CN114863256A - 图片换肤方法、装置、设备及存储介质 - Google Patents

图片换肤方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114863256A
CN114863256A CN202210512797.8A CN202210512797A CN114863256A CN 114863256 A CN114863256 A CN 114863256A CN 202210512797 A CN202210512797 A CN 202210512797A CN 114863256 A CN114863256 A CN 114863256A
Authority
CN
China
Prior art keywords
picture
information
target picture
skin
scene
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210512797.8A
Other languages
English (en)
Inventor
马旋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An International Smart City Technology Co Ltd
Original Assignee
Ping An International Smart City Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An International Smart City Technology Co Ltd filed Critical Ping An International Smart City Technology Co Ltd
Priority to CN202210512797.8A priority Critical patent/CN114863256A/zh
Publication of CN114863256A publication Critical patent/CN114863256A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及人工智能领域，公开了一种图片换肤方法、装置、设备及存储介质。该方法包括：获取待换肤的目标图片，并提取目标图片的各维度图片风格信息，其中，图片风格信息包括场景色素信息、场景元素信息和主体信息；根据场景色素信息，匹配待换肤的色调信息，以及根据场景元素信息，生成待换肤的图案信息；基于色调信息和图案信息，生成目标图片对应的换肤图片模板，将主体信息填充至换肤图片模板，得到换肤后的图片。本发明实现了可视化数据看板的图片自动换肤，提升了可视化数据看板设计的换肤效率。

Description

图片换肤方法、装置、设备及存储介质
技术领域
本发明涉及人工智能领域，尤其涉及一种图片换肤方法、装置、设备及存储介质。
背景技术
企业随着业务数据量的增加，常常需要通过数据可视化的方式，来展示业务阶段性的统计数据，把相对复杂、抽象的数据，通过可视的方式，可以以更易理解的图形来进行展示。而数据看板是数据可视化的载体，通过合理的页面布局、效果设计，将可视化数据更直观、更形象的展现出来。数据看板一般用作后台系统的首页，或者作为系统的其中一个模块，呈现当前业务、运营相关的数据和图表，方便实时掌握业务情况，并能够支持业务决策。
可视化看板常常会被要求根据需求风格进行设计，而对于设计师和数据分析师而言，往往难以通过对方抽象的需求描述进行看板的设计，往往需要反复设计，直至达到对方满意，这会消耗设计师及数据分析师大量的时间反复进行调色、制作看板、审核，大大影响数据看板的设计的处理效率。
发明内容
本发明的主要目的在于解决现有数据看板设计的处理效率较低的技术问题。
本发明第一方面提供了一种图片换肤方法，包括：获取待换肤的目标图片，并提取所述目标图片的各维度图片风格信息，其中，所述图片风格信息包括场景色素信息、场景元素信息和主体信息；根据所述场景色素信息，匹配待换肤的色调信息，以及根据所述场景元素信息，生成待换肤的图案信息；基于所述色调信息和所述图案信息，生成所述目标图片对应的换肤图片模板，将所述主体信息填充至所述换肤图片模板，得到换肤后的图片。
可选的，在本发明第一方面的第一种实现方式中，所述提取所述目标图片的各维度图片风格信息包括：提取所述目标图片中的颜色特征，以及利用预置分类器对所述目标图片按照场景进行分类，得到图片场景类别，并基于所述颜色特征和所述图片场景类别，生成所述目标图片的场景色素信息；提取所述目标图片的图案组成元素，并基于所述图案组成元素、和所述图片场景类别，生成所述目标图片的场景元素信息；识别所述目标图片中的文本数据，并基于所述文本数据，生成所述目标图片的主体信息。
可选的，在本发明第一方面的第二种实现方式中，所述提取所述目标图片中的颜色特征包括：将所述目标图像中的各个像素点转换为对应的RGB值，并根据所述RGB值，利用预置聚类算法，对所述各个像素点进行相似度分组，得到多个组别；统计各个组别中的像素点数量，并按照像素点数量从多至少，选取预置数量的组别；计算选取的组别各个像素点的RGB均值，并作为所述目标图片对应的颜色特征。
可选的，在本发明第一方面的第三种实现方式中，所述提取所述目标图片的图案组成元素包括：提取所述目标图片中各个像素点的灰度值，并根据所述灰度值，对所述目标图片进行元素边沿检测，得到检测结果；根据所述检测结果，利用预设的轮廓元素提取规则，提取所述目标图片中的各个特征元素，并作为所述目标图片的图案组成元素。
可选的，在本发明第一方面的第四种实现方式中，所述根据所述灰度值，对所述目标图片进行元素边沿检测，得到检测结果包括：根据所述灰度值，利用预置算子从水平边沿对所述目标图片进行卷积扫描处理，得到横向扫描结果；根据所述灰度值，利用所述算子从垂直边沿对所述目标图片进行卷积扫描处理，得到纵向扫描结果；根据所述横向扫描结果和所述纵向扫描结果，得到所述目标图片对应的检测结果。
可选的，在本发明第一方面的第五种实现方式中，所述根据所述检测结果，利用预设的轮廓元素提取规则，提取所述目标图片中的各个特征元素包括：根据所述检测结果，提取所述目标图片中的轮廓线，并识别所述轮廓线中的独立轮廓单元；根据所述独立轮廓单元，构建不同尺度和不同类别的多个特征元素。
可选的，在本发明第一方面的第六种实现方式中，所述基于所述色调信息和所述图案信息，生成所述目标图片对应的换肤图片模板包括：构建与所述目标图片相同尺寸的空白模板，并根据所述色调信息，确定所述目标图片待换肤的主色调；选取所述主色调对应预置相似度范围内的颜色，并采用选取的颜色填充所述图案信息中对应的图案元素，以及填充所述空白模板的背景；将所述图案元素组合至所述空白模板中预置的位置，得到所述目标图片对应的换肤图片模板。
本发明第二方面提供了一种图片换肤装置，包括：提取模块，用于获取待换肤的目标图片，并提取所述目标图片的各维度图片风格信息，其中，所述图片风格信息包括场景色素信息、场景元素信息和主体信息；匹配模块，用于根据所述场景色素信息，匹配待换肤的色调信息，以及根据所述场景元素信息，生成待换肤的图案信息；填充模块，用于基于所述色调信息和所述图案信息，生成所述目标图片对应的换肤图片模板，将所述主体信息填充至所述换肤图片模板，得到换肤后的图片。
可选的，在本发明第二方面的第一种实现方式中，所述提取模块包括：色素生成单元，用于提取所述目标图片中的颜色特征，以及利用预置分类器对所述目标图片按照场景进行分类，得到图片场景类别，并基于所述颜色特征和所述图片场景类别，生成所述目标图片的场景色素信息；元素生成单元，用于提取所述目标图片的图案组成元素，并基于所述图案组成元素、和所述图片场景类别，生成所述目标图片的场景元素信息；主体生成单元，用于识别所述目标图片中的文本数据，并基于所述文本数据，生成所述目标图片的主体信息。
可选的，在本发明第二方面的第二种实现方式中，所述色素生成单元还用于：将所述目标图像中的各个像素点转换为对应的RGB值，并根据所述RGB值，利用预置聚类算法，对所述各个像素点进行相似度分组，得到多个组别；统计各个组别中的像素点数量，并按照像素点数量从多至少，选取预置数量的组别；计算选取的组别各个像素点的RGB均值，并作为所述目标图片对应的颜色特征。
可选的，在本发明第二方面的第三种实现方式中，所述元素生成单元还用于：提取所述目标图片中各个像素点的灰度值，并根据所述灰度值，对所述目标图片进行元素边沿检测，得到检测结果；根据所述检测结果，利用预设的轮廓元素提取规则，提取所述目标图片中的各个特征元素，并作为所述目标图片的图案组成元素。
可选的，在本发明第二方面的第四种实现方式中，所述元素生成单元还用于：根据所述灰度值，利用预置算子从水平边沿对所述目标图片进行卷积扫描处理，得到横向扫描结果；根据所述灰度值，利用所述算子从垂直边沿对所述目标图片进行卷积扫描处理，得到纵向扫描结果；根据所述横向扫描结果和所述纵向扫描结果，得到所述目标图片对应的检测结果。
可选的，在本发明第二方面的第五种实现方式中，所述元素生成单元还用于：根据所述检测结果，提取所述目标图片中的轮廓线，并识别所述轮廓线中的独立轮廓单元；根据所述独立轮廓单元，构建不同尺度和不同类别的多个特征元素。
可选的，在本发明第二方面的第六种实现方式中，所述填充模块包括：构建单元，用于构建与所述目标图片相同尺寸的空白模板，并根据所述色调信息，确定所述目标图片待换肤的主色调；填充单元，用于选取所述主色调对应预置相似度范围内的颜色，并采用选取的颜色填充所述图案信息中对应的图案元素，以及填充所述空白模板的背景；组合单元，用于将所述图案元素组合至所述空白模板中预置的位置，得到所述目标图片对应的换肤图片模板。
本发明第三方面提供了一种图片换肤设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述图片换肤设备执行上述的图片换肤方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的图片换肤方法。
本发明提供的技术方案中，通过需求方提供所需类型的图片，然后通过如深度学习技术来识别图片中的场景色素和场景元素，同时对该图片进行分类比如草原、城市、动物、动漫、自然等，来确定新皮肤色调和图案，然后生成新的图片，以用于生成数据看板模板，实现了数据看板设计的自动化处理，提升了数据看板设计的处理效率。
附图说明
图1为本发明实施例中图片换肤方法的第一个实施例示意图；
图2为本发明实施例中图片换肤方法的第二个实施例示意图；
图3为本发明实施例中图片换肤装置的一个实施例示意图；
图4为本发明实施例中图片换肤装置的另一个实施例示意图；
图5为本发明实施例中图片换肤设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种图片换肤方法、装置、设备及存储介质，获取待换肤的目标图片，并提取目标图片的各维度图片风格信息，其中，图片风格信息包括场景色素信息、场景元素信息和主体信息；根据场景色素信息，匹配待换肤的色调信息，以及根据场景元素信息，生成待换肤的图案信息；基于色调信息和图案信息，生成目标图片对应的换肤图片模板，将主体信息填充至换肤图片模板，得到换肤后的图片。本发明实现了可视化数据看板的图片自动换肤，提升了可视化数据看板设计的换肤效率。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中图片换肤方法的第一个实施例包括：
101、获取待换肤的目标图片，并提取所述目标图片的各维度图片风格信息，其中，所述图片风格信息包括场景色素信息、场景元素信息和主体信息；
可以理解的是，本发明的执行主体可以为图片换肤装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
本实施例中，此处待换肤的目标图片指的是用户需求的图片风格的参照图片，即按照目标图片的风格来设计新图片，本质上为对目标图片执行换肤的过程。在获取到目标图片后，则需要针对换肤进行图片风格信息的提取，以确定换肤后图片的风格，其中，可以包括确定换肤主色调的场景元素信息，确定换肤图案美化的场景元素信息，以及用于填充文字、数据、语音等主体内容的主体信息。使得目标图片的参照风格模块化为三大维度信息，以此对目标图片进行换肤处理。
具体的，针对目标图片的场景元素信息，结合了目标图片的展示场景和组成颜色，其中，展示场景可以通过识别目标图片的场景类别来得到，比如城市、草原、街道、人物等，组成颜色可以通过识别目标图片的主要色调来得到，通过展示场景来对主要色调进行调整，使得用于图片换肤的场景色素信息更贴合目标图片的风格。
具体的，针对目标图片的场景元素信息，通过提取组成目标图片的图案元素来确定，比如几何形状、人物、动物、植物、车辆等图案，作为场景元素信息。可以通过针对目标图片进行边沿检测，画出轮廓线，来确定目标图像中包含的各图案形状，并以此来选取可用的图案元素，得到场景元素信息。
具体的，针对主体信息，为目标图片中原有的录入数据，此部分在换肤后的图片中仍可以直接进行填充，但是预留修改接口，可以对数据进行更改。
102、根据所述场景色素信息，匹配待换肤的色调信息，以及根据所述场景元素信息，生成待换肤的图案信息；
本实施例中，先根据给定的目标图片提取的场景色素信息，来确定整个图片换肤后的主色调，其中，为了不使得图片换肤后颜色比较单调，则在确定主色调后，再选取与其相近的其他颜色，得到最终图片换肤的色调信息。然后根据给定的目标图片提取的场景元素信息，来生成对应图片风格的图案信息，来对图案进行换肤处理。
具体的，可以设置色调匹配的规则，比如目标图片的主色调、预置局部区域的主色调或者主要图案的主色调等。比如目标图片的主色调为“#F0E68C”，预置局部区域的主色调为“#FFEFD5”，主要图案的主色调为“#778899”，则根据设置的规则，确定以“#F0E68C”、“#FFEFD5”、“#778899”为色调信息。
具体的，可以设置换肤的图案生成规则，比如提取对重复出现的最小图案元素、提取轮廓线完整的图案元素、提取最大轮廓线的图案元素等。若目标图案中出出现多个重复的玫瑰花图案元素，则提取一个玫瑰花元素图案作为待换肤的图案信息即可。
103、基于所述色调信息和所述图案信息，生成所述目标图片对应的换肤图片模板，将所述主体信息填充至所述换肤图片模板，得到换肤后的图片。
本实施例中，在确定待换肤的色调信息和图案信息之后，基本可以确定待换肤图片的风格和主要构成内容，包括颜色、图案、布置位置、内容填充位置等，此处根据色调信息和图案信息，根据设置的规则来生成换肤图片模板，再将文本数据的主体信息填充进去，即可得到换肤后的图片。
具体的，比如设置待换肤的图片其颜色填充为目标图片的主色调以及前后两个灰度值的颜色。若目标图片提取出主色调的灰度值为“#F0E68C”，则除了“#F0E68C”的主色调，匹配前后两个灰度值“#EEE8AA”和“#FFD700”，则将{#F0E68C，#EEE8AA，#FFD700}用于图片的颜色填充。
具体的，比如设置将图案元素填充至图片中预设的位置区域。若图案信息中包括一个玫瑰花图案元素，在预设的图片边沿宽50mm重复填充该玫瑰花图案，需注意的是，需要将玫瑰花图案元素按照边沿尺寸，进行缩放，使其完整填充在图片的边沿区域。
本发明实施例中，通过需求方提供所需类型的图片，然后通过如深度学习技术来识别图片中的场景色素和场景元素，同时对该图片进行分类比如草原、城市、动物、动漫、自然等，来确定新皮肤色调和图案，然后生成新的图片，以用于生成数据看板模板，实现了数据看板设计的自动化处理，提升了数据看板设计的处理效率。
请参阅图2，本发明实施例中图片换肤方法的第二个实施例包括：
201、获取待换肤的目标图片，并提取所述目标图片中的颜色特征，以及利用预置分类器对所述目标图片按照场景进行分类，得到图片场景类别，并基于所述颜色特征和所述图片场景类别，生成所述目标图片的场景色素信息；
本实施例中，针对待换肤的目标图片，通过提取目标图片的颜色特征，比如目标图片中的主色调、关键元素颜色、预置区域颜色，来确定需要换肤的图片的颜色风格；然后通过分类器，利用深度学习技术来对目标图片进行分类，比如草原、城市、动物、动漫、自然等，来结合实际场景进一步筛选图片换肤的更精确的颜色风格，得到场景色素信息。
具体的，需先对分类器进行训练，可以预先在分类器设置多个图片类别，例如自然、飞机、建筑、机械、几何形状、人物、漫画等；然后导入对应类型图片的训练集对分类器深度学习进行训练。实际使用时，导入给定图片，即可通过该训练好的分类器对其进行分类，例如描述棋盘的图片可以划入几何形状分类，例如描述有花、草、天空的图片可以划入自然分类。
具体的，主色调可以通过统计像素点的颜色来确定，关键元素颜色可以通过识别出主要展示区域，然后识别出该展示区域的主色调，预置区域颜色比如图片的边沿宽度区域、预置图形(正方形、长方形、圆形、任意图案等)的区域。其中，针对图片的主色调，执行过程如下所示：
1.1)将所述目标图像中的各个像素点转换为对应的RGB值，并根据所述RGB值，利用预置聚类算法，对所述各个像素点进行相似度分组，得到多个组别；
1.2)统计各个组别中的像素点数量，并按照像素点数量从多至少，选取预置数量的组别；
1.3)计算选取的组别各个像素点的RGB均值，并作为所述目标图片对应的颜色特征。
本实施例中，对整个目标图片的所有像素点进行RGB值转化，比如采用python中的read_image函数来对像素点进行RGB值转换；然后利用像素的聚类算法比如k-means、SLIC(Simple Linear Iterative Cluster Superpixel，简单线性迭代聚类的超像素算法)来聚拢RGB值相近的像素点，得到多个满足相似度范围的分组，取像素点数量最多的预置组别数量，比如最多的2组像素点，然后计算数量最多的两组RGB值的均值，即可得到目标图片的颜色特征，如以“color:"#020202"”、“color:"#EDB65B"”表示。
202、提取所述目标图片的图案组成元素，并基于所述图案组成元素、和所述图片场景类别，生成所述目标图片的场景元素信息；
本实施例中，通过提取图案组成元素值，来捕捉目标图片中展示风格的关键图案，可以用于将该关键图案添加到换肤的图片中，使得换肤后的图片的展示风格与目标图片一致；然后进一步根据图片场景类别，来进一步添加与图片场景类别相关的图案；将目标图片展示风格的图案与图片场景类别相关的图案一起添加到换肤后的图片中，使得新图片换肤的展示风格更贴近需求。
具体的，图案组成元素只需考虑形状，无需考虑颜色或者其他与形状无关的因素，故可以通过目标图片各图案的轮廓来提取其中的图案组成元素，具体如下所示：
2.1)提取所述目标图片中各个像素点的灰度值，并根据所述灰度值，对所述目标图片进行元素边沿检测，得到检测结果；
2.2)根据所述检测结果，利用预设的轮廓元素提取规则，提取所述目标图片中的各个特征元素，并作为所述目标图片的图案组成元素。
本实施例中，由于目标图片中展示的每个图案，其边沿与相邻的其他图案或者背景会存在较大颜色差别，故此处可以通过提取整个目标图片中所有像素点的灰度值，具体可以采用python中的read_image函数来提取；然后根据提取到的灰度值，利用特定算子来对目标图片进行卷积扫描计算，例如Sobel算子、Roberts算子、Prewitt算子、Kirsch算子、Nevitia算子、拉普拉斯算子等，仅将目标图片各个图案的边沿轮廓线提取出来。
具体的，在对目标图片进行图案的元素边沿检测时，可以采用如下步骤执行：
2.11)根据所述灰度值，利用预置算子从水平边沿对所述目标图片进行卷积扫描处理，得到横向扫描结果；
2.12)根据所述灰度值，利用所述算子从垂直边沿对所述目标图片进行卷积扫描处理，得到纵向扫描结果；
2.13)根据所述横向扫描结果和所述纵向扫描结果，得到所述目标图片对应的检测结果。
本实施例中，采用预置算子，比如Sobel算子，来从目标图片的横向和纵向进行卷积扫描，把图片中每个像素点的四周的灰度值进行加权差处理，在边缘处达到极值时即可检测边沿。具体执行过程中，将每个像素点的灰度值与的四周八个相邻像素点的灰度值进行组合，得到一个3*3的矩阵，来检测边沿极值，具体如下所示：
A、检测水平边沿得到的一个横向扫描结果：
Figure BDA0003640117550000091
B、检测垂直平边沿得到的一个纵向扫描结果：
Figure BDA0003640117550000101
本实施例中，如Gx的第二列的元素值均为0，为第一列的负值灰度值至第三列正值灰度值的过渡，即可确定Gx第二列元素值所在的像素点为目标图片中横向的边沿轮廓线所在；同理可得Gy第二行元素值为目标图片中纵向的边沿轮廓线所在。
另外，在对目标图片中的边沿检测完之后，在根据检测结果进行特征原色提取时，具体执行过程如下所示：
2.21)根据所述检测结果，提取所述目标图片中的轮廓线，并识别所述轮廓线中的独立轮廓单元；
2.22)根据所述独立轮廓单元，构建不同尺度和不同类别的多个特征元素。
本实施例中，仅针对目标图片中的每个元素的边沿提取出轮廓线，可以确定目标图片中包含的各个元素形状，以此来识别出每个独立形状分割的元素，即可得到独立轮廓单元。由于每个独立轮廓单元并非都是不同的，或者并非每个独立轮廓单元都是完整的，或者并非每个独立轮廓单元都是展示图片风格的图案，故可以设置对应的规则来从独立轮廓单元中筛选出与图片风格有关的完整的多个图案元素，作为图案的特征元素。
具体的，设定规则提取轮廓线中特征元素，作为图标元素与背景元素，规则可以包括：预置尺寸的轮廓线；独立分割的轮廓线；重复的轮廓线；例如目标图片中可提取出不断重复的轮廓线：三叶草图形、较大尺寸的完整多边形，以作为特征元素。
203、识别所述目标图片中的文本数据，并基于所述文本数据，生成所述目标图片的主体信息，其中，所述图片风格信息包括场景色素信息、场景元素信息和主体信息；
204、根据所述场景色素信息，匹配待换肤的色调信息，以及根据所述场景元素信息，生成待换肤的图案信息；
205、构建与所述目标图片相同尺寸的空白模板，并根据所述色调信息，确定所述目标图片待换肤的主色调；
206、选取所述主色调对应预置相似度范围内的颜色，并采用选取的颜色填充所述图案信息中对应的图案元素，以及填充所述空白模板的背景；
207、将所述图案元素组合至所述空白模板中预置的位置，得到所述目标图片对应的换肤图片模板，并将所述主体信息填充至所述换肤图片模板，得到换肤后的图片。
本实施例中，先根据给定的目标图片提取的场景色素信息，来确定整个图片换肤后的主色调，其中，为了不使得图片换肤后颜色比较单调，则在确定主色调后，再选取与其相近的其他颜色，得到最终图片换肤的色调信息。然后根据给定的目标图片提取的场景元素信息，来生成对应图片风格的图案信息，来对图案进行换肤处理。
具体的，在采用场景色素里的颜色与图片类别生成模板的色调信息，以及采用场景元素里的元素特征与图片类别生成图案信息icon后，对图标元素填充主色调及相近颜色，生成图标icon，用于图片中的表格、图表边框的美化。空白模板的背景元素填充主色调及相近颜色，生成背景图，用于数据看板整体背景美化。
除此之外，如果图标元素或者背景元素缺失，则参考图片类别生成图标元素icon与背景图，例如建筑的图片类别，调取数据库中建筑类别图片预设的图像并填充得到主色调，以生成图标元素icon与背景元素。
本实施例中，还针对目标图片中包含的主体信息，比如文字、数据、语音等主体信息，生成的换肤图片模板预留有对应的填充位置，此处直接将其填充至预留的位置即可。其中根据识别的文字，如果是手写字，可以将手写字生成图标元素icon及背景元素放置于数据看板导航栏，而不是作为主体信息。
本发明实施例中，通过需求方提供所需类型的图片，然后通过如深度学习技术来识别图片中的场景色素和场景元素，同时对该图片进行分类比如草原、城市、动物、动漫、自然等，来确定新皮肤色调和图案，然后生成新的图片，以用于生成数据看板模板，实现了数据看板设计的自动化处理，提升了数据看板设计的处理效率。
上面对本发明实施例中图片换肤方法进行了描述，下面对本发明实施例中图片换肤装置进行描述，请参阅图3，本发明实施例中图片换肤装置一个实施例包括：
提取模块301，用于获取待换肤的目标图片，并提取所述目标图片的各维度图片风格信息，其中，所述图片风格信息包括场景色素信息、场景元素信息和主体信息；
匹配模块302，用于根据所述场景色素信息，匹配待换肤的色调信息，以及根据所述场景元素信息，生成待换肤的图案信息；
填充模块303，用于基于所述色调信息和所述图案信息，生成所述目标图片对应的换肤图片模板，将所述主体信息填充至所述换肤图片模板，得到换肤后的图片。
本发明实施例中，通过需求方提供所需类型的图片，然后通过如深度学习技术来识别图片中的场景色素和场景元素，同时对该图片进行分类比如草原、城市、动物、动漫、自然等，来确定新皮肤色调和图案，然后生成新的图片，以用于生成数据看板模板，实现了数据看板设计的自动化处理，提升了数据看板设计的处理效率。
请参阅图4，本发明实施例中图片换肤装置的另一个实施例包括：
提取模块301，用于获取待换肤的目标图片，并提取所述目标图片的各维度图片风格信息，其中，所述图片风格信息包括场景色素信息、场景元素信息和主体信息；
匹配模块302，用于根据所述场景色素信息，匹配待换肤的色调信息，以及根据所述场景元素信息，生成待换肤的图案信息；
填充模块303，用于基于所述色调信息和所述图案信息，生成所述目标图片对应的换肤图片模板，将所述主体信息填充至所述换肤图片模板，得到换肤后的图片。
具体的，所述提取模块301包括：
色素生成单元3011，用于提取所述目标图片中的颜色特征，以及利用预置分类器对所述目标图片按照场景进行分类，得到图片场景类别，并基于所述颜色特征和所述图片场景类别，生成所述目标图片的场景色素信息；
元素生成单元3012，用于提取所述目标图片的图案组成元素，并基于所述图案组成元素、和所述图片场景类别，生成所述目标图片的场景元素信息；
主体生成单元3013，用于识别所述目标图片中的文本数据，并基于所述文本数据，生成所述目标图片的主体信息。
具体的，所述色素生成单元3011还用于：
将所述目标图像中的各个像素点转换为对应的RGB值，并根据所述RGB值，利用预置聚类算法，对所述各个像素点进行相似度分组，得到多个组别；
统计各个组别中的像素点数量，并按照像素点数量从多至少，选取预置数量的组别；
计算选取的组别各个像素点的RGB均值，并作为所述目标图片对应的颜色特征。
具体的，所述元素生成单元3012还用于：
提取所述目标图片中各个像素点的灰度值，并根据所述灰度值，对所述目标图片进行元素边沿检测，得到检测结果；
根据所述检测结果，利用预设的轮廓元素提取规则，提取所述目标图片中的各个特征元素，并作为所述目标图片的图案组成元素。
具体的，所述元素生成单元3012还用于：
根据所述灰度值，利用预置算子从水平边沿对所述目标图片进行卷积扫描处理，得到横向扫描结果；
根据所述灰度值，利用所述算子从垂直边沿对所述目标图片进行卷积扫描处理，得到纵向扫描结果；
根据所述横向扫描结果和所述纵向扫描结果，得到所述目标图片对应的检测结果。
具体的，所述元素生成单元3012还用于：
根据所述检测结果，提取所述目标图片中的轮廓线，并识别所述轮廓线中的独立轮廓单元；
根据所述独立轮廓单元，构建不同尺度和不同类别的多个特征元素。
具体的，所述填充模块303包括：
构建单元3031，用于构建与所述目标图片相同尺寸的空白模板，并根据所述色调信息，确定所述目标图片待换肤的主色调；
填充单元3032，用于选取所述主色调对应预置相似度范围内的颜色，并采用选取的颜色填充所述图案信息中对应的图案元素，以及填充所述空白模板的背景；
组合单元3033，用于将所述图案元素组合至所述空白模板中预置的位置，得到所述目标图片对应的换肤图片模板。
本发明实施例中，通过需求方提供所需类型的图片，然后通过如深度学习技术来识别图片中的场景色素和场景元素，同时对该图片进行分类比如草原、城市、动物、动漫、自然等，来确定新皮肤色调和图案，然后生成新的图片，以用于生成数据看板模板，实现了数据看板设计的自动化处理，提升了数据看板设计的处理效率。
上面图3和图4从模块化功能实体的角度对本发明实施例中的图片换肤装置进行详细描述，下面从硬件处理的角度对本发明实施例中图片换肤设备进行详细描述。
图5是本发明实施例提供的一种图片换肤设备的结构示意图，该图片换肤设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessing units，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对图片换肤设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在图片换肤设备500上执行存储介质530中的一系列指令操作。
图片换肤设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的图片换肤设备结构并不构成对图片换肤设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种图片换肤设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述图片换肤方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述图片换肤方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种图片换肤方法，其特征在于，所述图片换肤方法包括：
获取待换肤的目标图片，并提取所述目标图片的各维度图片风格信息，其中，所述图片风格信息包括场景色素信息、场景元素信息和主体信息；
根据所述场景色素信息，匹配待换肤的色调信息，以及根据所述场景元素信息，生成待换肤的图案信息；
基于所述色调信息和所述图案信息，生成所述目标图片对应的换肤图片模板，将所述主体信息填充至所述换肤图片模板，得到换肤后的图片。
2.根据权利要求1所述的图片换肤方法，其特征在于，所述提取所述目标图片的各维度图片风格信息包括：
提取所述目标图片中的颜色特征，以及利用预置分类器对所述目标图片按照场景进行分类，得到图片场景类别，并基于所述颜色特征和所述图片场景类别，生成所述目标图片的场景色素信息；
提取所述目标图片的图案组成元素，并基于所述图案组成元素、和所述图片场景类别，生成所述目标图片的场景元素信息；
识别所述目标图片中的文本数据，并基于所述文本数据，生成所述目标图片的主体信息。
3.根据权利要求2所述的图片换肤方法，其特征在于，所述提取所述目标图片中的颜色特征包括：
将所述目标图像中的各个像素点转换为对应的RGB值，并根据所述RGB值，利用预置聚类算法，对所述各个像素点进行相似度分组，得到多个组别；
统计各个组别中的像素点数量，并按照像素点数量从多至少，选取预置数量的组别；
计算选取的组别各个像素点的RGB均值，并作为所述目标图片对应的颜色特征。
4.根据权利要求2所述的图片换肤方法，其特征在于，所述提取所述目标图片的图案组成元素包括：
提取所述目标图片中各个像素点的灰度值，并根据所述灰度值，对所述目标图片进行元素边沿检测，得到检测结果；
根据所述检测结果，利用预设的轮廓元素提取规则，提取所述目标图片中的各个特征元素，并作为所述目标图片的图案组成元素。
5.根据权利要求4所述的图片换肤方法，其特征在于，所述根据所述灰度值，对所述目标图片进行元素边沿检测，得到检测结果包括：
根据所述灰度值，利用预置算子从水平边沿对所述目标图片进行卷积扫描处理，得到横向扫描结果；
根据所述灰度值，利用所述算子从垂直边沿对所述目标图片进行卷积扫描处理，得到纵向扫描结果；
根据所述横向扫描结果和所述纵向扫描结果，得到所述目标图片对应的检测结果。
6.根据权利要求2所述的图片换肤方法，其特征在于，所述根据所述检测结果，利用预设的轮廓元素提取规则，提取所述目标图片中的各个特征元素包括：
根据所述检测结果，提取所述目标图片中的轮廓线，并识别所述轮廓线中的独立轮廓单元；
根据所述独立轮廓单元，构建不同尺度和不同类别的多个特征元素。
7.根据权利要求2-6中任一项所述的图片换肤方法，其特征在于，所述基于所述色调信息和所述图案信息，生成所述目标图片对应的换肤图片模板包括：
构建与所述目标图片相同尺寸的空白模板，并根据所述色调信息，确定所述目标图片待换肤的主色调；
选取所述主色调对应预置相似度范围内的颜色，并采用选取的颜色填充所述图案信息中对应的图案元素，以及填充所述空白模板的背景；
将所述图案元素组合至所述空白模板中预置的位置，得到所述目标图片对应的换肤图片模板。
8.一种图片换肤装置，其特征在于，所述图片换肤装置包括：
提取模块，用于获取待换肤的目标图片，并提取所述目标图片的各维度图片风格信息，其中，所述图片风格信息包括场景色素信息、场景元素信息和主体信息；
匹配模块，用于根据所述场景色素信息，匹配待换肤的色调信息，以及根据所述场景元素信息，生成待换肤的图案信息；
填充模块，用于基于所述色调信息和所述图案信息，生成所述目标图片对应的换肤图片模板，将所述主体信息填充至所述换肤图片模板，得到换肤后的图片。
9.一种图片换肤设备，其特征在于，所述图片换肤设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述图片换肤设备执行如权利要求1-7中任意一项所述的图片换肤方法的各个步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任意一项所述图片换肤方法的各个步骤。
CN202210512797.8A 2022-05-12 2022-05-12 图片换肤方法、装置、设备及存储介质 Pending CN114863256A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210512797.8A CN114863256A (zh) 2022-05-12 2022-05-12 图片换肤方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210512797.8A CN114863256A (zh) 2022-05-12 2022-05-12 图片换肤方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114863256A true CN114863256A (zh) 2022-08-05

Family

ID=82637928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210512797.8A Pending CN114863256A (zh) 2022-05-12 2022-05-12 图片换肤方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114863256A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780635A (zh) * 2016-12-30 2017-05-31 深圳创维－Rgb电子有限公司 一种智能终端的图片适配方法及系统
CN109614173A (zh) * 2017-09-30 2019-04-12 腾讯科技（深圳）有限公司 一种换肤方法及装置
CN110458918A (zh) * 2019-08-16 2019-11-15 北京百度网讯科技有限公司 用于输出信息的方法和装置
CN110599393A (zh) * 2019-09-06 2019-12-20 深圳前海微众银行股份有限公司 图片风格转换方法、装置、设备及计算机可读存储介质
CN111831193A (zh) * 2020-07-27 2020-10-27 北京思特奇信息技术股份有限公司 自动换肤方法、装置、电子设备及存储介质
CN112990206A (zh) * 2021-05-14 2021-06-18 广州美术学院 一种图案设计方法、终端及计算机可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780635A (zh) * 2016-12-30 2017-05-31 深圳创维－Rgb电子有限公司 一种智能终端的图片适配方法及系统
CN109614173A (zh) * 2017-09-30 2019-04-12 腾讯科技（深圳）有限公司 一种换肤方法及装置
CN110458918A (zh) * 2019-08-16 2019-11-15 北京百度网讯科技有限公司 用于输出信息的方法和装置
CN110599393A (zh) * 2019-09-06 2019-12-20 深圳前海微众银行股份有限公司 图片风格转换方法、装置、设备及计算机可读存储介质
CN111831193A (zh) * 2020-07-27 2020-10-27 北京思特奇信息技术股份有限公司 自动换肤方法、装置、电子设备及存储介质
CN112990206A (zh) * 2021-05-14 2021-06-18 广州美术学院 一种图案设计方法、终端及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN110163198B (zh) 一种表格识别重建方法、装置和存储介质
KR102102161B1 (ko) 이미지 내 객체의 대표 특성을 추출하는 방법, 장치 및 컴퓨터 프로그램
CN108416377B (zh) 柱状图中的信息提取方法及装置
CN104134234A (zh) 一种全自动的基于单幅图像的三维场景构建方法
US20150310305A1 (en) Learning painting styles for painterly rendering
CN110880000B (zh) 图片文字定位方法、装置、计算机设备和存储介质
US20110050723A1 (en) Image processing apparatus and method, and program
CN104282008B (zh) 对图像进行纹理分割的方法和装置
JP6529686B2 (ja) 画像処理装置、画像処理方法、及びプログラム
CN108447064B (zh) 一种图片处理方法及装置
CN115812221A (zh) 图像生成及着色方法及装置
CN110097616B (zh) 一种联合绘画方法、装置、终端设备及可读存储介质
US20030012438A1 (en) Multiple size reductions for image segmentation
CN112883926B (zh) 表格类医疗影像的识别方法及装置
CN104751406A (zh) 一种用于对图像进行虚化的方法和装置
CN114723636A (zh) 基于多特征融合的模型生成方法、装置、设备及存储介质
Yao et al. Manga vectorization and manipulation with procedural simple screentone
CN109543525B (zh) 一种通用表格图像的表格提取方法
CN109657728B (zh) 样例生产方法及模型训练方法
CN114842240A (zh) 融合ghost模块和注意力机制的MobileNetV2农作物叶片图像分类方法
CN114419265A (zh) 一种基于地图图像识别的交互式地图展示方法
JP6546385B2 (ja) 画像処理装置及びその制御方法、プログラム
CN114863256A (zh) 图片换肤方法、装置、设备及存储介质
CN112884074B (zh) 基于决策树的图像设计方法、设备、存储介质及装置
JP5824309B2 (ja) 画像処理装置、画像処理方法、およびプログラム

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