CN111556192A - 手机照片拖动比较排序方法及系统 - Google Patents

Abstract

本发明提供了一种手机照片拖动比较排序方法，对所有待排序图片进行打分属性选择，并根据所选择的打分属性，按照打分属性所对应的框选算法截取图片的展示区域，形成展示图片；读取展示图片，选择合适的插入位置，进行主观基准预排序，更新展示图片队列；重复上述更新展示图片队列的步骤，直至全部展示图片排序完成。本发明同时提供了一种手机照片拖动比较排序系统，用于执行上述方法。本发明提供的方法及系统，针对不同的属性划区域打分。采用了实用的框选算法，针对图片的不同属性，不同维度可以选取更加合适的评价区域。大大地提升打分效率。采用图像排序的方式来替代直接给出分数，是多个评分人员的评分结果达到一致。

Description

手机照片拖动比较排序方法及系统

技术领域

本发明涉及图像质量评价技术领域的主观评价技术，具体地，涉及一种手机照片拖动比较排序方法及系统。

背景技术

传统的图像质量评价往往局限于特定指标，并且大量集中在全参考(full-reference)方法以及半参考(reduced-reference)方法。它们通过对图像质量品质进行主观调整，然后依靠一定的客观算法来计算对应图像的失真程度，从而评价对应的图像质量。

但是随着移动设备发展，手机等数码产品的相机质量不断拔高，用户往往更加注重自己直接拍摄出照片的拍摄质量。而由手机拍摄出来的照片基本上没有参考，而且手机照片更加注重的是人眼视觉系统的评价，而非单纯的传统指标，所以传统的图像质量评价体系在这个方面是不适用的。

目前比较常用的解决这种无参考手机图像质量的评价方法，是通过手机厂商将手机送往专业的评价机构由专业人士主观拍摄并给出分数。但是这样的方法费用比较昂贵，而且对于普通用户来说不具有普适性。。

在打分过程中，数据量大，维度多会使得打分十分繁琐，而且不同人主观评价不同，给出的分数偏差较大，不容易进行最终的统计。

综上所述，现有的移动电子设备的拍摄质量评价往往依附于人的主观评价，与传统的图像质量算法有很大区别。而主观评价则涉及大量的人为给出图片质量排序的流程，工作量打，打分效率低。因此，如何提供一种专门用于手机拍摄质量评价的排序界面，能够减少工作量并可以直观高效地查看排序结果的技术，成为本领域亟待解决的问题。

目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。

发明内容

本发明针对现有技术中存在的上述不足，提供了一种手机照片拖动比较排序方法及系统，通过对一批同样场景的图片进行多区域、多维度、多层次地打分，采用图像排序替代直接给出分数作为打分结果。

本发明是通过以下技术方案实现的。

根据本发明的一个方面，提供了一种手机照片拖动比较排序方法，包括：

对所有待排序图片进行打分属性选择，并根据所选择的打分属性，按照打分属性所对应的框选算法截取图片的展示区域，形成展示图片；

获取展示图片，选择插入位置，进行主观基准预排序，更新展示图片队列；

重复上述更新展示图片队列操作，直至全部展示图片排序完成。

优选地，所述打分属性包括：

Exposure，用于表示曝光；

Color，用于表示颜色；

Texture，用于表示细节；

Noise，用于表示噪声。

优选地，根据打分属性选择框选算法截取图片展示区域的方法，包括：

通过框选算法得到展示区域：

采用语义分割方法识别出照片中每一区域的内容，然后对内容进行甄别；筛选出能够发生位移的物体区域，然后将该区域进行填充；

采用不同打分属性所对应的区域选择算法，以第一张图片作为基准，确定至少5个不同的候选区域；

对多个候选区域进行筛选：

在其余的待排序图片中根据模板匹配算法匹配出每个候选区域的最相似区域，然后寻找在所有待排序图片中相似度差异最大的那组候选区域相似区域组合作为最终选择；其中：

图片的相似度选取结构相似性作为参考标准，基于局部图案的亮度、对比度的指标，进行相似度计算如下：

式中，x和y是两幅图，μ_x是x的平均值，μ_y是y的平均值，

是x的方差，

是y的方差，σ_xy是x和y的协方差。c₁＝(k₁L)²,c₂＝(k₂L)²是用来维持稳定的常数。L是像素值的动态范围。结构相似性的范围为0到1。当两张图像一模一样时，SSIM的值等于1。

优选地，所述模板匹配算法采用均方差模板，以第一张图片的选定区域为模板，令其余图片为搜索图S，以(i,j)为左上角，取M×N大小的子图，利用如下公式：

计算该子图与模板的相似度，遍历整个搜索图，在所有能够取到的子图中，找到与模板图最相似的子图作为最终匹配结果；

式中，D(i,j)表示以(i,j)为左上角，取M×N大小的子图与模板的匹配分数，M表示子图的长，N表示子图的高，S表示搜索图的具体像素矩阵，s表示搜索图遍历行的步进，i表示搜索图左上角横坐标，j表示搜索图左上角纵坐标，t表示搜索图遍历高的步进，T表示模板的具体像素矩阵，1≤i≤m-M+1,1≤j≤n-N+1。

优选地，首先通过显著性算法和单目标深度估计算法确定候选区域，然后在候选区域里建立多组不同长宽比例、不同大小的锚框，此时锚框数量比较多，需要做进一步筛选，筛选的方式为计算每个锚框内部的边缘信息含量，选取信息含量top-10，同时在其余的图片内部匹配出相应区域，然后寻找在一组图片中差异最大的那组锚框作为最终选择，并由此得到截取图片的展示区域，形成展示图片。

优选地，获取展示图片并选择合适的插入位置的方法为：

-若当前展示图片队列中无展示图像，则直接将获取的展示图像放入展示图片队列中；

-若当前展示图片队列中只有一张展示图片，则获取的展示图片具有两种可能的插入位置，分别是当前展示图片队列中展示图片之前或者之后的位置，确定合适的插入位置后保存本次排序后的展示图片队列。

-若当前展示图片队列中包含n张图片，其中n≥3，那么获取的展示图片具有n+1种可能的插入位置，分别是当前展示图片队列中展示图片的两两之间以及当前展示图片队列的开始和结束位置，确定合适的插入位置后保存本次排序后的展示图片队列。

优选地，采用基于python的图形开发界面对展示图片进行显示。

根据本发明的另一个方面，提供了一种手机照片拖动比较排序系统，包括：

图片处理模块：对所有待排序图片进行打分属性选择，并根据所选择的打分属性，按照打分属性所对应的框选算法截取图片的展示区域，形成展示图片；

展示界面模块：包括图片展示单元和队列展示单元；其中：

所述图片展示单元用于展示当前获取的图片；

所述队列展示单元为获取的展示图片选择合适的展示图队列插入位置，进行主观基准预排序，并展示更新的展示图片队列。

优选地，所述队列展示单元在队列插入位置上设有提示标志。

优选地，所述展示界面模块采用基于python的图形开发界面。

本发明提供的手机照片拖动比较排序方法及系统，解决了如下技术问题：

提划分区域排序：在针对某一区域而不是全图进行打分时，来回切换并找到对应图片的对应区域对专家是一个很大的负担。本发明采用预先划分区域的方法，即选定区域后将所有待排序的图片都对齐找到对应区域然后进行裁剪，之后所有的预览比较都展示选中的区域。

提升排序效率：一般的排序来回切换比较，在涉及到大量图片排序的时候，往往会给排序人员增加很大的工作负担，并且很容易出现误判的情况。本发明给出当前排序的区域展示，在选定插入位置后会提供被插入图像与插入位置左右两侧图像原图比较，大大提升了排序效率。比较过程均为主观评价，比较内容由打分者根据打分属性决定。

展示界面友好：图片展示单元能够显示当前获取图片的区域预览，队列展示单元在插入位置设有位置提示标志，整个展示界面模块功能键布局合理，简单易懂。

兼容性好：展示界面模块采用基于python的图形开发界面，在当今主流的操作系统例如windows，linuxs，mac os上都可以实现部署。

方便处理排序数据：根据用户使用要求，生成对应格式的排序结果，记录内容为记录内容包括：场景编号，手机编号，打分区域，打分属性等。

由于采用了上述技术方案，本发明具有如下有益效果：

1、打分方式直观，操作简单。在打分方式上，没有多余复杂的操作，主体部分主要用于展示待排序图片以及两张对比图片，方便观察排序位置是否合适；排序之后便可以展示已排序好的图片的预览界面，以及相应的按钮代表可选的插入位置，用户可以通过点击下方按钮将按钮两侧图片展示到主体部分中。

2、针对不同的属性划区域打分。以往的质量评价大部分都是针对全局整体的评价，但是对于细节噪声这些属性，划区域打分显然是一个更加合适的选择。本发明采用了实用的框选算法，针对图片的不同属性，不同维度可以选取更加合适的评价区域。

3、大大地提升打分效率。对于数目比较大的图片评价排序，是一个工作量比较大的任务，一般评价者无法同时为太多的图像一起排序，两两比较对评价者比较友好，但是存在着问题，主要在于会出现排序循环的问题(A>B,B>C,C>A)，要使评价结果更加准确，就需要进行大量的两两比较，最终通过合适的算法来解决这个问题；但对于本发明的排序界面来说，只需根据打分属性比较依次将候选图片插入合适位置，遍历完所有图片即可一次性得到排序结果，排序速度大大加快。

4、采用图像排序的方式来替代直接给出分数，是多个评分人员的评分结果达到一致。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一优选实施例所提供的手机照片拖动比较排序方法流程图；

图2为本发明一优选实施例所提供的手机照片拖动比较排序系统的展示界面示意图。

具体实施方式

下面对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

本发明实施例提供了一种手机照片拖动比较排序方法，包括如下步骤：

对所有待排序图片进行打分属性选择，并根据所选择的打分属性，按照打分属性所对应的框选算法截取图片的展示区域，形成展示图片；

获取展示图片，选择合适的插入位置，进行主观基准预排序，更新展示图片队列；

重复上述更新展示图片队列的步骤，直至全部展示图片排序完成。

根据本发明的一个方面，提供了一种手机照片拖动比较排序方法，包括：

对所有待排序图片进行打分属性选择，并根据所选择的打分属性，按照打分属性所对应的框选算法截取图片的展示区域，形成展示图片；

获取展示图片，选择合适的插入位置，进行主观基准预排序，更新展示图片队列；

重复上述更新展示图片队列的步骤，直至全部展示图片排序完成。

进一步地，所述打分属性包括：

Exposure，用于表示曝光；

Color，用于表示颜色；

Texture，用于表示细节；

Noise，用于表示噪声。

其中，所述打分属性与框选算法之间的对应关系为：打分属性决定框选算法。在不同的属性下，框选算法会在对应属性的维度下(例如，Exposure属性对应灰度)来提取特征，从而框选区域。

进一步地，通过框选算法得到展示区域的方法，包括以下步骤：

通过框选算法得到展示区域：

首先采用语义分割识别出照片中每一区域的内容，然后对内容进行甄别。筛选出一些可能会发生位移的物体，例如汽车、行人、飞鸟等，然后将这块区域使用黑色填充。

采用不同打分属性所对应的区域选择算法(例如：显著性算法和单目标深度估计算法)，以第一张图片作为基准，确定至少5个不同的候选区域(不同的打分属性对应不同的区域选择算法，不同的区域选择算法会生成不同的候选区域)；

对多个候选区域进行筛选：

在其余的待排序图片中根据模板匹配算法匹配出每个候选区域的最相似区域，然后寻找在所有待排序图片中相似度差异最大的那组候选区域相似区域组合作为最终选择。

图片相似度可以选取结构相似性(SSIM)作为参考标准，它是一个基于局部图案的亮度、对比度的指标，其计算公式为：

其中x和y是两幅图，μ_x是x的平均值，μ_y是y的平均值，

是x的方差，

是y的方差，σ_xy是x和y的协方差。c₁＝(k₁L)²,c₂＝(k₂L)²是用来维持稳定的常数。L是像素值的动态范围。结构相似性的范围为0到1。当两张图像一模一样时，SSIM的值等于1。

进一步地，所述模板匹配算法采用均方差模板，以第一张图片的选定区域为模板，令其余图片为搜索图S，以(i,j)为左上角，取M×N大小的子图，利用如下公式：

计算该子图与模板的相似度，遍历整个搜索图，在所有能够取到的子图中，找到与模板图最相似的子图作为最终匹配结果；

式中，D(i,j)表示以(i,j)为左上角，取M×N大小的子图与模板的匹配分数，M表示子图的长，N表示子图的高，S表示搜索图的具体像素矩阵，s表示搜索图遍历行的步进，i表示搜索图左上角横坐标，j表示搜索图左上角纵坐标，t表示搜索图遍历高的步进，T表示模板的具体像素矩阵，1≤i≤m-M+1,1≤j≤n-N+1。

进一步地，获取展示图片并选择合适的插入位置的方法为：

-若当前展示图片队列中无展示图像，则直接将获取的展示图像放入展示图片队列中；

-若当前展示图片队列中只有一张展示图片，则获取的展示图片具有两种可能的插入位置，分别是当前展示图片队列中展示图片之前或者之后的位置，确定合适的插入位置后保存本次排序后的展示图片队列。其中，确定合适位置可以采用专家系统：通过专家系统进行主观评价；原则为：专家系统中，认为该图片在该打分属性下表现更好的排名靠前，位置靠左。

-若当前展示图片队列中包含n张图片，其中n≥3，那么获取的展示图片具有n+1种可能的插入位置，分别是当前展示图片队列中展示图片的两两之间以及当前展示图片队列的开始和结束位置，确定合适的插入位置后保存本次排序后的展示图片队列。其中，确定合适位置可以采用专家系统：通过专家系统进行主观评价；原则为：专家系统中，认为该图片在该打分属性下表现更好的排名靠前，位置靠左。

下面结合附图，在一优选的具体应用实例下，对本发明实施例的技术方案进一步详细描述。

如图1所示，本发明实施例所提供的方法，包括如下步骤：

步骤1：获取图片并加载相应区域；对所有待排序图片进行打分属性选择，并根据所选择的打分属性，按照打分属性所对应的框选算法截取图片的展示区域，形成展示图片；

步骤2：浏览图片并比较，选择当前合适的插入位置；获取展示图片，选择合适的插入位置，进行主观基准预排序，更新展示图片队列；

步骤3：获取下一张待排序图片，重复步骤1-3，直至图片全部排序；

步骤4：保存并处理打分结果。

进一步地，步骤1包括如下步骤：

步骤1.1：加载对应功能按钮，安排画布及布局；其中，功能按钮包括：路径选择按钮：用于选择待排序图片的具体路径并加载图片；评分属性下拉菜单：用于选择打分属性；确定插入排序按钮：用于确定插入位置；派发新图按钮：用于加载下一张待排序图片；保存按钮：用于保存最后的打分结果。

步骤1.2：获取图片文件路径；

步骤1.3:选择打分属性；其中，不同打分属性对应不同的框选算法，对于图片的不同属性排序，会选择不同的区域，某些属性并不适合依据全局进行评价，例如：噪声，细节等属性，需要观察局部图像进行评价；所述打分属性与框选算法之间的对应关系为：打分属性决定框选算法。

步骤1.4：根据图片文件路径获取对应图片并依次截取相应区域。

优选地，通过框选算法得到展示区域的方法，包括以下步骤：

首先采用语义分割识别出照片中每一区域的内容，然后对内容进行甄别。筛选出一些可能会发生位移的物体，例如汽车、行人、飞鸟等，然后将这块区域使用黑色填充。

采用显著性算法和单目标深度估计算法，以第一张图片作为基准，确定至少5个候选区域(不同的打分属性对应不同的区域选择算法，不同的区域选择算法会生成不同的候选区域)；

对多个候选区域进行筛选，具体为：在其余的待排序图片中根据模板匹配算法匹配出每个候选区域的最相似区域，然后寻找在所有待排序图片中相似度差异最大的那组候选区域相似区域组合作为最终选择。

图像相似度可以选取结构相似性(SSIM)作为参考标准，它是一个基于局部图案的亮度、对比度的指标，其计算公式为

其中x和y是两幅图，μ_x是x的平均值，μ_y是y的平均值，

是x的方差，

是y的方差，σ_xy是x和y的协方差。c₁＝(k₁L)²,c₂＝(k₂L)²是用来维持稳定的常数。L是像素值的动态范围。结构相似性的范围为0到1。当两张图像一模一样时，SSIM的值等于1。

进一步地，图片区域对齐步骤

图片区域对齐步骤采用的是模板匹配算法。模板采用的是均方差模板，具体计算公式如下：

式中，D(i,j)表示以(i,j)为左上角，取M×N大小的子图与模板的匹配分数，M表示子图的长，N表示子图的高，S表示搜索图的具体像素矩阵，s表示搜索图遍历行的步进，i表示搜索图左上角横坐标，j表示搜索图左上角纵坐标，t表示搜索图遍历高的步进，T表示模板的具体像素矩阵，1≤i≤m-M+1,1≤j≤n-N+1。

以第一幅图框内区域为模板，令其余三幅图为搜索图S，以(i,j)为左上角，取MxN大小的子图(即模板)，利用上述公式计算其与模板的相似度，遍历整个搜索图，在所有能够取到的子图中，找到与模板图最相似的子图作为最终匹配结果。

显然，平均绝对差D(i,j)越小，表明越相似，故只需找到最小的D(i,j)即可确定能匹配的子图位置。然后根据确定子图的坐标，将对应区域展示到展示框内即可。

进一步地，针对细节属性的框选算法

为了在一组图片之中划定细节评价的区域，要考虑以下几点：1.区域大小要合适；2.由于是手机拍照作为数据集，是针对手机拍照质量的评价，那么选取的区域显著性要高，要选择人会注意的区域；3.要考虑景物深度，框选的区域物体远近要合适；4.选取的区域要能够体现出照片之间细节的差异。

首先通过显著性算法和单目标深度估计算法确定候选区域，然后在候选区域里建立多组不同长宽比例、不同大小的锚框，此时锚框数量比较多，需要做进一步筛选，筛选的方式为计算每个锚框内部的边缘信息含量，选取信息含量符合设定条件的部分(例如将设定条件设定为：选取信息含量top-10)，同时在其余的图片内部匹配出相应区域，然后寻找在一组图片中差异最大的那组锚框作为最终选择。此部分对应截取图片的展示区域。

进一步地，步骤2包括如下内容：

若当前排序预览界面无预览图像，可直接将主界面中间展示的图像拖入下方预览界面。

若当前排序预览界面只有一张图片，那么主界面的待排序图片有两种可能的插入位置，分别是预览图片之前或者预览图片之后，此时预览图片两侧各有一个按钮代表打分者想要插入图片的位置，点击即可将该按钮左侧或右侧的图片展示到上方主界面待排序界吐泡泡一侧，确定排序位置合理之后即可提交本次排序。

若当前排序预览界面只有n张图片(n≥3)，那么主界面的待排序图片有n+1种可能的插入位置，此时在预览框里会有n+1个按钮位于预览图片的两两之间以及开始及结束，这些按钮代表了n+1个插入位置，点击即可将该按钮左侧和右侧的图片展示到上方主界面待排序图片左右两侧，确定排序位置合理之后即可提交本次排序。

进一步地，步骤3包括如下步骤：

步骤3.1：提交当前排序之后就可以看到下方的预览框增加了一张图片，同时增加了一个提示标记，该提示标记用于表示目前已经完成的排序以及目前可选的所有插入位置，重新选择下一张待排序图片。若当前文件夹下没有下一张待配许图片，则该组图片排序完毕。

进一步地，步骤4包括如下步骤：

步骤4.1:当该目录下所有的图片都经过排序之后，保存最后的排序。

基于本发明实施例所提供的手机照片拖动比较排序方法，本发明实施例同时提供了一种手机照片拖动比较排序系统，所述系统能够用于执行所述方法。

所述手机照片拖动比较排序系统，包括：

图片处理模块：对所有待排序图片进行打分属性选择，并根据所选择的打分属性，按照打分属性所对应的框选算法截取图片的展示区域，形成展示图片；

展示界面模块：包括图片展示单元和队列展示单元；其中：

所述图片展示单元用于展示当前获取的图片；

所述队列展示单元为获取的展示图片选择合适的展示图队列插入位置，进行主观基准预排序，并展示更新的展示图片队列。

进一步地，所述队列展示单元在队列插入位置上设有提示标志。

进一步地，所述展示界面模块采用基于python的图形开发界面。

进一步地，采用基于python的图形开发界面对展示图片进行显示。

进一步地，根据用户使用要求，生成对应格式的排序结果，记录内容为记录内容包括：场景编号，手机编号，打分区域，打分属性等。

进一步地，所述场景编号即为拍摄场景在数据库中的编号，所述手机编号即为拍摄场景所用对应型号手机的编号，所述打分区域即为场景中框定的候选区域的标识，所述打分属性包括：Exposure、Color、Texture、Noise。

本发明上述实施例所提供的手机照片拖动比较排序方法及系统，针对不同的属性划区域打分。采用了实用的框选算法，针对图片的不同属性，不同维度可以选取更加合适的评价区域。大大地提升打分效率。采用图像排序的方式来替代直接给出分数，是多个评分人员的评分结果达到一致。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (10)

1.一种手机照片拖动比较排序方法，其特征在于，包括：

对所有待排序图片进行打分属性选择，并根据所选择的打分属性，按照打分属性所对应的框选算法截取图片的展示区域，形成展示图片；

获取展示图片，选择插入位置，进行主观基准预排序，更新展示图片队列；

重复上述更新展示图片队列操作，直至全部展示图片排序完成。

2.根据权利要求1所述的手机照片拖动比较排序方法，其特征在于，所述打分属性包括：

Exposure，用于表示曝光；

Color，用于表示颜色；

Texture，用于表示细节；

Noise，用于表示噪声。

3.根据权利要求1所述的手机照片拖动比较排序方法，其特征在于，根据打分属性选择框选算法截取图片展示区域的方法，包括：

通过框选算法得到展示区域：

采用语义分割方法识别出照片中每一区域的内容，然后对内容进行甄别；筛选出能够发生位移的物体区域，然后将该区域进行填充；

采用不同打分属性所对应的区域选择算法，以第一张图片作为基准，确定至少5个不同的候选区域；

对多个候选区域进行筛选：

在其余的待排序图片中根据模板匹配算法匹配出每个候选区域的最相似区域，然后寻找在所有待排序图片中相似度差异最大的那组候选区域相似区域组合作为最终选择；其中：

图片的相似度选取结构相似性作为参考标准，基于局部图案的亮度、对比度的指标，进行相似度计算如下：

式中，x和y是两幅图，μ_x是x的平均值，μ_y是y的平均值，

是x的方差，

是y的方差，σ_xy是x和y的协方差。c₁＝(k₁L)²,c₂＝(k₂L)²是用来维持稳定的常数。L是像素值的动态范围。结构相似性的范围为0到1。当两张图像一模一样时，SSIM的值等于1。

4.根据权利要求3所述的手机照片拖动比较排序方法，其特征在于，所述模板匹配算法采用均方差模板，以第一张图片的选定区域为模板，令其余图片为搜索图S，以(i,j)为左上角，取M×N大小的子图，利用如下公式：

计算该子图与模板的相似度，遍历整个搜索图，在所有能够取到的子图中，找到与模板图最相似的子图作为最终匹配结果；

式中，D(i,j)表示以(i,j)为左上角，取M×N大小的子图与模板的匹配分数，M表示子图的长，N表示子图的高，S表示搜索图的具体像素矩阵，s表示搜索图遍历行的步进，i表示搜索图左上角横坐标，j表示搜索图左上角纵坐标，t表示搜索图遍历高的步进，T表示模板的具体像素矩阵，1≤i≤m-M+1,1≤j≤n-N+1。

5.根据权利要求3所述的手机照片拖动比较排序方法，其特征在于，首先通过显著性算法和单目标深度估计算法确定候选区域，然后在候选区域里建立多组不同长宽比例、不同大小的锚框，此时锚框数量比较多，需要做进一步筛选，筛选的方式为计算每个锚框内部的边缘信息含量，选取信息含量top-10，同时在其余的图片内部匹配出相应区域，然后寻找在一组图片中差异最大的那组锚框作为最终选择，并由此得到截取图片的展示区域，形成展示图片。

6.根据权利要求1所述的手机照片拖动比较排序方法，其特征在于，获取展示图片并选择合适的插入位置的方法为：

-若当前展示图片队列中无展示图像，则直接将获取的展示图像放入展示图片队列中；

-若当前展示图片队列中只有一张展示图片，则获取的展示图片具有两种可能的插入位置，分别是当前展示图片队列中展示图片之前或者之后的位置，确定合适的插入位置后保存本次排序后的展示图片队列。

-若当前展示图片队列中包含n张图片，其中n≥3，那么获取的展示图片具有n+1种可能的插入位置，分别是当前展示图片队列中展示图片的两两之间以及当前展示图片队列的开始和结束位置，确定合适的插入位置后保存本次排序后的展示图片队列。

7.根据权利要求1所述的手机照片拖动比较排序方法，其特征在于，采用基于python的图形开发界面对展示图片进行显示。

8.一种手机照片拖动比较排序系统，其特征在于，包括：

图片处理模块：对所有待排序图片进行打分属性选择，并根据所选择的打分属性，按照打分属性所对应的框选算法截取图片的展示区域，形成展示图片；

展示界面模块：包括图片展示单元和队列展示单元；其中：

所述图片展示单元用于展示当前获取的图片；

所述队列展示单元为获取的展示图片选择合适的展示图队列插入位置，进行主观基准预排序，并展示更新的展示图片队列。

9.根据权利要求8所述的手机照片拖动比较排序系统，其特征在于，所述队列展示单元在队列插入位置上设有提示标志。

10.根据权利要求8所述的手机照片拖动比较排序系统，其特征在于，所述展示界面模块采用基于python的图形开发界面。

Images