CN115908231A - 图像处理方法、装置、电子设备及存储介质 - Google Patents
图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115908231A CN115908231A CN202111165250.7A CN202111165250A CN115908231A CN 115908231 A CN115908231 A CN 115908231A CN 202111165250 A CN202111165250 A CN 202111165250A CN 115908231 A CN115908231 A CN 115908231A
- Authority
- CN
- China
- Prior art keywords
- image
- candidate
- processed
- images
- determining
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法、装置、电子设备及存储介质,该方法包括根据待处理图像的尺寸信息,确定待处理图像的若干候选图像区域,然后根据待处理图像的若干候选图像区域确定待处理图像的若干候选图像,再对若干候选图像分别进行质量评估,得到各个候选图像各自分别对应的质量信息,并根据各个候选图像各自分别对应的质量信息确定目标候选图像区域,最后根据目标候选图像区域对待处理图像进行裁剪得到目标裁剪图像,采用本发明实施例,能够自动对图像进行裁剪,从而帮助摄影爱好者获取更好的裁剪方案。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
图像裁剪在图像编辑领域是一个非常通用的任务,它主要通过裁剪图像中一些不相关的成分,来提高图像的美学评分。它主要的目标是获取更好的图像构图,使图像更加凸显人们感兴趣的区域,去除不感兴趣的区域,同时维持一个很好的色泽。在摄影领域,人们会遵循一些摄影规则来进行构图,例如3分之一准则,视觉平衡或者是对角线准则。但是,通常用户拍摄的图像并不能完全满足构图规则。
因此,目前亟需一种能够自动裁剪图像的方法,以帮助业余或专业摄影爱好者获取更好的裁剪方案。
发明内容
本发明实施例的目的是提供一种图像处理方法、装置、电子设备及存储介质,能够自动对图像进行裁剪。
在第一方面,为实现上述目的,本发明实施例提供了一种图像处理方法,包括:
根据待处理图像的尺寸信息,确定所述待处理图像的若干候选图像区域;
根据所述待处理图像的若干候选图像区域,确定所述待处理图像的若干候选图像,其中,每个候选图像的尺寸信息均小于所述待处理图像的尺寸信息;
对所述若干候选图像分别进行质量评估,得到各个候选图像各自分别对应的质量信息;
根据所述各个候选图像各自分别对应的质量信息,确定目标候选图像区域;
根据所述目标候选图像区域对所述待处理图像进行裁剪,得到目标裁剪图像。
在第二方面,为了解决相同的技术问题,本发明实施例提供了一种图像处理装置,包括:
第一确定模块,用于根据待处理图像的尺寸信息,确定所述待处理图像的若干候选图像区域;
第二确定模块,用于根据所述待处理图像的若干候选图像区域,确定所述待处理图像的若干候选图像,其中,每个候选图像的尺寸信息均小于所述待处理图像的尺寸信息;
质量评估模块,用于对所述若干候选图像分别进行质量评估,得到各个候选图像各自分别对应的质量信息;
第三确定模块,用于根据所述各个候选图像各自分别对应的质量信息,确定目标候选图像区域;
图像裁剪模块,用于根据所述目标候选图像区域对所述待处理图像进行裁剪,得到目标裁剪图像。
在第三方面,为了解决相同的技术问题,本发明实施例提供了一种电子设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述存储器与所述处理器耦接,且所述处理器执行所述计算机程序时,实现上述任一项所述的图像处理方法中的步骤。
在第四方面,为了解决相同的技术问题,本发明实施例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存储有计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在的设备执行上述任一项所述的图像处理方法中的步骤。
本发明实施例提供了一种图像处理方法、装置、电子设备及存储介质,该方法包括根据待处理图像的尺寸信息,确定待处理图像的若干候选图像区域,然后根据待处理图像的若干候选图像区域确定待处理图像的若干候选图像,再对若干候选图像分别进行质量评估,得到各个候选图像各自分别对应的质量信息,并根据各个候选图像各自分别对应的质量信息确定目标候选图像区域,最后根据目标候选图像区域对待处理图像进行裁剪得到目标裁剪图像,采用本发明实施例,能够自动对图像进行裁剪,从而帮助摄影爱好者获取更好的裁剪方案。
附图说明
图1是本发明实施例提供的图像处理方法的一种流程示意图;
图2是本发明实施例提供的确定若干候选图像区域的顶角位置的一种示意图;
图3是本发明实施例提供的图像处理方法的另一种流程示意图;
图4是本发明实施例提供的已训练的图像评估模型的结构示意图;
图5是本发明实施例提供的图像处理装置的一种结构示意图;
图6是本发明实施例提供的电子设备的一种结构示意图;
图7是本发明实施例提供的电子设备的另一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
应当理解的是,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。
请参见图1,图1是本发明实施例提供的图像处理方法的一种流程示意图,如图1所示,本发明实施例提供的图像处理方法包括步骤101至步骤105;
步骤101,根据待处理图像的尺寸信息,确定所述待处理图像的若干候选图像区域。
其中,待处理图像的尺寸信息包括待处理图像的长度信息和宽度信息,本实施例根据待处理图像的长和宽,能够在待处理图像中确定若干个候选图像区域,该候选图像区域用于对待处理图像进行裁剪,以裁剪出处于所述候选图像区域中的图像,从而实现图像裁剪的目的。
在本实施例中,步骤101具体包括:根据所述待处理图像的尺寸信息,确定至少两个候选区域;分别在所述至少两个候选区域中各确定一个候选点,得到至少两个候选点;根据所述至少两个候选点构建矩形候选图像区域,得到若干候选图像区域。
在本实施例中,述待处理图像为矩形图像;当所述至少两个候选区域为两个候选区域时,该两个候选区域之间的位置关系为对角关系;当所述至少两个候选区域为三个或四个候选区域时,所述三个或四个候选区域中任意相邻的两个候选区域中确定的两个候选点之间相连的线段,与相邻所述待处理图像的边平行。例如,当候选区域只有两个,且这两个候选区域之间的位置关系为对角关系,即这两个候选区域为不相邻候选区域时,以这两个候选区域中确定的两个候选点之间相连的线段作为候选图像区域的对角线,构建矩形候选图像区域;当候选区域有三个或四个,且该三个或四个候选区域中任意相邻的两个候选区域中确定的两个候选点之间相连的线段,均与相邻所述待处理图像的边平行时,根据这些线段构建矩形候选图像区域。
具体的,请参见图2,图2是本发明实施例提供的确定若干候选图像区域的顶角位置的一种示意图,如图2所示,设定待处理图像的尺寸信息为M*N,例如M=N=16,候选图像区域的左上顶角和右下顶角在该待处理图像中的位置信息分别为(x1,y1)和(x2,y2),此时通过设定候选图像区域的左上顶角和右下顶角对应位置的候选区域为m*n,例如m=n=4,即可限定候选图像区域的大小范围,从而极大限度的减少候选图像区域的数量,最终使得候选图像区域的个数变成16*16=256个,进而有效的减少模型进行裁剪的时间和模型进行计算所需的计算资源。
需要说明的是,当候选图像区域为矩形时,矩形的四个角为候选图像区域的顶角。具体的,候选图像区域的两个顶角的候选区域并不限定为如图2所示的左上角和右下角,还可为左下角和右上角、左上角和右上角、左下角和右下角、左上角和左下角,以及右上角和右下角。进一步的,还可继续限定候选图像区域三个或四个顶角的候选区域,在此不一一例举。
在所述根据所述至少两个候选点构建矩形候选图像区域,得到若干候选图像区域的步骤之后,本实施例提供的图像处理方法还包括:根据预设的长宽比条件和预设的面积条件,确定符合所述预设的长宽比条件和所述预设的面积条件的若干候选图像区域。
通过预先设置的长宽比条件和面积条件,继续对若干候选图像区域进行筛选,以获得符合预设的长宽比条件和面积条件的若干候选图像区域,能够进一步的减少候选图像区域的数量,从而能够进一步的减少模型进行裁剪的时间和模型进行计算所需的计算资源。
通过本实施例提供的长宽比条件和面积条件,在256个候选图像区域中进行筛选,能够将256个候选图像区域降低至大约90个符合条件的候选图像区域,从而能够进一步的减少模型进行裁剪的时间和模型进行计算所需的计算资源。
步骤102,根据所述待处理图像的若干候选图像区域,确定所述待处理图像的若干候选图像。
其中,每个候选图像的尺寸信息均小于所述待处理图像的尺寸信息。
在本实施例中,步骤102具体包括:根据各所述若干候选图像区域,分别对所述待处理图像进行裁剪处理,确定并得到若干裁剪图像。
步骤103,对所述若干候选图像分别进行质量评估,得到各个候选图像各自分别对应的质量信息。
在本实施例中,步骤103具体包括:将所述若干候选图像分别输入至已训练的图像评估模型中进行质量评估,得到各个候选图像各自分别对应的质量信息。
现有的裁剪图像的评分方法通常是通过人工将规则编码在图像评分函数中,然后使用该图像评分函数对完成裁剪的图像进行美学打分。但目前行业内存在较多的图像裁剪/构图规则,并且图像拍摄者的拍摄水平参差不齐,拍摄者无法精准的拍摄出符合裁剪/构图规则的图像,从而降低了用户的拍摄体验。
而本申请提供的图像评估模型是对带有用户需求的裁剪/构图规则的训练集进行训练,使得该图像评估模型能够自动地学习到对应的图像裁剪/构图规则和图像质量评分函数,从而避免手动去设计图像质量评分函数,并且能够为用户提供最高图像质量评分对应的裁剪方案,供用户对所拍摄的图像进行裁剪,以使裁剪后的图像具有最高的美学评分,进而提高用户的拍摄体验。
可选的,已训练的图像评估模型包括池化模块和评价模块,所述已训练的图像评估模型包括池化模块和评价模块;所述将所述若干候选图像分别输入至已训练的图像评估模型中进行质量评估的步骤,具体包括:通过所述池化模块分别对各所述若干候选图像进行池化处理,得到多个池化处理后的特征图像;通过所述评价模块分别对各所述特征图像的特征进行加权求和,得到各所述特征图像各自分别对应的质量评分。
需要说明的是,池化处理可以为最大值池化处理,也可以为其他的池化处理,如平均值池化处理等,只要能够实现池化的目的即可,故在此不作具体限定。
由于图像评价模型在训练的过程中已自动地学习到对应的图像质量评分函数,因此,评价模块能够根据学习到的图像质量评分函数对各特征图像的特征进行评价,从而得到各特征图像的质量评分。具体的,通过评价模块对每个特征图像的特征进行加权求和处理,从而能够得到各个特征图像对应的质量评分。
作为本发明的优选实施例,所述已训练的图像评估模型还包括特征提取模块;在步骤101之前本实施例提供的图像处理方法还包括:通过所述特征提取模块对输入至所述已训练的图像评估模型的图像进行特征提取处理,得到含有图像特征信息的待处理图像。
在一实施例中,所述特征提取模块包括特征提取单元、下采样单元以及第一融合单元,所述通过所述特征提取模块对输入至所述已训练的图像评估模型的图像进行特征提取处理,得到含有图像特征信息的待处理图像的步骤,具体包括:通过所述特征提取单元对输入至所述已训练的图像评估模型的图像进行特征提取,得到含有特征信息的特征提取图像;通过所述下采样单元对所述特征提取图像进行下采样处理,得到下采样处理后的下采样图像;通过所述第一融合单元对所述特征提取图像和所述下采样图像进行融合处理,得到融合后的待处理图像。
具体的,输入至所述已训练的图像评估模型的图像为尺寸是256*256*3的图像,本实施例通过特征提取单元对该图像进行多层次的特征提取,以得到多个含有不同层次特征信息的特征提取图像,然后通过下采样单元对多个特征提取图像进行下采样处理,从而得到对应的不同层次的下采样图像,例如8*8*320、16*16*96、32*32*32的下采样图像,然后通过第一融合单元对得到的多个特征提取图像和所述下采样图像进行多尺度融合处理,以将每个层次中的特征信息融合在一张图像中,最终得到含有多层特征信息的待处理图像。
在另一实施例中,所述已训练的图像评估模型还包括特征裁剪模块,所述特征裁剪模块包括裁剪单元、调整单元以及第二融合单元;步骤102具体包括:通过所述裁剪单元根据所述若干候选图像区域,对所述待处理图像进行裁剪处理,得到若干裁剪图像;通过所述调整单元根据所述若干候选图像区域,将所述待处理图像在各所述若干候选图像区域中图像区域的像素值调整为目标像素值,得到若干调整图像;通过所述第二融合单元将各所述若干裁剪图像与对应的调整图像进行融合,得到若干候选图像。
在得到含有多层特征信息的待处理图像之后,再对特征图像进行裁剪处理,能够减少模型进行智能裁剪的运行次数,从而缩短了模型的智能裁剪时间,节约了模型大量的计算资源。
具体的,所述裁剪单元将根据候选图像区域对每个待处理图像进行裁剪,只保留感兴趣的区域得到感兴趣的图像,然后将感兴趣的图像的尺寸大小设置为目标尺寸大小,例如8*8,而调整单元则根据候选图像区域将感兴趣的区域中的像素值设置为目标像素值,例如目标像素值为0,使得感兴趣的区域呈现为黑色而不感兴趣的区域则保持不变得到调整后的图像,并将调整后的图像的尺寸大小也设置为目标尺寸大小为8*8,最后通过第二融合单元则将裁剪单元和调整单元输出的图像进行融合处理,得到融合后的候选图像,从而实现对待处理图像的裁剪,得到多个裁剪后的候选图像。
步骤104,根据所述各个候选图像各自分别对应的质量信息,确定目标候选图像区域。
在本实施例中,由于评价模块输出了多个质量评分,因此,本实施例通过将质量评分最高的候选图像区域作为最终选择的目标候选图像区域(该目标候选图像区域包括有具体的尺寸大小以及各个顶角在待处理图像中的位置信息)。
步骤105,根据所述目标候选图像区域对所述待处理图像进行裁剪,得到目标裁剪图像。
在本实施例中,由于目标候选图像区域对应裁剪的图像所获得的质量评分是最高的,因此,采用目标候选图像区域对待处理图像进行裁剪,能够得到美学评分最高的裁剪图像。
请参见图3,图3是本发明实施例提供的图像处理方法的另一种流程示意图,如图3所示,本发明实施例提供的图像处理方法包括步骤301至步骤313;
步骤301,调用已训练的图像评估模型,所述已训练的图像评估模型包括特征提取模块、特征裁剪模块、池化模块以及评价模块。
为了使得本实施例提供的图像评估模型应用在移动终端中,供用户在移动终端上进行使用,本发明实施例提供的图像评估模型将采用Mobilenet-V2作为模型的主干网络,也即特征提取模块,从而能够快速获取图像的全局信息,并且比标准卷积的参数量小,大大缩小了模型的内存和存储空间,更适用于移动终端。
在本实施例中,所述特征提取模块包括特征提取单元、下采样单元以及第一融合单元。
步骤302,通过所述特征提取单元对输入至所述已训练的图像评估模型的图像进行特征提取,得到含有特征信息的特征提取图像。
步骤303,通过所述下采样单元对所述特征提取图像进行下采样处理,得到下采样处理后的下采样图像。
步骤304,通过所述第一融合单元对所述特征提取图像和所述下采样图像进行融合处理,得到融合后的待处理图像。
步骤305,根据所述待处理图像的尺寸信息,确定至少两个候选区域。
步骤306,分别在所述至少两个候选区域中各确定一个候选点,得到至少两个候选点,并根据所述至少两个候选点构建矩形候选图像区域,得到若干候选图像区域。
步骤307,对所述若干候选图像区域进行筛选处理,得到长宽比大于或等于0.5且所述长宽比小于或等于2,以及面积大于或等于所述待处理图像0.5倍面积的若干候选图像区域。
在Mobilenet-V2网络输出了待处理图像之后,本发明实施例通过特征裁剪模块对该待处理图像进行ROI裁剪,也即只对感兴趣的区域进行处理,从而进一步的减少了模型所需的计算资源,进而为本实施例提供的图像评估模型在移动终端上运行提供了可能。
在本实施例中,所述特征裁剪模块包括裁剪单元、调整单元以及第二融合单元。
步骤308,通过所述裁剪单元根据所述若干候选图像区域,对所述待处理图像进行裁剪处理,得到若干裁剪图像。
具体的,通过RoIAlign将根据若干候选图像区域对待处理图像进行裁剪处理,只保留感兴趣的区域,并将处理后的图像固定为目标尺寸大小。
步骤309,通过所述调整单元根据所述若干候选图像区域,将所述待处理图像在各所述若干候选图像区域中图像区域的像素值调整为目标像素值,得到若干调整图像。
具体的,通过RoDAlign根据若干候选图像区域将感兴趣的区域置为0,不感兴趣的区域保持不变,最后也将处理后的图像固定为目标尺寸大小。
步骤310,通过所述第二融合单元将各所述若干裁剪图像与对应的调整图像进行融合,得到若干候选图像。
步骤311,通过所述池化模块分别对各所述若干候选图像进行池化处理,得到多个池化处理后的特征图像。
在本实施例中,通过SPP池化层(sptial pyramid pooling,空间金字塔池化)对若干候选图像进行最大值池化处理。
步骤312,通过所述评价模块分别对各所述特征图像的特征进行加权求和,得到各所述特征图像各自分别对应的质量评分。
在本实施例中,本实施例中的评价模块为模型的全连接层,通过全连接层对各特征图像的特征进行加权求和,从而得到各特征图像的质量评分。
优选的,本实施例采用两个全连接层对每个特征图像进行评价处理,从而使得模型具有更好的评分能力,能够得到更精准的评分数据。
步骤313,根据所述各个候选图像各自分别对应的质量信息,确定目标候选图像区域,并根据所述目标候选图像区域对所述待处理图像进行裁剪,得到目标裁剪图像。
在一种可选的实施例中,请参见图4,图4是本发明实施例提供的已训练的图像评估模型的结构示意图,如图4所示,当用户在移动终端上进行拍摄并想要对拍摄的图像进行裁剪时,可将拍摄的图像输入至本发明实施例提供的图像评估模型中,以通过图像评估模型中的特征提取网络,即Mobilenet-V2对待处理图像进行特征提取处理,得到含有图像特征信息的待处理图像,然后通过特征裁剪模块对待处理图像分别进行RoIAlign和RoDAlign处理,并将RoIAlign和RoDAlign处理生成的结果进行融合得到若干候选图像,再通过SPP池化层对若干候选图像进行最大值池化处理,得到池化处理后的特征图像,最后通过图像评估模型的全连接层输出各特征图像的质量评分,此时,用户即可采用最高的质量评分对应的候选图像区域也即目标候选图像区域,对待处理图像进行裁剪处理,从而能够得到美学评分最高的裁剪图像。
综上所述,本发明实施例提供的图像处理方法,包括根据待处理图像的尺寸信息,确定待处理图像的若干候选图像区域,然后根据待处理图像的若干候选图像区域确定待处理图像的若干候选图像,再对若干候选图像分别进行质量评估,得到各个候选图像各自分别对应的质量信息,并根据各个候选图像各自分别对应的质量信息确定目标候选图像区域,最后根据目标候选图像区域对待处理图像进行裁剪得到目标裁剪图像,采用本发明实施例,能够自动对图像进行裁剪,从而帮助摄影爱好者获取更好的裁剪方案。
根据上述实施例所描述的方法,本实施例将从图像处理装置的角度进一步进行描述,该图像处理装置具体可以作为独立的实体来实现,也可以集成在电子设备,比如终端中来实现,该终端可以包括手机、平板电脑等。
请参见图5,图5是本发明实施例提供的图像处理装置的一种结构示意图,如图5所示,本发明实施例提供的图像处理装置500,包括:
第一确定模块501,用于根据待处理图像的尺寸信息,确定所述待处理图像的若干候选图像区域。
在本实施例中,第一确定模块501具体用于:根据所述待处理图像的尺寸信息,确定至少两个候选区域;分别在所述至少两个候选区域中各确定一个候选点,得到至少两个候选点;根据所述至少两个候选点构建矩形候选图像区域,得到若干候选图像区域。
在本实施例中,第一确定模块501具体还用于:根据预设的长宽比条件和预设的面积条件,确定符合所述预设的长宽比条件和所述预设的面积条件的若干候选图像区域。
第二确定模块502,用于根据所述待处理图像的若干候选图像区域,确定所述待处理图像的若干候选图像。
其中,每个候选图像的尺寸信息均小于所述待处理图像的尺寸信息。
在本实施例中,第二确定模块502具体用于:根据各所述若干候选图像区域,分别对所述待处理图像进行裁剪处理,确定并得到若干裁剪图像。
质量评估模块503,用于对所述若干候选图像分别进行质量评估,得到各个候选图像各自分别对应的质量信息。
在本实施例中,质量评估模块503具体用于:将所述若干候选图像分别输入至已训练的图像评估模型中进行质量评估,得到各个候选图像各自分别对应的质量信息。
作为优选的实施例,所述已训练的图像评估模型包括池化模块和评价模块;质量评估模块503具体还用于:通过所述池化模块分别对各所述若干候选图像进行池化处理,得到多个池化处理后的特征图像;通过所述评价模块分别对各所述特征图像的特征进行加权求和,得到各所述特征图像各自分别对应的质量评分。
可选的,所述已训练的图像评估模型还包括特征提取模块,本发明实施例提供的图像处理装置500还包括提取模块,该提取模块用于:通过所述特征提取模块对输入至所述已训练的图像评估模型的图像进行特征提取处理,得到含有图像特征信息的待处理图像。
进一步的,所述特征提取模块包括特征提取单元、下采样单元以及第一融合单元,所述提取模块具体用于:通过所述特征提取单元对输入至所述已训练的图像评估模型的图像进行特征提取,得到含有特征信息的特征提取图像;通过所述下采样单元对所述特征提取图像进行下采样处理,得到下采样处理后的下采样图像;通过所述第一融合单元对所述特征提取图像和所述下采样图像进行融合处理,得到融合后的待处理图像。
在一些实施例中,所述已训练的图像评估模型还包括特征裁剪模块,所述特征裁剪模块包括裁剪单元、调整单元以及第二融合单元,第二确定模块502具体还用于:通过所述裁剪单元根据所述若干候选图像区域,对所述待处理图像进行裁剪处理,得到若干裁剪图像;通过所述调整单元根据所述若干候选图像区域,将所述待处理图像在各所述若干候选图像区域中图像区域的像素值调整为目标像素值,得到若干调整图像;通过所述第二融合单元将各所述若干裁剪图像与对应的调整图像进行融合,得到若干候选图像。
第三确定模块504,用于根据所述各个候选图像各自分别对应的质量信息,确定目标候选图像区域。
图像裁剪模块505,用于根据所述目标候选图像区域对所述待处理图像进行裁剪,得到目标裁剪图像。
具体实施时,以上各个模块和/或单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个模块和/或单元的具体实施可参见前面的方法实施例,具体可以达到的有益效果也请参看前面的方法实施例中的有益效果,在此不再赘述。
另外,请参见图6,图6是本发明实施例提供的电子设备的一种结构示意图,该电子设备可以是移动终端如智能手机、平板电脑等设备。如图6所示,电子设备600包括处理器601、存储器602。其中,处理器601与存储器602电性连接。
处理器601是电子设备600的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或加载存储在存储器602内的应用程序,以及调用存储在存储器602内的数据,执行电子设备600的各种功能和处理数据,从而对电子设备600进行整体监控。
在本实施例中,电子设备600中的处理器601会按照如下的步骤,将一个或一个以上的应用程序的进程对应的指令加载到存储器602中,并由处理器601来运行存储在存储器602中的应用程序,从而实现各种功能:
根据待处理图像的尺寸信息,确定所述待处理图像的若干候选图像区域;
根据所述待处理图像的若干候选图像区域,确定所述待处理图像的若干候选图像,其中,每个候选图像的尺寸信息均小于所述待处理图像的尺寸信息;
对所述若干候选图像分别进行质量评估,得到各个候选图像各自分别对应的质量信息;
根据所述各个候选图像各自分别对应的质量信息,确定目标候选图像区域;
根据所述目标候选图像区域对所述待处理图像进行裁剪,得到目标裁剪图像。
该电子设备600可以实现本发明实施例所提供的图像处理方法任一实施例中的步骤,因此,可以实现本发明实施例所提供的任一图像处理方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
请参见图7,图7是本发明实施例提供的电子设备的另一种结构示意图,如图7所示,图7示出了本发明实施例提供的电子设备的具体结构框图,该电子设备可以用于实施上述实施例中提供的图像处理方法。该电子设备700可以为移动终端如智能手机或笔记本电脑等设备。
RF电路710用于接收以及发送电磁波,实现电磁波与电信号的相互转换,从而与通讯网络或者其他设备进行通讯。RF电路710可包括各种现有的用于执行这些功能的电路元件,例如,天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(SIM)卡、存储器等等。RF电路710可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。上述的无线网络可包括蜂窝式电话网、无线局域网或者城域网。上述的无线网络可以使用各种通信标准、协议及技术,包括但并不限于全球移动通信系统(Global System for Mobile Communication,GSM)、增强型移动通信技术(Enhanced DataGSM Environment,EDGE),宽带码分多址技术(Wideband Code Division MultipleAccess,WCDMA),码分多址技术(Code Division Access,CDMA)、时分多址技术(TimeDivision Multiple Access,TDMA),无线保真技术(Wireless Fidelity,Wi-Fi)(如美国电气和电子工程师协会标准IEEE 802.11a,IEEE 802.11b,IEEE802.11g和/或IEEE802.11n)、网络电话(Voice over Internet Protocol,VoIP)、全球微波互联接入(Worldwide Interoperability for Microwave Access,Wi-Max)、其他用于邮件、即时通讯及短消息的协议,以及任何其他合适的通讯协议,甚至可包括那些当前仍未被开发出来的协议。
存储器720可用于存储软件程序以及模块,如上述实施例中图像处理方法对应的程序指令/模块,处理器780通过运行存储在存储器720内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现如下功能:
根据待处理图像的尺寸信息,确定所述待处理图像的若干候选图像区域;
根据所述待处理图像的若干候选图像区域,确定所述待处理图像的若干候选图像,其中,每个候选图像的尺寸信息均小于所述待处理图像的尺寸信息;
对所述若干候选图像分别进行质量评估,得到各个候选图像各自分别对应的质量信息;
根据所述各个候选图像各自分别对应的质量信息,确定目标候选图像区域;
根据所述目标候选图像区域对所述待处理图像进行裁剪,得到目标裁剪图像。
存储器720可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器720可进一步包括相对于处理器780远程设置的存储器,这些远程存储器可以通过网络连接至电子设备700。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入单元730可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,输入单元730可包括触敏表面731以及其他输入设备732。触敏表面731,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面731上或在触敏表面731附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面731可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器780,并能接收处理器780发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面731。除了触敏表面731,输入单元730还可以包括其他输入设备732。具体地,其他输入设备732可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元740可用于显示由用户输入的信息或提供给用户的信息以及电子设备700的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元740可包括显示面板741,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板741。进一步的,触敏表面731可覆盖显示面板741,当触敏表面731检测到在其上或附近的触摸操作后,传送给处理器780以确定触摸事件的类型,随后处理器780根据触摸事件的类型在显示面板741上提供相应的视觉输出。虽然在图中,触敏表面731与显示面板741是作为两个独立的部件来实现输入和输出功能,但是在某些实施例中,可以将触敏表面731与显示面板741集成而实现输入和输出功能。
电子设备700还可包括至少一种传感器750,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板741的亮度,接近传感器可在翻盖合上或者关闭时产生中断。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于电子设备700还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路760、扬声器761,传声器762可提供用户与电子设备700之间的音频接口。音频电路760可将接收到的音频数据转换后的电信号,传输到扬声器761,由扬声器761转换为声音信号输出;另一方面,传声器762将收集的声音信号转换为电信号,由音频电路760接收后转换为音频数据,再将音频数据输出处理器780处理后,经RF电路710以发送给比如另一终端,或者将音频数据输出至存储器720以便进一步处理。音频电路760还可能包括耳塞插孔,以提供外设耳机与电子设备700的通信。
电子设备700通过传输模块770(例如Wi-Fi模块)可以帮助用户接收请求、发送信息等,它为用户提供了无线的宽带互联网访问。虽然图中示出了传输模块770,但是可以理解的是,其并不属于电子设备700的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器780是电子设备700的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器720内的软件程序和/或模块,以及调用存储在存储器720内的数据,执行电子设备700的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器780可包括一个或多个处理核心;在一些实施例中,处理器780可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解地,上述调制解调处理器也可以不集成到处理器780中。
电子设备700还包括给各个部件供电的电源790(比如电池),在一些实施例中,电源可以通过电源管理系统与处理器780逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源790还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,电子设备700还包括摄像头(如前置摄像头、后置摄像头)、蓝牙模块等,在此不再赘述。具体在本实施例中,电子设备的显示单元是触摸屏显示器,移动终端还包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行一个或者一个以上程序包含用于进行以下操作的指令:
根据待处理图像的尺寸信息,确定所述待处理图像的若干候选图像区域;
根据所述待处理图像的若干候选图像区域,确定所述待处理图像的若干候选图像,其中,每个候选图像的尺寸信息均小于所述待处理图像的尺寸信息;
对所述若干候选图像分别进行质量评估,得到各个候选图像各自分别对应的质量信息;
根据所述各个候选图像各自分别对应的质量信息,确定目标候选图像区域;
根据所述目标候选图像区域对所述待处理图像进行裁剪,得到目标裁剪图像。
具体实施时,以上各个模块可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个模块的具体实施可参见前面的方法实施例,在此不再赘述。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。为此,本发明实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本发明实施例所提供的图像处理方法中任一实施例的步骤。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本发明实施例所提供的图像处理方法任一实施例中的步骤,因此,可以实现本发明实施例所提供的任一图像处理方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种图像处理方法、装置、电子设备及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。并且,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (12)
1.一种图像处理方法,其特征在于,包括:
根据待处理图像的尺寸信息,确定所述待处理图像的若干候选图像区域;
根据所述待处理图像的若干候选图像区域,确定所述待处理图像的若干候选图像,其中,每个候选图像的尺寸信息均小于所述待处理图像的尺寸信息;
对所述若干候选图像分别进行质量评估,得到各个候选图像各自分别对应的质量信息;
根据所述各个候选图像各自分别对应的质量信息,确定目标候选图像区域;
根据所述目标候选图像区域对所述待处理图像进行裁剪,得到目标裁剪图像。
2.如权利要求1所述的图像处理方法,其特征在于,所述根据待处理图像的尺寸信息,确定所述待处理图像的若干候选图像区域的步骤,包括:
根据所述待处理图像的尺寸信息,确定至少两个候选区域;
分别在所述至少两个候选区域中各确定一个候选点,得到至少两个候选点;所述待处理图像为矩形图像;当所述至少两个候选区域为两个候选区域时,该两个候选区域之间的位置关系为对角关系;当所述至少两个候选区域为三个或四个候选区域时,所述三个或四个候选区域中任意相邻的两个候选区域中确定的两个候选点之间相连的线段,与相邻所述待处理图像的边平行;
根据所述至少两个候选点构建矩形候选图像区域,得到若干候选图像区域。
3.如权利要求2所述的图像处理方法,其特征在于,在所述根据所述至少两个候选点构建矩形候选图像区域,得到若干候选图像区域的步骤之后,所述图像处理方法还包括:
根据预设的长宽比条件和预设的面积条件,确定符合所述预设的长宽比条件和所述预设的面积条件的若干候选图像区域。
4.如权利要求3所述的图像处理方法,其特征在于,所述根据所述待处理图像的若干候选图像区域,确定所述待处理图像的若干候选图像的步骤,包括:
根据各所述若干候选图像区域,分别对所述待处理图像进行裁剪处理,确定并得到若干裁剪图像。
5.如权利要求1所述的图像处理方法,其特征在于,所述对所述若干候选图像分别进行质量评估,得到各个候选图像各自分别对应的质量信息的步骤,包括:
将所述若干候选图像分别输入至已训练的图像评估模型中进行质量评估,得到各个候选图像各自分别对应的质量信息。
6.如权利要求5所述的图像处理方法,其特征在于,所述已训练的图像评估模型包括池化模块和评价模块;所述将所述若干候选图像分别输入至已训练的图像评估模型中进行质量评估的步骤,包括:
通过所述池化模块分别对各所述若干候选图像进行池化处理,得到多个池化处理后的特征图像;
通过所述评价模块分别对各所述特征图像的特征进行加权求和,得到各所述特征图像各自分别对应的质量评分。
7.如权利要求6所述的图像处理方法,其特征在于,所述已训练的图像评估模型还包括特征提取模块;在所述根据待处理图像的尺寸信息,确定所述待处理图像的若干候选图像区域的步骤之前,所述图像处理方法还包括:
通过所述特征提取模块对输入至所述已训练的图像评估模型的图像进行特征提取处理,得到含有图像特征信息的待处理图像。
8.如权利要求7所述的图像处理方法,其特征在于,所述特征提取模块包括特征提取单元、下采样单元以及第一融合单元,所述通过所述特征提取模块对输入至所述已训练的图像评估模型的图像进行特征提取处理,得到含有图像特征信息的待处理图像的步骤,包括:
通过所述特征提取单元对输入至所述已训练的图像评估模型的图像进行特征提取,得到含有特征信息的特征提取图像;
通过所述下采样单元对所述特征提取图像进行下采样处理,得到下采样处理后的下采样图像;
通过所述第一融合单元对所述特征提取图像和所述下采样图像进行融合处理,得到融合后的待处理图像。
9.如权利要求8所述的图像处理方法,其特征在于,所述已训练的图像评估模型还包括特征裁剪模块,所述特征裁剪模块包括裁剪单元、调整单元以及第二融合单元;所述根据所述待处理图像的若干候选图像区域,确定所述待处理图像的若干候选图像的步骤,包括:
通过所述裁剪单元根据所述若干候选图像区域,对所述待处理图像进行裁剪处理,得到若干裁剪图像;
通过所述调整单元根据所述若干候选图像区域,将所述待处理图像在各所述若干候选图像区域中图像区域的像素值调整为目标像素值,得到若干调整图像;
通过所述第二融合单元将各所述若干裁剪图像与对应的调整图像进行融合,得到若干候选图像。
10.一种图像处理装置,其特征在于,包括:
第一确定模块,用于根据待处理图像的尺寸信息,确定所述待处理图像的若干候选图像区域;
第二确定模块,用于根据所述待处理图像的若干候选图像区域,确定所述待处理图像的若干候选图像,其中,每个候选图像的尺寸信息均小于所述待处理图像的尺寸信息;
质量评估模块,用于对所述若干候选图像分别进行质量评估,得到各个候选图像各自分别对应的质量信息;
第三确定模块,用于根据所述各个候选图像各自分别对应的质量信息,确定目标候选图像区域;
图像裁剪模块,用于根据所述目标候选图像区域对所述待处理图像进行裁剪,得到目标裁剪图像。
11.一种电子设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述存储器与所述处理器耦接,且所述处理器执行所述计算机程序时,实现如权利要求1至9任一项所述的图像处理方法中的步骤。
12.一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存储有计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在的设备执行如权利要求1至9任一项所述的图像处理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111165250.7A CN115908231A (zh) | 2021-09-30 | 2021-09-30 | 图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111165250.7A CN115908231A (zh) | 2021-09-30 | 2021-09-30 | 图像处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115908231A true CN115908231A (zh) | 2023-04-04 |
Family
ID=86481258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111165250.7A Pending CN115908231A (zh) | 2021-09-30 | 2021-09-30 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115908231A (zh) |
-
2021
- 2021-09-30 CN CN202111165250.7A patent/CN115908231A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3370204B1 (en) | Method for detecting skin region and device for detecting skin region | |
CN107423699B (zh) | 活体检测方法及相关产品 | |
CN110163806B (zh) | 一种图像处理方法、装置以及存储介质 | |
CN106937045B (zh) | 一种预览图像的显示方法、终端设备及计算机存储介质 | |
CN108024065B (zh) | 一种终端拍摄的方法、终端及计算机可读存储介质 | |
CN108234882B (zh) | 一种图像虚化方法及移动终端 | |
CN108346175B (zh) | 一种人脸图像修复方法、装置及存储介质 | |
CN111223047B (zh) | 一种图像显示方法及电子设备 | |
WO2019011098A1 (zh) | 解锁控制方法及相关产品 | |
CN109462745B (zh) | 一种白平衡处理方法及移动终端 | |
EP4273745A1 (en) | Gesture recognition method and apparatus, electronic device, readable storage medium, and chip | |
CN109104578B (zh) | 一种图像处理方法及移动终端 | |
WO2020134789A1 (zh) | 移动终端及其屏幕亮灭的控制方法、计算机存储介质 | |
CN110062222B (zh) | 一种视频的评价方法、终端、服务器及相关产品 | |
CN111556248B (zh) | 拍摄方法、装置、存储介质及移动终端 | |
CN108038889A (zh) | 一种图像偏色的处理方法及移动终端 | |
CN110097570B (zh) | 一种图像处理方法和装置 | |
CN109561255B (zh) | 终端拍照方法、装置及存储介质 | |
CN111372001B (zh) | 图像融合方法、装置、存储介质及移动终端 | |
CN115908231A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114140655A (zh) | 图像分类方法、装置、存储介质及电子设备 | |
CN108829600B (zh) | 算法库的测试方法、装置、存储介质和电子设备 | |
CN107194363B (zh) | 图像饱和度处理方法、装置、存储介质及计算机设备 | |
CN112468722A (zh) | 一种拍摄方法、装置、设备及存储介质 | |
EP3852362A1 (en) | Method for acquiring depth image, camera device, and terminal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |