CN111243061B - 一种商品图片的生成方法、装置、系统 - Google Patents
一种商品图片的生成方法、装置、系统 Download PDFInfo
- Publication number
- CN111243061B CN111243061B CN202010070598.7A CN202010070598A CN111243061B CN 111243061 B CN111243061 B CN 111243061B CN 202010070598 A CN202010070598 A CN 202010070598A CN 111243061 B CN111243061 B CN 111243061B
- Authority
- CN
- China
- Prior art keywords
- picture
- commodity
- template
- foreground
- information
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请实施例公开一种商品图片的生成方法、装置、系统,方法包括接收原始图片以及对原始图片的描述信息;对原始图片进行分割以得到前景图片并对前景图片进行裁剪;获取裁剪后的前景图片的尺寸,将裁剪后的前景图片的尺寸与模板库中的不同商品元素的尺寸进行比较,将尺寸最接近的商品元素所对应的模板确定为目标模板;其中,每个商品元素均对应一个模板;获取与目标模板相关联的至少两个单元模型;分别将裁剪后的前景图片和原始图片的描述信息输入至对应的单元模型中以生成商品图片。本申请能够根据用户上传的图片和文字信息自动匹配模板生成对应的商品氛围图,免去了人工设计或更换元素的重复操作过程,缩短了设计周期,有效的节约了人力成本。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种商品图片的生成方法、装置、系统。
背景技术
随着互联网技术的普及和发展,网上购物成为越来越多消费者的首选,各大电商也纷纷推出各种手段来吸引用户,各大电商购物节,如:618,818,双十一,以及各种中外节日,如:母亲节,七夕节,中秋节,圣诞节,年货节是各大电商的促销节点,每个促销节点从预热期到爆发期,电商平台会推出各种不同的营销手段来提高用户的点击率和转化率,在这个过程中,商品氛围图的布置,更改,和替换则是其中重要的一环,在节点爆发期,电商平台设计不同的氛围图,如打上促销logo,设置颜色,突出商品特性等吸引用户,实现创收,传统的这些氛围图设计更换都是依靠人工来完成的,包括版面设计,替换字段,打上促销logo等,因此,许多操作重复性高且设计周期长,需要大量的人工成本。
发明内容
为了解决现有技术的问题,本发明提出了一种商品图片的生成方法、装置、系统,本方法能够根据用户上传的图片和文字信息自动匹配模板生成对应的商品氛围图,免去了人工设计或更换元素的重复操作过程,缩短了设计周期,有效的节约了人力成本。
本发明实施例提供的具体技术方案如下:
第一方面,本发明提供一种商品图片的生成方法,所述方法包括:
接收原始图片以及对原始图片的描述信息;
对所述原始图片进行分割以得到前景图片并对所述前景图片进行裁剪;
获取裁剪后的前景图片的尺寸,将裁剪后的前景图片的尺寸与模板库中的不同商品元素的尺寸进行比较,将尺寸最接近的商品元素所对应的模板确定为目标模板;其中,每个商品元素均对应一个模板;
获取与所述目标模板相关联的至少两个单元模型;
分别将所述裁剪后的前景图片和原始图片的描述信息输入至对应的单元模型中以生成商品图片。
优选的,所述至少两个单元模型至少包括:商品图片单元模型、文案布局单元模型。
优选的,所述原始图片的描述信息包括商品基础文案;
所述分别将所述裁剪后的前景图片和原始图片的描述信息输入至对应的单元模型中以生成商品图片具体包括:
将所述裁剪后的前景图片输入至所述商品图片单元模型,得到图片位置信息;
将所述商品基础文案输入至文案布局单元模型中,得到基础文案位置信息、基础文案字号信息和基础文案文字间距信息;
对所述图片位置信息、基础文案位置信息、基础文案字号信息和基础文案文字间距信息进行组合,得到组合信息;
根据所述组合信息生成商品图片。
优选的,所述方法还包括:
获取所述商品基础文案的类型,根据所述商品基础文案的类型判断是否存在关联的修饰模型;
当存在时,将所述基础文案位置信息输入至所述修饰模型以得到基础文案修饰信息;
将所述基础文案修饰信息与所述组合信息进行组合,得到新组合信息;
所述根据所述组合信息生成商品图片包括:
根据新组合信息生成商品图片。
优选的,将裁剪后的前景图片的尺寸与模板库中的不同商品元素的尺寸进行比较,将尺寸最接近时的商品元素所对应的模板确定为目标模板具体包括:
计算裁剪后的前景图片的尺寸并构建尺寸向量;
获取模板库中不同的商品元素的尺寸向量;
计算裁剪后的前景图片的尺寸向量与模板库中不同的商品元素的尺寸向量之间的余弦距离;
将余弦距离最小时的商品元素所对应的模板确定为目标模型。
优选的,对所述原始图片进行分割具体包括:
获取原始图片的多通道颜色特征数据;
根据所述多通道颜色特征数据预测原始图片各像素点的前景概率和背景概率;
根据原始图片各像素点的前景概率和背景概率,对所述原始图片进行分割以得到前景图片和背景图片。
优选的,对所述原始图片进行分割以得到前景图片并对所述前景图片进行裁剪之前还包括:
对分割前的原始图片进行分类;
当分割前的原始图片为白底图时,对分割前的原始图片进行灰度处理以得到所述原始图片;
当分割前的原始图片为场景图时,利用显著性检测算法对分割前的原始图片进行处理以获取显著图;其中,所述显著图为所述原始图片。
优选的,对所述原始图片进行分割以得到前景图片并对所述前景图片进行裁剪之后还包括:
对裁剪后的前景图片进行质量判断;
当裁剪后的前景图片的质量低于预设阈值时,根据预设的图像增强算法,确定与裁剪后的前景图片的亮度特征相适应的目标图像增强算法;
根据所述目标图像增强算法,对所述裁剪后的前景图片进行图像增强处理。
第二方面,本发明提供一种商品图片的生成装置,包括:
接收模块,用于接收原始图片以及对原始图片的描述信息;
图像处理模块,用于对所述原始图片进行分割以得到前景图片并对所述前景图片进行裁剪;
匹配模块,用于获取裁剪后的前景图片的尺寸,将裁剪后的前景图片的尺寸与模板库中的不同商品元素的尺寸进行比较,将尺寸最接近的商品元素所对应的模板确定为目标模板;其中,每个商品元素均对应一个模板;
生成模块,用于获取与所述目标模板相关联的至少两个单元模型;分别将所述裁剪后的前景图片和原始图片的描述信息输入至对应的单元模型中以生成商品图片。
优选的,所述至少两个单元模型至少包括:商品图片单元模型、文案布局单元模型。
优选的,所述原始图片的描述信息包括商品基础文案;
所述生成模块具体用于:
将所述裁剪后的前景图片输入至所述商品图片单元模型,得到图片位置信息;
将所述商品基础文案输入至文案布局单元模型中,得到基础文案位置信息、基础文案字号信息和基础文案文字间距信息;
对所述图片位置信息、基础文案位置信息、基础文案字号信息和基础文案文字间距信息进行组合,得到组合信息;
根据所述组合信息生成商品图片。
优选的,所述装置还包括:
查询模块,用于获取所述商品基础文案的类型,根据所述商品基础文案的类型判断是否存在关联的修饰模型;
所述生成模块还用于当存在关联的修饰模型时,将所述基础文案位置信息输入至所述修饰模型以得到基础文案修饰信息;
将所述基础文案修饰信息与所述组合信息进行组合,得到新组合信息;
根据新组合信息生成商品图片。
优选的,所述匹配模块具体用于:
计算裁剪后的前景图片的尺寸并构建尺寸向量;
获取模板库中不同的商品元素的尺寸向量;
计算裁剪后的前景图片的尺寸向量与模板库中不同的商品元素的尺寸向量之间的余弦距离;
将余弦距离最小时的商品元素所对应的模板确定为目标模型。
优选的,所述图像处理模块具体用于:
获取原始图片的多通道颜色特征数据;
根据所述多通道颜色特征数据预测原始图片各像素点的前景概率和背景概率;
根据原始图片各像素点的前景概率和背景概率,对所述原始图片进行分割以得到前景图片和背景图片。
优选的,所述图像处理模块还用于:
对分割前的原始图片进行分类;
当分割前的原始图片为白底图时,对分割前的原始图片进行灰度处理以得到所述原始图片;
当分割前的原始图片为场景图时,利用显著性检测算法对分割前的原始图片进行处理以获取显著图;其中,所述显著图为所述原始图片。
优选的,所述图像处理模块还用于:
对裁剪后的前景图片进行质量判断;
当裁剪后的前景图片的质量低于预设阈值时,根据预设的图像增强算法,确定与裁剪后的前景图片的亮度特征相适应的目标图像增强算法;
根据所述目标图像增强算法,对所述裁剪后的前景图片进行图像增强处理。
第三方面,本发明提供一种计算机系统,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行如下操作:
接收原始图片以及对原始图片的描述信息;
对所述原始图片进行分割以得到前景图片并对所述前景图片进行裁剪;
获取裁剪后的前景图片的尺寸,将裁剪后的前景图片的尺寸与模板库中的不同商品元素的尺寸进行比较,将尺寸最接近的商品元素所对应的模板确定为目标模板;其中,每个商品元素均对应一个模板;
获取与所述目标模板相关联的至少两个单元模型;
分别将所述裁剪后的前景图片、原始图片的描述信息输入至对应的单元模型中以生成商品图片。
本发明实施例具有如下有益效果:本方法能够根据用户上传的图片和文字信息自动匹配模板生成对应的商品氛围图,免去了人工设计或更换元素的重复操作过程,缩短了设计周期,有效的节约了人力成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的商品图片的生成方法的流程图;
图2是本申请实施例一提供的目标模板匹配过程的流程图;
图3是本申请实施例二提供的商品图片的生成装置的结构示意图;
图4是本申请实施例三提供的计算机系统的结构示意图。
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,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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。
商品氛围图用于展示商品,包括商品主图等,如背景技术中所述,现有的商品氛围图的生成通常需要设计师手工完成,具体工作包括:版面设计,替换字段,打上促销logo等,因此,在大促期间,造成人工工作量大,人工成本高,基于此,本申请提出了一种基于模板的商品图片的生成方法,可以根据用户上传的图片、文字信息等自动匹配模板从而生成商品氛围图,免去了人工设计或更换元素的重复操作过程,缩短了设计周期,有效的节约了人力成本。
实施例一
为了实现模板库中的模板相匹配,首先需要先对模板库进行创建,模板库中包括不同布局的模板,每一模板可由不同的图层单元构成,如:主背景单元,商品可配置单元,文案智能布局单元,活动区域逻辑搭配单元,标签单元等,这些单元在模板中的位置并不是固定的,因此构成的模板的形式包括但不限于:左文右图式、右图左文式、上文下图式、上图下文式、左中右,上中下等结构。
此外,模板中的每一单元定义了不同的元素信息,如:主背景单元定义了主背景颜色;商品可配置单元包含商品元素,可配置不同的商品尺寸;文案智能布局单元包含一级标题文案,二级标题文案,三级标题文案以及文案修饰等;活动区域逻辑搭配单元包含价格数值文案,价格描述文案,货币符号,价格文字文案,主活动力度文案,副活动力度文案及文案修饰等;标签单元包括不限于促销小标,品牌logo,大促节点logo等内容。
其中,模板库中每个商品元素是不同的,每个商品元素均对应了一个模板。
在模板库创建完毕后,需要对模板库进行存储,具体的,模板库可存储于云端。模板库存储完成后,便可随时进行调用匹配以生成商品氛围图,具体的,如图1所示,包括如下步骤:
S11、接收原始图片以及对原始图片的描述信息。
其中,原始图片及原始图片的描述信由用户上传。原始图片的描述信息包括但不限于:商品基础文案、商品促销文案、商品标签。
商品基础文案为对商品的基础描述,包括性能描述、作用描述等;商品促销文案为对商品的价格描述,包括促销价格、优惠信息等,其中,促销价格包括价格数字、价格文字、货币符号等,优惠信息包括卖点文字、价格描述等;商品标签包括:商品品牌Logo、促销节点Logo、促销小标等。
S12、对原始图片进行预处理。
用户上传的原始图片多种多样,并不是每一张都符合要求,因此,需要对原始图片进行预处理,具体可以包括如下步骤:
1、对原始图片进行分类;
2、根据分类结果,对原始图片进行相应的处理。
其中,分类结果可以为:白底图、透明图、场景图。
当原始图片为白底图时,对原始图片进行灰度处理;
当原始图片为场景图时,利用显著性检测算法对原始图片进行处理以获取显著图。
其中,显著性检测算法可以选择SR、HFT或GBMR,本方案对算法的选择不加以限定。
S13、对预处理后的原始图片进行分割以得到前景图片并对前景图片进行裁剪。
上述对原始图片进行分割以得到前景图片具体包括如下步骤:
1、获取原始图片的多通道颜色特征数据;
2、根据多通道颜色特征数据预测原始图片各像素点的前景概率和背景概率;
具体的,可以将多通道颜色特征数据输入至一预先训练好的神经网络模型中,预测得到原始原始图片各像素点的前景概率和背景概率。
3、根据原始图片各像素点的前景概率和背景概率,对原始图片进行分割以得到前景图片和背景图片。
其中,对原始图片进行分割时,可以选择Otsu阈值分割、自适应阈值分割、最大熵阈值分割、迭代阈值分割等算法,本方案对算法的选择不加以限定。
在分割后,还需对前景图片进行裁剪以使前景图片符合尺寸要求。
当前景图片上包括多个目标图片时,选择面积占比最大的进行裁剪,具体步骤包括:
1、判断前景图片是否包括多个目标图片;
2、若存在,计算每一个目标图片的面积;
3、对面积最大的目标图片进行裁剪。
此外,在对前景图片进行裁剪后,还可以对裁剪后的前景图片进行质量判断,当图片质量低于预设阈值时对裁剪后的前景图片进行增强处理,具体步骤包括:
1、根据预设的图像增强算法,确定与裁剪后的前景图片的亮度特征相适应的目标图像增强算法;
2、基于目标图像增强算法,对裁剪后的前景图片进行图像增强处理。
S14、获取裁剪后的前景图片的尺寸,将裁剪后的前景图片的尺寸与模板库中的不同商品元素的尺寸进行比较,将尺寸最接近的商品元素所对应的模板确定为目标模板。
其中,每个商品元素均对应一个模板;
具体的,可以通过计算余弦距离来进行尺寸比较,方案包括如下步骤:
1、计算裁剪后的前景图片的尺寸并构建尺寸向量;
2、获取模板库中不同的商品元素的尺寸向量;
3、计算裁剪后的前景图片的尺寸向量与模板库中不同的商品元素的尺寸向量之间的余弦距离;
4、将余弦距离最小时的商品元素所对应的模板确定为目标模型。
参考图2,vector0~vector3为不同的前景图片的尺寸向量,Distance_01~Distance_01为模板库中不同的商品元素的尺寸向量,图2展示了当余弦距离最小(min)时所确定的目标模板为模板1。
S15、获取与目标模板相关联的至少两个单元模型。
根据前述可知,模板库中包括不同布局的模板,每一模板由不同的图层单元构成,具体的,每一模板关联了若干个单元模型,根据用户输入的原始图片、原始图片的描述信息以及与其对应的单元模型即可确定图层单元,从而生成商品图片。
S16、分别将裁剪后的前景图片和原始图片的描述信息输入至对应的单元模型中以生成商品图片。
上述至少两个单元模型至少包括:商品图片单元模型、文案布局单元模型。
当原始图片的描述信息包括商品基础文案时,上述步骤S16具体包括:
1、将裁剪后的前景图片输入至商品图片单元模型,得到图片位置信息;
2、将商品基础文案输入至文案布局单元模型中,得到基础文案位置信息、基础文案字号信息和基础文案文字间距信息;
3、对图片位置信息、基础文案位置信息、基础文案字号信息和基础文案文字间距信息进行组合,得到组合信息;
4、根据组合信息生成商品图片。
其中,上述文案布局单元模型的获取过程如下:
1、构建第一训练样本数据,第一训练样本数据包括带有文案信息的商品图片的文案的位置、字号、行间距;
2、根据上述第一训练样本数据对一基础模型进行训练以得到上述文案布局单元模型。
此外,本方案还包括:
1、获取商品基础文案的类型,根据商品基础文案的类型判断是否存在关联的修饰模型;
2、当存在时,将基础文案位置信息输入至修饰模型以得到基础文案修饰信息;
3、将基础文案修饰信息与组合信息进行组合,得到新组合信息。
如此,便能根据新组合信息生成商品图片。
示例性的,如商品基础文案包括一级商品基础文案、二级商品基础文案和三级商品基础文案三种类型,一级商品基础文案类型与修饰模型关联,终端展示页面显示了文案输入框包括:主标题、副标题、形动词输入框,若用户在主标题输入框输入信息,则上述信息对应的类型为一级商品基础文案,如此,便能获取到关联的修饰模型对用户输入的信息进行修饰。
此外,当与目标模板相关联的单元模型大于两个,如五个时,五个单元型分别为:商品图片单元模型、文案布局单元模型、背景单元模型、活动促销单元模型、标签单元模型。
当原始图片的描述信息包括用户输入的商品基础文案、商品促销文案和商品标签、以及目标模板的相关信息时,上述步骤S16具体包括:
1、将裁剪后的前景图片输入至商品图片单元模型,得到图片位置信息;
2、将商品基础文案输入至文案布局单元模型中,得到基础文案位置信息、基础文案字号信息和基础文案文字间距信息;
3、将商品促销文案输入至活动促销单元模型中,得到促销文案位置信息、促销文案字号信息和促销文案文字间距信息;
4、将商品标签输入至标签单元模型中,得到标签位置信息;
5、将目标模板的相关信息输入至背景单元模型中,得到背景信息;其中,目标模板的相关信息包括目标模板的标号;
6、将图片位置信息、基础文案位置信息、基础文案字号信息、基础文案文字间距信息、促销文案位置信息、促销文案字号信息、促销文案文字间距信息、标签位置信息和背景信息进行组合,得到组合信息
7、根据组合信息生成商品图片。
其中,活动促销单元模型的获取过程如下:
1、构建第二训练样本数据,第二训练样本数据包括带有促销信息的商品图片的促销信息的位置、字号、行间距;
2、根据上述第二训练样本数据对一基础模型进行训练以得到上述活动促销单元模型。
示例性的,如,当接收到用户输入的促销价格、优惠信息时,将促销价格、优惠信息输入至活动促销单元模型从而预测促销价格和优惠信息的位置、字号、间距,并根据预测得到的促销价格和优惠信息的位置、字号、间距信息以及图片位置信息生成商品图片。
其中,促销价格可以为数字形式,也可以为文字形式,两种形式是互斥关系;数字形式的促销价格和货币符号是关联关系,当数字形式的促销价格出现时,货币符号也需露出,文字形式的促销价格需隐藏,当文字形式的促销价格出现时,数字形式的促销价格和货币符号都隐藏。
示例性的,当用户输入数字形的促销价格时,促销单元模型根据输入信息,获取关联内容,输出促销价格以及其关联内容的位置、字号等信息。
上述将商品标签输入至标签单元模型中,得到标签位置信息具体包括如下步骤:
1、获取商品标签的类型;
2、将商品标签以及商品标签的类型信息输入至标签单元模型,得到与商品标签的位置信息。
此外,本方案中,用户可以根据大促期间不同的时间节点,如预热,爆发等选择不同颜色主题从而对背景进行更换,具体包括:
1、接收用户输入的背景修改指令;
2、根据背景修改指令,调用背景单元模型生成新背景。
如此,便能实现对商品图片背景的修改。
实施例二
与实施例一对应,本申请还提供一种商品图片的生成装置,如图3所示,包括:
接收模块21,用于接收原始图片以及对原始图片的描述信息;
图像处理模块22,用于对原始图片进行分割以得到前景图片并对前景图片进行裁剪;
匹配模块23,用于获取裁剪后的前景图片的尺寸,将裁剪后的前景图片的尺寸与模板库中的不同商品元素的尺寸进行比较,将尺寸最接近的商品元素所对应的模板确定为目标模板;其中,每个商品元素均对应一个模板;
生成模块24,用于获取与目标模板相关联的至少两个单元模型;分别将裁剪后的前景图片、原始图片的描述信息输入至对应的单元模型中以生成商品图片。
优选的,上述至少两个单元模型至少包括:商品图片单元模型、文案布局单元模型。
优选的,上述原始图片的描述信息包括商品基础文案;
上述生成模块24具体用于:
将裁剪后的前景图片输入至商品图片单元模型,得到图片位置信息;
将商品基础文案输入至文案布局单元模型中,得到基础文案位置信息、基础文案字号信息和基础文案文字间距信息;
对图片位置信息、基础文案位置信息、基础文案字号信息和基础文案文字间距信息进行组合,得到组合信息;
根据组合信息生成商品图片。
优选的,上述装置还包括:
查询模块25,用于获取商品基础文案的类型,根据商品基础文案的类型判断是否存在关联的修饰模型;
上述生成模块24还用于当存在关联的修饰模型时,将所述基础文案位置信息输入至修饰模型以得到基础文案修饰信息;
将所述基础文案修饰信息与组合信息进行组合,得到新组合信息;根据新组合信息生成商品图片。
优选的,上述匹配模块23具体用于:
计算裁剪后的前景图片的尺寸并构建尺寸向量;
获取模板库中不同的商品元素的尺寸向量;
计算裁剪后的前景图片的尺寸向量与模板库中不同的商品元素的尺寸向量之间的余弦距离;
将余弦距离最小时的商品元素所对应的模板确定为目标模型。
优选的,上述图像处理模块22具体用于:
获取原始图片的多通道颜色特征数据;
根据多通道颜色特征数据预测原始图片各像素点的前景概率和背景概率;
根据原始图片各像素点的前景概率和背景概率,对原始图片进行分割以得到前景图片和背景图片。
优选的,上述图像处理模块22还用于:
对分割前的原始图片进行分类;
当分割前的原始图片为白底图时,对分割前的原始图片进行灰度处理以得到所述原始图片;
当分割前的原始图片为场景图时,利用显著性检测算法对分割前的原始图片进行处理以获取显著图;其中,显著图为原始图片。
优选的,上述图像处理模块22还用于:
对裁剪后的前景图片进行质量判断;
当裁剪后的前景图片的质量低于预设阈值时,根据预设的图像增强算法,确定与裁剪后的前景图片的亮度特征相适应的目标图像增强算法;
根据目标图像增强算法,对裁剪后的前景图片进行图像增强处理。
实施例三
本申请还提供一种计算机系统,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行如下操作:
接收原始图片以及对原始图片的描述信息;
对原始图片进行分割以得到前景图片并对前景图片进行裁剪;
获取裁剪后的前景图片的尺寸,将裁剪后的前景图片的尺寸与模板库中的不同商品元素的尺寸进行比较,将尺寸最接近的商品元素所对应的模板确定为目标模板;其中,每个商品元素均对应一个模板;
获取与目标模板相关联的至少两个单元模型;
分别将裁剪后的前景图片、原始图片的描述信息输入至对应的单元模型中以生成商品图片。
其中,图4示例性的展示出了计算机系统的架构,具体可以包括处理器32,视频显示适配器34,磁盘驱动器36,输入/输出接口38,网络接口310,以及存储器312。上述处理器32、视频显示适配器34、磁盘驱动器36、输入/输出接口38、网络接口310,与存储器312之间可以通过通信总线314进行通信连接。
其中,处理器32可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请所提供的技术方案。
存储器312可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器312可以存储用于控制计算机系统30运行的操作系统316,用于控制计算机系统的低级别操作的基本输入输出系统(BIOS)318。另外,还可以存储网页浏览器320,数据存储管理系统322等等。总之,在通过软件或者固件来实现本申请所提供的技术方案时,相关的程序代码保存在存储器312中,并由处理器32来调用执行。
输入/输出接口38用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
网络接口310用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
通信总线314包括一通路,在设备的各个组件(例如处理器32、视频显示适配器34、磁盘驱动器36、输入/输出接口38、网络接口310,与存储器312之间传输信息。
另外,该计算机系统还可以从虚拟资源对象领取条件信息数据库中获得具体领取条件的信息,以用于进行条件判断,等等。
需要说明的是,尽管上述设备仅示出了处理器32、视频显示适配器34、磁盘驱动器36、输入/输出接口38、网络接口310,存储器312,通信总线314等,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,云服务端,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
尽管已描述了本发明实施例中的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例中范围的所有变更和修改。另外,上述实施例提供的计算机系统、商品图片的生成装置与商品图片的生成方法属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种商品图片的生成方法,其特征在于,所述方法包括:
接收原始图片以及对原始图片的描述信息;
对所述原始图片进行分割以得到前景图片并对所述前景图片进行裁剪;
获取裁剪后的前景图片的尺寸,将裁剪后的前景图片的尺寸与模板库中的不同商品元素的尺寸进行比较,将尺寸最接近的商品元素所对应的模板确定为目标模板;其中,每个商品元素均对应一个模板,其中每一模板由不同的图层单元构成,每一模板关联若干个单元模型;
获取与所述目标模板相关联的至少两个单元模型,所述至少两个单元模型至少包括:商品图片单元模型、文案布局单元模型;
分别将所述裁剪后的前景图片和原始图片的描述信息输入至对应的单元模型中以生成商品图片。
2.根据权利要求1所述的方法,其特征在于,所述原始图片的描述信息包括商品基础文案;
所述分别将所述裁剪后的前景图片和原始图片的描述信息输入至对应的单元模型中以生成商品图片具体包括:
将所述裁剪后的前景图片输入至所述商品图片单元模型,得到图片位置信息;
将所述商品基础文案输入至文案布局单元模型中,得到基础文案位置信息、基础文案字号信息和基础文案文字间距信息;
对所述图片位置信息、基础文案位置信息、基础文案字号信息和基础文案文字间距信息进行组合,得到组合信息;
根据所述组合信息生成商品图片。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取所述商品基础文案的类型,根据所述商品基础文案的类型判断是否存在关联的修饰模型;
当存在时,将所述基础文案位置信息输入至所述修饰模型以得到基础文案修饰信息;
将所述基础文案修饰信息与所述组合信息进行组合,得到新组合信息;
所述根据所述组合信息生成商品图片包括:
根据新组合信息生成商品图片。
4.根据权利要求1所述的方法,其特征在于,将裁剪后的前景图片的尺寸与模板库中的不同商品元素的尺寸进行比较,将尺寸最接近时的商品元素所对应的模板确定为目标模板具体包括:
计算裁剪后的前景图片的尺寸并构建尺寸向量;
获取模板库中不同的商品元素的尺寸向量;
计算裁剪后的前景图片的尺寸向量与模板库中不同的商品元素的尺寸向量之间的余弦距离;
将余弦距离最小时的商品元素所对应的模板确定为目标模型。
5.根据权利要求1所述的方法,其特征在于,对所述原始图片进行分割以得到前景图片具体包括:
获取原始图片的多通道颜色特征数据;
根据所述多通道颜色特征数据预测原始图片各像素点的前景概率和背景概率;
根据原始图片各像素点的前景概率和背景概率,对所述原始图片进行分割以得到前景图片和背景图片。
6.根据权利要求1~5任意一项所述的方法,其特征在于,对所述原始图片进行分割以得到前景图片并对所述前景图片进行裁剪之前还包括:
对分割前的原始图片进行分类;
当分割前的原始图片为白底图时,对分割前的原始图片进行灰度处理以得到所述原始图片;
当分割前的原始图片为场景图时,利用显著性检测算法对分割前的原始图片进行处理以获取显著图;其中,所述显著图为所述原始图片。
7.根据权利要求1~5任意一项所述的方法,其特征在于,对所述原始图片进行分割以得到前景图片并对所述前景图片进行裁剪之后还包括:
对裁剪后的前景图片进行质量判断;
当裁剪后的前景图片的质量低于预设阈值时,根据预设的图像增强算法,确定与裁剪后的前景图片的亮度特征相适应的目标图像增强算法;
根据所述目标图像增强算法,对所述裁剪后的前景图片进行图像增强处理。
8.一种商品图片的生成装置,其特征在于,所述装置包括:
接收模块,用于接收原始图片以及对原始图片的描述信息;
图像处理模块,用于对所述原始图片进行分割以得到前景图片并对所述前景图片进行裁剪;
匹配模块,用于获取裁剪后的前景图片的尺寸,将裁剪后的前景图片的尺寸与模板库中的不同商品元素的尺寸进行比较,将尺寸最接近的商品元素所对应的模板确定为目标模板;其中,每个商品元素均对应一个模板,其中每一模板由不同的图层单元构成,每一模板关联若干个单元模型;
生成模块,用于获取与所述目标模板相关联的至少两个单元模型,所述至少两个单元模型至少包括:商品图片单元模型、文案布局单元模型;分别将所述裁剪后的前景图片、原始图片的描述信息输入至对应的单元模型中以生成商品图片。
9.一种计算机系统,其特征在于,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行如下操作:
接收原始图片以及对原始图片的描述信息;
对所述原始图片进行分割以得到前景图片并对所述前景图片进行裁剪;
获取裁剪后的前景图片的尺寸,将裁剪后的前景图片的尺寸与模板库中的不同商品元素的尺寸进行比较,将尺寸最接近时的商品元素所对应的模板确定为目标模板;其中,每个商品元素均对应一个模板,其中每一模板由不同的图层单元构成,每一模板关联若干个单元模型;
获取与所述目标模板相关联的至少两个单元模型,所述至少两个单元模型至少包括:商品图片单元模型、文案布局单元模型;
分别将所述裁剪后的前景图片和原始图片的描述信息输入至对应的单元模型中以生成商品图片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010070598.7A CN111243061B (zh) | 2020-01-21 | 2020-01-21 | 一种商品图片的生成方法、装置、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010070598.7A CN111243061B (zh) | 2020-01-21 | 2020-01-21 | 一种商品图片的生成方法、装置、系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111243061A CN111243061A (zh) | 2020-06-05 |
CN111243061B true CN111243061B (zh) | 2022-12-20 |
Family
ID=70872937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010070598.7A Active CN111243061B (zh) | 2020-01-21 | 2020-01-21 | 一种商品图片的生成方法、装置、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111243061B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112035774A (zh) * | 2020-09-01 | 2020-12-04 | 平安付科技服务有限公司 | 网络页面生成方法、装置、计算机设备及可读存储介质 |
CN112330532A (zh) * | 2020-11-12 | 2021-02-05 | 上海枫河软件科技有限公司 | 图像解析处理方法及设备 |
CN113689236A (zh) * | 2021-08-20 | 2021-11-23 | 北京小米移动软件有限公司 | 图片生成方法及装置、电子设备、存储介质 |
CN113761251A (zh) * | 2021-09-13 | 2021-12-07 | 北京值得买科技股份有限公司 | 一种基于图像找寻商城商品的方法、可读存储介质及计算机设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133956A (zh) * | 2014-07-25 | 2014-11-05 | 小米科技有限责任公司 | 处理图片的方法及装置 |
WO2015154516A1 (zh) * | 2014-04-09 | 2015-10-15 | 百度在线网络技术(北京)有限公司 | 基于人脸识别的图片裁剪方法、装置、设备和存储介质 |
-
2020
- 2020-01-21 CN CN202010070598.7A patent/CN111243061B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015154516A1 (zh) * | 2014-04-09 | 2015-10-15 | 百度在线网络技术(北京)有限公司 | 基于人脸识别的图片裁剪方法、装置、设备和存储介质 |
CN104133956A (zh) * | 2014-07-25 | 2014-11-05 | 小米科技有限责任公司 | 处理图片的方法及装置 |
Non-Patent Citations (2)
Title |
---|
Efficient Generation of Spatiotemporal Images for Leukocyte Motion;Eung Kyeu Kim 等;《2016 IEEE International Conference on Consumer Electronics-Asia (ICCE-Asia)》;20161005;全文 * |
基于模板的BREW应用可视化界面设计及代码生成;孙斌;《软件工程师》;20100115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111243061A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111243061B (zh) | 一种商品图片的生成方法、装置、系统 | |
US10984295B2 (en) | Font recognition using text localization | |
US10699166B2 (en) | Font attributes for font recognition and similarity | |
CN109801347B (zh) | 一种可编辑图像模板的生成方法、装置、设备和介质 | |
CN114155543B (zh) | 神经网络训练方法、文档图像理解方法、装置和设备 | |
US9824304B2 (en) | Determination of font similarity | |
CN110874618B (zh) | 基于小样本的ocr模板学习方法、装置、电子设备及介质 | |
CN110781925B (zh) | 软件页面的分类方法、装置、电子设备及存储介质 | |
CN117058271A (zh) | 用于生成商品主图背景的方法及计算设备 | |
CN112163577B (zh) | 游戏画面中的文字识别方法、装置、电子设备和存储介质 | |
US20210166058A1 (en) | Image generation method and computing device | |
WO2024051609A1 (zh) | 广告创意数据选取方法及装置、模型训练方法及装置、设备、存储介质 | |
CN109255355A (zh) | 图像处理方法、装置、终端、电子设备及计算机可读介质 | |
CN111209374A (zh) | 数据查询展示方法、装置、计算机系统及可读存储介质 | |
US20230196008A1 (en) | Semantically-guided template generation from image content | |
US20230127525A1 (en) | Generating digital assets utilizing a content aware machine-learning model | |
CN115019322A (zh) | 字体检测方法、装置、设备及介质 | |
US20200167832A1 (en) | Generating advertisements on the fly with a feedback loop | |
CN114022891A (zh) | 扫描文本的关键信息提取方法、装置、设备及存储介质 | |
CN114419613A (zh) | 图像样本生成方法、文本识别方法、装置、设备和介质 | |
CN113743721A (zh) | 营销策略生成方法、装置、计算机设备及存储介质 | |
CN111353532A (zh) | 图像生成方法及装置、计算机可读存储介质、电子设备 | |
CN113536169B (zh) | 一种网页的文字排版方法、装置、设备和存储介质 | |
US20230316604A1 (en) | Reuse of infographics | |
CN115861202A (zh) | 图像处理方法、系统及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |