域中像素点个数多少的相邻关系的第二分布信息；以及

针对第二连通图像，获得用于表征第二连通图像中各个连通区域对应的第二原始图像区域中像素点个数多少的相邻关系的第二分布信息。

具体的，可以按照第一连通图像中各个连通区域在第一原始图像中的像素点个数从多到少的方式，对第一连通图像中各个连通区域进行编号，得到如图13a所示的编号后的第一连通图像；以及按照第二连通图像中各个连通区域在第二原始图像中的像素点个数从多到少的方式，对第二连通图像中各个连通区域进行编号，得到如图13b所示的编号后的第二连通图像。

在对第一连通图像编号之后，确定第一连通图像的用于表示编号相邻关系的第二分布信息为：与编号为1的区域相邻的区域编号为2、3，与编号为2的区域相邻的区域编号为1、3，与编号为3的区域相邻的区域编号为1、2；以及

在对第二连通图像编号之后，确定第二连通图像的用于表示编号相邻关系的第二分布信息为：与编号为a的区域相邻的区域编号为c，与编号为b的区域相邻的区域编号为c，与编号为c的区域相邻的区域编号为a、b。

根据第一连通图像对应的第二分布信息构造各个连通图像对应的以连通区域的编号为节点、连通区域的相邻关系为边的第一形状网络拓扑图，得到如图14a所示的第一形状网络拓扑图；其中，编号为1的节点和编号为2的节点之间有连线表示编号为1连通区域与编号为2连通区域在第一连通图像中相邻，编号为1的节点和编号为3的节点之间有连线表示编号为1连通区域与编号为3连通区域在第一连通图像中相邻，编号为2的节点和编号为3的节点之间有连线表示编号为2连通区域与编号为3连通区域在第一连通图像中相邻。

根据第二连通图像对应的第二分布信息构造各个连通图像对应的以连通区域的编号为节点、连通区域的相邻关系为边的第二形状网络拓扑图，得到如图14b所示的第二形状网络拓扑图；其中，编号为a的节点和编号为c的节点之间有连线表示编号为a的连通区域和编号为c的连通区域在第二连通图像中相邻，编号为b的节点和编号为c的节点之间有连线表示编号b的连通区域和编号为c的连通区域在第二连通图像中相邻。

得到第一形状网络拓扑图和第二形状网络拓扑图之后，基于随机游走法计算第一形状网络拓扑图和第二形状网络拓扑图之间的第二相似度；

具体的，将第一形状网络拓扑图与第二形状网络拓扑图转换为形状伴随图，如图15所示。第一形状网络拓扑图的节点与第二形状网络拓扑图的节点的匹配关系转换为形状伴随图中的节点。第一形状网络拓扑图的边与第二形状网络拓扑图的边的相似度转换为形状伴随图中的边。如将图14a的节点1与图14b的节点a的匹配关系转换为图15中的节点1a，图14a中边1-2与图14b中边b-c的相似度转换为图15中的边1b-2c。

根据转换后得到的所述形状伴随图，通过随机游走算法，确定形状伴随图的每个节点的权重。假设从1a节点开始，随机的从邻居节点(2c和3c)选择下一个要走的节点，如选择了2c，走到2c位置，随机的从邻居节点(1a、1b、3a和3b)选择下一个要走的节点，比如选择了3a。通过这样反复游走，记录每个节点被访问的次数，每个节点的权重等于该节点被访问的次数除以游走的总次数。

根据所述每个节点的权重，基于权重按从大到小顺序排列前K个节点来计算两个图之间的形状风格相似度，其中K为预先设置的数值；

一种可选的方式为，取排序靠前的K个权重值取平均值，将平均值作为第一原始图像与第二原始图像的形状相似度。

例如，假设共游走10000次，节点1a被访问870次，节点1b被访问830次，节点1c被访问1700次，节点2a被访问900次，节点2b被访问850次，节点2c被访问1650次，节点3a被访问880次，节点3b被访问800次，节点3c被访问1520次。由此计算每个节点的权重，节点1a的权重为0.087，节点1b的权重为0.083，节点1c的权重为0.170，节点2a的权重为0.090，节点2b的权重为0.085，节点2c的权重为0.165，节点3a的权重为0.088，节点3b的权重为0.080，节点3c的权重为0.152。

预先设置K值为3，则取权重前三的三个节点的权重值，分别为节点1c的权重值0.17、节点2c的权重值0.165和节点3c的权重值0.152，对该三个权重值取平均得所述第一原始图像与所述第二原始图像的形状相似度为0.162。

本申请实施例在获得两个原始图像的色彩相似度与形状相似度后，根据色彩相似度和形状相似度确定两个原始图像的风格相似度；

一种可选的实施方式为，根据色彩相似度、色彩相似度对应的第一预设权重值，以及形状相似度、形状相似度对应的第二预设权重值，确定两个原始图像的风格相似度。

其中，色彩相似度对应的第一预设权重值和形状相似度对应的第二预设权重值可以为预先设定的数值；且第一预设权重值与第二预设权重值之和为1。

实施中，可以根据量化图像风格时需要侧重的色彩差异或形状差异，合理设置色彩相似度对应的第一预设权重值与形状相似度对应的第二预设权重值；

例如，在侧重色彩差异时，可以设置第一预设权重值大于第二预设权重值；

在侧重形状差异时，可以设置第一预设权重值小于第二预设权重值；

或者，还可以设置第一预设权重值等于第二预设权重值。

具体的，将第一预设权重值与色彩相似度的乘积、与第二预设权重值与形状相似度的乘积之和，作为第一原始图像和第二原始图像的风格相似度。

例如，假设侧重形状差异，则将第二预设权重值赋为0.72，第一预设权重值则为0.28；在确定出的第一原始图像和第二原始图像的色彩相似度为0.16，第一原始图像和第二原始图像的形状相似度为0.162时，第一原始图像和第二原始图像的风格相似度为0.28*0.16+0.72*0.162＝0.161。

下面以终端设备上的应用程序与服务器配合确定图像风格相似度为例，说明确定图像风格相似度的流程，其中，如图16所示的确定图像风格相似度流程示意图，包括以下步骤：

步骤S1601、应用程序获取两个原始图像；

步骤S1602、应用程序将两个原始图像发送给服务器；

步骤S1603、服务器接收应用程序发送的两个原始图像；

步骤S1604、服务器根据多个预设的像素值范围，将两个原始图像中属于同一个预设的像素值范围的相邻像素点进行合并处理，分别获得两个原始图像对应的连通图像；

步骤S1605、服务器将两个连通图像的各个连通区域按照在对应的原始图像区域中平均像素值大小进行编号，确定两个连通图像的用于表示编号相邻关系的第一分布信息；

步骤S1606、服务器根据每个连通图像的第一分布信息，分别构造两个连通图像对应的以连通区域的编号为节点、连通区域的相邻关系为边的色彩网络拓扑图；

步骤S1607、服务器基于随机游走算法计算两个连通图像对应的色彩网络拓扑图之间的第一相似度，并将第一相似度作为两个第一分布信息之间的相似度；

步骤S1608、服务器确定两个原始图像之间的形状相似度为两个第二分布信息之间的相似度；

步骤S1609、服务器将两个连通图像的各个连通区域按照在对应的原始图像区域中像素点个数多少进行编号，确定两个连通图像的用于表示编号相邻关系的第二分布信息；

步骤S1610、服务器根据每个连通图像的第二分布信息，分别构造两个连通图像对应的以连通区域的编号为节点、连通区域的相邻关系为边的形状网络拓扑图；

步骤S1611、服务器基于随机游走算法计算两个连通图像对应的形状网络拓扑图之间的第二相似度，并将第二相似度作为两个第二分布信息之间的相似度；

步骤S1612、服务器确定两个原始图像之间的形状相似度为两个第二分布信息之间的相似度；

步骤S1613、服务器根据色彩相似度、色彩相似度对应的第一预设权重值，以及形状相似度、形状相似度对应的第二预设权重值，确定两个原始图像的风格相似度；

步骤S1614、服务器将确定出的两个原始图像的风格相似度通知给应用程序。

基于同一发明构思，本申请实施例中还提供了一种确定图像风格相似度的装置，由于上述装置解决问题的原理与确定图像风格相似度的方法相似，因此上述装置的实施可以参见方法的实施，重复之处不再赘述。

如图17所示，本申请实施例提供一种确定图像风格相似度的装置170，包括：

获取单元171，用于分别获得两个原始图像对应的连通图像，每个原始图像对应的连通图像包含多个连通区域，且在对应的原始图像中，每个连通区域对应的任意两个像素点的像素值之间的差值不大于第一阈值；

确定单元172，用于针对每个连通图像，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中平均像素值大小的相邻关系的第一分布信息，并确定两个原始图像之间的色彩相似度为两个第一分布信息之间的相似度；以及针对每个连通图像，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中像素点个数多少的相邻关系的第二分布信息，并确定两个原始图像之间的形状相似度为两个第二分布信息之间的相似度；

计算单元173，用于根据色彩相似度和形状相似度确定两个原始图像的风格相似度。

可选的，所述获取单元171具体用于：

针对每个原始图像，根据多个预设的像素值范围，将原始图像中属于同一个预设的像素值范围的相邻像素点进行合并处理，获得原始图像对应的连通图像；其中，预设的像素值范围的上限值与下限值的差值为第一阈值。

可选的，所述确定单元172具体用于：

根据下列方式确定两个第一分布信息之间的相似度：

将两个连通图像的各个连通区域按照在对应的原始图像区域中平均像素值大小进行编号，确定两个连通图像的用于表示编号相邻关系的第一分布信息；

根据每个连通图像的第一分布信息，分别构造两个连通图像对应的以连通区域的编号为节点、连通区域的相邻关系为边的色彩网络拓扑图；

基于随机游走算法计算两个连通图像对应的色彩网络拓扑图之间的第一相似度，并将第一相似度作为两个第一分布信息之间的相似度。

可选的，所述确定单元172具体用于：

根据下列方式确定两个第二分布信息之间的相似度：

将两个连通图像的各个连通区域按照在对应的原始图像区域中像素点个数多少进行编号，确定两个连通图像的用于表示编号相邻关系的第二分布信息；

根据每个连通图像的第二分布信息，分别构造两个连通图像对应的以连通区域的编号为节点、连通区域的相邻关系为边的形状网络拓扑图；

基于随机游走算法计算两个连通图像对应的形状网络拓扑图之间的第二相似度，并将第二相似度作为两个第二分布信息之间的相似度。

可选的，所述计算单元173具体用于：

根据色彩相似度、色彩相似度对应的第一预设权重值，以及形状相似度、形状相似度对应的第二预设权重值，确定两个原始图像的风格相似度。

另外，本申请实施例还提供一种电子设备180，如图18所示，包括：至少一个处理器181；以及与所述至少一个处理器通信连接的存储器182；其中，

所述存储器182存储有可被所述至少一个处理器181执行的指令，所述指令被所述至少一个处理器181执行，以使所述至少一个处理器181能够执行上述确定图像风格相似度的方法。

在介绍了本申请示例性实施方式的确定图像风格相似度方法和装置之后，接下来，介绍根据本申请的另一示例性实施方式的计算装置。

所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

在一些可能的实施方式中，根据本申请的计算装置可以至少包括至少一个处理单元、以及至少一个存储单元。其中，所述存储单元存储有程序代码，当所述程序代码被所述处理单元执行时，使得所述处理单元执行上述各种示例性实施方式中的步骤，例如，所述处理单元可以执行如图2所示的步骤S21～步骤S24中确定图像风格相似度的流程。

下面参照图19来描述根据本申请的这种实施方式的计算装置190。图19显示的计算装置190仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图19所示，计算装置190以通用计算设备的形式表现。计算装置190的组件可以包括但不限于：上述至少一个处理单元191、上述至少一个存储单元192、连接不同系统组件(包括存储单元192和处理单元191)的总线193。

总线193表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。

存储单元192可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)1921和/或高速缓存存储器1922，还可以进一步包括只读存储器(ROM)1923。

存储单元192还可以包括具有一组(至少一个)程序模块1924的程序/实用工具1925，这样的程序模块1924包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

计算装置190也可以与一个或多个外部设备194(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与计算装置190交互的设备通信，和/或与使得该计算装置190能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口195进行。并且，计算装置190还可以通过网络适配器196与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图19所示，网络适配器196通过总线193与用于计算装置190的其它模块通信。应当理解，尽管图中未示出，可以结合计算装置190使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

本申请实施例还提供一种计算机可存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述确定图像风格相似度的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。

本申请是参照根据本申请的方法、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。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种确定图像风格相似度的方法，其特征在于，该方法包括：

分别获得两个原始图像对应的连通图像，每个原始图像对应的连通图像包含多个连通区域，且在对应的原始图像中，每个连通区域对应的任意两个像素点的像素值之间的差值不大于第一阈值；

针对每个连通图像，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中平均像素值大小的相邻关系的第一分布信息，并确定两个原始图像之间的色彩相似度为两个第一分布信息之间的相似度；以及

针对每个连通图像，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中像素点个数多少的相邻关系的第二分布信息，并确定两个原始图像之间的形状相似度为两个第二分布信息之间的相似度；

根据所述色彩相似度和所述形状相似度确定两个原始图像的风格相似度。

2.如权利要求1所述的方法，其特征在于，所述分别获得两个原始图像对应的连通图像，包括：

针对每个原始图像，根据多个预设的像素值范围，将所述原始图像中属于同一个预设的像素值范围的相邻像素点进行合并处理，获得所述原始图像对应的连通图像；

其中，所述预设的像素值范围的上限值与下限值的差值为所述第一阈值。

3.如权利要求1所述的方法，其特征在于，根据下列方式确定两个第一分布信息之间的相似度：

将两个连通图像的各个连通区域按照在对应的原始图像区域中平均像素值大小进行编号，确定两个连通图像的用于表示编号相邻关系的第一分布信息；

根据每个连通图像的第一分布信息，分别构造两个连通图像对应的以连通区域的编号为节点、连通区域的相邻关系为边的色彩网络拓扑图；

基于随机游走算法计算两个连通图像对应的色彩网络拓扑图之间的第一相似度，并将所述第一相似度作为两个第一分布信息之间的相似度。

4.如权利要求1所述的方法，其特征在于，根据下列方式确定两个第二分布信息之间的相似度：

将两个连通图像的各个连通区域按照在对应的原始图像区域中像素点个数多少进行编号，确定两个连通图像的用于表示编号相邻关系的第二分布信息；

根据每个连通图像的第二分布信息，分别构造两个连通图像对应的以连通区域的编号为节点、连通区域的相邻关系为边的形状网络拓扑图；

基于随机游走算法计算两个连通图像对应的形状网络拓扑图之间的第二相似度，并将所述第二相似度作为两个第二分布信息之间的相似度。

5.如权利要求1～4任一项所述的方法，其特征在于，所述根据所述色彩相似度和所述形状相似度确定两个原始图像的风格相似度，包括：

根据所述色彩相似度、所述色彩相似度对应的第一预设权重值，以及所述形状相似度、所述形状相似度对应的第二预设权重值，确定所述两个原始图像的风格相似度。

6.一种确定图像风格相似度的装置，其特征在于，包括：

获取单元，用于分别获得两个原始图像对应的连通图像，每个原始图像对应的连通图像包含多个连通区域，且在对应的原始图像中，每个连通区域对应的任意两个像素点的像素值之间的差值不大于第一阈值；

确定单元，用于针对每个连通图像，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中平均像素值大小的相邻关系的第一分布信息，并确定两个原始图像之间的色彩相似度为两个第一分布信息之间的相似度；以及针对每个连通图像，分别获得用于表征连通图像中各个连通区域对应的原始图像区域中像素点个数多少的相邻关系的第二分布信息，并确定两个原始图像之间的形状相似度为两个第二分布信息之间的相似度；

计算单元，用于根据所述色彩相似度和所述形状相似度确定两个原始图像的风格相似度。

7.如权利要求6所述的装置，其特征在于，所述确定单元具体用于：

根据下列方式确定两个第一分布信息之间的相似度：

将两个连通图像的各个连通区域按照在对应的原始图像区域中平均像素值大小进行编号，确定两个连通图像的用于表示编号相邻关系的第一分布信息；

根据每个连通图像的第一分布信息，分别构造两个连通图像对应的以连通区域的编号为节点、连通区域的相邻关系为边的色彩网络拓扑图；

基于随机游走算法计算两个连通图像对应的色彩网络拓扑图之间的第一相似度，并将所述第一相似度作为两个第一分布信息之间的相似度。

8.如权利要求6所述的装置，其特征在于，所述确定单元具体用于：

据下列方式确定两个第二分布信息之间的相似度：

将两个连通图像的各个连通区域按照在对应的原始图像区域中像素点个数多少进行编号，确定两个连通图像的用于表示编号相邻关系的第二分布信息；

根据每个连通图像的第二分布信息，分别构造两个连通图像对应的以连通区域的编号为节点、连通区域的相邻关系为边的形状网络拓扑图；

基于随机游走算法计算两个连通图像对应的形状网络拓扑图之间的第二相似度，并将所述第二相似度作为两个第二分布信息之间的相似度。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至5任一权利要求所述的方法。

10.一种计算机可读介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于执行如权利要求1至5任一权利要求所述的方法。

Images