CN113891015A - 基于人工智能的图像处理方法、装置和计算机设备 - Google Patents

Abstract

本申请涉及人工智能技术领域，提供一种基于人工智能的图像处理方法、装置、计算机设备和存储介质。所述方法包括：获取原始待处理图像；在原始待处理图像的数据量大于预设的数据量阈值时，将原始待处理图像转换为预设格式，得到预设格式的待处理图像；调整待处理图像的图像参数，得到调整后图像；将调整后图像转换为目标格式，获得目标格式的处理后图像。采用本申请实施例的方法，通过预设的数据量阈值对原始待处理图像进行处理，能够使得处理后图像满足预设的数据量阈值，确保处理后图像的质量，提高图像的处理效率，并更好的满足于具体业务场景的需求。

Description

基于人工智能的图像处理方法、装置和计算机设备

技术领域

本申请涉及人工智能技术领域，特别是涉及一种基于人工智能的图像处理方法、装置、计算机设备和存储介质。

背景技术

随着通信技术的不断发展，智能终端可实现的功能也呈现多样化。当用户通过智能终端在线办理业务时，例如，购买保险、证券或基金等业务，一般会进行用户识别认证，此时则需要上传图像。

由于原始图像一般数据量较大，因此需要先将图像进行压缩，再上传压缩后的图像。目前，主要是将图像进行简单的裁剪，以达到压缩的目的。然而，在具体的业务场景中，对于图像的质量有一定要求，使得传统的图像压缩方法不能适用，从而导致图像的处理效率不高。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高图像的处理效率的基于人工智能的图像处理方法、装置、计算机设备和存储介质。

一种基于人工智能的图像处理方法，所述方法包括：

获取原始待处理图像；

在所述原始待处理图像的数据量大于预设的数据量阈值时，将所述原始待处理图像转换为预设格式，得到预设格式的待处理图像；

调整所述待处理图像的图像参数，得到调整后图像；

将所述调整后图像转换为目标格式，获得目标格式的处理后图像。

在其中一个实施例中，所述将所述原始待处理图像转换为预设格式，得到预设格式的待处理图像，包括：

将所述原始待处理图像转换为可读格式，获得所述可读格式的待处理图像；

将所述可读格式的待处理图像转换为所述预设格式，得到预设格式的待处理图像。

在其中一个实施例中，所述待处理图像的图像参数包括：清晰度参数和尺寸参数中的至少一种；

所述调整所述待处理图像的图像参数，得到调整后图像，包括：

根据所述数据量阈值，确定所述数据量阈值对应的清晰度阈值；

基于所述原始待处理图像的数据量以及所述清晰度阈值，计算所述待处理图像对应的压缩比例；

根据所述压缩比例和所述清晰度阈值，调整所述待处理图像的清晰度参数和尺寸参数，得到调整后图像。

在其中一个实施例中，在所述原始待处理图像为iOS图像时，所述待处理图像的图像参数还包括：旋转参数，所述iOS图像为iOS操作系统的终端拍摄的图像；

所述调整所述待处理图像的图像参数，得到调整后图像，还包括：

解析所述原始待处理图像的图像元数据；

根据所述图像元数据，确定所述原始待处理图像对应的旋转信息；

基于所述旋转信息，调整所述待处理图像的旋转参数，得到调整后图像。

在其中一个实施例中，所述旋转信息包括：旋转角度和旋转方向；

所述基于所述旋转信息，调整所述待处理图像的旋转参数，得到调整后图像，包括：

按照所述旋转方向的反方向，将所述待处理图像旋转所述旋转角度，得到调整后图像。

在其中一个实施例中，在所述将所述调整后图像转换为目标格式，获得目标格式的处理后图像之后，还包括：

比较所述处理后图像的数据量与预设的所述数据量阈值；

当所述处理后图像的数据量大于所述数据量阈值时，则将所述处理后图像作为新的所述原始待处理图像，并返回所述将所述原始待处理图像转换为预设格式的步骤，直至最后得到的处理后图像的数据量不大于所述数据量阈值。

在其中一个实施例中，在所述将所述调整后图像转换为目标格式，获得目标格式的处理后图像之后，还包括：

上传所述目标格式的所述处理后图像。

一种基于人工智能的图像处理装置，所述装置包括：

图像获取模块，用于获取原始待处理图像；

图像转换模块，用于在所述原始待处理图像的数据量大于预设的数据量阈值时，将所述原始待处理图像转换为预设格式，得到预设格式的待处理图像；

图像调整模块，用于调整所述待处理图像的图像参数，得到调整后图像；

图像获得模块，用于将所述调整后图像转换为目标格式，获得目标格式的处理后图像。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的基于人工智能的图像处理方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于人工智能的图像处理方法的步骤。

上述基于人工智能的图像处理方法、装置、计算机设备和存储介质，通过获取原始待处理图像；在原始待处理图像的数据量大于预设的数据量阈值时，将原始待处理图像转换为预设格式，得到预设格式的待处理图像；调整待处理图像的图像参数，得到调整后图像；将调整后图像转换为目标格式，获得目标格式的处理后图像。采用上述实施例的方法，通过预设的数据量阈值对原始待处理图像进行处理，能够使得处理后图像满足预设的数据量阈值，确保处理后图像的质量，提高图像的处理效率，并更好的满足于具体业务场景的需求。

附图说明

图1为一个实施例中基于人工智能的图像处理方法的应用环境图；

图2为一个实施例中基于人工智能的图像处理方法的流程示意图；

图3为一个具体实施例中基于人工智能的图像处理方法的示意图；

图4为一个实施例中基于人工智能的图像处理装置的结构框图；

图5为一个实施例中计算机设备的内部结构图；

图6为另一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在其中一个实施例中，本申请提供的基于人工智能的图像处理方法，应用场景可以同时涉及终端102和服务器104，如图1所示。其中，终端102通过网络或协议等方式与服务器104进行通信。具体地，服务器104通过终端102获取终端102拍摄的原始待处理图像；在原始待处理图像的数据量大于预设的数据量阈值时，在服务器104中将原始待处理图像转换为预设格式，得到预设格式的待处理图像，调整待处理图像的图像参数，得到调整后图像，将调整后图像转换为目标格式，获得目标格式的处理后图像。

在其中一个实施例中，本申请提供的基于人工智能的图像处理方法，应用场景可以只涉及终端102或服务器104。具体地，终端102直接拍摄或服务器104直接获取原始待处理图像；在原始待处理图像的数据量大于预设的数据量阈值时，在终端102或服务器104中将原始待处理图像转换为预设格式，得到预设格式的待处理图像；调整待处理图像的图像参数，得到调整后图像；将调整后图像转换为目标格式，获得目标格式的处理后图像。

其中，终端102可以但不限于是各种具备图像采集装置的个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等，图像采集装置可以但不限于是各种相机、摄像头等，服务器104可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

在其中一个实施例中，如图2所示，提供了一种基于人工智能的图像处理方法，以该方法应用于图1中的终端102和/或服务器104为例进行说明，包括：

步骤S202，获取原始待处理图像。

在其中一个实施例中，本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。本申请的实施例可以基于JavaScript编程语言实现。其中，JavaScript是具有函数优先的轻量级，解释型或即时编译型的编程语言。当用户通过终端在线办理业务时，例如，通过终端的浏览器或应用程序，购买保险、证券或基金等，会进行用户识别认证或发票凭证识别认证等，此时则需要上传业务场景所需求的图像，并进行图像识别。其中，将终端直接拍摄的、未经处理的图像称为原始待处理图像。

在其中一个实施例中，终端的操作系统主要包括：基于Linux内核的自由及开放源代码的安卓操作系统，以及苹果公司开发的iOS操作系统。其中，将安卓操作系统的终端拍摄的图像称为安卓图像，将iOS操作系统的终端拍摄的图像称为iOS图像。具体地，获取原始待处理图像。其中，原始待处理图像可以是安卓图像，也可以是iOS图像，可以是静态图像，也可以是动态图像，对此不作限定。

步骤S204，在原始待处理图像的数据量大于预设的数据量阈值时，将原始待处理图像转换为预设格式，得到预设格式的待处理图像。

在其中一个实施例，图像的数据量与图像的尺寸和清晰度相关。其中，清晰度是指图像中的各细部影纹和边界的清晰程度。尺寸是指图像的长度和宽度，其单位可以是像素，也可以是厘米。其中，原始待处理图像的数据量，可以基于原始待处理图像的尺寸和清晰度确定。预设的数据量阈值是指预先设置的图像的数据量阈值，可以根据用户办理的具体业务场景的需求进行设置。

在其中一个实施例中，将原始待处理数据的数据量与预设的数据量阈值进行比较，在原始待处理图像的数据量大于预设的数据量阈值时，则需要对原始待处理数据进行数据处理，在原始待处理图像的数据量不大于预设的数据量阈值时，无需对原始待处理数据进行数据处理，直接上传即可。其中，由于本申请的实施例可以基于JavaScript编程语言实现，因此在对原始待处理数据进行处理时，需要先将原始待处理数据进行格式转换。具体地，将原始待处理图像转换为预设格式，得到预设格式的待处理图像。其中，预设格式可以是Canvas格式，将Canvas格式的图像称为待处理图像。

在其中一个实施例中，将原始待处理图像转换为预设格式，得到预设格式的待处理图像，包括：将原始待处理图像转换为可读格式，获得可读格式的待处理图像，并将可读格式的待处理图像转换为预设格式，得到预设格式的待处理图像。具体地，可读格式可以是dataURL格式，可以使用软件的方式将原始待处理图像转化为dataURL格式。例如，将原始待处理数据输入到格式转换器中，转化为dataURL格式并输出。在得到dataURL格式之后，再将dataURL格式转换为上述的Canvas格式，得到Canvas格式的待处理图像。

步骤S206，调整待处理图像的图像参数，得到调整后图像。

在其中一个实施例，得到Canvas格式的待处理图像之后，通过调整待处理图像的图像参数，对图像的数据量进行调整。其中，在原始待处理图像为安卓图像或iOS图像时，待处理图像的图像参数均包括：清晰度参数和尺寸参数中的至少一种。具体地，清晰度参数为待处理图像的清晰度，尺寸参数为待处理图像的长度或宽度。

在其中一个实施例中，在原始待处理图像为iOS图像时，基于iOS操作系统的性质，待处理图像的图像参数还包括：旋转参数。其中，旋转参数包括旋转方向和旋转角度。当iOS操作系统的终端在拍摄得到原始待处理图像时，若对原始待处理图像进行了旋转，则可以根据原始待处理图像的图像元数据确定上述的旋转参数。其中，图像元数据(Metadata)是描述图像属性的信息，可以是嵌入到图像中的标签。图像元数据可以包括图像格式、长度、宽度、分辨率、颜色通道、透明通道、质量指数、位深度、像素数量等其中的至少一种。

在其中一个实施例中，调整待处理图像的图像参数之后，将得到的图像称为调整后图像，调整后图像与待处理图像的长宽比相同。其中，调整后图像为Canvas格式的图像，后续还可以将Canvas格式转换为其他的格式，以满足具体业务场景的需求。

步骤S208，将调整后图像转换为目标格式，获得目标格式的处理后图像。

在其中一个实施例中，目标格式是指用户办理的具体业务场景所需的图像格式。其中，根据具体业务场景，目标格式可以是Image Object格式。具体地，将Canvas格式的调整后图像先转换为dataURL格式，再转换为Image Object格式，获得Image Object格式的图像，也称为处理后图像。

在其中一个实施例中，为了确保处理后图像满足具体业务场景所需的数据量阈值，在将调整后图像转换为目标格式，获得目标格式的处理后图像之后，还包括：比较处理后图像的数据量与预设的数据量阈值。其中，当处理后图像的数据量大于数据量阈值时，则将处理后图像作为新的原始待处理图像，并返回步骤S204，直至最后得到的处理后图像的数据量不大于数据量阈值，以确保处理后图像满足具体业务场景的需求。

在其中一个实施例中，在最后得到的处理后图像的数据量不大于数据量阈值，在将调整后图像转换为目标格式，获得目标格式的处理后图像之后，还包括：上传目标格式的处理后图像，以使用户能够进行后续的业务处理。

上述基于人工智能的图像处理方法中，通过获取原始待处理图像；在原始待处理图像的数据量大于预设的数据量阈值时，将原始待处理图像转换为预设格式，得到预设格式的待处理图像；调整待处理图像的图像参数，得到调整后图像；将调整后图像转换为目标格式，获得目标格式的处理后图像。采用上述实施例的方法，通过预设的数据量阈值对原始待处理图像进行处理，能够使得处理后图像满足预设的数据量阈值，确保处理后图像的质量，提高图像的处理效率，并更好的满足于具体业务场景的需求。

在其中一个实施例中，步骤S206调整待处理图像的图像参数，得到调整后图像，包括：

步骤S302，根据数据量阈值，确定数据量阈值对应的清晰度阈值。

在其中一个实施例中，由于图像的数据量与图像的尺寸和清晰度相关，因此可以根据设定的数据量阈值，确定数据量阈值对应的清晰度阈值。具体地，清晰度阈值可以是0.8。

步骤S304，基于原始待处理图像的数据量以及清晰度阈值，计算待处理图像对应的压缩比例。

在其中一个实施例中，基于原始待处理图像的尺寸和清晰度，以及数据量阈值对应的清晰度阈值，计算待处理图像需压缩的尺寸大小，确定压缩比例。

步骤S306，根据压缩比例和清晰度阈值，调整待处理图像的清晰度参数和尺寸参数，得到调整后图像。

在其中一个实施例中，根据压缩比例和清晰度阈值，对待处理图像进行压缩，调整待处理图像的清晰度参数和尺寸参数，且使调整后图像达到上述的清晰度阈值，以确保调整后图像的质量。

在其中一个实施例中，步骤S206调整待处理图像的图像参数，得到调整后图像，包括：

步骤S402，解析原始待处理图像的图像元数据。

在其中一个实施例，在原始待处理图像为iOS图像时，可以通过软件的方式，读取并解析原始待处理图像的图像元数据。具体地，可以通过JavaScript编程语言输入读取命令，以读取原始待处理图像的图像元数据，并对图像元数据进行解析。

步骤S404，根据图像元数据，确定原始待处理图像对应的旋转信息。

在其中一个实施例，根据图像元数据，确定原始待处理图像对应的旋转信息。具体地，根据iOS图像的图像元数据中的旋转标识，确定原始待处理图像的旋转属性，也就是原始待处理图像对应的旋转信息。其中，旋转信息包括：旋转角度和旋转方向。

步骤S406，基于旋转信息，调整待处理图像的旋转参数，得到调整后图像。

在其中一个实施例，根据确定的旋转信息，也就是，按照旋转方向的反方向，将待处理图像旋转上述的旋转角度，得到调整后图像。例如，在旋转信息中包括旋转角度为+90°，+表示顺时针方向，则逆时针方向旋转90°，以纠正待处理图像。

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及其中一个具体实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

如图3所示为一个具体实施例中基于人工智能的图像处理方法的示意图，涉及到用户的终端和服务器，其中，用户通过终端来完成保险购买业务时，需要对用户进行人脸识别，终端将用户的人脸图像上传至服务器以完成人脸识别，具体步骤如下：

S1，用户通过终端拍摄人脸图像，终端获取原始待处理图像；

S2，终端将原始待处理图像的数据量与保险购买业务对应的数据量阈值进行比较，在原始待处理图像的数据量不大于数据量阈值时，直接将原始待处理图像上传至服务器，其中，保险购买业务对应的数据量阈值设置为200KB；

S3，在原始待处理图像的数据量大于预设的数据量阈值时，先将原始待处理图像转换为dataURL格式，再将dataURL格式转换Canvas格式，得到Canvas格式的待处理图像；

S4，终端根据数据量阈值，调整待处理图像的清晰度参数和尺寸参数；在原始待处理图像为iOS图像时，基于JavaScript解析原始待处理图像的图像元数据，根据iOS图像的图像元数据中的旋转标识确定旋转角度和旋转方向，按照旋转方向的反方向，将待处理图像旋转上述的旋转角度，得到Canvas格式的调整后图像；

S5，终端将Canvas格式的调整后图像，先转换为dataURL格式，再转换为ImageObject格式，获得Image Object格式的处理后图像；

S6，终端将上述获得的Image Object格式的处理后图像的数据量，再次与保险购买业务对应的数据量阈值进行比较，在处理后图像的数据量仍然大于数据量阈值时，返回步骤S3，直至最后得到的Image Object格式的处理后图像不大于数据量阈值；

S7，将Image Object格式的处理后图像上传至服务器。

应该理解的是，虽然图2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，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在其中一个实施例中，如图4所示，提供了一种基于人工智能的图像处理装置，包括：图像获取模块410、图像转换模块420、图像调整模块430和图像获得模块440，其中：

图像获取模块410，用于获取原始待处理图像。

图像转换模块420，用于在所述原始待处理图像的数据量大于预设的数据量阈值时，将所述原始待处理图像转换为预设格式，得到预设格式的待处理图像。

图像调整模块430，用于调整所述待处理图像的图像参数，得到调整后图像。

图像获得模块440，用于将所述调整后图像转换为目标格式，获得目标格式的处理后图像。

在其中一个实施例中，图像转换模块420包括以下单元：

第一图像转换单元，用于将所述原始待处理图像转换为可读格式，获得所述可读格式的待处理图像。

第二图像转换单元，用于将所述可读格式的待处理图像转换为所述预设格式，得到所述预设格式的待处理图像。

在其中一个实施例中，图像调整模块430包括以下单元：

第一参数确定单元，用于确定所述待处理图像的图像参数包括：清晰度参数和尺寸参数中的至少一种。

清晰度阈值确定单元，用于根据所述数据量阈值，确定所述数据量阈值对应的清晰度阈值。

压缩比例计算单元，用于基于所述原始待处理图像的数据量以及所述清晰度阈值，计算所述待处理图像对应的压缩比例。

第一图像调整单元，用于根据所述压缩比例和所述清晰度阈值，调整所述待处理图像的清晰度参数和尺寸参数，得到调整后图像。

第二参数确定单元，用于确定在所述原始待处理图像为iOS图像时，所述待处理图像的图像参数还包括：旋转参数，所述iOS图像为iOS操作系统的终端拍摄的图像。

图像元数据解析单元，用于解析所述原始待处理图像的图像元数据。

旋转信息确定单元，用于根据所述图像元数据，确定所述原始待处理图像对应的旋转信息；所述旋转信息包括：旋转角度和旋转方向。

第二图像调整单元，用于基于所述旋转信息，调整所述待处理图像的旋转参数，得到调整后图像。

在其中一个实施例中，第二图像调整单元包括以下单元：

图像旋转单元，用于按照所述旋转方向的反方向，将所述待处理图像旋转所述旋转角度，得到调整后图像。

在其中一个实施例中，基于人工智能的图像处理装置还包括：

比较单元，用于比较所述处理后图像的数据量与预设的所述数据量阈值。

处理单元，用于当所述处理后图像的数据量大于所述数据量阈值时，则将所述处理后图像作为新的所述原始待处理图像，并返回所述将所述原始待处理图像转换为预设格式的步骤，直至最后得到的处理后图像的数据量不大于所述数据量阈值。

图像上传单元，用于上传所述目标格式的所述处理后图像。

关于基于人工智能的图像处理装置的具体限定可以参见上文中对于基于人工智能的图像处理方法的限定，在此不再赘述。上述基于人工智能的图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在其中一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储图像处理数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于人工智能的图像处理方法。

在其中一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于人工智能的图像处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图5和图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在其中一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述的基于人工智能的图像处理方法的步骤。

在其中一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的基于人工智能的图像处理方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于人工智能的图像处理方法，所述方法包括：

获取原始待处理图像；

在所述原始待处理图像的数据量大于预设的数据量阈值时，将所述原始待处理图像转换为预设格式，得到预设格式的待处理图像；

调整所述待处理图像的图像参数，得到调整后图像；

将所述调整后图像转换为目标格式，获得目标格式的处理后图像。

2.根据权利要求1所述的基于人工智能的图像处理方法，其特征在于，所述将所述原始待处理图像转换为预设格式，得到预设格式的待处理图像，包括：

将所述原始待处理图像转换为可读格式，获得所述可读格式的待处理图像；

将所述可读格式的待处理图像转换为所述预设格式，得到预设格式的待处理图像。

3.根据权利要求1所述的基于人工智能的图像处理方法，其特征在于，所述待处理图像的图像参数包括：清晰度参数和尺寸参数中的至少一种；

所述调整所述待处理图像的图像参数，得到调整后图像，包括：

根据所述数据量阈值，确定所述数据量阈值对应的清晰度阈值；

基于所述原始待处理图像的数据量以及所述清晰度阈值，计算所述待处理图像对应的压缩比例；

根据所述压缩比例和所述清晰度阈值，调整所述待处理图像的清晰度参数和尺寸参数，得到调整后图像。

4.根据权利要求1所述的基于人工智能的图像处理方法，其特征在于，在所述原始待处理图像为iOS图像时，所述待处理图像的图像参数还包括：旋转参数，所述iOS图像为iOS操作系统的终端拍摄的图像；

所述调整所述待处理图像的图像参数，得到调整后图像，还包括：

解析所述原始待处理图像的图像元数据；

根据所述图像元数据，确定所述原始待处理图像对应的旋转信息；

基于所述旋转信息，调整所述待处理图像的旋转参数，得到调整后图像。

5.根据权利要求4所述的基于人工智能的图像处理方法，其特征在于，所述旋转信息包括：旋转角度和旋转方向；

所述基于所述旋转信息，调整所述待处理图像的旋转参数，得到调整后图像，包括：

按照所述旋转方向的反方向，将所述待处理图像旋转所述旋转角度，得到调整后图像。

6.根据权利要求1所述的基于人工智能的图像处理方法，其特征在于，在所述将所述调整后图像转换为目标格式，获得目标格式的处理后图像之后，还包括：

比较所述处理后图像的数据量与预设的所述数据量阈值；

当所述处理后图像的数据量大于所述数据量阈值时，则将所述处理后图像作为新的所述原始待处理图像，并返回所述将所述原始待处理图像转换为预设格式的步骤，直至最后得到的处理后图像的数据量不大于所述数据量阈值。

7.根据权利要求6所述的基于人工智能的图像处理方法，其特征在于，在所述将所述调整后图像转换为目标格式，获得目标格式的处理后图像之后，还包括：

上传所述目标格式的所述处理后图像。

8.一种基于人工智能的图像处理装置，其特征在于，所述装置包括：

图像获取模块，用于获取原始待处理图像；

图像转换模块，用于在所述原始待处理图像的数据量大于预设的数据量阈值时，将所述原始待处理图像转换为预设格式，得到预设格式的待处理图像；

图像调整模块，用于调整所述待处理图像的图像参数，得到调整后图像；

图像获得模块，用于将所述调整后图像转换为目标格式，获得目标格式的处理后图像。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于人工智能的图像处理方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于人工智能的图像处理方法的步骤。

Images