CN113505253B - 基于区块链的图片上传方法、装置、服务器及存储介质 - Google Patents
基于区块链的图片上传方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN113505253B CN113505253B CN202110753895.6A CN202110753895A CN113505253B CN 113505253 B CN113505253 B CN 113505253B CN 202110753895 A CN202110753895 A CN 202110753895A CN 113505253 B CN113505253 B CN 113505253B
- Authority
- CN
- China
- Prior art keywords
- picture
- sample
- construction
- pictures
- compression ratio
- 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
Links
Images
Classifications
-
- 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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本申请涉及基于区块链的图片上传方法、装置、服务器及存储介质,其方法包括:获取施工图片集,若存在至少两张所述样本图片的压缩比例大于压缩比例的上限,则进行压缩处理,所述压缩处理包括:从所有所述样本图片中确定至少一个基准图片;基于相似度计算确定每个所述基准图片与每个所述参考图片之间的重复区域,将所述参考图片中除所述重复区域外的区域作为第二区域;对于每个所述基准图片,建立第一数据块,所述第一数据块存储所述基准图片对应的基准数据;建立第二数据块,所述第二数据块用于存储所述第二区域对应的数据,将所述重复区域在所述基准数据中对应的数据作为重复数据。本申请具有节省施工图片占用内存的效果。
Description
技术领域
本申请涉及数据传输的领域,尤其是涉及基于区块链的图片上传方法、装置、服务器及存储介质。
背景技术
建筑工程管理过程中涉及大量的图片资料采集,其中这些图片资料需要进行归档以及交给政府等相关方。
针对上述中的相关技术,发明人认为存在以下缺陷:由于工地图片采用摄像头或者是相机实地拍摄,因此图片质量高且占据大量存储空间,影响上传效率。
发明内容
为了节省施工图片占用内存,本申请提供基于区块链的图片上传方法、装置、服务器及存储介质。
第一方面,本申请提供一种基于区块链的图片上传方法,采用如下的技术方案:
一种基于区块链的图片上传方法,包括:
获取施工图片集,所述施工图片集中包括至少两张施工图片;
对所述施工图片进行预处理获得样本集,所述样本集中包括至少两张样本图片;
若存在至少两张所述样本图片的压缩比例大于压缩比例的上限,则进行压缩处理,所述压缩处理包括:
从所有所述样本图片中确定至少一个基准图片,其余所述样本图片作为参照图片;
基于相似度计算确定每个所述基准图片与每个所述参考图片之间的重复区域,将所述参考图片中除所述重复区域外的区域作为第二区域;
对于每个所述基准图片,建立第一数据块,所述第一数据块存储所述基准图片对应的基准数据;
对于每个所述参照图片,建立第二数据块,所述第二数据块用于存储所述第二区域对应的数据,将所述重复区域在所述基准数据中对应的数据作为重复数据;
建立所述重复数据的索引信息,所述第二数据块还用于存储所述索引信息;
导出图片集,包括:
导出每个所述基准图片对应的所述基准数据;
基于每个所述参照图片对应的所述第二数据确定内存压缩比例;
若所述内存压缩比例小于所述压缩比例上限,则导出所述参照图片对应的所述第二数据。
通过采用上述技术方案,对样本集中每个参考图片与基准图片之间的重复区域对应的重复数据作一次存储,在导出样本图片时,导出其与基准图片之间不重合的第二区域对应的第二数据,并通过索引的方式调取所述样本图片对应的重复数据,对多个施工图片进行批量处理时,通过数据共用的方式,减小了存储空间且并未影响图片质量。
在一种可能的实现方式中,所述从所有所述样本图片中确定至少一个基准图片,包括:
对每个所述样本图片进行比对操作,所述比对操作包括:
将任一所述样本图片划分为多个第一基准块,将除去所述任一样本图片外的图片作为第二图片,对于每个所述第二图片,将所述第二图片划分为多个第二基准块;
将所有所述第二基准块与所有所述第一基准块逐一进行相似度匹配,得到匹配结果,所述匹配结果表示与所述第二基准块相似度大于预设值的所述第一基准块的个数;
基于每个所述样本图片进行比对操作后的匹配结果,确定所述基准图片。
通过采用上述技术方案,在进行比对操作时,以每个样本图片分割后的第一基准块为参考,将其余所述第二图片所对应的所有第二基准块与所有所述第一基准块进行逐一对比,若任一第二基准块与任一第一基准块的相似度大于预设值,则在匹配结果中,针对该样本图片,其对应的匹配成功的第一基准块的个数加一;在所有样本图片经过比对操作后,选择其中匹配成功的第一基准块的个数最多的样本图片作为基准图片,实现了存储数据共用的功能。
在一种可能的实现方式中,所述方法还包括:
若所述样本图片的内存压缩比例大于所述压缩比例上限,则将所述样本图片再次执行所述压缩处理,直至所述样本图片的内存压缩比例小于所述压缩比例上限。
在一种可能的实现方式中,所述方法还包括:
基于场景识别将所述样本集划分为至少一个样本组,所述场景识别为基于施工场景进行识别;
对每组所述样本组内的所述样本图片进行所述压缩处理。
通过采用上述技术方案,基于施工场景的划分,首先对多个样本图片进行分组,每个样本组中的样本图片代表某一场景下的施工图片,对同一施工场景下的图片进行相似度对比,提高了比对效率以及数据共用的准确度。
在一种可能的实现方式中,所述获取施工图片集之后,还包括:
判断每个所述施工图片是否为预设格式的所述施工图片;
若存在非预设格式的所述施工图片,则将所述施工图片转换为预设格式的施工图片。
通过采用上述技术方案,将同一格式的图片进行存储/导出的批量处理,实现格式统一化,提高了处理效率。
在一种可能的实现方式中,所述将所述施工图片转换为预设格式的施工图片之后,还包括:
若所述转换为预设格式的施工图片的压缩比例小于预设的压缩比例下限,则导出所述施工图片;
若所述转换为预设格式的施工图片的压缩比例大于所述压缩比例下限,则对所述施工图片进行所述预处理。
通过采用上述技术方案,若转换格式后图片的压缩比例小于比例下限,则无需对该图片进行再次压缩,即可导出;转换格式后图片的压缩比例大于压缩比例下限,则需要对该图片进行再次压缩。
在一种可能的实现方式中,所述对所述施工图片进行预处理获得样本集,包括:
对于每个所述施工图片,判断所述施工图片的尺寸信息是否大于基准尺寸信息;
若是,则将所述施工图片按照预设规则进行尺寸压缩得到尺寸压缩后的施工图片,对所述尺寸压缩后的样本图片进行无损压缩,得到所述样本图片;
若不存在大于所述基准尺寸信息的施工图片,则将所有所述施工图片进行无损压缩,得到所述样本图片。
第二方面,本申请提供一种基于区块链的图片上传装置,采用如下的技术方案:
一种基于区块链的图片上传装置,包括:
获取模块,用于获取施工图片集,所述施工图片集中包括至少两张施工图片;
预处理模块,用于对所述施工图片进行预处理获得样本集,所述样本集中包括至少两张样本图片;
压缩模块,用于在当存在至少两张所述样本图片的压缩比例大于压缩比例的上限时,则进行压缩处理,所述压缩处理包括:
从所有所述样本图片中确定至少一个基准图片,其余所述样本图片作为参照图片;
基于相似度计算确定每个所述基准图片与每个所述参考图片之间的重复区域,将所述参考图片中除所述重复区域外的区域作为第二区域;
对于每个所述基准图片,建立第一数据块,所述第一数据块存储所述基准图片对应的基准数据;
对于每个所述参照图片,建立第二数据块,所述第二数据块用于存储所述第二区域对应的数据,将所述重复区域在所述基准数据中对应的数据作为重复数据;
建立所述重复数据的索引信息,所述第二数据块还用于存储所述索引信息;
上传模块,用于导出图片集,包括:
导出每个所述基准图片对应的所述基准数据;
基于每个所述参照图片对应的所述第二数据确定内存压缩比例;
若所述内存压缩比例小于所述压缩比例上限,则导出所述参照图片对应的所述第二数据。
第三方面,本申请提供一种服务器,采用如下的技术方案:
一种服务器,该服务器包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个程序配置用于:执行上述基于区块链的图片上传的方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括:存储有能够被处理器加载并执行上述基于区块链的图片上传方法的计算机程序。
附图说明
图1是本申请实施例基于区块链的图片上传方法步骤101-步骤104的流程图;
图2是本申请实施例基于区块链的图片上传方法步骤1031-步骤1035的流程图;
图3是本申请实施例基于区块链的图片上传方法步骤1041-步骤1043的流程图;
图4是本申请实施例基于区块链的图片上传装置结构示意图;
图5是本申请实施服务器的装置结构示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
本申请实施例提供了一种基于区块链的图片上传方法,由服务器执行,该方法包括:
参照图1,
步骤S101、获取施工图片集,施工图片集中包括至少两张施工图片。
其中,施工图片为建筑工程管理过程中采集的大量的图片资料,这些图片资料需要进行归档以及交给政府等相关方。
区块链的主要应用场景之一为信息共享,施工方将施工图片上传至区块链平台,以达到信息共享的目的。
参照图1,
步骤S102、对施工图片进行预处理获得样本集,样本集中包括至少两张样本图片。
相关技术中,对大批图片进行压缩的方式包括:a)打包压缩:若采用传统的压缩打包方式来压缩,虽方便快捷但压缩率低;b)批量导入压缩:若采用人工批量导入Photoshop进行压缩处理,虽压缩率高但效率低。
对于单张图片,图片压缩的形式包括有损压缩和无损压缩,有损压缩是损伤图片质量的,在压缩过程中会保留颜色逐渐变化的部分、并删除图片中颜色突然变化的部分,这样能减少图片在内存和磁盘中的内存空间,同时压缩比例越大,图片显示效果越差,并且图片后期不能恢复;而无损压缩是对文件本身的压缩,和压缩文件一样,是对数据存储的优化,压缩后图片可以恢复,所以图片在内存和磁盘上占用的并不能减小。
常见的图片的格式包括:JPG(后缀名也为JPEG)、PNG、WebP等,JPEG支持有损压缩,JPEG 2000支持有损压缩和无损压缩;PNG支持无损压缩;WebP同时支持有损压缩和无损压缩。
图片压缩率的计算公式为:“压缩率=压缩后的/压缩前的×100%”;例如:把100m的文件压缩后是90m,压缩率为90/100*100%=90%,压缩率一般是越小越好,根据存储情况设置压缩比例的大小阈值,例如:如不小于70%,不大于90%,则压缩率区间为【70%,90%】,其中,70%为压缩比例上限,90%为压缩比例下限。
图片所占内存大小的计算方式:width* height*一个像素的所占用的字节数;其中,无损压缩压缩率是受到数据统计冗余度的理论限制,一般为2:1到5:1;有损压缩允许压缩过程中损失一定的信息,虽然不能完全恢复原始数据,但压缩比最高可达200:1甚至更多。
参照图2,
步骤S103、若存在至少两张样本图片的压缩比例大于压缩比例的上限,则进行压缩处理,压缩处理包括:
步骤S1031、从所有样本图片中确定至少一个基准图片,其余样本图片作为参照图片;
步骤S1032、基于相似度计算确定每个基准图片与每个参考图片之间的重复区域,将参考图片中除重复区域外的区域作为第二区域;
步骤S1033、对于每个基准图片,建立第一数据块,第一数据块存储基准图片对应的基准数据;
步骤S1034、对于每个参照图片,建立第二数据块,第二数据块用于存储第二区域对应的数据,将重复区域在基准数据中对应的数据作为重复数据;
步骤S1035、建立重复数据的索引信息,第二数据块还用于存储索引信息;
参照图1和图3
步骤S104、导出图片集。
导出图片包括:
步骤S1041、导出每个基准图片对应的基准数据;
步骤S1042、基于每个参照图片对应的第二数据确定内存压缩比例;
步骤S1043、若内存压缩比例小于压缩比例上限,则导出参照图片对应的第二数据。
在对施工图片进行压缩处理后将其导出,若样本图片的内存压缩比例大于压缩比例的上限,表示该图片需要进一步压缩,直至其压缩率等于或者小于压缩比例的上限;压缩处理为对所有施工图片中的重复数据进行共用存储,对样本集中每个参考图片与基准图片之间的重复区域对应的重复数据作一次存储,在导出样本图片时,导出其与基准图片之间不重合的第二区域对应的第二数据,并通过索引的方式调取样本图片对应的重复数据,对多个施工图片进行批量处理时,通过数据共用的方式,减小了存储空间且并未影响图片质量。
在本申请实施例一种可能的实现方式中,本申请实施例还包括步骤S1044(图中未示出),步骤S1044与步骤S1043为并列关系,步骤S1044包括:若样本图片的内存压缩比例大于压缩比例上限,则将样本图片再次执行压缩处理,直至样本图片的内存压缩比例小于压缩比例上限。
对大量的施工图片进行对比,计算量大,为了提高计算效率,本申请实施例在一种可能的实现方式中,还包括步骤S105(图中未示出),步骤S105(图中未示出)设置于步骤S103之后,并设置于步骤S1031之前,步骤S105(图中未示出)包括:
基于场景识别将样本集划分为至少一个样本组,场景识别为基于施工场景进行识别;
对每组样本组内的样本图片进行压缩处理。
其中,场景识别为基于机器学习,通过有监督或者无监督的方式对施工场景进行划分,举例进行说明:一层楼梯施工、一层楼板施工、地下室楼板施工等等,在施工场景中,施工位置主要依据周围的参照物以及施工工具进行判断;
在未对样本图片进行基于场景识别的区分前,举例说明:图片a为一层楼梯的施工画面,图片a中包括斜撑杆,图片b为一层楼板的施工画面,在图片b中也包含了斜撑杆;则对图片a和图b进行压缩处理时,图片a和图片b中的重合区域为“斜撑杆”,此时图片a和图片b进行数据共用;但是上述数据共用并未达到对图片反映的实际施工场景的准确表达,可能会影响数据共用的准确性,因此本申请实施例设置的步骤S104,基于同一场景下的样本图片组进行压缩处理,不但提高了数据处理速度,且提高了数据共用的准确性。
在本申请实施例一种可能的实现方式中,在步骤S1031中,从所有样本图片中确定至少一个基准图片,包括:
对每个样本图片进行比对操作,比对操作包括:
步骤S031(图中未示出)、将任一样本图片划分为多个第一基准块,将除去任一样本图片外的图片作为第二图片,对于每个第二图片,将第二图片划分为多个第二基准块;
其中,对任一样本图片进行分割的方式与对第二图片进行分割的方式采用同一种分割方式,例如将样本图片分割为100块第一基准块(第一基准块的大小可不相同),将每个第二图片也按照上述分割方式分割为100个第二基准块。
步骤S032(图中未示出)、将所有第二基准块与所有第一基准块逐一进行相似度匹配,得到匹配结果,匹配结果表示与第二基准块相似度大于预设值的第一基准块的个数;
具体地,举例说明:
若一个样本集/样品组中包括的图片为{a1、a2、a3、a4、a5},将图片a1分割为第一分割集(包含多个第一基准块),将图片a2分割为第二分割集(包含多个第二基准块),将图片a3分割为第三分割集(包含多个第二基准块),将图片a4分割为第四分割集(包含多个第二基准块),将图片a5分割为第五分割集(包含多个第二基准块)。
将第二分割集中的每个第二基准块分别与第一分割集中的每个第一基准块进行相似度比对,若相似度大于预设值,则说明该第一基准块/第二基准块为图片a1和图片a2至少一个重复区域,重复区域可包含0个第一基准块/第二基准块,或者至少一个第一基准块/第二基准块。
步骤S033(图中未示出)、基于每个样本图片进行比对操作后的匹配结果,确定基准图片。
在{a1、a2、a3、a4、a5}中,通过上述计算,获得匹配成功的第一基准块的个数,将包含匹配成功的第一基准块个数最多的图片作为基准图片。
在本申请实施例一种可能的实现方式中,还包括步骤S106(图中未示出),步骤S106设置于步骤S101之后,步骤S106包括:判断每个施工图片是否为预设格式的施工图片;若存在非预设格式的施工图片,则将施工图片转换为预设格式的施工图片。通过将同一格式的图片进行存储/导出的批量处理,实现格式统一化,提高了处理效率。
在本申请实施例一种可能的实现方式中,还包括步骤S107(图中未示出),步骤S107设置于步骤S106之后,包括:若转换为预设格式的施工图片的压缩比例小于预设的压缩比例下限,则导出施工图片;若转换为预设格式的施工图片的压缩比例大于压缩比例下限,则对施工图片进行预处理。若转换格式后图片的压缩比例小于比例下限,则无需对该图片进行再次压缩,即可导出;转换格式后图片的压缩比例大于压缩比例下限,则需要对该图片进行再次压缩。
在本申请实施例一种可能的实现方式中,对施工图片进行预处理获得样本集,包括:
对于每个施工图片,判断施工图片的尺寸信息是否大于基准尺寸信息;
若是,则将施工图片按照预设规则进行尺寸压缩得到尺寸压缩后的施工图片;对尺寸压缩后的样本图片进行无损压缩,得到样本图片;
若不存在大于基准尺寸信息的施工图片,则将所有施工图片进行无损压缩,得到样本图片。
举例说明:判断是否含有宽和高均超过规定标准尺寸的施工图片,若存在,则对施工图片进行按照宽或高的标准尺寸进行等比压缩。
上述实施例从方法流程的角度介绍一种基于区块链的图片上传方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种基于区块链的图片上传装置,具体详见下述实施例。
本申请实施例提供一种基于区块链的图片上传的装置,参照图4,该基于区块链的图片上传的装置具体可以包括:
一种基于区块链的图片上传装置100,包括:
获取模块1001,用于获取施工图片集,施工图片集中包括至少两张施工图片;
预处理模块1002,用于对所述施工图片进行预处理获得样本集,所述样本集中包括至少两张样本图片;
压缩模块1003,用于在当存在至少两张所述样本图片的压缩比例大于压缩比例的上限时,则进行压缩处理,所述压缩处理包括:
从所有样本图片中确定至少一个基准图片,其余样本图片作为参照图片;
基于相似度计算确定每个基准图片与每个参考图片之间的重复区域,将参考图片中除重复区域外的区域作为第二区域;
对于每个基准图片,建立第一数据块,第一数据块存储基准图片对应的基准数据;
对于每个参照图片,建立第二数据块,第二数据块用于存储第二区域对应的数据,将重复区域在基准数据中对应的数据作为重复数据;
建立重复数据的索引信息,第二数据块还用于存储索引信息;
上传模块1004,用于导出图片集,包括:
导出每个基准图片对应的基准数据;
基于每个参照图片对应的第二数据确定内存压缩比例;
若内存压缩比例小于压缩比例上限,则导出参照图片对应的第二数据。
本申请实施例中提供了一种服务器,参照图5,所示的服务器1100包括:处理器1101和存储器1103。其中,处理器1101和存储器1103相连,如通过总线1102相连。可选地,服务器1100还可以包括收发器1104。需要说明的是,实际应用中收发器1104不限于一个,该服务器1100的结构并不构成对本申请实施例的限定。
处理器1101可以是CPU(CentralProcessingUnit,中央处理器),通用处理器,DSP(DigitalSignalProcessor,数据信号处理器),ASIC(ApplicationSpecificIntegratedCircuit,专用集成电路),FPGA(FieldProgrammableGateArray,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器1101也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线1102可包括一通路,在上述组件之间传送信息。总线1102可以是PCI(PeripheralComponentInterconnect,外设部件互连标准)总线或EISA(ExtendedIndustryStandardArchitecture,扩展工业标准结构)总线等。总线1102可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器1103可以是ROM(ReadOnlyMemory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(RandomAccessMemory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(ElectricallyErasableProgrammableReadOnlyMemory,电可擦可编程只读存储器)、CD-ROM(CompactDiscReadOnlyMemory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器1103用于存储执行本申请方案的应用程序代码,并由处理器1101来控制执行。处理器1101用于执行存储器1103中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,服务器包括但不限于: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。还可以为服务器等。图3示出的服务器仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种基于区块链的图片上传方法,其特征在于,包括:
从区块链中获取施工图片集,所述施工图片集中包括至少两张施工图片;
对所述施工图片进行预处理获得样本集,所述样本集中包括至少两张样本图片;
若存在至少两张所述样本图片的压缩比例大于压缩比例的上限,则进行压缩处理,所述压缩处理包括:
从所有所述样本图片中确定至少一个基准图片,其余所述样本图片作为参照图片;
基于相似度计算确定每个所述基准图片与每个所述参照图片之间的重复区域,将所述参照图片中除所述重复区域外的区域作为第二区域;
对于每个所述基准图片,建立第一数据块,所述第一数据块存储所述基准图片对应的基准数据;
对于每个所述参照图片,建立第二数据块,所述第二数据块用于存储所述第二区域对应的数据,将所述重复区域在所述基准数据中对应的数据作为重复数据;
建立所述重复数据的索引信息,所述第二数据块还用于存储所述索引信息;
导出图片集,包括:
导出每个所述基准图片对应的所述基准数据;
基于每个所述参照图片对应的所述第二数据确定内存压缩比例;
若所述内存压缩比例小于所述压缩比例上限,则导出所述参照图片对应的所述第二数据;
若所述样本图片的所述内存压缩比例大于所述压缩比例上限,则将所述样本图片再次执行压缩处理,直至所述样本图片的所述内存压缩比例小于所述压缩比例上限。
2.根据权利要求1所述的方法,其特征在于,所述从所有所述样本图片中确定至少一个基准图片,包括:
对每个所述样本图片进行比对操作,所述比对操作包括:
将任一所述样本图片划分为多个第一基准块,将除去任一所述样本图片外的图片作为第二图片,对于每个所述第二图片,将所述第二图片划分为多个第二基准块;
将所有所述第二基准块与所有所述第一基准块逐一进行相似度匹配,得到匹配结果,所述匹配结果表示与所述第二基准块相似度大于预设值的所述第一基准块的个数;
基于每个所述样本图片进行比对操作后的匹配结果,确定所述基准图片。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述样本图片的内存压缩比例大于所述压缩比例上限,则将所述样本图片再次执行所述压缩处理,直至所述样本图片的内存压缩比例小于所述压缩比例上限。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于场景识别将所述样本集划分为至少一个样本组,所述场景识别为基于施工场景进行识别;
对每组所述样本组内的所述样本图片进行所述压缩处理。
5.根据权利要求1所述的方法,其特征在于,所述获取施工图片集之后,还包括:
判断每个所述施工图片是否为预设格式的所述施工图片;
若存在非预设格式的所述施工图片,则将所述施工图片转换为预设格式的施工图片。
6.根据权利要求5所述的方法,其特征在于,所述将所述施工图片转换为预设格式的施工图片之后,还包括:
若所述转换为预设格式的施工图片的压缩比例小于预设的压缩比例下限,则导出所述施工图片;
若所述转换为预设格式的施工图片的压缩比例大于所述压缩比例下限,则对所述施工图片进行所述预处理。
7.根据权利要求1所述的方法,其特征在于,所述对所述施工图片进行预处理获得样本集,包括:
对于每个所述施工图片,判断所述施工图片的尺寸信息是否大于基准尺寸信息;
若是,则将所述施工图片按照预设规则进行尺寸压缩得到尺寸压缩后的施工图片,对所述尺寸压缩后的样本图片进行无损压缩,得到所述样本图片;
若不存在大于所述基准尺寸信息的施工图片,则将所有所述施工图片进行无损压缩,得到所述样本图片。
8.一种基于区块链的图片上传装置,其特征在于,包括:
获取模块,用于从区块链中获取施工图片集,所述施工图片集中包括至少两张施工图片;
预处理模块,用于对所述施工图片进行预处理获得样本集,所述样本集中包括至少两张样本图片;
压缩模块,用于在当存在至少两张所述样本图片的压缩比例大于压缩比例的上限时,则进行压缩处理,所述压缩处理包括:
从所有所述样本图片中确定至少一个基准图片,其余所述样本图片作为参照图片;
基于相似度计算确定每个所述基准图片与每个所述参照图片之间的重复区域,将所述参照图片中除所述重复区域外的区域作为第二区域;
对于每个所述基准图片,建立第一数据块,所述第一数据块存储所述基准图片对应的基准数据;
对于每个所述参照图片,建立第二数据块,所述第二数据块用于存储所述第二区域对应的数据,将所述重复区域在所述基准数据中对应的数据作为重复数据;
建立所述重复数据的索引信息,所述第二数据块还用于存储所述索引信息;
上传模块,用于导出图片集,包括:
导出每个所述基准图片对应的所述基准数据;
基于每个所述参照图片对应的所述第二数据确定内存压缩比例;
若所述内存压缩比例小于所述压缩比例上限,则导出所述参照图片对应的所述第二数据;
若所述样本图片的所述内存压缩比例大于所述压缩比例上限,则将所述样本图片再次执行压缩处理,直至所述样本图片的所述内存压缩比例小于所述压缩比例上限。
9.一种服务器,其特征在于,该服务器包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个程序配置用于:执行权利要求1-7任一项所述基于区块链的图片上传方法。
10.一种计算机可读存储介质,其特征在于,包括:存储有能够被处理器加载并执行如权利要求1至7中任一所述基于区块链的图片上传方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110753895.6A CN113505253B (zh) | 2021-07-03 | 2021-07-03 | 基于区块链的图片上传方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110753895.6A CN113505253B (zh) | 2021-07-03 | 2021-07-03 | 基于区块链的图片上传方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113505253A CN113505253A (zh) | 2021-10-15 |
CN113505253B true CN113505253B (zh) | 2022-07-05 |
Family
ID=78011143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110753895.6A Active CN113505253B (zh) | 2021-07-03 | 2021-07-03 | 基于区块链的图片上传方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113505253B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116204135A (zh) * | 2023-04-27 | 2023-06-02 | 中科信工创新技术(北京)有限公司 | 一种数据压缩的方法、装置、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107766492A (zh) * | 2017-10-18 | 2018-03-06 | 北京京东尚科信息技术有限公司 | 一种图像搜索的方法和装置 |
CN109344275A (zh) * | 2018-08-21 | 2019-02-15 | 深圳市致远优学教育科技有限公司 | 基于图片识别的资源获取装置及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004304469A (ja) * | 2003-03-31 | 2004-10-28 | Minolta Co Ltd | 原稿画像の領域分割・圧縮プログラム及び領域分割・圧縮方法 |
CN105550352A (zh) * | 2015-12-28 | 2016-05-04 | 华为技术有限公司 | 一种基于图像的重复数据删除方法及装置 |
CN109672888B (zh) * | 2018-09-25 | 2022-04-22 | 平安科技(深圳)有限公司 | 图片压缩方法、设备及计算机可读存储介质 |
CN112487396A (zh) * | 2020-12-08 | 2021-03-12 | 平安国际智慧城市科技股份有限公司 | 图片的处理方法、装置、计算机设备及存储介质 |
-
2021
- 2021-07-03 CN CN202110753895.6A patent/CN113505253B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107766492A (zh) * | 2017-10-18 | 2018-03-06 | 北京京东尚科信息技术有限公司 | 一种图像搜索的方法和装置 |
CN109344275A (zh) * | 2018-08-21 | 2019-02-15 | 深圳市致远优学教育科技有限公司 | 基于图片识别的资源获取装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113505253A (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107256262B (zh) | 一种基于物体检测的图像检索方法 | |
CN111242180B (zh) | 一种基于轻量化卷积神经网络的图像识别方法及系统 | |
WO2021129466A1 (zh) | 检测水印的方法、装置、终端及存储介质 | |
US11734341B2 (en) | Information processing method, related device, and computer storage medium | |
CN113869138A (zh) | 多尺度目标检测方法、装置及计算机可读存储介质 | |
CN115443490A (zh) | 影像审核方法及装置、设备、存储介质 | |
CN113505253B (zh) | 基于区块链的图片上传方法、装置、服务器及存储介质 | |
CN113536003A (zh) | 特征提取模型训练方法、图像检索方法、装置和设备 | |
CN110198473B (zh) | 视频处理方法、装置、电子设备及计算机可读存储介质 | |
CN111222005A (zh) | 声纹数据重排序方法、装置、电子设备及存储介质 | |
CN117149777B (zh) | 一种数据查询方法、装置、设备及存储介质 | |
CN113887551A (zh) | 基于话单数据的目标人分析方法、终端设备及存储介质 | |
KR101242659B1 (ko) | 영상 검색 방법 | |
CN111062388B (zh) | 基于深度学习的广告文字的识别方法、系统、介质及设备 | |
CN115359400A (zh) | 视频识别方法、装置、介质及电子设备 | |
CN114461833A (zh) | 图片取证方法、装置、计算机设备及存储介质 | |
CN114969089A (zh) | 数据获得方法、装置、电子设备及存储介质 | |
CN113111200A (zh) | 审核图片文件的方法、装置、电子设备和存储介质 | |
CN114648713A (zh) | 视频分类方法、装置、电子设备及计算机可读存储介质 | |
CN115687673B (zh) | 图片归档的方法、装置、电子设备及可读存储介质 | |
CN112036501A (zh) | 基于卷积神经网络的图片的相似度检测方法及其相关设备 | |
CN110704679A (zh) | 视频分类方法、装置及电子设备 | |
CN110991543B (zh) | 图像感兴趣区聚类方法和装置、计算设备、和存储介质 | |
CN114882024B (zh) | 目标对象的缺陷检测方法、装置、电子设备以及存储介质 | |
CN115328923B (zh) | 时序生理数据的存储结构、查询方法、存储介质及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |