CN113989404A - 图片处理方法、装置、设备、存储介质和程序产品 - Google Patents
图片处理方法、装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN113989404A CN113989404A CN202111308491.2A CN202111308491A CN113989404A CN 113989404 A CN113989404 A CN 113989404A CN 202111308491 A CN202111308491 A CN 202111308491A CN 113989404 A CN113989404 A CN 113989404A
- Authority
- CN
- China
- Prior art keywords
- text
- picture
- determining
- pictures
- rendering
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 35
- 238000009877 rendering Methods 0.000 claims abstract description 133
- 238000000034 method Methods 0.000 claims abstract description 44
- 239000003086 colorant Substances 0.000 claims description 46
- 238000012545 processing Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 11
- 238000002372 labelling Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 241000406668 Loxodonta cyclotis Species 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000013386 optimize process Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012546 transfer 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
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开实施例公开了一种图片处理方法、装置、设备、存储介质和程序产品,所述图片处理方法包括:确定待处理图片的N个文本区域和M个文字图案类型,针对N个文本区域中的至少一个或多个文本区域,使用M个文字图案类型中的至少一个或多个文字图案类型进行渲染,得到至少一个或多个第一渲染图片;将至少一个或多个所述第一渲染图片输入至评分模型,得到至少一个或多个第一渲染图片的评分;根据至少一个或多个第一渲染图片的评分确定目标图片。本公开实施例通过使用多个文本区域和文字图案类型对图片进行渲染后,对渲染后的图片进行评分,确定目标图片,将给定文字和谐美观的放置在图片中,实现图片的快速渲染,避免了后期工作人员手动对推荐图片进行渲染的问题。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种图片处理方法、装置、设备、存储介质和程序产品。
背景技术
随着科学技术的进步,视频技术发展日趋成熟。在常见的视频网站或应用程序中,通过向用户展示推荐图片的方式进行视频推荐。
然而,在相关技术中,对于向用户展示的推荐图片都需要后期工作人员手动对推荐图片进行渲染,但是人工渲染的效率较低。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开实施例提供了一种图片处理方法、装置、设备、存储介质和程序产品,将给定文字和谐美观的放置在图片中,实现图片的快速渲染。
第一方面,本公开实施例提供一种图片处理方法,所述方法包括:
确定待处理图片的N个文本区域和M个文字图案类型,其中,N和M为大于或等于1的整数,所述N大于或等于M;
针对N个文本区域中的至少一个或多个文本区域,使用M个文字图案类型中的至少一个或多个文字图案类型进行渲染,得到至少一个或多个第一渲染图片;
将至少一个或多个所述第一渲染图片输入至评分模型,得到至少一个或多个第一渲染图片的评分;
根据至少一个或多个第一渲染图片的评分确定目标图片。
第二方面,本公开实施例提供一种图片处理装置,所述装置包括:
文本区域和颜色确定模块,用于确定待处理图片的N个文本区域和M个文字图案类型,其中,N和M为大于或等于1的整数,所述N大于或等于M;
第一渲染模块,用于针对N个文本区域中的至少一个或多个文本区域,使用M个文字图案类型中的至少一个或多个文字图案类型进行渲染,得到至少一个或多个第一渲染图片片;
评分确定模块,用于将至少一个或多个所述第一渲染图片输入至评分模型,得到至少一个或多个第一渲染图片的评分;
目标图片确定模块,用于根据至少一个或多个第一渲染图片的评分确定目标图片。
第三方面,本公开实施例提供一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述第一方面中任一项所述的图片处理方法。
第四方面,本公开实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面中任一项所述的图片处理方法。
第五方面,本公开实施例提供一种计算机程序产品,该计算机程序产品包括计算机程序或指令,该计算机程序或指令被处理器执行时实现如上述第一方面中任一项所述的图片处理方法。
本公开实施例公开了一种图片处理方法、装置、设备、存储介质和程序产品,所述图片处理方法包括:确定待处理图片的N个文本区域和M个文字图案类型,针对N个文本区域中的至少一个或多个文本区域,使用M个文字图案类型中的至少一个或多个文字图案类型进行渲染,得到至少一个或多个第一渲染图片;将至少一个或多个所述第一渲染图片输入至评分模型,得到至少一个或多个第一渲染图片的评分;根据至少一个或多个第一渲染图片的评分确定目标图片。本公开实施例通过使用多个文本区域和文字图案类型对图片进行渲染后,对渲染后的图片进行评分,得到目标图片,将给定文字和谐美观的放置在图片中,实现图片的快速渲染,避免了后期工作人员手动对推荐图片进行渲染的问题。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是本公开实施例中的一种图片处理方法的流程图;
图2是本公开实施例提供的N个文本区域的示意图;
图3是本公开实施例中的一种图片处理方法的流程图;
图4是本公开实施例中的一种图片处理方法的流程图;
图5是本公开实施例中的一种图片处理方法的流程图;
图6是本公开实施例中的一种扣分项的示意图;
图7是本公开实施例中的一种图片处理装置的结构示意图;
图8是本公开实施例中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
随着互联网技术的不断发展,在给定图片上添加文字效果在游戏、视频、音乐、购物网站、广告设计等应用程序中被广泛应用。
本公开实施例提供了一种图片处理方法,该方法可以适用于多种不同的应用场景。例如,可以应用在视频类应用程序中,例如:影音类应用程序或者短视频类应用程序。具体的,客户端接收用户上传视频,从所述视频中选取一帧作为封面背景图,并且确定封面背景图上添加的文字,将上述文字通过本公开实施例提供的图片处理方法添加至封面背景图上,形成该视频的封面。
再如:还可以应用在购物类或者广告设计类应用程序中。具体的,客户端接收用户上传的商品图片和商品描述文字,将上述商品描述文字通过本公开实施例提供的图片处理方法添加至商品图片上,形成一个具有文字说明的商品图片或者广告设计图。
可以理解的是,本公开实施例提供的图片处理方法并不限于如上所述的几种应用场景,此处只是示意性说明。
下面将结合附图,对本申请实施例提出的图片处理方法进行详细介绍。
图1是本公开实施例中的一种图片处理方法的流程图,本实施例可适用于对任意一张图片添加文字效果的情况,该方法可以由图片处理装置执行,该图片处理装置可以采用软件和/或硬件的方式实现,该图片处理装置可配置于电子设备中。
例如:所述电子设备可以是移动终端、固定终端或便携式终端,例如移动手机、站点、单元、设备、多媒体计算机、多媒体平板、互联网节点、通信器、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、个人通信系统(PCS)设备、个人导航设备、个人数字助理(PDA)、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备或者其任意组合,包括这些设备的配件和外设或者其任意组合。
再如:所述电子设备可以是服务器,其中,所述服务器可以是实体服务器,也可以是云服务器,服务器可以是一个服务器,或者服务器集群。
如图1所述,本公开实施例提供的图片处理方法主要包括如下步骤:
S101、确定待处理图片的N个文本区域和M个文字图案类型,其中,N和M为大于或等于1的整数,所述N大于或等于M;
其中,所述待处理图片可以是给定的任意一张图片。例如:可以是一张需要添加文字说明的照片,也可以是视频中提取的任意一个视频帧,还可以是需要进行广告设计的商品图片等等。
在一个实施方式中,所述待处理图片可以是用户直接上传的图片,例如:在购物类网站、广告设计类网站、照片设计类网站中,用户直接上传中客户端的图片。
在另一个实施方式中,所述待处理图片可以是从用户上传的视频中确定待处理图片。例如:可以是上述视频中任意选取的一张视频帧,也可以是用户指定的视频帧,还可以是多个视频帧拼接之后的图片。
在另一个实施方式中,所述待处理图片还可以是根据用户上传的文字信息从图库中选取的图片。例如:在音乐类应用程序中,根据用户选取的歌单,将歌单中某首歌的演唱者作为待处理图片。
需要说明的是,本实施例中仅对待处理图片的选取进行示例性说明,而非限定。
其中,所述文本区域可以理解为待处理图片中添加文字的一个连通区域。具体的,所述文本区域是指待处理图片中添加文字后不会导致画面主体被遮挡的一个区域。例如:所述文本区域不能是待处理图片中的人脸区域。其中,N个文本区域是指N个文字的连通区域,即N个不同位置的连通区域。如图2所示,放置在N个位置的文字连通区域。
文本区域添加的文字可以是客户端接收到的用户输入的文字,例如:商品图片中用户对商品的描述。文本区域添加的文字可以是客户端提取的视频的名称,例如:待处理图片是视频帧时,文字可以是电影或者电视名称。
进一步的,上述文字可以是汉字、英文、韩文、希腊字母、阿拉伯数字等任意一种现有的可书写文字,还可以是“%”、“@”、“&”等任意一种可书写的符号。
在一个实施方式中,任意选择待处理图片中的N个连通区域作为待处理图片的文本区域。
在一个实施方式中,将待处理图片输入至预先训练的图文匹配模型,确定待处理图片对应的目标模板,基于目标模板中文本区域的位置确定N个文本区域的位置。
其中,所述图案类型可以理解为文字填充或者边框的特殊效果。可选的,目标图案类型可以是目标颜色、目标纹理、目标效果等中的任意一种或多种。其中,所述目标颜色可以是一个颜色值对应的颜色,也可以是多个颜色值对应的渐变颜色。目标纹理可以理解为文字填充纹理,其中,目标纹理可以是系统默认纹理,或者,可以响应用户输入的纹理选择操作,确定目标纹理。目标效果可以是添加阴影、倒影、增加文字边框、发光、三维立体效果等等中的一种或者多种的组合。
进一步的,文本区域中的每个文字图案类型可以相同,也可以不同,本实施例中不再进行限定。
S102、针对N个文本区域中的至少一个或多个文本区域,使用M个文字图案类型中的至少一个或多个文字图案类型进行渲染,得到至少一个或多个第一渲染图片。
图2是本公开实施例提供的N个文本区域的示意图;如图2所述,一张图片上可以包括文本区域1,文本区域2,……,文本区域n,N个文本区域,针对至少一个或多个文本区域,使用至少一个或多个文字图案类型进行渲染,得到至少一个或多个第一渲染图片。
例如,针对一个文本区域,使用m个文字图案类型进行渲染,例如:文本区域1分别使用m个文字图案类型进行渲染,得到m个第一渲染图片,其中,m小于或等于M。这样得到的m个第一渲染图片是在一个文本区域内,渲染的文字图案类型不同。
例如:使用1个文字图案类型对n个文本区域进行渲染,得到n个第一渲染图片,其中,n小于或等于N。这样得到的m个第一渲染图片是相同文字图案类型的文字分布在图片的不同区域。
例如:针对n个文本区域,分别使用m个文字图案类型进行渲染,得到n×m个第一渲染图片,其中,n小于或等于N,m小于或等于M。
具体的,在文本区域1分别使用m个文字图案类型进行渲染,得到m个第一渲染图片;在文本区域2分别使用m个文字图案类型进行渲染,得到m个第一渲染图片;……;在文本区域n分别使用m个文字图案类型进行渲染,得到m个第一渲染图片。N个文本区域,分别使用m个文字图案类型进行渲染,得到n×m个第一渲染图片。
S103、将至少一个或多个所述第一渲染图片输入至评分模型,得到至少一个或多个第一渲染图片的评分。
在本实施例中,通过评分模型对每个第一渲染图片进行评分,根据评分结果确定目标图片。
S104、根据至少一个或多个第一渲染图片的评分确定目标图片。
其中,目标图片可以作为视频的封面图,也可以是歌单的封面图,还可以是商品宣传图。
在一个实施例中,根据至少一个或多个第一渲染图片的评分确定目标图片,包括:将所述至少一个或多个第一渲染图片输入至评分模型,得到各个第一渲染图片的评分;将评分从大到小进行排序,将排序在前的若干个第一渲染图片,在客户端进行展示,响应于用户对第一渲染图片的选择操作,确定目标图片。
在本实施例中,将评分在前几的第一渲染图片展示给用户,由用户选择目标图片,可以使得用户对目标图片进行选择,方便用户根据自己的喜好进行选择。
在一个实施方式中,将评分最高的第一渲染图片确定为目标图片,可以避免后期工作人员手动对推荐图片进行渲染的问题,将给定文字和谐美观的放置在图片中,实现图片的快速渲染。
本公开实施例公开了一种图片处理方法,包括:确定待处理图片的N个文本区域和M个文字图案类型,针对N个文本区域中的至少一个或多个文本区域,使用M个文字图案类型中的至少一个或多个文字图案类型进行渲染,得到至少一个或多个第一渲染图片;将至少一个或多个所述第一渲染图片输入至评分模型,得到至少一个或多个第一渲染图片的评分;根据至少一个或多个第一渲染图片的评分确定目标图片。本公开实施例通过使用多个文本区域和文字图案类型对图片进行渲染后,对渲染后的图片进行评分,得到目标图片,将给定文字和谐美观的放置在图片中,实现图片的快速渲染,避免了后期工作人员手动对推荐图片进行渲染的问题
在上述实施例的基础上,本公开实施例对“确定待处理图片的N个文本区域”的过程进行了优化,如图3所示,优化后的该过程主要包括如下步骤:
S301、确定所述待处理图片类别。
在本实施例中,待处理图片的类别主要根据图片中的主体进行确定。可选的,图片类别可以包括:人物,沙滩,建筑物,汽车,卡通,猫,狗,花,事物,合拍,山峰,室内,湖(包括海),夜景,自拍,天空,雕塑,街景,日落,文本,树等。图片类别主要用于对待处理图片进行分类。
进一步的,待处理图片类别可以从待处理图片的标签信息中获取,也可以是采用图像识别方式提取待处理图片中的主体特征,基于主体特征确定待处理图片类别。
例如:提取到待处理图片中的主体特征是一座大厦,则确定待处理图片的类型是建筑物。
S302、基于所述待处理图片类别确定目标模板。
其中,所述目标模板可以理解为待处理图片渲染时的参考图片,即待处理图片中的文本区域的位置可以参照目标模板进行确定。具体的,模板是指一张或者多张添加文字效果的图片,并且有模板信息对该图片的相关信息进行说明。
进一步的,模板包括模板背景图和模板信息。其中,模板背景图可以理解一张或者多张添加文字效果的图片。模板信息包括模板ID、模板标题、文字字号、文字行数、字体名称、字体大小、文字图案类型配色规则、模板分类标签等。
进一步的,读取模板信息中的模板分类标签可以获取模板的类别;将模板类别与待处理图片类别一致的模板确定为目标模板。
例如:待处理图片类别是人物,可以将模板类型是人物的模板,确定为目标模板。待处理图片类别是大海,可以将模板类型是大海的模板,确定为目标模板。
需要说明的是,目标模板可以是一个模板,也可以是多个模板,本实施例中不进行具体的限定。
在一个实施方式中,基于所述待处理图片类别确定目标模板,包括:基于所述待处理图片类别和模板信息确定模板候选集;从所述模板候选集中选择所述待处理图片对应的目标模板。
在本实施例中,在模板库中查找与所述待处理图片类别一致的模板确定为模板候选集。在本实施例中,通过待处理图片的类别筛除一部分模板,从一个限定的集合中选取目标模板,减少了模板选取范围,提高了模板选取效率。
在一个实施方式中,可以选择模板候选中的任意一个模板作为目标模板。
在一个实施方式中,从所述模板候选集中选择所述待处理图片对应的目标模板,包括:针对所述模板候选集中的至少一个或多个模板,确定所述模板背景图与所述待处理图片之间的图像匹配度;确定所述模板信息与所述待处理图片之间的图文匹配度;基于所述图像匹配度和/或所述图文匹配度确定所述待处理图片对应的目标模板。
其中,图像匹配度D_ii可以理解为模板背景图与所述待处理图片之间的相似程度,其中,图像匹配度越高,说明两个图片之间的相似程度越高。
其中,图文匹配度D_it可以理解为语言描述与图片之间的匹配程度,其中,图文匹配度D_it越高,说明语言描述与图片之间的相似程度越高。例如:语言描述是“大象和山林”,图片是一片大海,则说明图文匹配度D_it低。语言描述是“大象和山林”,图片是一个大象在树林中休息,则说明图文匹配度D_it高。
基于所述图像匹配度确定所述待处理图片对应的目标模板,包括:将图像匹配度最高的模板确定为所述待处理图片对应的目标模板。
基于所述图文匹配度确定所述待处理图片对应的目标模板,包括:将图文匹配度最高的模板确定为所述待处理图片对应的目标模板。
基于所述图像匹配度和所述图文匹配度确定所述待处理图片对应的目标模板包括:将所述图像匹配度和所述图文匹配度进行求和计算,将最小和值对应的模板确定为目标模板。
其中,图像匹配度和图文匹配度的计算方法,本实施例中不再进行赘述。
本实施例中,通过图与图之间的距离和图文距离确定目标模板,是的目标模板与待处理图片之间高度相似,提高图片渲染效果。
S303、基于所述目标模板确定所述待处理图片的N个文本区域。
在上述实施例的基础上,本公开实施例对“基于所述目标模板确定所述待处理图片的N个文本区域”的过程进行了优化,如图4所示,优化后的改过程主要包括如下步骤:
S401、基于目标模板背景图中的文本区域确定文本区域候选集。
在本实施例中,从目标模板信息和目标模板背景图中获取文本区域的相关信息。
例如:从目标模板信息中读取文字字号、文字行数、字体名称、字体大小,直接作为该文本区域的文字的属性。
进一步的,根据文字字数和文字字号确定文本区域的尺寸。其中,文字字号是目标模板中文字的字号。进一步的,将文字字号对应的单个字体宽度与文本字数的乘积作为文本区域的宽度,将文字字号对应的单个字体高度作为文本区域的高度。
进一步的,确定目标模板中文本区域的位置,将目标模板中的文本区域位置进行调整,得到多个文本区域位置,将多个文本区域位置作为文本区域候选集。
例如:目标模板中文本区域在模板背景图的居中位置,将文本区域位置进行调整,得到多个文本区域的位置。例如:向左移动10个像素点,向右移动10个像素点,向上移动10个像素点,向下移动10个像素点等。具体的调整策略本实施例中仅进行示例性说明,而非限定。
S402、对所述文本区域候选集中的至少一个或多个文字候选区域进行渲染,得到至少一个或多个第二渲染图片。
在本实施例中,将至少一个或多个文字候选区域分别采用同一种图案类型渲染至待处理图片中,得到至少一个或多个第二渲染图片。上述同一种图案类型可以是任意一种颜色或者纹理,本实施例中不进行限定。可选的,上述同一种图案类型为黑色或者白色。
S403、基于至少一个或多个所述第二渲染图片的纹理复杂度确定N个文本区域。
在一个实施方式中,针对至少一个或多个第二渲染图片,确定每个第二渲染图片中,文本区域的纹理复杂度,得到各个第二渲染图片对应的纹理复杂度。
将上述纹理复杂度按照从大到小的顺序进行排序,将排在前N个的纹理复杂度文字候选区域确定为文本区域。
在一个实施方式中,基于至少一个或多个所述第二渲染图片的纹理复杂度确定N个文本区域,包括:针对至少一个或多个所述第二渲染图片,确定该第二渲染图片中文字候选区域的纹理复杂度;将该第二渲染图片输入至所述评分模型,得到第一评分结果;基于所述纹理复杂度和所述第一评分结果确定N个文本区域。
在一个实施方式中,基于所述纹理复杂度和所述第一评分结果确定N个文本区域,包括:针对至少一个或多个所述第二渲染图片,确定所述纹理复杂度和所述第一评分结果的第一加权值;将所述第一加权值从大到小进行排序;将排在前N个的第一加权值对应的文字候选区域确定为文本区域。
在本实施例中,针对至少一个或多个第二渲染图片,输入至评分模型,得到该第二渲染图片对应的第一评分结果;同时计算该第二渲染图片中文本区域的纹理复杂度;将第一评分结果和所述纹理复杂度进行加权计算,得到第一加权值。对多个第二渲染图片执行上述操作,得到多个第一加权值,将多个第一加权值从大到小进行排序;将排在前N个的第一加权值对应的文字候选区域作为N个文本区域。
在上述实施例的基础上,本公开实施例对“确定待处理图片的M个文字图案类型”的过程进行优化,如图5所示,优化后的该过程主要包括如下步骤:
S501、将所述待处理图片转换至HSV颜色空间。
其中,HSV颜色空间是通过色度(H),饱和度(S),亮度(V)三个参数来表示一个颜色,HSV颜色空间是RGB颜色系统的三维表示方式。
其中,色度(H)分量用角度度量,取值范围为0°~360°,从红色开始按逆时针方向计算,红色为0°,绿色为120°,蓝色为240°。它们的补色是:黄色为60°,青色为180°,紫色为300°。
其中,从所述待渲染图片的底色信息中提取整个待渲染图片的HSV颜色空间中的色度分量。
S502、针对所述待处理图片中的至少一个像素点,获取HSV颜色空间中的色度值。
在一个实施方式中,将整张待渲染图片转换至HSV颜色空间,获取HSV颜色空间中的色度值。
在另一个实施方式中,将待渲染图片中文本区域对应的图像转换至HSV颜色空间,获取HSV颜色空间中的色度值。
S503、基于至少一个或多个像素点的所述色度值确定所述文字颜色候选集。
其中,基于色度分量平均值H_Avg,所述饱和度分量平均值S_Avg和所述亮度分量平均值V_Avg确定所述文本目标颜色。
在本实施例中,从待渲染图片中提取的色度值,或者,从待渲染图片的文本区域对应的图像中提取色度值,并计算多个像素点对应的色度平均值,得到色度平均值H_Avg。
从所有颜色集合S中找到和色度平均值H_Avg在H值纬度上差异最小的颜色值对应的所有颜色作为文字的颜色候选集O。H值差异最小保证文字颜色看着和谐美观。
S504、从所述文字颜色候选集中选择M个文字颜色。
在本实施例中,可以在颜色候选集中任意选择M个颜色。还可以在颜色候选集中选择饱和度大于饱和度阈值或者亮度大于亮度阈值的颜色确定M个文字图案类型。
在上述实施例中,确定N个文本区域,针对N个文本区域中的至少一个或多个文本区域,均使用文字颜色候选集中至少一个或多个文字候选颜色进行渲染,每个文本区域可以得到至少一个或多个第三渲染图片,基于至少一个或多个第三渲染图片中确定该文本区域对应的一个文字颜色。对N个文本区域重复进行上述操作,可以得到N个文字颜色。从N个文字颜色中确定M个文字颜色。
在一个实施方式中,从所述文字颜色候选集中选择M个文字颜色,包括:针对至少一个或多个文本区域,使用所述文字颜色候选集中的至少一个或多个文字候选颜色分别进行渲染,得到多个第三渲染图片;基于所述第三渲染图片的背景对比度确定M个文字颜色。
在本实施例中,针对文本区域1使用多个文字文字候选颜色分别进行渲染,得到多个第三渲染图片,确定每个第三渲染图片中,文本区域的背景对比度。将背景对比度最高的第三渲染图片中使用的文字候选颜色确定为文字颜色。
进一步的,一个文本区域会确定一个文字颜色,N个文本区域确定N个文字颜色,从N个文字颜色中选取M个文字颜色。
在一个实施方式中,基于所述第三渲染图片的背景对比度确定M个文字颜色,包括:针对至少一个或多个第三渲染图片,确定该第三渲染图片中所述文本区域的背景对比度;将该第三渲染图片输入至所述评分模型,得到第二评分结果;确定所述背景对比度和所述第二评分结果的第二加权值;基于所述第二加权值确定为该文本区域对应的M个文字颜色。
在本实施例中,针对文本区域1使用多个文字文字候选颜色分别进行渲染,得到多个第三渲染图片,确定每个第三渲染图片中,文本区域的背景对比度。同时,将每个第三渲染图片,输入至评分模型,得到该第三渲染图片对应的第二评分结果;将第二评分结果和所述背景对比度进行加权计算,得到第二加权值。对多个第三渲染图片执行上述操作,得到多个第二加权值,将多个加权值中,最大的加权值对应的颜色确定该文本区域对应的文字颜色。针对N个文本区域,均执行上述操作,得到N个文字颜色。
在本实施例中,对N个文字颜色值进行比较,颜色值相同的颜色仅保留其中一个,以筛除颜色值相同的颜色,得到M个不同的文字颜色,其中M小于N。
在本实施例中,对N个文字图案类型值进行比较,如果所有文字图案类型值均不相同,直接从N个文字图案类型中确定M个文字图案类型,其中M等于N。
在一个实施方式中,所述评分模型的训练方法包括:根据样本图片的图片质量对所述样本图片进行数据标志;对数据标注后的样本图片进行训练,得到所述评分模型。
在本实施例中,首先进行数据标注,数据标注一般是一个主观的过程,这里构建个客观/主观的数据标注过程,把数据客观标注的部分分离出来提高数据标注准确率。对数据进行标注后,用于训练一个5分类的分类模型,但是模型评分是通过把5个分类的评分平均后映射到对应分数上,得到评分模型。
在本实施例中,根据样本图片的质量对其打分,如果样本图片的图像显示错误、图像特别模糊或者旋转图,标注舍弃。其中,背景虚化的图片不算图像模糊。不考虑文字内容和图像的相关性,只考虑文本区域是否使得整个图像和谐美观,只考虑能够图像中最多字号前三的文字,其他文字或者字体大小过小均不考虑。
进一步的,基于主观维度进行打分。例如:文本区域所在位置使整体构图和谐美观,一般会放在与主体相对的位置或空白的位置,可适当增减分数,标注时可先预设。
进一步的,基于客观维度的扣分项,例如:文字对图像中的显著性目标产生遮挡(例如:对眼睛遮挡或整体遮挡1/2以上,如图6所示)按照遮挡范围扣除预设分数;如果该图片中包括主要人物和非主要人物,即对非主要人物发生遮挡无需考虑当前条件,考虑后面的条件即可。其中,标题太小或者没有标题除预设分数;;或者文字重叠,则按照文字重叠率扣除预设分数。其中,文字图案类型与文字所在区域的背景颜色相近,按照颜色为相近程度,抠除预设分数;其中,主体居于图像中间,文字向左右两侧有偏移,或文字和主体均在图像一侧,使得图像整体构图不平衡,抠除预设分数。
图7是本公开实施例中的一种图片处理装置的结构示意图,本实施例可适用于对任意一张图片添加文字效果的情况,该图片处理装置可以采用软件和/或硬件的方式实现,该图片处理装置可配置于电子设备中。
如图7所述,本公开实施例提供的图片处理装置主要包括:文本区域和颜色确定模块71、第一渲染模块72、评分确定模块73和目标图片确定模块74。
其中,文本区域和颜色确定模块71,用于确定待处理图片的N个文本区域和M个文字图案类型,其中,N和M为大于或等于1的整数,所述N大于或等于M;
第一渲染模块72,用于针对N个文本区域中的至少一个或多个文本区域,使用M个文字图案类型中的至少一个或多个文字图案类型进行渲染,得到至少一个或多个第一渲染图片;
评分确定模块73,用于将至少一个或多个所述第一渲染图片输入至评分模型,得到至少一个或多个第一渲染图片的评分;
目标图片确定模块74,用于根据至少一个或多个第一渲染图片的评分确定目标图片。
本公开实施例公开了一种图片处理装置,用于执行如下步骤:确定待处理图片的N个文本区域和M个文字图案类型,针对N个文本区域中的至少一个或多个文本区域,使用M个文字图案类型中的至少一个或多个文字图案类型进行渲染,得到至少一个或多个第一渲染图片;将至少一个或多个所述第一渲染图片输入至评分模型,得到至少一个或多个第一渲染图片的评分;根据至少一个或多个第一渲染图片的评分确定目标图片。本公开实施例通过使用多个文本区域和文字图案类型对图片进行渲染后,对渲染后的图片进行评分,得到目标图片,将给定文字和谐美观的放置在图片中,实现图片的快速渲染,避免了后期工作人员手动对推荐图片进行渲染的问题。
在一个实施方式中,文本区域和颜色确定模块包括文本区域确定模块和文字图案类型确定模块;其中,文本区域确定模块,包括:
图片类型确定单元,用于确定所述待处理图片类别;目标模板确定单元,用于基于所述待处理图片类别确定目标模板;文本区域确定单元,用于基于所述目标模板确定所述待处理图片的N个文本区域。
在一个实施方式中,目标模板确定单元,具体用于基于所述待处理图片类别和模板信息确定模板候选集;从所述模板候选集中选择所述待处理图片对应的目标模板。
在一个实施方式中,所述模板包括模板背景图;目标模板确定单元,具体用于针对所述模板候选集中的至少一个或多个模板,确定所述模板背景图与所述待处理图片之间的图像匹配度;确定所述模板信息与所述待处理图片之间的图文匹配度;基于所述图像匹配度和/或所述图文匹配度确定所述待处理图片对应的目标模板。
在一个实施方式中,文本区域确定单元,具体用于基于目标模板背景图中的文本区域确定文本区域候选集;对所述文本区域候选集中的至少一个或多个文字候选区域进行渲染,得到至少一个或多个第二渲染图片;基于至少一个或多个所述第二渲染图片的纹理复杂度确定N个文本区域。
在一个实施方式中,文本区域确定单元,具体用于基于至少一个或多个所述第二渲染图片的纹理复杂度确定N个文本区域,包括:针对至少一个或多个所述第二渲染图片,确定该第二渲染图片中文字候选区域的纹理复杂度;将该第二渲染图片输入至所述评分模型,得到第一评分结果;基于所述纹理复杂度和所述第一评分结果确定N个文本区域。
在一个实施方式中,文本区域确定单元,具体用于针对至少一个或多个所述第二渲染图片,确定所述纹理复杂度和所述第一评分结果的第一加权值;将所述第一加权值从大到小进行排序;将排在前N个的第一加权值对应的文字候选区域确定为文本区域。
在一个实施方式中,文字图案类型确定模块,包括:图片转换单元,用于将所述待处理图片转换至HSV颜色空间;色度值提取单元,用于针对所述待处理图片中的至少一个像素点,获取HSV颜色空间中的色度值;文字颜色候选集确定单元,用于基于至少一个或多个像素点的所述色度值确定所述文字颜色候选集;文字颜色确定单元,用于从所述文字颜色候选集中选择M个文字颜色。
在一个实施方式中,文字颜色确定单元,具体用于从所述文字颜色候选集中选择M个文字颜色,包括:针对至少一个或多个文本区域,使用所述文字颜色候选集中的至少一个或多个文字候选颜色分别进行渲染,得到多个第三渲染图片;基于所述第三渲染图片的背景对比度确定M个文字颜色。
在一个实施方式中,文字颜色确定单元,具体用于针对至少一个或多个第三渲染图片,确定该第三渲染图片中所述文本区域的背景对比度;将该第三渲染图片输入至所述评分模型,得到第二评分结果;确定所述背景对比度和所述第二评分结果的第二加权值;基于所述第二加权值确定为该文本区域对应的M个文字颜色。
在一个实施方式中,所述装置该包括评分模型训练模块,用于根据样本图片的图片质量对所述样本图片进行数据标志;对数据标注后的样本图片进行训练,得到所述评分模型。
本公开实施例提供的图片处理装置,可执行本公开方法实施例所提供的图片处理方法中所执行的步骤,具备执行步骤和有益效果此处不再赘述。
图8为本公开实施例中的一种电子设备的结构示意图。下面具体参考图8,其示出了适于用来实现本公开实施例中的电子设备800的结构示意图。本公开实施例中的电子设备800可以包括但不限于诸如移动电话、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)、可穿戴终端设备等等的移动终端以及诸如数字TV、台式计算机、智能家居设备等等的固定终端。图8示出的终端设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理以实现如本公开所述的实施例的图片处理方法。在RAM 803中,还存储有终端设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储装置808;以及通信装置809。通信装置809可以允许终端设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的终端设备800,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码,从而实现如上所述的页面跳转方法。在这样的实施例中,该计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储装置808被安装,或者从ROM 802被安装。在该计算机程序被处理装置801执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该终端设备执行时,使得该终端设备:确定待处理图片的N个文本区域和M个文字图案类型,其中,N和M为大于或等于1的整数,所述N大于或等于M;针对N个文本区域中的至少一个或多个文本区域,使用M个文字图案类型中的至少一个或多个文字图案类型进行渲染,得到至少一个或多个第一渲染图片;将至少一个或多个所述第一渲染图片输入至评分模型,得到至少一个或多个第一渲染图片的评分;根据至少一个或多个第一渲染图片的评分确定目标图片。
可选的,当上述一个或者多个程序被该终端设备执行时,该终端设备还可以执行上述实施例所述的其他步骤。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,本公开提供了一种图片处理方法,所述方法包括:确定待处理图片的N个文本区域和M个文字图案类型,其中,N和M为大于或等于1的整数,所述N大于或等于M;针对N个文本区域中的至少一个或多个文本区域,使用M个文字图案类型中的至少一个或多个文字图案类型进行渲染,得到至少一个或多个第一渲染图片;将至少一个或多个所述第一渲染图片输入至评分模型,得到至少一个或多个第一渲染图片的评分;根据至少一个或多个第一渲染图片的评分确定目标图片。
根据本公开的一个或多个实施例,本公开提供了一种图片处理方法,确定待处理图片的N个文本区域,包括:确定所述待处理图片类别;基于所述待处理图片类别确定目标模板;基于所述目标模板确定所述待处理图片的N个文本区域。
根据本公开的一个或多个实施例,本公开提供了一种图片处理方法,基于所述待处理图片类别确定目标模板,包括:基于所述待处理图片类别和模板信息确定模板候选集;从所述模板候选集中选择所述待处理图片对应的目标模板。
根据本公开的一个或多个实施例,本公开提供了一种图片处理方法,所述模板包括模板背景图;相应的,从所述模板候选集中选择所述待处理图片对应的目标模板,包括:针对所述模板候选集中的至少一个或多个模板,确定所述模板背景图与所述待处理图片之间的图像匹配度;确定所述模板信息与所述待处理图片之间的图文匹配度;基于所述图像匹配度和/或所述图文匹配度确定所述待处理图片对应的目标模板。
根据本公开的一个或多个实施例,本公开提供了一种图片处理方法,基于所述目标模板确定所述待处理图片的N个文本区域,包括:基于目标模板背景图中的文本区域确定文本区域候选集;对所述文本区域候选集中的至少一个或多个文字候选区域进行渲染,得到至少一个或多个第二渲染图片;基于至少一个或多个所述第二渲染图片的纹理复杂度确定N个文本区域。
根据本公开的一个或多个实施例,本公开提供了一种图片处理方法,基于至少一个或多个所述第二渲染图片的纹理复杂度确定N个文本区域,包括:针对至少一个或多个所述第二渲染图片,确定该第二渲染图片中文字候选区域的纹理复杂度;将该第二渲染图片输入至所述评分模型,得到第一评分结果;基于所述纹理复杂度和所述第一评分结果确定N个文本区域。
根据本公开的一个或多个实施例,本公开提供了一种图片处理方法,基于所述纹理复杂度和所述第一评分结果确定N个文本区域,包括:针对至少一个或多个所述第二渲染图片,确定所述纹理复杂度和所述第一评分结果的第一加权值;将所述第一加权值从大到小进行排序;将排在前N个的第一加权值对应的文字候选区域确定为文本区域。
根据本公开的一个或多个实施例,本公开提供了一种图片处理方法,所述文字图案类型包括文字颜色;确定待处理图片的M个文字图案类型,包括:将所述待处理图片转换至HSV颜色空间;针对所述待处理图片中的至少一个像素点,获取HSV颜色空间中的色度值;基于至少一个或多个像素点的所述色度值确定所述文字颜色候选集;从所述文字颜色候选集中选择M个文字颜色。
根据本公开的一个或多个实施例,本公开提供了一种图片处理方法,从所述文字颜色候选集中选择M个文字颜色,包括:针对至少一个或多个文本区域,使用所述文字颜色候选集中的至少一个或多个文字候选颜色分别进行渲染,得到多个第三渲染图片;基于所述第三渲染图片的背景对比度确定M个文字颜色。
根据本公开的一个或多个实施例,本公开提供了一种图片处理方法,基于所述第三渲染图片的背景对比度确定M个文字颜色,包括:针对至少一个或多个第三渲染图片,确定该第三渲染图片中所述文本区域的背景对比度;将该第三渲染图片输入至所述评分模型,得到第二评分结果;确定所述背景对比度和所述第二评分结果的第二加权值;基于所述第二加权值确定为该文本区域对应的M个文字颜色。
根据本公开的一个或多个实施例,本公开提供了一种图片处理方法,所述评分模型的训练方法包括:根据样本图片的图片质量对所述样本图片进行数据标志;对数据标注后的样本图片进行训练,得到所述评分模型。
根据本公开的一个或多个实施例,本公开提供了一种图片处理装置,所述装置包括:其中,文本区域和颜色确定模块,用于确定待处理图片的N个文本区域和M个文字图案类型,其中,N和M为大于或等于1的整数,所述N大于或等于M;第一渲染模块,用于针对N个文本区域中的至少一个或多个文本区域,使用M个文字图案类型中的至少一个或多个文字图案类型进行渲染,得到至少一个或多个第一渲染图片;评分确定模块,用于将至少一个或多个所述第一渲染图片输入至评分模型,得到至少一个或多个第一渲染图片的评分;目标图片确定模块,用于根据至少一个或多个第一渲染图片的评分确定目标图片。
根据本公开的一个或多个实施例,本公开提供了一种图片处理装置,文本区域和颜色确定模块包括文本区域确定模块和文字图案类型确定模块;其中,文本区域确定模块,包括:
图片类型确定单元,用于确定所述待处理图片类别;目标模板确定单元,用于基于所述待处理图片类别确定目标模板;文本区域确定单元,用于基于所述目标模板确定所述待处理图片的N个文本区域。
根据本公开的一个或多个实施例,本公开提供了一种图片处理装置,目标模板确定单元,具体用于基于所述待处理图片类别和模板信息确定模板候选集;从所述模板候选集中选择所述待处理图片对应的目标模板。
根据本公开的一个或多个实施例,本公开提供了一种图片处理装置,所述模板包括模板背景图;目标模板确定单元,具体用于针对所述模板候选集中的至少一个或多个模板,确定所述模板背景图与所述待处理图片之间的图像匹配度;确定所述模板信息与所述待处理图片之间的图文匹配度;基于所述图像匹配度和/或所述图文匹配度确定所述待处理图片对应的目标模板。
根据本公开的一个或多个实施例,本公开提供了一种图片处理装置,文本区域确定单元,具体用于基于目标模板背景图中的文本区域确定文本区域候选集;对所述文本区域候选集中的至少一个或多个文字候选区域进行渲染,得到至少一个或多个第二渲染图片;基于至少一个或多个所述第二渲染图片的纹理复杂度确定N个文本区域。
根据本公开的一个或多个实施例,本公开提供了一种图片处理装置,文本区域确定单元,具体用于基于至少一个或多个所述第二渲染图片的纹理复杂度确定N个文本区域,包括:针对至少一个或多个所述第二渲染图片,确定该第二渲染图片中文字候选区域的纹理复杂度;将该第二渲染图片输入至所述评分模型,得到第一评分结果;基于所述纹理复杂度和所述第一评分结果确定N个文本区域。
根据本公开的一个或多个实施例,本公开提供了一种图片处理装置,文本区域确定单元,具体用于针对至少一个或多个所述第二渲染图片,确定所述纹理复杂度和所述第一评分结果的第一加权值;将所述第一加权值从大到小进行排序;将排在前N个的第一加权值对应的文字候选区域确定为文本区域。
根据本公开的一个或多个实施例,本公开提供了一种图片处理装置,文字图案类型确定模块,包括:图片转换单元,用于将所述待处理图片转换至HSV颜色空间;色度值提取单元,用于针对所述待处理图片中的至少一个像素点,获取HSV颜色空间中的色度值;文字颜色候选集确定单元,用于基于至少一个或多个像素点的所述色度值确定所述文字颜色候选集;文字颜色确定单元,用于从所述文字颜色候选集中选择M个文字颜色。
根据本公开的一个或多个实施例,本公开提供了一种图片处理装置,文字颜色确定单元,具体用于从所述文字颜色候选集中选择M个文字颜色,包括:针对至少一个或多个文本区域,使用所述文字颜色候选集中的至少一个或多个文字候选颜色分别进行渲染,得到多个第三渲染图片;基于所述第三渲染图片的背景对比度确定M个文字颜色。
根据本公开的一个或多个实施例,本公开提供了一种图片处理装置,文字颜色确定单元,具体用于针对至少一个或多个第三渲染图片,确定该第三渲染图片中所述文本区域的背景对比度;将该第三渲染图片输入至所述评分模型,得到第二评分结果;确定所述背景对比度和所述第二评分结果的第二加权值;基于所述第二加权值确定为该文本区域对应的M个文字颜色。
根据本公开的一个或多个实施例,本公开提供了一种图片处理装置,所述装置该包括评分模型训练模块,用于根据样本图片的图片质量对所述样本图片进行数据标志;对数据标注后的样本图片进行训练,得到所述评分模型。
根据本公开的一个或多个实施例,本公开提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本公开提供的任一所述的搜索结果显示方法。
根据本公开的一个或多个实施例,本公开提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本公开提供的任一所述的图片处理方法。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机程序或指令,该计算机程序或指令被处理器执行时实现如上所述的图片处理方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (15)
1.一种图片处理方法,其特征在于,所述方法包括:
确定待处理图片的N个文本区域和M个文字图案类型,其中,N和M为大于或等于1的整数,所述N大于或等于M;
针对N个文本区域中的至少一个或多个文本区域,使用M个文字图案类型中的至少一个或多个文字图案类型进行渲染,得到至少一个或多个第一渲染图片;
将至少一个或多个所述第一渲染图片输入至评分模型,得到至少一个或多个第一渲染图片的评分;
根据至少一个或多个第一渲染图片的评分确定目标图片。
2.根据权利要求1所述的方法,其特征在于,确定待处理图片的N个文本区域,包括:
确定所述待处理图片类别;
基于所述待处理图片类别确定目标模板;
基于所述目标模板确定所述待处理图片的N个文本区域。
3.根据权利要求1所述的方法,其特征在于,基于所述待处理图片类别确定目标模板,包括:
基于所述待处理图片类别和模板信息确定模板候选集;
从所述模板候选集中选择所述待处理图片对应的目标模板。
4.根据权利要求2所述的方法,其特征在于,所述模板包括模板背景图;
从所述模板候选集中选择所述待处理图片对应的目标模板,包括:
针对所述模板候选集中的至少一个或多个模板,确定所述模板背景图与所述待处理图片之间的图像匹配度;
确定所述模板信息与所述待处理图片之间的图文匹配度;
基于所述图像匹配度和/或所述图文匹配度确定所述待处理图片对应的目标模板。
5.根据权利要求2所述的方法,其特征在于,基于所述目标模板确定所述待处理图片的N个文本区域,包括:
基于目标模板背景图中的文本区域确定文本区域候选集;
对所述文本区域候选集中的至少一个或多个文字候选区域进行渲染,得到至少一个或多个第二渲染图片;
基于至少一个或多个所述第二渲染图片的纹理复杂度确定N个文本区域。
6.根据权利要求5所述的方法,其特征在于,基于至少一个或多个所述第二渲染图片的纹理复杂度确定N个文本区域,包括:
针对至少一个或多个所述第二渲染图片,确定该第二渲染图片中文字候选区域的纹理复杂度;
将该第二渲染图片输入至所述评分模型,得到第一评分结果;
基于所述纹理复杂度和所述第一评分结果确定N个文本区域。
7.根据权利要求6所述的方法,其特征在于,基于所述纹理复杂度和所述第一评分结果确定N个文本区域,包括:
针对至少一个或多个所述第二渲染图片,确定所述纹理复杂度和所述第一评分结果的第一加权值;
将所述第一加权值从大到小进行排序;
将排在前N个的第一加权值对应的文字候选区域确定为文本区域。
8.根据权利要求1所述的方法,其特征在于,所述文字图案类型包括文字颜色;
确定待处理图片的M个文字图案类型,包括:
将所述待处理图片转换至HSV颜色空间;
针对所述待处理图片中的至少一个像素点,获取HSV颜色空间中的色度值;
基于至少一个或多个像素点的所述色度值确定所述文字颜色候选集;
从所述文字颜色候选集中选择M个文字颜色。
9.根据权利要求7所述的方法,其特征在于,从所述文字颜色候选集中选择M个文字颜色,包括:
针对至少一个或多个文本区域,使用所述文字颜色候选集中的至少一个或多个文字候选颜色分别进行渲染,得到多个第三渲染图片;
基于所述第三渲染图片的背景对比度确定M个文字颜色。
10.根据权利要求8所述的方法,其特征在于,基于所述第三渲染图片的背景对比度确定M个文字颜色,包括:
针对至少一个或多个第三渲染图片,确定该第三渲染图片中所述文本区域的背景对比度;
将该第三渲染图片输入至所述评分模型,得到第二评分结果;
确定所述背景对比度和所述第二评分结果的第二加权值;
基于所述第二加权值确定为该文本区域对应的M个文字颜色。
11.根据权利要求1所述的方法,其特征在于,所述评分模型的训练方法包括:
根据样本图片的图片质量对所述样本图片进行数据标志;
对数据标注后的样本图片进行训练,得到所述评分模型。
12.一种图片处理装置,其特征在于,所述装置包括:
文本区域和颜色确定模块,用于确定待处理图片的N个文本区域和M个文字图案类型,其中,N和M为大于或等于1的整数,所述N大于或等于M;
第一渲染模块,用于针对N个文本区域中的至少一个或多个文本区域,使用M个文字图案类型中的至少一个或多个文字图案类型进行渲染,得到至少一个或多个第一渲染图片片;
评分确定模块,用于将至少一个或多个所述第一渲染图片输入至评分模型,得到至少一个或多个第一渲染图片的评分;
目标图片确定模块,用于根据至少一个或多个第一渲染图片的评分确定目标图片。
13.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一项所述的方法。
14.一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,该程序被处理器执行时实现如权利要求1-10中任一项所述的方法。
15.一种计算机程序产品,该计算机程序产品包括计算机程序或指令,该计算机程序或指令被处理器执行时实现如权利要求1-10中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111308491.2A CN113989404B (zh) | 2021-11-05 | 图片处理方法、装置、设备、存储介质和程序产品 | |
PCT/CN2022/129170 WO2023078281A1 (zh) | 2021-11-05 | 2022-11-02 | 图片处理方法、装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111308491.2A CN113989404B (zh) | 2021-11-05 | 图片处理方法、装置、设备、存储介质和程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113989404A true CN113989404A (zh) | 2022-01-28 |
CN113989404B CN113989404B (zh) | 2024-06-25 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023078281A1 (zh) * | 2021-11-05 | 2023-05-11 | 北京字节跳动网络技术有限公司 | 图片处理方法、装置、设备、存储介质和程序产品 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015095115A (ja) * | 2013-11-12 | 2015-05-18 | 国立大学法人富山大学 | 領域分け方法、領域分けプログラム及び画像処理システム |
WO2015167525A1 (en) * | 2014-04-30 | 2015-11-05 | Hewlett-Packard Development Company, L.P. | Automatic page layout for text items and image items |
EP2963584A1 (en) * | 2013-02-28 | 2016-01-06 | Glory Ltd. | Character recognition method and character recognition system |
US20160093080A1 (en) * | 2014-09-30 | 2016-03-31 | Microsoft Technology Licensing, Llc | Optimizing the Legibility of Displayed Text |
CN108122198A (zh) * | 2017-12-07 | 2018-06-05 | 北京奇虎科技有限公司 | 一种在视频中融合推荐内容的实现方法、装置和服务器 |
US10109092B1 (en) * | 2015-03-24 | 2018-10-23 | Imagical LLC | Automated text layout, color and other stylization on an image or video, and the tracking and application of user color preferences |
CN109978972A (zh) * | 2019-03-20 | 2019-07-05 | 珠海天燕科技有限公司 | 一种图片中的文字编辑的方法及装置 |
CN110264545A (zh) * | 2019-06-19 | 2019-09-20 | 北京字节跳动网络技术有限公司 | 图片生成方法、装置、电子设备及存储介质 |
CN110706310A (zh) * | 2019-08-23 | 2020-01-17 | 华为技术有限公司 | 一种图文融合方法、装置及电子设备 |
CN111311554A (zh) * | 2020-01-21 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 图文内容的内容质量确定方法、装置、设备及存储介质 |
CN111596998A (zh) * | 2020-05-13 | 2020-08-28 | 青岛海信移动通信技术股份有限公司 | 一种水墨屏的页面处理方法及终端 |
US20200410686A1 (en) * | 2019-06-26 | 2020-12-31 | Adobe Inc. | Automatic sizing and placement of text within a digital image |
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2963584A1 (en) * | 2013-02-28 | 2016-01-06 | Glory Ltd. | Character recognition method and character recognition system |
JP2015095115A (ja) * | 2013-11-12 | 2015-05-18 | 国立大学法人富山大学 | 領域分け方法、領域分けプログラム及び画像処理システム |
WO2015167525A1 (en) * | 2014-04-30 | 2015-11-05 | Hewlett-Packard Development Company, L.P. | Automatic page layout for text items and image items |
US20160093080A1 (en) * | 2014-09-30 | 2016-03-31 | Microsoft Technology Licensing, Llc | Optimizing the Legibility of Displayed Text |
US10109092B1 (en) * | 2015-03-24 | 2018-10-23 | Imagical LLC | Automated text layout, color and other stylization on an image or video, and the tracking and application of user color preferences |
CN108122198A (zh) * | 2017-12-07 | 2018-06-05 | 北京奇虎科技有限公司 | 一种在视频中融合推荐内容的实现方法、装置和服务器 |
CN109978972A (zh) * | 2019-03-20 | 2019-07-05 | 珠海天燕科技有限公司 | 一种图片中的文字编辑的方法及装置 |
CN110264545A (zh) * | 2019-06-19 | 2019-09-20 | 北京字节跳动网络技术有限公司 | 图片生成方法、装置、电子设备及存储介质 |
US20200410686A1 (en) * | 2019-06-26 | 2020-12-31 | Adobe Inc. | Automatic sizing and placement of text within a digital image |
CN110706310A (zh) * | 2019-08-23 | 2020-01-17 | 华为技术有限公司 | 一种图文融合方法、装置及电子设备 |
CN111311554A (zh) * | 2020-01-21 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 图文内容的内容质量确定方法、装置、设备及存储介质 |
CN111596998A (zh) * | 2020-05-13 | 2020-08-28 | 青岛海信移动通信技术股份有限公司 | 一种水墨屏的页面处理方法及终端 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023078281A1 (zh) * | 2021-11-05 | 2023-05-11 | 北京字节跳动网络技术有限公司 | 图片处理方法、装置、设备、存储介质和程序产品 |
Also Published As
Publication number | Publication date |
---|---|
WO2023078281A1 (zh) | 2023-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109618222B (zh) | 一种拼接视频生成方法、装置、终端设备及存储介质 | |
US11514261B2 (en) | Image colorization based on reference information | |
CN110865862B (zh) | 一种页面背景设置方法、装置及电子设备 | |
US10796193B2 (en) | Digital image presentation | |
WO2023078284A1 (zh) | 图片渲染方法、装置、设备、存储介质和程序产品 | |
CN112017257B (zh) | 图像处理方法、设备及存储介质 | |
CN112241714A (zh) | 图像中指定区域的识别方法、装置、可读介质和电子设备 | |
CN113742025A (zh) | 页面生成方法、装置、设备和存储介质 | |
CN112380929A (zh) | 一种高光片段的获取方法、装置、电子设备和存储介质 | |
US9117275B2 (en) | Content processing device, integrated circuit, method, and program | |
CN110851059A (zh) | 图片编辑方法、装置和电子设备 | |
CN115967823A (zh) | 视频封面生成方法、装置、电子设备及可读介质 | |
US12008034B2 (en) | Digital image presentation | |
CN113989404B (zh) | 图片处理方法、装置、设备、存储介质和程序产品 | |
CN113989404A (zh) | 图片处理方法、装置、设备、存储介质和程序产品 | |
CN111383289A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
CN111353536B (zh) | 图像的标注方法、装置、可读介质和电子设备 | |
CN113362426B (zh) | 图像编辑方法和图像编辑装置 | |
CN113128470B (zh) | 笔划识别方法、装置、可读介质及电子设备 | |
CN115953597A (zh) | 图像处理方法、装置、设备及介质 | |
CN114399696A (zh) | 一种目标检测方法、装置、存储介质及电子设备 | |
CN117561547A (zh) | 景别确定方法、装置及计算机可读存储介质 | |
CN114495080A (zh) | 字体识别方法、装置、可读介质及电子设备 | |
CN113096170B (zh) | 文本图像配准方法、装置、设备、存储介质 | |
CN112766285B (zh) | 图像样本生成方法、装置和电子设备 |
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 | ||
GR01 | Patent grant |