CN118038087A - 图像处理方法及装置 - Google Patents

Abstract

本说明书实施例提供了图像处理方法及装置，其中，一种图像处理方法包括：对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像后，对多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据，基于包含第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列，对第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。

Description

图像处理方法及装置

技术领域

本文件涉及图像处理技术领域，尤其涉及一种图像处理方法及装置。

背景技术

图像的纹理特征属于全局特征的一种，用于描述图像或图像区域所对应物体的表面性质，例如图像纹理的粗细、稠密等特征，由于纹理特征能够表征物体的唯一性，所以在图像处理、防伪检测等多个领域都能够使用图像的纹理特征进行处理，而传统的特征提取方式对图像的质量要求较高，且提取的特征精度较低，导致基于纹理特征的图像处理结果的准确性不高，因此，如何能够提升纹理特征的提取精度，是未来的关注重点。

发明内容

本说明书一个或多个实施例提供了一种图像处理方法，包括：对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像。对所述多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对所述多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据。基于包含所述第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含所述第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列。对所述第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与所述第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。

本说明书一个或多个实施例提供了一种图像处理装置，包括：角度变换模块，被配置为对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像。数据组合模块，被配置为对所述多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对所述多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据。纹理特征提取模块，被配置为基于包含所述第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含所述第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列。特征比对模块，被配置为对所述第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与所述第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。

本说明书一个或多个实施例提供了一种图像处理设备，包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像。对所述多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对所述多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据。基于包含所述第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含所述第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列。对所述第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与所述第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。

本说明书一个或多个实施例提供了一种计算机可读存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现以下流程：对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像。对所述多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对所述多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据。基于包含所述第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含所述第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列。对所述第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与所述第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。

附图说明

为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术用户来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；

图1为本说明书一个或多个实施例提供的一种图像处理方法实施环境的示意图；

图2为本说明书一个或多个实施例提供的一种图像处理方法处理流程图；

图3为本说明书一个或多个实施例提供的一种待比对图像的示意图；

图4为本说明书一个或多个实施例提供的一种基准图像的示意图；

图5为本说明书一个或多个实施例提供的一种应用于图像相似度计算场景的图像处理方法处理流程图；

图6为本说明书一个或多个实施例提供的一种图像处理装置实施例的示意图；

图7为本说明书一个或多个实施例提供的一种图像处理设备的结构示意图。

具体实施方式

为了使本技术领域的用户更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个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说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术用户在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。

本实施例提供的一个或者多个实施例提供的图像处理方法，可适用于图像处理这一实施环境，参照图1，该实施环境至少包括：服务器101，图像采集终端102；

其中，服务器101可以是一台或者多台服务器，若干台服务器组成的服务器集群，或者，云计算平台的云服务器。服务器101可提取两张图像各自的纹理特征，并基于纹理特征进行特征比对，确定两张图像的相似度；

图像采集终端102可以是智能手机、平板电脑、电子书阅读器、可穿戴设备、智能手表、基于AR(Augmented Reality，增强现实)/VR(Virtual Reality，虚拟现实)进行信息交互和图像采集的设备等。图像采集终端102可采集图像，并展示图像相似度。

该实施环境中，图像采集终端102采集第一图像和第二图像后将第一图像和第二图像上传至服务器101，由服务器101对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像，并对多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据，在此之后，基于包含第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列，最后对第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。

本说明书提供的一种图像处理方法的一个或多个实施例如下：

参照图2，本实施例提供的图像处理方法，具体包括步骤S202至步骤S208。

步骤S202，对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像。

本实施例中，所述第一图像与所述第二图像为两张互相比对相似度的图像，其中，所述第一图像可以是待比对图像，所述第二图像可以是作为比对基准的基准图像，可选的，所述第一图像可以是待对比纹理图像，所述第二图像可以是作为纹理比对基准的基准纹理图像；纹理图像可以是对物品表面纹理进行图像采集获得的表面纹理图像，此外，纹理图像还可以是对物品截面纹理或者断面纹理进行图像采集获得的截面纹理图像或者断面纹理图像。所述图像角度变化，可以是对图像进行旋转而使得图像的角度发生变化。

实际应用中，在检测第一图像与第二图像的图像相似度的过程中，由于当前采集的第一图像与作为比对基准的第二图像的拍摄角度或者方向可能有所不同，例如，如图3所示的待比对图像的示意图中与图4所示的基准图像的示意图中所示，第一图像的拍摄角度可能与第二图像的拍摄角度不同，且第一图像与第二图像中没有可以对齐进行比对的标志物，导致在进行图像相似度计算的过程中，第一图像和第二图像无法对齐，进而计算出的图像相似度不够精确。因此，为了提升图像相似度计算的准确性和有效性，本实施例在对第一图像和第二图像进行图像角度变换的基础上提取图像的纹理特征，从而能够提取图像在全角度的纹理特征(即纹理特征序列)。

具体执行过程中，为了提取图像在全角度的纹理特征，通过将第一图像变换至各个角度的方式，获取各个角度的第一图像，本实施例提供的一种可选实施方式中，采用如下方式对第一图像进行图像角度变换：

提取所述第一图像中的纹理区域；

基于角度变换算法对所述纹理区域进行图像角度变换，获得各变换角度的变换纹理区域；

将所述各变换角度的变换纹理区域分别与所述第一图像中的剩余区域进行图像拼接处理，获得所述多个第一变换图像。

具体的，为了避免将图像旋转后图像边界的形状改变的问题，可通过提取第一图像中的纹理区域，只针对纹理区域进行图像角度变换，在针对纹理区域进行图像角度变换的过程中，可基于角度变换算法对提取出的纹理区域进行图像角度变换，获得各变换角度的变换纹理区域，进而将各变换角度的变换纹理区域分别与所述第一图像中的剩余区域进行图像拼接处理，获得多个第一变换图像，此外，还可基于预设角度变换参数，对提取出的纹理区域进行图像角度变换，获得各变换角度的变换纹理区域。

例如，第一图像的中心有一块圆形纹理区域，在提取出这块圆形纹理区域后，基于角度变换算法对圆形纹理区域分别以绕圆心60°、120°、180°、240°、300°、360°进行旋转，获得6个圆形变换纹理区域，再分别将这6个圆形变换纹理区域与第一图像中除圆形纹理区域的剩余区域进行图像拼接处理，获得多个第一变换图像。

需要说明的是，对第二图像进行图像角度变换的处理过程，可参见上述对第一图像进行图像角度变换的处理过程，本实施例在此不再赘述。

此外，还存在获取的第一图像的图像质量不高的情况，针对于此，可在提取图像中的纹理区域之后，确定第一图像的图像参数，在图像参数小于图像参数阈值的情况下，对纹理区域进行区域增强处理，以提高图像质量，本实施例提供的一种可选实施方式中，采用如下方式针对第一图像中的纹理区域进行图像增强处理：

确定所述第一图像的图像参数；

基于所述图像参数与图像参数阈值之间的差值对所述第一图像中的纹理区域进行区域增强处理。

具体的，可以在提取第一图像中的纹理区域之后，计算第一图像的图像参数与图像参数阈值之间的差值，若差值为负数，则对第一图像中的纹理区域进行区域增强处理；若差值为正数，不做处理即可。可选的，所述图像参数包括下述至少一项：图像清晰度，图像分辨率，图像饱和度，图像锐度，图像色彩准确度，图像对比度。

具体实施时，在对比第一图像与第二图像的图像相似度的场景中，第一图像可以为用户基于纹理采集页面采集的纹理图像，由于用户在采集图像时，可能会存在采集的纹理图像的纹理区域的占比过大的问题，针对于此，可以基于纹理区域与纹理图像的区域占比对纹理区域进行缩放处理，以提高后续进行图像相似度比对的有效性，本实施例提供的一种可选实施方式中，采用如下方式对纹理图像中包含的纹理区域进行缩放处理：

获取基于纹理采集页面采集的纹理图像，并识别所述纹理图像中包含的纹理区域；

基于所述纹理区域与所述纹理图像的区域占比对所述纹理区域进行缩放处理，并将缩放后的纹理区域与所述纹理图像的剩余区域进行拼接，获得所述第一图像。

具体的，可通过发送纹理采集页面的方式，获取基于纹理采集页面采集的纹理图像，在采集到纹理图像后，识别纹理图像中包含的纹理区域，基于纹理区域与纹理图像的区域占比对纹理区域进行缩放处理，获得第一图像，在对纹理区域进行缩放处理的过程中，若纹理区域与纹理图像的区域占比超过预设阈值，则对纹理区域按照预设缩小参数进行缩小处理，此外，若纹理区域与纹理图像的区域占比小于预设阈值，则可对纹理区域按照预设放大参数进行放大处理。

步骤S204，对所述多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对所述多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据。

上述对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像之后，本步骤中，对多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据。

具体执行过程中，为了后续能够提取图像在全角度的纹理特征，通过将进行图像角度变换后获得的变换图像的色彩通道数据进行数据组合的方式，获得像素组合数据，使得变换图像的数据能够在色彩通道层面进行组合，具体的，本实施例提供两种进行数据组合的方式，下述分别进行具体说明：

(1)本实施例提供的第一种可选实施方式中，采用如下方式对所述多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据：

确定所述多个第一变换图像中各第一变换图像的角度变换顺序；

按照所述角度变换顺序提取所述各第一变换图像的色彩通道数据；

在角度变换顺序为首位的第一变换图像的色彩通道数据后依次增加其他第一变换图像的色彩通道数据，获得所述第一像素组合数据。

具体的，在上述对第一图像的纹理区域进行图像角度变换获得多个第一变换图像之后，首先确定多个第一变换图像中各第一变换图像的角度变换顺序，然后按照角度变换顺序依次提取各第一变换图像的色彩通道数据，通过在角度变换顺序为首位的第一变换图像的色彩通道数据后依次增加其他第一变换图像的色彩通道数据，获得第一像素组合数据。

例如，将第一图像依次按照90°、180°、270°、360°进行图像角度变换，获得4张第一变换图像，则在确定这四张第一变换图像的像素组合数据的过程中，在90°的第一变换图像的色彩通道数据[C1]后依次增加180°、270°、360°的第一变换图像的色彩通道数据，得到第一像素组合数据[C1，C2，C3，C4]。

(2)本实施例提供的第二种可选实施方式中，采用如下方式对所述多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据：

提取所述多个第二变换图像中各第二变换图像的色彩通道数据；

基于随机组合算法将所述各第二变换图像的色彩通道数据进行数据组合，获得所述第二像素组合数据。

具体的，在上述对第二图像的纹理区域进行图像角度变换获得多个第二变换图像之后，首先提取多个第二变换图像中各第二变换图像的色彩通道数据，然后基于随机组合算法将各第二变换图像的色彩通道数据进行数据组合，获得第二像素组合数据。

例如，将第二图像依次按照90°、180°、270°、360°进行图像角度变换，获得4张第二变换图像的色彩通道数据分别为[C1]，[C2]，[C3]，[C4]，则在确定这四张第二变换图像的像素组合数据的过程中，基于随机组合算法将4张第二变换图像的色彩通道数据进行数据组合，得到第一像素组合数据[C4，C2，C1，C3]。

需要说明的是，上述针对多个第一变换图像的色彩通道数据进行数据组合的实施方式与上述针对多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据的实施方式，在具体实现过程中可根据实际需要进行特征组合形成新的实现方式，本实施例对此不做限定。例如，基于随机组合算法将各第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据；再例如，按照角度变换顺序提取多个第二变换图像中各第二变换图像的色彩通道数据，在角度变换顺序为首位的第二变换图像的色彩通道数据后依次增加其他第二变换图像的色彩通道数据，获得所述第二像素组合数据。

步骤S206，基于包含所述第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含所述第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列。

上述对多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据之后，本步骤中，基于包含第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列。

所述第一变换图像数据，是指第一变换图像的图像数据，例如4张第一变换图像的第一变换图像数据可以为：[X1，X2，X3，X4，Y1，Y2，Y3，Y4，C1，C2，C3，C4]，其中，[C1，C2，C3，C4]为第一像素组合数据。

具体执行过程中，在上述按照所述角度变换顺序对多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据的基础上，为了使提取的纹理特征保留顺序性，可按照角度变换顺序依次计算各第一变换图像的子纹理特征，本实施例提供的一种可选实施方式中，采用如下方式基于包含所述第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列：

提取所述第一变换图像数据中包含的所述各第一变换图像的子变换图像数据；

将所述子变换图像数据按照所述角度变换顺序输入纹理特征提取模型进行纹理特征提取，获得所述各第一变换图像的子纹理特征；

基于所述角度变换顺序将所述子纹理特征进行特征拼接，获得所述第一纹理特征序列。

具体的，在获得第一像素组合数据之后，提取第一变换图像数据(其中包含第一像素组合数据)中包含的第一变换图像的子变换图像数据，将子变换图像数据按照角度变换顺序输入纹理特征提取模型进行纹理特征提取，获得各第一变换图像的子纹理特征，基于角度变换顺序将所述子纹理特征进行特征拼接，获得第一纹理特征序列。

沿用上例，在第一变换图像数据为：[X1，X2，X3，X4，Y1，Y2，X3，Y4，C1，C2，C3，C4]的情况下，将其拆分为[X1，Y1，C1]，[X2，Y2，C2]，[X3，Y3，C3]，[X4，Y4，C4]4个子变换图像数据，并依次输入纹理特征提取模型进行纹理特征提取，获得子纹理特征[T1]，[T2]，[T3]，[T4]，基于角度变换顺序将子纹理特征进行特征拼接后，获得第一纹理特征序列：[T1，T2，T3，T4]。

需要说明的是，基于包含第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列的处理过程，可参见上述基于包含第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列的处理过程，本实施例在此不再赘述。

实际应用中，所述纹理特征提取模型的训练可以预先完成，比如在云服务器上进行纹理特征提取模型的模型训练，也可以在线下进行纹理特征提取模型的模型训练；在模型训练过程中，为了提升纹理特征模型的训练效率，同时也为了降低训练样本的收集难度、减少模型训练的工作量，本实施例提供的一种可选实施方式中，所述纹理特征提取模型，采用如下方式进行训练：

将像素数据样本输入待训练的纹理特征提取模型进行纹理特征提取，获得样本纹理特征；

根据所述样本纹理特征与预设样本纹理特征的特征相似度计算训练损失；

根据所述训练损失对所述待训练的纹理特征提取模型进行参数调整。

具体的，将像素数据样本输入待训练的纹理特征提取模型进行纹理特征提取，获得样本纹理特征，根据样本纹理特征与预设样本纹理特征的特征相似度计算训练损失，根据训练损失对所述待训练的纹理特征提取模型进行参数调整。

参见上述模型训练方式，重复上述训练过程对待训练的纹理特征提取模型进行训练，直至损失函数收敛，则在损失函数收敛后完成训练，并将完成训练后的待训练的纹理特征提取模型作为所述纹理特征提取模型。

进一步，本实施例提供的一种可选实施方式中，像素数据样本可采用如下方式获取：

基于角度变换参数对图像样本进行图像角度变换，获得变换图像样本；

对所述变换图像样本的样本数据进行数据组合处理，获得组合样本数据；

按照掩码参数对所述组合样本数据进行掩码处理，获得所述像素数据样本。

具体的，在获取像素数据样本时，为了使对纹理特征提取模型的训练更加有效，可基于角度变换参数对图像样本进行图像角度变换，获得变换图像样本，对变换图像样本的样本数据进行数据组合处理，获得组合样本数据，并按照掩码参数对组合样本数据进行掩码处理，获得像素数据样本。

步骤S208，对所述第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与所述第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。

上述基于包含第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列之后，本步骤中，对第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。

具体执行过程中，由于上述基于第一变换图像数据进行纹理特征提取获得第一纹理特征序列中各子纹理特征的排序与角度变换顺序有关，因此，可以通过将第一纹理特征序列中的各子纹理特征进行特征变换处理，模拟对第一图像的各种图像角度变换情况，本实施例提供的一种可选实施方式中，采用如下方式对所述第一纹理特征序列中的各子纹理特征进行特征变换处理：

基于所述角度变换顺序确定所述第一纹理特征序列中各子纹理特征的特征排列位次；

依次将所述各子纹理特征的特征排列位次进行顺延，并将位次顺延后的各子纹理特征组成的特征序列作为第一变换特征；

依次将所述第一变换特征的特征排列位次进行顺延，并将位次顺延后的各子纹理特征组成的特征序列作为第一变换特征。

具体的，可基于角度变换顺序确定第一纹理特征序列中各子纹理特征的特征排列位次，依次将特征排列位次进行顺延，并将位次顺延后的各子纹理特征组成的特征序列作为第一变换特征，并且依次将第一变换特征中各变换特征的特征排列位次进行顺延，并将位次顺延后的各子纹理特征组成的特征序列作为第二变换特征，重复上述过程，直至获得所有变换特征。

沿用上例，在第一纹理特征序列为[T1，T2，T3，T4]的情况下，在特征变换处理的过程中，可将首位的子纹理特征[T1]的特征排列位次顺延为第二位，将第二位的子纹理特征[T2]的特征排列位次顺延为第三位，将第三位的子纹理特征[T3]排列位次顺延为第四位，将第四位的子纹理特征[T4]排列位次顺延为第一位，获得第一变换特征[T4，T1，T2，T3]，重复上述过程，依次获得其他变换特征：[T3，T4，T1，T2]，[T2，T3，T4，T1]。

此外，在对第一纹理特征序列中的各子纹理特征进行特征变换处理，还可基于随机排列算法方式对特征排列位次进行更新，获得变换特征，本实施例提供的一种可选实施方式中，采用如下方式对所述第一纹理特征序列中的各子纹理特征进行特征变换处理：

确定所述第一纹理特征序列中的各子纹理特征的特征排列位次；

对所述特征排列位次进行更新，并将位次更新后的各子纹理特征作为所述变换特征。

例如，在第一纹理特征序列为[T1，T2，T3，T4]的情况下，基于随机排列算法对第一纹理特征序列中的各子纹理特征进行特征变换处理，可获得4^4个变换特征。

上述将第一纹理特征序列中各子纹理特征进行特征变换处理，并获得变换特征之后，将变换特征与第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度，本实施例提供的一种可选实施方式中，采用如下方式将获得的变换特征与所述第二纹理特征序列进行纹理特征比对：

计算所述变换特征与所述第二纹理特征的特征相似度；

若所述特征相似度大于或等于特征相似度阈值，则确定所述第一图像与所述第二图像相似；

若所述特征相似度小于特征相似度阈值，则确定所述第一图像与所述第二图像不相似。

具体的，可通过计算变换特征与第二纹理特征之间的欧式距离或者余弦相似度的方式，计算变换特征与第二纹理特征的特征相似度，若变换特征中存在特征相似度大于或等于特征相似度阈值的变换特征，则确定第一图像与所述第二图像相似，若每个变换特征的特征相似度都小于特征相似度阈值，则确定第一图像与所述第二图像不相似，此外，计算获得的特征相似度可以用特征相似度值表示，相似度值通常在0到100之间，表示两个图像之间的相似程度，其中0表示完全不相似，100表示完全相同。

综上所述，本实施例提供的图像处理方法，从进行图像相似度计算的第一图像与第二图像出发，分别对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像，然后通过对多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据，获得全角度的第一图像数据和全角度的第二图像数据，此后，基于第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于第二变换图像数据进行纹理特征提取获得第二纹理特征序列，对第一纹理特征序列中的各子纹理特征进行特征变换处理，模拟各个变换角度图像的图像特征，最后将获得的变换特征与所述第二纹理特征序列进行纹理特征比对，根据特征比对结果确定图像相似度，避免因两张图像的角度不同而无法计算图像相似度的情况，提升了图像相似度计算的准确率；

进一步，通过将各第一变换图像的色彩通道数据进行顺序组合以及将各第二变换图像的色彩通道数据进行随机组合的方式，使获得的第一像素组合数据以及第二像素组合数据能够表征各个变换角度的第一图像以及第二图像，在后续进行特征提取的过程中，提升了特征提取的全面性。

下述以本实施例提供的一种图像处理方法在图像相似度计算场景的应用为例，结合图5，对本实施例提供的图像处理方法进行进一步说明，参见图5，应用于图像相似度计算场景的图像处理方法，具体包括下述步骤。

步骤S502，提取纹理图像中的纹理区域，以及提取基准图像中的纹理区域。

在此之前，获取基于纹理采集页面采集的图像，并识别图像中包含的纹理区域，基于纹理区域与图像的区域占比对纹理区域进行缩放处理，并将缩放后的纹理区域与图像的剩余区域进行拼接，获得纹理图像。

步骤S504，基于角度变换算法对纹理图像的纹理区域进行图像角度变换获得各变换角度的纹理图像的变换纹理区域，以及基于角度变换算法对基准图像的纹理区域进行图像角度变换获得各变换角度的基准图像的变换纹理区域。

可选的，各变换角度的纹理图像的变换纹理区域可以是各第一变换纹理区域，各变换角度的基准图像的变换纹理区域可以是各第二变换纹理区域。

步骤S506，将各变换角度的纹理图像的变换纹理区域分别与纹理图像中的剩余区域进行图像拼接处理获得多个第一变换图像，以及将各变换角度的基准图像的变换纹理区域分别与基准图像中的剩余区域进行图像拼接处理获得多个第二变换图像。

步骤S508，对多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据。

步骤S510，将第一变换图像数据输入纹理特征提取模型进行纹理特征提取获得第一纹理特征序列，以及将第二像素组合数据输入纹理特征提取模型进行纹理特征提取获得第二纹理特征序列。

步骤S512，对第一纹理特征序列中的各子纹理特征进行特征变换处理，获得变化特征。

步骤S514，计算变换特征与第二纹理特征序列的特征相似度，若特征相似度大于或等于特征相似度阈值，则确定纹理图像与基准图像相似。

本说明书提供的一种图像处理装置实施例如下：

在上述的实施例中，提供了一种图像处理方法，与之相对应的，还提供了一种图像处理装置，下面结合附图进行说明。

参照图6，其示出了本实施例提供的一种图像处理装置示意图。

由于装置实施例对应于方法实施例，所以描述得比较简单，相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。

本实施例提供一种图像处理装置，包括：

角度变换模块602，被配置为对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像；

数据组合模块604，被配置为对所述多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对所述多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据；

纹理特征提取模块606，被配置为基于包含所述第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含所述第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列；

特征比对模块608，被配置为对所述第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与所述第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。

本说明书提供的一种图像处理设备实施例如下：

对应上述描述的一种图像处理方法，基于相同的技术构思，本说明书一个或多个实施例还提供一种图像处理设备，该图像处理设备用于执行上述提供的图像处理方法，图7为本说明书一个或多个实施例提供的一种图像处理设备的结构示意图。

本实施例提供的一种图像处理设备，包括：

如图7所示，图像处理设备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的处理器701和存储器702，存储器702中可以存储有一个或一个以上存储应用程序或数据。其中，存储器702可以是短暂存储或持久存储。存储在存储器702的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括图像处理设备中的一系列计算机可执行指令。更进一步地，处理器701可以设置为与存储器702通信，在图像处理设备上执行存储器702中的一系列计算机可执行指令。图像处理设备还可以包括一个或一个以上电源703，一个或一个以上有线或无线网络接口704，一个或一个以上输入/输出接口705，一个或一个以上键盘706等。

在一个具体的实施例中，图像处理设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对图像处理设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像；

对所述多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对所述多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据；

基于包含所述第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含所述第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列；

对所述第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与所述第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。

本说明书提供的一种计算机可读存储介质实施例如下：

对应上述描述的一种图像处理方法，基于相同的技术构思，本说明书一个或多个实施例还提供一种计算机可读存储介质。

本实施例提供的计算机可读存储介质，用于存储计算机可执行指令，所述计算机可执行指令在执行时实现以下流程：

对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像；

对所述多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对所述多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据；

基于包含所述第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含所述第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列；

对所述第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与所述第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。

需要说明的是，本说明书中关于一种计算机可读存储介质的实施例与本说明书中一种图像处理方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应方法的实施，重复之处不再赘述。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或者相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处，比如装置实施例、设备实施例和计算机可读存储介质实施例，三者均相似于方法实施例，所以描述地比较简单，阅读装置实施例、设备实施例和计算机可读存储介质实施例中的相关内容请参照方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

在20世纪30年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计用户几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计用户自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术用户也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术用户也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的商品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术用户应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序商品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序商品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序商品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

以上所述仅为本文件的实施例而已，并不用于限制本文件。对于本领域技术用户来说，本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本文件的权利要求范围之内。

Claims (15)

1.一种图像处理方法，包括：

对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像；

对所述多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对所述多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据；

基于包含所述第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含所述第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列；

对所述第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与所述第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。

2.根据权利要求1所述的图像处理方法，对所述第一图像进行图像角度变换，采用如下方式实现：

提取所述第一图像中的纹理区域；

基于角度变换算法对所述纹理区域进行图像角度变换，获得各变换角度的变换纹理区域；

将所述各变换角度的变换纹理区域分别与所述第一图像中的剩余区域进行图像拼接处理，获得所述多个第一变换图像。

3.根据权利要求1所述的图像处理方法，所述对所述多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，包括：

确定所述多个第一变换图像中各第一变换图像的角度变换顺序；

按照所述角度变换顺序提取所述各第一变换图像的色彩通道数据；

在角度变换顺序为首位的第一变换图像的色彩通道数据后依次增加其他第一变换图像的色彩通道数据，获得所述第一像素组合数据。

4.根据权利要求3所述的图像处理方法，所述基于包含所述第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，包括：

提取所述第一变换图像数据中包含的所述各第一变换图像的子变换图像数据；

将所述子变换图像数据按照所述角度变换顺序输入纹理特征提取模型进行纹理特征提取，获得所述各第一变换图像的子纹理特征；

基于所述角度变换顺序将所述子纹理特征进行特征拼接，获得所述第一纹理特征序列。

5.根据权利要求4所述的图像处理方法，所述对所述第一纹理特征序列中的各子纹理特征进行特征变换处理，包括：

基于所述角度变换顺序确定所述第一纹理特征序列中各子纹理特征的特征排列位次；

依次将所述各子纹理特征的特征排列位次进行顺延，并将位次顺延后的各子纹理特征组成的特征序列作为第一变换特征；

依次将所述第一变换特征中各变换特征的特征排列位次进行顺延，并将位次顺延后的各子纹理特征组成的特征序列作为第二变换特征。

6.根据权利要求1所述的图像处理方法，所述对所述第一纹理特征序列中的各子纹理特征进行特征变换处理，包括：

确定所述第一纹理特征序列中的各子纹理特征的特征排列位次；

对所述特征排列位次进行更新，并将位次更新后的各子纹理特征作为所述变换特征。

7.根据权利要求1所述的图像处理方法，所述对所述多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据，包括：

提取所述多个第二变换图像中各第二变换图像的色彩通道数据；

基于随机组合算法将所述各第二变换图像的色彩通道数据进行数据组合，获得所述第二像素组合数据。

8.根据权利要求1所述的图像处理方法，所述将获得的变换特征与所述第二纹理特征序列进行纹理特征比对，包括：

计算所述变换特征与所述第二纹理特征的特征相似度；

若所述特征相似度大于或等于特征相似度阈值，则确定所述第一图像与所述第二图像相似；

若所述特征相似度小于特征相似度阈值，则确定所述第一图像与所述第二图像不相似。

9.根据权利要求4所述的图像处理方法，所述纹理特征提取模型，采用如下方式训练获得：

将像素数据样本输入待训练的纹理特征提取模型进行纹理特征提取，获得样本纹理特征；

根据所述样本纹理特征与预设样本纹理特征的特征相似度计算训练损失；

根据所述训练损失对所述待训练的纹理特征提取模型进行参数调整。

10.根据权利要求9所述的图像处理方法，所述像素数据样本，采用如下方式获取：

基于角度变换参数对图像样本进行图像角度变换，获得变换图像样本；

对所述变换图像样本的样本数据进行数据组合处理，获得组合样本数据；

按照掩码参数对所述组合样本数据进行掩码处理，获得所述像素数据样本。

11.根据权利要求1所述的图像处理方法，所述对第一图像进行图像角度变换，获得第一变换图像步骤执行之前，还包括：

获取基于纹理采集页面采集的纹理图像，并识别所述纹理图像中包含的纹理区域；

基于所述纹理区域与所述纹理图像的区域占比对所述纹理区域进行缩放处理，并将缩放后的纹理区域与所述纹理图像的剩余区域进行拼接，获得所述第一图像。

12.根据权利要求2所述的图像处理方法，所述提取所述第一图像中的纹理区域子步骤执行之后，且所述基于角度变换算法对所述纹理区域进行图像角度变换，获得各变换角度的变换纹理区域子步骤执行之前，还包括：

确定所述第一图像的图像参数；

基于所述图像参数与图像参数阈值之间的差值对所述第一图像中的纹理区域进行区域增强处理。

13.一种图像处理装置，包括：

角度变换模块，被配置为对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像；

数据组合模块，被配置为对所述多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对所述多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据；

纹理特征提取模块，被配置为基于包含所述第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含所述第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列；

特征比对模块，被配置为对所述第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与所述第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。

14.一种图像处理设备，包括：

处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：

对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像；

对所述多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对所述多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据；

基于包含所述第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含所述第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列；

对所述第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与所述第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。

15.一种计算机可读存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现以下流程：

对第一图像以及第二图像分别进行图像角度变换，获得多个第一变换图像以及多个第二变换图像；

对所述多个第一变换图像的色彩通道数据进行数据组合获得第一像素组合数据，以及对所述多个第二变换图像的色彩通道数据进行数据组合获得第二像素组合数据；

基于包含所述第一像素组合数据的第一变换图像数据进行纹理特征提取获得第一纹理特征序列，以及基于包含所述第二像素组合数据的第二变换图像数据进行纹理特征提取获得第二纹理特征序列；

对所述第一纹理特征序列中的各子纹理特征进行特征变换处理，并将获得的变换特征与所述第二纹理特征序列进行纹理特征比对，以根据特征比对结果确定图像相似度。