CN111885296A - 可视化数据的动态处理方法和电子设备 - Google Patents

Abstract

本发明提供了一种用于可视化数据的动态处理方法。该方法包括以下步骤：经由相机捕获原始可视化数据；从原始可视化数据中确认特征值；根据原始可视化数据的特征值，从数据库中识别候选可视化数据；从识别出的候选可视化数据中选择参考可视化数据；和根据参考可视化数据生成最终的可视化数据。还提供了用于该方法的电子设备。通过使用本发明提供的方法和电子设备，即使是新手用户也可以拍摄专业照片或视频，而无需长时间学习和训练摄影或录音技能。

Description

可视化数据的动态处理方法和电子设备

技术领域

本发明涉及可视化数据处理领域，尤其涉及一种用于优化照片或视频的方法和系统。

背景技术

随着移动终端的发展，特别是随着智能电话设备的出现，大多数移动终端现在都提供用于捕捉风景或生活片段的相机功能。相机及其相关软件或应用程序正变得越来越专业，从而使可用于拍摄专业级照片的移动终端在市场上可买到。尽管移动相机传感器、镜头和处理算法以非常迅速的速度发展，然而，普通用户的摄影技巧却几乎没有提高，更不用说照出对焦清晰，构图精美的照片。

与许多相机应用程序一样，现有技术提供了引导网格，以帮助用户将关键主体放置在“黄金比例交叉点”上，或者在拍摄过程中尝试为用户如何构图提供动态指导。然而，事实证明，引导网格和动态引导都不会对用户有所帮助。在实践中，引导网格对用户而言形成太抽象的引导，其不能提供任何有用的引导。而动态引导可能无法识别相机光圈中的真实场景，因此，也无法提供适当的引导。

发明内容

本发明试图通过提供一种用于优化用户使用移动终端的相机拍摄的原始照片或视频的新的或以其他方式改进的方法或系统，来减轻或至少缓解上述问题或缺点。

因此，一方面，本发明为一种用于可视化数据的动态处理方法。方法包括以下步骤：经由相机捕获原始可视化数据；从原始可视化数据中确认特征值；根据原始可视化数据的特征值，从数据库中识别候选可视化数据；从识别出的候选可视化数据中选择参考可视化数据；和根据参考可视化数据生成最终可视化数据。

在另一方面，本发明提供了一种用于处理可视化数据的电子设备。电子设备包括：相机，数据处理单元和显示单元。相机单元被配置为捕获原始可视化数据。数据处理单元被配置为根据参考可视化数据生成最终可视化数据，所述参考可视化数据是根据原始可视化数据的特征值，从数据库中选择的候选可视化数据中识别出来的。存储单元被配置为存储最终可视化数据。显示单元被配置为向用户可视化最终可视化数据。

因此，本发明提供了一种方法或系统，该方法或系统通过首先从数据库(例如，在互联网上)中识别出与所捕获的原始照片的图像内容非常匹配的受欢迎的图像示例，来指导新手用户拍摄专业的风景照片，然后将那些图像示例作为一张或多张提供有构图建议的候选照片供用户选择，并最终根据选择的候选照片通过在重新拍摄和后期编辑照片方面给用户适用的指导来生成优化的照片，或者通过使用类似的构图和曝光效果以及移动终端的处理单元的适当功能，直接并自动地对原始照片进行后期编辑。优化后的照片在构图、光线、拍摄角度、曝光模式等方面与所选候选照片高度相似。以上方法也适用于视频拍摄。

通过使用本发明提供的方法和系统，即使是新手用户也可以拍摄专业照片或视频，而无需长时间学习和训练照片或摄像技能。此外，本发明提供了一种根据上述方法的集成App或软件，其包括照片摄制(或视频录制)，参考搜索和指南提供以及照片/视频后编辑的功能。因此，在拍照和编辑过程中，用户不需要运行多个App或软件。

同时，根据本发明的优化方法将确认步骤和识别步骤的大量数据处理工作转移到远离移动终端的云服务器，使得本地处理单元不需要处理大量的数据处理工作，这减少了对本地处理单元的数据处理能力的要求，快速的网络响应能力，还减少了本地电池寿命的消耗。通过使用本发明提供的方法和系统，可以实现根据用户对照片/视频优化的更快响应，并且可以大大减少等待时间。因此，可以相应地改善用户体验。

附图说明

通过以下优选实施例的描述，本发明的前述和其他特征将变得显而易见，所述优选实施例仅通过示例结合附图的方式提供，附图中：

图1是示出根据本发明的实施例的移动终端、云服务器、它们的内部单元以及它们之间的数据交换的示意图。

图2是示出根据本发明的另一个实施例的用于可视化数据(优选地为照片)的动态优化方法的流程图。

图3是示出根据图1所示的实施例的在移动终端和云服务器之间的数据交换的示意图。

图4是示出根据本发明的另一实施例的优化照片的方法的流程图，照片由移动电话的相机经由定制的App拍摄。

图5是示出根据本发明的另一实施例的经由相机捕获的原始可视化数据和确认的特征值的示意图。

图6a-6b是示出根据图5中的方法，分别从候选照片中选择参考照片的示例的示意图。

具体实施例

现在将参考显示了本发明实施例的附图来更全面地描述本发明的实施例。然而，本发明可以体现在许多不同的形式，并且不应被解释为限于在此阐述的实施例。相反，提供这些实施例，以使得本公开将是透彻和完整的，并将向本领域技术人员充分传达本发明的范围。在所有申请文件中，相似的附图标记指代相似的元件。

现在参考图1，图1是示出根据本发明的实施例的移动终端102，具有其内部单元的云服务器302及其之间的数据交换的示意图。移动终端102包括捕获单元104、第二数据处理单元106、存储单元108、显示单元110、发送单元112和接收单元114。移动终端102可以从以下设备中选择：移动电话、平板电脑、笔记本电脑、个人数字助理、移动互联网设备、可穿戴设备等。捕获单元104包括相机及其相关配件，并且被配置为捕获原始可视化数据，例如经由相机拍摄的照片或视频片段。第二数据处理单元106被配置成根据识别出的参考可视化数据，生成优化的可视化数据。存储单元108被配置为存储原始可视化数据，参考可视化数据和优化可视化数据。存储单元108的示例包括非暂时性计算机可读介质，例如光盘、磁存储设备、数字多功能盘、闪存、随机存取存储器(RAM)、静态随机存取存储器(SRAM)、同步动态随机存取存储器(SDRAM)、只读存储器(ROM)、寄存器、可编程ROM(PROM)，、可擦PROM(EPROM)、电可擦PROM(EEPROM)、可移动磁盘、闪存设备、以及用于存储可由处理器或处理系统访问和读取的软件的其他合适介质。显示单元110包括屏幕，该屏幕被配置为向用户显示和可视化参考可视化数据以及优化的可视化数据、接收用户的命令、并将其传送到第二数据处理单元106。发送单元112被配置成将原始可视化数据从移动终端102发送至云服务器302。接收单元114被配置成接收所标识的参考可视化数据，或从云服务器302选择并从云服务器302发送的参考可视化数据的多个候选可视化数据。

云服务器302包括发送单元304、接收单元306、第一数据处理单元308和数据库310。发送单元304被配置为从云服务器302向移动终端102发送参考可视化数据。接收单元被配置为接收来自移动终端102的原始可视化数据及其相关信息，例如原始可视化数据的元数据。第一数据处理单元308被配置为确认原始可视化数据的特征值，并根据来自数据库310的特征值识别参考可视化数据。数据库310可以是以下之一：公共网络上的数据库、域网络上的数据库、软件数据库、或由于系统设置或用户选择而导致的本地数据库。可替代地，机器学习单元或人工智能(AI)学习单元可以被集成到第一数据处理单元208和第二数据处理单元106二者中。机器学习单元或AI学习单元被配置为简化计算和数据程序，这将在下面进行说明。

如图1所示，移动终端102和云服务器302之间的数据发送工作是经由应用程序编程接口(API)320执行的。API320是移动终端102与云服务器302之间的接口或通信协议，并且旨在简化移动终端102和云服务器302的构建软件。API 320例如是基于Web的系统、操作系统、数据库系统、计算机硬件或软件库，其被配置成执行原始可视化数据及其关联信息，识别出的参考可视化数据或候选可视化数据的发送工作。

转到图2，该显示出了流程图，该流程图示出了用于可视化数据(优选地是照片或视频)的动态优化方法。现在将参考图1所示的移动终端102和云服务器302来描述图2中的方法。然而，应当注意，图2中的方法不限于仅适用于图1中的硬件设备。相反，该方法可以在其他类型的信息处理设备及其系统上实现。

首先将说明优化原始照片的方法200，并且稍后将讨论优化视频剪辑的方法。参照图2，从步骤202开始，方法200旨在通过生成根据识别参考可视化数据，经由移动终端102的捕获单元104获取的优化的可视化数据，来优化原始可视化数据，其优选地为照片或视频片段。经过优化的照片在构图、白平衡、拍摄角度、曝光模式或照明等方面与参考照片相似。

在步骤202(其为捕获步骤)，原始照片由移动终端102的相机捕获。原始照片可以由本地相机App直接捕获，并手动发送到云服务器302，以用于在步骤204进一步处理(即发送步骤)。可替代地，原始照片可以由定制的App捕获，并按照确定的App执行过程被自动发送到云服务器(在步骤204)。在步骤204，将原始照片发送到云服务器之前，可以将原始照片压缩并打包，以获得占用较少存储空间的打包版本。打包原始照片的过程至少包括以下步骤之一：将原始照片转换为占用存储较少的格式，例如HEIC文件或JPG文件；降低原始照片的分辨率；以及将照片压缩为压缩文件，例如zip文件。但是，在打包过程中，将不会擦除与原始照片相关的信息元数据(如，可交换图像文件格式(Exif)信息)，因为某些信息可以被确认为特征值的一部分。由于原始照片的打包版本的大小可以明显小于原始照片的原始大小，因此在步骤204，当打包版本被发送到云服务器时，可以大大减少发送时间，这也减少了网络带宽消耗，并由于减少了等待时间而提供了更好的用户体验。然后，在有或没有API320的情况下，通过无线网络、蜂窝数据等，将原始照片或打包版本发送到云服务器。

在步骤204之后，原始照片或其打包版本已经被发送到并存储在云服务器中。在步骤206(其为确认步骤)，云服务器被配置为通过进行原始照片的图案识别，来确认原始照片的特征值。可以将特征值推断为原始可视化数据的关键信息或特征，可以通过模式识别方法对其进行确认。例如，如果可视化数据是风景的照片，则特征值包括风景名、拍摄照片的地点的卫星位置坐标、照片的时间戳等。如上所述，某些特征值可以从原始可视化数据的图像内容中确认出来，例如风景名。可以从与原始可视化数据(即，照片或视频的文件头的Exif数据)关联的元数据中获取其他信息，例如卫星位置坐标、拍摄时间等。

在步骤208(其为识别步骤)，如果原始照片被压缩和打包，则云服务器被配置为首先解压缩打包的版本，然后在数据库中搜索并将一个或多个特征值匹配为识别多张候选照片。在数据库中进行搜索，以便找到参考照片或从中选择参考照片的多个候选照片。候选照片显示在移动终端的屏幕上，并可视化显示给用户，以便根据用户的偏好选择其中一张作为参考照片。在至少一个或多个方面，参考照片或候选照片与确认的特征值匹配。类似于先前的风景示例，参考照片数据可以是同一风景的流行照片，例如宣传照片或风景的明信片图片，或者是在社交网络中收到很多点赞(like)的热门照片。

原始照片的特征值包括主要特征部分和次要特征部分。在步骤206中，云服务器302被配置为首先确认主要特征部分，然后识别次要特征部分。主要特征部分与原始照片的最突出特征相关联，这可以显著缩小搜索范围或根据特征值识别候选照片的数据库。这提高了图像识别的准确性和效率。例如，主要特征部分可以包括GPS数据或其他合适的位置数据等。如果原始照片的GPS位置位于“纽约市曼哈顿中城第33街和第34街之间的第五大街350号”(帝国大厦的地址)附近，则在识别步骤中，云服务器会比较明显不同GPS位置的图像。因此，识别出的候选照片不会与芝加哥的西尔斯大厦或法兰克福的商业银行大厦的图像相混淆(这两者(以及其他许多摩天大楼)看起来至少与帝国大厦相似)。次要特征部分还包括原始照片的一些关键特征。例如，次要部分可以包括捕获日期和/或时间。如果捕获时间表明原始照片是在白天拍摄的，而参考照片是在晚上时间拍摄的，则云服务器完全不需要考虑颜色比较，以减少可能由于白天/晚上和白天/晚上的照明差异带来的巨大颜色变化而可能会出现的匹配错误。因此，通过分别基于主要特征部分，然后基于次要特征部分，分别执行确认步骤和识别步骤，可以显著提高图像识别效率和准确性。

在步骤208，数据库应为以下之一：公共网络上的数据库、域网络上的数据库、软件数据库或本地数据库。公用网络上的数据库包括网络(例如网络)中的所有可用图像数据，这些数据形成了用于搜索的完整数据库，但可能包含许多不相关或冗余的数据。因此，在公共网络的数据库中搜索和识别候选照片可能会花费很长时间，这会增加用户的等待时间。可替代地，该数据库可以位于域网络上，该域网络是为图像存储定制的软件数据库或本地数据库。优选地，从其进行搜索的数据库可以在范围和覆盖范围方面受到限制，例如仅使用某个社交媒体数据库。例如，可以将数据库选择为Facebook的图像数据库。对于该数据库，成千上万的用户在其中更新日常生活照片、旅行照片、记录和电影。同时，该数据库中的照片应具有“标签”，其用于保存与照片相关联的信息或元数据，例如照片的位置，时间戳和其他有用信息。其中一些照片非常吸引人，并从其他用户那里获得很多“点赞”。这些照片不仅在虚拟社交空间中而且在现实世界中都很有名。当云服务器执行确认和识别步骤时，应将原始照片的一个或多个特征值修改为与数据库中照片的“标签”进行比较。因此，仅进行原始照片和候选照片之间的文本比较，这需要更少的云服务器计算能力并提供其快速搜索结果。可替代地，该数据库可以是专业定制的照片数据库，例如“flickr.com”的数据库。因此，识别步骤直接针对专业人员拍摄的照片，这提高了图像确定的准确性和效率。

可替代地，可以经由机器学习或AI学习来进一步优化数据库和识别步骤。假设方法200或基于方法200的软件或App被广泛使用，对于每个识别步骤，可以针对一张原始照片识别几张候选照片。当一个以上的用户在风景的地点拍照时，原始照片可以是同一风景的照片，并且是从相似的地点和相似的相机角度拍摄的。因此，为了减少步骤208的执行时间，如果两个原始照片共享相同或相似的一个或多个特征值，则云服务器可以进一步配置为直接提供预先确定的候选照片作为当前候选照片。例如，用户A拍摄了一张照片A，并使用方法200优化了照片A。在执行步骤206之后，照片A的特征值显示为“埃菲尔铁塔(主要特征部分)，上午，夏季，晴天(次要特征部分)”。根据照片A识别一些候选照片，并提供给用户选择或作为参考照片。云服务器的AI学习单元应保存这些已识别的候选照片，并将这些照片链接到数据库中的“艾菲尔铁塔，上午，夏季，晴天”的标签。因此，如果请求为照片B识别参考照片或候选照片，该照片具有与照片A相似的一个或多个特征值，即“艾菲尔铁塔，上午，夏季，晴天”，则云服务器然后被配置为检查数据库并确定数据库中是否已存在这样的特征值。如果是，则云服务器将直接向照片B的用户提供照片A的候选照片，而无需在数据库中进行任何搜索和识别工作。因此，通过使用机器学习或AI学习的技术，大大减少了步骤208的执行时间。

在步骤210(以下称为接收步骤)，将识别出的一张或多张候选照片发送回移动终端并显示在移动终端的屏幕上，以使这些照片对于用户可视。由于记录在数据库或社交网络中，一张或多张候选照片按它们在其他用户中的受欢迎程度进行排名。例如，这些照片的排名应基于其在社交网络App(例如，“Facebook”或“Twitter”)中接收到的“点赞”。最推荐或“点赞”的照片将在屏幕上的显眼位置显示给用户。

类似于步骤204，在步骤210，在发送候选照片之前，还可以压缩和打包候选照片。特别地，仅提供候选照片作为参考，以指导用户或定制的App，以进一步优化原始照片，因此，不再需要关联信息(例如，Exif信息)，并且可以将其从目标照片中擦除，以进一步使其尺寸最小。

同时，机器学习或AI学习的技术也可以在步骤210应用于确定候选照片的排名。考虑先前的“艾菲尔铁塔”的示例，如果大量用户选择排名第二或第三的候选照片作为参考照片，则这可能表明该照片对当前用户更具吸引力。因此，AI学习单元存储这样的记录，并将其与数据库中的“艾菲尔铁塔，上午，夏季，晴天”的标签链接。下次当确认相似标签时，云服务器被配置为首先检查数据库，并确定这些候选照片的排名的最新信息，然后为候选照片提供调整后的排名。例如，原始的排名第二或第三的照片将被设置为当前最吸引人的照片，并显示为排名第一。

用户选择参考照片后，在步骤212或步骤214，移动终端被配置为根据参考照片生成优化的照片。如果原始照片的构图、内容、相机角度、背景与参考照片相似，则移动终端被配置为仅执行步骤212，即编辑原始照片。编辑包括但不限于以下至少一项：调整白平衡、调整照明和对比度、减少噪声、去除不需要的元素、修改照片方向、透视控制和失真、镜头校正、增强图像、锐化或柔化图像、使用滤镜效果并添加特殊效果。特别是，添加的特殊效果包括绿色植物的绿化、增强天空/大海的蓝色、添加日出/日落效果、添加白色雪景效果等。因此，通过编辑原始照片，在步骤216，可以生成优化的照片、对用户可视化并存储在移动终端中。

如果参考照片的构图仅仅是原始照片的构图的一部分，则移动终端将在步骤214通过使用更长的焦距重新捕获照片来优化原始照片。可替代地，在重新捕获期间，如果参考照片与原始照片具有不同的曝光设置，则在重新捕获期间，可以使用类似的曝光设置，例如白天/晚上时间/风景/物体等设置。同时，类似于步骤212，捕获的照片可以由移动终端通过使用与上述相似的编辑方法来进一步编辑，以产生与参考照片更相似的照片。在执行上述步骤之后，在步骤216中，所生成的优化照片对用户可视化，并存储在移动终端中。

在方法200中，在执行期间，需要大量数据连接和处理的步骤206和210是在云服务器中从移动终端远程执行。这样，数据处理的大部分工作是从移动终端远程执行的。因此，移动终端不需要占用本地处理器的大量计算资源，从而节省了移动终端的电池寿命，并优化了用户体验。

图3进一步示出了图1中的移动终端102和云服务器302之间的数据发送工作的细节。如图所示，在捕获原始可视化数据之后，移动终端102发送请求以识别参考可视化数据，以及原始可视化数据本身到云服务器302(在步骤220)。在云服务器302识别出候选可视化数据之后，将其发送回移动终端102并存储在移动终端102中(步骤230)。如果候选可视化数据包括多个候选可视化数据，则所有候选可视化数据被发送回移动终端102，并在屏幕上可视化给用户，以基于一个人的偏好选择其中之一作为参考可视化数据。

可选地，步骤220包括顺序性步骤：

从移动终端102向云服务器302发送识别参考可视化数据的请求；

从移动终端102向云服务器302发送上传原始可视化数据的请求；

云服务器302接收并批准识别参考可视化数据并从移动终端102下载原始可视化数据的请求；和

云服务器302从移动终端102上传并存储原始可视化数据。

类似地，步骤230还可以包括顺序性步骤：

从云服务器202向移动终端102发送下载参考可视化数据的请求；

移动终端102接收并批准从云服务器302下载候选可视化数据的请求；和

移动终端102从云服务器302下载并存储候选可视化数据。

还可以执行方法200，以优化由移动终端102的捕获单元104记录的原始视频。用于视频优化的捕获步骤、发送步骤、确认步骤、识别步骤和接收步骤是类似于上述的照片优化步骤。因此，为了简洁起见，这里不再赘述。对于根据来自互联网的识别的参考视频编辑视频的步骤(步骤212和214)，该步骤应包括以下至少一项：根据参考视频的指导重新捕获视频、或直接编辑录制的原始视频以获取编辑后的视频，这类似于构图、照明、录制角度、曝光模式、录制方法等方面。

如上所述，可以通过定制的App来实现在移动终端102上执行的方法200的一部分。图4是示出根据本发明的另一实施例，经由定制的App来优化由移动电话的相机拍摄的照片的方法的流程图。该App包括用于实现诸如方法200和400所示的各种应用服务的各种子程序，诸如媒体播放器、浏览器等，并且被配置为在移动终端的操作系统上执行。操作系统包括用于实现各种基本服务并处理基于硬件的任务的各种系统程序，例如框架层、核心库层、驱动程序层等。

图5-6b示出了当用户使用App优化根据该视图的另一个实施例拍摄的照片时，移动电话上的图形用户界面。下面的描述是关于图4中的方法400的方法步骤，但是参考图5-6b中的接口为例。应当注意，图5-6b中的接口不一定通过使用图4中的方法来实现。相反，根据本发明的不同方法可以用于实现图5-6b中的接口。

首先将说明App优化照片的功能，随后将讨论优化视频的功能。参照图4，图5和图6a-6b，在步骤402，首先用户进入App，然后经由用户界面(诸如，屏幕500)在App中选择相机模式。相机由App调用，以动态地捕获当前相机光圈中的动态图片，并将其显示在移动终端102的屏幕500上，如图5所示。动态图片对用户可见，因此，用户能够通过移动相机来移动相机光圈，以获得优选的照片，如步骤404所示。在获得优选的照片之后，用户触摸或以其他方式致动屏幕500上的“捕捉”按钮501，从而捕获了原始照片502。在步骤406，分析具有其相关信息的原始照片702以确认特征值。为了最小化在移动终端102上的计算工作，应当将具有其相关联的元数据的原始照片发送到云服务器302。第一数据处理单元208被配置为从发送的数据中确认特征值。如图5所示，一个或多个特征值包括主要特征部分504和次要特征部分506。主要特征部分504可以包括从其拍摄原始照片502的位置、其卫星位置坐标或从原始照片502识别风景名。次要特征部分506包括拍摄原始照片502时的相机方向、拍摄原始照片502的季节、拍摄时的天气或原始照片502的拍摄时间本身。在主要特征部分504和次要特征部分506中，可以从与原始照片相关联的元数据中获得位置，卫星位置坐标、风景名、方向、季节、天气和时间(例如，Exif信息)，也可以从提供相关功能的其他App中获取。例如，位置信息可以由移动终端102的GPS模块提供，方向可以由陀螺仪模块提供，并且天气可以由天气预报的App等提供等。从相关的App获取该特征部分可以节省计算时间并加快处理速度。

在步骤408，主要特征部分被配置为由云服务器302上的第一数据处理单元208使用，以从数据库210获取数据源。然后，在步骤410，一组候选照片被通过根据次要特征部分406使用第一数据处理单元208的模式识别，从数据源中识别出一组候选照片。在确认候选照片，可以将它们发送回移动终端102，存储在存储单元110中，在屏幕500上显示，并且对用户可视化，如图6a所示。候选照片(即，壁橱匹配图像510、512和514)应通过对其他用户的受欢迎程度进行排序。继续参考图6a，用户根据步骤412和414查看照片510、512和514，并选择照片510作为参考照片。在步骤416、418、420和422，第二数据处理单元106被配置为优化App中的原始照片。

图6a是示出从移动终端上的候选可视化数据中选择参考可视化数据的第一示例的示意图。参照图6a和图4，在步骤412和414，由相机拍摄的原始照片502具有风景的构图。原始照片502包括艾菲尔铁塔和附近的建筑物。所识别的候选照片510示出具有垂直构图的埃菲尔铁塔的近景。候选照片512示出了具有与原始照片502相似的风景构图的埃菲尔铁塔的远景。候选照片514是埃菲尔铁塔的底部的特征照片。然后，用户参考框518，选择候选照片510作为参考照片以优化原始照片502。首先，第二数据处理单元106检查相机的变焦能力，如果变焦能力足以获得近景作为照片510，第二数据处理单元106被配置为调用相机以获得与照片510类似的近景。然后，类似的后期效果包括调节白平衡、调节照明和对比度、降低噪声、去除不需要的元素、修改照片方向、透视控制和变形、镜头校正、增强图像锐化或柔化图像、使用滤镜效果、添加特殊效果等，类似的后期效果将应用于获得的照片。之后，生成优化的照片。

图6b是其中用户选择候选照片514的另一个示例，该候选照片514是埃菲尔铁塔底部的特征照片(请见框528)。此时，第二数据处理单元106检查相机的变焦能力，并且变焦能力可能不足。因此，相机被配置为焦点聚焦在埃菲尔铁塔的底部上、以最长焦距拍摄照片作为照片514。然后，第二数据处理单元106和App被配置为裁剪所获得的照片以得到具有与照片514相同的构图，并具有与上述相似的后期效果。之后，生成优化的照片。

作为结论，生成优化照片的过程包括使用场景确认来找到当前相机实时取景中的近似视野；用户单击“捕捉”按钮进行拍摄；采用以下方法之一执行捕获：首先寻找缩放功能、捕获当前视图、然后裁剪到所需的视野；并在必要时应用后期制作效果(日出、日落、海滩蓝天、饱和的树叶、白色冬天、夜晚的心情等)；因此成功生成了优化的照片。最后，在步骤424，优化的照片对用户可视化，并存储到存储单元108中。

在以上实施例的变型中，步骤402-424可以全部在移动终端102上执行，而无需与云服务器302进行通信。因此，第二数据处理单元106和第一数据处理单元208可以是移动设备500的两个模块或不同级别的处理器。

在以上实施例的变型中，也可以执行方法400，以优化由移动终端102的相机记录的原始视频。包括视频优化的捕捉、发送、确认、识别和接收的步骤402-418类似于如上所述的照片优化的步骤。为了简洁起见，这里不再对其进行详细讨论。对于根据来自互联网的识别的参考视频来编辑视频的步骤(步骤420和422)，该步骤可以包括以下至少一项，根据参考视频的指导重新捕获视频，或者直接编辑录制的原始视频以获得编辑后的视频类似于构图，照明，录制角度、曝光模式、录制方法等方面。可替代地，显示在屏幕500上的候选视频可以是候选视频的剪辑，其可以总结候选视频的主要动态内容。

本发明前述实施例中说明的方法可以由第一数据处理单元208和第二数据处理单元106实施。这些处理器可以是具有信号处理能力的集成电路芯片。在实现过程中，上述方法的每个步骤可以由这些处理器中的硬件的集成逻辑电路或软件形式的指令来完成。第一数据处理单元208和第二数据处理单元106或本地处理器502可以选自微处理器或中央处理单元、控制器、专用处理器、数字信号处理器(“DSP”)、专用集成电路(“ASIC”)、现场可编程门阵列(“FPGA”)等。

如这里所使用的，类似的曝光设置指的是使用相同的曝光设置的优化照片，该设置类似用于白天/夜间/风景/物体等的设置作为参考照片。

如此处所使用的，类似的后期制作如果指的是使用与参考照片相同的后期制作的优化照片，例如相同的白平衡、照明和对比度、降噪、去除不需要的元素、修改照片方向、视角控制和变形、镜头校正、增强图像、锐化或柔化图像使用滤镜效果，添加本领域技术人员已知的特殊效果等。

尽管已经详细描述了本发明的示例性实施例及其优点，但是应当理解，在不脱离本发明的范围的情况下，可以在此进行各种改变，替换和变更。

Claims (20)

1.一种用于可视化数据的动态处理方法，包括以下步骤：

经由相机捕获原始可视化数据；

从原始可视化数据中确认特征值；

根据原始可视化数据的特征值，从数据库中识别候选可视化数据；

从识别出的候选可视化数据中选择参考可视化数据；和

根据参考可视化数据生成最终可视化数据。

2.根据权利要求1所述的方法，其中，通过对所述原始可视化数据进行模式确认来导出所述特征值，并且通过将所述特征值与所述候选可视化数据的特征值进行匹配，来识别所述参考可视化数据。

3.根据权利要求2所述的方法，还包括以下步骤：

在经由所述相机捕获原始可视化数据的步骤之后，将原始可视化数据从包括所述相机的电子设备发送到云服务器；和

在识别候选可视化数据的步骤之后，将所述候选可视化数据从所述云服务器发送回所述电子设备。

4.根据权利要求3所述的方法，其中，经由API执行所述发送所述原始可视化数据和所述候选可视化数据的步骤。

5.根据权利要求3所述的方法，其中，所述候选可视化数据包括从其中选择所述参考可视化数据的多个候选可视化数据。

6.根据权利要求1所述的方法，其中，生成所述最终可视化数据的步骤包括以下至少之一：编辑所述原始可视化数据、以及经由所述相机重新捕获所述编辑后的原始可视化数据。

7.根据权利要求6所述的方法，其中，通过以下至少之一重新捕获所述最终可视化数据：使用所述相机的更长焦距、使用与参考可视化数据相似的曝光设置、以及使用与所述参考可视化数相似的包括滤镜效果的后期制作。

8.根据权利要求1所述的方法，其中，所述特征值包括主要特征部分和次要特征部分，并且所述确认步骤和所述识别步骤分别仅基于所述特征值的主要特征部分、或者特征值的主要特征部分和次要特征部分两者来进行。

9.根据权利要求3所述的方法，其中，所述数据库位于所述云服务器上。

10.根据权利要求2所述的方法，其中，所述特征值是从所述原始可视化数据以及与所述原始可视化数据相关联的元数据生成的。

11.根据权利要求5所述的方法，其中，所述多个候选可视化数据通过它们在其他用户中的受欢迎度而在数据库中排名。

12.根据权利要求8所述的方法，其中，所述主要特征部分包括位置数据，并且所述次要特征部分包括方向数据、拍摄时间数据、季节数据或天气数据。

13.一种用于处理可视化数据的电子设备，包括：

相机，被配置为捕获原始可视化数据；

数据处理单元，其用于根据参考可视化数据生成最终可视化数据，所述参考可视化数据是根据原始可视化数据的特征值，从数据库中选择的候选可视化数据中识别出来的；

存储单元，其被配置为存储所述最终可视化数据；和

显示单元，其被配置为向用户可视化所述最终可视化数据。

14.根据权利要求13所述的电子设备，还包括：

发送单元，其被配置为将所述原始可视化数据发送至云服务器；和

接收单元，其被配置为接收从所述云服务器发送的所述候选可视化数据。

15.根据权利要求14所述的电子设备，其中，所述原始可视化数据和所述候选可视化数据是经由API发送的。

16.根据权利要求13所述的电子设备，其中，所述数据处理单元还被配置为经由以下至少之一生成所述最终可视化数据：编辑所述原始可视化数据以获得所述最终可视化数据、以及经由相机重新捕获所述最终可视化数据。

17.根据权利要求16所述的电子设备，其中，经由以下至少一种来重新捕获最终的可视化数据：使用相机的更长焦距、使用与所述参考可视化数据相似的曝光设置，或者使用与所述参考可视化数据类似的包括滤镜效果的后期制作。

18.根据权利要求13所述的电子设备，其中，所述特征值包括主要特征部分和次要特征部分。

19.根据权利要求13所述的电子设备，其中，所述数据处理单元还被配置为多个候选可视化数据通过它们在其他用户中的受欢迎度而在数据库中排名。

20.根据权利要求18所述的电子设备，其中，所述主要特征部分包括位置数据，并且所述次要特征部分包括方向数据、拍摄时间数据、季节数据或天气数据。

Images