CN112200844A - 生成图像的方法、装置、电子设备及介质 - Google Patents

生成图像的方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN112200844A
CN112200844A CN202011078062.6A CN202011078062A CN112200844A CN 112200844 A CN112200844 A CN 112200844A CN 202011078062 A CN202011078062 A CN 202011078062A CN 112200844 A CN112200844 A CN 112200844A
Authority
CN
China
Prior art keywords
image
sample
modified
sample image
decorated
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.)
Pending
Application number
CN202011078062.6A
Other languages
English (en)
Inventor
姬小玉
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.)
OneConnect Smart Technology Co Ltd
OneConnect Financial Technology Co Ltd Shanghai
Original Assignee
OneConnect Financial Technology Co Ltd Shanghai
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 OneConnect Financial Technology Co Ltd Shanghai filed Critical OneConnect Financial Technology Co Ltd Shanghai
Priority to CN202011078062.6A priority Critical patent/CN112200844A/zh
Publication of CN112200844A publication Critical patent/CN112200844A/zh
Priority to PCT/CN2021/122885 priority patent/WO2022073516A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Library & Information Science (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种生成图像的方法、装置、电子设备及介质。其中，本申请中，在获取目标用户生成的待修饰图像，并基于待修饰物体，从预设的样本图像数据库中确定与待修饰图像的相似度超过第一预设阈值的样本图像；确定样本图像的色调参数，并将待修饰图像的色调参数调整至与样本图像的色调参数相同。通过应用本申请的技术方案，可以首先识别用户本次拍摄的图像，并从样本图像数据库中找到与其最相似的样本图像，进而将本次拍摄的图像的色条调整至与样本图像相同。从而避免现有技术中，对于不同的拍摄场景以及不同的拍摄物体来说，利用相同的色调映射曲线对拍摄的图像进行色调映射，会导致存在出现图像修饰不匹配的问题。

Description

生成图像的方法、装置、电子设备及介质
技术领域
本申请中涉及处理图像的技术，尤其是一种生成图像的方法、装置、电子设备及介质。
背景技术
由于通信时代和社会的兴起，图像处理技术已经随着越来越多用户在浏览图像而不断发展。
进一步的，随着图像处理技术的快速发展，以及拍摄的图像数量越来越多，因此对拍摄的视频图像进行色调映射处理变得越来越必要。相关技术中，通常都是利用相同的色调映射曲线对拍摄的多张图像进行色调映射。
然而，对于不同的拍摄场景以及不同的拍摄物体来说，利用相同的色调映射曲线对拍摄的图像进行色调映射，会导致存在出现图像修饰不匹配的问题，从而影响用户体验。
发明内容
本申请实施例提供一种生成图像的方法、装置、电子设备及介质，本申请实施例用于解决相关技术中存在的对图像修饰不匹配的问题。
其中，根据本申请实施例的一个方面，提供的一种生成图像的方法，其特征在于，包括：
获取目标用户生成的待修饰图像，所述待修饰图像中包含至少一个待修饰物体；
基于所述待修饰物体，从预设的样本图像数据库中确定与所述待修饰图像的相似度超过第一预设阈值的样本图像；
确定所述样本图像的色调参数，并将所述待修饰图像的色调参数调整至与所述样本图像的色调参数相同。
可选地，在基于本申请上述方法的另一个实施例中，所述基于所述待修饰物体，从预设的样本图像数据库中确定与所述待修饰图像的相似度超过预设阈值的样本图像，包括：
利用图像检测模型，提取所述待修饰物体的特征参数；
基于所述待修饰物体的特征参数，确定所述样本图像数据库中，是否包含与所述待修饰物体的相似度超过第二预设阈值的样本物体；
将所述与所述待修饰物体的相似度超过第二预设阈值的样本物体所在的样本图像作为所述样本图像。
可选地，在基于本申请上述方法的另一个实施例中，在所述获取目标用户生成的待修饰图像之前，还包括：
建立色相环列集合，所述色相环列集合中包含第一数量个不同颜色的集合，其中每个颜色集合中标注有对应的色调参数范围。
可选地，在基于本申请上述方法的另一个实施例中，在所述建立色相环列集合之后，还包括：
获取第二数量的样本图像，所述样本图像中包含至少一个样本物体；
利用预设的色相环列集合，对每个所述样本图像中的样本物体标注对应的色调参数；
将包含标注有色调参数的样本图像存储至所述样本图像数据库。
可选地，在基于本申请上述方法的另一个实施例中，在所述将包含标注有色调参数的样本图像存储至所述样本图像数据库之后，还包括：
获取所述样本图像中样本物体的色调参数；
将所述待修饰图像中的待修饰物体对应的色调参数调整至与所述样本图像的色调参数相同。
可选地，在基于本申请上述方法的另一个实施例中，所述获取目标用户生成的待修饰图像，包括：
获取所述待修饰物体的物体类型；
基于所述待修饰物体的物体类型，确定对应的样本数据库；
基于所述待修饰物体，从所述对应的样本图像数据库中确定与所述待修饰图像的相似度超过所述第一预设阈值的样本图像。
可选地，在基于本申请上述方法的另一个实施例中，在所述将所述待修饰图像的色调参数调整至与所述样本图像的色调参数相同之后，还包括：
将所述调整至与所述样本图像的色调参数相同的待修饰图像存储到所述样本数据库中。
根据本申请实施例的另一个方面，提供的一种生成图像的装置，包括：
获取模块，被设置为获取目标用户生成的待修饰图像，所述待修饰图像中包含至少一个待修饰物体；
确定模块，被设置为基于所述待修饰物体，从预设的样本图像数据库中确定与所述待修饰图像的相似度超过第一预设阈值的样本图像；
调整模块，被设置为确定所述样本图像的色调参数，并将所述待修饰图像的色调参数调整至与所述样本图像的色调参数相同。
根据本申请实施例的又一个方面，提供的一种电子设备，包括：
存储器，用于存储可执行指令；以及
显示器，用于与所述存储器显示以执行所述可执行指令从而完成上述任一所述生成图像的方法的操作。
根据本申请实施例的还一个方面，提供的一种计算机可读存储介质，用于存储计算机可读取的指令，所述指令被执行时执行上述任一所述生成图像的方法的操作。
本申请中，在获取目标用户生成的待修饰图像，待修饰图像中包含至少一个待修饰物体；基于待修饰物体，从预设的样本图像数据库中确定与待修饰图像的相似度超过第一预设阈值的样本图像；确定样本图像的色调参数，并将待修饰图像的色调参数调整至与样本图像的色调参数相同。通过应用本申请的技术方案，可以首先识别用户本次拍摄的图像，并从样本图像数据库中找到与其最相似的样本图像，进而将本次拍摄的图像的色条调整至与样本图像相同。从而避免现有技术中，对于不同的拍摄场景以及不同的拍摄物体来说，利用相同的色调映射曲线对拍摄的图像进行色调映射，会导致存在出现图像修饰不匹配的问题。
下面通过附图和实施例，对本申请的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本申请的实施例，并且连同描述一起用于解释本申请的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本申请，其中：
图1为本申请提出的生成图像的系统架构示意图；
图2为本申请提出的一种生成图像的方法的示意图；
图3为本申请生成图像的装置的结构示意图；
图4为本申请显示电子设备结构示意图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
另外，本申请各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
需要说明的是，本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
下面结合图1-图2来描述根据本申请示例性实施方式的用于进行生成图像的方法。需要注意的是，下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。
图1示出了可以应用本申请实施例的视频处理方法或视频处理装置的示例性系统架构100的示意图。
如图1所示，系统架构100可以包括终端设备101、102、103中的一种或多种，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
应该理解，图1中的终端设备、网络和服务器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终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、便携式计算机和台式计算机等等。
本申请中的终端设备101、102、103可以为提供各种服务的终端设备。例如用户通过终端设备103(也可以是终端设备101或102)获取目标用户生成的待修饰图像，所述待修饰图像中包含至少一个待修饰物体；基于所述待修饰物体，从预设的样本图像数据库中确定与所述待修饰图像的相似度超过第一预设阈值的样本图像；确定所述样本图像的色调参数，并将所述待修饰图像的色调参数调整至与所述样本图像的色调参数相同。
在此需要说明的是，本申请实施例所提供的生成图像的方法可以由终端设备101、102、103中的一个或多个,和/或,服务器105执行，相应地，本申请实施例所提供的生成图像的装置一般设置于对应终端设备中,和/或，服务器105中，但本申请不限于此。
本申请还提出一种生成图像的方法、装置、目标终端及介质。
图2示意性地示出了根据本申请实施方式的一种生成图像的方法的流程示意图。如图2所示，该方法包括：
S101，获取目标用户生成的待修饰图像，待修饰图像中包含至少一个待修饰物体。
首先需要说明的是，本申请中不对获取待修饰图像的设备做具体限定，例如可以为智能设备，也可以为服务器。其中，智能设备可以是PC(Personal Computer，个人电脑)，也可以是智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts GroupAudioLayer III，动态影像专家压缩标准音频层面3)播放器、MP4(Moving PictureExpertsGroup Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、便携计算机等具有显示功能的可移动式终端设备等等。
同样的，本申请也不对待修饰物体做具体限定，例如可以为蓝牙，白云，街道，桌椅，楼房，人物动物等等。另外，待修饰物体的数量可以为一个，也可以为多个。
一种方式中，该待修饰图像可以为用户利用携带有摄像采集装置的移动终端拍摄的图像。
S102，基于待修饰物体，从预设的样本图像数据库中确定与待修饰图像的相似度超过第一预设阈值的样本图像。
进一步的，本申请在获取到包含一个或多个待修饰物体的图像之后，即可以利用该待修饰物体，从样本图像数据库中查找与其具有一定相似度的其他样本图像。可以理解的，该样本图像中应该也包含与对应的待修饰物体相同或相似的物体。
需要说明的是，该样本图像数据库中，即为存储了拍摄各种待修饰物体，且已经经过色彩修饰的样本图像。本申请可以利用该多个已经经过色彩修饰的样本图像，来从中针对性的选择与本次待修饰图像较为相似的样本图像作为色彩调整模板，这样可以提高待拍摄图像的修饰水平。提高用户观看体验。
具体的，本申请不对如何确定与待修饰图像的相似度超过第一预设阈值的样本图像的方式做具体限定。一种方式中，可以利用预设的神经网络图像检测模型来识别待修饰物体的特征参数，从而根据该特征参数与样本图像数据库中的各个样本图像对应的特征参数进行匹配，从而确二者的相似度。
其中，本申请不对预设的神经网络图像检测模型做具体限定。例如可以为卷积神经网络(Convolutional Neural Networks,CNN)。卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)，是深度学习的代表算法之一。卷积神经网络具有表征学习(representation learning)能力，能够按其阶层结构对输入信息进行平移不变分类。得益于CNN(卷积神经网络)对图像的强大特征表征能力，其在图像分类、目标检测、语义分割等领域都取得了令人瞩目的效果。
进一步的，本申请可以使用CNN神经网络模型来检测待修饰图像中待修饰物体的特征参数，进而对待修饰物体进行特征识别。其中，需要将该待修饰图像输入至预设的卷积神经网络模型中，并将卷积神经网络模型最后一层全连接层(FC，fully connected layer)的输出作为对该待修饰物体对应的特征数据的识别结果。
另外，本申请不对第一预设阈值做具体限定，例如可以为70％，也可以为80％等等。进一步的，本申请也不对与待修饰图像的相似度超过第一预设阈值的样本图像的数量做具体限定，例如可以为一个，也可以为多个。
S103，确定样本图像的色调参数，并将待修饰图像的色调参数调整至与样本图像的色调参数相同。
进一步的，本申请在确定与待修饰图像的相似度超过第一预设阈值的样本图像之后，即可以将本次获取的待修饰图像对应的色条调整至与样本图像相同。从而实现了针对待修饰图像的色彩修饰。
可以理解的，目前的智能相机在对用户拍摄的相片进行美化时，只能对一种设定的色调做一个优化，例如AI会自动根据街景的色调进行一个后期处理得出一个预设的街景照片，得出一种经过固定色调调整后的照片，并且这种照片已经进行过了后期修饰无法进行二次修饰，比如用户想拍出青橙色调的照片，但是相机拍出的却是高级灰色调的照片。所以对于一些用户而言，其拍摄的照片有一定的要求时候无法做到定制化色调处理。
为了解决上述存在的问题，本申请即可以利用存储了拍摄各种待修饰物体，且已经经过色彩修饰图像的样本图像数据库中，来从中针对性的选择与本次待修饰图像较为相似的样本图像作为色彩调整模板。以使后续将本次获取的待修饰图像的色彩参数调整至于该样本图像相同，这样可以提高待拍摄图像的修饰水平，提高用户观看体验。
本申请中，在获取目标用户生成的待修饰图像，待修饰图像中包含至少一个待修饰物体；基于待修饰物体，从预设的样本图像数据库中确定与待修饰图像的相似度超过第一预设阈值的样本图像；确定样本图像的色调参数，并将待修饰图像的色调参数调整至与样本图像的色调参数相同。通过应用本申请的技术方案，可以首先识别用户本次拍摄的图像，并从样本图像数据库中找到与其最相似的样本图像，进而将本次拍摄的图像的色条调整至与样本图像相同。从而避免现有技术中，对于不同的拍摄场景以及不同的拍摄物体来说，利用相同的色调映射曲线对拍摄的图像进行色调映射，会导致存在出现图像修饰不匹配的问题。
可选的，在本申请一种可能的实施方式中，在S102(基于待修饰物体，从预设的样本图像数据库中确定与待修饰图像的相似度超过预设阈值的样本图像)中，可以通过下述步骤实现：
利用图像检测模型，提取待修饰物体的特征参数；
基于待修饰物体的特征参数，确定样本图像数据库中，是否包含与待修饰物体的相似度超过第二预设阈值的样本物体；
将与待修饰物体的相似度超过第二预设阈值的样本物体所在的样本图像作为样本图像。
进一步的，本申请实施例中可以使用图像检测模型来提取待修饰物体的特征参数，进而对待修饰物体进行特征识别，以使后续从样本图像数据库中确定与其相似度超过第二阈值的样本物体。
具体的，需要将该待修饰图像输入至预设的卷积神经网络模型中，并将卷积神经网络模型最后一层全连接层(FC，fully connected layer)的输出作为对该待修饰物体对应的特征数据的识别结果。以使后续根据该识别结果与样本图像数据库中，样本图像包含的样本物体进行相似度比较。
其中，本申请同样不对第二预设阈值做限定，例如可以与第一预设阈值相同，也可以不相同。
一种方式中，本申请实施例可以基于对应于待修饰物体的颜色特征来确定样本图像数据库中，是否包含与其相似度超过阈值的样本物体。例如，当待修饰物体为由红色，蓝色以及黄色组成的衣柜时。本申请即可以提取该衣柜对应的色彩特征参数，以使后续从样本图像数据库中查找是否存在同样包含该三种颜色范围所组成的衣柜的样本图像。若找到，则将该样本图像中的衣柜确定为样本物体。
另外一种方式中，本申请实施例也可以基于对应于待修饰物体的轮廓特征来确定样本图像数据库中，是否包含与其相似的样本物体。例如，当待修饰物体为自行车时。本申请即可以提取该自行车对应的轮廓特征参数，以使后续从样本图像数据库中查找是否存在同样包含该轮廓特征所组成的自行车的样本图像。若找到，则将该样本图像中的自行车确定为样本物体。
再一种方式中，本申请实施例还可以基于对应于待修饰物体的数量特征以及轮廓特征来确定样本图像数据库中，是否包含与其相似的样本物体。例如，当待修饰物体为三个人体时。本申请即可以分别提取该三个人体各自对应的轮廓特征参数，从样本图像数据库中查找是否存在同样包含三个对应轮廓特征的人体所组成的样本图像。若找到，则将该样本图像中的三个人体确定为样本物体。
可选的，在本申请一种可能的实施方式中，在S101(获取目标用户生成的待修饰图像)之前，可以实施下述步骤：
建立色相环列集合，色相环列集合中包含第一数量个不同颜色的集合，其中每个颜色集合中标注有对应的色调参数范围。
首先，本申请实施例可以预先建立一个对照色彩标准的色相环列集合。其中，该集合可以包括第一数量个不同颜色的集合。进一步的，本申请对第一数量不做具体限定，一种方式中，该色相环列集合可以包含所有的颜色集合。另外，该集合中还标注有对应每个颜色集合对应的RGB范围。
例如对于蓝色色彩来说，其RGB分别为222,131,111到214，119,79之间。并且还可以针对蓝色来说分为若干个区间，例如分成10个区间，在其R的范围为(222-214)G的范围为(131-119)B的范围为(111-79)颜色。
获取第二数量的样本图像，样本图像中包含至少一个样本物体；
利用预设的色相环列集合，对每个样本图像中的样本物体标注对应的色调参数；
将包含标注有色调参数的样本图像存储至样本图像数据库。
进一步的，本申请还可以在建立色相环列集合之后，再次获取多个拍摄有不同物体的样本图像，并将该多张样本图像进行色调标注后，再将该多张经过色调标注后的样本图像存储到样本图像数据库中。以使后续可以根据该样本图像数据库对待修饰图像进行色彩修饰。
一种方式中，本申请不对第一数量以及第二数量做具体限定，例如可以相同，也可以不相同。
在将包含标注有色调参数的样本图像存储至样本图像数据库之后，还包括：
获取样本图像中样本物体的色调参数；
将待修饰图像中的待修饰物体对应的色调参数调整至与样本图像的色调参数相同。
可选的，在本申请一种可能的实施方式中，在S101(获取目标用户生成的待修饰图像)之后，可以实施下述步骤：
获取待修饰物体的物体类型；
基于待修饰物体的物体类型，确定对应的样本数据库；
基于待修饰物体，从对应的样本图像数据库中确定与待修饰图像的相似度超过第一预设阈值的样本图像。
其中，本申请中可以包含有多个对应不同物体的样本数据库。例如可以包括人体样本图像数据库、车辆样本图像数据库、自然样本图像数据库、街道样本图像数据库等等。因此，在基于待修饰物体，从预设的样本图像数据库中确定与待修饰图像的相似度超过第一预设阈值的样本图像的过程中，可以针对性的根据待修饰物体的物体类型，确定对应的样本数据库。
例如当获取到的待修饰图像包含人体时，则可以从包含人体图像的样本数据库中进行匹配。而获取到的待修饰图像包含及街景时，则可以从包含街景的样本数据库中进行匹配。
进一步的，本申请不对如何确定样本图像数据库中是否存在与待修饰图像的相似度超过第一预设阈值的样本图像的方式进行具体限定。
例如，一种方式中，可以根据待修饰图像的光亮度参数，从样本图像数据库中确定是否与该光亮度参数相同或相似的图像作为样本图像。又或，也可以根据待修饰图像的色彩参数，从样本图像数据库中确定是否与该色彩参数相同或相似的图像作为样本图像。再或，还可以根据拍摄该待修饰图像的用户属性信息，从样本图像数据库中确定是否包含同一用户拍摄的其他图像图像作为样本图像等等。
另外一种方式中，也可以根据预设的神经网络模型来提取待修饰图像的颜色特征参数、数量特征参数、轮廓特征参数中的一种或多种，以使后续从样本图像数据库中查找是否存在同样包含该对应颜色特征参数、数量特征参数、轮廓特征参数所组成物体的样本图像。若找到，则将该图像作为样本图像。
可选的，在本申请一种可能的实施方式中，在S103(将待修饰图像的色调参数调整至与样本图像的色调参数相同)之后，可以实施下述步骤：
将调整至与样本图像的色调参数相同的待修饰图像存储到样本数据库中。
进一步的，本申请实施例在在将待修饰图像的色调参数调整至与样本图像的色调参数相同之后，还可以将其存储到样本数据库中，从而实现增大数据库的样本数量。
如图3所示，本申请还提供一种生成图像的装置。其中包括获取模块301，确定模块302，调整模块303，其中，
获取模块301，被设置为获取目标用户生成的待修饰图像，所述待修饰图像中包含至少一个待修饰物体；
确定模块302，被设置为基于所述待修饰物体，从预设的样本图像数据库中确定与所述待修饰图像的相似度超过第一预设阈值的样本图像；
调整模块303，被设置为确定所述样本图像的色调参数，并将所述待修饰图像的色调参数调整至与所述样本图像的色调参数相同。
本申请中，在获取目标用户生成的待修饰图像，待修饰图像中包含至少一个待修饰物体；基于待修饰物体，从预设的样本图像数据库中确定与待修饰图像的相似度超过第一预设阈值的样本图像；确定样本图像的色调参数，并将待修饰图像的色调参数调整至与样本图像的色调参数相同。通过应用本申请的技术方案，可以首先识别用户本次拍摄的图像，并从样本图像数据库中找到与其最相似的样本图像，进而将本次拍摄的图像的色条调整至与样本图像相同。从而避免现有技术中，对于不同的拍摄场景以及不同的拍摄物体来说，利用相同的色调映射曲线对拍摄的图像进行色调映射，会导致存在出现图像修饰不匹配的问题。
在本申请的另一种实施方式中，获取模块301，还包括：
获取模块301，被配置为利用图像检测模型，提取所述待修饰物体的特征参数；
获取模块301，被配置为基于所述待修饰物体的特征参数，确定所述样本图像数据库中，是否包含与所述待修饰物体的相似度超过第二预设阈值的样本物体；
获取模块301，被配置为将所述与所述待修饰物体的相似度超过第二预设阈值的样本物体所在的样本图像作为所述样本图像。
在本申请的另一种实施方式中，获取模块301，还包括：
获取模块301，被配置为建立色相环列集合，所述色相环列集合中包含第一数量个不同颜色的集合，其中每个颜色集合中标注有对应的色调参数范围。
在本申请的另一种实施方式中，获取模块301，还包括：
获取模块301，被配置为获取第二数量的样本图像，所述样本图像中包含至少一个样本物体；
获取模块301，被配置为利用预设的色相环列集合，对每个所述样本图像中的样本物体标注对应的色调参数；
获取模块301，被配置为将包含标注有色调参数的样本图像存储至所述样本图像数据库。
在本申请的另一种实施方式中，确定模块302，还包括：
确定模块302，被配置为获取所述样本图像中样本物体的色调参数；
确定模块302，被配置为将所述待修饰图像中的待修饰物体对应的色调参数调整至与所述样本图像的色调参数相同。
在本申请的另一种实施方式中，确定模块302，还包括：
确定模块302，被配置为获取所述待修饰物体的物体类型；
确定模块302，被配置为基于所述待修饰物体的物体类型，确定对应的样本数据库；
确定模块302，被配置为基于所述待修饰物体，从所述对应的样本图像数据库中确定与所述待修饰图像的相似度超过所述第一预设阈值的样本图像。
在本申请的另一种实施方式中，确定模块302，还包括：
确定模块302，被配置为将所述调整至与所述样本图像的色调参数相同的待修饰图像存储到所述样本数据库中。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由电子设备400的处理器420执行以完成上述生成图像的方法，该方法包括：获取目标用户生成的待修饰图像，所述待修饰图像中包含至少一个待修饰物体；基于待修饰物体，从预设的样本图像数据库中确定与待修饰图像的相似度超第一预设阈值的样本图像；确定样本图像的色调参数，并将待修饰图像的色调参数调整至与样本图像的色调参数相同。可选地，上述指令还可以由电子设备400的处理器420执行以完成上述示例性实施例中所涉及的其他步骤。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种应用程序/计算机程序产品，包括一条或多条指令，该一条或多条指令可以由电子设备400的处理器420执行，以完成上述生成图像的方法，该方法包括：获取目标用户生成的待修饰图像，待修饰图像中包含至少一个待修饰物体；基于待修饰物体，从预设的样本图像数据库中确定与待修饰图像的相似度超第一预设阈值的样本图像；确定样本图像的色调参数，并将待修饰图像的色调参数调整至与样本图像的色调参数相同。可选地，上述指令还可以由电子设备400的处理器420执行以完成上述示例性实施例中所涉及的其他步骤。
图4为计算机设备30的示例图。本领域技术人员可以理解，所述示意图4仅仅是计算机设备30的示例，并不构成对计算机设备30的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机设备30还可以包括输入输出设备、网络接入设备、总线等。
所称处理器302可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器302也可以是任何常规的处理器等，所述处理器302是所述计算机设备30的控制中心，利用各种接口和线路连接整个计算机设备30的各个部分。
所述存储器301可用于存储所述计算机可读指令303，所述处理器302通过运行或执行存储在所述存储器301内的计算机可读指令或模块，以及调用存储在存储器301内的数据，实现所述计算机设备30的各种功能。所述存储器301可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备30的使用所创建的数据等。此外，存储器301可以包括硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)或其他非易失性/易失性存储器件。
所述计算机设备30集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (10)

1.一种生成图像的方法，其特征在于，包括：
获取目标用户生成的待修饰图像，所述待修饰图像中包含至少一个待修饰物体；
基于所述待修饰物体，从预设的样本图像数据库中确定与所述待修饰图像的相似度超过第一预设阈值的样本图像；
确定所述样本图像的色调参数，并将所述待修饰图像的色调参数调整至与所述样本图像的色调参数相同。
2.如权利要求1所述的方法，其特征在于，所述基于所述待修饰物体，从预设的样本图像数据库中确定与所述待修饰图像的相似度超过预设阈值的样本图像，包括：
利用图像检测模型，提取所述待修饰物体的特征参数；
基于所述待修饰物体的特征参数，确定所述样本图像数据库中，是否包含与所述待修饰物体的相似度超过第二预设阈值的样本物体；
将所述与所述待修饰物体的相似度超过第二预设阈值的样本物体所在的样本图像作为所述样本图像。
3.如权利要求1或2所述的方法，其特征在于，在所述获取目标用户生成的待修饰图像之前，还包括：
建立色相环列集合，所述色相环列集合中包含第一数量个不同颜色的集合，其中每个颜色集合中标注有对应的色调参数范围。
4.如权利要求3所述的方法，其特征在于，在所述建立色相环列集合之后，还包括：
获取第二数量的样本图像，所述样本图像中包含至少一个样本物体；
利用预设的色相环列集合，对每个所述样本图像中的样本物体标注对应的色调参数；
将包含标注有色调参数的样本图像存储至所述样本图像数据库。
5.如权利要求4所述的方法，其特征在于，在所述将包含标注有色调参数的样本图像存储至所述样本图像数据库之后，还包括：
获取所述样本图像中样本物体的色调参数；
将所述待修饰图像中的待修饰物体对应的色调参数调整至与所述样本图像的色调参数相同。
6.如权利要求1所述的方法，其特征在于，所述获取目标用户生成的待修饰图像，包括：
获取所述待修饰物体的物体类型；
基于所述待修饰物体的物体类型，确定对应的样本数据库；
基于所述待修饰物体，从所述对应的样本图像数据库中确定与所述待修饰图像的相似度超过所述第一预设阈值的样本图像。
7.如权利要求1所述的方法，其特征在于，在所述将所述待修饰图像的色调参数调整至与所述样本图像的色调参数相同之后，还包括：
将所述调整至与所述样本图像的色调参数相同的待修饰图像存储到所述样本数据库中。
8.一种生成图像的装置，其特征在于，包括：
获取模块，被设置为获取目标用户生成的待修饰图像，所述待修饰图像中包含至少一个待修饰物体；
确定模块，被设置为基于所述待修饰物体，从预设的样本图像数据库中确定与所述待修饰图像的相似度超过第一预设阈值的样本图像；
调整模块，被设置为确定所述样本图像的色调参数，并将所述待修饰图像的色调参数调整至与所述样本图像的色调参数相同。
9.一种电子设备，其特征在于，包括：
存储器，用于存储可执行指令；以及，
处理器，用于与所述存储器显示以执行所述可执行指令从而完成权利要求1-7中任一所述生成图像的方法的操作。
10.一种计算机可读存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行权利要求1-7中任一所述生成图像的方法的操作。
CN202011078062.6A 2020-10-10 2020-10-10 生成图像的方法、装置、电子设备及介质 Pending CN112200844A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011078062.6A CN112200844A (zh) 2020-10-10 2020-10-10 生成图像的方法、装置、电子设备及介质
PCT/CN2021/122885 WO2022073516A1 (zh) 2020-10-10 2021-10-09 生成图像的方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011078062.6A CN112200844A (zh) 2020-10-10 2020-10-10 生成图像的方法、装置、电子设备及介质

Publications (1)

Publication Number Publication Date
CN112200844A true CN112200844A (zh) 2021-01-08

Family

ID=74014238

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011078062.6A Pending CN112200844A (zh) 2020-10-10 2020-10-10 生成图像的方法、装置、电子设备及介质

Country Status (2)

Country Link
CN (1) CN112200844A (zh)
WO (1) WO2022073516A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022073516A1 (zh) * 2020-10-10 2022-04-14 深圳壹账通智能科技有限公司 生成图像的方法、装置、电子设备及介质
CN114463217A (zh) * 2022-02-08 2022-05-10 口碑(上海)信息技术有限公司 一种图像处理方法以及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115835448B (zh) * 2022-12-28 2024-03-19 无锡车联天下信息技术有限公司 一种调节灯光的方法、装置、内窥镜设备及介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5655334B2 (ja) * 2010-03-19 2015-01-21 ソニー株式会社 画像処理装置および方法、並びにプログラム
CN107995422B (zh) * 2017-11-30 2020-01-10 Oppo广东移动通信有限公司 图像拍摄方法和装置、计算机设备、计算机可读存储介质
CN110445986B (zh) * 2019-07-30 2021-03-23 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN110765525B (zh) * 2019-10-18 2023-11-10 Oppo广东移动通信有限公司 生成场景图片的方法、装置、电子设备及介质
CN112200844A (zh) * 2020-10-10 2021-01-08 深圳壹账通智能科技有限公司 生成图像的方法、装置、电子设备及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022073516A1 (zh) * 2020-10-10 2022-04-14 深圳壹账通智能科技有限公司 生成图像的方法、装置、电子设备及介质
CN114463217A (zh) * 2022-02-08 2022-05-10 口碑(上海)信息技术有限公司 一种图像处理方法以及装置

Also Published As

Publication number Publication date
WO2022073516A1 (zh) 2022-04-14

Similar Documents

Publication Publication Date Title
CN109359592B (zh) 视频帧的处理方法、装置、电子设备及存储介质
CN107993191B (zh) 一种图像处理方法和装置
US10831819B2 (en) Hue-based color naming for an image
US9741137B2 (en) Image-based color palette generation
US9396560B2 (en) Image-based color palette generation
US9552656B2 (en) Image-based color palette generation
US9311889B1 (en) Image-based color palette generation
US9633448B1 (en) Hue-based color naming for an image
CN112200844A (zh) 生成图像的方法、装置、电子设备及介质
CN107820020A (zh) 拍摄参数的调整方法、装置、存储介质及移动终端
TWI781554B (zh) 物品名稱確定方法、裝置、電腦設備及儲存媒體
CN112215171B (zh) 目标检测方法、装置、设备及计算机可读存储介质
CN108898082B (zh) 图片处理方法、图片处理装置及终端设备
CN109271552B (zh) 通过图片检索视频的方法、装置、电子设备及存储介质
US10134149B2 (en) Image processing
CN111209970A (zh) 视频分类方法、装置、存储介质及服务器
CN105117399B (zh) 一种图像搜索方法和装置
CN111739027A (zh) 一种图像处理方法、装置、设备及可读存储介质
CN106649629A (zh) 一种关联书本与电子资源的系统
WO2023197648A1 (zh) 截图处理方法及装置、电子设备和计算机可读介质
CN109961403B (zh) 照片的调整方法、装置、存储介质及电子设备
CN112614110A (zh) 评估图像质量的方法、装置及终端设备
Mohseni et al. Recognizing induced emotions with only one feature: A novel color histogram-based system
CN106791091B (zh) 图像生成方法、装置和移动终端
CN114091551A (zh) 色情图像识别方法、装置、电子设备及存储介质

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