CN111461968B - 图片处理方法、装置、电子设备和计算机可读介质 - Google Patents

图片处理方法、装置、电子设备和计算机可读介质 Download PDF

Info

Publication number
CN111461968B
CN111461968B CN202010252335.8A CN202010252335A CN111461968B CN 111461968 B CN111461968 B CN 111461968B CN 202010252335 A CN202010252335 A CN 202010252335A CN 111461968 B CN111461968 B CN 111461968B
Authority
CN
China
Prior art keywords
picture
clipping
score
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.)
Active
Application number
CN202010252335.8A
Other languages
English (en)
Other versions
CN111461968A (zh
Inventor
周杰
许世坤
王长虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Douyin Vision Co Ltd
Original Assignee
Douyin Vision Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Douyin Vision Co Ltd filed Critical Douyin Vision Co Ltd
Priority to CN202010252335.8A priority Critical patent/CN111461968B/zh
Publication of CN111461968A publication Critical patent/CN111461968A/zh
Application granted granted Critical
Publication of CN111461968B publication Critical patent/CN111461968B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20081—Training; Learning
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本公开的实施例公开了图片处理方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：对目标图片中显示的对象进行检测，得到对象信息，上述对象信息包括用于表征上述对象的显示范围的范围信息和对象类别信息；根据上述对象信息，构建得分图，在上述得分图中不同类别的对象的显示范围的对应位置处的数值不同；根据得分图，确定目标图片的裁剪区间；根据图片裁剪信息、上述得分图和裁剪区间，对上述目标图片进行裁剪，生成裁剪后图片。该实施方式使得裁剪出的结果图片体现了对象的重要程度，也避免了结果图片跨不同对象的显示范围的问题。

Description

图片处理方法、装置、电子设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及图片处理方法、装置、电子设备和计算机可读介质。
背景技术
图片处理技术可以包括计算机或者终端根据用户需求的裁剪比例对图片进行自动裁剪的技术。相比传统的图片裁剪，省去了用户进行截取的操作步骤，从而简化了裁剪步骤。
但是，对于不同用途的图片，前景物体的重要程度会有所不同，上述自动裁剪的裁剪结果往往不能因前景物体的重要程度而异，因此，难以符合用户要求。此外，以处理三张子图片拼接而成的拼接图片为例，现有的图片处理技术往往会裁剪出包括至少两张子图片的结果图片，结果图片中包括了多张子图片的效果往往是不期望的。
发明内容
本发明内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了图片处理方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。
第一方面，本公开的一些实施例提供了一种图片处理方法，该方法包括：对目标图片中显示的对象进行检测，得到对象信息，上述对象信息包括用于表征上述对象的显示范围的范围信息和对象类别信息；根据上述对象信息，构建得分图，在上述得分图中不同类别的对象的显示范围的对应位置处的数值不同；根据上述得分图，确定上述目标图片的裁剪区间；根据图片裁剪信息、上述得分图和上述裁剪区间，对上述目标图片进行裁剪，生成裁剪后图片。
第二方面，本公开的一些实施例提供了一种图片处理装置，该装置包括：第一检测单元，被配置成对目标图片中显示的对象进行检测，得到对象信息，对象信息包括用于表征对象的显示范围的范围信息和对象类别信息；构建单元，被配置成根据对象信息，构建得分图，在得分图中不同类别的对象的显示范围的对应位置处的数值不同；第一确定单元，被配置成根据上述得分图，确定上述目标图片的裁剪区间；第一生成单元，被配置成根据图片裁剪信息、上述得分图和上述裁剪区间，对上述目标图片进行裁剪，生成裁剪后图片。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面中任一的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，上述程序被处理器执行时实现如第一方面中任一的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，通过对目标图片中显示的对象进行检测，能够得到对象信息，上述对象信息可以包括范围信息和对象类别信息。接着，根据上述对象信息构建得分图。然后根据上述得分图，确定上述目标图片的裁剪区间。最后，根据图片裁剪信息、上述得分图和裁剪区间，可以得到用户需求的裁剪图片。具体而言，通过上述得分图，可以体现目标图片中每个显示的对象的重要程度。进一步地，通过上述裁剪区间可以确定裁剪的范围，进而避免裁剪结果包括了不同对象的显示范围。从而根据上述重要程度和裁剪区间对上述目标图片进行裁剪，不仅使得裁剪出的结果图片体现了对象的重要程度，也避免了结果图片跨不同对象的显示范围的问题。。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1-图5是根据本公开的一些实施例的图片处理方法的一个应用场景的示意图；
图6是根据本公开的图片处理方法的一些实施例的流程图；
图7是根据本公开的图片处理方法的另一些实施例的流程图；
图8是根据本公开的图片处理装置的一些实施例的结构示意图；
图9是适于用来实现本公开的一些实施例的电子设备的结构示意图。
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1-图5是根据本公开一些实施例的图片处理方法的一个应用场景的示意图。
如图1所示，用户首先可以在计算设备101显示的页面102上确定目标图片103。
如图2所示，计算设备101对用户确定的目标图片103中显示的对象进行检测得到对象信息。例如，通过对目标图片103中显示的“人物”对象、“物品”对象和“文字”对象的检测，得到“人物”对象的范围信息104和“物品”对象的范围信息105和“文字”对象的范围信息106。此外，还能得到三种不同的对象类别，即“人物类别”、“物品类别”和“文字类别”。
如图3所示，计算设备101根据上述“人物类别”、“物品类别”、“文字类别”、“人物”对象的范围信息104、“物品”对象的范围信息105和“文字”对象的范围信息106，构建“人物”得分图107、“物品”得分图108和“文字”得分图109。。“人物”得分图107的大小与“人物”对象的显示范围相适配，同样地，“物品”得分图108的大小与“物品”对象的显示范围相适配。“文字”得分图109的大小与“文字”对象的显示范围相适配。进一步地，上述“人物”对象的显示范围、“物品”对象的显示范围与“文字”对象在得分图的显示范围内的数值可以分别为“100”、“20”和“10”。作为示例，上述数值的数量可以与对象的显示范围内的像素数量相同。
接着参阅图4并继续参阅图3。如图3和图4所示，计算设备101可以检测到目标图片103中的竖直直线。从而将上述目标图片103分成三个图片分区。具体而言，将“人物”对象、“文字”对象和“物品”对象的显示范围分成了“人物”图片分区121、“物品”图片分区122和“文字”图片分区123。进一步地，计算设备101确定上述“人物”得分图107、“物品”得分图108和“文字”得分图109中数值之和，如图3所示，数值之和分别为“1800”、“160”和“60”。最终，如图4所示，可以将数值之和最大的“人物”图片分区121确定为裁剪区间。
如图5所示，计算设备101确定上述裁剪区间之后，根据图片裁剪信息和上述裁剪区间对上述目标图片103进行裁剪，生成裁剪后的图片110。
可以理解的是，上述处理图片的方法的计算设备101可以是终端设备，可以是服务器，也可以是上述终端设备与上述服务器通过网络相集成所构成的设备，或者还可以是各种软件。作为示例，计算设备101可以是具有信息处理能力的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当执行主体为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
继续参考图6，示出了根据本公开的图片处理方法的一些实施例的流程600。该图片处理方法，包括以下步骤：
步骤601，对目标图片中显示的对象进行检测，得到对象信息。
在一些实施例中，图片处理方法的执行主体(例如图1所示的计算设备101)可以通过深度学习检测方法对用户选定的目标图片中显示的对象进行检测，得到对象信息。上述执行主体还可以通过深度学习图像分割网络对用户选定的目标图片中显示的对象进行检测，得到对象信息。其中，上述深度学习检测方法可以包括但不限于以下至少一项：SSD算法(Single Shot MultiBox Detector，目标检测算法)，R-CNN算法(Region-ConvolutionalNeural Networks，目标检测算法)，Fast R-CNN算法(Fast Region-Convolutional NeuralNetworks，目标检测算法)，SPP-NET算法(Spatial Pyramid Pooling Network，目标检测算法)，YOLO算法(You Only Look Once，目标检测算法)，FPN算法(Feature PyramidNetworks，目标检测算法)，DCN算法(Deformable ConvNets，可变卷积算法)，RetinaNet目标检测算法。上述深度学习图像分割网络可以包括但不限于以下至少一项：FCN网络(FullyConvolutional Networks，全卷积网络)，SegNet网络(Semantic Segmentation Network，图像语义分割网络)，DeepLab语义分割网络，PSPNet网络(Pyramid Scene ParsingNetwork，语义分割网络)，Mask-RCNN网络(Mask-Region-CNN，图像实例分割网络)。具体而言，上述对象信息可以包括用于表征上述对象的显示范围的范围信息和对象类别信息。上述对象可以是人物，动物，文字等。上述对象类别信息可以指示上述“人物”对象、“物体”对象和“文字”对象的类别。需要说明的是，上述目标图片可以是用户指定的图片或者终端缺省设置而确定的。此外，上述目标图片可以是用户从本地进行选取的图片，也可以是从网络上进行下载的图片。
步骤602，根据对象信息，构建得分图。
在一些实施例中，上述执行主体可以构建与目标图片大小相同的得分图。具体而言，该得分图中的数值所处的位置与上述目标图片中的像素点的位置一一对应。如此一来，目标图片中宽度方向上或者高度方向上包括的像素数量便与上述得分图中的数值数量相对应。进一步地，可以根据对象类别信息对不同类别对象的显示范围所对应的位置处设置不同的数值。作为示例，上述执行主体可以对“人物类别”的“人物”对象的显示范围的对应位置处的数值进行设置，例如，将上述数值设置为“100”。上述对应位置可以是显示范围内的像素点位置。对“文字”对象的显示范围的对应位置处的数值进行设置，例如，数值可以是“10”。对“物品”对象的显示范围的对应位置处的数值进行设置，例如，数值可以是“20”。对象显示范围之外的对应位置处的数值可以是“0”。需要说明的是，可以是上述执行主体对“人物”对象、“物品”对象和“文字”对象的显示范围的对应位置处的数值进行缺省设置，还可以通过用户设置。具体而言，可以通过检测用户在显示屏上的输入操作获取上述用户设置的数值。
进一步地，上述执行主体可以根据不同对象的显示范围的对应位置处的数值，构建对象类别得分图。作为示例，结合图3进行说明。如图3所示，对象类别包括“人物类别”、“物品类别”和“文字类别”。执行主体使用“人物”对象的显示范围所包括的数值，构建“人物”得分图107。执行主体将“物品”对象的显示范围所包括的数值，构建“物品”得分图108。执行主体将“文字”对象的显示范围所包括的数值，构建“文字”得分图109。其中，“人物”得分图107的大小与“人物”对象的显示范围相适配，同样地，“物品”得分图108的大小与“物品”对象的显示范围相适配。“文字”得分图109的大小与“文字”对象的显示范围相适配。
步骤603，根据得分图，确定目标图片的裁剪区间。
在一些实施例中，可以根据各种方式确定目标图片的裁剪区间。作为示例，可以对目标图片进行检测。一般来说，目标图片可以是多个子图片拼接而成。可以通过确定目标图片中是否有拼接痕迹来确定子图片的数量。具体而言，上述拼接痕迹可以通过对灰度值的检测进行确定，因为子图片在进行拼接时，拼接边缘的灰度通常不会一致。如此一来，上述执行主体能够确定上述目标图片中子图片的数量。最后，将上述每个子图片中对象的显示范围对应的数值求和，将数值之和最大的子图片确定为裁剪区间。
在一些实施例的一些可选实施方式中，上述执行主体可以对目标图片进行分割线检测。上述分割线将上述目标图片分成多个图片分区。作为示例，上述执行主体可以通过卷积神经网络，采用过滤器对目标图片执行边缘检测。将能够分隔上述目标图片的直线或者曲线确定为分割线。需要说明的是，上述分隔线一般位于上述对象的显示范围之外。作为另一示例，还可以通过霍夫变换检测图像中的分隔目标图片的直线或者曲线。结合图3进行说明。计算设备101检测到目标图片中的两条竖直直线，上述竖直直线将目标图片分割成“人物”图片分区121、“物品”图片分区122和“文字”图片分区123。
接下来，上述执行主体将设置的数值最高的对象类别所处的图片分区确定为裁剪区间。结合图3进行说明。上述执行主体可以对“人物”对象的显示范围的对应位置处的数值设置为“100”。对“文字”对象的显示范围的对应位置处的数值设置为“10”。对“物品”对象的显示范围的对应位置处的数值设置为“20”。
最终，相比之下，“人物”对象的显示范围对应位置处的数值最高，那么，将“人物”图片分区121确定为裁剪区间。
可选地，上述执行主体还可以将“人物”对象、“文字”对象和“物品”对象显示范围对应的数值分别进行求和。可以将数值最大的对象的显示范围所处的图片分区确定为裁剪区间。作为示例，结合图3进行说明，“人物”对象的显示范围对应的数值求和之后可以是“1800”。“物品”对象的显示范围对应的数值求和之后可以是“160”。“文字”对象的显示范围对应的数值求和之后可以是“60”。从而，上述执行主体可以将“人物”对象的显示范围所处的图片分区确定为裁剪区间。
步骤604，根据图片裁剪信息、得分图和裁剪区间，对目标图片进行裁剪，生成裁剪后图片。
在一些实施例中，上述图片裁剪信息可以包括裁剪比例和裁剪宽度。根据确定的裁剪比例和裁剪宽度对处于上述步骤603确定的裁剪区间中的目标图片进行裁剪。其中，该裁剪后的图片包括的数值之和最大。需要说明的是，上述图片裁剪信息可以是由上述执行主体进行缺省设置，还可以通过用户设置。具体而言，可以通过检测用户在显示屏上的输入操作获取上述用户设置的数值。
本公开的一些实施例公开的图片处理方法，首先，通过对目标图片中显示的对象进行检测，能够得到对象信息，上述对象信息可以包括范围信息和对象类别信息。接着，根据上述对象信息构建得分图。进一步地，根据上述得分图，确定裁剪区间。最后，根据图片裁剪信息、上述得分图和上述裁剪区间，可以得到用户需求的裁剪图片。具体而言，通过上述得分图，可以体现目标图片中每个显示的对象的重要程度。进一步地，通过上述裁剪区间可以确定裁剪的范围，进而避免裁剪结果包括了不同对象的显示范围。从而根据上述重要程度和裁剪区间对上述目标图片进行裁剪，不仅使得裁剪出的结果图片体现了对象的重要程度，也避免了结果图片跨不同对象的显示范围的问题。
进一步参考图7，其示出了图片处理方法的另一些实施例的流程700。该图片处理方法的流程700，包括以下步骤：
步骤701，对目标图片中显示的对象进行检测，得到对象信息。
步骤702，根据对象信息，构建得分图。
步骤703，根据得分图，确定目标图片的裁剪区间。
在一些实施例中，步骤701-703的具体实现及所带来的技术效果可以参考图6对应的那些实施例中的步骤601-603，在此不再赘述。
步骤704，针对上述裁剪区间生成与方向相关的方向得分向量。
在一些实施例中，上述方向可以是第一方向或者与第一方向垂直的第二方向。上述第一方向可以是水平方向或者竖直方向。图片处理方法的执行主体(例如图1所示的计算设备101)可以在上述裁剪区间的得分图中按照第一方向或者第二方向进行求和，生成与方向相关的方向得分向量。具体而言，上述方向得分向量的元素数目等于处于上述裁剪区间的在上述方向上的像素点数目。上述方向得分向量的元素的元素值是根据上述得分图中与上述元素对应的位置出发、沿与上述方向垂直的方向求和而生成的。作为示例，结合图4进行说明，上述第一方向可以是水平方向，那么与上述水平方向垂直的方向则为竖直方向112。结合图4中元素111为例，该元素的元素值是以该元素111的位置出发，沿竖直方向112，将与该元素处于同一方向的得分图中的数值进行求和确定的。则该方向得分向量的元素值为600。上述“人物”对象的显示范围在水平方向上包括的像素点数目为3个，那么该方向得分向量的元素数目等于3个。需要说明的是，在上述裁剪区间中，对象显示范围之外的对应位置处的数值可以是“0”，上述对象显示范围之外的对应的位置处的像素点数目为1。如此一来，上述方向得分向量可以是[0,600,600,600]。
步骤705，根据图片裁剪信息，确定与上述方向相关的方向裁剪宽度。
在一些实施例中，上述图片裁剪信息可以包括裁剪宽度和裁剪比例。上述执行主体根据裁剪宽度和上述方向，进而确定上述方向裁剪宽度。上述执行主体还可以根据裁剪比例，确定裁剪宽度。作为示例，图片裁剪比例为宽：高＝1:2，原图片尺寸为宽：高＝200mm:100mm，则图片裁剪宽度为100mm/2*1＝50mm。如此一来，再根据上述方向，确定上述方向裁剪宽度。
步骤706，确定目标图片在方向上的第一裁剪位置和第二裁剪位置。
在一些实施例中，上述执行主体还可以根据上述方向裁剪宽度和上述第一裁剪位置和第二裁剪位置所包括的上述方向得分向量的元素的元素值的和而确定上述第一裁剪位置和第二裁剪位置。具体而言，执行主体可以根据上述方向裁剪宽度在上述方向上确定待调整的第一裁剪位置和第二裁剪位置。接下来，对上述待调整的第一裁剪位置和第二裁剪位置进行调整，使得第一裁剪位置和第二裁剪位置所包括的方向得分向量的元素的元素值之和最大。最后确定第一裁剪位置和第二裁剪位置。作为示例，结合图4进行说明。如图4所示，裁剪区间的方向得分向量可以是[0,600,600,600]。计算设备101在确定第一裁剪位置和第二裁剪位置时，在满足方向裁剪宽度的情况下，上述计算设备101通常使第一裁剪位置和第二裁剪位置包括的方向得分向量的元素的元素值的和最大。如图4所示，当方向裁剪宽度为三个像素点时，那么第一裁剪位置和第二裁剪位置通常包括方向得分向量中三个“600”。这样第一裁剪位置和第二裁剪位置包括的元素的元素值的和最大，为“1800”。
步骤707，根据第一裁剪位置和第二裁剪位置，对目标图片进行裁剪，生成裁剪后图片。
在一些实施例中，上述执行主体根据上述第一裁剪位置、第二裁剪位置所确定的区域，对上述目标图片进行裁剪，生成裁剪后图片。
本公开的一些实施例公开的图片处理方法，首先通过对目标图片中显示的对象进行检测，得到对象信息。之后根据上述对象信息构建得分图。然后根据得分图，确定目标图片的裁剪区间。接下来，可以针对上述裁剪区间生成与方向相关的方向得分向量。进而，根据上述图片裁剪信息，确定与上述方向相关的方向裁剪宽度。然后，确定上述目标图片在上述方向上的第一裁剪位置和第二裁剪位置。最后根据上述第一裁剪位置、第二裁剪位置，对上述目标图片进行裁剪，生成裁剪后图片。通过裁剪信息和基于裁剪区间生成的方向得分向量，确定第一裁剪位置和第二裁剪位置，可以准确地根据不同对象表征的重要性确定上述方向上的裁剪宽度。通过上述得分图，可以体现目标图片中每个显示的对象的重要程度。进一步地，通过上述裁剪区间可以确定裁剪的范围，进而避免裁剪结果包括了不同对象的显示范围。从而根据上述重要程度和裁剪区间对上述目标图片进行裁剪，不仅使得裁剪出的结果图片体现了对象的重要程度，也避免了结果图片跨不同对象的显示范围的问题。
进一步参考图8，作为对上述各图所示方法的实现，本公开提供了一种图片处理装置的一些实施例，这些装置实施例与图6所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图8所示，一些实施例的图片处理装置800包括：第一检测单元801、构建单元802、第一确定单元803和第一生成单元804。其中，第一检测单元801被配置成对目标图片中显示的对象进行检测，得到对象信息，上述对象信息包括用于表征上述对象的显示范围的范围信息和对象类别信息；构建单元802被配置成根据上述对象信息，构建得分图；第一确定单元803被配置成根据上述得分图，确定上述目标图片的裁剪区间；第一生成单元804被配置成根据图片裁剪信息、上述得分图和上述裁剪区间，对上述目标图片进行裁剪，生成裁剪后图片。
在一些实施例的可选实现方式中，图片处理装置800中的第一确定单元803包括：第二检测单元，被配置成被配置成对上述目标图片进行分隔线检测，其中，上述分隔线位于上述对象的显示范围之外；第二确定单元，响应于检测到分隔线，根据上述分隔线，确定上述目标图片的至少两个图片分区；第三确定单元，被配置成根据上述至少两个图片分区和上述得分图，确定裁剪区间。
在一些实施例的可选实现方式中，第三确定单元被进一步配置成：确定每个图片分区对应包括的上述得分图的数值的和；根据所确定的和，确定裁剪区间。
在一些实施例的可选实现方式中，图片处理装置800还包括：第二生成单元，被配置成针对上述裁剪区间，生成与方向相关的方向得分向量，其中，上述方向得分向量的元素数目等于处于上述裁剪区间中在上述方向上的像素点数目，上述方向得分向量的元素的元素值是根据从上述得分图中与上述元素对应的位置出发、沿与上述方向垂直的方向求和而生成的。
在一些实施例的可选实现方式中，图片处理装置800中的第一生成单元804被进一步配置成：根据上述图片裁剪信息，确定与上述方向相关的方向裁剪宽度；根据上述方向裁剪宽度、上述裁剪区间在上述方向上的第一裁剪位置和第二裁剪位置所包括的上述方向得分向量的元素的元素值的和，确定上述第一裁剪位置和上述第二裁剪位置；根据上述第一裁剪位置和上述第二裁剪位置，对上述目标图片进行裁剪，生成裁剪后图片。
在一些实施例中，图片处理装置800包括的第一检测单元801、构建单元802、第一确定单元803和第一生成单元804的具体实现及其所带来的技术效果，可以参考图6对应的实施例，在此不再赘述。
下面参考图9，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备)900的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图9示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图9所示，电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储装置908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有电子设备900操作所需的各种程序和数据。处理装置901、ROM 902以及RAM903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
通常，以下装置可以连接至I/O接口905：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置907；以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的电子设备900，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图9中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置909从网络上被下载和安装，或者从存储装置908被安装，或者从ROM 902被安装。在该计算机程序被处理装置901执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：对目标图片中显示的对象进行检测，得到对象信息，上述对象信息包括用于表征上述对象的显示范围的范围信息和对象类别信息；根据上述对象信息，构建得分图，在上述得分图中不同类别的对象的显示范围的对应位置处的数值不同；根据上述得分图，确定上述目标图片的裁剪区间；根据图片裁剪信息、上述得分图和上述裁剪区间，对上述目标图片进行裁剪，生成裁剪后图片。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括检测单元、构建单元、确定单元和第一生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，检测单元还可以被描述为“对目标图片中显示的对象进行检测，得到对象信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
根据本公开的一个或多个实施例，提供了一种图片处理方法，包括：对目标图片中显示的对象进行检测，得到对象信息，上述对象信息包括用于表征上述对象的显示范围的范围信息和对象类别信息；根据上述对象信息，构建得分图，在上述得分图中不同类别的对象的显示范围的对应位置处的数值不同；根据上述得分图，确定上述目标图片的裁剪区间；根据图片裁剪信息、上述得分图和上述裁剪区间，对上述目标图片进行裁剪，生成裁剪后图片。
根据本公开的一个或多个实施例，根据上述得分图，确定上述目标图片的裁剪区间，包括：对上述目标图片进行分隔线检测，其中，上述分隔线位于上述对象的显示范围之外；响应于检测到分隔线，根据上述分隔线，确定上述目标图片的至少两个图片分区；根据上述至少两个图片分区和上述得分图，确定裁剪区间。
根据本公开的一个或多个实施例，根据上述至少两个图片分区和上述得分图，确定裁剪区间，包括：确定每个图片分区对应包括的上述得分图的数值的和；根据所确定的和，确定裁剪区间。
根据本公开的一个或多个实施例，该方法还包括：针对上述裁剪区间，生成与方向相关的方向得分向量，其中，上述方向得分向量的元素数目等于处于上述裁剪区间中在上述方向上的像素点数目，上述方向得分向量的元素的元素值是根据从上述得分图中与上述元素对应的位置出发、沿与上述方向垂直的方向求和而生成的。
根据本公开的一个或多个实施例，根据图片裁剪信息、上述得分图和上述裁剪区间，对上述目标图片进行裁剪，生成裁剪后图片，包括：根据上述图片裁剪信息，确定与上述方向相关的方向裁剪宽度；根据上述方向裁剪宽度、上述裁剪区间在上述方向上的第一裁剪位置和第二裁剪位置所包括的上述方向得分向量的元素的元素值的和，确定上述第一裁剪位置和上述第二裁剪位置；根据上述第一裁剪位置和上述第二裁剪位置，对上述目标图片进行裁剪，生成裁剪后图片。
根据本公开的一个或多个实施例，提供了一种图片处理装置，该装置包括：第一检测单元，被配置成对目标图片中显示的对象进行检测，得到对象信息，上述对象信息包括用于表征上述对象的显示范围的范围信息和对象信息；构建单元，被配置成根据上述对象信息，构建得分图，在上述得分图中不同类别的对象的显示范围的对应位置处的数值不同；第一确定单元，被配置成根据上述得分图，确定上述目标图片的裁剪区间；第一生成单元，被配置成根据图片裁剪信息、上述得分图和上述裁剪区间，对上述目标图片进行裁剪，生成裁剪后图片。
根据本公开的一个或多个实施例，图片处理装置中的第一确定单元包括：第二检测单元，被配置成被配置成对上述目标图片进行分隔线检测，其中，上述分隔线位于上述对象的显示范围之外；第二确定单元，响应于检测到分隔线，根据上述分隔线，确定上述目标图片的至少两个图片分区；第三确定单元，被配置成根据上述至少两个图片分区和上述得分图，确定裁剪区间。
根据本公开的一个或多个实施例，第三确定单元被进一步配置成：确定每个图片分区对应包括的上述得分图的数值的和；根据所确定的和，确定裁剪区间。
根据本公开的一个或多个实施例，图片处理装置还包括：第二生成单元，被配置成针对上述裁剪区间，生成与方向相关的方向得分向量，其中，上述方向得分向量的元素数目等于处于上述裁剪区间中在上述方向上的像素点数，上述方向得分向量的元素的元素值是根据从上述得分图中与上述元素对应的位置出发、沿与上述方向垂直的方向求和而生成的。
根据本公开的一个或多个实施例，图片处理装置中的第一生成单元被进一步配置成：根据上述图片裁剪信息，确定与上述方向相关的方向裁剪宽度；根据上述方向裁剪宽度、上述裁剪区间在上述方向上的第一裁剪位置和第二裁剪位置所包括的上述方向得分向量的元素的元素值的和，确定上述第一裁剪位置和上述第二裁剪位置；根据上述第一裁剪位置和上述第二裁剪位置，对上述目标图片进行裁剪，生成裁剪后图片。
根据本公开的一个或多个实施例，提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如上述任一实施例描述的方法。
根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，其中，上述程序被处理器执行时实现如上述任一实施例描述的方法。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (9)

1.一种图片处理方法，包括：
对目标图片中显示的对象进行检测，得到对象信息，所述对象信息包括用于表征所述对象的显示范围的范围信息和对象类别信息；
根据所述对象信息，构建得分图，在所述得分图中不同类别的对象的显示范围的对应位置处的数值不同；
根据所述得分图，确定所述目标图片的裁剪区间，针对所述裁剪区间，生成与方向相关的方向得分向量，其中，所述方向得分向量的元素数目等于所述裁剪区间在所述方向上的像素点数目，所述方向得分向量的元素的元素值是根据从所述得分图中与所述元素对应的位置出发、沿与所述方向垂直的方向求和而生成的；
根据图片裁剪信息、所述得分图和所述方向得分向量，对所述目标图片进行裁剪，生成裁剪后图片。
2.根据权利要求1所述的方法，其中，所述根据所述得分图，确定所述目标图片的裁剪区间，包括：
对所述目标图片进行分隔线检测，其中，所述分隔线位于所述对象的显示范围之外；
响应于检测到分隔线，根据所述分隔线，确定所述目标图片的至少两个图片分区；
根据所述至少两个图片分区和所述得分图，确定裁剪区间。
3.根据权利要求2所述的方法，其中，所述根据所述至少两个图片分区和所述得分图，确定裁剪区间，包括：
确定每个图片分区对应包括的所述得分图的数值的和；
根据所确定的和，确定裁剪区间。
4.根据权利要求1所述的方法，其中，所述根据图片裁剪信息、所述得分图和所述方向得分向量，对所述目标图片进行裁剪，生成裁剪后图片，包括：
根据所述图片裁剪信息，确定与所述方向相关的方向裁剪宽度；
根据所述方向裁剪宽度、所述裁剪区间在所述方向上的第一裁剪位置和第二裁剪位置所包括的所述方向得分向量的元素的元素值的和，确定所述第一裁剪位置和所述第二裁剪位置；
根据所述第一裁剪位置和所述第二裁剪位置，对所述目标图片进行裁剪，生成裁剪后图片。
5.一种图片处理装置，包括：
第一检测单元，被配置成对目标图片中显示的对象进行检测，得到对象信息，所述对象信息包括用于表征所述对象的显示范围的范围信息和对象类别信息；
构建单元，被配置成根据所述对象信息，构建得分图，在所述得分图中不同类别的对象的显示范围的对应位置处的数值不同；
第一确定单元，被配置成根据所述得分图，确定所述目标图片的裁剪区间，针对所述裁剪区间，生成与方向相关的方向得分向量，其中，所述方向得分向量的元素数目等于所述裁剪区间在所述方向上的像素点数目，所述方向得分向量的元素的元素值是根据从所述得分图中与所述元素对应的位置出发、沿与所述方向垂直的方向求和而生成的；
第一生成单元，被配置成根据图片裁剪信息、所述得分图和所述方向得分向量，对所述目标图片进行裁剪，生成裁剪后图片。
6.根据权利要求5所述的装置，其中，所述第一确定单元包括：
第二检测单元，被配置成对所述目标图片进行分隔线检测，其中，所述分隔线位于所述对象的显示范围之外；
第二确定单元，被配置成响应于检测到分隔线，根据所述分隔线，确定所述目标图片的至少两个图片分区；
第三确定单元，被配置成根据所述至少两个图片分区和所述得分图，确定裁剪区间。
7.根据权利要求6所述的装置，其中，所述第三确定单元被进一步配置成：
确定每个图片分区对应包括的所述得分图的数值的和；
根据所确定的和，确定裁剪区间。
8.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
9.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN202010252335.8A 2020-04-01 2020-04-01 图片处理方法、装置、电子设备和计算机可读介质 Active CN111461968B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010252335.8A CN111461968B (zh) 2020-04-01 2020-04-01 图片处理方法、装置、电子设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010252335.8A CN111461968B (zh) 2020-04-01 2020-04-01 图片处理方法、装置、电子设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN111461968A CN111461968A (zh) 2020-07-28
CN111461968B true CN111461968B (zh) 2023-05-23

Family

ID=71678494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010252335.8A Active CN111461968B (zh) 2020-04-01 2020-04-01 图片处理方法、装置、电子设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN111461968B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111916050A (zh) * 2020-08-03 2020-11-10 北京字节跳动网络技术有限公司 语音合成方法、装置、存储介质和电子设备
CN112116618B (zh) * 2020-09-08 2023-04-07 杭州艾耕科技有限公司 一种合成图片自动切割方法
CN113256659B (zh) * 2021-06-04 2024-04-12 北京有竹居网络技术有限公司 图片处理方法、装置和电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504649A (zh) * 2014-12-30 2015-04-08 百度在线网络技术（北京）有限公司 图片的裁剪方法和装置
CN108898604A (zh) * 2018-06-28 2018-11-27 上海连尚网络科技有限公司 用于处理图像的方法和设备
CN109146892A (zh) * 2018-07-23 2019-01-04 北京邮电大学 一种基于美学的图像裁剪方法及装置
CN109448001A (zh) * 2018-10-26 2019-03-08 山东世纪开元电子商务集团有限公司 一种图片自动裁剪方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9245347B2 (en) * 2014-01-30 2016-01-26 Adobe Systems Incorporated Image Cropping suggestion

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504649A (zh) * 2014-12-30 2015-04-08 百度在线网络技术（北京）有限公司 图片的裁剪方法和装置
CN108898604A (zh) * 2018-06-28 2018-11-27 上海连尚网络科技有限公司 用于处理图像的方法和设备
CN109146892A (zh) * 2018-07-23 2019-01-04 北京邮电大学 一种基于美学的图像裁剪方法及装置
CN109448001A (zh) * 2018-10-26 2019-03-08 山东世纪开元电子商务集团有限公司 一种图片自动裁剪方法

Also Published As

Publication number Publication date
CN111461968A (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
CN111461968B (zh) 图片处理方法、装置、电子设备和计算机可读介质
CN111399956A (zh) 应用于显示设备的内容展示方法、装置和电子设备
CN111461967B (zh) 图片处理方法、装置、设备和计算机可读介质
CN113721807B (zh) 一种信息展示方法、装置、电子设备和存储介质
CN111291244A (zh) 房源信息展示方法、装置、终端及存储介质
CN110795196A (zh) 窗口显示方法、装置、终端及存储介质
CN111459364A (zh) 图标更新方法、装置和电子设备
CN111461965B (zh) 图片处理方法、装置、电子设备和计算机可读介质
CN111461964B (zh) 图片处理方法、装置、电子设备和计算机可读介质
CN112000251A (zh) 用于播放视频的方法、装置、电子设备和计算机可读介质
CN111461969B (zh) 用于处理图片的方法、装置、电子设备和计算机可读介质
CN111273884A (zh) 图像显示方法、装置和电子设备
CN110807164B (zh) 图像区域的自动调节方法、装置、电子设备及计算机可读存储介质
CN114419298A (zh) 虚拟物体的生成方法、装置、设备及存储介质
CN111489286B (zh) 图片处理方法、装置、设备和介质
CN114416945A (zh) 一种词云图显示方法、装置、设备及介质
CN113256659B (zh) 图片处理方法、装置和电子设备
CN114359673B (zh) 基于度量学习的小样本烟雾检测方法、装置和设备
CN112884787B (zh) 图像剪裁方法、装置、可读介质及电子设备
CN111461966B (zh) 图像处理方法、装置、电子设备和计算机可读介质
CN111310031B (zh) 房源信息展示方法、装置、终端及存储介质
CN111563214B (zh) 参考线处理方法及装置
CN111026983B (zh) 一种实现超链接的方法、装置、介质和电子设备
CN113760414B (zh) 绘制图形的方法和装置
CN112306339B (zh) 用于显示图像的方法和装置

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant after: Douyin Vision Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant before: Tiktok vision (Beijing) Co.,Ltd.

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant after: Tiktok vision (Beijing) Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant