CN112634397A - 数据处理方法、装置、计算机设备和计算机可读存储介质 - Google Patents
数据处理方法、装置、计算机设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112634397A CN112634397A CN201910907281.1A CN201910907281A CN112634397A CN 112634397 A CN112634397 A CN 112634397A CN 201910907281 A CN201910907281 A CN 201910907281A CN 112634397 A CN112634397 A CN 112634397A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- boundary information
- effective area
- contour
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 78
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 230000000007 visual effect Effects 0.000 claims abstract description 228
- 238000000034 method Methods 0.000 claims abstract description 103
- 238000013461 design Methods 0.000 claims abstract description 39
- 238000013145 classification model Methods 0.000 claims description 58
- 238000003708 edge detection Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 abstract description 39
- 230000002829 reductive effect Effects 0.000 abstract description 11
- 238000013079 data visualisation Methods 0.000 abstract description 10
- 239000002699 waste material Substances 0.000 abstract description 10
- 239000011159 matrix material Substances 0.000 description 35
- 238000010586 diagram Methods 0.000 description 22
- 238000012549 training Methods 0.000 description 18
- XUMBMVFBXHLACL-UHFFFAOYSA-N Melanin Chemical compound O=C1C(=O)C(C2=CNC3=C(C(C(=O)C4=C32)=O)C)=C2C4=CNC2=C1C XUMBMVFBXHLACL-UHFFFAOYSA-N 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 230000003993 interaction Effects 0.000 description 11
- 238000011161 development Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000000049 pigment Substances 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 238000005554 pickling Methods 0.000 description 2
- 238000009938 salting Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006740 morphological transformation Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种数据处理方法、装置、计算机设备和计算机可读存储介质，属于数据可视化领域。所述方法包括：通过计算机设备向服务器发送第一图像，服务器对该第一图像进行识别得到第一图像中模块的边界信息，该边界信息包括模块的位置，服务器对模块中的可视组件进行识别，得到可视组件的类别，将该模块的边界信息和可视组件的类别发送至计算机设备，上述过程可以直接对包含设计稿的图像进行识别，从而得到图像中的模块划分和模块中的可视组件类别，自动基于其识别结果进行屏幕布局的生成，无需用户的手动操作，从而减少了时间成本的浪费。
Description
技术领域
本公开涉及数据可视化领域，特别涉及一种数据处理方法、装置、计算机设备和计算机可读存储介质。
背景技术
随着大数据产业的蓬勃发展，越来越多的企业开始意识到数据管理和运用的重要性，特别是利用数据可视化技术对数据进行展示。数据可视化(Data Visualization)是对数据库中数据的可视化，是可视化技术在非空间数据领域的应用，通过图形或图像，以更直观的方式展示数据及其结构关系。其基本思想是将数据库中单个数据项作为单个图元，由大量的数据集构成数据图像，同时将数据的各个属性值以多维度表示，对数据进行更深入的观察和分析。通过数据可视化，多维度数据的理解过程就转变为看颜色、辨长短、分高低的简单过程，大大缩短了理解数据所需的时间，因此，越来越多的企业开始运用数据可视化技术对各类运营数据进行展示、监控和分析。
目前，数据可视化技术在使用过程中，首先由用户在纸上进行设计图的绘制，以得到手绘设计图，该手绘设计图中可以包括多个可视组件，进而在数据可视化系统中创建一个画布，并按照手绘设计图中设计好的可视组件，从该数据可视化系统预置的可视组件库中，采用手动拖拽的方式将相应可视组件移动至画布。当确定所生成的组件布局符合设计要求，则按照该组件布局进行数据展示。
上述数据处理过程中，整个组件布局是采用手动拖拽的方式完成，该过程操作步骤繁琐，容易造成时间成本的浪费。
发明内容
本公开实施例提供了一种数据处理方法、装置、计算机设备和计算机可读存储介质。能够解决相关技术中操作步骤繁琐，容易造成时间成本的浪费的技术问题，所述技术方案如下：
第一方面，提供了一种数据处理方法，所述方法包括：
获取第一图像，所述第一图像为屏幕设计图的图像；
对所述第一图像进行识别，得到模块的边界信息，所述模块包括至少一个可视组件，所述边界信息包括模块位置；
对所述模块中的可视组件进行识别，得到所述可视组件的类别；
在画布中所述模块的边界信息对应的位置上，根据所述模块中所述可视组件的类别，创建所述可视组件，得到目标屏幕的画面布局。
在上述实现过程中，由计算机设备向服务器发送第一图像，服务器对该第一图像进行识别得到第一图像中模块的边界信息，该边界信息包括模块的位置，服务器对模块中的可视组件进行识别，得到可视组件的类别，将该模块的边界信息和可视组件的类别发送至计算机设备，上述过程可以直接对包含设计稿的图像进行识别，从而得到图像中的模块划分和模块中的可视组件类别，自动基于其识别结果进行屏幕布局的生成，无需用户的手动操作，从而减少了时间成本的浪费。
在第一方面的第一种可能实现方式中，所述对所述第一图像进行识别，得到模块的边界信息，包括：
对所述第一图像进行二值化处理，得到二值图像；
对所述二值图像中的黑色像素点进行膨胀操作；
提取膨胀操作后的二值图像中的黑色轮廓，将符合预设轮廓条件的黑色轮廓在所述第一图像中的位置，作为所述模块的边界信息。
本公开实施例提供的一种第一图像中模块的识别方法，以得到模块的边界信息，有利于后续根据模块的边界信息在画布上的位置自动生成模块中的可视组件，从而得到目标屏幕的画面布局。
在第一方面的第二种可能实现方式中，所述符合预设轮廓条件的黑色轮廓是指：所述黑色轮廓的面积符合预设面积条件、所述黑色轮廓为多个嵌套轮廓中的最外层轮廓、所述黑色轮廓形状为四边形。
通过对黑色轮廓的限定，保证提取出的黑色轮廓是符合预设轮廓条件的黑色轮廓，以减少黑色轮廓提取过程中时间成本的浪费。
在第一方面的第三种可能实现方式中，所述将符合预设轮廓条件的黑色轮廓在所述第一图像中的位置，作为所述模块的边界信息之前，所述方法还包括:
对所述模块进行规范化，得到规范化后的模块的边界信息；
所述将所述模块的边界信息和所述可视组件的类别发送至所述计算机设备包括：
将所述规范化后的模块的边界信息和所述可视组件的类别发送至所述计算机设备。
通过对第一图像中模块的规范化处理，得到更加准确的模块的边界信息，从而节省了对模块处理的时间，加快画面布局的生成。
在第一方面的第四种可能实现方式中，所述对所述模块进行规范化包括下述至少一项：
将所述模块的边界调整为正四边形；
将所述模块的边界进行拉伸，拉伸后的所述模块充满所述画布；
当任两个模块之间存在覆盖区域时，消除所述任两个模块之间的覆盖。
通过对模块进行规范化调整，使得模块为正四边形、充满整个画布且模块之间没有相互覆盖，使得后续模块中的可视组件在画布上的显示效果更好，从而得到效果更好的目标屏幕的画面布局。
在第一方面的第五种可能实现方式中，所述对所述模块中的可视组件进行识别，得到所述可视组件的类别包括：
将所述第一图像中所述模块对应的图像块输入可视组件分类模型，通过所述可视组件分类模型对图像块进行识别，得到所述模块中可视组件的类别。
通过可视组件分类模型对第一图像中模块对应的图像块的识别，得到模块中可视组件的类别，保证后续画面布局中显示的可视组件是正确的，减少画面布局生成过程中时间成本的浪费。
在第一方面的第六种可能实现方式中，所述通过所述可视组件分类模型对图像块进行识别，得到所述模块中可视组件的类别之后，所述方法还包括：
当接收到对所述模块中可视组件的类别的反馈结果时，向服务器发送所述反馈结果。
服务器基于该可视组件的类别的反馈结果对可视组件分类模型进行更新，以提高可视组件分类模型对可视组件分类的准确性。
在第一方面的第七种可能实现方式中，所述对所述第一图像进行识别，得到模块的边界信息，包括：
基于所述第一图像的有效区域，得到第二图像，所述第二图像包括所述有效区域内的图像内容；
对所述第二图像进行识别，得到模块的边界信息，所述边界信息包括模块位置。
当该第一图像为包含有效区域以外的图像时，需对该第一图像的有效区域进行识别，以得到第二图像，以提高图像中模块的识别精度。
在第一方面的第八种可能实现方式中，所述基于所述第一图像的有效区域，得到第二图像之前,所述方法还包括以下任一项：
基于白色像素点对应的像素值范围，在所述第一图像中确定目标轮廓，所述目标轮廓是所述第一图像的由白色像素点组成的轮廓中的最大轮廓，将所述目标轮廓内的区域作为有效区域；
对所述第一图像进行边缘检测，得到至少一个区域，将所述至少一个区域中区域形状符合目标条件的区域作为所述有效区域；
对所述第一图像进行二值化处理，得到包括至少一个白色区域，将所述至少一个白色区域中区域形状符合目标条件的白色区域作为所述有效区域。
基于上述三种有效区域的识别方法，可以实现对包含有效区域以外的图像的有效区域的识别过程，进而对有效区域内的模块进行识别，得到更加准确的模块的边界信息。
在第一方面的第九种可能实现方式中，所述基于所述第一图像的有效区域，得到第二图像，包括以下任一项：
对所述第一图像的有效区域进行剪裁，得到所述第二图像；
对所述第一图像的有效区域进行剪裁，得到有效区域图像，对所述有效区域图像进行拉伸处理，得到第二图像。
通过对第一图像的有效区域的处理，得到第二图像，以减少第一图像中有效区域以外的图像内容对后续图像处理的干扰。
第二方面，提供了一种数据处理方法，所述方法包括：
接收计算机设备发送的第一图像，所述第一图像为屏幕设计图的图像；
对所述第一图像进行识别，得到模块的边界信息，所述模块包括至少一个可视组件，所述边界信息包括模块位置；
对所述模块中的可视组件进行识别，得到所述可视组件的类别；
将所述模块的边界信息和所述可视组件的类别发送至所述计算机设备。
由计算机设备获取第一图像，对该第一图像进行识别，得到模块的边界信息，对模块中的可视组件进行识别，得到可视组件的类别，在画布中模块的边界信息对应的位置上，根据模块中可视组件的类别，创建可视组件，从而得到目标屏幕的画面布局。上述过程可以直接对包含设计稿的图像进行识别，从而得到图像中的模块划分和模块中可视组件的类别，自动基于其识别结果进行屏幕布局的生成，无需用户的手动操作，从而减少了时间成本的浪费。
在第二方面的第一种可能实现方式中，所述对所述第一图像进行识别，得到模块的边界信息，包括：
对所述第一图像进行二值化处理，得到二值图像；
对所述二值图像中的黑色像素点进行膨胀操作；
提取膨胀操作后的二值图像中的黑色轮廓，将符合预设轮廓条件的黑色轮廓在所述第一图像中的位置，作为所述模块的边界信息。
本公开实施例提供的一种第一图像中模块的识别方法，以得到模块的边界信息，有利于后续根据模块的边界信息在画布上的位置自动生成模块中的可视组件，从而得到目标屏幕的画面布局。
在第二方面的第二种可能实现方式中，所述符合预设轮廓条件的黑色轮廓是指：所述黑色轮廓的面积符合预设面积条件、所述黑色轮廓为多个嵌套轮廓中的最外层轮廓、所述黑色轮廓形状为四边形。
通过对黑色轮廓的限定，保证提取出的黑色轮廓是符合预设轮廓条件的黑色轮廓，以减少黑色轮廓提取过程中时间成本的浪费。
在第二方面的第三种可能实现方式中，所述将符合预设轮廓条件的黑色轮廓在所述第一图像中的位置，作为所述模块的边界信息之前，所述方法还包括：
对所述模块进行规范化，得到规范化后的模块的边界信息；
所述将所述模块的边界信息和所述可视组件的类别发送至所述计算机设备包括：
将所述规范化后的模块的边界信息和所述可视组件的类别发送至所述计算机设备。
通过对第一图像中模块的规范化处理，得到更加准确的模块的边界信息，从而节省了对模块处理的时间，加快画面布局的生成。
在第二方面的第四种可能实现方式中，所述对所述模块进行规范化包括下述至少一项：
将所述模块的边界调整为正四边形；
将所述模块的边界进行拉伸，拉伸后的所述模块充满所述画布；
当任两个模块之间存在覆盖区域时，消除所述任两个模块之间的覆盖。
通过对模块进行规范化调整，使得后续模块中的可视组件在画布上的显示效果更好，从而得到效果更好的目标屏幕的画面布局。
在第二方面的第五种可能实现方式中，所述对所述模块中的可视组件进行识别，得到所述可视组件的类别包括：
将所述第一图像中所述模块对应的图像块输入可视组件分类模型，通过所述可视组件分类模型对图像块进行识别，得到所述模块中可视组件的类别。
通过可视组件分类模型对第一图像中模块对应的图像块的识别，得到模块中可视组件的类别，保证后续画面布局中显示的可视组件的类别是正确的。
在第二方面的第六种可能实现方式中，所述通过所述可视组件分类模型对图像块进行识别，得到所述模块中可视组件的类别之后，所述方法还包括：
接收所述计算机设备对所述模块中可视组件的类别的反馈结果，根据所述反馈结果对所述可视组件分类模型进行更新。
当接收到对所述模块中可视组件的类别的反馈结果时，向服务器发送所述反馈结果。
服务器基于该可视组件的类别的反馈结果对可视组件分类模型进行更新，以提高可视组件分类模型对可视组件分类的准确性。
在第二方面的第七种可能实现方式中，所述对所述第一图像进行识别，得到模块的边界信息，包括：
基于所述第一图像的有效区域，得到第二图像，所述第二图像包括所述有效区域内的图像内容；
对所述第二图像进行识别，得到模块的边界信息，所述边界信息包括模块位置。
当该第一图像为包含有效区域以外的图像时，需对该第一图像的有效区域进行识别，以得到第二图像，以提高图像中模块的识别精度。
在第二方面的第八种可能实现方式中，所述基于所述第一图像的有效区域，得到第二图像之前,所述方法还包括以下任一项：
基于白色像素点对应的像素值范围，在所述第一图像中确定目标轮廓，所述目标轮廓是所述第一图像的由白色像素点组成的轮廓中的最大轮廓，将所述目标轮廓内的区域作为有效区域；
对所述第一图像进行边缘检测，得到至少一个区域，将所述至少一个区域中区域形状符合目标条件的区域作为所述有效区域；
对所述第一图像进行二值化处理，得到包括至少一个白色区域，将所述至少一个白色区域中区域形状符合目标条件的白色区域作为所述有效区域。
基于上述三种有效区域的识别方法，可以实现所有包含有效区域以外的图像的有效区域的识别过程，进而对有效区域内的模块进行识别，得到更加准确的模块的边界信息。
在第二方面的第九种可能实现方式中，所述基于所述第一图像的有效区域，得到第二图像，包括以下任一项：
对所述第一图像的有效区域进行剪裁，得到所述第二图像；
对所述第一图像的有效区域进行剪裁，得到有效区域图像，对所述有效区域图像进行拉伸处理，得到第二图像。
通过对第一图像的有效区域的处理，得到第二图像，以减少第一图像中有效区域以外的图像内容对后续图像处理的干扰。
第三方面，提供了一种数据处理装置，用于执行上述数据处理方法。具体地，该数据处理装置包括用于执行上述第一方面或上述第一方面的任一种可选方式提供的数据处理方法的功能模块。
第四方面，提供了一种数据处理装置，用于执行上述数据处理方法。具体地，该数据处理装置包括用于执行上述第二方面或上述第二方面的任一种可选方式提供的数据处理方法的功能模块。
第五方面，提供一种计算机设备，该计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条指令，所述指令由所述一个或多个处理器加载并执行以实现上述数据处理方法所执行的操作。
第六方面，提供一种计算机可读存储介质，该存储介质中存储有至少一条指令，该指令由处理器加载并执行以实现如上述数据处理方法所执行的操作。
附图说明
图1是本公开实施例提供的一种数据处理方法的具体实施环境示意图；
图2是根据一示例性实施例示出的一种计算机设备200的框图；
图3是根据一示例性实施例示出的一种系统架构图；
图4是根据一示例性实施例示出的一种数据处理方法的整体流程图；
图5为根据一示例性实施例示出的一种数据处理方法的交互流程图；
图6是根据一示例性实施例示出的一种数据处理方法的数据流示意图；
图7是根据一示例性实施例示出的原第一图像和第二图像的对比图；
图8是根据一示例性实施例示出的模块边界调整的示意图；
图9是根据一示例性实施例示出的模块边界拉伸的示意图；
图10是根据一示例性实施例示出的模块覆盖示意图；
图11是本公开实施例提供的可视组件分类模型的训练过程可视组件类别的识别过程；
图12是本公开实施例提供的绘制的可视组件的部分样例；
图13是本公开实施例提供的可视组件的反馈示意图；
图14是本公开实施例提供的基于一张屏幕设计图生成屏幕画面布局的对比图；
图15是根据一示例性实施例示出的一种数据处理方法的交互流程图；
图16是本公开实施例提供的一种数据处理装置图；
图17是本公开实施例提供的一种数据处理装置图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
图1是本公开实施例提供的一种数据处理方法的具体实施环境示意图，参见图1，该数据处理方法的具体实施环境包括：服务器集群101和多个计算机设备102。
服务器集群101，该服务器集群可以包括一台服务器、多台服务器、云计算平台和虚拟化中心中的至少一种。服务器集群101用于为支持数据处理的应用程序提供后台服务。例如，服务器集群101可以用于提供数据处理过程中对图像中模块的位置和类别的识别功能中至少一项，并将识别结果发送给计算机设备102，以便计算机设备102基于该识别结果进行展示。
在一种可能实现方式中，该位置和/或类别识别功能可以由训练得到的识别模型来进行，而相应地，该服务器集群101可以包括用于进行识别的服务器1011以及用于进行模型训练的服务器1012，当然，该两种服务器还可以在同一组硬件上实现，本公开实施例对此不做限定。
计算机设备102，通过无线网络或有线网络与服务器集群101相连。计算机设备102可以是智能手机、台式计算机、平板电脑和膝上型便携计算机中的至少一种。计算机设备102可以作为图像提供者，用户可以在计算机设备102上进行图像的导入，再将图像发送至服务器集群101进行识别，再基于服务器集群101所返回的识别结果进行展示。当然，该计算机设备102还可以独立作为图像提供者与图像识别者，也即是，用户可以在计算机设备102上进行图像的导入，再由计算机设备102对图像进行识别，再基于识别结果进行展示，而无需与服务器集群101进行实时的交互。服务器集群101可以作为识别时所使用模型的提供者，计算机设备102可以在任一时机下载服务器集群101所提供的识别模型，从而基于该识别模型来实现上述图像识别，最终进行基于识别结果的展示。
计算机设备102可以泛指多个计算机设备中的一个，本实施例仅以计算机设备102来举例说明。本领域技术人员可以知晓，上述计算机设备的数量可以更多或更少。本公开实施例对计算机设备的数量和设备类型不加以限定。
图2是根据一示例性实施例示出的一种计算机设备200的框图。例如，计算机设备200可以被提供为用户侧设备或服务器。参照图2，计算机设备200包括处理组件201，其进一步包括一个或多个处理器，以及由存储器202所代表的存储器资源，用于存储可由处理组件201执行的程序代码，例如应用程序。存储器202中存储的应用程序可以包括一个或一个以上的每一个对应于一组程序代码的模块。此外，处理组件202被配置为执行程序代码，以执行上述数据处理方法。
计算机设备200还可以包括一个电源组件203被配置为执行计算机设备200的电源管理，一个有线或无线网络接口204被配置为将计算机设备200连接到网络，和一个输入输出(I/O)接口205。计算机设备200可以操作基于存储在存储器202的操作系统，例如WindowsServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
下面，基于上述计算机设备200的结构示意，结合图3所示的用于实现数据处理的整体系统的逻辑架构，对公开实施例中所涉及到的各个功能进行简要介绍。参见图3，该系统架构可以分为数据层、计算服务层、业务层和交互层，其中，数据层用于提供数据处理所需的各项数据，这些数据可以存储于如图2所示的存储器202中，计算服务层用于提供模型训练以及图像处理功能。业务层用于提供业务相关的各项功能，交互层用于与用户进行业务交互，上述计算服务层、业务层以及交互层的功能可以通过上述图2所示的处理组件201实现。下面基于各个层的功能进行具体介绍：
数据层用于提供图片数据、业务数据、组件配置以及识别结果反馈。其中，图片数据分为基础组件库和增量组件库两个层面。基础组件库通过人工收集整理得到，用来训练初始可视组件分类模型；增量组件库通过用户反馈得到，具体由用户审核组件预测结果并反馈实际组件类别得到。基础组件库和增量组件库一起构成全量组件库。业务数据可以用来关联配置可视组件的业务相关数据，如供电局的电量数据，医院的就诊者数据等，业务数据可以是用户自身的业务数据。组件配置可以通过模型端输出和前端编排单元输入的适配，并通过编排功能来解析识别结果中的字段，选取相应的可视组件和可视组件的属性，将开发态页面结果展示给用户。识别结果反馈可以是用户对输入和输出的可视组件对比后的反馈结果，可以用来计算准确率和召回率。
计算服务层用于提供模型服务和图像处理服务，其中，模型服务包括模型的离线训练、在线训练、模型分发以及推理预测。离线训练是基于最初制作的数据集通过本地训练，得到第一个可用的组件分类模型；在线训练是系统收集到用户的反馈结果后，同时采集新数据，通过定时任务定期在前一版本的模型基础上，重新训练获得新模型；模型分发是根据部署方式，将新模型分发到各个服务节点；推理预测是基于图像处理得到的手绘模块图片，使用分类模型对模块进行分类预测。图像处理服务又包括有效区域的识别、有效区域的剪裁、模块提取和布局规范化。有效区域识别是指用户上传图像后，判断图像的有效区域。用户确认有效区域可用后，对该区域进行裁剪以及透视变换，将区域重新拉伸成长方形。通过边缘检测，提取出用户手绘的模块。由于模块边缘不整齐，通过布局规范化，将模块边缘对齐，使图像充实完整。
业务层用于提供图像上传、元数据解析、页面编排、组件编辑、模板编辑、数据关联、屏幕发布、用户反馈。其中，图像上传可以是用户通过PC端上传或移动端上传图像；元数据解析可以是编排单元解析计算服务层传出的图像元数据，图像元数据由模型服务层返回的可视组件类别元数据和图像处理服务返回的可视组件基本元数据(坐标/大小等图片固有信息)构成。页面编排是根据元数据的解析结果，对页面进行自动编排；组件编辑提供组件可编辑的功能，模板编辑提供模板可编辑的功能，模板是可视化系统自带的一些预置的大屏样式，用户可以基于这些模板做调整；数据关联是在组件配置中关联业务数据；屏幕发布是对开发态的大屏进行保存和线上发布；用户反馈是用户根据编排结果进行反馈。
交互层包括计算机设备上传、开发态编辑、用户反馈和发布预览。其中，终端上传是用户通过PC端或移动端上传可视化界面；开发态编辑是屏幕开发过程中的编辑界面，用户可以对模块和可视组件进行编辑，用户反馈是用户对比屏幕开发结果图和屏幕设计图进行反馈，发布预览是屏幕开发过程中生成的预览界面，有利于用户查看整个开发屏幕。
下面，基于数据处理的流程进行简要介绍：
图4是根据一示例性实施例示出的一种数据处理方法的整体流程图。参见图4，用户将屏幕设计图上传至计算机设备，计算机设备获取该屏幕设计图并发送至服务器，服务器针对该屏幕设计图识别图像中的有效区域，该识别可以采用下述三种识别方法中的任一种，分别为基于HSV掩膜的识别、基于Canny边缘检测算法的识别、基于阈值化的框选识别。通过上述识别，识别到有效区域后，可以对该有效区域的图像进行剪裁和拉伸，提取剪裁拉伸后的图像中的模块，进一步还可以对该模块进行布局规范化处理，布局规范化处理包括相对覆盖消除、模块边界调整为正四边形、绝对覆盖消除、模块边界的拉伸等，经过布局规范化处理后，得到形状为正四边形，相互之间没有覆盖且充满画布的模块，输出布局规范化后的模块的边界信息，将各个模块所对应的图像块输入可视组件分类模型，得到模块中的可视组件的类别，输出可视组件的类别，与输出的模块的边界信息构成元数据，该元数据用于后续屏幕画面布局的展示和生成。
下面，基于计算机设备和服务器通过交互来完成整个屏幕布局的生成过程，来对数据处理方法的一种可能实现方式进行说明：
参见图5和图6，该图5为根据一示例性实施例示出的一种数据处理方法的交互流程图，图6是根据一示例性实施例示出的一种数据处理方法的数据流示意图，具体包括如下步骤：
501、计算机设备获取第一图像，该第一图像为屏幕设计图的图像。
其中，该屏幕设计图可以是用户手绘的屏幕设计图、屏幕设计图的原型图像、互联网中屏幕设计图的完整图像等，本公开实施例对此不做限定。
在步骤501中，计算机设备可以通过对屏幕设计图的实物进行拍照或扫描等操作得到第一图像，将该第一图像保存在计算机设备中。计算机设备中安装有应用程序，该应用程序用于目标屏幕布局的自动生成，用户将保存在计算机设备中的第一图像导入应用程序中，从而使得计算机设备获取到该第一图像。例如，对于用户手绘的屏幕设计图纸件，可以先对其进行拍照或扫描，将拍照或扫描得到的电子图像保存在计算机设备中，在进行目标屏幕布局的生成时，将该手绘的屏幕设计图的图像导入应用程序中。
502、该计算机设备向服务器发送第一图像。
在步骤502中，计算机设备获取到第一图像中，可以自动向服务器发送该第一图像，也可以在检测到用户的确认发送指令后，向服务器发送该第一图像，本公开实施例对此不做限定。
503、服务器接收到计算机设备发送的第一图像后，识别该第一图像的有效区域。
其中，有效区域是指包括设计内容的区域，例如，以第一图像为手绘的屏幕设计图的图像来说，拍照或扫描得到的电子图像可能会包括手绘的纸张以外的区域，因此要先进行纸张区域的识别，确定该第一图像中的纸张区域，也即是第一图像的有效区域。
上述识别第一图像的有效区域可以采用下述任一种方式实现：
方式一、基于HSV掩膜进行纸张区域的识别。
该方式一具体可以包括：基于白色像素点对应的像素值范围，在该第一图像中确定目标轮廓，该目标轮廓是该第一图像中由白色像素点组成的轮廓中的最大轮廓，将该目标轮廓内的区域作为有效区域。
白色像素点是指显示效果呈白色的像素点，例如，白色像素点可以是H值为任意值，S值落在[0,100]，V值落在[130,255]的像素点。
其中，上述方式一中“基于白色像素点对应的像素值范围，在该第一图像中确定目标轮廓”的步骤可以包括下述步骤：将该第一图像转化为第一矩阵，该第一矩阵中的每个三元组用于表示该第一图像中一个像素点的HSV值，从该第一矩阵中提取第二矩阵和第三矩阵，该第二矩阵包括各个三元组中的S值，该第三矩阵包括各个三元组中的V值，构造第一腌模矩阵和第二腌膜矩阵，该第一腌模矩阵和第二腌膜矩阵中的元素的像素值为第一预设像素值，确定第一矩阵中S值大于预设S值的第一元素位置，将该第一掩膜矩阵中与该第一元素位置对应的像素值设置为第二预设像素值，确定第二矩阵中V值小于预设V值的第二元素位置，将该第二腌膜矩阵中与该第二元素位置对应的像素值设置为第二预设像素值，将设置后的第一腌模矩阵和第二腌膜矩阵叠加，得到单通道图像，对该单通道图像进行轮廓提取，得到至少一个轮廓，每个轮廓均为白色像素点组成的轮廓，将该至少一个轮廓中最大轮廓作为目标轮廓。
例如，将一张高为H宽为W的第一图像用HSV表示，得到尺寸为[H,W，3]的第一矩阵，提取该第一矩阵中的S矩阵(也即是第二矩阵)和V矩阵(第三矩阵)，构建一个尺寸为[H,W,1]的S腌膜矩阵(第一腌模矩阵)和V腌膜矩阵(第二腌膜矩阵)，S腌膜矩阵和V腌膜矩阵中的像素点的像素值全部为255(也即是第一预设像素值)，筛选S矩阵中像素值超过100的像素点的位置(也即是第一元素位置)，将S腌模矩阵中的对应像素点的位置设为0(也即是第二预设像素值)，筛选V矩阵中像素值小于130的像素点的位置(也即是第二元素位置)，将V腌模矩阵中的对应像素点的位置设为0(也即是第二预设像素值)，将设置后的S腌膜矩阵和V腌膜矩阵叠加在一起，得到一个单通道图像，对该单通道图像的轮廓进行提取，得到至少一个由白色像素点组成的轮廓，该白色像素点组成的轮廓中最大轮廓即为目标轮廓，也就是纸张的区域。
需要说明的是，采用HSV掩膜方式进行识别，相对于基于RGB(R是红色，G是绿色、B是蓝色)的识别来说，由于RGB的像素表示中，每个颜色通道中的像素点都落在[0,255]上，在采用RGB颜色通道识别纸张区域时，由于第一图像是通过拍照或扫描得到的，可能会有光线的差异，导致无法确定白色像素点具体落在哪个范围中，而HSV是采用色调、饱和度和明度三个通道来表示图像的方法，H是色调，S是饱和度，V是明度，HSV是适合人的视觉特性的色彩空间，S分量是与材料的特性有关的分量，S分量受光照影响较小，但是S分量受纸张影响较大。其中，H、S、V的取值范围分别落在[0,360]、[0,255]、[0,255]，基于HSV的识别，不受到光照的影响，使得纸张区域的识别更加准确。
方式二、基于Canny边缘检测对纸张区域的识别。
其中，Canny边缘检测是指提取图片中的边缘信息，由边缘信息组成的区域即为具有实际图像内容的区域，也即是有效区域，而边缘信息组成区域以外的区域则是无效区域。
该方式二具体包括：对该第一图像进行边缘检测，得到至少一个区域，将该至少一个区域中区域形状符合目标条件的区域作为该有效区域。
对第一图像进行灰度处理得到第一灰度图；对该第一灰度图进行高斯滤波，滤除图像中的噪声，对高斯滤波后的图像进行Canny边缘检测；根据边缘检测结果，筛选四边形区域作为纸张的区域。
其中，上述方式二中“对高斯滤波后的图像进行Canny边缘检测”的步骤可以包括以下步骤：使用高斯滤波器处理该第一图像，以得到该第一图像的平滑图像，该过程滤除了第一图像的噪声，可能会放大该第一图像的边缘，一定程度上降低对第一图像中伪边缘的识别；计算该第一图像中每个像素点的梯度强度和梯度方向，抑制其中的非极大值，从而消除边缘检测带来的杂散响应；应用双阈值检测该第一图像的真边缘和伪边缘，梯度值高于第一阈值的像素点组成的边缘为真边缘，梯度值低于第二阈值的像素点组成的边缘为伪边缘，其中，第一阈值大于第二阈值，梯度值在第一阈值和第二阈值之间的像素点被抑制，进一步地，还可以检测伪边缘是否和真边缘相连，当伪边缘和真边缘相连时，该伪边缘为真边缘，当伪边缘与真边缘不相连时，该伪边缘是假边缘；通过上述进一步检测的过程，避免了一些伪边缘也有可能是真边缘的情况，从而提高了边缘检测的准确性。
方式三、基于阈值化的纸张区域识别。
该方式三具体可以包括：对该第一图像进行二值化处理，得到包括至少一个白色区域，将该至少一个白色区域中区域形状符合目标条件的白色区域作为该有效区域。
具体的识别方法是：根据对该第一图像灰度化处理的结果，得到该第一图像中每个像素点的灰度值，对所有像素点的灰度值的大小排序，得到灰度值的中位数，将该灰度值的中位数对应的像素点设置为白色，剩余灰度值对应的像素点设置为黑色，得到至少一个白色区域，对该至少一个白色区域进行筛选，将区域形状符合目标条件的白色区域作为有效区域。
其中，上述任一种有效区域的识别方法中区域形状符合目标条件是指区域的形状为四边形。
需要说明的是，上述三种有效区域的识别方法能够有效覆盖绝大多数的屏幕设计图的有效区域的识别。在对第一图像的有效区域进行识别时，可以选择上述三种识别方法中的任一种，也可以按顺序依次使用，当前一种识别方法识别不出有效区域时，触发后一种识别方法识别有效区域，本公开实施例对此不做限定。
在本公开实施例中，由上述三种方式得到第一图像的有效区域后，还要由用户通过在计算机设备上的操作，来确认该有效区域为正确的有效区域，可以有下述任一种实现方式：
在一种实现方式中，当服务器确定该第一图像的有效区域后，在第一图像上进行标记，该标记可以为一图形框，向计算机设备发送含有有效区域标记的第一图像，计算机设备对该标记的第一图像进行展示，当用户确定所标记的有效区域准确时，可以通过确认操作触发确认指令,该计算机设备将确认指令发送至服务器，该服务器在接收到该确认指令后，可以将识别得到的有效区域确定为第一图像的有效区域，以便基于该有效区域执行后续步骤。
在一种实现方式中，当用户确定所标记的有效区域不准确时，则可以通过在计算机设备上进行手动标记的方式来确定有效区域，例如，该手动标记方式可以为：用户通过任一输入设备在计算机设备所展示的第一图像上标定四个点，四个点连线构成的四边形为第一图像的有效区域，计算机设备向服务器发送标定的点坐标，服务器接收该点坐标，则基于点坐标确定第一图像的有效区域。
通过上述对有效区域的识别，可以排除第一图像中无效信息的干扰，使得后续的识别更加准确，尤其是对于第一图像为手绘设计图的图像的场景下，可以排除非纸张区域，例如拍照所拍到的背景区域等的影响，从而大大提高后续识别的准确性。
另外，需要说明的是，该有效区域的识别步骤为可选步骤，在执行数据处理过程中，也可以不执行该有效区域的识别，而是直接基于获取到的图像进行识别过程，当然，还可以基于对图像的判断来进一步选择是否执行该步骤，例如，当服务器接收到该第一图像后，可以先判断该第一图像的来源类别，如，该第一图像为手绘设计图的拍照图像，则执行该有效区域的识别过程；若该第一图像为手绘设计图的扫描图像，则不需要执行该有效区域的识别步骤。
504、基于该第一图像的有效区域，获取第二图像，该第二图像包括有效区域内的图像内容。
在本公开实施例中，当服务器识别到第一图像的有效区域后，基于该第一图像的有效区域，获取第二图像具体方法可以采用下述任一种实现方式：
实现方式一、对该第一图像的有效区域进行剪裁，得到该第二图像。
服务器接收到计算机设备发送的确认剪裁的指令或服务器接收到计算机设备发送的标定四个点之后的第一图像后，可以直接对该第一图像的有效区域进行剪裁，得到有效区域的图像，该有效区域的图像即为第二图像。
实现方式二、对该第一图像的有效区域进行剪裁，得到有效区域图像，对该有效区域图像进行拉伸处理，得到第二图像。
服务器接收到计算机设备发送的确认剪裁的指令或服务器接收到计算机设备发送的标定四个点之后的第一图像后，对该第一图像的有效区域进行剪裁，得到有效区域的图像，该有效区域的图像可能不是一个正四边形，因此要对其进行拉伸处理，得到拉伸后的有效区域的图像，即为第二图像。
上述有效区域的图像的拉伸处理也即是有效区域图像的透视变换，透视变换是指利用透视中心、像点、目标点三点共线的条件，按照透视旋转定律使承影面(透视面)绕迹线(透视轴)旋转某一角度，破坏原有的投影光线束，仍能保持承影面上投影几何图形不变的变换。
需要说明的是，上述步骤503到步骤504的内容是对图像的形态学的变换和操作，通过上述操作，有利于后续对图像中模块的提取。
当然，同理于上述步骤503，该步骤504也是可选步骤，也即是，对于该公开实施例来说，上述步骤502之后，当服务器接收到第一图像后，可以直接对该第一图像进行识别，得到模块的边界信息，而不执行步骤503和504的图像处理过程。
例如，可以参见图7所示，图7的上图为原第一图像的显示示例图，下图为经过有效区域的识别以及剪裁拉伸等处理后，得到的第二图像，该第二图像中包括有效区域内的图像内容。
505、服务器对该第二图像进行识别，得到模块的边界信息，该模块包括至少一个可视组件，该边界信息包括模块位置。
在一种可能实现方式中，该步骤505具体可以包括以下步骤：
505A、对该第二图像进行二值化处理，得到二值图像。
在进行二值化处理之前，可以先对该第二图像进行灰度化处理后，再通过模糊化处理降低图像背景色的噪音，得到第二灰度图，对该第二灰度图进行二值化处理，得到二值图像，该二值图像是由白色底色和黑色线条构成的图像。
505B、对该二值图像中的黑色像素点进行膨胀操作。
通过膨胀操作扩张该二值图像中的黑色像素点扩张，以消除黑色线条中的白色像素点的干扰。
505C、提取膨胀操作后的二值图像中的黑色轮廓，将符合预设轮廓条件的黑色轮廓在该第二图像中的位置，作为该模块的边界信息。
当提取到多个黑色轮廓时，可以从中选择一个黑色轮廓作为模块的轮廓，从而基于所选择黑色轮廓在图像中的位置，来确定模块的边界信息。其中，符合预设条件的黑色轮廓是指：黑色轮廓的面积符合预设面积条件、黑色轮廓为多个嵌套轮廓中的最外层轮廓、黑色轮廓形状为四边形。
在提取过程中，可以每提取到一个黑色轮廓，对其面积进行检测，将面积不符合预设面积条件的轮廓筛选掉，例如将小于第二图像的3％的轮廓筛选掉，以得到较大面积的轮廓，并基于最终得到的多个黑色轮廓进行后续的选择，以得到更精确的轮廓。需要说明的是，在进行轮廓提取和基于条件的轮廓选择过程中，均可以基于上述预设面积条件进行筛选，以达到更精确检测的目的，保证所得到的轮廓确实包含屏幕设计图的图像内容。
在步骤505中，还可以对该模块进行规范化，得到规范化后的模块的边界信息，以保证所得到模块的形状规则且适应于屏幕显示。其中，对该模块进行规范化的步骤可以具体包括以下任一项：
(1)将该模块的边界调整为正四边形。
该调整可以是对模块的高度和宽度进行调整，以得到形状为正四边形的模块。
以图8的调整过程为例，如图8所示为对模块的高度进行调整，从左到右检测模块中的黑色素个数，当右侧的和色素个数大于左侧时，继续向右检测，当右侧的黑色素个数小于左侧时，触发调节模块的高度，如图8所示，在第一次出现右侧的黑色素个数小于左侧的黑色素个数时，按照一定比例调节模块A、B、D的高度，调节后标记为已调节，第二次出现右侧的黑色素个数小于左侧的黑色素个数时，由于模块B已经调节过，所以继续向右检测，第三次出现右侧的黑色素个数小于左侧的黑色素个数时，模块A已调节过，在模块A的下方按照一定比例调节模块C和模块E的高度。对模块的宽度的调节与模块高度的调节类似，在此不再赘述。
(2)将该模块的边界进行拉伸，拉伸后的该模块充满该画布。
在步骤505中，将模块的边界进行拉伸，拉伸后的模块充满画布的具体步骤为：
按照模块的坐标信息从小到大的顺序，依次对各个模块的边界进行拉伸，拉伸的顺序为向上、向左、向下、向右，一直拉伸到相邻的其他模块的边界处或者整幅图像的边界处，如图9所示为模块边界拉伸的示意图。
(3)当任两个模块之间存在覆盖区域时，消除该任两个模块之间的覆盖。
为了保证适应于屏幕显示，可以根据模块在图像中的位置，确定模块之间是否存在覆盖，当存在覆盖时，对模块的位置进行调整，直至调整后的模块之间不存在相互覆盖。具体方法如下：
当任两个模块之间存在覆盖区域且覆盖为相对覆盖时，即存在覆盖的两个模块在X轴或Y轴上有重叠区域，且重叠的长度小于两者各自宽度的1/3，如图10中的模块B和模块E，在X轴上有重叠区域，获取模块B的顶点坐标1和2，获取模块E的顶点坐标5和6，得到相对覆盖长度L，L＝X1-X3，将模块B向左移动一定距离，将模块E向右移动一定距离，该一定距离为L/2，使得模块B和模块E在X轴上没有重叠区域。对第二图像中的每个模块进行一次相对覆盖的检测，确保任两个模块之间不存在相对覆盖。
当任两个模块之间存在覆盖区域且覆盖为绝对覆盖时，即存在绝对覆盖的两个模块之间存在公共像素，如图10中的模块B和模块C，获取模块B的顶点坐标1和2，获取模块C的顶点坐标3和4，得到覆盖长度L，L＝X1-X2,将模块B向左移动一定长度，将模块C向右移动一定长度，该一定长度为覆盖长度为L/2，使得模块B和模块C之间不存在公共像素。对第二图像中的每个模块进行一次绝对覆盖的检测，确保任两个模块之间不存在绝对覆盖。
需要说明的是，在任一种覆盖消除操作完成后，还可以对模块边界的调整，直至调整为正四边形，具体操作与上述将模块的边界调整为正四边形的操作一致，在此不再赘述。
需要说明的另一点，上述过程是以对第二图像的处理过程为例进行说明，而在无需进行步骤502和503时，则对第一图像的处理过程可以同理进行，在此不做赘述。
506、服务器对模块中的可视组件进行识别，得到可视组件的类别。
在本公开实施例中，对模块中可视组件的识别，得到可视组件的类别，包括以下步骤：将第二图像中模块对应的图像块输入可视组件分类模型，通过可视组件分类模型对图像块进行识别，得到模块中可视组件的类别。
其中，可视组件分类模型是事先在服务器中训练得到的，如图11所示为可视组件分类模型的训练过程可视组件类别的识别过程。用户可以事先绘制多个不同类别的可视组件，该可视组件的类别可以是柱状图、折线图、地图、饼图、液位图等，如图12所示绘制的可视组件的部分样例。对该多个不同类别的可视组件进行数据增强，该数据增强主要是为了减少网络的过拟合现象，过拟合是指为了得到一致假设而使假设变得过度严格，避免过拟合是分类器设计中的一个核心任务，一个假设在训练数据上能够获得比其他假设更好的拟合，但是在训练数据外的数据集上却不能很好的拟合数据，此时认为这个假设出现了过拟合的现象。该数据增强方法包括：旋转、仿射变换、透视变换、腐蚀膨胀、HSV扰动、gamma扰动等。数据集再通过数据增强后，按照1:3的比较分为测试集和训练集，存储在文件系统中，将经过数据增强后的可视组件和事先绘制的可视组件组成图片数据，离线训练该图片数据，得到可视组件分类模型。将屏幕设计图的图像发送至计算机设备，对该图像进行处理，得到图像中各个模块多对应的图像块，通过可视组件分类模型对该图像块中的可视组件进行推理预测，得到可视组件的类别，及类别结果进行封装，由用户反馈类别是否正确，将反馈结果与图片数据一同构成全量图像数据，对可视组件分类模型进行在线训练，得到泛化能力更好的可视组件分类模型。其中，可视组件分类模型为残差网络ResNet50,用于图像分类的模型有很多，比如也可以用DarkNet、VGG族模型、inception族模型等替换该ResNet50。将第二图像中模块对应的图像块输入该可视组件分类模型，通过该训练后的可视组件分类模型对图像块进行识别，得到模块中可视组件的类别。
需要说明的是，参见图6，该服务器可以包括识别服务器和GPU服务器，其中，GPU服务器可以用于进行可视组件分类模型的训练和更新，从而将可视组件分类模型发送至识别服务器进行使用。
507、服务器将该模块的边界信息和该可视组件的类别发送至计算机设备。
服务器可以基于所得到的模块的边界信息和可视组件的类别，来组成屏幕布局的元数据，该元数据中可以包括组件类别、模块位置、模块大小以及整体图像的大小，该元数据可以是JSON格式元数据。例如，以饼图为例，元数据及字段含义分别如下：
res_message:返回消息
res_code:返回码
result:结果体
module:模块体
module_num:解析出的模块数量
photo_w:图像宽
photo_h:图像高
pie_m:组件类别，此处为多饼图
x:模块起始x坐标
y:模块起始y坐标
w:模块宽度
h:模块高度
x_percent:模块起始x坐标百分比
y_percent:模块起始y坐标百分比
w_percent:模块宽度百分比
h_percent:模块高度百分比
ind:模块id
score:分类结果准确度得分
508、计算机设备接收模块的边界信息和可视组件的类别，在画布中模块的边界信息对应的位置上，根据该模块中可视组件的类别，创建可视组件，得到目标屏幕的画面布局。
在步骤508中，计算机设备将接收到的元数据传入编排引擎，编排引擎解析元数据并根据元数据的解析结果编排整个大屏的布局、模块的位置和可视组件的类别，得到目标屏幕的画面布局。
在本公开实施例中，计算机设备接收服务器发送的模块的边界信息和可视组件的类别，基于服务器中可视组件分类模型对第二图像中的可视组件分类的结果是否正确进行反馈，并将反馈结果发送至服务器，反馈结果中包括但不限于可视组件的类别、可视组件对应的图像块、可视组件类别预测的索引值、可视组件类别预测的精确率，如图13所示为可视组件的反馈示意图。服务器根据计算机设备的反馈结果对该可视组件分类模型进行更新，每当获取到更新的可视组件分类模型后，由服务器向各预测服务器分发模型，确保可视组件分类模型的可靠性。服务器可以将计算机设备发送的可视组件的反馈结果封装为增量可视组件库，与基础可视组件库一起组成全量可视组件库，该全量可视组件库用于后续可视组件分类模型对模块中的可视组件的类别的识别。
需要说明的是，画布的创建时机可以在计算机设备向服务器发送第一图像之前，也可以在计算机设备接收到模块的边界信息和可视组件的类别之后，本公开实施例对此不做限定。
509、计算机设备显示该目标屏幕的画面布局。
在步骤509中，按照该目标屏幕画面布局在计算机设备进行显示。进一步的，计算机设备中配置有业务数据，可以关联该业务数据，在目标屏幕的画面布局中显示该业务数据，其中，业务数据是指用户自身具有的数据，例如供电局的电量数据、医院的就诊者数据等。
在本公开实施例中，计算机设备显示该目标屏幕的画面布局后，如图14所示为基于一张屏幕设计图生成屏幕画面布局的对比图，如果计算机设备用户查看该画面布局后发现该画面布局与预期的实现不一致，可以基于屏幕设计图对该画面布局进行调整，并显示调整之后的画面布局，如果调整之后的画面布局还是与预期不一致，则重新进行屏幕设计图的设计。
本公开实施例提供的方法，由计算机设备向服务器发送第一图像，服务器对该第一图像进行识别得到第一图像中模块的边界信息，该边界信息包括模块的位置，服务器对模块中的可视组件进行识别，得到可视组件的类别，将该模块的边界信息和可视组件的类别发送至计算机设备，上述过程可以直接对包含设计稿的图像进行识别，从而得到图像中的模块划分和模块中的可视组件类别，自动基于其识别结果进行屏幕布局的生成，无需用户的手动操作，从而减少了时间成本的浪费。
参见图15，该图15是根据一示例性实施例示出的一种数据处理方法的交互流程图，区别于上述图5所示的实施例中由计算机设备和服务器通过交互来完成整个屏幕布局的生成过程，该图15所对应的数据处理的方法是由计算机设备独自完成图像的获取、识别以及后续的展示等过程，从而完成屏幕布局的生成过程，具体包括如下步骤：
1501、计算机设备获取第一图像，该第一图像为屏幕设计图的图像。
对于计算机设备具备图像识别能力的情况下，该计算机设备可以在获取到第一图像后直接执行后续步骤1502，而无需向服务器发送该第一图像。
1502、计算机设备识别该第一图像的有效区域。
1503、计算机设备基于该第一图像的有效区域，获取第二图像，该第二图像包括有效区域内的图像内容。
1504、计算机设备对该第二图像进行识别，得到模块的边界信息，该模块包括至少一个可视组件，该边界信息包括模块位置。
1505、计算机设备对模块中的可视组件进行识别，得到模块中可视组件的类别。
上述步骤1502至步骤1505与上述步骤503至步骤506同理，在此不做赘述。
在步骤1505中，计算机设备对模块中的可视组件进行识别，得到可视组件的类别之后，基于可视组件分类模型对可视组件的分类结果是否正确进行反馈，并将反馈结果发送至可视组件分类模型，反馈结果中包括但不限于可视组件的类别、可视组件对应的图像块、可视组件类别预测的索引值、可视组件类别预测的精确率，可视组件分类模型基于反馈结果对该可视组件分类模型进行更新，确保可视组件分类模型的可靠性。
1506、计算机设备根据模块的边界信息和可视组件的类别，在画布中模块的边界信息对应的位置上，根据该模块中可视组件的类别，创建可视组件，得到目标屏幕的画面布局。
在步骤1506中，无需服务器参与目标屏幕的画面布局的生成过程，计算机设备根据模块的边界信息和可视组件的类别，可以直接在画布中模块的边界信息对应的位置上，根据可视组件的类别创建该可视组件，从而得到目标屏幕的画面布局。
1507、计算机设备显示该目标屏幕的画面布局。
本公开实施例提供的方法，由计算机设备获取第一图像，对该第一图像进行识别，得到模块的边界信息，对模块中的可视组件进行识别，得到可视组件的类别，在画布中模块的边界信息对应的位置上，根据模块中可视组件的类别，创建可视组件，从而得到目标屏幕的画面布局。上述过程可以直接对包含设计稿的图像进行识别，从而得到图像中的模块划分和模块中可视组件的类别，自动基于其识别结果进行屏幕布局的生成，无需用户的手动操作，从而减少了时间成本的浪费。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
图16是本公开实施例提供的一种数据处理装置图。参见图16，该装置包括：
接收单元1601，用于执行上述步骤503，该接收单元1601还用于执行上述步骤508；
边界识别单元1602，用于执行上述步骤505；
类别识别单元1603，用于执行上述步骤506；
发送单元1604，用于执行上述步骤502，该发送单元1604还用于执行上述步骤507。
在一种可能的实现方式中，该边界识别单元1602包括：
二值化处理子单元，用于执行上述步骤505中对第一图像进行二值化处理，得到二值图像；
膨胀子单元，用于执行上述步骤505中对该二值图像中的黑色像素点进行膨胀操作；
提取子单元，用于执行上述步骤505中提取膨胀操作后的二值图像中的黑色轮廓。
在一种可能的实现方式中，该装置还包括：
规范化单元，用于执行上述步骤505中对该模块进行规范化，得到规范化后的模块的边界信息。
在一种可能的实现方式中，该规范化单元包括下述一个或多个子单元：
调整子单元，用于执行上述步骤505中将该模块的边界调整为正四边形；
拉伸子单元，用于执行上述步骤505中将该模块的边界进行拉伸，拉伸后的该模块充满该画布；
消除子单元，用于执行上述步骤505中当任两个模块之间存在覆盖区域时，消除该任两个模块之间的覆盖。
在一种可能的实现方式中，该类别识别单元1603用于执行步骤506中将该第一图像中模块对应的图像块输入可视组件分类模型，通过该可视组件分类模型对图像块进行识别，得到模块中可视组件的类别。
在一种可能的实现方式中，该接收单元1601还用于执行步骤508中接收计算机设备对模块中可视组件的类别的反馈结果，根据该反馈结果对可视组件分类模型进行更新。
在一种可能的实现方式中，该边界识别单元1602用于执行步骤504。
在一种可能的实现方式中，该装置还包括：
图像处理单元，用于执行步骤504中的下述任一项：
对该第一图像的有效区域进行剪裁，得到第二图像；
对该第一图像的有效区域进行剪裁，得到有效区域图像，对该有效区域图像进行拉伸处理，得到第二图像。
上述装置由计算机设备向服务器发送第一图像，服务器对该第一图像进行识别得到第一图像中模块的边界信息，该边界信息包括模块的位置，服务器对模块中的可视组件进行识别，得到可视组件的类别，将该模块的边界信息和可视组件的类别发送至计算机设备，上述过程可以直接对包含设计稿的图像进行识别，从而得到图像中的模块划分和模块中的可视组件类别，自动基于其识别结果进行屏幕布局的生成，无需用户的手动操作，从而减少了时间成本的浪费。
图17是本公开实施例提供的一种数据处理装置图。参见图17，该装置包括：
获取单元1701，用于执行上述步骤1501，该获取单元1701还用于执行上述步骤1503；
边界识别单元1702，用于执行上述步骤1504；
类别识别单元1703，用于执行上述步骤1505；
创建单元1704，用于执行上述步骤1506。
在一种可能的实现方式中，该边界识别单元1702包括：
二值化处理子单元，用于执行上述步骤1504中第一图像进行二值化处理，得到二值图像；
膨胀子单元，用于执行上述步骤1504中二值图像中的黑色像素点进行膨胀操作；
提取子单元，用于执行上述步骤1504中提取膨胀操作后的二值图像中的黑色轮廓，将符合预设轮廓条件的黑色轮廓在该第一图像中的位置，作为该模块的边界信息。
在一种可能的实现方式中，该装置还包括：
规范化单元，用于执行上述步骤1504中模块进行规范化，得到规范化后的模块的边界信息。
在一种可能的实现方式中，该规范化单元包括下述任一个或多个子单元：
调整子单元，用于执行上述步骤1504中将模块的边界调整为正四边形；
拉伸子单元，用于执行上述步骤1504中将模块的边界进行拉伸，拉伸后的该模块充满该画布；
消除子单元，用于执行上述步骤1504中当任两个模块之间存在覆盖区域时，消除该任两个模块之间的覆盖。
在一种可能的实现方式中，该类别识别单元1703还用于执行步骤1505中将该第一图像中模块对应的图像块输入可视组件分类模型，通过该可视组件分类模型对图像块进行识别，得到模块中可视组件的类别。
在一种可能的实现方式中，该装置还包括：
发送单元，用于执行上述步骤1505中当接收到对该模块中可视组件的类别的反馈结果时，向服务器发送该反馈结果。
在一种可能的实现方式中，该边界识别单元1702还用于执行步骤1503中基于该第一图像的有效区域，得到第二图像，该第二图像包括该有效区域内的图像内容；对该第二图像进行识别，得到模块的边界信息，该边界信息包括模块位置。
在一种可能的实现方式中，该装置还包括：
图像处理单元，用于执行步骤1503中的下述任一项：
对该第一图像的有效区域进行剪裁，得到第二图像；
对该第一图像的有效区域进行剪裁，得到有效区域图像，对该有效区域图像进行拉伸处理，得到第二图像。
上述装置由计算机设备获取第一图像，对该第一图像进行识别，得到模块的边界信息，对模块中的可视组件进行识别，得到可视组件的类别，在画布中模块的边界信息对应的位置上，根据模块中可视组件的类别，创建可视组件，从而得到目标屏幕的画面布局。上述过程可以直接对包含设计稿的图像进行识别，从而得到图像中的模块划分和模块中可视组件的类别，自动基于其识别结果进行屏幕布局的生成，无需用户的手动操作，从而减少了时间成本的浪费。
需要说明的是：上述实施例提供的数据处理的装置在数据处理时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的数据处理的装置与数据处理的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由处理器执行以完成上述实施例中的数据处理方法。例如，该计算机可读存储介质可以是只读存储器(read-only memory,ROM)、随机存取存储器(random accessmemory，RAM)、只读光盘(compact disc read-only memory，CD-ROM)、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上仅为本公开的可选实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (38)
1.一种数据处理方法，其特征在于，所述方法包括：
获取第一图像，所述第一图像为屏幕设计图的图像；
对所述第一图像进行识别，得到模块的边界信息，所述模块包括至少一个可视组件，所述边界信息包括模块位置；
对所述模块中的可视组件进行识别，得到所述可视组件的类别；
在画布中所述模块的边界信息对应的位置上，根据所述模块中所述可视组件的类别，创建所述可视组件，得到目标屏幕的画面布局。
2.根据权利要求1所述的方法，其特征在于，所述对所述第一图像进行识别，得到模块的边界信息，包括：
对所述第一图像进行二值化处理，得到二值图像；
对所述二值图像中的黑色像素点进行膨胀操作；
提取膨胀操作后的二值图像中的黑色轮廓，将符合预设轮廓条件的黑色轮廓在所述第一图像中的位置，作为所述模块的边界信息。
3.根据权利要求2所述的方法，其特征在于，
所述符合预设轮廓条件的黑色轮廓是指：所述黑色轮廓的面积符合预设面积条件、所述黑色轮廓为多个嵌套轮廓中的最外层轮廓、所述黑色轮廓形状为四边形。
4.根据权利要求2所述的方法，其特征在于，所述将符合预设轮廓条件的黑色轮廓在所述第一图像中的位置，作为所述模块的边界信息之前，所述方法还包括:
对所述模块进行规范化，得到规范化后的模块的边界信息；
所述将所述模块的边界信息和所述可视组件的类别发送至所述计算机设备包括：
将所述规范化后的模块的边界信息和所述可视组件的类别发送至所述计算机设备。
5.根据权利要求4所述的方法，其特征在于，所述对所述模块进行规范化包括下述至少一项：
将所述模块的边界调整为正四边形；
将所述模块的边界进行拉伸，拉伸后的所述模块充满所述画布；
当任两个模块之间存在覆盖区域时，消除所述任两个模块之间的覆盖。
6.根据权利要求1所述的方法，其特征在于，所述对所述模块中的可视组件进行识别，得到所述可视组件的类别包括：
将所述第一图像中所述模块对应的图像块输入可视组件分类模型，通过所述可视组件分类模型对图像块进行识别，得到所述模块中可视组件的类别。
7.根据权利要求6所述的方法，其特征在于，所述通过所述可视组件分类模型对图像块进行识别，得到所述模块中可视组件的类别之后，所述方法还包括：
当接收到对所述模块中可视组件的类别的反馈结果时，向服务器发送所述反馈结果。
8.根据权利要求1所述的方法，其特征在于,所述对所述第一图像进行识别，得到模块的边界信息，包括：
基于所述第一图像的有效区域，得到第二图像，所述第二图像包括所述有效区域内的图像内容；
对所述第二图像进行识别，得到模块的边界信息，所述边界信息包括模块位置。
9.根据权利要求8所述的方法，其特征在于，所述基于所述第一图像的有效区域，得到第二图像之前,所述方法还包括以下任一项：
基于白色像素点对应的像素值范围，在所述第一图像中确定目标轮廓，所述目标轮廓是所述第一图像的由白色像素点组成的轮廓中的最大轮廓，将所述目标轮廓内的区域作为有效区域；
对所述第一图像进行边缘检测，得到至少一个区域，将所述至少一个区域中区域形状符合目标条件的区域作为所述有效区域；
对所述第一图像进行二值化处理，得到包括至少一个白色区域，将所述至少一个白色区域中区域形状符合目标条件的白色区域作为所述有效区域。
10.根据权利要求8所述的方法，其特征在于，所述基于所述第一图像的有效区域，得到第二图像，包括以下任一项：
对所述第一图像的有效区域进行剪裁，得到所述第二图像；
对所述第一图像的有效区域进行剪裁，得到有效区域图像，对所述有效区域图像进行拉伸处理，得到第二图像。
11.一种数据处理方法，其特征在于，所述方法包括：
接收计算机设备发送的第一图像，所述第一图像为屏幕设计图的图像；
对所述第一图像进行识别，得到模块的边界信息，所述模块包括至少一个可视组件，所述边界信息包括模块位置；
对所述模块中的可视组件进行识别，得到所述可视组件的类别；
将所述模块的边界信息和所述可视组件的类别发送至所述计算机设备。
12.根据权利要求11所述的方法，其特征在于，所述对所述第一图像进行识别，得到模块的边界信息，包括：
对所述第一图像进行二值化处理，得到二值图像；
对所述二值图像中的黑色像素点进行膨胀操作；
提取膨胀操作后的二值图像中的黑色轮廓，将符合预设轮廓条件的黑色轮廓在所述第一图像中的位置，作为所述模块的边界信息。
13.根据权利要求12所述的方法，其特征在于，
所述符合预设轮廓条件的黑色轮廓是指：所述黑色轮廓的面积符合预设面积条件、所述黑色轮廓为多个嵌套轮廓中的最外层轮廓、所述黑色轮廓形状为四边形。
14.根据权利要求12所述的方法，其特征在于，所述将符合预设轮廓条件的黑色轮廓在所述第一图像中的位置，作为所述模块的边界信息之前，所述方法还包括：
对所述模块进行规范化，得到规范化后的模块的边界信息；
所述将所述模块的边界信息和所述可视组件的类别发送至所述计算机设备包括：
将所述规范化后的模块的边界信息和所述可视组件的类别发送至所述计算机设备。
15.根据权利要求14所述的方法，其特征在于，所述对所述模块进行规范化包括下述至少一项：
将所述模块的边界调整为正四边形；
将所述模块的边界进行拉伸，拉伸后的所述模块充满所述画布；
当任两个模块之间存在覆盖区域时，消除所述任两个模块之间的覆盖。
16.根据权利要求11所述的方法，其特征在于，所述对所述模块中的可视组件进行识别，得到所述可视组件的类别包括：
将所述第一图像中所述模块对应的图像块输入可视组件分类模型，通过所述可视组件分类模型对图像块进行识别，得到所述模块中可视组件的类别。
17.根据权利要求16所述的方法，其特征在于，所述通过所述可视组件分类模型对图像块进行识别，得到所述模块中可视组件的类别之后，所述方法还包括：
接收所述计算机设备对所述模块中可视组件的类别的反馈结果，根据所述反馈结果对所述可视组件分类模型进行更新。
18.根据权利要求11所述的方法，其特征在于,所述对所述第一图像进行识别，得到模块的边界信息，包括：
基于所述第一图像的有效区域，得到第二图像，所述第二图像包括所述有效区域内的图像内容；
对所述第二图像进行识别，得到模块的边界信息，所述边界信息包括模块位置。
19.根据权利要求18所述的方法，其特征在于，所述基于所述第一图像的有效区域，得到第二图像之前，所述方法还包括以下任一项：
基于白色像素点对应的像素值范围，在所述第一图像中确定目标轮廓，所述目标轮廓是所述第一图像的由白色像素点组成的轮廓中的最大轮廓，将所述目标轮廓内的区域作为有效区域；
对所述第一图像进行边缘检测，得到至少一个区域，将所述至少一个区域中区域形状符合目标条件的区域作为所述有效区域；
对所述第一图像进行二值化处理，得到包括至少一个白色区域，将所述至少一个白色区域中区域形状符合目标条件的白色区域作为所述有效区域。
20.根据权利要求18所述的方法，其特征在于，所述基于所述第一图像的有效区域，得到第二图像，包括以下任一项：
对所述第一图像的有效区域进行剪裁，得到所述第二图像；
对所述第一图像的有效区域进行剪裁，得到有效区域图像，对所述有效区域图像进行拉伸处理，得到第二图像。
21.一种数据处理装置，其特征在于，所述装置包括：
获取单元，用于获取第一图像；
边界识别单元，用于对所述第一图像进行识别，得到模块的边界信息，所述模块包括至少一个可视组件，所述边界信息包括模块位置；
类别识别单元，用于对所述模块中的可视组件进行识别，得到所述可视组件的类别；
创建单元，用于在画布中所述模块的边界信息对应的位置上，根据所述模块中所述可视组件的类别，创建所述可视组件，得到目标屏幕的画面布局。
22.根据权利要求21所述的装置，其特征在于，所述边界识别单元包括：
二值化处理子单元，用于对所述第一图像进行二值化处理，得到二值图像；
膨胀子单元，用于对所述二值图像中的黑色像素点进行膨胀操作；
提取子单元，用于提取膨胀操作后的二值图像中的黑色轮廓，将符合预设轮廓条件的黑色轮廓在所述第一图像中的位置，作为所述模块的边界信息。
23.根据权利要求21所述的装置，其特征在于，所述装置还包括：
规范化单元，用于对所述模块进行规范化，得到规范化后的模块的边界信息。
24.根据权利要求23所述的装置，其特征在于，所述规范化单元包括下述任一个或多个子单元：
调整子单元，用于将所述模块的边界调整为正四边形；
拉伸子单元，用于将所述模块的边界进行拉伸，拉伸后的所述模块充满所述画布；
消除子单元，用于当任两个模块之间存在覆盖区域时，消除所述任两个模块之间的覆盖。
25.根据权利要求21所述的装置，其特征在于，所述类别识别单元用于将所述第一图像中所述模块对应的图像块输入可视组件分类模型，通过所述可视组件分类模型对图像块进行识别，得到所述模块中可视组件的类别。
26.根据权利要求21所述的装置，其特征在于，所述装置还包括：
发送单元，用于当接收到对所述模块中可视组件的类别的反馈结果时，向服务器发送所述反馈结果。
27.根据权利要求21所述的装置，其特征在于，所述边界识别单元用于基于所述第一图像的有效区域，得到第二图像，所述第二图像包括所述有效区域内的图像内容；对所述第二图像进行识别，得到模块的边界信息，所述边界信息包括模块位置。
28.根据权利要求21所述的装置，其特征在于，所述装置还包括：图像处理单元，用于执行下述任一项：
对所述第一图像的有效区域进行剪裁，得到所述第二图像；
对所述第一图像的有效区域进行剪裁，得到有效区域图像，对所述有效区域图像进行拉伸处理，得到第二图像。
29.一种数据处理装置，其特征在于，所述装置包括：
接收单元，用于接收计算机设备发送的第一图像；
边界识别单元，用于对所述第一图像进行识别，得到模块的边界信息；
类别识别单元，用于对所述模块中的可视组件进行识别，得到所述可视组件的类别，所述模块包括至少一个可视组件，所述边界信息包括模块位置；
发送单元，用于将所述模块的边界信息和所述可视组件的类别发送至所述计算机设备。
30.根据权利要求29所述的装置，其特征在于，所述边界识别单元包括：
二值化处理子单元，用于对所述第一图像进行二值化处理，得到二值图像；
膨胀子单元，用于对所述二值图像中的黑色像素点进行膨胀操作；
提取子单元，用于提取膨胀操作后的二值图像中的黑色轮廓，将符合预设轮廓条件的黑色轮廓在所述第一图像中的位置，作为所述模块的边界信息。
31.根据权利要求29所述的装置，其特征在于，所述装置还包括：
规范化单元，用于对所述模块进行规范化，得到规范化后的模块的边界信息。
32.根据权利要求31所述的装置，其特征在于，所述规范化单元包括下述一个或多个子单元：
调整子单元，用于将所述模块的边界调整为正四边形；
拉伸子单元，用于将所述模块的边界进行拉伸，拉伸后的所述模块充满所述画布；
消除子单元，用于当任两个模块之间存在覆盖区域时，消除所述任两个模块之间的覆盖。
33.根据权利要求29所述的装置，其特征在于，所述类别识别单元用于将所述第一图像中所述模块对应的图像块输入可视组件分类模型，通过所述可视组件分类模型对图像块进行识别，得到所述模块中可视组件的类别。
34.根据权利要求29所述的装置，其特征在于，所述接收单元还用于接收所述计算机设备对所述模块中可视组件的类别的反馈结果，根据所述反馈结果对所述可视组件分类模型进行更新。
35.根据权利要求29所述的装置，其特征在于，所述边界识别单元用于基于所述第一图像的有效区域，得到第二图像，所述第二图像包括所述有效区域内的图像内容；对所述第二图像进行识别，得到模块的边界信息。
36.根据权利要求29所述的装置，其特征在于，所述装置还包括图像处理单元，用于执行下述任一项：
对所述第一图像的有效区域进行剪裁，得到所述第二图像；
对所述第一图像的有效区域进行剪裁，得到有效区域图像，对所述有效区域图像进行拉伸处理，得到第二图像。
37.一种计算机设备，其特征在于，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条指令，所述指令由所述一个或多个处理器加载并执行以实现权利要求1至权利要求10或权利要求11至权利要求20的任一项的数据处理方法所执行的操作。
38.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1至权利要求10或权利要求11至权利要求21的任一项所述的数据处理方法所执行的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910907281.1A CN112634397A (zh) | 2019-09-24 | 2019-09-24 | 数据处理方法、装置、计算机设备和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910907281.1A CN112634397A (zh) | 2019-09-24 | 2019-09-24 | 数据处理方法、装置、计算机设备和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112634397A true CN112634397A (zh) | 2021-04-09 |
Family
ID=75282843
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910907281.1A Pending CN112634397A (zh) | 2019-09-24 | 2019-09-24 | 数据处理方法、装置、计算机设备和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112634397A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108241861A (zh) * | 2018-01-05 | 2018-07-03 | 新华智云科技有限公司 | 一种数据可视化方法及设备 |
| CN108304183A (zh) * | 2018-02-26 | 2018-07-20 | 北京车和家信息技术有限公司 | 一种用户界面生成方法、装置及电子设备 |
| CN109189390A (zh) * | 2018-08-20 | 2019-01-11 | 福建天泉教育科技有限公司 | 自动生成布局文件的方法、存储介质 |
| CN109858409A (zh) * | 2019-01-18 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 手工图转换方法、装置、设备及介质 |
| KR20190100118A (ko) * | 2019-08-13 | 2019-08-28 | 네이버 주식회사 | 실내지도 작성 방법 및 그 장치 |
| CN110248113A (zh) * | 2018-03-07 | 2019-09-17 | 株式会社理光 | 图像处理装置、方法及计算机可读取的记录媒介物 |
-
2019
- 2019-09-24 CN CN201910907281.1A patent/CN112634397A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108241861A (zh) * | 2018-01-05 | 2018-07-03 | 新华智云科技有限公司 | 一种数据可视化方法及设备 |
| CN108304183A (zh) * | 2018-02-26 | 2018-07-20 | 北京车和家信息技术有限公司 | 一种用户界面生成方法、装置及电子设备 |
| CN110248113A (zh) * | 2018-03-07 | 2019-09-17 | 株式会社理光 | 图像处理装置、方法及计算机可读取的记录媒介物 |
| CN109189390A (zh) * | 2018-08-20 | 2019-01-11 | 福建天泉教育科技有限公司 | 自动生成布局文件的方法、存储介质 |
| CN109858409A (zh) * | 2019-01-18 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 手工图转换方法、装置、设备及介质 |
| KR20190100118A (ko) * | 2019-08-13 | 2019-08-28 | 네이버 주식회사 | 실내지도 작성 방법 및 그 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10943346B2 (en) | Multi-sample whole slide image processing in digital pathology via multi-resolution registration and machine learning | |
| US10255482B2 (en) | Interactive display for facial skin monitoring | |
| CN111862044B (zh) | 超声图像处理方法、装置、计算机设备和存储介质 | |
| CN108090511B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
| CN109154978A (zh) | 用于检测植物疾病的系统和方法 | |
| US10825195B2 (en) | Spatial index creation for IHC image analysis | |
| CN110807775A (zh) | 基于人工智能的中医舌像分割装置、方法及存储介质 | |
| DE202015009148U1 (de) | Automatische Bearbeitung von Bildern | |
| CN113792623B (zh) | 安检ct目标物识别方法和装置 | |
| US11461880B2 (en) | Generating image masks from digital images utilizing color density estimation and deep learning models | |
| CN112883926B (zh) | 表格类医疗影像的识别方法及装置 | |
| CN112839167B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
| CN114241326A (zh) | 一种渐进式遥感影像地物要素智能生产方法及系统 | |
| US11704807B2 (en) | Image processing apparatus and non-transitory computer readable medium storing program | |
| CN108416304A (zh) | 一种利用上下文信息的三分类人脸检测方法 | |
| CN115601811A (zh) | 面部痤疮的检测方法和装置 | |
| JP2002245441A (ja) | 人物像抽出装置 | |
| CN112634397A (zh) | 数据处理方法、装置、计算机设备和计算机可读存储介质 | |
| CN114758384A (zh) | 人脸检测方法、装置、设备及存储介质 | |
| CN112633038A (zh) | 数据处理方法、装置、计算机设备和计算机可读存储介质 | |
| CN114549499B (zh) | 一种用于终端设备的高拍仪达标检测方法、系统及介质 | |
| Júnior et al. | An approach for non-photorealistic rendering that is appealing to human viewers | |
| JP7426712B2 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
| CN112837327B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN117132824A (zh) | 印章真伪检验方法、装置、存储介质以及电子设备 |
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 |