CN117576247A - 一种基于人工智能的图片生成方法及系统 - Google Patents
一种基于人工智能的图片生成方法及系统 Download PDFInfo
- Publication number
- CN117576247A CN117576247A CN202410064873.2A CN202410064873A CN117576247A CN 117576247 A CN117576247 A CN 117576247A CN 202410064873 A CN202410064873 A CN 202410064873A CN 117576247 A CN117576247 A CN 117576247A
- Authority
- CN
- China
- Prior art keywords
- picture
- characteristic elements
- characteristic
- elements
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 29
- 238000009877 rendering Methods 0.000 claims abstract description 26
- 238000003475 lamination Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 241001465754 Metazoa Species 0.000 description 14
- 238000012163 sequencing technique Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000009966 trimming Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种基于人工智能的图片生成方法及系统,该方法通过获取若干待组合图片,并确定若干待组合图片中唯一的主图片和至少一张副图片;识别主图片的特征元素,并判断主图片的特征元素中是否存在目标特征元素;若是,则将主图片的特征元素中符合目标特征元素的第一特征元素进行提取;分别识别副图片的特征元素,并根据第一特征元素与副图片的特征元素的关联程度,将第一特征元素和副图片的特征元素进行组合,生成各组合子图;将各组合子图分别进行渲染,生成若干目标图片,以辅助用户根据多张图片进行个性化的组合修图,快速生成符合用户预期的图片。
Description
技术领域
本发明属于图片生成技术领域,特别涉及一种基于人工智能的图片生成方法及系统。
背景技术
随着社会的发展,越来越多的人喜欢拍照,以记录生活。目前绝大多数的手机都具有拍照功能,大部分的人拍照完后,会根据自身的喜好对图片进行修整,其中,为了提高修图效率,通常会使用修图软件,这些修图软件通常具备一键修图的功能,但是一键修图往往具备普适性,并不能满足所有人的需求,特别是对于一些有个性化要求的用户来说,过于普通。所以,当用户根据多张图片进行个性化的组合修图时,若采用完全手动的方式进行,耗时耗力,且在用户经验不足的情况下,效果往往不能达到预期。
发明内容
基于此,本发明实施例当中提供了一种基于人工智能的图片生成方法及系统,以辅助用户根据多张图片进行个性化的组合修图,快速生成符合用户预期的图片。
本发明实施例的第一方面提供了一种基于人工智能的图片生成方法,所述方法包括:
获取若干待组合图片,并确定若干待组合图片中唯一的主图片和至少一张副图片;
识别所述主图片的特征元素,并判断所述主图片的特征元素中是否存在目标特征元素;
若是,则将所述主图片的特征元素中符合目标特征元素的第一特征元素进行提取;
分别识别所述副图片的特征元素,并根据所述第一特征元素与所述副图片的特征元素的关联程度,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图;
将各所述组合子图分别进行渲染,生成若干目标图片。
进一步的,所述分别识别所述副图片的特征元素,并根据所述第一特征元素与所述副图片的特征元素的关联程度,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图的步骤之前包括:
获取所有历史图片,并根据所有历史图片,确定各历史图片中的第一历史特征元素;
统计第一历史特征元素出现的次数,并按照出现次数,从大到小进行排序,输出第一排序结果;
获取预设时间段的历史图片,并根据预设时间段的历史图片,确定预设时间段的各历史图片中的第二历史特征元素;
统计第二历史特征元素出现的次数,并按照出现次数,从大到小进行排序,输出第二排序结果;
判断所述第一排序结果与所述第二排序结果是否一致;
若否,则根据所述第一排序结果与所述第二排序结果,重新排序,输出目标排序结果。
进一步的,所述根据所述第一排序结果与所述第二排序结果,重新排序,输出目标排序结果的步骤包括:
将所述第一排序结果与所述第二排序结果按顺序穿插排序;
判断相邻的历史特征元素是否相同;
若是,则将相邻的历史特征元素合并,并输出所述目标排序结果。
进一步的,所述分别识别所述副图片的特征元素,并根据所述第一特征元素与所述副图片的特征元素的关联程度,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图的步骤包括:
分别识别各副图片的特征元素,并根据所述目标排序结果,将各副图片的特征元素按顺序提取,并罗列;
根据罗列的特征元素,确定各特征元素在对应的副图片中的位置,并基于所述第一特征元素的位置,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图。
进一步的,所述根据罗列的特征元素,确定各特征元素在对应的副图片中的位置,并基于所述第一特征元素的位置,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图的步骤包括:
获取所要生成的目标图片的目标尺寸,主图片的尺寸和副图片的尺寸,并根据所要生成的目标图片的目标尺寸,主图片的尺寸和副图片的尺寸,分别确定主图片和副图片的缩放比例;
根据主图片和副图片的缩放比例,将对应提取的主图片的第一特征元素和副图片的特征元素进行缩放;
将缩放后的主图片的第一特征元素和副图片的特征元素按照对应图片的原位置进行组合,并判断组合后的各特征元素所处区域之间是否存在叠层关系;
若是,则获取各特征元素所处区域的尺寸,根据各特征元素所处区域的尺寸大小,调整叠层。
进一步的,所述获取各特征元素所处区域的尺寸,根据各特征元素所处区域的尺寸大小,调整叠层的步骤中,将尺寸最大的特征元素置于底层,将尺寸最小的特征元素置于顶层。
进一步的,所述将各所述组合子图分别进行渲染,生成若干目标图片的步骤包括:
获取渲染时间,并判断所述渲染时间是否处于事件发生时期;
若是,则根据事件发生时期的特点,生成对应的特征元素,添加至目标图片中。
本发明实施例的第二方面提供了一种基于人工智能的图片生成系统,所述系统包括:
获取模块,用于获取若干待组合图片,并确定若干待组合图片中唯一的主图片和至少一张副图片;
判断模块,用于识别所述主图片的特征元素,并判断所述主图片的特征元素中是否存在目标特征元素;
提取模块,用于当判断所述主图片的特征元素中存在目标特征元素时,则将所述主图片的特征元素中符合目标特征元素的第一特征元素进行提取;
组合模块,用于分别识别所述副图片的特征元素,并根据所述第一特征元素与所述副图片的特征元素的关联程度,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图;
渲染模块,用于将各所述组合子图分别进行渲染,生成若干目标图片。
本发明实施例的第三方面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第一方面提供的基于人工智能的图片生成方法。
本发明实施例的第四方面提供了一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面提供的基于人工智能的图片生成方法。
本发明实施例当中提供的一种基于人工智能的图片生成方法及系统,该方法通过获取若干待组合图片,并确定若干待组合图片中唯一的主图片和至少一张副图片;识别主图片的特征元素,并判断主图片的特征元素中是否存在目标特征元素;若是,则将主图片的特征元素中符合目标特征元素的第一特征元素进行提取;分别识别副图片的特征元素,并根据第一特征元素与副图片的特征元素的关联程度,将第一特征元素和副图片的特征元素进行组合,生成各组合子图;将各组合子图分别进行渲染,生成若干目标图片,以辅助用户根据多张图片进行个性化的组合修图,快速生成符合用户预期的图片。
附图说明
图1为本发明实施例一提供的一种基于人工智能的图片生成方法的实现流程图;
图2为本发明实施例二提供的一种基于人工智能的图片生成系统的结构框图;
图3为本发明实施例三提供的一种电子设备的结构框图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当元件被称为“固设于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
请参阅图1,图1示出了本发明实施例一提供的一种基于人工智能的图片生成方法,图片生成方法具体包括步骤S01至步骤S05。
步骤S01,获取若干待组合图片,并确定若干待组合图片中唯一的主图片和至少一张副图片。
具体的,待组合图片一般为拍摄完成,存放在电子设备中的可调用的数据,以电子设备为手机为例,拍摄的图片存放在手机相册中,当用户需要重构图片时,可能会使用至少两张图片,分别取各图片中的特点进行组合,生成合成图,需要说明的是,为了突出主次,在本实施例当中,首先需要确定若干待组合图片中唯一的主图片,可以理解的,除唯一的主图片之外,其余图片为副图片,其中,指定的副图片数量越多,后续生成的供选择的目标图片也就越多,因为随着副图片数量的增加,副图片中包含的特征元素也在增加。
步骤S02,识别所述主图片的特征元素,并判断所述主图片的特征元素中是否存在目标特征元素,若是,则执行步骤S03。
其中,识别主图片中的特征元素,该特征元素至少可以包括人物、动物、植物、建筑、天气、生活用品等,在本实施例当中,目标特征元素为人物,具体的,在本发明其它一些实施例当中,目标特征元素也可以是动物,需要说明的是,当识别出主图片的所有特征元素后,判断识别出主图片的所有特征元素中是否存在人物,若存在,则将主图片中的人物进行标记,并提取。
另外,目标特征元素也可以根据用户需求进行变更,例如在生成目标图片前进行设置,指定目标特征元素。
步骤S03,则将所述主图片的特征元素中符合目标特征元素的第一特征元素进行提取。
需要说明的是,首先将主图片中的所有属于人物的第一特征元素进行提取,具体的,对主图片中的人物进行人脸识别,统计人脸数量,并根据该人脸数量,判断人物是否唯一,若判断人物唯一,则定位人脸的位置,并以人脸区域为基础区域,向外搜寻属于该人脸的人物轮廓,并将人物轮廓绘制出来,最后根据绘制出的人物轮廓线,将人物进行截取。
当判断人物不唯一时,可能存在合照或者在人群中拍摄照片的情况,则根据手机上存储的用户信息,确定众多人物中的目标人物,其中,用户信息中至少包括用户的人脸信息,可以理解的,即根据手机所有者,确定众多人物中的目标人物,并定位目标人物人脸的位置,同理,并以人脸区域为基础区域,向外搜寻属于该人脸的人物轮廓,并将人物轮廓绘制出来,最后根据绘制出的人物轮廓线,将人物进行截取,需要说明的是,上述方法将得到一种提取结果,即仅提取目标人物,即截取的人物为单人,为了满足用户的需求,提供更多的目标照片供用户选择,进一步的,确定目标人物的人脸区域的面积,并在预设范围内,搜寻与目标人物的人脸区域的面积相差在一定范围内的其他人脸区域,其中,通过预设范围的限定,可以排除一些无关紧要的人物,在将目标人物的人脸区域和相关人物的人脸区域确定后,同理,分别以人脸区域为基础区域,向外搜寻属于该人脸的人物轮廓,并将人物轮廓绘制出来,最后根据绘制出的人物轮廓线,将人物进行截取,可以理解的,此时截取的人物为多人。
步骤S04,分别识别所述副图片的特征元素,并根据所述第一特征元素与所述副图片的特征元素的关联程度,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图。
为了最终生成符合用户预期的目标图片,在此之前,获取所有历史图片,并根据所有历史图片,确定各历史图片中的第一历史特征元素,其中,为了提高准确度,可以去除一些干扰图片,例如,相似度高的历史图片不重复统计、图片清晰度小于阈值的剔除等,为了进一步提高准确度,可以仅选择精修后的图片视为历史图片,用作后续的统计,因为往往需要进行精修的照片都是用户认为比较重要的、喜欢的或满意的照片,随后确定各精修后的图片中的第一历史特征元素,即确定人物、动物、植物、建筑、天气、生活用品等特征元素;统计第一历史特征元素出现的次数,即人物、动物、植物、建筑、天气、生活用品等特征元素的出现次数,例如,一张照片中同时呈现了人物、动物、植物、建筑和天气,则人物、动物、植物、建筑和天气均算出现一次,并按照出现次数,从大到小进行排序,输出第一排序结果;获取预设时间段的历史图片,例如一个月的精修后的图片,并根据预设时间段的历史图片,确定预设时间段的各历史图片中的第二历史特征元素;统计第二历史特征元素出现的次数,即统计一个月的精修后的图片中人物、动物、植物、建筑、天气、生活用品等特征元素的出现次数,并按照出现次数,从大到小进行排序,输出第二排序结果;判断第一排序结果与第二排序结果是否一致;若判断第一排序结果与第二排序结果不一致,则根据第一排序结果与第二排序结果,重新排序,输出目标排序结果。需要说明的是,若第一排序结果与第二排序结果一致,则说明用户的拍照喜好并没有发生变化,而第一排序结果与第二排序结果不一致,则说明用户的拍照喜好在近期发生变化,可能应该参考用户最近的喜好生成一些目标图片。
具体的,根据第一排序结果与第二排序结果,重新排序,输出目标排序结果的步骤包括:
将第一排序结果与第二排序结果按顺序穿插排序;判断相邻的历史特征元素是否相同;若判断相邻的历史特征元素相同,则将相邻的历史特征元素合并,并输出目标排序结果,例如,第一排序结果的前三为人物、动物、植物,第二排序结果的前三为人物、建筑、天气,则按顺序穿插排序,得到排序为人物、人物、动物、建筑、植物、天气,而相邻的历史特征元素相同,合并后,目标排序结果为人物、动物、建筑、植物、天气,可以理解的,该目标排序结果视为用户的喜好程度排名,按照此优先级排列组合,生成目标图片。
在本实施例当中,分别识别副图片的特征元素,并根据第一特征元素与副图片的特征元素的关联程度,将第一特征元素和副图片的特征元素进行组合,生成各组合子图的步骤包括:
分别识别各副图片的特征元素,并根据目标排序结果,将各副图片的特征元素按顺序提取,并罗列;根据罗列的特征元素,确定各特征元素在对应的副图片中的位置,并基于第一特征元素的位置,将第一特征元素和副图片的特征元素进行组合,生成各组合子图,具体的,获取所要生成的目标图片的目标尺寸,主图片的尺寸和副图片的尺寸,并根据所要生成的目标图片的目标尺寸,主图片的尺寸和副图片的尺寸,分别确定主图片和副图片的缩放比例;根据主图片和副图片的缩放比例,将对应提取的主图片的第一特征元素和副图片的特征元素进行缩放;将缩放后的主图片的第一特征元素和副图片的特征元素按照对应图片的原位置进行组合,并判断组合后的各特征元素所处区域之间是否存在叠层关系;若是,则获取各特征元素所处区域的尺寸,根据各特征元素所处区域的尺寸大小,调整叠层,其中,将尺寸最大的特征元素置于底层,将尺寸最小的特征元素置于顶层。
在本实施例当中,当主图片的第一特征元素人物被提取后,副图片中若提取到人物、动物及植物,则根据上述的目标排序结果,可以将主图片的人物首先与副图片中提取的人物组合,可以将主图片的人物与副图片中提取的动物组合,可以将主图片的人物与副图片中提取的植物组合,可以将主图片的人物与副图片中提取的人物、动物共同组合,可以将主图片的人物与副图片中提取的人物、动物及植物共同组合,可以将主图片的人物与副图片中提取的动物和植物共同组合,生成的各组合子图可融入主图片的背景中,或系统自动生成的背景中。
步骤S05,将各所述组合子图分别进行渲染,生成若干目标图片。
需要说明的是,由于通过上述方法得到的组合子图属于拼凑而成,可能具有明显的拼接痕迹,可以采用常规方式进行渲染,将各特征元素进行合理过渡,减少拼接痕迹,同时,还可以根据各特征元素之间的关系,对特征元素进行适当调整,例如体现人物之间的互动、人与动物之间的互动、人与植物之间的互动等等。
另外,为了增添一些趣味性,可以额外增加一些符合特定时期的元素,具体的,获取渲染时间,并判断渲染时间是否处于事件发生时期,其中,事件发生时期可以为某些特定节日,例如春节;若判断渲染时间处于事件发生时期,则根据事件发生时期的特点,生成对应的特征元素,添加至目标图片中,例如为春节时,可以增加一些烟花、爆竹场景,或一些红色喜庆背景等。
在本实施例当中,可以先生成若干目标图片供用户选择,若生成的若干目标图片中没有用户满意的,可以选择“更换一批”,以重新生成若干目标图片,需要说明的是,在选择“更换一批”之前,可以让用户在已生成的若干目标图片中选择预设数量的较为符合预期的图片,并在选中的图片的基础上,再次确定特征元素,生成新的目标图片。
综上,本发明上述实施例当中的基于人工智能的图片生成方法,通过获取若干待组合图片,并确定若干待组合图片中唯一的主图片和至少一张副图片;识别主图片的特征元素,并判断主图片的特征元素中是否存在目标特征元素;若是,则将主图片的特征元素中符合目标特征元素的第一特征元素进行提取;分别识别副图片的特征元素,并根据第一特征元素与副图片的特征元素的关联程度,将第一特征元素和副图片的特征元素进行组合,生成各组合子图;将各组合子图分别进行渲染,生成若干目标图片,以辅助用户根据多张图片进行个性化的组合修图,快速生成符合用户预期的图片。
实施例二
请参阅图2,图2是本发明实施例二提供的一种基于人工智能的图片生成系统200的结构框图,该基于人工智能的图片生成系统200包括:获取模块21、判断模块22、提取模块23、组合模块24以及渲染模块25,其中:
获取模块21,用于获取若干待组合图片,并确定若干待组合图片中唯一的主图片和至少一张副图片;
判断模块22,用于识别所述主图片的特征元素,并判断所述主图片的特征元素中是否存在目标特征元素;
提取模块23,用于当判断所述主图片的特征元素中存在目标特征元素时,则将所述主图片的特征元素中符合目标特征元素的第一特征元素进行提取;
组合模块24,用于分别识别所述副图片的特征元素,并根据所述第一特征元素与所述副图片的特征元素的关联程度,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图;
渲染模块25,用于将各所述组合子图分别进行渲染,生成若干目标图片。
进一步的,在本发明一些可选实施例当中,所述基于人工智能的图片生成系统200还包括:
第一获取模块,用于获取所有历史图片,并根据所有历史图片,确定各历史图片中的第一历史特征元素;
第一统计模块,用于统计第一历史特征元素出现的次数,并按照出现次数,从大到小进行排序,输出第一排序结果;
第二获取模块,用于获取预设时间段的历史图片,并根据预设时间段的历史图片,确定预设时间段的各历史图片中的第二历史特征元素;
第二统计模块,用于统计第二历史特征元素出现的次数,并按照出现次数,从大到小进行排序,输出第二排序结果;
第一判断模块,用于判断所述第一排序结果与所述第二排序结果是否一致;
排序模块,用于当判断所述第一排序结果与所述第二排序结果不一致时,则根据所述第一排序结果与所述第二排序结果,重新排序,输出目标排序结果。
进一步的,在本发明一些可选实施例当中,所述排序模块包括:
排序单元,用于将所述第一排序结果与所述第二排序结果按顺序穿插排序;
第一判断单元,用于判断相邻的历史特征元素是否相同;
输出单元,用于当判断相邻的历史特征元素相同时,则将相邻的历史特征元素合并,并输出所述目标排序结果。
进一步的,在本发明一些可选实施例当中,所述组合模块24包括:
提取单元,用于分别识别各副图片的特征元素,并根据所述目标排序结果,将各副图片的特征元素按顺序提取,并罗列;
组合单元,用于根据罗列的特征元素,确定各特征元素在对应的副图片中的位置,并基于所述第一特征元素的位置,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图。
进一步的,在本发明一些可选实施例当中,所述组合单元包括:
缩放比例确定子单元,用于获取所要生成的目标图片的目标尺寸,主图片的尺寸和副图片的尺寸,并根据所要生成的目标图片的目标尺寸,主图片的尺寸和副图片的尺寸,分别确定主图片和副图片的缩放比例;
缩放子单元,用于根据主图片和副图片的缩放比例,将对应提取的主图片的第一特征元素和副图片的特征元素进行缩放;
判断子单元,用于将缩放后的主图片的第一特征元素和副图片的特征元素按照对应图片的原位置进行组合,并判断组合后的各特征元素所处区域之间是否存在叠层关系;
调整子单元,用于当判断组合后的各特征元素所处区域之间存在叠层关系时,则获取各特征元素所处区域的尺寸,根据各特征元素所处区域的尺寸大小,调整叠层,其中,将尺寸最大的特征元素置于底层,将尺寸最小的特征元素置于顶层。
进一步的,在本发明一些可选实施例当中,所述渲染模块25包括:
第二判断单元,用于获取渲染时间,并判断所述渲染时间是否处于事件发生时期;
添加单元,用于当判断所述渲染时间处于事件发生时期时,则根据事件发生时期的特点,生成对应的特征元素,添加至目标图片中。
实施例三
本发明另一方面还提出一种电子设备,请参阅图3,所示为本发明实施例三当中的电子设备,包括存储器20、处理器10以及存储在存储器上并可在处理器上运行的计算机程序30,所述处理器10执行所述计算机程序30时实现如上述的基于人工智能的图片生成方法。
其中,处理器10在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器20中存储的程序代码或处理数据,例如执行访问限制程序等。
其中,存储器20至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器20在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的硬盘。存储器20在另一些实施例中也可以是电子设备的外部存储装置,例如电子设备上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(FlashCard)等。进一步地,存储器20还可以既包括电子设备的内部存储单元也包括外部存储装置。存储器20不仅可以用于存储电子设备的应用软件及各类数据,还可以用于暂时地存储已经输出或者将要输出的数据。
需要指出的是,图3示出的结构并不构成对电子设备的限定,在其它实施例当中,该电子设备可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
本发明实施例还提出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的基于人工智能的图片生成方法。
本领域技术人员可以理解,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或它们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本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,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明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片生成方法,其特征在于,所述方法包括:
获取若干待组合图片,并确定若干待组合图片中唯一的主图片和至少一张副图片;
识别所述主图片的特征元素,并判断所述主图片的特征元素中是否存在目标特征元素;
若是,则将所述主图片的特征元素中符合目标特征元素的第一特征元素进行提取;
分别识别所述副图片的特征元素,并根据所述第一特征元素与所述副图片的特征元素的关联程度,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图;
将各所述组合子图分别进行渲染,生成若干目标图片。
2.根据权利要求1所述的基于人工智能的图片生成方法,其特征在于,所述分别识别所述副图片的特征元素,并根据所述第一特征元素与所述副图片的特征元素的关联程度,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图的步骤之前包括:
获取所有历史图片,并根据所有历史图片,确定各历史图片中的第一历史特征元素;
统计第一历史特征元素出现的次数,并按照出现次数,从大到小进行排序,输出第一排序结果;
获取预设时间段的历史图片,并根据预设时间段的历史图片,确定预设时间段的各历史图片中的第二历史特征元素;
统计第二历史特征元素出现的次数,并按照出现次数,从大到小进行排序,输出第二排序结果;
判断所述第一排序结果与所述第二排序结果是否一致;
若否,则根据所述第一排序结果与所述第二排序结果,重新排序,输出目标排序结果。
3.根据权利要求2所述的基于人工智能的图片生成方法,其特征在于,所述根据所述第一排序结果与所述第二排序结果,重新排序,输出目标排序结果的步骤包括:
将所述第一排序结果与所述第二排序结果按顺序穿插排序;
判断相邻的历史特征元素是否相同;
若是,则将相邻的历史特征元素合并,并输出所述目标排序结果。
4.根据权利要求3所述的基于人工智能的图片生成方法,其特征在于,所述分别识别所述副图片的特征元素,并根据所述第一特征元素与所述副图片的特征元素的关联程度,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图的步骤包括:
分别识别各副图片的特征元素,并根据所述目标排序结果,将各副图片的特征元素按顺序提取,并罗列;
根据罗列的特征元素,确定各特征元素在对应的副图片中的位置,并基于所述第一特征元素的位置,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图。
5.根据权利要求4所述的基于人工智能的图片生成方法,其特征在于,所述根据罗列的特征元素,确定各特征元素在对应的副图片中的位置,并基于所述第一特征元素的位置,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图的步骤包括:
获取所要生成的目标图片的目标尺寸,主图片的尺寸和副图片的尺寸,并根据所要生成的目标图片的目标尺寸,主图片的尺寸和副图片的尺寸,分别确定主图片和副图片的缩放比例;
根据主图片和副图片的缩放比例,将对应提取的主图片的第一特征元素和副图片的特征元素进行缩放;
将缩放后的主图片的第一特征元素和副图片的特征元素按照对应图片的原位置进行组合,并判断组合后的各特征元素所处区域之间是否存在叠层关系;
若是,则获取各特征元素所处区域的尺寸,根据各特征元素所处区域的尺寸大小,调整叠层。
6.根据权利要求5所述的基于人工智能的图片生成方法,其特征在于,所述获取各特征元素所处区域的尺寸,根据各特征元素所处区域的尺寸大小,调整叠层的步骤中,将尺寸最大的特征元素置于底层,将尺寸最小的特征元素置于顶层。
7.根据权利要求6所述的基于人工智能的图片生成方法,其特征在于,所述将各所述组合子图分别进行渲染,生成若干目标图片的步骤包括:
获取渲染时间,并判断所述渲染时间是否处于事件发生时期;
若是,则根据事件发生时期的特点,生成对应的特征元素,添加至目标图片中。
8.一种基于人工智能的图片生成系统,其特征在于,所述系统包括:
获取模块,用于获取若干待组合图片,并确定若干待组合图片中唯一的主图片和至少一张副图片;
判断模块,用于识别所述主图片的特征元素,并判断所述主图片的特征元素中是否存在目标特征元素;
提取模块,用于当判断所述主图片的特征元素中存在目标特征元素时,则将所述主图片的特征元素中符合目标特征元素的第一特征元素进行提取;
组合模块,用于分别识别所述副图片的特征元素,并根据所述第一特征元素与所述副图片的特征元素的关联程度,将所述第一特征元素和所述副图片的特征元素进行组合,生成各组合子图;
渲染模块,用于将各所述组合子图分别进行渲染,生成若干目标图片。
9.一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1-7任一项所述的基于人工智能的图片生成方法。
10.一种电子设备,其特征在于,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于人工智能的图片生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410064873.2A CN117576247B (zh) | 2024-01-17 | 2024-01-17 | 一种基于人工智能的图片生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410064873.2A CN117576247B (zh) | 2024-01-17 | 2024-01-17 | 一种基于人工智能的图片生成方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117576247A true CN117576247A (zh) | 2024-02-20 |
CN117576247B CN117576247B (zh) | 2024-03-29 |
Family
ID=89888548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410064873.2A Active CN117576247B (zh) | 2024-01-17 | 2024-01-17 | 一种基于人工智能的图片生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117576247B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015184903A1 (zh) * | 2014-11-24 | 2015-12-10 | 中兴通讯股份有限公司 | 一种图片处理方法及装置 |
WO2017107431A1 (zh) * | 2015-12-23 | 2017-06-29 | 北京金山安全软件有限公司 | 一种图片分类方法、装置及电子设备 |
CN107945102A (zh) * | 2017-10-23 | 2018-04-20 | 深圳市朗形网络科技有限公司 | 一种图片合成的方法及装置 |
CN108492342A (zh) * | 2018-03-22 | 2018-09-04 | 网易(杭州)网络有限公司 | 合并碎图的方法、装置、处理器、存储介质和终端 |
CN109271090A (zh) * | 2018-09-29 | 2019-01-25 | 华勤通讯技术有限公司 | 图像融合方法、终端以及计算机可读存储介质 |
WO2019109805A1 (zh) * | 2017-12-06 | 2019-06-13 | Oppo广东移动通信有限公司 | 图像处理方法和装置 |
CN110517215A (zh) * | 2019-08-28 | 2019-11-29 | 咪咕视讯科技有限公司 | 一种视频压缩处理方法、电子设备及存储介质 |
CN112100979A (zh) * | 2020-09-16 | 2020-12-18 | 掌阅科技股份有限公司 | 基于电子书的排版处理方法、电子设备及存储介质 |
CN112164127A (zh) * | 2020-09-25 | 2021-01-01 | 大方众智创意广告(珠海)有限公司 | 图片生成方法、装置、电子设备及可读存储介质 |
CN113361525A (zh) * | 2021-06-30 | 2021-09-07 | 深圳市斯博科技有限公司 | 基于ocr的页面生成方法、装置、计算机设备及存储介质 |
US20220148244A1 (en) * | 2020-11-12 | 2022-05-12 | Samsung Electronics Co., Ltd. | Method and apparatus with generation of transformed image |
CN114666503A (zh) * | 2022-03-22 | 2022-06-24 | 广州博冠信息科技有限公司 | 拍照方法及装置、存储介质、电子设备 |
CN115147532A (zh) * | 2022-06-21 | 2022-10-04 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、设备及存储介质、程序产品 |
CN116954605A (zh) * | 2023-07-11 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 页面生成方法、装置及电子设备 |
-
2024
- 2024-01-17 CN CN202410064873.2A patent/CN117576247B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015184903A1 (zh) * | 2014-11-24 | 2015-12-10 | 中兴通讯股份有限公司 | 一种图片处理方法及装置 |
WO2017107431A1 (zh) * | 2015-12-23 | 2017-06-29 | 北京金山安全软件有限公司 | 一种图片分类方法、装置及电子设备 |
CN107945102A (zh) * | 2017-10-23 | 2018-04-20 | 深圳市朗形网络科技有限公司 | 一种图片合成的方法及装置 |
WO2019109805A1 (zh) * | 2017-12-06 | 2019-06-13 | Oppo广东移动通信有限公司 | 图像处理方法和装置 |
CN108492342A (zh) * | 2018-03-22 | 2018-09-04 | 网易(杭州)网络有限公司 | 合并碎图的方法、装置、处理器、存储介质和终端 |
CN109271090A (zh) * | 2018-09-29 | 2019-01-25 | 华勤通讯技术有限公司 | 图像融合方法、终端以及计算机可读存储介质 |
CN110517215A (zh) * | 2019-08-28 | 2019-11-29 | 咪咕视讯科技有限公司 | 一种视频压缩处理方法、电子设备及存储介质 |
CN112100979A (zh) * | 2020-09-16 | 2020-12-18 | 掌阅科技股份有限公司 | 基于电子书的排版处理方法、电子设备及存储介质 |
CN112164127A (zh) * | 2020-09-25 | 2021-01-01 | 大方众智创意广告(珠海)有限公司 | 图片生成方法、装置、电子设备及可读存储介质 |
US20220148244A1 (en) * | 2020-11-12 | 2022-05-12 | Samsung Electronics Co., Ltd. | Method and apparatus with generation of transformed image |
CN113361525A (zh) * | 2021-06-30 | 2021-09-07 | 深圳市斯博科技有限公司 | 基于ocr的页面生成方法、装置、计算机设备及存储介质 |
CN114666503A (zh) * | 2022-03-22 | 2022-06-24 | 广州博冠信息科技有限公司 | 拍照方法及装置、存储介质、电子设备 |
CN115147532A (zh) * | 2022-06-21 | 2022-10-04 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、设备及存储介质、程序产品 |
CN116954605A (zh) * | 2023-07-11 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 页面生成方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
江虹;郭树旭;钱晓华;: "基于双特征融合的动态图像分析算法", 吉林大学学报(信息科学版), no. 02, 15 March 2011 (2011-03-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117576247B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2608261C2 (ru) | Автоматическое генерирование тега на основании содержания изображения | |
CN109815843B (zh) | 图像处理方法及相关产品 | |
JP5934653B2 (ja) | 画像分類装置、画像分類方法、プログラム、記録媒体、集積回路、モデル作成装置 | |
CN103617432B (zh) | 一种场景识别方法及装置 | |
CN102292722B (zh) | 基于多模元数据和结构化语义描述符来产生注释标签 | |
CN109213882B (zh) | 图片排序方法及终端 | |
EP1770554B1 (en) | Image analysis apparatus and image analysis program storage medium | |
CN105117399B (zh) | 一种图像搜索方法和装置 | |
CN112966758B (zh) | 一种农作物病虫草害识别方法、装置、系统及存储介质 | |
CN105512255A (zh) | 图片筛选方法及装置、移动终端 | |
CN112069338A (zh) | 图片处理方法、装置、电子设备及存储介质 | |
CN110019913A (zh) | 图片匹配方法、用户设备、存储介质及装置 | |
CN113825012B (zh) | 视频数据处理方法和计算机设备 | |
US11869127B2 (en) | Image manipulation method and apparatus | |
CN117576247B (zh) | 一种基于人工智能的图片生成方法及系统 | |
CN111105369A (zh) | 图像处理方法、图像处理装置、电子设备和可读存储介质 | |
US20220207076A1 (en) | Generative image acquisition | |
JP2004023656A (ja) | 画像処理装置、画像処理方法、及び、プログラム | |
CN110781345B (zh) | 视频描述生成模型的获取方法、视频描述生成方法及装置 | |
CN112036342A (zh) | 单证抓拍方法、设备及计算机存储介质 | |
KR101608248B1 (ko) | 사진을 분류하는 장치 및 방법 | |
CN112100427A (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN110222207B (zh) | 图片的整理方法、装置和智能终端 | |
CN109145884B (zh) | 查找目标人物的方法、装置、终端和计算机可读存储介质 | |
KR102131243B1 (ko) | 딥러닝 및 연결성 그래프에 기초한 식물 영역 추출 시스템 및 방법 |
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 |